PERAMALAN HARGA MATA UANG KRIPTO SOLANA MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (SVR)
-
Dewi Marini Umi Atmaja(1*)
Universitas Medika Suherman
-
Arif Rahman Hakim(2)
Universitas Medika Suherman
(*) Corresponding Author
Abstrak
Cryptocurrency memiliki potensi besar untuk diadopsi di Indonesia sebagai alternatif dalam berinvestasi. Salah satu cryptocurrency yang diminati oleh investor atau trader yaitu Solana.. Pergerakan harga yang sangat random menjadikan investasi cryptocurrency memiliki risiko yang cukup tinggi. Dengan hal ini maka diperlukan sistem atau model yang dapat membantu investor atau trader untuk memprediksi harga agar investor atau trader memiliki bahan pertimbangan dalam pengambilan keputusan. Hasil dari analisis deskriptif dapat diketahui bahwa dalam kurun waktu 10 April 2020 sampai 30 Mei 2022 pergerakan harga penutupan harian Solana bergerak fluktuatif. Model Support Vector Regression yang diperoleh untuk data harga penutupan harian Solana yaitu kernel Linear dengan parameter cost C = 1000 diperoleh akurasi sebesar 97,44% dan MAPE sebesar 9,93 sedangkan untuk kernel Radial Basis Function (RBF) dengan parameter cost C = 1000 dan gamma = 0,1 diperoleh hasil akurasi 87,76% dengan nilai MAPE sebesar 8,14. Dapat disimpulkan bahwa melalui tuning parameter, model yang terbentuk memiliki nilai akurasi dan MAPE terbaik adalah menggunakan kernel Linear dengan parameter cost C = 1000.
##plugins.generic.usageStats.downloads##
Referensi
I. T. Julianto, D. Kurniadi, M. R. Nashrul-loh, and A. Mulyani, "Compa-rison of Data Mining Algorithm For Forecasting Bitccoin Crypto Currency Trends," J. Tek. Inform., vol. 3, no. 2, pp. 245-248,2022, doi:10.20884/1.jutif. 2022. 3.2.194.
Moch Farryz Rizkilloh and Sri Widiya-nesti, "Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM)," J. RESTI (Reka-yasa Sist. dan Teknol. Informasi), vol. 6, no. 1, pp. 25-31, 2022, doi: 10. 29207/ resti.v6i1.3630.
https://doi.org/10.29207/resti.v6i1.3630
U. P. Wibowo, Jondri, and A. Aditsania, "Prediksi Mata Uang Digital (bitcoin) Menggunakan Feed Forward Neural Network," e-Proceeding Eng. Vol.6, No.1 April 2019 , vol. 6, no. 1, pp. 2539-2544, 2019, [Online]. Available: https://open librarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/8720/8586
D. Haryadi, A. Rahman, D. Marini, U. Atmaja, and S. Nurgaida, "Implementa-tion of Support Vector Regression for Polkadot Cryptocurrency Price Predic-tion," vol. 6, no. May, pp. 201-207, 2022.
https://doi.org/10.30630/joiv.6.1-2.945
Nilda Aulia, "Prediksi Harga Ethereum Berdasarkan Informasi Blockchain Meng-gunakan Metode Long Short Term Me-mory," J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689-1699, 2013.
G. B. Blocks, "An Introduction to Sola-na," no. December, 2021.
R. A. Wibowo and B. Rikumahu, "Perama lan Dengan Volatilitas Frekuensi Tinggi Untuk Vector Regression Dan Regresi Linier Forecasting High Frequency Volatility for Cryptocurrencies and Con ventional Currencies With Support Vector Regression ( a Study on October 2017 - September 2018 Perio," vol. 6, no. 3, pp. 5647-5652, 2019.
D. I. Purnama and S. Setianingsih, "Sup-port vector regression (SVR) model for forecasting number of passengers on domestic flights at Sultan Hasanudin airport Makassar," J. Mat. Stat. dan Kom-putasi, vol. 16, no. 3, p. 391, 2020, doi: 10.20956/jmsk.v16i3.9176.
https://doi.org/10.20956/jmsk.v16i3.9176
N. P. N. Hendayanti, I. K. P. Suniantara, and M. Nurhidayati, "Penerapan Support Vector Regression (Svr) Dalam Mempre-diksi Jumlah Kunjungan Wisatawan Domestik Ke Bali," J. Varian, vol. 3, no. 1, pp. 43-50, 2019, doi: 10.30812/vari-an.v3i1.506.
https://doi.org/10.30812/varian.v3i1.506
H. C. S. Ningrum, "Perbandingan Metode Support Vector Machine (SVM) Linear, Radial Basis Function (RBF), dan Polinomial Kernel dalam Klasifikasi Bidang Studi Lanjut Pilihan Alumni UII," Tugas Akhir Stat. Univ. Islam Indones., pp. 1-90, 2018.
R. J. D. Simamora, Tibyani, and Sutrisno, "Peramalan Curah Hujan Menggunakan Metode Extreme Learning Machine," J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 10, pp. 9670-9676, 2019.
A. Nurdiansyah, M. T. Furqon, and B. Rahayudi, "Prediksi Harga Bitcoin Meng-gunakan Metode Extreme Learning Machine (ELM) dengan Optimasi Arti-ficial Bee Colony (ABC)," J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 6, pp. 5531-5539, 2019, [Online]. Available:http://j-ptiik.ub.ac.id/index.php/ j-ptiik/article/view/5507
A. R. Hakim, D. Marini, U. Atmaja, D. Haryadi, and N. Suwaryo, "Twitter Senti-ment Analysis Terhadap Pengguna E-Commerce Menggunakan Text Mining," SNTEM Semin. Nas. Teknol. Energi dan Miner., vol. 1, no. November, pp. 1227-1237, 2021.
T. M. Tamtelahitu, "Komparasi Algoritma Clustering dengan Dataset Penyebaran Covid-19 di Indonesia Periode Maret-Mei 2020," J. Teknol. Technoscientia, vol. 13, no. 1, pp. 27-34, 2020.
C. No, "Government to Person ( G2P ) Terhadap Penyaluran Bantuan Sosial di Indonesia Teknologi Blockchain dan Po-tensinya Pentingnya Reformasi Data Bagi Reformasi Perlindungan Sosial," vol. VI, 2021.
R. E. Caraka, H. Yasin, and A. W. Basyi-ruddin,"Peramalan Crude Palm Oil (CPO) Menggunakan Support Vector Regression Kernel Radial Basis," J. Mat., vol. 7, no. 1, p. 43, 2017, doi: 10.24843/jmat.2017. v07.i01.p81.
This work is licensed under CC BY-SA 4.0
