A Web-Based Bitcoin Currency Price Forecasting System Using Multiple Linear Regression Algorithm

Ismar Puadi, Rahmad Kurniawan, Benny Sukma Negara, Fadhilah Syafria, Fitra Lestari

Abstract


Keberadaan cryptocurrency memberikan kemajuan transaksi dalam bidang ekonomi. Salah satu jenis cryptocurrency adalah Bitcoin (BTC), BTC saat ini banyak digunakan oleh para pebisnis dan investor. BTC dapat diperjualbelikan setiap saat tanpa ada Batasan waktu, namun harga BTC berfluktuasi. Peramalan harga BTC yang cepat diperlukan oleh para investor untuk mencegah kerugian dalam jumlah besar. Peramalan secara manual sulit dilakukan karena harga BTC yang berfluktuasi BTC secara cepat. Oleh karena itu, diperlukan  Teknik yang cepat dan jitu menggunakan Machine Learning. Salah satu algoritma yang sederhana, cepat dan tepat dalam komputasi  untuk memprediksi harga BTC adalah Regresi Linear Berganda. Penelitian ini menggunakan data enam tahun yaitu tahun 2014-2021 sebagai data latih. Berdasarkan hasil eksperimen, diperoleh formula Y=-0,16780543+((-0,41658744)X1 )+((0,84132834)X2) + ((0,57040201)X3). Selanjutnya dari persamaan linear tersebut digunakan untuk pengujian. Berdasarkan hasil eksperimen, didapat bahwa sistem peramalan harga BTC menghasilkan tingkat kesalahan RMSE 405,23 dan MAPE sebesar 1,22. Sistem peramalan berbasis web ini berpotensi digunakan sebagai pertimbangan oleh pengguna dalam meramalkan harga BTC.


Full Text:

PDF

References


A. Nurdiansyah, M. T. Furqon, and B. Rahayudi, “Prediksi Harga Bitcoin Menggunakan Metode Extreme Learning Machine (ELM) dengan Optimasi Artificial Bee Colony (ABC),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 6, pp. 5531–5539, 2019.

K. H. Al-Yahyaee, M. U. Rehman, W. Mensi, and I. M. W. Al-Jarrah, “Can uncertainty indices predict Bitcoin prices? A revisited analysis using partial and multivariate wavelet approaches,” North Am. J. Econ. Financ., vol. 49, no. December 2018, pp. 47–56, 2019, doi: 10.1016/j.najef.2019.03.019.

R. Faizal, B. D. Setiawan, and I. Cholissodin, “Prediksi Nilai Cryptocurrency Bitcoin menggunakan Algoritme Extreme Learning Machine (ELM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 3, no. 9, pp. 4226–4233, 2019.

A. Izzah and R. Widyastuti, “Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, vol. 2, no. 3, pp. 141–150, 2017, doi: 10.22219/kinetik.v2i3.268.

C. H. Wu, C. C. Lu, Y. F. Ma, and R. S. Lu, “A new forecasting framework for bitcoin price with LSTM,” IEEE Int. Conf. Data Min. Work. ICDMW, vol. 2018-November, pp. 168–175, Feb. 2019, doi: 10.1109/ICDMW.2018.00032.

P. Mogilev, A. Boldyreva, M. Alexandrov, and J. Cardiff, “GMDH-based Models for Mid-term Forecast of Cryptocurrencies (on example of Waves),” Int. Sci. Tech. Conf. Comput. Sci. Inf. Technol., vol. 2, pp. 13–16, Sep. 2020, doi: 10.1109/CSIT49958.2020.9321873.

H. Fatah and A. Subekti, “Prediksi Harga Cryptocurrency Dengan Metode K-Nearest Neighbours,” J. Pilar Nusa Mandiri, vol. 14, no. 2, p. 137, 2018, doi: 10.33480/pilar.v14i2.894.

R. Kurniawan, M. Z. A. Nazri, M. Irsyad, R. Yendra, and A. Aklima, “On machine learning technique selection for classification,” 2015, doi: 10.1109/ICEEI.2015.7352559.

A. Muhammad Fahmi, N. Azah Samsudin, A. Mustapha, N. Razali, and S. Kamal Ahmad Khalid, “Regression based Analysis for Bitcoin Price Prediction,” Int. J. Eng. Technol., vol. 7, no. 4.38, p. 1070, 2018, doi: 10.14419/ijet.v7i4.38.27642.

C.R. Kothari, Research Methodology: Methods and Techniques. New Age International, 2004.

“Cryptodatadownload.” .

I Made Yuliara, “Regresi linier berganda 1.,” J. Artic., pp. 1–6, 2016.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id