PREDIKSI HARGA BITCOIN DENGAN MENGGUNAKAN RANDOM FOREST CLASSIFIER

CHANG HUNG and JACKY FILBERT WIJAYA and VICTOR (2023) PREDIKSI HARGA BITCOIN DENGAN MENGGUNAKAN RANDOM FOREST CLASSIFIER. Undergraduate (S-1) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (14MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (1MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (7MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (33MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (1MB)

Abstract

Bitcoin merupakan salah satu cryptocurrency paling berharga di dunia dan diperdagangkan di lebih dari 40 bursa di seluruh dunia dan menerima lebih dari 30 mata uang berbeda dengan 250.000 transaksi per hari. Dalam perdagangannya, bitcoin menunjukkan fluktuasi pada pasar yang diperdagangkan, dalam hal ini fluktuasinya dapat mencapai 10 kali lebih tinggi daripada fluktuasi nilai tukar mata uang asing. Karena fluktuasi harga bitcoin yang masif dan tinggi, prediksi fluktuasi harga sangat dibutuhkan, terutama karena harga bitcoin bergerak dengan sangat acak. Untuk melalukan prediksi fluktuasi harga, Random Forest classifier merupakan salah satu algoritma machine learning yang sering digunakan untuk prediksi, kesehatan, artificial intelligence, dll. K-means clustering juga dipergunakan untuk membantu algoritma random forest classifier dalam hal mengkluster data. Hasil dari penelitian ini yaitu melakukan prediksi terhadap naik atau turunnya harga bitcoin dengan akurasi sebanyak 71% yang didapatkan dari perbandingan hasil prediksi dan data asli dengan bantuan algoritma confusion matrix.

Item Type: Tugas Akhir / Tesis (Undergraduate (S-1))
Subjects: Teknik Informatika
Divisions: Fakultas Informatika > Program Studi S-1 Teknik Informatika
Depositing User: Adi Kurniawan
Date Deposited: 28 Aug 2023 11:44
Last Modified: 28 Aug 2023 11:44
URI: https://repository.mikroskil.ac.id/id/eprint/3064

Actions (login required)

View Item
View Item