ANALISIS HARGA BITCOIN PASCA HALVING 2024 MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA

Bachti, Achmad Syauqi (2025) ANALISIS HARGA BITCOIN PASCA HALVING 2024 MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2113030012.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030012_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030012_0731087703_0712108103_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (730kB)
	Text (BAB 2) RAMA_57201_2113030012_0731087703_0712108103_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (433kB) | Request a copy
	Text (BAB 3) RAMA_57201_2113030012_0731087703_0712108103_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (393kB) | Request a copy
	Text (BAB 4) RAMA_57201_2113030012_0731087703_0712108103_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (477kB) | Request a copy
	Text (BAB 5) RAMA_57201_2113030012_0731087703_0712108103_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (219kB) | Request a copy
	Text (References) RAMA_57201_2113030012_0731087703_0712108103_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (200kB)
	Text (Lampiran) RAMA_57201_2113030012_0731087703_0712108103_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (975kB) | Request a copy

Abstract

Fenomena Halving pada jaringan Bitcoin yang terjadi setiap empat tahun sekali diketahui memiliki dampak signifikan terhadap fluktuasi harga pasar kripto. Peristiwa Halving 2024 secara khusus menimbulkan perhatian besar karena diprediksi akan memengaruhi pola suplai dan permintaan Bitcoin secara drastis. Namun, prediksi harga pasca-Halving tetap menjadi tantangan karena tingginya volatilitas dan kompleksitas variabel teknikal. Dalam konteks tersebut, pengembangan model prediksi harga yang akurat dan dapat diandalkan menjadi kebutuhan penting, terutama untuk memahami dinamika harga Bitcoin dari perspektif analisis data berbasis kecerdasan buatan. Penelitian ini bertujuan untuk membangun model prediksi harga penutupan Bitcoin pasca-Halving 2024 menggunakan algoritma regresi linear berganda. Metode yang digunakan mengacu pada pendekatan CRISP-DM (Cross Industry Standard Process for Data Mining) yang mencakup tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset yang digunakan merupakan data historis harga Bitcoin harian dari tahun 2013 hingga 2025, dengan variabel independen meliputi harga pembukaan, harga tertinggi, harga terendah, dan volume transaksi, serta variabel dependen berupa harga penutupan. Proses normalisasi dilakukan dengan metode Min-Max Scaler dan implementasi model dilakukan menggunakan Python melalui platform Google Colab. Hasil evaluasi model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 0,0087 pada data yang telah dinormalisasi, dan sebesar 550,17 USD pada data dalam skala asli. Nilai RMSE yang relatif kecil ini menunjukkan bahwa model memiliki tingkat kesalahan prediksi yang rendah, serta mampu menangkap pola hubungan linier antara variabel-variabel input terhadap harga penutupan Bitcoin. Model prediktif ini menunjukkan kinerja yang cukup akurat dalam memproyeksikan harga harian Bitcoin pada periode pasca-Halving. Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa regresi linear berganda merupakan metode yang efektif untuk memodelkan harga Bitcoin berdasarkan variabel teknikal historis. Dengan pendekatan CRISP-DM dan penerapan teknik normalisasi yang tepat, akurasi model dapat ditingkatkan secara signifikan. Penelitian ini menunjukkan kontribusi empiris yang relevan dalam pengembangan sistem prediksi harga aset kripto berbasis data mining dan kecerdasan buatan.

Actions (login required)

View Item