Peramalan Harga Bitcoin, Ethereum dan Binance Menggunakan Metode Arima (Autoregressive Integrated Moving Average) dengan Variabel Eksogen

Karnadi, Ericko Verdianto (2023) Peramalan Harga Bitcoin, Ethereum dan Binance Menggunakan Metode Arima (Autoregressive Integrated Moving Average) dengan Variabel Eksogen. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211940000055-Undergraduate_Theses.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Pada era sekarang ini, perkembangan tekonologi berpengaruh ke semua sektor, termasuk sektor ekonomi dan finansial. Salah satu hasil dari perkembangan tekonologi pada sektor finansial adalah munculnya cyrptocurrency atau sering disebut dengan mata uang digital. Cryptocurrency adalah mata uang yang tidak memiliki wujud fisik seperti uang pada umumnya. Saat ini sudah terdapat banyak jenis dari cryptocurrency, seperti Bitcoin, Ethereum, Binance, Doge dan masih banyak lagi. Karena nilai dari cryptocurrency yang sangat fluktuatif, pada penelitian ini akan dilakukan analisis untuk peramalan harga pada Bitcoin, Ethereum dan Binance, yang merupakan tiga cryptocurrency dengan marketcap terbesar saat ini. Metode yang nantinya akan digunakan adalah metode ARIMA untuk peramalan Bitcoin, Ethereum dan Binance dan metode ARIMAX untuk peramalanan Bitcoin, Ethereum dan Binance dengan pengaruh variable eksogen. Setelah dilakukan analisis, didapatkan bahwa metode ARIMAX cenderung menghasilkan nilai RMSE dan MAPE yang lebih kecil dibandingkan metode ARIMA sehingga metode yang terbaik untuk digunakan adalah metode ARIMAX, tetapi semua model yang didapatkan baik dengan metode ARIMA dan ARIMAX masih belum memenuhi uji asumsi berdistribusi normal, sehingga model yang belum bisa dikatakan baik untuk digunakan dalam peramalan harga penutupan Bitcoin, Ethereum, dan Binance. Dari model yang didapatkan, nilai MAPE dari seluruh model, baik pada data training maupun data testing, berada di bawah 10, sehingga dapat dikatakan bahwa model yang didapatkan baik dalam meramalkan Bitcoin, Ethereum, dan Binance.
======================================================================================================================================
In this current era, technological advancements have influenced all sectors, including the economic and financial sectors. One of the outcomes of technological development in the financial sector is the emergence of cryptocurrency, often referred to as digital currency. Cryptocurrency is a currency that does not have physical form like traditional money. Currently, there are many types of cryptocurrencies, such as Bitcoin, Ethereum, Binance, Doge, and many more. Due to the highly fluctuating value of cryptocurrencies, this study will conduct an analysis for price forecasting of Bitcoin, Ethereum, and Binance, which are currently the three cryptocurrencies with the largest market capitalization. The method to be used is the ARIMA method for forecasting Bitcoin, Ethereum, and Binance, and the ARIMAX method for forecasting Bitcoin, Ethereum, and Binance with the influence of exogenous variables. After the analysis is conducted, it is found that the ARIMAX method tends to produce a smaller RMSE dan MAPE value compared to the ARIMA method, indicating that the best method to be used is the ARIMAX method. However, all the models obtained, whether using the ARIMA or ARIMAX method, still do not meet the assumption test of a normal distribution. Therefore, the models cannot be considered suitable for forecasting the closing prices of Bitcoin, Ethereum, and Binance. From the obtained models, the MAPE values for all models, both in the training and testing data, are below 10, indicating that the models obtained are good at forecasting Bitcoin, Ethereum, and Binance.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	ARIMA, ARIMAX, Binance, Bitcoin, Ethereum, ARIMA, ARIMAX, Binance, Bitcoin, Ethereum
Subjects:	Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Ericko Verdianto Karnadi
Date Deposited:	09 Aug 2023 12:54
Last Modified:	09 Aug 2023 12:54
URI:	http://repository.its.ac.id/id/eprint/104405

Actions (login required)

View Item