Kurniawan, Bayu Aji (2018) Peramalan Harga BitCoin Menggunakan Back-Propagation Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211440000018-Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Bitcoin trading telah menjadi sesuatu yang umum di tahun-tahun belakangan ini dengan diikuti menaiknya jumlah trader. Bitcoin adalah salah satu mata uang digital atau cryptocurrency yang sedang berkembang pesat di dunia. Bitcoin lebih sering digunakan untuk transaksi melalui internet, namun sekarang telah ada beberapa toko di Jepang yang hanya menerima pembayaran melalui Bitcoin. Maka tidaklah mengherankan jika banyak orang yang tertarik untuk menjadi trader, atau sekedar berinvestasi karena memang nilai tukar Bitcoin yang dalam tahun 2017 saja terus menerus naik. Investasi tak lepas dari yang namanya ketidakpastian termasuk investasi dalam bentuk Bitcoin dan nilai tukar Bitcoin yang terus berubah membuat sulit para trader untuk memperkirakan apakah nilai tukar akan naik atau turun dibeberapa hari kedepan. Nilai Bitcoin yang selalu fluktuatif dikarenakan tidak ada lembaga semacam bank sentral yang dapat mengatur laju Bitcoin. Besar nilai Bitcoin murni dipengaruhi oleh supply dan demand yang langsung dikendalikan oleh pemilik masing-masing Bitcoin. Namun disamping resiko tersebut, nilai Bitcoin yang fluktuatif inilah yang menggiurkan bagi para trader karena tidak mustahil nilai Bitcoin bisa saja naik dengan pesat dalam jangka waktu semalam, di dukung dengan jumlah Bticoin yang terbatas karena algoritma yang menghasilkan Bitcoin hanya akan memproduksi sebanyak 21.000.000 Bitcoin sehingga hampir dapat dipastikan harganya akan terus melonjak naik meskipun tetap fluktuatif. Disinilah pentingnya Forecasting dalam menentukan harga Bitcoin yang ada.
Melihat grafik data Bitcoin yang digunakan yang cenderung naik secara ekstrem namun tetap fluktuatif, maka digunakan metode ANN (Artificial Neural Network) untuk Forecasting atau memperkirakan harga Bitcoin dimasa mendatang dan lebih tepatnya menggunakan Back-Propagation Neural Network. Data yang digunakan adalah data dari tahun 2014 hingga tahun 2017 dengan periode harian dan diambil dari CoinDesk.
Penelitian ini menghasilkan model terbaik (4-12-1), empat input nodes, 12 hidden nodes, dan 1 output nodes.
==========================================================================================================
Bitcoin trading has become commonplace in recent years with the rise in the number of traders. Bitcoin is one of the fastest growing digital currencies or cryptocurrency currencies in the world. Bitcoin is more commonly used for transactions over the internet, but there are now several stores in Japan that only accept payments through Bitcoin. So it is not surprising that many people who are interested to become a trader, or just to invest because it is a Bitcoin exchange rate in 2017 alone continues to rise. Investments are not separated from the name of uncertainty including investment in the form of Bitcoin and Bitcoin exchange rate is constantly changing makes it difficult for traders to estimate whether the exchange rate will rise or fall in the coming days. Bitcoin values are always fluctuating because there is no such institution as a central bank that can regulate the rate of Bitcoin. Pure Bitcoin value is influenced by supply and demand directly controlled by the owner of each Bitcoin. But besides those risks, the fluctuating Bitcoin value is a tantalizing one for traders because it is not impossible that Bitcoin's value could rise rapidly overnight, supported by a limited amount of Bticoin because the algorithm that produces Bitcoin will produce only 21,000,000 Bitcoin so that almost certainly the price will continue to rise even though still fluctuate. This is where the importance of Forecasting in determining the existing Bitcoin prices.
Looking at the graph of Bitcoin data used that tends to rise in extreme but still fluctuate, the ANN (Artificial Neural Network) method is used for Forecasting or predict future Bitcoin price and more precisely using Back-Propagation Neural Network. The data used are data from 2014 to 2017 with daily periods and taken from CoinDesk.
This research produced the best model (4-12-1), four input nodes, 12 hidden nodes, and 1 output nodes.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 006.32 Kur p-1 3100018075566 |
| Uncontrolled Keywords: | ANN; Peramalan; Bitcoin; Artificial Neural Network; Forecasting |
| Subjects: | H Social Sciences > H Social Sciences (General) > H61.4 Forecasting in the social sciences Q Science > Q Science (General) > Q325.78 Back propagation Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Kurniawan Bayu Aji |
| Date Deposited: | 18 Jul 2018 04:45 |
| Last Modified: | 13 Oct 2020 07:52 |
| URI: | http://repository.its.ac.id/id/eprint/52461 |
Actions (login required)
 |
View Item |