Nurdiansyah, Arjun (2019) Prediksi Harga Bitcoin Menggunakan Metode Extreme Learning Machine (ELM) dengan Optimasi Artificial Bee Colony (ABC). Sarjana thesis, Universitas Brawijaya.
Abstract
Bitcoin merupakan cryptocurrency paling populer yang saat ini sedang digemari sebagai sarana untuk investasi layaknya saham. Sifatnya yang tidak terpusat atau desentralisasi menyebabkan harga Bitcoin dapat mengalami inflasi sewaktu-waktu. Sehingga diperlukan metode yang dapat memprediksi harga Bitcoin secara akurat agar memudahkan pengambilan keputusan dalam transaksi jual beli Bitcoin. Metode ELM memiliki learning speed yang lebih baik daripada metode lain serta struktur yang sederhana, namun mempunyai kekurangan pada pemilihan bobot masukan dan bias yang dilakukan secara acak. Untuk mengatasi kekurangan tersebut digunakan metode ABC karena juga memiliki struktur yang sangat sederhana dan fleksibel. Oleh sebab itu, harga Bitcoin akan diprediksi menggunakan metode ELM-ABC. Penelitian ini menggunakan data time series harga Bitcoin dari bursa cryptocurrency Indodax mulai dari tanggal 01 Desember 2017 sampai 31 Agustus 2018. ABC berfungsi menghasilkan bobot masukan dan bias paling optimal pada tahap pelatihan ELM. Selanjutnya, bobot masukan, bias, dan bobot keluaran akan digunakan pada tahap pengujian ELM agar diperoleh hasil prediksi harga. Lalu, dihitung nilai evaluasi error dari hasil prediksi harga Bitcoin menggunakan MAPE. Hasil pengujian parameter ELM-ABC mendapatkan kombinasi terbaik yaitu jumlah fitur sebanyak 12, hidden neuron sebanyak 20, populasi lebah sebanyak 20, dan iterasi sebanyak 5. Kombinasi tersebut menghasilkan nilai rata-rata MAPE sebesar 1,96983% dan akurasi sebesar 98,03017%, sedangkan ELM sebesar 2,70401% dan 97,29599%.
English Abstract
Bitcoin is the most popular cryptocurrency currently being favored as a means of investment like stocks. Its nature is not centralized or decentralized which causes the price of Bitcoin can experience inflation at any time. So we need a method to predict the price of Bitcoin accurately to make decisions in Bitcoin buying and selling transactions. The ELM method has better learning speed than other methods and a simple structure, but it has disadvantages in choosing input weights and biases randomly. To overcome these shortcomings, the ABC method is used because it also has a very simple and flexible structure. Therefore, the price of Bitcoin will be predicted using the ELM-ABC method. This research uses Bitcoin price time series data from the Indodax cryptocurrency exchange from 01 December 2017 to 31 August 2018. ABC functions to produce the most optimal input weights and biases for the ELM training stage. Furthermore, input weights, biases, and output weights will be used for ELM testing stages to obtain the prediction result prices. Then, error evaluation value calculated from the results of the Bitcoin price prediction using MAPE. The ELM-ABC parameter test results get the best combination of 12 features, 20 hidden neurons, 20 bee populations, and 5 iterations. The combination produces an average MAPE value of 1,96983% and an accuracy of 98,03017%, while ELM amounted to 2,70401% and 97,29599%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/249/051905567 |
| Uncontrolled Keywords: | prediction, optimization, bitcoin price, extreme learning machine, artificial bee colony, ELM-ABC |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 10 Aug 2020 06:12 |
| Last Modified: | 10 Aug 2020 06:12 |
| URI: | http://repository.ub.ac.id/id/eprint/171700 |
Actions (login required)
 |
View Item |