ANALISIS KEAKURATAN NILAI BITCOIN MENGGUNAKAN ALGORITMA REGRESI LINIER PADA DATA MINING

Authors

  • Repi Septia Nugraha
  • Ariawan Djoko Rachmanto Universitas Nurtanio Bandung
  • Zen Munawar Politeknik LP3I

DOI:

https://doi.org/10.56244/fiki.v12i2.668

Abstract

Untuk mengetahui harga dari Bitcoin akan naik atau turun, bisa dilakukan dengan berbagai cara, salah satunya menggunakan data mining, yaitu proses pengumpulan informasi dan menyimpulkannya menjadi informasi-informasi yang bisa dipakai untuk berbagai hal, seperti meningkatkan keuntungan, memperkecil risiko, memprediksi suatu nilai, membantu membuat keputusan, dan lain sebagainya. Forecasting adalah salah satu fungsi dari data mining, yaitu proses memprediksi berdasarkan pola-pola dalam suatu data. Prediksi dilakukan agar kita bisa melakukan segala sesuatu dengan risiko sekecil mungkin pada masa yang akan datang. Regresi linier adalah salah algoritma yang ada pada data mining, yaitu alat yang dgunakan untuk mengetahui pengaruh satu atau beberapa variabel terhadap variabel lainnya. Penelitian ini bertujuan untuk mendapatkan gambaran tentang apa itu Bitcoin dan bagaimana nilai Bitcoin jika dianalisis menggunakan algoritma data mining, yaitu regresi linier dengan menggunakan aplikasi RapidMiner Studio Educational 9.9.002. Hasil dari penelitian ini menunjukkan bahwa keakuratan nilai Bitcoin berdasarkan data yang diambil dari coinmarketcap.com dan investing.com dengan menggunakan regresi linier mendapat rata-rata persentase sebesar 11%.

References

Al Rivan, M. E., Rachmat, N., & Ayustin, M. R. (2020). Klasifikasi Jenis Kacang- Kacangan Berdasarkan Tekstur Menggunakan Jaringan Syaraf Tiruan. Jurnal Komputer Terapan, 6(1), 89–98.

Angga Ginanjar Mabrur, L. R. (2012). Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit. Jurnal Komputer Dan Informatika (KOMPUTA), 1(1), 53–57.

Baker, R. S. J. (2011). Encyclopedia of Data Warehousing and Mining. Encyclopedia of Data Warehousing and Mining. https://doi.org/10.4018/978-1-59140-557-3

Han, J., & Kamber, M. (2007). Data Mining: Concepts and Techniques The Explosive Growth of Data: from terabytes to petabytes. Data Mining: Concepts and Techniques. www.cs.uiuc.edu/~hanj

Kalra, V., & Aggarwal, R. (2018). Importance of Text Data Preprocessing & Implementation in RapidMiner. Proceedings of the First International Conference on Information Technology and Knowledge Management, 14, 71–75. https://doi.org/10.15439/2017km46

Katemba, P., & Djoh, R. K. (2017). Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear. Jurnal Ilmiah FLASH, 3(1), 42–51. http://jurnal.pnk.ac.id/index.php/flash/articl e/view/136

Kusuma, T. (2020). Cryptocurrency dalam Perdagangan Berjangka Komoditi di Indonesia Perspektif Hukum Islam. Tsaqafah, 16(1), 109. https://doi.org/10.21111/tsaqafah.v16i1.366 3

Manab, A. (2015). ⎛ 9 4 ⎞ (2. http://repo.iain- tulungagung.ac.id/10156/1/Penelitian Pendidikan Pendekatan Kualitatif.pdf

Mulyadi, M. (2013). Penelitian Kuantitatif Dan Kualitatif Serta Pemikiran Dasar Menggabungkannya. Jurnal Studi Komunikasi Dan Media, 15(1), 128. https://doi.org/10.31445/jskm.2011.150106

Pratiwi, R. D. (2011). Menyusun Laporan Keuangan Sederhana Dengan Microsoft Excel. Media Ekonomi & Teknologi Informasi, 1(1), 64–70.

Putri, T. N., Yordan, A., & Lamkaruna, D.H. (2019). Peramalan Penerimaan Mahasiswa Baru Universitas Samudra Menggunakan Metode Regresi Linear Sederhana. J-TIFA (Jurnal Teknologi Informatika), 2(1), 21–27.

Rofifah, D. (2020). 済無No Title No Title No Title. Paper Knowledge . Toward a Media History of Documents, 12–26.

Salwa, N., Tatsara, N., Amalia, R., & Zohra, A. F. (2018). Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average). Journal of Data Analysis, 1(1), 21–31. https://doi.org/10.24815/jda.v1i1.11874

Sari, R. M. (2015). Prediksi Data Anggaran Pendapatan Belanja Daerah Menggunakan Algoritma K-Means. Sains Dan Teknologi Informasi.

Downloads

Published

2023-05-29