Analisa Peforma Algoritma Machine Learning Dalam Prediksi Harga Pasar Saham BTC
Keywords:
Logistic Regression, Linear Regression, KNN, Decision Tree, Random ForestAbstract
Penelitian ini bertujuan untuk mengevaluasi performa algoritma machine learning dalam memprediksi harga saham BTC. Beberapa algoritma seperti Logistic Regression, Linear Regression, K-Nearest Neighbors (KNN), Decision Tree, dan Random Forest diuji menggunakan metrik seperti akurasi, Mean Squared Error (MSE), dan R-squared (R²). Hasil evaluasi menunjukkan bahwa Linear Regression memiliki performa terbaik dengan MSE sangat kecil dan R² mendekati 1. Model klasifikasi seperti Logistic Regression dan Decision Tree juga menunjukkan hasil yang cukup baik, namun memerlukan peningkatan akurasi lebih lanjut. Penelitian ini memberikan wawasan tentang pendekatan terbaik untuk memprediksi harga saham BTC menggunakan machine learning.
References
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. Cambridge, MA: MIT Press. Retrieved from https://www.deeplearningbook.org/
Kaggle. (n.d.). Bitcoin-BTC-USD-Stock-Dataset. Retrieved from https://www.kaggle.com/
Waskom, M., & the Seaborn Development Team. (n.d.). Seaborn: Statistical Data Visualization. Retrieved from https://seaborn.pydata.org/
TensorFlow Developers. (n.d.). TensorFlow: An end-to-end open source machine learning platform. Retrieved from https://www.tensorflow.org/
Zhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing, 50, 159–175. https://doi.org/10.1016/S0925-2312(01)00702-0
Nurdiansyah, A., Furqon, M. T., & Rahayudi, B. (2020). Prediksi harga Bitcoin menggunakan metode Extreme Learning Machine (ELM) dengan optimasi Artificial Bee Colony (ABC). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(1), 56-64. https://doi.org/10.1234/jptii.v4i1.5507
Padhila, P. H., Cholissodin, I., & Adikara, P. P. (2021). Prediksi harga Bitcoin berdasarkan data historis harian dan Google Trend Index menggunakan algoritme Extreme Learning Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(3), 123-130. Retrieved from https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11383
Mikhael, F., Andreas, F., & Enri, U. (2020). Perbandingan algoritma Linear Regression, Neural Network, Deep Learning, dan K-Nearest Neighbor (K-NN) untuk prediksi harga Bitcoin. JSI: Jurnal Sistem Informasi (E-Journal), 6(2), 98-104. Retrieved from https://jsi.ejournal.unsri.ac.id/index.php/jsi/article/view/57
