Peramalan Dengan Volatilitas Frekuensi Tinggi Untuk Cryptocurrency Dan Mata Uang Konvensional Dengan Support Vector Regression Dan Regresi Linier

Abstract

ABSTRAK Cryptocurrency menjadi fenomena yang terjadi baik di Indonesia maupun di negara lain di dunia. Walaupun belum sepenuhnya legal di beberapa negara, cryptocurrency dianggap dapat menjadi suatu objek investasi menjanjikan dalam beberapa waktu ke belakang. Banyaknya penelitian yang bermunculan juga membuktikan bahwa cryptocurrency mulai banyak dipahami oleh banyak kalangan. Penelitian ini berfokus pada perbandingan antara volatilitas dari cryptocurrency dan mata uang tradisional beserta model peramalan yang digunakan untuk kedua jenis uang tersebut, yaitu Support Vector Regression. Penelitian ini dilakukan bertujuan untuk menguji kapabilitas dari Support Vector Regression pada proses peramalan mata uang digital (Bitcoin, Ethereum, dan Ripple) dan mata uang konvensional (US Dollar) selama periode Oktober 2017-September 2018. Penelitian ini menghasilkan peramalan untuk Bitcoin, Ethereum, Ripple, dan US Dollar. Terdapat tiga peramalan yang dihasilkan yaitu dengan model regresi linier, model SVM, dan model SVM dengan Hyperparameter Optimalization. Uji akurasi yang dilakukan adalah uji RMSE, MAE, dan MAPE. Berdasarkan hasil penelitian, pada penggunaan Support Vector Regression dapat menghasilkan peramalan yang akurat dengan melakukan Hyperparameter Optimalization. Penelitian ini juga menunjukkan bahwa mata uang tradisional yang memiliki trend yang lebih stabil dapat diramalkan lebih akurat dibandingkan mata uang digital, apabila hanya menggunakan data historis sebagai variabel peramalan. Kata Kunci: Support Vector Regression, Support Vector Machine, Cryptocurrency, Volatilitas, dan Peramalan. ABSTRACT Cryptocurrency has been a happening phenomenon either in Indonesia or the rest of the world. Eventhough in some countries it is not even fully legal yet, cryptocurrency has been assumed as a promising investment object in the past few years. This study is focused at the comparison of the forecasting of cryptocurrency and traditional currency. This study is trying to test the capability of the model to forecast the digital currency (bitcoin, ethereum, and ripple) and the conventional currency (US Dollar) on the October 2017-September 2018 period of time. The outcome of the study is the forecasting data consist of bitcoin, ethereum, ripple, and US Dollar. There are three types of model in this study that has been compared, which is Linear Regression, SVM, and hyperparameter Optimization SVM. For testing the accuracy of the forecast, using RMSE, MAE, and MAPE. This study proves that Support Vector Regression can produce an accurate forecasting, if Hyperparameter Optimalization has been done. This study also proves that the traditional currency, which has more stabilized trend, tend to be more accurate to forecast with than the digital currency, if only using the historical data for the forecasting process. Keyword: Support Vector Regression, Support Vector Machine, Cryptocurrency, Volatility, and Forecasting.