Prediksi Harga Cryptocurrency Dengan Metode K-Nearest Neighbours

Abstract

Uang elektronik menjadi pilihan yang mulai ramai digunakan oleh banyak orang, terutama para pengusaha, pebisnis dan investor, karena menganggap bahwa uang elektronik akan menggantikan uang fisik dimasa depan. Cryptocurrency muncul sebagai jawaban atas kendala uang eletronik yang sangat bergantung kepada pihak ketiga. Salah satu jenis Cryptocurrency yaitu Bitcoin. Analogi keuangan Bitcoin sama dengan analogi pasar saham, yakni fluktuasi harga tidak tentu setiap detik. Tujuan dari penelitian yang dilakukan yaitu melakukan prediksi harga Cryptocurrency dengan menggunakan metode KNN (K-Nearest Neighbours). Hasil dari penelitian ini diketahui bahwa model KNN yang paling baik dalam memprediksi harga Cryptocurrency adalah KNN dengan parameter nilai K=3 dan Nearest Neighbour Search Algorithm : Linear NN Search. Dengan nilai Mean Absolute Error (MAE) sebesar 0.0018 dan Root Mean Squared Error (RMSE) sebesar 0.0089.

Prediksi Nilai Cryptocurrency Dengan Metode Bi-LSTM dan LSTM

“…Hal ini membuat investor khawatir dalam berinvestasi. Oleh karena itu investor perlu memprediksi harga seakurat mungkin sehingga bisa mendapatkan keuntungan yang maksimal [3]. Bitcoin awal mula diperkenalkan pada tahun 2009 lalu kemudian pada tahun 2012 penggunaan dari bitcoin semakin meningkat.…”

“…Penelitian lainnya yang dilakukan oleh Haerul Fatah dan Agus Subekti pada tahun 2018 dengan memakai metode K-Nearest Neighbours. Berdasarkan penelitian yang telah dilakukan tersebut, dihasilkan jika model KNN ialah metode yang sangat efektif untuk meramalkan nilai Cryptocurrency, dimana pada penelitian tersebut diperoleh nilai K=3 dan dengan hasil pengukuran menggunakan MAE atau Mean Absoult Error sebesar 0.0018 serta RMSE atau Root Mean Squared Error sebesar 0.0089 [3]. Prediksi harga Bitcoin juga dilakukan oleh Jondri, Aniq Rohmawati dan Redha Arifan Juanda dengan memakai satu diantara ANN atau Artificial Neural Network yakni RNN atau Reccurent Neural Network.…”

Predicting Future Cryptocurrency Prices Using Machine Learning Algorithms

“…Decision trees [6] are employed to capture complex interactions among predictors and forecast price movements, serving as maps to understand the impact of these interactions on cryptocurrency prices. K-nearest neighbourhood (KNN) [7] is also utilized to identify similar patterns in historical data and extrapolate price trends. Moreover, neural networks [8], particularly deep learning architectures like long shortterm memory (LSTM) networks, are extensively explored to capture sequential patterns in time-series cryptocurrency data.…”