ANALISIS TIME SERIES MENGGUNAKAN MODEL HYBRID ARIMA-SVR PADA HARGA BITCOIN

Abstract

Isu resesi global yang kemungkinan akan terjadi pada tahun 2023, membuat ketidakpastian pasar. Salah satu contoh pasar yang relative akan terdampak resesi adalah pasar Bitcoin. Mata uang virtual yang satu ini memiliki harga yang relaive fluktuatif dan sulit ditebak sehingga diperlukan pendekatan secara ilmiah melalui analisis harga dari Bitcoin itu sendiri. Pendekatan analisis secara ilmiah ini diharapkan dapat diaplikasikan untuk memberikan gambaran harga Bitcoin di tahun 2023, sekaligus memberikan argumen ilmiah bagi investor dalam pengambilan keputusan investasi di pasar Bitcoin sehingga tidak terjadinya pelemahan pasar sebagai dampak dari resesi global. Oleh karena itu, menjawab permasalahan tersebut, dengan melihat pola data dengan rentang waktu dari 13 November 2017 hingga 17 Oktober 2022, serta asumsi adanya komponen linier dan nolinier pada data harga Bitcoin, dan tujuan untuk peramalan harga Bitcoin itu sendiri, maka peneliti memutuskan untuk melakukan pendekatan melalui analisis deret waktu dan juga peramalan dengan membandingkan model ARIMA dengan model Hybrid ARIMA-SVR, kemudian memodelkan data Bitcoin menggunakan model Hybrid ARIMA–SVR. Proses penelitian dimulai dengan membentuk model ARIMA dari data training Bitcoin dan menentukan residual ARIMA. Apabila residual ARIMA nonlinier, maka dapat dibentuk model SVR dari residual ARIMA. Selanjutnya kemudian membentuk model Hybrid ARIMA-SVR. Hasil dari penelitian ini yaitu model ARIMA (2,1,1) dan parameter SVR yaitu parameter C, γ, dan ε berturut-turut sebesar 1, 0, dan 0.26. Serta dengan parameter yang ada membentuk model Hybrid ARIMA-SVR dan diperoleh nilai MAPE model ARIMA untuk data training dan testing sebesar 0.37348% dan 0.22356%, sedangkan untuk Hybrid ARIMA–SVR sebesar 0.36511% dan 0.21229%. Pada bagian terakhir, sebagai simulasi dilakukan pediksi harga Bitcoin beberapa hari kedepan dari tanggal 18 Oktober 2022 hingga 17 November 2022 dengan model tersebut.