Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average)

Nany Salwa, Nidya Tatsara, Ridha Amalia, Aja Fatimah Zohra

Abstract

ABSTRAK. Bitcoin merupakan mata uang virtual yang saat ini banyak diminati sebagai alternatif investasi. Metode ARIMA adalah salah satu metode yang digunakan untuk peramalan data deret waktu. Tujuan dari penelitian ini adalah untuk membuat model dan meramalkan harga bitcoin.  Data yang digunakan adalah data sekunder yaitu berupa data harga bitcoin selama 60 periode mulai dari tanggal 10 Januari 2018 sampai dengan 10 Maret 2018 untuk memprediksikan harga bitcoinselama 30 periode kedepan mulai tanggal 11 Maret 2018 sampai dengan 09 April 2018. Dari hasil penelitian menunjukkan bahwa data harga bitcoin selama 60 periode tidak memenuhi asumsi stasioneritas terhadap rata-rata untuk itu dilakukan proses differencing tingkat 2 agar data menjadi stasioner. Model ARIMA yang dihasilkan adalah ARIMA(0,2,1) yaitu  Zt = μ - 0,9647Zt-1 + at dan model tersebut cocok digunakan untuk peramalan data harga bitcoin. Hasil peramalan dengan menggunakan model ARIMA(0,2,1) menunjukkan bahwa harga bitcoin untuk 30 periode kedepannya mengalami penurunan secara perlahan dan hasil peramalan mendekati data sebenarnya.

 

ABSTRACT. Bitcoin is a virtual currency that is currently much interested as an alternative investment. ARIMA method is one of the methods used for forecasting time series data. The purpose of this research is to create a model and predicted the price of the bitcoin.  The data used are secondary data that is in the form of price bitcoin during 60 periods starting from January 10, 2018 up to 10 March 2018 to predict price bitcoin for 30 the next periods began March 11 and ended on 9 April 2018 2018. Based on the results of the study showed that the price of bitcoin during 60 periods did not fullfiled the assumptions of stasioneritas towards the mean. Therefore using the differencing level 2 process, so the data becomes stationary. The result of ARIMA model is ARIMA(0, 2, 1) Zt = μ - 0,9647Zt-1 + at and the model fits the data used for forecasting price bitcoin. The results of the forecasting model using ARIMA (0, 2, 1) shows that the price of the bitcoin for 30 periods has decreased gradually and forecasting results close to the actual data.

 Keywords

Bitcoin; ARIMA; Forecasting

 Full Text:

PDF (Bahasa Indonesia)

References

Iriawan, N dan P.S. Astuti, “Mengolah Data Statistik Dengan Mudah Menggunakan Minitab 14”, Penerbit Andi, Yogyakarta, 2006.

Wei, W.W.S., “Time Series Analysis Univariate and Multivariate Methods”. Second Edition, Pearson Education, Inc. New York, 2006.

Sugiarto dan Harijono, “Peramalan Bisnis”, Gramedia, Jakarta, 2000

Razak. Abd. Fadhilah, “Load Forecasting Using Time Series Models”. Jurnal

Kejuruteraan, 2009, 21: 53-62.

Halim, “Diktat Time Series”, Universitas Kristen Petra, Surabaya, 2006.

Assauri, S, “Teknik dan Metode Peramalan. Penerapannya Dalam Ekonomi dan Dunia Usaha Edisi Satu”, LP Fakultas Ekonomi UI, Jakarta, 1984.

Box, G.E.P, Jenkins, G.M and Reinsel, G.C, “Time Series Analysis Forecasting and Control”. 4th Edition, John Wiley & Sons Inc Publication, New Jersey, 2008.

DOI: https://doi.org/10.24815/jda.v1i1.11874

Refbacks

  • There are currently no refbacks.