Studi Perbandingan Metode ARIMA dan SARIMA dalam Memprediksi Harga Kripto Binance Coin
Vol. 7 No. 1 (2023), Articles
Vol. 7 No. 1 (2023)

Studi Perbandingan Metode ARIMA dan SARIMA dalam Memprediksi Harga Kripto Binance Coin

Articles
https://doi.org/10.29407/inotek.v7i1.3438
Published 2023-07-20
Alief Fakhrul Rachmad Nuraissa
Universitas Nusantara PGRI Kediri
Umi Mahdiyah
Universitas Nusantara PGRI Kediri
Ardi Sanjaya
Universitas Nusantara PGRI Kediri
PDF

Keywords

Forecasting
Cryptocurrency
ARIMA
SARIMA
Binance Coin(BNB)

How to Cite

Nuraissa, A. F. R. ., Mahdiyah, U. ., & Sanjaya, A. . (2023). Studi Perbandingan Metode ARIMA dan SARIMA dalam Memprediksi Harga Kripto Binance Coin. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 7(1), 303–311. https://doi.org/10.29407/inotek.v7i1.3438
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver

Download Citation

Endnote/Zotero/Mendeley (RIS) BibTeX
Crossref
Scopus
Google Scholar
Europe PMC

Abstract

Penelitian ini bertujuan untuk membuktikan tingkat akurasi metode ARIMA dalam memprediksi Mata Uang Virtual atau Cryptocurrency Binance Coin (BNB). Dalam perdagangan atau Trading Kripto melakukan Analisa harga merupakan salah satu tahap penting yang bertujuan untuk meningkatkan profit atau keuntungan dan meminimalisir kerugian. Salah satu Analisa harga yaitu dengan menggunakan metode Forecasting. metode yang digunakan untuk penelitian ini adalah metode Autoregressive Integrated Moving Average (ARIMA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA) dengan data yang sama yaitu BNB-USD. Hasil dari penelitian ini menunjukkan ARIMA memiliki tingkat akurasi tinggi untuk memprediksi harga Binance Coin (BNB). Kesimpulan dalam penelitian ini adalah dengan membandingkan dengan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) metode ARIMA berhasil memprediksi harga Binance Coin (BNB) dengan tingkat Mean Absolute Percentage Error (MAPE) sebesar 5.2297% dan Mean Squarred Error (MSE) sebesar 53.5782 yang akurat.

https://doi.org/10.29407/inotek.v7i1.3438
PDF

References

A. Listiani and D. Al Mahkya, “Peramalan Cryptocurrency dengan Autoregressive Integrated Moving Average (ARIMA) dan Risiko Kerugian dengan Value at Risk (VaR),” J. Sci. Appl. Technol., vol. 6, no. 2, p. 85, 2022, doi: 10.35472/jsat.v6i2.904.

M. A. Fauzi, N. Paiman, and Z. Othman, “Bitcoin and cryptocurrency: Challenges, opportunities and future works,” J. Asian Financ. Econ. Bus., vol. 7, no. 8, pp. 695–704, 2020, doi: 10.13106/JAFEB.2020.VOL7.NO8.695.

D. Gunawan and I. Febrianti, “International Journal of Advances in Social Ethereum Value Forecasting Model using Autoregressive Integrated Moving Average ( ARIMA ),” vol. 2, no. February, pp. 29–35, 2023.

Kadek Dyah Pramitha Widyarani, Ida Ayu Putu Widiati, and Ni Made Puspasutari Ujianti, “Kajian Yuridis Penggunaan Koin Kripto sebagai Alat Pembayaran di Indonesia,” J. Prefer. Huk., vol. 3, no. 2, pp. 300–305, 2022, doi: 10.55637/jph.3.2.4934.300-305.

V. P. Ariyanti and Tristyanti Yusnitasari, “Comparison of ARIMA and SARIMA for Forecasting Crude Oil Prices,” Resti, vol. 7, no. 2, pp. 405–413, 2023, doi: 10.29207/resti.v7i2.4895.

R. Susanti and A. R. Adji, “Analisis Peramalan Ihsg Dengan Time Series Modeling Arima,” J. Manaj. Kewirausahaan, vol. 17, no. 1, p. 97, 2020, doi: 10.33370/jmk.v17i1.393.

N. A. Bakar and S. Rosbi, “Autoregressive Integrated Moving Average (ARIMA) Model for Forecasting Cryptocurrency Exchange Rate in High Volatility Environment: A New Insight of Bitcoin Transaction,” Int. J. Adv. Eng. Res. Sci., vol. 4, no. 11, pp. 130–137, 2017, doi: 10.22161/ijaers.4.11.20.

P. Studi, T. Industri, F. Sains, U. T. Yogyakarta, J. G. No, and D. I. Yogyakarta, “Analisis Peramalan Penjualan Produk Nutrisi Dengan Metode ARIMA dan SARIMA Pada PT Sapto Bumi Hidroponik Robi Hermawan , Suseno Email : robihermawan33@gmail.com , suseno@uty.ac.id sehingga produk tersebut dapat dibuat dalam kuantitas yang tepat ( Noviyasa,” vol. 5, no. 2, pp. 17–25, 2022.

N. F. B. Pradana and S. Lestanti, “Aplikasi Prediksi Jangka Pendek Harga Bitcoin Menggunakan Metode Arima,” J. Ilm. Inform. Komput., vol. 25, no. 3, pp. 160–174, 2020, doi: 10.35760/ik.2020.v25i3.3128.

N. Salwa, N. Tatsara, R. Amalia, and A. F. Zohra, “Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average),” J. Data Anal., vol. 1, no. 1, pp. 21–31, 2018, doi: 10.24815/jda.v1i1.11874.

D. A. Rezaldi and Sugiman, “Peramalan Metode ARIMA Data Saham PT . Telekomunikasi Indonesia,” Prisma, vol. 4, pp. 611–620, 2021.

S. AL Wadi, M. Almasarweh, and A. A. Alsaraireh, “Predicting Closed Price Time Series Data Using ARIMA Model,” Mod. Appl. Sci., vol. 12, no. 11, p. 181, 2018, doi: 10.5539/mas.v12n11p181.

K. B. Tadesse and M. O. Dinka, “Application of SARIMA model to forecasting monthly flows in Waterval River, South Africa,” J. Water L. Dev., vol. 35, no. 1, pp. 229–236, 2017, doi: 10.1515/jwld-2017-0088.

D. K. Silalahi, “Forecasting of Poverty Data Using Seasonal ARIMA Modeling in West Java Province,” JTAM | J. Teor. dan Apl. Mat., vol. 4, no. 1, p. 76, 2020, doi: 10.31764/jtam.v4i1.1888.

L. N. Rupaidah, M. H. Syarif, and U. Enri, “Perbandingan Algoritma Sarima Dan Linear Regression Dalam Memprediksi Indeks Harga Saham Gabungan,” Krea-TIF J. Tek. Inform., vol. 9, no. 2, pp. 42–49, 2021, doi: 10.32832/kreatif.v9i2.6291.

X. Yang, “The Prediction of Gold Price Using ARIMA Model,” vol. 196, no. Ssphe 2018, pp. 273–276, 2019, doi: 10.2991/ssphe-18.2019.66.

Anggraeni, Wiwik, and A. Mukhlason, “Penerapan Metode Extreme Learning Machine Elm Untuk Peramalan Permintaan,” Undergrad. Thesis, Inf. Syst., 2010.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2023 Alief Fakhrul Rachmad Nuraissa, Umi Mahdiyah, Ardi Sanjaya

Downloads

Download data is not yet available.

Most read articles by the same author(s)

1 2 3 4 5 6 > >>