STUDI EMPIRIS PADA PEMODELAN DAN PREDIKSI HARGA BITCOIN BERDASARKAN INFORMASI BLOCKCHAIN MENGGUNAKAN BAYESIAN REGULARIZATION NEURAL NETWORK
Abstract
Dalam beberapa tahun terakhir ini, Bitcoin telah menarik banyak perhatian karena sifatrnya yang mendukung teknologi enkripsi dan unit moneter. Bitcoin adalah mata uang elektronik yang memungkinkan pembayarn secara online tanpa melalui lembaga keuangan. Bitcoin menjadi investasi yang menjanjikan bagi para pedagang finansial karena harganya yang fluktuatif berpotensi menghasilkan laba tinggi (semakin tinggi risikonya, semakin tinggi pula pengembaliannya). Tidak seperti stok konvensiaonal, Bitcoin diperdagangkan selama 24 jam sehari tanpa periode tutup, sehingga meningkatkan risiko. Prediksi nilai Bitcoin diharapkan dapat meminimalkan risiko dengan mempertimbangkan beberapa informasi seperti informasi blockchain, faktor ekonomi makro, dan rasio mata uang global. Namun, multikolinearitas diantara variabel-variabel independen menyebabkan metode regresi tidak dapat digunakan. Penelitian ini menggunakan Bayesian Regularization Neural Network (BRNN) yang merupakan asumsi bebas. Metode ini adalah Single Hidden Layer Feed Forward Neural Network (SLNN) yang memanfaatkan konsep Bayesian untuk mengoptimalkan bobot, bias, dan kekuatan koneksi. Data yang digunakan adalah data time series dari 23 Januari 2017, hingga 23 Januari 2019. Regresi dengan subset digunakan untuk mengurangi variabel independen, dari total 25 variabel menjadi 14 variabel. Hasilnya menunjukkan bahwa model BRNN yang dibentuk dapat memprediksi nilai Bitcoin dengan baik, diperoleh nilai prediksi tidak jauh berbeda dari data aktual, dengan akurasi sebesar 91,1% berdasarkan nilai MAPE.
Collections
- Statistics [900]