Skripsi/Tugas Akhir

Perbandingan Algoritma Regresi Linear Berganda dan Support Vector Regression untuk Prediksi Harga Bitcoin

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Prediksi harga Bitcoin menjadi tantangan tersendiri karena volatilitasnya yang tinggi. Penelitian ini bertujuan untuk membandingkan kinerja Regresi Linear Berganda dan Support Vector Regression (SVR) dalam memprediksi harga Bitcoin berdasarkan data historis dari TradingView (22 November 2018 - 5 Februari 2025). Evaluasi model dilakukan dengan menggunakan metrik Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa Regresi Linear Berganda memiliki akurasi lebih tinggi dengan nilai 98,98%, sedangkan SVR mencapai 98,37%. Namun, SVR lebih responsif terhadap perubahan harga terbaru dibandingkan Regresi Linear Berganda yang cenderung memberikan hasil prediksi lebih linier. Berdasarkan hasil perbandingan, Regresi Linear Berganda lebih cocok digunakan untuk analisis tren jangka panjang, sedangkan SVR lebih efektif dalam menangkap perubahan harga jangka pendek. Dengan demikian, penelitian ini memberikan wawasan bagi investor dan akademisi dalam memilih model prediksi yang sesuai untuk harga Bitcoin. Untuk penelitian selanjutnya, disarankan eksplorasi metode lain seperti Long Short-Term Memory (LSTM) atau Random Forest untuk meningkatkan akurasi prediksi.
Kata Kunci: Bitcoin, Regresi Linear Berganda, Support Vector Regression, Prediksi Harga, Machine Learning

ABSTRACT
Bitcoin price prediction is a challenge due to its high volatility. This study aims to compare the performance of Multiple Linear Regression and Support Vector Regression (SVR) in predicting Bitcoin prices based on historical data from TradingView (November 22, 2018 - February 5, 2025). Model evaluation is conducted using the Mean Squared Error (MSE) and Root Mean Squared Error (RMSE) metrics. The results show that Multiple Linear Regression has a higher accuracy of 98.98%, while SVR achieves 98.37%. However, SVR is more responsive to recent price changes compared to Multiple Linear Regression, which tends to provide more linear predictions. Based on the comparison results, Multiple Linear Regression is more suitable for long-term trend analysis, whereas SVR is more effective in capturing short-term price fluctuations. Thus, this study provides insights for investors and academics in selecting an appropriate prediction model for Bitcoin prices. Future research is recommended to explore other methods such as Long Short-Term Memory (LSTM) or Random Forest to improve prediction accuracy.
Keywords: Bitcoin, Multiple Linear Regression, Support Vector Regression, Price Prediction, Machine Learning

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 GHI p - 0861TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xv + 69 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 27 Februari 2025

Subjek

Skripsi/Tugas Akhir
Machine Learning
Regresi Linier Berganda
Support Vector Regression

Lampiran File