Browsing by Author "Aziz, M. Qawiyyun"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    PREDIKSI HARGA SHIBA-INU USD (SHIB-USD) MENGGUNAKAN METODE RANDOM FOREST REGRESION
    (Program Studi S1 Informatika, 2024) Aziz, M. Qawiyyun; Ulil Surtia Zulpratita (Pembimbing)
    Penelitian ini mengeksplorasi prediksi harga mata uang kripto Shiba Inu (SHIB-USD) menggunakan metode Random Forest Regression. Dataset yang digunakan mencakup data historis dari 1 Juni 2021 hingga 30 April 2024, yang diambil dari laman investing.com, dengan variabel utama seperti Date, Open, High, Low, Volume, dan Change. Penelitian ini membagi data menjadi beberapa rasio untuk training dan testing, termasuk rasio 100%, 50:50, 60:40, dan 70:30, guna mengevaluasi performa model dalam berbagai skenario. Hasil penelitian menunjukkan bahwa metode Random Forest Regression sangat efektif dalam memprediksi harga SHIB-USD, dengan performa yang konsisten di seluruh rasio pembagian data. Model mencapai akurasi prediksi yang sangat tinggi, terbukti dari nilai Root Mean Squared Error (RMSE) yang sangat rendah dan nilai R-squared yang mendekati 1 pada semua rasio. Performa terbaik dicapai pada rasio 100%, dengan RMSE sebesar 1.808 dan R-squared sebesar 0.9997 atau sebesar 99.97%, dan MAPE dengan nilai 0.291 yang berarti rata-rata kesalahan sebesar 0.291%. Analisis lebih lanjut menunjukkan bahwa model dapat menangkap pola dan tren dalam data harga SHIB-USD dengan sangat baik. Penelitian ini juga memprediksi harga secara actual pada bulan mei dengan hasil prediksi bahwa model mampu memberikan gambaran umum tentang pergerakan harga saham Shiba Inu. Meskipun model belum sempurna, hasil tersebut dapat menjadi alat bantu yang berguna bagi investor dalam membuat keputusan investasi. Untuk meningkatkan kehandalan model dalam memprediksi harga saham kripto yang tidak terduga, perlu dilakukan penelitian lebih lanjut dengan mempertimbangkan faktor-faktor eksternal yang lebih luas.