View/Open

Author
Rizky Farrel, Fernando

Advisor
M Zaky Hadi, S.T.P., M.Si,

Koleksi
Teknik Industri

Publisher

Harga cryptocurrency yang sangat fluktuatif dan sulit diprediksi menjadi tantangan bagi investor. Penelitian ini bertujuan untuk merancang dan mengevaluasi model predictive analytics yang mampu memprediksi pergerakan harga harian Bitcoin dengan memanfaatkan sentimen dari media sosial. Data sentimen dari platform X (sebelumnya Twitter) periode Juni 2023 hingga Juni 2025 diekstraksi dan dianalisis menggunakan FinBERT untuk mengukur polaritas opini publik (positif, negatif, netral). Data sentimen ini kemudian diintegrasikan dengan data harga historis Bitcoin dan 25 fitur teknikal serta interaksi untuk melatih model machine learning XGBoost. Penelitian ini mengembangkan tiga pendekatan prediksi: klasifikasi biner untuk arah pergerakan harga (naik/turun), klasifikasi berdasarkan tingkat keyakinan (confidence), dan regresi untuk besaran persentase perubahan harga. Model dievaluasi menggunakan validasi silang deret waktu (time-series cross-validation) untuk memastikan ketahanan dan relevansinya terhadap dinamika pasar. Hasil penelitian menunjukkan bahwa sentimen media sosial memiliki pengaruh terhadap harga Bitcoin, terutama saat berinteraksi dengan volatilitas pasar. Model klasifikasi biner mencapai akurasi sebesar 65.9%, sedangkan model regresi mencapai akurasi arah sebesar 69.9

URI
https://repo.itera.ac.id/depan/submission/SB2508190028

Keyword
Predictive Analytics Cryptocurrency Analisis Sentimen Machine Learning XGBoost Bitcoin Media Sosial