PENGEMBANGAN SISTEM PERAMALAN HARGA KRIPTO DENGAN METODE TRIPLE EXPONENTIAL SMOOTHING BERDASARKAN DATA HISTORIS

Abstract

Aset kripto seperti Bitcoin dan Ethereum menarik perhatian sebagai instrumen investasi karena potensi keuntungannya, namun fluktuasi harga yang tinggi menimbulkan ketidakpastian. Penelitian ini bertujuan mengembangkan sistem peramalan harga kripto berbasis data historis untuk memahami pola pergerakan harga. Metode yang digunakan adalah Triple Exponential Smoothing karena mampu menangani tren dan pola musiman dalam data deret waktu. Sistem dibangun dalam bentuk website yang menerima data melalui unggahan atau API, dengan keluaran berupa grafik dan data numerik. Pengujian dilakukan terhadap lima aset kripto: Bitcoin, Ethereum, Solana, XRP, dan BNB. Hasil menunjukkan bahwa peningkatan proporsi data training cenderung menurunkan nilai error MAPE, dengan rasio 95:5 menghasilkan nilai error terkecil. Namun, rasio ini berisiko menyebabkan overfitting karena data testing terlalu sedikit. Pengujian konsistensi menggunakan sliding window menunjukkan bahwa rasio 95:5 tidak selalu stabil. Hasil terbaik diperoleh pada kripto BNB dengan rata-rata MAPE sebesar 11,42% dan standar deviasi 9,9. Hasil ini menunjukkan bahwa metode Triple Exponential Smoothing paling efektif untuk BNB, namun kurang sesuai untuk kripto lainnya. Karena sistem ini belum mempertimbangkan faktor eksternal seperti sentimen pasar, akurasinya terbatas pada data historis semata. Sistem ini dapat menjadi alat bantu dalam analisis maupun peramalan pada data historis kripto yang memiliki pola musiman dan tren tertentu.