Implementasi Metode Random Forest dalam Analisis Prediksi Dogecoin
DOI:
https://doi.org/10.34010/komputika.v14i2.16486Abstract
Perkembangan teknologi digital telah mendorong munculnya mata uang kripto seperti Dogecoin yang memiliki volatilitas harga tinggi, sehingga menarik perhatian investor namun juga menimbulkan risiko prediksi harga yang kompleks. Penelitian ini menawarkan solusi prediksi harga Dogecoin dengan menerapkan metode Random Forest, salah satu algoritma machine learning berbasis ensemble learning yang unggul dalam menangani data berpola nonlinier. Data yang digunakan adalah data historis harian harga Dogecoin periode 1 Januari–31 Desember 2024 yang diperoleh dari investing.com. Tahapan penelitian meliputi pengunduhan dan pra-pemrosesan data untuk mengatasi missing values, pembagian dataset menjadi data latih (90%) dan data uji (10%), pembangunan model Random Forest menggunakan perangkat lunak R, serta evaluasi kinerja model menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model mampu memprediksi harga Dogecoin dengan nilai MAPE 2,59% dan R-squared 99,37%, yang menandakan tingkat akurasi tinggi. Kontribusi penelitian ini adalah memberikan model prediksi harga kripto yang andal dan terukur, yang dapat dimanfaatkan investor maupun peneliti sebagai acuan pengambilan keputusan, sekaligus memperluas literatur metode Random Forest pada analisis harga aset digital.
References
[1] Afrizal, Afrizal, Marliyah Marliyah, and Fuadi Fuadi. 2021. “Analisis Terhadap Cryptocurrency (Perspektif Mata Uang, Hukum, Ekonomi Dan Syariah).” E-Mabis: Jurnal Ekonomi Manajemen Dan Bisnis 22(2):13–41. doi: 10.29103/e-mabis.v22i2.689.
[2] Ali Darwis, Muhammad. 2024. “Penggunaan Mata Uang Virtual Dogecoin Sebagai Alat Pembayaran Ditinjau Dari Aspek Perlindungan Hukum Konsumen.” Universitas Islam Negeri Kiai Haji Achmad Siddiq Jember.
[3] Anisa, Dinda, Tuti Anggraini, and Khairina Tambunan. 2023. “Analisis Cryptocurrency Sebagai Alat Alternatif Berinvestasi Di Indonesia.” Owner 7(3):2674–82. doi: 10.33395/owner.v7i3.1698.
[4] Aurelio Matra, Emyr. 2024. “Implementasi Metode Random Forest Dan XGBOOST Untuk Memprediksi Arah Harga Penutupan Pada Cryptocurrency Bitcoin.” Institut Pertanian Bogor.
[5] Badan Pengawas Perdagangan Berjangka Komoditi. 2024. Bulan Literasi Kripto: Pahami Dan Lindungi Konsumen. Jakarta.
[6] Baiq Nurul Azmi, Arief Hermawan, and Donny Avianto. 2023. “Analisis Pengaruh Komposisi Data Training Dan Data Testing Pada Penggunaan PCA Dan Algoritma Decision Tree Untuk Klasifikasi Penderita Penyakit Liver.” JTIM : Jurnal Teknologi Informasi Dan Multimedia 4(4):281–90. doi: 10.35746/jtim.v4i4.298.
[7] Breiman, Leo. 2001. “Random Forests.” Springer Nature 45:5–32.
[8] Chainalysis. 2024. The 2024 Geography of Crypto Report. New York.
[9] Chohan, Usman W. 2021. “A History of Dogecoin 12 Th February, 2021.” (December 2017).
[10] Denisko, Danielle, and Michael M. Hoffman. 2018. “Classification and Interaction in Random Forests.” Proceedings of the National Academy of Sciences of the United States of America 115(8):1690–92. doi: 10.1073/pnas.1800256115.
[11] Fegiyanto, Rizki, Arief Hermawan, and Farida Ardiani. 2024. “Prediksi Harga Crypto Dengan Algoritma Jaringan Saraf Tiruan.” Jurnal Indonesia : Manajemen Informatika Dan Komunikasi (JIMIK) 5(3):2265–75.
[12] Hasani, Muhammad Naufal, and Abstract: 2022. “Analisis Cryptocurrency Sebagai Alat Alternatif Dalam Berinvestasi Di Indonesia Pada Mata Uang Digital Bitcoin.” Jurnal Ilmiah Ekonomi Bisnis 8(2):209–20.
[13] A. L. HIDAYAH, “Yuk, Berkenalan dengan Kripto!,” Selasa, 11 April. [Online]. Available: https://www.djkn.kemenkeu.go.id/artikel/baca/16059/Yuk-Berkenalan-dengan-Kripto.html
[14] Investing.com. 2025. “Data Historis Dogecoin.” Investing.Com. Retrieved February 10, 2025 (https://id.investing.com/crypto/dogecoin/historical-data).
[15] Kotsiantis, SB. 2007. “Supervised Machine Learning: A Review of Classification Techniques.” Informatica 31:249–68.
[16] Luxmana, David Bima, and Melati Oktafiyani. 2022. “Analisis Fundamental Cryptocurrency Terhadap Fluktuasi Harga Pada Masa Pandemi.” Dinamika Akuntansi Keuangan Dan Perbankan 11(1):41–52. doi: 10.35315/dakp.v11i1.8952.
[17] Makridakis S, Wheelwright SC, Hyndman RJ. 1997. “1 / the Forecasting Perspective.” Forecasting Methods and Applications 1–632.
[18] Muningsih, Elly. 2022. “Kombinasi Metode K-Means Dan Decision Tree Dengan Perbandingan Kriteria Dan Split Data.” Jurnal Teknoinfo 16(1):113. doi: 10.33365/jti.v16i1.1561.
[19] Nani, Albi. 2022. “The Doge Worth 88 Billion Dollars: A Case Study of Dogecoin.” Convergence 28(6):1719–36. doi: 10.1177/13548565211070417.
[20] Presiden Republik Indonesia. 2011. Undang-Undang Republik Indonesia Nomor 7 Tahun 2011 Tentang Mata Uang. Indonesia.
[21] Putri, F. 2023. “Perlindungan Aset Digital: Integrasi Blockchain Dalam Sistem Informasi.” Jurnal Teknologi Terkini 3(8):1–19.
[22] Saadah, Siti, and Haifa Salsabila. 2021. “Prediksi Harga Bitcoin Menggunakan Metode Random Forest.” Jurnal Komputer Terapan 7(1):24–32. doi: 10.35143/jkt.v7i1.4618.
[23] Sari, Risna, Alim Surya Saruman, and Fitrah Eka Susilawati. 2023. “Prediksi Harga Dogecoin Dengan Menggunakan Metode Long Short-Term Memory (LSTM).” Seminar Nasional Teknologi Informasi Dan Komputer 4(1):164–73.
[24] Simon, Annina, Mahima Singh Deo, S. Venkatesan, and Ramesh Babu. 2016. “An Overview of Machine Learning and Its Applications.” International Journal of Electrical Sciences & Engineering (January):22–24.
