PENERAPAN METODE HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN SUPPORT VECTOR REGRESSION (ARIMASVR) PADA HARGA ETHEREUM

INSYAFIATUL M.D , ASTUTI (2026) PENERAPAN METODE HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN SUPPORT VECTOR REGRESSION (ARIMASVR) PADA HARGA ETHEREUM. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text ABSTRAK.pdf Download (329kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (4MB) | Request a copy
Preview	Text SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2MB) | Preview

Abstract

Metode hybrid Autoregressive Integrated Moving Average dengan Support Vector Regression (ARIMA-SVR) merupakan salah satu metode untuk peramalan deret waktu yang mampu menangkap pola linear dan nonlinear secara bersamaan. Penelitian ini bertujuan menerapkan model hybrid ARIMA-SVR untuk meramalkan harga Ethereum dan mengetahui akurasi model hybrid ARIMA-SVR yang diperoleh pada harga Ethereum. Data yang digunakan yaitu data harga penutupan Ethereum pada rentang waktu 11 Desember 2020 sampai 10 Desember 2025, penelitian dimulai dengan membagi data menjadi data training dan data testing dengan tiga skema pembagian data yaitu 70%:10%, 80%:20%, dan 90%:10%. Hasil penelitian menunjukkan model terbaik yaitu ARIMA(2,1,2)-SVR dengan parameter terbaik sebesar 0.8125, parameter sebesar 5, dan parameter sebesar 0.125 pada skema pembagian data 90% data training dan 10% data testing. Akurasi model hybrid ARIMA(2,1,2)-SVR ditunjukkan oleh nilai Mean Absolute Percentage Error (MAPE) yang diperoleh yaitu 2.83% untuk data training dan 2.72% untuk data testing. Kata Kunci : ARIMA, SVR, Hybrid ARIMA-SVR, Ethereum The hybrid Autoregressive Integrated Moving Average with Support Vector Regression (ARIMA-SVR) method is a time series forecasting method capable of capturing both linear and nonlinear patterns simultaneously.This study aims to apply the ARIMA-SVR hybrid model to forecast Ethereum prices and determine the accuracy of the ARIMA-SVR hybrid model obtained for Ethereum prices. The data used consists of Ethereum closing prices from December 11, 2020, to December 10, 2025, the study began by dividing the data into training and testing sets using three data partitioning schemes is 70%:10%, 80%:20%, dan 90%:10%. The results indicate that the best model is the ARIMA(2,1,2)-SVR with optimal parameters = 0.8125, = 5, and = 0.125, under the 90% training dan 10% testing data split. The accuracy of the ARIMA(2,1,2)-SVR hybrid model is demonstrated by the Mean Absolute Percentage Error (MAPE) values obtained, which are 2.83% for the training data and 2.72% for the testing. Keywords : ARIMA, SVR, Hybrid ARIMA-SVR, Ethereum

Item Type:	Other
Subjects:	?? 510 ??
Divisions:	?? matematika ??
Depositing User:	2605782815 Digilib
Date Deposited:	25 Jun 2026 07:28
Last Modified:	25 Jun 2026 07:28
URI:	http://digilib.unila.ac.id/id/eprint/101507

Actions (login required)

View Item