Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 273
Abstrak
Berkembangnya Teknologi Informasi di masa saat ini terutama perkembangan di
bidang keuangan digital membuat masyarakat beralih dari investasi atau menabung secara
manual menjadi secara digital. Perkembangan Teknologi juga menghasilkan sebuah inovasi
baru yaitu Cryptocurrency atau Mata Uang digital yang dibangun dari teknologi Blockchain.
Karena perkembangan keuangan digital, banyak masyarakat yang beralih dari mata uang
konvensional menjadi Cryptocurrency karena keuntungannya yang menjanjikan. Maka dari itu
penelitian ini meneliti tentang penggunaan Backrpropagation Neural Network untuk
memprediksi harga Cryptocurrency yaitu Cryptocurrency Ethereum dan mengetahui seberapa
efektif penggunaan algoritma Backpropagation Neural Network dengan 3 buah aristektur
Backpropagation Neural Network yaitu 3-8-1, 3-9-1 dan 3-10-1, output dari hasil prediksi
Cryptocurrency Ethereum menggunakan algoritma Backpropagation Neural Network dalam
bentuk sistem informasi hasil prediksi cryptocurrency Ethereum berbasis website.
Abstract
The development of information technology at this time, especially developments in the
field of digital finance, has made people switch from manual investment or storage to digital
finance. Technological developments have also produced a new innovation, namely
Cryptocurrency, or digital currency built on Blockchain technology. Due to the development of
digital finance, many people are switching from conventional currencies to cryptocurrencies
because of the promised benefits. Therefore, this study examines the use of the Backpropagation
Neural Network to predict the price of cryptocurrency, namely Cryptocurrency Ethereum and
finds out how effective the use of the Backpropagation Neural Network algorithm with 3
Backpropagation Neural Network architectures, namely 3-8-1, 3-9-1, and 3-10-1, the output of
the Ethereum Cryptocurrency prediction results using the Backpropagation Neural Network
algorithm in the form of a cryptocurrency prediction information system based on website.
http://jurnal.mdp.ac.id jatisi@mdp.ac.id
274 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
1. PENDAHULUAN
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 275
pengujian sebanyak 16 data dan diperoleh tingkat akurasi sebesar 75%, dengan hasil ini
diharapkan dapat membantu para investor untuk mengambil keputusan dengan baik[5].
Sedangkan pada penelitian Usman, Dosen STMIK Dipanegara Makassar, meneliti
tentang Prediksi Harga Lada Dengan Menggunakan Neural Network Berbasis Particle Swarm
Optimization. Penelitian ini bertujuan untuk memprediksi harga Lada, Dari hasil penelitian
diperoleh model terbaik pada backpropagation neural network dengan parameter untuk training
cycle 900, learning rate 0.2 dan momentum 0.2, serta neuron size 2 sedangkan pada particle
swarm optimization nilai population size 15, nilai max.of generation 55, nilai inertia weight 1.0,
nilai local best weight 1.0 dan nilai global best weight 1.0 menghasilkan nilai RMSE yang lebih
baik yaitu 0.084 dibandingkan dengan hanya menggunakan BPNN saja yaitu 0.096[6].
Karena belum adanya penelitian mengenai prediksi harga cryptocurrency Ethereum
menggunakan Backpropagation Neural Network, maka dalam penelitian ini akan meneliti
tentang keefektifan penggunaan Backpropagation Neural Network untuk memprediksi harga
Ethereum dengan menghitung nilai error dengan MAPE dari 3 buah arsitektur BNN 3-8-1, 3-9-1
dan 3-10-1, serta membuat website Sistem Informasi hasil Prediksi untuk dapat dilihat oleh
masyarakat umum.
2. METODE PENELITIAN
Metode penelitian yang dilakukan melalui tahapan penelitian yang terbagi dalam 7
tahapan, yaitu : 1) Pengambilan Sampel, 2) Preprocessing Data, 3) Training Data dan Testing
Data, 4) Pembuatan Model Backpropagation Neural Network, 5) Proses Backpropagation
Neural Network 6) Hasil Prediksi, 7) Penulisan laporan hasil penelitian.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
r, implies research results (First Author)
276 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
Tahapan penelitian pada Gambar 1 dapat dijelaskan sebagai berikut: 1) Tahap pertama
adalah proses pengambilan Sampel, pengambilan sampel yang diambil adalah sampel Dataset
Ethereum dari Agustus 2015 - September 2021. Untuk pengambilan data, data diambil dari
website Kaggle. 2) Tahap kedua adalah proses processing data, setelah data diambil data
kemudian dianalisis atau dengan cara preprocessing data. Proses Prepocessing Data dilakukan
untuk merapikan data yang memiliki missing value, noise dan data yang tidak konsisten.
Tahapan preprocessing data akan menghasilkan data yang dapat diolah dan sesuai dengan yang
diharapkan. Pada tahap ini dilakukan proses cleaning data tabel yang memiliki atribut missing
value, proses cleaning ini akan menghasilkan data yang memiliki atribut yang lengkap. 3) Tahap
ketiga adalah Training Data dan Testing Data. Proses Training dan Testing Data dilakukan
dengan membagi dataset menjadi data training dan data testing, pada penelitian yang dilakukan
pembagian data testing dan training sebesar 80% untuk data training dan 20% untuk data
testing. 4) Tahap keempat adalah pembuatan model Backpropagation Neural Network. 5) Tahap
kelima adalah Proses Backpropagation Neural Network, pada proses ini dilakukan pengujian
dataset yang akan diolah menggunakan algoritma Backpropagation Neural Network. 6) Tahap
keenam adalah Hasil Prediksi, Hasil dari pengolahan data akan menghasilkan hasil akhir yaitu
hasil prediksi yang kemudian hasil prediksi tersebut akan dibandingkan dengan data aslinya. 7)
Tahap ketujuh adalah Penulisan laporan hasil penelitian,. Tahap ini dilakukan dokumentasi
proses penelitian dari tahap awal hingga tahap akhir dalam bentuk tulisan ilmiah[7].
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 277
Bab ini membahas tentang bagaimana analisis, hasil pelatihan dan pengujian dengan
python, bentuk akhir aplikasi, implementasi dan pengujian sistem.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
r, implies research results (First Author)
278 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
Tabel 2. X dan Y
Tabel 2, merupakan tabel x dan y yang merupakan variabel yang akan diolah dengan
menggunakan metode Backpropagation Neural Network. x1 merupakan kolom Open, x2
merupakan High, x3 merupakan Low dan y merupakan kolom Close. Hasil prediksi nantinya
akan menjadi kolom Ytarget atau Kolom Prediksi[11].
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 279
Gambar 3, merupakan Grafik dari Histori penutupan harian Harga Ethereum dari dataset
yang telah diinputkan, berisi kolom Date dengan tipe data Date, Open, High, Low, Close, Adj
Close dan Volume dengan tipe data float. Data yang diinputkan sebesar 2240 baris dengan
menggambil sampel variable y atau kolom Close dari tanggal 7 Agustus 2015 – 27 September
2021. All Time High atau harga tertinggi pada dataset yang diinputkan adalah pada tanggal 5
Mei 2021 dengan harga penutupan harian sebesar $3928.84.
Gambar 4, merupakan gambar dari proses preprocessing data, proses preprocessing data
atau data cleansing sebelumnya sudah dilakukan secara manual dengan mencari kolom yang
kosong lalu menghapusnya, Preprocessing data menggunakan Bahasa python memudahkan
cleansing data jika ada data null atau data missing yang terlewat.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
r, implies research results (First Author)
280 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
Gambar 5, merupakan proses inisialisasi x dan y pada program python, dengan x1 Open,
x2 High, x3 Low dan Y Close. Proses inisialisasi ini didapatkan dari memilah kolom yang akan
diolah dari dataset Ethereum. Data training sebesar 80% dan data testing sebesar 20%, hasil dari
data testing yaitu hasil prediksi adalah 448 baris hasil prediksi.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 281
Gambar 7, adalah proses Backpropagation Neural Network arsitektur BNN 3-8-1 dengan
1000 epoch dan 0,001 learning rate dengan menggunakan MAPE(Mean absolute percentage
error). Proses iterasi atau epoch data yang diuji menggunakan arsitektur 3-8-1 mendapatkan
hasil total error MAPE sebesar 1.4694.
Tabel 3, merupakan tabel perbandingan prediksi dengan arsitektur BNN 3-8-1, 3-9-1 dan
3-10-1 . Hasil prediksi yang didapatkan dengan menggunakan 20% data testing adalah 448 baris
hasil prediksi. Proses BNN pada arsitektur BNN 3-8-1, 3-9-1 dan 3-10-1 menggunakan 1000
Epoch dan Learning Rate sebesar 0.001 menghasilkan nilai MAPE dari ketiga aristektur sebesar
1.4694, 1.4839 dan 1.4727.
Tabel 4. MAPE
Arsitektur Epoch Learning Rate MAPE
3–8-1 1000 0.001 1.4694
3–9-1 1000 0.001 1.4839
3 – 10 - 1 1000 0.001 1.4727
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
r, implies research results (First Author)
282 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
Tabel 4, merupakan tabel MAPE (Mean Absolute Precentage Error) dari hasil prediksi
dengan Arsitektur BNN 3-8-1, 3-9-1 dan 3-10-1. Hasil nilai MAPE yang terkecil adalah
1.4694% yang merupakan hasil dari pengolahan dengan Arsitektur BNN 3-8-1, dan kedua
adalah 1.4727% dari arsitektur BNN 3-10-1 dan yang terakhir 1.4839% dari arsitektur BNN 3-9-
1. Maka dapat disimpulkan bahwa nilai MAPE tidak bergantung dengan banyaknya Arsitektur
Backpropagation Neural Network. Nilai MAPE dari keseluruhan arsitektur yang diolah adalah
dibawah 10% yang berarti hasil peramalan Sangat Akurat.
Gambar 7 adalah halaman utama dari sistem. Halaman ini akan muncul ketika username
dan password yang dimasukkan sudah valid dengan Database. Halaman menu Dashboard tidak
akan muncul jika username dan password yang dimasukkan tidak valid. Halaman utama sistem
memiliki 5 menu utama, yakni Menu Dashboard, Tambah Data, Lihat Data, Chart dan Search.
Pada tampilan Dashboard berisi icon total data, live chart Ethereum dan Notes penjelasan
singkat hasil prediksi.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 283
Gambar 8, merupakan tampilan halaman Tabel Ethereum yang diambil dari dataset
Ethereum yang sudah diinputkan ke dalam Database. Data table detail Penutupan Harga
Ethereum harian berisi kolom Date, Open, High, Low, Close, Adj Close, dan Volume. Data
Ethereum merupakan dataset yang belum diolah[13].
Gambar 9, merupakan tampilan halaman Data Prediksi Ethereum yang sudah diolah
menggunakan Backpropagation Neural Network dan data hasil prediksi sudah diinputkan
kedalam Database dengan nama Tabel tabel_pred_381. Pada bagian bawah tabel prediksi,
terdapat baris Total MAPE dari hasil prediksi sesuai dengan arsitektur Backpropagation Neural
Network.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
r, implies research results (First Author)
284 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
Gambar 10, merupakan Tampilan Halaman Data Prediksi bagian 2. Tabel Prediksi 2 ini
berisi kolom, Date, Close, Prediksi dan Perbedaan. Tabel Prediksi 2 berguna untuk
membandingkan Y dan Ytargetnya. Didalam tabel 2 ini dapat mengetahui perbandingan data
penutupan dan data hasil Prediksinya.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E- ISSN 2503-2933 285
Gambar 11 merupakan Tampilan Halaman Chart yang berisi Line Chart dan Pie Chart.
Grafik yang terdapat didalam menu Chart adalah Grafik Ethereum, Grafik MAPE, Grafik Hasil
Prediksi dengan arsitektur 3-8-1, 3-9-1 dan 3-10-1. Grafik ini dibuat dengan menggunakan
ChartJs dengan data yang diambil dari Database. Data hasil prediksi dari ketiga arsitektur BNN
yaitu Arsitektur 3-8-1, Arsitektur 3-9-1 dan Arsitektur 3-10-1, kemudian diinputkan kedalam
grafik untuk mengetahui perbandingan data asli dengan data hasil prediksi yang telah diolah.
Terlihat grafik data hasil prediksi hampir mirip dengan data asli[14].
4. KESIMPULAN
Berdasarkan penelitian dan pengujian yang dilakukan, maka dapat disimpulkan bahwa
penerapan data mining untuk memprediksi harga cryptocurrency Ethereum dengan
menggunakan algoritma Backpropagation Neural Network pada studi kasus Data penutupan
harian Ethereum menggunakan Bahasa pemrograman python dan sistem informasi hasil prediksi
sangat membantu dalam proses penjelasan hasil prediksi Ethereum[15], yang telah diolah
dengan menggunakan 3 arsitektur BNN(Backpropagation Neural Network) yaitu Arsitektur
BNN 3-8-1, 3-9-1 dan 3-10-1 menghasilkan nilai MAPE (Mean Absolute Precentage Error) dari
learning rate 0,001 dan 1000 epoch sebesar 1.4694, 1.4839 dan 1.4727 Selain itu, Sistem
informasi hasil prediksi dapat mempermudah dalam pemantauan hasil prediksi Ethereum yang
sudah diolah, dan dapat dipahami oleh masyarakat umum.
Penambahan Chart Ethereum dan Chart hasil prediksi berfungsi untuk mempermudah
user atau pengguna dalam membaca grafik hasil prediksi yang telah dibuat. Terdapat pula fitur
search data yang berguna untuk mencari data hasil prediksi dan prebandingan satu sama lain
dari arsitektur BNN yang telah diolah. Secara keseluruhan Penerapan data mining untuk
memprediksi harga cryptocurrency Ethereum dengan menggunakan metode Backpropagation
Neural Network menghasilkan hasil prediksi yang akurat dan perbandingan hasil prediksi dan
data asli hasilnya tidak berbeda jauh.
5. SARAN
DAFTAR PUSTAKA
[1] Lord Hodge, “Financial Technology,” Artif. Intell. Law, Vol. 2, No. 2, pp. 31–48, 2020,
doi: 10.4324/9780429344015-2.
[3] J. Ilmu, H. I.- Konsentrasi, and E. Politik, “Eksistensi Bitcoin Oleh Satoshi Nakamoto
Terhadap Kebijakan Moneter China,” Vol. 8, pp. 1–9.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
r, implies research results (First Author)
286 Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 273-286 E-ISSN 2503-2933
[4] E. Eka Patriya, “Implementasi Support Vector Machine pada Prediksi Harga Saham
Gabungan (Ihsg),” J. Ilm. Teknol. dan Rekayasa, Vol. 25, No. 1, pp. 24–38, 2020, doi:
10.35760/tr.2020.v25i1.2571.
[5] M. Guntur, J. Santony, and Y. Yuhandri, “Prediksi Harga Emas Dengan Menggunakan
Metode Naïve Bayes Dalam Investasi Untuk Meminimalisasi Resiko,” J. RESTI
(Rekayasa Sist. dan Teknol. Informasi), Vol. 2, No. 1, pp. 354–360, 2018, doi:
10.29207/resti.v2i1.276.
[6] U. Usman, “Prediksi Harga Lada Dengan Menggunakan Neural Network Berbasis
Particle Swarm Optimization,” J. Sist. Inf. dan Teknol. Inf., Vol. 6, No. 2, pp. 32–41,
2017, [Online]. Available: https://ejurnal.dipanegara.ac.id/index.php/jusiti/article/
[10] M. A. Maricar, “Analisa Perbandingan Nilai Akurasi Moving Average dan Exponential
Smoothing Untuk Sistem Peramalan Pendapatan pada Perusahaan XYZ,” J. Sist. dan
Inform., Vol. 13, No. 2, pp. 1–10, 2019.
[11] M. P. Taufiq Rohman, S.Pd.I, “Analisis Perbandingan,” Psikol. Perkemb., No. October
2013, pp. 1–224, 2019.
[12] A. K. RENGGALI, “Analisis Sentimen Data Review Aplikasi Female Daily pada Website
Google Play Menggunakan Algoritma Naïve Bayes,” Juli, 2018, [Online]. Available:
https://repositori.usu.ac.id/bitstream/handle/123456789/44520/170403105.pdf?
[13] N. A. O. Saputri and N. Huda, “Implementasi Sistem Informasi Prediksi Hasil Penjualan
Perangkat Komputer Menggunakan Metode Double Exponential Smoothing,” J. Media
Inform. Budidarma, Vol. 4, No. 3, p. 806, 2020, doi: 10.30865/mib.v4i3.2253.
[15] Y. Mahena, M. Rusli, and E. Winarso, “Prediksi Harga Emas Dunia Sebagai Pendukung
Keputusan Investasi Saham Emas Menggunakan Teknik Data Mining,” Kalbiscentia J.
Sains dan Teknol., Vol. 2, No. 1, pp. 36–51, 2015, [Online]. Available:
http://files/511/Mahena et al. - 2015 - Prediksi Harga Emas Dunia Sebagai Pendukung
Keputu.pdf.
Yosef, et., al [Penerapan Data Mining Untuk Memprediksi Harga Cryptocurrency Ethereum Menggunakan Metode
Backpropagation Neural Network]
IJCCS Vol. x, No–end_page