Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Bulletin of Economic Studies (BEST)
Jamil , Muh
Unknown Affiliation
Economics, Econometrics & Finance

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pemodelan dan Prediksi Harga Bitcoin menggunakan TimeGPT Alam, Syamsu; Tajibu, Muh. Jibril; Jamil , Muh
Bulletin of Economic Studies (BEST) Vol 6 No 1 (2026)
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/best.v6i1.58590

Abstract

Penelitian ini bertujuan untuk menganalisis dan meramalkan kinerja harga Bitcoin menggunakan pendekatan TimeGPT , sebuah model berbasis transformer yang dikembangkan khusus untuk data deret waktu oleh Nixtla. Dengan pendekatan kuantitatif, studi ini memanfaatkan data historis harga Bitcoin untuk mengidentifikasi pola dan tren melalui kemampuan pemodelan AI modern. TimeGPT , sebagai model pre-trained, memungkinkan analisis tanpa pelatihan tambahan (zero-shot learning) dan memberikan efisiensi dalam peramalan jangka pendek maupun menengah. Metode penelitian mencakup tahap pra-pemrosesan data, pemanfaatan API TimeGPT  untuk menghasilkan prediksi, serta evaluasi hasil dengan metrik statistik seperti MAE dan RMSE. Hasil menunjukkan bahwa TimeGPT  mampu menangkap volatilitas pasar Bitcoin secara akurat, dengan tingkat kepercayaan prediksi yang tinggi pada periode stabil seperti 2024–2025. Namun, pada proyeksi jangka panjang, model menunjukkan peningkatan ketidakpastian, mencerminkan sensitivitas terhadap variabel eksternal seperti regulasi dan sentimen pasar. Studi ini menyimpulkan bahwa TimeGPT  merupakan alat yang unggul dibandingkan metode konvensional (ARIMA, GARCH, LSTM) dalam menangani kompleksitas data kripto, dan dapat digunakan sebagai pendukung pengambilan keputusan investasi, terutama jika dikombinasikan dengan analisis fundamental dan pemantauan pasar secara real-time.
Co-Authors SYAMSU ALAM Tajibu, Muh. Jibril