<![CDATA[Pergerakan harga Bitcoin yang sangat fluktuatif dan volatil telah menjadi tantangan bagi para investor dan peneliti dalam melakukan prediksi harga secara akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Hidden Markov Model (HMM) dalam menganalisis dan memprediksi pergerakan harga Bitcoin dengan pendekatan berbasis machine learning. Tujuan utama dari penelitian ini adalah untuk mengembangkan model prediksi yang mampu mengidentifikasi pola tersembunyi dalam data historis harga Bitcoin dan memberikan insight mengenai kondisi pasar, apakah sedang berada dalam tren naik (bullish), tren turun (bearish), atau stabil (sideways). Metode yang digunakan adalah unsupervised learning dengan pendekatan HMM berbasis Gaussian, menggunakan data harga penutupan (close), moving average (MA200), dan volume perdagangan Bitcoin dari tahun 2020 hingga 2025. Proses penelitian mencakup praproses data, ekstraksi fitur, pelatihan model HMM, dan visualisasi hasil berupa klasifikasi status pasar dan analisis transisi antar status. Hasil penelitian menunjukkan bahwa model HMM berhasil mengelompokkan data ke dalam tiga status tersembunyi dengan interpretasi tren yang konsisten terhadap kondisi pasar aktual. Status sideways mendominasi sepanjang periode, diikuti oleh status bearish dan bullish. Durasi rata-rata masing-masing status menunjukkan bahwa bearish berlangsung lebih lama dibanding bullish, yang hanya muncul secara singkat. Analisis transisi antar status memperkuat pemahaman terhadap pergerakan pasar kripto. Kesimpulannya, metode HMM terbukti efektif untuk mengidentifikasi pola pergerakan harga Bitcoin dan dapat dijadikan dasar dalam pengembangan sistem prediksi dan peringatan dini di pasar aset digital.]]>
Copyrights © 2025
