<![CDATA[Prediksi harga Bitcoin menjadi topik yang menarik dan menantang seiring meningkatnya volatilitas dan penggunaan aset kripto dalam berbagai sektor. Salah satu aspek yang memengaruhi kualitas prediksi adalah pendekatan yang digunakan untuk membagi data latih dan data uji. Penelitian ini membandingkan dua pendekatan validasi yang umum digunakan, yaitu sliding window dan static split, dalam konteks prediksi harga Bitcoin menggunakan algoritma Random Forest. Data historis diambil dari Yahoo Finance selama tahun 2015–2022. Fitur input berupa harga penutupan dengan tujuh lag harian. Pendekatan sliding window melibatkan pelatihan model dengan data yang terus bergeser dengan jendela waktu 365 hari dan pengujian satu hari ke depan, sedangkan static split membagi data berdasarkan tanggal tetap. Evaluasi menggunakan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), R-squared (R²), Mean Absolute Percentage Error (MAPE), dan direction accuracy. Hasil menunjukkan bahwa sliding window menghasilkan prediksi yang lebih akurat dan konsisten, serta lebih baik dalam mengikuti arah pergerakan harga dibandingkan static split.]]>
Copyrights © 2026
