cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Indrastanti R. Widiasari
Contact Email
editor.aiti@adm.uksw.edu
Phone
-
Journal Mail Official
editor.aiti@adm.uksw.edu
Editorial Address
Kantor Fakultas Teknologi Informasi Jl. O. Notohamidjojo 1-10 Salatiga, Jawa Tengah 50711
Location
Kota salatiga,
Jawa tengah
INDONESIA
Aiti: Jurnal Teknologi Informasi
Published by Universitas Kristen Satya Wacana
ISSN : 16938348     EISSN : 26157128     DOI : https://doi.org/10.24246/aiti
Core Subject : Science,
Computer Science & IT
AITI: Jurnal Teknologi Informasi is a peer-review journal focusing on information system and technology issues. AITI invites academics and researchers who do original research in information system and technology, including but not limited to: Cryptography Networking Internet of Things Big Data Data Science Software Engineering Information System Web Programming Mobile Application Service System Artificial Intelligence Digital Image Processing Machine Learning Deep Learning Geographic Information System Context Aware System Management Information System Software-defined Network
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 161 Documents
 13   14   15   16   17 
Evaluasi pendekatan sliding window terhadap static split dalam prediksi harga Bitcoin menggunakan algoritma Random Forest Dewi, Findra Kartika Sari; Herlina, Herlina; Giovanni, Vito Carlen
AITI Vol 23 No 1 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i1.152-162

Abstract

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.

Page 17 of 17 | Total Record : 161

 13   14   15   16   17 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 23 No 1 (2026) Vol 22 No 2 (2025) Vol 22 No 1 (2025) Vol 21 No 2 (2024) Vol 21 No 1 (2024) Vol 20 No 2 (2023) Vol 20 No 1 (2023) Vol 19 No 2 (2022) Vol 19 No 1 (2022) Vol 18 No 2 (2021) Vol 18 No 1 (2021) Vol 17 No 2 (2020) Vol 17 No 1 (2020) Vol 16 No 2 (2019) Vol 16 No 1 (2019) Vol 15 No 2 (2018) Vol 15 No 1 (2018) Vol 14 No 2 (2017) Vol 14 No 1 (2017) Vol 13 No 2 (2016) Vol 13 No 1 (2016) More Issue