PREDIKSI NILAI TUKAR BITCOIN TERHADAP DOLAR AS DENGAN PENDEKATAN INDIKATOR TEKNIKAL MENGGUNAKAN METODE EXTREME LEARNING MACHINE = PREDICTION OF BITCOIN EXCHANGE RATE TOWARDS AMERICAN DOLLAR USING EXTREME LEARNING MACHINE METHOD COMBINE WITH TECHNICAL INDICATOR APPROACH

Bitcoin merupakan salah satu jenis mata uang digital cryptocurrency yang menawarkan return tinggi dalam investasi. Harga Bitcoin sangat fluktuatif, yang mana harganya bisa naik dan turun dengan cepat dalam waktu yang singkat. Untuk dapat meminimalisir hal tersebut diperlukan metode yang dapat membantu memprediksi harga Bitcoin agar memudahkan pengambilan keputusan dalam transaksi jual beli Bitcoin. Dengan kompleksitas pasar cryptocurrency, indikator teknikal dan metode machine learning telah digunakan sebagai pendekatan untuk memprediksi pergerakan harga Bitcoin. Tujuan penelitian ini adalah untuk melihat korelasi antara indikator teknikal dengan harga Bitcoin dan menerapkan metode Extreme Learning Machine (ELM) untuk memprediksi nilai tukar Bitcoin terhadap Dolar AS dengan menggunakan data historis harga Bitcoin dan indikator teknikal. Penelitian ini akan menggunakan data historis harga Bitcoin dan indikator teknikal dari platform Binance. Selanjutnya akan dilakukan uji korelasi Pearson antara indikator teknikal dengan harga Bitcoin, di mana indikator teknikal dengan korelasi tertinggi dan data historis harga Bitcoin akan digunakan sebagai input untuk model ELM. Setelah itu, dilakukan proses training dan testing dengan ELM untuk mendapatkan parameter optimal. Model akan dievaluasi menggunakan metrik evaluasi Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil penelitian uji korelasi Pearson antara indikator teknikal dengan harga Bitcoin, indikator teknikal yang menunjukkan hubungan sangat tinggi yaitu Simple Moving Average, Exponential Moving Average, dan Weighted Moving Average. Hasil pengujian parameter ELM menghasilkan kombinasi terbaik yaitu hidden neuron sebanyak 20 neuron, jenis fungsi aktivasi adalah Sigmoid, dan rasio data training dan data testing sebesar 80% : 20%. Untuk harga Bitcoin timeframe 1 menit diperoleh MAPE dan RMSE terendah yaitu nilai rata�rata MAPE 5,455% dan RMSE 26,824. Hasil ini menunjukkan bahwa pendekatan indikator teknikal dan metode ELM dapat menjadi alat yang efektif dalam memprediksi harga Bitcoin.

Kata Kunci : Bitcoin, indikator teknikal, korelasi, Extreme Learning Machine, prediksi