Analisis Volatilitas Harga Cryptocurrency Bitcoin Menggunakan Metode Asymmetric Power Autoregressive Conditional Heteroscedasticity = Analysis of Bitcoin Cryptocurrency Price Volatility Using Asymmetric Power Autoregressive Conditional Heteroscedasticity Method

Latar Belakang. Volatilitas harga yang tinggi pada aset cryptocurrency seperti Bitcoin mencerminkan fluktuasi nilai yang ekstrim dalam waktu singkat, yang tidak dapat dijelaskan dengan baik oleh model deret waktu konvensional seperti ARIMA. Model GARCH hadir untuk menangkap heteroskedastisitas dalam data, namun belum mampu menangkap efek asimetris dari guncangan harga. Untuk itu, dikembangkan model Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) yang menggabungkan fleksibilitas parameter power dan asimetri dalam menangkap dinamika volatilitas yang kompleks. Tujuan. Penelitian ini bertujuan untuk memperoleh estimasi parameter dan prediksi volatilitas harga Bitcoin menggunakan model APARCH sebagai pendekatan lanjutan dari model GARCH, khususnya untuk menangkap heteroskedastisitas dan efek leverage dalam data harga Bitcoin harian. Metode. Data yang digunakan berupa harga penutupan harian Bitcoin dari 1 Januari 2023 hingga 31 Desember 2024 sebanyak 731 observasi, yang dibagi menjadi data training (80%) dan data testing (20%). Data dianalisis menggunakan model ARIMA untuk menghilangkan autokorelasi, dilanjutkan dengan pembentukan model APARCH melalui pendekatan Maximum Likelihood Estimation. Pemodelan dan evaluasi dilakukan menggunakan MAPE dan korelasi. Hasil. Model ARIMA (1,0,2) - APARCH (1,2) menunjukkan kemampuan dalam menangkap pola volatilitas harga Bitcoin secara signifikan, dengan nilai MAPE sebesar 10,79% dan nilai korelasi sebesar 0,85194. Parameter power (δ) dan asimetri (γ) dalam model memberikan kontribusi terhadap fleksibilitas model dalam mengakomodasi volatilitas yang tidak simetris. Kesimpulan. Model APARCH efektif digunakan dalam memodelkan volatilitas dan asimetris harga Bitcoin. Keunggulan model ini terletak pada kemampuannya dalam menangkap efek leverage dan struktur volatilitas yang kompleks.

Keyword : Asymmetric Power Autoregressive Conditional Heteroscedasticity, Time Series, Volatilitas, Cryptocurrency, Bitcoin.