Abstrak-Perdagangan merupakan sebuah kegiatan tukar menukar barang atau jasa yang dilakukan manusia untuk memenuhi kebutuhan hidup. Perkembangan sistem pembayaran yang dilakukan umat manusia dimulai dari sistem pertukaran barang atau barter, logam mulia seperti emas dan perak, koin, uang kartal, uang giral, dan uang elektronik (e-money). Selain itu, muncul cryptocurrency yaitu mata uang digital dengan sistem kriptografi dalam setiap proses transaksi datanya tanpa melalui pihak ketiga. Namun

more »

... tocurrency memiliki kelemahan perubahan harga yang sangat besar dalam waktu yang sangat cepat. Pergerakan harga yang berfluktuasi sangat tinggi tersebut menyebabkan kekhawatiran pemilik aset kripto mengalami kerugian, maka pemodelan harga cryptocurrency sangat penting untuk dilakukan agar meminimalisir risiko kerugian. Berdasarkan pola pergerakan harga yang berfluktuasi sangat tinggi yang berbeda tiap periodenya maka dilakukanlah pemodelan harga cryptocurrency menggunakan Markov Switching Autoregressive (MSAR) dengan algoritma Expectation Maximization. Selain meminimkan risiko kerugian, penelitian ini juga ingin mengetahui model MSAR mana yang mampu mengklasifikasikan state dengan baik. Data yang digunakan yaitu harga harian cryptocurrency dengan nilai kapitalisasi pasar terbesar dari September 2015 hingga Januari 2020. Hasil penelitian menunjukkan bahwa bitcoin dan ripple menggunakan model MS(8)AR(1), sedangkan ethereum menggunakan model MS(9)AR(1). Selain itu model MS(8)AR(1) pada data ripple menjadi model dengan nilai akurasi tertinggi dibandingkan model lainnya dalam hal klasifikasi state. Kata kunci: Cryptocurrency, Fluktuasi, MSAR I. PENDAHULUAN erdagangan ialah sebuah kegiatan tukar menukar barang atau jasa yang dilakukan manusia untuk memenuhi kebutuhan hidup. Perkembangan sistem pembayaran yang dilakukan umat manusia dimulai dari sistem pertukaran barang atau barter, logam mulia seperti emas dan perak, koin, uang kartal, uang giral, dan uang elektronik (e-money) [1] . Sistem pembayaran e-money memunculkan kekhawatiran terhadap penyalahgunaan data oleh pihak ketiga, untuk itulah muncul gagasan desentralisasi terhadap pihak ketiga dengan munculnya cryptocurrency. Cryptocurrency merupakan mata uang digital dengan sistem kriptografi dalam setiap proses transaksi datanya tanpa melalui pihak ketiga [2] . Cryptocurrency pertama yang terdesentralisasi secara penuh diberi nama bitcoin. Selain menjadi alat pembayaran bitcoin juga dapat dijadikan alat penyimpanan kekayaan, serta sebagai alat investasi [3] . Beberapa jenis cryptocurrency memiliki batas ketersediaan pasokan, sebagai contoh batas pasokan bitcoin hanya terdapat 21 juta unit [4] . Keterbatasan pasokan ini menjadi salah satu faktor fluktuasi harga cryptocurrency. Fluktuasi harga cryptocurrency dapat merubah harga secara signifikan dalam waktu yang sangat cepat. Hal ini dapat dilihat dari harga bitcoin saat pertama kali digunakan pada bulan Juli 2010 hanya bernilai 0,05 USD/bitcoin, sedangkan harga bitcoin pada akhir tahun 2019 sebesar 7234,44 USD/bitcoin [4] . Perkembangan harga bitcoin yang berfluktuasi sangat tinggi tersebut menyebabkan pola data yang berbeda tiap periodenya. Pola data yang sangat berbeda membuat harga cryptocurrency tidak dapat diselesaikan dengan analisis deret waktu (time series) klasik, sedangkan pemodelan harga cryptocurrency sangat penting untuk dilakukan agar meminimalisir risiko kerugian pemilik aset kripto. Banyaknya pola data yang terbentuk dari data harga cryptocurrency yang berkaitan dengan deret waktu serta adanya transisi kondisi (regime switching) yang diasumsikan sebagai proses stokastik yang membangkitkan peubah acak tidak teramati bersifat diskrit disebut rantai markov, yang kemudian dikombinasikan dengan model autoregresi sehingga menjadi model Markov Switching Autoregressive (MSAR). Model MSAR diestimasi dengan menggunakan algoritma Expectation Maximization (EM). Algoritma EM terdiri dari dua tahapan. Tahapan pertama yaitu expectation yang mana tahapan ini melibatkan algoritma filtering dan smoothing, untuk menghasilkan estimasi peluang smoothed dari variabel yang tidak teramati. Tahapan selanjutnya maximization, dengan menurunkan hasil smoothing menggunakan fungsi likelihood. Hasil tahapan maximization kemudian dijadikan parameter baru untuk di gunakan ke tahapan expectation kembali, yang mengakibatkan nilai fungsi likelihood selalu meningkat [5] . Penelitian ini bertujuan untuk memodelkan harga cryptocurrency agar tidak mengalami kerugian yang disebabkan oleh fluktuasi harga yang sangat cepat menggunakan Markov Switching Autoregressive dengan algoritma EM dalam pembentukan model. Pada penelitian ini juga ingin diketahui model MSAR mana yang mampu mengklasifikasikan state dengan baik. Data yang digunakan adalah data sekunder berupa historis harga cryptocurrency yang memiliki kapitalisasi pasar terbesar pada Januari 2020, antara lain bitcoin, ripple, dan ethereum. II. TINJAUAN PUSTAKA A. Analisis Time Series Time series merupakan serangkaian observasi terhadap suatu variabel yang diambil secara beruntun berdasarkan interval waktu tertentu [6] . Peramalan time series dapat disebut sebagai tindakan memprediksi masa depan dengan memahami masa lalu [7] . Rangkaian data pada pengamatan time series dinyatakan dengan variabel Yt dimana t adalah indeks waktu urutan pengamatan.