PREDIKSI NILAI NON-FUNGIBLE TOKEN DENGAN TEKNIK SUPERVISED LEARNING


NFT merupakan singkatan dari Non-Fungible Token. NFT adalah aset digital yang disimpan dan diedarkan pada jaringan blockchain. Terdapat dua jenis NFT yaitu collectible item dan utility item. Nilai transaksi NFT pada tahun 2021 sangat tinggi, beberapa NFT dapat terjual dengan harga ratusan ribu dolar. NFT yang dapat terjual tinggi menandakan NFT bisa menjadi peluang bisnis digital baru untuk bisa mendapatkan keuntungan dengan cara memiliki NFT bernilai tinggi. Hal tersebut menandakan untuk dapat memiliki NFT bernilai tinggi perlu informasi yang dapat membantu untuk menaksir prospek NFT yang ada. Berdasarkan fenomena tersebut dibutuhkan sebuah model yang dapat menaksir nilai prospek NFT. Salah satu metode yang dapat digunakan untuk menanggulangi hal tersebut
adalah supervised learning khususnya klasifikasi. Langkah-langkah yang digunakan untuk membuat model klasifikasi nilai NFT menggunakan metodologi berdasarkan CRISP-DM. Algoritma yang digunakan untuk membuat model klasifikasi adalah KNN, naive bayes, decision tree, dan random forest. Algoritma terpilih untuk membuat model adalah decision tree dikarenakan memiliki nilai f1- score paling tinggi diantara algoritma lain, yaitu sebesar 0,52.


LOADING LIST...

LOADING LIST...

Detail Information

Bagian Informasi
Pengarang Alif Ulfa Afifah, ST.,M.T - Personal Name
R. FADHLAN AUFFAR/132018147 - Personal Name
0416027602 - Fahmi Arif, S.T., M.T., Ph.D - Personal Name
No. Panggil 2993TI/23
Subyek NFT, supervised learning, CRISP-DM
Fakultas FTI
Tahun Terbit 2023
Jurusan Teknik Industri
Deskripsi Fisik
Info Detil Spesifik


Citation

. (2023).PREDIKSI NILAI NON-FUNGIBLE TOKEN DENGAN TEKNIK SUPERVISED LEARNING().Teknik Industri:FTI

.PREDIKSI NILAI NON-FUNGIBLE TOKEN DENGAN TEKNIK SUPERVISED LEARNING().Teknik Industri:FTI,2023.Text

.PREDIKSI NILAI NON-FUNGIBLE TOKEN DENGAN TEKNIK SUPERVISED LEARNING().Teknik Industri:FTI,2023.Text

.PREDIKSI NILAI NON-FUNGIBLE TOKEN DENGAN TEKNIK SUPERVISED LEARNING().Teknik Industri:FTI,2023.Text

 



Homepage Info

Koleksi  ETD adalah merupakan Tugas Akhir mahasiswa Itenas dalam menempuh program Sarjana/Magister. Seluruh isi dari Tugas Akhir adalah merupakan tanggung jawab penulis sepenuhnya.

Koleksi


Total ETDs : 20322

Total Kunjungan: 26011 dari Maret 2018

Media Sosial / Kanal

Address

UPT Perpustakaan Itenas
Jl. PKH. Mustopha No.23
Bandung 40124, Indonesia
Phone: +62-22-7272215,
email: libary[at]itenas.ac.id