Rahmat Juniansyah

Bitcoin merupakan salah satu mata uang digital yang populer dan sering digunakan dalam transaksi online. Namun, transaksi Bitcoin tidak terlepas dari kemungkinan terjadinya anomali, yang dapat menjadi indikasi aktivitas mencurigakan seperti penipuan atau tindakan ilegal lainnya. Deteksi anomali ini menjadi langkah penting untuk meningkatkan keamanan dan keandalan jaringan Bitcoin. Penelitian ini bertujuan untuk mengidentifikasi anomali pada transaksi Bitcoin dengan menggunakan metode clustering KMeans dan KMedoids. Dataset yang digunakan mencakup transaksi harian Bitcoin dari tahun 2009 hingga 2024, yang diperoleh dari BigQuery. Proses preprocessing dilakukan, termasuk normalisasi menggunakan Standard Scaler, sebelum algoritma clustering diterapkan. Hasil penelitian menunjukkan bahwa metode KMeans menghasilkan silhouette score sebesar 0,96, sedangkan metode KMedoids mencapai nilai sebesar 0,98. Analisis lebih lanjut mengungkapkan bahwa KMedoids lebih andal dalam menangani data dengan outlier dibandingkan KMeans, meskipun membutuhkan waktu komputasi yang lebih lama. Kata Kunci: KMeans, KMedoids, Bitcoin, Anomali, Clustering