SISTEM PREDIKSI HARGA BITCOIN DI MARKET CRYPTOCURRENCY MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY

Aprianto, Kresna Aprianto (2025) SISTEM PREDIKSI HARGA BITCOIN DI MARKET CRYPTOCURRENCY MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2113020010.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020010_0729098903_0719068702_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (810kB)
	Text (BAB 2) RAMA_55201_2113020010_0729098903_0719068702_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (524kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020010_0729098903_0719068702_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020010_0729098903_0719068702_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020010_0729098903_0719068702_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (References) RAMA_55201_2113020010_0729098903_0719068702_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Lampiran) RAMA_55201_2113020010_0729098903_0719068702_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020010_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)

Abstract

Cryptocurrency, khususnya Bitcoin, merupakan aset digital yang populer dan memiliki volatilitas harga yang tinggi. Menurut survey GlobalWebIndex tahun 2019 Di Indonesia, sekitar 10% pengguna internet telah memiliki aset kripto, menjadikan prediksi harga sebagai aspek penting dalam pengambilan keputusan investasi. Model Long Short-Term Memory (LSTM) dikenal efektif dalam mengolah data deret waktu, namun performanya sangat dipengaruhi oleh pemilihan hyperparameter yang tepat. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga Bitcoin dengan mengoptimalkan hyperparameter LSTM menggunakan algoritma Particle Swarm Optimization (PSO). Eksperimen dilakukan dengan membandingkan tiga model: PSO-LSTM, LSTM konvensional, dan RNN konvensional menggunakan pembagian data 80% training dan 20% testing. Evaluasi dilakukan dengan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa model PSO-LSTM menghasilkan performa terbaik dengan nilai MSE 629.710,7 (training) dan 2.263.465,7 (testing), MAE 372,4 dan 977,9, serta RMSE 672,5 dan 1.504,5. Dibandingkan dengan model LSTM konvensional yang mencatat MSE 638.043,8 dan 2.858.198,5, MAE 397,6 dan 1.094,8, serta RMSE 792,5 dan 1.713,7, model PSO-LSTM terbukti memberikan hasil lebih baik. Sementara itu, RNN konvensional mencatat MSE 650.573,6 dan 2.272.251,8, MAE 377,2 dan 1.143,2, serta RMSE 802,4 dan 1.742,8. Temuan ini membuktikan bahwa optimasi hyperparameter menggunakan algoritma PSO mampu meningkatkan akurasi model prediktif secara signifikan. PSO-LSTM layak dipertimbangkan sebagai pendekatan yang efektif dalam pengembangan sistem prediksi harga Bitcoin berbasis deep learning.

Actions (login required)

View Item