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.

[img] 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
[img] 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)
[img] 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
[img] 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
[img] 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
[img] 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
[img] Text (References)
RAMA_55201_2113020010_0729098903_0719068702_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] 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
[img] 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.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Long Short Term Memory, Bitcoin, Cryptocurrency, Forecasting, Particle Swarm Optimization
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 459 Computer science
410 Engineering science > 463 Software engineering
710 Education science > 801 Early childhood education programs
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Kresna Aprianto
Last Modified: 06 Aug 2025 15:47
URI: http://repository.unpkediri.ac.id/id/eprint/19933

Actions (login required)

View Item View Item