ANDREE, FERNANDO PRATAMA (2022) IMPLEMENTASI ANALISIS SENTIMEN DAN MODEL DEEP LEARNING UNTUK PREDIKSI HARGA BITCOIN. Diploma thesis, UNIVERSITAS BINA DARMA.
Text (jurnal)
Artikerl Jurnal & LOA.pdf Restricted to Repository staff only Download (1MB) |
|
Text (bab 0)
BAB 0.pdf Download (1MB) |
|
Text (bab 1)
BAB 1.pdf Download (992kB) |
|
Text (daftar pustaka)
DAFTAR PUSTAKA.pdf Download (827kB) |
|
Text (turnitin)
hasil turnitin.pdf Restricted to Repository staff only Download (2MB) |
|
Text (lampiran)
Lampiran.pdf Restricted to Repository staff only Download (427kB) |
|
Text (skripsi)
Skripsi Full.pdf Restricted to Repository staff only Download (5MB) |
Abstract
Cryptocurrency adalah sebuah mata uang digital atau virtual yang dijamin oleh kriptografi. Dengan adanya kriptografi, mata uang digital ini menjadi hampir tidak mungkin dipalsukan. Adapun pencatatan semua transaksi yang dilakukan tersimpan pada blockchain. Blockchain ini tersebar luas antara satu komputer dengan komputer lain dan terkoneksi di dalam satu jaringan yang tersebar luas sehingga tidak terpusat pada satu tempat, atau dikenal dengan istilah desentralisasi. Analisis Sentimen digunakan untuk melihat reaksi masyarakat atau publik pada umumnya terhadap suatu isu yang sedang terjadi apakah reaksi publik bersifat positif maupun negatif, namun penentuan sentimen tersebut akan didasar pada label mana yang paling banyak muncul. Kemudian sentimen yang telah didapatkan ditentukan korelasinya terhadap kenaikan harga bitcoin sehingga sentimen tersebut dapat menjadi salah satu atribut yang dapat digunakan untuk meningkatkan akurasi prediksi harga bitcoin. Bitcoin kemudian diprediksi menggunakan model deep learning dengan layer LSTM. Kata kunci : Prediksi, Cryptocurrency, Analisis sentimen, Deep learning
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | T Technology > T Technology (General) |
Depositing User: | Mr Surya |
Date Deposited: | 21 Jun 2023 02:27 |
Last Modified: | 21 Jun 2023 02:27 |
URI: | http://repository.binadarma.ac.id/id/eprint/7231 |
Actions (login required)
View Item |