GEGE, ARDIYANSYAH (2022) ANALISIS DAN IMPLEMENTASI MODEL DEEP LEARNING PREDIKSI CRYPTOCURRENCY BERBASIS WEB. Diploma thesis, UNIVERSITAS BINA DARMA.
Text (tiurnitin)
68303-3.pdf Restricted to Repository staff only Download (2MB) |
|
Text (bab 1)
68303-6.pdf Download (1MB) |
|
Text (daftar pustka)
68303-10.pdf Download (831kB) |
|
Text (bab 0)
68303-11.pdf Download (1MB) |
|
Text (skripsi)
68303-18.pdf Restricted to Repository staff only Download (7MB) |
|
Text (jurnal)
68303-19.pdf Restricted to Repository staff only Download (1MB) |
|
Text (lampiran)
68303-20.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Cryptocurrency merupakan aset digital yang dirancang berdasarkan Kriptografi seperti Secure Hash Algorithm 2 (SHA-2) dan Message Digest 5 (MD5). Cryptocurrency menggunakan teknologi Blockchain untuk menjamin keamanan, transparansi, mudah dilacak dan tidak dapat diubah. Hal ini yang membuat cryptocurrency menjadi sangat popular diberbagai macam bidang terutama dibidang keuangan. Walaupun demikian, ketidakpastian dan perubahan harga yang sangat dinamis membuat tingkat resiko untuk melakukan investasi pada aset digital ini cukup tinggi. Alasan tersebut membuat pembahasan mengenai prediksi harga cryptocurrency menjadi tren secara global. Penelitian ini bertujuan untuk memprediski harga cryptocurrency menggunakan hybrid GRU LSTM kemudian mengatur epoch untuk mendapatkan hasil prediski yang paling akurat. Peneliti juga membuat sebuah aplikasi berbasis website yang dapat digunakan oleh khalayak umum untuk mengetahui dan memprediksi harga cryptocurrency secara langsung. Hasilnya adalah sebuah aplikasi berbasis website yang mampu memprediksi harga cryptocurrency untuk beberapa hari kedepan yang telah divalidasi dengan menggunakan data 7 hari, 14 hari, 30 hari, 60 hari dan 90 hari sebelumnya. Kata Kunci: Prediksi, Cryptocurrency, Website, Aplikasi, Regresi
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | T Technology > T Technology (General) |
Depositing User: | Mr Surya |
Date Deposited: | 21 Jun 2023 08:05 |
Last Modified: | 21 Jun 2023 08:05 |
URI: | http://repository.binadarma.ac.id/id/eprint/7243 |
Actions (login required)
View Item |