IMPLEMENTASI LONG SHORT-TERM MEMORY (LSTM) UNTUK PREDIKSI HARGA BITCOIN DAN ETHEREUM

ASWADI, M. (2025) IMPLEMENTASI LONG SHORT-TERM MEMORY (LSTM) UNTUK PREDIKSI HARGA BITCOIN DAN ETHEREUM. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) 0.pdf Download (1MB)
	Text (BAB 1) 1.pdf Download (699kB)
	Text (DAFTAR PUSTAKA) D.pdf Download (631kB)
	Text (FULLBAB SKRIPSI) F_compressed (36).pdf Restricted to Repository staff only Download (2MB)
	Text (LAMPIRAN) L.pdf Download (2MB)

Abstract

Cryptocurrency merupakan aset digital dengan volatilitas harga yang tinggi, sehingga memerlukan pendekatan prediksi yang akurat dan adaptif. Penelitian ini bertujuan untuk mengimplementasikan model Long Short-Term Memory (LSTM) dalam memprediksi harga dua cryptocurrency utama, yaitu Bitcoin (BTC) dan Ethereum (ETH), menggunakan data historis harian yang diperoleh dari dua sumber berbeda, yaitu Yahoo Finance dan Binance. Data dari kedua sumber digabungkan secara vertikal untuk memperkaya informasi dan meningkatkan performa model. Tahapan penelitian meliputi preprocessing data, normalisasi, pembentukan sekuens input berdimensi 24, pelatihan model dengan tiga rasio pembagian data (70:30, 80:20, dan 90:10), serta evaluasi menggunakan metrik Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa model LSTM mampu menghasilkan prediksi dengan akurasi tinggi, dengan nilai RMSE terbaik sebesar 0.0137 pada dataset gabungan BTC dengan rasio 90:10. Selain pemodelan, penelitian ini juga menghasilkan aplikasi prediksi berbasis web menggunakan Streamlit yang memungkinkan prediksi harga kripto secara interaktif, real-time, dan dilengkapi fitur konversi USD ke IDR serta ekspor hasil ke format CSV. Temuan ini menunjukkan bahwa kombinasi model LSTM dan data multi-sumber dapat menjadi pendekatan efektif untuk prediksi harga aset kripto berbasis deep learning.

Actions (login required)

View Item