Logo UNTAN Universitas
Tanjungpura
Pontianak

Penerapan Algoritma Long Short Term Memory (LSTM) dalam Prediksi Pergerakan Harga Cryptocurrency Menggunakan Data Time Series

Satrio, Wahyutama (2025) Penerapan Algoritma Long Short Term Memory (LSTM) dalam Prediksi Pergerakan Harga Cryptocurrency Menggunakan Data Time Series. Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_H1051171057.pdf - Published Version

Download (408kB)
[img] PDF (H1051171057_SATRIO_WAHYUTAMA)
H1051171057_SATRIO_WAHYUTAMA.pdf - Accepted Version
Restricted to Repository staff only

Download (3MB)

Abstract

Cryptocurrency merupakan teknologi blockchain yang diterapkan pada sistem desentralisasi, memiliki kebebasan, kecepatan dan keamanan dalam transaksi cryptocurrency, namun volatilitas yang tinggi merupakan bagian dari kelemahan yang dimiliki cryptocurrency. Kelemahan berupa volatilitas yang tinggi dimanfaatkan sebagai sarana investasi untuk mendapatkan keuntungan. Selain mendapatkan keuntungan, volatilitas yang tinggi dapat memberikan kerugian akibat kesalahan dalam menentukan pergerakan harga cryptocurrency. Hal ini membuat Prediksi diperlukan untuk dapat memprediksi pergerakan harga cryptocurrency. Long Short Term Memory (LSTM) merupakan salah satu algoritma yang dapat digunakan untuk memprediksi harga berdasarkan data time series harga cryptocurrency dimasa lalu. Oleh karena itu, pada penelitian ini dibangun sebuah sistem prediksi yang dapat memprediksi pergerakan harga cryptocurrency. Data yang digunakan yaitu data pergerakan harian BTC, ETH, dan ADA pada tanggal 1 Januari 2019-31 Maret 2024 (1917 data) dengan rasio data latih dan data uji adalah 70%:30%. Penelitian ini dilakukan untuk mengamati variasi arsitektur LSTM yang memiliki akurasi tertinggi. Hasil pengujian menunjukan bahwa akurasi terbaik didapat dengan menggunakan variasi parameter 500 max epoch, 50 neuron, 128 batch size dan 0,001 learning rate pada BTC dengan hasil akurasi 98,42961%. Pada ETH menggunakan parameter 250 max epoch, 50 neuron, 64 batch size dan 0,001 learning rate mendapatkan akurasi sebesar 98,25673%. Sementara ADA menggunakan parameter 2000 max epoch, 50 neuron, 64 batch size dan 0,001 learning rate mendapatkan akurasi sebesar 97,50375%. Pengujian mendapatkan hasil terbaik pada setiap cryptocurrency dengan menggunakan dataset pada tanggal 1 Januari 2021 – 31 Maret 2024 (1186 data).

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Satrio, WahyutamaNIMH1051171057UNSPECIFIED
Subjects: 500 – Ilmu Pengetahuan > 510 Matematika > 518 Analisis numerik, analisa numerik
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Sistem Komputer S1
SWORD Depositor: Sri Yulihartini
Depositing User: Sri Yulihartini
Date Deposited: 05 Aug 2026 07:02
Last Modified: 05 Aug 2026 07:02
URI: https://repository.untan.ac.id/id/eprint/7085

Actions (login required)

View Item View Item