Ramadhan, Fachri Alhadi (2025) PREDIKSI HARGA DAN KINERJA ASET BITCOIN MENGGUNAKAN ALGORITMA LONG SHORTTERM MEMORY. Bachelor thesis, Universitas Nasional.
![[img]](http://repository.unas.ac.id/style/images/fileicons/text.png) |
Text
COVER.pdf Download (704kB) |
|
Text
BAB I.pdf Download (207kB) |
|
Text
BAB II.pdf Download (407kB) |
|
Text
BAB III.pdf Download (327kB) |
|
Text
BAB IV.pdf Download (1MB) |
|
Text
BAB V.pdf Download (130kB) |
|
Text
LAMPIRAN.pdf Download (401kB) |
Abstract
Bitcoin menunjukkan volatilitas harga yang tinggi. Hal ini membawa risiko besar bagi investor, tetapi juga memberikan peluang besar bagi investor. Salah satu metode yang menarik untuk prediksi harga Bitcoin yang memiliki volatilitas tinggi adalah algoritma Long Short-Term Memory (LSTM), sebuah varian Recurrent Neural Network (RNN) yang dapat memproses data deret waktu serta mengingat informasi jangka panjang dan pendek secara efektif. Berdasarkan hasil penelitian yang sudah dilakukan pada Skenario 1 dengan menggunakan algoritma LSTM Double Layer 128, 64 neuron, 100 epoch, 32 batch size, data latih 80%, data uji 20%, dan optimasi adam, lebih baik dibandingkan Skenario 2 yang menggunakan algoritma LSTM Single Layer 50 neuron, 100 epoch, 32 batch size, data latih 80%, data uji 20%, dan optimasi adam. Skenario 1 menunjukkan tingkat akurasi yang cukup baik dalam memprediksi harga Bitcoin. Performa model algoritma Skenario 1 dievaluasi menggunakan metrik MSE dengan nilai 0.0004492926, RMSE dengan nilai 0.0211965253, MAE dengan nilai 0.0158643496, MAPE dengan nilai 2.51% dan R 2 dengan nilai 0.98456. Dari hasil prediksi harga yang dihasilkan, diperoleh kinerja Bitcoin selama periode 2018-2024. Rata-rata Return pertahun Bitcoin sebesar 83.07%. Volatilitas sebesar 82.837. Sharpe Ratio sebesar 1.003 menunjukkan bahwa return yang diperoleh relatif sebanding dengan risiko yang diambil, yang dianggap cukup baik dalam konteks investasi berisiko tinggi.
| Item Type: | Thesis (Bachelor) |
|---|---|
| Subjects: | Q Science > Q Science (General) T Technology > T Technology (General) |
| Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika |
| Depositing User: | Miss Rahma Rahmawati |
| Date Deposited: | 12 Sep 2025 04:32 |
| Last Modified: | 15 Sep 2025 03:32 |
| URI: | http://repository.unas.ac.id/id/eprint/14082 |
Actions (login required)
 |
View Item |
