PREDIKSI HARGA DAN KINERJA ASET BITCOIN MENGGUNAKAN ALGORITMA LONG SHORTTERM MEMORY

Ramadhan, Fachri Alhadi (2025) PREDIKSI HARGA DAN KINERJA ASET BITCOIN MENGGUNAKAN ALGORITMA LONG SHORTTERM MEMORY. Bachelor thesis, Universitas Nasional.

	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