MODEL PREDIKSI HARGA BITCOIN MENGGUNAKAN TEMPORAL CONVOLUTIONAL NETWORK (TCN) SEBAGAI SISTEM PENDUKUNG KEPUTUSAN INVESTASI

Al'ayyubi, Fajar Ikhsanuddin (2025) MODEL PREDIKSI HARGA BITCOIN MENGGUNAKAN TEMPORAL CONVOLUTIONAL NETWORK (TCN) SEBAGAI SISTEM PENDUKUNG KEPUTUSAN INVESTASI. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (7MB)
	Text BAB I.pdf Download (210kB)
	Text BAB II.pdf Download (657kB)
	Text BAB III.pdf Download (455kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (177kB)
	Text LAMPIRAN.pdf Download (585kB)

Abstract

Pergerakan harga Bitcoin (BTC) yang sangat fluktuatif menjadikannya objek
penelitian yang menarik dalam konteks pengambilan keputusan investasi.
Sebagian besar penelitian terdahulu menggunakan data harga agregat (seperti
OHLC) dengan model tradisional ARIMA atau deep learning berbasis RNN
seperti LSTM. Namun, pendekatan tersebut berpotensi kehilangan informasi
detail pada tingkat transaksi (tick-level) serta menghadapi keterbatasan dalam
menangani ketergantungan jangka panjang. Penelitian ini bertujuan
mengembangkan model prediksi harga Bitcoin berbasis Temporal
Convolutional Network (TCN) dengan memanfaatkan data transaksi riil dari
KuCoin Exchange. Proses penelitian mencakup tahapan pra-pemrosesan data
(penggabungan file, resampling, transformasi kategorikal, normalisasi, dan
sliding window), pelatihan model TCN, serta perbandingan performanya
dengan ARIMA dan LSTM. Evaluasi dilakukan menggunakan metrik MAE,
RMSE, dan R², serta pengujian hipotesis statistik melalui Friedman Test dan
Wilcoxon Test dengan Holm correction. Hasil eksperimen menunjukkan
bahwa model TCN unggul dibandingkan ARIMA dan LSTM, dengan nilai
kesalahan prediksi yang lebih rendah serta nilai R² lebih tinggi. Dengan
demikian, TCN terbukti efektif dalam memprediksi harga Bitcoin pada
tingkat data granular, serta dapat diimplementasikan ke dalam sistem
visualisasi interaktif berbasis dashboard untuk mendukung pengambilan
keputusan investasi.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Delvy Aplirizani -
Date Deposited:	22 Apr 2026 04:04
Last Modified:	27 Apr 2026 02:55
URI:	https://repository.unas.ac.id/id/eprint/15176

Actions (login required)

View Item