Pendekatan Deep Learning Menggunakan Metode LSTM Untuk Prediksi Harga Bitcoin

Abstract

Prediksi harga Bitcoin melibatkan analisis berbagai faktor, termasuk sentimen pasar, volume perdagangan, berita ekonomi, perkembangan teknologi, serta faktor-faktor lain yang mempengaruhi permintaan dan penawaran. Metode analisis teknis dan fundamental dapat digunakan untuk mencoba memprediksi pergerakan harga Bitcoin. Pada prediksi harga Bitcoin ini menggunakan pendekatan Deep Learning dengan memtode yang dipilih adalah LSTM. Metode LSTM (Long Short-Term Memory) adalah jenis model Recurrent Neural Network (RNN) yang populer dalam melakukan prediksi harga Bitcoin dan aset keuangan lainnya. LSTM dapat mengatasi masalah pergerakan harga yang memiliki ketergantungan jangka panjang, yang tidak dapat ditangani dengan baik oleh model RNN tradisional. LSTM memiliki kemampuan untuk "mengingat" informasi dari jangka waktu yang lebih lama, sehingga dapat mengenali pola dan tren kompleks dalam data historis. Pada penelitian ini periode prediksi menggunakan dataset dari tanggal 1 Maret 2016 sampai dengan 24 November 2018. Penelitian ini menggunakan parameter epoch sebesar 10 dengan learning rate yaitu 0,001. Selain itu, parameter batch size yang digunakan adalah 25 dengan layer saja. Hasil evaluasi dari penelitian ini menghasilkan RMSE sebesar 77.74 dan MAE sebesar 278.33. Hal ini menunjukkan bahwa nilai RMSE tergolong kecil karena rentang harga Bitcoin terlalu lebar.