The Effect of Loss and Optimization Functions on Bitcoin Rate Prediction in LSTM

Kirci, Berke Kaan; Baydogmus, Gozde Karatas

doi:10.1109/hora55278.2022.9799928

Cited by 2 publications

(1 citation statement)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bahkan dalam kasus fluktuasi yang lebih drastis, prediksinya masih lebih baik, sehingga meningkatkan kegunaan dan penerapan model. Dalam beberapa tahun terakhir, cryptocurrency Bitcoin telah menjadi tren yang berkembang di dunia [6]. Oleh karena itu, para peneliti dari berbagai bidang sedang mengkaji berbagai model kecerdasan buatan untuk memprediksi harga Bitcoin.…”

Section: Tinjauan Pustakaunclassified

Pendekatan Deep Learning Menggunakan Metode LSTM Untuk Prediksi Harga Bitcoin

Utama

2023

IJCSR

View full text Add to dashboard Cite

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.

show abstract

Section: Tinjauan Pustakaunclassified