Putra, I Gede Suparba (2025) IMPLEMENTASI DEEP LEARNING MENGGUNAKAN LONG SHORT TERM MEMORY DALAM PERAMALAN HARGA CRYPTOCURRENCY. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2015101033-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2015101033_ABSTRAK.pdf Download (346kB) |
|
Text (BAB 1 PENDAHULUAN)
2015101033-BAB 1 PENDAHULUAN.pdf Download (967kB) |
|
Text (BAB 2 KAJIAN TEORI)
2015101033-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2015101033-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (812kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2015101033-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (3MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2015101033-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (290kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2015101033-DAFTAR PUSTAKA.pdf Download (440kB) |
|
Text (LAMPIRAN)
2015101033-LAMPIRAN.pdf Download (2MB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan model Long Short Term Memory (LSTM) dalam memprediksi harga cryptocurrency, seperti Bitcoin, Ethereum, dan Binance Coin (BNB), menggunakan data historis dari Januari 2019 hingga Januari 2024. Pendekatan kuantitatif digunakan dengan tahapan meliputi pengumpulan data, pra-pemrosesan, pembangunan model LSTM, pelatihan, dan evaluasi model. Parameter evaluasi kinerja model mencakup Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa model LSTM yang dibangun mampu memprediksi harga cryptocurrency dengan akurasi tinggi. Nilai MAPE masing-masing untuk Bitcoin, Ethereum, dan BNB adalah 3,94%, 3,09%, dan 2,17%, yang termasuk kategori sangat akurat. Penelitian ini menyimpulkan bahwa LSTM merupakan metode yang andal untuk peramalan harga cryptocurrency yang sangat fluktuatif, memberikan wawasan yang berguna bagi investor dalam pengambilan keputusan. Temuan ini berkontribusi dalam pengembangan teknologi prediksi pasar keuangan menggunakan metode deep learning.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Deep learning, long short term memory, cryptocurrency, prediksi harga, LSTM |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | I Gede Suparba Putra |
| Date Deposited: | 30 Jan 2025 02:58 |
| Last Modified: | 30 Jan 2025 02:58 |
| URI: | http://repo.undiksha.ac.id/id/eprint/22922 |
Actions (login required)
 |
View Item |