Adinata, Putu Gio Satria (2025) IMPLEMENTASI METODE HYBRID BIDIRECTIONAL LSTM-GRU DALAM PREDIKSI HARGA CRYPTOCURRENCY BERBASIS WEB. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2115091001-COVER.pdf Download (978kB) |
|
Text (ABSTRAK)
2115091001-ABSTRAK.pdf Download (291kB) |
|
Text (BAB 1 PENDAHULUAN)
2115091001-BAB 1 PENDAHULUAN.pdf Download (320kB) |
|
Text (BAB 2 KAJIAN TEORI)
2115091001-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (973kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2115091001-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (753kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2115091001-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2115091001-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (242kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2115091001-DAFTAR PUSTAKA.pdf Download (242kB) |
|
Text (LAMPIRAN)
2115091001-LAMPIRAN.pdf Download (953kB) |
Abstract
Prediksi harga cryptocurrency merupakan tantangan besar dalam keuangan digital modern karena volatilitas tinggi dan pola pergerakan yang kompleks. Pasar kripto dipengaruhi oleh berbagai faktor dinamis, seperti data historis, sentimen pasar, dan kondisi makroekonomi global. Penelitian ini mengusulkan dan membuktikan efektivitas model hybrid BiLSTM-GRU dalam memprediksi harga Bitcoin (BTC) dan Ethereum (ETH). Arsitektur ini menggabungkan kemampuan BiLSTM dalam menangkap informasi dua arah dengan efisiensi GRU yang lebih ringan secara komputasi, disertai tuning hyperparameter yang sistematis. Hasil evaluasi menunjukkan error yang rendah untuk Bitcoin, model 2A (batch size 32, learning rate 0.001) memiliki MAPE terendah sebesar 0.60%, diikuti model 2B (0.67%) dan 2C (0.69%). Pada Ethereum, model 2C paling optimal dengan MAPE 0.62%, lebih baik dari 2B (0.85%) dan 2A (0.87%). Perbedaan ini menunjukkan bahwa konfigurasi model berpengaruh terhadap akurasi, tergantung pada karakteristik aset. Model ini juga terbukti lebih unggul dibandingkan LSTM konvensional, sejalan dengan studi yang menekankan pentingnya pendekatan hybrid dalam menangani data deret waktu yang kompleks. Sebagai bentuk implementasi, model diintegrasikan ke dalam aplikasi web interaktif untuk memudahkan pengguna mengakses prediksi harga. Meski masih bersifat univariat dan belum merespons faktor eksternal secara real-time, sistem ini telah terbukti bermanfaat sebagai alat bantu pengambilan keputusan bagi investor di pasar kripto yang fluktuatif.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | kripto, prediksi harga, deret waktu, BiLSTM-GRU, aplikasi web, akurasi prediksi |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
| Depositing User: | Putu Gio Satria Adinata |
| Date Deposited: | 07 Aug 2025 10:12 |
| Last Modified: | 07 Aug 2025 10:12 |
| URI: | http://repo.undiksha.ac.id/id/eprint/26598 |
Actions (login required)
 |
View Item |