Rancang Bangun Sistem Prediksi Harga Bitcoin Menggunakan Algoritma Long Short Term Memory
DOI:
https://doi.org/10.29407/zh89kw51Keywords:
Bitcoin, Cryptocurrency, Generasi Z, Investasi Digital, Long term Memory, Prediksi HargaAbstract
Cryptocurrency telah menjadi pilihan investasi yang populer, dengan Bitcoin sebagai salah satu aset digital paling diminati. Di Indonesia, sekitar 10% pengguna internet memiliki cryptocurrency, menjadikan negara ini salah satu pasar terbesar di dunia. Namun, meskipun menawarkan peluang keuntungan yang signifikan, investasi ini memiliki risiko tinggi akibat volatilitas harga yang ekstrem. Generasi Z, yang dikenal adaptif terhadap teknologi, semakin tertarik pada investasi digital seperti cryptocurrency, menjadikannya bagian dari pergeseran tren profesi di era digital. Prediksi harga Bitcoin menjadi kebutuhan penting untuk mendukung pengambilan keputusan investasi. Algoritma Long Short Term Memory (LSTM), sebagai jenis jaringan saraf tiruan yang unggul dalam mengenali pola data jangka panjang, dipilih untuk mengatasi tantangan volatilitas Bitcoin. Penelitian ini bertujuan merancang sistem prediksi harga Bitcoin berbasis LSTM, menggunakan data historis untuk menghasilkan estimasi yang akurat. Hasil evaluasi menunjukkan bahwa model ini mampu memberikan performa prediksi yang baik dengan tingkat kesalahan rendah dan akurasi tinggi. Sistem yang dikembangkan diharapkan dapat membantu pengguna memahami pergerakan harga, meminimalkan risiko, dan memaksimalkan keuntungan dalam investasi cryptocurrency.
Downloads
References
Huda, N., & Hambali, R. (2020). Risiko dan Tingkat Keuntungan Investasi Cryptocurrency. Jurnal
Manajemen dan Bisnis: Performa, 17(1), 72-84.
Sahita, F. R., Manurung, P. M., Rahman, T. A., Ferdiansyah, M., & Safitri, D. (2022). Trader Crypto
Sebagai Perubahan Minat Profesi Generasi Z Di Era Postmodernisme. Jurnal Common, 6(2), 146-155.
Kafil, M. (2019). Penerapan Metode K-Nearest Neighbors Untuk Prediksi Penjualan Berbasis Web Pada
Boutiq Dealove Bondowoso. JATI (Jurnal Mahasiswa Teknik Informatika), 3(2), 59-66.541
PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS TAHUN 2025, Vol. 4.
Program Studi Teknik Informatika, Universitas Nusantara PGRI Kediri. e- ISSN: 2828–299X
Kediri, 25 Januari 2025
Sidiq, M. A., & Nurzaman, F. (2025). Rancang Bangun Aplikasi Untuk Prediksi Harga Bitcoin
Menggunakan Algoritma Long Short-Term Memory. IKRA-ITH Informatika: Jurnal Komputer dan
Informatika, 9(2), 29-36.
Harahap, S. R. (2021). Peramalan Jumlah Penduduk Kota Medan pada Tahun 2021 dan 2022 dengan
Metode Double Exponential Smoothing Brown (Doctoral dissertation, Universitas Sumatera Utar
Sudipa, I. G. I., Riana, R., Putra, I. N. T. A., Yanti, C. P., & Aristana, M. D. W. (2023). Trend Forecasting
of the Top 3 Indonesian Bank Stocks Using the ARIMA Method. SinkrOn, 8(3), 1883– 1893.
https://doi.org/10.33395/sinkron.v8i3.1 27
Suyanto, Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Penerbit Informatika, 201
Pramukti, A. M., PD., M. M., Isfaatun, E., & Kholisoh, L. (2024). Faktor-faktor yang mempengaruhi minat
investasi cryptocurrency: Studi empiris pada mahasiswa di Daerah Istimewa Yogyakarta. Simposium
Manajemen dan Bisnis III, Program Studi Manajemen - FEB UNP Kediri, 3, 75
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Kresna Aprianto, Moch Iqbal Ramadhan, Petrus LeonMahardika Hermawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
