Analisis Prediksi Harga Kripto Binance Menggunakan Metode LSTM dengan Data Historis Harian

Abstract

Masyarakat sering mengalami kerugian dalam bidang investasi. Fenomena ini akan mempengaruhi dampak pertumbuhan maupun pergerakan ekonomi pada suatu negara. Menurut data Bank for International Settlements 73% hingga 81% orang melakukan investasi crypto mengalami kerugian. Banyak hal yang menjadi penyebab dari keadaan tersebut, salah satunya adalah sulit untuk melakukan prediksi harga apakah harga naik atau turun banyak orang yang tidak memahami hal tersebut sehingga menyebabkan pilihan investasi yang kurang tepat dan mengakibatkan kerugian. Tujuannya penelitian ini adalah untuk membangun model prediksi yang membantu trader dalam memprediksi harga crypto Binance sesuai. Indikator yang digunakan dalam memprediksi harga adalah dengan menggunakan data close berupa harga tutup. Metode penelitian menggunakan pendekatan machine learning dengan alur pengumpulan data, pra-proses data, desain LSTM, latih data, uji data, evaluasi data, dan hasil. Model dibuat menggunakan algoritma Long-Short Term Memory. Skenario percobaan menggunakan perbandingan splitting data dan juga perbandingan optimizer ADAM dan NADAM. Evaluasi model dilakukan menggunakan Root Mean Square Error. Hasil penelitian ini menunjukkan bahwa data yang dilakukan dengan perbandingan splitting data 80:20 dan 70:30 dan menggunakan optimizer ADAM dan NADAM tidak sama akuratnya. Dengan melakukan evaluasi menggunakan Root Mean Square Error, algoritma LSTM menghasilkan nilai terbaik yaitu dengan splitting data 70:30 menggunakan NADAM dengan nilai RMSE sebesar 11,53.