• Kode Repository : SKI54/MUH/22
• NPM : 065118016
• Nama : Muhamad Aji Yusup Alhamdhani
• Pembimbing 1 : -Dr. Tjut Awaliyah Zuraiyah, M.Kom.
• Pembimbing 2 : -Asep Saepulrohman, M.Si
• Abstrak : -Prediksi Harga Cryptocurrency Ethereum Menggunakan Algoritma Deep Learning Tjut Awaliyah Zuraiyah1, Asep Saepulrohman2, Muhamad Aji Yusup Alhamdhani3 1Computer Science FMIPA Pakuan University, Indonesia 2 Computer Science of Bachelor’s degree of Pakuan University, Indonesia 3 Computer Science FMIPA Pakuan University, Indonesia Article Info ABSTRACT Article history: Received mm dd, yyyy Revised mm dd, yyyy Accepted mm dd, yyyy Tren investasi dan kemajuan teknologi digital telah meningkatkan minat masyarakat untuk berinvestasi pada aset digital. Aset digital terus tumbuh setiap tahunnya terutama di bidang aset cryptocurrency. Salah satu altcoin (koin alternatif selain Bitcoin) diantaranya adalah Ethereum. Risiko dalam berinvestasi crypto adalah ketidakpastian di masa mendatang karena teknologi crypto yang tergolong baru ditambah fluktuasi harga yang sangat tinggi. Tujuan dari penelitian ini adalah membuat Prediksi harga Cryptocurrency Ethereum menggunakan algoritma Deep Learning untuk mengetahui pemodelan yang paling optimal. Algoritma Deep learning yang digunakan pada penelitian ini adalah LSTM dan BiLSTM. Data pada penelitian ini diambil dari situs Yahoo Finance yang di download kedalam bentuk csv. Keseluruhan proses pembangunan model prediksi dilakukan melalui tools Jupyter Notebook. Untuk meningkatkan akurasi model digunakan algoritma optimasi Adam serta dilakukan lima sesi pengujian berdasarkan jumlah nilai hyperparameter yang berbeda pada neuron hidden 5, 15, 50, 75, 100, epoch 15, 35, 50, 100, 150 dan batch size 32, 64, 50, 128, 256. Hasil akhir pengujian menunjukan performa prediksi terbaik dengan tingkat kesalahan error terkecil RMSE 0.0243 dan MAPE 3.50% diperoleh oleh pengujian kelima dengan inisiasi hyperparameter neuron hidden 100, epoch 150 dan batch size 256 oleh model BiLSTM. Sedangkan LSTM pada percobaan kelima memperoleh tingkat kesalahan error RMSE 0.0322 dan MAPE 4.79%. Dari kelima pengujian didapatkan nilai rata-rata tingkat kesalahan error RMSE 0.0263 dan MAPE 3.71% untuk model BiLSTM dan untuk model LSTM memperoleh RMSE sebesar 0.0302 dan MAPE 4.50%. Keywords: Prediksi Cryptocurrency Ethereum Deep Learning LSTM Bidirectional LSTM This is an open-access article under the CC BY-SA license.
• Program Studi : Ilmu Komputer