ANALISIS PREDIKSI NILAI TUKAR BITCOIN-USD MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM)
Dedy Wijaksono, 4112318027 (2021) ANALISIS PREDIKSI NILAI TUKAR BITCOIN-USD MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM). Under Graduates thesis, Universitas Negeri Semarang.
PDF
- Published Version
Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Di awal pandemi Covid-19 nilai tukar bitcoin mengalami kenaikan yang cukup drastis. sejak awal tahun 2021 sampai tanggal 21 Februari 2021 kenaikan nilai tukar bitcoin hampir menyentuh 100% atau sekitar 28.165$. Hal tersebut menyebabkan peningkatan minat investor untuk berinvestasi dengan bitcoin. Namun investasi dengan bitcoin memimiliki resiko yang sangat besar karena nilainya yang sangat berfluktuatif. Dalam penelitian ini bertujuan untuk meramalkan nilai bitcoin berdasarkan data nilai tukar bitcoin yang bersumber dari situs finance.yahoo.com. Metode peramalan yang digunakan adalah metode Long Short Term Memory (LSTM). Dalam pemodelan LSTM digunakan 4 parameter untuk menentukan model LSTM terbaik adalah bentuk dimensi data, jumlah hidden neuron, jenis optimizer, dan buentuk model LSTM. Model terbaik yang dalam menganalisis nilai tukar bitcoin adalah model dengan jumlah hidden neuron sebanyak 100, jenis optimizer Adamax, dan bentuk model vanilla LSTM. Dengan menngunakan model tersebut didapatkan ramalan pada tanggal 1 Juli 2021 nilai tukar bitcoin mengalami penurunan menjadi 34509,55$. Dengan penurunan nilai tukar tersebut investor disarankan untuk menjual bitcoin pada tanggal 30 Juni 2021 sebelum nilai tukar bitcoin mengalami penurunan nilai pada tanggal 1 Juli 2021
Item Type: | Thesis (Under Graduates) |
---|---|
Uncontrolled Keywords: | Bitcoin, Peramalan, Long Short Term Memory, Model |
Subjects: | H Social Sciences > HN Social history and conditions. Social problems. Social reform > Trading |
Fakultas: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1 |
Depositing User: | TUKP unnes |
Date Deposited: | 14 Dec 2022 01:49 |
Last Modified: | 14 Dec 2022 01:49 |
URI: | http://lib.unnes.ac.id/id/eprint/54177 |
Actions (login required)
View Item |