PREDIKSI HARGA CRYPTOCURRENCY BITCOIN DENGAN PENDEKATAN DEEP LEARNING MENGGUNAKAN GATED RECURRENT UNIT (GRU)

Abstract

Cryptocurrency, khususnya Bitcoin, dikenal memiliki volatilitas harga yang tinggi, sehingga prediksi harga menjadi penting bagi investor dan pengambil keputusan. Namun, kompleksitas pasar yang dipengaruhi oleh berbagai faktor eksternal membuat prediksi menjadi menantang. Penelitian ini bertujuan untuk mengembangkan model prediksi harga penutupan Bitcoin menggunakan pendekatan deep learning berbasis Gated Recurrent Unit (GRU) untuk menangkap pola temporal dalam data historis. Metode yang digunakan meliputi pengumpulan data dari Yahoo Finance selama periode 2014–2024, pra-pemrosesan data dengan normalisasi dan pembentukan sequences , serta pelatihan model GRU dengan beberapa konfigurasi epoch dan batch size . Evaluasi model dilakukan menggunakan metrik MAE, RMSE, dan MAPE, sedangkan pengujian dilakukan pada 25 tanggal acak untuk membandingkan prediksi dengan harga aktual. Hasil menunjukkan bahwa model GRU dengan konfigurasi 150 epoch dan batch size 62 memberikan performa terbaik dengan MAE 664.49, RMSE 1129.88, dan MAPE 1.84%. Meskipun ada deviasi pada beberapa kasus akibat volatilitas pasar, model ini secara umum mampu memberikan prediksi yang akurat dan dapat digunakan sebagai alat bantu pengambilan keputusan investasi di pasar cryptocurrency.