IMPLEMENTASI LONG SHORT-TERM MEMORY (LSTM) UNTUK FORECASTING HARGA CRYPTOCURRENCY

Abstract

Penelitian ini bertujuan mengimplementasikan model Long Short-Term Memory (LSTM) untuk memprediksi harga Bitcoin dengan memanfaatkan data historis dari Yahoo Finance. Metode yang digunakan meliputi pra-pemrosesan data (normalisasi Min-Max, pembagian dataset 95:5), pelatihan model LSTM (2 lapis LSTM dengan 128 dan 64 neuron, optimizer Nadam, 10 epoch), dan evaluasi menggunakan metrik MAE, RMSE, dan MAPE. Hasil menunjukkan model mencapai akurasi tinggi dengan MAE 1403.3701, RMSE 1983.4696, dan MAPE 1.5192%. Model ini diimplementasikan dalam aplikasi web berbasis Streamlit untuk prediksi interaktif 1 - 7 hari ke depan. Temuan ini membuktikan efektivitas LSTM dalam menangani volatilitas harga cryptocurrency dan memberikan manfaat praktis bagi investor.