Aplikasi Perbandingan Prediksi Harga Bitcoin Menggunakan Deep Learning dengan metode ARIMA, SARIMA, LTSM dan Gradient Boosting Regressor

Abstract

Sebagai mata uang digital pertama di dunia yang muncul pada tahun 2009 Bitcoin menjadi yang paling populer saat ini selain Ethereum, Binance Coin, Tether, Solana dan sebagainya. Berkembangnya metode untuk melakukan prediksi harga mata uang digital termasuk Bitcoin semakin penting. Penelitian ini menggunakan algoritma deep learning dengan memanfaatkan metode Autoregressive Integrated Moving Average (ARIMA), Seasonal Autogresive Integrated Moving Average (SARIMA), Long Short Term Memory (LTSM) dan Gradient Boosting Regressor untuk memprediksi harga Bitcoin. Data diambil menggunakan dataset seperti harga penutupan harian, volume perdagangan, indikator teknis dan model yang digunakan untuk jaringan saraf buatan atau tiruan sehingga dapat menghasilkan prediksi yang lebih akurat dari empat metode tersebut. Dengan membuat aplikasi berbasis Neural Network yang dapat meningkatkan keakuratan prediksi harga bitcoin dalam memberikan informasi lebih akurat sehingga diketahui harga bitcoin kedepannya. Pengolahan data menggunakan aplikasi berbasis pemrograman phyton. Hasil penelitian ini menunjukkan bahwa dengan pendekatan deep learning mempunyai potensi untuk memiliki kemampuan memprediksi harga bitcoin sehingga dapat dimanfaatkan untuk para pedagang dan investor untuk mengambil keputusan yang lebih tepat dengan hasil penggunaan metode SARIMA lebih baik dibandingkan dengan metode lainnya dengan memiliki nilai lebih rendah atau tingkat kesalahan yang lebih rendah, yaitu dengan nilai RMSE 13692.22 dibandingkan dari metode ARIMA dengan RMSE 14490,55 metode LTSM dengan RMSE 19650,40 dan Gradient Boosting Regressor dengan RMSE 14573,20.