Prediksi Harga Bitcoin Menggunakan Algoritma Long Short Term Memory

Bitcoin merupakan salah satu aset digital dengan kapitalisasi pasar terbesar di dunia dan menunjukkan volatilitas harga yang tinggi, sehingga menarik perhatian investor maupun peneliti untuk melakukan prediksi harga secara akurat. Penelitian bertujuan untuk membangun model prediksi harga Bitcoin menggunakan algoritma Long Short-Term Memory (LSTM) dengan mempertimbangkan data history dan indikator teknikal yaitu Moving Average (MA) dan Exponential Moving Average (EMA). Data harga Bitcoin dikumpulkan dari Yahoo Finance dengan rentang waktu 1 Januari 2015 hingga 1 Januari 2024. Model LSTM dirancang dengan sequence sepanjang 30 hari sebagai input untuk memprediksi harga sebagai output. Evaluasi model dilakukan menggunakan metrik Root Mean Squared Error (RMSE), Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa model yang dibangun mampu menghasilkan nilai prediksi yang cukup bagus dengan MSE sebesar 0,0001, RMSE sebesar 0,0117, MAE sebesar 0,0081, dan MAPE sebesar 2,21% pada data pengujian 200 Epoch. Penambahan indikator teknikal terbukti membantu dalam meningkatkan performa model dibandingkan dengan hanya menggunakan data harga penutupan. Model ini diharapkan dapat membantu investor dalam pengambilan keputusan investasi yang lebih tepat berdasarkan prediksi pergerakan harga Bitcoin.

Kata Kunci: Bitcoin, Long Short Term Memory, Prediksi, Teknikal Indikator