PERBANDINGAN ALGORITMA XGBOOST DAN LSTM UNTUK MEMPREDIKSI HARGA BITCOIN BERDASARKAN HARGA HARIAN, SENTIMEN, DAN GOOGLE TRENDS INDEX - Dalam bentuk buku karya ilmiah

FADILLA ZUNDINA 'ULYA

Informasi Umum

Kode

25.04.1289

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

449 kali

Informasi Lainnya

Abstraksi

Cryptocurrency Bitcoin merupakan salah satu jenis cryptocurrency yang telah meluas pemakaiannya, karena proses transaksinya yang aman, mudah, dan cepat serta berpotensi mendapatkan keuntungan yang signifikan di masa mendatang. Namun, transaksi bitcoin merupakan aktivitas yang berisiko, karena harga cryptocurrency terus berfluktuasi setiap harinya yang tidak hanya dipengaruhi oleh faktor internal. Faktor eksternal seperti sentimen publik dan indeks pencarian Google juga memengaruhi fluktuasi harga bitcoin. Oleh karena itu, diperlukan prediksi untuk mengestimasi harga bitcoin dengan mengintegrasikan variabel sentimen dan Google Trends Index (GTI) kedalam model prediksi menggunakan teknik regresi yang disesuaikan dengan karakteristik data dan uji asumsi klasik. Penelitian ini bertujuan membandingkan algoritma XGBoost Regression dan LSTM for Regression dalam memprediksi harga penutupan bitcoin. Kedua algoritma tersebut dipilih karena masing-masing memiliki kelebihan dan kekurangan dalam menangani karakteristik data penelitian, dimana data yang yang digunakan bersifat non-linear, tidak berdistribusi normal, dan mengandung unsur time series. Setelah dilakukan evaluasi, diperoleh hasil bahwa model LSTM for Regression Skenario 2 dengan variabel harga dan sentimen memiliki nilai RMSE terkecil dan R2-Score tertinggi berturut-turut sebesar 1338,989 dan 92,3%. Berdasarkan kurva pembelajaran, model tidak terindikasi mengalami overfit yang dibuktikan dengan kestabilan kurva pada nilai loss yang rendah saat mencapai epoch=20. Secara keseluruhan, variabel historis harga memberikan pengaruh yang signifikan dalam memprediksi harga penutupan bitcoin, dengan Open sebagai fitur paling dominan yang diidentifikasi menggunakan metode SHAP. Kata Kunci: Prediksi Harga Bitcoin, Sentimen, Google Trends Index, LSTM, XGBoost Regression