Prediksi Mata Uang Bitcoin Menggunakan LSTM dan Analisis Sentimen pada Sosial Media

UNIVERSITAS BINA DARMA, UNIVERSITAS BINA DARMA (2022) Prediksi Mata Uang Bitcoin Menggunakan LSTM dan Analisis Sentimen pada Sosial Media. Prediksi Mata Uang Bitcoin Menggunakan LSTM dan Analisis Sentimen pada Sosial Media.

[img]
Preview
Text
Prediksi Mata Uang Bitcoin Menggunakan LSTM dan.pdf

Download (1MB) | Preview
Official URL: https://www.binadarma.ac.id

Abstract

Cryptocurrency adalah mata uang digital dimana transaksi dapat dilakukan den�gan transaksi online. Salah satu jenisnya yaitu bitcoin. Bitcoin adalah salah satu mata uang elektronik yang bersifat desentralisasi (tidak terpusat) dan tidak diatur atau dijamin oleh otoritas pusat. Harga Bitcoin sangat �uktuatif dan sering kali membuat resah pengguna dan investor Bitcoin. Oleh karena itu, diusulkan sebuah metode atau sistem prediksi harga Bitcoin dengan mempelajari pola dan tingkah laku data time series harga historisnya. Dalam Penelitian ini, kontribusi utamanya yaitu analisis sentimen yang dapat membedakan tweet positif dan negatif dari bitcoin di twitter dengan akurasi 80.00%. Dengan model LSTM yang dapat memprediksi harga Bitcoin pada hari berikutnya dengan mempertimbangkan harga historis dan skor sen�timen positif dan negatif. Namun teknik ini memerlukan parameter yang tepat untuk mendapatkan hasil prediksi yang akurat. Hasil yang didapatkan dari penelitian ini, menunjukkan jika sistem yang akan dibangun nantinya dapat melihat nilai bitcoin dengan lebih baik lagi. Setelah di evaluasi dengan RMSE didapatkan nilai 335.201882 dengan epoch 10. Semakin kecil RMSE maka semakin baik performansi modelnya terhadap data testing.

Item Type: Article
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Geography
Depositing User: Mr Edi Surya Negara
Date Deposited: 16 Jun 2022 01:31
Last Modified: 16 Jun 2022 01:31
URI: http://eprints.binadarma.ac.id/id/eprint/11161

Actions (login required)

View Item View Item