PERBANDINGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU) UNTUK PREDIKSI CRYPTOCURRENCY AAVE

Baihaqki, Dicky Akbar (2025) PERBANDINGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU) UNTUK PREDIKSI CRYPTOCURRENCY AAVE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (177kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (730kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (271kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (620kB)
	Text (BAB V) BAB V.pdf Download (82kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (319kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4396.zip Restricted to Repository staff only Download (821kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (705kB)

Abstract

Uang elektronik mulai digunakan banyak orang terutama para investor, pebisnis dan pengusaha. Karena digadang-gadang uang elektronik akan bisa menggantikan uang fisik dimasa mendatang. Perkembangan teknologi keuangan berbasis blockchain telah melahirkan berbagai jenis mata uang crypto, salah satunya adalah Aave. Dengan tingkat volatilitas yang tinggi, berinvestasi pada cryptocurrecy dapat memberikan keuntungan atau kerugian signifikan bagi para investor. Maka dari itu untuk berinvestasi pada cryptocurrency diperlukan analisis prediksi untuk menentukan harga cryptocurrency kedepanya. Pada Penelitian ini akan dilakukan perbandingan antara algoritma Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dengan menggunakan data historis harga Aave yang diambil dari pasar cryptocurrency sebagai dataset. Dataset tersebut kemudian diolah dan dibagi menjadi data latih dan data uji untuk mengevaluasi performa model. Evaluasi dilakukan berdasarkan beberapa metrik, diantaranya Mean Absolute Percentage Error (MAPE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Squared Error (MSE). Hasil Penelitian Menunjukan kedua algoritma mampu memprediksi harga Aave dengan cukup baik dengan skenario pengujian yang diberikan. Namun algoritma Long Short-Term Memory (LSTM) menunjukan hasil yang lebih baik jika dibandingkan dengan Gated Recurrent Unit (GRU). Dengan demikian, penelitian ini memberikan wawasan tentang keunggulan antara kedua algoritma. Serta dapat menjadi acuan bagi pengembang sistem prediksi keuangan dalam memilih algoritma yang sesuai dengan kebutuhan pengembangan sistem.

Actions (login required)

View Item