%0 Thesis
%9 S1 - Sarjana
%A Saroso, Yuswo
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:31394
%I Universitas AMIKOM Yogyakarta
%K Ethereum, Prediksi Harga, LSTM, Deep Learning, Data Deret Waktu, Kriptokurensi
%T PREDIKSI HARGA ETHEREUM MENGGUNAKAN METODE LONG SHORT-TERM MEMORY
%U https://eprints.amikom.ac.id/id/eprint/31394/
%X Prediksi harga aset kripto seperti Ethereum (ETH) menjadi penting seiring  meningkatnya volatilitas dan nilai pasar yang signifikan. Penelitian ini bertujuan  untuk membangun model prediktif harga Ethereum menggunakan metode Long  Short-Term Memory (LSTM), salah satu arsitektur jaringan saraf tiruan yang  unggul dalam menangani data deret waktu non-linear. Dataset yang digunakan  mencakup data historis harga harian Ethereum, termasuk fitur-fitur seperti harga  pembukaan, penutupan, tertinggi, terendah, dan volume perdagangan. Data  dibersihkan, dinormalisasi, dan dibagi menjadi data latih dan uji sebelum  dimasukkan ke dalam arsitektur LSTM yang dioptimalkan.   Hasil pengujian menunjukkan bahwa model LSTM mampu memprediksi  harga Ethereum dengan tingkat akurasi yang baik. Skenario pengujian terbaik, yang  menggunakan 200 epoch dan batch size 32, menghasilkan nilai koefisien  determinasi (R²) sebesar 0.9740, Mean Absolute Error (MAE) sebesar 78.62, dan  Mean Absolute Percentage Error (MAPE) sebesar 0.0301. Kumpulan nilai ini  mengindikasikan bahwa model berhasil menangkap pola kompleks serta hubungan  jangka panjang dalam data harga kripto dengan tingkat kesalahan yang rendah.  Temuan ini menegaskan efektivitas LSTM dalam analisis data deret waktu yang  fluktuatif. Selain itu, model ini memiliki potensi untuk diterapkan dalam  pengambilan keputusan investasi dan pengembangan sistem perdagangan otomatis.  Studi ini juga merekomendasikan penelitian lanjutan dengan mempertimbangkan  variabel makroekonomi, sentimen pasar, serta eksplorasi model hibrida guna  meningkatkan performa prediksi di masa mendatang.