%T PREDIKSI HARGA BITCOIN MENGGUNAKAN MODEL
HIBRIDA TRANSFORMER DAN LONG SHORT-TERM
MEMORY
%X Peramalan harga Bitcoin merupakan tantangan signifikan akibat fluktuasi
pasar yang tinggi, di mana model deret waktu konvensional seringkali gagal
menangkap dependensi data jangka pendek dan panjang secara bersamaan. Untuk
mengatasi masalah tersebut, penelitian ini bertujuan mengembangkan dan
mengevaluasi model deep learning hibrida guna meningkatkan presisi peramalan
harga Bitcoin. Model yang diusulkan mengintegrasikan arsitektur Long Short-Term
Memory (LSTM), yang andal dalam memproses data sekuensial, dengan
mekanisme atensi pada Transformer yang mampu mengidentifikasi hubungan data
yang relevan. 
Metode penelitian mencakup penggunaan data harga historis Bitcoin yang
telah melalui tahap pra-pemrosesan dan normalisasi. Arsitektur model terdiri dari
dua lapisan LSTM (30 unit), diikuti oleh lapisan Transformer dengan Multi-Head
Attention (satu head, dimensi kunci empat), dan diakhiri dengan lapisan Global
Average Pooling. Pelatihan model dilakukan menggunakan konfigurasi optimal
selama 10 epoch dengan ukuran batch 128. Hasil evaluasi menunjukkan kinerja
prediksi yang sangat akurat, dibuktikan dengan nilai Mean Absolute Percentage
Error (MAPE) sebesar 0.000594 dan R-squared (R²) 0.999967. Temuan ini
menegaskan bahwa pendekatan hibrida efektif dalam menangkap pola kompleks
pada data harga Bitcoin, sehingga menawarkan alat yang lebih kuat untuk analisis
keuangan di pasar cryptocurrency.
%A Rio Irawan
%K Deep Learning, LSTM, Model Hibrida, Peramalan Harga Bitcoin,
Transformer, Bitcoin Price Forecasting, Hybrid Model.
%I Universitas AMIKOM Yogyakarta
%L universitasamikomyogyakarta31744
%D 2025