EPrints Universitas Amikom YogyakartaPERBANDINGAN ALGORITMA LSTM, Bi-LSTM, DAN GRU UNTUK PREDIKSI HARGA CRYPTOWisnuWicaksonoauthorTingginya Ketidakstabilan harga cryptocurrency seperti Bitcoin menciptakan risiko signifikan bagi investor dan institusi keuangan. Model prediksi tradisional seringkali gagal menangkap pola data deret waktu yang kompleks dan non-stasioner ini. Meskipun model deep learning seperti LSTM, Bi-LSTM, dan GRU telah banyak diterapkan, terdapat kebutuhan untuk perbandingan kinerja yang komprehensif untuk menentukan arsitektur yang paling optimal dalam memprediksi harga aset yang sangat fluktuatif. Penelitian ini membandingkan tiga model yaitu LSTM, Bi-LSTM, dan GRU. Metode penelitian dimulai dari pengumpulan data harga Bitcoin (BTC) per jam periode 2018-2025. Data harga penutupan (Close) kemudian diproses menggunakan normalisasi MinMax Scaler dan teknik sliding window dengan time step 24 jam. Dataset dibagi menjadi 80% data latih dan 20% data uji, kemudian ketiga model dievaluasi kinerjanya menggunakan metrik RMSE, MAE, MAPE, dan R2 Score. Hasil penelitian menunjukkan bahwa model Bi-LSTM mencapai kinerja terbaik dengan tingkat error terendah dengan RMSE 503.49, MAE 331.89, MAPE 0.39%, dan R² 0.9994. Model LSTM menempati posisi kedua dengan RMSE 518.03, MAE 343.63, MAPE 0.41%, dan R² 0.9994, sedangkan GRU memiliki error tertinggi dengan RMSE 618.01, MAE 441.79, MAPE 0.49%, dan R² 0.9991. Menariknya, Bi-LSTM juga terbukti paling efisien dalam pembelajaran (konvergen di epoch 19) meskipun paling lambat secara komputasi (13ms/step). Penelitian ini memberikan kontribusi praktis bagi investor dan pengembang sistem FinTech dalam memilih model prediksi yang paling akurat dan efisien.000 Ilmu komputer, informasi dan pekerjaan umum006 Metode komputer khusus2026-01-28Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.