eprintid: 32252
rev_number: 16
eprint_status: archive
userid: 12
dir: disk0/00/03/22/52
datestamp: 2026-07-20 06:42:04
lastmod: 2026-07-20 06:42:04
status_changed: 2026-07-20 06:42:04
type: thesis
metadata_visibility: show
creators_name: Wicaksono, Wisnu
creators_nim: 22.11.4728
contributors_name: Rahardi, Majid
corp_creators: Universitas AMIKOM Yogyakarta
title: PERBANDINGAN ALGORITMA LSTM, Bi-LSTM, DAN GRU UNTUK
PREDIKSI HARGA CRYPTO
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.006
divisions: if
full_text_status: restricted
keywords: Prediksi Harga, Kripto, LSTM, Bi-LSTM, GRU, Price Prediction, Cryptocurrency.
abstract: Tingginya 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.
date: 2026-01-28
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Wicaksono, Wisnu  (2026) PERBANDINGAN ALGORITMA LSTM, Bi-LSTM, DAN GRU UNTUK PREDIKSI HARGA CRYPTO.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32252/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32252/8/Sourcecode%20-%2022.11.4728.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32252/9/Publikasi.pdf