@prefix owl: . @prefix foaf: . @prefix rdfs: . @prefix event: . @prefix geo: . @prefix dct: . @prefix epid: . @prefix skos: . @prefix dc: . @prefix xsd: . @prefix cc: . @prefix void: . @prefix rdf: . @prefix ep: . @prefix eprel: . @prefix bibo: . <> foaf:primaryTopic ; rdfs:comment "The repository administrator has not yet configured an RDF license."^^xsd:string . dct:hasPart ; ep:hasFile ; rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . dct:hasPart ; ep:hasFile ; rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . dct:hasPart ; ep:hasFile ; rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Archive)"^^xsd:string . rdf:type bibo:Document, ep:Document; rdfs:label "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN (Text)"^^xsd:string . rdf:_1 . <> ; bibo:abstract "Pasar cryptocurrency, khususnya Binance Coin (BNB), memiliki\r\nkarakteristik volatilitas yang sangat tinggi. Kenaikan harga BNB didorong oleh\r\nbeberapa faktor fundamental, termasuk adopsi yang luas dalam ekosistem BNB\r\nChain yang berkembang pesat, peningkatan minat dari investor institusional, dan\r\nmekanisme token burn yang secara berkala mengurangi pasokan. Karena dinamika\r\nharga yang kompleks ini, metode peramalan tradisional seringkali tidak memadai.\r\nTingginya risiko dan potensi keuntungan menuntut adanya model prediksi yang\r\nlebih canggih sebagai alat bantu pengambilan keputusan bagi investor. Penelitian\r\nini bertujuan untuk mengembangkan model hybrid deep learning dengan arsitektur\r\nConvolutional Neural Network-Long Short-Term Memory (CNN-LSTM) yang\r\ndioptimalkan menggunakan Genetic Algorithm untuk memprediksi harga\r\ncryptocurrency Binance Coin.\r\nPenelitian ini mencakup beberapa tahapan, mulai dari pengumpulan data\r\nharga historis Binance Coin (BNB), pra-pemrosesan data dengan normalisasi,\r\nhingga perancangan model. Dalam arsitektur yang diusulkan, lapisan CNN\r\nberfungsi untuk mengekstraksi fitur-fitur penting dari data deret waktu, sementara\r\nlapisan LSTM digunakan untuk menangkap dependensi temporal jangka panjang.\r\nUntuk meningkatkan akurasi, Genetic Algorithm diterapkan untuk\r\nmengoptimalkan hiperparameter dari model CNN-LSTM, sehingga menemukan\r\nkonfigurasi arsitektur yang paling efektif. Kinerja model dievaluasi menggunakan\r\nmetrik Mean Absolute Percentage Error (MAPE), Root Mean Squared Error\r\n(RMSE), Mean Absolute Error (MAE), dan Mean Squared Error (MSE).\r\nHasil penelitian menunjukkan bahwa model CNN-LSTM yang\r\ndioptimalkan dengan Genetic Algorithm mampu memberikan prediksi dengan\r\ntingkat akurasi yang menjanjikan dan menunjukkan keunggulan performa\r\ndibandingkan dengan model baseline. Sinergi antara CNN-LSTM yang\r\ndisempurnakan melalui optimasi evolusioner terbukti sangat efektif dalam\r\nmemodelkan data finansial yang bersifat non-linear dan fluktuatif. Penelitian ini\r\nmenyimpulkan bahwa model yang diusulkan dapat menjadi alat yang berharga bagi\r\ninvestor dalam merumuskan strategi dan manajemen risiko di pasar cryptocurrency."^^xsd:string; bibo:authorList ; bibo:status ; dc:hasVersion , , , , , , , , ; dct:creator , ; dct:date "2026-05-11"; dct:isPartOf ; dct:issuer , ; dct:subject ; dct:title "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN\r\nARSITEKTUR CNN-LSTM DENGAN GENETIC \r\nALGORITHM UNTUK PREDIKSI HARGA\r\nCRYPTOCURRENCY BINANCE COIN"^^xsd:string; ep:hasDocument , , , , , , , , ; ep:hasPublished , , , , , , , , ; rdf:type bibo:Article, bibo:Thesis, ep:EPrint, ep:ThesisEPrint; rdfs:seeAlso . rdf:type skos:Concept; skos:prefLabel "000 Ilmu komputer, informasi dan pekerjaan umum"@en . rdfs:label "COVER.pdf"^^xsd:string . rdfs:label "BAB I.pdf"^^xsd:string . rdfs:label "BAB V.pdf"^^xsd:string . dc:format "text/html"; dc:title "HTML Summary of #33178 \n\nIMPLEMENTASI DEEP LEARNING MENGGUNAKAN \nARSITEKTUR CNN-LSTM DENGAN GENETIC \nALGORITHM UNTUK PREDIKSI HARGA \nCRYPTOCURRENCY BINANCE COIN\n\n"; foaf:primaryTopic . dct:isPartOf ; foaf:name "Fakultas Ilmu Komputer, Universitas AMIKOM Yogyakarta"^^xsd:string; rdf:type foaf:Organization . dct:hasPart ; foaf:name "Universitas AMIKOM Yogyakarta"^^xsd:string; rdf:type foaf:Organization . foaf:familyName "Zacky"^^xsd:string; foaf:givenName "Haydar Wildan"^^xsd:string; foaf:name "Haydar Wildan Zacky"^^xsd:string; rdf:type foaf:Person . foaf:familyName "Abdulloh"^^xsd:string; foaf:givenName "Ferian Fauzi"^^xsd:string; foaf:name "Ferian Fauzi Abdulloh"^^xsd:string; rdf:type foaf:Person .