PREDIKSI HARGA LUNA CLASSIC (LUNC) DENGAN METODE LONG SHORT TERM MEMORY (LSTM)

Hadi, Abdul and Harsani, Prihastuti and Mulyati (2024) PREDIKSI HARGA LUNA CLASSIC (LUNC) DENGAN METODE LONG SHORT TERM MEMORY (LSTM). Skripsi thesis, Universitas Pakuan.

Text Jurnal-BI-Abdul Hadi 065118013.pdf Download (440kB)

Abstract

PREDIKSI HARGA LUNA CLASSIC (LUNC) DENGAN METODE LONG SHORT TERM MEMORY (LSTM) Abdul Hadi1 , Prihastuti Harsani 2 , Mulyati3,* 1,2,3Department of Computer Science, Faculty of Mathematics and Natural Science, Pakuan University, Bogor, West Java, 16143, Indonesia Abstrak Penelitian ini melakukan analisis terhadap Prediksi Harga Luna Classic (LUNC) Dengan Metode Long Short Term Memory (LSTM). Metode penelitian yang digunakan adalah Knowledge Discovery in Database (KDD) memiliki serangkaian tahapan yaitu Data Cleaning & Integration, Data Selection & Transformation, Data Mining, dan Evaluation and Presentation. Tujuan dari penelitian ini adalah memprediksi Harga Luna Classic (LUNC) dengan Metode Long Short Term Memory (LSTM) dengan prediksi harga sesuai dataset yang dipakai untuk mencari pemodelan yabg paling baik dan akurat. Data pada penelitian ini diperoleh dari website yahoo.finance.com yang merupakan data harian time series tanggal 3 Februari 2021 sampai dengan 11 Mei 2022. Proses pembuatan model prediksi dilakukan menggunakan software Jupyter Notebook. Untuk mencari model dengan tingkat kesalahan error terkecil dilakukan 4 eksperimentasi pada menggunakan rasio 90:10, 80:20, 70:30, dan 60:40, lalu dilakukan juga ekperimentasi pada perubahan hyperparameter yang berbeda pada parameter neuron 10, 20, 30, 40, 50 dan epoch 100, 500, 1000. Dari keseluruhan percobaan yang telah dilakukan didapatkan hasil yang paling optimal pada percobaan dengan rasio 80:20, parameter neuron 40 dan epoch 1000. RMSE yang didapatkan sebesar 0.638, perolehan nilai MAPE sebesar 1.66%. Dilakukan juga percobaan pada LSTM 1 variabel dengan rasio 80:20 parameter neuron 40 dan epoch 1000. RMSE yang didapatkan sebesar 8.579, dengan perolehan nilai MAPE sebesar 9.10%. Kata Kunci: Luna Classic; Cryptocurrency; Data Mining; Prediksi; LSTM

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	07 Mar 2024 03:34
Last Modified:	07 Mar 2024 03:34
URI:	http://eprints.unpak.ac.id/id/eprint/7490

Actions (login required)

View Item