eprintid: 7490
rev_number: 7
eprint_status: archive
userid: 46
dir: disk0/00/00/74/90
datestamp: 2024-03-07 03:34:53
lastmod: 2024-03-07 03:34:53
status_changed: 2024-03-07 03:34:53
type: thesis
metadata_visibility: show
creators_name: Hadi, Abdul
creators_name: Harsani, Prihastuti
creators_name: , Mulyati
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Hadi, Abdul
contributors_name: Harsani, Prihastuti
contributors_name: , Mulyati
contributors_NIDN: 0427017501
contributors_NIDN: 0412128502
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pengetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: PREDIKSI HARGA LUNA CLASSIC (LUNC) DENGAN 
METODE LONG SHORT TERM MEMORY (LSTM)
ispublished: pub
subjects: QK
divisions: sch_mat
full_text_status: public
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
date: 2024-01
date_type: published
pages: 29
institution: Universitas Pakuan
department: Fakultas Matematika dan Ilmu Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Hadi, Abdul and Harsani, Prihastuti and Mulyati  (2024) PREDIKSI HARGA LUNA CLASSIC (LUNC) DENGAN METODE LONG SHORT TERM MEMORY (LSTM).  Skripsi thesis, Universitas Pakuan.   
document_url: http://eprints.unpak.ac.id/7490/1/Jurnal-BI-Abdul%20Hadi%20065118013.pdf