PREDIKSI HARGA BITCOIN DENGAN PENDEKATAN LONG SHORT TERM MEMORY (LSTM) BERDASARKAN DATA HISTORIS DAN SENTIMEN PENGGUNA PLATFORM X

Puspitasari, Dhea Adellia Nadya (2026) PREDIKSI HARGA BITCOIN DENGAN PENDEKATAN LONG SHORT TERM MEMORY (LSTM) BERDASARKAN DATA HISTORIS DAN SENTIMEN PENGGUNA PLATFORM X. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 16221033_cover.pdf Restricted to Repository staff only until 24 April 2028. Download (203kB) | Request a copy
	Text 16221033_statement_of_authenticity.pdf Restricted to Repository staff only until 24 April 2028. Download (41kB) | Request a copy
	Text 16221033_publishing_agreement.pdf Restricted to Repository staff only until 24 April 2028. Download (223kB) | Request a copy
	Text 16221033_approval_sheet.pdf Restricted to Repository staff only until 24 April 2028. Download (51kB) | Request a copy
	Text 16221033_preface.pdf Restricted to Repository staff only until 24 April 2028. Download (267kB) | Request a copy
	Text 16221033_abstract_id.pdf Restricted to Repository staff only until 24 April 2028. Download (278kB) | Request a copy
	Text 16221033_abstract_en.pdf Restricted to Repository staff only until 24 April 2028. Download (277kB) | Request a copy
	Text 16221033_table_of_content.pdf Restricted to Repository staff only until 24 April 2028. Download (294kB) | Request a copy
	Text 16221033_illustrations.pdf Restricted to Repository staff only until 24 April 2028. Download (234kB) | Request a copy
	Text 16221033_tables.pdf Restricted to Repository staff only until 24 April 2028. Download (235kB) | Request a copy
	Text 16221033_notations.pdf Restricted to Repository staff only until 24 April 2028. Download (334kB) | Request a copy
	Text 16221033_chapter_1.pdf Restricted to Repository staff only until 24 April 2028. Download (368kB) | Request a copy
	Text 16221033_chapter_2.pdf Restricted to Repository staff only until 24 April 2028. Download (469kB) | Request a copy
	Text 16221033_chapter_3.pdf Restricted to Repository staff only until 24 April 2028. Download (440kB) | Request a copy
	Text 16221033_chapter_4.pdf Restricted to Repository staff only until 24 April 2028. Download (531kB) | Request a copy
	Text 16221033_conclusions.pdf Restricted to Repository staff only until 24 April 2028. Download (236kB) | Request a copy
	Text 16221033_bibliography.pdf Restricted to Repository staff only until 24 April 2028. Download (250kB) | Request a copy
	Text 16221033_enclosure.pdf Restricted to Repository staff only until 24 April 2028. Download (4MB) | Request a copy
	Text 16221033_paper.pdf Restricted to Repository staff only until 24 April 2028. Download (505kB) | Request a copy
	Text 16221033_presentation.pdf Restricted to Repository staff only until 24 April 2028. Download (2MB) | Request a copy
	Text 16221033_Form. TA-020.pdf Restricted to Repository staff only until 24 April 2028. Download (310kB) | Request a copy

Abstract

Cryptocurrency merupakan mata uang digital yang memungkinkan transaksi langsung antara pengguna tanpa keterlibatan pihak ketiga. Di antara berbagai jenis cryptocurrency, Bitcoin merupakan paling populer dan digemari karena menjadi pelopor yang memiliki kapitalisasi pasar terbesar dan volatilitas harganya yang tinggi, serta berperan sebagai aset digital utama yang sering dijadikan acuan dalam pergerakan pasar kripto. Keunggulan utama Bitcoin adalah sifatnya yang desentralisasi, sehingga transaksi bebas dilakukan kapan saja tanpa dibatasi kebijakan yang sewaktu-waktu dapat berubah. Fenomena ini menjadikan Bitcoin sebagai topik yang sering diperbincangkan di media sosial, khususnya X (Twitter), yang kerap menjadi tempat munculnya opini dan sentimen publik. Penelitian ini bertujuan untuk memprediksi harga Bitcoin dengan mengkombinasikan data historis dan sentimen platform X. Sentimen dianalisis dengan membedakan opini menjadi kategori positif, netral, negatif, yang disatukan untuk menghasilkan skor gabungan (compound) menggunakan metode VADER (Valence Aware Dictionary and Sentiment Reasoner), dan kemudian dirata-ratakan menjadi skor harian. Skor sentimen yang diperoleh selanjutnya dianalisis dengan data historis Bitcoin untuk membentuk model prediksi. Metode pendekatan yang digunakan adalah Long Short Term Memory (LSTM), salah satu model deep learning yang mampu mempelajari pola jangka panjang pada data time series. Tiga skenario pemodelan LSTM dibandingkan untuk memperoleh kinerja terbaik. Hasil evaluasi menunjukkan bahwa skenario 3 merupakan model terbaik dengan akurasi terendah yaitu MAE sebesar 0,03, RMSE sebesar 0,03, dan MAPE sebesar 0,02%, yang menegaskan bahwa sentimen dan variabel lag mampu meningkatkan akurasi prediksi. Hal ini mengindikasikan bahwa sentimen di media sosial berpengaruh terhadap pergerakan harga Bitcoin, karena pasar kripto sensitif terhadap opini publik dan persepsi investor.

Item Type:	Thesis (Bachelor)
Subjects:	A General Works > AI Indexes (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi > Statistik
Depositing User:	Dhea Adellia
Date Deposited:	09 Jan 2026 07:47
Last Modified:	09 Jan 2026 07:47
URI:	http://repository.itk.ac.id/id/eprint/25118

Actions (login required)

View Item