Detail Tugas Akhir

Perbandingan Generalisasi Train-Test Split Dan Tscv Pada Lstm Untuk Prediksi Harga Bitcoin

Pranata, Aditiya Pandu (2026) Perbandingan Generalisasi Train-Test Split Dan Tscv Pada Lstm Untuk Prediksi Harga Bitcoin. Undergraduate thesis, Universitas Muhammadiyah Jember.

Berkas Tugas Akhir

PDF
Text
2110651035 Pendahuluan.pdf
PDF
Text
2110651035 Abstrak.pdf
PDF
Text
2110651035 BAB 1.pdf
PDF
Text
2110651035 BAB 2.pdf
Restricted to Registered users only
PDF
Text
2110651035 BAB 3.pdf
Restricted to Registered users only
PDF
Text
2110651035 BAB 4.pdf
Restricted to Registered users only
PDF
Text
2110651035 BAB 5.pdf
Restricted to Registered users only
PDF
Text
2110651035 Daftar Pustaka.pdf
PDF
Text
2110651035 Daftar Lampiran.pdf
Restricted to Registered users only

Abstract

Perubahan harga Bitcoin yang cepat dan pola pergerakan yang tidak selalu konsisten menjadi salah satu kendala dalam melakukan prediksi. Penelitian ini bertujuan menganalisis kemampuan model Long Short-Term Memory (LSTM) dalam memprediksi harga penutupan Bitcoin dengan membandingkan performa model berdasarkan skema Train-Test Split dan Time Series Cross-Validation (TSCV). Dataset penelitian terdiri atas data harian OHLCV Bitcoin dengan nilai close digunakan sebagai variabel target. Kinerja model dinilai berdasarkan Mean
Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute
Percentage Error (MAPE). Hasil pengujian menunjukkan bahwa model terbaik
pada skema TSCV memperoleh MAE 574,4, RMSE 802,7, dan MAPE 2,04%, sedangkan skema Train-Test Split menghasilkan MAE 2644,766, RMSE 3263,914, dan MAPE 4,191%. Hasil tersebut menunjukkan bahwa TSCV menghasilkan kesalahan prediksi yang lebih rendah pada data validasi. Namun, evaluasi menggunakan unseen data pada periode 18 September–31 Desember 2024 menunjukkan bahwa kedua model memperoleh accuracy sebesar 0,529 dalam
mengidentifikasi arah perubahan harga. Dengan demikian, performa TSCV yang lebih baik pada data validasi belum secara langsung menunjukkan kemampuan generalisasi yang lebih baik ketika model dihadapkan pada data baru dengan karakteristik pola yang berbeda.

Informasi Item

Item Type Thesis (Undergraduate)
Keywords/Kata Kunci Bitcoin, LSTM, Time Series Cross-Validation, Train-Test Split, peramalan harga.
Subjects 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions Faculty of Engineering > Department of Informatics Engineering (S1)
Date Deposited 13 Nov 2026 01:19
Last Modified 13 Nov 2026 01:38
URI https://repository.unmuhjember.ac.id/id/eprint/32964

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?