Article Per Year (5 Year)
p-Index From 2021 - 2026
3.247
P-Index
This Author published in this journals
All Journal SENTRALISASI JURTEKSI JOURNAL OF SCIENCE AND SOCIAL RESEARCH Progresif: Jurnal Ilmiah Komputer INFOKUM Journal of Computer Networks, Architecture and High Performance Computing Jurnal Abdimas Bina Bangsa sudo Jurnal Teknik Informatika Jurnal Informatika Teknologi dan Sains (Jinteks) Sisfo: Jurnal Ilmiah Sistem Informasi Journal of Computers and Digital Business Innovative: Journal Of Social Science Research JURNAL EKONOMI BISNIS DAN MANAJEMEN Jurnal Ekonomi Bisnis dan Manajemen INOVTEK Polbeng - Seri Informatika JRTI (Jurnal Riset Tindakan Indonesia) Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
Muhammad Ikhsan
Universitas Islam Negeri Sumatera Utara
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
PREDIKSI HARGA BITCOIN DENGAN MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY Ahmad Fauzan Nasution; Muhammad Ikhsan; Raissa Amanda Putri
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 5 (2026): October (2026)
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i5.7183

Abstract

Abstract: In digital era currently, crypto currencies such as Bitcoin has become a popular investment choice. However, high and unstable price fluctuations make investors need to have accurate information to make the right investment decisions. Therefore, in this study aims to predict the price of Bitcoin in using the Long Short Term Memory (LSTM) algorithm. The LSTM algorithm has a unique ability to process data dynamically and relevant information memory in the long and short term. This study conducted experiments in using historical data on Bitcoin prices over a certain period. Then, the data was processed and presented in the LSTM model to carry out the learning and prediction process. The results of this study indicated that the LSTM algorithm can predict Bitcoin prices with fairly good accuracy. The best accuracy was produced by the Long Short Term Memory method in predicting Bitcoin prices was carried out up to 30 trials with different parameters is 980.24 with RMSE calculations, and 2.41% with MAPE calculations. Keywords: Bitcoin, Cryptocurrency, Neural Network, Long Short Term Memory, Datatime Series, MAPE, And RMSE.   Abstrak: Dalam era digital saat ini, mata uang kripto seperti Bitcoin menjadi salah satu pilihan investasi yang populer. Namun, fluktuasi harga yang tinggi dan tidak stabil membuat investor perlu memiliki informasi yang akurat untuk membuat keputusan investasi yang tepat. Oleh karena itu, dalam penelitian ini kami bertujuan untuk memprediksi harga Bitcoin menggunakan algoritma Long Short Term Memory (LSTM). Algoritma LSTM memiliki kemampuan yang unik dalam memproses data secara dinamis dan memori informasi yang relevan dalam jangka panjang dan pendek. Penelitian ini melakukan eksperimen dengan menggunakan data historis harga Bitcoin selama periode tertentu. Kemudian, data tersebut diolah dan disajikan ke dalam model LSTM untuk melakukan proses pembelajaran dan prediksi. Hasil dari penelitian ini menunjukkan bahwa algoritma LSTM dapat memprediksi harga Bitcoin dengan akurasi yang cukup baik. Akurasi terbaik yang dihasilkan oleh metode Long Short Term Memory dalam melakukan prediksi harga Bitcoin yang dilakukan sampai dengan 30 kali percobaan dengan parameter berbeda-beda adalah 980.24 dengan perhitungan RMSE, dan 2.41% dengan perhitungan MAPE. Kata kunci: Bitcoin, Cryptocurrency, Jaringan Syaraf Tiruan, Algoritma Long Short Term Memory, Data Deret Waktu, MAPE, dan RMSE.
Co-Authors Abdul Halim Hasugian Ahmad Fauzan Nasution Aidil Halim Lubis Alfin Gimnastiar Andhika Fisryansah Ahlief Putra Andry Wiranda Hakiki Armansyah Armansyah As’Ary Sahlul Irsyad Ayu Amaliah Daffa Fadila Diah Ayu Anggraini Endah Avilia Chandra Farid Syah Zikri Fauzan Maulana Lubis Gustina Permatasari Ritonga Intan Nur Rafiqah Lisma Autia Mansalwa Utama Nasution Maulana Habibie Syahrandy Mhd Furqan Muhammad Chairul Azmi Muhammad Ridzki Hasibuan Muhammad Syahbudi Nanda Qurrota Annisa Limbong Nurbaiti, Nurbaiti Nurita Maha Raissa Amanda Putri Raja Putri Salsabila Suhardi, Suhardi Supiyandi Supiyandi Supiyandi Supiyandi