<![CDATA[Pergerakan harga Bitcoin yang sangat volatil menjadikan prediksi arah harga sebagai tantangan penting dalam pasar cryptocurrency. Penelitian ini bertujuan untuk menganalisis pengaruh kombinasi indikator teknikal terhadap kinerja model hybrid Convolutional Neural Network–Long Short-Term Memory (CNN–LSTM) dalam memprediksi arah harga Bitcoin, serta mengevaluasi kontribusi masing-masing kategori indikator melalui metode ablation study. Model diuji menggunakan data harga Bitcoin periode 2023–2025 yang di-resample ke interval 15 menit dengan delapan indikator teknikal terpilih. Hasil pengujian menunjukkan bahwa Full Model mencapai performa terbaik dengan nilai accuracy sebesar 97,74% dan AUC-ROC 99,78%, meningkat signifikan dibandingkan model Baseline berbasis OHLCV. Analisis ablation menunjukkan bahwa indikator Trend-Following dan Momentum memberikan kontribusi terbesar terhadap peningkatan performa model, diikuti oleh indikator RSI, sementara kategori Oscillator justru menunjukkan dampak negatif. Temuan ini menegaskan bahwa kombinasi CNN untuk ekstraksi pola lokal dan LSTM untuk menangkap dependensi temporal efektif dalam menangani karakteristik pergerakan harga Bitcoin yang fluktuatif, serta berpotensi digunakan sebagai dasar pengembangan sistem pendukung keputusan dalam strategi trading aset kripto.]]>
Copyrights © 2026
