<![CDATA[Perkembangan investasi cryptocurrency, khususnya Ethereum (ETH), terus meningkat seiring dengan bertambahnya jumlah investor aset digital. Namun, tingginya volatilitas harga cryptocurrency menyebabkan proses pengambilan keputusan trading menjadi lebih kompleks dan berisiko. Oleh karena itu, diperlukan metode prediksi yang mampu menghasilkan informasi harga secara akurat untuk mendukung pengambilan keputusan investasi. Penelitian ini bertujuan untuk membandingkan performa algoritma Gated Recurrent Unit (GRU) dan Bidirectional Gated Recurrent Unit (Bi-GRU) dalam memprediksi harga penutupan Ethereum serta mengimplementasikan model terbaik ke dalam sistem trading strategy berbasis web. Metode penelitian menggunakan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM) yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset yang digunakan berupa data historis harian ETH-USD yang diperoleh dari Yahoo Finance pada periode 9 November 2016 hingga 16 Januari 2026. Proses penelitian mencakup prapemrosesan data, pelatihan model, evaluasi performa menggunakan RMSE, MAE, MSE, R², dan Explained Variance, serta implementasi sistem berbasis web. Hasil penelitian menunjukkan bahwa model GRU memberikan performa yang lebih baik dibandingkan Bi-GRU dengan nilai RMSE sebesar 150,99, MAE sebesar 117,70, MSE sebesar 22.798,51, R² sebesar 0,96, dan Explained Variance sebesar 0,98. Hasil prediksi kemudian diintegrasikan ke dalam strategi trading berbasis aturan yang menghasilkan sinyal buy, sell, dan hold. Sistem berhasil diimplementasikan menggunakan Vercel dan Hugging Face Spaces. Hasil penelitian menunjukkan bahwa algoritma GRU efektif untuk prediksi harga Ethereum dan berpotensi mendukung pengambilan keputusan trading berbasis data secara lebih objektif.]]>
Copyrights © 2026
