View/Open

Author
Wahyudiyanto,

Advisor
Mika Alvionita S, S.Si., M.Si.,
Tirta Setiawan, S.Pd., M.Si.,

Koleksi
Sains Data

Publisher

Harga Bitcoin yang sangat fluktuatif menimbulkan tantangan dalam prediksi harga yang akurat, sehingga integrasi sentimen pasar menjadi penting untuk meningkatkan keandalan model prediksi. Penelitian ini mengkaji pengaruh Crypto Fear and Greed Index (FGI) dalam memprediksi harga Bitcoin menggunakan model Multivariate Long Short-Term Memory (LSTM). Data yang digunakan berupa harga harian Bitcoin (open, high, low, close, volume) dan nilai FGI periode 1 Februari 2018–30 Mei 2025. Dua model dikembangkan, yaitu Model 1 yang hanya menggunakan lima fitur internal harga dan Model 2 yang mengintegrasikan FGI beserta korelasi bulanan antara FGI dan komponen harga. Proses pelatihan model dilakukan dengan penyetelan hyperparameter menggunakan algoritma Hyperband dan penerapan early stopping dengan metrik objektif Mean Squared Error (MSE). Evaluasi kinerja model dilakukan pada data uji menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa Model 2 mencapai nilai MAPE sebesar 2,33%, lebih rendah dibandingkan Model 1 dengan MAPE sebesar 6,02%. Temuan ini menegaskan bahwa integrasi sentimen pasar melalui FGI dan informasi korelasi bulanan mampu meningkatkan akurasi prediksi harga Bitcoin secara signifikan, serta memberikan implikasi positif bagi pengembangan sistem perdagangan otomatis yang lebih andal.

URI
https://repo.itera.ac.id/depan/submission/SB2508060039

Keyword
Bitcoin Crypto Crypto Fear and Greed Index Long-short Term Memory Multivariate Long-short Term Memory Hyperband MAPE