Meningkatkan Akurasi Prediksi Harga Bitcoin dengan Algoritma GRU-LSTM Hibrida

Abstract

Beberapa tahun terakhir , harga Bitcoin mengalami fluktuasi yang sangat signifikan, sehingga menimbulkan ketidakpastian bagi investor, pedagang, dan pemegang saham. Penelitian ini bertujuan untuk meningkatkan Akurasi prediksi harga Bitcoin di masa depan. Kontribusi utama penelitian ini membelajaran mesin dalam prediksi harga Bitcoin, serta membuka peluang untuk perbandingan dengan algoritma hibrida lainnya dalam prediksi harga mata uang kripto. Penelitian ini menggunakan dataset harga penutupan Bitcoin selama empat tahun ( dari 1 Januari 2021 hingga 31 Desember 2024), yang diambil dari situs web https://finance.yahoo.com. Prediksi model berdasarkan kombinasi algoritma GRU (Gated Recurrent Units) dan LSTM (Long Short-Term Memory), yang keduanya dirancang untuk menangani data time-series dan memberikan hasil yang lebih akurat dalam konteks Enzim harga Bitcoin. Hasil penelitian menunjukkan bahwa model hybrid GRU-LSTM mampu menghasilkan nilai R2 sebesar 0,976, yang menunjukkan tingkat akurasi yang sangat tinggi dalam Prediksi harga Bitcoin. Pada bulan berikutnya , prediksi yang dihasilkan menunjukkan hasil yang berkelanjutan meningkat , terindikasi bagaimana model ini dalam Prediksi Enzim harga bitcoin yang cenderung tidak tak terduga. Model ini dapat menjadi alat yang sangat berguna bagi investor dan pedagang dalam merencanakan strategi investasi mereka. Faktor utama yang berkontribusi terhadap hasil ini meliputi kualitas data yang kaya informasi, penggunaan model hibrida efektif, penyetelan hyperparameter optimal, serta pemilihan metrik evaluasi yang tepat seperti MAE, MSE, dan R2 untuk menghasilkan prediksi yang akurat dan dapat diandalkan. Penelitian ini menyarankan agar algoritma hybrid lainnya diuji untuk merenungkan efektivitas relatif dalam Prediksi harga mata uang kripto di masa depan