Perpustakaan Digital ITB

Cryptocurrency, khususnya Bitcoin (BTC) dan Ethereum (ETH), menunjukkan volatilitas harga yang tinggi, menyulitk:an prediksi dan berpotensi menyebabkan kerugian signifikan bagi investor. Penelitian ini bertujuan untuk mengembangkan model prediksi harga cryptocurrency yang akurat dengan mengintegrasikan beragam sumber data dan analisa sentimen. Pendekatan yang diusulkan menggabungkan data historis harga, indikator technical analysis (Stochastic Oscillator, Williams %R, dan Relative Strength lndex), serta analisa sentimen dari data tweet dan berita terkait cryptocurrency. Metodologi penelitian ini mengimplementasikan dan membandingkan dua model utama: CNN-LSTM dan GRU-LSTM. Eksperimen dilakukan dalam lima skenario berbeda untuk mengevaluasi pengaruh kombinasi sumber data: Skenario 1 (Analisa Sentimen Tweet dan Berita dengan Technical analysis), Skenario 2 (Analisa Sentimen Berita dengan Technical analysis), Skenario 3 (Analisa Sentimen Tweet dengan Technical analysis), Skenario 4 (Analisa Sentimen Tweet dan Berita), dan Skenario 5 (Technical analysis). Evaluasi model dilakukan menggunakan metrik standar yaitu Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa model yang mengintegrasikan dua sumber analisa sentimen dengan technical analysis memberikan performa prediksi terbaik untuk BTC dan ETH, dengan rata-rata MAPE sebesar 0.28% dan 0.31 %. Penambahan data sentimen secara signifikan meningkatkan akurasi prediksi dibandingkan model yang hanya mengandalkan technical analysis. Secara keseluruhan, kombinasi analisa sentimen dan technical secara konsisten memberikan hasil yang lebih baik dibandingkan dengan pendekatan yang hanya menggunakan salah satu jenis analisa. Penelitian ini memberikan kontribusi signifikan dalam pengembangan model prediksi harga cryptocurrency yang lebih akurat dengan memanfaatk:an berbagai sumber data.