Optimasi Prediksi Cryptocurrency Menggunakan Pendekatan Deep Learning

Abstract

Cryptocurrency adalah mata uang digital terdesentralisasi yang diatur oleh pemerintah pusat. Karena cryptocurrency sangat fluktuatif, analisis diperlukan sebelum menggunakan cryptocurrency untuk meminimalkan kerugian. Penelitian ini melakukan perbandingan antara model Long Short Term Memory (LSTM) dan algoritma optimasi seperti Adam dan Root Mean Square Propagation (RMSProp) untuk melakukan prediksi terhadap nilai cryptocurrency. Metode LSTM dioptimasi menggunakan Adam Optimizer dan dievaluasi berdasarkan Root Mean Square Error (RMSE). Dengan demikian diperoleh prediksi nilai RMSE sebesar 0.08217562639465784 yang merupakan nilai error yang kecil sehingga mendekati nilai aktual. Sedangkan nilai RMSE 0.10699215580552895 menggunakan RMSProp mendapatkan nilai yang lebih besar yang berdampak terhadap akurasi hasil prediksi. Dengan demikian kombinasi antara algoritma LSTM dan Adam dapat melakukan prediksi dan mengoptimasi data dengan akurat.