LONG SHORT TERM MEMORY UNTUK MEMPREDIKSI HARGA BITCOIN BERDASARKAN DATA TWITTER SENTIMEN DAN DATA RIWAYAT HARGA BITCOIN

MUHAMMAD ANINDITO ADHA, Agus Sihabuddin, S.Si., M.Kom., Dr.

2020 | Skripsi | S1 ILMU KOMPUTER

Bitcoin merupakan alternatif investasi yang lumayan banyak diminati oleh banyak orang karena kemudahannya bahkan bisa digunakan sebagai alat pembayaran. Namun nilai dari sebuah Bitcoin sangat fluktuatif sehingga banyak dilakukan penelitian untuk meprediksi harga bitcoin salah satunya dengan bantuan LSTM yang berdasar data historis harga bitcoin namun hasilnya sangat buruk, kemudian penelitian juga dilakukan dengan bantuan analisis sentimen dari sosial media twitter. Tujuan dari penelitian ini adalah untuk memprediksi harga Bitcoin dengan bantuan LSTM namun data yang digunakan tidak hanya data historis harga bitcoin namun sekaligus menggunakan data hasil analisis sentimen twitter. Pemilihan fiture yang akan digunakan dari masing-masing data berdasarkan tingkat korelasi tertinggi antar fiture dengan bantuan heatmap. Hasil penelitian ini menunjukan dapat di gunkananya data historis harga bitcoin dan hasil analisis sentiment twitter sebagai acuan untuk memprediksi harga Bitcoin dimana setelah menggabungkan fiture yang memiliki tingkat korelasi paling tinggi pada masingmasing data dapat menghasilkan nilai simpangan Mean Asolute Eror sebesar 31.198 dan untuk nilai Root Mean Square Eror sebesar 45.189. Sedangkan akurasi Dstat 82,288%.

Bitcoin is an investment alternative that is pretty much in demand by many because of its convenience and can even be used as a means of payment. But the value of a Bitcoin is very volatile so that a lot of research is done to predict the price of bitcoin one of them with the help of LSTM based on historical data of bitcoin prices but the results are very bad, then research is also carried out with the help of sentiment analysis from Twitter social media. However, The purpose of this study is to predict the price of Bitcoin with the help of LSTM, but the data used are not only historical data of bitcoin prices, but at the same time use data from the results of Twitter sentiment analysis. The selection of features to be used from each data is based on the highest level of correlation between features with the help of a heatmap. The results of this study indicate the use of historical bitcoin price data and the results of Twitter sentiment analysis as a reference to predict Bitcoin prices where after combining features that have the highest level of correlation on each data can produce a Mean Absolute Error value of 31.189 and for the Root Mean Square Error of 45,198. While for the destat accuracy is 82,288%.

Kata Kunci : Forcasting, LSTM, Bitcoin, Cryptocurrency