Kiram, Saiful (2025) PEMBANDINGAN PERFORMA MODEL TCN (TEMPORAL CONVOLUTIONAL NETWORK) DAN GRU (GATE RECURRENT UNIT) DALAM PREDIKSI HARGA CRYPTOCURRENCY (STUDI KASUS ETHEREUM). S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (54kB)
	Text asbtrak.pdf Download (75kB)
	Text BAB 1.pdf Download (95kB)
	Text dapus.pdf Download (147kB)
	Text Skripsi Saiful Kiram.pdf Restricted to Registered users only Download (3MB)

Abstract

Penelitian ini bertujuan untuk membandingkan performa Temporal Convolutional Network (TCN) dan Gated Recurrent Unit (GRU) dalam memprediksi harga cryptocurrency Ethereum menggunakan data historis harian selama empat tahun terakhir yang diperoleh dari Yahoo Finance. Data tersebut diolah melalui proses normalisasi dan dibagi menjadi dua set, yaitu data pelatihan dan data pengujian, dengan proporsi 80% untuk data latih dan 20% untuk data uji. Evaluasi model dilakukan menggunakan tiga metrik utama, yaitu Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Mean Squared Error (MSE), untuk mengukur tingkat akurasi dan performa masing-masing model. Hasil penelitian menunjukkan bahwa model TCN unggul dalam metrik MAE sebesar 87,189 dan MAPE sebesar 2,93%, yang menunjukkan kemampuannya dalam menangkap pola dengan tingkat kesalahan absolut yang lebih kecil. Di sisi lain, model GRU memberikan hasil terbaik pada metrik MSE sebesar 14.663,979, yang mencerminkan kemampuannya menghadapi fluktuasi harga yang besar dengan lebih andal. Temuan ini menunjukkan bahwa TCN lebih efektif digunakan untuk analisis pola harga yang stabil, sedangkan GRU lebih sesuai untuk kondisi pasar dengan volatilitas tinggi. Penelitian ini memberikan wawasan yang bermanfaat mengenai efektivitas model prediksi berbasis deep learning untuk analisis pasar cryptocurrency, khususnya pada prediksi harga Ethereum. Hasil yang diperoleh dapat menjadi acuan dalam pengembangan model prediksi yang lebih adaptif serta memberikan kontribusi bagi pengambilan keputusan investasi di pasar cryptocurrency.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Kiram Saiful
Date Deposited:	27 Feb 2025 05:09
Last Modified:	27 Feb 2025 05:09
URI:	https://rama.unimal.ac.id/id/eprint/10444

Actions (login required)

View Item