OPTIMASI METODE BACKPROPAGATION MENGGUNAKAN STOCHASTIC GRADIENT DESCENT UNTUK PREDIKSI HARGA BITCOIN

ALABUYA, NAUFAL AFKAR (2022) OPTIMASI METODE BACKPROPAGATION MENGGUNAKAN STOCHASTIC GRADIENT DESCENT UNTUK PREDIKSI HARGA BITCOIN. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (31kB)
	Text Cover.pdf Download (133kB)
	Text DAFTAR ISI.pdf Download (76kB)
	Text DAFTAR PUSTAKA.pdf Download (34kB)
	Text Halaman Pengesahan Pembimbing.pdf Download (105kB)
	Text HalamanPengesahanPenguji.pdf Download (135kB)
	Text SKRIPSIFULL_NaufalAfkarA_123170054.pdf Restricted to Repository staff only Download (1MB)

Abstract

Bitcoin merupakan implementasi pertama dari cryptocurrency, bitcoin sendiri
diciptakan oleh seorang anonim yang kemudian diberi nama Satoshi Nakotomo pada tahun
2008. Sampai saat ini bitcoin masih menjadi koin dengan marketcap terbesar sehingga dapat
mempengaruhi keseluruhan crypto market. Bitcoin memiliki kartakteristik yang mencolok
yaitu memiliki volatilitas harga yang tinggi. Sifat bitcoin yang memiliki volatilitas harga
yang tinggi serta sifatnya yang spesial dan berbeda dari pasar uang tradisional sehingga topik
ini menarik untuk price forecasting atau peramalan harga. Salah satu metode yang dapat
digunakan untuk memprediksi harga bitcoin adalah backpropagation. Metode
backpropagation cocok digunakan untuk memprediksi suatu kejadian yang berlangsung
pada masa yang akan datang dengan menggunakan data historis.
Akan tetapi seperti metode-metode lainnya, backpropagation juga memiliki kelemahan dalam proses penentuan
parameter optimal yang akan digunakan terutama pemilihan parameter bobot.
Dikarenakan adanya kekurangan pada backpropagation maka dibutuhkan suatu
metode optimasi yang dapat mengatasi permasalahan update bobot, oleh karena itu
digunakan sebuah metode optimasi stochastic gradient descend (SGD) yang berguna untuk
mengoptimasi parameter bobot. Dengan metode SGD proses penyesuaian bobot menuju ke
global minimum cost dapat dipercepat sehingga proses keseluruhan proses update bobot
berlangsung lebih cepat dan stabil. Dengan demikian metode SGD dapat digunakan untuk
mengoptimasi parameter bobot sehingga dapat didapatkan bobot optimal sehingga nilai
error yang dihasilkan dapat berkurang dan akurasi dari hasil prediksi menjadi meningkat.
Dalam penelitian ini, proses pengujian model dilakukan menggunakan dua skenario
yang bertujuan untuk mendapatkan kombinasi parameter yang dapat menghasilkan nilai
error terendah. Berdasarkan hasil pengujian, kombinasi parameter terbaik dihasilkan dengan
kombinasi perbandingan data training dan testing sebesar 80:20, 2 neuron hidden layer, 0,01
learning rate dan epoch 100 yang menghasilkan MSE sebesar 0,121 pada model tanpa
optimasi dan 0,02 pada model setelah dioptimasi dengan SGD. Oleh karena itu, Penambahan
optimasi SGD terbukti mampu menurunkan nilai error pada prediksi harga bitcoin.
Kata kunci : Prediksi, Bitcoin, Cryptocurrency, Backpropagation, Stochastic Gradient Descend

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediksi, Bitcoin, Cryptocurrency, Backpropagation, Stochastic Gradient Descend
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	16 Jan 2023 06:57
Last Modified:	16 Jan 2023 06:59
URI:	http://eprints.upnyk.ac.id/id/eprint/32439

Actions (login required)

View Item