PERBANDINGAN ALGORITMA LSTM, BI-LSTM, DAN GRU DALAM PREDIKSI HARGA BITCOIN BERBASIS DEEP LEARNING

Abstract

Prediksi harga Bitcoin merupakan tantangan utama dalam dunia keuangan digital karena tingginya volatilitas dan kompleksitas pola pergerakan pasar. Penelitian ini bertujuan untuk membandingkan tiga arsitektur deep learning, yaitu Long Short-Term Memory (LSTM), Bidirectional LSTM (Bi-LSTM), dan Gated Recurrent Unit (GRU), yang masing-masing dikombinasikan dengan Convolutional Neural Network (CNN) sebagai fitur ekstraktor awal. Dataset yang digunakan adalah data historis harian BTC/USDT dari tahun 2017 hingga 2025, dengan total 2.700 data. Evaluasi dilakukan menggunakan metrik MSE, RMSE, MAE, dan MAPE, serta analisis sinyal beli dan jual berdasarkan indikator teknikal. Hasil menunjukkan bahwa model Bi-LSTM memiliki akurasi tertinggi dengan nilai validation loss terendah dan kinerja prediktif paling stabil. Model GRU memberikan hasil kompetitif dengan deviasi yang kecil, sedangkan LSTM menunjukkan performa yang kurang optimal. Temuan ini memperkuat efektivitas arsitektur hybrid CNN-RNN dalam meningkatkan kualitas prediksi dan sinyal transaksi pada pasar kripto yang fluktuatif.