Penerapan Metode LSTM untuk Prediksi Harga Ethereum
Abstract
Perkembangan teknologi blockchain dalam beberapa tahun terakhir memberikan dampak besar terhadap sistem keuangan global, salah satunya melalui Ethereum (ETH) yang berfungsi sebagai aset kripto sekaligus fondasi ekosistem smart contract. Namun, volatilitas tinggi harga ETH membuat metode prediksi tradisional sulit menangkap pola nonlinier yang kompleks. Penelitian ini menerapkan metode Long Short-Term Memory (LSTM) untuk memprediksi harga ETH menggunakan data time-series dari investing.com periode 1 Januari 2021 hingga 21 Agustus 2025. Model LSTM dengan tiga lapisan menghasilkan performa baik dengan MAE 0,0387 dan R² 0,9741 pada data latih, serta MAE 22,59% dan R² 80,55% pada data uji. Hasil ini membuktikan bahwa LSTM efektif dalam mempelajari pola fluktuasi harga ETH meskipun akurasi pada data baru masih dapat ditingkatkan. Kontribusi penelitian ini adalah memperkuat literatur terkait prediksi kripto berbasis data jangka panjang sekaligus memberikan manfaat praktis bagi investor dan regulator dalam memahami dinamika volatilitas ETH.
Keywords
References
A. Widiana, F. E. B. Sitepu, N. Natasya, S. J. Nur’ain, and D. Sakuntala, “Dampak Digitalisasi Keuangan Terhadap Stabilitas Sistem Keuangan Global,” Jurnal Studi Ilmu Akuntansi, vol. 3, no. 2, pp. 1–25, 2024.
E. P. Ningrum, Hartono, and N. Adriana, “Peran Teknologi Blockchain dalam Meningkatkan Transparansi dan Efisiensi Sistem Keuangan dan Akuntansi,” Journal Scientific of Mandalika, vol. 6, no. 7, pp. 2809–0543, 2025.
A. Arwani and U. Priyadi, “Eksplorasi Peran Teknologi Blockchain dalam Meningkatkan Transparansi dan Akuntabilitas dalam Keuangan Islam: Tinjauan Sistematis,” Jurnal Ekonomi Bisnis dan Manajemen, vol. 2, no. 2, pp. 23–37, Mar. 2024, doi: 10.59024/jise.v2i2.653.
T. Stiyo Famuji, Herman, and Sunardi, “Smart Contract Penyimpanan Data Genetika Manusia Berbiaya Murah Pada Blockchain Ethereum,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, no. 3, pp. 695–704, 2024, doi: 10.25126/jtiik.2024117558.
F. S. Fadilah, K. Agustin, A. Agustian, A. Rauf, and A. Reza, “Peningkatan Skalabilitas Jaringan Ethereum Melalui Implementasi Sharding: Studi Kasus dan Evaluasi Kinerja,” Jurnal SENTIMETER, vol. 4, 2025.
R. Benediktus, Al-Amin, Rahmat, Zuwardi, and I. Izmuddin, “Memahami Nilai Tukar Kripto dalam Ekonomi Digital: Pendekatan Investasi di Masa Kini,” Jurnal Ilmu Pendidikan, Ekonomi dan Teknologi, vol. 1, no. 6, pp. 560–571, 2024.
S. Darmawan and W. Azizah, “Analisis Volatilitas Harga Bitcoin Setelah Halving Terhadap Harga Ethereum, Tether, Binance Coin, dan USDC,” SAINS: Jurnal Manajemen dan Bisnis, vol. 17, no. 2, 2025, doi: http://dx.doi.org/10.35448/jmb.v17i2.28065.
D. M. Nugraha and D. Ariatmanto, “Meningkatkan Akurasi Prediksi Harga Bitcoin dengan Algoritma GRU-LSTM Hibrida,” JURNAL BUFFER INFORMATIKA, vol. 11, no. 1, pp. 16–26, 2025, [Online]. Available: https://journal.fkom.uniku.ac.id/index.php/buffer
I. Carolina and T. Haryanto, “Modeling Of Hyperparameter Tuned RNN-LSTM and Deep Learning For Garlic Price Forecasting In Indonesia,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 7, no. 2, pp. 502–513, Jan. 2024, doi: 10.31289/jite.v7i2.10714.
H. D. Diash, V. Nathania, M. Idhom, and Trimono, “Application of CNN-BiLSTM Algorithm for Ethereum Price Prediction,” Journal of Applied Informatics and Computing (JAIC), vol. 9, no. 4, pp. 1709–1714, 2025, doi: https://doi.org/10.30871/jaic.v9i4.9757.
S. M. Natzir and H. Jatiprasetya, “Prediksi Harga Cryptocurrency XLM Menggunakan Metode Deep Learning LSTM dan GRU,” JURNAL TEKNOLOGI INFORMASI, vol. 16, no. 1, pp. 49–58, 2025, doi: 10.52972/hoaq.vol16no1.
N. Azzahra, M. D. Handayani, and A. Aliyah, “Evaluasi Kinerja AI berbasis Recurrent Neural Network (RNN) dalam Mengidentifikasi Ancaman Phising pada URL Website,” Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi, vol. 3, no. 3, pp. 15–37, Jun. 2025, doi: 10.62951/bridge.v3i3.485.
T. B. Sianturi, I. Cholissodin, and N. Yudistira, “Penerapan Algoritma Long Short-Term Memory (LSTM) berbasis Multi Fungsi Aktivasi Terbobot dalam Prediksi Harga Ethereum,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, pp. 1101–1107, Mar. 2023, [Online]. Available: http://j-ptiik.ub.ac.id
A. A. S. Pradhana and K. S. Batubulan, “LSTM Network Application for Forecasting Ethereum Price Changes and Trends,” JSIKTI: Jurnal Sistem Informasi dan Komputer terapan Indonesia, vol. 7, no. 2, pp. 64–73, Oct. 2024, doi: 10.26594/register.v8i2.2541.
I. F. Riziq and A. R. Dzikrillah, “Implementasi Algoritma LSTM Dan SVR Untuk Prediksi Harga Bitcoin Menggunakan Data Yahoo Finance,” METIK JURNAL, vol. 9, no. 2, p. 2025, 2025, doi: 10.47002/metik.v9i2.1077.
N. O. Idris and F. Pontoiyo, “Evaluasi Model Machine Learning untuk Prediksi Harga Mobil dengan Perbandingan Ensemble dan Regresi Linear,” Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI), vol. 2025, no. 1, pp. 129–143, 2025, [Online]. Available: https://jurnal.unity-academy.sch.id/index.php/jirsi/index
E. Fiola, F. Yulius, D. M. Risani, M. Alvionita, and F. D. Irawati, “Metode Seleksi Variabel dalam Pemodelan Regresi Linear Data Curah Hujan Provinsi Lampung,” Seminar Nasional Sains Data, vol. 2024, 2024.
R. A. Saputra and A. Pratama, “Implementasi Decision Tree untuk Prediksi Harga Rumah di Daerah Tebet,” Journal of Information System Management (JOISM), vol. 6, no. 2, pp. 164–170, 2025.
R. R. Hallan and I. N. Fajri, “Prediksi Harga Rumah menggunakan Machine Learning Algoritma Regresi Linier,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 7, no. 1, pp. 57–62, Jan. 2025, doi: 10.47233/jteksis.v7i1.1732.
N. Syakrani and N. A. S. R, “Konsistensi Model Regresi Empat Variabel Pada Populasi dan Sampel untuk Prediksi Temperatur,” Journal of Applied Computer Science and Technology, vol. 6, no. 1, pp. 9–16, Jun. 2025, doi: 10.52158/jacost.v6i1.971.
Fusion Media Limited, “Data Historis Ethereum - Investing.com,” https://id.investing.com/crypto/ethereum/historical-data. Accessed: Aug. 25, 2025. [Online]. Available: https://id.investing.com/crypto/ethereum/historical-data
J. Cahyani, S. Mujahidin, and T. P. Fiqar, “Implementasi Metode Long Short Term Memory (LSTM) untuk Memprediksi Harga Bahan Pokok Nasional,” Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 11, no. 2, pp. 346–357, Apr. 2023, doi: 10.26418/justin.v11i2.57395.
Keras Team, “Nadam,” https://github.com/keras-team/keras/blob/v3.11.3/keras/src/optimizers/nadam.py#L7. Accessed: Aug. 25, 2025. [Online]. Available: https://keras.io/api/optimizers/Nadam/
DOI: http://dx.doi.org/10.30872/jurti.v9i3.22169
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Jurnal Rekayasa Teknologi Informasi (JURTI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi :
Program Studi Informatika
Fakultas Teknik
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.