E-PREDICTION BITCOIN SEBAGAI ASET INVESTASI MODERN: PERBANDINGAN KINERJA DALAM KONTEKS ‘EMAS DIGITAL’ MENGGUNAKAN MODEL PREDIKTIF LONG SHORT-TERM MEMORY (LSTM) DAN ARIMA

Abstract

Bitcoin telah bertransformasi menjadi fenomena ekonomi global, sering kali diposisikan sebagai "Emas Digital" yang menawarkan lindung nilai di tengah ketidakpastian pasar. Namun, volatilitas harga yang ekstrem menjadi tantangan utama bagi investor dalam mengambil keputusan yang presisi. Penelitian ini bertujuan untuk melakukan komparasi empiris kinerja antara dua pendekatan peramalan yang berbeda: metode statistik klasik AutoRegressive Integrated Moving Average (ARIMA) dan algoritma Deep Learning Long Short-Term Memory (LSTM). Penelitian menggunakan data time-series harga harian Bitcoin periode 1 Januari 2020 hingga 31 Desember 2024, mencakup berbagai siklus pasar mulai dari fase bull run hingga crypto winter. Sistem dibangun melalui tahapan pra pemrosesan data yang ketat, meliputi uji stasioneritas untuk ARIMA dan normalisasi Min-Max untuk LSTM, serta diimplementasikan ke dalam prototipe dashboard berbasis web menggunakan kerangka kerja Streamlit. Evaluasi kinerja dilakukan menggunakan metrik standar Mean Absolute Percentage Error (MAPE) dan Root Mean Squared Error (RMSE). Hasil pengujian menunjukkan temuan yang signifikan bahwa model ARIMA (1,1,1) terbukti lebih superior dibandingkan LSTM dalam memetakan pola pergerakan harga Bitcoin pada dataset ini. ARIMA mencatatkan tingkat akurasi yang lebih tinggi dengan nilai MAPE sebesar 1.77% dan RMSE $1,570.54, sementara model LSTM dengan arsitektur Stacked 2 Hidden Layers menghasilkan MAPE sebesar 3.19% dan RMSE $2,137.93. Penelitian ini menyimpulkan bahwa meskipun LSTM memiliki kemampuan komputasi yang kompleks, pendekatan statistik ARIMA menunjukkan stabilitas dan efisiensi yang lebih baik dalam menangani tren linear pada data harga Bitcoin periode pengujian. Sistem E-Prediction yang dihasilkan diharapkan dapat menjadi instrumen pendukung keputusan yang andal bagi investor dalam menavigasi pasar aset kripto.