Prediksi Harga Cryptocurrency Dengan Menggunakan Model Informer

Muhammad, Nuansa Cahaya (2025) Prediksi Harga Cryptocurrency Dengan Menggunakan Model Informer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211015-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Cryptocurrency merupakan mata uang digital berbasis teknologi blockchain yang memungkinkan transaksi dilakukan secara virtual. Popularitasnya yang terus meningkat dalam beberapa tahun terakhir telah menarik perhatian banyak investor. Namun, pertumbuhan pesat ini juga disertai dengan tingkat volatilitas harga yang tinggi, sehingga menciptakan peluang keuntungan yang besar sekaligus risiko yang signifikan. Dalam konteks ini, prediksi harga cryptocurrency menjadi sangat penting untuk mendukung pengambilan keputusan dan manajemen risiko. Meski demikian, proses prediksi harga cryptocurrency tidaklah mudah karena pola pergerakan harga yang cenderung kompleks dan bersifat non-linier. Dalam penelitian ini, diterapkan model Informer, sebuah arsitektur deep learning yang dirancang untuk menangani deret waktu dengan efisiensi komputasi lebih baik dibandingkan Transformer konvensional. Model ini dilatih menggunakan data historis dengan rentang waktu dari 1 Februari 2015 hingga 1 Februari 2025. Penelitian ini dilakukan dengan empat skenario panjang prediksi, yaitu 1 hari, 7 hari, 30 hari, dan 90 hari, serta dua arsitektur model, yaitu Informer dan Transformer, yang masing-masing diuji dengan dua konfigurasi window size 120 dan 180. Hasil eksperimen menunjukkan bahwa Informer secara konsisten mencatatkan performa evaluasi yang lebih baik dibandingkan Transformer, baik pada prediksi jangka pendek maupun jangka panjang. Selain itu, window size 180 menghasilkan hasil yang lebih akurat dibandingkan window size 120. Kombinasi terbaik diperoleh pada model Informer dengan window size 180 dan panjang prediksi 1 hari, yang mencatatkan nilai MSE sebesar 1.054, MAE sebesar 0.245, MAPE sebesar 1.079%, serta waktu pelatihan yang efisien yaitu 5792.59 detik. Secara keseluruhan, Informer tidak hanya unggul dalam hal akurasi, tetapi juga menunjukkan efisiensi waktu pelatihan yang lebih baik dibandingkan Transformer di seluruh skenario, sehingga menjadikannya pilihan yang lebih unggul dan praktis untuk prediksi harga cryptocurrency berbasis data deret waktu.
=========================================================================================================================================
Cryptocurrency is a digital currency based on blockchain technology that enables transactions to be carried out virtually. Its increasing popularity in recent years has attracted the attention of many investors. However, this rapid growth is also accompanied by a high degree of price volatility, creating both significant profit opportunities and risks. In this context, cryptocurrency price prediction becomes essential to support decision-making and risk management. Nevertheless, predicting the price of cryptocurrency is not an easy task due to the complex and non-linear nature of its price movements. This study applies the Informer model, a deep learning architecture designed to handle time series data with better computational efficiency compared to the conventional Transformer. The model was trained using historical data ranging from February 1, 2015 to February 1, 2025. This study was conducted using four prediction length scenarios, namely 1 day, 7 days, 30 days, and 90 days, and two model architectures, Informer and Transformer, each tested with two window size configurations: 120 and 180. The experimental results show that Informer consistently outperformed Transformer in terms of evaluation metrics, both in short-term and long-term predictions. In addition, the window size of 180 generally resulted in better accuracy compared to window size 120. The best combination was achieved by the Informer model with a window size of 180 and a prediction length of 1 day, which recorded the lowest error values with an MSE of 1.054, MAE of 0.245, MAPE of 1.079%, and an efficient training time of 5792.59 seconds. Overall, Informer not only excels in terms of accuracy but also demonstrates better training time efficiency compared to Transformer across all scenarios, making it a superior and practical choice for cryptocurrency price prediction based on time series data.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Cryptocurrency, Prediksi Harga, Informer, Deret Waktu, Cryptocurrency, Price Prediction, Informer, Time Series
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Nuansa Cahaya Muhammad
Date Deposited:	01 Aug 2025 02:13
Last Modified:	01 Aug 2025 02:13
URI:	http://repository.its.ac.id/id/eprint/125021

Actions (login required)

View Item