Prediksi Harga Mata Uang Kripto Menggunakan Algoritma Temporal Convolutional Network
DOI:
https://doi.org/10.29407/noe.v8i02.25363Keywords:
Prediksi Cryptocurrency, Ethereum, TCNAbstract
Cryptocurrency merupakan mata uang digital yang kini menjadi salah satu alternatif investasi dengan pertumbuhan yang sangat pesat. Salah satu tantangan utama dalam investasi cryptocurrency adalah volatilitas harga yang tinggi, sehingga memerlukan pendekatan analitik yang akurat untuk meminimalkan risiko. Ethereum, sebagai salah satu aset kripto paling populer, sering menjadi objek penelitian dalam prediksi harga karena fluktuasinya yang signifikan. Berbagai metode telah digunakan untuk memprediksi harga Cryptocurrency, salah satunya adalah Temporal Convolutional Network (TCN). Penelitian ini bertujuan untuk memprediksi harga penutupan harian Ethereum menggunakan algoritma Temporal Convolutional Network (TCN). Data historis diambil dari tahun 2018 hingga 2024 dan melalui proses pra-pemrosesan, pelatihan model, denormalisasi, serta evaluasi menggunakan metrik RMSE dan MAPE. Hasil menunjukkan bahwa konfigurasi terbaik diperoleh pada batch size 16 dan epoch 50, dengan nilai RMSE sebesar 91,45 dan MAPE sebesar 2,38%.
References
Aisyah, S., Angraini, Y., Sadik, K., Sartono, B., & Dito, G. A. (2024). Technical Analysis of the Indonesian Stock Market with Gated Recurrent Unit and Temporal Convolutional Network. 12(2), 187–196.
Aisyah, S., Angraini, Y., Sadik, K., Sartono, B., & Dito, G. A. (2024). Technical Analysis of the Indonesian Stock Market with Gated Recurrent Unit and Temporal Convolutional Network. 12(2), 187–196.
Andromeda, R. S., & Winarsih, N. A. S. (2025). Perbandingan Kinerja Metode LSTM dan GRU dalam Prediksi Harga Close Cryptocurrency Performance Comparison of LSTM and GRU Methods in Predicting Cryptocurrency Closing Prices. 14, 366–379.
Atmaja, D. M. U., & Hakim, A. R. (2022). Peramalan Harga Mata Uang Kripto Solana Menggunakan Metode Support Vector Regression (Svr). Jurnal Media Elektro, XI(2), 97–104. https://doi.org/10.35508/jme.v0i0.8117
Aysa, I. R. (2021). Tantangan Transformasi Digital Bagi Kemajuan Perekonomian Indonesia. Jurnal At-Tamwil: Kajian Ekonomi Syariah, 3(2), 140–153. https://doi.org/10.33367/at.v2i3.1458
Baharani, A. W., Apriza, Z., Mutmaina, N. A., & Sutabri, T. (2024). IJM: Indonesian Journal of Multidisciplinary Perbandingan Kinerja Mata Uang Kripto Utama: Bitcoin vs Ethereum. IJM: Indonesian Journal of Multidisciplinary, 2, 138–145. https://journal.csspublishing/index.php/ijm
Bastian Sianturi, T., Cholissodin, I., & Yudistira, N. (2023). Penerapan Algoritma Long Short-Term Memory (LSTM) berbasis Multi Fungsi Aktivasi Terbobot dalam Prediksi Harga Ethereum. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(3), 1101–1107. http://j-ptiik.ub.ac.id
Digo Saputra, R., & Hatta Fudholi, D. (2023). Model Mobile untuk Deteksi Objek pada On-Shelf Availability Produk Retail.
Fajou, J., & McCarren, A. (2021). Forecasting Gold Prices Using Temporal Convolutional Networks. CEUR Workshop Proceedings, 3105, 248–259.
Goa Mere, J. H. B. (2023). Pembuatan dan pengujian token crypto pada jaringan mainnet menggunakan smart contract binance smart chain (bsc) dan remix.ethereum. 14(c), 82–89.
Julkarnaen, A., Irma Purnamasari, A., & Ali, I. (2024). Analisis Penjualan Roti Pada Distributor My Roti Menggunakan Metode Regresi Linear Berdasarkan Nilai Rmse. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3225–3229. https://doi.org/10.36040/jati.v8i3.9426
Nurhakiki, J., & Yahfizham, Y. (2024). Studi Kepustakaan: Pengenalan 4 Algoritma Pada Pembelajaran Deep Learning Beserta Implikasinya. Jurnal Pendidikan Berkarakter, 1, 270–281. https://doi.org/10.51903/pendekar.v2i1.598
Pratiwi, K., & Nurjanah, S. (2025). Evaluasi Sistem Manajemen Persediaan untuk Mencegah Stockout Dan Mencapai Kepuasan Pelanggan ( Studi Kasus Industri Distribusi Listrik ). 12(1).
Richia Putri, M., Gibran Satya Nugraha, & Ramaditia Dwiyansaputra. (2023). Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pendidikan Menggunakan Metode K-Means Clustering. Journal of Computer Science and Informatics Engineering (J-Cosine), 7(1), 1–8. https://doi.org/10.29303/jcosine.v7i1.509
Rizkilloh, M. F., & Widiyanesti, S. (2022). Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM). Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(1), 25–31. https://doi.org/10.29207/resti.v6i1.3630
Saepudin, D., Egi Shidqi Rabbani, Dio Navialdy, & Didit Adytia. (2024). Water Level Time Series Forecasting Using TCN Study Case in Surabaya. Jurnal Online Informatika, 9(1), 61–69. https://doi.org/10.15575/join.v9i1.1312
Wasiman, & Saparudin. (2022). Di Kota Batam. Snistek, 4, 447–452.
Zaki, M., Baharuddin, Z., Hakim, A., Maulana, A., Islam, U., & Sumatera, N. (2025). INVESTASI CRYPTOCURRENCY DI INDONESIA. 4307(1), 543–551.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Aris Munandar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
How to Cite
