Prediksi Harga Cryptocurrency berdasarkan model Artificial Neural Network

ABSTRAK

Prediksi harga cryptocurrency yang akurat sangat penting untuk membantu para trader memperkirakan harga cryptocurrency yang berfluktuasi, sehingga diperlukan ketelitian yang tinggi dalam memprediksi harga cryptocurrency. Artificial Neural Network (ANN) merupakan salah satu model yang cukup populer di bidang IT karena memberikan hasil akurasi terbaik dalam melakukan prediksi. Model ANN sangat ampuh dalam mengenali berbagai pola untuk memodelkan dan memprediksi harga mata uang kripto. Penelitian ini bertujuan untuk mengevaluasi kinerja model ANN dalam memprediksi harga mata uang kripto menggunakan algoritma backpropagation (BP). Data yang digunakan sebanyak 476 yang terdiri dari atribut date, open, high, low, close, adj-close, dan volume. Penulis melakukan perhitungan dengan menetapkan setiap atribut sebagai variabel target kecuali atribut date (D), jumlah lapisan tersembunyi, dan jumlah node pada setiap lapisan. Perhitungan dilakukan berdasarkan variasi arsitektur model untuk memperoleh nilai mean square error (MSE). Hasil penelitian menunjukkan bahwa strategi ketiga dengan tiga lapisan tersembunyi (THL) khususnya pada pelatihan BP-3C merupakan model terbaik dibandingkan dengan strategi pertama yang menggunakan satu lapisan tersembunyi (SHL), dan strategi kedua yang menggunakan dua lapisan tersembunyi. layer (DHL), dengan nilai MSE sekitar 3.6412e-04 atau nilai akurasi sekitar 99.97% dan waktu proses 5 ms/step. Hal ini menunjukkan bahwa model THL BP-3C merupakan model yang tepat untuk memprediksi cryptocurrency.

مستخلص البحث

تعد التنبؤات الدقيقة لأسعار العملات المشفرة مهمة جدًا لمساعدة المتداولين على تقدير أسعار العملات المشفرة المتقلبة، لذلك هناك حاجة إلى دقة عالية في التنبؤ بأسعار العملات المشفرة. تعد الشبكة العصبية الاصطناعية (ANN) نموذجًا شائعًا جدًا في مجال تكنولوجيا المعلومات لأنه يوفر أفضل النتائج الدقيقة في عمل التنبؤات. تعتبر نماذج ANN قوية جدًا في التعرف على الأنماط المختلفة لنمذجة أسعار العملات المشفرة والتنبؤ بها. يهدف هذا البحث إلى تقييم أداء نموذج ANN في التنبؤ بأسعار العملات المشفرة باستخدام خوارزمية الانتشار العكسي (BP). كانت البيانات المستخدمة 476، وتتكون من سمات التاريخ، والفتح، والأعلى، والمنخفض، والإغلاق، والإغلاق، والحجم. يقوم المؤلف بإجراء الحسابات عن طريق تعيين كل سمة كمتغير مستهدف باستثناء سمة التاريخ (D)، وعدد الطبقات المخفية، وعدد العقد في كل طبقة. يتم إجراء الحسابات بناءً على الاختلافات في بنية النموذج للحصول على قيمة متوسط مربع الخطأ (MSE). أظهرت نتائج البحث أن الإستراتيجية الثالثة ذات الطبقات الثلاث المخفية (THL)، خاصة في تدريب BP-3C، هي النموذج الأفضل مقارنة بالإستراتيجية الأولى التي تستخدم طبقة مخفية واحدة (SHL)، والإستراتيجية الثانية التي تستخدم طبقتين مخفيتين (SHL). الطبقات (DHL)، بقيمة MSE تبلغ حوالي 3.6412e-04 أو قيمة دقة تبلغ حوالي% 99.97 ووقت معالجة يبلغ 5 مللي ثانية/الخطوة. يوضح هذا أن نموذج THL BP-3C هو النموذج الصحيح للتنبؤ بأسعار العملات المشفرة.

ABSTRACT

Accurate cryptocurrency price predictions are very important to help traders estimate fluctuating cryptocurrency prices, so high accuracy is needed in predicting cryptocurrency prices. Artificial Neural Network (ANN) is a model that is quite popular in the IT field because it provides the best accuracy results in making predictions. ANN models are very powerful in recognizing various patterns to model and predict cryptocurrency prices. This research aims to evaluate the performance of the ANN model in predicting cryptocurrency prices using the backpropagation (BP) algorithm. The data used was 476, consisting of date, open, high, low, close, adj-close, and volume attributes. The author carries out calculations by setting each attribute as a target variable except the date (D) attribute, the number of hidden layers, and the number of nodes in each layer. Calculations are carried out based on variations in model architecture to obtain the mean square error (MSE) value. The research results show that the third strategy with three hidden layers (THHL), especially in BP-3C training, is the best model compared to the first strategy, which uses one hidden layer (OHL), and the second strategy which uses two hidden layers (THL), with an MSE value of around 3.6412e-04 or an accuracy value of around 99.97% and a processing time of 5 ms/step. This shows that the THHL BP-3C model is the right model for predicting cryptocurrency prices.