IMPLEMENTASI LONG SHORT- TERM MEMORY UNTUK MEMPREDIKSI HARGA SHIBA INU BERBASIS WEBSITE MENGGUNAKAN PLATFORM PYTHON

Abstract

Revolusi Industri 4.0 telah menghadirkan transformasi besar dalam berbagai sektor, termasuk keuangan digital melalui perkembangan mata uang kripto. Salah satu aset kripto yang cukup populer adalah Shiba Inu, yang dikenal memiliki volatilitas harga yang tinggi dan sangat dipengaruhi oleh dinamika global. Untuk membantu investor dalam mengambil keputusan yang lebih tepat, diperlukan model prediksi harga yang andal. Penelitian ini menggunakan metode Long Short-Term Memory (LSTM), yaitu algoritma Recurrent Neural Network (RNN) yang dirancang untuk menangani data deret waktu dan mampu mengingat pola historis secara lebih efektif dibandingkan metode statistik tradisional seperti AR, MA, dan ARIMA. Model dibangun menggunakan bahasa pemrograman Python dan diintegrasikan ke dalam sebuah platform berbasis web guna memberikan akses prediksi secara real-time. Hasil dari penelitian ini menunjukkan bahwa LSTM memiliki performa prediksi yang lebih akurat dalam menangani fluktuasi harga Shiba Inu. Diharapkan, model ini dapat menjadi alat bantu pengambilan keputusan investasi yang lebih cerdas dan responsif terhadap perubahan pasar kripto.