IMPLEMENTASI MODEL HYBRID CNN-LSTM DALAM PREDIKSI FLUKTUASI HARGA BITCOIN

Fluktuasi harga Bitcoin yang tinggi dan sulit diprediksi menjadi tantangan dalam sistem keuangan digital modern. Penelitian ini mengimplementasikan model hybrid Convolutional Neural Network–Long Short-Term Memory (CNN-LSTM) menggunakan data historis harian BTC-USD periode 2020–2024 dari Yahoo Finance yang telah melalui tahap pembersihan, normalisasi Min-Max, dan pembentukan sequence dengan sliding window. CNN berfungsi mengekstraksi pola lokal jangka pendek, sedangkan LSTM menangkap ketergantungan temporal jangka panjang. Hasil pengujian menunjukkan bahwa CNN-LSTM mampu memberikan performa prediksi yang baik dengan nilai RMSE 2.202,717, MAE 1.553,202, dan MAPE 2,244% atau akurasi sekitar 97,756%, lebih unggul dibandingkan CNN, LSTM, ARIMA, maupun regresi linier. Temuan ini membuktikan efektivitas pendekatan hybrid dalam menghadapi pola non-linear yang kompleks serta volatilitas pasar kripto, sekaligus memberikan kontribusi praktis bagi strategi perdagangan adaptif dan manajemen risiko aset digital berbasis kecerdasan buatan.