PREDIKSI HARGA BITCOIN JANGKA PANJANG MENGGUNAKAN LSTM DAN GRU BERBASIS ANALISIS SENTIMEN FINBERT

Prediksi harga Bitcoin jangka panjang merupakan tantangan tersendiri karena volatilitasnya yang tinggi dan dipengaruhi sentimen pasar serta pemberitaan finansial. Penelitian ini mengintegrasikan data historis harga Bitcoin harian (3.287 observasi, Januari 2017-Desember 2025, sumber Yahoo Finance) dengan skor sentimen dari 66.623 artikel berita CryptoVision Dataset yang diekstraksi menggunakan FinBERT, kemudian menerapkannya pada arsitektur Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dua belas skenario model dikembangkan dengan variasi arsitektur single-layer dan stacked, dengan dan tanpa integrasi sentimen, serta dengan dan tanpa optimasi hyperparameter menggunakan Optuna. Evaluasi dilakukan pada 646 sequence data uji menggunakan metrik MAPE, RMSE, R², dan Directional Accuracy. Model Optimized GRU dengan integrasi sentimen FinBERT memberikan performa terbaik, dengan MAPE 3,19%, RMSE USD 3.325,67, dan R² 0,9722. Optimasi hyperparameter terbukti menjadi faktor paling menentukan performa, sedangkan efektivitas integrasi sentimen bersifat kondisional terhadap arsitektur yang digunakan. Seluruh model mencatatkan Directional Accuracy di bawah 50%, mengindikasikan model lebih sesuai untuk estimasi harga jangka panjang dibandingkan sinyal perdagangan harian.