| dc.description.abstract | Fluktuasi harga Bitcoin yang tinggi memerlukan pendekatan analitis yang
komprehensif untuk mendukung keputusan investasi. Penelitian ini bertujuan
membandingkan kinerja model peramalan Autoregressive Integrated Moving
Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam memprediksi
harga Bitcoin/USD, serta mengintegrasikan ketiga model dengan analisis teknikal
Support-Resistance ke dalam sebuah prototipe sistem pendukung keputusan trading
berbasis R Shiny. Data yang digunakan adalah data sekunder harga penutupan
harian Bitcoin/USD periode 7 Maret 2025 hingga 14 Maret 2026 yang
merepresentasikan kondisi bear market, diakses secara fleksibel melalui API Yahoo
Finance. Hasil penelitian menunjukkan bahwa data tidak stasioner dalam mean (p-
value ADF = 0,8612) maupun dalam varians (p-value ARCH = 0), sehingga model
hybrid ARIMA-GARCH lebih tepat digunakan. Model ARIMA-GARCH Hybrid
terpilih sebagai model terbaik dengan MAPE 2,30 persen, unggul dibandingkan
LSTM yang memiliki MAPE 10,09 persen. Model GARCH(1,1) berhasil
mengidentifikasi pola volatilitas Bitcoin dengan parameter alpha 0,108 dan beta
0,828, serta current volatility 2,32 persen dengan persistence 93,6 persen. Integrasi
ketiga model menghasilkan rekomendasi akhir tahan dengan level ambil
keuntungan 69.179,92 dolar dan batas kerugian72.211,63 dolar sebagai acuan
manajemen risiko. Prototipe dashboard interaktif yang dibangun dengan R Shiny
berhasil memvisualisasikan pergerakan harga, level teknikal, hasil prediksi,
volatilitas, dan sinyal trading secara real-time. Sistem ini diharapkan dapat menjadi
alat bantu yang praktis bagi investor dalam mengambil keputusan trading berbasis
data yang lebih terukur. | en_US |
