Perbandingan Performa Algoritma Bidirectional Long Short - Term Memory (BiLSTM) dan Bidirectional Gated Recurrent Unit (BiGRU) Dalam Prediksi Harga Ethereum Tahun 2019-2024 = Performance Comparison of Bidirectional Long Short - Term Memory (BiLSTM) and Bidirectional Gated Recurrent Unit (BiGRU) Algorithms in Ethereum Price Prediction 2019-2024

Latar belakang. Pergerakan harga Ethereum yang sangat fluktuatif kerap menyulitkan investor dalam membuat keputusan yang tepat. Teknologi deep learning seperti Bidirectional Long Short-Term Memory (BiLSTM) dan Bidirectional Gated Recurrent Unit (BiGRU) hadir sebagai solusi modern untuk memahami pola-pola kompleks dalam data keuangan, khususnya aset kripto. Tujuan. Penelitian ini bertujuan untuk membandingkan performa algoritma BiLSTM dan BiGRU dalam memprediksi harga Ethereum periode 2019–2024 guna memperoleh model dengan akurasi prediksi terbaik. Metode. Data harga penutupan Ethereum diperoleh melalui teknik scraping dari Yahoo Finance. Tahapan penelitian meliputi preprocessing data, normalisasi, pembentukan timesteps, tuning hyperparameter menggunakan Hyperband, pelatihan dan evaluasi model dengan metrik RMSE dan MAPE. Hasil. Model BiLSTM menghasilkan RMSE sebesar 122,65 dan MAPE sebesar 3,05%. Sementara itu, BiGRU menghasilkan RMSE sebesar 99,6 dan MAPE 2,36%. BiGRU mampu menangkap pola harga secara lebih akurat dan stabil dibandingkan BiLSTM, terutama dalam menghadapi perubahan ekstrem. Kesimpulan. Berdasarkan hasil evaluasi, BiGRU lebih unggul dalam melakukan prediksi harga Ethereum dibandingkan BiLSTM. Oleh karena itu, BiGRU direkomendasikan sebagai model prediktif yang lebih andal untuk harga aset kripto dengan pola volatilitas tinggi.

Keyword : Deep learning; prediksi aset digital; time series; evaluasi model; prediksi kripto.