Prediksi Harga Near Koin Berdasarkan Variabel Dummy Menggunakan Metode Long-short Term Memory

Abstract

Perkembangan teknologi digital mendorong meningkatnya penggunaan aset kripto sebagai instrumen investasi dengan tingkat volatilitas yang tinggi. Salah satu aset yang mengalami pertumbuhan signifikan adalah NEAR Coin, sebuah blockchain layer-1 yang sensitif terhadap perubahan sentimen makroekonomi global, termasuk kebijakan moneter yang diumumkan oleh Federal Open Market Committee (FOMC). Penelitian ini bertujuan untuk memprediksi harga NEAR Coin menggunakan metode Long Short-Term Memory (LSTM) dengan memanfaatkan data harga historis harian periode Oktober 2020 hingga Agustus 2025. Analisis deskriptif berbasis return menunjukkan bahwa periode 2020-2022 memiliki tingkat volatilitas tahunan tertinggi, yaitu antara 123% hingga 177%, sedangkan periode 2023-2025 cenderung lebih stabil. Untuk menangkap pola temporal jangka panjang, model menggunakan fitur lag harga 1-7 hari serta variabel dummy FOMC yang bernilai 1 pada tanggal rapat dan lima hari setelahnya guna merepresentasikan efek tertunda kebijakan moneter. Model terbaik diperoleh dengan konfigurasi look back = 28, hidden size = 128, batch size = 32, dropout = 0.1, dan learning rate = 0.0032. Evaluasi menunjukkan performa prediksi yang baik dengan nilai Test RMSE sebesar 0.2492 dan Test MAPE sebesar 4.93%. Hasil prediksi satu bulan ke depan menggambarkan pergerakan harga NEAR Coin yang relatif stabil. Temuan ini menunjukkan bahwa LSTM efektif dalam memodelkan pola harga kripto dan sensitivitasnya terhadap kebijakan moneter global.