Perbandingan Model ARIMA dan LSTM dengan Integrasi Analisis Volatilitas GARCH dan Support-Resistance untuk Sistem Pendukung Keputusan Trading Bitcoin, Analisis Pergerakan Harga Bitcoin/USD (BTC-USD) dengan Data Historis

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.