Memprediksi cryptocurrency telah menjadi subjek penelitian yang luas
dalam beberapa tahun terakhir. Sifat yang sangat fluktuatif dari pergerakan harga
cryptocurrency menjadi tantangan dalam penelitian ini. Penelitian ini bertujuan
untuk membandingkan model LSTM dan BiLSTM serta pengaruh parameternya
dalam prediksi harga cryptocurrency. Penelitian ini berfokus pada data historis
selama dua tahun, dari 2020 hingga 2022, untuk tiga cryptocurrency: Bitcoin
(BTC), Ethereum (ETH), dan Litecoin (LTC). Tiga indikator digunakan dalam fase
pengujian, yaitu batch size, epoch, dan jumlah unit. Berdasarkan hasil pengujian
dengan indikator tersebut, model terbaik untuk setiap cryptocurrency ditentukan.
Model terbaik untuk BTC menggunakan metode LSTM dengan batch size 16,
epoch 50, dan 60 jumlah unit. Model ini mencapai RMSE sebesar 240.1469, MAE
sebesar 153.2642, dan MAPE sebesar 0.7507. Model terbaik untuk ETH
menggunakan LSTM dengan batch size 16, epoch 100, dan 100 jumlah unit,
menghasilkan RMSE sebesar 13.5879, MAE sebesar 8.7918, dan MAPE sebesar
0.6284. Terakhir, model terbaik untuk LTC menggunakan LSTM dengan batch
size 32, epoch 100, dan 60 jumlah unit, menghasilkan RMSE sebesar 0.5846,
MAE sebesar 0.3821, dan MAPE sebesar 0.6429. Dari hasil pengamatan didapati
bahwa pada prediksi cryptocurrency, metode LSTM menghasilkan model yang
memiliki error lebih rendah dibandingkan dengan BiLSTM.