SYSTEMATIC LITERATURE REVIEW:

METODE DAN TEKNIK PERAMALAN CRYPTOCURRENCY

Abstract

Cryptocurrency, sejak diperkenalkan oleh Bitcoin pada tahun 2009 dan berkembang pesat dengan munculnya berbagai mata uang digital dan teknologi terkait seperti Ethereum, Litecoin, dan DeFi, telah menjadi topik penting dalam dunia keuangan digital. Pasar cryptocurrency sangat dinamis dan rentan terhadap volatilitas harga menuntut perlunya peramalan harga yang akurat untuk pengambilan keputusan finansial yang lebih baik. Penelitian ini mengkaji perkembangan metode dan teknik peramalan harga cryptocurrency melalui pendekatan Systematic Literature Review (SLR). Dengan volatilitas pasar cryptocurrency yang tinggi dan sifatnya yang dinamis, metode peramalan yang akurat menjadi penting untuk mendukung pengambilan keputusan finansial yang lebih baik. Penelitian ini mengumpulkan 133 artikel dari sumber yang terindeks Scopus (Q1-Q4) antara tahun 2017–2024, yang mencakup pendekatan seperti pembelajaran statistik, pembelajaran mesin, pembelajaran mendalam, analisis sentimen, model hybrid, dan teknik optimasi. Hasil penelitian menunjukkan bahwa metode pembelajaran mendalam, terutama long short-term memory (LSTM), menjadi pilihan utama karena kemampuannya menangkap pola temporal dan non-linear. Model hybrid, seperti CNN-LSTM, juga menonjol dalam meningkatkan akurasi prediksi. Selain itu, analisis sentimen dari media sosial dan berita memberikan wawasan tambahan dalam memprediksi pergerakan pasar. Metrik evaluasi seperti RMSE, MAE, dan F1-Score digunakan secara luas untuk menilai kinerja model. Meskipun demikian, tantangan signifikan seperti volatilitas harga, keberadaan noise dalam data, serta keterbatasan komputasi tetap menjadi hambatan. Penelitian ini memberikan wawasan bagi akademisi dan praktisi untuk memilih metode yang sesuai serta menawarkan arah bagi penelitian masa depan untuk mengembangkan pendekatan yang lebih efisien dan robust dalam menghadapi sifat pasar cryptocurrency yang kompleks.