PENGEMBANGAN SISTEM REKOMENDASI BERBASIS POPULARITAS DAN TREN INVESTASI CRYPTOCURRENCY DENGAN METODE: FEATURE-ENHANCED CF DAN NEURAL CF

Muhammad Faiz Aqil, Fathoni (2025) PENGEMBANGAN SISTEM REKOMENDASI BERBASIS POPULARITAS DAN TREN INVESTASI CRYPTOCURRENCY DENGAN METODE: FEATURE-ENHANCED CF DAN NEURAL CF. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (1MB)
	Text BAB 2.pdf Download (726kB)
	Text BAB 3.pdf Restricted to Registered users only Download (2MB)
	Text BAB 4.pdf Restricted to Registered users only Download (2MB)
	Text BAB 5.pdf Download (506kB)
	Text DAFTAR PUSTAKA.pdf Download (626kB)
	Text LAMPIRAN.pdf Download (869kB)
	Text HASIL TURNITIN.pdf Download (583kB)
	Text SUKET TURNITIN.pdf Download (673kB)

Abstract

Pasar cryptocurrency yang dinamis dengan ribuan aset digital menimbulkan tantangan signifikan bagi investor dalam identifikasi peluang investasi yang sesuai preferensi dan profil risiko. Sistem rekomendasi konvensional belum optimal karena gagal mengakomodasi karakteristik unik aset digital seperti volatilitas tinggi, metrik popularitas (kapitalisasi pasar, volume perdagangan), dan tren investasi terkini. Penelitian ini mengembangkan sistem rekomendasi cryptocurrency berbasis Feature-Enhanced Collaborative Filtering (FECF) dan Neural Collaborative Filtering (NCF), serta model Hybrid yang menggabungkan keduanya untuk meningkatkan akurasi dan adaptabilitas rekomendasi. Data diperoleh melalui API CoinGecko (1.000 proyek teratas) mencakup metrik pasar, sosial, dan kategori asset. Pengembangan sistem mengikuti metodologi AgileScrum dan CRISP-DM, dengan teknologi PyTorch (model NCF) dan FastAPILaravel (API/web application). Evaluasi menggunakan metrik Precision, Recall, F1, NDCG, Hit Ratio dan MRR menunjukkan bahwa model Hybrid unggul dalam memberikan rekomendasi personal yang relevan (NDCG@10: 0,3557), sementara FECF lebih efektif menangani cold-start problem (Hit Ratio: 63,73%) dan sparsity data (98,77%). Sistem ini memberikan kontribusi praktis bagi investor dalam pengambilan keputusan dan kontribusi metodologis bagi pengembangan sistem rekomendasi aset digital berbasis blockchain.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : Bagus Tri Mahardika, S.Kom., MMSI
Uncontrolled Keywords:	Sistem Rekomendasi, Cryptocurrency, Machine Learning, Deep Learning, Feature-Enhanced Collaborative Filtering, Neural Collaborative Filtering, Cold-Start Problem, Popularitas, Tren Investasi.
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Last Modified:	27 Nov 2025 04:31
URI:	http://repository.unsada.id/id/eprint/10157

Actions (login required)

View Item