Expert Advisor Untuk Prediksi Jual Atau Beli XAU/USD Menggunakan LSTM Yang Diintregasikan Ke Metatrader 5

Ramadhan, fatih uwais (2026) Expert Advisor Untuk Prediksi Jual Atau Beli XAU/USD Menggunakan LSTM Yang Diintregasikan Ke Metatrader 5. [Tugas Akhir/Skripsi]

	Text ABSTRAK.pdf Download (461kB)
	Text Bab 1.pdf Restricted to Repository staff only Download (109kB) | Request a copy
	Text Bab 2.pdf Restricted to Repository staff only Download (513kB) | Request a copy
	Text Bab 3.pdf Restricted to Repository staff only Download (605kB) | Request a copy
	Text Bab 4.pdf Restricted to Repository staff only Download (5MB) | Request a copy
	Text Bab 5.pdf Restricted to Repository staff only Download (34kB) | Request a copy
	Text Dapus.pdf Restricted to Repository staff only Download (166kB) | Request a copy
	Text Lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text Cover turnitin.pdf Download (99kB)
	Text 30_Hasil_Turnitin_TA Uwais.pdf Restricted to Repository staff only Download (6MB) | Request a copy
	Text jurnal_uwaisfatihramadhan 1.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pergerakan harga XAU/USD yang sangat volatil pada pasar forex menuntut metode analisis yang mampu menangkap pola non-linear dan dependensi temporal secara akurat. Penelitian ini bertujuan mengembangkan model prediksi harga berbasis Long Short-Term Memory (LSTM) dengan pendekatan regresi untuk memodelkan selisih harga (price difference) pada dua waktu, yaitu 15 menit (M15) dan 1 jam (H1). Data historis OHLCV(open, high, low, close, volume) dari platform MetaTrader 5 diolah melalui ekstraksi fitur teknikal untuk merepresentasikan dinamika pasar, kemudian diumpankan ke dalam arsitektur LSTM berlapis ganda dengan konfigurasi 128 dan 64 unit neuron. LSTM ini dipilih karena kemampuannya mengatasi keterbatasan RNN standar dalam menangkap ketergantungan jangka panjang (longterm dependencies), serta efektivitasnya dalam memodelkan pola non-linear dan kompleks pada data time-series finansial yang memiliki volatilitas tinggi. kinerja model dievaluasi menggunakan empat metrik regresi, yaitu Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R2), untuk mengukur tingkat akurasi serta konsistensi prediksi pada masing-masing timeframe. Hasil pengujian menunjukkan bahwa model LSTM menghasilkan performa prediktif yang sangat baik, dengan M15 mencapai MAE 35.29, RMSE $49.76, MAPE 0.72%, dan R2 0.9613, sementara H1 mencatatkan MAE 8.76, RMSE 52.00,MAPE0.81% dan Take Profit $40, serta di-backtest di MetaTrader 5 yang difokuskan pada periode sesi overlap London–New York melalui mekanisme backtesting dan forward testing pada akun demo. Hasil uji coba menggunakan akun demo selama dua minggu menunjukkan bahwa pada timeframe M15 expert advisor mengalami kerugian sebesar $20,74 akibat bias prediksi yang berlawanan dengan kondisi pasar, sedangkan pada timeframe H1 expert advisor berhasil mencatatkan keuntungan sebesar $14,00. penelitian ini membuktikan bahwa kombinasi arsitektur LSTM dan integrasi sistem expert advisor di MetaTrader 5 mampu menghasilkan prediksi harga emas yang presisi serta dapat diimplementasikan sebagai dasar pengambilan keputusan trading yang terukur.

Item Type:	Tugas Akhir/Skripsi
Uncontrolled Keywords:	Long Short-Term Memory (LSTM), XAU/USD, Prediksi Harga, Regresi, Expert Advisor, Metatrader 5.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > Computer Science or Informatics Study Program
Depositing User:	Uwais Fatih Ramadhan
Date Deposited:	28 Sep 2026 05:02
Last Modified:	28 Sep 2026 05:02
URI:	http://erepository.uwks.ac.id/id/eprint/23084

Actions (login required)

View Item

Downloads