Claim Missing Document
Check
Articles

Found 21 Documents
Search

OPTIMASI EXPERT ADVISOR MENGGUNAKAN ANTI-MARTINGALE STRATEGY DAN INDIKATOR MACD HISTOGRAM PADA TRADING NASDAQ- 100 (US100) Pratama, Gilang; Rahman, Haikal
IKRAITH-EKONOMIKA Vol. 8 No. 3 (2025): IKRAITH-EKONOMIKA Vol 8 No 3 November 2025
Publisher : Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perdagangan pada indeks saham teknologi seperti Nasdaq-100 (US100) menawarkanpotensi keuntungan yang tinggi namun diiringi dengan volatilitas yang signifikan.Trader sering menghadapi kesulitan dalam memanfaatkan momentum pasar danmengelola risiko secara efektif karena adanya faktor emosional dan kebutuhan eksekusiyang cepat. Penelitian ini bertujuan untuk merancang dan mengoptimalkan sebuahExpert Advisor (EA) yang mengintegrasikan indikator Moving Average ConvergenceDivergence (MACD) Histogram untuk identifikasi momentum dengan strategimanajemen modal Anti-Martingale untuk memaksimalkan keuntungan saat tren positifdan meminimalisir risiko. Metodologi yang digunakan adalah Research andDevelopment (R&D) dengan model spiral, yang mencakup tahap perancangan,implementasi, backtesting, optimasi, dan real-time testing. Pengujian dilakukan padaplatform MetaTrader 5 di broker FXTM dengan data historis Nasdaq-100 dari 1 Januari2022 hingga 31 Desember 2024 dan pengujian langsung selama satu bulan. Tujuan utamanya adalah untuk mencapai profit factor > 1.5 dan drawdown < 25%. Hasilbacktesting awal menunjukkan kinerja yang belum optimal, di mana EA mengalamikerugian. Namun, setelah melalui proses optimasi parameter menggunakan GeneticAlgorithm, kinerja EA pada data historis menunjukkan perbaikan signifikan denganprofitabilitas yang meningkat dan drawdown yang terkendali. Meskipun demikian,hasil pengujian secara real-time menunjukkan adanya inkonsistensi dengan hasilbacktesting, yang mengindikasikan adanya potensi curve-fitting dan kegagalan strategiuntuk beradaptasi dengan dinamika pasar aktual. Penelitian ini menyimpulkan bahwameskipun optimasi pada data historis berhasil meningkatkan metrik kinerja, haltersebut tidak menjamin keberhasilan dalam kondisi pasar nyata, sehingga diperlukanpengembangan lebih lanjut seperti penambahan filter kondisi pasar dan logikamanajemen modal yang lebih adaptif.