Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Algoritma
Gabriel, Evander
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis indikator Bollinger Bands, Stochastics dan Relative-Strength Index Untuk Prediksi Pergerakan Gold Futures Berbasis Deep Learning Gabriel, Evander; Lukito, Yuan; Haryono, Nugroho
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2264

Abstract

Prediksi harga Gold Futures menantang karena volatilitas tinggi dan perannya sebagai aset safe-haven yang dipengaruhi kondisi politik serta ekonomi global. Strategi trading yang tepat diperlukan untuk memanfaatkan fluktuasi harga, salah satunya melalui analisis teknikal, fundamental, sentimen, maupun machine learning. Penelitian ini menganalisis efektivitas indikator teknikal Bollinger Bands (BB), Stochastic Oscillator (STOCH), dan Relative Strength Index (RSI) dalam memprediksi harga Gold Futures menggunakan model Deep Learning Long Short-Term Memory (LSTM). Data penelitian berupa ±40.000 harga Gold Futures dari Yahoo Finance, yang dibagi ke dalam data latih, validasi, dan uji dengan metode sliding window (pergeseran 20% dari 0%–60%). Kinerja model dievaluasi melalui Return, Real, Trade, Win-rate, dan Profit-factor menggunakan back testing di Metatrader 5 (leverage 100). Hasil menunjukkan model LSTM dengan fitur BB (periode 20, deviasi 2) menghasilkan return tertinggi rata-rata $100.48, Win-rate 32.53%, dan Profit-factor 2.30. Model terbaik kedua menggunakan kombinasi ketiga indikator dengan return rata-rata $98.033, Win-rate 30.96%, dan Profit-factor 2.12.
Co-Authors Nugroho Haryono Yuan Lukito