Laporkan Masalah

METODE FIBONACCI RETRACEMENT DALAM PREDIKSI NILAI PASANGAN MATA UANG UNTUK ANALISIS TEKNIKAL PADA FOREX MARKET MENGGUNAKAN EXPERT ADVISOR

MUHAMMAD PRAMADIKA, Dr. Agus Sihabuddin, S.Si., M. Kom

2021 | Skripsi | S1 ILMU KOMPUTER

Perdagangan mata uang asing memiliki likuiditas dan pergerakan harga yang tergolong tinggi. Oleh karena itu, banyak ahli berupaya untuk memprediksi pergerakan nilai tukar mata uang dan menentukan titik terendah dan tertinggi dalam pegerakan nilai mata uang tersebut. Berbagai macam metode dapat digunakan untuk memprediksi pergerakan harga pada perdagangan Forex, salah satu metode yang dapat digunakan adalah Fibonacci Retracement. Meski demikian, keputusan untuk melakukan transaksi perdagangan berada di tangan trader itu sendiri. Banyak faktor yang mempegaruhi para trader untuk mengambil keputusanm mulai dari psikologi hingga money management. Kesalahan dalam pengambilan keputusan oleh trader dapat dihindari apabila transaksi perdagangan dilakukan secara otomatis dengan bantuan Expert Advisor di platform MetaTrader. Expert Advisor pada peneltian ini dapat melakukan perdagangan secara otomatis dan melakukan penempatan transaksi jual atau beli dengan mempertimbangkan titik terendah dan tertinggi dari harga pasangan mata uang tersebut dengan melakukan perhitungan pada data histori menggunakan metode Fibonacci Retracement. Perbedaan metode Fibonacci Retracement dibanding metode lainnya seperti Moving Average, Moving Average Divergence Convergence (MACD), dan Average True Range (ATR) adalah Fibonacci Retracement dapat menentukan posisi open price dan close price yang akurat berdasarkan perhitungan Fibonacci Retracement dan data histori masa lalu di market untuk dijadikan acuan Take Profit (TP) maupun Stop Loss (SL), acuan itu memiliki beberapa lapis untuk mempermudah trader menentukan TP1, TP2, TP3 dan seterusnya, sehingga trader dapat mengoptimalkan profit yang dihasilkan. Penelitian EA Fibonacci Retracement ini menghasilkan efisiensi dalam trading dan membantu money management trader dengan keuntungan laba bersih pada 3 jenis market yang berbeda yaitu market EUR/USD $289.35, market GBP/USD $508.08, dan market USD/ZAR $193.45.

Foreign currency trading has high liquidity and price movements. Therefore, many experts attempt to predict the movement of currency exchange rates and determine the lowest and highest points in the movement of currency values. Various methods can be used to predict price movements in Forex trading, one method that can be used is Fibonacci Retracement. However, the decision to make a trade transaction is in the hands of the trader himself. Many factors influence traders to make decisions ranging from psychology to money management. Errors in decision-making by traders can be avoided if trading transactions are carried out automatically with the help of Expert Advisors on the MetaTrader platform. This Expert Advisor can trade automatically and place buy or sell transactions by considering the lowest and highest points of the price of the currency pair by calculating historical data using the Fibonacci Retracement method. The difference between the Fibonacci Retracement method compared to other methods such as Moving Average, Moving Average Divergence Convergence (MACD), and Average True Range (ATR) is that Fibonacci Retracement can determine accurate open price and close price positions based on Fibonacci Retracement calculations and past historical data in the market. To be used as a reference for Take Profit (TP) and Stop Loss (SL), the reference has several layers to make it easier for traders to determine TP1, TP2, TP3 and so on, so that traders can optimize the profit generated. This Fibonacci Retracement EA research results in efficiency in trading and helps money management traders with net profit gains in 3 different types of markets, namely the EUR/USD market of $289.35, the GBP/USD market of $508.08, and the USD/ZAR market of $193.45.

Kata Kunci : Forex, Fibonacci Retracement, Expert Advisor, Trading, Teknikal Analisis

  1. S1-2021-394090-abstract.pdf  
  2. S1-2021-394090-bibliography.pdf  
  3. S1-2021-394090-tableofcontent.pdf  
  4. S1-2021-394090-title.pdf