MENGEMBANGKAN INDIKATOR TRADINGVIEW BERBASIS PINESCRIPT DENGAN ALGORITMA MULTIPLE LINEAR REGRESSION UNTUK IDENTIFIKASI TREND DALAM TRADING FOREX, SAHAM, DAN CRYPTO

Wijaya, Alfonsius Egi (2024) MENGEMBANGKAN INDIKATOR TRADINGVIEW BERBASIS PINESCRIPT DENGAN ALGORITMA MULTIPLE LINEAR REGRESSION UNTUK IDENTIFIKASI TREND DALAM TRADING FOREX, SAHAM, DAN CRYPTO. Skripsi thesis, Universitas Buddhi Dharma.

	Text BAB V.pdf - Published Version Download (5MB)
	Text BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text COVER-BAB III.pdf - Published Version Download (2MB)

Abstract

Mengembangkan indikator TradingView berbasis Pine Script dengan algoritma multiple linear regression bertujuan untuk mempermudah Analisa dan identifikasi tren dalam trading Forex, Saham, dan Crypto. Dikarenakan indikator yang tersedia saat ini pada platform tradingview kurang responsif dan akurat dalam menyediakan analisis data historis dengan cepat dan memiliki tampilan visual mudah dipahami oleh trader dan investor awam. Penyelesaian yang digunakan dalam penelitian ini adalah algoritma regresi linear yang diintegrasikan pada indikator dengan Bahasa pemgrograman PineScript di platform TradingView. Fokus penelitian ini adalah mengembangkan indikator yang mampu memberikan hasil Analisa berupa prediksi harga dan tren, sehingga membantu trader dalam membuat keputusan trading yang lebih informasional dan terukur. Hasil dari pengujian menunjukkan bahwa penerapan algoritma regresi linear pada indikator tradingview lebih efektif dalam menganalisis data historis dan memprediksi tren pasar dapat menyediakan antarmuka yang mudah digunakan dam menghasilkan Analisa yang memiiliki akurasi rata rata diatas 76% dan dengan visual yang lebih baik disbanding indikator tradisional yang sudah ada sebelumnya.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Indikator, Multiple Linear Regression, PineScript, TradingView
Subjects:	000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer > 004.65 Jaringan Komunikasi Komputer
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	14 Apr 2025 06:58
Last Modified:	14 Apr 2025 06:58
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2384

Actions (login required)

View Item