Pengantar Algoritma Genetika untuk Optimasi EA di MT5

Saat menyetel parameter EA, MT5 Strategy Tester menyediakan dua mode optimasi: brute-force (mencoba semua kombinasi parameter) dan algoritma genetika (GA).

Untuk menjelajahi kombinasi yang sangat banyak dalam waktu yang realistis, algoritma genetika sudah menjadi metode standar. Artikel ini membahas dasar-dasar optimasi algoritma genetika beserta poin-poin praktis yang perlu diperhatikan.

Apa Itu Algoritma Genetika?

Algoritma Genetika (Genetic Algorithm: GA) adalah metode optimasi yang meniru evolusi biologis. Secara konkret, prosesnya berjalan sebagai berikut:

1. Membuat beberapa set parameter acak (individu)
2. Menjalankan backtest untuk setiap individu, lalu memberikan skor berdasarkan metrik evaluasi (PF, recovery factor, dll.)
3. Memilih individu dengan nilai tertinggi sebagai "induk", lalu menghasilkan generasi berikutnya melalui persilangan dan mutasi
4. Proses ini diulang, sehingga setiap generasi semakin konvergen ke parameter dengan evaluasi yang lebih baik

Sementara brute-force "menyapu semua kombinasi", GA "mempersempit pencarian ke area yang tampak menjanjikan", sehingga waktu komputasi berkurang secara drastis.

Kapan Menggunakan Brute-Force vs. Algoritma Genetika

• Jumlah parameter sedikit, kombinasi di bawah ribuan → gunakan brute-force untuk cakupan menyeluruh
• Jumlah parameter banyak, kombinasi puluhan ribu ke atas → gunakan algoritma genetika

Misalnya, jika Anda menggerakkan 3 parameter masing-masing dengan 10 langkah, ada 1.000 kombinasi — brute-force sudah cukup. Sebaliknya, jika Anda menggerakkan 5 parameter dengan 20 langkah, ada 3,2 juta kombinasi, sehingga algoritma genetika menjadi kebutuhan yang realistis.

Pengaturan di Strategy Tester

Untuk mengaktifkan optimasi, atur hal-hal berikut di layar Strategy Tester:

• Optimasi: Pilih "Fast genetic based algorithm"
• Hasil: Pilih metrik evaluasi seperti "Balance maximum", "Custom max", atau "Recovery factor maximum"
• Tab Input Parameters: Centang parameter yang ingin dioptimalkan, lalu atur nilai awal, nilai akhir, dan langkah (step)

Cara Memilih Metrik Evaluasi

Apa yang Anda definisikan sebagai "baik" akan menentukan hasil akhir. Berikut metrik umum beserta karakteristiknya:

• Balance maximum (Profit): Memaksimalkan keuntungan saja. Mengabaikan risiko, sehingga rentan terhadap over-optimasi
• Recovery factor: Laba bersih ÷ DD maksimum. Menyeimbangkan kedua sisi
• Sharpe ratio: Mempertimbangkan stabilitas return
• Custom max: Dapat didefinisikan secara bebas dalam kode EA (contoh: PF × jumlah transaksi)

Menggunakan recovery factor atau Sharpe ratio adalah cara paling praktis untuk menemukan parameter yang berguna sekaligus menghindari over-optimasi.

Menjalankan Optimasi Algoritma Genetika

Setelah optimasi dimulai, parameter dengan nilai evaluasi tertinggi akan muncul di tab "Optimization results" untuk setiap generasi. Algoritma genetika MT5 secara otomatis memutar ratusan generasi, kemudian konvergen ke solusi terbaik.

Jebakan yang Sering Terjadi

• Konvergensi terlalu cepat: Kemungkinan rentang pencarian parameter terlalu sempit
• Tidak konvergen sama sekali: Metrik evaluasi tidak tepat, atau terlalu banyak noise
• Konvergen ke nilai yang jelas aneh: Solusi dengan jumlah transaksi terlalu sedikit tidak dikeluarkan

Dengan menyematkan filter seperti "keluarkan hasil dengan jumlah transaksi di bawah 50" ke dalam fungsi evaluasi, Anda dapat menyingkirkan solusi noise dengan sampel yang tidak mencukupi.

Menghindari Over-Optimasi

Semakin banyak Anda menjalankan optimasi, semakin parameter mendekati kondisi "sempurna di masa lalu tetapi tidak berfungsi di masa depan". Berikut aturan praktis untuk menghindarinya:

1. Bagi Periode Data

Untuk data 10 tahun ke belakang, lakukan optimasi pada 7 tahun pertama, lalu validasi out-of-sample pada 3 tahun terakhir. Jika hasil di periode terakhir memburuk, berarti terjadi over-fitting pada periode pertama.

2. Bandingkan 10–20 Hasil Teratas

Hanya mengadopsi satu solusi terbaik sangat berisiko. Periksa apakah solusi teratas terkelompok di area yang serupa — jika ya, adopsi parameter yang berada di sekitar tengah kelompok tersebut.

3. Periksa Sensitivitas Parameter

Gerakkan parameter kandidat sebesar ±10–20% dan periksa apakah hasilnya tidak runtuh secara dramatis. Jika runtuh, berarti solusi tersebut over-fitted pada "titik optimal yang tajam".

4. Pertahankan Parameter yang Tidak Dioptimalkan

Dengan selalu menyimpan "nilai tetap yang secara logis alami dan tidak dioptimalkan", Anda dapat mengurangi risiko over-optimasi. Misalnya, mengoptimalkan periode EMA tetapi menetapkan multiplier ATR sebagai nilai tetap.

Memanfaatkan Optimasi Paralel

MT5 mendukung optimasi paralel menggunakan beberapa core CPU. Dengan menambah jumlah agen yang digunakan di "Tester" → "Settings", Anda dapat mempersingkat waktu komputasi.

Lebih jauh lagi, dengan menggunakan MQL5 Cloud Network, Anda bisa menjalankan optimasi skala besar menggunakan agen remote dari seluruh dunia — namun ini berbayar. Oleh karena itu, cara yang efisien adalah mempersempit rentang parameter secara lokal terlebih dahulu.

Kebijakan Optimasi untuk EA yang Didistribusikan di Situs Ini

Untuk GOLD_EMA_ATR_EA (XAUUSD H1), target optimasi sengaja dibatasi:

• Periode EMA pendek
• Periode EMA panjang
• Multiplier ATR (untuk stop loss)

Parameter lainnya ditetapkan sebagai "nilai alami" untuk mencegah over-optimasi. Nilai PF 1,30 dalam backtest 10 tahun dapat meningkat lebih tinggi jika Anda menjalankan lebih banyak optimasi — tetapi kemungkinan besar tidak akan berfungsi di pasar masa depan juga meningkat. "Pilih angka yang biasa-biasa saja dan jalankan dalam jangka panjang" adalah solusi praktis dalam operasional nyata.

Unduh EA Gratis

GOLD_EMA_ATR_EA didistribusikan secara gratis, lengkap dengan parameter yang telah dioptimalkan dan panduan optimasi.

Unduh EA Gratis

Broker Rekomendasi

Agar hasil backtest dan optimasi dapat direproduksi dalam trading nyata, situs ini merekomendasikan broker yang mengutamakan kualitas eksekusi order.

Lihat daftar broker rekomendasi