[{"data":1,"prerenderedAt":192},["ShallowReactive",2],{"articles-id":3},[4,155],{"id":5,"title":6,"body":7,"date":144,"description":145,"extension":146,"locale":147,"meta":148,"navigation":149,"path":150,"readingTime":151,"seo":152,"stem":153,"__hash__":154},"posts\u002Fid\u002Fposts\u002Freinforcement-learning-bitcoin-trading.md","Reinforcement Learning untuk Trading Bitcoin",{"type":8,"value":9,"toc":136},"minimark",[10,14,35,40,51,54,64,67,71,74,80,86,89,92,96,99,102,105,108,112,115,118,127,133],[11,12,13],"p",{},"Pada 2025, saya mendapat kesempatan untuk mengubah salah satu ketertarikan saya pada software dan financial market menjadi sebuah penelitian akademik.",[11,15,16,17,21,22,26,27,34],{},"Bersama Sumanto, Indra Chaidir, dan Adi Supriyatna, saya menerbitkan artikel ",[18,19,20],"strong",{},"“Reinforcement learning for bitcoin trading: A comparative study of PPO and DQN”"," di ",[23,24,25],"em",{},"Jurnal Mandiri IT",", Vol. 14 No. 2, halaman 159–169. Artikel ini dipublikasikan pada 22 Agustus 2025 dan tersedia melalui DOI ",[28,29,33],"a",{"href":30,"rel":31},"https:\u002F\u002Fwww.ejournal.isha.or.id\u002Findex.php\u002FMandiri\u002Farticle\u002Fview\u002F455\u002F457",[32],"nofollow","10.35335\u002Fmandiri.v14i2.455",".",[36,37,39],"h2",{"id":38},"apa-yang-kami-teliti","Apa yang kami teliti",[11,41,42,43,46,47,50],{},"Pertanyaan utama dalam penelitian ini cukup sederhana: bagaimana dua pendekatan deep reinforcement learning, yaitu ",[18,44,45],{},"Proximal Policy Optimization (PPO)"," dan ",[18,48,49],{},"Deep Q-Network (DQN)",", berperilaku ketika diterapkan untuk trading Bitcoin?",[11,52,53],{},"Bitcoin menarik untuk dijadikan lingkungan eksperimen karena harganya dapat bergerak melalui berbagai kondisi pasar. Strategi yang bekerja dengan baik ketika pasar sedang mengalami tren naik yang kuat belum tentu berperilaku sama ketika pasar bergerak sideways atau menjadi lebih tidak stabil.",[11,55,56,57,60,61,34],{},"Eksperimen menggunakan data ",[18,58,59],{},"BTC\u002FUSDT"," dengan interval satu jam, mulai dari 2019 hingga awal 2025. Model tidak hanya diberikan data harga mentah, tetapi menggunakan beberapa technical indicators sebagai bagian dari state, seperti ",[18,62,63],{},"RSI, MA20, volatility, MACD, volume trend, SMA200, dan weekly trend filter",[11,65,66],{},"Tujuan penelitian ini bukan membuat sistem yang dapat secara ajaib memprediksi harga Bitcoin berikutnya. Fokusnya adalah melihat bagaimana dua reinforcement learning agent belajar mengambil keputusan trading ketika menghadapi kondisi pasar yang berubah-ubah.",[36,68,70],{"id":69},"ppo-vs-dqn","PPO vs. DQN",[11,72,73],{},"Salah satu hal yang menarik dari penelitian ini adalah bagaimana kedua algoritma menunjukkan karakter yang berbeda.",[11,75,76,79],{},[18,77,78],{},"PPO cenderung melakukan trading dengan lebih agresif."," Pada fase bullish, karakter tersebut dapat memberikan performa yang lebih tinggi karena agent lebih aktif mengambil posisi. Namun, konsekuensinya adalah eksposur risiko yang lebih besar ketika kondisi pasar menjadi tidak stabil.",[11,81,82,85],{},[18,83,84],{},"DQN cenderung lebih selektif."," Agent ini lebih berhati-hati dalam mengambil keputusan dan menunjukkan perilaku yang lebih stabil ketika pasar bergerak sideways atau choppy.",[11,87,88],{},"Perbedaan tersebut justru lebih menarik bagi saya dibandingkan sekadar mencari algoritma mana yang “lebih bagus”. Hasil eksperimen menunjukkan bahwa karakter sebuah reinforcement learning agent sangat berkaitan dengan kondisi pasar tempat agent tersebut beroperasi.",[11,90,91],{},"Artinya, reinforcement learning untuk trading bukan sekadar memilih algoritma yang lebih kompleks. Kita juga perlu memahami lingkungan tempat algoritma tersebut akan digunakan.",[36,93,95],{"id":94},"apa-yang-saya-pelajari","Apa yang saya pelajari",[11,97,98],{},"Penelitian ini mengubah cara saya melihat hubungan antara software engineering, machine learning, dan financial systems.",[11,100,101],{},"Trading system bukan hanya prediction model yang kemudian dibungkus menjadi sebuah API. Ada banyak lapisan di dalamnya: data preparation, feature construction, environment design, reward formulation, training, evaluation, sampai bagaimana hasil eksperimen diinterpretasikan.",[11,103,104],{},"Penelitian ini juga memperkuat satu hal penting tentang backtesting. Sebuah model bisa terlihat sangat baik pada kondisi pasar tertentu, lalu berperilaku sangat berbeda ketika kondisi pasar berubah. Karena itu, satu hasil performa tidak bisa langsung dianggap sebagai bukti bahwa sebuah strategi akan terus bekerja di masa depan.",[11,106,107],{},"Bagi saya, bagian paling menarik dari penelitian ini justru bukan mencari satu pemenang antara PPO dan DQN. Keduanya menunjukkan karakter yang saling melengkapi pada kondisi pasar yang berbeda. Perspektif tersebut cukup berguna ketika memikirkan bagaimana membuat trading system yang lebih adaptif.",[36,109,111],{"id":110},"paper-nya","Paper-nya",[11,113,114],{},"Ini adalah publikasi penelitian pertama saya di area tersebut, dan topiknya berada di persimpangan beberapa hal yang memang saya sukai: programming, data, machine learning, dan financial markets.",[11,116,117],{},"Versi lengkap paper-nya:",[11,119,120],{},[18,121,122,123,126],{},"Prasetyo, R. E., Sumanto, S., Chaidir, I., & Supriyatna, A. (2025). ",[23,124,125],{},"Reinforcement learning for bitcoin trading: A comparative study of PPO and DQN",". Jurnal Mandiri IT, 14(2), 159–169.",[11,128,129],{},[28,130,132],{"href":30,"rel":131},[32],"Baca paper melalui DOI",[11,134,135],{},"Artikel ini adalah ringkasan pribadi dari penelitian tersebut, bukan pengganti versi akademik lengkapnya.",{"title":137,"searchDepth":138,"depth":138,"links":139},"",2,[140,141,142,143],{"id":38,"depth":138,"text":39},{"id":69,"depth":138,"text":70},{"id":94,"depth":138,"text":95},{"id":110,"depth":138,"text":111},"2025-08-22","Catatan pribadi tentang penelitian saya yang membandingkan PPO dan DQN untuk trading Bitcoin pada berbagai kondisi pasar.","md","id",{},true,"\u002Fid\u002Fposts\u002Freinforcement-learning-bitcoin-trading","4 menit",{"title":6,"description":145},"id\u002Fposts\u002Freinforcement-learning-bitcoin-trading","RuBF_gm6VEawY-YyIMM0NQ6vfaD-u-l2R4hy1zb5z0I",{"id":156,"title":157,"body":158,"date":184,"description":185,"extension":146,"locale":147,"meta":186,"navigation":149,"path":187,"readingTime":188,"seo":189,"stem":190,"__hash__":191},"posts\u002Fid\u002Fposts\u002Fcoding-journey.md","Catatan dari perjalanan koding",{"type":8,"value":159,"toc":180},[160,163,167,170,174,177],[11,161,162],{},"Bagian tulisan di situs ini adalah tempat saya menyimpan catatan tentang hal-hal yang sedang saya pelajari, bangun, atau rapikan.",[36,164,166],{"id":165},"apa-yang-ditulis","Apa yang ditulis",[11,168,169],{},"Saya bekerja di web, backend, dan mobile: Nuxt, Vue, Node, Go, Flutter, Laravel — serta sistem internal yang membutuhkan alur data yang jelas. Tidak semua tulisan harus menjadi tutorial panjang. Kadang cukup berupa catatan keputusan teknis, bug yang menarik, atau pola kecil yang ingin saya ingat.",[36,171,173],{"id":172},"kenapa-ditulis","Kenapa ditulis",[11,175,176],{},"Menulis membantu saya melihat ulang cara berpikir ketika membangun sesuatu. Kalau sebuah solusi sulit dijelaskan dengan jelas, biasanya ada bagian arsitektur atau alur yang belum cukup rapi untuk dijelaskan.",[11,178,179],{},"Catatan lain akan menyusul seiring saya bekerja dan menemukan sesuatu yang layak disimpan. Tulisan ini lebih baik ditulis dari pengalaman nyata daripada diproduksi demi mengisi halaman.",{"title":137,"searchDepth":138,"depth":138,"links":181},[182,183],{"id":165,"depth":138,"text":166},{"id":172,"depth":138,"text":173},"2023-08-17","Pengantar untuk bagian tulisan — catatan tentang software engineering, pekerjaan produk, dan hal-hal yang masih sedang saya pelajari.",{},"\u002Fid\u002Fposts\u002Fcoding-journey","2 menit",{"title":157,"description":185},"id\u002Fposts\u002Fcoding-journey","8CK38HJPhC9dyVyFV9_CIfrwul2CFZ_RR0mhoc2TmUY",1789641310547]