Metode Monte Carlo yang diciptakan oleh ahli matematika asal AS ternyata dianggap efektif untuk melakukan proyeksi dan prediksi harga kripto, salah satunya karena sifatnya yang flukatif. Bagaimana caranya?
Monte Carlo Method, atau yang sering juga disebut Metode Monte Carlo, sebenarnya punya cerita asal-usul yang cukup unik dan nggak terduga. Walaupun sekarang dipakai di banyak bidang kayak fisika, teknik, sampai keuangan, awalnya metode ini justru lahir di tengah panasnya Perang Dunia II.
Sejarah Singkat Metode Monte Carlo
Ceritanya bermula di awal tahun 1940-an, di sebuah tempat yang super rahasia dan dijaga ketat di Amerika—Los Alamos National Laboratory, New Mexico. Di sana, para ilmuwan top dunia lagi sibuk banget kerja di sebuah proyek besar dan rahasia yang nanti dikenal sebagai Proyek Manhattan. Tujuan utamanya? Bikin bom nuklir pertama di dunia.
Nah, salah satu masalah besar yang mereka hadapi adalah gimana cara ngitung probabilitas reaksi berantai dari neutron dalam bahan nuklir. Itu prosesnya rumit banget dan nggak bisa diselesaikan pakai metode matematis biasa. Di sinilah seorang matematikawan muda, Stanislaw Ulam, mulai kepikiran sesuatu. Lucunya, idenya datang bukan dari eksperimen atau rumus rumit, tapi dari main kartu.
Stanislaw Ulam
Jadi ceritanya, Ulam habis sakit berat, dan pas lagi pemulihan, dia banyak main solitaire buat ngisi waktu. Dari situ dia mulai mikir, “Sebenarnya, seberapa besar kemungkinan buat menang di permainan ini kalau gue bikin keputusan tertentu?” Karena terlalu ribet buat dihitung manual, dia coba simulasikan permainannya ribuan kali dan lihat hasilnya. Dari situ muncul ide: gimana kalau masalah rumit dan makan waktu seperti ini bisa diselesaikan dengan cara sampling acak (random sampling) berulang-ulang?
Ulam cerita soal ini ke temannya, John von Neumann, yang juga jenius matematika dan komputer. Mereka sadar, pendekatan ini bisa dipakai buat banyak hal, termasuk buat simulasi proses fisika yang rumit. Biar nggak kelihatan jelas proyeknya ngapain, mereka kasih nama kode “Monte Carlo”—ngambil nama kasino terkenal di Monako. Soalnya, sama kayak di kasino, metode ini juga mainannya angka acak dan probabilitas.
Dengan bantuan komputer awal kayak ENIAC, mereka mulai jalanin simulasi yang sebelumnya mustahil dilakukan. Hasilnya keren banget, mereka bisa dapetin pendekatan solusi buat masalah superkompleks dengan cara yang relatif efisien. Secara praktis metode Monte Carlo mereka gunakan untuk memodelkan interaksi neutron dan partikel dalam reaksi nuklir yang kompleks, yang sangat berguna dalam merancang bom hidrogen yang efektif dan efisien.
Sebenarnya metode yang mirip dengan ini pernah disampaikan oleh ilmuwan Prancis, Georges Buffon pada tahun 1777. Hanya saja Ulam berhasil menyempurnakannya dan menerapkannya menggunakan komputer. Prinsip dasar Buffon itu bisa ditonton pada eksperimen sederhana ini.
Komputer ENIAC
Setelah perang selesai, metode Monte Carlo mulai menyebar ke mana-mana. Di fisika, dipakai buat simulasi partikel. Di kimia, bantu paham gimana molekul bergerak. Terus masuk juga ke dunia keuangan, dan jadi salah satu alat andalan buat ngeprediksi harga dan ngukur risiko.
Nah, sekarang Monte Carlo bukan cuma metode darurat, tapi udah jadi alat wajib di banyak bidang. Dan lucunya, semua itu mulai dari seseorang yang lagi bosan main kartu!
Jadi, metode Monte Carlo pertama kali dikembangkan oleh Stanislaw Ulam dan John von Neumann pada awal 1940-an. Meski begitu, metode ini nggak langsung digunakan untuk desain bom atom yang dijatuhkan di Hiroshima pada tahun 1945. Proyek Manhattan lebih fokus pada perhitungan fisika nuklir biasa untuk reaksi fisi, dan metode Monte Carlo baru dipakai secara signifikan setelah perang.
Di tahun 1950-an, ilmuwan seperti Ulam dan Edward Teller mulai mengembangkan bom hidrogen yang menggunakan reaksi fusi nuklir. Di sinilah metode Monte Carlo mulai dipakai untuk mensimulasikan proses fusi yang rumit dalam desain bom hidrogen. Metode ini memungkinkan para ilmuwan untuk menjalankan simulasi acak, menghitung distribusi hasil yang kompleks, dan mendapatkan gambaran yang lebih akurat soal bagaimana reaksi fusi itu terjadi. Penggunaan metode Monte Carlo jadi kunci dalam desain senjata termonuklir, yang diuji pada 1952 dalam uji coba "Ivy Mike".
Monte Carlo dan Proyeksi Harga Kripto
Setelah sukses di fisika dan teknik, Monte Carlo juga akhirnya masuk ke dunia keuangan, terutama pas market makin rumit dan susah ditebak. Nah, sekarang, dengan naik-turunnya harga kripto kayak Bitcoin dan Ethereum yang kadang nggak masuk akal, Monte Carlo Simulation jadi salah satu alat penting buat coba ngerti dan prediksi arah harga. Sebenarnya pun sudah lama diterapkan di beberapa indikator.
Tapi penting buat diingat, pakai Monte Carlo buat prediksi harga kripto itu bukan buat nebak masa depan secara pasti. Lebih ke ngebangun ribuan kemungkinan jalur harga berdasarkan pola historis. Bayangin kita lagi nyimak ribuan “versi masa depan” yang beda-beda, dan tiap versi itu punya peluangnya sendiri tergantung kondisi market kayak volatilitas, sentimen, volume, atau berita global.
Biasanya, simulasi dimulai dari asumsi dasar: harga sekarang, volatilitas masa lalu, dan distribusi probabilitas yang cocok—biasanya log-normal, soalnya harga nggak mungkin negatif. Komputer lalu “main” ribuan kali, bikin jalur acak buat harga dalam beberapa hari atau bulan ke depan.
Konsep dan contoh sederhananya begini, ada analis yang pengen tahu berapa kemungkinan harga Ethereum (ETH) dalam 90 hari ke depan. Dia masukin data harga setahun terakhir ke dalam model. Lalu dengan rumus geometric Brownian motion, Monte Carlo bikin 10.000 skenario harga. Dari situ kelihatan misalnya 70 persen skenario nunjukin harga bakal di antara US$3.000–US$3.800. Tapi ada juga 5 persen kemungkinan harga turun parah di bawah US$2.000, dan 5 persen lainnya malah naik gila-gilaan di atas US$5.000.
Yang menarik, hasil ini bukan buat ngeramal harga pasti. Tapi lebih ke nunjukin “ini loh rentang kemungkinannya.” Jadi, bukan kayak dukun yang bilang “besok pasti segini,” tapi kayak peta cuaca yang bilang “peluang hujan 60 persen”—kasih gambaran, bukan kepastian.
Proyeksi Harga Bitcoin dengan Indikator Monte Carlo Shuffled Projection
Ada sejumlah indikator yang menggunakan metode Monte Carlo ini. Salah satunya dan popular di TradingView adalah Monte Carlo Shuffled Projection dari LuxAlgo.
Indikator ini mensimulasikan data historis sebanyak 50 bar (candlestick) sebagai random sampling-nya, lalu “memproyeksikannya” menjadi sejumlah kemungkinan (probability) harga di masa depan (50 bar berikutnya).
Rincinya seperti ini, indikator ini mengambil perubahan harga dari sejumlah bar terakhir—misalnya, dari 50 atau 100 candlestick di grafik (kita bisa mengubahnya di pengaturan). Setiap perubahan kecil dari satu candlestick ke candlestick berikutnya dikumpulkan, lalu diacak urutannya. Bayangkan seperti Anda mengocok kartu-kartu kecil yang mewakili tiap perubahan harga itu. Setelah diacak, alat ini menyusun perubahan-perubahan itu kembali dan menempelkannya ke harga saat ini. Hasilnya adalah satu kemungkinan jalur harga yang bisa terjadi jika sejarah, meski dalam urutan yang berbeda, berulang lagi.
Karena satu jalur tidak cukup untuk mengambil keputusan, alat ini mengulang proses tadi ratusan hingga ribuan kali. Setiap hasilnya membentuk semacam peta probabilitas yang menggambarkan beragam arah yang mungkin ditempuh oleh harga. Lalu, semua jalur itu dirata-ratakan untuk membentuk satu garis utama yang disebut Average Line. Garis ini seperti petunjuk arah: kalau tren dan volatilitas saat ini tetap berlangsung, ke situlah kemungkinan besar harga akan melaju.
Gambar di bawah adalah contoh prediksi harga Bitcoin menggunakan indikator itu di time frame mingguan. Perhatikan garis berwarna biru (Average Line) adalah nilai-nilai rata-rata yang dihasilkan. Dalam hal ini ditunjukkan adanya tren naik hingga 50 bar berikutnya, 6 April 2026 (US$115.208). Selain itu ada proyeksi ekstrem di atas (warna merah) sebagai resistensi ada di kisaran US$153.533 pada 15 Desember 2025, dengan nilai rata-rata pada tanggal yang sama yakni US$107.299.
Prediksi harga BTC menggunakan indikator Monte Carlo Simulation.
Keunggulan dan Kelemahan
Satu lagi keunggulan Monte Carlo: dia fleksibel banget. Bisa disesuaikan sama situasi market yang aneh-aneh, kayak tiba-tiba ada berita besar yang bikin market panik, atau perubahan tren yang mendadak. Bahkan sekarang ada versi yang dikawinin sama AI, jadi modelnya bisa “belajar” dari pola baru dan terus adaptif.
Tapi tentu aja, ada kelemahannya juga. Salah satunya: hasil simulasi sangat tergantung sama asumsi awal dan kualitas data. Di dunia kripto yang sering banget dipengaruhi sama tweet, meme, atau adopsi teknologi baru, data historis belum tentu bisa dipakai buat nebak masa depan. Belum lagi asumsi distribusinya kadang terlalu ideal dan nggak nyambung sama kenyataan market yang lebih liar.
Tapi tetap aja, banyak analis dan trader kuantitatif masih suka pakai metode ini, termasuk beberapa peneliti. Soalnya, di tengah dunia kripto yang kacau dan penuh spekulasi, Monte Carlo bisa kasih semacam pegangan. Nggak kasih jawaban pasti, tapi kasih arah dan struktur dalam menghadapi ketidakpastian.
Intinya, Monte Carlo Simulation bukan buat jadi senjata pamungkas ngalahin market, tapi buat bantu kita ngerti medan permainannya. Dan di dunia kripto, itu udah jadi keunggulan yang luar biasa.
Artikel