TRADING CRYPTOCURRENCY AGENT MENGGUNAKAN DEEP REINFORCEMENT LEARNING DENGAN MODEL YANG BERBASIS Q-LEARNING DENGAN MENGGUNAKAN DQN, DOUBLE DQN, DAN DUELING DQN PADA STUDI KASUS BITCOIN

Abstract

ABSTRACT
This study aims to test the Q-Learning-based Deep Reinforcement Learning algorithm models such as DQN, Double DQN, and Dueling DQN in their implementation as trading agents on trading bots. Case studies taken on a, Bitcoin. In testing this dataset was taken from one of the exchange platforms, to be precise from Gemini Exchange, a cryptocurrency trading platform. The data is used to simulate a trading environment to train trading agents. The test method is carried out by measuring the average reward (profit/loss) and the percentage increase and decrease in the average reward value and compare the architecture used in this study with the VGG16 architecture.
Keywords: Trading Cryptocurrency, DQN, Double DQN, Dueling DQN, Deep Reinforcement Learning.
ABSTRAK
Penelitian ini bertujuan untuk menguji model algoritma Deep Reinforcement Learning yang berbasis Q-Learning seperti DQN, Double DQN, dan Dueling DQN dalam pengimplementasiannya sebagai trading agent pada trading bot. Studi kasus yang diambil pada platform trading cryptocurrency yaitu Bitcoin. Pada pengujian ini dataset diambil dari salah satu platform exchange, tepat nya dari Gemini Exchange, salah satu platform trading cryptocurrency. Data digunakan untuk mensimulasikan environment trading untuk melatih trading agent. Metode pengujian dilakukan dengan mengukur nilai rata-rata reward (profit/loss) dan persentase kenaikan dan penurunan dari nilai rata-rata reward dan juga membandingkan arsitektur yang digunakan dalam penelitian ini dengan arsitektur VGG16.
Kata Kunci : Trading Cryptocurrency, DQN, Double DQN, Dueling DQN, Deep Reinforcement Learning.