Platform DataStudi kasus

InvestorID: Intelijen Investasi AI untuk BEI

Lingkup yang dikirim

Pipeline harian 900+ saham IDX berjalan serverless di Cloud Run + Supabase, dengan biaya ~$0,10/bulan menurut tabel biaya di README

Ilustrasi konseptual. Bukan foto atau tangkapan layar sistem klien.
Klien
Produk Agentive Labs
Kategori
Platform Data
Lokasi
Indonesia
Selesai
28 Maret 2026

Masalahnya

Proyek ini lahir dari masalah pribadi yang umum: keputusan trading emosional, tidak ada proses screening yang sistematis di antara 900+ saham IDX, dan strategi masuk- keluar yang tidak jelas. Alat profesional untuk ini mahal untuk investor ritel. InvestorID dibangun untuk satu swing trader dengan horizon enam bulan sampai dua tahun, yang ingin mengganti keputusan emosional dengan investasi berbasis aturan dan data.

Yang kami bangun

Platform serverless event-driven yang berjalan setiap hari setelah pasar tutup:

  1. Cloud Scheduler memicu job data fetcher pukul 17:30 WIB, menarik data EOD dari yfinance dan situs IDX, lalu menghitung indikator teknikal (RSI, MACD, MA, Bollinger, ATR).
  2. Quality gate anti-gorengan menyaring dengan sepuluh pemeriksaan wajib; saham yang dimanipulasi atau bermasalah diblokir sebelum masuk screening multi-faktor dengan composite scoring.
  3. AI analyst menganalisis saham teratas lewat antrean Cloud Tasks yang dibatasi lajunya: Gemini Flash untuk ringkasan teknikal (tier gratis), Claude Sonnet untuk analisis fundamental mendalam.
  4. Alert service mengirim laporan harian dan sinyal beli/jual ke Telegram.
  5. API gateway FastAPI dengan 28 endpoint melayani screening, saham, portofolio, dan analisis.

Keputusan rekayasa

Serverless sampai ke nol rupiah diam. Semua komputasi berjalan sebagai Cloud Run Job yang menyala hanya saat dipicu dan turun ke nol sesudahnya; database memakai tier gratis Supabase. Tabel biaya di README menjumlahkan total sekitar $0,10 per bulan.

Pragmatic clean architecture, bukan DDD penuh. Entry point service tipis di bawah 50 baris; logika bisnis Python murni tanpa impor database; repository mengurus akses data. Aturan dependensinya satu arah dan tidak pernah terbalik, sehingga logika screening bisa dites tanpa database.

Disiplin tipe penuh. mypy mode strict, Ruff untuk lint dan format, pytest untuk unit dan integrasi, dan CI menjalankan ketiganya di setiap PR. Nama model LLM hidup di konfigurasi env, jadi pergantian model dari Google atau Anthropic tidak menyentuh kode.

Status

Terdokumentasi ter-deploy ke GCP region asia-southeast1 dengan CI/CD dari GitHub Actions (merge staging ke main membangun dan me-deploy semua service). Repositori ini publik dan berlisensi MIT: github.com/ridwanspace/investment-app.

Dari studi ini ke proyek Anda

Ada proses serupa di tim Anda?

Ceritakan alur kerja dan kendalanya. Kita mulai dengan lingkup yang bisa dijelaskan dan diperiksa.

Studi kasus berikutnya

Platform Data dan Dashboard untuk Jasa Keuangan