Coinbase Catat Kerugian $394 Juta di Kuartal I 2026 — Dan Yang Terburuk Mungkin Belum Berakhir

bitcoinistDipublikasikan tanggal 2026-05-08Terakhir diperbarui pada 2026-05-08

Abstrak

Coinbase melaporkan kerugian bersih sebesar $394 juta untuk kuartal pertama tahun 2026, berbalik dari keuntungan $65,6 juta pada periode yang sama tahun lalu. Pendapatan total turun 30,5% menjadi $1,41 miliar, di bawah perkiraan analis. Kerugian per saham adalah $1,49, jauh dari ekspektasi keuntungan $0,29. Pendorong utama kerugian adalah penurunan aset kripto yang dipegang untuk investasi, terutama karena harga Bitcoin turun sekitar 23% pada Q1. Pendapatan transaksi, mesin utama pertukaran, turun 23% secara kuartalan menjadi $755,8 juta, terdampak penurunan kapitalisasi pasar dan volume perdagangan kripto. Di sisi positif, pendapatan langganan dan layanan mencapai $584 juta, dan pendapatan dari stablecoin USDC mencapai $305 juta. Namun, margin operasi anjlok menjadi -1,5%. Hasil ini mengikuti pengumuman pengurangan 14% tenaga kerja oleh Coinbase, yang menggambarkan tantangan yang dihadapi bursa selama siklus pasar kripto yang sulit.

Coinbase melaporkan kerugian bersih sebesar $394 juta untuk kuartal pertama 2026, berbalik dari laba $65,6 juta pada periode yang sama tahun lalu dan meleset dari ekspektasi Wall Street baik dalam pendapatan maupun laba per saham — karena penurunan tajam harga kripto dan volume perdagangan menghantam bisnis inti bursa lebih keras dari yang diperkirakan analis.

Hasil yang dilaporkan Bloomberg setelah pasar tutup pada 7 Mei ini menunjukkan total pendapatan $1,41 miliar — penurunan 30,5% year-over-year dan meleset dari konsensus analis sekitar $1,51 miliar. Secara per saham, Coinbase mencatatkan kerugian GAAP $1,49 dibandingkan ekspektasi laba $0,29 — sebuah kekecewaan signifikan yang membuat saham turun sekitar 4% dalam perdagangan setelah jam pasar.

Harga COIN mencatatkan kerugian moderat menyusul laporan pendapatan Q1 mereka, seperti terlihat pada grafik harian. Sumber: COINUSD di Tradingview

Apa yang Mengakibatkan Coinbase Rugi

Penahan terbesar tunggal pada kuartal ini adalah kerugian belum terealisasi sebesar $482 juta pada aset kripto yang dipegang untuk investasi, terutama terkait dengan penurunan Bitcoin sekitar 23% selama Q1, klaim laporan terpisah dari TheStreet crypto. Hilangkan dampak mark-to-market itu dan kerugian bersih yang disesuaikan menyempit menjadi $46 juta — perbedaan yang berarti, tetapi masih mencerminkan lingkungan operasional yang jauh lebih lemah dibandingkan tahun sebelumnya.

Pendapatan transaksi, mesin pendapatan utama bursa, berada di angka $755,8 juta — turun 23% quarter-over-quarter dan di bawah proyeksi analis sebesar $805,2 juta. Pendorong utamanya sederhana: total kapitalisasi pasar kripto dan volume perdagangan spot turun lebih dari 20% quarter-over-quarter, menurut Investing.com, menarik lini pendapatan Coinbase yang paling fluktuatif bersamanya.

Tidak semuanya negatif. Pendapatan dari langganan dan layanan mencapai $584 juta — mewakili 44% dari pendapatan bersih — sementara pendapatan stablecoin mencapai $305 juta pada rata-rata kepemilikan USDC rekor sebesar $19 miliar dalam produk Coinbase. Adjusted EBITDA berada di $303 juta, menandai kuartal positif ke-13 berturut-turut perusahaan berdasarkan metrik tersebut, menurut CFO Alesia Haas dalam panggilan pendapatan.

Kuartal yang Mengonfirmasi Pola

Kerugian Q1 ini datang hanya beberapa hari setelah Coinbase mengumumkan pengurangan 14% tenaga kerjanya — sekitar 700 peran — dengan alasan perlunya restrukturisasi di sekitar operasi yang digerakkan AI. Secara keseluruhan, pemutusan hubungan kerja dan kekecewaan pendapatan ini melukiskan gambaran bursa yang sedang mengelola siklus sulit daripada mengendarainya.

Margin operasi anjlok ke -1,5% dari 34,7% pada kuartal yang sama tahun lalu, menggarisbawahi betapa cepatnya profil profitabilitas Coinbase dapat berubah ketika pasar kripto menarik diri. Perusahaan menutup kuartal dengan lebih dari $10 miliar dalam kas dan setara kas, menurut transkrip panggilan pendapatan, yang memberikan penyangga substansial — tetapi tidak banyak mengatasi sensitivitas pendapatan struktural yang telah mendefinisikan setiap siklus penurunan dalam sejarah publik singkat bursa tersebut.

Untuk sektor yang baru lahir ini, hasil Q1 Coinbase berfungsi sebagai pengingat bahwa bahkan bursa kripto yang paling mapan secara institusional tetap terikat erat pada kondisi pasar — dan bahwa jalan menuju profitabilitas yang berkelanjutan berjalan langsung melalui medan siklus harga kripto yang tak terduga.

Gambar sampul dari Grok, grafik COINUSD dari Tradingview

Bacaan Terkait

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit1j yang lalu

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit1j yang lalu

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit1j yang lalu

GPT Merancang GPT

marsbit1j yang lalu

Trading

Spot
Futures
活动图片