YP3AYP3A

SATESI: Jurnal Sains Teknologi dan Sistem InformasiSATESI: Jurnal Sains Teknologi dan Sistem Informasi

Pertumbuhan investor cryptocurrency berkembang sangat pesat dengan karakteristik dan faktor pendorong investasi yang beragam. Penelitian ini bertujuan untuk menganalisis dan membentuk segmentasi investor cryptocurrency berdasarkan faktor pendorong investasi menggunakan algoritma K-Means Clustering. Pendekatan kuantitatif diterapkan melalui penyebaran kuesioner secara online kepada 300 responden pelaku investasi cryptocurrency, dengan 289 data yang memenuhi kriteria penelitian. Variabel yang diteliti mencakup empat faktor pendorong: Fear of Missing Out (FOMO), pengaruh sosial media, potensi keuntungan tinggi, dan ketertarikan terhadap dunia investasi. Data diproses melalui normalisasi Min-Max, Principle Component Analysis (PCA), dan klasterisasi K-Means menggunakan aplikasi Orange Data Mining. Penentuan jumlah klaster optimal menggunakan Silhouette Score, sedangkan validasi klaster dilakukan dengan K-Nearest Neighbors (KNN). Uji ANOVA dan Games-Howell digunakan untuk membuktikan perbedaan signifikan antar klaster. Hasil penelitian mengidentifikasi empat klaster: Klaster 1 (Investor Emosional, n=37), Klaster 2 (Investor Ambisius, n=156), Klaster 3 (Investor Rasional, n=50), dan Klaster 4 (Investor Pasif, n=46). Klaster 3 merupakan klaster paling optimal dengan persentase keuntungan tertinggi sebesar 90% dan tidak ada kerugian (0%). Temuan ini menegaskan bahwa pengambilan keputusan investasi yang optimal dilakukan berdasarkan analisis rasional dan pertimbangan logis tanpa pengaruh emosional yang berlebihan.

Penelitian ini berhasil menerapkan metode K-Means Clustering untuk membentuk segmentasi investor cryptocurrency berdasarkan empat faktor pendorong investasi.Fear of Missing Out (FOMO), pengaruh sosial media, potensi keuntungan tinggi, dan ketertarikan terhadap dunia investasi.Dari 289 data responden yang valid, terbentuk empat klaster investor dengan karakteristik yang berbeda secara signifikan.Klaster 1 (Investor Emosional, n=37), Klaster 2 (Investor Ambisius, n=156), Klaster 3 (Investor Rasional, n=50), dan Klaster 4 (Investor Pasif, n=46).Klaster 3 (Investor Rasional) merupakan klaster yang paling optimal dengan persentase keuntungan 90% dan tidak ada kerugian (0%).Temuan ini menegaskan bahwa pengambilan keputusan investasi yang paling optimal dilakukan berdasarkan analisis rasional, strategi yang terencana, dan manajemen risiko yang matang—tanpa dipengaruhi oleh faktor emosional yang berlebihan seperti FOMO, hype media sosial, maupun dorongan keuntungan instan.

Penelitian lanjutan dapat mengembangkan variabel tambahan seperti toleransi risiko dan literasi keuangan untuk memperkaya analisis segmentasi investor. Selain itu, studi perlu diperluas ke berbagai negara untuk membandingkan perbedaan budaya dalam perilaku investasi cryptocurrency. Metode clustering alternatif seperti DBSCAN atau Hierarchical Clustering juga dapat dieksplorasi untuk meningkatkan akurasi segmentasi. Integrasi analisis sentimen media sosial secara real-time dapat menjadi variabel baru yang memperkaya pemahaman tentang dinamika pasar cryptocurrency.

  1. Social media engagement and cryptocurrency performance | PLOS One. social engagement performance plos... journals.plos.org/plosone/article?id=10.1371/journal.pone.0284501Social media engagement and cryptocurrency performance PLOS One social engagement performance plos journals plos plosone article id 10 1371 journal pone 0284501
  2. Analysis of factors affecting investors’ decision towards cryptocurrency investments in Saudia... enpress-publisher.com/journal/JIPD/8/9/10.24294/jipd.v8i9.6419Analysis of factors affecting investorsAo decision towards cryptocurrency investments in Saudia enpress publisher journal JIPD 8 9 10 24294 jipd v8i9 6419
  3. Heuristic Bias and Herding Behavior for Predicting Investor Decision in Cryptocurrency Trading | IIETA.... iieta.org/journals/ijsse/paper/10.18280/ijsse.140424Heuristic Bias and Herding Behavior for Predicting Investor Decision in Cryptocurrency Trading IIETA iieta journals ijsse paper 10 18280 ijsse 140424
Read online
File size347.58 KB
Pages9
DMCAReport

Related /

ads-block-test