YP3AYP3A
SATESI: Jurnal Sains Teknologi dan Sistem InformasiSATESI: Jurnal Sains Teknologi dan Sistem InformasiPertumbuhan 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.
- 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
- 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
- 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
| File size | 347.58 KB |
| Pages | 9 |
| DMCA | Report |
Related /
UCYUCY Hasil penelitian uji t menunjukkan bahwa Pengetahuan Investasi dan Perilaku Investor berpengaruh terhadap Kualitas Layanan, oleh sebab itu Ha diterimaHasil penelitian uji t menunjukkan bahwa Pengetahuan Investasi dan Perilaku Investor berpengaruh terhadap Kualitas Layanan, oleh sebab itu Ha diterima
UCYUCY Digital transformation skills, eco-innovation, dan dukungan pemerintah yang proaktif teridentifikasi sebagai enabler kunci dalam transisi menuju IndustryDigital transformation skills, eco-innovation, dan dukungan pemerintah yang proaktif teridentifikasi sebagai enabler kunci dalam transisi menuju Industry
UCYUCY Direksi mempunyai tanggung jawab dalam melakukan pengelolaan perseroan dengan iktikad baik dan penuh tanggung jawab. Permasalahan yang dikaji dalam penelitianDireksi mempunyai tanggung jawab dalam melakukan pengelolaan perseroan dengan iktikad baik dan penuh tanggung jawab. Permasalahan yang dikaji dalam penelitian
UNAJAUNAJA Antara tahun 2020 dan 2022, EVA bernilai negatif, yang menandakan bahwa perusahaan gagal menghasilkan laba yang cukup untuk mengimbangi biaya modal, terjadiAntara tahun 2020 dan 2022, EVA bernilai negatif, yang menandakan bahwa perusahaan gagal menghasilkan laba yang cukup untuk mengimbangi biaya modal, terjadi
WESTSCIENCESWESTSCIENCES Kepuasan kerja juga secara signifikan memediasi hubungan antara kedua variabel independen dengan retensi karyawan. Lingkungan kerja dan kesejahteraan karyawanKepuasan kerja juga secara signifikan memediasi hubungan antara kedua variabel independen dengan retensi karyawan. Lingkungan kerja dan kesejahteraan karyawan
YP3AYP3A Data diperoleh melalui observasi langsung, wawancara dengan pegawai, dan studi pustaka. Sistem ini dirancang menggunakan PHP dan framework Laravel, sertaData diperoleh melalui observasi langsung, wawancara dengan pegawai, dan studi pustaka. Sistem ini dirancang menggunakan PHP dan framework Laravel, serta
YP3AYP3A Sementara itu, model LSTM dikembangkan untuk menangkap pola yang lebih kompleks dalam data time series. Hasil peramalan menunjukkan bahwa model SARIMASementara itu, model LSTM dikembangkan untuk menangkap pola yang lebih kompleks dalam data time series. Hasil peramalan menunjukkan bahwa model SARIMA
POLBANGTAN GOWAPOLBANGTAN GOWA 6%) dan tingkat partisipasi tertinggi pada 6 (lima) komponen aktivitas, sementara yang terendah pada komponen aktivitas yaitu penjemuran (8. 0%) kemudian6%) dan tingkat partisipasi tertinggi pada 6 (lima) komponen aktivitas, sementara yang terendah pada komponen aktivitas yaitu penjemuran (8. 0%) kemudian
Useful /
WESTSCIENCESWESTSCIENCES Studi ini berkontribusi pada literatur keuangan perilaku dengan memberikan bukti dari Indonesia dan menyoroti pentingnya mengintegrasikan perspektif perilakuStudi ini berkontribusi pada literatur keuangan perilaku dengan memberikan bukti dari Indonesia dan menyoroti pentingnya mengintegrasikan perspektif perilaku
WESTSCIENCESWESTSCIENCES Metode yang digunakan adalah pendekatan kualitatif deskriptif dengan data berupa observasi langsung, wawancara semi‑struktur dengan guru dan kepala sekolah,Metode yang digunakan adalah pendekatan kualitatif deskriptif dengan data berupa observasi langsung, wawancara semi‑struktur dengan guru dan kepala sekolah,
WESTSCIENCESWESTSCIENCES Konflik disintegrasi simbolik pada bangsa Indonesia merupakan ancaman serius yang dapat merusak persatuan dan kesatuan negara, dipicu oleh faktor internalKonflik disintegrasi simbolik pada bangsa Indonesia merupakan ancaman serius yang dapat merusak persatuan dan kesatuan negara, dipicu oleh faktor internal
WESTSCIENCESWESTSCIENCES Hasil penelitian menunjukkan bahwa e-modul ini sangat layak digunakan. Berdasarkan presentase uji validasi sebesar 79,5% oleh ahli materi, 83,5% oleh ahliHasil penelitian menunjukkan bahwa e-modul ini sangat layak digunakan. Berdasarkan presentase uji validasi sebesar 79,5% oleh ahli materi, 83,5% oleh ahli