Analisis Segmentasi Profil Risiko dan Perilaku Investor Kripto Mahasiswa Menggunakan Algoritma K-Means Clustering

Jonathan Teddy, James (2026) Analisis Segmentasi Profil Risiko dan Perilaku Investor Kripto Mahasiswa Menggunakan Algoritma K-Means Clustering. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (569kB)
	PDF BAB_I.pdf Download (222kB)
	PDF BAB_II.pdf Download (312kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (335kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (946kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (220kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (223kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (277kB)
	Archive (ZIP) CREATION_FILE.zip Restricted to Registered users only Download (10MB)
	Archive (ZIP) 00000064885_2521_LembarPengesahan.pdf Restricted to Registered users only Download (63kB)

Abstract

Tingginya antusiasme investasi cryptocurrency di kalangan mahasiswa Indonesia berbanding lurus dengan tingginya tingkat kerugian finansial. Survei terhadap 1.050 mahasiswa menunjukkan 91,8% pernah mengalami kerugian dan 72,9% menggunakan dana berisiko tinggi akibat rendahnya literasi profil risiko serta tingginya sentimen Fear of Missing Out (FOMO). Penelitian ini bertujuan mensegmentasi profil risiko investor mahasiswa secara objektif menggunakan algoritma K-Means Clustering berdasarkan lima dimensi perilaku: toleransi risiko, frekuensi trading, tingkat pengetahuan, horizon waktu, dan bias emosional. Evaluasi Elbow Method dan Silhouette Coefficient menunjukkan jumlah klaster optimal sebanyak empat (k=4) dengan skor 0,497. Keempat profil tersebut meliputi Konservatif (20%), Moderat (35%), Trader Agresif (25%), dan Spekulan (20%). Temuan krusial mengungkap bahwa klaster Spekulan memiliki literasi teknikal sangat rendah yang berdampingan dengan bias emosional sangat tinggi. Hasil pemodelan diimplementasikan ke dalam aplikasi web Crypto Risk Profiler menggunakan framework Streamlit. Kesimpulannya, sistem yang dibangun berhasil memfasilitasi segmentasi investor berbasis data (sebagai pengganti metode statis), memberikan edukasi terpersonalisasi, serta menyediakan alat simulasi investasi guna memitigasi risiko kerugian finansial pada mahasiswa.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Jonathan Teddy, James (00000064885)
Contributors:	Desanti, Ririn Ikana
Keywords:	Behavioral Finance, Cryptocurrency, K-Means Clustering, Profil Risiko, Streamlit
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	27 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/48200

Actions (login required)

View Item