1000 Dompet Menyumbang 85% Volume Transaksi, Pembayaran Stablecoin Lebih Terpusat dari yang Anda Bayangkan

深潮Dipublikasikan tanggal 2025-12-22Terakhir diperbarui pada 2025-12-22

Abstrak

Analisis empiris penggunaan stablecoin untuk pembayaran di jaringan Ethereum mengungkapkan bahwa 47% dari total volume transaksi stablecoin (USDT dan USDC) dikategorikan sebagai pembayaran, dengan mayoritas terkonsentrasi pada segelintir dompet. Studi yang menganalisis data dari Agustus 2024 hingga Agustus 2025 ini menemukan bahwa hanya 1.000 dompet teratas menyumbang 84% dari total volume transaksi, menunjukkan sentralisasi yang tinggi meskipun beroperasi di jaringan decentralized. Transaksi pembayaran didefinisikan sebagai transfer antara dua alamat eksternal (EOA), sementara interaksi dengan kontrak pintar dikategorikan sebagai transaksi DeFi. Pembayaran kemudian diklasifikasikan lebih lanjut menjadi P2P (67% transaksi, 24% volume), B2B, P2B/B2P, dan internal. Hasilnya menunjukkan bahwa penggunaan P2P riil mungkin lebih rendah dari perkiraan karena adanya aktivitas bot dan manipulasi transaksi. Pertumbuhan adopsi stabil dan konsisten, dengan volume transaksi meningkat lebih dari dua kali lipat dalam setahun. Namun, dominasi institusi besar dan transaksi internal menimbulkan pertanyaan tentang masa depan stablecoin sebagai alat pembayaran yang benar-benar terdesentralisasi.

Penulis: Artemis

Kompilasi: Deep Tide TechFlow

Laporan ini menganalisis secara empiris penggunaan pembayaran stablecoin, mencakup transaksi dari orang ke orang (P2P), bisnis ke bisnis (B2B), serta antara individu dan bisnis (P2B/B2P).

Laporan ini menganalisis secara empiris penggunaan pembayaran stablecoin, mempelajari pola transaksi dari orang ke orang (P2P), bisnis ke bisnis (B2B), serta antara individu dan bisnis (P2B/B2P). Kami menggunakan dataset Artemis, yang menyediakan metadata alamat dompet, termasuk perkiraan lokasi geografis, label kepemilikan institusional, dan identifikasi kontrak pintar. Melalui karakteristik dompet pengirim dan penerima, kami mengklasifikasikan transaksi. Analisis berfokus pada jaringan Ethereum, yang menampung sekitar 52% pasokan stablecoin global.

Kami terutama mempelajari dua stablecoin utama: USDT dan USDC, yang bersama-sama menguasai 88% pangsa pasar. Meskipun adopsi stablecoin dan perhatian regulasi meningkat signifikan dalam setahun terakhir, satu pertanyaan kunci masih belum terjawab: Bagaimana penggunaan aktual stablecoin dalam pembayaran dibandingkan dengan aktivitas lainnya? Laporan ini bertujuan untuk mengungkap pendorong utama adopsi pembayaran stablecoin dan memberikan wawasan untuk memprediksi tren masa depan.

1. Latar Belakang

Dalam beberapa tahun terakhir, adopsi stablecoin telah tumbuh signifikan, dengan pasokannya mencapai $2 triliun, dan saat ini total volume transfer mentah bulanan melebihi $4 triliun. Meskipun jaringan blockchain menyediakan catatan transaksi yang sepenuhnya transparan dan semua transaksi dapat dianalisis, karena anonimitas jaringan ini dan kurangnya informasi tentang tujuan transaksi (misalnya, pembayaran domestik, pembayaran lintas batas, perdagangan, dll.), analisis transaksi dan pengguna tetap sangat sulit.

Selain itu, penggunaan kontrak pintar dan transaksi otomatis di jaringan seperti Ethereum semakin menambah kompleksitas analisis, karena satu transaksi dapat melibatkan interaksi dengan beberapa kontrak pintar dan token. Oleh karena itu, pertanyaan kunci yang belum terselesaikan adalah bagaimana menilai proporsi penggunaan stablecoin saat ini di bidang pembayaran dibandingkan dengan aktivitas lain (seperti perdagangan). Meskipun banyak peneliti berusaha mengatasi masalah kompleks ini, laporan ini bertujuan untuk memberikan metode tambahan untuk menilai penggunaan stablecoin, khususnya untuk keperluan pembayaran.

Secara keseluruhan, ada dua metode utama untuk menilai penggunaan stablecoin (terutama untuk pembayaran).

Metode pertama adalah pendekatan penyaringan (filtering approach), yang menggunakan data transaksi blockchain mentah dan melalui teknik penyaringan untuk menghilangkan noise, sehingga memberikan perkiraan yang lebih akurat tentang penggunaan pembayaran stablecoin.

Metode kedua adalah melakukan survei terhadap penyedia pembayaran stablecoin utama dan memperkirakan aktivitas stablecoin berdasarkan data pembayaran yang mereka ungkapkan.

Visa Onchain Analytics Dashboard yang dikembangkan bersama oleh Visa dan Allium Labs menggunakan metode pertama. Mereka menggunakan teknik penyaringan untuk mengurangi noise dalam data mentah, sehingga memberikan informasi yang lebih jelas tentang aktivitas stablecoin. Penelitian menunjukkan bahwa setelah menyaring data mentah, total volume transaksi stablecoin bulanan turun dari sekitar $5 triliun (volume total) menjadi $1 triliun (volume yang disesuaikan). Jika hanya mempertimbangkan volume eceran (transaksi dengan jumlah kurang dari $250 per transaksi), volumenya hanya $6 miliar. Kami menggunakan metode penyaringan yang mirip dengan Visa Onchain Analytics Dashboard, tetapi metode kami lebih berfokus pada penandaan transaksi secara eksplisit untuk keperluan pembayaran.

Metode kedua berdasarkan data survei perusahaan telah diterapkan dalam "Laporan Kondisi Stablecoin 2025 Fireblocks" dan "Laporan Pembayaran Stablecoin dari Nol". Kedua laporan ini menggunakan informasi pengungkapan dari perusahaan utama di pasar pembayaran blockchain untuk memperkirakan penggunaan langsung dalam pembayaran stablecoin. Khususnya, "Laporan Pembayaran Stablecoin dari Nol" memberikan perkiraan keseluruhan volume transaksi pembayaran stablecoin dan membagi pembayaran ini ke dalam kategori seperti B2B (bisnis ke bisnis), B2C (bisnis ke konsumen), P2P (orang ke orang), dll. Laporan menunjukkan bahwa hingga Februari 2025, total penyelesaian tahunan sekitar $72,3 miliar, dengan sebagian besar adalah transaksi B2B.

Kontribusi utama penelitian ini adalah menerapkan metode penyaringan data untuk memperkirakan penggunaan stablecoin dalam pembayaran on-chain. Temuan penelitian mengungkapkan penggunaan stablecoin dan memberikan perkiraan yang lebih akurat. Selain itu, kami juga memberikan panduan kepada peneliti untuk menggunakan metode penyaringan data dalam memproses data blockchain mentah, mengurangi noise, dan meningkatkan perkiraan.

2. Data

Dataset kami mencakup semua transaksi stablecoin di blockchain Ethereum selama periode Agustus 2024 hingga Agustus 2025. Fokus analisis adalah pada transaksi yang melibatkan dua stablecoin utama USDC dan USDT. Pemilihan kedua stablecoin ini didasarkan pada pangsa pasar mereka yang tinggi dan stabilitas harga yang kuat, sehingga mengurangi noise dalam proses analisis. Kami hanya berfokus pada transaksi transfer, tidak termasuk transaksi pencetakan (mint), penghancuran (burn), atau jembatan lintas rantai (bridge). Tabel 1 merangkum gambaran umum dataset yang digunakan dalam analisis kami.

Tabel 1: Ringkasan Jenis Transaksi

3. Metode dan Hasil

Pada bagian ini, kami merinci metode yang digunakan untuk menganalisis penggunaan stablecoin, dengan fokus pada transaksi pembayaran. Pertama, kami menyaring data dengan membedakan transaksi yang melibatkan interaksi dengan kontrak pintar dan transaksi yang menunjukkan transfer antara EOA (Akun Eksternal), dan mengkategorikan yang terakhir sebagai transaksi pembayaran. Proses ini dijelaskan dalam Bagian 3.1. Selanjutnya, Bagian 3.2 menjelaskan bagaimana menggunakan data label akun EOA yang disediakan oleh Artemis untuk mengklasifikasikan lebih lanjut transaksi pembayaran menjadi P2P, B2B, B2P, P2B, dan transaksi B internal. Terakhir, Bagian 3.3 menganalisis konsentrasi transaksi stablecoin.

3.1 Pembayaran Stablecoin (EOA) vs Transaksi Kontrak Pintar

Dalam keuangan terdesentralisasi (DeFi), banyak transaksi melibatkan interaksi dengan kontrak pintar dan menggabungkan berbagai operasi keuangan dalam transaksi yang sama, seperti menukar satu token dengan token lain melalui beberapa pool likuiditas. Kompleksitas ini membuat analisis penggunaan stablecoin hanya untuk keperluan pembayaran menjadi lebih sulit.

Untuk menyederhanakan analisis dan meningkatkan kemampuan menandai transaksi blockchain stablecoin untuk pembayaran, kami mendefinisikan pembayaran stablecoin sebagai setiap transaksi transfer stablecoin ERC-20 dari satu alamat EOA ke alamat EOA lainnya (tidak termasuk transaksi pencetakan dan penghancuran). Setiap transaksi yang tidak ditandai sebagai pembayaran akan dikategorikan sebagai transaksi kontrak pintar, termasuk semua transaksi yang melibatkan interaksi dengan kontrak pintar (misalnya, terutama transaksi DeFi).

Gambar 1 menunjukkan bahwa sebagian besar pembayaran antar pengguna (EOA-EOA) dilakukan langsung, dengan setiap nilai hash transaksi hanya sesuai dengan satu transfer. Beberapa transfer multi EOA-EOA dalam hash transaksi yang sama terutama dilakukan melalui agregator, yang menunjukkan bahwa penggunaan agregator dalam transfer sederhana masih rendah. Sebaliknya, distribusi transaksi kontrak pintar berbeda, yang mengandung lebih banyak transaksi transfer berulang. Ini menunjukkan bahwa dalam operasi DeFi, stablecoin biasanya bersirkulasi di antara berbagai aplikasi dan router, akhirnya kembali ke akun EOA.

Gambar 1:

*Data sampel analisis ini mencakup transaksi dari periode 4 Juli 2025 hingga 31 Juli 2025.

Tabel 2 dan Gambar 2 menunjukkan, dari jumlah transaksi, rasio pembayaran (EOA-EOA) dan transaksi kontrak pintar (DeFi) kira-kira 50:50, sedangkan transaksi kontrak pintar menyumbang 53,2% volume. Namun, Gambar 2 menunjukkan bahwa volume (total transfer) lebih fluktuatif daripada jumlah transaksi, yang menunjukkan bahwa terutama transfer EOA-EOA besar oleh institusi yang menyebabkan fluktuasi ini.

Tabel 2: Ringkasan Jenis Transaksi

Gambar 2:

Gambar 3 mengeksplorasi distribusi jumlah transaksi untuk pembayaran (EOA-EOA) vs transaksi kontrak pintar. Distribusi jumlah untuk transaksi pembayaran dan kontrak pintar keduanya menyerupai distribusi normal berekor tebal, dengan rata-rata sekitar $100 hingga $1000.

Namun, terjadi puncak yang signifikan pada transaksi dengan jumlah di bawah $0,1, yang mungkin menunjukkan aktivitas bot atau manipulasi transaksi yang terkait dengan aktivitas perdagangan palsu dan wash trading, seperti yang dijelaskan oleh Halaburda et al. (2025) dan Cong et al. (2023).

Karena biaya Gas Ethereum biasanya melebihi $0,1, transaksi di bawah ambang batas ini memerlukan pemeriksaan lebih lanjut dan mungkin dikeluarkan dari analisis.

Gambar 3:

Data sampel yang digunakan dalam analisis ini mencakup catatan transaksi dari 4 Juli 2025 hingga 31 Juli 2025.

3.2 Jenis Pembayaran

Dengan menggunakan informasi label yang disediakan oleh Artemis, pembayaran antara dua EOA (Akun Eksternal) dapat dianalisis lebih lanjut. Artemis menyediakan informasi label untuk banyak alamat dompet Ethereum, yang dapat mengidentifikasi dompet yang dimiliki oleh institusi (misalnya Coinbase). Kami membagi transaksi pembayaran menjadi lima kategori: P2P, B2B, B2P, P2B, dan B internal. Berikut adalah deskripsi detail setiap kategori.

Pembayaran P2P:

Pembayaran blockchain P2P (orang ke orang) mengacu pada transfer dana langsung dari satu pengguna ke pengguna lain melalui jaringan blockchain. Dalam blockchain berbasis akun (seperti Ethereum), P2P semacam ini didefinisikan sebagai proses transfer aset digital dari dompet satu pengguna (akun EOA) ke dompet EOA pengguna lain. Semua transaksi dicatat dan divalidasi di blockchain, tanpa perlu lembaga perantara.

Tantangan Utama:

Mengidentifikasi apakah transaksi antara dua dompet dalam sistem akun benar-benar terjadi antara dua entitas independen (yaitu individu, bukan perusahaan) dan mengklasifikasikannya dengan benar sebagai transaksi P2P adalah tantangan utama. Misalnya, pengguna yang mentransfer antara akun mereka sendiri (yaitu akun Sybil) tidak boleh dihitung sebagai P2P. Namun, jika kami hanya mendefinisikan semua transaksi antara EOA (Akun Eksternal) sebagai P2P, maka transfer semacam ini mungkin salah diklasifikasikan sebagai P2P.

Masalah lain adalah ketika sebuah akun EOA dimiliki oleh perusahaan, seperti pertukaran terpusat (CEX, misalnya Coinbase), dompet EOA tersebut sebenarnya tidak dimiliki oleh individu nyata. Dalam dataset kami, kami dapat menambahkan label untuk banyak dompet EOA institusional dan perusahaan; namun, karena informasi label tidak lengkap, beberapa dompet EOA yang dimiliki perusahaan tetapi tidak tercatat dalam dataset kami mungkin salah ditandai sebagai dompet pribadi.

Terakhir, pendekatan ini tidak dapat menangkap pembayaran blockchain P2P yang dilakukan melalui perantara — juga dikenal sebagai model "stablecoin sandwich". Dalam model ini, dana ditransfer antara pengguna dengan memanfaatkan blockchain untuk penyelesaian melalui perantara. Secara spesifik, fiat pertama-tama dikirim ke perantara, yang mengonversinya menjadi cryptocurrency, kemudian dana ditransfer melalui jaringan blockchain, dan akhirnya perantara penerima (bisa sama atau berbeda) mengonversinya kembali menjadi fiat. Transfer blockchain adalah "lapisan tengah" dari "sandwich", sedangkan konversi fiat membentuk "lapisan luar". Tantangan utama dalam mengidentifikasi transaksi ini adalah bahwa mereka dilakukan oleh perantara, yang dapat menggabungkan beberapa transaksi bersama untuk mengurangi biaya Gas. Oleh karena itu, beberapa data kunci (seperti jumlah transaksi yang tepat dan jumlah pengguna yang terlibat) hanya tersedia di platform perantara.

Pembayaran B2B:

Transaksi bisnis ke bisnis (B2B) mengacu pada transfer elektronik dari satu bisnis ke bisnis lain melalui jaringan blockchain. Dalam dataset kami, pembayaran stablecoin mengacu pada transfer antara dua dompet EOA institusional yang diketahui, misalnya dari Coinbase ke Binance.

Pembayaran B Internal:

Transaksi antara dua dompet EOA dari institusi yang sama ditandai sebagai transaksi B internal.

Pembayaran P2B (atau B2P):

Transaksi individu ke bisnis (P2B) atau bisnis ke individu (B2P) mengacu pada transfer elektronik antara individu dan bisnis, yang dapat dilakukan dua arah.

Dengan metode pelabelan ini, kami menganalisis data pembayaran (hanya transfer EOA-EOA), dengan hasil utama dirangkum dalam Tabel 3. Data menunjukkan bahwa 67% transaksi EOA-EOA adalah jenis P2P, tetapi mereka hanya menyumbang 24% dari total volume pembayaran. Hasil ini lebih lanjut menunjukkan bahwa dibandingkan dengan institusi, pengguna P2P mentransfer jumlah yang lebih rendah. Selain itu, salah satu kategori dengan volume transaksi pembayaran tertinggi adalah B internal, yang berarti transfer dalam organisasi yang sama menyumbang proporsi yang besar. Menjelajahi arti spesifik dari transaksi B internal dan bagaimana menghitungnya dalam analisis aktivitas pembayaran tetap menjadi pertanyaan menarik yang layak diteliti.

Tabel 3: Distribusi Transaksi berdasarkan Kategori Pembayaran

Terakhir, Gambar 4 menunjukkan fungsi distribusi kumulatif (CDF) jumlah transaksi untuk setiap kategori pembayaran. Dari CDF dapat dilihat dengan jelas bahwa terdapat perbedaan yang nyata dalam distribusi jumlah transaksi antar kategori. Sebagian besar transaksi dengan jumlah di bawah $0,1 di akun EOA-EOA adalah jenis P2P, yang semakin membuktikan bahwa transaksi ini lebih mungkin didorong oleh bot dan dompet yang dimanipulasi, daripada oleh institusi yang ditandai dalam dataset kami. Selain itu, CDF untuk transaksi P2P semakin mendukung pandangan bahwa sebagian besar transaksi berjumlah kecil, sedangkan transaksi yang ditandai sebagai B2B dan B internal, CDF-nya menunjukkan jumlah transaksi yang secara signifikan lebih tinggi. Terakhir, CDF untuk transaksi P2B dan B2P berada di antara P2P dan B2B.

Gambar 4:

Data sampel analisis ini mencakup catatan transaksi dari 4 Juli 2025 hingga 31 Juli 2025.

Gambar 5 dan Gambar 6 menunjukkan perubahan setiap kategori pembayaran dari waktu ke waktu.

Gambar 5 berfokus pada perubahan yang dihitung per minggu, menunjukkan tren adopsi yang konsisten dan pertumbuhan volume transaksi mingguan untuk semua kategori. Tabel 4 lebih lanjut merangkum perubahan keseluruhan selama periode Agustus 2024 hingga Agustus 2025.

Selain itu, Gambar 6 menunjukkan perbedaan pembayaran antara hari kerja dan akhir pekan, dapat dilihat dengan jelas bahwa volume transaksi pembayaran berkurang pada akhir pekan. Secara keseluruhan, penggunaan pembayaran untuk semua kategori menunjukkan tren peningkatan dari waktu ke waktu, baik pada hari kerja maupun akhir pekan.

Gambar 5:

Gambar 6:

Tabel 4: Perubahan Volume Transaksi Pembayaran, Jumlah Transaksi, dan Jumlah dari Waktu ke Waktu

3.3 Konsentrasi Transaksi Stablecoin

Pada Gambar 9, kami menghitung konsentrasi dompet pengirim utama yang mengirim stablecoin melalui blockchain Ethereum. Jelas, sebagian besar volume transfer stablecoin terkonsentrasi di beberapa dompet. Dalam periode sampel kami, 1.000 dompet teratas menyumbang sekitar 84% dari volume transaksi.

Ini menunjukkan bahwa meskipun DeFi dan blockchain bertujuan untuk mendukung dan mempromosikan desentralisasi, dalam beberapa hal mereka masih menunjukkan karakteristik sentralisasi yang tinggi.

Gambar 9:

Data sampel yang digunakan dalam analisis ini mencakup catatan transaksi dari 4 Juli 2025 hingga 31 Juli 2025.

4. Diskusi

Sudah jelas bahwa adopsi stablecoin terus meningkat seiring waktu, dengan volume dan jumlah transaksinya lebih dari dua kali lipat selama periode Agustus 2024 hingga Agustus 2025. Memperkirakan penggunaan stablecoin dalam pembayaran adalah tugas yang menantang, dan semakin banyak alat yang sedang dikembangkan untuk membantu meningkatkan perkiraan ini. Penelitian ini menggunakan data label yang disediakan oleh Artemis untuk mengeksplorasi dan memperkirakan penggunaan pembayaran stablecoin yang tercatat di blockchain (Ethereum).

Hasil perkiraan kami menunjukkan bahwa pembayaran stablecoin menyumbang 47% dari total volume transaksi (atau 35% jika tidak termasuk transaksi B internal). Karena pembatasan kami pada klasifikasi pembayaran relatif longgar (terutama berdasarkan transfer EOA-EOA), perkiraan ini dapat dianggap sebagai batas atas. Namun, peneliti dapat menerapkan metode penyaringan tambahan, seperti batas atas dan bawah jumlah transaksi, tergantung pada tujuan penelitian mereka. Misalnya, menambahkan batas jumlah minimum $0,1 dapat mengecualikan manipulasi transaksi jumlah rendah yang disebutkan di Bagian 3.1.

Dalam Bagian 3.2, dengan menggunakan data label Artemis untuk lebih lanjut membagi transaksi pembayaran menjadi P2P, B2B, P2B, B2P, dan B internal, kami menemukan bahwa pembayaran P2P hanya menyumbang 23,7% dari total volume transaksi pembayaran (semua data mentah) atau 11,3% (tidak termasuk transaksi B internal). Penelitian sebelumnya menunjukkan bahwa pembayaran P2P menyumbang sekitar 25% dari pembayaran stablecoin, hasil kami mendekati angka tersebut.

Terakhir, dalam Bagian 3.3, kami mengamati bahwa, dari sudut pandang volume, sebagian besar transaksi stablecoin terkonsentrasi pada 1.000 dompet teratas. Ini menimbulkan pertanyaan menarik: apakah penggunaan stablecoin berkembang sebagai alat pembayaran yang didorong oleh perantara dan perusahaan besar, atau sebagai alat penyelesaian transaksi P2P? Waktu yang akan menjawabnya.

Referensi

  • Yaish, A., Chemaya, N., Cong, L. W., & Malkhi, D. (2025). Inequality in the Age of Pseudonymity. arXiv preprint arXiv:2508.04668.

  • Awrey, D., Jackson, H. E., & Massad, T. G. (2025). Stable Foundations: Towards a Robust and Bipartisan Approach to Stablecoin Legislation. Available at SSRN 5197044.

  • Halaburda, H., Livshits, B., & Yaish, A. (2025). Platform building with fake consumers: On double dippers and airdrop farmers. NYU Stern School of Business Research Paper Forthcoming.

  • Cong, L. W., Li, X., Tang, K., & Yang, Y. (2023). Crypto wash trading. Management Science, 69(11), 6427-6454.

Informasi lebih lanjut kunjungi:

https://www.stablecoin.fyi/#stablecoin-payments-by-type

Pertanyaan Terkait

QApa yang dimaksud dengan pendekatan 'filtering' dalam menganalisis penggunaan stablecoin untuk pembayaran?

APendekatan filtering menggunakan data transaksi mentah blockchain dan menerapkan teknik penyaringan untuk mengurangi noise, sehingga memberikan perkiraan yang lebih akurat tentang penggunaan stablecoin untuk pembayaran. Metode ini memisahkan transaksi yang melibatkan interaksi dengan smart contract dari transfer antara akun eksternal (EOA) yang diklasifikasikan sebagai transaksi pembayaran.

QBerapa persen dari total volume transaksi stablecoin yang dikontribusikan oleh 1.000 dompet teratas menurut penelitian ini?

AMenurut penelitian, 1.000 dompet teratas berkontribusi sekitar 84% dari total volume transaksi stablecoin, menunjukkan tingkat sentralisasi yang tinggi dalam penggunaan stablecoin.

QApa saja kategori utama pembayaran stablecoin yang diidentifikasi dalam laporan ini?

ALaporan mengidentifikasi lima kategori utama pembayaran stablecoin: P2P (orang ke orang), B2B (bisnis ke bisnis), B2P (bisnis ke orang), P2B (orang ke bisnis), dan transaksi internal B (antar dompet dalam institusi yang sama).

QMengapa transaksi dengan nilai di bawah 0,1 dollar AS dianggap mencurigakan dalam analisis ini?

ATransaksi di bawah 0,1 dollar AS dianggap mencurigakan karena biaya gas di jaringan Ethereum biasanya lebih tinggi dari nilai tersebut, sehingga transaksi kecil ini kemungkinan besar dilakukan oleh bot atau merupakan bagian dari manipulasi transaksi (seperti wash trading), bukan transaksi pembayaran yang legitimate.

QApa perbedaan utama antara transaksi pembayaran (EOA-EOA) dan transaksi smart contract dalam penggunaan stablecoin?

ATransaksi pembayaran (EOA-EOA) adalah transfer langsung antara dua akun eksternal tanpa melibatkan smart contract, sementara transaksi smart contract melibatkan interaksi dengan kontrak pintar untuk operasi seperti perdagangan DeFi, yang sering kali menggabungkan multiple operasi keuangan dalam satu transaksi.

Bacaan Terkait

Dialog dengan Ray Dalio: Saat Ini Berada dalam Gelembung AI, 1% Portofolio Investasi Adalah Bitcoin

Sumber: The Diary Of A CEO Ray Dalio, pendiri Bridgewater Associates yang meramalkan krisis keuangan 2008, memperingatkan bahwa ledakan AI saat ini menunjukkan tanda-tanda klasik gelembung ekonomi yang dapat pecah dan memicu resesi. Dalam wawancara podcast, dia menjelaskan dinamika "siklus besar" yang didorong oleh ketimpangan kekayaan, defisit pemerintah, dan perubahan geopolitik. Dalio mengidentifikasi pola di mana antusiasme berlebihan terhadap teknologi revolusioner baru, seperti AI, menyebabkan harga aset melambung dan pinjaman berlebihan. Ketika kondisi berubah (seperti kenaikan suku bunga atau kebutuhan tunai), gelembung ini dapat pecah, menyebabkan penurunan harga aset, kerugian luas, dan kontraksi ekonomi. Untuk melindungi kekayaan di masa ketidakpastian, Dalio sangat menekankan pentingnya **diversifikasi portofolio**—termasuk saham, obligasi, emas, dan real estat—daripada mengandalkan uang tunai saja. Dia mengungkapkan bahwa sekitar **1% portofolionya adalah Bitcoin**, yang diakuinya sebagai aset keras, tetapi dia lebih menyukai **emas fisik** karena sejarahnya sebagai penyimpan nilai dan aset bebas liabilitas. Mengenai dampak AI, Dalio percaya bahwa teknologi ini akan menggantikan tidak hanya tenaga fisik tetapi juga kemampuan kognitif manusia, berpotensi memperlebar kesenjangan antara pemilik modal dan pekerja. Masa depan akan menguntungkan mereka yang dapat memadukan kecerdasan manusia (seperti emosi dan intuisi) dengan kemitraan AI. Secara geopolitik, Dalio menggambarkan dunia yang memasuki fase "penurunan" dalam tatanan global, dengan Amerika Serikat menghadapi tantangan internal dan eksternal, termasuk konflik seperti di Iran yang mengungkap kelemahannya. Dia memprediksi dunia mungkin menjadi lebih terregionalisasi di masa depan. Secara keseluruhan, kunci untuk navigasi melalui periode kompleks ini adalah pemahaman akan pola sejarah, adaptasi, dan diversifikasi yang cermat.

marsbit13m yang lalu

Dialog dengan Ray Dalio: Saat Ini Berada dalam Gelembung AI, 1% Portofolio Investasi Adalah Bitcoin

marsbit13m yang lalu

Rekor! Beli Bersih Asing 7,2 Triliun Won dalam Sehari, Wall Street: Tekanan Likuiditas di Pasar Saham Korea Telah Mereda

**Ringkasan: Rekor Pembelian Asing dan Peningkatan Likuiditas di Pasar Saham Korea** Aliran modal asing menunjukkan perubahan signifikan di pasar saham Korea (KOSPI). Pada 31 Juli, investor asing melakukan pembelian bersih rekor sebesar 7,2 triliun Won Korea dalam sehari, menandai pembalikan dari tren penjualan bersih besar-besaran dalam beberapa bulan terakhir. Secara bulanan, penjualan bersih asing menyusut drastis menjadi 9,8 triliun Won di Juli, turun dari 48,4 triliun dan 44,5 triliun Won pada Juni dan Mei. Tekanan penjualan dari lembaga domestik juga mereda. Dana pensiun dan reksa dana domestik justru menjadi pembeli bersih 1,0 triliun Won di Juli, setelah dua bulan sebelumnya menjadi penjual bersih. Faktor pendukung lainnya adalah peraturan baru dari Komisi Jasa Keuangan (FSC) yang memberlakukan syarat lebih ketat bagi investor ritel untuk masuk ke ETF leverage saham tunggal, yang langsung mengurangi volume perdagangan instrumen tersebut hingga sekitar 50%. Kebijakan ini diperkirakan dapat menekan volatilitas pasar. Citigroup mempertahankan target indeks KOSPI di level 10.000 poin, menyoroti memudarnya angin penentu likuiditas. Analis mereka menilai faktor fundamental seperti industri chip memori yang solid, valuasi historis yang rendah, fundamental ekonomi Korea yang kuat, dan dukungan kebijakan berpotensi menjadi pendorong bagi pasar.

marsbit14m yang lalu

Rekor! Beli Bersih Asing 7,2 Triliun Won dalam Sehari, Wall Street: Tekanan Likuiditas di Pasar Saham Korea Telah Mereda

marsbit14m yang lalu

Pembaruan! AI Generasi Berikut OpenAI Pecahkan 10 Masalah Kelas Medali Fields

**OpenAI Model Astra Pecahkan 10 Masalah Matematika Kelas Fields Medal!** OpenAI mengumumkan terobosan besar dari model internal terbarunya, Astra. Model ini dilaporkan telah membuat kemajuan signifikan dalam **10 masalah matematika yang belum terpecahkan**, dengan biaya komputasi hanya sekitar **$2000**. Hasilnya dipublikasikan dalam makalah setebal 249 halaman. Beberapa pencapaian utama meliputi: 1. **Menyelesaikan masalah "non-sofic group"** yang diajukan Mikhail Gromov tahun 1999, dengan membangun contoh kelompok yang tak hingga dan finitely presented yang bukan sofic. Ini dianggap sebagai kemajuan bersejarah. 2. **Memecahkan batas lama dalam masalah pengepakan bola berdimensi tinggi** (sphere packing), meningkatkan batas yang telah bertahan sejak 1978 untuk dimensi tak hingga. 3. **Menyangkal dugaan "Connes Rigidity"** dengan membangun keluarga tak terhitung dari kelompok berbeda yang menghasilkan aljabar von Neumann yang sama persis. Semua bukti telah diverifikasi menggunakan asisten pembuktian formal Lean 4, memastikan ketepatannya. Para ahli matematika menyebut temuan ini sebagai **momen bersejarah**, setara dengan prestasi penghargaan Fields Medal, dan menandai kemampuan AI untuk melakukan penalaran matematika mendalam di berbagai bidang. OpenAI juga membagikan proses penalaran model, menunjukkan langkah maju yang besar menuju AGI (Artificial General Intelligence).

marsbit1j yang lalu

Pembaruan! AI Generasi Berikut OpenAI Pecahkan 10 Masalah Kelas Medali Fields

marsbit1j yang lalu

Bagaimana Membuat Diri Sendiri Tak Tergantikan oleh Kecerdasan Buatan

**Ringkasan: Bagaimana Membuat Diri Anda Tak Tergantikan oleh AI** Artikel ini membahas ancaman nyata dalam era AI: bukan kehilangan pekerjaan, tetapi "perbudakan gaji"—ketergantungan pada sistem dan orang lain untuk bertahan hidup. Solusinya adalah menjadi "individu super" yang "tak bisa dipekerjakan" dengan membangun bisnis atau karya sendiri. Kunci untuk bertahan dan berkembang di masa depan bukan sekadar keterampilan teknis, tetapi menguasai lima elemen yang sulit digantikan AI: 1. **Otonomi (Agency):** Kemampuan bertindak tanpa menunggu perintah. 2. **Rasa (Taste):** Pengalaman untuk mengetahui apa yang bernilai untuk ditawarkan. 3. **Kemampuan Persuasi (Persuasion):** Keterampilan menarik perhatian dan pengakuan. 4. **Ketekunan (Persistence):** Memahami bahwa kegagalan adalah bagian dari proses. 5. **Iterasi (Iteration):** Kemampuan memperbaiki kesalahan berdasarkan umpan balik. Lima elemen ini dapat dikembangkan dengan **membuat konten** (media). Dibandingkan pemrograman (code), konten lebih unggul karena nilainya subjektif, membutuhkan penilaian manusia, dan merupakan alat distribusi yang ampuh untuk membangun koneksi dan otoritas. Untuk memulai transformasi: 1. **Ubah lingkungan** Anda secara drastis untuk memicu perubahan identitas. 2. **Gali "bahan mentah"** Anda: Identifikasi pengetahuan mendalam, masalah yang pernah Anda selesaikan, dan minat unik masa kecil Anda. 3. **Temukan "poros pemikiran balik"**: Tentukan pendapat kontra-intuitif atau keyakinan Anda yang bertentangan dengan arus utama dalam bidang Anda. 4. **Luncurkan ide pertama** Anda besok. Gabungkan jawaban dari langkah 2 dan 3, lalu publikasikan. Umpan balik nyata dari dunia adalah guru terbaik. Intinya, bangunlah *karier seumur hidup* yang autentik berdasarkan pengalaman dan sudut pandang unik Anda. Dengan memanfaatkan AI sebagai alat dan fokus pada pengembangan diri yang tak tergantikan, Anda dapat mengambil kendali atas hidup dan masa depan Anda.

marsbit2j yang lalu

Bagaimana Membuat Diri Sendiri Tak Tergantikan oleh Kecerdasan Buatan

marsbit2j yang lalu

Kunci Bitcoin Disimpan Offline Berkat Lemparan Dadu, Tetapi Tidak Semua Orang Akan Melakukannya

Berdasarkan insiden kerentanan generator angka acak pada perangkat hardware wallet Coldcard, artikel ini membahas metode pembuatan kunci Bitcoin menggunakan dadu untuk menghasilkan entropi mandiri. Claude Shannon mengukur ketidakpastian dengan konsep entropi, di mana satu lemparan dadu enam sisi setara dengan sekitar 2,585 bit. Praktik melempar dadu 50 hingga 99 kali dapat menghasilkan frasa pemulihan 12 kata yang aman (128 bit entropi), melampaui ketergantungan pada generator perangkat. Namun, insiden Coldcard mengungkap bahwa meskipun seed utama dibuat dari dadu aman, fungsi lain seperti dompet kertas, kunci kloning, dan password masih berpotensi menggunakan generator cacat. Peneliti keamanan Kevin Loaec menekankan bahwa perlindungan hanya berlaku untuk seed utama, bukan keseluruhan sistem. Proses manual ini membutuhkan ketelitian tinggi, rentan kesalahan, dan tidak praktis bagi kebanyakan pengguna baru. Oleh karena itu, meski kuat secara matematis, metode ini lebih cocok untuk pengguna berpengalaman. Artikel menyarankan pemilik Coldcard untuk memperbarui firmware, memeriksa fungsi yang pernah digunakan, dan mempertimbangkan skema multisignature dengan perangkat dari produsen berbeda untuk mitigasi risiko. Tujuan jangka panjang adalah perangkat yang dapat menghasilkan keacakan kuat secara mandiri, tanpa memerlukan prosedur rumit dari pengguna.

cryptonews.ru5j yang lalu

Kunci Bitcoin Disimpan Offline Berkat Lemparan Dadu, Tetapi Tidak Semua Orang Akan Melakukannya

cryptonews.ru5j yang lalu

Trading

Spot
活动图片