Robot Semakin Nyata Semakin Menakutkan? Mengungkap Efek "Lembah Mengganggu" di Era Robot Humanoid

marsbitDipublikasikan tanggal 2026-06-09Terakhir diperbarui pada 2026-06-09

Abstrak

Penulis: Dean Fankhauser Diterjemahkan oleh: Felix, PANews Hubungan manusia dengan robot menjadi semakin kompleks. Saat robot humanoid semakin mendekati penampilan manusia, kini muncul hambatan psikologis tak terduga yang dapat membentuk cara interaksi manusia-mesin di masa depan: Efek Lembah Aneh (Uncanny Valley). **Apa itu "Efek Lembah Aneh"?** Ini adalah fenomena psikologis yang menggambarkan perubahan reaksi emosional manusia seiring dengan semakin miripnya buatan tangan dengan manusia. Konsepnya sederhana namun mendalam: robot yang terlihat jelas sebagai mesin (seperti R2-D2) mudah diterima. Namun, saat kemiripannya hampir sempurna tetapi belum sepenuhnya, tingkat kenyamanan justru turun drastis. Ketidaksempurnaan kecil pada gerakan atau ekspresi wajah menjadi sangat mencolok dan terasa menyeramkan. Konsep ini diperkenalkan oleh ahli robotika Jepang Masahiro Mori pada 1970. **Mengapa Muncul Rasa Tidak Nyaman?** Efek ini memicu konflik dalam persepsi manusia. Otak secara alami membaca ekspresi wajah dan sinyal sosial. Ketika robot 90% mirip manusia, otak awalnya mengklasifikasikannya sebagai "manusia", tetapi kemudian cepat mendeteksi ketidakkonsistenan (seperti gerakan mata yang salah, tekstur kulit terlalu sempurna, atau kedipan yang tidak wajar). Ketidakcocokan ini menyebabkan disonansi kognitif dan memicu alarm bawah sadar bahwa ada sesuatu yang menyamar. Contohnya adalah reaksi terhadap karakter film *The Polar Express* atau robot Sophia dari Hanson Robotics, yang...

Penulis: Dean Fankhauser

Disusun oleh: Felix, PANews

Hubungan antara manusia dan robot akan menjadi semakin kompleks. Seiring robot humanoid semakin mendekati penampilan manusia, saat ini sedang menghadapi kendala psikologis yang tak terduga, dan ini berpotensi membentuk cara interaksi manusia-mesin di masa depan.

Apa itu "Efek Lembah Mengganggu" (Uncanny Valley)?

"Efek Lembah Mengganggu" adalah fenomena psikologis yang menggambarkan bagaimana respons emosional manusia berubah seiring artifak buatan manusia menjadi semakin mirip manusia. Konsep ini sederhana namun mendalam: ketika robot terlihat jelas sebagai mesin, mudah untuk menerima mereka. Bayangkan R2-D2 dari "Star Wars" atau lengan robot industri, mereka jelas adalah mesin, dan penonton merasa nyaman.

R2-D2 Robot Perbaikan Luar Angkasa

Seiring robot menjadi semakin mirip manusia, penerimaan terhadap mereka awalnya akan meningkat. Manusia akan memberikan ciri-ciri antropomorfik, merasa mereka lucu atau disukai. Namun kemudian, sesuatu yang aneh terjadi.

Ketika kemiripan robot dengan manusia mencapai tingkat tertentu (terlihat hampir seperti manusia tetapi kurang sedikit saja), tingkat kenyamanan akan turun drastis. Alih-alih lebih menerimanya, justru timbul rasa tidak nyaman yang naluriah. Cacat kecil pada penampilan atau gerakan yang mungkin diabaikan pada robot yang lebih mekanis, tiba-tiba menjadi sangat mencolok dan aneh di sini.

Istilah "Lembah Mengganggu" (Uncanny Valley) dicetuskan oleh ahli robotika Jepang Masahiro Mori pada tahun 1970. Dalam sebuah makalah yang membahas hubungan antara respons emosional manusia terhadap robot dan tingkat realisme robot, ia mengemukakan konsep ini. Dia menunjukkan penurunan khas dalam penerimaan ketika robot mendekati namun belum sepenuhnya mencapai penampilan manusia.

Di antaranya, gerakan dan ekspresi wajah adalah pemicu utama. Kesalahan kecil dalam pergerakan mata, waktu berkedip, sinkronisasi bibir, serta ekspresi mikro wajah, semuanya dapat memicu "Efek Lembah Mengganggu" yang paling kuat. Gambar diam yang sempurna dan realistis mungkin terlihat tidak bermasalah, tetapi begitu bergerak, sering kali menampilkan "Efek Lembah Mengganggu".

Perlu dicatat, sensitivitas individu terhadap "Efek Lembah Mengganggu" sangat bervariasi. Beberapa penelitian menunjukkan bahwa orang dengan kemampuan empati yang lebih tinggi atau yang pekerjaannya erat kaitannya dengan manusia (seperti tenaga medis, terapis psikologis) mungkin lebih sensitif. Usia juga merupakan faktor pengaruh, beberapa penelitian menunjukkan anak-anak lebih kecil pengaruhnya dibandingkan orang dewasa.

Mengapa Merasa Tidak Nyaman?

"Efek Lembah Mengganggu" memicu konflik mendasar dalam persepsi manusia. Otak manusia secara alami dapat menafsirkan ekspresi wajah dan menangkap sinyal sosial yang halus. Ini adalah cara bertahan hidup selama jutaan tahun sebagai makhluk sosial. Ketika sebuah robot memiliki 90% kemiripan dengan manusia, otak awalnya akan mengklasifikasikannya sebagai "manusia", tetapi kemudian dengan cepat menemukan ketidakkonsistenan.

Ketidakkonsistenan ini menyebabkan disonansi kognitif. Misalnya, pergerakan mata mungkin sedikit menyimpang; tekstur kulit mungkin terlalu sempurna sehingga tidak realistis; ritme berkedip mungkin lebih lambat beberapa milidetik. Setiap penyimpangan halus akan memicu alarm bawah sadar: ada sesuatu yang menyamar sebagai manusia.

Ingat film "The Polar Express"? Karakter dalam film ini awalnya bertujuan untuk realisme, tetapi penonton justru merasa mereka aneh. Wajah mereka yang hampir sama dengan manusia memicu respons psikologis yang persis sama seperti menghadapi robot super-realistis. Mata karakter dalam film terlihat kosong, dan gerakannya agak kaku. Keanehan kecil ini mengingatkan penonton: ada sesuatu yang salah.

Film "The Polar Express"

Dalam bidang robotika, robot-robot awal memiliki realisme yang menakjubkan, tetapi tidak sempurna. Robot "Sophia" yang dikembangkan oleh Hanson Robotics sengaja mengejar kesan realistis manusia, sehingga terjebak dalam kontroversi. Beberapa orang merasa dia memesona, sementara yang lain merasa dia menyeramkan.

Robot Sophia

Bagaimana Perusahaan Robot Menghadapi "Efek Lembah Mengganggu"?

Ini bukan sekadar masalah estetika. "Efek Lembah Mengganggu" memiliki dampak mendalam pada pengembangan robot. Perusahaan yang menginvestasikan jutaan dolar untuk mengembangkan robot humanoid menghadapi dilema desain yang kritis: sejauh mana memanusiakan robot sebelum dianggap "terlalu jauh"?

Beberapa perusahaan memilih untuk sepenuhnya menghindari "Efek Lembah Mengganggu". Robot Boston Dynamics dapat melakukan gerakan akrobatik yang menakjubkan, sambil tetap mempertahankan penampilan yang jelas terlihat mekanis. Sementara perusahaan lain, seperti Hanson Robotics, mengambil risiko dengan tetap berkomitmen pada teknologi robot yang lebih mendekati manusia. Setiap pendekatan mencerminkan filosofi yang berbeda tentang interaksi manusia-mesin.

Seiring robot semakin terintegrasi dalam kehidupan sehari-hari, memahami dan mengatasi "Efek Lembah Mengganggu" menjadi sangat penting. Ini bukan hanya tentang membuat robot bekerja efisien, tetapi juga tentang dapat hidup berdampingan dengan nyaman bersama robot.

Untuk robot rumah tangga, pilihan desain sangat penting. Robot yang membantu pekerjaan rumah tangga perlu diterima oleh semua anggota keluarga, termasuk mereka yang lebih sensitif terhadap "Efek Lembah Mengganggu". Oleh karena itu, sebagian besar perusahaan robot konsumen dengan bijak memilih desain penampilan yang bergaya atau jelas-jelas mekanis.

Akankah "Efek Lembah Mengganggu" Akhirnya Menghilang?

Dua faktor dapat memudarkan "Efek Lembah Mengganggu" seiring waktu. Pertama, dengan kemajuan teknologi robotika, robot mungkin dapat melewati "lembah" dengan mencapai realisme yang hampir sempurna, menghilangkan ketidakselarasan halus yang memicu rasa tidak nyaman.

Kedua, seiring orang semakin terbiasa dengan keberadaan robot humanoid dalam kehidupan sehari-hari, kebaruan dan keasingan yang memperbesar "Efek Lembah Mengganggu" mungkin akan semakin memudar. Generasi muda yang tumbuh bersama robot humanoid mungkin memiliki toleransi yang lebih tinggi.

Saat ini, "Efek Lembah Mengganggu" masih mengingatkan kita: persepsi manusia itu kompleks dan sering kali berlawanan dengan intuisi. Dalam proses membuat mesin yang semakin mirip dengan diri kita sendiri, memahami psikologi manusia sendiri sama pentingnya dengan memahami teknologi robotika.

Bacaan terkait: Dari Kode ke Kognisi: Panduan Lengkap Evolusi Otak Robot

Pertanyaan Terkait

QApa yang dimaksud dengan 'Efek Lembah Mengerikan' dalam konteks robot humanoid?

A'Efek Lembah Mengerikan' (Uncanny Valley Effect) adalah fenomena psikologis di mana respons emosional manusia terhadap robot atau entitas buatan yang sangat mirip manusia justru berubah menjadi rasa tidak nyaman, jijik, atau takut ketika kemiripannya mencapai tingkat tertentu yang hampir sempurna namun masih ada sedikit ketidaksesuaian, seperti gerakan mata atau ekspresi wajah yang terasa tidak alami.

QSiapa yang pertama kali mengemukakan konsep 'Efek Lembah Mengerikan' dan kapan?

AKonsep 'Efek Lembah Mengerikan' pertama kali dikemukakan oleh ahli robotika asal Jepang, Masahiro Mori, pada tahun 1970 dalam sebuah makalah yang membahas hubungan antara respons emosional manusia terhadap robot dan tingkat realisme robot tersebut.

QApa saja faktor yang dapat memicu 'Efek Lembah Mengerikan' pada robot humanoid?

AFaktor pemicu utama 'Efek Lembah Mengerikan' adalah ketidaksempurnaan kecil dalam gerakan dan ekspresi wajah, seperti: kesalahan halus pada gerakan mata, waktu berkedip yang tidak tepat, sinkronisasi gerakan bibir, dan mikro-ekspresi wajah yang terasa aneh. Robot yang diam mungkin tampak baik-baik saja, tetapi begitu bergerak, efek tersebut sering kali muncul.

QBagaimana perusahaan robot seperti Boston Dynamics dan Hanson Robotics menanggapi tantangan 'Efek Lembah Mengerikan'?

APerusahaan mengambil pendekatan berbeda. Boston Dynamics menghindari efek tersebut dengan merancang robot seperti Atlas yang memiliki penampilan jelas-jelas mekanis, meskipun gerakannya sangat lincah. Sebaliknya, Hanson Robotics justru mengembangkan robot seperti Sophia yang berusaha sangat mirip manusia, meski berisiko memicu ketidaknyamanan akibat 'Efek Lembah Mengerikan'.

QMenurut artikel, apakah 'Efek Lembah Mengerikan' suatu saat akan hilang?

AArtikel menyebutkan dua faktor yang berpotensi mengurangi atau menghilangkan efek ini seiring waktu. Pertama, kemajuan teknologi robotika memungkinkan terciptanya robot yang hampir sempurna realistiknya, sehingga menghilangkan ketidaksesuaian halus yang memicu ketidaknyamanan. Kedua, paparan dan kebiasaan manusia hidup berdampingan dengan robot humanoid dapat mengurangi rasa asing yang memperkuat efek ini, terutama pada generasi muda yang tumbuh bersama robot.

Bacaan Terkait

Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

Pada 15 Juni, Li Auto memperkenalkan chip self-driving buatan sendiri, Ma He M100, yang dikembangkan khusus untuk L9 Livis generasi baru. CTO Li Auto, Xie Yan, menekankan bahwa fokusnya bukan hanya meningkatkan kecepatan, tetapi mengubah arsitektur chip secara fundamental. Di tengah tren produsen mobil yang berlomba-lomba mengembangkan chip sendiri pada tahun 2026, pesaing seperti Nio (chip Shenji NX9031), Xpeng (chip Turing), dan Huawei (MDC 810 Pro) umumnya mengandalkan angka TOPS (komputasi) sebagai senjata pemasaran utama. Namun, Li Auto memilih jalur berbeda dengan mengubah logika arsitektur dasar dari chip tersebut. Ma He M100 mengadopsi arsitektur Dynamic Data Flow, bukan arsitektur von Neumann tradisional. Pendekatan ini dirancang untuk komputasi paralel matriks berskala besar yang diperlukan untuk inferensi model AI (seperti VLA), dengan mengurangi bolak-balik data antara memori dan unit pemrosesan. Hasil klaim Li Auto adalah efisiensi komputasi efektif 3 kali lipat dibandingkan Nvidia Thor U dan penurunan latency 40%. Keberhasilan arsitektur ini mendapat pengakuan eksternal melalui penerimaan makalahnya di konferensi akademis bergengsi ISCA 2026. Namun, keunggulan 3x ini sangat tergantung pada algoritma Li Auto (VLA2.1) dan mungkin tidak berlaku untuk tugas komputasi umum. Dengan chip ini, Li Auto menyelesaikan rantai teknologi "full-stack" yang meliputi chip, compiler, sistem operasi (Star Ring OS), model AI, dan pengontrol domain, menciptakan ekosistem tertutup yang independen dari pemasok seperti Nvidia. Dalam peluncuran ini, CEO Li Xiang juga memperkenalkan visi "Mobil Cerdas Embadied" ("Four-in-One Embodied AI Car"), yang mendefinisikan mobil listrik sebagai asisten hidup yang dapat merasakan, berpikir, dan berkembang, menggeser persaingan dari sekadar fitur konfigurasi (seperti kulkas atau layar) ke kemampuan sistem. Li Auto menetapkan target ambisius untuk model self-driving Ma He VLA agar menyamai performa Tesla FSD V14 pada kuartal keempat tahun ini, dengan rincian peningkatan OTA bertahap mulai Juli hingga Desember. Di balik inovasi teknologi, tantangan finansial tetap ada. Pendapatan Li Auto turun pada Q4 2025, dengan margin yang menyempit. Namun, anggaran R&D tetap tinggi (sekitar 12 miliar yuan, 50% untuk AI). Target penjualan 2026 adalah 550.000 unit, sementara realisasi 2025 adalah 406.000 unit. Pengujian nyata akan dimulai pada kuartal ketiga dengan OTA pertama pada Juli dan peluncuran model baru. Sertifikasi akademis untuk arsitektur chip adalah langkah awal, tetapi penerimaan pasar dan kinerja dalam kondisi mengemudi sehari-hari akan menjadi penentu kesuksesan akhir.

marsbit50m yang lalu

Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

marsbit50m yang lalu

Tahun Pertama Penerapan AI, Hanya Bilang Iya, Abai Risiko? Log Pelayaran Pengembangan Perangkat Lunak Sepenuhnya Sumber Terbuka

Tahun 2026 disebut sebagai era aplikasi AI. Kode dibuat semakin cepat, namun dengan pengawasan yang semakin sedikit saat diterapkan. Risiko dari kode yang ditulis AI sering kali tersembunyi dalam kode yang tampak benar secara sintaksis dan melewati semua pemeriksaan, tetapi dapat menyebabkan kebocoran data atau kerugian aset. Contoh nyata adalah insiden konfigurasi oracle cbETH Moonwell, di mana kesalahan semantik dalam harga melewati proses pengembangan dan pemeriksaan, mengakibatkan kerugian finansial yang signifikan. Risiko pengkodean AI telah berevolusi dari pelengkap lokal ke agen yang dapat membaca file, mengubah konfigurasi, menginstal dependensi, dan menghasilkan skrip infrastruktur, sehingga menciptakan jalur risiko yang lebih panjang dan sulit dilacak dalam rekayasa perangkat lunak. Untuk mengatasi masalah ini, Narwhal-Lab Universitas Peking meluncurkan proyek sumber terbuka **Narwhal AI Code Risks**. Proyek ini mengumpulkan dan mengkategorikan fragmen informasi risiko yang tersebar ke dalam tiga lapisan: `cases/` (peristiwa nyata), `inferred/` (sinyal awal), dan `scenarios/` (skenario risiko tipikal). Risiko diklasifikasikan menjadi 7 kategori: Rantai Pasok, Kerentanan Tingkat Kode, Konfigurasi Cloud & Infrastruktur, Risiko Agen, Risiko Domain Vertikal, Risiko Kekayaan Intelektual & Kepatuhan, serta Faktor Manusia. Tujuan proyek ini adalah untuk mengubah kasus risiko menjadi pengetahuan yang dapat digunakan kembali, membantu pengembang mengidentifikasi masalah serupa, menjadi basis sampel bagi peneliti keamanan, serta menyediakan aturan deteksi dan tolok ukur bagi vendor alat. Dengan menyediakan "log pelayaran" sumber terbuka untuk dunia perangkat lunak, proyek ini bertujuan untuk mencatat dan meneruskan pengalaman, sehingga pihak lain tidak perlu terjebak dalam perangkap yang sama.

marsbit50m yang lalu

Tahun Pertama Penerapan AI, Hanya Bilang Iya, Abai Risiko? Log Pelayaran Pengembangan Perangkat Lunak Sepenuhnya Sumber Terbuka

marsbit50m yang lalu

Landasan Valuasi Triliunan Dollar SpaceX: Siapa yang Mengambil Alih Pengeluaran Modal Tahunan Ratusan Miliar Milik Musk?

Penulis berpendapat bahwa peluang investasi terbesar dalam eksplosifnya SpaceX saat ini bukan pada saham SpaceX itu sendiri (yang mahal dan masih rugi), melainkan pada para pemasoknya. Ini mengikuti pola sejarah seperti rantai pasokan Apple, Tesla, dan NVIDIA, di mana perusahaan "super terminal" mendorong pertumbuhan luar biasa bagi pemasoknya. SpaceX mengalokasikan ratusan miliar dolar untuk pengeluaran modal tahunan, didanai terutama oleh bisnis Starlink yang menguntungkan. Uang ini dialirkan ke pengembangan roket (untuk menurunkan biaya peluncuran) dan AI/pusat data orbital. Pesanan pembelian besar-besaran ini mengalir ke tiga jenis pemasok: 1. **Pengganti yang Sulit:** NVIDIA (GPU & CUDA), Eutelsat (spektrum satelit), Filtronic (penguat sinyal), Materion (berilium), STMicroelectronics (chip antena). 2. **Pengganti yang Mahal:** Honeywell (kontrol penerbangan), Carpenter Technology (baja khusus), Hexcel (serat karbon), Broadcom (pertukaran data). 3. **Pemasok Produksi Massal:** Wistron NeWeb (perakitan terminal Starlink), dan beberapa perusahaan Tiongkok seperti Shenzhen Sunway (konektor), Paixin New Materials (tempaan), Western Superconductor (paduan niobium), Yingliu Co. (cetakan), serta perusahaan seperti Trimble (sinkronisasi waktu) dan Astronics (distribusi daya). Mengapa sekarang adalah saat yang tepat? (1) Volume pembelian SpaceX baru akan meningkat pesat (target 100 peluncuran/tahun, 3000 juta terminal Starlink). (2) Transparansi data melalui IPO memungkinkan pelacakan pesanan. (3) Siklus rantai pasokan mirip dengan tahap awal Tesla (sekitar 2018), menawarkan peluang pertumbuhan jangka panjang. Kesimpulannya, alih-alih membeli saham SpaceX yang fantastis, investor dapat mempertimbangkan perusahaan-perusahaan di balik layar yang menerima pesanan besar dan stabil, terlepas dari volatilitas harga saham SpaceX. Namun, setiap perusahaan perlu dianalisis secara individual dengan mempertimbangkan risiko seperti siklus komoditas, geopolitik, dan perubahan teknologi.

marsbit1j yang lalu

Landasan Valuasi Triliunan Dollar SpaceX: Siapa yang Mengambil Alih Pengeluaran Modal Tahunan Ratusan Miliar Milik Musk?

marsbit1j yang lalu

Landasan Valuasi Triliunan Dolar SpaceX: Siapa yang Mengambil Porsi Belanja Modal Ratusan Miliar Elon Musk Tiap Tahun?

Pondasi valuasi triliunan dolar SpaceX: Siapa yang membagi ratusan miliar belanja modal tahunan Elon Musk? Alih-alih berinvestasi langsung di SpaceX yang IPO dengan valuasi tinggi dan masih rugi, peluang mungkin lebih baik pada rantai pasokannya. Sejarah menunjukkan bahwa raksasa teknologi seperti Apple, Tesla, dan Nvidia telah menciptakan kekayaan besar bagi pemasok mereka. SpaceX beroperasi dengan model: Layanan internet satelit Starlink menghasilkan uang → mendanai pengembangan roket untuk menekan biaya peluncuran → meluncurkan perangkat keras AI ke luar angkasa dengan biaya rendah → menyewakan daya komputasi AI untuk pendapatan baru. Siklus ini menghasilkan pesanan pembelian ratusan miliar dolar AS setiap tahun. Pemasok dapat dikategorikan dalam tiga kelompok: 1. **Pengganti sulit atau tidak mungkin**: NVIDIA (GPU untuk superkomputer), Eutelsat (spektrum radio satelit), Filtronic (amplifier sinyal satelit), Materion (logam berilium), STMicroelectronics (chip antena). 2. **Secara teknis dapat diganti, tetapi biaya peralihannya tinggi**: Honeywell (sistem kendali penerbangan), Carpenter Technology (baja paduan khusus), Hexcel (serat karbon), Broadcom (pertukaran data), Linde (gas industri). 3. **Memerlukan produksi massal yang stabil dengan biaya rendah**: Perusahaan-perusahaan ini memasok komponen untuk perangkat terminal Starlink dan roket. Contohnya termasuk Wistron NeWeb (kontrak perakitan), serta beberapa perusahaan China seperti Sunway Communication (konektor), Paike New Materials (komponen tempa), Western Superconducting (paduan niobium), Yingliu Co (komponen cor). Perusahaan seperti Trimble, Astronics, dan CTS juga menyediakan komponen penting. Mengapa sekarang adalah saat yang tepat? Karena volume pembelian SpaceX baru akan meningkat (target 100 peluncuran/tahun, 30 juta terminal Starlink), transparansi melalui IPO memungkinkan pelacakan pesanan, dan siklus rantai pasokan serupa dengan Tesla pada 2018 - masih di tahap awal pertumbuhan yang curam. Intinya: Pesanan pembelian tahunan SpaceX yang besar, terlepas dari harga sahamnya, akan mengalir ke pemasoknya dan menjadi pendapatan tetap mereka. Inilah peluang yang mungkin lebih dapat diakses daripada berinvestasi langsung di saham SpaceX.

链捕手1j yang lalu

Landasan Valuasi Triliunan Dolar SpaceX: Siapa yang Mengambil Porsi Belanja Modal Ratusan Miliar Elon Musk Tiap Tahun?

链捕手1j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli ERA

Selamat datang di HTX.com! Kami telah membuat pembelian Caldera (ERA) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Caldera (ERA) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Caldera (ERA) AndaSetelah melakukan pembelian, simpan Caldera (ERA) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Caldera (ERA)Lakukan trading Caldera (ERA) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

796 Total TayanganDipublikasikan pada 2025.07.17Diperbarui pada 2026.06.02

Cara Membeli ERA

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga ERA (ERA) disajikan di bawah ini.

活动图片