Apakah Sudah Saatnya Menyerah pada Dogecoin dan Shiba Inu? Metrik On-Chain Punya Jawabannya

bitcoinistDipublikasikan tanggal 2026-03-02Terakhir diperbarui pada 2026-03-02

Abstrak

Saat ini, sentimen bearish mendominasi Dogecoin (DOGE) dan Shiba Inu (SHIB) seiring penurunan pasar kripto. Metrik on-chain dari Santiment menunjukkan permintaan yang sangat lemah. Divergensi Harga vs Alamat Aktif Harian (DAA) DOGE anjlok ke -49%, level terendah dalam dua bulan, sementara jumlah alamat aktifnya turun drastis. SHIB mengalami nasib serupa dengan DAA divergence di -29%, level terendah tahun ini, dan jumlah alamat aktif hariannya sangat rendah, bahkan di bawah 10.000 sejak awal tahun. Data derivatif juga mengonfirmasi sentimen negatif ini. Volume perdagangan berjangka dan open interest untuk kedua aset turun signifikan, dengan rasio long/short DOGE di bawah 1 yang menunjukkan lebih banyak trader yang melakukan short. Dengan ketidakpastian geopolitik AS-Iran yang memperparah kondisi, metrik on-chain dan derivatif ini menunjukkan bahwa peserta pasar memilih untuk menunggu di sela-sela, menandakan risiko penurunan lebih lanjut untuk kedua meme coin tersebut.

Dogecoin dan Shiba Inu saat ini menghadapi sentimen bearish akibat tren penurunan pasar kripto. Metrik on-chain juga menyoroti sentimen saat ini, dengan peserta pasar memilih untuk tetap berada di pinggir lapangan di tengah tren penurunan ini.

Metrik On-Chain Sinyalkan Sentimen Bearish Terhadap Dogecoin dan Shiba Inu

Data Santiment menunjukkan bahwa divergensi Alamat Aktif Harian Harga (DAA) Dogecoin telah turun menjadi -49%, menandakan permintaan yang lemah dalam ekosistem meme coin bahkan saat harga terus turun. Angka ini menandai level terendah dua bulan untuk DOGE dan terjadi di tengah penurunan baru-baru ini di bawah level psikologis $0,10.

Selanjutnya, Alamat Aktif Harian di jaringan Dogecoin terus berfluktuasi. Data dari Santiment menunjukkan bahwa DAA di jaringan turun dari setinggi 87.727 pada 31 Januari serendah 38.696 pada 28 Februari. Total Alamat aktif selama tujuh hari terakhir berada di bawah 300.000, yang juga menandakan permintaan yang rendah untuk meme coin saat ini.

Sumber: grafik dari Santiment

Seperti Dogecoin, Shiba Inu juga menghadapi permintaan yang lebih lemah di tengah tren penurunan harga baru-baru ini. Data Santiment menunjukkan bahwa Divergensi Harga DAA telah turun menjadi -29%, level terendah tahun ini. Ini secara signifikan bertepatan dengan penurunan SHIB ke level terendah tahun ini, dengan meme coin kini turun 25% year-to-date (YTD).

Alamat Aktif Harian Shiba Inu juga tetap datar sejak awal tahun, menunjukkan bahwa investor memilih untuk tidak berinvestasi dalam meme coin terbesar kedua berdasarkan kapitalisasi pasar. Sebagai gambaran, DAA SHIB pada 1 Maret hanya 1.984, turun dari rekor tertinggi multi-bulan 377.000 yang dicatat pada Oktober tahun lalu. Sejak awal tahun ini, Alamat Aktif Harian tetap di bawah 10.000.

Perlu dicatat bahwa Dogecoin dan Shiba Inu tetap berisiko mengalami penurunan lebih lanjut seiring eskalasi ketegangan antara AS dan Iran. Penurunan lebih lanjut dalam meme coin ini kemungkinan akan menyebabkan penurunan dalam metrik on-chain ini karena peserta pasar tetap berada di pinggir lapangan di tengah ketidakpastian ini.

Metrik Derivatif Merah Saat Trader Duduk di Pinggir Lapangan

Metrik derivatif Dogecoin dan Shiba Inu juga merah saat trader kripto duduk di pinggir lapangan di tengah pelepasan pasar saat ini. Data CoinGlass menunjukkan bahwa volume perdagangan derivatif DOGE turun lebih dari 34% menjadi $2,36 miliar. Open interest turun lebih dari 9%, turun menjadi $907 juta, sementara volume perdagangan opsi anjlok 31%. Rasio long/short di bawah 1, menandakan bahwa sebagian besar trader sedang short DOGE saat ini.

Demikian pula, metrik derivatif Shiba Inu menandakan bahwa penjual saat ini mendominasi pasar, karena pihak bull tetap berhati-hati di tengah ketidakpastian pasar. Data CoinGlass menunjukkan bahwa volume perdagangan derivatif SHIB telah anjlok 28%, turun menjadi $132 juta, sementara open interest turun menjadi $54 juta.

DOGE diperdagangkan pada $0,09 pada grafik 1D | Sumber: DOGEUSDT di Tradingview.com

Pertanyaan Terkait

QApa yang ditunjukkan oleh metrik on-chain untuk Dogecoin dan Shiba Inu saat ini?

AMetrik on-chain menunjukkan sentimen bearish. Price DAA Divergence Dogecoin turun ke -49% dan Shiba Inu ke -29%, menandakan permintaan yang lemah dan partisipan pasar yang memilih untuk menunggu di pinggir lapangan.

QBagaimana tren Alamat Aktif Harian (DAA) untuk jaringan Dogecoin?

AAlamat Aktif Harian di jaringan Dogecoin menurun drastis, dari 87.727 pada 31 Januari menjadi serendah 38.696 pada 28 Februari. Total alamat aktif dalam tujuh hari terakhir juga di bawah 300.000.

QApa yang menyebabkan Dogecoin dan Shiba Inu berisiko mengalami penurunan lebih lanjut?

AKedua meme coin ini berisiko turun lebih dalam karena eskalasi ketegangan antara AS dan Iran, yang meningkatkan ketidakpastian pasar dan membuat investor enggan berinvestasi.

QBagaimana performa metrik derivatif untuk Dogecoin dan Shiba Inu?

AMetrik derivatif kedua aset kripto ini juga merah. Volume perdagangan derivatif DOGE turun 34% dan open interest turun 9%. Rasio long/short di bawah 1, menunjukkan lebih banyak trader yang short. SHIB juga mengalami penurunan volume derivatif 28%.

QApa yang ditunjukkan oleh Alamat Aktif Harian Shiba Inu yang datar sejak awal tahun?

AAlamat Aktif Harian Shiba Inu yang tetap rendah (di bawah 10.000 sejak awal tahun) dan turun dari rekor 377.000 pada Oktober lalu, mengindikasikan bahwa investor enggan berinvestasi dan memilih untuk tidak aktif di jaringan.

Bacaan Terkait

GensynAI : Jangan Biarkan AI Mengulangi Kesalahan Internet

Beberapa bulan terakhir, banyak talenta dari industri kripto beralih ke AI karena pesatnya perkembangan industri kecerdasan buatan. Para peneliti yang bergerak di kedua bidang ini terus mengeksplorasi satu pertanyaan yang belum terjawab: **Bisakah blockchain menjadi bagian dari infrastruktur AI?** Proyek yang menggabungkan AI dan Crypto, seperti AI Agent, on-chain reasoning, pasar data, dan penyewaan daya komputasi, telah banyak bermunculan. Namun, sebagian besar masih berada di "lapisan aplikasi AI" dan belum membentuk closed-loop bisnis yang nyata. Berbeda dengan itu, **Gensyn** justru menyasar lapisan paling inti dan mahal dalam industri AI: **pelatihan model**. Gensyn bertujuan untuk mengorganisir sumber daya GPU yang tersebar secara global menjadi jaringan pelatihan AI terbuka. Pengembang dapat mengirimkan tugas pelatihan, node menyediakan daya komputasi, dan jaringan bertugas memverifikasi hasil pelatihan serta mendistribusikan insentif. Nilai utama di balik ini bukan semata-mata "desentralisasi", melainkan solusi atas masalah mendesak dalam industri AI: **sumber daya komputasi (GPU) yang semakin terkonsentrasi di tangan segelintir raksasa teknologi.** Kelangkaan pasokan H100, kenaikan harga layanan cloud, dan persaingan ketat untuk mengunci sumber daya komputasi menunjukkan bahwa kepemilikan GPU kini menjadi penentu kecepatan pengembangan AI, terutama di era model besar (large models). **Mengapa Gensyn Menarik Perhatian?** 1. **Menyasar Lapisan Infrastruktur Inti AI:** Gensyn langsung masuk ke dalam proses pelatihan model, bagian yang paling menantang secara teknis dan paling banyak mengonsumsi sumber daya. Ini adalah lapisan yang mudah membentuk hambatan platform (platform壁垒). Jika jaringan pelatihannya mencapai skala, ia berpotensi menjadi pintu masuk penting bagi pengembangan AI di masa depan. 2. **Menawarkan Model Kolaborasi Komputasi yang Lebih Terbuka:** Berbeda dengan ketergantungan pada platform cloud terpusat yang biayanya terus naik, Gensyn mengusung model yang memanfaatkan GPU menganggur dan menjadwalkan sumber daya komputasi secara dinamis. Ini dapat meningkatkan efisiensi penggunaan daya komputasi secara keseluruhan dan mengurangi hambatan inovasi bagi tim AI kecil-menengah. 3. **Tingkat Kesulitan Teknis sebagai Keunggulan:** Tantangan sebenarnya bukan sekadar menghubungkan GPU, tetapi **cara memverifikasi hasil pelatihan, memastikan kejujuran node, dan menjaga keandalan pelatihan di lingkungan terdistribusi.** Gensyn fokus pada solusi teknis ini (seperti mekanisme verifikasi probabilistik, model distribusi tugas), menjadikannya lebih mirip perusahaan infrastruktur teknologi mendalam (deep tech). 4. **Memiliki Closed-Loop Bisnis Nyata:** Kebutuhan akan pelatihan AI adalah pasar nyata yang terus berkembang, dengan celah pasokan GPU yang berkelanjutan. Gensyn tidak sekadar menambahkan blockchain untuk kepentingannya sendiri, tetapi menjawab kebutuhan industri akan sistem penjadwalan sumber daya yang lebih fleksibel dan terbuka. Singkatnya, batas antara Crypto (sistem finansial) dan AI (sistem teknologi) semakin kabur. AI membutuhkan koordinasi sumber daya, mekanisme insentif, dan kolaborasi global—hal-hal yang menjadi keahlian Crypto. Gensyn mewakili upaya untuk membuka akses kemampuan pelatihan, yang selama ini dikuasai sedikit perusahaan besar, menjadi sistem yang lebih terbuka dan dapat dikolaborasikan. Inisiatif ini tidak lagi sekadar cerita konsep, tetapi berkembang menuju infrastruktur AI nyata, di mana perusahaan paling bernilai di era AI sering kali lahir dari lapisan infrastruktur.

marsbit8j yang lalu

GensynAI : Jangan Biarkan AI Mengulangi Kesalahan Internet

marsbit8j yang lalu

Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

Pengarang mencatat bahwa laboratorium AI China telah menjadi kekuatan yang semakin sulit diabaikan dalam kompetisi model besar global. Keunggulannya tidak hanya terletak pada banyaknya talenta, kemampuan rekayasa yang kuat, dan iterasi cepat, tetapi juga berasal dari cara organisasi yang sangat realistis: lebih banyak fokus pada pembuatan model daripada konsep, lebih menekankan eksekusi tim daripada individu bintang, dan lebih memilih menguasai tumpukan teknologi inti sendiri daripada bergantung pada layanan eksternal. Dari kunjungan ke sejumlah laboratorium AI terkemuka China, penulis menemukan ekosistem AI China tidak sepenuhnya sama dengan AS. AS lebih menekankan orisinalitas, investasi modal, dan pengaruh ilmuwan puncak, sedangkan China lebih mahir dalam mengejar cepat arah yang sudah ada. Melalui sumber terbuka, optimasi rekayasa, dan kontribusi banyak peneliti muda, China mendorong kemampuan model ke garis depan dengan cepat. Yang paling menarik untuk diperhatikan bukanlah apakah AI China telah melampaui AS, melainkan dua jalur pengembangan berbeda yang terbentuk: AS lebih seperti kompetisi garis depan yang digerakkan modal dan laboratorium bintang, sedangkan China lebih seperti kompetisi industri yang didorong oleh kemampuan rekayasa, ekosistem sumber terbuka, dan kesadaran penguasaan teknologi mandiri. Ini berarti kompetisi AI di masa depan tidak hanya soal peringkat model, tetapi juga kemampuan organisasi, ekosistem pengembang, dan eksekusi industri. Perubahan nyata AI China terletak pada cara mereka berpartisipasi dalam garis depan global dengan caranya sendiri, bukan hanya meniru Silicon Valley. Penulis juga menyoroti beberapa perbedaan utama dalam ekosistem AI China: permintaan AI domestik mulai muncul, banyak pengembang terpengaruh Claude, perusahaan memiliki mentalitas kepemilikan teknologi, ada dukungan pemerintah meski skalanya belum jelas, industri data kurang berkembang dibanding Barat, dan ada kebutuhan kuat akan chip NVIDIA lebih banyak. Penutupnya menekankan pentingnya ekosistem global yang terbuka dan kolaboratif untuk menciptakan AI yang lebih aman, mudah diakses, dan bermanfaat bagi dunia.

marsbit9j yang lalu

Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

marsbit9j yang lalu

3 Tahun 5 Kali Lipat, Pabrik Kaca Berusia Satu Abad Dibangkitkan Kembali

Menurut CRU, permintaan serat optik untuk pusat data AI meningkat 75.9% per tahun, dan kesenjangan pasokan-meningkat dari 6% menjadi 15%. Harga serat optik melonjak lebih dari 3 kali lipat dalam beberapa bulan, dan kapasitas produksi tidak dapat mengimbangi. Inilah alasan NVIDIA berinvestasi di Corning dan mempercepat ekspansi kapasitas serat optik, dengan total investasi $45 miliar dalam tiga perusahaan di seluruh rantai optik. Corning, perusahaan kaca berusia 175 tahun dari New York, melihat sahamnya naik 316.81% dalam setahun terakhir, mencapai kapitalisasi pasar $160 miliar. NVIDIA memilih Corning karena keahliannya dalam serat optik khusus berkinerja tinggi yang penting untuk pusat data AI, seperti serat dengan kehilangan sinyal ultra-rendah (0.15 dB/km), kepadatan tinggi, dan ketahanan tekuk yang baik. Penghasilan Corning dari segmen komunikasi optik untuk perusahaan (Enterprise) melonjak dari $1.3 miliar pada 2023 menjadi lebih dari $3 miliar pada 2025. Perusahaan telah mengamankan kontrak pasokan jangka panjang bernilai miliaran dolar dari klien seperti Meta dan NVIDIA. Meskipun bukan produsen serat optik terbesar secara global, keunggulan teknis Corning di pasar serat canggih untuk AI, ditambah dengan investasi R&D tahunan sebesar $1 miliar, memberinya posisi unik. Percepatan adopsi teknologi **CPO (Co-Packaged Optics)** oleh NVIDIA, yang dijadwalkan mulai produksi massal pada paruh kedua 2026, menjadi katalis penting bagi permintaan serat optik premium Corning. Namun, valuasi sahamnya yang telah melonjak pesat dan potensi keterlambatan dalam eksekusi pesanan menjadi faktor risiko yang perlu diperhatikan.

marsbit10j yang lalu

3 Tahun 5 Kali Lipat, Pabrik Kaca Berusia Satu Abad Dibangkitkan Kembali

marsbit10j yang lalu

Trading

Spot
Futures
活动图片