Pengaruh Overconfidence Bias Terhadap Keputusan Investasi Aset Kripto Pada Generasi Z Di Kota Bandung Dengan Pengalaman Investasi Sebagai Variabel Moderasi

Authors

  • Raden Hanif Budi Kusuma
  • Aldi Akbar

Abstract

conceptualization, dan active experimentation. Dalam konteks investasi, durasi dan intensitas keterlibatan investor menentukan sejauh mana siklus pembelajaran tersebut telah dialami. Investor pemula dengan pengalaman kurang dari satu tahun umumnya masih berada pada tahap pengalaman konkret, sedangkan investor dengan pengalaman satu hingga tiga tahun mulai mampu melakukan refleksi dan penyesuaian strategi. Investor yang memiliki pengalaman lebih dari tiga tahun cenderung telah mencapai tahap pembelajaran yang lebih matang, di mana pengalaman masa lalu dapat diintegrasikan ke dalam strategi investasi yang lebih rasional dan terukur. Pemahaman ini diperkuat oleh temuan (FCA, 2023) yang menunjukkan bahwa lamanya pengalaman investasi berkorelasi dengan tingkat pemahaman, toleransi risiko, dan kemampuan reflektif dalam pengambilan keputusan keuangan. Berdasarkan teori dan temuan empiris tersebut, pengalaman investasi dapat diklasifikasikan menjadi tiga tingkat utama, yaitu novice (<1 tahun), intermediate (1–3 tahun), dan experienced (>3 tahun). Klasifikasi ini memiliki dasar konseptual dari teori pembelajaran pengalaman serta dukungan empiris yang menunjukkan perkembangan kematangan investor seiring dengan durasi keterlibatan di pasar keuangan. D. ASET KRIPTO Aset kripto merupakan aset digital yang diciptakan menggunakan teknologi kriptografi untuk menjamin keamanan transaksi dan mengendalikan penciptaan unit baru melalui sistem blockchain. Teknologi ini memungkinkan transaksi dilakukan tanpa perantara (decentralized system) dan diverifikasi oleh jaringan komputer global. Dalam kerangka financial technology 4.0, aset kripto dipandang sebagai inovasi disruptif yang menggabungkan kecepatan, transparansi, dan efisiensi dalam transaksi keuangan digital (Wardhana et al., 2023). Dari perspektif teori investasi, aset kripto termasuk dalam kategori aset berisiko tinggi (high- risk assets) dengan potensi keuntungan yang besar (high return). Hal ini sejalan dengan konsep Capital Asset Pricing Model (CAPM) yang menekankan hubungan antara risiko sistematis dan tingkat pengembalian yang diharapkan (Kartawinata & Akbar, 2025).Namun, dalam praktiknya, keputusan berinvestasi pada aset kripto sering kali dipengaruhi oleh faktor psikologis seperti overconfidence dan persepsi peluang jangka pendek, bukan semata-mata analisis fundamental. Penelitian (Febrianti & Bakhtiar, 2023) menunjukkan bahwa Indonesia termasuk negara dengan tingkat partisipasi tinggi dalam investasi aset kripto, terutama di kalangan Generasi Z. Bagi investor ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4925 muda, aset kripto sering dipandang sebagai future money karena jangkauan global dan potensi keuntungan yang cepat. Dalam konteks ini, aset kripto tidak hanya dipahami sebagai instrumen investasi digital, tetapi juga sebagai fenomena sosial dan ekonomi yang mencerminkan perubahan perilaku investasi akibat kemajuan teknologi dan transformasi keuangan digital. E. KERANGKA PENELITIAN Gambar 1 Kerangka Penelitian SUMBER: Data Yang Diolah Peneliti (2025) Berdasarkan kerangka pemikiran yang disajikan pada Gambar 2.1, maka hipotesis yang dirumuskan dalam penelitian ini adalah sebagai berikut: Hipotesis 1 (Ha1):Overconfidence bias pada Generasi Z di Kota Bandung berpengaruh terhadap keputusan investasi aset kripto. Hipotesis 2 (Ha2): Pengalaman investasi pada Generasi Z di Kota Bandung memoderasi negatif pengaruh overconfidence bias terhadap keputusan investasi aset kripto. III. METODOLOGI PENELITIAN Penelitian ini menggunakan metode kuantitatif dengan pendekatan kausal untuk menganalisis hubungan sebab-akibat antara overconfidence bias terhadap keputusan investasi aset kripto, serta menguji peran pengalaman investasi sebagai variabel moderasi. Populasi penelitian adalah Generasi Z di Kota Bandung yang pernah melakukan investasi aset kripto. Teknik pengambilan sampel menggunakan non-probability sampling melalui pendekatan purposive sampling yang berjumlah 150 responden, dengan kriteria responden: (1) berusia 18–27 tahun (Generasi Z), (2) berdomisili di Kota Bandung, dan (3) memiliki pengalaman investasi aset kripto. Data penelitian terdiri atas data primer yang dikumpulkan melalui survei menggunakan kuesioner online dengan skala pengukuran Likert 1–5, sedangkan data sekunder diperoleh dari literatur dan laporan yang relevan untuk mendukung landasan teoritis penelitian. Proses analisis data dilakukan melalui beberapa tahapan. Pertama, analisis deskriptif digunakan untuk menggambarkan karakteristik responden dan kecenderungan jawaban pada setiap variabel penelitian. Kedua, dilakukan pengujian kelayakan data melalui uji asumsi yang diperlukan agar model analisis dapat diinterpretasikan secara tepat, serta dilakukan pembentukan skor komposit untuk menghasilkan nilai total dari indikator-indikator pada masing-masing variabel. Selanjutnya, pengujian hipotesis dilakukan dengan pendekatan analisis moderasi menggunakan Conditional Process Analysis (CPA) / PROCESS Model 1 untuk menilai pengaruh overconfidence bias (X) terhadap keputusan investasi aset kripto (Y) dan menguji apakah pengalaman investasi (W) memoderasi hubungan tersebut. Analisis mencakup interpretasi koefisien regresi, signifikansi statistik, dan kontribusi model dalam menjelaskan variasi keputusan investasi. Seluruh data diolah menggunakan perangkat lunak statistik yang relevan untuk menghasilkan temuan yang valid, objektif, dan sesuai dengan tujuan penelitian. ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4926 IV.HASIL & PEMBAHSAN 1. Karakteristik Responden Tabel 1 Karakteristik Responden No Keterangan Persentase (%) 1 Jenis Kelamin Laki Laki 57% Perempuan 43% Total 100% 2 Usia 18-27 100% 27> 0 Total 100% 3 Wilayah Domisili Kota Bandung 40,3% Kab Bandung 17,1% Bandung Utara 13,8% Bandung Timur 13,8% Bandung Selatan 5,6% Bandung Barat 5,6% Total 100% 4 Penghasilan Perbulan < Rp 5 juta 28,2% Rp 5–10 juta 28,4% Rp 10–20 juta 28,5% Rp >20 juta 14,9% Total 100% 5 Exchange Yang Digunakan (Respon Ganda) Binance 44,0% Indodax 36,0% Bybit 28,7% Pintu 22,7% Floq 14,0% Triv 1,7% Sumber: Data Yang Diolah Penulis (2025) 2. HASIL ANALISIS 1. Analisis Deskriptif Tabel 2 Analisis Deskriptif NO Variabel Persentase Kategori 1 Overconfidence Bias 78% Tidak Baik 2 Keputusan Investasi 78% Baik ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4927 Sumber: Data Yang Diolah Penulis (2025) Berdasarkan hasil analisis deskriptif pada Tabel 4.2 secara umum responden Generasi Z investor aset kripto di Kota Bandung menunjukkan dua pola utama: tingkat overconfidence yang tinggi (ditandai kategori “Tidak Baik” pada variabel overconfidence) dan kecenderungan keputusan investasi yang “Baik.” Berikut uraian singkatnya: a. Overconfidence Bias Berdasarkan hasil analisis deskriptif, tingkat overconfidence bias responden berada pada kategori “Tidak Baik” dengan persentase 78%. Artinya, kecenderungan percaya diri berlebihan pada Gen Z investor kripto di Bandung terlihat cukup kuat misalnya merasa prediksinya tepat, menilai risiko lebih kecil, atau tetap yakin meskipun informasi terbatas. b. Keputusan Investasi Pada variabel keputusan investasi aset kripto justru berada pada kategori “Baik” dengan persentase 78%. Ini mengindikasikan bahwa responden relatif aktif dan berani mengambil keputusan pada instrumen berisiko tinggi, serta cukup mampu bertahan dan mengelola risiko ketika volatilitas terjadi. 2. Uji Asumsi Klasik 1. Uji Normalitas Gambar 2 Uji Normalitas Sumber: Data Yang Diolah Penulis (2025) Berdasarkan hasil uji Kolmogorov–Smirnov terhadap unstandardized residual dengan jumlah sampel 150, nilai Asymp. Sig. (2-tailed) = 0,004 yang berada di bawah 0,05 menunjukkan bahwa residual tidak memenuhi asumsi distribusi normal. Temuan ini juga diperkuat oleh Monte Carlo Sig. (2-tailed) = 0,006 dengan interval kepercayaan 99% sebesar 0,004–0,007, sehingga indikasi ketidaknormalan residual semakin konsisten. Meski demikian, perlu dipahami bahwa uji K–S cenderung peka pada ukuran sampel yang cukup besar, sehingga penyimpangan kecil dari normalitas dapat tetap terdeteksi signifikan. Selain itu, analisis dalam penelitian ini menggunakan PROCESS dengan teknik bootstrapping; menurut Hayes (2018), bootstrapping tidak mengharuskan residual berdistribusi normal karena estimasi interval kepercayaan diperoleh melalui proses resampling dan bukan dari asumsi parametrik. Oleh sebab itu, hasil uji K–S yang menunjukkan ketidaknormalan residual tidak mengurangi keabsahan kesimpulan pada pengujian moderasi/efek interaksi dalam penelitian ini. ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4928 2. Uji Multikolinearitas Gambar 3 Uji Multikolinearitas Sumber: Data Yang Diolah Penulis (2025) Hasil uji multikolinearitas pada tabel Coefficients menunjukkan bahwa variabel Overconfidence memiliki nilai Tolerance = 1,000 dan VIF = 1,000. Nilai tolerance yang lebih besar dari 0,10 dan VIF yang jauh di bawah 10 menegaskan bahwa tidak terdapat gejala multikolinearitas pada model. Dengan demikian, variabel overconfidence sebagai prediktor tidak memiliki korelasi linear yang bermasalah dengan prediktor lain, sehingga estimasi koefisien regresi dapat diinterpretasikan secara valid dalam memprediksi Keputusan Investasi. 3. Uji Heteroskedasitas Gambar 4 Uji Heteroskedasitas Sumber: Data Yang Diolah Penulis (2025) Berdasarkan scatterplot pada gambar yang terlampir (Dependent Variable: Y_TOTAL), titik-titik studentized residual terlihat menyebar di atas dan di bawah garis nol pada sumbu Y serta tidak membentuk pola tertentu (misalnya pola kipas/menyempit–melebar, gelombang, atau tren naik/turun) terhadap standardized predicted value pada sumbu X. Pola sebaran yang relatif acak ini mengindikasikan bahwa varians residual cenderung konstan pada berbagai nilai prediksi, sehingga tidak terdapat indikasi heteroskedastisitas. Dengan demikian, asumsi homoskedastisitas pada model regresi dapat dianggap terpenuhi dan model regresi layak digunakan untuk pengujian hubungan variabel dalam penelitian ini. 3. Analisis Conditional Process Analysis Tabel 4. 3 Hasil Conditional Process Analysis Model 1 Model ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4929 Se coeff t p (HC3) constant 0.296 0.579 0.511 0.610 X_AVG 0.901 0.152 5.927 0.000 W 0.858 0.271 3.165 0.002 Int_1 -0.201 0.068 -2.957 0.004 Sumber: Data Yang Telah Diolah Penulis (2025) Berdasarkan data yang diperoleh, terdapat rumus CPA model 1 sebagai berikut : ????= ????, ????????????+ ????, ????????????????+ ????, ???????????????? − ????, ????????????(????× ????) + ???? Berdasarkan persamaan model, konstanta 0,296 menunjukkan nilai dasar keputusan investasi (Y) saat overconfidence (X) dan pengalaman investasi (W) bernilai nol; konstanta ini hanya titik awal dan bukan fokus utama analisis. Koefisien X = 0,901 (positif) menandakan bahwa semakin tinggi overconfidence, semakin tinggi kecenderungan responden mengambil keputusan investasi aset kripto. Koefisien W = 0,858 (positif) menunjukkan bahwa semakin besar pengalaman investasi, semakin tinggi kecenderungan keputusan investasi. Namun, koefisien interaksi X×W = −0,201 (negatif) mengindikasikan bahwa pengalaman investasi melemahkan pengaruh overconfidence terhadap keputusan investasi pengaruh X tetap ada, tetapi semakin kecil pada responden yang lebih berpengalaman. Mekanisme moderasi ini dapat dilihat lebih lanjut melalui conditional effects (simple slopes) pada tiap kategori pengalaman investasi berikut: W Effect Se (HC3) t p 1.000 .700 .095 7.399 .000 2.000 .499 .063 7.873 .000 3.000 .298 .091 3.275 .001 Tabel 4. 4 conditional effects Sumber: Data Yang Telah Diolah Penulis (2025) Dapat kita lihat pada tabel conditional effects (simple slopes) menunjukkan bahwa pengaruh overconfidence terhadap keputusan investasi paling kuat pada investor pemula dan semakin melemah pada tingkat pengalaman yang lebih tinggi: pada W=1 (<1 tahun) efeknya 0,700 (p=0,000), pada W=2 (2–3 tahun) menjadi 0,499 (p=0,000), dan pada W=3 (>3 tahun) menjadi 0,298 (p=0,001). Pola penurunan slope 0,700 → 0,499 → 0,298 mempertegas bahwa pengalaman investasi berperan sebagai faktor yang mengurangi dampak overconfidence dalam mendorong keputusan investasi aset kripto.yang dapat dilihat pada grafik hasil output dibawah ini: ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4930 Gambar 4. 1 Conditional Effect Sumber: Data Yang Telah Diolah Penulis (2025) Grafik interaksi tersebut memperlihatkan hubungan antara Overconfidence Bias (X_AVG) dan Keputusan Investasi Aset Kripto (Y_AVG) pada tiga tingkat Pengalaman Investasi (W). Ketiga garis sama-sama menanjak, sehingga overconfidence tetap meningkatkan keputusan investasi pada semua kelompok; namun kemiringannya berbeda: pada W=1 (<1 tahun) persamaan garisnya Y = 1,15 + 0,7X (slope paling curam), pada W=2 (2–3 tahun) Y = 2,01 + 0,5X (slope menurun), dan pada W=3 (>3 tahun) Y = 2,87 + 0,3X (slope paling landai). Pola slope yang semakin kecil seiring meningkatnya pengalaman investasi menunjukkan moderasi negatif, yakni semakin tinggi pengalaman investasi, semakin lemah pengaruh overconfidence terhadap keputusan investasi. 4. Uji Hipotesis a. Overconfidence bias berpengaruh terhadap keputusan investasi Aset Kripto pada Generasi Z di Kota Bandung. Hasil analisis menunjukkan overconfidence bias berpengaruh positif dan signifikan terhadap keputusan investasi aset kripto pada Generasi Z di Kota Bandung (B = 0,901; t = 5,927; p = 0,000 < 0,05). Nilai LLCI = 0,600 dan ULCI = 1,201 tidak melintasi nol, sehingga pengaruhnya terbukti signifikan. Artinya, semakin tinggi overconfidence, semakin tinggi kecenderungan responden mengambil keputusan investasi aset kripto. Secara substantif, responden yang lebih overconfident cenderung lebih yakin pada penilaian/prediksi diri, menilai peluang keuntungan lebih besar daripada risiko, dan lebih berani mengambil keputusan pada pasar kripto yang volatil. Dengan demikian, H1 tidak ditolak. b. Pengalaman investasi memoderasi negatif pengaruh overconfidence bias terhadap keputusan investasi Aset Kripto pada Generasi Z di Kota Bandung Hasil moderasi menunjukkan pengalaman investasi (W) memoderasi pengaruh overconfidence bias (X) terhadap keputusan investasi (Y), ditunjukkan oleh interaksi X×W yang signifikan dan bernilai negatif (B = −0,201; t = −2,957; p = 0,004 < 0,05). Interval kepercayaan interaksi juga tidak melintasi nol (LLCI = −0,335; ULCI = −0,067), dan hasil bootstrap konsisten (BootLLCI = −0,321; BootULCI = −0,050), sehingga efek moderasi dinyatakan sah. Arah negatif berarti pengalaman melemahkan pengaruh overconfidence terhadap keputusan investasi. Hal ini terlihat dari simple slopes yang menurun: W=1 (<1 tahun) B = 0,700; W=2 (2–3 tahun) B = 0,499; W=3 (>3 tahun) B = 0,298 (semuanya signifikan). Pola ini menunjukkan bahwa investor yang lebih berpengalaman ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4931 cenderung lebih realistis dan lebih terkontrol sehingga tidak mudah didorong oleh kepercayaan diri berlebihan. Dengan demikian, H2 tidak ditolak. 5. Pembahasan Hasil a. Overconfidence bias berpengaruh terhadap keputusan investasi Aset Kripto pada Generasi Z di Kota Bandung. Temuan awal penelitian ini menunjukkan bahwa investor Gen Z di Kota Bandung memiliki kecenderungan overconfidence saat mengambil keputusan investasi aset kripto. Dalam konteks pasar kripto yang volatil, kecenderungan ini wajar karena overconfidence sering mendorong investor muda bertindak lebih spontan dan aktif mengikuti dinamika pasar. Pada komunitas Gen Z Bandung yang dekat dengan teknologi, overconfidence dapat dipahami sebagai “dorongan psikologis” yang membuat investor tidak hanya menjadi pengamat, tetapi lebih terlibat dalam aktivitas investasi kripto. Temuan ini konsisten dengan konsep overconfidence sebagai bias multidimensi: overestimation, overplacement, dan overprecision (Moore & Healy, 2008). Costa & Soares (2025)menegaskan bahwa ketiga dimensi tersebut dapat diukur dan berperan menjelaskan perilaku investasi, karena mendorong keputusan yang lebih agresif dan kurang responsif terhadap informasi korektif. Dengan demikian, overconfidence bukan sekadar percaya diri, tetapi konstruk psikologis yang membuat investor merasa memiliki kontrol dan kepastian lebih besar dari yang sebenarnya, sehingga ketika overconfidence meningkat, keputusan investasi kripto juga meningkat. Dukungan empiris juga muncul dalam temuan lintas negara. (ul Abdin & Qureshi, 2022) menunjukkan bahwa overconfidence meningkatkan keberanian mengambil risiko, dan kecenderungan ini berkaitan positif dengan perilaku investasi. (Fujiki, 2020) di Jepang juga menemukan bahwa pemilik aset kripto cenderung lebih overconfident terhadap literasi keuangannya, memiliki risk aversion lebih rendah, dan lebih sering mengambil keputusan investasi berisiko, meskipun sebagian memiliki pemahaman objektif yang terbatas. Secara keseluruhan, temuan lintas konteks tersebut menguatkan bahwa overconfidence bias merupakan pendorong keputusan investasi aset kripto dan cenderung muncul secara relatif konsisten di berbagai negara. b. Pengalaman investasi memoderasi negatif pengaruh overconfidence bias terhadap keputusan investasi Aset Kripto pada Generasi Z di Kota Bandung Temuan kedua menunjukkan bahwa pengalaman investasi berperan sebagai faktor yang memengaruhi kekuatan hubungan antara overconfidence bias dan keputusan investasi aset kripto. Artinya, pengalaman investasi dapat memperkuat atau memperlemah pengaruh overconfidence dalam pengambilan keputusan, terutama pada pasar kripto yang berisiko tinggi. Secara perilaku, overconfidence tetap mendorong keberanian mengambil keputusan, tetapi pengaruhnya menurun ketika pengalaman meningkat. Investor pemula lebih mudah terdorong oleh keyakinan berlebihan karena masih berada pada fase awal belajar, sehingga rasa yakin pribadi sering menjadi dasar utama keputusan. Sebaliknya, investor yang lebih berpengalaman telah menghadapi fluktuasi pasar, mengalami kesalahan prediksi dan kerugian, sehingga keyakinan berlebih menjadi lebih “teredam” oleh pengalaman nyata. Akibatnya, keputusan investasi pada kelompok berpengalaman cenderung lebih terkendali dan tidak terlalu didorong oleh overconfidence. Pola tersebut terlihat dari grafik interaksi(Conditional Effect) seluruh garis tetap menunjukkan tren positif (overconfidence meningkatkan keputusan investasi pada semua tingkat pengalaman), namun pada kelompok pengalaman tinggi, kemiringan garis lebih landai. Ini mengindikasikan bahwa peningkatan overconfidence tidak lagi diikuti peningkatan keputusan investasi yang setinggi pada kelompok pemula. Dengan demikian, keputusan investasi aset kripto Gen Z di Bandung tidak hanya dipengaruhi faktor psikologis (overconfidence), tetapi juga dibentuk oleh pengalaman yang meningkatkan kedewasaan dalam menghadapi risiko. Overconfidence menjadi pendorong kuat pada tahap awal, sedangkan pengalaman berfungsi sebagai penyeimbang yang mengurangi dominasi keyakinan berlebih seiring waktu. ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4932 V.HASIL & SARAN 1. HASIL Berdasarkan temuan penelitian yang telah dijelaskan, maka dapat disimpulkan sebagai berikut: a. Overconfidence bias berpengaruh positif dan signifikan terhadap keputusan investasi aset kripto pada Generasi Z di Kota Bandung. b. Pengalaman investasi terbukti memoderasi (secara negatif/melemahkan) pengaruh overconfidence bias terhadap keputusan investasi aset kripto pada Generasi Z di Kota Bandung, sehingga pengaruh overconfidence menjadi semakin lemah pada responden yang lebih berpengalaman. 2. SARAN a. Saran bagi Investor Generasi Z di Kota Bandung (Investor Aset Kripto) Tingkat overconfidence yang tinggi sebaiknya tidak dibiarkan menjadi dasar keputusan investasi. Investor Gen Z perlu membangun disiplin keputusan dengan menetapkan tujuan investasi, batas risiko (misalnya stop-loss atau batas kerugian), serta aturan evaluasi portofolio yang jelas (kapan menambah, menahan, atau menjual). Selain itu, keputusan sebaiknya didukung oleh checklist analisis sederhana (risiko volatilitas, rencana waktu investasi, dan skenario terburuk) agar keyakinan pribadi tidak mengalahkan penilaian risiko objektif. Karena temuan menunjukkan overconfidence meningkatkan kecenderungan mengambil keputusan investasi, pengendalian diri dan prosedur keputusan diperlukan agar keputusan tetap terukur. b. Saran bagi Regulator/Lembaga Keuangan dan Penyedia Platform Investasi Aset Kripto Program edukasi investor muda perlu menekankan aspek psikologis pengambilan keputusan, khususnya pengendalian overconfidence pada pasar berisiko tinggi. Materi tidak cukup hanya berisi pengenalan produk kripto, tetapi juga pelatihan manajemen risiko, pemahaman volatilitas, dan cara mengevaluasi informasi (misalnya membedakan analisis berbasis data vs hype media sosial). Selain edukasi, platform investasi dapat menambahkan behavioral nudges seperti peringatan risiko saat trading berlebihan, fitur simulasi skenario kerugian, serta tampilan riwayat performa yang menekankan risk-adjusted return agar investor tidak terlalu yakin pada prediksi pribadi. Ini relevan karena pengalaman investasi terbukti melemahkan pengaruh overconfidence, sehingga kebijakan edukasi yang “mempercepat proses belajar” dapat membantu investor pemula menjadi lebih realistis. c. Saran bagi Peneliti Selanjutnya Penelitian berikutnya dapat memperluas model dengan menambahkan bias perilaku lain yang sering muncul pada investasi kripto, seperti FOMO, herding, regret aversion, atau overtrading, serta memasukkan variabel konteks seperti intensitas penggunaan media sosial, jenis platform/fitur trading, dan tingkat literasi keuangan. Selain itu, moderasi dapat diperluas tidak hanya pengalaman investasi, tetapi juga durasi kepemilikan kripto, frekuensi transaksi, atau tujuan investasi (jangka pendek vs jangka panjang). Pengembangan ini penting untuk menguji apakah pola moderasi tetap konsisten pada karakter responden, instrumen kripto, dan wilayah penelitian yang berbeda. REFERENSI Alifa, N. R. (2024). Exploring the Human Capital Dynamics of Bandung’S Digital Creative Industry Ecosystem. Jurnal Al-Iqtishad, 20(2), 246. https://doi.org/10.24014/jiq.v20i2.33411 Anwar, S., & Siregar, Q. R. (2025). Pengaruh Pengalaman Investasi dan Risk Tolerance Terhadap Keputusan Investasi Dengan Minat Investasi Sebagai Variabel Intervening Pada Ibu Ibu Rumah Tangga Di Kecamatan Sei Balai. Bursa: Jurnal Ekonomi Dan Bisnis, 4(2), 60–71. Bappebti. (2024). Bappebti: Jumlah Pelanggan Aset Kripto di Indonesia Tembus 21,27 Juta. https://www.kemendag.go.id/berita/pojok-media/bappebti-jumlah-pelanggan-aset-kripto-di- indonesia-tembus-2127-juta BPS. (2022). Penduduk Kota Bandung menurut Kategori Generasi dan Wilayah (Jiwa), 2021. https://bandungkota.bps.go.id/id/statistics-table/2/NzAyIzI=/penduduk-kota-bandung- menurut-kategori-generasi-dan-kecamatan.html ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4933 Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons. coingecko.com. (2025). Grafik Kap Pasar Mata Uang Kripto Global. https://www.coingecko.com/id/charts Coinmarketcap. (2025). CoinMarketCap Yearbook. https://coinmarketcap.com/yearbook-2024-25/ Costa, D. F., & Soares, C. C. (2025). Construction and validation of an overconfidence scale in investment decisions. Future Business Journal, 11(1). https://doi.org/10.1186/s43093-024- 00419-0 Daniel Kahneman, & Amos Tversky. (2012). Prospect theory,1979. In JSTOR (pp. 1–31). papers2://publication/uuid/4AB45805-E0E0-400F-9682-52FC57908232 Detik Finance. (2025). Transaksi Kripto RI Naik 376% Tembus Rp 556,53 Triliun. DetikFinance. https://finance.detik.com/fintech/d-7721761/transaksi-kripto-ri-naik-376-tembus-rp-556-53- triliun Dewi Purnamasari, E. (2023). Pengaruh Literasi Keuangan Terhadap Keputusan Investasi Pasar Modal (Studi Kasus Mahasiswa di Kota Palembang). Management and Sustainable Development Journal, 5(1), 34–45. https://doi.org/10.46229/msdj.v5i1.657 FCA. (2023). Financial Lives 2022 survey Consumer investments and financial advice. July. Febrianti, E., & Bakhtiar, M. R. (2023). Faktor yang Mempengaruhi Pengambilan Keputusan Investasi Cryptocurrency. 13(1), 296–313. Ferdinand, D. Y. Y. (2023). Overconfidence Heuristic-Driven Bias in Investment DecisionMaking: Mediating Effects of Risk Perception and Moderating Effects of Asymmetry Information. International Research Journal of Economics and Management Studies, 2(2), 301–309. https://doi.org/10.56472/25835238/irjems-v2i2p133 Fujiki, H. (2020). Journal of The Japanese and International Economies Who adopts crypto assets in Japanௗ? Evidence from the 2019 financial literacy survey. Journal of The Japanese and International Economies, 58(July), 101107. https://doi.org/10.1016/j.jjie.2020.101107 Ghozali, I. (2021). Aplikasi Analisis Multivariate dengan Program IBM SPSS 26 (9th ed). Badan Penerbit Universitas Diponegoro. Goodstats. (2023). Sensus BPS: Saat Ini Indonesia Didominasi Oleh Gen Z. https://data.goodstats.id/statistic/sensus-bps-saat-ini-indonesia-didominasi-oleh-gen-z-n9kqv Grable, J., & Lytton, R. H. (1999). Financial risk tolerance revisited. Financial Services Review, 8(3). https://doi.org/10.1016/s1057-0810(99)00041-4 Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis A Regression-Based Approach (T. D. Little (ed.); 2nd ed.). THE GUILFORD PRESS. Indriani, A. (n.d.). Transaksi Aset Kripto di RI Turun, Begini Prospeknya ke Depan. DetikFinance. https://finance.detik.com/fintech/d-7170447/transaksi-aset-kripto-di-ri-turun-begini- prospeknya-ke-depan Kamila, A. T. (2025). PENGARUH RISK TOLERANCE TERHADAP KEPUTUSAN INVESTASI BERDASARKAN TINGKAT GENERASI DI DKI JAKARTA (BABY BOOMER, X, Y, DAN Z). Journal Economic and Business, 11(1), 1–14. ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4934 https://pubmed.ncbi.nlm.nih.gov/28459981/%0Ahttps://doi.org/10.1016/j.resenv.2025.10020 8%0Ahttp://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng- 8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06. 005%0Ahttps: Kartawinata, B. R. (2021). THE ROLE OF FINANCIAL SELF-EFFICACY: MEDIATING EFFECTS OF FINANCIAL LITERACY & FINANCIAL INCLUSION OF STUDENTS IN WEST JAVA , INDONESIA. 24(2), 1–9. Kartawinata, B. R., & Akbar, A. (2025). Investment decision analysis with capital asset pricing model (CAPM) of technology sector stocks on ASEAN regional stock exchanges. 10, 1. https://doi.org/10.1117/12.3058313 Kolb, D. A. (2014). Experiential Learning: Experience as The Source of Learning and Development (second edi). experience Based learning Systems, inc. Mishra, K. C., & Metilda, M. J. (2015). A study on the impact of investment experience, gender, and level of education on overconfidence and self-attribution bias. IIMB Management Review, 27(4), 228–239. https://doi.org/10.1016/j.iimb.2015.09.001 Moore, D. A., & Healy, P. J. (2008). The Trouble With Overconfidence. Psychological Review, 115(2), 502–517. https://doi.org/10.1037/0033-295X.115.2.502 Murugappan, M., Nair, R., & Krishnan, S. (2023). Global Market Perceptions of Cryptocurrency and the Use of Cryptocurrency by Consumers: A Pilot Study. Journal of Theoretical and Applied Electronic Commerce Research, 18(4), 1955–1970. https://doi.org/10.3390/jtaer18040098 Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System. Otoritas Jasa Keuangan. (2022). Survei Nasional Literasi dan Inklusi. In Siaran Pers (pp. 1–3). Qi, J., Zhang, Y., & Ouyang, C. (2025). Cryptocurrency Investments: The Role of Advisory Sources, Investor Confidence, and Risk Perception in Shaping Behaviors and Intentions. Journal of Risk and Financial Management, 18(2), 1–19. https://doi.org/10.3390/jrfm18020057 Rahadian, D., Firli, A., Yüksel, S., & Dinçer, H. (2024). Fintech competencies in emerging marketsௗ: Cognitive hybrid decision-making approach. Emerging Markets Review, 63(September), 101211. https://doi.org/10.1016/j.ememar.2024.101211 Sani, N., & Paramita, V. S. (2024). PENGARUH PENGALAMAN INVESTASI, RISK TOLERANCE, DAN SOSIAL MEDIA TERHADAP KEPUTUSAN INVESTASI DENGANLITERASI KEUANGAN SEBAGAI VARIABEL MODERASI ( Studi Pada Investor Generasi Z Jawa Barat ). Equilibrium, 13(1), 134–147. Sinambela, L. P., Sinambela, S. (2022). Metodologi Penelitian Kuantitatif: Teoretik dan Praktik (2nd ed.). PT Rajagrafindo Persada. Sugiyono. (2022). Metode Penelitian Kuantitatif, Kualitatif, dan R&D (3rd ed.). ALFABETA, CV. ul Abdin, S. Z., & Qureshi, F. (2022). Overconfidence bias and investment performance: A mediating effect of risk propensity. Borsa Istanbul Review, 22(4), 780–793. https://doi.org/10.1016/j.bir.2022.03.001 Wang, Y. S., & Duong, N. T. (2024). What Drives People’s Cryptocurrency Investment Behavior. ISSN : 2355-9357 e-Proceeding of Management : Vol.13, No.4 Agustus 2026 | Page 4935 Journal of Computer Information Systems, 00(00), 1–18. https://doi.org/10.1080/08874417.2024.2329127 Wardhana, A., Pradana, M., Kartawinata, B. R., & Akbar, A. (2023). Buku Digital Fintech 4 . 0 Indonesia Prespective 2023. In Eureka Media Aksara (Vol. 2023, Issue December). Wijaya, L. I. (2024). The Power of Overconfidence and Herding Bias, Investment Sentiment, Over/Underreaction in Influencing SDGs from Investment Decisions. Journal of Lifestyle and SDGs Review, 5(2), e02485. https://doi.org/10.47172/2965-730x.sdgsreview.v5.n02.pe02485

Downloads

Download data is not yet available.

References

Alifa, N. R. (2024). Exploring the Human Capital Dynamics of Bandung’S Digital Creative Industry Ecosystem. Jurnal Al-Iqtishad, 20(2), 246. https://doi.org/10.24014/jiq.v20i2.33411

Anwar, S., & Siregar, Q. R. (2025). Pengaruh Pengalaman Investasi dan Risk Tolerance Terhadap Keputusan Investasi Dengan Minat Investasi Sebagai Variabel Intervening Pada Ibu Ibu Rumah Tangga Di Kecamatan Sei Balai. Bursa: Jurnal Ekonomi Dan Bisnis, 4(2), 60–71.

Bappebti. (2024). Bappebti: Jumlah Pelanggan Aset Kripto di Indonesia Tembus 21,27 Juta. https://www.kemendag.go.id/berita/pojok-media/bappebti-jumlah-pelanggan-aset-kripto-di-indonesia-tembus-2127-juta

BPS. (2022). Penduduk Kota Bandung menurut Kategori Generasi dan Wilayah (Jiwa), 2021. https://bandungkota.bps.go.id/id/statistics-table/2/NzAyIzI=/penduduk-kota-bandung-menurut-kategori-generasi-dan-kecamatan.html

Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons. coingecko.com. (2025). Grafik Kap Pasar Mata Uang Kripto Global. https://www.coingecko.com/id/charts

Coinmarketcap. (2025). CoinMarketCap Yearbook. https://coinmarketcap.com/yearbook-2024-25/

Costa, D. F., & Soares, C. C. (2025). Construction and validation of an overconfidence scale in investment decisions. Future Business Journal, 11(1). https://doi.org/10.1186/s43093-024-00419-0

Daniel Kahneman, & Amos Tversky. (2012). Prospect theory,1979. In JSTOR (pp. 1–31). papers2://publication/uuid/4AB45805-E0E0-400F-9682-52FC57908232

Detik Finance. (2025). Transaksi Kripto RI Naik 376% Tembus Rp 556,53 Triliun. DetikFinance. https://finance.detik.com/fintech/d-7721761/transaksi-kripto-ri-naik-376-tembus-rp-556-53-triliun

Dewi Purnamasari, E. (2023). Pengaruh Literasi Keuangan Terhadap Keputusan Investasi Pasar Modal (Studi Kasus Mahasiswa di Kota Palembang). Management and Sustainable Development Journal, 5(1), 34–45. https://doi.org/10.46229/msdj.v5i1.657

FCA. (2023). Financial Lives 2022 survey Consumer investments and financial advice. July.

Febrianti, E., & Bakhtiar, M. R. (2023). Faktor yang Mempengaruhi Pengambilan Keputusan Investasi Cryptocurrency. 13(1), 296–313.

Ferdinand, D. Y. Y. (2023). Overconfidence Heuristic-Driven Bias in Investment DecisionMaking: Mediating Effects of Risk Perception and Moderating Effects of Asymmetry Information. International Research Journal of Economics and Management Studies, 2(2), 301–309. https://doi.org/10.56472/25835238/irjems-v2i2p133

Fujiki, H. (2020). Journal of The Japanese and International Economies Who adopts crypto assets in Japanௗ? Evidence from the 2019 financial literacy survey. Journal of The Japanese and International Economies, 58(July), 101107. https://doi.org/10.1016/j.jjie.2020.101107

Ghozali, I. (2021). Aplikasi Analisis Multivariate dengan Program IBM SPSS 26 (9th ed). Badan Penerbit Universitas Diponegoro.

Goodstats. (2023). Sensus BPS: Saat Ini Indonesia Didominasi Oleh Gen Z. https://data.goodstats.id/statistic/sensus-bps-saat-ini-indonesia-didominasi-oleh-gen-z-n9kqv

Grable, J., & Lytton, R. H. (1999). Financial risk tolerance revisited. Financial Services Review, 8(3). https://doi.org/10.1016/s1057-0810(99)00041-4

Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis A Regression-Based Approach (T. D. Little (ed.); 2nd ed.). THE GUILFORD PRESS.

Indriani, A. (n.d.). Transaksi Aset Kripto di RI Turun, Begini Prospeknya ke Depan. DetikFinance. https://finance.detik.com/fintech/d-7170447/transaksi-aset-kripto-di-ri-turun-begini-prospeknya-ke-depan

Kamila, A. T. (2025). PENGARUH RISK TOLERANCE TERHADAP KEPUTUSAN INVESTASI BERDASARKAN TINGKAT GENERASI DI DKI JAKARTA (BABY BOOMER, X, Y, DAN Z). Journal Economic and Business, 11(1), 1–14. https://pubmed.ncbi.nlm.nih.gov/28459981/%0Ahttps://doi.org/10.1016/j.resenv.2025.10020 8%0Ahttp://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06. 005%0Ahttps:

Kartawinata, B. R. (2021). THE ROLE OF FINANCIAL SELF-EFFICACY: MEDIATING EFFECTS OF FINANCIAL LITERACY & FINANCIAL INCLUSION OF STUDENTS IN WEST JAVA , INDONESIA. 24(2), 1–9.

Kartawinata, B. R., & Akbar, A. (2025). Investment decision analysis with capital asset pricing model (CAPM) of technology sector stocks on ASEAN regional stock exchanges. 10, 1. https://doi.org/10.1117/12.3058313

Kolb, D. A. (2014). Experiential Learning: Experience as The Source of Learning and Development (second edi). experience Based learning Systems, inc.

Mishra, K. C., & Metilda, M. J. (2015). A study on the impact of investment experience, gender, and level of education on overconfidence and self-attribution bias. IIMB Management Review, 27(4), 228–239. https://doi.org/10.1016/j.iimb.2015.09.001

Moore, D. A., & Healy, P. J. (2008). The Trouble With Overconfidence. Psychological Review, 115(2), 502–517. https://doi.org/10.1037/0033-295X.115.2.502

Murugappan, M., Nair, R., & Krishnan, S. (2023). Global Market Perceptions of Cryptocurrency and the Use of Cryptocurrency by Consumers: A Pilot Study. Journal of Theoretical and Applied Electronic Commerce Research, 18(4), 1955–1970. https://doi.org/10.3390/jtaer18040098

Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System.

Otoritas Jasa Keuangan. (2022). Survei Nasional Literasi dan Inklusi. In Siaran Pers (pp. 1–3).

Qi, J., Zhang, Y., & Ouyang, C. (2025). Cryptocurrency Investments: The Role of Advisory Sources, Investor Confidence, and Risk Perception in Shaping Behaviors and Intentions. Journal of Risk and Financial Management, 18(2), 1–19. https://doi.org/10.3390/jrfm18020057

Rahadian, D., Firli, A., Yüksel, S., & Dinçer, H. (2024). Fintech competencies in emerging marketsௗ: Cognitive hybrid decision-making approach. Emerging Markets Review, 63(September), 101211. https://doi.org/10.1016/j.ememar.2024.101211

Sani, N., & Paramita, V. S. (2024). PENGARUH PENGALAMAN INVESTASI, RISK TOLERANCE, DAN SOSIAL MEDIA TERHADAP KEPUTUSAN INVESTASI DENGANLITERASI KEUANGAN SEBAGAI VARIABEL MODERASI ( Studi Pada Investor Generasi Z Jawa Barat ). Equilibrium, 13(1), 134–147.

Sinambela, L. P., Sinambela, S. (2022). Metodologi Penelitian Kuantitatif: Teoretik dan Praktik (2nd ed.). PT Rajagrafindo Persada.

Sugiyono. (2022). Metode Penelitian Kuantitatif, Kualitatif, dan R&D (3rd ed.). ALFABETA, CV. ul Abdin, S. Z., & Qureshi, F. (2022). Overconfidence bias and investment performance: A mediating effect of risk propensity. Borsa Istanbul Review, 22(4), 780–793. https://doi.org/10.1016/j.bir.2022.03.001

Wang, Y. S., & Duong, N. T. (2024). What Drives People’s Cryptocurrency Investment Behavior. Journal of Computer Information Systems, 00(00), 1–18. https://doi.org/10.1080/08874417.2024.2329127

Wardhana, A., Pradana, M., Kartawinata, B. R., & Akbar, A. (2023). Buku Digital Fintech 4 . 0 Indonesia Prespective 2023. In Eureka Media Aksara (Vol. 2023, Issue December).

Wijaya, L. I. (2024). The Power of Overconfidence and Herding Bias, Investment Sentiment, Over/Underreaction in Influencing SDGs from Investment Decisions. Journal of Lifestyle and SDGs Review, 5(2), e02485. https://doi.org/10.47172/2965-730x.sdgsreview.v5.n02.pe02485

Downloads

Published

2026-08-01

Issue

Pages

4922 - 4935

Section

Prodi S1 Administrasi Bisnis

How to Cite

Hanif Budi Kusuma, R., & Akbar, A. (2026). Pengaruh Overconfidence Bias Terhadap Keputusan Investasi Aset Kripto Pada Generasi Z Di Kota Bandung Dengan Pengalaman Investasi Sebagai Variabel Moderasi. EProceedings of Management, 13(4), 4922-4935. https://openlibrarypublications.telkomuniversity.ac.id/index.php/management/article/view/30743