Crypto v3.1
Recommender System

Sistem rekomendasi untuk proyek Web3 (cryptocurrency, token, DeFi) berbasis popularitas, tren investasi, dan analisis teknikal dengan dukungan penuh untuk periode indikator dinamis.

Login dengan Crypto Wallet

🚀 Update Terbaru (Juni 2025)

  • ⚡ Enhanced Multi-Chain Blockchain Analytics
  • 🔧 Critical Score Validation & Normalization
  • 📊 Comprehensive USD Volume Calculation
  • 🚀 Native Token Focus & Spam Detection

📋 Sistem Overview

Sistem ini menggunakan data dari CoinGecko API untuk menyediakan rekomendasi proyek Web3 berdasarkan:

Metrik Popularitas

Market cap, volume, metrik sosial

Tren Investasi

Perubahan harga, sentimen pasar

Interaksi Pengguna

View, favorite, portfolio add dengan bobot realistis

Fitur Proyek

DeFi, GameFi, Layer-1, NFT, dll

Analisis Teknikal

RSI, MACD, Bollinger Bands dengan periode dinamis

Maturitas Proyek

Usia, aktivitas developer, engagement sosial

⚡ Multi-Chain Analytics (Update Terbaru)

Supported Chains:

Ethereum (ETH) BSC (BNB) Polygon (MATIC) Avalanche (AVAX)

Features:

  • 🎯 Native-Focused Portfolio Analysis
  • 💰 Comprehensive USD Volume Calculation
  • 🛡️ Smart Spam Detection
  • 🔗 Cross-Chain Transaction Analytics

🤖 Implementasi Model

Sistem mengimplementasikan tiga pendekatan rekomendasi dengan perbaikan signifikan:

Feature-Enhanced CF

Model berbasis scikit-learn SVD yang menggabungkan collaborative filtering dengan informasi fitur proyek.

  • Sangat efektif untuk cold-start users
  • Robust normalization (percentile-based)
  • Score validation ketat [0,1]
  • Fallback scoring system

Neural CF

Model PyTorch dengan arsitektur CryptoNCFModel yang ditingkatkan untuk domain cryptocurrency.

  • Dual-path Architecture (GMF + MLP)
  • Residual connections & Layer normalization
  • Enhanced negative sampling (category-aware)
  • Optimal untuk 30+ interaksi per user

Hybrid Model

Selective Ensemble dengan adaptive weighting berdasarkan jumlah interaksi pengguna.

  • Confidence analysis & agreement detection
  • Adaptive weighting (cold-start → NCF dominan)
  • IQR-based normalization
  • Input & output validation

📊 Adaptive Weighting Logic

< 10 interaksi

FECF 95%, NCF 5%

Cold start

10-20 interaksi

FECF 80%, NCF 20%

Low interactions

30-50 interaksi

FECF 50%, NCF 50%

Base weights

50-100 interaksi

FECF 45%, NCF 55%

NCF mulai unggul

100+ interaksi

FECF 40%, NCF 60%

NCF dominan

📊 Hasil Evaluasi Terbaru

🎉 Performa Optimal pada Min Interactions = 30 (19 Test Users)

Model hybrid menunjukkan performa terbaik dengan pengguna yang memiliki 30+ interaksi.

🏆 Min Interactions = 30 (Optimal)

Model Precision@10 Hit Ratio@10 MRR
FECF 0.3368 0.8947 0.5005
NCF 0.3526 0.8421 0.4888
Hybrid 0.3842 0.8947 0.6365

📈 Min Interactions = 10 (141 Test Users)

Model Precision@10 Hit Ratio@10 MRR
FECF 0.2099 0.8085 0.5446
NCF 0.1567 0.5780 0.3536
Hybrid 0.2355 0.7730 0.4564

❄️ Cold-Start Performance (5 runs average)

Model Precision Recall Hit Ratio NDCG
cold_start_fecf 0.1307±0.0154 0.4337±0.0511 0.6373±0.0472 0.3249±0.0305
cold_start_hybrid 0.1176±0.0130 0.3899±0.0435 0.5371±0.0582 0.2604±0.0275

FECF masih unggul untuk cold-start scenarios karena kemampuan content-based filtering yang kuat.

🔑 Key Insights:

  • • Hybrid Model: Mengungguli semua model pada users dengan 30+ interaksi (MRR: 0.6365)
  • • NCF Performance: Meningkat drastis 125% dari min=10 ke min=30 interactions
  • • FECF Reliability: Konsisten untuk cold-start dengan Hit Ratio tinggi
  • • Data Sparsity: 98.68% sparsity menantang model, namun hybrid tetap optimal

📈 Analisis Teknikal Dinamis

Sistem mendukung analisis teknikal dengan periode indikator yang sepenuhnya dapat dikonfigurasi, termasuk deteksi market regime otomatis.

🔍 Deteksi Market Regime Otomatis

Trending Bullish

Tren naik dengan volatilitas normal

Trending Bullish Volatile

Tren naik dengan volatilitas tinggi

Trending Bearish

Tren turun dengan volatilitas normal

Trending Bearish Volatile

Tren turun dengan volatilitas tinggi

Ranging Low Volatility

Pasar sideways dengan volatilitas rendah

Volatile Sideways

Volatilitas ekstrem tanpa arah jelas

Short-Term Trading

RSI: 7 periode

MACD: 8-17-9

Bollinger: 10 periode

Stochastic: 7K, 3D

MA: 10-30-60

Standard Trading

RSI: 14 periode

MACD: 12-26-9

Bollinger: 20 periode

Stochastic: 14K, 3D

MA: 20-50-200

Long-Term Trading

RSI: 21 periode

MACD: 19-39-9

Bollinger: 30 periode

Stochastic: 21K, 7D

MA: 50-100-200

📊 Indikator Teknikal yang Didukung

Indikator Tren

Moving Averages, MACD, ADX

Indikator Momentum

RSI, Stochastic, CCI

Indikator Volatilitas

Bollinger Bands, ATR

Indikator Volume

OBV, MFI, Chaikin A/D

Ichimoku Cloud

Pembentukan Pivot Points

ML Prediction

LSTM, ARIMA, Simple Models

🔍 Sistem Filtering yang Disempurnakan

Sistem rekomendasi mendukung filtering rekomendasi yang canggih dengan berbagai tingkat kecocokan.

🎯 Filter Multi-Dimensi

  • Kombinasi filter kategori dan chain
  • Mode strict untuk filtering tanpa fallback
  • Dukungan filter untuk semua model
  • Fuzzy matching untuk kategori majemuk

📊 Filter Match Classification

exact Cocok persis
category_only Kategori saja
chain_only Chain saja
chain_popular Populer di chain
fallback Cadangan

🏗️ Arsitektur Sistem

🐍 Recommendation Engine (Python)

  • FastAPI REST API
  • PyTorch Neural Networks
  • Scikit-learn SVD
  • TA-Lib Technical Analysis
  • CoinGecko API Integration
  • PostgreSQL Database

🌐 Web Application (Laravel)

  • Laravel 12.x Framework
  • Web3 Wallet Authentication
  • Multi-Chain Portfolio Analytics
  • Transaction Management System
  • Alpine.js Reactivity
  • Tailwind CSS Styling

🔄 Data Flow

CoinGecko API
Data Collection
Feature Engineering
Model Training
API Endpoints
Web Interface

🌐 API Documentation

Sistem menyediakan RESTful API yang komprehensif dengan dukungan periode indikator dinamis.

Recommendation

  • POST /recommend/projects
  • GET /recommend/trending
  • GET /recommend/popular
  • GET /recommend/similar/{id}

Technical Analysis

  • POST /analysis/trading-signals
  • POST /analysis/indicators
  • GET /analysis/market-events/{id}
  • GET /analysis/price-prediction/{id}

Blockchain

  • GET /blockchain/portfolio/{wallet}
  • GET /blockchain/transactions/{wallet}
  • GET /blockchain/analytics/{wallet}

📝 Example API Response

{
  "user_id": "user_123",
  "model_type": "hybrid",
  "recommendations": [
    {
      "id": "bitcoin",
      "name": "Bitcoin",
      "symbol": "BTC",
      "current_price": 50000,
      "recommendation_score": 0.95,
      "filter_match": "exact",
      "primary_category": "layer-1",
      "chain": "bitcoin"
    }
  ],
  "is_cold_start": false,
  "exact_match_count": 10,
  "timestamp": "2025-06-23T10:30:00Z"
}

⚡ Tantangan Data Sparsity

📊 Data Statistics

Total Interactions: 65,837
Total Users: 5,000
Total Items: 1,000
Matrix Sparsity: 98.68%

Hanya 1.32% matriks yang terisi

🛠️ Solusi yang Diterapkan

  • Enhanced negative sampling (ratio 3:1)
  • Content-based fallback untuk cold-start
  • Adaptive weighting berdasarkan interaksi
  • Stratified split untuk data imbalance
  • Curriculum learning untuk NCF

🚀 Mulai Eksplorasi Web3!

Login dengan crypto wallet Anda dan dapatkan rekomendasi personal yang akurat berdasarkan AI terbaru, analisis teknikal dinamis, dan blockchain analytics multi-chain.

Hubungkan Wallet
MetaMask, WalletConnect, dan lainnya
FINAL PROJECT - v3.1 (Juni 2025)

Sistem Rekomendasi Crypto berbasis AI
Feature-Enhanced Collaborative Filtering & Neural Collaborative Filtering
dengan Enhanced Multi-Chain Blockchain Analytics

Machine Learning Deep Learning Technical Analysis Multi-Chain Web3

© 2025 Crypto Recommender System

Last Updated: Juni 2025 | Enhanced Multi-Chain Analytics & Score Validation