Kemajuan teknologi dalam perekonomian, khususnya sistem pembayaran, berkembang sangat pesat di Indonesia. Sistem pembayaran merupakan suatu sistem yang memuat seperangkat aturan, lembaga, dan mekanisme yang digunakan dalam penyelenggaraan pengiriman uang untuk memenuhi kewajiban suatu kegiatan perekonomian (Bank Indonesia, 2014). Sistem pembayaran masyarakat harus dapat memastikan pengiriman uang yang efisien dan aman sehingga masyarakat merasa nyaman dengan setiap transaksi dalam rangka kegiatan perekonomian. Sistem pembayaran dapat dilihat sebagai bagian penting dari perekonomian Indonesia, khususnya untuk memastikan bahwa transaksi pembayaran dilakukan dalam dunia usaha. Menurut Bank Indonesia (2014), instrumen pembayaran non tunai dibagi menjadi dua kategori yaitu berbasis elektronik dan berbasis kartu. Dari kedua kategori tersebut, uang elektronik (electronic based) atau biasa disebut dengan e-money saat ini semakin meningkat dan berkembang penggunaannya, sekaligus lebih praktis dan aman.
Pada tahun 2014, Bank Indonesia mencanangkan Gerakan Nasional Non Tunai (GNNT). Deklarasi tersebut bertujuan untuk meningkatkan kesadaran publik, bisnis dan lembaga pemerintah tentang penggunaan opsi pembayaran tanpa uang tunai, semua bertujuan untuk transaksi yang aman dan efisien. Selain itu, seluruh instansi pemerintah mensosialisasikan Peraturan Presiden Nomor 10 Tahun 2016 untuk mendukung dan mempercepat pelaksanaan transaksi non tunai melalui pembayaran elektronik. Untuk melihat sejauh mana efisiensinya dilakukan sebuah penelitian dengan menggunakan pendekatan Analisis runtun waktu. Analisis runtun waktu itu sendiri merupakan salah satu metode peramalan di mana pola hubungan antara variabel yang akan diestimasi berdasarkan variabel waktu . Sementara itu model Analisis runtun waktu yang paling umum digunakan adalah model ARIMA (autoregressive integrated moving avarage) yang dikembangkan oleh Box et al. (1994). Model ARIMA ini dapat digunakan untuk memprediksi data dengan kondisi yang sulit dipahami. Akan tetapi tidak semua data dapat dimodelkan dengan baik oleh ARIMA, contohnya data dimana guncangan atau kejadian khusus yang mempengaruhi pola data. Data-data seperti ini membutuhkan pemahaman dan kepekaan di dalam menganalisanya, terutama pola kecenderungan dan distribusinya.
Dalam kenyataannya banyak dijumpai struktur data yang mempunyai fluktuasi dari suatu periode waktu tertentu ke periode waktu berikutnya, semua ini dipengaruhi banyak faktor, baik faktor internal maupun faktor eksternal. Pemodelan terkait dengan struktur data seperti itu biasanya digunakan pendekatan analisis intervensi. Metode intervensi merupakan salah satu metode pengolahan data runtun waktu yang menjelaskan pengaruh suatu intervensi yang dipengaruhi oleh faktor eksternal dan internal. Secara umum terdapat dua jenis fungsi intervensi yaitu fungsi langkah (step function) dan fungsi denyut nadi (pulse function). Fungsi langkah adalah merupakan bentuk fungsi intervensi yang terjadi dalam jangka waktu yang lama, sedangkan fungsi nadi merupakan bentuk fungsi intervensi yang hanya terjadi pada waktu tertentu . Kedua macam fungsi ini sangat tepat digunakan untuk memodelkan struktur data yang menunjukkan adanya kecenderungan data baik naik maunpun turun, dan kecenderungan ini biasanya dipengaruhi adanya faktor eksternal maupun internal.
Tujuan penelitian ini adalah untuk memodelkan dan memprediksi volume transaksi uang elektronik sebagai acuan kebijakan pengawasan dan pengendalian pemerintah dalam rangka menciptakan stabilitas sistem keuangan. Data training yang digunakan adalah data bulanan periode Januari 2011 hingga September 2019 dan data sampel yang digunakan untuk testing adalah data periode Oktober 2019 hingga Desember 2019. Selanjutnya untuk membuat simulasi model ada beberapa tahapan yang harus diikuti, tahapan tersebut berisi asumsi asumsi dasar yang harus diikuti agar simulasi pemodelan menghasilkan sebuah model yang layak atau sesuai dengan distribusi dan kondisi data yang sesungguhnya. Selain itu dengan diperolehnya model data yang sesuai, diharapkan model tersebut dapat digunakan untuk peramalan untuk data berikutnya, hal ini penting karena dengan mengetahui hasil ramalan data berikutnya, hal itu akan dapat memberikan arah kebijakan yang lebih tepat yang akan diambil.
Pemodelan diawali dengan melihat apakah simulasi yang dibuat dari data pre intervensi sudah berparameter signifikan, bervariansi yang minimum,residualnya sudah white noise dan berdistribusi normal. Karena semua asumsi dasar tersebut sudah dipenuhi maka model sudah dinyatakan baik, dan langkah selanjutnya adalah membuat prediksi dari data pre intervensi tersebut, kemudian hasilnya dibandingkan data aktual dari pasca intervensi dengan melihat cros correlationnya. Dalam penelitian ini, data yang digunakan merupakan data sekunder yang diambil dari website Bank Indonesia mengenai volume transaksi e-money. Hasil simulasi yang diperoleh dari pemodelan volume transaksi uang elektronik berdasarkan analisis intervensi adalah model ARIMA (2,2,0) dengan orde b = 0, s = 0 dan r = 2. Hasil prediksi dari model ini adalah baik, hal ini ditunjukkan nilai MAPE (Mean Absullute Percentage Error) cukup kecil yakni sebesar 12,24. Sebagai kesimpulan dari penelitian ini bahwa metode analisis intervensi dapat digunakan untuk menganalisa struktur data yang berfluktuatif, dimana terdapat satu atau beberapa data yang fluktuatifnya maksimum. Dari data maksimum inilah dapat ditentukan titik batas antara data pre intervensi (sebelum ada pengaruh) dan data pasca intervensi ( setelah ada pengaruh).
Informasi detail dari penelitian ini dapat dilihat pada artikel ilmiah berikut:
Penulis: Sediono, Elly Ana, Fajar Muhammad Ardhiansyah
Artikel lengkapnya dapat dilihat pada link berikut ini:https://doi.org/10.1063/5.0045406
