FORECASTING INTEREST IN USING GOPAY E-WALLET

Authors

  • Devita Rizqi Maulida Sains Data, UIN K.H. Abdurrahman Wahid Pekalongan, Indonesia
  • Umi Mahmudah Sains Data, UIN K.H. Abdurrahman Wahid Pekalongan, Indonesia

Keywords:

Gopay, ARIMA, Peramalan, Deret Waktu, Fintech

Abstract

Penelitian ini bertujuan untuk meramalkan minat penggunaan layanan dompet digital GoPay dengan menggunakan pendekatan Autoregressive Integrated Moving Average (ARIMA). Data yang dianalisis berupa jumlah transaksi harian selama periode 24 jam pada tanggal 7 Juli 2025, yang dijadikan sebagai dasar untuk mengobservasi pola dan karakteristik waktu. Tahapan analisis dimulai dengan pengujian stasioneritas menggunakan uji Augmented Dickey-Fuller (ADF), yang menunjukkan bahwa data bersifat non-stasioner pada level awal, namun menjadi stasioner setelah diferensiasi orde pertama. Selanjutnya, identifikasi orde model dilakukan melalui pengamatan pola pada Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), yang mengindikasikan pemilihan model ARIMA (2,1,2) sebagai kandidat terbaik. Parameter model kemudian diestimasi menggunakan metode Maximum Likelihood Estimation (MLE), yang menghasilkan koefisien signifikan pada tingkat kepercayaan 95%. Evaluasi model dilakukan dengan mengkaji residual melalui uji Ljung-Box, yang menunjukkan bahwa residual bersifat acak dan tidak menunjukkan autokorelasi, sehingga mengindikasikan bahwa model yang digunakan valid dan layak untuk peramalan. Hasil peramalan selama periode tiga bulan ke depan memperlihatkan tren penggunaan GoPay yang cenderung stabil dan konsisten, tanpa adanya fluktuasi ekstrem yang signifikan. Meskipun model ARIMA cukup efektif untuk jangka pendek, studi ini merekomendasikan pengembangan model lanjutan berbasis multivariat time series (misalnya VAR atau ARIMAX) yang melibatkan faktor-faktor eksternal seperti promosi, hari libur, atau perilaku konsumen guna meningkatkan akurasi dan kapabilitas prediktif model dalam jangka panjang.

Downloads

Published

2025-08-31

Conference Proceedings Volume

Section

Artikel

Categories