Analysis and Forecasting of Electronic Money Transaction Usage in Indonesia: An ARIMA Approach (2024–2025)

Aisha Galuh Saktiawan; Brilianti Adira Anamani; Enjela Nur Pratama Putri

doi:10.18326/aicieb.v5i-.792

Aisha Galuh Saktiawan Universitas Islam Negeri Salatiga
Brilianti Adira Anamani Universitas Islam Negeri Salatiga
Enjela Nur Pratama Putri Universitas Islam Negeri Salatiga

DOI: https://doi.org/10.18326/aicieb.v5i-.792

Abstract

The development of financial technology is driving the transformation of the payment system in Indonesia, making electronic money (e-money) a vital instrument in the digital economy ecosystem, supported by policies such as the implementation of QRIS. Data shows that the e-money transaction trend is fluctuating yet indicates a positive growth direction. Therefore, accurate analysis and forecasting are crucial for infrastructure and regulatory preparedness.

The objective of this study is to model and project the movement of monthly electronic money transaction values in Indonesia (January 2024–February 2025).

The method used is time series analysis with the Autoregressive Integrated Moving Average (ARIMA) model. Data was processed using the SPSS Expert Modeler software to identify the best model and test its performance and residual diagnostics.

The results indicate that the best-fit model is ARIMA (0,1,1), which proved to be reliable and highly accurate with a MAPE value of 5.982% and explained 75.5% of the data variation (R²=0.755). Analysis of the observation data shows a significant transaction surge (peaking at around Rp65.5 trillion in January 2025). This surge was driven by strong seasonal factors, particularly the e-commerce shopping peak season and the year-end holiday period (November–January).

The conclusion is that electronic money transactions are on a strong growth trend, and the ARIMA (0,1,1) model is an effective tool for monitoring short-term movements, providing essential guidance for industry players and monetary authorities in managing the dynamics of payment digitalization.

Keywords: Electronic Money, Forecasting, ARIMA, Time Series, Payment Digitalization.

References

Abidin, Y. (2019). Kedudukan Dan Fungsi Bahsa Indonesia. In Konsep Dasar Bahasa Indonesia.
Atriani, A., Permadi, L. A., & Rinuastuti, B. H. (2020). Pengaruh Persepsi Manfaat dan Kemudahan Penggunaan Terhadap Minat Menggunakan Dompet Digital OVO. Jurnal Sosial Ekonomi Dan Humaniora, 6(1), 54–61.
Ernawati, N., & Noersanti, L. (2020). Pengaruh Persepsi Manfaat, Kemudahan Penggunaan dan Kepercayaan Terhadap Minat Penggunaan Pada Aplikasi OVO. Jurnal Manajemen STEI, 3(2), 27–37.
Hermanto, F. Wibowo, A. T. (2020). Peramalan Indeks Harga Saham Menggunakan Metode ARIMA. Jurnal Ilmiah Informatika, 5(1), 1–10.
Hermawan, D., Lie, D., Sasongko, A., Yusan, R. I., Hermawan, D., Lie, D., Sasongko, A., & Yusan, R. I. (2024). Money velocity , digital currency and inflation dynamics in Indonesia. 4918. https://doi.org/10.1080/00074918.2024.2398347
Hidayat, A. (2006). Upaya Meningkatkan Penggunaan Alat Pembayaran Non Tunai Melalui Pengembangan E-Moneyo Title.
Hukum, F., & Airlangga, U. (2017). Karakteristik uang elektronik dalam sistem pembayaran. 32(1), 134–166.
Indrawati, Y., Wardhono, A., Gema, C., & Nasir, M. A. (2020). The Impact of E-Money Diffusion on the Monetary Policy Effectiveness : Evidence from Indonesia. 144(November 2018), 237–241.
Inflow, P., Kartal, U., Indonesia, B., Arima, P., Series, T., & Tsr, R. (2021). Forecasting Bank Indonesia Currency Inflow and Outflow Using ARIMA , Time Series Regression ( TSR ), ARIMAX , and NN Approaches in Lampung. 17(2), 166–177. https://doi.org/10.20956/jmsk.v17i2.11803
Kemanfaatan, P., & Terhadap, D. A. N. P. (2020). ( Studi Kasus di Wilayah Kota Purwokerto ).
Kotler, P., & Keller, K. (2016). Marketing Management. Edited by Global Edition. 15e.
Kurniawan, M. R. (2018). Pemodelan dan Peramalan Data Deret Waktu Menggunakan Model ARIMA. Media Statistika, 11(2), 129–139.
Kurniawan, R., Purusa, N. A., & Chasanah, A. N. (2025). Jurnal REP ( Riset Ekonomi Pembangunan ) INFLATION IN THE DIGITAL PAYMENT ERA : THE MODERATING EFFECT OF E-MONEY TRANSACTIONS IN INDONESIA. 10(2), 317–334. https://doi.org/10.31002/rep.v10i2.2994
REPORT ON (Issue August). (1998).
Rindiani, M., Irwan, M., Nasution, P., Manajemen, P., Islam, U., & Sumatera, N. (2024). Issn : 3025-9495. 10(9).
Rivani, E., & Rio, E. (2021). PENGGUNAAN UANG ELEKTRONIK PADA MASA PANDEMI COVID-19 : TELAAH PUSTAKA THE USE OF E-MONEY IN THE COVID-19 PANDEMIC TIME : Tahun 2020 merupakan tahun krisis dan negara di dunia akibat pandemi virus Covid untuk mengobati virus ini . 3 Indonesia secara yang menempel pada uang , kartu kredit , atau pembayaran dari sistem pembayaran tunai ke penyedia sistem pembayaran dengan mengikuti perkembangan saat ini dengan memunculkan sistem pembayaran digital . Masyarakat pun telah ( cashless society ) atau dikenal dengan Gerakan uang elektronik tersebut ; dan sebagaimana dimaksud dalam undang- Nilai Uang Elektronik adalah nilai uang yang disimpan secara elektronik pada suatu media server atau chip yang dapat dipindahkan untuk Laila Ramadhani dalam jurnalnya yang berjudul “ Pengaruh Penggunaan Uang Elektronik terhadap Pengeluaran Konsumsi Mahasiswa ” mendefinisikan uang elektronik sebagai alat pembayaran yang dapat digunakan untuk berbagai macam jenis pembayaran ( multi purposed ), tidak bahwa uang elektronik merupakan salah satu inovasi instrumen pembayaran yang muncul akibat dari dampak perkembangan teknologi media elektronik tertentu yang dimana dimiliki konsumen dan telah mendapat izin serta diatur dalam Peraturan Bank Indonesia . 75–90.
Ruhana, N. (2023). Forecasting Analysis of the Development of Fintech Lending Financial Performance in Indonesia. 4(1), 62–72.
Salwa, N., Tatsara, N., Amalia, R., & Zohra, A. F. (2018). Peramalan Harga Bitcoin Menggunakan Metode ARIMA ( Autoregressive Integrated Moving Average ). 1(1), 21–31.
Sam, U., Jmbi, R., & Raissa, Z. (n.d.). JURNAL ILMIAH MANAJEMEN BISNIS DAN INOVASI A COMPARATIVE ANALYSIS OF FINANCIAL PERFORMANCE FORECASTING MODELS : ARIMA , ARIMA-GARCH & LSTM IN INDONESIAN BANKING Kata Kunci : Prediksi harga saham , Perbankan , Corresponding author : 12(1), 328–340.
Sistem, B., Indonesia, P., Indonesia, B., Ekonomi, M., Nasional, D., Mendatang, G., Sistem, B., Indonesia, P., Indonesia, B., Ekonomi, M., Nasional, D., & Mendatang, G. (n.d.). No Title.
Susanti, A. T., & Wiyono, M. W. (2025). An Analysis of the Future Financial Performance of Fintech Lending in Indonesia. 9(2), 120–127.
Susila, M. R., Jamil, M., & Santoso, B. H. (2023). Akurasi Model Hybrid ARIMA-Artificial Neural Network dengan Model Non Hybrid pada Peramalan Peredaran Uang Elektronik di Indonesia. 5(1), 46–58.