PREDIKSI VOLUME TRANSAKSI QRIS UMKM DI KOTA YOGYAKARTA MENGGUNAKAN MODEL FUZZY TIME SERIES

Gita Anggi Nurlita, Prodi Matematika, FMIPA, Universitas Negeri Yogyakarta, Indonesia
Agus Maman Abadi, Prodi Matematika, FMIPA, Universitas Negeri Yogyakarta, Indonesia

 10.21831/jktm.v12i3.27857

Abstract


Perkembangan teknologi digital telah membawa inovasi sistem pembayaran di Indonesia, yaitu Quick Response Code Indonesian Standard (QRIS). Tujuan penelitian ini untuk memprediksi volume transaksi QRIS Usaha Mikro, Kecil, dan Menengah (UMKM) di Kota Yogyakarta dengan menggunakan model fuzzy time series Singh dan membandingkannya dengan model ARIMA. Penelitian ini menggunakan data bulanan volume transaksi QRIS UMKM di Yogyakarta periode Januari 2023 sampai Desember 2025 yang diperoleh dari Kantor Perwakilan Bank Indonesia Provinsi DIY. Prediksi yang dilakukan dengan model Singh memiliki langkah-langkah, yaitu membentuk himpunan semesta, menentukan jumlah dan panjang interval, membentuk himpunan fuzzy, melakukan fuzzifikasi dan membentuk Fuzzy Logical Relationship (FLR), serta melakukan defuzzifikasi. Sedangkan tahapan untuk prediksi dengan ARIMA, yaitu menguji stasioneritas, melakukan transformasi dan/atau differencing, mengidentifikasi model, melakukan estimasi parameter dan uji signifikansi, melakukan uji diagnostik residual, serta melakukan prediksi. Hasil penelitian ini menunjukkan bahwa model Singh adalah model terbaik dengan nilai MAPE terkecil. Nilai MAPE data latih model Singh pada usaha mikro, kecil, dan menengah masing-masing sebesar 3,084%, 3,574%, dan 3,024%. Sedangkan pada data uji masing-masing sebesar 1,02%, 0,127%, dan 0,203%.

Kata kunci: ARIMA, Fuzzy Time series, Prediksi, QRIS, Singh.


Full Text:

PDF

References


Abburi, C. K. (2024). Advanced time series modeling in digital payments: Harnessing seasonal patterns for enhanced forecasting. International Journal of Intelligent Systems and Applications in Engineering, 12(4), 4816–4819. https://doi.org/10.13140/RG.2.2.34324.62084

Adisecha, R. S., Nawawi, N. I., Izzati, N. D., Najmuddin, M. T., Rabbani, N. A., Angraini, Y., & Pangestika, A. P. (2025). Comparative analysis of ARIMA and LSTM methods for sea surface temperature forecasting in the Sunda Strait. Jurnal Matematika, Statistika Dan Komputasi, 21(3), 868–885. https://doi.org/10.20956/j.v21i3.42565

Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2016). Time series analysis: Forecasting and control (5th ed.). New Jersey: John Wiley & Sons, Inc.

Chairina, Widyasari, R., & Siregar, M. A. P. (2024). Hybrid Naive Bayes Classifier and Markov Chain for predicting the level of Quick Response Indonesian Standard (QRIS) usage. Journal of Information Technology, 4(1), 150–156. https://doi.org/10.46229/jifotech.v4i1.875

Febrian, P. H. (2025). Digitalisasi pembayaran: Langkah menuju ekonomi berkelanjutan dan inklusif di Kota Yogyakarta. Journal of Economics Development Issues, 8(2), 52–63. https://doi.org/10.33005/jedi.v8i2.410

Hasibuan, S., Asdi, Y., & Nazra, A. (2024). Peramalan harga minyak mentah dunia menggunakan metode fuzzy time series logika Singh. Jurnal Matematika UNAND, 13(1), 66–74. https://doi.org/10.25077/jmua.13.1.66-74.2024

Herawati, M. (2024, Desember 5). Pembayaran digital di DIY bertumbuh, jumlah pengguna QRIS mencapai 900 ribu lebih. Harian Jogja.

Hia, E. D. Y., & Sinaga, M. S. (2022). Implementation of Markov chain on MSME data for QRIS users in Medan City. Asian Journal of Community Services, 1(4), 143–154. https://doi.org/10.55927/ajcs.v1i4.1556

Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice (2nd ed.). Melbourne: OTexts.

Hyndman, R. J., & Khandakar, Y. (2008). Automatic time series forecasting: The forecast package for R. Journal of Statistical Software, 27(3), 1–22. https://doi.org/10.18637/jss.v027.i03

Kelana, O. D., Putra, A. A., Amalita, N., & Salma, A. (2023). Comparison of forecasting using fuzzy time series Chen and Singh to farmer exchange rates in Indonesia. UNP Journal of Statistics and Data Science, 1(4), 264–270. https://doi.org/10.24036/ujsds/vol1-iss4/36

Listiyono, H., Sunardi, Wahyudi, E. N., & Diartono, D. A. (2024). Dinamika implementasi QRIS: Meninjau peluang dan tantangan bagi UMKM Indonesia. IKRA-ITH Informatika: Jurnal Komputer Dan Informatika, 8(2), 120–126. https://doi.org/10.37817/ikraith-informatika.v8i2.2967

Lucas, P. O., Orang, O., Silva, P. C. L., Mendes, E. M. A. M., & Guimarães, F. G. (2021). A tutorial on fuzzy time series forecasting models: recent advances and challenges. Journal of the Brazilian Society on Computational Intelligence (SBIC), 19(2), 29–50. https://doi.org/10.21528/lnlm-vol19-no2-art3

Mukhtiar, F. A., & Andayani, S. (2025). Perbandingan hybrid ARIMA-NNAR dan ARIMA-SVR pada peramalan nilai impor migas dan non-migas Indonesia. Jurnal Statistika dan Sains Data, 2(2), 150–163. https://doi.org/10.21831/jssd.v2i2.23420

Nurkholis, Kartikasari, P., & Arafat, F. B. (2025). Application of the fuzzy time series Chen and Markov Chain method with Sturges and average-based intervals in forecasting the Rupiah exchange rate against the US Dollar. International Journal of Research and Review, 12(6), 166–174. https://doi.org/10.52403/ijrr.20250621

Nurman, S., Nusrang, M., & Sudarmin. (2022). Analysis of rice production forecast in Maros District using the Box-Jenkins method with the ARIMA model. ARRUS Journal of Mathematics and Applied Science, 2(1), 36–48. https://doi.org/10.35877/mathscience731

Pangaribuan, J. J., Fanny, Barus, O. P., & Romindo. (2023). Prediksi penjualan bisnis rumah properti dengan menggunakan metode autoregressive integrated moving average (ARIMA). Jurnal Sistem Informasi Bisnis, 13(2), 154–161. https://doi.org/10.21456/vol13iss2pp154-161

Panjaitan, H., Prahutama, A., & Sudarno. (2018). Peramalan jumlah penumpang kereta api menggunakan metode ARIMA, intervensi dan ARFIMA (studi kasus: penumpang kereta api kelas lokal ekonomi DAOP IV Semarang). Jurnal Gaussian, 7(1), 96–109. https://doi.org/10.14710/j.gauss.7.1.96-109

Prawitasari, D., Badiani, F. D., Rachmawati, S. D., Ningrum, F. P., & Mufidah, N. L. (2024). QRIS in Indonesia: A comprehensive literature review on adoption, challenges, and opportunities. REVENUE : Jurnal Manajemen Bisnis Islam, 5(1), 91–102. https://doi.org/10.24042/revenue.v5i1.22760

Qolyubi, A., & Munandar, A. (2025). QRIS as a digital payment instrument: Its impact on people’s financial behavior in the industry 5.0 era. Journal Research of Social Science, Economics, and Management, 5(1), 2543–2552. https://doi.org/10.59141/jrssem.v5i1.961

Rizki, M. I., & Taqiyyuddin, T. A. (2021). Penerapan model SARIMA untuk memprediksi tingkat inflasi di Indonesia. Jurnal Sains Matematika dan Statistika, 7(2), 62–72. https://doi.org/10.24014/jsms.v7i2.13168

Sari, A. S. N., & Setiawan, E. P. (2024). Comparison of fuzzy time series Lee, Chen, and Singh on forecasting foreign tourist arrivals to Indonesia in 2023. Jurnal Matematika, Statistika Dan Komputasi, 21(1), 10–32. https://doi.org/10.20956/j.v21i1.34914

Singh, S. R. (2007). A simple method of forecasting based on fuzzy time series. Applied Mathematics and Computation, 186(1), 330–339. https://doi.org/10.1016/j.amc.2006.07.128

Singh, S. R. (2008). A computational method of forecasting based on fuzzy time series. Mathematics and Computers in Simulation, 79, 539–554. https://doi.org/10.1016/j.matcom.2008.02.026

Sunariadi, N. M., Intan, P. K., Candra, D., Novitasari, R., & Hariningsih, Y. (2022). Prediksi produksi bawang merah di Kabupaten Nganjuk dengan metode seasonal ARIMA (SARIMA). Transformasi :Jurnal Pendidikan Matematika dan Matematika, 6(1), 49–60. https://doi.org/10.36526/tr.v6i1.1672

Wei, W. W. S. (2006). Time series analysis: Univariate and multivariate methods. New York: Pearson Education.

Yasik, Y. L., & Mutoffar, M. M. (2025). Efektivitas sistem QRIS dalam meningkatkan volume transaksi UMKM Kota Surabaya. Equilibrium: Jurnal Ekonomi Manajemen Akuntansi, 21(2), 148–157. https://doi.org/10.30742/equilibrium.v21i2.4854




DOI: https://doi.org/10.21831/jktm.v12i3.27857

Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 
View My Stats