ABSTRAK Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Fajris Zahrotun Nihayah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Perputaran roda perekonomian dunia yang diiringi dengan adanya perkembangan
teknologi yang hebat menyebabkan terciptanya inovasi-inovasi baru terkait
digitalisasi layanan perbankan di seluruh dunia. Mulai dari diciptakannya ATM,
kartu debit dan kredit, dompet elektronik, hingga munculnya metode pembayaran
QR yang di Indonesia di adopsi dalam sebuah sistem terstandardisasi bernama
QRIS. Hadirnya layanan-layanan alternatif yang menggantikan uang tunai ini
membentuk suatu kebiasaan baru di lingkungan masyarakat untuk perlahan
meninggalkan kebiasaan melakukan transaksi tunai. Perubahan pola transaksi ini
menyebabkan maraknya pengembangan ilmu-ilmu baru mengenai transaksi online
serta dampaknya pada tatanan sosial suatu negara. Pada penelitian ini, dilakukan
proses klasifikasi status dari suatu negara menjadi cashless, almost cashless, dan
not cashless berdasarkan Cashless Transaction Index (CTI) menggunakan
algoritma Exponential Moving Average (EMA) dan machine learning yaitu
Random Forest Classifier (RF) dengan memanfaatkan 1225 parameter kuantitatif
seperti GDP per kapita, volume transaksi elektronik, jumlah pengguna transaksi
digital, jumlah pengguna kartu ATM, dan parameter lain seperti infrastruktur
digital yang memadai, serta penetrasi internet di tiap-tiap daerah. Klasifikasi ini
menghasilkan beberapa negara yang sudah cashless seperti Kanada, Selandia
Baru, Denmark, United Kingdom, dan negara-negara ekonomi maju lainnya
dengan nilai CTI lebih besar dari 3,0. Sementara itu, negara seperti Turkmenistan,
Kongo, dan Yaman termasuk sebagai negara yang tidak cashless dengan nilai CTI
mendekati 0. Indonesia sendiri masih menduduki status sebagai negara not
cashless meskipun telah terjadi perkembangan yang pesat dalam dunia
pembayaran elektronik sehingga pemerintah disarankan untuk
mempertimbangkan skema transaksi hybrid yang lebih cocok dengan karakteristik
masyarakat.