<![CDATA[Penelitian ini bertujuan untuk menganalisis kemampuan model Extreme Learning Machine (ELM) dalam meramalkan nilai transaksi uang elektronik di Indonesia. Data sekunder berupa nilai transaksi uang elektronik periode 2021 sampai 2024 dari bank Indonesia digunakan. Hasil peramalan menunjukkan tren pertumbuhan yang stabil pada nilai transaksi, dengan proyeksi yang meningkat setiap bulan. Hasil metrik evaluasi menunjukkan bahwa model ELM tidak memiliki bias sistematis (Mean Error = 0,000). Nilai Mean Absolute Percentage Error (MAPE) sebesar 9,533% menunjukkan bahwa kesalahan prediksi masih dalam batas toleransi yang dapat diterima. Secara keseluruhan, model ELM memberikan hasil yang cukup menjanjikan untuk meramalkan transaksi e-money di Indonesia. Hasil prediksi menunjukkan bahwa model ELM dapat memberikan proyeksi yang konsisten dengan tren pertumbuhan yang stabil. Prediksi nilai transaksi yang semakin meningkat setiap bulan mencerminkan potensi pertumbuhan yang terus berlanjut dalam sektor uang elektronik di Indonesia. Penelitian ini memberikan kontribusi dalam meningkatkan pemahaman tentang potensi dan keterbatasan model ELM dalam meramalkan transaksi uang elektronik di Indonesia.]]>
Copyrights © 2025
