Electronic Theses and Dissertation

Jumlah uang beredar (m2) merupakan indikator moneter penting yang memengaruhi stabilitas ekonomi suatu negara. peramalan jumlah uang beredar yang akurat diperlukan untuk perencanaan kebijakan ekonomi yang efektif. tugas akhir ini bertujuan untuk menerapkan metode autoregressive integrated moving average (arima) dalam meramalkan jumlah uang beredar (m2) di indonesia. data yang digunakan adalah data bulanan m2 dari januari 2015 hingga desember 2024 yang diperoleh dari badan pusat stastistik (bps). data dibagi menjadi data training (80%) dan testing (20%). setelah melalui uji stasioneritas, data ditransformasi dengan box-cox (λ=-1) dan dilakukan differencing satu kali (d=1). identifikasi model dilakukan menggunakan plot acf dan pacf, yang menghasilkan beberapa kandidat model arima. model yang signifikan kemudian diuji diagnostik dengan ljung-box untuk memastika residual white noise. hasil penelitian menunjukkan bahwa model terbaik adalah arima(1,1,1) dengan nilai mape sebesar 3,517% yang termasuk dalam kategori sangat baik. model ini digunakan untuk memprediksi m2 periode januari hingga desember 2025, yang menunjukkan tren peningkatan untuk setiap bulannya. berdasarkan hasil tersebut, dapat disimpulkan bahwa peredaran jumlah uang beredar (m2) di indonesia cenderung terus meningkat, yang mengindikasikan adanya pertumbuhan aktivitas ekonomi di masa mendatang. namun peningkatan ini perlu diimbangi dengan kebijakan moneter yang tepat agar tidak menimbulkan tekanan inflasi yang berlebihan. kata kunci: jumlah uang beredar, model arima, stasioneritas, peramalan.

Money Supply (M2) Money Supply (M2) is an important monetary indicator that affects the economic stability of a country. Accurate Money Supply forecasting is necessary for effective economic policy planning. This final project aims to apply the Autoregressive Integrated Moving Average (ARIMA) method in forecasting Money Supply (M2) in Indonesia. The data used is monthly M2 data from January 2015 to December 2024 obtained from the Central Statistics Agency (BPS). The data is divided into training data (80%) and testing data (20%). After undergoing a stationarity test, the data is transformed using Box-Cox (λ=-1) and differentiated once (d=1). Model identification was performed using ACF and PACF plots, which produced several ARIMA model candidates. The significant models were then tested diagnostically with Ljung-Box to ensure white noise residuals. The results showed that the best model was ARIMA(1,1,1) with a MAPE value of 3.517%, which is classified as very good. This model was used to predict M2 for the period January to December 2025, which showed an upward trend for each month. Based on these results, it can be concluded that the circulation of Money Supply (M2) in Indonesia tends to continue to increase, indicating future economic growth. However, this increase needs to be balanced with appropriate monetary policy so as not to cause inflationary pressure. Keywords: Money supply, ARIMA model, stationarity, forecasting.