Analisis Rantai Markov Untuk Memprediksi Tren Metode Pembayaran Mahasiswa (QRIS vs UANG TUNAI)

Abstract

The rapid growth of digital payment systems, particularly QRIS (Quick Response Code Indonesian

Standard), has significantly altered the payment behavior landscape among university students. This study applies the Markov Chain method to analyze transition patterns and predict future trends in student payment methods based on survey data from 150 respondents. Three states are defined: QRIS, Cash, and Mixed (combined usage). A stochastic transition matrix was constructed from observed behavioral shifts across three time periods: last semester, current semester, and next semester prediction. Analysis reveals a transition probability matrix in which QRIS users show a 60.0% retention rate, Cash users 49.1%, and Mixed users 61.9%. Multi-step projections demonstrate a convergent trend toward the steady-state distribution of 40.22% QRIS, 16.67% Cash, and 43.10% Mixed usage. The dominant factor driving QRIS adoption is practicality

(38.0%), while habit remains the primary barrier (32.0%). These findings confirm that the Markov Chain is an effective linear algebraic tool for modeling behavioral transitions and forecasting equilibrium states in payment method adoption among students.

Keywords: Markov Chain, QRIS, Payment Method, Stochastic Matrix, Steady State

Abstrak

Pesatnya perkembangan sistem pembayaran digital, khususnya QRIS (Quick Response Code Indonesian Standard), telah mengubah lanskap perilaku pembayaran di kalangan mahasiswa secara signifikan. Penelitian ini menerapkan metode Rantai Markov untuk menganalisis pola transisi dan memprediksi tren metode pembayaran mahasiswa berdasarkan data survei dari 150 responden. Tiga state didefinisikan: QRIS, Uang Tunai, dan Campuran (penggunaan gabungan). Matriks transisi stokastik dibangun dari pergeseran perilaku yang diamati pada tiga periode waktu: semester lalu, semester ini, dan prediksi semester depan. Analisis menunjukkan matriks probabilitas transisi di mana pengguna QRIS memiliki tingkat retensi 60,0%, pengguna Tunai 49,1%, dan pengguna Campuran 61,9%. Proyeksi multi-langkah memperlihatkan tren konvergen menuju distribusi steady state sebesar 40,22% QRIS, 16,67% Tunai, dan 43,10% Campuran. Faktor utama yang mendorong adopsi QRIS adalah kepraktisan (38,0%), sementara kebiasaan menjadi hambatan utama (32,0%). Temuan ini mengonfirmasi bahwa Rantai Markov merupakan alat aljabar linear yang efektif untuk memodelkan transisi perilaku dan memproyeksikan kondisi keseimbangan dalam adopsi metode pembayaran di kalangan mahasiswa.

Kata Kunci: Rantai Markov, QRIS, Metode Pembayaran, Matriks Stokastik, Steady State