Metode:
Time Series Forecasting [ARIMA, Prophet, LSTM] untuk memprediksi tren tahunan dan memperkirakan lonjakan trafik berdasarkan data historis.
Anomaly Detection untuk mendeteksi lonjakan trafik abnormal.
Sentiment Analysis pada media sosial dan berita untuk memprediksi perilaku masyarakat terkait penukaran uang.
Implementasi Solusi:
1. BI mengumpulkan data tahun sebelumnya untuk memetakan pola permintaan uang tunai.
2. Model prediktif menentukan periode puncak, lalu BI mengatur strategi pembagian zona waktu penukaran.
3. Notifikasi otomatis dikirim ke pengguna agar menukarkan uang pada waktu yang disarankan berdasarkan prediksi data.
Korelasi dengan Ramadan Hemat:
> Dengan mencegah lonjakan permintaan uang tunai yang tidak terkendali, masyarakat bisa lebih rasional dalam menukarkan uang sesuai kebutuhan, bukan karena FOMO (Fear of Missing Out).
> Mengurangi dorongan konsumtif yang sering terjadi akibat ketersediaan uang tunai dalam jumlah besar.