PENDAHULUAN

Perkembangan Transformasi digital yang terjadi secara global dalam satu dekade terakhir telah membawa perubahan struktural yang signifikan dalam sistem ekonomi dan keuangan modern. Perkembangan teknologi informasi, internet, serta inovasi berbasis data telah mengubah cara masyarakat melakukan aktivitas ekonomi, termasuk dalam hal transaksi, investasi, dan pengelolaan keuangan. Digitalisasi memungkinkan layanan keuangan menjadi lebih cepat, efisien, dan transparan, sehingga meningkatkan kualitas intermediasi keuangan serta memperluas akses masyarakat terhadap sistem keuangan formal. Fenomena ini mendorong terbentuknya ekosistem ekonomi digital yang semakin terintegrasi, di mana aktivitas ekonomi dapat dilakukan secara lintas wilayah tanpa batasan geografis. Perubahan tersebut menuntut bank sentral di berbagai negara untuk melakukan adaptasi melalui inovasi kebijakan moneter dan sistem pembayaran agar tetap relevan di tengah perkembangan teknologi yang sangat dinamis [1].

Perkembangan teknologi finansial (financial technology/fintech) menjadi salah satu faktor utama yang mempercepat transformasi tersebut. Fintech menghadirkan inovasi seperti dompet digital, pembayaran elektronik, dan peer to peer lending yang mempermudah transaksi serta meningkatkan efisiensi system pembayaran. Perkembangannya juga memicu persaingan antara Lembaga keuangan tradisional dan layanan digital, sekaligus menantang bank sentral dalam menjaga stabilitas dan kedaulatan moneter. Karena itu, bank sentral mulai mengembangkan Central Bank Digital Currency (CBDC) untuk mempertahankan perang uang di era digital.

CBDC adalah uang digital resmi yang diterbitkanbank sentral sebagai alat pembayaran sah dengan jaminan negara, berbeda dari uang elektronik atau kripto yang berasal dari pihak swasta. Keberadaan Central Bank Digital Currency (CBDC) diharapkan mampu meningkatkan efisiensi sistem pembayaran, memperluas inklusi keuangan, serta memperkuat efektivitas transmisi kebijakan moneter. Selain itu, Central Bank Digital Currency (CBDC) juga berpotensi meningkatkan transparansi transaksi dan mengurangi biaya pengelolaan uang tunai, sehingga memberikan manfaat bagi sistem keuangan secara keseluruhan [2].

Secara global, pengembangan Central Bank Digital Currency (CBDC) terus meningkat, ditandai dengan berbagai negara yang melalukan riset, uji coba, hingga implementasi sebagai respons terhadap perubahan system pembyaran. CBDC dipandang sebagai instrument strategis untuk menjaga stabilitas keuangan di Tengah berkembangnya asset digital ketahanan perbankan, likuiditas, serta efektivitas kebijakan moneter [3].

Namun, implementasinya menunjukkan hasil yang beraga,, Nigeria menjadi salah satu contoh penting sebagai negara pertama di Afrika yang meluncurkan CBDC melalui e-Naira pada tahun 2021. Kebijakan ini bertujuan meningkatkan inklusi keuangan, memperluas akses layanan keuangan digital, serta mengurangi ketergantungan pada uang tunai. Meskipun demikian, tingkat adopsi e-Naira masih tergolong rendah dibandingkan jumlah populasi, sehingga menunjukkan bahwa keberhasilan implementasi Cental Bank Digital Currency (CBDC) tidak hanya ditentukan oleh kesiapan teknologi, tetapi juga oleh faktor perilaku Masyarakat [4]. Penelitian lain menunjukkan bahwa rendahnya tingkat penggunaan e-Naira dipengaruhi oleh rendahnya literasi keuangan, kurangnya kepercayaan terhadap otoritas keuangan, serta persepsi masyarakat terhadap manfaat dan risiko penggunaan mata uang digital [5].

Di Indonesia, digitalisasi keuangan berkembang pesat seiring meningkatnya pembayaran elektronik. Bank Indonesia merespons dengan mengembangkan Digital Rupiah (CBDC) untuk menjaga kedaulatan mata uang, efisiensi system pembayaran, dan integrasi ekonomi digital. Transparansi, akuntabilitas, dan komunikasi public menjadi kunci membangun kepercayaan terhadap inovasi ini [6].

Adopsi CBDC dipengaruhi oleh literasi keuangan, yaitu kemampuan memahami konsep, Risiko, dan keutusan finansial, sehingga masyarakat lebih siap menilai manfaat dan Risiko [1]. Selain itu, akuntabilitas kebijakan moneter meningkatkan kredibilitas dan kepercayaan public, serta keyakinan bahwa CBDC dikelola secara professional dan stabil [7].

Di sisi lain, kepercayaan terhadap otoritas keuangan merupakan faktor psikologis yang sangat menentukan dalam proses adopsi inovasi keuangan. Kepercayaan mencerminkan keyakinan masyarakat terhadap keamanan sistem, stabilitas nilai mata uang, serta integritas lembaga yang mengelola kebijakan moneter. Rendahnya kepercayaan meningkatkan persepsi Risiko sehingga menghambat adopsi instrument pembayaran baru. Kepercayaan publik terhadap bank sentral berpengaruh signifikan terhadap adopsi CBDC [8].

Indonesia unggul dalam pembayaran digital dan inklusi keuangan, sedangkan Nigeria telah menerapkan e-Naira namun masih terkendala adopsi. Perbandingan ini memperjelas factor penetu adopsi CBDC di negara berkembang. Study sebelumnya umumnya menyoroti factor teknologi, regulasi, dan kondisi makroekonomi sebagai penentu utama adopsi CBDC. Penelitian Dwin Feryani menunjukkan bahwa penerimaan masyarakat terhadap mata uang digital dipengaruhi oleh faktor struktural seperti kondisi ekonomi, aksesibilitas, dan karakteristik demografi, yang menegaskan bahwa adopsi Central Bank Digital Currrency (CBDC) bersifat multidimensional [8]. Penelitian yang mengintegrasikan literasi keuangan, akuntabilitas kebijakan moneter, dan kepercayaan dalam satu model lintas negara masih terbatas, sehingga diperlukan pendekatan terpadu untuk memahami determinan adopsi Central Bank Digital Currency (CBDC) secara lebih komorehensif.

Temuan ini menegaskan bahwa kebijakan bank sentral harus mempertimbangkan kesiapan masyarakat dan kepercayaan publik, selain aspek teknologi. Karena CBDC memengaruhi transaksi, stabilitas system pembayaran, dan kebijakan moneter, penelitian ini menganalisis peran literasi keuangan, akuntabilitas kebijakan, dan kepercayaan melalui perbandingan Indonesia dan Nigeria. Studi ini berkontribusi pada ekonomi digital dengan menawarkan model integratif yang memberikan pemahaman kontekstual tentang afopsi CBDC di negara berkembang.

METODE

A. Rancangan Penelitian

Penelitian ini menggunakan pendekatan Mixed Method untuk menganalisis faktor-faktor yang memengaruhi minat adopsi Central Bank Digital Currency (CBDC) di Indonesia dan Nigeria. Pendekatan kuantitatif digunakan untuk menguji hubungan kausal komparatif antara variabel independen, yaitu literasi keuangan, akuntabilitas kebijakan moneter, dan kepercayaan terhadap otoritas keuangan, dengan variabel dependen berupa minat adopsi Central Bank Digital Currency (CBDC).

B. Definisi Operasional Variabel dan Pengukurannya.

1. Variabel Independen.

a. Literasi Keuangan.

Literasi keuangan dipahami sebagai kemampuan individu dalam memahami, mengelola, dan memanfaatkan produk serta layanan keuangan secara efektif dan bertanggung jawab.

b.Akuntabilitass Kebijakan Moneter.

Akuntabilitas kebijakan moneter merujuk pada transparansi, konsistensi, dan tanggung jawab bank sentral dalam merumuskan serta melaksanakan kebijakan moneter.

c. Kepercayaan terhadap Otoritas Keuangan.

Kepercayaan terhadap otoritas keuangan merupakan keyakinan masyarakat bahwa bank sentral dan regulator mampu menjaga stabilitas sistem keuangan secara profesional, aman, dan transparan.

2. Variabel Dependen.

a. Central Bank Digital Currency (CBDC)

Central Bank Digital Currency (CBDC) merupakan inovasi dalam sistem moneter yang bertujuan menyesuaikan fungsi uang dengan perkembangan teknologi digital serta transformasi sistem pembayaran modern.

C. Metode Penelitian Data

1. Teknik Pengumpulan Data

Teknik pengumpulan data dalam penelitian ini menggunakan data sekunder. Data sekunder merupakan data yang telah dikumpulkan dan dipublikasikan oleh lembaga resmi sehingga memiliki tingkat kredibilitas dan validitas yang tinggi.

2.Objek dan Waktu Penelitian

Objek dalam penelitian ini terbagi menjadi dua bagian sesuai dengan pendekatan penelitian yang digunakan, yaitu pendekatan kuantitatif dan kualitatif. Pada tahap kuantitatif, objek penelitian berupa data sekunder yang menggambarkan perkembangan sistem pembayaran digital serta potensi adopsi Central Bank Digital Currency (CBDC) di Indonesia, sedangkan pada tahap kualitatif objek penelitian berupa jurnal yang telah diterbitkan khusunya terkait faktor-faktor yang mempengaruhi Tingkat adopsi CBDC. Fokus analisis penelitian ini berada pada tingkat negara dengan cakupan dua negara, yaitu Indonesia dan Nigeria, selama periode 2020-2024.

3. Populasi dan Sampling

Penelitian ini menggunakan metode Sampling Jenuh, yaitu teknik penentuan sampel dengan menggunakan seluruh populasi sebagai sampel penelitian. Dalam penelitian ini, seluruh 34 provinsi di Indonesia dijadikan sampel penelitian karena dianggap dapat mencerminkan kondisi kesiapan masyarakat terhadap perkembangan sistem pembayaran digital serta potensi adopsi Central Bank Digital Currency (CBDC). Pemilihan seluruh provinsi bertujuan untuk menyajikan data yang lebih lengkap, menghindari bias wilayah, serta memberikan gambaran yang lebih komprehensif mengenai perkembangan indikator penelitian di Indonesia selama periode 2020–2024.

Analisis Analisis regresi data panel merupakan salah satu metode statistik yang digunakan untuk menganalisis data yang memiliki dua dimensi sekaligus, yaitu dimensi waktu (time series) dan dimensi unit analisis atau entitas (cross-section) (Manihuruk & Joko, 2025). Data panel atau sering disebut sebagai data longitudinal adalah data yang diperoleh dari beberapa objek penelitian yang diamati secara berulang dalam periode waktu tertentMetode Analisis Data Kuantitatif

1. • Koefisien Determinasi (R2)
   • Uji F (Uji Signifikansi Simultan)
   • Uji T (Uji Signifikansi Parsial).
2. Analisis Regresi Data Panel.
3. Uji Asumsi Klasik

Uji normalitas dilakukan untuk mengetahui apakah nilai residual (error term) yang dihasilkan dari model regresi memiliki pola distri distribusi normal atau mendekati. Metode yang digunakan Adalah Jarque-Bera Test.

Uji multikolinearitas dilakukan untuk melihat apakah antarvariabel independen dalam model regresi memiliki hubungan yang sangat kuat atau saling berkorelasi secara tinggi.Dalam analisis regresi, multikolinearitas yang tinggi dapat mengurangiketepatan estimasi karena menyebabkan koefisien menjadi tidak stabil dan sulit diinterpretasikan.

Uji heteroskedastisitas digunakan untuk mengetahui apakah varians residual dalam model regresi bersifat konstan atau tidak antar observasi. Model yang baik mesyaratkan varian residual yang sama (homoskedastisitas). Sebaliknya, apabila varians residual berbeda-beda antarobservasi maka terjadi heteroskedastisitas yang dapat memengaruhi keakuratan hasil estimasi model (Manihuruk & Joko, 2025).

1. Uji Normalitas.
2. Uji Multikolinearitas.
3. Uji Heteroskedastisitas.
4. Uji Autokorelasi.

Uji autokorelasi bertujuan mengidentifikasi adanya korelasi anrae residual dalam model regresi. Secara ideal, residual haris saling bebas (tidak berkolerasi), karena autokorelasi dapat menurunkan keakuratan estimasi dan melanggar asumsi klasik. Pengujian dilakukan menggunakan Durbin Watson (DW).

1. Uji hipotesis

Uji koefisien determinasi (R²) digunakan untuk mengetahui sejauh mana kemampuan model regresi dalam menjelaskan perubahan atau variasi pada variabel dependen. Nilai koefisien determinasi menunjukkan seberapa besar pengaruh variabel independen secara bersama-sama dalam menerangkan variabel dependen yang diteliti (Andini & Zakiyyah, 2024).

Uji F digunakan untuk menilai kelayakan model regresi secara keseluruhan. Pengujian ini bertujuan untuk mengetahui apakah variabel-variabel independen yang terdapat dalam model secara bersama-sama memiliki pengaruh terhadap variabel dependen (Juanda & Hakim, 2023). Dengan kata lain, uji F digunakan untuk melihat apakah model regresi yang digunakan dalam penelitian sudah cukup baik untuk menjelaskan hubungan antara variabel yang diteliti.

Uji t merupakan salah satu teknik analisis statistik yang digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen secara parsial dalam suatu model regresi. Melalui uji ini, peneliti dapat menilai apakah setiap variabel independen memiliki pengaruh yang signifikan terhadap variabel dependen yang diteliti (Manihuruk & Joko, 2025).

Tahap pertama adalah mengumpulkan seluruh dokumen yang relevan dengan topik penelitian.

Tahapan ini merupakan proses pengkodean awal terhadap data yang terdapat dalam dokumen.

Setelah proses pengkodean awal selesai, langkah berikutnya adalah menganalisis keterkaitan antar kode yang telah terbentuk. Kode-kode tersebut kemudian dikelompokkan ke dalam beberapa kategori yang lebih spesifik.

Pada tahap ini, NVivo 12 dimanfaatkan untuk menjalankan berbagai fitur analisis seperti text search query, word frequency query, dan matrix coding query. Fitur-fitur tersebut digunakan untuk mengidentifikasi pola penggunaan kata serta hubungan konseptual yang muncul dalam dokumen yang dianalisis. Selanjutnya dilakukan analisis tematik untuk memahami serta mengorganisasi data berdasarkan tema-tema utama yang telah ditemukan sebelumnya.

Untuk memperkuat hasil analisis, penelitian ini juga memanfaatkan fitur visualisasi yang tersedia dalam NVivo 12. Visualisasi ini membantu peneliti dalam memahami pola dan hubungan antar konsep secara lebih jelas.

1. Metode Analisis Data Kualitatif.
2. Impor Dokumen
3. Open Coding
4. Pengelompokan Kategori dan Penentuan Tema
5. Query dan Analisis Tematik
6. Visualisasi Data
7. Interpretasi dan Penyusunan Narasi

Tahap terakhir adalah melakukan interpretasi terhadap seluruh hasil analisis yang telah diperoleh. Temuan-temuan tersebut kemudian disusun dalam bentuk narasi analitis yang menjelaskan makna serta keterkaitan antar konsep yang ditemukan dalam penelitian. Hasil interpretasi ini selanjutnya akan dijelaskan secara lebih rinci dalam Bab IV sebagai bagian dari pembahasan penelitian.

HASIL DAN PEMBeskripsi Data/Objek Penelitian

Central Bank Digital Currency (CBDC) sebagai bentuk digital uang bank sentral telah menjadi fokus penting dalam kebijakan moneter dan sistem pembayaran global dalam beberapa taerutama pasca pandemi COVID-19 di mana digitalisasi ekonomi meningkat tajam (Smith, 2023). Bank for International Settlements menyatakan bahwa Central Bank Digital Currency (CBDC) berpotensi memperkuat inklusi keuangan, memodernisasi sistem pembayaran, dan meningkatkan efisiensi transmisi kebijakan moneter [9].

Dalam konteks negara berkembang, [1] menyebut bahwa tantangan adopsi Central Bank Digital Currency (CBDC) sering kali berkaitan dengan tingkat literasi keuangan, akses infrastruktur digital, dan stabilitas ekonomi makro [10]. [2] juga menunjukkan bahwa desain Central Bank Digital Currency (CBDC) harus mempertimbangkan adaptasi perilaku masyarakat serta kepercayaan terhadap otoritas moneter [11].

Objek kajian dalam penelitian ini adalah dua negara berkembang, yaitu Indonesia dan Nigeria, selama periode 2020–2025.Perbedaan tahap implementasi Central Bank Digital Currency (CBDC) menjadi dasar perbandingan. Indonesia masih dalam tahap perencanaan digital rupiah melalui blueprint dan strategi bertahap [12], sedangan. Nigeria telah meluncurkan eNaira sejak 2021 [13].

Pengalaman Nigeria menunjukkan adopsi masih rendah akibat keterbatasan literasi digital dan kepercayaan public, sementara Indonesia menakankan penguatan kebijakan dan mitigasi Risiko untuk menjaga stabilitas sitem keuangan.

1. Indonesia (Digital Rupiah dalam Tahap Pngembangan)

Indonesia berpenduduk lebih dari 280 juta jiwa (BPS, 2024) dengan kompleksitas tinggi dalam pengembangan keuangan digital. Sebagai negara kepulauan, kesenjangan infastruktur digital masih terjadi. Meski penetrasi internet mencapai 79,5%, perbedaan akses, kualitas jaringan, dan literasi digital tetap terlihat antara wilayah perkotaan daerah terpencil, khususnya di Indonesia Timur (APIJII, 2024).

Pengembangan Central Bank Digital Currency (CBDC) masih berada pada tahap perancangan melalui Proyek Garuda, dengan focus pada system yang aman, efisien, dan stabil, serta belum diiplementasikan secara luas. Belum diterapkannya CBDC secara publik di Indonesia dipengaruhi oleh beberapa faktor utama, antara lain:

1. Tingginya kesenjangan digital dan tingkat inklusi keuangan yang belum merata di berbagai wilayah sehingga dapat menghambat adopsi teknologi pembayaran digital baru.
2. Kondisi geografis Indonesia yang sangat luas dan terdiri dari ribuan pulau, sehingga proses implementasi teknologi secara merata membutuhkan kesiapan infrastruktur yang memadai.
3. Kesiapan regulasi serta koordinasi antar lembaga yang masih memerlukan penguatan agar implementasi kebijakan digital dapat berjalan secara optimal.
4. Adanya kekhawatiran terhadap potensi risiko sistemik, termasuk kemungkinan disintermediasi perbankan serta isu keamanan data dalam sistem keuangan digital.

Dengan berbagai kondisi tersebut, Indonesia dapat dikategorikan sebagai negara berkembang yang sedang mempersiapkan transformasi menuju sistem pembayaran digital yang lebih modern. Meskipun demikian, potensi adopsi CBDC di Indonesia tetap dinilai cukup besar seiring dengan meningkatnya digitalisasi ekonomi dan perkembangan teknologi keuangan.

1. Nigeria (eNaira dalam Tahap Implementasi).

Nigeria merupakan salah satu negara di Afrika yang memiliki jumlah penduduk terbesar serta tingkat aktivitas ekonomi digital yang terus berkembang. Berdasarkan data dari Central Bank of Nigeria, negara ini menghadapi berbagai tantangan dalam sistem pembayaran, termasuk tingginya penggunaan uang tunai dan tingkat inklusi keuangan yang belum merata di seluruh wilayah.

Untuk mengatasi tantangan tersebut, Central Bank of Nigeria meluncurkan Central bank Digital Currency (CBDC) Bernama eNaira pada 2021 guna memperkuat system pembayaran digital, meningkatkan efisiensi transaksi, dan memperluas inklusi keuangan. Implementasi eNaira menjadi bagian dari percepatan transformasi digital sektor keuangan di Nigeria. Selain itu, CBDC juga diharapkan dapat meningkatkan transparansi transaksi, mengurangi biaya transfer dana, serta mendukung stabilitas sistem moneter di tingkat nasional.

Namun, dalam praktiknya penerapan eNaira juga menghadapi beberapa tantangan, di antaranya:

1. Tingkat literasi keuangan digital masyarakat yang masih relatif rendah sehingga memengaruhi pemahaman dan penggunaan teknologi pembayaran digital.
2. Infrastruktur teknologi yang belum merata di seluruh wilayah Nigeria, terutama di daerah pedesaan.
3. Rendahnya tingkat kepercayaan sebagian masyarakat terhadap sistem keuangan digital yang baru diperkenalkan.
4. Persaingan dengan sistem pembayaran digital yang sudah lebih dulu berkembang, seperti dompet digital dan layanan fintech lainnya.

Meski demikian, Nigeria tetap menjadi pelopor implementasi CBDC di Afrika. Pengalaman pengembangan eNaira memberikan gamparan penting tentang peluang dan tantangan penerapan mata uang digital bank sentral di negara berkembang.

1. Analisis Hasil Penelitian Kuantitatif.
1. Uji Data Panel.

Sebelum estimasi regresi data panel, perlu ditentukan model yang paling sesuai dengan karakteristik data karena tiap model memiliki asumsi dan pendekatan berbeda dalam menjelaskan hubungan antarvariabel.

Dalam analisis panel, terdapat tiga model utama, yaitu Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Masing-masing model memiliki karakteristik tersendiri dalam menangkap perbedaan antar unit observasi maupun perubahan yang terjadi sepanjang waktu.

Untuk menentukan model yang paling tepat digunakan dalam penelitian ini, dilakukan beberapa tahapan pengujian model regresi data panel. Hasil dari proses pemilihan model tersebut kemudian disajikan dalam tabel pemilihan model regresi data panel berikut.

Tabel 1 Pemilihan Model Regresi Data Panel.

Table sumber: (Manihuruk1 & Joko, 2025)

Uji Chow digunakan untuk mengetahui apakah model regresi data panel dengan pendekatan Fixed Effect Model (FEM) lebih sesuai dibandingkan dengan Common Effect Model (CEM). Pengujian ini bertujuan menilai apakah terdapat perbedaan karakteristik antar unit observasi yang perlu dimasukkan dalam model regresi. Uji Chow digunakan untuk menentukan apakah model fixed effect lebih tepat dibandingkan model yang mengabaikan perbedaan antar entitas, sehingga menjadi dasar pemilihan model regresi data panel yang paling sesuai. Telah dilakukan uji Chow pada penelitian ini, dengan hasil sebagai berikut.

Tabel 2 Hasil uji Chow

Table 1.

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan tabel diatas maka diperoleh nilai prob. Sebesar 0.0000 (< 0.05), sehingga dapat ditarik kesimpulan bahwa model terbaik yang terpilih adalah Fixed Effect Model.

Uji Hausman digunakan untuk menentukan apakah model Fixed Effect (FEM) atau Random Effect (REM) lebih tepat dibandingkan dengan Common Effect Model (CEM). Uji ini didasarkan pada distribusi Chi-Square, dengan derajat kebebasan (Degree of Freedom) sebesar jumlah variabel independen yang digunakan dalam model. Telah dilakukan uji Hausman pada penelitian ini, dengan

Tabel 3 Hasil Uji Hausman

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan tabel diatas maka diperoleh nilai prob. Sebesar 0.0015 (< 0.05), sehingga dapat ditarik Kesimpulan bahwa model terbaik yang dipilih adalah Fixed Effect Model (FEM). Jika Uji hausman yang terpilih Adalah Fixed Effect Model (FEM) maka tidak perlu dilakukan Uji Lagrange Multiplier. Oleh sebab itu model penelitian terbaik Adalah Fixed Effect Model (FEM).

1. Uji Chow.
2. Uji Hausman.
3. Persamaan Regresi Berganda.

Tabel 4 Hasil Regresi Berganda

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan hasil uji regresi diatas diperoleh persamaan data panel beserta penjelasannya sebagai berikut:

Y = -4.420331*X1 + 0.081643*X2 - 0.027583*X3 + (4.27E-06) + e

Berikut interpretasinya

1. Nilai koefisien konstanta sebesar 4.27E-06, artinya tanpa adanya variabel X1, X2, dan X3 (atau ketika seluruh variabel independen bernilai nol), maka nilai variabel Y diperkirakan sebesar 0,00000427 atau sekitar 0,000427%. Nilai ini menunjukkan kondisi awal variabel Y ketika belum dipengaruhi oleh variabel independen dalam model.
2. Nilai koefisien regresi variabel X1 bernilai negatif (-) sebesar -4.420331, maka dapat diartikan bahwa apabila variabel X1 meningkat sebesar 1 satuan dengan asumsi variabel lain tetap (ceteris paribus), maka nilai variabel Y akan menurun sebesar 442,03%, dan sebaliknya.
3. Nilai koefisien regresi variabel X2 bernilai positif (+) sebesar 0.081643, maka dapat diartikan bahwa apabila variabel X2 meningkat sebesar 1 satuan dengan asumsi variabel lain tetap, maka nilai variabel Y akan meningkat sebesar 8,16%, dan sebaliknya.
4. Nilai koefisien regresi variabel X3 bernilai negatif (-) sebesar -0.027583, maka dapat diartikan bahwa apabila variabel X3 meningkat sebesar 1 satuan dengan asumsi variabel lain tetap, maka nilai variabel Y akan menurun sebesar 2,75%, dan sebaliknya.
1. Uji Asumsi Klasik

Uji Normalitas dilakukan untuk mengetahui apakah data dalam penelitian ini berdistribusi normal atau tidak. Telah dilakukan uji normalitas pada penelitian ini, dengan hasil sebagai berikut.

Tabel 5 Hasil Uji Normalitas

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan hasil uji normalitas tersebut, diperoleh nilai probbailitas sebesar 0,408276, yang lebih besar dari tingkat signifikasi 0,05. Oleh karena itu, dapat disimpulkan bahwa data dalam penelitian ini berdistribusi normal.

Uji multikolinearitas bertujuan mengidentifikasi adanya hubungan linier yang kuat antar variable independent dalam model regresi. Pengujian ini telah dilakukan dalam penelitian ini dengan hasil sebagai berikut:

Tabel 6 Hasil Uji Multikolinearitas

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan Tabel 6, tidak ditemukan gejala multikolonearitas karena seluruh nilai VIF < 10. Hal ini menunjukkan tidak adanya hubungan linier yang berlebihan antar variable independent, sehingga model regresi dapat menghasilkan estimasi yang stabil dan mudah diinterpretasikan.

Pengujian heterosedastisitas dilakukan untuk mengetahui apakah terdapat ketidaksamaan varians (heteroskedastisitas) pada redisual model regresi.

Tabel 7 Hasil Uji Heteroskedastisitas

Table 2.

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan hasil uji heteroskedastisitas Nilai probabilitas > 0,05, maka tidak terdapat gejala heteroskedastisitas dalam model regresi ini. Disimpulkan bahwa varians residual bersifat homogen (homoskedastis), dan asumsi klasik terkait kestabilan varians telah terpenuhi.

1. Uji Normalitas
2. Uji Multikolinearitas.
3. Uji Heteroskedastisitas.
4. Uji Autokorelasi.

Uji autokorelasi dilakukan untuk mengetahui ada tidaknya korelasi antara residual dalam model regresi telah dilakukan uji autokorelasi pada penelitian ini, dengan hasil sebagai berikut.

Tabel 8 Hasil Uji Autokorelasi

Sumber: Data sekunder diolah menggunakan Eviews.12

Berdasarkan uji diatas hasil nilai DW sebesar 1.546495, yang lebih kecil dari 2, maka dapat disimpulkan bahwa terdapat indikasi autokorelasi positif dalam model regresi ini.

1. Uji Hipotesis

Penelitian ini menggunakan pendekatan Fixed Effect Model (FEM) untuk menganalisis pengaruh Literasi Keuangan (X1), Akuntabiitas Kebijakan Moneter (X2), dan Kepercayaan Otoritas Keuangan (X3) terhadap adopsi Central Bank Digital Currency (CBDC) (Y), berdasarkan 170 observasi dari 34 cross-section selama periode 2020-2024.

Tabel 9 Hasil Uji Hipotesis

Sumber: Data sekunder diolah menggunakan Eviews.12

Nilai Adjusted R-squared sebesar 0,962083 menunjukkan bahwa 96,21% variasi variable dependen (Y) dapat dijelaskan oleh X1, X2, dan X3, sedangkan 3,79% sisanya dipengaruhi factor lain di luar model, seperti regulasi, kepercayaan masyarakat, inovasi teknologi dan factor eksternal lainnya.

Nilai Adjusted R² yang sangat mendekati angka 1 menunjukkan bahwa model memiliki daya jelaskan yang sangat kuat. Artinya, sebagian besar variasi dalam variabel dependen mampu dijelaskan oleh kombinasi variabel independen yang digunakan. Hasil ini mengindikasikan bahwa model regresi panel dengan pendekatan

Literasi keuangan berpengaruh positif dan signifikan terhadap adopsi CBDC (probabilitas 0,0000), yang menunjukkan bahwa semakin baik pemahaman masyarakat terhadap konsep dan instrument keuangan digital, semakin tinggi kecenderungan mereka untuk menerika dan menggunakan CBDC. Literasi ini membantu individu memahami manfaat, Risiko, dan mekanisme penggunaanya, sehingga mendorong adaptasi terhadap inovasi keuangan.

Akuntabilitas kebijakan moneter juga berpengaruh positif dan signifikan (probabilitas 0,0001). Semakin tinggi transparansi, kredibilitas, dan konsistensi kebijakan, semakin besar kepercayaan masyarakat, sehingga resistensi terhadap CBDC menurun.

Kepercayaan terhadap otoritas keuangan turut menunjukkan pengaruh positif dan signifikan (probabilitas 0,0000). Tingginya kepercayaan terhadap keamanan system, perlindungan data, dan stabilitas nilai meningkatkan kemungkinan masyarakat untuk mengadopsi CBDC, mengingat kepercayaan menjadi dasar legitimasi instrument ini.

1. Uji Koefisien Determinasi (Adjusted R2)
2. Uji Signifikasi Prsial (Uji t)
3. Uji Signifikansi Simultan (Uji F)

uji F menghasilkan nilai F-statistik sebesar 108,2036 dan nilai probabilitas sebesar 0,0000. Hal ini menunjukkan bahwa secara simultan, variabel X1, X2, dan X3 secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel dependen (Y). Oleh karena itu, tidak hanya masing-masing variabel secara individu yang berpengaruh, tetapi kombinasi ketiganya juga secara kolektif berperan penting dalam menjelaskan variasi variabel dependen. Hasil ini menegaskan bahwa model yang digunakan memiliki kemampuan yang baik dalam menjelaskan hubungan antar variabel serta layak digunakan dalam analisis penelitian.

1. Analisis Hasil Penelitian kualitatif.

Analisis kualitatif dilakukan menggunakan perangkat Nvivo 12 terhadap 108 jurnal yang telah diterbitkan dari tahun 2020 hingga 2025.

Visualisasi ini menunjukkan jumlah publikasi berdasarkan tahun terbitnya. Data ini memberikan informasi tentang tren waktu penelitian, seperti peningkatan jumlah studi pada tahun-tahun tertentu, yang menandakan tingginya minat atau urgensi topik penelitian dalam periode tersebut.

Gambar 2 Year Publication (Data Diolah NVivo 12)

Visualisasi ini menunjukkan frekuensi kemunculan kata kunci dalam kumpulan referensi literatur yang di analisis. Kata kunci yang sering muncul mencerminkan fokus utama atau topik dominan yang banyak dibahas dalam studi-studi tersebut, seperti CBDC, dan sebagainya.

Gambar 3 Keyword (Data Diolah NVivo 12)

Visualisasi ini menampilkan sebaran nama jurnal atau sumber publikasi tempat referensi tersebut di publikasikan. Tujuannya adalah untuk melihat sumber jurnal ilmiah yang paling sering digunakan atau dirujuk dalam penelitian.

Gambar 4 Secondry Title (Data Diolah NVivo 12)

Digunkaan untuk menggambarkan frekuesnsi kemunculan kata-kata yang dominan dalam suatu media tertentu. Visualisasi ini berfungsi sebagai alat bantu untuk mengidentifikasi dan memahami topik atau isu yang paling sering dibahas oleh publik dalam sebuah artikel media.

Table 3.

Gambar 5 Word Cloud (Data Diolah NVivo 12)

Dalam gambar tersebut, kata “CBDC”, “Central”, “Digital”, dan “Currency” tampak sebagai kata yang paling dominan. Hal ini menunjukkan bahwa fokus utama literatur yang dianalisis sangat berpusat pada konsep central bank digital currency, baik dari sisi definisi, karakteristik, maupun implementasinya dalam sistem keuangan modern. Selain itu, kata “Financial”, “Money”, dan “Payment” juga muncul cukup besar, yang mengindikasikan bahwa pembahasan banyak berkaitan dengan fungsi CBDC dalam sistem keuangan dan sistem pembayaran digital.

Kemunculan kata “Nigeria” mengatakan focus literatur pada studi empiris implementasi CBDC, khususnya eNaira sehingga tidak hanya bersifat konspetual. Istilah “banks”, “economic”, dan “policy” menunjukkan peran penting perbankan dan kebijakan ekonomi.

Sementara itu, kata “technology”, “data”, “security”, dan “blackchain” menandakan pentingnya aspek teknologi dan keamanan. Secara keseluruhan, word cloud ini menunjukkan bahwa kajian CBDC bersifat multidimensi, mencakup ekonomi, kebijakan, teknolgi, dan praktik implementasi.

1. Year Publication juornal
2. Keyword
3. Secondary Title
4. Visualisasi Word Cloud
5. Project Map
   • Context Referensi
   • Unit Analisis Nigeria
   • Analisis Visualisasi Project Map

Visualisasi ini menunjukkan hubungan antara kode tematik utama seperti Central Bank Digital Currency, Literasi keuangan, Akuntabilitas Kebijkan Moneter, Kepercayaan Otoritas Keuangan. Dengan berbagai dokumen jurnal yang (berformat PDF) yang telah dicoding. Setiap garis menunjukkan bahwa konten dalam dokumen tersebut mengandung informasi yang relevan dengan tema tertentu.

Gambar 6 Project Map Context Referensi (Data Diolah NVivo 12)

Gambar ini menampilkan hubungan antara topik utama Naira dan Nigeria dengan berbagai dokumen/jurnal yang relevan. Setiap lingkaran merepresentasikan entitas atau fokus utama penelitian, sedangkan ikon dokumen (PDF) menunjukkan sumber literatur yang dianalisis. Garis penghubung bertanda codes menggambarkan keterkaitan antara topik dengan referensi yang membahasnya.

Visualisasi ini menunjukkan bahwa Nigeria menjadi pusat utama kajian, dengan banyak penelitian yang mengkaji implementasi CBDC di negara tersebut, khususnya terkait eNaira. Sementara itu, Naira juga muncul sebagai sub-topik penting yang terhubung dengan beberapa studi, menandakan pembahasan mengenai aspek mata uang nasional dalam konteks digitalisasi.

Selain itu, terlihat bahwa berbagai penulis dan institusi seperti International Monetary Fund serta peneliti seperti Denis Nikitin dan Wouter Bossu berkontribusi dalam membahas topik ini dari berbagai perspektif, seperti aspek hukum, kebijakan, dan implementasi teknis.

Secara keseluruhan, visualisasi ini digunakan untuk menunjukkan fokus penelitian yang terkonsentrasi pada studi kasus Nigeria serta memperlihatkan bagaimana berbagai literatur saling terhubung dalam membahas implementasi CBDC di negara tersebut.

Gambar 7 Project Map Unit Analysis (Data Diolah NVivo 12)

Analisis visualisasi pada Project Map yang dihasilkan melalui perangkat lunak NVivo 12 memberikan gambaran komprehensif mengenai struktur dan keterkaitan tematik dalam literatur yang membahas Central Bank Digital Currency (CBDC). Pada Gambar 6 (Project map Context Referensi), terlihat pemetaan hubungan antara berbagai dokumen penelitian dengan sejumlah topik utama yang telah melalui proses coding.

Koneksi antar node menunjukkan keterkaitan tema, dengan CBDC, stabilitas keuangan, kepercayaan, system moneter, dan kebijakan sebagai pusat kajian multidisipliner. CBDC berperan penting dalam transformasi ,oneter digital, dipengaruhi oleh kepercayaan publik dan stabilitas keuangan.Gambar 7 (Unit Analysis), menyoroti Nigeria melalui e-Naira sebagai focus utama yang terbuhung luas dalam studi, dengan Naira tetap terkait erat pada system moneter operasional. Secara keseluruhan, kajian CBDC mencakup pendekatan konseptual dan empiris. Tantangannya meliputi aspek teknis dan nonteknis, dengan e-Naira menegaskan pentingnya adopsi dan literasi digital.

Di sisi lain, CBDC berpotensi meningkatkan efisiensi pembayaran, inklusi keuangan, dan efektivitas kebijakan moneter. Namun, implementasinya memerlukan strategi seimbang untuk meminimalkan Risiko serta didukung kesiapan ekonomi, social, dan kelembagasaan melalui kebijakan yang komprehensif dan adaptif.

1. Pembahasan

Hasil penelitian menunjukkan bahwa Central Bank Digital Currency (CBDC) merupakan isntrumen strategi dalam transformasi kebijakan moneter di era digital, dengan perbedaan tahap implementasi di Indonesia dan Nigeria yang memengaruhi stabilitas system keuangan.

Di Indonesia, CBDC masih direncanakan melalui digital rupiah dengan pendekatan hati-hati untuk menjaga stabilitas dan mengurangi Risiko disintermediasi [4]. Nigeria telah menerapkan eNaira, namun adopsinya rendah, menegaskan pentingnya factor social ekonmi. CBDC berpotensi meningkatkan efisiensi dan efektivitas kebijakan moneter, tetapi bergantung pada infastruktur, regulasi, dan kepercayaan publik, sehingga perlu diterapkan bertahap dan adaptif.

Secara konseptual, temuan ini sejalan dengan mekanisme transmisi moneter dan kerangka stabilitas keuangan, Dimana CBDC memengaruhi system pembayaran dan perilaku likuiditas. Dalam perspektif Technology Scceptance Model (TAM), adopsi juga dipengaruhi oleh perspesi manfaat dan kemudahan penggunaan yang terkait dnegan kesiapan system dan pengalaman pengguna.

Hasil uji parsial (t) menunjukkan literasi keuangan berpengaruh signifikan terhadap adopsi CBDC (probabilitas 0,0000), sehingga menjadi factor kunci dalam mendorong penerimaan inovasi keuangan digital.

Secara teoritis, literasi keuangan membantu individu memahami manfaat dan Risiko CBDC sehingga lebih rasional dan terbuka, namun hasil regresi menunjukkan koeifisen bernilai negatif. Hal ini dapat diinterpretasikan bahwa dalam konteks tertentu, peningkatan literasi keuangan justru membuat masyarakat lebih kritis terhadap risiko CBDC, seperti isu keamanan data, privasi, serta stabilitas nilai. Literasi tinggi tidak selalu meningkatkan adopsi, tetapi justru mendorong sikap lebih kritis.

Hal ini sejalan dengan temuan bahwa edukasi masih menjadi tantangan di Indonesia dan Nigeria [16], sehingga literasi perlu diiringi pemahaman menyeluruh tentang manfaat dan keamanan CBDC. Inkonsistensi arah koefisien ini dapat dijelaskan melalui perspektif teori perilaku keuangan (behavioral finance), di mana individu dengan literasi tinggi tidak hanya memiliki pengetahuan, tetapi juga kemampuan evaluatif yang lebih kuat terhadap risiko. Hal ini menyebabkan hubungan antara literasi dan adopsi bersifat non-linear, yaitu dapat mendorong adopsi sekaligus meningkatkan resistensi jika persepsi risiko lebih dominan dibanding manfaat. Dengan demikian, kontradiksi koefisien negatif tidak menunjukkan bahwa literasi menghambat adopsi secara absolut, melainkan mencerminkan fase transisi di mana peningkatan literasi belum diimbangi dengan kepercayaan dan jaminan sistem, sehingga memunculkan sikap “informed skepticism” pada masyarakat.

Hasil penelitian menunjukkan bahwa akuntabilitas kebijakan moneter berpengaruh positif dan signifikan terhadap adopsi CBDC (probabilitas 0,001), yang berarti semakin tinggi transparansi dan kredibilitas otoritas moneter, semakin besar penerimaan masyarakat.

Akuntabulitas tercermin dari kejelasan, konsistensi, dan keandalan kebijakan, termasuk tujuan, mekanisme, dan perlindungan Risiko dalam CBDC. Analisis kualitatif juga menegaskan bahwa aspek kebijakan dan regulasi menjadi factor kunci keberhasilan implementasi [17].

Di Indonesia, pendekatan yang hati-hati menunjukkan Upaya menjaga stabilitas dan akuntabilitas, sedangkan Nigeria masih menghadapi tantangan dalam membangun kepercayaan. Dengan demikian, akuntabilitas menjadi factor penting dalam meningkatkan kepercayaan dan adopsi CBDC, sejalan dengan teori institusional trust dan public policy credibility.

Hasil uji parsial menunjukkan bahwa kepercayaan terhadap otoritas keuangan memiliki pengaruh signifikan terhadap adopsi CBDC dengan nilai probabilitas sebesar 0,0000. Hal ini menegaskan bahwa kepercayaan merupakan determinan utama dalam penerimaan inovasi keuangan berbasis institusi.

CBDC merupakan instrumen yang sepenuhnya bergantung pada legitimasi bank sentral sebagai penerbit. Oleh karena itu, tingkat kepercayaan masyarakat terhadap keamanan sistem, stabilitas nilai, serta perlindungan data menjadi faktor yang sangat menentukan [18].Koefisien negatif menunjukkan bahwa rendahnya kepercayaan menjadi hambatan utama adopsi CBDC, seperti di Nigeria, di mana penggunaan eNaira masih terbatas meski telah dihancurkan.

Analisis kualitatif menegaskan bahwa kepercayaan terkait dengan keamanan teknologi, transparansi kebijakan, dan pengalaman terhadap system keuangan. Peningkatan kepercayaan perlu diprioritaskan melalui regulasi, transparansi, dan perlindungan konsumen, secara teoritis, kepercayaan berdampak positif pada adopsi, namun koefisien negatih menunjukkan masih rendahnya kepercayaan, sehingga terdapat kesenjangan (trust gap) dalam implementasi CBDC. Dengan kata lain, temuan ini mengindikasikan bahwa kepercayaan belum mencapai ambang (threshold) yang diperlukan untuk mendorong adopsi, sehingga meskipun secara teoritis berpengaruh positif, dalam praktiknya masih menunjukkan hubungan negatif akibat dominasi persepsi risiko dan ketidakpastian.

1. Transformasi Kebijakan Moneter dan Peran CBDC terhadap Stabilitas Sistem Keuangan di Indonesia dan Nigeria
2. Pengaruh Literasi Keuangan terhadap Central Bank Digital Currency (CBDC) [15].
3. Pengaruh Akuntabilitas Kebijakan Moneter terhadap Central Bank Digital Currency (CBDC)
4. Pengaruh Kepercayaan Pada Otoritas Keuangan terhadap Central Bank Digital Currency (CBDC)
5. Pengaruh Simultan Literasi Keuangan, Akuntabilitas Kebijakan Moneter, dan Kepercayaan Pada Otorias Keuangan di Indonesia dan Nigeria.

Hasil uji simultan (uji F) menunjukkan bahwa variabel literasi keuangan, akuntabilitas kebijakan moneter, dan kepercayaan terhadap otoritas keuangan secara bersama-sama memiliki pengaruh signifikan terhadap adopsi CBDC, dengan nilai F-statistik sebesar 108,2036 dan probabilitas sebesar 0,0000.

Selain itu, nilai Adjusted R² sebesar 0,962083 menunjukkan bahwa ketiga variabel tersebut mampu menjelaskan sekitar 96,21% variasi dalam adopsi CBDC. Hal ini menunjukkan bahwa model penelitian memiliki daya jelaskan yang sangat kuat [19].

Temuan ini mengindikasikan bahwa adopsi CBDC merupakan fenomena multidimensional yang tidak dapat dijelaskan oleh satu faktor saja. Literasi keuangan berperan dalam membentuk pemahaman, akuntabilitas kebijakan meningkatkan legitimasi, dan kepercayaan menjadi fondasi utama dalam penerimaan masyarakat [20].

Di Indonesia dan Nigeria, ketiga factor tersebut krusial. Indonesia perlu memperkuat literasi, kebijakan, dan kepercayaan, sedangkan Nigeria perlu meningkatkan literasi dan kepercayaan untuk mengoptimalkan eNaira.

Secara umum, keberhasilan CBDC memerlukan sinergi edukasi, kebijakan, dan kepercayaan publik. Tanpa itu, adopsi tidak optimal. Temuan ini dirumuskan dalam model integrative: literasi sebagai factor kognitif, akuntabilitas sebagai factor institusional, dan kepercayaan sebagai factor psikologis yang membentuk niat ado[si, sejalan dengan TAM dan UTAUT. Secara praktis, diperlukan strategi seperti literasi berbasis segmen, peningkatan transparansi, penguatan keamanan data, dan implementasi bertahap menilai pilot project.

KESIMPULAN

Berdasarkan hasil analissi penelitian mengenai pengaruh literasi keuangan, akuntabilitas kebijakan moneter, dan kepercayaan terhadap otoritas keuangan terhadap adopsi Central Bank Digital Currency (CBDC) di Indonesia dan Nigeria, maka dapat ditarik beberapa kesimpulan sebagai berikut:

Masyarakat dengan tingkat literasi keuangan yang lebih tinggi cenderung memiliki pemahaman yang lebih baik terhadap konsep dan mekanisme CBDC. Literasi yang tinggi dapat mendorong sikal lebih kritis terhadap Risiko, sehingga dalam kondisi tertent justru menurunkan minat adopsi.

1. Literasi keuangan berpengaruh signifikan terhadap adopsi CBDC.
2. Akuntabilitas kebijakan moneter berpengaruh positif dan signifikan terhadap adopsi CBDC. Semakin tinggi transparansi, kredibilitas, dan konsistensi kebijakan, semakin besar penerimaan masyarakat, sehingga tata Kelola yang baik menjadi kunci keberhasilan inovasi keuangan digital.
3. Kepercayaan terhadap otoritas keuangan berpengaruh signifikan terhadap adopsi CBDC dan menjadi factor utama karena system ini bergantung pada legitimasi bank sentral. Rendahnya kepercayaan dapat menghambat adopsi, seperti pada kasus Nigeria.
4. Secara simultan, literasi keuangan, akuntabilitas kebijakan moneter, dan kepercayaan berpengaruh signifikan terhadapa dopsi CBDC.

Ketiga variable ini menunjukkan bahwa implementasi memerlukan pendekatan terpadu, karena tidak hanya ditentukan oleh teknologi, tetapi juga factor social, ekonomi, dan kelembagaan.

Secara praktis, diperlukan penguatan literasi digital, transparansi kebijakan, regulasi dan perlindungan data, infastruktur inklusif, pilot project bertahap, serta kolaborasi lintas sektor agar implementasi CBDC lebih optimal dan berkelanjutan.

UCAPAN TERIMA KASIH

Penulis menyampaikan terima kasih kepada semua pihak yang telah memberikan dukungan, bantuan, dan kontribusi baik secara langsung maupun tidak langsung dalam proses penyusunan penelitian ini. Semoga hasil penelitian ini dapat memberikan manfaat dan kontribusi bagi pengembangan ilmu pengetahuan, khususnya di bidang ekonomi digital dan kebijakan keuangan.