Transformasi Fourier, yang dikembangkan oleh Joseph Fourier (1768-1835), telah banyak digunakan dalam berbagai bidang ilmiah, terutama pemrosesan sinyal- Namun, metode ini menjadi kurang efisien untuk data time series yang kompleks dan tidak stasjoner, karena keterbatasannya dalam memberikan informasi lokal di domain waktu. Sebagai alternatif, transformasi wavelet mulai digunakan karena mampu mengatasi keterbatasan tersebut, dengan kemampuan menganalisis frekuensi dan waktu secara simultan. Basis wavelet pertama kali diperkenalkan oleh Alfred Haar pada tahun 1916 sebagai pengembangan dari deret Fourier.Transformasi wavelet merupakan alat analisis yang mampu mendekomposisi data menjadi komponen frekuensi yang berbeda untuk kemudian dipelajari pada skala tertentu. Kemampuan ini sangat berguna untuk mengenali pola lokal dalam data yang berubah secara dinamis. Terdapat dua jenis transformasi wavelet, yaitu Transformasi Wavelet Diskrit (TWD) dan Transformasi Wavelet Kontinu (TWK), yang masing-masing memiliki karakteristik dan aplikasi yang berbeda. TWK, misalnya, lebih cocok digunakan untuk analisis data ekonomi karena memberikan representasi yang lebih halus dan berkelanjutan terhadap dinamika waktu-frekuensi.Salah satu ekstensi penting dari analisis wavelet adalah wavelet coherence, sebuah metode yang memungkinkan peneliti untuk mengevaluasi hubungan dinamis antara dua seri waktu pada berbagai skala dan periode. Tidak hanya melihat kekuatan keterkaitan, metode ini juga mampu mendeteksi perubahan arah hubungan serta efek lead-lag antara variabel. Dalam beberapa dekade terakhir, wavelet coherence telah banyak digunakan dalam bidang ekonomi dan keuangan untuk mengkaji hubungan yang bersifat jangka pendek maupun jangka panjang, termasuk analisis keterkaitan antar pasar keuangan, variabel makroekonomi, dan risiko sistemik.Dalam konteks ekonomi makro, inflasi dan pasar saham merupakan dua indikator yang saling berkaitan dan memerlukan analisis mendalam. Inflasi dapat mempengaruhi pendapatan riil dan daya beli masyarakat, yang pada gilirannya berdampak pada ekspektasi dan keputusan investasi di pasar saham. Sebaliknya, pasar saham tidak hanya berperan sebagai sarana investasi, tetapi juga mencerminkan persepsi den ekspektasi investor terhadap kondisi ekonomi suatu negara. Kinerja pasar saham sering digunakan sebagai indikator awal terhadap pergerakan ekonomi, termasuk proyeksi pertumbuhan Produk Domestik Bruto (PDB). Secara fundamental, pasar saham memiliki kontribusi terhadap PDB melalui berbagai mekanisme, antara lain melalui peningkatan investasi, pembentukan modal, dan penciptaan lapangan kerja. Ketika pasar saham tumbuh secara sehat, perusahaan-perusahaan cenderung memiliki akses yang lebih mudah terhadap pendanaan, yang kemudian dapat digunakan untuk ekspansi bisnis. Ekspansi tersebut mendorong pertumbuhan sektor riil, yang pada akhirnya tercermin dalam peningkatan output nasional. Oleh karena itu, volatilitas pasar saham dapat memberikan sinyal terhadap arah kebijakan ekonomi maupun kestabilan makroekonomi, jangka panjang.Di negara berkembang seperti Indonesia, hubungan antara inflasi dan bursa saham cenderung bersifat fluktuatif dan dipengaruhi oleh berbagai faktor domestik maupun global, seperti kebijakan moneter, harga komoditas, dan sentimen pasar. Fluktuasi kedua variabel ini dapat dianalisis menggunakan pendekatan co movement, yang mengukur sejauh mana dua atau lebih variabel bergerak secara sinkron dalam berbagai jangka waktu. Oleh karena itu, penelitian ini bertujuan untuk menganalisis hubungan antara inflasi dan bursa saham di Indonesia menggunakan metode wavelet coherence. Dengan pendekatan ini, diharapkan diperoleh wawasan yang lebih dalam mengenai pola keterkaitan dinamis antara kedua variabel, yang dapat bermanfaat sebagai bahan pertimbangan dalam pengambilan kebijakan ekonomi maupun strategi investasi.