ANALISIS PENGARUH JUMLAH PENUMPANG TERHADAP JUMLAH BAGASI TAHUN 2015 DAN 2016 DENGAN MENGGUNAKAN REGRESI DATA PANEL MELALUI PENDEKATAN COMMON EFFECT MODEL, FIXED EFFECT MODEL, DAN RANDOM EFFECT MODEL (Studi Kasus: Seluruh Bandar Udara di PT. Angkasa Pura I)

Abstract

Melihat perkembangan pada saat ini, setiap maskapai penerbangan berusaha untuk meningkatkan pelayanan kepada penumpang atau pengguna jasa. Dengan angka mencapai 13.000 bagasi setiap harinya, penanganan bagasi merupakan salah satu aspek yang sangat penting untuk diperhatikan dalam rangka memberikan pelayanan terbaik bagi penumpang. Oleh karena itu akan dilakukan analisis tentang faktor-faktor yang mempengaruhi jumlah bagasi. Untuk dapat menganalisis pengaruh jumlah bagasi diperlukan data jumlah penumpang. Jumlah angka bagasi tersebut sebaiknya diamati dalam beberapa periode waktu tertentu karena jumlah bagasi memiliki perubahan yang dinamis. Metode analisis yang akan digunakan adalah regresi data panel. Regresi Data Panel adalah gabungan antara data cross section dan data time series, dimana unit cross section yang sama diukur pada waktu yang berbeda. Alasan peneliti menggunakan analisis regresi data panel, karena data yang ada memiliki karakteristik cross section dan time series pada jumlah pesawat, jumlah penumpang, dan jumlah bagasi. Oleh karena itu, analisis yang digunakan dalam skripsi ini adalah analisis regresi data panel. Tujuan penelitian ini adalah untuk mengestimasi parameter model regresi data panel melalui pendekatan common effect model, fixed effect model, dan random effect model pada data jumlah bagasi, jumlah pesawat dan jumlah penumpang di bandar udara PT. Angkasa Pura I dari tahun 2015 sampai dengan 2016. Setelah dilakukan penentuan model regresi data panel, didapatkan model regresi data panel yang lebih sesuai untuk pemodelan pada variabel jumlah bagasi di seluruh bandar udara PT. Angkasa Pura I dari tahun 2015 sampai dengan 2016 adalah menggunakan fixed effect model dengan efek individual. Hasil r^2 dari model ini sebesar 0.90179, artinya kemampuan variabel penumpang dan variabel pesawat dalam menjelaskan varians dari variabel bagasi adalah sebesar 90.179%, sedangkan sisanya sebesar 9.821% varians variabel bagasi yang dijelaskan oleh faktor lain.