Estimasi Pelanggan Rental Mobil PT TRAC ASTRA dengan Regresi Linear

Authors

Sigit Purba Institut Teknologi Bisnis dan Bahasa Dian Cipta Cendikia
Rustam Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia
Dona Prania Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia
Nurmayanti Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia

DOI:

https://doi.org/10.47927/jssdm.v6i1.1109

Keywords:

Estimasi, Regresi Linear Berganda, Rental Mobil, Loyalitas, Harga Sewa

Abstract

Penelitian ini bertujuan untuk mengestimasi jumlah pelanggan rental mobil pada PT Trac Astra Rent A Car di Bandar Lampung tahun 2025 dengan menggunakan metode regresi linear berganda. Estimasi dilakukan berdasarkan empat variabel independen, yakni kualitas produk, harga sewa, loyalitas pelanggan, dan kemudahan akses reservasi. Variabel kualitas produk, loyalitas, dan kemudahan akses diukur menggunakan skala Likert, sedangkan harga sewa diperoleh dari estimasi tarif operasional perusahaan. Data sebanyak 250 sampel diperoleh dari data sekunder dan disimulasikan menggunakan pendekatan Slovin. Sebelum analisis regresi, data diuji melalui uji asumsi klasik untuk memastikan validitas model. Hasil regresi menunjukkan bahwasanya seluruh variabel independen berpengaruh signifikan terhadap jumlah pelanggan. Kualitas produk, loyalitas, dan kemudahan akses berpengaruh positif, sedangkan harga sewa berpengaruh negatif. Nilai R² sebesar 0,829 menunjukkan bahwasanya model mampu menjelaskan 82,9% variasi jumlah pelanggan. Temuan ini dapat menjadi dasar strategi peningkatan layanan dan kebijakan harga bagi perusahaan.

Author Biography

Dona Prania, Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia

Penelitian ini bertujuan untuk mengestimasi jumlah pelanggan rental mobil pada PT Trac Astra Rent A Car di Bandar Lampung tahun 2025 dengan menggunakan metode regresi linear berganda. Estimasi dilakukan berdasarkan empat variabel independen, yakni kualitas produk, harga sewa, loyalitas pelanggan, dan kemudahan akses reservasi. Variabel kualitas produk, loyalitas, dan kemudahan akses diukur menggunakan skala Likert, sedangkan harga sewa diperoleh dari estimasi tarif operasional perusahaan. Data sebanyak 250 sampel diperoleh dari data sekunder dan disimulasikan menggunakan pendekatan Slovin. Sebelum analisis regresi, data diuji melalui uji asumsi klasik untuk memastikan validitas model. Hasil regresi menunjukkan bahwasanya seluruh variabel independen berpengaruh signifikan terhadap jumlah pelanggan. Kualitas produk, loyalitas, dan kemudahan akses berpengaruh positif, sedangkan harga sewa berpengaruh negatif. Nilai R² sebesar 0,829 menunjukkan bahwasanya model mampu menjelaskan 82,9% variasi jumlah pelanggan. Temuan ini dapat menjadi dasar strategi peningkatan layanan dan kebijakan harga bagi perusahaan.

References

Auditiya Marizka, D., Arkeman, Y., Rahardja, S., Hardomidjojo, H., & Suparno, O. (2020). Peramalan permintaan suku cadang otomotif karet dengan integrasi agent based modelling dan double exponential smoothing. Jurnal Teknologi Industri Pertanian, 30(30), 362–368. https://doi.org/10.24961/j.tek.ind.pert.2020.30.3.362

Hariningrum, R., Yogatama, Y., & Utomo, S. B. (2024). Pemodelan estimasi kelulusan mahasiswa berbasis data akademik melalui regresi linier berganda. INOVTEK Polbeng - Seri Informatika, 9(1), 192–202. https://doi.org/10.35314/isi.v9i1.4034

Kasmawati, K., Munika, R., & Abuzar, A. (2024). Faktor-faktor yang mempengaruhi nilai perusahaan pada perusahaan otomotif terdaftar di Bursa Efek Indonesia tahun 2018-2022. Jurnal Akuntansi dan Teknologi Keuangan, 2(2), 137–142. https://doi.org/10.56854/atk.v2i2.315

Kurniawati, M., Mawarni, R., Sriyanto, & Abdul Aziz, R. (2023). Implementasi metode regresi linier berganda untuk estimasi penyakit Ganoderma di PT Nakau. Jurnal Informasi dan Komputer, 11(2), 265–268. http://ojs.dcckotabumi.ac.id/index.php/jik/article/view/538

Maharadja, A. N., Maulana, I., & Dermawan, B. A. (2021). Penerapan metode regresi linear berganda untuk prediksi kerugian negara berdasarkan kasus tindak pidana korupsi. Journal of Applied Informatics and Computing, 5(1), 95–102. https://doi.org/10.30871/jaic.v5i1.3184

Mintoro, S., Efendi, D. M., Ardhy, F., & Pratama, R. O. (2020). Implementasi data mining menggunakan multi regresi untuk memprediksi rerata kedatangan masyarakat. Kaos GL Dergisi, 8(75), 147–154. https://doi.org/10.1016/j.jnc.2020.125798

Nuswandari, I., Wibowo, E., & Maidarti, T. (2023). Faktor-faktor yang berpengaruh terhadap struktur modal perusahaan otomotif yang telah terdaftar di Bursa Efek Indonesia. Detikproperti, 17(1), 119–121.

Panggabean, D. S. O., Buulolo, E., & Silalahi, N. (2020). Penerapan data mining untuk memprediksi pemesanan bibit pohon dengan regresi linear berganda. JURIKOM (Jurnal Riset Komputer), 7(1), 56. https://doi.org/10.30865/jurikom.v7i1.1947

Sasoko, D. M., & Mahrudi, I. (2023). Teknik analisis SWOT dalam sebuah perencanaan kegiatan. Jurnal Perspektif-Jayabaya Journal of Public Administration, 22(1), 8–19.

Sitopu, J. W., Purba, I. R., & Sipayung, T. (2021). Pelatihan pengolahan data statistik dengan menggunakan aplikasi SPSS. Dedikasi Sains dan Teknologi, 1(2), 82–87. https://doi.org/10.47709/dst.v1i2.1068

Trilaksono, A. I., & Prabowo, B. (2022). Analisis pengaruh experiential marketing terhadap loyalitas pelanggan melalui kepuasan pelanggan sebagai variabel intervening. Reslaj: Religion Education Social Laa Roiba Journal, 5(1), 101–112. https://doi.org/10.47467/reslaj.v5i1.1262.