De Indonesische regering streefde naar de goedkeuring van 2,1 miljoen eenheden van tweewielige elektrische voertuigen en 2.200 eenheden van vierwielige elektrische voertuigen in 2025 via presidentiële verordening nr. 22 van de Republiek Indonesië in 2017 over het nationale energieplan. In 2019 heeft de Indonesische regering presidentieel reglement nr. 55 in 2019 uitgevaardigd met betrekking tot de versnelling van het programma voor elektrische voertuigen op batterijen voor wegvervoer. In 2018 bereikte de adoptie van tweewielige elektrische voertuigen slechts 0,14% van de doelstelling van de overheid voor 2025. Daarom moet de adoptie van elektrische motorfietstechnologie (EM) ook rekening houden met veel factoren om succesvol te zijn. Dit onderzoek ontwikkelt een niet-gedragsmatig adoptie-intentiemodel voor elektrische voertuigen. De factoren omvatten sociodemografisch, financieel, technologisch en macroniveau. Bij de online-enquête waren 1.223 respondenten betrokken. Logistische regressie wordt gebruikt om de functie en waarschijnlijkheidswaarde te verkrijgen van de intentie om EM in Indonesië te adopteren. Frequentie van delen op sociale media, niveau van milieubewustzijn, aankoopprijzen, onderhoudskosten, maximale snelheid, oplaadtijd batterij, beschikbaarheid van laadstationinfrastructuur op het werk, beschikbaarheid van op elektriciteit gebaseerde thuisinfrastructuur, aankoopstimuleringsbeleid en korting op laadkosten stimuleringsbeleid heeft een aanzienlijke invloed op de intentie om elektrische voertuigen te gebruiken. Het laat ook zien dat de mogelijkheid voor Indonesiërs om elektrische motorfietsen te gebruiken 82,90% bereikt. De realisatie van de adoptie van elektrische motorfietsen in Indonesië vereist infrastructuurgereedheid en kosten die door consumenten kunnen worden geaccepteerd. Ten slotte bieden de resultaten van dit onderzoek enkele suggesties voor de overheid en bedrijven om de adoptie van elektrische motorfietsen in Indonesië te versnellen.

INVOERING

De economische sector in Indonesië (transport, elektriciteitsopwekking en huishoudens) gebruikt voornamelijk fossiele brandstoffen. Enkele van de negatieve effecten van de grote afhankelijkheid van fossiele brandstoffen zijn de verhoogde toewijzing voor brandstofsubsidies, problemen met de duurzaamheid van energie en hoge CO2-emissies. Transport is een belangrijke sector die bijdraagt ​​aan hoge CO2-niveaus in de lucht vanwege het vele gebruik van voertuigen op fossiele brandstoffen. Dit onderzoek richt zich op motorfietsen omdat Indonesië als ontwikkelingsland meer motorfietsen dan auto's heeft. Het aantal motorfietsen in Indonesië bereikte 120.101.047 eenheden in 2018 [1] en de verkoop van motorfietsen bereikte 6.487.460 eenheden in 2019 [2]. Het verschuiven van de transportsector naar alternatieve energiebronnen kan hoge CO2-niveaus verminderen. De realistische oplossing voor dit probleem is om groene logistiek te implementeren door penetratie van elektrische voertuigen in Indonesië, zoals hybride elektrische voertuigen, plug-in hybride elektrische voertuigen en batterij-elektrische voertuigen [3]. Innovatie op het gebied van elektrische voertuigtechnologie en innovatie op het gebied van batterijtechnologie kunnen transportoplossingen bieden die milieuvriendelijk, energiezuinig en met lagere operationele en onderhoudskosten zijn [4]. Elektrische voertuigen worden veel besproken door landen in de wereld. In de wereldwijde sector van elektrische voertuigen was er een aanzienlijke omzetgroei voor tweewielige elektrische motorfietsen, die tussen 2016 en 2017 58% of ongeveer 1,2 miljoen eenheden bereikte. Deze omzetgroei wijst op een goede respons van landen in de wereld over de ontwikkeling van elektrische motorfietstechnologie die op een dag elektrische motorfietsen naar verwachting zullen vervangen door voertuigen op fossiele brandstof. Het onderzoeksobject is Electric Motorcycle (EM) dat bestaat uit New Design of Electric Motorcycle (NDEM) en Converted Electric Motorcycle (CEM). Het eerste type, de New Design of Electric Motorcycle (NDEM), is een voertuig ontworpen door het bedrijf dat elektrische technologie gebruikt voor zijn activiteiten. Sommige landen in de wereld, zoals Australië, Duitsland, Engeland, Frankrijk, Japan, Taiwan, Zuid-Korea en China gebruikten al elektrische motorfietsen als vervangingsproduct voor motorvoertuigen op fossiele brandstof [5]. Een merk van elektrische motorfietsen is Zero Motorcycle, dat elektrische sportmotoren produceert [6]. PT. Gesits Technologies Indo heeft ook tweewielige elektrische motorfietsen geproduceerd onder het merk Gesits. Het tweede type is een CEM. Omgebouwde elektrische motorfiets is een motorfiets die op olie rijdt, waarbij de motor en motoronderdelen zijn vervangen door Lithium Ferro Phosphate (LFP) accukits als energiebron. Hoewel veel landen elektrische motorfietsen produceren, heeft niemand het voertuig gemaakt met behulp van conversietechnieken. Ombouw kan op een tweewielige motorfiets die niet meer door de gebruikers wordt gebruikt. Universitas Sebelas Maret is een pionier in de productie van CEM en bewijst technisch dat lithium-ionbatterijen de energiebronnen van fossiele brandstoffen op conventionele motorfietsen kunnen vervangen. CEM maakt gebruik van LFP-technologie, deze batterij ontploft niet bij kortsluiting. Daarnaast heeft de LFP-batterij een lange gebruiksduur van tot wel 3000 gebruikscycli en langer dan de huidige commerciële EM-batterijen (zoals Lithium-Ion Batterij en LiPo Batterij). CEM kan 55 km/lading afleggen en heeft een maximumsnelheid van 70 km/uur [7]. Jodinesa, et al. [8] onderzocht het marktaandeel van converteerbare elektrische motorfietsen in Surakarta, Indonesië en leidde tot de positieve reacties van de inwoners van Surakarta op de CEM. Uit de bovenstaande uitleg blijkt dat de kansen voor elektrische motorfietsen enorm zijn. Er zijn verschillende onderzoeken naar normen met betrekking tot elektrische voertuigen en batterijen ontwikkeld, zoals de lithium-ionbatterijnorm door Sutopo et al. [9], de standaard voor het batterijbeheersysteem van Rahmawatie et al. [10], en oplaadnormen voor elektrische voertuigen door Sutopo et al. [11]. De trage acceptatie van elektrische voertuigen in Indonesië heeft de regering ertoe aangezet om verschillende beleidslijnen voor de ontwikkeling van de auto-industrie vrij te geven en is van plan om in 2025 2,1 miljoen elektrische motorfietsen en 2200 elektrische auto's in gebruik te nemen. Bovendien heeft de regering was ook gericht op Indonesië om 2.200 elektrische of hybride auto's te kunnen produceren die zijn vermeld in de presidentiële verordening nr. 22 van 2017 van de Republiek Indonesië met betrekking tot het nationale energieplan. Deze verordening is toegepast door verschillende landen zoals Frankrijk, Engeland, Noorwegen en India. Het ministerie van Energie en Minerale Hulpbronnen heeft als doel gesteld dat vanaf 2040 de verkoop van voertuigen met interne verbrandingsmotor (ICEV) verboden is en dat het publiek wordt gevraagd om elektrische voertuigen te gebruiken [12]. In 2019 heeft de Indonesische regering presidentiële verordening nr. 55 van 2019 uitgevaardigd met betrekking tot de versnelling van het programma voor elektrische motorvoertuigen op batterijen voor wegvervoer. Deze inspanning is een stap om twee problemen te overwinnen, namelijk de uitputting van de stookoliereserves en de luchtvervuiling. Wat luchtvervuiling betreft, heeft Indonesië zich ertoe verbonden om tegen 2030 29% van de CO2-uitstoot te verminderen als gevolg van de klimaatconferentie van Parijs die in 2015 werd gehouden. In 2018 bereikte de penetratie van tweewielige elektrische voertuigen slechts 0,14% van het doel van de regering is 2025, terwijl voor vierwielige elektriciteit meer dan 45% bedroeg. In december 2017 waren er op zijn minst meer dan 1.300 openbare elektrische oplaadpunten beschikbaar in 24 steden, waarvan 71% (924 oplaadpunten) in DKI Jakarta [13]. Veel landen hebben onderzoek gedaan naar de acceptatie van elektrische voertuigen, maar in Indonesië is nog niet eerder onderzoek op nationale schaal gedaan. Er zijn in sommige landen veel soorten onderzoek gedaan naar de acceptatie van nieuwe technologieën door verschillende methoden te gebruiken, zoals meervoudige lineaire regressie om de intentie van het gebruik van elektrische voertuigen in Maleisië te kennen [14], Structural Equation Modeling (SEM) om adoptie te kennen van barrières voor elektrische voertuigen op batterijen in Tianjin, China [15], verkennende factoranalyse en multivariate regressiemodel om barrières te kennen onder bestuurders van elektrische voertuigen in het Verenigd Koninkrijk [16], en logistische regressie om de factoren te kennen die van invloed zijn op het gebruik van elektrische voertuigen in Peking, China [17]. Het doel van dit onderzoek is om een ​​adoptiemodel voor elektrische motorfietsen in Indonesië te ontwikkelen, de factoren te vinden die van invloed zijn op de intenties om elektrische motorfietsen in Indonesië te adopteren, en om de functiemogelijkheden voor de adoptie van elektrische motorfietsen in Indonesië te bepalen. Het modelleren van de factoren is belangrijk om erachter te komen welke factoren van invloed zijn op de intentie om elektrische motorfietsen in Indonesië te gaan gebruiken. Deze invloedrijke factoren kunnen worden gebruikt als referentie om passend beleid te formuleren om de adoptie van elektrische motorfietsen te versnellen. Deze belangrijke factoren zijn een beeld van de ideale omstandigheden die potentiële gebruikers van elektrische motorfietsen in Indonesië wensen. Sommige ministeries in Indonesië die verband houden met het formuleren van beleid met betrekking tot elektrische voertuigen zijn het ministerie van Industrie dat zich bezighoudt met de regels voor voertuigbelasting op basis van zijn emissies, dat rechtstreeks te maken heeft met fabrikanten van elektrische voertuigen, het ministerie van Verkeer dat de haalbaarheidstest uitvoert van elektrische voertuigen die asfalteren op de snelweg, zoals batterijtests, enzovoort, evenals het ministerie van Energie en Minerale Hulpbronnen, dat verantwoordelijk is voor het formuleren van de tarieven voor het opladen van elektrische voertuigen voor de infrastructuur van oplaadbedrijven voor elektrische voertuigen. Innovatie van elektrische voertuigen stimuleert ook de geboorte van nieuwe zakelijke entiteiten in de toeleveringsketen, waaronder technopreneurs en start-ups van ontwikkelaars, leveranciers, fabrikanten en distributeurs van producten/diensten voor elektrische voertuigen en hun derivaten op de markt [24]. Ondernemers in elektrische motorfietsen kunnen ook technologie en marketing ontwikkelen door rekening te houden met deze belangrijke factoren om de realisatie van elektrische motorfietsen in plaats van conventionele motorfietsen in Indonesië te ondersteunen. Ordinale logistische regressie gebruikt om de functie en waarschijnlijkheidswaarde te verkrijgen van de intentie om elektrische motorfietsen in Indonesië te gebruiken met behulp van SPSS 25-software. Logistische regressie of logitregressie is een benadering om voorspellende modellen te maken. Logistische regressie in statistieken die wordt gebruikt om de waarschijnlijkheid van een gebeurtenis te voorspellen door de gegevens in de logitcurve logistische functie te matchen. Deze methode is een algemeen lineair model voor binominale regressie [18]. Logistische regressie is gebruikt om de acceptatie van internet- en mobiel bankieren te voorspellen [19], de acceptatie van de acceptatie van fotovoltaïsche technologie in Nederland te voorspellen [20], de acceptatie van telemonitoringsysteemtechnologie voor de gezondheid te voorspellen [21], en om de technische obstakels die van invloed zijn op de beslissing om clouddiensten in te voeren [22]. Utami et al. [23] die eerder onderzoek deed naar de perceptie van consumenten van elektrische voertuigen in Surakarta, ontdekte dat aankoopprijzen, modellen, voertuigprestaties en infrastructuurgereedheid de grootste belemmeringen waren voor mensen die elektrische voertuigen overnamen. METHODE De gegevens die in dit onderzoek zijn verzameld, zijn primaire gegevens die zijn verkregen via online enquêtes om kansen en factoren te achterhalen die van invloed zijn op de intentie om elektrische motorfietsen in Indonesië te gebruiken. Vragenlijst en enquête De online-enquête is verspreid onder 1.223 respondenten in acht provincies in Indonesië om de factoren te onderzoeken die van invloed zijn op de intentie om elektrische motorfietsen in Indonesië te gebruiken. Deze gekozen provincies hadden meer dan 80% van de motorfietsverkoop in Indonesië [2]: West-Java, Oost-Java, Jakarta, Midden-Java, Noord-Sumatra, West-Sumatra, Yogyakarta, Zuid-Sulawesi, Zuid-Sumatra en Bali. De onderzochte factoren zijn weergegeven in Tabel 1. Algemene kennis over elektrische motorfietsen werd aan het begin van de vragenlijst verstrekt door video te gebruiken om misverstanden te voorkomen. De vragenlijst was verdeeld in vijf secties: screeningsectie, sociodemografische sectie, financiële sectie, technologische sectie en sectie op macroniveau. De vragenlijst werd gepresenteerd op een Likertschaal van 1 tot 5, waarbij 1 voor helemaal mee oneens, 2 voor mee oneens, 3 voor twijfel, 4 voor mee eens en 5 voor helemaal mee eens. Bepaling van de minimale steekproefomvang verwijst naar [25], stelde dat observationele studies met grote populatiegroottes met logistische regressie een minimale steekproefomvang van 500 vereisen om statistieken te verkrijgen die parameters vertegenwoordigen. In dit onderzoek wordt gebruik gemaakt van clustersteekproeven of gebiedssteekproeven met verhoudingen omdat de populatie motorrijders in Indonesië erg groot is. Daarnaast wordt doelgerichte steekproeftrekking gebruikt om steekproeven te bepalen op basis van bepaalde criteria [26]. Online enquêtes worden uitgevoerd via Facebook-advertenties. In aanmerking komende respondenten zijn mensen van ≥ 17 jaar oud, met een SIM C, een van de beslissers om een ​​motorfiets te vervangen of te kopen, en woonachtig in een van de provincies in tabel 1. Theoretisch kader She et al. [15] en Habich-Sobiegalla et al. [28] gebruikte kaders voor een systematische categorisering van factoren die de adoptie van elektrisch voertuig door consumenten aandrijven of belemmeren. We hebben deze kaders aangepast door ze aan te passen op basis van onze analyse van literatuur over elektrische motorfietsen over de consumentenacceptatie van elektrische motorfietsen. We hebben het gevisualiseerd in Tabel 1.Tabel 1. Uitleg en referentie van factoren en attributen Factor Code Atrtibute Ref. SD1 Burgerlijke staat [27], [28] SD2 Leeftijd SD3 Geslacht SD4 Laatste opleiding SD5 Beroep Sociodemografisch SD6 Maandelijks consumptieniveau SD7 Maandelijks inkomensniveau SD8 Aantal motorfietsbezit SD9 Frequentie van delen op sociale media SD10 Omvang van online sociaal netwerk SD11 Milieubewustzijn Financieel FI1 Aankoopprijs [29] FI2 Batterijkosten [30] FI3 Laadkosten [31] FI4 Onderhoudskosten [32] Technologisch TE1 Kilometerstand [33] TE2 Vermogen [33] TE3 Laadtijd [33] TE4 Veiligheid [34] TE5 Levensduur batterij [35] Macroniveau ML1 Beschikbaarheid laadstation op openbare plaatsen [36] ML2 Beschikbaarheid laadstation op het werk [15] ML3 Beschikbaarheid laadstation thuis [37] ML4 Beschikbaarheid serviceplaatsen [38] ML5 Aankoopstimuleringsbeleid [15] ML6 Jaarlijks belastingkortingbeleid [15] ML7 Kostenkortingbeleid [15] Adoptie-intentie IP Intentie tot gebruik [15] Sociodemografische factor Sociodemografische factor zijn persoonlijke factoren die het gedrag van een individu beïnvloeden bij het nemen van beslissingen. Eccarius et al. [28] verklaarden in hun adoptiemodel dat leeftijd, geslacht, burgerlijke staat, opleiding, inkomen, beroep en voertuigbezit belangrijke factoren zijn die de adoptie van elektrische voertuigen beïnvloeden. HabichSoebigalla et al benadrukken sociale netwerkfactoren zoals het aantal motorfietsbezit, de frequentie van delen op sociale media en de grootte van het online sociale netwerk als factoren die de acceptatie van elektrische voertuigen beïnvloeden [28]. Eccarius et al. [27] en HabichSobiegalla et al. [28] vond ook dat milieubewustzijn tot sociaal-demografische factoren behoort. Financiële Factor Aankoopprijs is de oorspronkelijke prijs van een elektrische motorfiets zonder enige aankoopsubsidie. Sierzchula et al. [29] zei dat de hoge aanschafprijs van een elektrisch voertuig wordt veroorzaakt door de hoogste batterijcapaciteit. Batterijkosten zijn de kosten voor het vervangen van de batterij wanneer de levensduur van de oude batterij is verstreken. Krause et al. onderzocht dat de batterijkosten een financiële barrière vormen voor iemand om een ​​elektrisch voertuig te gebruiken [30]. Oplaadkosten zijn de kosten van elektriciteit om een ​​elektrische motorfiets aan te drijven in vergelijking met de kosten van benzine [31]. Onderhoudskosten zijn routinematige onderhoudskosten voor elektrische motorfietsen, geen reparaties als gevolg van een ongeval dat de adoptie van elektrische voertuigen beïnvloedt [32]. Technologische factor Kilometerstand is de verste afstand nadat de accu van de elektrische motorfiets volledig is opgeladen. Zhang et al. [33] zei dat voertuigprestaties verwijzen naar de evaluatie van consumenten over elektrisch voertuig, inclusief kilometercapaciteit, vermogen, oplaadtijd, veiligheid en levensduur van de batterij. Vermogen is de maximale snelheid van een elektrische motorfiets. De oplaadtijd is de totale tijd om een ​​elektrische motorfiets volledig op te laden. Veiligheidsgevoel bij het rijden op een elektrische motorfiets gerelateerd aan geluid (dB) zijn de factoren die door Sovacool et al worden benadrukt. [34] factoren zijn die van invloed zijn op de perceptie van de consument over elektrische voertuigen. Graham Rowe et al. [35] zei dat de levensduur van de batterij als verslechterd wordt beschouwd. Factor op macroniveau Infrastructuur van de beschikbaarheid van laadstations is iets dat niet kan worden vermeden voor gebruikers van elektrische motorfietsen. De beschikbaarheid van opladen op openbare plaatsen wordt belangrijk geacht om de adoptie van elektrische voertuigen te ondersteunen [36]. Oplaadmogelijkheid op het werk [15] en oplaadmogelijkheid thuis [37] ook nodig voor consumenten om de accu van hun voertuig te vullen. Krupa et al. [38] zei dat de beschikbaarheid van serviceplaatsen voor routineonderhoud en schade de adoptie van elektrische voertuigen beïnvloedt. Zij et al. [15] suggereerde enkele openbare prikkels die zeer gewild zijn bij consumenten in Tianjin, zoals het verstrekken van subsidies voor de aankoop van elektrische motorfietsen, jaarlijkse belastingkorting voor elektrische motorfietsen en een kortingsbeleid voor oplaadkosten wanneer consumenten elektrische motorfietsen op openbare plaatsen moeten opladen [15]. Ordinale logistische regressie Ordinale logistische regressie is een van de statistische methoden die de relatie tussen een afhankelijke variabele en een of meer onafhankelijke variabelen beschrijft, waarbij de afhankelijke variabele meer dan 2 categorieën is en de meetschaal niveau of ordinaal is [39]. Vergelijking 1 is een model voor ordinale logistische regressie en Vergelijking 2 toont de functie g(x) als logitvergelijking. eegxgx P x ( ) ( ) 1 ( ) + = (1)  = = + mkjk Xik gx 1 0 ( )   (2) RESULTATEN EN DISCUSSIE De vragenlijst is online verspreid van maart – april 2020, via betaalde Facebook-advertenties door het filtergebied in te stellen: West-Java, Oost-Java, Jakarta, Midden-Java, Noord-Sumatra, West-Sumatra, Yogyakarta, Zuid-Sulawesi, Zuid-Sumatra en Bali, die 21.628 gebruikers bereikten. Het totale aantal binnenkomende reacties was 1.443 reacties, maar slechts 1.223 reacties kwamen in aanmerking voor gegevensverwerking. Tabel 2 toont de demografie van de respondenten. Beschrijvende statistieken Tabel 3 toont beschrijvende statistieken voor kwantitatieve variabelen. Laadkostenkorting, jaarlijkse belastingkorting en inkoopprijssubsidies hebben onder andere een hoger gemiddelde. Dit illustreert dat de meeste respondenten van mening zijn dat er een door de overheid gegeven beleid is dat hen heeft kunnen aanmoedigen om elektrische motorfietsen te gebruiken. Wat financiële factoren betreft, hebben onder andere de aankoopprijs en de batterijkosten een lager gemiddelde. Dit illustreert dat de aanschafprijs van een elektrische motorfiets en de accukosten niet passen bij het budget van de meeste respondenten. De meeste respondenten vonden de prijs van een elektrische motorfiets te duur in vergelijking met de prijs van een conventionele motorfiets. De vervangingskosten van de batterij om de drie jaar, die 5.000.000 IDR bereiken, zijn ook te duur voor de meeste respondenten, zodat de aankoopprijs en de batterijkosten een barrière vormen voor Indonesiërs om elektrische motorfietsen te gebruiken. Levensduur van batterij, vermogen, oplaadtijd hebben lage gemiddelde scores in beschrijvende statistieken, maar de gemiddelde score voor deze drie factoren is meer dan 4. De oplaadtijd die drie uur in beslag nam, was voor de meeste respondenten te lang. De maximale snelheid van een elektrische motorfiets is 70 km/u en een batterijduur van 3 jaar wordt niet ingevuld door de respondenten. Dit illustreert dat de meeste respondenten vinden dat prestatiegerichte elektrische motorfietsen niet aan hun normen voldoen. Hoewel respondenten de prestaties van elektrische motorfietsen niet volledig hebben vertrouwd, kan EM voldoen aan hun dagelijkse mobiliteitsbehoeften. Meer respondenten gaven een hogere score aan de oplaadmogelijkheid thuis en op kantoor dan op openbare plaatsen. Een vaak gevonden barrière is echter dat het elektriciteitsvermogen in huis nog steeds onder de 1300 VA ligt, waardoor respondenten sterk verwachten dat de overheid kan helpen bij het leveren van oplaadfaciliteiten in huis. De beschikbaarheid van opladen op kantoor heeft meer de voorkeur dan op openbare plaatsen, omdat de mobiliteit van respondenten elke dag betrekking heeft op huizen en kantoren. Tabel 4 toont de reacties van respondenten op de adoptie van elektrische motorfietsen. Hieruit blijkt dat 45,626% van de respondenten een sterke bereidheid heeft om een ​​elektrische motorfiets te gebruiken. Dit resultaat laat een mooie toekomst zien voor het marktaandeel van elektrische motorfietsen. Tabel 4 laat ook zien dat bijna 55% van de respondenten geen sterke bereidheid heeft om een ​​elektrische motorfiets te gebruiken. De interessante resultaten van deze beschrijvende statistieken impliceren dat hoewel het enthousiasme voor het gebruik van elektrische motorfietsen nog steeds moet worden gestimuleerd, de publieke acceptatie van elektrische motorfietsen goed is. Een andere reden die kan optreden is dat respondenten de houding hebben om de adoptie van een elektrische motorfiets af te wachten of iemand anders een elektrische motorfiets gebruikt of niet. Ordinale logistieke regressiegegevens worden verwerkt en geanalyseerd om de adoptie-intentie van elektrische motorfietsen in Indonesië te bepalen met behulp van ordinale logistische regressie. De afhankelijke variabele in dit onderzoek is de bereidheid om een ​​elektrische motorfiets te gebruiken (1: sterk niet bereid, 2: niet bereid, 3: twijfel, 4: bereid, 5: sterk bereid). In dit onderzoek is gekozen voor ordinale logistische regressie omdat de afhankelijke variabele de ordinale schaal gebruikt. Gegevens werden verwerkt met behulp van SPSS 25-software met een betrouwbaarheidsniveau van 95%. Er zijn multicollineariteitstesten uitgevoerd om de Variance Inflation Factors (VIF) te berekenen met een gemiddelde VIF van 1,15-3,693, wat betekent dat er geen multicollineariteit in het model zit. De hypothese die bij ordinale logistische regressie wordt gebruikt, wordt weergegeven in Tabel 5. Tabel 6 laat zien dat de partiële testresultaten de basis vormen voor het verwerpen of accepteren van de hypothese voor ordinale logistische regressie. Tabel 2. Demografie van respondenten Demografisch item Freq % Demografisch item Freq % Woonplaats West-Java 345 28,2% Beroep Student 175 14,3% Oost-Java 162 13,2% Ambtenaren 88 7,2% Jakarta 192 15,7% Particuliere werknemers 415 33,9% Midden-Java 242 19,8% Ondernemer 380 31,1% Noord Sumatera 74 6,1% Overige 165 13,5% Yogyakarta 61 5,0% Zuid Sulawesi 36 2,9% Leeftijd 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% West Sumatera 26 2,1% 46-60 79 6,5% Zuid Sumatera 51 4,2% >60 3 0,2% Burgerlijke staat Alleenstaand 370 30,3% Laatste opleidingsniveau SMP/SMA/SMK 701 57,3% Getrouwd 844 69,0% Diploma 127 10,4% Overige 9 0,7% Bachelor 316 25,8% Geslacht Man 630 51,5% Master 68 5,6 % Vrouw 593 48,5% Doctoraal 11 0,9% Maandelijks inkomensniveau 0 154 12,6% Maandelijks consumptieniveau < IDR 2.000.000 432 35,3% < IDR 2.000.000 226 18,5% IDR 2.000.000-5.999.999 640 52,3% IDR 2.000.000-5.999.999 550 45% IDR 6.000.000- 9.999.999 121 9,9% IDR 6.000.000-9.999.999 199 16,3% ≥ IDR 10.000.000 30 2,5% IDR 10.000.000-19.999.999 71 5,8% ≥ I DR 20.000.000 23 1,9% Tabel 3. Beschrijvende statistieken voor financieel, technologisch en macroniveau Variabele gemiddelde rangorde Variabele gemiddelde rangorde ML7 (schijf met oplaadkosten) 4,4563 1 ML3 (CS thuis) 4,1554 9 ML6 (schijf met jaarlijkse belasting. ) 4.4301 2 ML2 (CS op werkplekken) 4.1055 10 ML5 (aankoopbonus) 4.4146 3 ML1 (CS op openbare plaatsen) 4.0965 11 TE4 (veiligheid) 4.3181 4 TE5 (batterijduur) 4.0924 12 FI3 (oplaadkosten) 4.2518 5 TE2 (stroom ) 4.0597 13 TE1 (kilometerstand) 4.2396 6 TE3 (oplaadtijd) 4.0303 14 ML4 (serviceplaats) 4.2142 7 FI1 (aankoopkosten) 3.8814 15 FI4 (onderhoudskosten) 4.1980 8 FI2 (batterijkosten) 3.5045 16 Tabel 4. Beschrijvende statistieken voor adoptie Intentie 1:sterk onwillig 2:niet bereid 3:twijfel 4:wil 5:sterk bereidheid om elektrische motorfiets te gebruiken 0,327% 2,044% 15,863% 36,141% 45,626% De resultaten van logistische regressieanalyse voor variabelen SD1 tot en met SD11 die behoren tot sociodemografische factoren tonen de resultaten die alleen de frequentie van delen op sociale media (SD9) en de mate van zorg voor het milieu (SD11) hebben een significant effect op de intentie van elektrische motorfietsen in Indonesië. De significante waarden voor de kwalitatieve variabele burgerlijke staat zijn 0,622 voor alleenstaanden en 0,801 voor gehuwden. Die waarden ondersteunen hypothese 1. De burgerlijke staat heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren, omdat de significante waarde meer dan 0,05 is. De significante waarde voor leeftijd is 0,147, zodat leeftijd geen significante invloed heeft op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor de leeftijd van -0,168 ondersteunt hypothese 2 niet. Het minteken betekent dat hoe hoger de leeftijd, hoe lager de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor de kwalitatieve variabele, geslacht, (0,385) ondersteunt hypothese 3. Geslacht heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor het laatste opleidingsniveau (0,603) ondersteunt hypothese 4 niet. De laatste opleiding heeft dus geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor het laatste opleidingsniveau van 0,036 betekent dat een positief teken betekent dat hoe hoger het opleidingsniveau, hoe hoger de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor de kwalitatieve variabele van het beroep was 0,487 voor studenten, 0,999 voor ambtenaren, 0,600 voor particuliere werknemers en 0,480 voor ondernemers die hypothese 5 niet ondersteunen. Beroep heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. UTAMI ET AL. /JOURNAAL OVER OPTIMALISATIE VAN SYSTEMEN IN DE INDUSTRIE – VOL. 19 NEE. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tabel 5. Hypothese Hypothese Socio- H1: burgerlijke staat heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. Demo- H2: leeftijd heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. grafiek H3: geslacht heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H4: laatste opleidingsniveau heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H5: beroep heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H6: maandelijks verbruik heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H7: maandelijks inkomensniveau heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H8: aantal motorfietsbezit heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H9: frequentie van delen op sociale media heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H10: omvang van online sociaal netwerk heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H11: milieubewustzijn heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. Financieel H12: aankoopprijs heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H13: batterijkosten hebben een positief significant effect op de intentie om een ​​elektrische motorfiets te gebruiken. H14: laadkosten hebben een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H15: onderhoudskosten hebben een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H16: kilometerstand heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H17: vermogen heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. Techno-H18: oplaadtijd heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. logisch H19: veiligheid heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H20: levensduur van de batterij heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H21: beschikbaarheid van laadstationinfrastructuur op openbare plaatsen heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H22: beschikbaarheid van laadstationinfrastructuur op het werk heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. Macroniveau H23: beschikbaarheid van laadstationinfrastructuur thuis heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H24: beschikbaarheid van serviceplaatsen heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te gebruiken. H25: aankoopstimuleringsbeleid heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H26: jaarlijkse belastingkortingbeleid heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. H27: laadkostenkortingbeleid heeft een positief significant effect op de intentie om een ​​elektrische motorfiets te adopteren. Tabel 6. Logistische regressie Gedeeltelijke testresultaten Var Waarde Sig Var Waarde Sig SD1:singel 0,349 0,622 TE1 0,146 0,069 SD1:getrouwd 0,173 0,801 TE2 0,167 0,726 SD1:anderen 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013* SD3:man 0,117 0,385 TE5 0,068 0,765 SD3:vrouwelijk 0 ML1 -0,127 0,022* SD5:studenten -0,195 0,487 ML2 0,309 0,000* SD5:civ. serv 0,0000 0,999 ML3 0,253 0,355 SD5:priv. emp -0.110 0.6 ML4 0.134 0.109 SD5:entrepr 0.147 0.48 ML5 0.301 0.017* SD5:overige 0 ML6 -0.059 0.107 SD6 0.227 0.069 ML7 0.521 0.052 SD7 0.032 0.726 TE1 0.146 0.004* SD8 0.180 0.161 TE2 0.167 0.962 SD9 0.140 0.013* SD10 0,016 0,765 TE4 -0,005 0,254 SD11 0,226 0,022* TE5 0,068 0,007* FI1 0,348 0,000* ML1 -0,127 0,009* FI2 -0,069 0,355 ML2 0,309 0,181 FI3 0,136 0,109 ML3 0,253 0,017* FI4 0,193 0,017* ML4 0,134 0,672 * Significant bij 95% betrouwbaarheidsniveau De significante waarde voor het maandelijkse verbruik (0,069) ondersteunt hypothese 6 niet, het maandelijkse verbruik heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor het maandelijkse verbruiksniveau van 0,227, een positief teken betekent hoe hoger het niveau van de maandelijkse uitgaven, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor het maandinkomen (0,726) ondersteunt Hypothese 7 niet, het maandinkomen heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor het maandinkomen is 0,032, positief teken betekent dat hoe hoger het maandinkomen, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor het aantal motorfietsbezit (0,161) ondersteunt hypothese 8 niet, het aantal motorfietsbezit heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor het niveau van motorfietsbezit is 0,180, positief teken betekent dat hoe meer motorfietsen in bezit zijn, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor de frequentie van delen op sociale media (0,013) ondersteunt hypothese 9, de frequentie van delen op sociale media heeft een significant effect op de intentie om een ​​elektrische motorfiets te adopteren omdat de significante waarde kleiner is dan 0,05. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 NEE. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 De geschatte waarde voor het delen van frequentie op sociale media is 0.111, positief teken betekent dat hoe hoger de frequentie van het delen van iemand op sociale media, hoe groter de kans op adoptie van een elektrische motorfiets. Significante waarde voor grootte van online sociaal netwerk (0,765) ondersteunt hypothese 10 niet, de omvang van het bereik van het sociale netwerk heeft geen significante invloed op de intentie om een ​​motor te adopteren. De geschatte waarde voor het aantal bereikte mensen in het sociale netwerk is 0,016. Positief teken betekent hoe groter de omvang van sociale-medianetwerken, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor het niveau van milieubewustzijn (0,022) ondersteunt hypothese 11, de mate van zorg voor het milieu heeft een significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor het niveau van milieubewustzijn is 0,226. Positief teken betekent dat hoe meer iemand zich zorgen maakt over het milieu, hoe groter de intentie om een ​​elektrische motorfiets te gebruiken. De resultaten van logistische regressieanalyse voor de variabelen FI1 t/m FI4 die tot financiële factoren behoren, laten zien dat de aanschafprijs (FI1) en onderhoudskosten (FI4) een significant effect hebben op de intentie van elektrische motorfietsen in Indonesië. De significante waarde voor de aankoopprijs (0,00) ondersteunt hypothese 12, de aankoopprijs heeft een significant effect op de intentie om een ​​elektrische motorfiets te adopteren.De geschatte waarde voor de aankoopprijs is 0,348, positief teken betekent dat hoe passender de aankoopprijs van een elektrische motorfiets voor iemand is, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor de batterijkosten (0,355) ondersteunt hypothese 13 niet, de batterijkosten hebben geen significante invloed op de intentie om een ​​elektrische motorfiets te gebruiken. De significante waarde voor laadkosten (0,109) ondersteunt hypothese 14 niet, laadkosten hebben geen significant effect op het voornemen om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor de oplaadkosten is 0,136, positief teken betekent dat hoe passender de kosten van het opladen van een elektrische motorfiets voor iemand zijn, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor onderhoudskosten (0,017) ondersteunt hypothese 15 niet, onderhoudskosten hebben een significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor onderhoudskosten is 0,193, positief teken betekent dat hoe passender de kosten van het onderhoud van een elektrische motorfiets voor iemand zijn, hoe hoger de intentie om een ​​elektrische motorfiets te adopteren. De resultaten van de logistische regressieanalyse voor de variabelen TE1 tot en met TE5 die tot technologische factoren behoren, laten zien dat de oplaadtijd van de batterij (TE3) een significant effect heeft op de adoptie-intentie van elektrische motorfietsen in Indonesië. De significante waarde voor kilometercapaciteit (0,107) ondersteunt hypothese 16 niet, kilometercapaciteit heeft geen significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor een maximale kilometerstand is 0,146, positief teken betekent dat hoe passender de maximale kilometerstand van een elektrische motorfiets voor iemand is, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor het onafhankelijk variabel vermogen of maximale snelheid (0,052) ondersteunt hypothese 17 niet, maximale snelheid heeft geen significante invloed op de intentie om een ​​elektrische motorfiets te adopteren. De waarde van schatting voor vermogen of maximale snelheid is 0,167, positief teken betekent dat hoe geschikter de maximale snelheid van een elektrische motorfiets voor een persoon, hoe groter de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor laadtijd (0,004) ondersteunt Hypothese 18, laadtijd heeft een significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor laadtijd is 0,240, positief teken betekent dat hoe passender de maximumsnelheid van een elektrische motorfiets voor iemand is, hoe hoger de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor veiligheid (0,962) ondersteunt hypothese 19 niet, veiligheid heeft geen significante invloed op het voornemen om een ​​elektrische motorfiets te adopteren. De waarde van schatting voor veiligheid is -0,005, minteken betekent dat hoe veiliger iemand zich voelt in het gebruik van een elektrische motorfiets, hoe lager de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor batterijduur (0,424) ondersteunt Hypothese 20 niet, de batterijduur heeft geen significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De geschatte waarde voor de levensduur van de batterij is 0,068. Positief teken betekent dat hoe beter de levensduur van een batterij van een elektrische motorfiets, hoe groter de intentie om een ​​elektrische motorfiets te gebruiken. De resultaten van logistische regressieanalyse voor variabelen ML1 tot en met ML7 die behoren tot factoren op macroniveau laten de resultaten zien dat alleen de beschikbaarheid van opladen op de werkplek (ML2), de beschikbaarheid van opladen in de woning (ML3) en het kortingsbeleid voor oplaadkosten (ML7) die een aanzienlijk effect hebben op de adoptie-intentie van elektrische motorfietsen in Indonesië. De significante waarde voor de beschikbaarheid van opladen op openbare plaatsen (0,254) ondersteunt hypothese 21 niet, de beschikbaarheid van opladen op openbare plaatsen heeft geen significante invloed op de intentie om elektrische motorfietsen te gebruiken. De significante waarde voor de laadbeschikbaarheid op de werkplek (0,007) ondersteunt hypothese 22, de laadbeschikbaarheid op de werkplek heeft een significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor de oplaadmogelijkheid thuis (0,009) ondersteunt hypothese 22, de beschikbaarheid van opladen thuis heeft een significant effect op de intentie om een ​​motor te adopteren. De significante waarde voor de beschikbaarheid van serviceplaatsen (0,181) ondersteunt hypothese 24 niet, de beschikbaarheid van serviceplaatsen heeft geen significant effect op de intentie om een ​​elektrische motorfiets te adopteren. De significante waarde voor het aankoopstimuleringsbeleid (0,017) ondersteunt hypothese 25, het aankoopstimuleringsbeleid heeft een significant effect op het voornemen om een ​​elektrische motorfiets te adopteren. De significante waarde voor het jaarlijkse belastingkortingbeleid (0,672) ondersteunt hypothese 26 niet, het jaarlijkse belastingkortingbeleid heeft geen significant effect op het voornemen om een ​​elektrische motorfiets te adopteren. De significante waarde voor het laadkostenkortingbeleid (0,00) ondersteunt hypothese 27, het laadkostenkortingbeleid heeft een significant effect op het voornemen om een ​​elektrische motorfiets te adopteren. Volgens het resultaat van de factor op macroniveau kan de adoptie van elektrische motorfietsen worden gerealiseerd als het laadstation op de werkplek, het laadstation in de woning en het kortingsbeleid voor laadkosten klaar zijn voor consumenten. Over het geheel genomen de frequentie van delen op sociale media, het niveau van milieubewustzijn, aankoopprijzen, onderhoudskosten, de maximale snelheid van elektrische motorfietsen, oplaadtijd van de batterij, beschikbaarheid van laadstationinfrastructuur op het werk, beschikbaarheid van op elektriciteit gebaseerde oplaadinfrastructuur, UTAMI ET AL. /JOURNAAL OVER OPTIMALISATIE VAN SYSTEMEN IN DE INDUSTRIE – VOL. 19 NEE. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 aankoopstimuleringsbeleid en stimuleringsbeleid voor laadkostenkorting hebben een aanzienlijke invloed op de intentie om elektrische voertuigen te gebruiken. Vergelijkingsmodel en kansfunctie Vergelijking 3 is een logitvergelijking voor de keuze van het antwoord "sterk onwillig" om een ​​elektrische motorfiets te gebruiken.  =  = + 27 1 01 ( 1| ) kg Y Xn   k Xik (3) Vergelijking 4 is een logitvergelijking voor de keuze van het antwoord "niet bereid" om een ​​elektrische motorfiets te adopteren.  =  = + 27 1 02 ( 2 | ) kg Y Xn   k Xik (4) Vergelijking 5 is een logitvergelijking voor de keuze van het antwoord “twijfel” om een ​​elektrische motorfiets te adopteren.  =  = + 27 1 03 ( 3| ) kg Y Xn   k Xik (5) Vergelijking 6 is een logitvergelijking voor de antwoordoptie "bereid" om een ​​elektrische motorfiets te adopteren.  =  = + 27 1 04 ( 4 | ) kg Y Xn   k Xik (6) Waarschijnlijkheidsfuncties van adoptie-intentie elektrische motorfietsen weergegeven in vergelijking 7 tot en met vergelijking 11. Vergelijking 7 is de waarschijnlijkheidsfunctie voor de keuze van het antwoord “ sterk onwillig” om een ​​elektrische motorfiets te adopteren. eenng YX g YXP Xn PY Xn ( 1| ) ( 1| ) 1 1 ( ) ( 1| )   + = =  (7) Vergelijking 8 is de kansfunctie voor de keuze van het antwoord “niet bereid” om een elektrische motorfiets. eeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 1| ) ( 1| ) ( 2| ) ( 2| ) 2 1 1 ( 2 | ) ( 1| ) ( ) ( 2 | )     + − + = =  −  = = (8) Vergelijking 9 is de kansfunctie voor de keuze van het antwoord "twijfel" om een ​​elektrische motorfiets te adopteren. eeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 2| ) ( 2| ) ( 3| ) ( 3| ) 3 1 1 ( 3 | ) ( 2 | ) ( ) ( 3 | )     + − + = =  −  = = (9) Vergelijking 10 is de kansfunctie voor de keuze van het antwoord "bereid" om een ​​elektrische motorfiets te adopteren. eeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 3| ) ( 3| ) ( 4| ) ( 4| ) 4 1 1 ( 4 | ) ( 3 | ) ( ) ( 4 | )     + − + = =  −  = = (10) Vergelijking 11 is de kansfunctie voor de keuze van het antwoord "sterk bereid" om een ​​elektrische motorfiets te adopteren. eenng YX g YX nnn PYXPXPYX ( 4| ) ( 4| ) 5 1 1 1 ( 4 | ) ( ) ( 5 | )   + = − = −  = = (11) Adoptie-intentie Kans De ordinale logistische regressievergelijking dan toegepast op een steekproef van de antwoorden van de respondenten. Tabel 8 toont de kenmerken en antwoorden van de steekproef. Dus de kans om elk criterium op de afhankelijke variabele te beantwoorden, wordt berekend op basis van vergelijking 7 - 11. Een steekproef van respondenten die de antwoorden heeft zoals weergegeven in tabel 7, heeft een kans van 0,0013 voor het sterk niet willen gebruiken van een elektrische motorfiets, een kans van 0,0114 voor niet bereid om elektrische motorfiets te gebruiken, een kans van 0,1788 voor twijfel om elektrische motorfiets te gebruiken, een kans van 0,563 voor bereidheid om een ​​elektrische motorfiets te gebruiken, en een kans van 0,2455 voor sterk bereidheid om een ​​elektrische motorfiets te gebruiken. De waarschijnlijkheid van adoptie van elektrische motorfietsen voor 1.223 respondenten werd ook berekend en de gemiddelde waarde van de kans op antwoorden op sterk niet bereid om elektrische motorfiets te gebruiken was 0,0031, niet bereid om elektrische motorfiets te gebruiken was 0,0198, twijfel om elektrische motorfiets te gebruiken was 0,1482, bereid om een ​​elektrische motorfiets te gebruiken elektrische motorfiets was 0,3410, en sterk bereid om een ​​elektrische motorfiets te gebruiken was 0,4880. Als de kans op willen en sterk bereid worden opgeteld, bereikt de kans voor Indonesiërs om elektrische motorfietsen te adopteren 82,90%. Aanbevelingen voor bedrijven en beleidsmakers In de ordinale logistische regressieanalyse is de frequentie van delen op sociale media een belangrijke factor die van invloed is op de intentie om een ​​elektrische motorfiets te gebruiken. Het belang van sociale media als platform voor het publiek om informatie over elektrische motorfietsen te verkrijgen, zal van invloed zijn op de bereidheid om elektrische motorfietsen te adopteren. De overheid en ondernemers kunnen proberen deze bron te gebruiken, ondernemers kunnen bijvoorbeeld acties doen door middel van bonussen of waardering voor consumenten die elektrische motorfietsen hebben gekocht en positieve dingen met betrekking tot elektrische motorfietsen delen op hun sociale media. Op deze manier kan het anderen stimuleren om een ​​nieuwe gebruiker van een elektrische motorfiets te worden. De overheid kan elektrische motorfietsen socialiseren of introduceren bij het publiek via sociale media om het publiek te motiveren om over te stappen van conventionele motorfietsen naar elektrische motorfietsen. Dit onderzoek toont aan hoe groot de invloed is van factoren op macroniveau op de adoptie van elektrische motorfietsen in Indonesië. In de ordinale logistische regressieanalyse hebben de beschikbaarheid van laadstationinfrastructuur op de werkplek, de beschikbaarheid van laadstationinfrastructuur thuis, het aankoopstimuleringsbeleid en de laadkostenkorting een grote invloed op de intentie om een ​​elektrische motorfiets te adopteren. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 NEE. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tabel 7. Voorbeeldantwoorden van respondenten Variabel Antwoordcode Waarde Burgerlijke staat Getrouwd X1b 2 Leeftijd 31-45 X2 2 Geslacht Man X3a 1 Laatste opleidingsniveau Master X4 4 Beroep Particuliere werknemers X5c 3 Maandelijks verbruiksniveau Rp2.000.000-5.999.999 X6 2 Maandelijks inkomensniveau Rp. 6.000.000-9.999.999 X7 3 Aantal motorbezit ≥ 2 X8 3 Frequentie van delen op sociale media Meerdere keren/maand X9 4 Grootte van online sociaal netwerk 100-500 personen X10 2 Milieubewustzijn 1 X11 1 Harga beli 3 X12 3 Batterijkosten 3 X13 3 Laadkosten 3 X13 3 Onderhoudskosten 5 X14 5 Kilometerstand 4 X15 4 Vermogen 5 X16 5 Laadtijd 4 X17 4 Veiligheid 5 X18 5 Levensduur batterij 4 X19 4 Beschikbaarheid laadstation op openbare plaatsen 4 X20 4 Beschikbaarheid laadstation op het werk 4 X21 4 Beschikbaarheid laadstation thuis 4 X22 4 Beschikbaarheid serviceplaatsen 2 X23 2 Aankoopstimuleringsbeleid 5 X24 5 Jaarlijks belastingkortingbeleid 5 X25 5 Kortingsregeling laadkosten 5 X26 5 Laadkosten 5 X27 5 Onderhoudskosten 3 X13 3 Kilometerstand capaciteit 5 X14 5 Vermogen 4 X15 4 Laadtijd 5 X16 5 De meeste respondenten beschouwen de beschikbaarheid van laadstationinfrastructuur thuis, op het werk en op openbare plaatsen als een significante invloed op het gebruik van elektrische motorfietsen. De overheid kan de installatie van laadstationinfrastructuur op openbare plaatsen regelen om de adoptie van elektrische motorfietsen te ondersteunen. De overheid kan ook samenwerken met het bedrijfsleven om dit te realiseren. Bij het opstellen van indicatoren op macroniveau stelt dit onderzoek verschillende opties voor stimuleringsbeleid voor. De belangrijkste stimuleringsmaatregelen volgens de enquête zijn stimuleringsmaatregelen voor aankopen en stimuleringsmaatregelen voor laadkosten die door de overheid kunnen worden overwogen om de invoering van elektrische motorfietsen in Indonesië te ondersteunen. Op financiële factoren heeft de aankoopprijs een significant effect op de intentie om een ​​elektrische motorfiets aan te schaffen. Dit is de reden waarom de prikkel voor de aankoopsubsidie ​​ook sterk van invloed is op het adoptie-intentie. De lagere onderhoudskosten van elektrische motorfietsen dan conventionele motorfietsen hebben een aanzienlijke invloed op de adoptie-intentie van elektrische motorfietsen. Daarom zal de beschikbaarheid van diensten die voldoen aan de behoeften van de consument de intentie om elektrische motorfietsen te gebruiken verder aanmoedigen, omdat de meeste gebruikers de componenten van elektrische motorfietsen niet kennen, dus hebben ze bekwame technici nodig als er schade is. De prestaties van elektrische motorfietsen voldoen aan de behoeften van consumenten om aan hun dagelijkse mobiliteit te voldoen. De maximale snelheid van een elektrische motorfiets en de oplaadtijd kunnen voldoen aan de door de consument gewenste norm. Echter, betere motorprestaties, zoals meer veiligheid, levensduur van de batterij en meer kilometers, zullen de intentie om een ​​elektrische motorfiets te adopteren zeker vergroten. Naast het verhogen van de investeringen in technologie, moeten de overheid en het bedrijfsleven ook het evaluatiesysteem voor de veiligheid en betrouwbaarheid van elektrische motorfietsen verbeteren om het vertrouwen van het publiek te vergroten. Voor bedrijven is het bevorderen van kwaliteit en prestaties een van de meest effectieve manieren om het enthousiasme van consumenten voor elektrische motorfietsen te vergroten. Consumenten die jonger zijn en een hoger opleidingsniveau hebben, kunnen als early adopters worden aangesproken om invloeden te worden, omdat ze al een meer optimistische houding hebben en een breed netwerk hebben. Marktsegmentatie kan worden bereikt door specifieke modellen voor gerichte consumenten te lanceren. Bovendien waren respondenten met een hoger milieubewustzijn eerder geneigd om motorfietsen te adopteren. UTAMI ET AL. /JOURNAAL OVER OPTIMALISATIE VAN SYSTEMEN IN DE INDUSTRIE – VOL. 19 NEE. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 79 CONCLUSIES De verschuiving van conventionele motorfietsen naar elektrische motorfietsen kan de beste oplossing zijn om het probleem van hoge CO2-niveaus in Indonesië op te lossen. De Indonesische regering realiseerde zich dat ook en is tussenbeide gekomen door verschillende beleidslijnen vast te stellen met betrekking tot elektrische voertuigen in Indonesië. Maar in werkelijkheid bevindt de adoptie van elektrische voertuigen in Indonesië zich nog in een zeer vroeg stadium, zelfs ver verwijderd van de door de regering gestelde doelen. De omgeving ondersteunt de adoptie van elektrische motorfietsen niet, zoals geen gedetailleerdere regelgeving en het gebrek aan ondersteunende infrastructuur, waardoor de acceptatie van elektrische voertuigen in Indonesië laag is. Dit onderzoek ondervroeg 1.223 respondenten uit 10 provincies die in totaal 80% van de totale verkoop van motorfietsen in Indonesië hadden om belangrijke factoren te onderzoeken die van invloed zijn op de intenties om elektrische motorfietsen in Indonesië te gebruiken en de waarschijnlijkheidsfuncties te achterhalen. Hoewel de meerderheid van de respondenten enthousiast is over elektrische motorfietsen en in de toekomst een elektrische motorfiets wil bezitten, is hun interesse in het adopteren van een elektrische motorfiets tegenwoordig relatief laag. Respondenten willen op dit moment geen elektrische motorfietsen gebruiken vanwege verschillende redenen, zoals een gebrek aan infrastructuur en beleid. Veel respondenten hebben de houding van wachten en kijken naar de adoptie van elektrische motorfietsen, met financiële factoren, technologische factoren en macroniveaus die de eisen van consumenten moeten volgen. Dit onderzoek toont aan hoe belangrijk de frequentie van delen op sociale media, het niveau van milieubewustzijn, aankoopprijzen, onderhoudskosten, de maximale snelheid van elektrische motorfietsen, oplaadtijd van de batterij, beschikbaarheid van laadstationinfrastructuur op het werk, beschikbaarheid van laadinfrastructuur thuis, aankoopstimuleringsbeleid en stimuleringsbeleid voor laadkostenkorting ondersteunen de adoptie van elektrische motorfietsen in Indonesië. De overheid moet de voorziening van laadstationinfrastructuur en stimuleringsbeleid ondersteunen om de adoptie van elektrische motorfietsen in Indonesië te versnellen. Technologische factoren zoals kilometerstand en levensduur van de batterij moeten door producenten worden overwogen om te worden verbeterd om de adoptie van elektrische motorfietsen te ondersteunen. Financiële factoren zoals aankoopprijzen en batterijkosten moeten een punt van zorg zijn voor bedrijven en de overheid. Er moet maximaal gebruik worden gemaakt van sociale netwerken om een ​​elektrische motorfiets aan de gemeenschap te introduceren. Gemeenschappen op jonge leeftijd kunnen promoveren als early adopters omdat ze een breed social media netwerk hebben. De realisatie van de adoptie van elektrische motorfietsen in Indonesië vereist infrastructuurgereedheid en kosten die door consumenten kunnen worden geaccepteerd. Dit heeft de regering kunnen realiseren door middel van krachtige toezeggingen van de regering in verschillende landen die erin zijn geslaagd conventionele voertuigen te vervangen. Verder onderzoek zal zich richten op het vinden van passend beleid om de adoptie van elektrische motorfietsen in Indonesië te versnellen. REFERENTIES [1] Indonesië. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Online]. Beschikbaar: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesië: binnenlandse distributie- en exportstatistieken, 2020. [Online]. https://www.aisi.or.id/statistiek. [Betreden: maart. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina en R. Siregar, "Elektrische voertuigen in Indonesië: de weg naar duurzaam transport", Solidiance: Marktrapport, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto en M. Nizam, "Commercialization model of new technology lithium-ion battery: A case study for smart electric vehicle", Proceedings of the 2013 Joint International Conference on Rural Information and Communication Technology and Electric-Vehicle Technology, rICT en ICEV -T 2013, 6741511.https://doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini en V. Bosetti, “Elektrisch gaan: Expertonderzoek naar de toekomst van batterijtechnologieën voor elektrische voertuigen. In Innovation under Uncertainty,” in Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz en MK Patel, “Over de elektrificatie van het wegvervoer– een overzicht van de ecologische, economische en sociale prestaties van elektrische tweewielers,” Transportation Research Part D: Transport and Environment, vol. 41, blz. 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, "Produksi Kit Konversi Kendaraan Listrik Berbasis Baterai Untuk Sepeda Motor Roda Dua Dan Roda Tiga," Laporan Akhir Hibah PPTI, Badan Pengelola Usaha Universitas Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo, en R. Zakaria, "Markov-ketenanalyse om de voorspelling van het marktaandeel van nieuwe technologie te identificeren: een casestudy van elektrische conversiemotorfietsen in Surakarta, Indonesië", AIP Conference Proceedings, vol. 2217(1), blz. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo en EA Kadir, "Een Indonesische standaard voor lithium-ionbatterijcel-ferrofosfaat voor elektrische voertuigen", TELKOMNIKA Indonesische Journal of Electrical Engineering, vol. 15(2), blz. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy en ABMulyono, "Designing framework for standardization and testing requirements of battery management system for electric vehicle application", Proceeding - 4th Internationale conferentie over elektrische voertuigtechnologie, blz. 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, "A Review of Electric Vehicles Charging Standard Development: Study Case in Indonesia", Proceeding - 2018 5th International Conference on Electric Vehicle Technology, vol. 8628367, blz. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesië Stop Mobil Berbahan Bakar Minyak, 2017. [Online]. gaikindo.or.id. [Betreden: maart. 20, 2020]. [13] S. Goldenberg, "Indonesië om de koolstofemissies tegen 2030 met 29% te verminderen", The Guardian, 2015. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 NEE. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang en HA Bekhet, "Intenties voor het gebruik van elektrische voertuigen modelleren: een empirische studie in Maleisië", Journal of Cleaner Production, vol. 92, blz. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma en BC Xie, “Wat zijn de belemmeringen voor wijdverbreide adoptie van elektrische voertuigen op batterijen? Een overzicht van de publieke perceptie in Tianjin, China,” Journal of Transport Policy, vol. 56, blz. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis en A. Jones, "Analyse van de opkomst van elektrische voertuigen op batterijen: een onderzoek naar belemmeringen onder chauffeurs in het VK", Transportation Research Part D: Transport and Environment, vol. 63, blz. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge en C. Shao, "Onderzoek naar de factoren die van invloed zijn op de acceptatie van elektrische voertuigen in Beijing, China: statistische en ruimtelijke perspectieven", Journal of Cleaner Production, vol. 213, blz. 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analisis Multivariat Terapan dengan-programma SPSS, AMOS, dan SMARTPLS (2e ed.). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Consumentenadoptie versus afwijzingsbeslissingen in schijnbaar vergelijkbare service-innovaties: het geval van internet en mobiel bankieren", Journal of Business Research, vol. 69(7), blz. 2432-2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur en R. Kemp, "De adoptie van PV in Nederland: een statistische analyse van adoptiefactoren", Renewable and Sustainable Energy Reviews, vol. 41, blz. 483-494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil en J. Emparanza, “Gebruik van een aangepast technologieacceptatiemodel om de adoptie van een nieuw telemonitoringsysteem door zorgprofessionals te evalueren”, Telemedicine and e-Health, vol. 18(1), blz. 54-59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer en P. Abrahamsson, "Een onderzoek naar belangrijke technische belemmeringen die de beslissing beïnvloeden om cloudservices te gebruiken", Journal of Systems and Software, vol. 103, blz. 167-181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto en W. Sutopo, "Consumer Perception Analysis of Electric Car Vehicle in Indonesia", AIP Conference Proceedings (Vol. 2217, No. 1, p. 030058), 2020. AIP Publishing LLC [24] ] Yuniaristanto, DEP Wicaksana, W. Sutopo en M. Nizam, "Proposed business process technology commercialization: A case study of electric car technology incubation", Proceedings of 2014 International Conference on Electrical Engineering and Computer Science, ICEECS, 7045257, pp. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at en TM Bakar, "Richtlijnen voor steekproefgrootte voor logistische regressie van observationele studies met een grote populatie: nadruk op de nauwkeurigheid tussen statistieken en parameters op basis van klinische gegevens uit het echte leven", The Malaysian Journal of medische wetenschappen: MJMS, vol. 25(4), blz. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab en A. Jam'an, "Metodologi Penelitian Bisnis", Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius en CC Lu, "Aangedreven tweewielers voor duurzame mobiliteit: Een overzicht van de consumentenacceptatie van elektrische motorfietsen”, International Journal of Sustainable Transportation, vol. 15(3), blz. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka en N. Anzinger, "Intenties voor de aankoop van elektrische voertuigen van Chinese, Russische en Braziliaanse burgers: een internationale vergelijkende studie", Journal of cleaner production, vol. 205, blz. 188-200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat en B. Van Wee, "De invloed van financiële prikkels en andere sociaaleconomische factoren op de acceptatie van elektrische voertuigen", Energiebeleid, vol. 68, blz. 183-194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane en JD Graham, "Perceptie en realiteit: publieke kennis van plug-in elektrische voertuigen in 21 Amerikaanse steden", Energy Policy, vol. 63, blz. 433-440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony en B. Caulfield, "Hoe moeten barrières voor alternatieve brandstoffen en voertuigen worden geclassificeerd en potentieel beleid om innovatieve technologieën te promoten worden geëvalueerd?", Journal of Cleaner Production, vol. 35, blz. 140-151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue en S. Long, "Barrières voor wijdverbreide acceptatie van elektrische voertuigen: een analyse van de houding en perceptie van consumenten", Journal of Energy Policy, vol. 48, blz. 717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan en YM Wei, "De impact van het overheidsbeleid op de voorkeur voor NEV's: het bewijs uit China", Energy Policy, vol. 61, blz. 382-393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool en RF Hirsh, "Beyond batterijen: een onderzoek naar de voordelen en belemmeringen voor plug-in hybride elektrische voertuigen (PHEV's) en een transitie van voertuig naar elektriciteitsnet (V2G), Energy Policy, vol. 37, blz. 1095-1103, 2009. https://doi.org/10.1016/j.enpol.2008.10.005. [35] E. Graham-Rowe, B. Gardner, C. Abraham, S. Skippon, H. Dittmar, R. Hutchins en J. Stannard, “Mainstream consumenten die plug-in batterij-elektrische en plug-in hybride elektrische auto's rijden: een kwalitatieve analyse van reacties en evaluaties”, Transp. Onderzoek Deel A: Beleidspraktijk, vol. 46, blz. 140-153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi en SL Mabit, "Mainstream-consumenten rijden plug-in batterij-elektrische en plug-in hybride elektrische auto's: een kwalitatieve analyse van reacties en evaluaties", Transp. Onderzoek Deel D: Transp. Omgeving, vol. 25, blz. 24-32, 2013. [Online]. Beschikbaar: ScienceDirect. [37] ND Caperello en KS Kurani, “Verhalen van huishoudens over hun ontmoetingen met een plug-in hybride elektrisch voertuig”, Environ. Gedrag, vol. 44, blz. 493-508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju en CE Warrender, "Households' stories of their encounters with a plug hybrid electric vehicle", Analyse van een consumentenonderzoek op UTAMI ET AL. /JOURNAAL OVER OPTIMALISATIE VAN SYSTEMEN IN DE INDUSTRIE – VOL. 19 NEE. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 81 plug-in hybride elektrische voertuigen. Transp. Onderzoek Deel A: Beleidspraktijk, vol. 64, blz. 14-31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer en S. Lemeshow, “Toegepaste logistieke regressie. Tweede editie”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATUUR j afhankelijke variabele categorieën (j = 1, 2, 3, 4, 5) k onafhankelijke variabele categorieën (k = 1, 2, 3, …, m) i kwalitatieve onafhankelijke variabele categorieën n volgorde van respondenten β0j onderschep elk antwoord van afhankelijke variabele Xk kwantitatieve onafhankelijke variabele Xik kwantitatieve onafhankelijke variabele Y afhankelijke variabele Pj(Xn) de mogelijkheid voor elke categorie van onafhankelijke variabele voor elke respondent AUTEURS BIOGRAFIE Martha Widhi Dela Utami Martha Widhi Dela Utami is een student aan de afdeling Industrial Engineering van Universitas Sebelas Maret. Ze behoort tot het Logistiek en Business System Laboratory. Haar onderzoeksinteresses zijn logistiek & supply chain management en marktonderzoek. Ze publiceerde in 2019 haar eerste publicatie over de analyse van de consumentenperceptie van elektrische auto's in Indonesië. Yuniaristanto Yuniaristanto is docent en onderzoeker bij het departement Industrial Engineering, Universitas Sebelas Maret. Zijn onderzoeksinteresses zijn supply chain, simulatiemodellering, prestatiemeting en commercialisering van technologie. Hij heeft publicaties die door Scopus zijn geïndexeerd, 41 artikelen met een 4H-index. Zijn e-mailadres is yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, behaalde een ingenieursdiploma (Ir) van het Study Program of Professional Engineer – Universitas Sebelas Maret (UNS) in 2019. Hij behaalde zijn doctoraat op het gebied van Industrial Engineering and Management aan het Institut Teknologi Bandung (ITB) in 2011, Master of Science in Management van Universitas Indonesia in 2004 en Bachelor of Engineering in Industrial Engineering van ITB in 1999. Zijn onderzoeksinteresses zijn toeleveringsketen, technische economie en kostenanalyse en commercialisering van technologie. Hij behaalde meer dan 30 onderzoeksbeurzen. Hij heeft publicaties die door Scopus zijn geïndexeerd, 117 artikelen met 7 H-index. Zijn e-mailadres is wahyudisutopo@staff.uns.ac.id.De resultaten van de logistische regressieanalyse voor de variabelen TE1 tot en met TE5 die tot technologische factoren behoren, laten zien dat de oplaadtijd van de batterij (TE3) een significant effect