Indonesias regjering målrettet mot vedtakelse av 2,1 millioner enheter med tohjulede elektriske kjøretøyer og 2200 enheter med firehjulede elektriske kjøretøyer i 2025 gjennom Republikken Indonesias presidentforskrift nr. 22 i 2017 om National Energy General Plan. I 2019 utstedte regjeringen i Indonesia presidentforskrift nr. 55 i 2019 om akselerasjon av batteriet for elektriske kjøretøyer for veitransport. I 2018 nådde adopsjonen av tohjulede elektriske kjøretøyer bare 0,14% av regjeringens mål for 2025. Derfor må vedtakelsen av Electric Motorcycle (EM) -teknologi også vurdere mange faktorer for å lykkes. Denne forskningen utvikler en ikke-atferdsmessig modell for adopsjon av elektrisk kjøretøy. Faktorene inkluderer sosiodemografisk, finansiell, teknologisk og makrolivå. Onlineundersøkelsen involverte 1223 respondenter. Logistisk regresjon brukes for å oppnå funksjon og sannsynlighetsverdi for intensjonen om å adoptere EM i Indonesia. Hyppighet for deling på sosiale medier, nivå av miljøbevissthet, innkjøpspriser, vedlikeholdskostnader, maksimal hastighet, ladetid for batterier, tilgjengelighet av ladestasjonsinfrastruktur på jobben, tilgjengelighet av hjemmekraftbasert ladeinfrastruktur, retningslinjer for kjøpstiltak og rabatt på kostnadskostnader insentivpolitikk påvirker intensjonen om å vedta elektriske kjøretøyer betydelig. Det viser også at muligheten for indonesere til å adoptere elektriske motorsykler når 82,90%. Realiseringen av adopsjonen av elektriske motorsykler i Indonesia krever infrastrukturberedskap og kostnader som kan godtas av forbrukere. Til slutt gir resultatene av denne forskningen noen forslag til regjeringen og bedrifter for å akselerere adopsjon av elektrisk motorsykkel i Indonesia.

INTRODUKSJON

Den økonomiske sektoren i Indonesia (transport, elektrisitetsproduksjon og husholdninger) bruker stort sett fossilt brensel. Noen av de negative effektene av den høye avhengigheten av fossilt brensel er den økte bevilgningen til drivstofftilskudd, problemer med bærekraftig energi og høye CO2 -utslipp. Transport er en stor sektor som bidrar til høye nivåer av CO2 i luften på grunn av mange bruksområder for kjøretøyer med fossilt brensel. Denne forskningen fokuserer på motorsykler fordi Indonesia som utviklingsland har flere motorsykler enn biler. Antall motorsykler i Indonesia nådde 120.101.047 enheter i 2018 [1] og motorsykkelsalget nådde 6 487 460 enheter i 2019 [2]. Å flytte transportsektoren til alternative energikilder kan redusere høye CO2 -nivåer. Den realistiske løsningen på dette problemet er å implementere grønn logistikk gjennom penetrering av elektriske kjøretøyer i Indonesia, for eksempel hybridelektriske kjøretøyer, plug-in hybrid-elektriske kjøretøyer og batteri-elektriske kjøretøyer [3]. Innovasjon innen elektrisk kjøretøyteknologi og innovasjon i batteriteknologi kan tilby transportløsninger som er miljøvennlige, energieffektive og lavere drifts- og vedlikeholdskostnader [4]. Elbiler diskuteres mange av land i verden. I den globale elbilvirksomheten var det en betydelig salgsvekst for tohjulede elektriske motorsykler som nådde 58% eller rundt 1,2 millioner enheter fra 2016 til 2017. Denne salgsveksten indikerer god respons fra land i verden om utviklingen av elektriske motorsykkelteknologi som en dag forventet at elektriske motorsykler skulle erstatte fossiltdrevne kjøretøyer. Forskningsobjektet er Electric Motorcycle (EM) som består av New Design of Electric Motorcycle (NDEM) og Converted Electric Motorcycle (CEM). Den første typen, New Design of Electric Motorcycle (NDEM), er et kjøretøy designet av selskapet som bruker elektrisk teknologi for driften. Noen land i verden som Australia, Tyskland, England, Frankrike, Japan, Taiwan, Sør-Korea og Kina brukte allerede elektriske motorsykler som et erstatningsprodukt for fossiltdrevne motorsykkelbiler [5]. Et merke av elektriske motorsykler er Zero Motorcycle som produserer elektriske motorsykler [6]. PT. Gesits Technologies Indo har også produsert tohjulede elektriske motorsykler under merket Gesits. Den andre typen er en CEM. Konvertert elektrisk motorsykkel er en oljedrevet motorsykkel der motoren og motordelene erstattes med litiumferrofosfat (LFP) batterisett som energikilde. Selv om mange land produserer elektrisk motorsykkel, har ingen laget kjøretøyet ved å bruke konverteringsteknikker. Konvertering kan gjøres på en motorsykkel med to hjul som ikke lenger brukes av brukerne. Universitas Sebelas Maret er en pioner innen produksjon av CEM og beviser teknisk at litium-ion-batterier kan erstatte fossile drivstoffkilder på konvensjonelle motorsykler. CEM bruker LFP -teknologi, dette batteriet eksploderer ikke når det oppstår kortslutning. Dessuten har LFP-batteriet en lang brukstid på opptil 3000 brukssykluser og lengre enn dagens kommersielle EM-batterier (for eksempel litiumionbatteri og LiPo-batteri). CEM kan kjøre 55 km/lading og ha maksimal hastighet på opptil 70 km/time [7]. Jodinesa, et al. [8] undersøkte markedsandelen for konvertible elektriske motorsykler i Surakarta, Indonesia og resulterte i at befolkningen i Surakarta reagerte positivt på CEM. Av forklaringen ovenfor kan det sees at muligheten for elektriske motorsykler er enorm. Flere studier om standarder knyttet til elektriske kjøretøyer og batterier er utviklet, for eksempel litiumionbatteristandarden av Sutopo et al. [9], standarden for batteristyringssystem av Rahmawatie et al. [10], og ladestandarder for elektriske kjøretøyer av Sutopo et al. [11]. Den langsomme hastigheten på bruk av elektriske kjøretøyer i Indonesia har fått regjeringen til å offentliggjøre flere retningslinjer for utviklingen av bilindustrien og planla å ta i bruk 2,1 millioner elektriske motorsykler og 2200 enheter med elektriske biler i 2025. Dessuten regjeringen var også rettet mot Indonesia for å kunne produsere 2200 elektriske eller hybridbiler som er angitt i Republikken Indonesias presidentforskrift nr. 22 fra 2017 om National Energy General Plan. Denne forskriften har blitt brukt av forskjellige land som Frankrike, England, Norge og India. Energi- og mineraldepartementet har satt seg et mål om at fra og med 2040 er salg av forbrenningsmotorbiler (ICEV) forbudt, og publikum blir bedt om å bruke elektriske biler [12]. I 2019 utstedte regjeringen i Indonesia presidentforskrift nr. 55 av 2019 om akselerasjon av det batteribaserte programmet for elektriske motorvogner for veitransport. Denne innsatsen er et skritt for å overvinne to problemer, nemlig tømming av oljereserver og luftforurensning. Når det gjelder luftforurensning, har Indonesia forpliktet seg til å redusere 29% av karbondioksidutslipp innen 2030 som et resultat av klimakonferansen i Paris i 2015. I 2018 nådde penetrasjonen av tohjulede elektriske kjøretøyer bare 0,14% av regjeringens mål er 2025, mens for firehjulet elektrisitet nådde mer enn 45%. I desember 2017 var det minst mer enn 1300 offentlige elektriske ladestasjoner tilgjengelig på landsbasis i 24 byer, hvor 71% (924 påfyllingsstasjoner) ligger i DKI Jakarta [13]. Mange land har forsket på adopsjon av elektriske kjøretøyer, men i Indonesia har det ikke blitt forsket på nasjonal skala før. Det har vært mange typer forskning i noen land som har utført studier om adopsjon av ny teknologi ved å bruke flere metoder, for eksempel multipel lineær regresjon for å kjenne bruken av elektriske kjøretøyer i Malaysia [14], Structural Equation Modeling (SEM) for å vite adopsjon av batterier for elektriske kjøretøyer i Tianjin, Kina [15], undersøkende faktoranalyse og multivariat regresjonsmodell for å kjenne barrierer blant elbilførere i Storbritannia [16], og logistisk regresjon for å kjenne faktorene som påvirker opptaket av elektriske kjøretøyer i Beijing, Kina [17]. Formålet med denne forskningen er å utvikle en adopsjonsmodell for elektriske motorsykler i Indonesia, for å finne faktorene som påvirker intensjonen med å ta i bruk elektriske motorsykler i Indonesia, og å bestemme funksjonsmulighetene for adopsjon av elektriske motorsykler i Indonesia. Å modellere faktorene er viktig for å finne ut hvilke faktorer som påvirker intensjonen om å ta i bruk elektriske motorsykler i Indonesia. Disse innflytelsesrike faktorene kan brukes som en referanse for å formulere passende retningslinjer for å akselerere adopsjonen av elektriske motorsykler. Disse viktige faktorene er et bilde av de ideelle forholdene som potensielle el -motorsykkelbrukere i Indonesia ønsker. Noen departementer i Indonesia knyttet til utforming av retningslinjer for elektriske kjøretøyer er industridepartementet som behandler bilavgiftsregler basert på sine utslipp som omhandler direkte produsenter av elektriske kjøretøyer, Transportdepartementet som kjører gjennomførbarhetstesten av elektriske kjøretøyer som vil bane på motorveien, for eksempel batteritester og så videre, i tillegg til energidepartementet som er ansvarlig for å formulere tariffene til ladestasjoner for elbiler. Elektrisk kjøretøysinnovasjon oppmuntrer også til at nye forretningsenheter i forsyningskjeden fødes, inkludert technopreneurs og oppstart fra utviklere, leverandører, produsenter og distributører av elektriske kjøretøyprodukter / tjenester og deres derivater til markedet [24]. Elektriske motorsykkelentreprenører kan også utvikle teknologi og markedsføring ved å vurdere disse viktige faktorene for å støtte realiseringen av elektriske motorsykler i stedet for konvensjonelle motorsykler i Indonesia. Ordinær logistisk regresjon brukes for å oppnå funksjon og sannsynlighetsverdi for intensjonen om å adoptere elektriske motorsykler i Indonesia ved hjelp av SPSS 25 -programvare. Logistisk regresjon eller logit regresjon er en tilnærming for å lage prediktive modeller. Logistisk regresjon i statistikk som brukes til å forutsi sannsynligheten for at en hendelse oppstår ved å matche dataene i logitkurvens logistiske funksjon. Denne metoden er en generell lineær modell for binomial regresjon [18]. Logistisk regresjon har blitt brukt for å forutsi aksept av internett og mobilbankadopsjon [19], forutsi aksept av fotoadaptere i Nederland [20], forutsi aksept av telemonitoring systemteknologi for helse [21] og for å finne ut de tekniske hindringene som påvirker beslutningen om å vedta skytjenester [22]. Utami et al. [23] som tidligere forsket på forbrukernes oppfatning av elektriske kjøretøyer i Surakarta, fant at innkjøpspriser, modeller, kjøretøyytelse og infrastrukturberedskap var de største hindringene for folk som adopterte elbiler. METODE Dataene som samles inn i denne forskningen er primærdata innhentet gjennom online -undersøkelser for å finne ut muligheter og faktorer som påvirker intensjonen om å ta i bruk elektriske motorsykler i Indonesia. Spørreskjema og undersøkelse Den elektroniske undersøkelsen ble distribuert til 1223 respondenter i åtte provinser i Indonesia for å undersøke faktorene som påvirker intensjonen om å ta i bruk elektriske motorsykler i Indonesia. Disse utvalgte provinsene hadde mer enn 80% av motorsykkelsalget i Indonesia [2]: Vest -Java, Øst -Java, Jakarta, Sentral -Java, Nord -Sumatra, Vest -Sumatra, Yogyakarta, Sør -Sulawesi, Sør -Sumatra og Bali. Faktorene som er utforsket er vist i tabell 1. Generell kunnskap om elektriske motorsykler ble gitt i begynnelsen av spørreskjemaet ved å bruke video for å unngå misforståelser. Spørreskjemaet ble delt inn i fem seksjoner: screening seksjon, sosiodemografisk seksjon, økonomisk seksjon, teknologisk seksjon og makronivå seksjon. Spørreskjemaet ble presentert i en Likert -skala fra 1 til 5, hvor 1 for sterkt uenig, 2 for uenig, 3 for tvil, 4 for enig og 5 for sterkt enig. Bestemmelse av den minste prøvestørrelsen refererer til [25], uttalte at observasjonsstudier med store populasjonsstørrelser som involverer logistisk regresjon krever minimum utvalgsstørrelse på 500 for å få statistikk som representerer parametere. Klyngeprøvetaking eller arealprøvetaking med proporsjoner brukes i denne forskningen fordi bestanden av motorsykkelbrukere i Indonesia er veldig stor. Dessuten brukes målrettet prøvetaking for å bestemme prøver basert på visse kriterier [26]. Online undersøkelser utføres gjennom Facebook -annonser. Kvalifiserte respondenter er personer i alderen ≥ 17 år, som har SIM C, er en av beslutningstakerne for å bytte eller kjøpe en motorsykkel, og er hjemmehørende i en av provinsene i tabell 1. Teoretisk rammeverk She et al. [15] og Habich-Sobiegalla et al. [28] brukte rammer for en systematisk kategorisering av faktorer som driver eller hindrer bruk av elektrisk kjøretøy av forbrukere. Vi tilpasset disse rammene ved å endre det basert på vår analyse av elektrisk motorsykkellitteratur om forbrukeradopsjon av elektriske motorsykler. Vi har visualisert det i tabell 1.Tabell 1. Forklaring og referanse til faktorer og attributter Faktorkode Atrtibute Ref. SD1 Sivilstatus [27], [28] SD2 Alder SD3 Kjønn SD4 Siste utdannelse SD5 Yrke Sosiodemografisk SD6 Månedlig forbruksnivå SD7 Månedlig inntektsnivå SD8 Antall motorsykkel eierskap SD9 Frekvens for deling på sosiale medier SD10 Størrelse på nettbasert sosialt nettverk SD11 Miljøbevissthet Finansiell FI1 Kjøpspris [29] FI2 Batterikostnad [30] FI3 Ladekostnad [31] FI4 Vedlikeholdskostnader [32] Teknologisk TE1 Kilometertalskap [33] TE2 Strøm [33] TE3 Ladetid [33] TE4 Sikkerhet [34] TE5 Batterilevetid [35] ML1 på makronivå Tilgjengelighet for ladestasjoner på offentlige steder [36] Tilgjengelighet for ladestasjoner på jobb på ML2 [15] Tilgjengelighet for ladestasjoner hjemme [37] Tilgjengelighet for servicesteder på ML4 [38] ML5 Retningslinjer for kjøp [15] ML6 Årlig skatterabattpolitikk [15] ML7 Belastningskostnadsrabattpolicy [15] Adopsjonens intensjon IP Intensjon om bruk [15] Sosiodemografisk faktor Sosiodemografisk faktor er personlige faktorer som påvirker en persons oppførsel i beslutningsprosesser. Eccarius et al. [28] uttalte på adopsjonsmodellen at alder, kjønn, sivilstatus, utdanning, inntekt, yrke og kjøretøyer er viktige faktorer som påvirker adopsjonen av elbiler. HabichSoebigalla et al. Fremhever sosiale nettverksfaktorer som antall motorsykkeleierskap, hyppighet for deling på sosiale medier og størrelsen på det sosiale nettverket på nettet, som påvirker faktorene for bruk av elektriske biler [28]. Eccarius et al. [27] og HabichSobiegalla et al. [28] også ansett miljøbevissthet tilhører sosialdemografiske faktorer. Financial Factor Kjøpspris er den opprinnelige prisen på en elektrisk motorsykkel uten kjøpstilskudd. Sierzchula et al. [29] sa at den høye kjøpesummen for elbiler forårsaket av den høyeste batterikapasiteten. Batterikostnad er kostnaden for å bytte batteri når den gamle batterilevetiden er tom. Krause et al. undersøkt at batterikostnad er en økonomisk barriere for noen å adoptere et elektrisk kjøretøy [30]. Ladekostnad er strømkostnaden for å drive en elektrisk motorsykkel sammenlignet med bensinkostnaden [31]. Vedlikeholdskostnader er rutinemessige vedlikeholdskostnader for elektriske motorsykler, ikke reparasjoner på grunn av ulykker som påvirker bruk av elektriske biler [32]. Teknologisk faktor Kilometertal er den lengste avstanden etter at det elektriske motorsykkelbatteriet er fulladet. Zhang et al. [33] sa at kjøretøyets ytelse refererer til forbrukernes vurdering av elektriske kjøretøyer, inkludert kjørelengde, strøm, ladetid, sikkerhet og batterilevetid. Kraft er maksimal hastighet på en elektrisk motorsykkel. Ladetid er samlet tid for å lade en elektrisk motorsykkel fullstendig. Sikkerhetsfølelse når du kjører på en elektrisk motorsykkel relatert til lyd (dB) er faktorene som fremhever av Sovacool et al. [34] å være faktorer som påvirker forbrukernes oppfatning av elektriske kjøretøyer. Graham-Rowe et al. [35] sa at batterilevetiden anses å være forringet. Faktor på makronivå Infrastruktur for tilgjengelighet på ladestasjoner er noe som ikke kan unngås for elektrisk motorsykkeladopter. Ladetilgjengelighet på offentlige steder anses som viktig for å støtte bruk av elektriske biler [36]. Ladetilgjengelighet på jobben [15] og ladetilgjengelighet hjemme [37] trenger også forbrukere for å oppfylle batteriet til bilen sin. Krupa et al. [38] sa at tilgjengeligheten av servicesteder for rutinemessig vedlikehold og skade påvirker adopsjonen av elektriske kjøretøyer. Hun et al. [15] foreslo noen offentlige insentiver som er veldig ønsket av forbrukere i Tianjin, for eksempel å gi subsidier for kjøp av elektriske motorsykler, årlig avgiftsrabatt for elektriske motorsykler og belastning av kostnadsrabatter når forbrukerne må lade elektrisk motorsykkel på offentlige steder [15]. Ordinal logistisk regresjon Ordinal logistisk regresjon er en av de statistiske metodene som beskriver forholdet mellom en avhengig variabel med en eller flere uavhengige variabler, der den avhengige variabelen er mer enn 2 kategorier og måleskalaen er nivå eller ordinal [39]. Ligning 1 er en modell for ordinær logistisk regresjon og ligning 2 viser funksjonen g (x) som logit -ligning. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) RESULTATER OG DISKUSJON Spørreskjemaet ble distribuert online mars - april 2020, via betalte Facebook -annonser ved å angi filterområde: West Java, East Java, Jakarta, Central Java, North Sumatra, West Sumatra, Yogyakarta, South Sulawesi, South Sumatra og Bali som nådde 21.628 brukere. Totalt innkommende svar var 1 443 svar, men bare 1223 svar var kvalifisert for databehandling. Tabell 2 viser demografien til respondentene. Beskrivende statistikk Tabell 3 viser beskrivende statistikk for kvantitative variabler. Ladekostnadsrabatt, årlig skatterabatt og kjøpesumssubsidier har høyere gjennomsnitt blant andre faktorer. Dette illustrerer at de fleste respondentene mener at det er en politikk som regjeringens intensiv var i stand til å oppmuntre dem til å ta i bruk elektriske motorsykler. På økonomiske faktorer har kjøpesum og batterikostnad lavere gjennomsnitt blant andre faktorer. Dette illustrerer at kjøpesummen for en elektrisk motorsykkel og batterikostnad ikke passer med budsjettet til de fleste respondentene. De fleste respondentene syntes prisen på elektrisk motorsykkel var for dyr sammenlignet med prisen på en konvensjonell motorsykkel. Utskiftningskostnaden for batteriet hvert tredje år som når IDR 5.000.000 er også for dyrt for de fleste respondentene, slik at kjøpesum og batterikostnad er en barriere for indonesiske å ta i bruk elektriske motorsykler. Batterilevetid, strøm, ladetid har lav gjennomsnittlig poengsum i beskrivende statistikk, men gjennomsnittlig poengsum for disse tre faktorene er mer enn 4. Ladetid som tok tre timer var for lang for de fleste respondentene. Maksimal hastighet på en elektrisk motorsykkel er 70 km/t, og en 3-års batterilevetid oppfylles ikke respondentenes behov. Dette illustrerer at de fleste respondentene mener elektriske motorsykler med ytelse ikke er oppfylt sine standarder. Selv om respondentene ikke har fullt tillit til ytelsen til elektriske motorsykler, kan EM dekke deres daglige behov for mobilitet. Flere respondenter ga mer poengsum for ladetilgjengeligheten i sine hjem og kontorer enn på offentlige steder. Imidlertid er en barriere som ofte finnes at strøm til hjemmet fortsatt er under 1300 VA, noe som gjør at respondentene sterkt forventer at regjeringen kan hjelpe til med å tilby ladefasiliteter hjemme. Tilgjengeligheten av lading på kontoret er mer foretrukket enn på offentlige steder fordi mobiliteten til respondenter hver dag involverer hjem og kontor. Tabell 4 viser respondentenes svar på adopsjon av elektriske motorsykler. Det viser at 45 626% av respondentene har en sterk vilje til å bruke en elektrisk motorsykkel. Dette resultatet viser en lys fremtid for den elektriske motorsykkelens markedsandel. Tabell 4 viser også at nesten 55% av respondentene ikke har en sterk vilje til å bruke en elektrisk motorsykkel. De interessante resultatene fra denne beskrivende statistikken antyder at selv om entusiasmen for bruk av elektriske motorsykler fortsatt krever stimulering, er offentlig aksept av elektriske motorsykler god. En annen grunn som kan oppstå er at respondentene har en holdning til å vente og se adopsjonen av en elektrisk motorsykkel eller om noen andre bruker en elektrisk motorsykkel eller ikke. Ordinær logistisk regresjonsdata behandles og analyseres for å bestemme vedtakets intensjon for elektriske motorsykler i Indonesia ved hjelp av ordinær logistisk regresjon. Den avhengige variabelen i denne forskningen er viljen til å bruke en elektrisk motorsykkel (1: sterkt uvillig, 2: uvillig, 3: tvil, 4: villig, 5: sterkt villig). Ordinal logistisk regresjon ble valgt som metode i denne forskningen fordi den avhengige variabelen bruker ordinalskalaen. Data ble behandlet ved hjelp av SPSS 25 -programvare med et konfidensnivå på 95%. Multikollinearitetstester har blitt utført for å beregne variansinflasjonsfaktorer (VIF) med en gjennomsnittlig VIF på 1,15- 3,693, noe som betyr at det ikke er noen multikollinearitet i modellen. Hypotesen som brukes i ordinal logistisk regresjon er vist i tabell 5. Tabell 6 viser de delvise testresultatene som er grunnlaget for å avvise eller godta hypotesen for ordinær logistisk regresjon. Tabell 2. Respondenters demografi Demografisk element Freq% Demografisk element Freq% Bosted West Java 345 28,2% Yrkesstudent 175 14,3% East Java 162 13,2% Tjenestemenn 88 7,2% Jakarta 192 15,7% Privat ansatte 415 33,9% Central Java 242 19,8% Entreprenør 380 31,1% Nord-Sumatera 74 6,1% Andre 165 13,5% Yogyakarta 61 5,0% Sør-Sulawesi 36 2,9% Alder 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% Vest-Sumatera 26 2,1% 46-60 79 6,5% Sør Sumatera 51 4,2%> 60 3 0,2% Sivilstatus Single 370 30,3% Siste utdanningsnivå SMP/SMA/SMK 701 57,3% Gift 844 69,0% Diplom 127 10,4% Andre 9 0,7% Bachelor 316 25,8% Kjønn Mann 630 51,5% Master 68 5,6 % Kvinne 593 48,5% Doktorgrad 11 0,9% Månedlig inntektsnivå 0 154 12,6% Månedlig forbruksnivå <IDR 2.000.000 432 35.3% <IDR 2.000.000 226 18.5% IDR2.000.000-5.999.999940 6.3 52.3% IDR 2.000.000-5.999999550 45% IDR6.000.000- 9999999121 9,9% IDR 6,000,000-9,999,999 199 16,3% ≥ IDR 10.000.000 30 2,5% IDR10.000.000- 19.999.999 71 5,8% ≥ I DR 20.000.000 23 1,9% Tabell 3. Beskrivende statistikk for finans-, teknologi- og makronivå Variabel gjennomsnittlig rang Variabel Gjennomsnittlig rang ML7 (ladekostnadsskive.) 4.4563 1 ML3 (CS hjemme) 4.1554 9 ML6 (årlig skatteplate. ) 4.4301 2 ML2 (CS på arbeidsplasser) 4.1055 10 ML5 (kjøpsinsentiv) 4.4146 3 ML1 (CS på offentlige steder) 4.0965 11 TE4 (sikkerhet) 4.3181 4 TE5 (batterilevetid) 4.0924 12 FI3 (ladekostnad) 4.2518 5 TE2 (strøm ) 4.0597 13 TE1 (kjørelengde) 4.2396 6 TE3 (ladetid) 4.0303 14 ML4 (serviceplass) 4.2142 7 FI1 (kjøpskostnad) 3.8814 15 FI4 (vedlikeholdskostnad) 4.1980 8 FI2 (batterikostnad) 3.5045 16 Tabell 4. Beskrivende statistikk for Adopsjon Intensjon 1: sterkt uvillig 2: uvillig 3: tvil 4: villig 5: sterkt villig Villighet til å bruke elektrisk motorsykkel 0,327% 2,044% 15,863% 36,141% 45,626% Resultatene av logistisk regresjonsanalyse for variabler SD1 til og med SD11 som tilhører sosiodemografiske faktorer viser resultatene som bare frekvensen av deling på sosiale medier (SD9) og miljøhensyn (SD11) har en betydelig effekt på intensjonen med elektriske motorsykler i Indonesia. De betydelige verdiene for den kvalitative variabelen sivilstand er 0,622 for enslige og 0,801 for gift. Disse verdiene støtter ikke hypotese 1. Sivilstand påvirker ikke signifikant intensjonen om å ta en elektrisk motorsykkel fordi den betydelige verdien er mer enn 0,05. Den betydelige verdien for alder er 0,147, slik at alder ikke vesentlig påvirker intensjonen om å ta i bruk en elektrisk motorsykkel. Estimatverdien for -0.168 -alderen støtter ikke hypotese 2. Det negative tegnet betyr at jo høyere alder, desto lavere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for den kvalitative variabelen, kjønn, (0,385) støtter ikke hypotese 3. Kjønn påvirker ikke vesentlig intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for det siste utdanningsnivået (0.603) støtter ikke hypotese 4. Så den siste utdannelsen påvirker ikke signifikant intensjonen om å ta i bruk en elektrisk motorsykkel. Estimatverdien for det siste utdanningsnivået på 0,036 betyr at et positivt tegn betyr at jo høyere utdanningsnivå jo høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Den vesentlige verdien for okkupasjonens kvalitative variabel var 0,487 for studenter, 0,999 for embetsmenn, 0,600 for privat ansatte og 0,480 for gründere som ikke støtter hypotese 5. Yrke påvirker ikke intensjonen om å adoptere en elektrisk motorsykkel vesentlig. UTAMI ET AL. /TIDSSKRIFT OM OPTIMALISERING AV SYSTEMER I INDUSTRIER - VOL. 19 NR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tabel 5. Hypotese Hypotese Socio- H1: sivilstand har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Demo-H2: alder har en positiv signifikant effekt på intensjonen om å ta en elektrisk motorsykkel. grafisk H3: kjønn har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H4: siste utdanningsnivå har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H5: okkupasjon har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H6: Månedlig forbruk har en positiv signifikant effekt på intensjonen om å ta en elektrisk motorsykkel. H7: Månedlig inntektsnivå har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H8: Antall motorsykkel eierskap har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H9: frekvens for deling på sosiale medier har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H10: størrelsen på det sosiale nettverket på nettet har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H11: miljøbevissthet har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Finansiell H12: kjøpesum har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H13: batterikostnad har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H14: ladekostnadene har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H15: vedlikeholdskostnader har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H16: kjørelengde har en positiv signifikant effekt på intensjonen om å ta en elektrisk motorsykkel. H17: kraft har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Techno-H18: ladetid har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. logisk H19: sikkerhet har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H20: batterilevetiden har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H21: tilgjengelighet av ladestasjonsinfrastruktur på offentlige steder har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H22: tilgjengeligheten av ladestasjonsinfrastruktur på jobben har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Macrolevel H23: tilgjengeligheten av ladestasjonsinfrastruktur hjemme har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H24: tilgjengeligheten av tjenestesteder har en positiv signifikant effekt på intensjonen om å ta en elektrisk motorsykkel. H25: kjøpsinsentivpolitikk har en positiv signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H26: Årlig skatterabattpolitikk har en positiv betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. H27: rabatt på rabatterte kostnader har en betydelig betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Tabell 6. Logistisk regresjon Partielle testresultater Var Verdi Sig Var Verdi Sig SD1: enkel 0,349 0,622 TE1 0,166 0,069 SD1: gift 0,173 0,801 TE2 0,167 0,726 SD1: andre 0 TE3 0,240 0,161 SD2 -0,166 0,177 TE4 -0,005 0,013* SD3: mann 0,177 0,385 TE5 0,068 0,765 SD3: hunn 0 ML1 -0,127 0,022* SD5: studenter -0,195 0,487 ML2 0,309 0,000* SD5: siv. 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: andre 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 0.111 0.013* TE3 0.240 0.424 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* Signifikant ved 95% konfidensnivå Den betydelige verdien for det månedlige forbruksnivået (0,069) støtter ikke hypotese 6, det månedlige forbruksnivået påvirker ikke signifikant intensjonen om å ta i bruk en elektrisk motorsykkel. Estimatene for det månedlige forbruksnivået på 0,227, et positivt tegn betyr at jo høyere nivå de månedlige utgiftene er, desto høyere er intensjonen om å ta en elektrisk motorsykkel. Den betydelige verdien for det månedlige inntektsnivået (0,726) støtter ikke hypotese 7, det månedlige inntektsnivået påvirker ikke signifikant intensjonen om å ta i bruk en elektrisk motorsykkel. Anslagsverdien for det månedlige inntektsnivået er 0,032, positivt tegn betyr at jo høyere månedsinntekt jo høyere intensjon om å adoptere en elektrisk motorsykkel. Den betydelige verdien for antall motorsykkel eierskap (0.161) støtter ikke hypotese 8, antall motorsykkel eierskap påvirker ikke vesentlig intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for nivået på motorsykkel eierskap er 0,180, positivt tegn betyr at jo flere motorsykler som eies, desto høyere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for frekvensen av deling på sosiale medier (0,013) støtter hypotese 9, frekvensen av deling på sosiale medier har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel fordi den betydelige verdien er mindre enn 0,05. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NR. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Verdien av estimat for delingsfrekvens på sosiale medier er 0,111, positivt tegn betyr at jo høyere frekvens det er å dele noen på sosiale medier, desto større er sjansen for adopsjon av en elektrisk motorsykkel. Betydelig verdi for størrelsen på det sosiale nettverket på nettet (0,765) støtter ikke Hypotese 10, størrelsen på rekkevidden til det sosiale nettverket påvirker ikke signifikant intensjonen om å adoptere en motorsykkel. Verdien av estimatet for antall personer som nås i det sosiale nettverket er 0,016, positivt tegn betyr at jo større størrelsen på sosiale medienettverk er, desto høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for miljøbevissthetsnivået (0,022) støtter hypotese 11, nivået av miljøhensyn har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Estimatets verdi for miljøbevisstheten er 0,226, positivt tegn betyr at jo høyere miljøhensyn en person har, desto høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Resultatene av logistisk regresjonsanalyse for variablene FI1 til FI4 som tilhører finansielle faktorer viser resultatene at kjøpesummen (FI1) og vedlikeholdskostnadene (FI4) har en betydelig effekt på intensjonen til elektriske motorsykler i Indonesia. Den betydelige verdien for kjøpesummen (0,00) støtter Hypotese 12, kjøpesummen har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel.Verdien av estimatet for kjøpesummen er 0,348, positivt tegn betyr at jo mer hensiktsmessig kjøpesummen for en elektrisk motorsykkel for noen er, desto høyere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for batterikostnaden (0,355) støtter ikke hypotese 13, batterikostnaden påvirker ikke vesentlig intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for ladingskostnader (0,109) støtter ikke Hypotese 14, ladekostnadene har ingen vesentlig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for ladekostnaden er 0,136, positivt tegn betyr at jo mer hensiktsmessig kostnadene ved å lade en elektrisk motorsykkel for noen er, desto høyere er intensjonen om å vedta en elektrisk motorsykkel. Den betydelige verdien for vedlikeholdskostnader (0,017) støtter ikke hypotese 15, vedlikeholdskostnader har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for vedlikeholdskostnader er 0,193, positivt tegn betyr at jo mer hensiktsmessig kostnaden for vedlikehold av elektrisk motorsykkel for noen er, desto høyere er intensjonen om å vedta en elektrisk motorsykkel. Resultatene av den logistiske regresjonsanalysen for variablene TE1 til TE5, som tilhører teknologiske faktorer, viser resultatene at ladetid for batterier (TE3) har en betydelig effekt på vedtakets intensjon for elektriske motorsykler i Indonesia. Den betydelige verdien for kjørelengdeevne (0,107) støtter ikke hypotese 16, kjørelengdeegenskaper har ingen signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for en maksimal kjørelengde er 0,146, positivt tegn betyr at jo mer passende maksimal kjørelengde for en elektrisk motorsykkel for noen, desto høyere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for den uavhengige variabel effekten eller maksimal hastighet (0,052) støtter ikke hypotese 17, maksimal hastighet påvirker ikke vesentlig intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av esimate for effekt eller maksimal hastighet er 0,167, positivt tegn betyr at jo mer passende maksimalhastigheten til en elektrisk motorsykkel for en person er, desto høyere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for ladetid (0,004) støtter hypotese 18, ladetid har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den estimerte verdien for ladetid er 0,240, positivt tegn betyr at jo mer passende maksimal hastighet på en elektrisk motorsykkel for noen, desto høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for sikkerhet (0,962) støtter ikke hypotese 19, sikkerhet påvirker ikke signifikant intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for sikkerhet er -0.005, negativt tegn betyr at jo tryggere noen føler seg ved bruk av en elektrisk motorsykkel, desto lavere er intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for batterilevetid (0,424) støtter ikke hypotese 20, batterilevetiden har ingen signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for batterilevetid er 0,068, positivt tegn betyr at jo mer passende levetiden til et elektrisk motorsykkelbatteri er, desto høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Resultatene av logistisk regresjonsanalyse for variablene ML1 til ML7, som tilhører makronivåfaktorer, viser resultatene som bare ladetilgjengelighet på arbeidsplassen (ML2), ladingstilgjengelighet i boligen (ML3) og rabattpolitikk (ML7) som har betydelig innvirkning på vedtakelsen av elektriske motorsykler i Indonesia. Den betydelige verdien for ladingstilgjengelighet på offentlige steder (0,254) støtter ikke Hypotese 21, tilgjengelighet på lading på offentlige steder påvirker ikke vesentlig intensjonen om å ta i bruk elektrisk motorsykkel. Den betydelige verdien for ladetilgjengelighet på arbeidsplassen (0,007) støtter hypotese 22, tilgjengelighet for lading på arbeidsplassen har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for ladingstilgjengelighet i et hjem (0,009) støtter hypotese 22, tilgjengelighet for lading hjemme har en betydelig effekt på intensjonen om å adoptere en motorsykkel. Den betydelige verdien for tilgjengeligheten av servicesteder (0.181) støtter ikke Hypotese 24, tilgjengeligheten av servicesteder har ingen vesentlig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for kjøpsinsentivpolitikken (0,017) støtter hypotese 25, kjøpsincentivpolicy har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for den årlige skatterabattpolitikken (0,672) støtter ikke hypotese 26, årlig skatterabattpolitikk har ingen vesentlig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for rabattpolitikken for ladningskostnader (0,00) støtter hypotese 27, belønningskostnadsrabatten har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. I henhold til resultatet fra makronivåfaktor, kan adopsjon av elektrisk motorsykkel realiseres hvis ladestasjon på arbeidsplassen, ladestasjonen i boligen og rabattpolitikk for rabatter er klare for forbrukere. Totalt sett delingsfrekvensen på sosiale medier, nivået på miljøbevissthet, innkjøpspriser, vedlikeholdskostnader, maksimal hastighet på elektriske motorsykler, ladetid for batteri, tilgjengelighet av ladestasjonsinfrastruktur på jobb, tilgjengelighet av hjemmekraftbasert - ladeinfrastruktur, UTAMI ET AL. /TIDSSKRIFT OM OPTIMALISERING AV SYSTEMER I INDUSTRIER - VOL. 19 NR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 retningslinjer for kjøpsinsentiv og rabatt på rabatterte insentiver påvirker intensjonen om å ta i bruk elektriske kjøretøyer betydelig. Ligningsmodell og sannsynlighetsfunksjon Ligning 3 er en logit -ligning for valget av svaret "sterkt uvillig" til å adoptere en elektrisk motorsykkel.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Ligning 4 er en logit -ligning for valget av svaret “uvillig” til å adoptere en elektrisk motorsykkel.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Ligning 5 er en logit -ligning for valget av svaret “tvil” for å adoptere en elektrisk motorsykkel.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Ligning 6 er en logit -ligning for svaralternativet “villig” til å adoptere en elektrisk motorsykkel.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Sannsynlighetsfunksjoner for adopsjon intensjon elektriske motorsykler vist i ligning 7 til ligning 11. Ligning 7 er sannsynlighetsfunksjonen for valg av svaret “ sterkt uvillig ”til å adoptere en elektrisk motorsykkel. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Ligning 8 er sannsynlighetsfunksjonen for valg av svaret “uvillig” til å vedta en elektrisk motorsykkel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Ligning 9 er sannsynlighetsfunksjonen for valget av svaret “tvil” for å adoptere en elektrisk motorsykkel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Ligning 10 er sannsynlighetsfunksjonen for valget av svaret "villig" til å adoptere en elektrisk motorsykkel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Ligning 11 er sannsynlighetsfunksjonen for valg av svaret "sterkt villig" til å adoptere en elektrisk motorsykkel. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Adopsjon Intensjon Sannsynlighet Den ordinære logistiske regresjonsligningen da brukt på et utvalg av respondentenes svar. Tabell 8 viser egenskapene og svarene til prøven. Så sannsynligheten for å svare på hvert kriterium på den avhengige variabelen er beregnet ut fra ligning 7 - 11. Et utvalg av respondenter som har svarene som vist i tabell 7 har en sannsynlighet på 0,0013 for sterkt uvillige til å bruke elektrisk motorsykkel, en sannsynlighet på 0,0114 for uvillig til å bruke elektrisk motorsykkel, en sannsynlighet på 0,1788 for tvil om å bruke elektrisk motorsykkel, en sannsynlighet på 0,563 for å være villig til å bruke en elektrisk motorsykkel, og en sannsynlighet på 0,2455 for sterkt villig til å bruke en elektrisk motorsykkel. Sannsynligheten for bruk av elektrisk motorsykkel for 1223 respondenter ble også beregnet og gjennomsnittsverdien av sannsynligheten for svar på sterkt uvillig til å bruke elektrisk motorsykkel var 0,0031, uvillig til å bruke elektrisk motorsykkel var 0,0198, tvil om å bruke elektrisk motorsykkel var 0,1482, villig til å bruke en elektrisk motorsykkel var 0,3410, og sterkt villig til å bruke en elektrisk motorsykkel var 0,4880. Hvis sannsynligheten for villig og sterkt villig er totalisert, når sannsynligheten for at indonesere adopterer elektriske motorsykler 82,90%. Anbefalinger for næringslivet og beslutningstakere I den ordinære logistiske regresjonsanalysen er frekvensen av deling på sosiale medier en vesentlig faktor som påvirker intensjonen om å ta i bruk en elektrisk motorsykkel. Viktigheten av sosiale medier som en plattform for publikum for å få informasjon om elektriske motorsykler vil påvirke viljen til å ta i bruk elektriske motorsykler. Regjeringen og gründere kan prøve å utnytte denne ressursen, for eksempel kan gründere gjøre kampanjer gjennom bonuser eller takknemlighet til forbrukere som har kjøpt elektriske motorsykler og dele positive ting relatert til elektriske motorsykler på sine sosiale medier. Denne måten kan stimulere andre til å bli en ny bruker av en elektrisk motorsykkel. Regjeringen kan sosialisere eller introdusere elektriske motorsykler for publikum gjennom sosiale medier for å motivere offentlig skifting fra konvensjonell motorsykkel til elektrisk motorsykkel. Denne forskningen viser hvor stor innflytelse av makronivåfaktorer har på adopsjonen av elektriske motorsykler i Indonesia. I den ordinære logistiske regresjonsanalysen påvirker tilgjengeligheten av ladestasjonens infrastruktur på arbeidsplassen, tilgjengeligheten av ladestasjonens infrastruktur hjemme, innkjøpsincentivpolitikken og rabatten på ladekostnadene vesentlig intensjonen om å ta i bruk en elektrisk motorsykkel. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NR. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tabell 7. Eksempel Respondent Svar Variabel Svarskode Verdi Sivilstatus Gift X1b 2 Alder 31-45 X2 2 Kjønn Mann X3a 1 Siste utdanningsnivå Master X4 4 Yrke Privatansatte X5c 3 Månedlig forbruksnivå Rp2.000.000-5.999.999 X6 2 Månedlig inntektsnivå Rp. 6.000.000-9.999.999 X7 3 Antall motorsykkel eierskap ≥ 2 X8 3 Delingsfrekvens på sosiale medier Flere ganger/måned X9 4 Størrelsen på det sosiale nettverket online 100-500 mennesker X10 2 Miljøbevissthet 1 X11 1 Harga beli 3 X12 3 Batterikostnad 3 X13 3 Ladekostnad 3 X13 3 Vedlikeholdskostnader 5 X14 5 Kilometerstand 4 X15 4 Strøm 5 X16 5 Ladetid 4 X17 4 Sikkerhet 5 X18 5 Batterilevetid 4 X19 4 Ladestasjon tilgjengelig på offentlige steder 4 X20 4 Tilgjengelighet av ladestasjon på jobben 4 X21 4 Ladestasjonens tilgjengelighet hjemme 4 X22 4 Tilgjengelige servicesteder 2 X23 2 Innkjøpspolitikk for kjøp 5 X24 5 Årlig avgiftsrabatt 5 X25 5 Rabatt på rabatt på ladningskostnader 5 X26 5 Ladekostnad 5 X27 5 Vedlikeholdskostnader 3 X13 3 Kjørelengde evne 5 X14 5 Strøm 4 X15 4 Ladetid 5 X16 5 De fleste respondentene anser tilgjengeligheten av ladestasjonens infrastruktur hjemme, på arbeidsplasser og på offentlige steder vesentlig innflytelse på bruk av elektriske motorsykler. Regjeringen kan arrangere installasjon av ladestasjonsinfrastruktur på offentlige steder for å støtte adopsjon av elektriske motorsykler. Regjeringen kan også samarbeide med næringslivet for å innse dette. Når man bygger indikatorer på makronivå, foreslår denne forskningen flere insentivpolitiske alternativer. De viktigste insentivpolicyene i henhold til undersøkelsen er politikk for kjøpsinsentiv og belastning av rabatterte insentivpolicyer som regjeringen kan vurdere å støtte bruk av elektriske motorsykler i Indonesia. På økonomiske faktorer har kjøpesummen en betydelig effekt på intensjonen om å kjøpe en elektrisk motorsykkel. Dette er grunnen til at insentivet for kjøpstilskuddet også påvirker adopsjonens intensjon vesentlig. De billigere vedlikeholdskostnadene for elektriske motorsykler enn konvensjonelle motorsykler påvirker vesentlig adopsjonen om elektriske motorsykler. Derfor vil tilgjengeligheten av tjenester som dekker forbrukernes behov ytterligere oppmuntre til intensjonen om å vedta elektriske motorsykler fordi de fleste brukere ikke kjenner komponentene i elektriske motorsykler, så de trenger dyktige teknikere hvis det er noen skader. Ytelsen til elektriske motorsykler har dekket forbrukernes behov for å dekke deres daglige mobilitet. Maksimal hastighet på en elektrisk motorsykkel og ladetid er i stand til å oppfylle de standardene forbrukerne ønsker. Imidlertid vil bedre motorsykkelytelse som økt sikkerhet, batterilevetid og ytterligere kjørelengde sikkert øke intensjonen om å ta i bruk en elektrisk motorsykkel. I tillegg til å øke teknologiske investeringer, må regjeringen og bedriftene også forbedre sikkerhets- og pålitelighetsvurderingssystemet for elektriske motorsykler for å øke offentlig tillit. For bedrifter er det å fremme kvalitet og ytelse en av de mest effektive måtene å øke forbrukernes entusiasme for elektriske motorsykler. Forbrukere som er yngre og har et høyere utdanningsnivå, kan som tidlig adoptere bli målrettet mot å bli påvirkninger fordi de allerede har en mer optimistisk holdning og har et bredt nettverk. Marksegmentering kan oppnås ved å lansere spesifikke modeller for målrettede forbrukere. I tillegg var det mer sannsynlig at respondenter med høyere miljøbevissthet ville ta i bruk motorsykler. UTAMI ET AL. /TIDSSKRIFT OM OPTIMALISERING AV SYSTEMER I INDUSTRIER - VOL. 19 NR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 79 KONKLUSJONER Overgangen fra konvensjonelle motorsykler til elektriske motorsykler kan være den beste løsningen for å overvinne problemet med høye CO2 -nivåer i Indonesia. Den indonesiske regjeringen innså også og har gått inn ved å fastsette ulike retningslinjer for elektriske kjøretøyer i Indonesia. Men i virkeligheten er adopsjonen av elektriske kjøretøyer i Indonesia fortsatt på et veldig tidlig stadium, selv langt fra målene som regjeringen har satt. Miljøet støtter ikke bruk av elektriske motorsykler, for eksempel ikke mer detaljerte forskrifter og mangel på støtteinfrastruktur som forårsaker lav bruk av elektriske kjøretøyer i Indonesia. Denne undersøkelsen undersøkte 1223 respondenter fra 10 provinser som totalt hadde 80% av den totale motorsykkeldistribusjonen i Indonesia for å undersøke viktige faktorer som påvirker intensjonene med å ta i bruk elektriske motorsykler i Indonesia og finne ut sannsynlighetsfunksjonene. Selv om flertallet av respondententusiaster om elektriske motorsykler og ønsker å eie en elektrisk motorsykkel i fremtiden, er interessen for å ta i bruk en elektrisk motorsykkel i dag relativt lav. Respondentene ønsker ikke å bruke elektriske motorsykler for øyeblikket på grunn av forskjellige årsaker som mangel på infrastruktur og retningslinjer. Mange respondenter har den holdningen å vente og se mot adopsjon av elektriske motorsykler, med økonomiske faktorer, teknologiske faktorer og makronivåer som må følge forbrukernes krav. Denne forskningen viser hvor stor hyppigheten av deling på sosiale medier, nivået på miljøbevissthet, innkjøpspriser, vedlikeholdskostnader, maksimal hastighet på elektriske motorsykler, batteriladetid, tilgjengelighet av ladestasjonsinfrastruktur på jobben, tilgjengelighet av ladeinfrastruktur hjemme, retningslinjer for kjøpsincitament og retningslinjer for belastning av rabatterte insentiver er til støtte for adopsjon av elektriske motorsykler i Indonesia. Regjeringen må støtte tilbudet om ladestasjonsinfrastruktur og politikk for å stimulere vedtakelsen av elektriske motorsykler i Indonesia. Teknologiske faktorer som kjørelengde og batterilevetid må vurderes av produsentene for å bli forbedret for å støtte bruk av elektriske motorsykler. Finansielle faktorer som innkjøpspriser og batterikostnader må bekymre bedrifter og myndigheter. Maksimal bruk av sosiale nettverk bør tas for å introdusere en elektrisk motorsykkel for samfunnet. Lokalsamfunn i ung alder kan markedsføre så tidlig som adoptere fordi de har et bredt nettverk for sosiale medier. Realiseringen av adopsjonen av elektriske motorsykler i Indonesia krever infrastrukturberedskap og kostnader som kan godtas av forbrukere. Dette har vært i stand til å bli implementert av regjeringen gjennom sterke statlige forpliktelser i flere land som har lyktes med å bytte ut konvensjonelle kjøretøy. Videre forskning vil fokusere på å finne passende retningslinjer for å akselerere adopsjonen av elektriske motorsykler i Indonesia. REFERANSER [1] Indonesia. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Online]. Tilgjengelig: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Innenriks distribusjon og eksportstatistikk, 2020. [Online]. https://www.aisi.or.id/statistic. [Tilgang: mars. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina og R. Siregar, "Elektriske kjøretøyer i Indonesia: veien mot bærekraftig transport", Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto og M. Nizam, "Kommersialiseringsmodell for ny teknologi litiumionbatteri: En casestudie for smart elektrisk kjøretøy", Proceedings of the 2013 Joint International Conference on Rural Information and Communication Technology and Electric-Vehicle Technology, rICT and ICEV -T 2013, 6741511.https: //doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini og V. Bosetti, “Going electric: Expert survey on the future of battery technologies for electric vehicles. In Innovation under Uncertainty, ”i Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz og MK Patel,“ On the electrification of road transport– en gjennomgang av de miljømessige, økonomiske og sosiale ytelsene til elektriske tohjulinger, ”Transportation Research Part D: Transport and Environment, vol. 41, s. 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, og R. Zakaria, "Markov Chain Analysis to Indentify the Market Share Prediction of New Technology: A Case Study of Electric Conversion Motorcycle in Surakarta, Indonesia", AIP Conference Proceedings, vol. 2217 (1), s. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo og EA Kadir, “An Indonesian Standard of Lithium-ion Battery Cell Ferro Phosphate for Electric Vehicle Alications”, TELKOMNIKA Indonesian Journal of Electrical Engineering, vol. 15 (2), s. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy og ABMulyono, "Design rammeverk for standardisering og testing av krav til batteristyringssystem for bruk av elektriske kjøretøyer", Fortsettelse - 4. Internasjonal konferanse om elektrisk kjøretøyteknologi, s. 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", Proceed - 2018 5th International Conference on Electric Vehicular Technology, vol. 8628367, s. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Stop Mobil Berbahan Bakar Minyak, 2017. [Online]. gaikindo.or.id. [Tilgang: mars. 20, 2020]. [13] S. Goldenberg, ”Indonesia for å kutte karbonutslipp med 29% innen 2030 ″, The Guardian, 2015. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NR. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang og HA Bekhet, ”Modeling Electric Vehicle Usage Intentions: An Empirical Study in Malaysia,” Journal of Cleaner Production, vol. 92, s. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma og BC Xie, “Hva er barrierer for utbredt bruk av batterier med elektriske kjøretøyer? En undersøkelse av offentlig oppfatning i Tianjin, Kina, ”Journal of Transport Policy, vol. 56, s. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis og A. Jones, "Analyse av batteriets elektriske kjøretøyer: En undersøkelse av barrierer blant sjåfører i Storbritannia," Transport Research Part D: Transport and Environment, vol. 63, s. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge og C. Shao, "Undersøkelse av faktorene som påvirker opptaket av elektriske kjøretøyer i Beijing, Kina: Statistical and Spatial Perspectives," Journal of Cleaner Production, vol. 213, s. 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analysis Multivariat Terapan dengan Program SPSS, AMOS, and SMARTPLS (2nd Ed). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, “Forbrukeradopsjon versus avvisningsbeslutninger i tilsynelatende lignende tjenesteinnovasjoner: The case of the Internet and mobile banking”, Journal of Business Research, vol. 69 (7), s. 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur og R. Kemp, "The adoption of PV in the Netherlands: A statistical analysis of adoption factors", Renewable and Sustainable Energy Reviews, vol. 41, s. 483–494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil og J. Emparanza, "Using a Modified Technology Acceptance Model to Evaluate Healthcare Professionals 'Adoption of a New Telemonitoring System", Telemedicine and e-Health, vol. 18 (1), s. 54–59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer og P. Abrahamsson, "En undersøkelse om store tekniske barrierer som påvirker beslutningen om å ta i bruk skytjenester", Journal of Systems and Software, vol. 103, s. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto og W. Sutopo, “Consumer Perception Analysis of Electric Car Vehicle in Indonesia”, AIP Conference Proceedings (Vol. 2217, No. 1, s. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo og 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, s. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at og TM Bakar, "Retningslinjer for utvalgsstørrelser for logistisk regresjon fra observasjonsstudier med stor befolkning: vekt på nøyaktigheten mellom statistikk og parametere basert på virkelige kliniske data", The Malaysian journal of medisinsk vitenskap: MJMS, vol. 25 (4), s. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab og A. Jam'an, “Metodologi Penelitian Bisnis”, Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius og CC Lu, ”Drevne tohjulinger for bærekraftig mobilitet: En gjennomgang av forbrukeradopsjon av elektriske motorsykler ”, International Journal of Sustainable Transportation, vol. 15 (3), s. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka og N. Anzinger, "Intensjon for kjøp av elektriske kjøretøyer til kinesiske, russiske og brasilianske borgere: En internasjonal sammenlignende studie", Journal of cleaner production, vol. 205, s. 188-200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat og B. Van Wee, "Innflytelsen fra økonomiske insentiver og andre sosioøkonomiske faktorer på adopsjon av elektriske kjøretøyer", Energy Policy, vol. 68, s. 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane og JD Graham, "Perception and reality: public kunnskap om plug-in elektriske kjøretøyer i 21 amerikanske byer", Energy Policy, vol. 63, s. 433–440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony og B. Caulfield, "Hvordan skal barrierer for alternative drivstoff og kjøretøyer klassifiseres og potensiell politikk for å fremme innovativ teknologi evalueres?", Journal of Cleaner Production, vol. 35, s. 140–151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue og S. Long, "Barrierer for utbredt adopsjon av elektriske kjøretøyer: en analyse av forbrukernes holdninger og oppfatninger", Journal of Energy Policy, vol. 48, s. 717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan og YM Wei, "The impact of government policy on preference for NEVs: the evidence from China", Energy Policy, vol. 61, s. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool og RF Hirsh, "Beyond batterier: en undersøkelse av fordelene og barrierer for plug-in hybrid elektriske kjøretøyer (PHEV) og en kjøretøy-til-nett (V2G) overgang", Energy Policy, vol. 37, s. 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 og J. Stannard, "Vanlige forbrukere som driver plug-in batteri-elektriske og plugin hybrid elektriske biler: en kvalitativ analyse av svar og evalueringer ”, Transp. Res. Del A: Policy Pract., Vol. 46, s. 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi og SL Mabit, "Vanlige forbrukere som driver plug-in batteri-elektriske og plugin-hybrid-elbiler: en kvalitativ analyse av svar og evalueringer", Transp. Res. Del D: Transp. Environ., Vol. 25, s. 24–32, 2013. [Online]. Tilgjengelig: ScienceDirect. [37] ND Caperello og KS Kurani, "Husholdningenes historier om deres møter med et plugin -hybrid -elektrisk kjøretøy", Environ. Behav., Vol. 44, s. 493–508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju og CE Warrender, "Husholdningenes historier om deres møter med et plugin hybrid elektrisk kjøretøy", Analyse av en forbrukerundersøkelse om UTAMI ET AL. /TIDSSKRIFT OM OPTIMALISERING AV SYSTEMER I INDUSTRIER - VOL. 19 NR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 81 plug-in hybrid elektriske biler. Transp. Res. Del A: Policy Pract., Vol. 64, s. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer og S. Lemeshow, “Applied Logistic Regression. Second Edition ”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENKLATUR j avhengige variabelkategorier (j = 1, 2, 3, 4, 5) k uavhengige variabelkategorier (k = 1, 2, 3, ..., m) i kvalitative uavhengige variabelkategorier n rekkefølge av respondenter β0j fanger opp hvert svar av avhengige variabel Xk kvantitativ uavhengig variabel Xik kvanlitativ uavhengig variabel Y avhengig variabel Pj (Xn) muligheten for hver kategori av uavhengig variabel for hver respondent FORFATTERE BIOGRAFI Martha Widhi Dela Utami Martha Widhi Dela Utami er en bachelorstudent ved Industrial Engineering Department of Universitas Sebelas Maret. Hun tilhører Logistics and Business System Laboratory. Hennes forskningsinteresser er logistikk og supply chain management og markedsundersøkelser. Hun publiserte sin første publikasjon om forbrukeroppfattelsesanalyse av elbil i Indonesia i 2019. Yuniaristanto Yuniaristanto er foreleser og forsker ved Institutt for industriell ingeniørfag, Universitas Sebelas Maret. Hans forskningsinteresser er forsyningskjede, simuleringsmodellering, ytelsesmåling og teknologikommersialisering. Han har publikasjoner som er indeksert av Scopus, 41 artikler med 4 H-indeks. E -posten hans er yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, er utdannet ingeniørprofessor (Ir) fra Study Program of Professional Engineer - Universitas Sebelas Maret (UNS) i 2019. Han tok doktorgraden innen industriell ingeniørfag og ledelse fra Institut Teknologi Bandung (ITB) kl. 2011, Master of Science in Management fra Universitas Indonesia i 2004 og Bachelor of Engineering in Industrial Engineering fra ITB i 1999. Hans forskningsinteresser er forsyningskjede, ingeniørøkonomi og kostnadsanalyse og teknologikommersialisering. Han fikk mer enn 30 forskningsstipend. Han har publikasjoner som indekseres av Scopus, 117 artikler med 7 H-indeks. E -posten hans er wahyudisutopo@staff.uns.ac.id.Resultatene av den logistiske regresjonsanalysen for variablene TE1 til TE5, som tilhører teknologiske faktorer, viser resultatene at ladetid for batterier (TE3) har en betydelig effekt på vedtakets intensjon for elektriske motorsykler i Indonesia. Den betydelige verdien for kjørelengdeevne (0,107) støtter ikke hypotese 16, kjørelengdeegenskaper har ingen signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for en maksimal kjørelengde er 0,146, positivt tegn betyr at jo mer passende maksimal kjørelengde for en elektrisk motorsykkel for noen, desto høyere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for den uavhengige variabel effekten eller maksimal hastighet (0,052) støtter ikke hypotese 17, maksimal hastighet påvirker ikke vesentlig intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av esimate for effekt eller maksimal hastighet er 0,167, positivt tegn betyr at jo mer passende maksimalhastigheten til en elektrisk motorsykkel for en person er, desto høyere er intensjonen om å adoptere en elektrisk motorsykkel. Den betydelige verdien for ladetid (0,004) støtter hypotese 18, ladetid har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den estimerte verdien for ladetid er 0,240, positivt tegn betyr at jo mer passende maksimal hastighet på en elektrisk motorsykkel for noen, desto høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for sikkerhet (0,962) støtter ikke hypotese 19, sikkerhet påvirker ikke signifikant intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for sikkerhet er -0.005, negativt tegn betyr at jo tryggere noen føler seg ved bruk av en elektrisk motorsykkel, desto lavere er intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for batterilevetid (0,424) støtter ikke hypotese 20, batterilevetiden har ingen signifikant effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Verdien av estimatet for batterilevetid er 0,068, positivt tegn betyr at jo mer passende levetiden til et elektrisk motorsykkelbatteri er, desto høyere er intensjonen om å ta i bruk en elektrisk motorsykkel. Resultatene av logistisk regresjonsanalyse for variablene ML1 til ML7, som tilhører makronivåfaktorer, viser resultatene som bare ladetilgjengelighet på arbeidsplassen (ML2), ladingstilgjengelighet i boligen (ML3) og rabattpolitikk (ML7) som har betydelig innvirkning på vedtakelsen av elektriske motorsykler i Indonesia. Den betydelige verdien for ladingstilgjengelighet på offentlige steder (0,254) støtter ikke Hypotese 21, tilgjengelighet på lading på offentlige steder påvirker ikke vesentlig intensjonen om å ta i bruk elektrisk motorsykkel. Den betydelige verdien for ladetilgjengelighet på arbeidsplassen (0,007) støtter hypotese 22, tilgjengelighet for lading på arbeidsplassen har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for ladingstilgjengelighet i et hjem (0,009) støtter hypotese 22, tilgjengelighet for lading hjemme har en betydelig effekt på intensjonen om å adoptere en motorsykkel. Den betydelige verdien for tilgjengeligheten av servicesteder (0.181) støtter ikke Hypotese 24, tilgjengeligheten av servicesteder har ingen vesentlig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for kjøpsinsentivpolitikken (0,017) støtter hypotese 25, kjøpsincentivpolicy har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for den årlige skatterabattpolitikken (0,672) støtter ikke hypotese 26, årlig skatterabattpolitikk har ingen vesentlig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. Den betydelige verdien for rabattpolitikken for ladningskostnader (0,00) støtter hypotese 27, belønningskostnadsrabatten har en betydelig effekt på intensjonen om å ta i bruk en elektrisk motorsykkel. I henhold til resultatet fra makronivåfaktor, kan adopsjon av elektrisk motorsykkel realiseres hvis ladestasjon på arbeidsplassen, ladestasjonen i boligen og rabattpolitikk for rabatter er klare for forbrukere. Totalt sett delingsfrekvensen på sosiale medier, nivået på miljøbevissthet, innkjøpspriser, vedlikeholdskostnader, maksimal hastighet på elektriske motorsykler, ladetid for batteri, tilgjengelighet av ladestasjonsinfrastruktur på jobb, tilgjengelighet av hjemmekraftbasert - ladeinfrastruktur, UTAMI ET AL. /TIDSSKRIFT OM OPTIMALISERING AV SYSTEMER I INDUSTRIER - VOL. 19 NR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 retningslinjer for kjøpsinsentiv og rabatt på rabatterte insentiver påvirker intensjonen om å ta i bruk elektriske kjøretøyer betydelig. Ligningsmodell og sannsynlighetsfunksjon Ligning 3 er en logit -ligning for valget av svaret "sterkt uvillig" til å adoptere en elektrisk motorsykkel.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Ligning 4 er en logit -ligning for valget av svaret “uvillig” til å adoptere en elektrisk motorsykkel.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Ligning 5 er en logit -ligning for valget av svaret “tvil” for å adoptere en elektrisk motorsykkel.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Ligning 6 er en logit -ligning for svaralternativet “villig” til å adoptere en elektrisk motorsykkel.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Sannsynlighetsfunksjoner for adopsjon intensjon elektriske motorsykler vist i ligning 7 til ligning 11. Ligning 7 er sannsynlighetsfunksjonen for valg av svaret “ sterkt uvillig ”til å adoptere en elektrisk motorsykkel. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Ligning 8 er sannsynlighetsfunksjonen for valg av svaret “uvillig” til å vedta en elektrisk motorsykkel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Ligning 9 er sannsynlighetsfunksjonen for valget av svaret “tvil” for å adoptere en elektrisk motorsykkel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Ligning 10 er sannsynlighetsfunksjonen for valget av svaret "villig" til å adoptere en elektrisk motorsykkel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |)