La registaro de Indonezio celis la adopton de 2,1 milionoj da unuoj de du-radaj elektraj aŭtomobiloj kaj 2200-unuoj de kvarrataj elektraj aŭtomobiloj en 2025 per la Prezidenta Reglamento n-ro 22 de la Respubliko Indonezio en 2017 pri la Nacia Energia Plano. En 2019, la Registaro de Indonezio eldonis Prezidentan Reglamenton n-ron 55 en 2019 pri Akcelado de la Programo pri Elektra Veturilo de Baterio por Voja Transportado. En 2018, la alpreno de du-radaj elektraj veturiloj atingis nur 0,14% de la registara celo por 2025. Sekve, la alpreno de elektra motorciklo (EM) teknologio devas ankaŭ konsideri multajn faktorojn sukcesaj. Ĉi tiu esplorado disvolvas ne-kondutan elektan aŭtomobilan intencan modelon. La faktoroj inkluzivas sociodemografian, financan, teknologian kaj makronivelan. La reta enketo partoprenis 1.223 respondantojn. Loĝistika regreso estas uzata por akiri la funkcion kaj probablan valoron de intenco adopti EM en Indonezio. Ofteco de dividado en sociaj retoj, nivelo de media konscio, aĉetaj prezoj, prizorgaj kostoj, maksimuma rapideco, bateria ŝarga tempo, havebleco de ŝarga stacio-infrastrukturo ĉe laboro, havebleco de hejma potenco bazita - ŝarga infrastrukturo, aĉetaj instigaj politikoj, kaj ŝarganta kostan rabaton instigaj politikoj grave influas la intencon adopti elektrajn veturilojn. Ĝi ankaŭ montras, ke la ŝanco por indonezianoj adopti elektrajn motorciklojn atingas 82,90%. La realigo de la adopto de elektraj motorcikloj en Indonezio postulas infrastrukturan pretecon kaj kostojn, kiuj povas esti akceptitaj de konsumantoj. Laste, la rezultoj de ĉi tiu esplorado donas iujn sugestojn por la registaro kaj entreprenoj akceli elekton de motorciklaj adoptoj en Indonezio.

ENKONDUKO

La ekonomia sektoro en Indonezio (transportado, elektroproduktado kaj hejmoj) plejparte uzas fosiliajn brulaĵojn. Iuj el la negativaj efikoj de la alta dependeco de fosiliaj brulaĵoj estas la pliigita asigno por brulaĵoj, energiaj daŭripovaj problemoj kaj altaj niveloj de CO2-emisioj. Transportado estas ĉefa sektoro, kiu kontribuas al altaj niveloj de CO2 en la aero pro la multaj uzoj de fosiliaj brulaĵoj. Ĉi tiu esplorado fokusiĝas al motorcikloj, ĉar Indonezio, kiel evoluanta lando, havas pli da motorcikloj ol aŭtoj. La nombro de motorcikloj en Indonezio atingis 120.101.047 ekzemplerojn en 2018 [1] kaj vendoj de motorcikloj atingis 6.487.460 ekzemplerojn en 2019 [2]. Ŝanĝi la transportan sektoron al alternativaj energifontoj povas redukti altajn CO2-nivelojn. La realisma solvo por ĉi tiu problemo estas efektivigi verdan loĝistikon per penetro de elektraj aŭtomobiloj en Indonezio kiel ekzemple hibridaj elektraj veturiloj, enmetaj hibridaj elektraj veturiloj kaj bateriaj elektraj veturiloj [3]. Novigado de elektroveturila teknologio kaj noviga bateria teknologio povas provizi transportajn solvojn, kiuj estas ekologiaj, energi-efikaj, kaj malpli altaj operaciaj kaj prizorgaj kostoj [4]. Elektraj veturiloj estas multaj diskutitaj de landoj en la mondo. En la tutmonda elektra veturila komerco, estis signifa venda kresko por du-radaj elektraj motorcikloj, kiu atingis 58% aŭ ĉirkaŭ 1,2 milionojn da unuoj de 2016 ĝis 2017. Ĉi tiu venda kresko indikas bonan respondon de landoj en la mondo pri la disvolviĝo de elektraj motoroj. motorcikla teknologio, kiu iam elektraj motorcikloj atendis anstataŭigi fosiliajn veturilojn. La esplorobjekto estas Elektra Motorciklo (EM) kiu konsistas el Nova Projektado de Elektra Motorciklo (NDEM) kaj Transformita Elektra Motorciklo (CEM). La unua tipo, la Nova Dezajno de Elektra Motorciklo (NDEM), estas veturilo projektita de la kompanio, kiu uzas elektran teknologion por siaj operacioj. Iuj landoj en la mondo kiel Aŭstralio, Germanio, Anglujo, Francio, Japanio, Tajvano, Sud-Koreio kaj Ĉinio jam uzis elektrajn motorciklojn kiel anstataŭan produkton por motorciklaj veturiloj kun fosiliaj fueloj [5]. Unu marko de elektraj motorcikloj estas Nula Motorciklo, kiu fabrikas sportajn elektrajn motorciklojn [6]. PT. Gesits Technologies Indo ankaŭ produktis du-radajn elektrajn motorciklojn sub la marko Gesits. La dua tipo estas CEM. Transformita elektra motorciklo estas olefuelita motorciklo, kie la motoraj kaj motoraj partoj anstataŭigitaj per litiaj ferofosfatoj (LFP) kuirilaroj kiel energifonto. Kvankam multaj landoj produktas elektran motorciklon, neniu kreis la veturilon per konvertaj teknikoj. Konvertiĝo povas esti farita per du-radaj motorcikloj, kiujn ne plu uzas ĝiaj uzantoj. Universitas Sebelas Maret estas pioniro en fabrikado de CEM kaj teknike pruvas, ke baterioj de Litio-Jono povas anstataŭigi fosiliajn energifontojn sur konvenciaj motorcikloj. CEM uzas LFP-teknologion, ĉi tiu baterio ne eksplodas kiam okazas mallonga cirkvito. Krom tio, la LFP-baterio havas longan uzan vivon ĝis 3000 uzokikloj kaj pli longan ol nunaj komercaj EM-baterioj (kiel Litio-Jona Baterio kaj LiPo-Baterio). CEM povas veturi 55 km / ŝarĝi kaj havi maksimuman rapidon ĝis 70 km / horo [7]. Jodinesa, kaj aliaj. [8] ekzamenis la merkatan kotizon de konverteblaj elektraj motorcikloj en Surakarta, Indonezio kaj rezultis, ke la homoj de Surakarta respondis pozitive al la CEM. El la supra klarigo videblas, ke la ŝanco por elektraj motorcikloj estas grandega. Pluraj studoj pri normoj rilataj al elektraj veturiloj kaj kuirilaroj estis disvolvitaj, kiel la normo pri baterio de litia jono fare de Sutopo et al. [9], la bateria estrosistemnormo de Rahmawatie et al. [10], kaj elektraj aŭtomobilaj ŝargaj normoj de Sutopo et al. [11]. La malrapida rapideco de elektado de elektraj aŭtomobiloj en Indonezio instigis la registaron publikigi plurajn politikojn por la disvolviĝo de la aŭtindustrio kaj planis celi la adopton de 2,1 milionoj da elektraj motorcikloj kaj 2200 ekzempleroj de elektraj aŭtoj en 2025. Cetere, la registaro ankaŭ celis Indonezion povi produkti 2200 elektrajn aŭ hibridajn aŭtojn, kiuj estas en la Respubliko de Indonezia Prezidenta Reglamento n-ro 22 de 2017 pri la Nacia Energia Plano. Ĉi tiu regularo estis aplikita de diversaj landoj kiel Francio, Anglujo, Norvegio kaj Barato. La Ministerio pri Energio kaj Mineralaj Rimedoj celis, ke ekde 2040, vendoj de Veturiloj de Interna Brulado (ICEV) estas malpermesitaj kaj la publiko petas uzi elektrajn veturilojn [12]. En 2019 la Registaro de Indonezio eldonis Prezidentan Reglamenton n-ro 55 de 2019 pri Akcelado de la Programo de Elektra Motora Veturilo Bateria por Voja Transportado. Ĉi tiu klopodo estas paŝo por superi du problemojn, nome malplenigo de mazuelaj rezervoj kaj aerpoluado. Pri aerpoluado, Indonezio decidis redukti 29% de karbonaj dioksidaj emisioj ĝis 2030 kiel rezulto de la Pariza Klimata Ŝanĝokonferenco okazinta en 2015. En 2018, la penetro de du-radaj elektraj aŭtomobiloj atingis nur 0,14% de la celo de la registaro. 2025, dum por kvarrada elektro atingis pli ol 45%. En decembro 2017, estis almenaŭ pli ol 1 300 publikaj elektraj ŝargaj stacioj haveblaj tutlande en 24 urboj, en kiuj 71% (924 replenigaj stacioj) situas en DKI Ĝakarto [13]. Multaj landoj esploris pri adopto de elektra veturilo, sed en Indonezio oni ne faris naciskalajn esplorojn antaŭe. Estis multaj specoj de esploroj en iuj landoj, kiuj faris studojn pri la adopto de novaj teknologioj uzante plurajn metodojn kiel multoblan linian regreson por scii elektroveturilan uzintencon en Malajzio [14], Structural Equation Modeling (SEM) por scii adopton. de la baroj de bateriaj elektraj veturiloj en Tianjin, Ĉinio [15], esplorada faktoranalizo & multvaria regresa modelo por scii barojn inter elektraj aŭtomobilaj ŝoforoj en Britio [16], kaj loĝistika regreso por scii la faktorojn influantajn la konsumadon de elektraj aŭtomobiloj en Pekino, Ĉinio [17]. La celoj de ĉi tiu esplorado estas disvolvi adoptan modelon por elektraj motorcikloj en Indonezio, trovi la faktorojn, kiuj influas la intencojn adopti elektrajn motorciklojn en Indonezio, kaj determini la funkciojn por adopti elektrajn motorciklojn en Indonezio. Modeligi la faktorojn gravas por ekscii, kiuj faktoroj influas la intencon adopti elektrajn motorciklojn en Indonezio. Ĉi tiuj influaj faktoroj povas esti uzataj kiel referenco por formi taŭgajn politikojn por akceli la adopton de elektraj motorcikloj. Ĉi tiuj signifaj faktoroj estas bildo de la idealaj kondiĉoj dezirataj de eblaj elektraj motorciklaj uzantoj en Indonezio. Iuj ministerioj en Indonezio rilataj al la formulado de politikoj pri elektraj aŭtomobiloj estas la Industria Ministerio, kiu traktas regulojn pri impostaj veturiloj bazitaj sur siaj emisioj, kiuj traktas rekte kun fabrikantoj de elektraj aŭtomobiloj, la Ministerio pri Transportado, kiu faras la realigeblan teston de elektraj aŭtomobiloj, kiuj faros pavimi sur la ŝoseo kiel testoj pri baterioj kaj tiel plu, kaj ankaŭ pri la Ministerio pri Energio kaj Mineralaj Rimedoj, kiu respondecas formi la tarifojn de Elektroveturila Ŝarga Stacio al la infrastrukturo de entreprenoj pri ŝargado de elektraj aŭtomobiloj. Novigado de elektra veturilo ankaŭ instigas la naskiĝon de novaj komercaj entoj en la provizoĉeno inkluzive de teknoprenantoj kaj noventreprenoj de programistoj, provizantoj, fabrikantoj kaj distribuantoj de elektraj aŭtomobilaj produktoj / servoj kaj iliaj derivaĵoj al la merkato [24]. Entreprenistoj pri elektraj motorcikloj ankaŭ povas disvolvi teknologion kaj merkatadon konsiderante ĉi tiujn signifajn faktorojn por subteni la realigon de elektraj motorcikloj anstataŭ konvenciaj motorcikloj en Indonezio. Ordinara loĝistika regreso uzata por akiri la funkcion kaj probablan valoron de intenco adopti elektrajn motorciklojn en Indonezio per programaro SPSS 25. Loĝistika regreso aŭ logita regreso estas aliro por fari prognozajn modelojn. Loĝistika regreso en statistikoj uzataj por antaŭdiri la probablon de evento okazanta kongruante la datumojn en la logistika kurba logistika funkcio. Ĉi tiu metodo estas ĝenerala lineara modelo por binoma regreso [18]. Loĝistika regreso estis uzata por antaŭdiri la akcepton de interreta kaj poŝtelefona bankadopto [19], antaŭdiri la akcepton de adopto de fotovoltaa teknologio en Nederlando [20], antaŭdiri la akcepton de telekontrola sistemteknologio por sano [21], kaj trovi elstaru la teknikajn obstaklojn, kiuj influas la decidon adopti nubajn servojn [22]. Utami et al. [23] kiuj antaŭe faris esploradon pri konsumantperceptoj de elektraj aŭtomobiloj en Surakarta, trovis ke aĉetprezoj, modeloj, veturilefikeco, kaj infrastrukturpreteco estis la plej grandaj barieroj por homoj adoptantaj elektrajn veturilojn. METODO La datumoj kolektitaj en ĉi tiu esplorado estas ĉefaj datumoj akiritaj per interretaj enketoj por ekscii ŝancojn kaj faktorojn, kiuj influas la intencon adopti elektrajn motorciklojn en Indonezio. Demandaro kaj Enketo La interreta enketo estis distribuita al 1 233 respondantoj en ok provincoj en Indonezio por esplori la faktorojn influantajn la intencon adopti elektrajn motorciklojn en Indonezio. Ĉi tiuj elektitaj provincoj havis pli ol 80% de motorciklaj vendoj en Indonezio [2]: Okcidenta Ĝavo, Orienta Ĝavo, Ĝakarto, Centra Ĝavo, Norda Sumatro, Okcidenta Sumatro, Yogyakarta, Suda Sulaveso, Suda Sumatro kaj Balio. La esploritaj faktoroj estas montritaj en Tabelo 1. Ĝeneralaj scioj pri elektraj motorcikloj estis donitaj komence de la demandaro per uzado de video por eviti miskomprenojn. La demandaro estis dividita en kvin sekciojn: projekcia sekcio, sociodemografia sekcio, financa sekcio, teknologia sekcio kaj makronivela sekcio. La demandaro estis prezentita en Likert-skalo de 1 ĝis 5, kie 1 por forte malkonsentas, 2 por malkonsenti, 3 por dubo, 4 por konsenti, kaj 5 por forte konsenti. Determino de la minimuma specimena grandeco rilatas al [25], deklaris, ke observaj studoj kun grandaj loĝantaroj kun loĝistika regreso postulas minimuman specimenan grandecon de 500 por akiri statistikojn reprezentantajn parametrojn. Ampleksa specimenado aŭ areoprovaĵo kun proporcioj estas uzataj en ĉi tiu esplorado ĉar la loĝantaro de motorciklaj uzantoj en Indonezio estas tre granda. Cetere, intenca specimenigo estas uzata por determini specimenojn laŭ iuj kriterioj [26]. Interretaj enketoj efektivigas per Facebook Ads. Elekteblaj respondantoj estas homoj aĝaj ≥ 17-jaraj, havantaj SIM C, estante unu el la decidantoj anstataŭigi aŭ aĉeti motorciklon, kaj loĝantaj en unu el la provincoj en Tabelo 1. Teoria Kadro Ŝi kaj aliaj. [15] kaj Habich-Sobiegalla et al. [28] uzis kadrojn por sistema kategoriado de faktoroj, kiuj pelas aŭ malhelpas la adopton de elektra veturilo fare de konsumantoj. Ni adaptis ĉi tiujn kadrojn modifante ĝin surbaze de nia analizo de elektra motorcikla literaturo pri la konsumado de elektaj motorcikloj. Ni bildigis ĝin en Tabelo 1. Tabelo 1. Klarigo kaj Referenco de Faktoroj kaj Atributoj Faktoro-Kodo Atrtibuta Ref. SD1 Edzeca stato [27], [28] SD2 Aĝo SD3 Sekso SD4 Lasta edukado SD5 Okupo Sociodemografia SD6 Monata konsuma nivelo SD7 Monata enspeza nivelo SD8 Nombro de motorciklo-proprieto SD9 Ofteco de dividado en sociaj retoj SD10 Grandeco de interreta socia reto SD11 Media konscio Financa Aĉeta prezo FI1 [29] Kosto de baterio FI2 [30] Kosto de ŝarĝo FI3 [31] Kostoj de bontenado FI4 [32] Teknologia TE1-kilometra kapablo [33] Potenco TE2 [33] TE3 Ŝarĝa tempo [33] Sekureco TE4 [34] TE5 [35] Makro-nivela ML1-Ŝargostacio-havebleco en publikaj lokoj [36] ML2-Ŝargstacio-havebleco ĉe laboro [15] ML3-Ŝargstacio-havebleco hejme [37] ML4 Servo-lokoj havebleco [38] ML5-Aĉeta instiga politiko [15] ML6-Ĉiujara imposta rabatpolitiko [15] ML7 Pagenda kosto rabata politiko [15] Adopta intenco IP Intenco uzi [15] Sociodemografia Faktoro Sociodemografia faktoro estas personaj faktoroj, kiuj influas la konduton de individuo en decidado. Eccarius et al. [28] deklaris laŭ sia adopta modelo, ke aĝo, sekso, civila stato, edukado, enspezo, okupado kaj veturilo estas gravaj faktoroj influantaj la elektroveturan adopton. HabichSoebigalla et al. Reliefigas faktorojn de sociaj retoj kiel nombro de posedado de motorcikloj, ofteco de dividado en sociaj retoj kaj grandeco de interreta socia reto, kiuj estas la influaj faktoroj por elektado de elektraj aŭtomobiloj [28]. Eccarius et al. [27] kaj HabichSobiegalla et al. [28] ankaŭ konsiderata media konscio apartenas al socidemografiaj faktoroj. Financa Faktoro Aĉeta prezo estas la originala prezo de elektra motorciklo sen aĉetaj subvencioj. Sierzchula et al. [29] diris, ke la alta aĉeta prezo de elektra veturilo kaŭzita de la plej alta bateria kapacito. Bateria kosto estas la kosto de anstataŭigo de la baterio kiam la malnova bateria vivo finiĝis. Krause et al. esploris, ke bateria kosto apartenas al financa baro por iu adopti elektran veturilon [30]. Ŝarĝa kosto estas la kosto de elektro por funkciigi elektran motorciklon kompare kun la kosto de benzino [31]. Prizorgaj kostoj estas rutinaj prizorgaj kostoj por elektraj motorcikloj, ne riparoj pro akcidento, kiu efikas sur elektado de veturiloj [32]. Kapablo de Teknologia Faktoro-Kilometraĵo estas la plej malproksima distanco post kiam la elektra motorcikla baterio estas plene ŝarĝita. Zhang kaj aliaj. [33] diris, ke veturila agado rilatas al taksado de konsumantoj pri elektra aŭtomobilo inkluzive de kilometra kapablo, potenco, ŝarga tempo, sekureco kaj bateria vivo. Potenco estas la maksimuma rapido de elektra motorciklo. Ŝarĝa tempo estas totala tempo por plene ŝargi elektran motorciklon. Sekureco kiam vi veturas per elektra motorciklo rilate al sono (dB) estas la faktoroj, kiuj estas reliefigitaj de Sovacool et al. [34] esti faktoroj kiuj influas konsumantpercepton sur elektra veturilo. Graham-Rowe et al. [35] diris, ke la bateria vivo estas konsiderata malnobla. Makro-nivela Faktoro-Infrastrukturo de ŝargado de stacio-havebleco estas io ne evitebla por elektra motorcikla adoptanto. Ŝarĝi haveblecon en publikaj lokoj konsideras gravan por subteni elektroveturilan adopton [36]. Ŝargi haveblecon ĉe laboro [15] kaj ŝargi haveblecon hejme [37] ankaŭ bezonata de konsumantoj por plenumi la baterion de sia veturilo. Krupa et al. [38] diris ke la havebleco de servlokoj por rutina prizorgado kaj difekto influas adopton de elektra veturilo. Ŝi kaj aliaj. [15] sugestis iujn publikajn instigojn, kiujn tre deziras konsumantoj en Tianjin kiel provizi subvenciojn por aĉeti elektrajn motorciklojn, ĉiujaran impostrabaton por elektraj motorcikloj kaj ŝargi kostan rabatan politikon kiam konsumantoj bezonas ŝargi elektran motorciklon en publikaj lokoj [15]. Ordina Loĝistika Regreso Ordinara Logistika Regreso estas unu el la statistikaj metodoj, kiuj priskribas la rilaton inter dependa variablo kun unu aŭ pluraj sendependaj variabloj, kie la dependa variablo estas pli ol 2 kategorioj kaj la mezura skalo estas ebena aŭ ordinala [39]. Ekvacio 1 estas modelo por ordinara logistika regreso kaj Ekvacio 2 montras la funkcion g (x) kiel logitan ekvacion. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) REZULTOJ KAJ DISKUTO La demandaro estis dissendita interrete en marto - aprilo 2020 per pagitaj Facebook Ads agordante filtrilan areon: Okcidenta Ĝavo, Orienta Ĝavo, Ĝakarto, Centra Ĝavo, Norda Sumatro, Okcidenta Sumatro, Yogyakarta, Suda Sulaveso, Suda Sumatro kaj Balio, kiuj atingis 21 628 uzantojn. Totalaj envenantaj respondoj estis 1.443 respondoj, sed nur 1.223 respondoj estis elekteblaj por prilaborado de datumoj. Tabelo 2 montras la demografion de respondantoj. Priskriba Statistika Tabelo 3 montras priskribajn statistikojn por kvantaj variabloj. Ŝarĝa kosto-rabato, jara imposta rabato kaj aĉetprezaj subvencioj havas pli altan mezumon inter aliaj faktoroj. Ĉi tio montras, ke plej multaj enketitoj konsideras, ke ekzistas politiko, kiun la registara intensivo povis kuraĝigi ilin adopti elektrajn motorciklojn. Pri financaj faktoroj, aĉeta prezo kaj kosto de kuirilaro havas malpli altan mezumon inter aliaj faktoroj. Ĉi tio montras, ke la aĉeta prezo de elektra motorciklo kaj kosto de baterio ne taŭgas kun la buĝeto de plej multaj enketitoj. Plej multaj enketitoj konsideris, ke la prezo de elektra motorciklo tro multekostas kompare kun la prezo de konvencia motorciklo. La anstataŭiga kosto de baterio ĉiu tri jaroj, kiu atingas 5.000.000 IDR, ankaŭ estas tro multekosta por plej multaj enketitoj, tiel ke la aĉeta prezo kaj kosto de baterio estas baro por indoneziaj adopti elektrajn motorciklojn. Bateria vivo, potenco, ŝarĝa tempo havas malaltajn mezajn poentojn en priskribaj statistikoj, sed la meza poentaroj por ĉi tiuj tri faktoroj estas pli ol 4. Ŝarĝa tempo, kiu daŭris tri horojn, estis tro longa por plej multaj enketitoj. La maksimuma rapideco de elektra motorciklo estas 70 km / h kaj 3-jara bateria vivo ne plenumas la bezonojn de la enketitoj. Ĉi tio montras, ke plej multaj enketitoj konsideras, ke elektraj motorcikloj ne plenumas siajn normojn. Kvankam respondantoj ne plene fidis la agadon de elektraj motorcikloj, EM povas plenumi siajn ĉiutagajn moveblajn bezonojn. Pli da enketitoj donis pli da poentaro al la ŝarĝa havebleco en siaj hejmoj kaj oficejoj ol en publikaj lokoj. Tamen, ofte trovita baro estas, ke hejma elektroenergio estas ankoraŭ sub 1300 VA, tial respondantoj forte atendas, ke la registaro povos helpi provizi ŝarĝajn instalaĵojn hejme. La havebleco de ŝarĝo en la oficejo estas pli preferata ol en publikaj lokoj, ĉar la movebleco de respondantoj ĉiutage implikas hejmojn kaj oficejon. Tabelo 4 montras la respondojn de respondantoj al la adopto de elektraj motorcikloj. Ĝi montras, ke 45,626% de la enketitoj havas fortan volon uzi elektran motorciklon. Ĉi tiu rezulto montras brilan estontecon por la merkatparto de elektraj motorcikloj. Tabelo 4 ankaŭ montras, ke preskaŭ 55% de la enketitoj ne havas fortan volon uzi elektran motorciklon. La interesaj rezultoj de ĉi tiuj priskribaj statistikoj implicas, ke kvankam la entuziasmo por uzi elektrajn motorciklojn ankoraŭ postulas stimulon, publika akcepto de elektraj motorcikloj estas bona. Alia kialo, kiu povus okazi, estas, ke respondantoj havas la sintenon atendi kaj vidi la adopton de elektra motorciklo aŭ ĉu iu alia uzas elektran motorciklon aŭ ne. Ordinal Logistic Regression Data estas procezo kaj analizo por determini la adoptintencon de elektraj motorcikloj en Indonezio uzante ordinalan logistic regreson. La dependa variablo en ĉi tiu esplorado estas la volo uzi elektran motorciklon (1: forte ne volas, 2: ne volas, 3: dubas, 4: volas, 5: forte volas). Ordina loĝistika regreso estis elektita kiel la metodo en ĉi tiu esplorado ĉar la dependa variablo uzas la ordan skalon. Datumoj estis prilaboritaj per SPSS 25-programaro kun konfida nivelo de 95%. Multkolinearecaj testoj estis faritaj por kalkuli Variance Inflation Factors (VIF) kun meza VIF de 1.15- 3.693, kio signifas ke ne ekzistas multkolinareco en la modelo. La hipotezo uzata en ordinara logistika regreso estas montrita en Tabelo 5. Tabelo 6 montras la partajn testrezultojn kiel bazon por malakcepti aŭ akcepti la hipotezon por ordinara logistika regreso. Tabelo 2. Demografio de Respondantoj Demografia Aro Freq% Demografia Aro Freq% Domicilo Okcidenta Java 345 28,2% Okupo Studento 175 14,3% Orienta Java 162 13,2% Ŝtatoficistoj 88 7,2% Ĝakarto 192 15,7% Privataj dungitoj 415 33,9% Centra Java 242 19,8% Entreprenisto 380 31,1% Norda Sumatro 74 6,1% Aliaj 165 13,5% Yogyakarta 61 5,0% Suda Sulaveso 36 2,9% Aĝo 17-30 655 53,6% Balio 34 2,8% 31-45 486 39,7% Okcidenta Sumatro 26 2,1% 46-60 79 6,5% Suda Sumatro 51 4.2%> 60 3 0.2% Edzeca stato Ununura 370 30.3% Lasta Eduka Nivelo SMP / SMA / SMK 701 57.3% Edziĝinta 844 69.0% Diplomo 127 10.4% Aliaj 9 0.7% Fraŭlo 316 25.8% Sekso Masklo 630 51.5% Majstro 68 5.6 % Ina 593 48,5% Doktora 11 0,9% Monata enspeza nivelo 0 154 12,6% Monata konsuma nivelo <IDR 2,000,000 432 35,3% <IDR 2,000,000 226 18,5% IDR2,000,000-5,999,999 640 52,3% IDR 2,000,000-5,999,999 550 45% IDR6,000,000- 9,999,999 121 9,9% IDR 6,000,000-9,999,999 199 16,3% ≥ 10,000,000 30 2,5% IDR 10,000,000- 19,999,999 71 5,8% ≥ I DR 20,000,000 23 1,9% Tabelo 3. Priskribaj Statistikoj por Financa, Teknologia kaj Makro-nivela Varia Meza Rango Varia Meza Rango ML7 (ŝarga kosto-disko.) 4.4563 1 ML3 (CS hejme) 4.1554 9 ML6 (jara imposta disko. ) 4.4301 2 ML2 (CS ĉe laborejoj) 4.1055 10 ML5 (aĉeta instigo) 4.4146 3 ML1 (CS en publikaj lokoj) 4.0965 11 TE4 (sekureco) 4.3181 4 TE5 (pilvivo) 4.0924 12 FI3 (ŝarga kosto) 4.2518 5 TE2 (potenco ) 4.0597 13 TE1 (kilometra kapablo) 4.2396 6 TE3 (ŝarga tempo) 4.0303 14 ML4 (servoloko) 4.2142 7 FI1 (aĉetokosto) 3.8814 15 FI4 (prizorgokosto) 4.1980 8 FI2 (bateria kosto) 3.5045 16 Tabelo 4. Priskriba Statistiko por Adopta Intenco 1: forte nevola 2: nevola 3: dubo 4: volonte 5: volonte uzi elektran motorciklon 0.327% 2.044% 15.863% 36.141% 45.626% La rezultoj de logistika regresa analizo por variabloj SD1 ĝis SD11 apartenas al sociodemografiaj faktoroj montras la rezultojn, ke nur la ofteco de dividado plu sociaj retoj (SD9) kaj la nivelo de media zorgo (SD11) havas gravan efikon sur la intenco de elektraj motorcikloj en Indonezio. La signifaj valoroj por la kvalita variablo de edzeca stato estas 0,622 por fraŭlaj ​​kaj 0,801 por geedzoj. Tiuj valoroj ne subtenas Hipotezon 1. Civila stato ne grave influas la intencon adopti elektran motorciklon ĉar la signifa valoro estas pli ol 0,05. La signifa valoro por aĝo estas 0,147 tiel ke aĝo ne grave influas la intencon adopti elektran motorciklon. La valoro de takso por la aĝo de -0.168 ne subtenas Hipotezon 2. La negativa signo signifas, ke ju pli alta estas la aĝo, des pli malalta estas la intenco adopti elektran motorciklon. La signifa valoro por la kvalita variablo, sekso, (0.385) ne subtenas Hipotezon 3. Sekso ne grave influas la intencon adopti elektran motorciklon. La signifa valoro por la lasta eduknivelo (0,603) ne subtenas Hipotezon 4. Do, la lasta edukado ne grave influas la intencon adopti elektran motorciklon. La valoro de takso por la lasta eduknivelo de 0,036 signifas ke pozitiva signo signifas, ju pli alta estas la eduknivelo, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la kvalita variablo de la okupo estis 0.487 por studentoj, 0.999 por ŝtatoficistoj, 0.600 por privataj dungitoj, kaj 0.480 por entreprenistoj ne subtenantaj Hipotezon 5. Okupo ne grave influas la intencon adopti elektran motorciklon. UTAMI ET AL. / REVUO PRI OPTIMIGOJ DE SISTEMOJ EN INDUSTRIOJ - VOL. 19 NE. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 75 Tabelo 5. Hipotezo Hipotezo Socio- H1: geedza stato havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. Demo- H2: aĝo havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. grafika H3: sekso havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H4: lasta eduknivelo havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H5: okupado efikas pozitive sur la intenco adopti elektran motorciklon. H6: monata konsuma nivelo efikas pozitive signifa sur la intenco adopti elektran motorciklon. H7: monata enspeza nivelo havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H8: nombro da motorciklaj posedoj havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H9: ofteco de dividado en sociaj retoj havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H10: grandeco de interreta socia reto havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H11: media konscio pozitive gravas sur la intenco adopti elektran motorciklon. Financa H12: aĉetprezo havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H13: kuirilaro havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H14: ŝarĝa kosto havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H15: prizorgokostoj havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H16: kilometra kapablo efikas pozitive sur la intenco adopti elektran motorciklon. H17: potenco havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. Tekno- H18: ŝarĝa tempo havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. logika H19: sekureco efikas pozitive sur la intenco adopti elektran motorciklon. H20: bateria vivo efikas pozitive sur la intenco adopti elektran motorciklon. H21: havebleco de ŝarĝostacia infrastrukturo en publikaj lokoj efikas pozitive sur la intenco adopti elektran motorciklon. H22: havebleco de ŝarĝostacia infrastrukturo funkcias pozitive signifa efiko al la intenco adopti elektran motorciklon. Macrolevel H23: havebleco de ŝarĝostacia infrastrukturo hejme efikas pozitive sur la intenco adopti elektran motorciklon. H24: havebleco de servlokoj havas pozitivan signifan efikon al la intenco adopti elektran motorciklon. H25: aĉeta instiga politiko efikas pozitive pri la intenco adopti elektran motorciklon. H26: jara imposta rabata politiko efikas pozitive pri la intenco adopti elektran motorciklon. H27: ŝarĝa kosto-rabata politiko efikas pozitive pri la intenco adopti elektran motorciklon. Tabelo 6. Logistika Regreso Parta Testrezultoj Var Valoro Sig Var Valoro Sig SD1: fraŭla 0,349 0,622 TE1 0,166 0,069 SD1: edziĝinta 0,177 0,801 TE2 0,167 0,726 SD1: aliaj 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013 * SD3: vira 0,177 0,385 TE5 0,068 0,765 SD3: ino 0 ML1 -0,127 0,022 * SD5: studentoj -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: aliaj 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 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 * Signifa ĉe 95 konfida nivelo La signifa valoro por la monata konsumnivelo (0,069) ne subtenas Hipotezon 6, la monata konsumnivelo ne grave influas la intencon adopti elektran motorciklon. La taksita valoro por la monata konsuma nivelo de 0,227, pozitiva signo signifas, ju pli alta estas la nivelo de monataj elspezoj, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la monata enspeza nivelo (0,726) ne subtenas Hipotezon 7, la monata enspeza nivelo ne grave influas la intencon adopti elektran motorciklon. La valoro de takso por la monata enspeza nivelo estas 0,032, pozitiva signo signifas, ke ju pli alta estas la nivelo de monata enspezo, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la nombro de motorciklaj posedoj (0,161) ne subtenas Hipotezon 8, la nombro de motorciklaj posedoj ne grave influas la intencon adopti elektran motorciklon. La valoro de takso por la nivelo de posedado de motorcikloj estas 0.180, pozitiva signo signifas, ke ju pli multaj motorcikloj posedas, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la ofteco de dividado en sociaj retoj (0,013) subtenas Hipotezon 9, la ofteco de dividado en sociaj retoj efikas grave sur la intenco adopti elektran motorciklon ĉar la signifa valoro estas malpli ol 0,05. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NE. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 La valoro de takso por dividi oftecon en sociaj retoj estas 0,111, pozitiva signo signifas, ke ju pli alta estas la ofteco de dividado de iu en sociaj retoj, des pli alta estas la ŝanco adopti elektran aparaton. motorciklo. Signifa valoro por grandeco de interreta socia reto (0.765) ne subtenas Hipotezon 10, la grandeco de la atingo de la socia reto ne grave influas la intencon adopti motorciklon. La valoro de takso por la nombro de homoj atingitaj en la socia reto estas 0,016, pozitiva signo signifas, ju pli alta estas la grandeco de sociaj retoj, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la nivelo de media konscio (0,022) subtenas Hipotezon 11, la nivelo de media zorgo efikas grave sur la intenco adopti elektran motorciklon. La valoro de takso por la nivelo de ekologia konscio estas 0.226, pozitiva signo signifas, ke ju pli alta estas la nivelo de media zorgo, des pli alta estas la intenco adopti elektran motorciklon. La rezultoj de loĝistika regresa analizo por la variabloj FI1 al FI4 apartenas al financaj faktoroj montras la rezultojn, ke la aĉetprezo (FI1) kaj prizorgokostoj (FI4) efikas grave sur la intenco de elektraj motorcikloj en Indonezio. La signifa valoro por la aĉeta prezo (0,00) subtenas Hipotezon 12, la aĉeta prezo efikas grave sur la intenco adopti elektran motorciklon.La valoro de takso por la aĉetprezo estas 0,348, pozitiva signo signifas, ke ju pli taŭga estas la aĉetprezo de elektra motorciklo por iu, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la bateria kosto (0,355) ne subtenas Hipotezon 13, bateria kosto ne grave influas la intencon adopti elektran motorciklon. La signifa valoro por ŝargado de kostoj (0.109) ne subtenas Hipotezon 14, ŝargado ne havas signifan efikon al la intenco adopti elektran motorciklon. La valoro de takso por la ŝarĝa kosto estas 0,136, pozitiva signo signifas, ke ju pli taŭga estas la kosto ŝargi elektran motorciklon por iu, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por prizorgokostoj (0,017) ne subtenas Hipotezon 15, prizorgokostoj grave influas la intencon adopti elektran motorciklon. La valoro de takso por prizorgaj kostoj estas 0,193, pozitiva signo signifas, ke ju pli taŭga estas la kosto de prizorgado de elektra motorciklo por iu, des pli alta estas la intenco adopti elektran motorciklon. La rezultoj de la logistika regresa analizo por variabloj TE1 ĝis TE5, kiuj apartenas al teknologiaj faktoroj, montras la rezultojn, ke bateria ŝarĝa tempo (TE3) efikas grave sur la adopta intenco de elektraj motorcikloj en Indonezio. La signifa valoro por kilometra kapablo (0.107) ne subtenas Hipotezon 16, kilometra kapablo havas neniun signifan efikon al la intenco adopti elektran motorciklon. La valoro de takso por maksimuma kilometraĵo estas 0,166, pozitiva signo signifas, ke ju pli taŭga estas la maksimuma kilometraĵo de elektra motorciklo por iu, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la sendependa varia potenco aŭ maksimuma rapideco (0,052) ne subtenas Hipotezon 17, maksimuma rapideco ne grave influas la intencon adopti elektran motorciklon. La valoro de estimi por potenco aŭ maksimuma rapideco estas 0,167, pozitiva signo signifas, ke ju pli taŭga estas la maksimuma rapideco de elektra motorciklo por homo, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por ŝarĝa tempo (0,004) subtenas Hipotezon 18, ŝarĝa tempo grave efikas sur la intenco adopti elektran motorciklon. La taksita valoro por ŝarĝa tempo estas 0,240, pozitiva signo signifas, ke ju pli taŭga estas la maksimuma rapideco de elektra motorciklo por iu, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por sekureco (0,962) ne subtenas Hipotezon 19, sekureco ne grave influas la intencon adopti elektran motorciklon. La valoro de takso por sekureco estas -0.005, negativa signo signifas, ke ju pli sekura iu sentas sin per elektra motorciklo, des pli malalta estas la intenco adopti elektran motorciklon. La signifa valoro por bateria vivo (0,424) ne subtenas Hipotezon 20, la bateria vivo havas neniun signifan efikon al la intenco adopti elektran motorciklon. La valoro de takso por pilvivo estas 0,068, pozitiva signo signifas, ke ju pli taŭga estas la daŭro de elektra motorcikla baterio, des pli alta estas la intenco adopti elektran motorciklon. La rezultoj de logistika regresa analizo por variabloj ML1 al ML7, kiuj apartenas al makro-nivelaj faktoroj, montras la rezultojn, ke nur ŝargi haveblecon en la laborejo (ML2), ŝargi haveblecon en la loĝejo (ML3) kaj ŝargi kostan rabatan politikon (ML7) kiuj havas gravan efikon al la adopta intenco de elektraj motorcikloj en Indonezio. La signifa valoro por la ŝarĝa havebleco en publikaj lokoj (0,254) ne subtenas Hipotezon 21, ŝarga havebleco en publikaj lokoj ne grave influas la intencon adopti elektran motorciklon. La signifa valoro por la ŝarga havebleco ĉe laborejo (0,007) subtenas Hipotezon 22, ŝarga havebleco ĉe laborejo efikas grave sur la intenco adopti elektran motorciklon. La signifa valoro por la ŝarĝa havebleco hejme (0,009) subtenas Hipotezon 22, havebleco de ŝargado hejme grave efikas sur la intenco adopti motorciklon. La signifa valoro por la havebleco de servaj lokoj (0,181) ne subtenas Hipotezon 24, la havebleco de servaj lokoj havas neniun signifan efikon al la intenco adopti elektran motorciklon. La signifa valoro por la aĉeta instiga politiko (0.017) subtenas Hipotezon 25, aĉeta instiga politiko efikas grave sur la intenco adopti elektran motorciklon. La signifa valoro por la jara imposta rabata politiko (0,672) ne subtenas Hipotezon 26, ĉiujara imposta rabata politiko instigas neniun signifan efikon al la intenco adopti elektran motorciklon. La signifa valoro por la ŝarĝa kosto-rabata politiko (0,00) subtenas Hipotezon 27, la ŝarĝa kosto-rabata instiga politiko efikas grave sur la intenco adopti elektran motorciklon. Laŭ la rezulto de makro-nivela faktoro, elekto de elektra motorciklo povas realiĝi, se ŝarĝa stacio en la laborejo, ŝarga stacio en la loĝejo kaj ŝarĝa kosto-rabata politiko pretas aliri al konsumantoj. Entute la ofteco de dividado en sociaj retoj, la nivelo de ekologia konscio, aĉetaj prezoj, prizorgaj kostoj, la maksimuma rapideco de elektraj motorcikloj, bateria ŝarĝa tempo, havebleco de ŝarga stacidoma infrastrukturo ĉe laboro, havebleco de hejma potenco bazita - ŝarga infrastrukturo, UTAMI ET AL. / REVUO PRI OPTIMIGOJ DE SISTEMOJ EN INDUSTRIOJ - VOL. 19 NE. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 aĉetaj instigaj politikoj, kaj ŝarĝkostaj rabataj stimulaj politikoj grave influas la intencon adopti elektrajn veturilojn. Ekvacia Modelo kaj Probablofunkcio Ekvacio 3 estas logita ekvacio por la elekto de la respondo "forte nevola" adopti elektran motorciklon.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Ekvacio 4 estas logita ekvacio por la elekto de la respondo "nevola" adopti elektran motorciklon.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Ekvacio 5 estas logita ekvacio por la elekto de la respondo "dubo" adopti elektran motorciklon.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Ekvacio 6 estas logita ekvacio por la responda opcio "volanta" adopti elektran motorciklon.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Probablaj funkcioj de adopta intenco elektraj motorcikloj montritaj en Ekvacio 7 al Ekvacio 11. Ekvacio 7 estas la probableca funkcio por la elekto de la respondo " forte ne volas "adopti elektran motorciklon. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Ekvacio 8 estas la probabla funkcio por la elekto de la respondo "nevola" adopti elektra motorciklo. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Ekvacio 9 estas la probabla funkcio por la elekto de la respondo "dubo" adopti elektran motorciklon. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Ekvacio 10 estas la probabla funkcio por la elekto de la respondo "volanta" adopti elektran motorciklon. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Ekvacio 11 estas la probabla funkcio por la elekto de la respondo "forte volanta" adopti elektran motorciklon. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Adopta Intenca Probablo La ordinara logistika regresa ekvacio tiam aplikita al specimeno de la respondoj de la enketitoj. Tabelo 8 montras la karakterizaĵojn kaj respondojn de la specimeno. Do la probablo respondi ĉiun kriterion sur la dependa variablo estas kalkulita surbaze de Ekvacio 7 - 11. Specimeno de respondantoj, kiuj havas la respondojn kiel montrite en Tabelo 7, havas probablon de 0,0013 por forte nevola uzi elektran motorciklon, probablo de 0,0114 por nevola uzi elektran motorciklon, probablon de 0,1788 por dubo uzi elektran motorciklon, probablon de 0,563 al volado uzi elektran motorciklon, kaj probablon de 0,2455 al forte volanta uzi elektran motorciklon. Probablo de elekta motorciklo-adopto por 1 233 respondantoj ankaŭ estis kalkulita kaj la averaĝa valoro de la probablo por respondoj al forte nevolantaj uzi elektran motorciklon estis 0,0031, nevola uzi elektran motorciklon estis 0,0198, dubo uzi elektran motorciklon estis 0,1482, volante uzi elektra motorciklo estis 0,3410, kaj forte volanta uzi elektran motorciklon estis 0,4880. Se la probablo volonte kaj forte volonte sumiĝas, la probablo por indonezianoj adopti elektrajn motorciklojn atingas 82,90%. Rekomendoj por Komercistoj kaj Politikistoj En la ordinara logistika regresa analizo, la ofteco de dividado en sociaj retoj estas signifa faktoro influanta la intencon adopti elektran motorciklon. La graveco de sociaj retoj kiel platformo por publiko por akiri informojn pri elektraj motorcikloj influos la volon adopti elektrajn motorciklojn. La registaro kaj entreprenistoj povas provi uzi ĉi tiun rimedon, ekzemple, entreprenistoj povas promocii per gratifikoj aŭ dankemo al konsumantoj, kiuj aĉetis elektrajn motorciklojn kaj dividas pozitivajn aferojn rilate al elektraj motorcikloj ĉe siaj sociaj retoj. Tiel povus stimuli aliajn esti nova uzanto de elektra motorciklo. La registaro povas societumi aŭ enkonduki elektrajn motorciklojn al la publiko per sociaj retoj por instigi publikon transiri de konvencia motorciklo al elektra motorciklo. Ĉi tiu esplorado pruvas, kiom signifa estas la influo de makro-nivelaj faktoroj sur la adopto de elektraj motorcikloj en Indonezio. En la ordinara logistika regresa analizo, ŝarĝa infrastruktura havebleco ĉe la laborejo, ŝarga stacidoma havebleco hejme, aĉeta instiga politiko kaj ŝarĝa kosto-rabato grave influas la intencon adopti elektran motorciklon. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NE. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Tabelo 7. Ekzempla Respondanto Respondas Variabel Responda Kodo Valoro Edziĝa Stato Edziĝinta X1b 2 Aĝo 31-45 X2 2 Sekso Vira X3a 1 Lasta Eduka Nivelo Majstro X4 4 Okupo Privataj dungitoj X5c 3 Monate konsuma nivelo Rp2.000.000-5.999.999 X6 2 Monata enspeza nivelo Rp. 6.000.000-9.999.999 X7 3 Nombro de posedado de motorciklo ≥ 2 X8 3 Ofteco de dividado en sociaj retoj Plurfoje / monate X9 4 Grandeco de interreta socia reto 100-500 homoj X10 2 Media konscio 1 X11 1 Harga beli 3 X12 3 Kosto de baterio 3 X13 3 Kosto de ŝarĝo 3 X13 3 Kosto de bontenado 5 X14 5 Kilometra kapablo 4 X15 4 Potenco 5 X16 5 Tempo de ŝarĝo 4 X17 4 Sekureco 5 X18 5 Daŭro de la baterio 4 X19 4 Disponejo de ŝarĝa stacio en publikaj lokoj 4 X20 4 Disponejo de ŝarga stacio ĉe la laboro 4 X21 4 Ŝargado de stacidomo hejme 4 X22 4 Serva loko havebleco 2 X23 2 Aĉeta instiga politiko 5 X24 5 Ĉiujara imposta rabata politiko 5 X25 5 Ŝarga kosto rabata politiko 5 X26 5 Ŝarga kosto 5 X27 5 Prizorgaj kostoj 3 X13 3 Kilometraĵo kapablo 5 X14 5 Potenco 4 X15 4 Ŝarĝa tempo 5 X16 5 Plej multaj respondantoj konsideras ŝarĝan infrastrukturan haveblecon hejme, laborejojn kaj publikajn lokojn kiel grave influas la adopton de elektraj motorcikloj. La registaro povas aranĝi la instaladon de ŝargostacia infrastrukturo en publikaj lokoj por subteni la adopton de elektraj motorcikloj. La registaro ankaŭ povas kunlabori kun la komerca sektoro por realigi ĉi tion. Konstruante makronivelajn indikilojn, ĉi tiu esplorado proponas plurajn instigajn politikajn eblojn. La plej signifaj instigaj politikoj laŭ la enketo estas aĉetaj instigaj politikoj kaj ŝarĝkostaj rabataj stimulaj politikoj, kiujn la registaro povas konsideri subteni la adopton de elektraj motorcikloj en Indonezio. Pri financaj faktoroj, la aĉetprezo grave influas la intencon aĉeti elektran motorciklon. Jen la kialo, kial la instigo por la aĉeta subvencio ankaŭ grave influas la adoptan intencon. La pli malmultekosta prizorgokosto de elektraj motorcikloj ol konvenciaj motorcikloj grave influas la adoptan intencon de elektraj motorcikloj. Tial la havebleco de servoj, kiuj plenumas bezonojn de konsumantoj, pli kuraĝigos la intencon adopti elektrajn motorciklojn, ĉar plej multaj uzantoj ne konas la komponantojn en elektraj motorcikloj, do ili bezonas spertajn teknikistojn, se estas iuj damaĝoj. La agado de elektraj motorcikloj plenumis la bezonojn de konsumantoj por plenumi ilian ĉiutagan moveblecon. La maksimuma rapideco de elektra motorciklo kaj ŝarĝa tempo povas plenumi la normojn deziratajn de konsumantoj. Tamen pli bona motorcikla agado kiel pliigita sekureco, bateria vivo kaj plua kilometraĵo certe pliigos la intencon adopti elektran motorciklon. Krom pliigi teknologian investon, la registaro kaj entreprenoj devas ankaŭ plibonigi la sekurecan kaj fidindan taksan sistemon por elektraj motorcikloj por pliigi publikan fidon. Por entreprenoj, promocii kvaliton kaj rendimenton estas unu el la plej efikaj manieroj pliigi konsumantan entuziasmon pri elektraj motorcikloj. Konsumantoj, kiuj estas pli junaj kaj havas pli altan edukan nivelon, povas esti celataj kiel fruaj adoptantoj fariĝi influoj, ĉar ili jam havas pli optimisman sintenon kaj havas larĝan reton. Merkata segmentado povas esti atingita lanĉante specifajn modelojn por celitaj konsumantoj. Krome respondantoj kun pli alta media konscio pli volis adopti motorciklojn. UTAMI ET AL. / REVUO PRI OPTIMIGOJ DE SISTEMOJ EN INDUSTRIOJ - VOL. 19 NE. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 79 KONKLUDOJ La transiro de konvenciaj motorcikloj al elektraj motorcikloj povas esti la plej bona solvo por superi la problemon de altaj CO2-niveloj en Indonezio. La indonezia registaro ankaŭ rimarkis kaj intervenis starigante diversajn politikojn pri elektraj aŭtomobiloj en Indonezio. Sed fakte la adopto de elektraj veturiloj en Indonezio estas ankoraŭ tre frua eĉ malproksime de la celoj de la registaro. La medio ne subtenas la adopton de elektraj motorcikloj kiel ekzemple ne pli detalaj regularoj kaj la manko de subtena infrastrukturo kaŭzanta la malaltan adopton de elektraj veturiloj en Indonezio. Ĉi tiu esplorado enketis 1 233 respondantojn el 10 provincoj, kiuj havis sume 80% de la totala distribuo de motorciklaj vendoj en Indonezio por esplori signifajn faktorojn influantajn la intencojn adopti elektrajn motorciklojn en Indonezio kaj ekscii la probablajn funkciojn. Kvankam la plimulto de enketitaj entuziasmuloj pri elektraj motorcikloj kaj estonte posedas elektran motorciklon, ilia intereso adopti elektran motorciklon nuntempe estas relative malalta. Respondantoj ne volas uzi elektrajn motorciklojn nuntempe pro diversaj kialoj kiel manko de infrastrukturo kaj politikoj. Multaj enketitoj havas la sintenon atendi kaj rigardi la adopton de elektraj motorcikloj, kun financaj faktoroj, teknologiaj faktoroj kaj makro-niveloj, kiuj devas sekvi la postulojn de konsumantoj. Ĉi tiu esplorado pruvas, kiom signifas la ofteco de dividado en sociaj retoj, la nivelo de media konscio, aĉetaj prezoj, prizorgaj kostoj, la maksimuma rapido de elektraj motorcikloj, bateria tempo de ŝarĝo, havebleco de ŝarĝa stacio-infrastrukturo en la laboro, havebleco de ŝarga infrastrukturo hejme, aĉetaj instigaj politikoj, kaj ŝargado de kostaj rabataj instigaj politikoj estas subteni la adopton de elektraj motorcikloj en Indonezio. Registaro bezonas subteni la provizadon de ŝarĝostacia infrastrukturo kaj instigan politikon por akceli la adopton de elektraj motorcikloj en Indonezio. Teknologiaj faktoroj kiel kilometraĵo kaj bateria vivo devas esti konsiderataj de produktantoj plibonigitaj por subteni la adopton de elektraj motorcikloj. Financaj faktoroj kiel aĉetprezoj kaj bateriaj kostoj devas zorgi pri entreprenoj kaj la registaro. La maksimuma uzo de sociaj retoj devas esti uzata por enkonduki elektran motorciklon al la komunumo. Komunumoj en juna aĝo povas promocii kiel fruaj adoptantoj ĉar ili havas larĝan socian reton. La realigo de la adopto de elektraj motorcikloj en Indonezio postulas infrastrukturan pretecon kaj kostojn, kiuj povas esti akceptitaj de konsumantoj. Ĉi tion la registaro povis efektivigi per fortaj registaraj devontigoj en pluraj landoj, kiuj sukcesis anstataŭigi konvenciajn veturilojn. Pliaj esploroj fokusos pri trovado de taŭgaj politikoj por akceli la adopton de elektraj motorcikloj en Indonezio. REFERENCOJ [1] Indonezio. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Rete]. Havebla: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Hejma Distribuado kaj Eksporta Statistiko, 2020. [Rete]. https://www.aisi.or.id/statistic. [Alirita: marto. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina, kaj R. Siregar, "Elektraj veturiloj en Indonezio: la vojo al daŭrigebla transportado", Solideco: Merkata Raporto, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto, kaj M. Nizam, "Komerciga modelo de nova teknologia litia jona baterio: kazesploro por inteligenta elektra veturilo", Agadoj de la 2013-a Komuna Internacia Konferenco pri Kampara Informado kaj Komunikada Teknologio kaj Elektra-Veturila Teknologio, rICT kaj ICEV -T 2013, 6741511.https: //doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini, kaj V. Bosetti, "Igi elektra: Fakula enketo pri la estonteco de bateriaj teknologioj por elektraj veturiloj. En Novigado sub Necerteco ", en Eldonado Edward Elgar, 93. Amsterdamo: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz, kaj MK Patel," Pri la elektrizo de aŭtotransportado - recenzo de la media, ekonomia kaj socia agado de elektraj du-radaj radioj, "Transporta Esplora Parto D: Transporto kaj Medio, vol. 41, pp 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, kaj R. Zakaria, "Markov Chain Analysis to Indentify the Market Share Prediction of New Technology: A Case Study of Electric Conversion Motorcycle in Surakarta, Indonezio", AIP Conference Proceedings, vol. 2217 (1), pp 030062), 2020. AIP Publishing LLC. [9] W. Sutopo kaj EA Kadir, "Indonezia Normo de Litio-Jona Bateria Ĉela Feroza Fosfato por Elektraj Veturiloj", TELKOMNIKA Indonezia Journalurnalo de Elektrotekniko, vol. 15 (2), pp 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy, kaj ABMulyono, "Projektanta kadro por normigado kaj testado de postuloj de bateria estrosistemo por elektraaŭtomobila apliko", Proceeding - 4-a Internacia Konferenco pri Elektra Veturila Teknologio, pp 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, "Revizio de Elektra Veturilo Ŝarganta Norman Evoluon: Studa Kazo en Indonezio", Proceeding - 2018 5a Internacia Konferenco pri Elektra Veturila Teknologio, vol. 8628367, pp 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Stop Mobil Berbahan Bakar Minyak, 2017. [Rete]. gaikindo.or.id. [Alirita: marto. 20, 2020]. [13] S. Goldenberg, "Indonezio por Tranĉi Karbonajn Emisiojn je 29% ĝis 2030", The Guardian, 2015. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NE. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 [14] YN Sang kaj HA Bekhet, "Modeling Electric Vehicle Usage Intentions: An Empirical Study in Malaysia," Journal of Cleaner Production, vol. 92, pp 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY Ŝi, Q. Sun, JJ Ma, kaj BC Xie, "Kio Estas La Baroj al Ĝeneraligita Adopto de Bateriaj Elektraj Veturiloj? Enketo pri Publika Percepto en Tianjin, Ĉinio, "Journal of Transport Policy, vol. 56, pp 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis, kaj A. Jones, "Analizante la prenon de bateriaj elektraj veturiloj: Enketo de barieroj inter ŝoforoj en la UK", Transportation Research Part D: Transport and Environment, vol. 63, pp 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge kaj C. Shao, "Esplorado de la Faktoroj Influantaj la Akcepton de Elektraj Veturiloj en Pekino, Ĉinio: Statistikaj kaj Spacaj Perspektivoj", Journal of Cleaner Production, vol. 213, pp 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analisis Multivariat Terapan pri Programo SPSS, AMOS, kaj SMARTPLS (2a Red). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Konsumado-adopto kontraŭ malakceptodecidoj en ŝajne similaj servinventoj: La kazo de la Interreto kaj poŝtelefona bankado", Journal of Business Research, revuo. 69 (7), pp 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur kaj R. Kemp, "La adopto de PV en Nederlando: statistika analizo de adoptfaktoroj", Renewable and Sustainable Energy Reviews, vol. 41, paĝoj 483-494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] Deputito Gagnon, E. Orruño, J. Asua, AB Abdeljelil kaj J. Emparanza, "Uzante Modifitan Teknologian Akceptan Modelon por Taksi Adopton de Nova Telemonitoriga Sistemo de Kuracistoj", Telemedicino kaj e-Sano, vol. 18 (1), pp 54-59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer, kaj P. Abrahamsson, "Enketa studo pri ĉefaj teknikaj baroj influantaj la decidon adopti nubajn servojn", Journal of Systems and Software, vol. 103, pp 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto, kaj W. Sutopo, "Konsumanta Percepto-Analizo de Elektra Aŭta Veturilo en Indonezio", AIP Conference Proceedings (Vol. 2217, n-ro 1, p. 030058), 2020. AIP Publishing LLC [24] ] Yuniaristanto, DEP Wicaksana, W. Sutopo, kaj M. Nizam, "Proposed business process technology commercialization: A case study of electric car tech 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, kaj TM Bakar, "Specimenaj grandecgvidlinioj por loĝistika regreso de observaj studoj kun granda populacio: emfazo de la precizeco inter statistikoj kaj parametroj bazitaj sur realaj klinikaj datumoj", The Malaysian journal of medicinaj sciencoj: MJMS, vol. 25 (4), pp 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab kaj A. Jam'an, "Metodologi Penelitian Bisnis", Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius kaj CC Lu, "Elektraj du-radaj radioj por daŭrigebla movebleco: Recenzo pri konsumado de elektaj motorcikloj ", International Journal of Sustainable Transportation, vol. 15 (3), pp 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka, kaj N. Anzinger, "Elektraj aŭtomobilaj aĉetaj intencoj de ĉinaj, rusaj kaj brazilaj civitanoj: internacia kompara studo", Revuo pri pli pura produktado, vol. 205, pp 188- 200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat, kaj B. Van Wee, "La influo de financaj instigoj kaj aliaj sociekonomikaj faktoroj sur elektroveturila adopto", Energy Policy, vol. 68, pp 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane, kaj JD Graham, "Perception and reality: public knowledge of plug-in electric vehicles in 21 US cities", Energipolitiko, vol. 63, pp 433-440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony, kaj B. Caulfield, "Kiel devas esti klasifikitaj barieroj al alternativaj fueloj kaj veturiloj kaj eblaj politikoj antaŭenigi novigajn teknologiojn?", Journal of Cleaner Production, vol. 35, pp 140–151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue kaj S. Long, "Baroj al ĝeneraligita adopto de elektraj aŭtomobiloj: analizo de konsumantaj sintenoj kaj perceptoj", Journal of Energy Policy, vol. 48, paĝoj 717–729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan, kaj YM Wei, "La efiko de registara politiko pri prefero por NEVoj: la evidenteco de Ĉinio", Energia Politiko, vol. 61, paĝoj 382-393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool kaj RF Hirsh, "Preter baterioj: ekzameno de la avantaĝoj kaj barieroj al aldoneblaj hibridaj elektraj aŭtomobiloj (PHEVoj) kaj veturilo-al-krada (V2G) transiro", Energia politiko, vol. 37, pp 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, kaj J. Stannard, "Ĉefaj konsumantoj veturantaj aldonaĵ-elektrajn kaj aldonaĵajn hibridajn elektrajn aŭtojn: kvalita analizo de respondoj kaj taksoj ”, Transp. Res. Parto A: Politika Praktiko., Vol. 46, pp 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi, kaj SL Mabit, "Ĉefaj konsumantoj veturantaj aldonaĵ-elektrajn kaj aldonaĵajn hibridajn elektrajn aŭtojn: kvalita analizo de respondoj kaj taksadoj", Transp. Res. Parto D: Transp. Environ., Vol. 25, pp 24-32, 2013. [Rete]. Havebla: ScienceDirect. [37] ND Caperello kaj KS Kurani, "Rakontoj de domanaroj pri iliaj renkontoj kun aldonaĵa hibrida elektra veturilo", Environ. Konduto., Vol. 44, pp 493-508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju, kaj CE Warrender, "La rakontoj de domanaroj pri iliaj renkontoj kun aldonaĵa hibrida elektra veturilo", Analizo de konsumanta enketo pri UTAMI ET AL. / REVUO PRI OPTIMIGOJ DE SISTEMOJ EN INDUSTRIOJ - VOL. 19 NE. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 81 konekteblaj hibridaj elektraj veturiloj. Transp. Res. Parto A: Politika Praktiko., Vol. 64, pp 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer kaj S. Lemeshow, "Applied Logistic Regression. Dua Eldono ”, Novjorko: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATURO j dependaj variaj kategorioj (j = 1, 2, 3, 4, 5) k sendependaj variaj kategorioj (k = 1, 2, 3, ..., m) i kvalitaj sendependaj variaj kategorioj n ordo de respondantoj β0j kaptas ĉiun respondon de dependa variablo Xk kvanta sendependa variablo Xik kvantuma sendependa variablo Y dependa variablo Pj (Xn) la okazo por ĉiu kategorio de sendependa variablo por ĉiu respondanto AUTHTOROJ BIOGRAFIO Martha Widhi Dela Utami Martha Widhi Dela Utami estas bakalaŭra studento de Industria Inĝenieria Fako de Universitas Sebelas Maret. Ŝi apartenas al Laboratorio pri Loĝistika kaj Komerca Sistemo. Ŝiaj esploraj interesoj estas administrado de loĝistiko kaj provizoĉeno kaj merkata esplorado. Ŝi publikigis sian unuan publikigon pri analizo de konsumantoj pri elektra aŭtomobila veturilo en Indonezio en 2019. Yuniaristanto Yuniaristanto estas preleganto kaj esploristo en Departemento de Industria Inĝenierio, Universitas Sebelas Maret. Liaj esploraj interesoj estas provizoĉeno, simulado-modelado, agado-mezurado kaj teknologia komercado. Li havas publikaĵojn indeksitajn de Scopus, 41 artikolojn kun 4 H-indekso. Lia retpoŝto estas yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, estas inĝeniera profesia grado (Ir) de Studprogramo de Profesia Inĝeniero - Universitas Sebelas Maret (UNS) ĉe 2019. Li doktoriĝis en la kampo de Industria Inĝenierado kaj Administrado de Institut Teknologi Bandung (ITB) ĉe 2011, sciencmajstro pri administrado de Universitas Indonezio ĉe 2004 kaj fraŭlo pri inĝenierado en industria inĝenierado de ITB ĉe 1999. Liaj esploraj interesoj estas provizoĉeno, inĝeniera ekonomio kaj kostanalizo, kaj teknologia komercado. Li akiris pli ol 30 esplorajn subvenciojn. Li havas publikaĵojn indeksitajn de Scopus, 117 artikolojn kun 7 H-indekso. Lia retpoŝto estas wahyudisutopo@staff.uns.ac.id.La rezultoj de la logistika regresa analizo por variabloj TE1 ĝis TE5, kiuj apartenas al teknologiaj faktoroj, montras la rezultojn, ke bateria ŝarĝa tempo (TE3) efikas grave sur la adopta intenco de elektraj motorcikloj en Indonezio. La signifa valoro por kilometra kapablo (0.107) ne subtenas Hipotezon 16, kilometra kapablo havas neniun signifan efikon al la intenco adopti elektran motorciklon. La valoro de takso por maksimuma kilometraĵo estas 0,166, pozitiva signo signifas, ke ju pli taŭga estas la maksimuma kilometraĵo de elektra motorciklo por iu, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por la sendependa varia potenco aŭ maksimuma rapideco (0,052) ne subtenas Hipotezon 17, maksimuma rapideco ne grave influas la intencon adopti elektran motorciklon. La valoro de estimi por potenco aŭ maksimuma rapideco estas 0,167, pozitiva signo signifas, ke ju pli taŭga estas la maksimuma rapideco de elektra motorciklo por homo, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por ŝarĝa tempo (0,004) subtenas Hipotezon 18, ŝarĝa tempo grave efikas sur la intenco adopti elektran motorciklon. La taksita valoro por ŝarĝa tempo estas 0,240, pozitiva signo signifas, ke ju pli taŭga estas la maksimuma rapideco de elektra motorciklo por iu, des pli alta estas la intenco adopti elektran motorciklon. La signifa valoro por sekureco (0,962) ne subtenas Hipotezon 19, sekureco ne grave influas la intencon adopti elektran motorciklon. La valoro de takso por sekureco estas -0.005, negativa signo signifas, ke ju pli sekura iu sentas sin per elektra motorciklo, des pli malalta estas la intenco adopti elektran motorciklon. La signifa valoro por bateria vivo (0,424) ne subtenas Hipotezon 20, la bateria vivo havas neniun signifan efikon al la intenco adopti elektran motorciklon. La valoro de takso por pilvivo estas 0,068, pozitiva signo signifas, ke ju pli taŭga estas la daŭro de elektra motorcikla baterio, des pli alta estas la intenco adopti elektran motorciklon. La rezultoj de logistika regresa analizo por variabloj ML1 al ML7, kiuj apartenas al makro-nivelaj faktoroj, montras la rezultojn, ke nur ŝargi haveblecon en la laborejo (ML2), ŝargi haveblecon en la loĝejo (ML3) kaj ŝargi kostan rabatan politikon (ML7) kiuj havas gravan efikon al la adopta intenco de elektraj motorcikloj en Indonezio. La signifa valoro por la ŝarĝa havebleco en publikaj lokoj (0,254) ne subtenas Hipotezon 21, ŝarga havebleco en publikaj lokoj ne grave influas la intencon adopti elektran motorciklon. La signifa valoro por la ŝarga havebleco ĉe laborejo (0,007) subtenas Hipotezon 22, ŝarga havebleco ĉe laborejo efikas grave sur la intenco adopti elektran motorciklon. La signifa valoro por la ŝarĝa havebleco hejme (0,009) subtenas Hipotezon 22, havebleco de ŝargado hejme grave efikas sur la intenco adopti motorciklon. La signifa valoro por la havebleco de servaj lokoj (0,181) ne subtenas Hipotezon 24, la havebleco de servaj lokoj havas neniun signifan efikon al la intenco adopti elektran motorciklon. La signifa valoro por la aĉeta instiga politiko (0.017) subtenas Hipotezon 25, aĉeta instiga politiko efikas grave sur la intenco adopti elektran motorciklon. La signifa valoro por la jara imposta rabata politiko (0,672) ne subtenas Hipotezon 26, ĉiujara imposta rabata politiko instigas neniun signifan efikon al la intenco adopti elektran motorciklon. La signifa valoro por la ŝarĝa kosto-rabata politiko (0,00) subtenas Hipotezon 27, la ŝarĝa kosto-rabata instiga politiko efikas grave sur la intenco adopti elektran motorciklon. Laŭ la rezulto de makro-nivela faktoro, elekto de elektra motorciklo povas realiĝi, se ŝarĝa stacio en la laborejo, ŝarga stacio en la loĝejo kaj ŝarĝa kosto-rabata politiko pretas aliri al konsumantoj. Entute la ofteco de dividado en sociaj retoj, la nivelo de ekologia konscio, aĉetaj prezoj, prizorgaj kostoj, la maksimuma rapideco de elektraj motorcikloj, bateria ŝarĝa tempo, havebleco de ŝarga stacidoma infrastrukturo ĉe laboro, havebleco de hejma potenco bazita - ŝarga infrastrukturo, UTAMI ET AL. / REVUO PRI OPTIMIGOJ DE SISTEMOJ EN INDUSTRIOJ - VOL. 19 NE. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 aĉetaj instigaj politikoj, kaj ŝarĝkostaj rabataj stimulaj politikoj grave influas la intencon adopti elektrajn veturilojn. Ekvacia Modelo kaj Probablofunkcio Ekvacio 3 estas logita ekvacio por la elekto de la respondo "forte nevola" adopti elektran motorciklon.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Ekvacio 4 estas logita ekvacio por la elekto de la respondo "nevola" adopti elektran motorciklon.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Ekvacio 5 estas logita ekvacio por la elekto de la respondo "dubo" adopti elektran motorciklon.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Ekvacio 6 estas logita ekvacio por la responda opcio "volanta" adopti elektran motorciklon.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Probablaj funkcioj de adopta intenco elektraj motorcikloj montritaj en Ekvacio 7 al Ekvacio 11. Ekvacio 7 estas la probableca funkcio por la elekto de la respondo " forte ne volas "adopti elektran motorciklon. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Ekvacio 8 estas la probabla funkcio por la elekto de la respondo "nevola" adopti elektra motorciklo. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Ekvacio 9 estas la probabla funkcio por la elekto de la respondo "dubo" adopti elektran motorciklon. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Ekvacio 10 estas la probabla funkcio por la elekto de la respondo "volanta" adopti elektran motorciklon. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Ekvacio 11 estas la probabla funkcio por la elekto de la respondo "forte volanta" adopti elektran motorciklon. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Adopta Intenca Probablo La ordinara logistika regresa ekvacio tiam aplikita al specimeno de la respondoj de la enketitoj. Tabelo 8 montras la karakterizaĵojn kaj respondojn de la specimeno. Do la probablo respondi ĉiun kriterion sur la dependa variablo estas kalkulita surbaze de Ekvacio 7 - 11. Specimeno de respondantoj, kiuj havas la respondojn kiel montrite en Tabelo 7, havas probablon de 0,0013 por forte nevola uzi elektran motorciklon, probablo de 0,0114 por nevola uzi elektran motorciklon, probablon de 0,1788 por dubo uzi elektran motorciklon, probablon de 0,563 al volado uzi elektran motorciklon, kaj probablon de 0,2455 al forte volanta uzi elektran motorciklon. Probablo de elekta motorciklo-adopto por 1 233 respondantoj ankaŭ estis kalkulita kaj la averaĝa valoro de la probablo por respondoj al forte nevolantaj uzi elektran motorciklon estis 0,0031, nevola uzi elektran motorciklon estis 0,0198, dubo uzi elektran motorciklon estis 0,1482, volante uzi elektra motorciklo estis 0,3410, kaj forte volanta uzi elektran motorciklon estis 0,4880. Se la probablo volonte kaj forte volonte sumiĝas, la probablo por indonezianoj adopti elektrajn motorciklojn atingas 82,90%. Rekomendoj por Komercistoj kaj Politikistoj En la ordinara logistika regresa analizo, la ofteco de dividado en sociaj retoj estas signifa faktoro influanta la intencon adopti elektran motorciklon. La graveco de sociaj retoj kiel platformo por publiko por akiri informojn pri elektraj motorcikloj influos la volon adopti elektrajn motorciklojn. La registaro kaj entreprenistoj povas provi uzi ĉi tiun rimedon, ekzemple, entreprenistoj povas promocii per gratifikoj aŭ dankemo al konsumantoj, kiuj aĉetis elektrajn motorciklojn kaj dividas pozitivajn aferojn rilate al elektraj motorcikloj ĉe siaj sociaj retoj. Tiel povus stimuli aliajn esti nova uzanto de elektra motorciklo. La registaro povas societumi aŭ enkonduki elektrajn motorciklojn al la publiko per sociaj retoj por instigi publikon transiri de konvencia motorciklo al elektra motorciklo. Ĉi tiu esplorado pruvas, kiom signifa estas la influo de makro-nivelaj faktoroj sur la adopto de elektraj motorcikloj en Indonezio. En la ordinara logistika regresa analizo, ŝarĝa infrastruktura havebleco ĉe la laborejo, ŝarga stacidoma havebleco hejme, aĉeta instiga politiko kaj ŝarĝa kosto-rabato grave influas la intencon adopti elektran motorciklon. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NE. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Tabelo 7. Ekzempla Respondanto Respondas Variabel Responda Kodo Valoro Edziĝa Stato Edziĝinta X1b 2 Aĝo 31-45 X2 2 Sekso Vira X3a 1 Lasta Eduka Nivelo Majstro X4 4 Okupo Privataj dungitoj X5c 3 Monate konsuma nivelo Rp2.000.000-5.999.9