O goberno de Indonesia tiña como obxectivo a adopción de 2,1 millóns de unidades de vehículos eléctricos de dúas rodas e 2.200 unidades de vehículos eléctricos de catro rodas en 2025 a través do Regulamento presidencial número 22 da República de Indonesia en 2017 sobre o Plan Xeral de Enerxía Nacional. En 2019, o Goberno de Indonesia emitiu o Regulamento presidencial n.o 55 en 2019 relativo á aceleración do programa de vehículos eléctricos de baterías para o transporte por estrada. En 2018, a adopción de vehículos eléctricos de dúas rodas só alcanzou o 0,14% do obxectivo do goberno para 2025. Polo tanto, a adopción da tecnoloxía de motocicletas eléctricas (EM) tamén debe considerar que moitos factores teñen éxito. Esta investigación desenvolve un modelo de intención de adopción de vehículos eléctricos sen comportamento. Os factores inclúen sociodemográfico, financeiro, tecnolóxico e macrolivel. Na enquisa en liña participaron 1.223 entrevistados. A regresión loxística úsase para obter a función e o valor de probabilidade da intención de adoptar EM en Indonesia. Frecuencia de uso compartido nas redes sociais, nivel de conciencia ambiental, prezos de compra, custos de mantemento, velocidade máxima, tempo de carga da batería, dispoñibilidade da infraestrutura da estación de carga no traballo, dispoñibilidade de enerxía doméstica: infraestrutura de carga, políticas de incentivos á compra e desconto do custo de carga as políticas de incentivos inflúen significativamente na intención de adoptar vehículos eléctricos. Tamén mostra que a oportunidade para os indonesios de adoptar motocicletas eléctricas chega ao 82,90%. A realización da adopción de motocicletas eléctricas en Indonesia require a preparación da infraestrutura e os custos que poden aceptar os consumidores. Por último, os resultados desta investigación ofrecen algunhas suxestións para que o goberno e as empresas aceleren a adopción de motos eléctricas en Indonesia.

INTRODUCIÓN

O sector económico de Indonesia (transporte, xeración de electricidade e fogares) utiliza principalmente combustibles fósiles. Algúns dos efectos negativos da alta dependencia dos combustibles fósiles son a maior asignación para subvencións ao combustible, problemas de sustentabilidade enerxética e altos niveis de emisións de CO2. O transporte é un sector importante que contribúe a elevados niveis de CO2 no aire debido aos moitos usos dos vehículos de combustibles fósiles. Esta investigación céntrase nas motos porque Indonesia, como país en desenvolvemento, ten máis motos que coches. O número de motos en Indonesia alcanzou as 120.101.047 unidades en 2018 [1] e as vendas de motos alcanzaron as 6.487.460 unidades en 2019 [2]. Cambiar o sector do transporte a fontes de enerxía alternativas pode reducir os niveis elevados de CO2. A solución realista para este problema é implementar unha loxística ecolóxica a través da penetración de vehículos eléctricos en Indonesia como vehículos eléctricos híbridos, vehículos eléctricos híbridos enchufables e vehículos eléctricos con batería [3]. A innovación tecnolóxica dos vehículos eléctricos e a innovación tecnolóxica das baterías poden proporcionar solucións de transporte que sexan respectuosas co medio ambiente, eficientes enerxeticamente e custos operativos e de mantemento máis baixos [4]. Os vehículos eléctricos son moitos dos que discuten países do mundo. No negocio mundial dos vehículos eléctricos, houbo un crecemento significativo das vendas de motocicletas eléctricas de dúas rodas que alcanzou o 58% ou arredor de 1,2 millóns de unidades entre 2016 e 2017. Este crecemento das vendas indica unha boa resposta de países do mundo sobre o desenvolvemento da electricidade. tecnoloxía de motocicletas que algún día as motos eléctricas esperaban substituír aos vehículos con combustible fósil. O obxecto de investigación é a motocicleta eléctrica (EM) que consiste nun novo deseño de motocicleta eléctrica (NDEM) e unha motocicleta eléctrica convertida (CEM). O primeiro tipo, o Novo Deseño de Motocicleta Eléctrica (NDEM), é un vehículo deseñado pola compañía que utiliza tecnoloxía eléctrica para as súas operacións. Algúns países do mundo como Australia, Alemaña, Inglaterra, Francia, Xapón, Taiwán, Corea do Sur e China xa utilizaron motocicletas eléctricas como produto substituto de vehículos de motocicleta con combustible fósil [5]. Unha marca de motocicletas eléctricas é Zero Motorcycle, que fabrica motocicletas eléctricas deportivas [6]. PT. Gesits Technologies Indo tamén produciu motocicletas eléctricas de dúas rodas baixo a marca Gesits. O segundo tipo é un CEM. A motocicleta eléctrica convertida é unha motocicleta de petróleo onde o motor e as pezas do motor substitúense por kits de baterías de fosfato de ferro litio (LFP) como fonte de enerxía. Aínda que moitos países producen motocicletas eléctricas, ninguén creou o vehículo empregando técnicas de conversión. A conversión pódese facer nunha motocicleta de dúas rodas que os seus usuarios xa non usan. Universitas Sebelas Maret é pioneira na fabricación de CEM e demostra tecnicamente que as baterías de ión-litio poden substituír as fontes de enerxía de combustibles fósiles nas motocicletas convencionais. CEM usa tecnoloxía LFP, esta batería non explota cando se produce un curtocircuíto. Ademais, a batería LFP ten unha vida útil de ata 3000 ciclos de uso e máis longa que as baterías EM comerciais actuais (como a batería de ión de litio e a batería LiPo). O CEM pode percorrer 55 km / carga e ter unha velocidade máxima de ata 70 km / hora [7]. Jodinesa, et al. [8] examinou a cota de mercado das motocicletas eléctricas convertibles en Surakarta, Indonesia e resultou que a xente de Surakarta respondeu positivamente ao CEM. Pola explicación anterior pódese ver que a oportunidade para as motos eléctricas é enorme. Desenvolvéronse varios estudos sobre estándares relacionados cos vehículos eléctricos e as baterías, como o estándar de batería de ión de litio de Sutopo et al. [9], o sistema de xestión de baterías estándar de Rahmawatie et al. [10], e as normas de carga de vehículos eléctricos de Sutopo et al. [11]. A lenta taxa de adopción de vehículos eléctricos en Indonesia levou ao goberno a publicar varias políticas para o desenvolvemento da industria automobilística e planificou a adopción de 2,1 millóns de unidades de motocicletas eléctricas e 2.200 unidades de coches eléctricos en 2025. Ademais, o goberno tamén se dirixía a Indonesia para poder producir 2.200 coches eléctricos ou híbridos que se recollen no Regulamento presidencial n.o 22 da 2017 da República de Indonesia relativa ao Plan Xeral de Enerxía Nacional. Esta normativa foi aplicada por varios países como Francia, Inglaterra, Noruega e India. O Ministerio de Enerxía e Recursos Minerais estableceuse como obxectivo que a partir de 2040, as vendas de vehículos con motor de combustión interna (ICEV) están prohibidas e pídese ao público que use vehículos de base eléctrica [12]. En 2019, o Goberno de Indonesia emitiu o Regulamento presidencial n.o 55 de 2019 relativo á aceleración do programa de vehículos eléctricos a motor para transporte por estrada. Este esforzo é un paso para superar dous problemas, a saber, o esgotamento das reservas de fuelóleo e a contaminación do aire. En canto á contaminación atmosférica, Indonesia comprometeuse a reducir o 29% das emisións de dióxido de carbono para 2030 como resultado da Conferencia de París sobre Cambio Climático celebrada en 2015. En 2018, a penetración de vehículos eléctricos de dúas rodas só alcanzou o 0,14% do obxectivo do goberno é 2025, mentres que a electricidade de catro rodas alcanzou máis do 45%. En decembro de 2017, había polo menos máis de 1.300 estacións públicas de carga eléctrica dispoñibles en todo o país en 24 cidades, onde o 71% (924 estacións de recarga) situábanse en DKI Iacarta [13]. Moitos países investigaron sobre a adopción de vehículos eléctricos, pero en Indonesia non se fixeron investigacións a escala nacional antes. Houbo moitos tipos de investigación nalgúns países que realizaron estudos sobre a adopción de novas tecnoloxías empregando varios métodos como a regresión lineal múltiple para coñecer a intención de uso do vehículo eléctrico en Malaisia ​​[14], o Modelado de ecuacións estruturais (SEM) para coñecer a adopción de barreiras de vehículos eléctricos en batería en Tianjin, China [15], análise de factores exploratorios e modelo de regresión multivariante para coñecer as barreiras entre os condutores de vehículos eléctricos no Reino Unido [16] e regresión loxística para coñecer os factores que inflúen na captación de vehículos eléctricos en Pequín, China [17]. Os fins desta investigación son desenvolver un modelo de adopción de motos eléctricas en Indonesia, atopar os factores que inflúen nas intencións de adoptar motocicletas eléctricas en Indonesia e determinar as oportunidades de función para a adopción de motos eléctricas en Indonesia. Modelar os factores é importante para descubrir que factores inflúen na intención de adoptar motocicletas eléctricas en Indonesia. Estes factores influentes poden usarse como referencia para formular políticas axeitadas para acelerar a adopción de motos eléctricas. Estes factores significativos son unha imaxe das condicións ideais desexadas polos potenciais usuarios de motos eléctricas en Indonesia. Algúns ministerios de Indonesia relacionados coa formulación de políticas relativas aos vehículos eléctricos son o Ministerio de Industria que trata as regras fiscais sobre vehículos baseadas nas súas emisións que tratan directamente cos fabricantes de vehículos eléctricos, o Ministerio de Transportes que realiza a proba de viabilidade dos vehículos eléctricos pavimentar na autoestrada, como probas de baterías, etc., así como o Ministerio de Enerxía e Recursos Minerais que é responsable de formular as tarifas da estación de carga de vehículos eléctricos á infraestrutura das empresas de carga de vehículos eléctricos. A innovación do vehículo eléctrico tamén fomenta o nacemento de novas entidades empresariais na cadea de subministración, incluíndo tecnopreneurs e start-ups de desenvolvedores, provedores, fabricantes e distribuidores de produtos / servizos de vehículos eléctricos e os seus derivados ao mercado [24]. Os empresarios de motos eléctricas tamén poden desenvolver tecnoloxía e mercadotecnia considerando estes factores significativos para apoiar a realización de motocicletas eléctricas en lugar de motos convencionais en Indonesia. Regresión loxística ordinal empregada para obter a función e o valor de probabilidade da intención de adoptar motocicletas eléctricas en Indonesia mediante o software SPSS 25. A regresión loxística ou regresión lóxica é un enfoque para facer modelos predictivos. Regresión loxística nas estatísticas empregadas para predicir a probabilidade de que ocorra un evento coincidindo cos datos na función loxística da curva logit. Este método é un modelo lineal xeral para a regresión binomial [18]. A regresión loxística empregouse para predicir a aceptación da adopción de internet e banca móbil [19], predicir a aceptación da adopción de tecnoloxía fotovoltaica nos Países Baixos [20], predicir a aceptación da tecnoloxía do sistema de telemonitorización para a saúde [21] e atopar elimina os obstáculos técnicos que afectan á decisión de adoptar servizos na nube [22]. Utami et al. [23] que previamente realizaron investigacións sobre as percepcións dos consumidores de vehículos eléctricos en Surakarta, descubriron que os prezos de compra, os modelos, o rendemento do vehículo e a preparación das infraestruturas eran as maiores barreiras para as persoas que adoptaban vehículos eléctricos. MÉTODO Os datos recollidos nesta investigación son datos primarios obtidos a través de enquisas en liña para descubrir oportunidades e factores que inflúen na intención de adoptar motocicletas eléctricas en Indonesia. Cuestionario e enquisa A enquisa en liña distribuíuse a 1.223 entrevistados en oito provincias de Indonesia para explorar os factores que inflúen na intención de adoptar motocicletas eléctricas en Indonesia. Estas provincias elixidas tiveron máis do 80% das vendas de motos en Indonesia [2]: Java Occidental, Java Oriental, Iacarta, Java Central, Sumatra do Norte, Sumatra do Oeste, Yogyakarta, Célebes do Sur, Sumatra do Sur e Bali. Os factores explorados móstranse na táboa 1. O coñecemento xeral sobre motocicletas eléctricas proporcionouse ao comezo do cuestionario mediante o uso de vídeo para evitar malentendidos. O cuestionario dividiuse en cinco seccións: sección de selección, sección sociodemográfica, sección financeira, sección tecnolóxica e sección a nivel macro. O cuestionario presentouse nunha escala Likert de 1 a 5, onde 1 por moi en desacordo, 2 por en desacordo, 3 por dúbida, 4 por estar de acordo e 5 por moi de acordo. A determinación do tamaño mínimo da mostra refírese a [25], afirmou que os estudos observacionais con grandes tamaños de poboación que implican regresión loxística requiren un tamaño mínimo da mostra de 500 para obter estatísticas que representan parámetros. Nesta investigación utilízase a mostraxe de grupos ou a mostra con proporcións, porque a poboación de usuarios de motos en Indonesia é moi grande. Ademais, a mostraxe intencionada úsase para determinar as mostras en función de certos criterios [26]. As enquisas en liña realízanse a través de Facebook Ads. Os entrevistados elixibles son persoas con idades ≥ 17 anos, que teñan un SIM C, que sexan un dos que toman as decisións para substituír ou mercar unha motocicleta e teñen domicilio nunha das provincias da táboa 1. Marco teórico She et al. [15] e Habich-Sobiegalla et al. [28] empregaron marcos para unha categorización sistemática de factores que impulsan ou obstaculizan a adopción de vehículos eléctricos polos consumidores. Adaptamos estes marcos modificándoo baseándonos na nosa análise da literatura sobre motocicletas eléctricas sobre a adopción por parte dos consumidores de motos eléctricas. Visualizámolo na táboa 1. Táboa 1. Explicación e referencia de factores e atributos Código de factor Atrtibute Ref. SD1 Estado civil [27], [28] SD2 Idade SD3 Xénero SD4 Última educación SD5 Ocupación Sociodemográfica SD6 Nivel de consumo mensual SD7 Nivel de ingresos mensuais SD8 Número de propiedade de motocicleta SD9 Frecuencia de compartición en redes sociais SD10 Tamaño da rede social en liña SD11 Sensibilización ambiental Financeiro FI1 Prezo de compra [29] FI2 Custo da batería [30] FI3 Custo de carga [31] FI4 Custos de mantemento [32] Tecnolóxico TE1 Capacidade de quilometraxe [33] TE2 Potencia [33] TE3 Tempo de carga [33] TE4 Seguridade [34] TE5 Duración da batería [35] Disponibilidade da estación de carga ML1 a nivel macro en lugares públicos [36] Disponibilidade da estación de carga ML2 no traballo [15] Disponibilidade da estación de carga ML3 [37] Disponibilidade das prazas de servizo ML4 [38] ML5 Política de incentivos á compra [15] ML6 Anual política de desconto de impostos [15] ML7 Política de desconto de custos de carga [15] Intención de adopción IP Intención de uso [15] Factor sociodemográfico O factor sociodemográfico é un factor persoal que inflúe no comportamento dun individuo na toma de decisións. Eccarius et al. [28] afirmaron no seu modelo de adopción que a idade, o xénero, o estado civil, a educación, os ingresos, a ocupación e a titularidade do vehículo son factores importantes que afectan á adopción do vehículo eléctrico. HabichSoebigalla et al destacan factores das redes sociais como o número de motocicletas, a frecuencia de compartir nas redes sociais e o tamaño da rede social en liña que son os factores que inflúen na adopción de vehículos eléctricos [28]. Eccarius et al. [27] e HabichSobiegalla et al. [28] tamén se considera que a conciencia ambiental pertence a factores socialdemográficos. Factor financeiro O prezo de compra é o prezo orixinal dunha motocicleta eléctrica sen subvencións á compra. Sierzchula et al. [29] dixo que o alto prezo de compra do vehículo eléctrico causado pola maior capacidade da batería. O custo da batería é o custo de substituír a batería cando se esgotou a duración da batería. Krause et al. investigou que o custo da batería pertence á barreira financeira para que alguén adopte un vehículo eléctrico [30]. O custo de carga é o custo da electricidade para alimentar unha motocicleta eléctrica en comparación co custo da gasolina [31]. Os custos de mantemento son os custos de mantemento rutineiro de motocicletas eléctricas, non as reparacións por accidente que afectan a adopción de vehículos eléctricos [32]. A capacidade de quilometraxe do factor tecnolóxico é a distancia máis afastada despois de que a batería da moto eléctrica estea completamente cargada. Zhang et al. [33] dixo que o rendemento do vehículo refírese á avaliación dos consumidores do vehículo eléctrico, incluída a capacidade de quilometraxe, a potencia, o tempo de carga, a seguridade e a duración da batería. A potencia é a velocidade máxima dunha motocicleta eléctrica. O tempo de carga é o tempo total para cargar completamente unha motocicleta eléctrica. A sensación de seguridade cando circulas nunha motocicleta eléctrica relacionada co son (dB) son os factores que destacan Sovacool et al. [34] que sexan factores que afecten a percepción do consumidor no vehículo eléctrico. Graham-Rowe et al. [35] dixo que a vida da batería considérase degradada. A infraestrutura de factor de nivel macro da dispoñibilidade da estación de carga é algo que non se pode evitar para os adoptantes de motos eléctricas. A dispoñibilidade de carga en lugares públicos considérase importante para apoiar a adopción de vehículos eléctricos [36]. A dispoñibilidade de carga no traballo [15] e a dispoñibilidade de carga na casa [37] tamén necesitan os consumidores para cumprir a batería do seu vehículo. Krupa et al. [38] dixo que a dispoñibilidade de prazas de servizo para o mantemento rutinario e os danos está afectando a adopción do vehículo eléctrico. Ela e col. [15] suxeriu algúns incentivos públicos que os consumidores de Tianjin son moi desexados, como a concesión de subvencións para a compra de motocicletas eléctricas, o desconto fiscal anual para as motocicletas eléctricas e a política de descontos nos custos cando os consumidores necesitan cargar motos eléctricas en lugares públicos [15]. Regresión loxística ordinal A regresión loxística ordinal é un dos métodos estatísticos que describen a relación entre unha variable dependente cunha ou máis variables independentes, onde a variable dependente é superior a 2 categorías e a escala de medida é nivel ou ordinal [39]. A ecuación 1 é un modelo para a regresión loxística ordinal e a ecuación 2 mostra a función g (x) como ecuación logit. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) RESULTADOS E DISCUSIÓN O cuestionario distribuíuse en liña de marzo a abril de 2020 a través de Facebook Ads de pago configurando a área de filtro: Java Occidental, Java Oriental, Iacarta, Java Central, Sumatra do Norte, Sumatra do Oeste, Yogyakarta, Sulawesi do Sur, Sumatra do Sur e Bali que alcanzaron os 21.628 usuarios. O total de respostas entrantes foi de 1.443 respostas, pero só 1.223 foron elixibles para o procesamento de datos. A táboa 2 mostra a demografía dos enquisados. Estatísticas descritivas A táboa 3 mostra estatísticas descritivas de variables cuantitativas. O desconto do custo de carga, o desconto fiscal anual e as subvencións ao prezo de compra teñen unha media superior entre outros factores. Isto ilustra que a maioría dos enquisados ​​consideran que hai unha política que o goberno intensivo foi capaz de animalos a adoptar motocicletas eléctricas. En canto aos factores financeiros, o prezo de compra e o custo da batería teñen unha media inferior entre outros factores. Isto ilustra que o prezo de compra dunha motocicleta eléctrica e o custo da batería non son adecuados co orzamento da maioría dos enquisados. A maioría dos entrevistados consideraron que o prezo da motocicleta eléctrica era demasiado caro cando se comparaba co prezo dunha motocicleta convencional. O custo de reposición da batería cada tres anos que alcanza os 5.000.000 de IDR tamén é demasiado caro para a maioría dos entrevistados, de xeito que o prezo de compra e o custo da batería son unha barreira para que os indonesios adopten motos eléctricas. A duración da batería, a potencia e o tempo de carga teñen puntuacións medias baixas nas estatísticas descritivas, pero a puntuación media destes tres factores é superior a 4. O tempo de carga que levou tres horas foi demasiado longo para a maioría dos enquisados. A velocidade máxima dunha motocicleta eléctrica é de 70 km / hy unha duración de batería de 3 anos non cumpre coas necesidades dos entrevistados. Isto ilustra que a maioría dos entrevistados consideran que as motos eléctricas de rendemento non cumpren os seus estándares. Aínda que os enquisados ​​non confiaron plenamente no rendemento das motocicletas eléctricas, EM pode satisfacer as súas necesidades de mobilidade diaria. Máis enquisados ​​deron máis puntuación á dispoñibilidade de cobro nas súas casas e oficinas que en lugares públicos. Non obstante, a barreira que a miúdo se atopa é que a enerxía eléctrica doméstica aínda está por baixo de 1300 VA, o que fai que os entrevistados esperen firmemente que o goberno poida axudar a proporcionar instalacións de carga na casa. A dispoñibilidade de cobro na oficina é máis preferida que nos lugares públicos porque a mobilidade dos enquisados ​​todos os días implica fogares e oficinas. A táboa 4 mostra as respostas dos enquisados ​​á adopción de motos eléctricas. Mostra que o 45.626% dos enquisados ​​ten unha forte disposición a usar unha moto eléctrica. Este resultado mostra un futuro brillante para a cota de mercado das motos eléctricas. A táboa 4 tamén mostra que case o 55% dos enquisados ​​non ten unha forte disposición a usar unha motocicleta eléctrica. Os interesantes resultados destas estatísticas descritivas implican que, aínda que o entusiasmo por usar motocicletas eléctricas aínda require estimulación, a aceptación pública das motos eléctricas é boa. Outra razón que pode ocorrer é que os entrevistados teñen a actitude de esperar e ver a adopción dunha motocicleta eléctrica ou se alguén máis usa unha motocicleta eléctrica ou non. Os datos de regresión loxística ordinal son procesos e análises para determinar a intención de adopción das motocicletas eléctricas en Indonesia mediante a regresión loxística ordinal. A variable dependente nesta investigación é a disposición a usar unha motocicleta eléctrica (1: moi desexado, 2: non disposto, 3: dúbida, 4: disposto, 5: moi disposto). Escolleuse a regresión loxística ordinal como método nesta investigación porque a variable dependente usa a escala ordinal. Os datos procesáronse usando o software SPSS 25 cun nivel de confianza do 95%. Realizáronse probas de multicolinealidade para calcular os factores de inflación de varianza (VIF) cun VIF medio de 1,15 a 3,693, o que significa que non hai multicolinealidade no modelo. A hipótese empregada na regresión loxística ordinal móstrase na táboa 5. A táboa 6 mostra que os resultados das probas parciais son a base para rexeitar ou aceptar a hipótese da regresión loxística ordinal. Táboa 2. Demografía de entrevistados Frecuencia demográfica de elementos% Frecuencia de elementos demográficos% Domicilio West Java 345 28,2% Ocupación Estudante 175 14,3% East Java 162 13,2% Funcionarios 88 7,2% Iacarta 192 15,7% Empregados privados 415 33,9% Java central 242 19,8% Empresario 380 31,1% Sumatera do Norte 74 6,1% Outros 165 13,5% Yogyakarta 61 5,0% Célebes do Sur 36 2,9% Idade 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% Sumatera Occidental 26 2,1% 46-60 79 6,5% Sur Sumatera 51 4,2%> 60 3 0,2% Estado civil Solteiro 370 30,3% Último nivel educativo SMP / SMA / SMK 701 57,3% Casado 844 69,0% Diploma 127 10,4% Outros 9 0,7% Bacharel 316 25,8% Xénero Home 630 51,5% Mestre 68 5,6 % Mulleres 593 48,5% Doutoramento 11 0,9% Nivel de ingresos mensuais 0 154 12,6% Nivel de consumo mensual <2.000.000 IDR 352% <ID 2.000.000 226 18,5% 2.000.000-5.999.999 640 52,3% 2.000.000-5.999.999 550 550% IDR 6.000.000- 9.999.999 121 9,9% IDR 6.000.000-9.999.999 199 16,3% ≥ 10.000.000 IDR 30 2,5% 10.000.000 IDR- 19.999.999 71 5,8% ≥ I DR 20.000.000 23 1,9% Táboa 3. Estatísticas descritivas de nivel financeiro, tecnolóxico e de nivel macro Rango medio variable Rango medio variable ML7 (disco de custo de carga.) 4.4563 1 ML3 (CS na casa) 4.1554 9 ML6 (disco fiscal anual. ) 4.4301 2 ML2 (CS nos lugares de traballo) 4.1055 10 ML5 (incentivo á compra) 4.4146 3 ML1 (CS en lugares públicos) 4.0965 11 TE4 (seguridade) 4.3181 4 TE5 (duración da batería) 4.0924 12 FI3 (custo de carga) 4.2518 5 TE2 (potencia ) 4.0597 13 TE1 (capacidade de quilometraxe) 4.2396 6 TE3 (tempo de carga) 4.0303 14 ML4 (lugar de servizo) 4.2142 7 FI1 (custo de compra) 3.8814 15 FI4 (custo de mantemento) 4.1980 8 FI2 (custo da batería) 3.5045 16 Táboa 4. Estatísticas descritivas para a Adopción Intención 1: moi desexado 2: desexado 3: dúbida 4: disposto 5: moi disposto Disposición a usar moto eléctrica 0,327% 2,044% 15,863% 36,141% 45,626% Os resultados da análise de regresión loxística para as variables SD1 a SD11 pertencentes a os factores sociodemográficos mostran os resultados que só a frecuencia de compartir as redes sociais (SD9) e o nivel de preocupación ambiental (SD11) teñen un efecto significativo na intención das motos eléctricas en Indonesia. Os valores significativos da variable cualitativa do estado civil son 0,622 para solteiros e 0,801 para casados. Eses valores non admiten a hipótese 1. O estado civil non inflúe significativamente na intención de adoptar unha motocicleta eléctrica porque o valor significativo é superior a 0,05. O valor significativo da idade é de 0,147, polo que a idade non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor da estimación para a idade de -0.168 non admite a hipótese 2. O signo negativo significa que canto maior sexa a idade, menor será a intención de adoptar unha moto eléctrica. O valor significativo da variable cualitativa, xénero, (0,385) non admite a hipótese 3. O xénero non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor significativo do último nivel de educación (0,603) non admite a hipótese 4. Así, a última educación non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor da estimación para o último nivel educativo de 0,036 significa un signo positivo significa que canto maior sexa o nivel de educación maior será a intención de adoptar unha moto eléctrica. O valor significativo para a variable cualitativa da ocupación foi de 0,487 para estudantes, 0,999 para funcionarios, 0,600 para empregados privados e 0,480 para empresarios que non apoian a hipótese 5. A ocupación non inflúe significativamente na intención de adoptar unha moto eléctrica. UTAMI ET AL. / DIARIO SOBRE OPTIMIZACIÓNS DE SISTEMAS NAS INDUSTRIAS - VOL. 19 NON 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 75 Táboa 5. Hipótese Hipótese Socio- H1: o estado civil ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. Demo- H2: a idade ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. gráfico H3: o xénero ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H4: o último nivel educativo ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H5: a ocupación ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H6: o nivel de consumo mensual ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H7: o nivel de ingresos mensuais ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H8: o número de motocicletas ten un efecto significativo positivo na intención de adoptar unha motocicleta eléctrica. H9: a frecuencia de compartir nas redes sociais ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H10: o tamaño da rede social en liña ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H11: a conciencia ambiental ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H12 financeiro: o prezo de compra ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H13: o custo da batería ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H14: o custo de carga ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H15: os custos de mantemento teñen un efecto significativo positivo na intención de adoptar unha moto eléctrica. H16: a capacidade de quilometraxe ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H17: a potencia ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. Techno- H18: o tempo de carga ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. lóxico H19: a seguridade ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H20: a duración da batería ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H21: a dispoñibilidade de infraestruturas de estación de carga en lugares públicos ten un efecto significativo positivo na intención de adoptar unha motocicleta eléctrica. H22: a dispoñibilidade de infraestrutura de estación de carga no traballo ten un efecto significativo positivo na intención de adoptar unha motocicleta eléctrica. Macrolevel H23: a dispoñibilidade de infraestrutura de estación de carga na casa ten un efecto significativo positivo na intención de adoptar unha motocicleta eléctrica. H24: a dispoñibilidade de prazas de servizo ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H25: a política de incentivos á compra ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H26: a política anual de desconto fiscal ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. H27: a política de desconto de custos de carga ten un efecto significativo positivo na intención de adoptar unha moto eléctrica. Táboa 6. Regresión loxística Resultados da proba parcial Var Valor Sig Var Valor Sig SD1: solteiro 0,349 0,622 TE1 0,166 0,069 SD1: casado 0,177 0,801 TE2 0,167 0,726 SD1: outros 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013 * SD3: varón 0,177 0,385 TE5 0,068 0,765 SD3: feminino 0 ML1 -0,127 0,022 * SD5: estudantes -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: outros 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 * Significante en nivel de confianza O valor significativo do nivel de consumo mensual (0,069) non admite a hipótese 6, o nivel de consumo mensual non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor estimado para o nivel de consumo mensual de 0,227, un signo positivo significa que canto maior sexa o nivel de gastos mensuais maior será a intención de adoptar unha moto eléctrica. O valor significativo do nivel de ingresos mensuais (0,726) non admite a hipótese 7, o nivel de ingresos mensuais non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor da estimación para o nivel de ingresos mensuais é de 0,032, signo positivo significa que canto maior sexa o nivel de ingresos mensuais maior será a intención de adoptar unha moto eléctrica. O valor significativo do número de motocicletas (0,161) non admite a hipótese 8, o número de motos non inflúe significativamente na intención de adoptar unha motocicleta eléctrica. O valor da estimación do nivel de propiedade das motocicletas é de 0.180; signo positivo significa que cantas máis motos posúan, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo da frecuencia de compartición en redes sociais (0,013) admite a hipótese 9, a frecuencia de compartición en redes sociais ten un efecto significativo na intención de adoptar unha motocicleta eléctrica porque o valor significativo é inferior a 0,05. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NON 1 (2020) 70-81 76 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 O valor da estimación para compartir a frecuencia nas redes sociais é de 0,111, signo positivo significa que canto maior sexa a frecuencia de compartir alguén nas redes sociais, maior será a posibilidade de adopción dun dispositivo eléctrico. motocicleta. O valor significativo do tamaño da rede social en liña (0,765) non admite a hipótese 10, o tamaño do alcance da rede social non inflúe significativamente na intención de adoptar unha moto. O valor da estimación para o número de persoas alcanzadas na rede social é de 0,016, o signo positivo significa que canto maior sexa o tamaño das redes sociais, maior será a intención de adoptar unha moto eléctrica. O valor significativo do nivel de conciencia ambiental (0,022) apoia a hipótese 11, o nivel de preocupación ambiental ten un efecto significativo na intención de adoptar unha motocicleta eléctrica. O valor da estimación para o nivel de conciencia ambiental é de 0,226, signo positivo significa que canto maior é o nivel de preocupación ambiental que ten unha persoa, maior será a intención de adoptar unha moto eléctrica. Os resultados da análise de regresión loxística das variables FI1 a FI4 pertencentes a factores financeiros amosan os resultados de que o prezo de compra (FI1) e os custos de mantemento (FI4) teñen un efecto significativo na intención das motos eléctricas en Indonesia. O valor significativo do prezo de compra (0,00) soporta a hipótese 12, o prezo de compra ten un efecto significativo na intención de adoptar unha moto eléctrica.O valor estimado para o prezo de compra é de 0,348, signo positivo significa que canto máis adecuado sexa o prezo de compra dunha motocicleta eléctrica para alguén, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo do custo da batería (0,355) non admite a hipótese 13, o custo da batería non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor significativo dos custos de carga (0,109) non admite a hipótese 14, o custo de carga non ten ningún efecto significativo sobre a intención de adoptar unha moto eléctrica. O valor estimado do custo de carga é de 0,136; signo positivo significa que canto máis adecuado sexa o custo de cargar unha motocicleta eléctrica para alguén, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo dos custos de mantemento (0,017) non admite a hipótese 15, os custos de mantemento teñen un efecto significativo na intención de adoptar unha moto eléctrica. O valor estimado dos custos de mantemento é de 0,193; signo positivo significa que canto máis adecuado sexa o custo do mantemento de motocicletas eléctricas para alguén, maior será a intención de adoptar unha motocicleta eléctrica. Os resultados da análise de regresión loxística para as variables TE1 a TE5 pertencentes a factores tecnolóxicos mostran os resultados de que o tempo de carga da batería (TE3) ten un efecto significativo na intención de adopción das motos eléctricas en Indonesia. O valor significativo da capacidade de quilometraxe (0,107) non admite a hipótese 16, a capacidade de quilometraxe non ten ningún efecto significativo sobre a intención de adoptar unha moto eléctrica. O valor da estimación para unha quilometraxe máxima é de 0,166, signo positivo significa que canto máis adecuada sexa a quilometraxe máxima dunha motocicleta eléctrica para alguén, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo da potencia variable independente ou velocidade máxima (0,052) non admite a hipótese 17, a velocidade máxima non inflúe significativamente na intención de adoptar unha motocicleta eléctrica. O valor de estimar a potencia ou velocidade máxima é 0,167, o signo positivo significa que canto máis axeitada sexa a velocidade máxima dunha motocicleta eléctrica para unha persoa, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo do tempo de carga (0,004) soporta a hipótese 18, o tempo de carga ten un efecto significativo na intención de adoptar unha moto eléctrica. O valor estimado para o tempo de carga é de 0,240, signo positivo significa que canto máis axeitada sexa a velocidade máxima dunha motocicleta eléctrica para alguén, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo para a seguridade (0,962) non admite a hipótese 19, a seguridade non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor da seguridade estimado é de -0.005, signo negativo significa que canto máis seguro se sente alguén usando unha motocicleta eléctrica, menor será a intención de adoptar unha motocicleta eléctrica. O valor significativo da duración da batería (0,424) non admite a hipótese 20, a duración da batería non ten ningún efecto significativo sobre a intención de adoptar unha motocicleta eléctrica. O valor da duración da batería é de 0,068, o signo positivo significa que canto máis axeitada sexa a duración dunha batería de motocicleta eléctrica, maior será a intención de adoptar unha motocicleta eléctrica. Os resultados da análise de regresión loxística para as variables ML1 a ML7 pertencen a factores de nivel macro amosan os resultados de que só a dispoñibilidade de carga no lugar de traballo (ML2), a dispoñibilidade de carga na residencia (ML3) e a política de desconto de custos de carga (ML7) que teñen un efecto significativo na intención de adopción de motos eléctricas en Indonesia. O valor significativo da dispoñibilidade de carga en lugares públicos (0,254) non admite a hipótese 21, a dispoñibilidade de carga en lugares públicos non inflúe significativamente na intención de adoptar motocicletas eléctricas. O valor significativo da dispoñibilidade de carga no lugar de traballo (0,007) admite a hipótese 22; a dispoñibilidade de carga no lugar de traballo ten un efecto significativo na intención de adoptar unha motocicleta eléctrica. O valor significativo da dispoñibilidade de carga na casa (0,009) admite a hipótese 22, a dispoñibilidade da carga na casa ten un efecto significativo na intención de adoptar unha moto. O valor significativo para a dispoñibilidade de prazas de servizo (0,181) non admite a hipótese 24, a dispoñibilidade de prazas de servizo non ten ningún efecto significativo sobre a intención de adoptar unha moto eléctrica. O valor significativo da política de incentivos á compra (0,017) soporta a hipótese 25; a política de incentivos á compra ten un efecto significativo na intención de adoptar unha moto eléctrica. O valor significativo da política anual de desconto fiscal (0,672) non admite a hipótese 26, a política anual de incentivos ao desconto fiscal non ten un efecto significativo na intención de adoptar unha moto eléctrica. O valor significativo da política de desconto de custos de carga (0,00) apoia a hipótese 27; a política de incentivos de desconto de custos de carga ten un efecto significativo na intención de adoptar unha moto eléctrica. Segundo o resultado do factor de nivel macro, a adopción de motocicletas eléctricas pódese realizar se a estación de carga no lugar de traballo, a estación de carga na residencia e a política de desconto de custos de carga están listos para acceder aos consumidores. En xeral, a frecuencia de compartición nas redes sociais, o nivel de conciencia ambiental, os prezos de compra, os custos de mantemento, a velocidade máxima das motocicletas eléctricas, o tempo de carga da batería, a dispoñibilidade da infraestrutura da estación de carga no traballo, a dispoñibilidade de enerxía doméstica - infraestrutura de carga, UTAMI ET AL. / DIARIO SOBRE OPTIMIZACIÓNS DE SISTEMAS NAS INDUSTRIAS - VOL. 19 NON 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 políticas de incentivos á compra e as políticas de incentivos ao desconto dos custos de carga están influíndo significativamente na intención de adoptar vehículos eléctricos. Modelo de ecuación e función de probabilidade A ecuación 3 é unha ecuación lóxica para a elección da resposta "moi disposto" a adoptar unha moto eléctrica.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) A ecuación 4 é unha ecuación lóxica para a elección da resposta "non quere" adoptar unha moto eléctrica.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) A ecuación 5 é unha ecuación lóxica para a elección da resposta "dúbida" para adoptar unha moto eléctrica.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) A ecuación 6 é unha ecuación lóxica para a opción de resposta "disposto" a adoptar unha moto eléctrica.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Funcións de probabilidade de motos eléctricas de intención de adopción mostradas na ecuación 7 á ecuación 11. A ecuación 7 é a función de probabilidade para a elección da resposta " moi disposto a adoptar unha moto eléctrica. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) A ecuación 8 é a función de probabilidade para a elección da resposta "non quere" adoptar un moto eléctrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) A ecuación 9 é a función de probabilidade para a elección da resposta "dúbida" para adoptar unha moto eléctrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) A ecuación 10 é a función de probabilidade para a elección da resposta "disposto" a adoptar unha moto eléctrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) A ecuación 11 é a función de probabilidade para a elección da resposta "moi disposta" a adoptar unha moto eléctrica. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Probabilidade de intención de adopción A ecuación de regresión loxística ordinal entón aplicado a unha mostra das respostas dos enquisados. A táboa 8 mostra as características e respostas da mostra. Así, a probabilidade de responder a cada criterio da variable dependente calcúlase en base á ecuación 7-11. Unha mostra de entrevistados que ten as respostas como se mostra na táboa 7 ten unha probabilidade de 0,0013 por non estar disposta a usar motocicletas eléctricas, unha probabilidade de 0,0114. se non está disposto a usar unha motocicleta eléctrica, unha probabilidade de 0,1788 para a dúbida de usar unha motocicleta eléctrica, unha probabilidade de 0,563 a estar disposto a usar unha motocicleta eléctrica e unha probabilidade de 0,2455 a estar disposto a usar unha motocicleta eléctrica. Tamén se calcularon a probabilidade de adopción de motocicletas eléctricas para 1.223 entrevistados e o valor medio da probabilidade de respostas a persoas que non están dispostas a usar motocicletas eléctricas foi de 0,0031; a motocicleta eléctrica era de 0,3410 e a forte disposición a usar unha motocicleta eléctrica era de 0,4880. Se a probabilidade de estar dispostos a estar totalmente dispostos é total, a probabilidade de que os indonesios adopten motocicletas eléctricas alcanza o 82,90%. Recomendacións para empresarios e responsables políticos Na análise de regresión loxística ordinal, a frecuencia de compartir nas redes sociais é un factor significativo que afecta á intención de adoptar unha motocicleta eléctrica. A importancia das redes sociais como plataforma para que o público obteña información sobre motocicletas eléctricas influirá na disposición a adoptar motocicletas eléctricas. O goberno e os empresarios poden tentar empregar este recurso, por exemplo, os empresarios poden facer promocións mediante bonos ou agradecemento aos consumidores que compraron motocicletas eléctricas e comparten cousas positivas relacionadas coas motos eléctricas nas súas redes sociais. Deste xeito pode estimular a outros a ser un novo usuario dunha motocicleta eléctrica. O goberno pode socializar ou presentar motocicletas eléctricas ao público a través das redes sociais para motivar o cambio do público da motocicleta convencional á motocicleta eléctrica. Esta investigación demostra a importancia que tivo a influencia dos factores de nivel macro na adopción de motos eléctricas en Indonesia. Na análise de regresión loxística ordinal, a dispoñibilidade de infraestrutura de estación de carga no lugar de traballo, a dispoñibilidade de infraestrutura de estación de carga no fogar, a política de incentivos á compra e o desconto do custo de carga inflúen significativamente na intención de adoptar unha moto eléctrica. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NON 1 (2020) 70-81 78 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Táboa 7. Resposta de resposta do exemplo Variabel Código de resposta Valor Estado civil Casado X1b 2 Idade 31-45 X2 2 Xénero Masculino X3a 1 Último nivel educativo Mestre X4 4 Ocupación Empregados privados X5c 3 Mensual nivel de consumo Rp2.000.000-5.999.999 X6 2 Nivel de ingresos mensuais Rp. 6.000.000-9.999.999 X7 3 Número de propiedade de motocicleta ≥ 2 X8 3 Frecuencia de compartición en redes sociais Varias veces ao mes X9 4 Tamaño da rede social en liña 100-500 persoas X10 2 Conciencia ambiental 1 X11 1 Harga beli 3 X12 3 Custo da batería 3 X13 3 Custo de carga 3 X13 3 Custos de mantemento 5 X14 5 Capacidade de quilometraxe 4 X15 4 Potencia 5 X16 5 Tempo de carga 4 X17 4 Seguridade 5 X18 5 Duración da batería 4 X19 4 Dispoñibilidade da estación de carga en lugares públicos 4 X20 4 Dispoñibilidade da estación de carga no traballo 4 X21 4 Dispoñibilidade da estación de recarga na casa 4 X22 4 Dispoñibilidade das prazas de servizo 2 X23 2 Política de incentivos á compra 5 X24 5 Política anual de desconto fiscal 5 X25 5 Política de desconto do custo de carga 5 X26 5 Custo de carga 5 X27 5 Custos de mantemento 3 X13 3 Kilometraxe capacidade 5 X14 5 Potencia 4 X15 4 Tempo de carga 5 X16 5 A maioría dos entrevistados consideran que a dispoñibilidade de infraestrutura de estación de carga na casa, nos lugares de traballo e nos lugares públicos inflúe significativamente na adopción de motocicletas eléctricas. O goberno pode organizar a instalación de infraestruturas de estación de carga en lugares públicos para apoiar a adopción de motocicletas eléctricas. O goberno tamén pode traballar xunto co sector empresarial para darse conta diso. Na construción de indicadores a nivel macro, esta investigación propón varias opcións de política de incentivos. As políticas de incentivos máis significativas segundo a enquisa son as políticas de incentivos á compra e as políticas de incentivos de desconto de custos de carga que o goberno pode considerar para apoiar a adopción de motos eléctricas en Indonesia. En canto aos factores financeiros, o prezo de compra ten un efecto significativo na intención de mercar unha motocicleta eléctrica. Esta é a razón pola que o incentivo para a subvención á compra tamén está a afectar significativamente á intención de adopción. O custo de mantemento máis baixo das motos eléctricas que as motos convencionais inflúe significativamente na intención de adopción das motos eléctricas. Polo tanto, a dispoñibilidade de servizos que satisfagan as necesidades dos consumidores fomentará aínda máis a intención de adoptar motocicletas eléctricas porque a maioría dos usuarios non coñecen os compoñentes das motos eléctricas, polo que necesitan técnicos cualificados se hai algún dano. O rendemento das motos eléctricas satisfixo as necesidades dos consumidores para satisfacer a súa mobilidade diaria. A velocidade máxima dunha motocicleta eléctrica e o tempo de carga poden cumprir os estándares desexados polos consumidores. Non obstante, un mellor rendemento das motocicletas, como maior seguridade, duración da batería e maior quilometraxe, seguramente aumentará a intención de adoptar unha motocicleta eléctrica. Ademais de aumentar o investimento en tecnoloxía, o goberno e as empresas tamén deben mellorar o sistema de avaliación da seguridade e fiabilidade das motocicletas eléctricas para aumentar a confianza do público. Para as empresas, promover a calidade e o rendemento é unha das formas máis eficaces de aumentar o entusiasmo dos consumidores polas motos eléctricas. Os consumidores que son máis novos e teñen un nivel de educación máis alto poden dirixirse como adoptantes temperáns a converterse en influencias porque xa teñen unha actitude máis optimista e teñen unha rede ampla. A segmentación do mercado pódese conseguir lanzando modelos específicos para consumidores dirixidos. Ademais, os enquisados ​​con maior conciencia ambiental tiñan máis probabilidades de querer adoptar motocicletas. UTAMI ET AL. / DIARIO SOBRE OPTIMIZACIÓNS DE SISTEMAS NAS INDUSTRIAS - VOL. 19 NON 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 79 CONCLUSIÓNS O cambio de motocicletas convencionais a motos eléctricas pode ser a mellor solución para superar o problema dos altos niveis de CO2 en Indonesia. O goberno indonesio tamén se deu conta e interveu establecendo varias políticas relativas aos vehículos eléctricos en Indonesia. Pero en realidade, a adopción de vehículos eléctricos en Indonesia aínda está nunha fase moi temperá, incluso lonxe dos obxectivos fixados polo goberno. O medio ambiente non admite a adopción de motocicletas eléctricas, como non hai regulacións máis detalladas e a falta de infraestruturas de apoio que provocan a baixa adopción de vehículos eléctricos en Indonesia. Esta investigación enquisou a 1.223 enquisados ​​de 10 provincias que tiñan un total do 80% da distribución total de vendas de motocicletas en Indonesia para explorar factores significativos que afectan ás intencións de adoptar motocicletas eléctricas en Indonesia e coñecer as funcións de probabilidade. Aínda que a maioría dos enquisados ​​entusiastas das motocicletas eléctricas e queren posuír unha motocicleta eléctrica no futuro, o seu interese en adoptar unha motocicleta eléctrica hoxe en día é relativamente baixo. Os entrevistados non queren usar motocicletas eléctricas neste momento debido a varias razóns como a falta de infraestruturas e políticas. Moitos entrevistados teñen a actitude de esperar e mirar cara á adopción de motocicletas eléctricas, con factores financeiros, factores tecnolóxicos e macro-niveis que deben estar seguindo as demandas dos consumidores. Esta investigación demostra a importancia que ten a frecuencia de compartir nas redes sociais, o nivel de conciencia ambiental, os prezos de compra, os custos de mantemento, a velocidade máxima das motocicletas eléctricas, o tempo de carga da batería, a dispoñibilidade da infraestrutura da estación de carga no traballo, a dispoñibilidade da infraestrutura de carga na casa, As políticas de incentivos á compra e as políticas de incentivos ao desconto dos custos están no apoio á adopción de motos eléctricas en Indonesia. O goberno ten que apoiar a subministración de infraestruturas de estacións de carga e a formulación de políticas de incentivos para acelerar a adopción de motos eléctricas en Indonesia. Os produtores deben considerar que os factores tecnolóxicos como a quilometraxe e a duración da batería son mellorados para apoiar a adopción de motos eléctricas. Os factores financeiros como os prezos de compra e os custos da batería deben preocupar ás empresas e ao goberno. Débese aproveitar ao máximo as redes sociais para presentar unha motocicleta eléctrica á comunidade. As comunidades desde unha idade nova poden promocionar como adoptantes temperáns porque teñen unha ampla rede de redes sociais. A realización da adopción de motocicletas eléctricas en Indonesia require a preparación da infraestrutura e os custos que poden aceptar os consumidores. Isto puido ser implementado polo goberno mediante fortes compromisos gobernamentais en varios países que conseguiron substituír os vehículos convencionais. Máis investigacións centraranse en atopar políticas axeitadas para acelerar a adopción de motos eléctricas en Indonesia. REFERENCIAS [1] Indonesia. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [En liña]. Dispoñible: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Estatística de distribución e exportación doméstica, 2020. [En liña]. https://www.aisi.or.id/statistic. [Consulta: marzo. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina e R. Siregar, "Vehículos eléctricos en Indonesia: o camiño cara a un transporte sostible", Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto e M. Nizam, "Modelo de comercialización de baterías de ións de litio de nova tecnoloxía: un estudo de caso para vehículos eléctricos intelixentes", Actas da Conferencia Internacional conxunta de tecnoloxía de información e comunicación rural e tecnoloxía de vehículos eléctricos de 2013, rICT e ICEV -T 2013, 6741511.https: //doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini e V. Bosetti, “Going electric: Expert survey on the future of battery technologies for electric vehicles. In Innovation under Uncertainty ", en Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz e MK Patel," On the electrification of road transport– unha revisión do rendemento ambiental, económico e social das dúas rodas eléctricas ", Research Research Part D: Transport and Environment, 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 e 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), pp. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo e EA Kadir, "An Indonesian Standard of Lithium-ion Battery Cell Ferro Phosphate for Electric Vehic Alications", TELKOMNIKA Indonesian Journal of Electrical Engineering, 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 e ABMulyono. Conferencia internacional sobre tecnoloxía de vehículos eléctricos, pp. 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, "A Review of Electric Vehicles Charging Standard Development: Study Case in Indonesia", Proceeding - 2018 5th International Conference on Electric Vehicular Technology, 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. [En liña]. gaikindo.or.id. [Consulta: marzo. 20, 2020]. [13] S. Goldenberg, "Indonesia reduce as emisións de carbono nun 29% ata 2030", The Guardian, 2015. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NON 1 (2020) 70-81 80 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 [14] YN Sang e 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 She, Q. Sun, JJ Ma e BC Xie, "Cales son as barreiras para a adopción xeneralizada dos vehículos eléctricos con batería? A Survey of Public Perception in Tianjin, China ", 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 e A. Jones, "Analizar a toma de vehículos eléctricos con batería: unha investigación de barreiras entre os condutores no Reino Unido", 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 e C. Shao, "Investigando os factores que inflúen na captación de vehículos eléctricos en Pequín, China: perspectivas estatísticas e espaciais", Journal of Cleaner Production, vol. 213, pp. 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Análise Multivariado do Programa SPSS, AMOS, e SMARTPLS (2a Ed). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Decisións de adopción contra rexeitamento do consumidor en innovacións de servizos aparentemente similares: O caso de Internet e banca móbil", Journal of Business Research, vol. 69 (7), pp. 2432-2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur e R. Kemp, "A adopción de PV nos Países Baixos: unha análise estatística de factores de adopción", Renewable and Sustainable Energy Reviews, vol. 41, pp. 483-494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil e J. Emparanza, "Usando un modelo de aceptación de tecnoloxía modificada para avaliar a adopción dun novo sistema de telemonitorización por parte dos profesionais sanitarios", Telemedicina e e-Saúde, vol. 18 (1), pp. 54-59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer e P. Abrahamsson, "Un estudo de enquisa sobre as principais barreiras técnicas que afectan a decisión de adoptar servizos na nube", 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 e W. Sutopo, "Consumer Perception Analysis of Electric Car Vehicle in Indonesia", AIP Conference Proceedings (Vol. 2217, No. 1, p. 030058), 2020. AIP Publishing LLC [24] ] Yuniaristanto, DEP Wicaksana, W. Sutopo e M. Nizam, "Proposed business process technology commercialization: A case study of electric car technology incubation", Proceedings of 2014 International Conference on Electrical Engineering and Computer Science, ICEECS, 7045257, pp. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at e TM Bakar, "Pautas de tamaño da mostra para a regresión loxística a partir de estudos observacionais con gran poboación: énfase na precisión entre estatísticas e parámetros baseados en datos clínicos da vida real", The Malaysian journal of ciencias médicas: MJMS, vol. 25 (4), pp. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab e A. Jam'an, "Metodologi Penelitian Bisnis", Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius e CC Lu, "Motorizado de dúas rodas para unha mobilidade sostible: Unha revisión da adopción por parte dos consumidores de motos eléctricas ”, 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 e N. Anzinger, "Intencións de compra de vehículos eléctricos de cidadáns chineses, rusos e brasileiros: un estudo comparativo internacional", Journal of cleaner production, vol. 205, pp. 188-200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat e B. Van Wee, "A influencia dos incentivos financeiros e outros factores socioeconómicos na adopción de vehículos eléctricos", 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 e JD Graham, "Perception and reality: public knowledge of plug-in electric vehicles in 21 U.S. cities", Energy Policy, vol. 63, pp. 433-440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony e B. Caulfield, "Como se deben clasificar as barreiras a combustibles e vehículos alternativos e avaliar as políticas potenciais para promover tecnoloxías innovadoras?", Journal of Cleaner Production, vol. 35, pp. 140-151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue e S. Long, "Barreiras á adopción xeneralizada de vehículos eléctricos: unha análise das actitudes e percepcións dos consumidores", Journal of Energy Policy, vol. 48, pp. 717-729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan e YM Wei, "O impacto da política do goberno sobre a preferencia polos NEV: a evidencia de China", Energy Policy, vol. 61, pp. 382-393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool e RF Hirsh, "Máis alá das baterías: un exame dos beneficios e barreiras para os vehículos eléctricos híbridos enchufables (PHEV) e unha transición vehículo-rede (V2G)", Energy Policy, 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 e J. Stannard, "Os consumidores principais que conducen coches eléctricos enchufables con batería e híbridos complementarios: unha análise cualitativa de respostas e avaliacións ”, Transp. Res. Parte A: Prácticas políticas, vol. 46, pp. 140-153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi e SL Mabit, "Os consumidores principais que conducen automóbiles eléctricos plug-in batería e plug-in eléctricos híbridos: unha análise cualitativa de respostas e avaliacións", Transp. Res. Parte D: Transp. Environ., Vol. 25, pp. 24-32, 2013. [En liña]. Dispoñible: ScienceDirect. [37] ND Caperello e KS Kurani, "Historias dos fogares dos seus encontros cun vehículo eléctrico híbrido complementario", Environ. Comportamento, 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 e CE Warrender, "Historias dos fogares dos seus encontros cun vehículo eléctrico híbrido complementario", Análise dunha enquisa ao consumidor sobre UTAMI ET AL. / DIARIO SOBRE OPTIMIZACIÓNS DE SISTEMAS NAS INDUSTRIAS - VOL. 19 NON 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 81 vehículos eléctricos híbridos enchufables. Transp. Res. Parte A: Prácticas políticas, vol. 64, pp. 14-31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer e S. Lemeshow, “Regresión loxística aplicada. Segunda edición ”, Nova York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATURA j categorías de variables dependentes (j = 1, 2, 3, 4, 5) k categorías de variables independentes (k = 1, 2, 3, ..., m) i categorías de variables independentes cualitativas n orde dos enquisados ​​β0j interceptan cada resposta de dependente variable Xk variable cuantitativa independente Xik variable cuantitativa independente Y variable dependente Pj (Xn) a oportunidade para cada categoría de variable independente para cada entrevistado BIOGRAFÍA DE AUTORES Martha Widhi Dela Utami Martha Widhi Dela Utami é estudante de primeiro ciclo de Enxeñaría Industrial do Departamento de Universitas Sebelas Maret. Pertence ao Laboratorio de Loxística e Sistemas Empresariais. Os seus intereses en investigación son a loxística e a xestión da cadea de subministración e a investigación de mercado. Publicou a súa primeira publicación sobre a análise da percepción do consumidor de vehículos de vehículos eléctricos en Indonesia en 2019. Yuniaristanto Yuniaristanto é profesora e investigadora do Departamento de Enxeñaría Industrial da Universitas Sebelas Maret. Os seus intereses de investigación son a cadea de subministración, o modelado de simulación, a medición do rendemento e a comercialización de tecnoloxía. Ten publicacións indexadas por Scopus, 41 artigos con 4 índices H. O seu correo electrónico é yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, ten un título profesional de enxeñaría (Ir) no Programa de Estudos de Enxeñeiro Profesional - Universitas Sebelas Maret (UNS) en 2019. Obtivo o seu doutorado no campo da Enxeñaría e Xestión Industrial polo Institut Teknologi Bandung (ITB) en 2011, Mestre en Ciencias en Xestión por Universitas Indonesia en 2004 e Licenciado en Enxeñaría en Enxeñaría Industrial por ITB en 1999. Os seus intereses de investigación son a cadea de subministración, a economía de enxeñaría e a análise de custos e a comercialización de tecnoloxía. Obtivo máis de 30 bolsas de investigación. Ten publicacións indexadas por Scopus, 117 artigos con 7 índices H. O seu correo electrónico é wahyudisutopo@staff.uns.ac.id.Os resultados da análise de regresión loxística para as variables TE1 a TE5 pertencentes a factores tecnolóxicos mostran os resultados de que o tempo de carga da batería (TE3) ten un efecto significativo na intención de adopción das motos eléctricas en Indonesia. O valor significativo da capacidade de quilometraxe (0,107) non admite a hipótese 16, a capacidade de quilometraxe non ten ningún efecto significativo sobre a intención de adoptar unha moto eléctrica. O valor da estimación para unha quilometraxe máxima é de 0,166, signo positivo significa que canto máis adecuada sexa a quilometraxe máxima dunha motocicleta eléctrica para alguén, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo da potencia variable independente ou velocidade máxima (0,052) non admite a hipótese 17, a velocidade máxima non inflúe significativamente na intención de adoptar unha motocicleta eléctrica. O valor de estimar a potencia ou velocidade máxima é 0,167, o signo positivo significa que canto máis axeitada sexa a velocidade máxima dunha motocicleta eléctrica para unha persoa, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo do tempo de carga (0,004) soporta a hipótese 18, o tempo de carga ten un efecto significativo na intención de adoptar unha moto eléctrica. O valor estimado para o tempo de carga é de 0,240, signo positivo significa que canto máis axeitada sexa a velocidade máxima dunha motocicleta eléctrica para alguén, maior será a intención de adoptar unha motocicleta eléctrica. O valor significativo para a seguridade (0,962) non admite a hipótese 19, a seguridade non inflúe significativamente na intención de adoptar unha moto eléctrica. O valor da seguridade estimado é de -0.005, signo negativo significa que canto máis seguro se sente alguén usando unha motocicleta eléctrica, menor será a intención de adoptar unha motocicleta eléctrica. O valor significativo da duración da batería (0,424) non admite a hipótese 20, a duración da batería non ten ningún efecto significativo sobre a intención de adoptar unha motocicleta eléctrica. O valor da duración da batería é de 0,068, o signo positivo significa que canto máis axeitada sexa a duración dunha batería de motocicleta eléctrica, maior será a intención de adoptar unha motocicleta eléctrica. Os resultados da análise de regresión loxística para as variables ML1 a ML7 pertencen a factores de nivel macro amosan os resultados de que só a dispoñibilidade de carga no lugar de traballo (ML2), a dispoñibilidade de carga na residencia (ML3