Indonesiens regering siktade på antagandet av 2,1 miljoner enheter med tvåhjuliga elfordon och 2 200 enheter med fyrhjuliga elfordon år 2025 genom Republiken Indonesiens presidentförordning nr 22 2017 om den nationella energigeneralplanen. År 2019 utfärdade Indonesiens regering 2019 presidentförordning nr 55 om acceleration av batteriprogrammet för vägtransport. År 2018 nådde antagandet av tvåhjuliga elfordon bara 0,14% av regeringens mål för 2025. Därför måste antagandet av elektrisk motorcykel (EM) -teknik också beakta många faktorer för att vara framgångsrik. Denna forskning utvecklar en icke-beteendemässig modell för antagande av elfordon. Faktorerna inkluderar sociodemografiska, finansiella, tekniska och makrolivåer. Onlineundersökningen involverade 1223 respondenter. Logistisk regression används för att erhålla funktionen och sannolikhetsvärdet för avsikten att anta EM i Indonesien. Delningsfrekvens på sociala medier, nivå av miljömedvetenhet, inköpspriser, underhållskostnader, maxhastighet, laddningstid för batterier, tillgänglighet för laddstationsinfrastruktur på jobbet, tillgänglighet av hemmabaserad laddningsinfrastruktur, inköpsincitamentspolicy och rabatt på kostnadskostnader incitamentspolitiken påverkar avsevärt avsikten att anta elfordon. Det visar också att indonesiernas möjlighet att anta elektriska motorcyklar når 82,90%. Förverkligandet av införandet av elektriska motorcyklar i Indonesien kräver infrastrukturberedskap och kostnader som kan accepteras av konsumenterna. Slutligen ger resultaten av denna forskning några förslag för regeringen och företagen att påskynda antagandet av elmotorcyklar i Indonesien.

INTRODUKTION

Den ekonomiska sektorn i Indonesien (transport, elproduktion och hushåll) använder mest fossila bränslen. Några av de negativa effekterna av det höga beroendet av fossila bränslen är det ökade anslaget för bränslesubventioner, energihållbarhetsproblem och höga koldioxidutsläpp. Transport är en stor sektor som bidrar till höga halter av koldioxid i luften på grund av de många användningsområdena för fossila fordon. Denna forskning fokuserar på motorcyklar eftersom Indonesien som utvecklingsland har fler motorcyklar än bilar. Antalet motorcyklar i Indonesien nådde 120 1010 04 enheter 2018 [1] och motorcykelförsäljningen nådde 6 487 460 enheter 2019 [2]. Att flytta transportsektorn till alternativa energikällor kan minska höga CO2 -halter. Den realistiska lösningen för detta problem är att implementera grön logistik genom penetrering av elfordon i Indonesien, till exempel hybridelektriska fordon, plug-in-hybridelektriska fordon och batterielektriska fordon [3]. Elektrisk fordonsteknologi och batteriteknikinnovation kan erbjuda transportlösningar som är miljövänliga, energieffektiva och lägre drift- och underhållskostnader [4]. Elfordon diskuteras många av länder i världen. I den globala elfordonsbranschen fanns en betydande försäljningstillväxt för tvåhjuliga elmotorcyklar som nådde 58% eller cirka 1,2 miljoner enheter från 2016 till 2017. Denna försäljningstillväxt indikerar ett bra svar från länder i världen om utvecklingen av elektriska motorcykelteknik som en dag, elektriska motorcyklar förväntas ersätta fossildrivna fordon. Forskningsobjektet är Electric Motorcycle (EM) som består av New Design of Electric Motorcycle (NDEM) och Converted Electric Motorcycle (CEM). Den första typen, New Design of Electric Motorcycle (NDEM), är ett fordon designat av företaget som använder elektrisk teknik för sin verksamhet. Vissa länder i världen som Australien, Tyskland, England, Frankrike, Japan, Taiwan, Sydkorea och Kina använde redan elektriska motorcyklar som en ersättningsprodukt för fossildrivna motorcykelfordon [5]. Ett varumärke för elektriska motorcyklar är Zero Motorcycle som tillverkar elmotorcyklar [6]. PT. Gesits Technologies Indo har också producerat tvåhjuliga elektriska motorcyklar under varumärket Gesits. Den andra typen är en CEM. Konverterad elektrisk motorcykel är en oljedriven motorcykel där motorn och motordelarna ersattes med litiumferrofosfat (LFP) batterisatser som energikälla. Även om många länder producerar en elektrisk motorcykel har ingen skapat fordonet med hjälp av konverteringstekniker. Konvertering kan göras på en tvåhjulig motorcykel som inte längre används av sina användare. Universitas Sebelas Maret är en pionjär inom tillverkning av CEM och bevisar tekniskt att litiumjonbatterier kan ersätta fossila energikällor på konventionella motorcyklar. CEM använder LFP -teknik, detta batteri exploderar inte när det uppstår kortslutning. Dessutom har LFP-batteriet en lång livslängd på upp till 3000 användningscykler och längre än nuvarande kommersiella EM-batterier (t.ex. litiumjonbatteri och LiPo-batteri). CEM kan åka 55 km/laddning och ha maximal hastighet upp till 70 km/tim [7]. Jodinesa, et al. [8] undersökte marknadsandelen för konvertibla elmotorcyklar i Surakarta, Indonesien och resulterade i att Surakartaborna reagerade positivt på CEM. Av förklaringen ovan kan man se att möjligheten för elektriska motorcyklar är enorm. Flera studier om standarder relaterade till elfordon och batterier har utvecklats, såsom litiumjonbatteristandarden av Sutopo et al. [9], batterihanteringssystemets standard av Rahmawatie et al. [10] och laddningsstandarder för elbilar av Sutopo et al. [11]. Den långsamma antagandet av elfordon i Indonesien har fått regeringen att släppa flera policyer för utvecklingen av bilindustrin och planerade att inrikta sig på antagandet av 2,1 miljoner elmotorcyklar och 2200 enheter med elbilar år 2025. Dessutom regeringen. var också inriktad på Indonesien för att kunna producera 2200 el- eller hybridbilar som anges i Republiken Indonesiens presidentförordning nr 22 från 2017 om den nationella energigeneralplanen. Denna förordning har tillämpats av olika länder som Frankrike, England, Norge och Indien. Ministeriet för energi och mineralresurser har satt upp ett mål att från och med 2040 är försäljning av förbränningsmotorfordon (ICEV) förbjuden och allmänheten ombeds använda elbaserade fordon [12]. År 2019 utfärdade Indonesiens regering presidentförordning nr 55 från 2019 om acceleration av det batteribaserade elmotorprogrammet för vägtransporter. Denna strävan är ett steg för att övervinna två problem, nämligen uttömning av bränsleoljereserver och luftföroreningar. När det gäller luftföroreningar har Indonesien åtagit sig att minska 29% av koldioxidutsläppen fram till 2030 som ett resultat av klimatkonferensen i Paris 2015. År 2018 nådde penetrationen av tvåhjuliga elfordon bara 0,14% av regeringens mål är 2025, medan för fyrhjulig el nådde mer än 45%. I december 2017 fanns minst mer än 1300 offentliga elektriska laddstationer tillgängliga över hela landet i 24 städer, varav 71% (924 påfyllningsstationer) ligger i DKI Jakarta [13]. Många länder har forskat om adoption av elfordon, men i Indonesien har nationella undersökningar inte gjorts tidigare. Det har funnits många typer av forskning i vissa länder som har genomfört studier om antagandet av ny teknik genom att använda flera metoder, såsom multipel linjär regression för att veta avsikt att använda elfordon i Malaysia [14], Structural Equation Modeling (SEM) för att veta adoption av batteridrivna fordons barriärer i Tianjin, Kina [15], undersökande faktoranalys och multivariat regressionsmodell för att känna till hinder för elfordonsförare i Storbritannien [16], och logistisk regression för att känna till de faktorer som påverkar upptag av elfordon i Peking, Kina [17]. Syftet med denna forskning är att utveckla en adoptionsmodell för elektriska motorcyklar i Indonesien, att hitta de faktorer som påverkar avsikten med att anta elmotorcyklar i Indonesien, och att fastställa funktionsmöjligheterna för att anta elektriska motorcyklar i Indonesien. Att modellera faktorerna är viktigt för att ta reda på vilka faktorer som påverkar avsikten att anta elektriska motorcyklar i Indonesien. Dessa inflytelserika faktorer kan användas som referens för att formulera lämpliga policyer för att påskynda antagandet av elektriska motorcyklar. Dessa viktiga faktorer är en bild av de idealiska förhållanden som potentiella el -motorcykelanvändare önskar i Indonesien. Några ministerier i Indonesien relaterade till utformningen av policyer för elektriska fordon är industriministeriet som behandlar fordonsskatteregler baserade på sina utsläpp som handlar direkt med elfordonstillverkare, Transportministeriet som kör genomförbarhetstestet av elfordon som kommer att bana på motorvägen, till exempel batteritester och så vidare, liksom ministeriet för energi och mineralresurser som är ansvarig för att formulera taxorna för elfordonets laddningsstation för infrastruktur för laddningsföretag för elfordon. Elbilsinnovation uppmuntrar också till att nya affärsenheter i leveranskedjan föds, inklusive teknoprenörer och nystartade företag från utvecklare, leverantörer, tillverkare och distributörer av elfordons produkter / tjänster och deras derivat till marknaden [24]. El -motorcykelföretagare kan också utveckla teknik och marknadsföring genom att överväga dessa viktiga faktorer för att stödja förverkligandet av elektriska motorcyklar istället för konventionella motorcyklar i Indonesien. Ordinarie logistisk regression används för att erhålla funktionen och sannolikhetsvärdet för avsikten att anta elektriska motorcyklar i Indonesien med SPSS 25 -programvara. Logistisk regression eller logit regression är ett tillvägagångssätt för att göra förutsägbara modeller. Logistisk regression i statistik som används för att förutsäga sannolikheten för att en händelse ska inträffa genom att matcha data i logitkurvens logistiska funktion. Denna metod är en allmän linjär modell för binomial regression [18]. Logistisk regression har använts för att förutsäga acceptans av internet- och mobilbankadoption [19], förutsäga acceptans av foto -voltaisk teknik i Nederländerna [20], förutsäga acceptans av telemonitoring systemteknologi för hälsa [21] och för att hitta ta bort de tekniska hinder som påverkar beslutet att anta molntjänster [22]. Utami et al. [23] som tidigare forskat om konsumentuppfattningar av elfordon i Surakarta, fann att inköpspriser, modeller, fordonsprestanda och infrastrukturberedskap var de största hindren för människor som antog elfordon. METOD De data som samlas in i denna forskning är primära data som erhålls genom onlineundersökningar för att ta reda på möjligheter och faktorer som påverkar avsikten att anta elektriska motorcyklar i Indonesien. Frågeformulär och undersökning Onlineundersökningen distribuerades till 1223 respondenter i åtta provinser i Indonesien för att undersöka faktorer som påverkar avsikten att anta elektriska motorcyklar i Indonesien. Dessa utvalda provinser hade mer än 80% av motorcykelförsäljningen i Indonesien [2]: West Java, East Java, Jakarta, Central Java, North Sumatra, West Sumatra, Yogyakarta, South Sulawesi, South Sumatra och Bali. De undersökta faktorerna visas i tabell 1. Allmän kunskap om elektriska motorcyklar gavs i början av frågeformuläret genom att använda video för att undvika missförstånd. Frågeformuläret var indelat i fem sektioner: screeningavdelning, sociodemografisk sektion, ekonomisektion, teknologisk sektion och makronivåavsnitt. Frågeformuläret presenterades i en Likert -skala från 1 till 5, där 1 för starkt oense, 2 för oeniga, 3 för tvivel, 4 för instämmer och 5 för starkt instämmer. Bestämning av minsta urvalsstorlek avser [25], konstaterade att observationsstudier med stora befolkningsstorlekar som involverar logistisk regression kräver minsta urvalstorlek på 500 för att få statistik som representerar parametrar. Klusterprovtagning eller områdesprovtagning med proportioner används i denna forskning eftersom befolkningen av motorcykelanvändare i Indonesien är mycket stor. Dessutom används målmedvetet provtagning för att bestämma prover utifrån vissa kriterier [26]. Onlineundersökningar utförs via Facebook -annonser. Kvalificerade respondenter är personer i åldern ≥ 17 år, som har SIM C, är en av beslutsfattarna att byta ut eller köpa en motorcykel och har sitt hemvist i en av provinserna i tabell 1. Teoretisk ram She et al. [15] och Habich-Sobiegalla et al. [28] använde ramar för en systematisk kategorisering av faktorer som driver eller hindrar antagandet av elfordon av konsumenter. Vi anpassade dessa ramar genom att modifiera det baserat på vår analys av elektrisk motorcykellitteratur om konsumentens användning av elektriska motorcyklar. Vi har visualiserat det i tabell 1.Tabell 1. Förklaring och referens av faktorer och attribut Faktorkod Atrtibute Ref. SD1 Civilstånd [27], [28] SD2 Ålder SD3 Kön SD4 Senaste utbildning SD5 Yrke Sociodemografisk SD6 Månadsförbrukning SD7 Månadsinkomstnivå SD8 Antal motorcykelägare SD9 Frekvensdelning på sociala medier SD10 Storlek på socialt nätverk online SD11 Miljömedvetenhet Finansiell FI1 Inköpspris [29] FI2 Batterikostnad [30] FI3 Laddningskostnad [31] FI4 Underhållskostnader [32] Teknologisk TE1 Körsträcka [33] TE2 Kraft [33] TE3 Laddningstid [33] TE4 Säkerhet [34] TE5 Batterilivslängd [35] ML1 på makronivå Tillgänglig laddstation på offentliga platser [36] Tillgänglighet för laddstationer för ML2 på jobbet [15] Tillgänglighet för laddstationer i hemmet [37] Tillgänglighet för serviceställen för ML4 [38] ML5 Inköpspolicy för inköp [15] ML6 Årlig skatterabattpolicy [15] ML7 Debiteringskostnadsrabattpolicy [15] Antagningsavsikt IP Avsikt att använda [15] Sociodemografisk faktor Sociodemografisk faktor är personliga faktorer som påverkar individens beteende vid beslutsfattande. Eccarius et al. [28] uppgav på sin adoptionsmodell att ålder, kön, civilstånd, utbildning, inkomst, yrke och fordonsägande är viktiga faktorer som påverkar elfordonets adoption. HabichSoebigalla et al. Belyser sociala nätverksfaktorer såsom antal motorcykelägande, frekvens av delning på sociala medier och storleken på sociala nätverk online är de påverkande faktorerna för elfordon [28]. Eccarius et al. [27] och HabichSobiegalla et al. [28] anses också miljömedvetenhet tillhör socialdemografiska faktorer. Finansiell faktor Inköpspris är det ursprungliga priset på en elmotorcykel utan köpstöd. Sierzchula et al. [29] sa att det höga inköpspriset på elfordon orsakas av den högsta batterikapaciteten. Batterikostnad är kostnaden för att byta ut batteriet när det gamla batteriets livslängd har tagit slut. Krause et al. undersökt att batterikostnaden tillhör en ekonomisk barriär för någon att anta ett elfordon [30]. Laddningskostnaden är kostnaden för el för att driva en elektrisk motorcykel jämfört med bensinkosten [31]. Underhållskostnader är rutinmässiga underhållskostnader för elektriska motorcyklar, inte reparationer på grund av en olycka som påverkar elfordonets antagande [32]. Teknisk faktor Miltalskapacitet är det längsta avståndet efter att elmotorbatteriet är fulladdat. Zhang et al. [33] sade att fordonsprestanda avser konsumenternas utvärdering av elfordon inklusive körsträcka, effekt, laddningstid, säkerhet och batteritid. Effekt är maxhastigheten för en elektrisk motorcykel. Laddningstid är övergripande tid för att ladda en elektrisk motorcykel helt. Säkerhetskänsla när du kör en elektrisk motorcykel relaterad till ljud (dB) är de faktorer som lyfter fram av Sovacool et al. [34] vara faktorer som påverkar konsumenternas uppfattning om elfordon. Graham-Rowe et al. [35] sa att batteritiden anses vara försämrad. Makro-nivå Faktor Infrastruktur för laddningsstationens tillgänglighet är något som inte kan undvikas för elmotorcykeladapter. Laddningstillgänglighet på offentliga platser anses vara viktigt för att stödja antagandet av elfordon [36]. Laddningstillgänglighet på jobbet [15] och laddningstillgänglighet hemma [37] behövs också av konsumenterna för att uppfylla batteriet i sitt fordon. Krupa et al. [38] sa att tillgängligheten till serviceplatser för rutinmässigt underhåll och skador påverkar antagandet av elfordon. Hon et al. [15] föreslog några offentliga incitament som är mycket efterfrågade av konsumenter i Tianjin, till exempel att ge subventioner för inköp av elektriska motorcyklar, årlig skatterabatt för elmotorcyklar och debitering av kostnadsrabatter när konsumenterna behöver ladda elmotorcyklar på offentliga platser [15]. Ordinal logistisk regression Ordinal logistisk regression är en av de statistiska metoderna som beskriver sambandet mellan en beroende variabel med en eller flera oberoende variabler, där den beroende variabeln är mer än 2 kategorier och mätskalan är nivå eller ordinal [39]. Ekvation 1 är en modell för ordinär logistisk regression och ekvation 2 visar funktionen g (x) som logitekvation. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) RESULTAT OCH DISKUSSION Frågeformuläret distribuerades online mars - april 2020, via betalda Facebook -annonser genom att ställa in filterområde: West Java, East Java, Jakarta, Central Java, North Sumatra, West Sumatra, Yogyakarta, South Sulawesi, South Sumatra och Bali som nådde 21 628 användare. Totalt inkommande svar var 1 443 svar, men endast 1223 svar var berättigade till databehandling. Tabell 2 visar demografin hos respondenterna. Beskrivande statistik Tabell 3 visar beskrivande statistik för kvantitativa variabler. Avgiftsrabatt, årlig skatterabatt och köpeskillingssubventioner har högre genomsnitt bland andra faktorer. Detta illustrerar att de flesta svarande anser att det finns en politik som regeringens intensiva har kunnat uppmuntra dem att anta elektriska motorcyklar. På finansiella faktorer har inköpspris och batterikostnad lägre genomsnitt bland andra faktorer. Detta illustrerar att inköpspriset för en elektrisk motorcykel och batterikostnad inte är lämpliga med budgeten för de flesta respondenter. De flesta svarande ansåg att priset på elmotorcykel var för dyrt jämfört med priset på en konventionell motorcykel. Utbyteskostnaden för batteriet vart tredje år som når 5 000 000 IDR är också för dyrt för de flesta respondenterna så att inköpspriset och batterikostnaden är ett hinder för indonesiska att anta elmotorcyklar. Batterilivslängd, ström, laddningstid har låga genomsnittliga poäng i beskrivande statistik, men genomsnittspoängen för dessa tre faktorer är mer än 4. Laddningstid som tog tre timmar var för lång för de flesta respondenter. Maxhastigheten för en elektrisk motorcykel är 70 km/h och en 3-årig batteritid uppfylls inte respondentenas behov. Detta illustrerar att de flesta svarande anser att prestanda elmotorcyklar inte uppfyller sina standarder. Även om respondenterna inte helt har litat på elmotorcyklarnas prestanda kan EM tillgodose deras dagliga behov av rörlighet. Fler respondenter gav mer poäng till laddningstillgängligheten i sina hem och kontor än på offentliga platser. Men en barriär som ofta upptäcks är att elenergin i hemmet fortfarande är under 1300 VA, vilket gör att respondenterna starkt förväntar sig att regeringen kan hjälpa till att tillhandahålla laddningsanläggningar hemma. Tillgänglighet för avgifter på kontoret är mer att föredra än på offentliga platser eftersom respondenternas rörlighet varje dag innebär hem och kontor. Tabell 4 visar svarandenas svar på antagandet av elektriska motorcyklar. Det visar att 45 626% av de tillfrågade har en stark vilja att använda en elektrisk motorcykel. Detta resultat visar en ljus framtid för den elektriska motorcykelns marknadsandel. Tabell 4 visar också att nästan 55% av de tillfrågade inte har en stark vilja att använda en elektrisk motorcykel. De intressanta resultaten från denna beskrivande statistik innebär att även om entusiasmen för att använda elmotorcyklar fortfarande kräver stimulans är allmän acceptans av elmotorcyklar bra. En annan anledning som kan uppstå är att respondenterna har attityd att vänta och se antagandet av en elektrisk motorcykel eller om någon annan använder en elmotorcykel eller inte. Ordinal logistisk regressionsdata bearbetas och analyseras för att bestämma antagandet av elektriska motorcyklar i Indonesien med hjälp av ordinarie logistisk regression. Den beroende variabeln i denna forskning är viljan att använda en elektrisk motorcykel (1: starkt ovillig, 2: ovillig, 3: tvivel, 4: villig, 5: starkt villig). Ordinal logistisk regression valdes som metod i denna forskning eftersom den beroende variabeln använder ordinalskalan. Data behandlades med SPSS 25 -programvara med en konfidensnivå på 95%. Multikollinearitetstester har utförts för att beräkna variansinflationsfaktorer (VIF) med en genomsnittlig VIF på 1,15- 3,693, vilket innebär att det inte finns någon multikollinearitet i modellen. Hypotesen som används vid ordinal logistisk regression visas i tabell 5. Tabell 6 visar de partiella testresultaten som ligger till grund för att förkasta eller acceptera hypotesen för ordinal logistisk regression. Tabell 2. Respondenters demografi Demografisk artikel Freq% Demografisk artikel Freq% Bostad West Java 345 28,2% Yrkesstudent 175 14,3% East Java 162 13,2% Tjänstemän 88 7,2% Jakarta 192 15,7% Privatanställda 415 33,9% Central Java 242 19,8% Entreprenör 380 31,1% North Sumatera 74 6,1% Övriga 165 13,5% Yogyakarta 61 5,0% South Sulawesi 36 2,9% Ålder 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% West Sumatera 26 2,1% 46-60 79 6,5% South Sumatera 51 4,2%> 60 3 0,2% Civilstånd Singel 370 30,3% Senaste utbildningsnivå SMP/SMA/SMK 701 57,3% Gift 844 69,0% Diplom 127 10,4% Övrigt 9 0,7% Ungkarl 316 25,8% Kön Man 630 51,5% Mästare 68 5,6 % Kvinna 593 48,5% Doktorsexamen 11 0,9% Månadsinkomstnivå 0154 12,6% Månadsförbrukning <IDR 2 000 000 432 35,3% <IDR 2 000 000 226 18,5% IDR 2 000 000–5999999640 52,3% IDR 2 000 000–5999999550 45% IDR6 000 000- 9999999121 9,9% IDR 6,000,000-9,999,999 199 16,3% ≥ IDR 10,000,000 30 2,5% IDR10,000,000- 19,999,999 71 5,8% ≥ I DR 20 000 000 23 1,9% Tabell 3. Beskrivande statistik för finansiell, teknik och makronivå Variabel genomsnittlig rang Variabel genomsnittlig rang ML7 (laddningskostnadsskiva.) 4.4563 1 ML3 (CS hemma) 4.1554 9 ML6 (årlig skivskiva. ) 4.4301 2 ML2 (CS på arbetsplatser) 4.1055 10 ML5 (inköpsincitament) 4.4146 3 ML1 (CS på offentliga platser) 4.0965 11 TE4 (säkerhet) 4.3181 4 TE5 (batteritid) 4.0924 12 FI3 (laddningskostnad) 4.2518 5 TE2 (effekt ) 4.0597 13 TE1 (körsträcka) 4.2396 6 TE3 (laddtid) 4.0303 14 ML4 (serviceplats) 4.2142 7 FI1 (inköpskostnad) 3.8814 15 FI4 (underhållskostnad) 4.1980 8 FI2 (batterikostnad) 3.5045 16 Tabell 4. Beskrivande statistik för Adoptionsavsikt 1: starkt ovillig 2: ovillig 3: tvivel 4: villig 5: starkt villig Vilja att använda elmotorcykel 0,327% 2,044% 15,863% 36,141% 45,626% Resultaten av logistisk regressionsanalys för variabler SD1 till och med SD11 som tillhör sociodemografiska faktorer visar resultaten som endast frekvensen av att dela på sociala medier (SD9) och miljöhänsyn (SD11) har en betydande effekt på avsikten med elektriska motorcyklar i Indonesien. De signifikanta värdena för den kvalitativa variabeln civilstånd är 0,622 för singlar och 0,801 för gifta. Dessa värden stöder inte hypotes 1. Civilstånd påverkar inte avsevärt avsikten med att anta en elektrisk motorcykel eftersom det betydande värdet är mer än 0,05. Det betydande värdet för ålder är 0,147 så att ålder inte väsentligt påverkar avsikten att anta en elektrisk motorcykel. Uppskattningsvärdet för -0.168 års ålder stöder inte hypotes 2. Det negativa tecknet innebär att ju högre ålder desto lägre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för den kvalitativa variabeln, kön, (0,385) stöder inte hypotes 3. Kön påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Det betydande värdet för den sista utbildningsnivån (0,603) stöder inte hypotes 4. Den sista utbildningen påverkar alltså inte avsevärt avsikten att anta en elektrisk motorcykel. Uppskattningsvärdet för den senaste utbildningsnivån på 0,036 betyder att ett positivt tecken betyder att ju högre utbildningsnivå desto högre avsikt att anta en elektrisk motorcykel. Det betydande värdet för ockupationens kvalitativa variabel var 0,487 för studenter, 0,999 för tjänstemän, 0,600 för privatanställda och 0,480 för företagare som inte stöder hypotes 5. Yrke påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. UTAMI ET AL. /JOURNAL OM OPTIMERINGAR AV SYSTEM I INDUSTRIER - VOL. 19 NEJ. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tabel 5. Hypotes Hypotes Socio-H1: civilstånd har en positiv signifikant effekt på avsikten att anta en elektrisk motorcykel. Demo-H2: ålder har en positiv signifikant effekt på avsikten att anta en elektrisk motorcykel. grafisk H3: kön har en positiv signifikant effekt på avsikten att anta en elektrisk motorcykel. H4: senaste utbildningsnivån har en positiv signifikant effekt på avsikten att anta en elektrisk motorcykel. H5: ockupation har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H6: månadskonsumtion har en positiv signifikant effekt på avsikten att anta en elektrisk motorcykel. H7: månadsinkomstnivån har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H8: antal motorcykelägare har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H9: frekvens av delning på sociala medier har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H10: Storleken på det sociala nätverket online har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H11: miljömedvetenhet har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. Ekonomiskt H12: inköpspris har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H13: batterikostnad har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H14: laddningskostnad har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H15: underhållskostnader har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H16: körsträcka har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H17: effekt har en positiv signifikant effekt på avsikten att anta en elektrisk motorcykel. Techno-H18: laddningstid har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. logisk H19: säkerhet har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H20: batteritiden har en positiv betydelse för avsikten att anta en elektrisk motorcykel. H21: tillgänglighet av laddstationens infrastruktur på offentliga platser har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H22: tillgänglighet av laddstationens infrastruktur på jobbet har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. Macrolevel H23: tillgänglighet av laddstationsinfrastruktur hemma har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H24: tillgängligheten av tjänster har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H25: köpincitamentspolicy har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H26: Årlig skatterabattpolitik har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. H27: debitering av rabattpolicy har en positiv betydande effekt på avsikten att anta en elektrisk motorcykel. Tabell 6. Logistisk regression Partiella testresultat Var Värde Sig Var Värde Sig SD1: enkel 0,349 0,622 TE1 0,166 0,069 SD1: gift 0,173 0,801 TE2 0,167 0,726 SD1: andra 0 TE3 0,240 0,161 SD2 -0,166 0,177 TE4 -0,005 0,013* SD3: hane 0,177 0,385 TE5 0,068 0,765 SD3: hona 0 ML1 -0,127 0,022* SD5: studenter -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: andra 0 ML6 -0.059 0.107 SD6 0.227 0.069 ML7 0.521 0.052 SD7 0.032 0.726 TE1 0.146 0.004* SD8 0.180 0.161 TE2 0.167 0.962 SD9 0.111 0.013* TE3 0.240 0.424 SD10 0.016 0.765 TE4 -0.005 0.254 SD11 0.226 0.022* TE5 0.068 0.007* FI1 0.348 0.000* ML1 -0.127 0.009* FI2 -0.069 0.355 ML2 0.309 0.181 FI3 0.136 0.109 ML3 0.253 0.017* FI4 0.193 0.017* ML4 0.134 0.672* Signifikant vid konfidensnivå Det betydande värdet för den månatliga förbrukningsnivån (0,069) stöder inte hypotes 6, den månatliga förbrukningsnivån påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Uppskattningsvärdet för den månatliga förbrukningsnivån på 0,227, ett positivt tecken innebär att ju högre månadsutgifterna är desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för månadsinkomstnivån (0,726) stöder inte Hypotes 7, månadsinkomstnivån påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Värdet av uppskattningen för den månatliga inkomstnivån är 0,032, positivt tecken innebär att ju högre månadsinkomstnivån är desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för antalet motorcykelägande (0.161) stöder inte Hypotes 8, antalet motorcykelägande påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Värdet av uppskattning för motorcykelägandet är 0,180, positivt tecken betyder att ju fler motorcyklar som ägs, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för frekvensen för delning på sociala medier (0,013) stöder hypotes 9, frekvensen för delning på sociala medier har en betydande effekt på avsikten att anta en elektrisk motorcykel eftersom det betydande värdet är mindre än 0,05. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NEJ. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Uppskattningsvärdet för delningsfrekvens på sociala medier är 0,111, positivt tecken innebär att ju högre frekvens det är att dela någon på sociala medier, desto större är chansen att anta en elektrisk motorcykel. Betydande värde för storleken på det sociala nätverket online (0,765) stöder inte Hypotes 10, storleken på det sociala nätverkets räckvidd påverkar inte avsevärt avsikten med att anta en motorcykel. Värdet av uppskattning för antalet personer som nås i det sociala nätverket är 0,016, positivt tecken betyder att ju större storleken på sociala medier är desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för miljömedvetenheten (0,022) stöder hypotes 11, miljönivån har en betydande effekt på avsikten att anta en elektrisk motorcykel. Värdet av uppskattning för miljömedvetenheten är 0,226, positivt tecken innebär att ju högre miljöhänsyn en person har, desto högre är avsikten att anta en elektrisk motorcykel. Resultaten av logistisk regressionsanalys för variablerna FI1 till FI4 som tillhör finansiella faktorer visar resultaten att inköpspriset (FI1) och underhållskostnaderna (FI4) har en betydande effekt på avsikten med elektriska motorcyklar i Indonesien. Det betydande värdet för inköpspriset (0,00) stöder Hypotes 12, köpeskillingen har en betydande effekt på avsikten att anta en elektrisk motorcykel.Värdet av uppskattningen för inköpspriset är 0,348, positivt tecken innebär att ju mer lämpligt köpeskillingen för en elektrisk motorcykel för någon är, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för batterikostnaden (0,355) stöder inte Hypotes 13, batterikostnaden påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Det betydande värdet för laddningskostnader (0,109) stöder inte Hypotes 14, laddningskostnaden har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Uppskattningsvärdet för laddningskostnaden är 0,136, positivt tecken betyder att ju mer lämplig kostnaden för att ladda en elektrisk motorcykel för någon, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för underhållskostnader (0,017) stöder inte Hypotes 15, underhållskostnader har en betydande effekt på avsikten att anta en elektrisk motorcykel. Värdet av uppskattningen för underhållskostnader är 0,193, positivt tecken innebär att ju mer lämplig kostnaden för elmotorcykelunderhåll för någon är, desto högre är avsikten att anta en elektrisk motorcykel. Resultaten av den logistiska regressionsanalysen för variablerna TE1 till TE5 som tillhör tekniska faktorer visar resultaten att batteriladdningstid (TE3) har en betydande effekt på antagandet av elektriska motorcyklar i Indonesien. Det betydande värdet för körsträcka (0.107) stöder inte hypotes 16, körsträcka har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Värdet av uppskattning för en maximal körsträcka är 0,146, positivt tecken innebär att ju mer lämplig den maximala körsträckan för en elektrisk motorcykel är för någon, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för den oberoende variabla effekten eller maxhastigheten (0,052) stöder inte hypotes 17, maxhastigheten påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Värdet av esimate för effekt eller maximal hastighet är 0,167, positivt tecken innebär att ju mer lämplig maxhastigheten för en elektrisk motorcykel för en person är, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för laddningstid (0,004) stöder hypotes 18, laddningstid har en betydande effekt på avsikten att anta en elektrisk motorcykel. Det uppskattade värdet för laddningstiden är 0,240, positivt tecken innebär att ju mer lämplig maxhastigheten för en elektrisk motorcykel är för någon, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande säkerhetsvärdet (0,962) stöder inte Hypotes 19, säkerheten påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Värdet av uppskattningen för säkerheten är -0.005, negativt tecken innebär att ju säkrare någon känner sig använda en elektrisk motorcykel, desto lägre är avsikten att anta en elektrisk motorcykel. Det signifikanta värdet för batteritiden (0,424) stöder inte Hypotes 20, batteritiden har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Uppskattningsvärdet för batteriets livslängd är 0,068, positivt tecken innebär att ju mer lämpligt livslängden för ett elmotorbatteri är, desto högre är avsikten att anta en elektrisk motorcykel. Resultaten av logistisk regressionsanalys för variablerna ML1 till ML7 som tillhör makronivåfaktorer visar resultaten att endast laddningstillgänglighet på arbetsplatsen (ML2), laddningstillgänglighet i bostaden (ML3) och debitering av rabattpolicy (ML7) som har betydande effekt på antagandet av elektriska motorcyklar i Indonesien. Det betydande värdet för laddningstillgängligheten på offentliga platser (0,254) stöder inte Hypotes 21, tillgänglighet för laddning på offentliga platser påverkar inte avsevärt avsikten att anta elektrisk motorcykel. Det betydande värdet för laddningstillgängligheten på arbetsplatsen (0,007) stöder hypotes 22, tillgänglighet för laddning på arbetsplatsen har en betydande effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för laddningstillgängligheten i ett hem (0,009) stöder hypotes 22, tillgänglighet för laddning hemma har en betydande effekt på avsikten att anta en motorcykel. Det betydande värdet för tillgängligheten av serviceplatser (0,181) stöder inte Hypotes 24, tillgängligheten av serviceplatser har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för köpincitamentspolicyn (0,017) stöder Hypotes 25, inköpsincitamentspolicy har en betydande effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för den årliga skatterabattpolicyn (0,672) stöder inte Hypotes 26, årlig skatterabattpolicy har ingen betydande effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för debiteringskostnadsrabattpolicyn (0,00) stöder hypotes 27, debiteringskostnadsrabatten har en betydande effekt på avsikten att anta en elektrisk motorcykel. Enligt resultatet från makronivåfaktor kan elmotorcykelanpassning realiseras om laddstationen på arbetsplatsen, laddstationen i bostaden och rabattpolicyn för laddningskostnader är klara för konsumenter. Sammantaget delningsfrekvens på sociala medier, miljömedvetenhet, inköpspriser, underhållskostnader, maxhastigheten för elmotorcyklar, laddningstid för batterier, tillgänglighet av laddstationsinfrastruktur på jobbet, tillgänglighet av hemmabaserad laddningsinfrastruktur, UTAMI ET AL. /JOURNAL OM OPTIMERINGAR AV SYSTEM I INDUSTRIER - VOL. 19 NEJ. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 inköpsincitamentspolicyer och debitering av rabatterade incitamentspolicyer påverkar avsevärt avsikten att anta elfordon. Ekvationsmodell och sannolikhetsfunktion Ekvation 3 är en logitekvation för valet av svaret "starkt ovilligt" att anta en elektrisk motorcykel.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Ekvation 4 är en logitekvation för valet av svaret "ovillig" att anta en elektrisk motorcykel.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Ekvation 5 är en logitekvation för valet av svaret ”tvivel” för att anta en elektrisk motorcykel.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Ekvation 6 är en logitekvation för svarsalternativet ”villig” att anta en elektrisk motorcykel.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Sannolikhetsfunktioner för adoption avsikt elmotorcyklar som visas i ekvation 7 till ekvation 11. Ekvation 7 är sannolikhetsfunktionen för valet av svaret ” starkt ovilliga ”att anta en elektrisk motorcykel. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Ekvation 8 är sannolikhetsfunktionen för valet av svaret ”ovillig” att anta en elektrisk motorcykel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Ekvation 9 är sannolikhetsfunktionen för valet av svaret "tvivel" för att anta en elektrisk motorcykel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Ekvation 10 är sannolikhetsfunktionen för valet av svaret "villig" att anta en elektrisk motorcykel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Ekvation 11 är sannolikhetsfunktionen för valet av svaret "starkt villigt" att anta en elektrisk motorcykel. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Antagande avsikt Sannolikhet Ordinal logistisk regressionsekvation då tillämpas på ett urval av respondenternas svar. Tabell 8 visar provets egenskaper och svar. Så sannolikheten att svara på varje kriterium på den beroende variabeln beräknas baserat på ekvation 7 - 11. Ett urval av respondenter som har svaren enligt tabell 7 har en sannolikhet på 0,0013 för starkt ovilliga att använda elmotorcykel, en sannolikhet på 0,0114 för ovilja att använda elmotorcykel, en sannolikhet på 0,1788 för tvivel om att använda elmotorcykel, en sannolikhet för 0,563 att vara villig att använda en elektrisk motorcykel och en sannolikhet för 0,2455 för att vara starkt villig att använda en elektrisk motorcykel. Sannolikheten för antagande av elektrisk motorcykel för 1223 respondenter beräknades också och medelvärdet av sannolikheten för svar på starkt ovilliga att använda elmotorcykel var 0,0031, ovillig att använda elmotorcykel var 0,0198, tvivel om att använda elmotorcykel var 0,1482, villig att använda en elektrisk motorcykel var 0,3410, och starkt villig att använda en elektrisk motorcykel var 0,4880. Om sannolikheten för villiga och starkt villiga är total, når sannolikheten för indonesier att anta elektriska motorcyklar 82,90%. Rekommendationer för företag och beslutsfattare I den ordinära logistiska regressionsanalysen är frekvensen för delning på sociala medier en betydande faktor som påverkar avsikten att anta en elektrisk motorcykel. Vikten av sociala medier som en plattform för allmänheten att få information om elmotorcyklar kommer att påverka viljan att anta elmotorcyklar. Regeringen och företagare kan försöka utnyttja denna resurs, till exempel kan företagare göra kampanjer genom bonusar eller uppskattning till konsumenter som har köpt elmotorcyklar och dela positiva saker relaterade till elmotorcyklar i sina sociala medier. Detta sätt kan stimulera andra att bli en ny användare av en elektrisk motorcykel. Regeringen kan umgås eller introducera elektriska motorcyklar för allmänheten via sociala medier för att motivera allmänhetens övergång från konventionell motorcykel till elektrisk motorcykel. Denna forskning visar hur stor inverkan makrofaktorer har på antagandet av elektriska motorcyklar i Indonesien. I den ordinarie logistiska regressionsanalysen påverkar laddningsstationens infrastruktur tillgänglighet på arbetsplatsen, tillgänglighet för laddstationsinfrastruktur hemma, inköpsincitamentspolicyn och rabatt på laddningskostnader avsevärt avsikten med att anta en elektrisk motorcykel. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NEJ. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tabell 7. Prov Respondent Svar Variabel Svarskod Värde Civilstånd Gift X1b 2 Ålder 31-45 X2 2 Kön Man X3a 1 Senaste utbildningsnivå Master X4 4 Yrke Privatanställda X5c 3 Månatligen förbrukningsnivå Rp2.000.000-5.999.999 X6 2 Månadsinkomstnivå Rp. 6.000.000-9.999.999 X7 3 Antal motorcykelägare ≥ 2 X8 3 Delningsfrekvens på sociala medier Flera gånger/månad X9 4 Storlek på socialt nätverk online 100-500 personer X10 2 Miljömedvetenhet 1 X11 1 Harga beli 3 X12 3 Batterikostnad 3 X13 3 Laddningskostnad 3 X13 3 Underhållskostnader 5 X14 5 Mätkapacitet 4 X15 4 Kraft 5 X16 5 Laddningstid 4 X17 4 Säkerhet 5 X18 5 Batterilivslängd 4 X19 4 Tillgänglig laddstation på offentliga platser 4 X20 4 Tillgänglighet för laddstation på jobbet 4 X21 4 Laddningsstationens tillgänglighet hemma 4 X22 4 Tillgängliga serviceställen 2 X23 2 Inköpsincitament 5 X24 5 Årlig skatterabattpolicy 5 X25 5 Laddningskostnadsrabattpolicy 5 X26 5 Laddningskostnad 5 X27 5 Underhållskostnader 3 X13 3 Miltal kapacitet 5 X14 5 Effekt 4 X15 4 Laddningstid 5 X16 5 De flesta svarande anser att laddstationsinfrastruktur finns tillgängligt hemma, på arbetsplatser och på allmänna platser som väsentligt påverkar antagandet av elektriska motorcyklar. Regeringen kan ordna installationen av laddstationsinfrastruktur på offentliga platser för att stödja antagandet av elektriska motorcyklar. Regeringen kan också samarbeta med näringslivet för att inse detta. När man bygger makronivåindikatorer föreslår denna forskning flera incitamentspolitiska alternativ. De viktigaste incitamentspolicyerna enligt undersökningen är inköpsincitamentspolicyer och debitering av rabatterade incitamentspolicyer som regeringen kan överväga att stödja antagandet av elektriska motorcyklar i Indonesien. På finansiella faktorer har köpeskillingen en betydande effekt på avsikten att köpa en elektrisk motorcykel. Detta är anledningen till att incitamentet för köpestödet också påverkar adoptionsavsikten betydligt. Den billigare underhållskostnaden för elektriska motorcyklar än konventionella motorcyklar påverkar avsevärt antagandet av elektriska motorcyklar. Därför kommer tillgängligheten av tjänster som tillgodoser konsumenternas behov ytterligare att uppmuntra avsikten att anta elektriska motorcyklar eftersom de flesta användare inte känner till komponenterna i elmotorcyklar så de behöver skickliga tekniker om det finns några skador. Elmotorcyklarnas prestanda har mött konsumenternas behov för att möta deras dagliga rörlighet. Maxhastigheten för en elektrisk motorcykel och laddningstid kan uppfylla de standarder som konsumenterna önskar. Men bättre motorcykelprestanda som ökad säkerhet, batteritid och ytterligare körsträcka kommer säkert att öka avsikten att anta en elektrisk motorcykel. Förutom att öka teknikinvesteringarna måste regeringen och företagen också förbättra säkerhets- och tillförlitlighetsutvärderingssystemet för elektriska motorcyklar för att öka allmänhetens förtroende. För företag är att främja kvalitet och prestanda ett av de mest effektiva sätten att öka konsumenternas entusiasm för elektriska motorcyklar. Konsumenter som är yngre och har en högre utbildningsnivå kan riktas som tidiga användare att bli influenser eftersom de redan har en mer optimistisk inställning och har ett brett nätverk. Marknadssegmentering kan uppnås genom att lansera specifika modeller för riktade konsumenter. Dessutom var respondenter med högre miljömedvetenhet mer benägna att vilja anta motorcyklar. UTAMI ET AL. /JOURNAL OM OPTIMERINGAR AV SYSTEM I INDUSTRIER - VOL. 19 NEJ. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 79 SLUTSATS Övergången från konventionella motorcyklar till elektriska motorcyklar kan vara den bästa lösningen för att övervinna problemet med höga koldioxidhalter i Indonesien. Den indonesiska regeringen insåg också och har gått in genom att fastställa olika policyer angående elfordon i Indonesien. Men i verkligheten är antagandet av elfordon i Indonesien fortfarande i ett mycket tidigt skede, även långt från de mål som regeringen har satt upp. Miljön stöder inte antagandet av elektriska motorcyklar, till exempel inga mer detaljerade föreskrifter och bristen på stödjande infrastruktur som orsakar låg antagande av elfordon i Indonesien. Denna forskning undersökte 1223 respondenter från 10 provinser som hade totalt 80% av den totala motorcykeldistributionen i Indonesien för att utforska viktiga faktorer som påverkar avsikten med att anta elektriska motorcyklar i Indonesien och ta reda på sannolikhetsfunktionerna. Även om majoriteten av de svarande entusiaster om elektriska motorcyklar och vill äga en elmotorcykel i framtiden, är deras intresse för att anta en elektrisk motorcykel numera relativt lågt. Respondenterna vill inte använda elektriska motorcyklar just nu på grund av olika orsaker som brist på infrastruktur och policyer. Många respondenter har inställningen att vänta och se mot antagandet av elektriska motorcyklar, med finansiella faktorer, tekniska faktorer och makronivåer som måste följa konsumenternas krav. Denna forskning bevisar hur stor delningsfrekvensen är på sociala medier, miljömedvetenheten, inköpspriser, underhållskostnader, elmotorcyklarnas maximala hastighet, laddningstid för batterier, tillgänglighet av laddningsinfrastruktur på jobbet, tillgänglighet för laddinfrastruktur hem, inköpsincitamentspolicyer och debitering av rabatterade incitamentspolicyer är för att stödja antagandet av elektriska motorcyklar i Indonesien. Regeringen behöver stödja tillhandahållandet av laddstationsinfrastruktur och beslutsfattande för incitament för att påskynda antagandet av elektriska motorcyklar i Indonesien. Tekniska faktorer som körsträcka och batteritid måste övervägas av producenterna för att förbättras för att stödja antagandet av elektriska motorcyklar. Finansiella faktorer som inköpspriser och batterikostnader måste oroa företag och myndigheter. Den maximala användningen av sociala nätverk bör tas för att introducera en elektrisk motorcykel till samhället. Grupper i ung ålder kan marknadsföra så tidigt som de antar eftersom de har ett brett nätverk för sociala medier. Förverkligandet av införandet av elektriska motorcyklar i Indonesien kräver infrastrukturberedskap och kostnader som kan accepteras av konsumenterna. Detta har kunnat genomföras av regeringen genom starka statliga åtaganden i flera länder som har lyckats byta ut konventionella fordon. Ytterligare forskning kommer att fokusera på att hitta lämpliga policyer för att påskynda antagandet av elektriska motorcyklar i Indonesien. REFERENSER [1] Indonesien. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Online]. Tillgänglig: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Inhemsk distribution och exportstatistik, 2020. [Online]. https://www.aisi.or.id/statistic. [Åtkomst: mars. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina och R. Siregar, "Elfordon i Indonesien: vägen mot hållbara transporter", Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto och M. Nizam, "Kommersialiseringsmodell för ny teknik litiumjonbatteri: En fallstudie för smarta elektriska fordon", Proceedings of the 2013 Joint International Conference on Rural Information and Communication Technology and Electric-Vehicle Technology, rICT and ICEV -T 2013, 6741511.https: //doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini och V. Bosetti, ”Går elektrisk: Expertundersökning om framtiden för batteriteknik för elfordon. In Innovation under Uncertainty, ”i Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz och MK Patel,“ Om elektrifiering av vägtransport– en genomgång av miljömässiga, ekonomiska och sociala prestanda för elektriska tvåhjulingar, ”Transport Research Research Part D: Transport and Environment, vol. 41, s. 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, “Produksi Kit Konversi Kendaraan Listrik Berbasis Baterai Untuk Sepeda Motor Roda Dua Dan Roda Tiga,” Laporan Akhir Hibah PPTI, Badan Pengelola Usaha Universitas Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo och R. Zakaria, ”Markov Chain Analysis to Indentify the Market Share Prediction of New Technology: A Case Study of Electric Conversion Motorcycle in Surakarta, Indonesia”, AIP Conference Proceedings, vol. 2217 (1), s. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo och EA Kadir, "An Indonesian Standard of Lithium-ion Battery Cell Ferro Phosphate for Electric Vehicle Alications", TELKOMNIKA Indonesian Journal of Electrical Engineering, vol. 15 (2), s. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy och ABMulyono, "Designing framework for standardization and testing requirements of battery management system for electric vehicle application", Fortsättning - 4: e International Conference on Electric Vehicular Technology, s. 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, “A Review of Electric Vehicles Charging Standard Development: Study Case in Indonesia”, Fortsättning - 2018 5th International Conference on Electric Vehicular Technology, vol. 8628367, s. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Stop Mobil Berbahan Bakar Minyak, 2017. [Online]. gaikindo.or.id. [Åtkomst: mars. 20, 2020]. [13] S. Goldenberg, ”Indonesien för att minska koldioxidutsläppen med 29% till 2030 ″, The Guardian, 2015. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NEJ. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang och HA Bekhet, ”Modeling Electric Vehicle Usage Intentions: An Empirical Study in Malaysia,” Journal of Cleaner Production, vol. 92, s. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma och BC Xie, ”Vilka är hindren för utbredd användning av batterier? En undersökning av allmän uppfattning i Tianjin, Kina, ”Journal of Transport Policy, vol. 56, s. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis och A. Jones, "Analysera upptagandet av batteridrivna fordon: En undersökning av hinder hos förare i Storbritannien," Transport Research Research Part D: Transport and Environment, vol. 63, s. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge och C. Shao, "Undersökning av faktorer som påverkar upptag av elfordon i Peking, Kina: Statistical and Spatial Perspectives," Journal of Cleaner Production, vol. 213, s. 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analysis Multivariat Terapan dengan Program SPSS, AMOS, and SMARTPLS (2nd Ed). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Konsumentadoption kontra avvisningsbeslut i till synes liknande serviceinnovationer: Fallet med internet och mobilbank", Journal of Business Research, vol. 69 (7), s. 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur och R. Kemp, "Antagandet av PV i Nederländerna: En statistisk analys av adoptionsfaktorer", Renewable and Sustainable Energy Reviews, vol. 41, s. 483–494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil och J. Emparanza, ”Using a Modified Technology Acceptance Model to Evaluate Healthcare Professionals Adoption of a New Telemonitoring System”, Telemedicine and e-Health, vol. 18 (1), s. 54–59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer och P. Abrahamsson, "En undersökning av stora tekniska hinder som påverkar beslutet att anta molntjänster", Journal of Systems and Software, vol. 103, s. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto och W. Sutopo, “Consumer Perception Analysis of Electric Car Vehicle in Indonesia”, AIP Conference Proceedings (Vol. 2217, No. 1, s. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo och M. Nizam, "Proposed business process technology commercialization: A case study of electric car technology incubation", Proceedings of 2014 International Conference on Electrical Engineering and Computer Science, ICEECS, 7045257, s. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at och TM Bakar, ”Riktlinjer för provstorlek för logistisk regression från observationsstudier med stor befolkning: betoning på noggrannheten mellan statistik och parametrar baserade på verkliga kliniska data”, The Malaysian Journal of medicinska vetenskaper: MJMS, vol. 25 (4), s. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab och A. Jam'an, “Metodologi Penelitian Bisnis”, Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius och CC Lu, ”Drivna tvåhjulingar för hållbar rörlighet: En granskning av konsumentanpassning av elektriska motorcyklar ”, International Journal of Sustainable Transportation, vol. 15 (3), s. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka och N. Anzinger, "Köparavsikter för elbilar för kinesiska, ryska och brasilianska medborgare: En internationell jämförande studie", Journal of cleaner production, vol. 205, s. 188-200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat och B. Van Wee, "Inverkan av finansiella incitament och andra socioekonomiska faktorer på elfordonsanpassning", Energy Policy, vol. 68, s. 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane och JD Graham, "Perception and reality: public knowledge of plug-in electric vehicles in 21 US cities", Energy Policy, vol. 63, s. 433–440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony och B. Caulfield, "Hur ska hinder för alternativa bränslen och fordon klassificeras och potentiell politik för att främja innovativ teknik utvärderas?", Journal of Cleaner Production, vol. 35, s. 140–151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue och S. Long, "Barriärer för utbredd användning av elfordon: en analys av konsumenternas attityder och uppfattningar", Journal of Energy Policy, vol. 48, s. 717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan och YM Wei, "Regeringens inverkan på preferensen för NEV: bevis från Kina", Energy Policy, vol. 61, s. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool och RF Hirsh, "Bortom batterier: en undersökning av fördelarna och hindren för plug-in hybridelektriska fordon (PHEV) och en fordon-till-nät-övergång (V2G)", Energy Policy, vol. 37, s. 1095–1103, 2009. https://doi.org/10.1016/j.enpol.2008.10.005. [35] E. Graham-Rowe, B. Gardner, C. Abraham, S. Skippon, H. Dittmar, R. Hutchins och J. Stannard, "Vanliga konsumenter som kör plug-in batteri-elektriska och plugin-hybridbilar: en kvalitativ analys av svar och utvärderingar ”, Transp. Res. Del A: Policy Pract., Vol. 46, s. 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi och SL Mabit, "Vanliga konsumenter som kör plug-in batteri-elektriska och plugin-hybridbilar: en kvalitativ analys av svar och utvärderingar", Transp. Res. Del D: Transp. Environ., Vol. 25, s. 24–32, 2013. [Online]. Tillgänglig: ScienceDirect. [37] ND Caperello och KS Kurani, "Hushållens berättelser om deras möten med ett pluginhybrid elfordon", Environ. Behav., Vol. 44, s. 493–508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju och CE Warrender, ”Hushållens berättelser om deras möten med ett plugin-hybridelektroniskt fordon”, Analys av en konsumentundersökning om UTAMI ET AL. /JOURNAL OM OPTIMERINGAR AV SYSTEM I INDUSTRIER - VOL. 19 NEJ. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 81 plug-in hybrid elbilar. Transp. Res. Del A: Policy Pract., Vol. 64, s. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer och S. Lemeshow, “Applied Logistic Regression. Second Edition ”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENKLATUR j beroende variabelkategorier (j = 1, 2, 3, 4, 5) k oberoende variabelkategorier (k = 1, 2, 3, ..., m) i kvalitativa oberoende variabelkategorier n respondenternas ordning β0j avlyssnar varje svar av beroende variabel Xk kvantitativ oberoende variabel Xik kvanlitativ oberoende variabel Y beroende variabel Pj (Xn) möjligheten för varje kategori av oberoende variabel för varje respondent FÖRFATTARE BIOGRAFI Martha Widhi Dela Utami Martha Widhi Dela Utami är en kandidatstudent vid Industrial Engineering Department of Universitas Sebelas Maret. Hon tillhör Logistics and Business System Laboratory. Hennes forskningsintressen är logistik & supply chain management och marknadsundersökningar. Hon publicerade sin första publikation om konsumentuppfattningsanalys av elbilar i Indonesien 2019. Yuniaristanto Yuniaristanto är föreläsare och forskare vid Institutionen för industriell teknik, Universitas Sebelas Maret. Hans forskningsintressen är leveranskedja, simuleringsmodellering, prestandamätning och kommersialisering av teknik. Han har publikationer som indexeras av Scopus, 41 artiklar med 4 H-index. Hans mejl är yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, har en civilingenjörsexamen (Ir) från studieprogrammet för professionell ingenjör - Universitas Sebelas Maret (UNS) 2019. Han tog sin doktorsexamen inom industriell teknik och management från Institut Teknologi Bandung (ITB) vid 2011, Master of Science in Management från Universitas Indonesia 2004 och kandidatexamen i industriteknik från ITB 1999. Hans forskningsintressen är leveranskedja, teknikekonomi & kostnadsanalys och teknikmarknadsföring. Han fick mer än 30 forskningsbidrag. Han har publikationer som indexeras av Scopus, 117 artiklar med 7 H-index. Hans mejl är wahyudisutopo@staff.uns.ac.id.Resultaten av den logistiska regressionsanalysen för variablerna TE1 till TE5 som tillhör tekniska faktorer visar resultaten att batteriladdningstid (TE3) har en betydande effekt på antagandet av elektriska motorcyklar i Indonesien. Det betydande värdet för körsträcka (0.107) stöder inte hypotes 16, körsträcka har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Värdet av uppskattning för en maximal körsträcka är 0,146, positivt tecken innebär att ju mer lämplig den maximala körsträckan för en elektrisk motorcykel är för någon, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för den oberoende variabla effekten eller maxhastigheten (0,052) stöder inte hypotes 17, maxhastigheten påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Värdet av esimate för effekt eller maximal hastighet är 0,167, positivt tecken innebär att ju mer lämplig maxhastigheten för en elektrisk motorcykel för en person är, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande värdet för laddningstid (0,004) stöder hypotes 18, laddningstid har en betydande effekt på avsikten att anta en elektrisk motorcykel. Det uppskattade värdet för laddningstiden är 0,240, positivt tecken innebär att ju mer lämplig maxhastigheten för en elektrisk motorcykel är för någon, desto högre är avsikten att anta en elektrisk motorcykel. Det betydande säkerhetsvärdet (0,962) stöder inte Hypotes 19, säkerheten påverkar inte avsevärt avsikten att anta en elektrisk motorcykel. Värdet av uppskattningen för säkerheten är -0.005, negativt tecken innebär att ju säkrare någon känner sig använda en elektrisk motorcykel, desto lägre är avsikten att anta en elektrisk motorcykel. Det signifikanta värdet för batteritiden (0,424) stöder inte Hypotes 20, batteritiden har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Uppskattningsvärdet för batteriets livslängd är 0,068, positivt tecken innebär att ju mer lämpligt livslängden för ett elmotorbatteri är, desto högre är avsikten att anta en elektrisk motorcykel. Resultaten av logistisk regressionsanalys för variablerna ML1 till ML7 som tillhör makronivåfaktorer visar resultaten att endast laddningstillgänglighet på arbetsplatsen (ML2), laddningstillgänglighet i bostaden (ML3) och debitering av rabattpolicy (ML7) som har betydande effekt på antagandet av elektriska motorcyklar i Indonesien. Det betydande värdet för laddningstillgängligheten på offentliga platser (0,254) stöder inte Hypotes 21, tillgänglighet för laddning på offentliga platser påverkar inte avsevärt avsikten att anta elektrisk motorcykel. Det betydande värdet för laddningstillgängligheten på arbetsplatsen (0,007) stöder hypotes 22, tillgänglighet för laddning på arbetsplatsen har en betydande effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för laddningstillgängligheten i ett hem (0,009) stöder hypotes 22, tillgänglighet för laddning hemma har en betydande effekt på avsikten att anta en motorcykel. Det betydande värdet för tillgängligheten av serviceplatser (0,181) stöder inte Hypotes 24, tillgängligheten av serviceplatser har ingen signifikant effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för köpincitamentspolicyn (0,017) stöder Hypotes 25, inköpsincitamentspolicy har en betydande effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för den årliga skatterabattpolicyn (0,672) stöder inte Hypotes 26, årlig skatterabattpolicy har ingen betydande effekt på avsikten att anta en elektrisk motorcykel. Det betydande värdet för debiteringskostnadsrabattpolicyn (0,00) stöder hypotes 27, debiteringskostnadsrabatten har en betydande effekt på avsikten att anta en elektrisk motorcykel. Enligt resultatet från makronivåfaktor kan elmotorcykelanpassning realiseras om laddstationen på arbetsplatsen, laddstationen i bostaden och rabattpolicyn för laddningskostnader är klara för konsumenter. Sammantaget delningsfrekvens på sociala medier, miljömedvetenhet, inköpspriser, underhållskostnader, maxhastigheten för elmotorcyklar, laddningstid för batterier, tillgänglighet av laddstationsinfrastruktur på jobbet, tillgänglighet av hemmabaserad laddningsinfrastruktur, UTAMI ET AL. /JOURNAL OM OPTIMERINGAR AV SYSTEM I INDUSTRIER - VOL. 19 NEJ. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 inköpsincitamentspolicyer och debitering av rabatterade incitamentspolicyer påverkar avsevärt avsikten att anta elfordon. Ekvationsmodell och sannolikhetsfunktion Ekvation 3 är en logitekvation för valet av svaret "starkt ovilligt" att anta en elektrisk motorcykel.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Ekvation 4 är en logitekvation för valet av svaret "ovillig" att anta en elektrisk motorcykel.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Ekvation 5 är en logitekvation för valet av svaret ”tvivel” för att anta en elektrisk motorcykel.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Ekvation 6 är en logitekvation för svarsalternativet ”villig” att anta en elektrisk motorcykel.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Sannolikhetsfunktioner för adoption avsikt elmotorcyklar som visas i ekvation 7 till ekvation 11. Ekvation 7 är sannolikhetsfunktionen för valet av svaret ” starkt ovilliga ”att anta en elektrisk motorcykel. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Ekvation 8 är sannolikhetsfunktionen för valet av svaret ”ovillig” att anta en elektrisk motorcykel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Ekvation 9 är sannolikhetsfunktionen för valet av svaret "tvivel" för att anta en elektrisk motorcykel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Ekvation 10 är sannolikhetsfunktionen för valet av svaret "villig" att anta en elektrisk motorcykel. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Ekvation 11 är sannolikhetsfunktionen för valet av svaret "starkt villigt" att anta en elektrisk motorcykel. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Antagande avsikt Sannolikhet Ordinal logistisk regressionsekvation då tillämpas på ett urval av respondenternas svar. Tabell 8 visar provets egenskaper och svar. Så sannolikheten att svara på varje kriterium på den beroende variabeln beräknas baserat på ekvation 7 - 11. Ett urval av respondenter som har svaren enligt tabell 7 har en sannolikhet på 0,0013 för starkt ovilliga att använda elmotorcykel, en sannolikhet på 0,0114 för ovilja att använda elmotorcykel, en sannolikhet på 0,1788 för tvivel om att använda elmotorcykel, en sannolikhet för 0,563 att vara villig att använda en elektrisk motorcykel och en sannolikhet för 0,2455 för att vara starkt villig att använda en elektrisk motorcykel. Sannolikheten för antagande av elektrisk motorcykel för 1223 respondenter beräknades också och medelvärdet av sannolikheten för svar på starkt ovilliga att använda elmotorcykel var 0,0031, ovillig att använda elmotorcykel var 0,0198, tvivel om att använda elmotorcykel var 0,1482, villig att använda en elektrisk motorcykel var 0,3410, och starkt villig att använda en elektrisk motorcykel var 0,4880. Om sannolikheten för villiga och starkt villiga är total, når sannolikheten för indonesier att anta elektriska motorcyklar 82,90%. Rekommendationer för företag och beslutsfattare I den ordinära logistiska regressionsanalysen är frekvensen för delning på sociala medier en betydande faktor som påverkar avsikten att anta en elektrisk motorcykel. Vikten av sociala medier som en plattform för allmänheten att få information om elmotorcyklar kommer att påverka viljan att anta elmotorcyklar. Regeringen och företagare kan försöka utnyttja denna resurs, till exempel kan företagare göra kampanjer genom bonusar eller uppskattning till konsument