Il governo indonesiano mirava all'adozione di 2,1 milioni di unità di veicoli elettrici a due ruote e di 2.200 unità di veicoli elettrici a quattro ruote nel 2025 attraverso il regolamento presidenziale n. 22 della Repubblica di Indonesia nel 2017 sul Piano generale nazionale per l'energia. Nel 2019, il governo dell'Indonesia ha emesso il regolamento presidenziale n. 55 nel 2019 relativo all'accelerazione del programma di veicoli elettrici a batteria per il trasporto su strada. Nel 2018, l'adozione di veicoli elettrici a due ruote ha raggiunto solo lo 0,14% dell'obiettivo del governo per il 2025. Pertanto, l'adozione della tecnologia dei motocicli elettrici (EM) deve considerare anche molti fattori per avere successo. Questa ricerca sviluppa un modello di intenzione di adozione del veicolo elettrico non comportamentale. I fattori includono sociodemografico, finanziario, tecnologico e macrolivello. Il sondaggio online ha coinvolto 1.223 intervistati. La regressione logistica viene utilizzata per ottenere la funzione e il valore di probabilità dell'intenzione di adottare EM in Indonesia. Frequenza di condivisione sui social media, livello di consapevolezza ambientale, prezzi di acquisto, costi di manutenzione, velocità massima, tempo di ricarica della batteria, disponibilità dell'infrastruttura della stazione di ricarica sul posto di lavoro, disponibilità dell'infrastruttura di ricarica basata sull'energia domestica, politiche di incentivazione all'acquisto e sconto sui costi di ricarica le politiche di incentivazione stanno influenzando significativamente l'intenzione di adottare veicoli elettrici. Mostra anche che l'opportunità per gli indonesiani di adottare motociclette elettriche raggiunge l'82,90%. La realizzazione dell'adozione di moto elettriche in Indonesia richiede disponibilità infrastrutturale e costi che possono essere accettati dai consumatori. Infine, i risultati di questa ricerca forniscono alcuni suggerimenti per il governo e le imprese per accelerare l'adozione di motociclette elettriche in Indonesia.

INTRODUZIONE

Il settore economico in Indonesia (trasporti, produzione di elettricità e famiglie) utilizza principalmente combustibili fossili. Alcuni degli effetti negativi dell'elevata dipendenza dai combustibili fossili sono l'aumento dello stanziamento per i sussidi ai combustibili, i problemi di sostenibilità energetica e gli alti livelli di emissioni di CO2. Il trasporto è un settore importante che contribuisce ad alti livelli di CO2 nell'aria a causa dei numerosi usi dei veicoli a combustibili fossili. Questa ricerca si concentra sulle motociclette perché l'Indonesia, in quanto paese in via di sviluppo, ha più motociclette che automobili. Il numero di motocicli in Indonesia ha raggiunto le 120.101.047 unità nel 2018 [1] e le vendite di moto hanno raggiunto le 6.487.460 unità nel 2019 [2]. Spostare il settore dei trasporti verso fonti energetiche alternative può ridurre i livelli elevati di CO2. La soluzione realistica per questo problema è implementare la logistica verde attraverso la penetrazione di veicoli elettrici in Indonesia come veicoli elettrici ibridi, veicoli elettrici ibridi plug-in e veicoli elettrici a batteria [3]. L'innovazione della tecnologia dei veicoli elettrici e l'innovazione della tecnologia delle batterie possono fornire soluzioni di trasporto rispettose dell'ambiente, efficienti dal punto di vista energetico e con costi operativi e di manutenzione inferiori [4]. I veicoli elettrici sono molti discussi dai paesi del mondo. Nel business globale dei veicoli elettrici, c'è stata una significativa crescita delle vendite per le moto elettriche a due ruote che hanno raggiunto il 58% o circa 1,2 milioni di unità dal 2016 al 2017. Questa crescita delle vendite indica una buona risposta da parte dei paesi del mondo sullo sviluppo dell'elettrico tecnologia motociclistica che un giorno le motociclette elettriche dovrebbero sostituire i veicoli alimentati a combustibili fossili. L'oggetto della ricerca è Electric Motorcycle (EM) che consiste in New Design of Electric Motorcycle (NDEM) e Converted Electric Motorcycle (CEM). Il primo tipo, il New Design of Electric Motorcycle (NDEM), è un veicolo progettato dall'azienda che utilizza la tecnologia elettrica per le sue operazioni. Alcuni paesi del mondo come Australia, Germania, Inghilterra, Francia, Giappone, Taiwan, Corea del Sud e Cina hanno già utilizzato le motociclette elettriche come prodotto sostitutivo per le motociclette alimentate a combustibili fossili [5]. Una marca di motociclette elettriche è Zero Motorcycle, che produce motociclette elettriche sportive [6]. PT. Gesits Technologies Indo ha anche prodotto moto elettriche a due ruote con il marchio Gesits. Il secondo tipo è un CEM. La motocicletta elettrica convertita è una motocicletta alimentata a olio in cui il motore e le parti del motore sono state sostituite con kit di batterie al litio ferro fosfato (LFP) come fonte di energia. Sebbene molti paesi producano motociclette elettriche, nessuno ha creato il veicolo utilizzando tecniche di conversione. La conversione può essere effettuata su una moto a due ruote non più utilizzata dai suoi utenti. Universitas Sebelas Maret è un pioniere nella produzione di CEM e dimostra tecnicamente che le batterie agli ioni di litio possono sostituire le fonti di energia dei combustibili fossili sulle motociclette convenzionali. CEM utilizza la tecnologia LFP, questa batteria non esplode quando si verifica un cortocircuito. Oltre a ciò, la batteria LFP ha una lunga durata di utilizzo fino a 3000 cicli di utilizzo e più lunga delle attuali batterie EM commerciali (come la batteria agli ioni di litio e la batteria LiPo). CEM può percorrere 55 km/carica e avere una velocità massima fino a 70 km/ora [7]. Jodinesa, et al. [8] ha esaminato la quota di mercato delle motociclette elettriche convertibili a Surakarta, in Indonesia, e ha riscontrato che la popolazione di Surakarta ha risposto positivamente al CEM. Dalla spiegazione di cui sopra, si può vedere che l'opportunità per le moto elettriche è enorme. Sono stati sviluppati diversi studi sugli standard relativi ai veicoli elettrici e alle batterie, come lo standard per le batterie agli ioni di litio di Sutopo et al. [9], lo standard del sistema di gestione della batteria di Rahmawatie et al. [10], e gli standard di ricarica dei veicoli elettrici di Sutopo et al. [11]. Il lento tasso di adozione dei veicoli elettrici in Indonesia ha spinto il governo a rilasciare diverse politiche per lo sviluppo dell'industria automobilistica e ha pianificato di mirare all'adozione di 2,1 milioni di unità di moto elettriche e 2.200 unità di auto elettriche nel 2025. Inoltre, il governo mirava anche all'Indonesia per essere in grado di produrre 2.200 auto elettriche o ibride che sono indicate nel regolamento presidenziale della Repubblica di Indonesia n. 22 del 2017 relativo al piano generale nazionale per l'energia. Questo regolamento è stato applicato da vari paesi come Francia, Inghilterra, Norvegia e India. Il Ministero dell'Energia e delle Risorse Minerarie si è posto l'obiettivo di vietare, a partire dal 2040, la vendita di veicoli con motore a combustione interna (ICEV) e di chiedere al pubblico di utilizzare veicoli elettrici [12]. Nel 2019 il governo dell'Indonesia ha emesso il regolamento presidenziale n. 55 del 2019 relativo all'accelerazione del programma di veicoli a motore elettrico a batteria per il trasporto su strada. Questo sforzo è un passo per superare due problemi, vale a dire l'esaurimento delle riserve di olio combustibile e l'inquinamento atmosferico. Per quanto riguarda l'inquinamento atmosferico, l'Indonesia si è impegnata a ridurre il 29% delle emissioni di anidride carbonica entro il 2030 a seguito della Conferenza di Parigi sui cambiamenti climatici tenutasi nel 2015. Nel 2018, la penetrazione dei veicoli elettrici a due ruote ha raggiunto solo lo 0,14% dell'obiettivo del governo è 2025, mentre per le quattro ruote l'elettricità ha superato il 45%. A dicembre 2017, c'erano almeno più di 1.300 stazioni di ricarica elettriche pubbliche disponibili a livello nazionale in 24 città, di cui il 71% (924 stazioni di rifornimento) situate a DKI Jakarta [13]. Molti paesi hanno svolto ricerche sull'adozione di veicoli elettrici, ma in Indonesia non sono state condotte ricerche su scala nazionale. Ci sono stati molti tipi di ricerca in alcuni paesi che hanno condotto studi sull'adozione di nuove tecnologie utilizzando diversi metodi come la regressione lineare multipla per conoscere l'intenzione di utilizzo del veicolo elettrico in Malesia [14], Structural Equation Modeling (SEM) per conoscere l'adozione delle barriere dei veicoli elettrici a batteria a Tianjin, Cina [15], analisi fattoriale esplorativa e modello di regressione multivariata per conoscere le barriere tra i conducenti di veicoli elettrici nel Regno Unito [16] e regressione logistica per conoscere i fattori che influenzano la diffusione dei veicoli elettrici in Pechino, Cina [17]. Gli scopi di questa ricerca sono sviluppare un modello di adozione per motocicli elettrici in Indonesia, trovare i fattori che influenzano le intenzioni di adozione di motocicli elettrici in Indonesia e determinare le opportunità funzionali per l'adozione di motocicli elettrici in Indonesia. Modellare i fattori è importante per scoprire quali fattori influenzano l'intenzione di adottare motociclette elettriche in Indonesia. Questi fattori influenti possono essere utilizzati come riferimento per formulare politiche appropriate per accelerare l'adozione dei motocicli elettrici. Questi fattori significativi sono un quadro delle condizioni ideali desiderate dai potenziali utenti di motociclette elettriche in Indonesia. Alcuni ministeri in Indonesia legati alla formulazione delle politiche riguardanti i veicoli elettrici sono il Ministero dell'Industria che si occupa delle norme fiscali sui veicoli in base alle sue emissioni che si occupano direttamente dei produttori di veicoli elettrici, il Ministero dei Trasporti che esegue il test di fattibilità dei veicoli elettrici che pavimentare in autostrada come test delle batterie e così via, nonché il Ministero dell'Energia e delle Risorse Minerarie che è responsabile di formulare le tariffe delle stazioni di ricarica per veicoli elettrici all'infrastruttura delle attività di ricarica dei veicoli elettrici. L'innovazione dei veicoli elettrici incoraggia anche la nascita di nuove entità commerciali nella catena di approvvigionamento, compresi tecnoimprenditori e start-up di sviluppatori, fornitori, produttori e distributori di prodotti/servizi per veicoli elettrici e dei loro derivati ​​sul mercato [24]. Gli imprenditori di motociclette elettriche possono anche sviluppare tecnologia e marketing considerando questi fattori significativi per supportare la realizzazione di motociclette elettriche invece di motociclette convenzionali in Indonesia. Regressione logistica ordinale utilizzata per ottenere la funzione e il valore di probabilità dell'intenzione di adottare motocicli elettrici in Indonesia utilizzando il software SPSS 25. La regressione logistica o regressione logit è un approccio per creare modelli predittivi. Regressione logistica nelle statistiche utilizzata per prevedere la probabilità che un evento si verifichi abbinando i dati nella funzione logistica della curva logit. Questo metodo è un modello lineare generale per la regressione binomiale [18]. La regressione logistica è stata utilizzata per prevedere l'accettazione dell'adozione di Internet e del mobile banking [19], prevedere l'accettazione dell'adozione della tecnologia fotovoltaica nei Paesi Bassi [20], prevedere l'accettazione della tecnologia dei sistemi di telemonitoraggio per la salute [21] e per trovare gli ostacoli tecnici che incidono sulla decisione di adottare servizi cloud [22]. Utami et al. [23] che in precedenza aveva condotto una ricerca sulla percezione dei veicoli elettrici da parte dei consumatori a Surakarta, ha scoperto che i prezzi di acquisto, i modelli, le prestazioni del veicolo e la disponibilità delle infrastrutture erano i maggiori ostacoli per le persone che adottano veicoli elettrici. METODO I dati raccolti in questa ricerca sono dati primari ottenuti attraverso sondaggi online per scoprire opportunità e fattori che influenzano l'intenzione di adottare motociclette elettriche in Indonesia. Questionario e sondaggio Il sondaggio online è stato distribuito a 1.223 intervistati in otto province dell'Indonesia per esplorare i fattori che influenzano l'intenzione di adottare motociclette elettriche in Indonesia. Queste province prescelte avevano più dell'80% delle vendite di moto in Indonesia [2]: Giava occidentale, Giava orientale, Giacarta, Giava centrale, Sumatra settentrionale, Sumatra occidentale, Yogyakarta, Sulawesi meridionale, Sumatra meridionale e Bali. I fattori esplorati sono mostrati nella Tabella 1. La conoscenza generale delle motociclette elettriche è stata fornita all'inizio del questionario utilizzando il video per evitare fraintendimenti. Il questionario è stato suddiviso in cinque sezioni: sezione screening, sezione sociodemografica, sezione finanziaria, sezione tecnologica e sezione macro-livello. Il questionario è stato presentato in una scala Likert da 1 a 5, dove 1 per fortemente in disaccordo, 2 per in disaccordo, 3 per dubbio, 4 per d'accordo e 5 per molto d'accordo. La determinazione della dimensione minima del campione si riferisce a [25], ha affermato che gli studi osservazionali con grandi dimensioni della popolazione che coinvolgono la regressione logistica richiedono una dimensione minima del campione di 500 per ottenere statistiche che rappresentano i parametri. In questa ricerca viene utilizzato il campionamento a grappolo o il campionamento ad area con proporzioni perché la popolazione di utenti di motocicli in Indonesia è molto ampia. Inoltre, il campionamento intenzionale viene utilizzato per determinare i campioni in base a determinati criteri [26]. I sondaggi online vengono effettuati tramite Facebook Ads. Gli intervistati ammissibili sono persone di età ≥ 17 anni, in possesso di una SIM C, tra i decisori per la sostituzione o l'acquisto di una moto e domiciliate in una delle province nella Tabella 1. Quadro teorico She et al. [15] e Habich-Sobiegalla et al. [28] hanno utilizzato quadri per una categorizzazione sistematica dei fattori che guidano o ostacolano l'adozione del veicolo elettrico da parte dei consumatori. Abbiamo adattato questi framework modificandoli in base alla nostra analisi della letteratura sulle motociclette elettriche sull'adozione da parte dei consumatori di motociclette elettriche. Lo abbiamo visualizzato nella Tabella 1.Tabella 1. Spiegazione e riferimento di fattori e attributi Codice fattore Atrtibute Ref. SD1 Stato civile [27], [28] SD2 Età SD3 Sesso SD4 Ultima istruzione SD5 Occupazione Sociodemografica SD6 Livello di consumo mensile SD7 Livello di reddito mensile SD8 Numero di possesso di motociclette SD9 Frequenza di condivisione sui social media SD10 Dimensione del social network online SD11 Consapevolezza ambientale Finanziaria FI1 Prezzo di acquisto [29] FI2 Costo della batteria [30] FI3 Costo di ricarica [31] FI4 Costi di manutenzione [32] Tecnologia TE1 Chilometraggio [33] TE2 Potenza [33] TE3 Tempo di ricarica [33] TE4 Sicurezza [34] TE5 Durata della batteria [35] Livello macro ML1 Disponibilità stazioni di ricarica nei luoghi pubblici [36] ML2 Disponibilità delle stazioni di ricarica al lavoro [15] ML3 Disponibilità delle stazioni di ricarica a casa [37] ML4 Disponibilità dei posti di servizio [38] ML5 Politica di incentivazione all'acquisto [15] ML6 Annuale politica di sconto fiscale [15] ML7 Politica di sconto sui costi di addebito [15] Intenzione di adozione IP Intenzione di utilizzo [15] Fattore sociodemografico Il fattore sociodemografico è un fattore personale che influenza il comportamento di un individuo nel processo decisionale. Eccarius et al. [28] hanno dichiarato sul loro modello di adozione che l'età, il sesso, lo stato civile, l'istruzione, il reddito, l'occupazione e la proprietà del veicolo sono fattori importanti che incidono sull'adozione del veicolo elettrico. HabichSoebigalla et al evidenziano che i fattori dei social network come il numero di proprietari di motociclette, la frequenza di condivisione sui social media e le dimensioni del social network online sono i fattori che influenzano l'adozione dei veicoli elettrici [28]. Eccarius et al. [27] e Habich Sobiegalla et al. [28] riteneva anche che la consapevolezza ambientale appartenga a fattori sociodemografici. Fattore finanziario Il prezzo di acquisto è il prezzo originale di una motocicletta elettrica senza alcun sussidio all'acquisto. Sierzchula et al. [29] ha detto che l'alto prezzo di acquisto del veicolo elettrico causato dalla più alta capacità della batteria. Il costo della batteria è il costo della sostituzione della batteria quando la vecchia durata della batteria è esaurita. Krause et al. ricercato che il costo della batteria appartiene alla barriera finanziaria per qualcuno di adottare un veicolo elettrico [30]. Il costo di ricarica è il costo dell'elettricità per alimentare una motocicletta elettrica rispetto al costo della benzina [31]. I costi di manutenzione sono i costi di manutenzione ordinaria per le motociclette elettriche, non le riparazioni a causa di incidenti che incidono sull'adozione di veicoli elettrici [32]. Fattore tecnologico La capacità di chilometraggio è la distanza più lontana dopo che la batteria della motocicletta elettrica è completamente carica. Zhang et al. [33] ha affermato che le prestazioni del veicolo si riferiscono alla valutazione dei consumatori sul veicolo elettrico, tra cui capacità di chilometraggio, potenza, tempo di ricarica, sicurezza e durata della batteria. La potenza è la velocità massima di una motocicletta elettrica. Il tempo di ricarica è il tempo complessivo per caricare completamente una motocicletta elettrica. La sensazione di sicurezza durante la guida di una motocicletta elettrica legata al suono (dB) è i fattori che evidenziano Sovacool et al. [34] come fattori che incidono sulla percezione del consumatore sul veicolo elettrico. Graham Rowe et al. [35] ha affermato che la durata della batteria è considerata ridotta. Fattore a livello macro L'infrastruttura per la disponibilità della stazione di ricarica è qualcosa che non può essere evitata per l'utilizzatore di motociclette elettriche. La disponibilità di ricarica nei luoghi pubblici è considerata importante per supportare l'adozione di veicoli elettrici [36]. Ricaricare la disponibilità sul lavoro [15] e ricaricare la disponibilità a casa [37] necessarie anche ai consumatori per ricaricare la batteria del proprio veicolo. Krupa et al. [38] ha affermato che la disponibilità di posti di servizio per la manutenzione ordinaria e i danni sta influenzando l'adozione del veicolo elettrico. Lei et al. [15] ha suggerito alcuni incentivi pubblici molto desiderati dai consumatori di Tianjin, come la concessione di sussidi per l'acquisto di motociclette elettriche, sconti fiscali annuali per le motociclette elettriche e la politica di sconti sui costi di ricarica quando i consumatori hanno bisogno di caricare motociclette elettriche in luoghi pubblici [15]. Regressione logistica ordinale La regressione logistica ordinale è uno dei metodi statistici che descrivono la relazione tra una variabile dipendente con una o più variabili indipendenti, dove la variabile dipendente è più di 2 categorie e la scala di misurazione è di livello o ordinale [39]. L'equazione 1 è un modello per la regressione logistica ordinale e l'equazione 2 mostra la funzione g(x) come equazione logit. eegxgx P x ( ) ( ) 1 ( ) + = (1)  = = + mkjk Xik gx 1 0 ( )   (2) RISULTATI E DISCUSSIONE Il questionario è stato distribuito online da marzo ad aprile 2020, tramite Facebook Ads a pagamento impostando l'area del filtro: Giava occidentale, Giava orientale, Giacarta, Giava centrale, Sumatra settentrionale, Sumatra occidentale, Yogyakarta, Sulawesi meridionale, Sumatra meridionale e Bali che hanno raggiunto 21.628 utenti. Il totale delle risposte ricevute è stato di 1.443 risposte, ma solo 1.223 risposte erano idonee per l'elaborazione dei dati. La tabella 2 mostra i dati demografici degli intervistati. Statistiche descrittive La tabella 3 mostra le statistiche descrittive per le variabili quantitative. Lo sconto sui costi di addebito, lo sconto fiscale annuale e le sovvenzioni sui prezzi di acquisto hanno una media più alta tra gli altri fattori. Ciò dimostra che la maggior parte degli intervistati ritiene che esista una politica che il governo intensivo è stato in grado di incoraggiarli ad adottare motociclette elettriche. Sui fattori finanziari, il prezzo di acquisto e il costo della batteria hanno una media inferiore tra gli altri fattori. Ciò dimostra che il prezzo di acquisto di una motocicletta elettrica e il costo della batteria non sono adeguati al budget della maggior parte degli intervistati. La maggior parte degli intervistati ha ritenuto che il prezzo della motocicletta elettrica fosse troppo elevato rispetto al prezzo di una motocicletta convenzionale. Anche il costo di sostituzione della batteria ogni tre anni, che raggiunge i 5.000.000 di IDR, è troppo elevato per la maggior parte degli intervistati, tanto che il prezzo di acquisto e il costo della batteria rappresentano una barriera per l'adozione da parte degli indonesiani di motocicli elettrici. La durata della batteria, la potenza e il tempo di ricarica hanno punteggi medi bassi nelle statistiche descrittive, ma i punteggi medi per questi tre fattori sono superiori a 4. Il tempo di ricarica che ha richiesto tre ore era troppo lungo per la maggior parte degli intervistati. La velocità massima di una moto elettrica è di 70 km/he una durata della batteria di 3 anni non soddisfa le esigenze degli intervistati. Ciò dimostra che la maggior parte degli intervistati ritiene che le motociclette elettriche ad alte prestazioni non soddisfino i loro standard. Sebbene gli intervistati non si siano completamente fidati delle prestazioni delle motociclette elettriche, EM può soddisfare le loro esigenze di mobilità quotidiana. Un numero maggiore di intervistati ha assegnato un punteggio maggiore alla disponibilità di ricarica nelle proprie case e uffici rispetto ai luoghi pubblici. Tuttavia, una barriera che si riscontra spesso è che l'energia elettrica domestica è ancora inferiore a 1300 VA, il che fa sì che gli intervistati si aspettino fortemente che il governo possa aiutare a fornire strutture di ricarica a casa. La disponibilità della ricarica in ufficio è più preferita rispetto ai luoghi pubblici perché la mobilità degli intervistati coinvolge ogni giorno le abitazioni e l'ufficio. La tabella 4 mostra le risposte degli intervistati all'adozione di moto elettriche. Mostra che il 45,626% degli intervistati ha una forte volontà di utilizzare una moto elettrica. Questo risultato mostra un brillante futuro per la quota di mercato delle moto elettriche. La tabella 4 mostra anche che quasi il 55% degli intervistati non ha una forte volontà di utilizzare una moto elettrica. Gli interessanti risultati di queste statistiche descrittive implicano che, sebbene l'entusiasmo per l'uso delle motociclette elettriche richieda ancora stimoli, l'accettazione pubblica delle motociclette elettriche è buona. Un altro motivo che potrebbe verificarsi è che gli intervistati hanno l'atteggiamento di aspettare e vedere l'adozione di una motocicletta elettrica o se qualcun altro usa una motocicletta elettrica o meno. Regressione logistica ordinale I dati vengono elaborati e analizzati per determinare l'intenzione di adozione di motocicli elettrici in Indonesia utilizzando la regressione logistica ordinale. La variabile dipendente in questa ricerca è la volontà di utilizzare una motocicletta elettrica (1: fortemente restio, 2: non disposto, 3: dubbio, 4: disposto, 5: fortemente disposto). La regressione logistica ordinale è stata scelta come metodo in questa ricerca perché la variabile dipendente utilizza la scala ordinale. I dati sono stati elaborati utilizzando il software SPSS 25 con un livello di confidenza del 95%. Sono stati effettuati test di multicollinearità per calcolare i Variance Inflation Factors (VIF) con un VIF medio di 1,15-3,693, il che significa che non c'è multicollinearità nel modello. L'ipotesi utilizzata nella regressione logistica ordinale è mostrata nella Tabella 5. La Tabella 6 mostra i risultati del test parziale come base per rifiutare o accettare l'ipotesi per la regressione logistica ordinale. Tabella 2. Dati demografici degli intervistati Voce demografica Freq % Voce demografica Freq % Domicilio West Java 345 28,2% Occupazione Studente 175 14,3% East Java 162 13,2% Funzionari pubblici 88 7,2% Jakarta 192 15,7% Impiegati privati ​​415 33,9% Central Java 242 19,8% Imprenditore 380 31,1% Sumatra settentrionale 74 6,1% Altri 165 13,5% Yogyakarta 61 5,0% Sulawesi meridionale 36 2,9% Età 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% Sumatra occidentale 26 2,1% 46-60 79 6,5% Sud Sumatera 51 4,2% >60 3 0,2% Stato civile Celibe 370 30,3% Ultimo titolo di studio SMP/SMA/SMK 701 57,3% Coniugato 844 69,0% Diploma 127 10,4% Altro 9 0,7% Laurea 316 25,8% Sesso Maschile 630 51,5% Master 68 5,6 % Donne 593 48,5% Dottorato 11 0,9% Livello di reddito mensile 0 154 12,6% Livello di consumo mensile < IDR 2.000.000 432 35,3% < IDR 2.000.000 226 18,5% IDR 2.000.000-5.999.999 640 52,3% IDR 2.000.000-5.999.999 550 45% IDR 6.000.000- 9.999.999 121 9,9% IDR 6.000.000-9.999.999 199 16,3% ≥ IDR 10.000.000 30 2,5% IDR 10.000.000- 19.999.999 71 5,8% ≥ I DR 20.000.000 23 1,9% Tabella 3. Statistiche descrittive per livello finanziario, tecnologico e macro-livello Variabile Media Grado Variabile Medio Grado ML7 (disco dei costi di addebito) 4.4563 1 ML3 (CS a casa) 4.1554 9 ML6 (disco delle tasse annuali. ) 4.4301 2 ML2 (CS nei luoghi di lavoro) 4.1055 10 ML5 (incentivo all'acquisto) 4.4146 3 ML1 (CS nei luoghi pubblici) 4.0965 11 TE4 (sicurezza) 4.3181 4 TE5 (durata batteria) 4.0924 12 FI3 (costo di ricarica) 4.2518 5 TE2 (potenza) ) 4.0597 13 TE1 (capacità di percorrenza) 4.2396 6 TE3 (tempo di ricarica) 4.0303 14 ML4 (luogo di assistenza) 4.2142 7 FI1 (costo di acquisto) 3.8814 15 FI4 (costo di manutenzione) 4.1980 8 FI2 (costo della batteria) 3.5045 16 Tabella 4. Statistiche descrittive per Adozione Intenzione 1:fortemente riluttante 2:riluttante 3:dubbio 4:disponibile 5:fortemente disponibile Disponibilità all'uso di motociclette elettriche 0,327% 2,044% 15,863% 36,141% 45,626% I risultati dell'analisi di regressione logistica per le variabili da SD1 a SD11 che appartengono a fattori sociodemografici mostrano i risultati che solo la frequenza di condivisione su i social media (SD9) e il livello di preoccupazione ambientale (SD11) hanno un effetto significativo sull'intenzione delle motociclette elettriche in Indonesia. I valori significativi per la variabile qualitativa dello stato civile sono 0,622 per i single e 0,801 per i coniugati. Questi valori non supportano l'Ipotesi 1. Lo stato civile non influenza in modo significativo l'intenzione di adottare una motocicletta elettrica perché il valore significativo è superiore a 0,05. Il valore significativo per l'età è 0,147 in modo che l'età non influenzi significativamente l'intenzione di adottare una motocicletta elettrica. Il valore di stima per l'età di -0,168 non supporta l'Ipotesi 2. Il segno negativo significa che maggiore è l'età, minore è l'intenzione di adottare una moto elettrica. Il valore significativo per la variabile qualitativa, genere, (0,385) non supporta l'Ipotesi 3. Il genere non influenza in modo significativo l'intenzione di adottare una moto elettrica. Il valore significativo per l'ultimo livello di istruzione (0,603) non supporta l'Ipotesi 4. Quindi, l'ultimo livello di istruzione non influenza in modo significativo l'intenzione di adottare una motocicletta elettrica. Il valore di stima per l'ultimo titolo di studio pari a 0,036 indica un segno positivo significa che maggiore è il livello di istruzione maggiore è l'intenzione di adottare una motocicletta elettrica. Il valore significativo per la variabile qualitativa dell'occupazione è stato 0,487 per gli studenti, 0,999 per i dipendenti pubblici, 0,600 per i dipendenti privati ​​e 0,480 per gli imprenditori che non supportano l'Ipotesi 5. L'occupazione non influenza in modo significativo l'intenzione di adottare una moto elettrica. UTAMI ET AL. /JOURNAL SULL'OTTIMIZZAZIONE DEI SISTEMI PRESSO LE INDUSTRIE – VOL. 19 n. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tabella 5. Ipotesi Ipotesi Socio- H1: lo stato civile ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. Demo-H2: l'età ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. grafico H3: il genere ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H4: l'ultimo livello di istruzione ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H5: l'occupazione ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H6: il livello di consumo mensile ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H7: il livello di reddito mensile ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H8: il numero di possessori di motociclette ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H9: la frequenza di condivisione sui social ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H10: la dimensione del social network online ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H11: la consapevolezza ambientale ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. Financial H12: il prezzo di acquisto ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H13: il costo della batteria ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H14: il costo di ricarica ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H15: i costi di manutenzione hanno un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H16: la capacità di chilometraggio ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H17: la potenza ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. Techno- H18: il tempo di ricarica ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. logico H19: la sicurezza ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. H20: la durata della batteria ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H21: la disponibilità di infrastrutture per stazioni di ricarica nei luoghi pubblici ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H22: la disponibilità dell'infrastruttura della stazione di ricarica sul lavoro ha un effetto positivo significativo sull'intenzione di adottare una motocicletta elettrica. Macrolivello H23: la disponibilità dell'infrastruttura della stazione di ricarica a casa ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H24: la disponibilità dei posti di servizio ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H25: la politica di incentivazione all'acquisto ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H26: la politica di sconto fiscale annuale ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. H27: la politica di sconto sui costi di ricarica ha un effetto positivo significativo sull'intenzione di adottare una moto elettrica. Tabella 6. Risultati del test parziale di regressione logistica Valore var Sig Valore var Sig SD1:single 0,349 0,622 TE1 0,146 0,069 SD1:coniugato 0,173 0,801 TE2 0,167 0,726 SD1:altri 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013* SD3:maschio 0,117 0,385 TE5 0,068 0,765 SD3:femmina 0 ML1 -0,127 0,022* SD5:studenti -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:altri 0 ML6 -0,059 0,107 SD6 0,227 0,069 ML7 0,521 0,052 SD7 0,032 0,726 TE1 0,146 0,004* SD8 0,180 0,161 TE2 0,167 0,962 SD9 0,140 0,424* TE3 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 * Significativo al 95% livello di confidenza Il valore significativo per il livello di consumo mensile (0.069) non supporta l'Ipotesi 6, il livello di consumo mensile non influenza in modo significativo l'intenzione di adottare una moto elettrica. Il valore delle stime per il livello di consumo mensile di 0,227, un segno positivo significa che maggiore è il livello delle spese mensili maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per il livello di reddito mensile (0,726) non supporta l'Ipotesi 7, il livello di reddito mensile non influenza in modo significativo l'intenzione di adottare una moto elettrica. Il valore di stima per il livello di reddito mensile è 0,032, segno positivo significa che maggiore è il livello di reddito mensile maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per il numero di motocicli posseduti (0,161) non supporta l'Ipotesi 8, il numero di motocicli posseduti non influenza significativamente l'intenzione di adottare un motociclo elettrico. Il valore di stima per il livello di possesso della moto è 0,180, segno positivo significa che più sono le moto possedute, maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per la frequenza di condivisione sui social (0,013) supporta l'Ipotesi 9, la frequenza di condivisione sui social ha un effetto significativo sull'intenzione di adottare una moto elettrica perché il valore significativo è inferiore a 0,05. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 n. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Il valore di stima per la frequenza di condivisione sui social è 0,111, segno positivo significa che maggiore è la frequenza di condivisione di qualcuno sui social, maggiore è la possibilità di adozione di un elettrico motociclo. Il valore significativo per la dimensione del social network online (0.765) non supporta l'Ipotesi 10, la dimensione della portata del social network non influenza in modo significativo l'intenzione di adottare una moto. Il valore di stima per il numero di persone raggiunte nel social network è 0,016, segno positivo significa che maggiore è la dimensione dei social network maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per il livello di consapevolezza ambientale (0.022) supporta l'Ipotesi 11, il livello di preoccupazione ambientale ha un effetto significativo sull'intenzione di adottare una motocicletta elettrica. Il valore di stima per il livello di consapevolezza ambientale è 0,226, segno positivo significa che maggiore è il livello di preoccupazione ambientale di una persona, maggiore è l'intenzione di adottare una moto elettrica. I risultati dell'analisi di regressione logistica per le variabili da FI1 a FI4 che appartengono a fattori finanziari mostrano i risultati che il prezzo di acquisto (FI1) e i costi di manutenzione (FI4) hanno un effetto significativo sull'intenzione delle motociclette elettriche in Indonesia. Il valore significativo per il prezzo di acquisto (0,00) supporta l'Ipotesi 12, il prezzo di acquisto ha un effetto significativo sull'intenzione di adottare una motocicletta elettrica.Il valore di stima per il prezzo di acquisto è 0,348, segno positivo significa che quanto più appropriato è il prezzo di acquisto di una moto elettrica per qualcuno, maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per il costo della batteria (0,355) non supporta l'Ipotesi 13, il costo della batteria non influenza in modo significativo l'intenzione di adottare una moto elettrica. Il valore significativo per i costi di ricarica (0,109) non supporta l'Ipotesi 14, il costo di ricarica non ha effetti significativi sull'intenzione di adottare una moto elettrica. Il valore di stima per il costo di ricarica è 0,136, segno positivo significa che più è appropriato il costo di ricarica di una moto elettrica per qualcuno, maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per i costi di manutenzione (0,017) non supporta l'Ipotesi 15, i costi di manutenzione hanno un effetto significativo sull'intenzione di adottare una motocicletta elettrica. Il valore di stima per i costi di manutenzione è 0,193, segno positivo significa che quanto più appropriato è il costo della manutenzione del motociclo elettrico per qualcuno, maggiore è l'intenzione di adottare un motociclo elettrico. I risultati dell'analisi di regressione logistica per le variabili da TE1 a TE5 che appartengono a fattori tecnologici mostrano i risultati che il tempo di ricarica della batteria (TE3) ha un effetto significativo sull'intenzione di adozione di motocicli elettrici in Indonesia. Il valore significativo per la capacità di chilometraggio (0,107) non supporta l'Ipotesi 16, la capacità di chilometraggio non ha alcun effetto significativo sull'intenzione di adottare una motocicletta elettrica. Il valore di stima per un chilometraggio massimo è 0,146, segno positivo significa che quanto più appropriato è il chilometraggio massimo di una moto elettrica per qualcuno, maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per la potenza variabile indipendente o la velocità massima (0.052) non supporta l'Ipotesi 17, la velocità massima non influenza in modo significativo l'intenzione di adottare una motocicletta elettrica. Il valore di esimate per potenza o velocità massima è 0,167, segno positivo significa che quanto più appropriata è la velocità massima di un motociclo elettrico per una persona, maggiore è l'intenzione di adottare un motociclo elettrico. Il valore significativo per il tempo di ricarica (0,004) supporta l'Ipotesi 18, il tempo di ricarica ha un effetto significativo sull'intenzione di adottare una moto elettrica. Il valore stimato per il tempo di ricarica è 0,240, segno positivo significa che quanto più adeguata è la velocità massima di una moto elettrica per qualcuno, maggiore è l'intenzione di adottare una moto elettrica. Il valore significativo per la sicurezza (0,962) non supporta l'Ipotesi 19, la sicurezza non influenza in modo significativo l'intenzione di adottare una motocicletta elettrica. Il valore di stima per la sicurezza è -0,005, segno negativo significa che più ci si sente sicuri nell'usare una moto elettrica, minore è l'intenzione di adottare una moto elettrica. Il valore significativo per la durata della batteria (0.424) non supporta l'Ipotesi 20, la durata della batteria non ha alcun effetto significativo sull'intenzione di adottare una moto elettrica. Il valore di stima per la durata della batteria è 0,068, segno positivo significa che quanto più appropriata è la durata di una batteria di un motociclo elettrico, maggiore è l'intenzione di adottare un motociclo elettrico. I risultati dell'analisi di regressione logistica per le variabili da ML1 a ML7 che appartengono a fattori di macro livello mostrano i risultati che solo addebitando la disponibilità sul posto di lavoro (ML2), addebitando la disponibilità nella residenza (ML3) e addebitando la politica di sconto sui costi (ML7) che hanno un effetto significativo sull'intenzione di adozione di motocicli elettrici in Indonesia. Il valore significativo per la disponibilità di ricarica nei luoghi pubblici (0,254) non supporta l'Ipotesi 21, la disponibilità di ricarica nei luoghi pubblici non influenza in modo significativo l'intenzione di adottare la moto elettrica. Il valore significativo per la disponibilità di ricarica sul posto di lavoro (0,007) supporta l'Ipotesi 22, la disponibilità di ricarica sul posto di lavoro ha un effetto significativo sull'intenzione di adottare una motocicletta elettrica. Il valore significativo per la disponibilità di ricarica a casa (0,009) supporta l'Ipotesi 22, la disponibilità di ricarica a casa ha un effetto significativo sull'intenzione di adottare una motocicletta. Il valore significativo per la disponibilità di posti di servizio (0,181) non supporta l'Ipotesi 24, la disponibilità di posti di servizio non ha effetti significativi sull'intenzione di adottare una moto elettrica. Il valore significativo per la politica di incentivazione all'acquisto (0,017) supporta l'Ipotesi 25, la politica di incentivazione all'acquisto ha un effetto significativo sull'intenzione di adottare una motocicletta elettrica. Il valore significativo della politica di sconto fiscale annuale (0,672) non supporta l'Ipotesi 26, la politica di incentivazione dello sconto fiscale annuale non ha alcun effetto significativo sull'intenzione di adottare una motocicletta elettrica. Il valore significativo della politica di sconto sui costi di ricarica (0,00) supporta l'Ipotesi 27, la politica di incentivazione dello sconto sui costi di ricarica ha un effetto significativo sull'intenzione di adottare una motocicletta elettrica. In base al risultato del fattore di livello macro, l'adozione della motocicletta elettrica può essere realizzata se la stazione di ricarica sul posto di lavoro, la stazione di ricarica nella residenza e la politica di sconto sui costi di ricarica sono pronte per l'accesso da parte dei consumatori. Nel complesso, la frequenza di condivisione sui social media, il livello di consapevolezza ambientale, i prezzi di acquisto, i costi di manutenzione, la velocità massima delle moto elettriche, il tempo di ricarica della batteria, la disponibilità dell'infrastruttura della stazione di ricarica sul posto di lavoro, la disponibilità dell'infrastruttura di ricarica basata sull'energia domestica, UTAMI ET AL. /JOURNAL SULL'OTTIMIZZAZIONE DEI SISTEMI PRESSO LE INDUSTRIE – VOL. 19 n. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 politiche di incentivazione all'acquisto e politiche di incentivazione degli sconti sui costi di ricarica stanno influenzando significativamente l'intenzione di adottare veicoli elettrici. Modello di equazione e funzione di probabilità L'equazione 3 è un'equazione logit per la scelta della risposta “fortemente riluttante” ad adottare una motocicletta elettrica.  =  = + 27 1 01 ( 1| ) kg Y Xn   k Xik (3) L'equazione 4 è un'equazione logit per la scelta della risposta “non disposto” ad adottare una motocicletta elettrica.  =  = + 27 1 02 ( 2 | ) kg Y Xn   k Xik (4) L'equazione 5 è un'equazione logit per la scelta della risposta “dubbio” per l'adozione di una motocicletta elettrica.  =  = + 27 1 03 ( 3| ) kg Y Xn   k Xik (5) L'equazione 6 è un'equazione logit per l'opzione di risposta "disposto" ad adottare una motocicletta elettrica.  =  = + 27 1 04 ( 4 | ) kg Y Xn   k Xik (6) Funzioni di probabilità dell'intenzione di adozione di motociclette elettriche mostrate dall'equazione 7 all'equazione 11. L'equazione 7 è la funzione di probabilità per la scelta della risposta “ fortemente restio” ad adottare una motocicletta elettrica. eenng YX g YXP Xn PY Xn ( 1| ) ( 1| ) 1 1 ( ) ( 1| )   + = =  (7) L'equazione 8 è la funzione di probabilità per la scelta della risposta “non disposto” ad adottare un moto elettrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 1| ) ( 1| ) ( 2| ) ( 2| ) 2 1 1 ( 2 | ) ( 1| ) ( ) ( 2 | )     + − + = =  −  = = (8) L'equazione 9 è la funzione di probabilità per la scelta della risposta “dubbio” di adottare una motocicletta elettrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 2| ) ( 2| ) ( 3| ) ( 3| ) 3 1 1 ( 3 | ) ( 2 | ) ( ) ( 3 | )     + − + = =  −  = = (9) L'equazione 10 è la funzione di probabilità per la scelta della risposta “disposto” ad adottare una motocicletta elettrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 3| ) ( 3| ) ( 4| ) ( 4| ) 4 1 1 ( 4 | ) ( 3 | ) ( ) ( 4 | )     + − + = =  −  = = (10) L'equazione 11 è la funzione di probabilità per la scelta della risposta “fortemente disposto” ad adottare una motocicletta elettrica. eenng YX g YX nnn PYXPXPYX ( 4| ) ( 4| ) 5 1 1 1 ( 4 | ) ( ) ( 5 | )   + = − = −  = = (11) Adozione Intenzione Probabilità L'equazione di regressione logistica ordinale allora applicato a un campione delle risposte degli intervistati. La tabella 8 mostra le caratteristiche e le risposte del campione. Quindi la probabilità di rispondere a ciascun criterio sulla variabile dipendente viene calcolata in base all'equazione 7-11. Un campione di intervistati che ha le risposte come mostrato nella tabella 7 ha una probabilità di 0,0013 per la forte riluttanza a utilizzare la motocicletta elettrica, una probabilità di 0,0114 per la riluttanza a utilizzare una motocicletta elettrica, una probabilità di 0,1788 per il dubbio di utilizzare una motocicletta elettrica, una probabilità di 0,563 per voler utilizzare una motocicletta elettrica e una probabilità di 0,2455 per essere fortemente disposti a utilizzare una motocicletta elettrica. È stata inoltre calcolata la probabilità di adozione della motocicletta elettrica per 1.223 intervistati e il valore medio della probabilità per le risposte a fortemente riluttante all'uso di motociclette elettriche era 0,0031, riluttanza all'uso di motociclette elettriche era 0,0198, dubbio sull'uso di motociclette elettriche era 0,1482, disposti a utilizzare una motocicletta elettrica la moto elettrica era 0,3410 e la volontà di utilizzare una motocicletta elettrica era 0,4880. Se si sommano le probabilità di volere e fortemente volenteroso, la probabilità per gli indonesiani di adottare motociclette elettriche raggiunge l'82,90%. Raccomandazioni per aziende e responsabili politici Nell'analisi della regressione logistica ordinale, la frequenza di condivisione sui social media è un fattore significativo che influenza l'intenzione di adottare una motocicletta elettrica. L'importanza dei social media come piattaforma per il pubblico per ottenere informazioni sulle motociclette elettriche influenzerà la volontà di adottare motociclette elettriche. Il governo e gli imprenditori possono provare a utilizzare questa risorsa, ad esempio, gli imprenditori possono fare promozioni attraverso bonus o apprezzamenti ai consumatori che hanno acquistato motociclette elettriche e condividere cose positive relative alle moto elettriche sui propri social media. In questo modo potrebbe stimolare gli altri a diventare nuovi utenti di una motocicletta elettrica. Il governo può socializzare o introdurre le motociclette elettriche al pubblico attraverso i social media per motivare il passaggio del pubblico dalla motocicletta convenzionale alla moto elettrica. Questa ricerca dimostra quanto sia significativa l'influenza di fattori a livello macro sull'adozione delle moto elettriche in Indonesia. Nell'analisi della regressione logistica ordinale, la disponibilità dell'infrastruttura della stazione di ricarica sul posto di lavoro, la disponibilità dell'infrastruttura della stazione di ricarica a casa, la politica di incentivazione all'acquisto e lo sconto sui costi di ricarica influenzano in modo significativo l'intenzione di adottare una motocicletta elettrica. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 n. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tabella 7. Risposte campione dell'intervistato Codice risposta variabile Valore Stato civile Coniugato X1b 2 Età 31-45 X2 2 Sesso Maschile X3a 1 Ultimo livello di istruzione Master X4 4 Occupazione Dipendenti privati ​​X5c 3 Mensile livello di consumo Rp2.000.000-5.999.999 X6 2 Livello di reddito mensile Rp. 6.000.000-9.999.999 X7 3 Numero di possessori di moto ≥ 2 X8 3 Frequenza di condivisione sui social media Più volte al mese X9 4 Dimensione del social network online 100-500 persone X10 2 Consapevolezza ambientale 1 X11 1 Harga beli 3 X12 3 Costo batteria 3 X13 3 Costo ricarica 3 X13 3 Costi manutenzione 5 X14 5 Capacità chilometrica 4 X15 4 Potenza 5 X16 5 Tempo di ricarica 4 X17 4 Sicurezza 5 X18 5 Durata batteria 4 X19 4 Disponibilità stazione di ricarica in luoghi pubblici 4 X20 4 Disponibilità stazione di ricarica al lavoro 4 X21 4 Disponibilità della stazione di ricarica a casa 4 X22 4 Disponibilità dei posti di servizio 2 X23 2 Politica di incentivazione all'acquisto 5 X24 5 Politica di sconto fiscale annuale 5 X25 5 Politica di sconto sui costi di ricarica 5 X26 5 Costo di ricarica 5 X27 5 Costi di manutenzione 3 X13 3 Chilometraggio capacità 5 X14 5 Potenza 4 X15 4 Tempo di ricarica 5 X16 5 La maggior parte degli intervistati ritiene che la disponibilità dell'infrastruttura delle stazioni di ricarica a casa, sul posto di lavoro e nei luoghi pubblici influenzi significativamente l'adozione di motocicli elettrici. Il governo può organizzare l'installazione di infrastrutture di stazioni di ricarica nei luoghi pubblici per supportare l'adozione di motocicli elettrici. Il governo può anche collaborare con il settore delle imprese per realizzare questo. Nella costruzione di indicatori di livello macro, questa ricerca propone diverse opzioni di politica degli incentivi. Le politiche di incentivazione più significative secondo il sondaggio sono le politiche di incentivazione all'acquisto e le politiche di incentivazione dello sconto sui costi di ricarica che possono essere considerate dal governo per sostenere l'adozione di motocicli elettrici in Indonesia. Su fattori finanziari, il prezzo di acquisto ha un effetto significativo sull'intenzione di acquistare una motocicletta elettrica. Questo è il motivo per cui anche l'incentivo per il contributo all'acquisto sta impattando in modo significativo sull'intenzione di adozione. Il costo di manutenzione più economico delle motociclette elettriche rispetto alle motociclette convenzionali influenza in modo significativo l'intenzione di adozione delle motociclette elettriche. Pertanto, la disponibilità di servizi che soddisfino le esigenze dei consumatori incoraggerà ulteriormente l'intenzione di adottare motociclette elettriche perché la maggior parte degli utenti non conosce i componenti delle motociclette elettriche, quindi hanno bisogno di tecnici specializzati in caso di danni. Le prestazioni delle moto elettriche hanno soddisfatto le esigenze dei consumatori per soddisfare la loro mobilità quotidiana. La velocità massima di una moto elettrica e il tempo di ricarica sono in grado di soddisfare gli standard desiderati dai consumatori. Tuttavia, migliori prestazioni della moto come maggiore sicurezza, durata della batteria e ulteriore chilometraggio aumenteranno sicuramente l'intenzione di adottare una motocicletta elettrica. Oltre ad aumentare gli investimenti tecnologici, il governo e le imprese devono anche migliorare il sistema di valutazione della sicurezza e dell'affidabilità delle motociclette elettriche per aumentare la fiducia del pubblico. Per le aziende, promuovere la qualità e le prestazioni è uno dei modi più efficaci per aumentare l'entusiasmo dei consumatori per le motociclette elettriche. I consumatori più giovani e con un livello di istruzione più elevato possono essere presi di mira come primi utilizzatori per diventare influenza perché hanno già un atteggiamento più ottimista e hanno una vasta rete. La segmentazione del mercato può essere ottenuta lanciando modelli specifici per consumatori mirati. Inoltre, gli intervistati con una maggiore consapevolezza ambientale avevano maggiori probabilità di voler adottare motocicli. UTAMI ET AL. /JOURNAL SULL'OTTIMIZZAZIONE DEI SISTEMI PRESSO LE INDUSTRIE – VOL. 19 n. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 79 CONCLUSIONI Il passaggio dalle motociclette convenzionali alle moto elettriche può essere la migliore soluzione per superare il problema degli alti livelli di CO2 in Indonesia. Anche il governo indonesiano si è reso conto ed è intervenuto definendo varie politiche relative ai veicoli elettrici in Indonesia. Ma in realtà l'adozione dei veicoli elettrici in Indonesia è ancora in una fase molto precoce anche lontana dagli obiettivi fissati dal governo. L'ambiente non supporta l'adozione di motocicli elettrici come la mancanza di regolamenti più dettagliati e la mancanza di infrastrutture di supporto che causano la scarsa adozione di veicoli elettrici in Indonesia. Questa ricerca ha intervistato 1.223 intervistati di 10 province che avevano un totale dell'80% della distribuzione totale delle vendite di motociclette in Indonesia per esplorare i fattori significativi che influenzano le intenzioni di adottare motociclette elettriche in Indonesia e scoprire le funzioni di probabilità. Sebbene la maggior parte degli intervistati sia entusiasta delle motociclette elettriche e desideri possedere una motocicletta elettrica in futuro, il loro interesse per l'adozione di una motocicletta elettrica al giorno d'oggi è relativamente basso. Gli intervistati non vogliono utilizzare motociclette elettriche in questo momento a causa di vari motivi come la mancanza di infrastrutture e politiche. Molti intervistati hanno l'atteggiamento di aspettare e guardare all'adozione di moto elettriche, con fattori finanziari, fattori tecnologici e macro-livelli che devono seguire le richieste dei consumatori. Questa ricerca dimostra quanto sia significativa la frequenza di condivisione sui social media, il livello di consapevolezza ambientale, i prezzi di acquisto, i costi di manutenzione, la velocità massima delle moto elettriche, il tempo di ricarica della batteria, la disponibilità dell'infrastruttura della stazione di ricarica sul posto di lavoro, la disponibilità dell'infrastruttura di ricarica a casa, politiche di incentivazione all'acquisto e politiche di incentivazione dello sconto sui costi di ricarica sono a sostegno dell'adozione di motociclette elettriche in Indonesia. Il governo deve sostenere la fornitura di infrastrutture per le stazioni di ricarica e la definizione di politiche di incentivi per accelerare l'adozione di motocicli elettrici in Indonesia. Fattori tecnologici come il chilometraggio e la durata della batteria devono essere considerati dai produttori per migliorare per supportare l'adozione di motocicli elettrici. I fattori finanziari come i prezzi di acquisto e i costi della batteria devono essere fonte di preoccupazione per le imprese e il governo. L'uso massimo dei social network dovrebbe essere preso per introdurre una motocicletta elettrica nella comunità. Le comunità in giovane età possono promuovere come primi utenti perché hanno un'ampia rete di social media. La realizzazione dell'adozione di moto elettriche in Indonesia richiede disponibilità infrastrutturale e costi che possono essere accettati dai consumatori. Questo è stato in grado di essere implementato dal governo attraverso forti impegni del governo in diversi paesi che sono riusciti a sostituire i veicoli convenzionali. Ulteriori ricerche si concentreranno sulla ricerca di politiche appropriate per accelerare l'adozione di motocicli elettrici in Indonesia. RIFERIMENTI [1] Indonesia. Statistica Badan Pusat; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [in linea]. Disponibile: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: statistiche sulla distribuzione interna e sull'esportazione, 2020. [Online]. https://www.aisi.or.id/statistic. [Accesso: marzo. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina e R. Siregar, “Veicoli elettrici in Indonesia: la strada verso il trasporto sostenibile”, Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto e M. Nizam, "Modello di commercializzazione della nuova tecnologia della batteria agli ioni di litio: un caso di studio per il veicolo elettrico intelligente", Atti della Conferenza internazionale congiunta 2013 sulle tecnologie dell'informazione e della comunicazione rurali e sulla tecnologia dei veicoli elettrici, 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 technology for electric vehicle. In Innovation under Uncertainty", in Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz e MK Patel, "Sull'elettrificazione del trasporto stradale– una rassegna delle prestazioni ambientali, economiche e sociali delle due ruote elettriche,” Transportation 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, "Analisi della catena di Markov per identificare la previsione della quota di mercato della nuova tecnologia: un caso di studio della motocicletta a conversione elettrica a Surakarta, Indonesia", Atti della conferenza AIP, 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 Vehicle 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, "Progettazione del quadro per la standardizzazione e i requisiti di prova del sistema di gestione della batteria per l'applicazione dei veicoli elettrici", Procedimento - 4a Conferenza internazionale sulla tecnologia dei veicoli elettrici, 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. [Online]. gaikindo.or.id. [Accesso: marzo. 20, 2020]. [13] S. Goldenberg, "L'Indonesia taglierà le emissioni di carbonio del 29% entro il 2030", The Guardian, 2015. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 n. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang e HA Bekhet, "Modellazione delle intenzioni di utilizzo dei veicoli elettrici: uno studio empirico in Malesia", 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, “Quali sono gli ostacoli all'adozione diffusa di veicoli elettrici a batteria? 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, "Analizzare l'adozione di veicoli elettrici a batteria: un'indagine sulle barriere tra i conducenti nel Regno Unito", 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, "Indagare i fattori che influenzano la diffusione dei veicoli elettrici a Pechino, Cina: prospettive statistiche e spaziali", Journal of Cleaner Production, vol. 213, pp. 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analisis Multivariat Terapan dengan Program SPSS, AMOS, dan SMARTPLS (2nd Ed). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Adozione dei consumatori contro decisioni di rifiuto in innovazioni di servizi apparentemente simili: il caso di Internet e del mobile banking", 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, “L'adozione del fotovoltaico nei Paesi Bassi: un'analisi statistica dei fattori di adozione”, 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, "Utilizzo di un modello di accettazione della tecnologia modificata per valutare l'adozione da parte degli operatori sanitari di un nuovo sistema di telemonitoraggio", Telemedicina ed e-Health, 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, "Uno studio di indagine sulle principali barriere tecniche che influenzano la decisione di adottare servizi cloud", 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, "Analisi della percezione dei consumatori del veicolo elettrico in Indonesia", Atti della conferenza AIP (Vol. 2217, n. 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", Atti della conferenza internazionale 2014 sull'ingegneria elettrica e l'informatica, ICEECS, 7045257, pp. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at e TM Bakar, "Linee guida sulla dimensione del campione per la regressione logistica da studi osservazionali con un'ampia popolazione: enfasi sull'accuratezza tra statistiche e parametri basati su dati clinici della vita reale", The Malaysian Journal of scienze mediche: 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, ” Due ruote a motore per la mobilità sostenibile: Una revisione dell'adozione da parte dei consumatori di motociclette elettriche”, 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, "Intenzioni di acquisto di veicoli elettrici di cittadini cinesi, russi e brasiliani: uno studio comparativo internazionale", Journal of Clean 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, "L'influenza degli incentivi finanziari e di altri fattori socioeconomici sull'adozione dei veicoli elettrici", 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, "Percezione e realtà: conoscenza pubblica dei veicoli elettrici plug-in in 21 città degli Stati Uniti", 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, "Come dovrebbero essere classificate le barriere ai combustibili e ai veicoli alternativi e valutate le potenziali politiche per promuovere tecnologie innovative?", 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, “Barriere all'adozione diffusa di veicoli elettrici: un'analisi degli atteggiamenti e delle percezioni dei consumatori”, 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, "L'impatto della politica del governo sulla preferenza per i NEV: le prove dalla Cina", Energy Policy, vol. 61, pp. 382-393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool e RF Hirsh, "Oltre le batterie: un esame dei vantaggi e degli ostacoli ai veicoli elettrici ibridi plug-in (PHEV) e alla transizione da veicolo a rete (V2G)", Politica energetica, 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, “Consumatori tradizionali che guidano auto elettriche ibride plug-in elettriche e plug-in: un'analisi qualitativa delle risposte e delle valutazioni”, Transp. Ris. Parte A: Policy Pract., vol. 46, pp. 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi e SL Mabit, "Consumatori mainstream che guidano auto elettriche plug-in a batteria e plug-in elettriche ibride: un'analisi qualitativa delle risposte e delle valutazioni", Transp. Ris. Parte D: Trasp. Ambiente, vol. 25, pp. 24-32, 2013. [in linea]. Disponibile: ScienceDirect. [37] ND Caperello e KS Kurani, “Storie delle famiglie dei loro incontri con un veicolo elettrico ibrido plug-in”, 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, "Storie delle famiglie dei loro incontri con un veicolo elettrico ibrido plug-in", Analisi di un sondaggio sui consumatori su UTAMI ET AL. /JOURNAL SULL'OTTIMIZZAZIONE DEI SISTEMI PRESSO LE INDUSTRIE – VOL. 19 n. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 81 veicoli elettrici ibridi plug-in. Trasp. Ris. Parte A: Policy Pract., vol. 64, pp. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer e S. Lemeshow, “Regressione logistica applicata. Seconda edizione”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATURA j categorie di variabili dipendenti (j = 1, 2, 3, 4, 5) k categorie di variabili indipendenti (k = 1, 2, 3, …, m) i categorie di variabili indipendenti qualitative n ordine degli intervistati β0j intercetta ogni risposta di dipendente variabile Xk variabile quantitativa indipendente Xik variabile quantitativa indipendente Y variabile dipendente Pj(Xn) l'opportunità per ogni categoria di variabile indipendente per ogni intervistato BIOGRAFIA DEGLI AUTORI Martha Widhi Dela Utami Martha Widhi Dela Utami è una studentessa universitaria del Dipartimento di Ingegneria Industriale dell'Universitas Sebelas Maret. Fa parte del Laboratorio di Logistica e Sistemi Aziendali. I suoi interessi di ricerca sono la logistica e la gestione della catena di approvvigionamento e le ricerche di mercato. Ha pubblicato la sua prima pubblicazione sull'analisi della percezione dei consumatori dei veicoli elettrici in Indonesia nel 2019. Yuniaristanto Yuniaristanto è docente e ricercatrice presso il Dipartimento di Ingegneria Industriale, Universitas Sebelas Maret. I suoi interessi di ricerca sono la supply chain, la modellazione di simulazione, la misurazione delle prestazioni e la commercializzazione della tecnologia. Ha pubblicazioni indicizzate da Scopus, 41 articoli con 4 H-index. La sua email è yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo