Pemerintah Indonesia menargetkan penerapan 2.1 juta unit kendaraan listrik roda dua dan 2.200 unit kendaraan listrik roda empat pada tahun 2025 melalui Peraturan Presiden Republik Indonesia No. 22 pada tahun 2017 tentang Rencana Umum Energi Nasional. Pada tahun 2019, Pemerintah Indonesia mengeluarkan Peraturan Presiden No. 55 pada tahun 2019 tentang Percepatan Program Kendaraan Elektrik Baterai untuk Pengangkutan Jalan. Pada tahun 2018, penggunaan kenderaan elektrik roda dua hanya mencapai 0.14% daripada sasaran kerajaan untuk tahun 2025. Oleh itu, penggunaan teknologi Motosikal Elektrik (EM) juga mesti mempertimbangkan banyak faktor untuk berjaya. Penyelidikan ini mengembangkan model niat penggunaan kenderaan elektrik tanpa tingkah laku. Faktor-faktor tersebut merangkumi sosiodemografi, kewangan, teknologi, dan tahap makro. Tinjauan dalam talian melibatkan 1,223 responden. Regresi logistik digunakan untuk mendapatkan fungsi dan kemungkinan nilai niat untuk menerapkan EM di Indonesia. Kekerapan perkongsian di media sosial, tahap kesedaran terhadap alam sekitar, harga pembelian, kos penyelenggaraan, kelajuan maksimum, masa pengecasan bateri, ketersediaan infrastruktur stesen pengisian di tempat kerja, ketersediaan asas kuasa rumah - infrastruktur pengecasan, polisi insentif pembelian, dan potongan harga pengecasan polisi insentif sangat mempengaruhi niat untuk menggunakan kenderaan elektrik. Ini juga menunjukkan bahawa peluang bagi orang Indonesia untuk menggunakan motor elektrik mencapai 82.90%. Perwujudan penggunaan motor elektrik di Indonesia memerlukan kesiapan infrastruktur dan kos yang dapat diterima oleh pengguna. Terakhir, hasil penyelidikan ini memberikan beberapa cadangan kepada pemerintah dan perniagaan untuk mempercepat penggunaan motor elektrik di Indonesia.

PENGENALAN

Sektor ekonomi di Indonesia (pengangkutan, penjanaan elektrik, dan isi rumah) kebanyakannya menggunakan bahan bakar fosil. Beberapa kesan negatif dari ketergantungan tinggi pada bahan bakar fosil adalah peningkatan peruntukan untuk subsidi bahan bakar, masalah kelestarian tenaga, dan tingkat tinggi pelepasan CO2. Pengangkutan adalah sektor utama yang menyumbang kepada tahap tinggi CO2 di udara kerana banyak penggunaan kenderaan bahan bakar fosil. Penyelidikan ini memberi tumpuan kepada motosikal kerana Indonesia, sebagai negara membangun, mempunyai lebih banyak motosikal daripada kereta. Bilangan motosikal di Indonesia mencapai 120,101,047 unit pada tahun 2018 [1] dan penjualan motosikal mencapai 6,487,460 unit pada tahun 2019 [2]. Mengalihkan sektor pengangkutan ke sumber tenaga alternatif dapat mengurangkan tahap CO2 yang tinggi. Penyelesaian yang realistik untuk masalah ini adalah dengan melaksanakan logistik hijau melalui penembusan kenderaan elektrik di Indonesia seperti kenderaan elektrik hibrid, kenderaan elektrik hibrid plug-in, dan kenderaan elektrik bateri [3]. Inovasi teknologi kenderaan elektrik dan inovasi teknologi bateri dapat memberikan penyelesaian pengangkutan yang mesra alam, cekap tenaga, dan kos operasi dan penyelenggaraan yang lebih rendah [4]. Kenderaan elektrik banyak dibincangkan oleh negara-negara di dunia. Dalam perniagaan kenderaan elektrik global, terdapat pertumbuhan penjualan yang signifikan untuk motosikal elektrik roda dua yang mencapai 58% atau sekitar 1.2 juta unit dari 2016 hingga 2017. Pertumbuhan penjualan ini menunjukkan sambutan yang baik dari negara-negara di dunia mengenai perkembangan elektrik teknologi motosikal yang suatu hari nanti, motosikal elektrik dijangka menggantikan kenderaan berbahan bakar fosil. Objek kajian adalah Motosikal Elektrik (EM) yang terdiri daripada Reka Bentuk Motosikal Elektrik Baru (NDEM) dan Motosikal Elektrik Terubah (CEM). Jenis pertama, Reka Bentuk Motosikal Elektrik Baru (NDEM), adalah kenderaan yang direka oleh syarikat yang menggunakan teknologi elektrik untuk operasinya. Beberapa negara di dunia seperti Australia, Jerman, England, Perancis, Jepun, Taiwan, Korea Selatan, dan China sudah menggunakan motosikal elektrik sebagai produk pengganti kenderaan motosikal berbahan bakar fosil [5]. Salah satu jenama motosikal elektrik ialah Zero Motorcycle yang mengeluarkan motosikal elektrik sport [6]. PT. Gesits Technologies Indo juga telah menghasilkan motosikal elektrik roda dua di bawah jenama Gesits. Jenis kedua ialah CEM. Motosikal elektrik yang ditukar adalah motosikal berbahan bakar minyak di mana bahagian motor dan enjin diganti dengan kit bateri Lithium Ferro Phosphate (LFP) sebagai sumber tenaga. Walaupun banyak negara menghasilkan motosikal elektrik, tidak ada yang membuat kenderaan dengan menggunakan teknik penukaran. Penukaran boleh dilakukan pada motosikal roda dua yang tidak lagi digunakan oleh penggunanya. Universiti Sebelas Maret adalah pelopor dalam pembuatan CEM dan secara teknikal membuktikan bahawa bateri Lithium-Ion dapat menggantikan sumber tenaga bahan bakar fosil pada motosikal konvensional. CEM menggunakan teknologi LFP, bateri ini tidak meletup ketika berlaku litar pintas. Selain itu, bateri LFP mempunyai hayat penggunaan yang panjang hingga 3000 kitaran penggunaan dan lebih lama daripada bateri EM komersial semasa (seperti Lithium-Ion Battery dan LiPo Battery). CEM boleh menempuh perjalanan 55 km / caj dan mempunyai kelajuan maksimum hingga 70 km / jam [7]. Jodinesa, et al. [8] memeriksa pangsa pasar motosikal elektrik boleh ubah di Surakarta, Indonesia dan mengakibatkan masyarakat Surakarta memberikan reaksi positif terhadap CEM. Dari penjelasan di atas, dapat dilihat bahawa peluang untuk motosikal elektrik sangat besar. Beberapa kajian mengenai standard yang berkaitan dengan kenderaan elektrik dan bateri telah dikembangkan, seperti standard bateri Lithium Ion oleh Sutopo et al. [9], standard sistem pengurusan bateri oleh Rahmawatie et al. [10], dan standard pengecasan kenderaan elektrik oleh Sutopo et al. [11]. Kadar penggunaan kenderaan elektrik yang perlahan di Indonesia mendorong pemerintah melepaskan beberapa kebijakan untuk pengembangan industri otomotif dan berencana untuk menargetkan penggunaan 2.1 juta unit motosikal elektrik dan 2.200 unit kereta elektrik pada tahun 2025. Selain itu, pemerintah juga menargetkan Indonesia dapat menghasilkan 2.200 mobil elektrik atau hibrida yang dinyatakan dalam Peraturan Presiden Republik Indonesia No. 22 tahun 2017 tentang Rencana Umum Tenaga Nasional. Peraturan ini telah diterapkan oleh berbagai negara seperti Perancis, Inggris, Norway, dan India. Kementerian Tenaga dan Sumber Mineral telah ditetapkan sebagai sasaran bahawa mulai tahun 2040, penjualan Kenderaan Mesin Pembakaran Dalaman (ICEV) dilarang dan orang ramai diminta untuk menggunakan kenderaan berasaskan elektrik [12]. Pada tahun 2019, Pemerintah Indonesia mengeluarkan Peraturan Presiden No. 55 tahun 2019 tentang Percepatan Program Kendaraan Bermotor Listrik Berbasis Baterai untuk Pengangkutan Jalan. Usaha ini adalah langkah untuk mengatasi dua masalah, yaitu penipisan simpanan minyak bahan bakar dan pencemaran udara. Mengenai pencemaran udara, Indonesia telah berkomitmen untuk mengurangi 29% pelepasan karbon dioksida pada tahun 2030 sebagai hasil dari Persidangan Perubahan Iklim Paris yang diadakan pada tahun 2015. Pada tahun 2018, penembusan kenderaan elektrik roda dua hanya mencapai 0.14% dari sasaran pemerintah adalah 2025, sementara untuk elektrik empat roda mencapai lebih dari 45%. Pada bulan Disember 2017, terdapat sekurang-kurangnya lebih daripada 1.300 stesen pengecasan elektrik awam di seluruh negara di 24 bandar, di mana 71% (924 stesen pengisian semula) terletak di DKI Jakarta [13]. Banyak negara telah meneliti tentang penggunaan kendaraan listrik, tetapi di Indonesia, penelitian skala nasional belum pernah dilakukan sebelumnya. Terdapat banyak jenis penyelidikan di beberapa negara yang telah melakukan kajian mengenai penerapan teknologi baru dengan menggunakan beberapa kaedah seperti regresi linier berganda untuk mengetahui niat penggunaan kenderaan elektrik di Malaysia [14], Pemodelan Persamaan Struktural (SEM) untuk mengetahui adopsi penghalang kenderaan elektrik bateri di Tianjin, China [15], analisis faktor eksplorasi & model regresi multivariate untuk mengetahui halangan di kalangan pemandu kenderaan elektrik di United Kingdom [16], dan regresi logistik untuk mengetahui faktor-faktor yang mempengaruhi pengambilan kenderaan elektrik di Beijing, China [17]. Tujuan penelitian ini adalah untuk mengembangkan model adopsi untuk motor elektrik di Indonesia, untuk mencari faktor-faktor yang mempengaruhi niat mengadopsi motor elektrik di Indonesia, dan untuk menentukan peluang fungsi untuk penggunaan motor elektrik di Indonesia. Memodelkan faktor penting untuk mengetahui faktor mana yang mempengaruhi niat untuk mengadopsi motor elektrik di Indonesia. Faktor-faktor yang berpengaruh ini dapat dijadikan rujukan untuk merumuskan dasar yang sesuai untuk mempercepat penggunaan motor elektrik. Faktor-faktor penting ini adalah gambaran mengenai keadaan ideal yang diinginkan oleh bakal pengguna motosikal elektrik di Indonesia. Beberapa kementerian di Indonesia yang terkait dengan perumusan kebijakan mengenai kendaraan listrik adalah Kementerian Perindustrian yang menangani peraturan pajak kendaraan berdasarkan pelepasannya yang berhubungan langsung dengan pengeluar kenderaan elektrik, Kementerian Perhubungan yang menjalankan uji kelayakan kenderaan elektrik yang akan membuka jalan raya seperti ujian bateri dan sebagainya, serta Kementerian Tenaga dan Sumber Mineral yang bertanggungjawab untuk merumuskan tarif Stesen Pengisian Kenderaan Elektrik kepada infrastruktur perniagaan pengecasan kenderaan elektrik. Inovasi kenderaan elektrik juga mendorong kelahiran entiti perniagaan baru dalam rantaian bekalan termasuk juruteknik dan syarikat permulaan dari pemaju, pembekal, pengeluar, dan pengedar produk / perkhidmatan kenderaan elektrik dan derivatifnya ke pasaran [24]. Pengusaha motosikal elektrik juga dapat mengembangkan teknologi dan pemasaran dengan mempertimbangkan faktor-faktor penting ini untuk menyokong merealisasikan motosikal elektrik dan bukannya motosikal konvensional di Indonesia. Regresi logistik biasa digunakan untuk mendapatkan fungsi dan nilai kebarangkalian niat untuk menggunakan motor elektrik di Indonesia menggunakan perisian SPSS 25. Regresi logistik atau regresi logit adalah pendekatan untuk membuat model ramalan. Regresi logistik dalam statistik yang digunakan untuk meramalkan kebarangkalian kejadian berlaku dengan memadankan data dalam fungsi logistik kurva logit. Kaedah ini adalah model linear umum untuk regresi binomial [18]. Regresi logistik telah digunakan untuk meramalkan penerimaan penggunaan perbankan internet dan perbankan mudah alih [19], meramalkan penerimaan penggunaan teknologi voltik foto di Belanda [20], meramalkan penerimaan teknologi sistem telemonitor untuk kesihatan [21], dan untuk mencari mengatasi halangan teknikal yang mempengaruhi keputusan untuk mengadopsi perkhidmatan cloud [22]. Utami et al. [23] yang sebelumnya melakukan penelitian mengenai persepsi pengguna terhadap kenderaan elektrik di Surakarta, menemukan bahawa harga pembelian, model, prestasi kendaraan, dan kesiapan infrastruktur adalah penghalang terbesar bagi orang yang menggunakan kendaraan elektrik. KAEDAH Data yang dikumpulkan dalam penyelidikan ini adalah data utama yang diperoleh melalui tinjauan dalam talian untuk mengetahui peluang dan faktor yang mempengaruhi niat untuk mengadopsi motor elektrik di Indonesia. Soal Selidik dan Tinjauan Survei dalam talian diedarkan kepada 1,223 responden di lapan provinsi di Indonesia untuk mengetahui faktor-faktor yang mempengaruhi niat untuk mengadopsi motor elektrik di Indonesia. Provinsi terpilih ini memiliki lebih dari 80% penjualan sepeda motor di Indonesia [2]: Jawa Barat, Jawa Timur, Jakarta, Jawa Tengah, Sumatera Utara, Sumatera Barat, Yogyakarta, Sulawesi Selatan, Sumatera Selatan, dan Bali. Faktor-faktor yang diterokai ditunjukkan dalam Jadual 1. Pengetahuan umum mengenai motor elektrik diberikan pada awal soal selidik dengan menggunakan video untuk mengelakkan salah faham. Soal selidik ini dibahagikan kepada lima bahagian: bahagian penyaringan, bahagian sosiodemografi, bahagian kewangan, bahagian teknologi, dan bahagian tahap makro. Soal selidik ini dikemukakan dalam skala Likert 1 hingga 5, di mana 1 untuk sangat tidak setuju, 2 untuk tidak setuju, 3 untuk ragu, 4 untuk setuju, dan 5 untuk sangat setuju. Penentuan ukuran sampel minimum merujuk pada [25], menyatakan bahawa kajian pemerhatian dengan ukuran populasi yang besar yang melibatkan regresi logistik memerlukan ukuran sampel minimum 500 untuk mendapatkan statistik yang mewakili parameter. Pensampelan kelompok atau persampelan kawasan dengan perkadaran digunakan dalam penyelidikan ini kerana populasi pengguna motosikal di Indonesia sangat besar. Selain itu, persampelan bertujuan digunakan untuk menentukan sampel berdasarkan kriteria tertentu [26]. Tinjauan dalam talian dilakukan melalui Iklan Facebook. Responden yang layak adalah orang yang berumur ≥ 17 tahun, memiliki SIM C, menjadi salah seorang pembuat keputusan untuk mengganti atau membeli motosikal, dan berkedudukan di salah satu wilayah di Jadual 1. Kerangka Teoretikal Dia et al. [15] dan Habich-Sobiegalla et al. [28] kerangka kerja terpakai untuk pengkategorian faktor sistematik yang mendorong atau menghalang penggunaan kenderaan elektrik oleh pengguna. Kami menyesuaikan kerangka ini dengan mengubahnya berdasarkan analisis literatur motosikal elektrik mengenai penggunaan motor elektrik pengguna. Kami telah memvisualisasikannya dalam Jadual 1. Jadual 1. Penjelasan dan Rujukan Faktor dan Atribut Faktor Kod Atrtibute Ruj. Status perkahwinan SD1 [27], [28] SD2 Umur SD3 Jantina SD4 Pendidikan terakhir SD5 Pekerjaan Sosiodemografi SD6 Tahap penggunaan bulanan SD7 Tahap pendapatan bulanan SD8 Bilangan pemilikan motosikal SD9 Kekerapan perkongsian di media sosial SD10 Saiz rangkaian sosial dalam talian SD11 Kesedaran persekitaran Kewangan FI1 Harga beli [29] FI2 Kos bateri [30] FI3 Kos pengecasan [31] FI4 Kos penyelenggaraan [32] Teknologi TE1 Mileage kemampuan [33] TE2 Power [33] TE3 Masa pengecasan [33] TE4 Keselamatan [34] TE5 Hayat bateri [35] Ketersediaan stesen pengisian ML1 tahap makro di tempat awam [36] Ketersediaan stesen pengisian ML2 di tempat kerja [15] Ketersediaan stesen pengisian ML3 di rumah [37] Ketersediaan tempat perkhidmatan ML4 [38] Dasar insentif pembelian ML5 [15] ML6 Tahunan dasar diskaun cukai [15] ML7 Dasar pengecualian kos pengecasan [15] Tujuan adopsi IP Niat untuk menggunakan [15] Faktor Sosiodemografi Faktor sosiodemografi adalah faktor peribadi yang mempengaruhi tingkah laku seseorang individu dalam membuat keputusan. Eccarius et al. [28] menyatakan pada model adopsi mereka bahawa usia, jantina, status perkahwinan, pendidikan, pendapatan, pekerjaan, dan kepemilikan kenderaan adalah faktor penting yang mempengaruhi penggunaan kenderaan elektrik. HabichSoebigalla et al menekankan faktor rangkaian sosial seperti jumlah pemilikan motosikal, kekerapan perkongsian di media sosial, dan ukuran rangkaian sosial dalam talian menjadi faktor yang mempengaruhi penggunaan kenderaan elektrik [28]. Eccarius et al. [27] dan HabichSobiegalla et al. [28] juga menganggap kesedaran persekitaran tergolong dalam faktor sosial demografi. Faktor Kewangan Harga pembelian adalah harga asal motosikal elektrik tanpa subsidi pembelian. Sierzchula et al. [29] mengatakan bahawa harga pembelian kenderaan elektrik yang tinggi disebabkan oleh kapasiti bateri tertinggi. Kos bateri adalah kos penggantian bateri apabila jangka hayat bateri lama habis. Krause et al. meneliti bahawa kos bateri adalah halangan kewangan bagi seseorang untuk menggunakan kenderaan elektrik [30]. Kos pengecasan adalah kos elektrik untuk menghidupkan motosikal elektrik berbanding dengan kos petrol [31]. Kos penyelenggaraan adalah kos penyelenggaraan rutin untuk motor elektrik, bukan pembaikan kerana kemalangan yang mempengaruhi penggunaan kenderaan elektrik [32]. Kemampuan jarak tempuh faktor teknologi adalah jarak paling jauh setelah bateri motosikal elektrik dicas sepenuhnya. Zhang et al. [33] mengatakan bahawa prestasi kenderaan merujuk kepada penilaian pengguna terhadap kenderaan elektrik termasuk kapasitas jarak tempuh, daya, waktu pengisian, keselamatan, dan daya tahan bateri. Kuasa adalah kelajuan maksimum motosikal elektrik. Masa pengecasan adalah masa keseluruhan untuk mengecas sepenuhnya motosikal elektrik. Rasa selamat ketika menunggang motosikal elektrik yang berkaitan dengan bunyi (dB) adalah faktor yang diketengahkan oleh Sovacool et al. [34] menjadi faktor yang mempengaruhi persepsi pengguna terhadap kenderaan elektrik. Graham-Rowe et al. [35] mengatakan bahawa jangka hayat bateri dianggap merosot. Infrastruktur Faktor Tahap Makro ketersediaan stesen pengisian adalah sesuatu yang tidak dapat dielakkan untuk pengguna motor elektrik. Mengisi ketersediaan di tempat awam dianggap penting untuk menyokong penggunaan kenderaan elektrik [36]. Mengisi ketersediaan di tempat kerja [15] dan ketersediaan pengecasan di rumah [37] juga diperlukan oleh pengguna untuk memenuhi bateri kenderaan mereka. Krupa et al. [38] mengatakan bahawa ketersediaan tempat servis untuk penyelenggaraan dan kerosakan rutin mempengaruhi penggunaan kenderaan elektrik. Dia et al. [15] mencadangkan beberapa insentif awam yang sangat dikehendaki oleh pengguna di Tianjin seperti memberikan subsidi untuk membeli motosikal elektrik, diskaun cukai tahunan untuk motosikal elektrik, dan mengenakan polisi potongan harga apabila pengguna perlu mengecas motosikal elektrik di tempat awam [15]. Regresi Logistik Ordinal Regresi logistik biasa adalah salah satu kaedah statistik yang menggambarkan hubungan antara pemboleh ubah bersandar dengan satu atau lebih pemboleh ubah bebas, di mana pemboleh ubah bersandar lebih daripada 2 kategori dan skala pengukuran adalah tahap atau ordinal [39]. Persamaan 1 adalah model untuk regresi logistik ordinal dan Persamaan 2 menunjukkan fungsi g (x) sebagai persamaan logit. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) HASIL DAN PERBINCANGAN Soal selidik diedarkan dalam talian pada bulan Mac - April, 2020, melalui Iklan Facebook berbayar dengan menetapkan area filter: Jawa Barat, Jawa Timur, Jakarta, Jawa Tengah, Sumatera Utara, Sumatera Barat, Yogyakarta, Sulawesi Selatan, Sumatera Selatan, dan Bali yang mencapai 21.628 pengguna. Jumlah respons masuk adalah 1.443 respons, tetapi hanya 1.223 respons yang layak untuk diproses data. Jadual 2 menunjukkan demografi responden. Statistik Deskriptif Jadual 3 menunjukkan statistik deskriptif untuk pemboleh ubah kuantitatif. Potongan kos pengecualian, potongan cukai tahunan, dan subsidi harga belian mempunyai purata yang lebih tinggi antara faktor lain. Ini menggambarkan bahawa kebanyakan responden menganggap bahawa ada dasar yang diberikan oleh pemerintah secara intensif dapat mendorong mereka menggunakan motor elektrik. Atas faktor kewangan, harga belian dan kos bateri mempunyai purata yang lebih rendah di antara faktor lain. Ini menggambarkan bahawa harga pembelian motosikal elektrik dan kos bateri tidak sesuai dengan anggaran kebanyakan responden. Sebilangan besar responden menganggap harga motosikal elektrik terlalu mahal jika dibandingkan dengan harga motosikal konvensional. Kos penggantian bateri setiap tiga tahun yang mencecah Rp 5.000.000 juga terlalu mahal bagi kebanyakan responden sehingga harga pembelian dan kos bateri menjadi penghalang bagi orang Indonesia untuk menggunakan motor elektrik. Hayat bateri, kuasa, masa pengecasan mempunyai skor purata rendah dalam statistik deskriptif tetapi skor purata bagi ketiga-tiga faktor ini lebih daripada 4. Masa pengecasan yang memakan masa tiga jam terlalu lama bagi kebanyakan responden. Kelajuan maksimum motosikal elektrik adalah 70 km / j dan jangka hayat bateri 3 tahun tidak memenuhi keperluan responden. Ini menggambarkan bahawa kebanyakan responden menganggap motosikal elektrik prestasi tidak memenuhi standardnya. Walaupun responden belum sepenuhnya mempercayai prestasi motosikal elektrik, EM dapat memenuhi keperluan pergerakan harian mereka. Lebih banyak responden memberikan lebih banyak skor untuk ketersediaan pengisian di rumah dan pejabat mereka daripada di tempat awam. Walau bagaimanapun, halangan yang sering dijumpai adalah bahawa kuasa elektrik rumah masih di bawah 1300 VA, menjadikan responden sangat mengharapkan kerajaan dapat membantu menyediakan kemudahan pengecasan di rumah. Ketersediaan pengisian di pejabat lebih disukai daripada di tempat awam kerana mobiliti responden setiap hari melibatkan kediaman dan pejabat. Jadual 4 menunjukkan tindak balas responden terhadap penggunaan motor elektrik. Ini menunjukkan bahawa 45,626% responden mempunyai kesediaan kuat untuk menggunakan motosikal elektrik. Hasil ini menunjukkan masa depan yang cerah untuk bahagian pasaran motosikal elektrik. Jadual 4 juga menunjukkan bahawa hampir 55% responden tidak mempunyai kesediaan yang kuat untuk menggunakan motosikal elektrik. Hasil yang menarik dari statistik deskriptif ini menunjukkan bahawa walaupun semangat untuk menggunakan motosikal elektrik masih memerlukan rangsangan, penerimaan orang ramai terhadap motor elektrik adalah baik. Sebab lain yang mungkin berlaku ialah responden mempunyai sikap untuk menunggu dan melihat penggunaan motor elektrik atau sama ada orang lain menggunakan motosikal elektrik atau tidak. Data Regresi Logistik Biasa adalah proses dan analisis untuk menentukan niat penggunaan motor elektrik di Indonesia menggunakan regresi logistik ordinal. Pemboleh ubah bersandar dalam penyelidikan ini adalah kesediaan untuk menggunakan motosikal elektrik (1: sangat tidak mahu, 2: tidak mahu, 3: keraguan, 4: rela, 5: sangat bersedia). Regresi logistik biasa dipilih sebagai kaedah dalam penyelidikan ini kerana pemboleh ubah bersandar menggunakan skala ordinal. Data diproses menggunakan perisian SPSS 25 dengan tahap keyakinan 95%. Ujian multikolineariti telah dilakukan untuk mengira Variance Inflation Factors (VIF) dengan purata VIF 1.15 - 3.693, yang bermaksud tidak ada multikolinearitas dalam model. Hipotesis yang digunakan dalam regresi logistik ordinal ditunjukkan dalam Jadual 5. Jadual 6 menunjukkan keputusan ujian separa menjadi asas untuk menolak atau menerima hipotesis untuk regresi logistik ordinal. Jadual 2. Demografi Responden Item Demografi Freq% Item Demografi Freq% Domicile Jawa Barat 345 28.2% Pelajar Pekerjaan 175 14.3% Jawa Timur 162 13.2% Penjawat awam 88 7.2% Jakarta 192 15.7% Kakitangan swasta 415 33.9% Jawa Tengah 242 19.8% Pengusaha 380 31.1% Sumatera Utara 74 6.1% Lain-lain 165 13.5% Yogyakarta 61 5.0% Sulawesi Selatan 36 2.9% Umur 17-30 655 53.6% Bali 34 2.8% 31-45 486 39.7% Sumatera Barat 26 2.1% 46-60 79 6.5% Selatan Sumatera 51 4.2%> 60 3 0.2% Status perkahwinan Bujang 370 30.3% Tahap Pendidikan Terakhir SMP / SMA / SMK 701 57.3% Berkahwin 844 69.0% Diploma 127 10.4% Lain-lain 9 0.7% Sarjana 316 25.8% Jantina Lelaki 630 51.5% Sarjana 68 5.6 % Perempuan 593 48.5% Kedoktoran 11 0.9% Tahap pendapatan bulanan 0 154 12.6% Tahap penggunaan bulanan <IDR 2.000.000 432 35.3% <IDR 2.000.000 226 18.5% IDR2.000.000-5.999.999 640 52.3% IDR 2.000.000-5.999.999 550 45% IDR6.000.000- 9,999,999 121 9,9% IDR 6,000,000-9,999,999 199 16,3% ≥ IDR 10,000,000 30 2,5% IDR10,000,000- 19,999,999 71 5,8% ≥ I DR 20,000,000 23 1,9% Jadual 3. Statistik Deskriptif untuk Peringkat Kewangan, Teknologi, dan Tahap Makro Pembolehubah Purata Peringkat Purata Pembolehubah ML7 (caj kos pengecasan) 4.4563 1 ML3 (CS di rumah) 4.1554 9 ML6 (cakera cukai tahunan. ) 4.4301 2 ML2 (CS di tempat kerja) 4.1055 10 ML5 (insentif pembelian) 4.4146 3 ML1 (CS di tempat awam) 4.0965 11 TE4 (keselamatan) 4.3181 4 TE5 (hayat bateri) 4.0924 12 FI3 (kos pengecasan) 4.2518 5 TE2 (kuasa ) 4.0597 13 TE1 (keupayaan jarak tempuh) 4.2396 6 TE3 (masa pengecasan) 4.0303 14 ML4 (tempat servis) 4.2142 7 FI1 (kos pembelian) 3.8814 15 FI4 (kos penyelenggaraan) 4.1980 8 FI2 (kos bateri) 3.5045 16 Jadual 4. Statistik Deskriptif untuk Adoption Niat 1: sangat tidak mahu 2: tidak bersedia 3: keraguan 4: bersedia 5: sangat bersedia Kesediaan untuk menggunakan motosikal elektrik 0.327% 2.044% 15.863% 36.141% 45.626% Hasil analisis regresi logistik untuk pemboleh ubah SD1 hingga SD11 yang tergolong dalam faktor sosiodemografi menunjukkan hasil yang hanya kekerapan berkongsi media sosial (SD9) dan tahap keprihatinan terhadap alam sekitar (SD11) mempunyai pengaruh yang signifikan terhadap niat motosikal elektrik di Indonesia. Nilai signifikan bagi pemboleh ubah kualitatif status perkahwinan adalah 0.622 untuk bujang dan 0.801 untuk berkahwin. Nilai-nilai tersebut tidak menyokong Hipotesis 1. Status perkahwinan tidak banyak mempengaruhi niat mengadopsi motosikal elektrik kerana nilai yang signifikan lebih daripada 0.05. Nilai signifikan untuk usia adalah 0.147 sehingga usia tidak mempengaruhi secara signifikan niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk usia -0.168 tidak menyokong Hipotesis 2. Tanda negatif bermaksud bahawa semakin tinggi usia, semakin rendah niat untuk mengadopsi motosikal elektrik. Nilai signifikan bagi pemboleh ubah kualitatif, jantina, (0.385) tidak menyokong Hipotesis 3. Jantina tidak mempengaruhi secara signifikan niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk tahap pendidikan terakhir (0.603) tidak menyokong Hipotesis 4. Oleh itu, pendidikan terakhir tidak banyak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk tahap pendidikan terakhir 0.036 bermaksud tanda positif bermaksud semakin tinggi tahap pendidikan maka semakin tinggi niat untuk mengadopsi motosikal elektrik. Nilai signifikan bagi pemboleh ubah kualitatif pekerjaan adalah 0.487 untuk pelajar, 0.999 untuk penjawat awam, 0.600 untuk pekerja swasta, dan 0.480 untuk pengusaha yang tidak menyokong Hipotesis 5. Pekerjaan tidak mempengaruhi secara signifikan niat untuk mengadopsi motosikal elektrik. UTAMI ET AL. / Jurnal Mengenai Pengoptimuman SISTEM DI INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 75 Tabel 5. Hipotesis Hipotesis Sosio-H1: status perkahwinan mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. Demo- H2: usia mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. grafik H3: jantina mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. H4: tahap pendidikan terakhir mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H5: pekerjaan mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H6: tahap penggunaan bulanan mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. H7: tahap pendapatan bulanan mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H8: bilangan pemilikan motosikal mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H9: kekerapan perkongsian di media sosial mempunyai kesan positif yang positif terhadap niat menggunakan motosikal elektrik. H10: ukuran rangkaian sosial dalam talian mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H11: kesedaran persekitaran mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H12 Kewangan: harga pembelian mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H13: kos bateri mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. H14: kos pengecasan mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. H15: kos penyelenggaraan mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H16: keupayaan jarak tempuh mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H17: kuasa mempunyai kesan positif yang positif terhadap niat menggunakan motosikal elektrik. Techno- H18: masa pengecasan mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. logik H19: keselamatan mempunyai kesan signifikan positif terhadap niat mengadopsi motosikal elektrik. H20: hayat bateri mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H21: ketersediaan infrastruktur stesen pengisian di tempat awam mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H22: ketersediaan infrastruktur stesen pengisian di tempat kerja mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. Macrolevel H23: ketersediaan infrastruktur stesen pengisian di rumah mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H24: ketersediaan tempat servis mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H25: polisi insentif pembelian mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H26: dasar potongan cukai tahunan mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. H27: polisi pengecualian kos pengecasan mempunyai kesan positif yang positif terhadap niat mengadopsi motosikal elektrik. Jadual 6. Hasil Ujian Separa Regresi Logistik Nilai Var Nilai Sig Var Nilai Sig SD1: tunggal 0.349 0.622 TE1 0.146 0.069 SD1: berkahwin 0.173 0.801 TE2 0.167 0.726 SD1: lain-lain 0 TE3 0.240 0.161 SD2 -0.168 0.147 TE4 -0.005 0.013 * SD3: lelaki 0.117 0.385 TE5 0,068 0.765 SD3: perempuan 0 ML1 -0.127 0.022 * SD5: pelajar -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: lain-lain 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 0.4 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 * Penting pada 95% tahap keyakinan Nilai yang signifikan untuk tahap penggunaan bulanan (0,069) tidak menyokong Hipotesis 6, tahap penggunaan bulanan tidak banyak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk tahap penggunaan bulanan 0.227, tanda positif bermaksud semakin tinggi tahap perbelanjaan bulanan semakin tinggi niat untuk menggunakan motor elektrik. Nilai signifikan bagi tahap pendapatan bulanan (0.726) tidak menyokong Hipotesis 7, tahap pendapatan bulanan tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk tahap pendapatan bulanan adalah 0,032, tanda positif bermaksud bahawa semakin tinggi tahap pendapatan bulanan semakin tinggi niat untuk menggunakan motor elektrik. Nilai signifikan bagi jumlah pemilikan motosikal (0.161) tidak menyokong Hipotesis 8, jumlah pemilikan motosikal tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk tahap pemilikan motosikal adalah 0.180, tanda positif bermaksud semakin banyak bilangan motosikal yang dimiliki, semakin tinggi niat untuk menggunakan motosikal elektrik. Nilai signifikan untuk kekerapan perkongsian di media sosial (0.013) menyokong Hipotesis 9, kekerapan perkongsian di media sosial mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik kerana nilai yang signifikan kurang dari 0.05. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Nilai anggaran untuk berkongsi frekuensi di media sosial ialah 0.111, tanda positif bermaksud bahawa semakin tinggi frekuensi berkongsi seseorang di media sosial, semakin tinggi peluang penggunaan elektrik motosikal. Nilai penting untuk ukuran rangkaian sosial dalam talian (0.765) tidak menyokong Hipotesis 10, ukuran jangkauan rangkaian sosial tidak mempengaruhi niat untuk mengadopsi motosikal secara signifikan. Nilai anggaran untuk jumlah orang yang dijangkau di rangkaian sosial adalah 0,016, tanda positif bermaksud semakin tinggi ukuran rangkaian media sosial semakin tinggi niat untuk menggunakan motor elektrik. Nilai yang signifikan untuk tahap kesedaran alam sekitar (0,022) menyokong Hipotesis 11, tahap keprihatinan terhadap persekitaran mempunyai pengaruh yang signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk tahap kesedaran terhadap alam sekitar adalah 0.226, tanda positif bermaksud bahawa semakin tinggi tahap keprihatinan terhadap persekitaran seseorang, semakin tinggi niat untuk menggunakan motor elektrik. Hasil analisis regresi logistik untuk pemboleh ubah FI1 hingga FI4 yang termasuk dalam faktor kewangan menunjukkan hasil bahawa harga pembelian (FI1) dan kos penyelenggaraan (FI4) mempunyai pengaruh yang signifikan terhadap niat motor elektrik di Indonesia. Nilai yang signifikan untuk harga pembelian (0,00) menyokong Hipotesis 12, harga pembelian mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik.Nilai anggaran untuk harga pembelian adalah 0.348, tanda positif bermaksud bahawa semakin tepat harga pembelian motosikal elektrik untuk seseorang, semakin tinggi niat untuk mengadopsi motosikal elektrik. Nilai yang signifikan untuk kos bateri (0.355) tidak menyokong Hipotesis 13, kos bateri tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk kos pengecasan (0.109) tidak menyokong Hipotesis 14, kos pengecasan tidak mempunyai kesan yang signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran kos pengecasan adalah 0,136, tanda positif bermaksud bahawa semakin tepat kos pengisian motosikal elektrik untuk seseorang, semakin tinggi niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk kos penyelenggaraan (0,017) tidak menyokong Hipotesis 15, kos penyelenggaraan mempunyai kesan yang signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran kos penyelenggaraan adalah 0.193, tanda positif bermaksud bahawa semakin sesuai kos penyelenggaraan motosikal elektrik untuk seseorang, semakin tinggi niat untuk mengadopsi motosikal elektrik. Hasil analisis regresi logistik untuk pemboleh ubah TE1 hingga TE5 yang tergolong dalam faktor teknologi menunjukkan hasil bahawa masa pengisian bateri (TE3) mempunyai pengaruh yang signifikan terhadap niat adopsi motor elektrik di Indonesia. Nilai signifikan untuk kemampuan jarak tempuh (0.107) tidak menyokong Hipotesis 16, kemampuan jarak tempuh tidak berpengaruh signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk jarak tempuh maksimum ialah 0.146, tanda positif bermaksud bahawa semakin sesuai jarak tempuh maksimum motosikal elektrik untuk seseorang, semakin tinggi niat untuk menggunakan motosikal elektrik. Nilai signifikan untuk kuasa berubah bebas atau kelajuan maksimum (0.052) tidak menyokong Hipotesis 17, kelajuan maksimum tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai untuk kekuatan atau kelajuan maksimum adalah 0.167, tanda positif bermaksud bahawa semakin pantas kelajuan maksimum motosikal elektrik untuk seseorang, semakin tinggi niat untuk menggunakan motosikal elektrik. Nilai signifikan untuk masa pengecasan (0,004) menyokong Hipotesis 18, masa pengecasan mempunyai kesan yang signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk masa pengecasan adalah 0.240, tanda positif bermaksud bahawa semakin pantas kelajuan maksimum motosikal elektrik untuk seseorang, semakin tinggi niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk keselamatan (0.962) tidak menyokong Hipotesis 19, keselamatan tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai anggaran keselamatan adalah -0.005, tanda negatif bermaksud bahawa semakin selamat seseorang merasa menggunakan motosikal elektrik, semakin rendah niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk hayat bateri (0.424) tidak menyokong Hipotesis 20, jangka hayat bateri tidak berpengaruh signifikan terhadap niat untuk menggunakan motor elektrik. Nilai anggaran untuk jangka hayat bateri ialah 0,068, tanda positif bermaksud bahawa semakin lama jangka hayat bateri motosikal elektrik, semakin tinggi niat untuk menggunakan motosikal elektrik. Hasil analisis regresi logistik untuk pemboleh ubah ML1 hingga ML7 yang termasuk dalam faktor tahap makro menunjukkan hasil yang hanya mengenakan ketersediaan di tempat kerja (ML2), mengenakan ketersediaan di kediaman (ML3), dan mengenakan dasar potongan harga (ML7) yang berpengaruh signifikan terhadap niat penggunaan motor elektrik di Indonesia. Nilai yang signifikan untuk ketersediaan pengecasan di tempat awam (0.254) tidak menyokong Hipotesis 21, ketersediaan pengisian di tempat awam tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk ketersediaan pengecasan di tempat kerja (0,007) menyokong Hipotesis 22, ketersediaan pengecasan di tempat kerja mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik. Nilai signifikan untuk ketersediaan pengisian di rumah (0,009) menyokong Hipotesis 22, ketersediaan pengecasan di rumah mempunyai kesan yang signifikan terhadap niat mengadopsi motosikal. Nilai signifikan untuk ketersediaan tempat servis (0.181) tidak menyokong Hipotesis 24, ketersediaan tempat servis tidak berpengaruh signifikan terhadap niat mengadopsi motosikal elektrik. Nilai signifikan untuk polisi insentif pembelian (0,017) menyokong Hipotesis 25, polisi insentif pembelian mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik. Nilai penting untuk polisi potongan cukai tahunan (0.672) tidak menyokong Hipotesis 26, polisi insentif diskaun cukai tahunan tidak mempunyai kesan yang signifikan terhadap niat mengadopsi motosikal elektrik. Nilai yang signifikan untuk polisi potongan harga pengecasan (0.00) menyokong Hipotesis 27, polisi insentif potongan harga pengisian mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik. Mengikut hasil dari faktor tingkat makro, penggunaan motor elektrik dapat direalisasikan jika stesen pengecasan di tempat kerja, stesen pengecasan di kediaman, dan polisi potongan harga pengecualian siap diterima oleh pengguna. Secara keseluruhan, kekerapan perkongsian di media sosial, tahap kesedaran terhadap alam sekitar, harga pembelian, kos penyelenggaraan, kelajuan maksimum motor elektrik, masa pengecasan bateri, ketersediaan infrastruktur stesen pengisian di tempat kerja, ketersediaan tenaga elektrik di rumah - infrastruktur pengecasan, UTAMI ET AL. / Jurnal Mengenai Pengoptimuman SISTEM DI INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 polisi insentif pembelian, dan polisi insentif pengecualian kos pengecasan secara signifikan mempengaruhi niat untuk mengadopsi kenderaan elektrik. Model Persamaan dan Fungsi Kebarangkalian Persamaan 3 adalah persamaan logit untuk pilihan jawapan "sangat tidak mahu" menggunakan motor elektrik.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Persamaan 4 adalah persamaan logit untuk pilihan jawapan "tidak mahu" menggunakan motor elektrik.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Persamaan 5 adalah persamaan logit untuk pilihan jawapan "keraguan" untuk mengadopsi motosikal elektrik.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Persamaan 6 adalah persamaan logit untuk pilihan jawapan "bersedia" untuk mengadopsi motosikal elektrik.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Fungsi kebarangkalian motor elektrik niat penggunaan ditunjukkan dalam Persamaan 7 hingga Persamaan 11. Persamaan 7 adalah fungsi kebarangkalian untuk pilihan jawapan “ sangat tidak mahu ”menggunakan motor elektrik. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Persamaan 8 adalah fungsi kebarangkalian untuk pilihan jawapan "tidak mahu" menggunakan motosikal elektrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Persamaan 9 adalah fungsi kebarangkalian untuk pilihan jawapan "keraguan" untuk mengadopsi motosikal elektrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Persamaan 10 adalah fungsi kebarangkalian untuk pilihan jawapan "bersedia" menggunakan motor elektrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Persamaan 11 adalah fungsi kebarangkalian untuk pilihan jawapan "sangat bersedia" untuk mengadopsi motosikal elektrik. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Kebarangkalian Niat Adopsi Persamaan regresi logistik ordinal kemudian diterapkan pada sampel jawapan responden. Jadual 8 menunjukkan ciri dan jawapan sampel. Jadi kebarangkalian untuk menjawab setiap kriteria pada pemboleh ubah bersandar dikira berdasarkan Persamaan 7 - 11. Sampel responden yang mempunyai jawapan seperti yang ditunjukkan dalam Jadual 7 mempunyai kebarangkalian 0,0013 untuk sangat tidak mahu menggunakan motosikal elektrik, kebarangkalian 0.0114 kerana tidak mahu menggunakan motosikal elektrik, kebarangkalian 0.1788 untuk keraguan menggunakan motosikal elektrik, kebarangkalian 0,563 untuk rela menggunakan motosikal elektrik, dan kebarangkalian 0,2455 untuk sangat rela menggunakan motosikal elektrik. Kebarangkalian penggunaan motosikal elektrik untuk 1,223 responden juga dikira dan nilai purata kebarangkalian untuk jawapan yang sangat tidak mahu menggunakan motosikal elektrik adalah 0,0031, tidak mahu menggunakan motosikal elektrik adalah 0,0198, keraguan untuk menggunakan motosikal elektrik adalah 0,482, bersedia menggunakan motosikal elektrik berjumlah 0.3410, dan sangat rela menggunakan motosikal elektrik adalah 0.4880. Sekiranya kebarangkalian untuk rela dan sangat bersedia dihitung, kebarangkalian orang Indonesia untuk menggunakan motor elektrik mencapai 82.90%. Saranan untuk Pembuat Perniagaan dan Dasar Dalam analisis regresi logistik ordinal, kekerapan berkongsi di media sosial adalah faktor penting yang mempengaruhi niat mengadopsi motosikal elektrik. Kepentingan media sosial sebagai platform untuk orang ramai mendapatkan maklumat mengenai motor elektrik akan mempengaruhi kesediaan untuk menggunakan motor elektrik. Kerajaan dan pengusaha boleh berusaha menggunakan sumber ini, sebagai contoh, pengusaha boleh melakukan promosi melalui bonus atau penghargaan kepada pengguna yang telah membeli motosikal elektrik dan berkongsi perkara positif yang berkaitan dengan motosikal elektrik di media sosial mereka. Dengan cara ini dapat mendorong orang lain untuk menjadi pengguna baru motosikal elektrik. Kerajaan boleh bersosialisasi atau memperkenalkan motor elektrik kepada orang ramai melalui media sosial untuk mendorong peralihan orang ramai dari motosikal konvensional ke motosikal elektrik. Penyelidikan ini membuktikan betapa signifikannya pengaruh faktor tahap makro terhadap penggunaan motor elektrik di Indonesia. Dalam analisis regresi logistik ordinal, ketersediaan infrastruktur stesen pengisian di tempat kerja, ketersediaan infrastruktur stesen pengisian di rumah, polisi insentif pembelian, dan potongan kos pengecasan secara signifikan mempengaruhi niat mengadopsi motosikal elektrik. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Jadual 7. Contoh Jawapan Responden Variabel Kod Jawapan Nilai Status Perkahwinan Berkahwin X1b 2 Umur 31-45 X2 2 Jantina Lelaki X3a 1 Tahap Pendidikan Terakhir Master X4 4 Pekerjaan Pekerja swasta X5c 3 Bulanan tahap penggunaan Rp2.000.000-5.999.999 X6 2 Tahap pendapatan bulanan Rp. 6.000.000-9.999.999 X7 3 Bilangan pemilikan motosikal ≥ 2 X8 3 Kekerapan perkongsian di media sosial Beberapa kali / bulan X9 4 Saiz rangkaian sosial dalam talian 100-500 orang X10 2 Kesedaran persekitaran 1 X11 1 Harga beli 3 X12 3 Kos bateri 3 X13 3 Kos pengecasan 3 X13 3 Kos penyelenggaraan 5 X14 5 Keupayaan jarak tempuh 4 X15 4 Kuasa 5 X16 5 Masa pengecasan 4 X17 4 Keselamatan 5 X18 5 Hayat bateri 4 X19 4 Ketersediaan stesen pengecasan di tempat awam 4 X20 4 Ketersediaan stesen pengecasan di tempat kerja 4 X21 4 Ketersediaan stesen pengecasan di rumah 4 X22 4 Ketersediaan tempat servis 2 X23 2 Polisi insentif pembelian 5 X24 5 Polisi diskaun cukai tahunan 5 X25 5 Polisi diskaun kos pengecasan 5 X26 5 Kos pengecasan 5 X27 5 Kos penyelenggaraan 3 X13 3 Mileage keupayaan 5 X14 5 Kuasa 4 X15 4 Masa pengecasan 5 X16 5 Sebilangan besar responden menganggap ketersediaan infrastruktur stesen pengisian di rumah, tempat kerja dan tempat awam sangat mempengaruhi penggunaan motor elektrik. Kerajaan dapat mengatur pemasangan infrastruktur stesen pengisian di tempat awam untuk menyokong penggunaan motor elektrik. Kerajaan juga dapat bekerjasama dengan sektor perniagaan untuk merealisasikannya. Dalam membina petunjuk tahap makro, penyelidikan ini mencadangkan beberapa pilihan dasar insentif. Kebijakan insentif yang paling signifikan menurut tinjauan adalah kebijakan insentif pembelian dan kebijakan insentif potongan biaya yang dapat dipertimbangkan oleh pemerintah untuk mendukung penerapan motor elektrik di Indonesia. Atas faktor kewangan, harga pembelian mempunyai pengaruh yang besar terhadap niat membeli motosikal elektrik. Inilah sebab mengapa insentif untuk subsidi pembelian juga mempengaruhi niat adopsi. Kos penyelenggaraan motosikal elektrik yang lebih murah daripada motosikal konvensional mempengaruhi niat penggunaan motosikal elektrik. Oleh itu, ketersediaan perkhidmatan yang memenuhi keperluan pengguna akan mendorong lagi niat penggunaan motor elektrik kerana kebanyakan pengguna tidak mengetahui komponen dalam motor elektrik sehingga mereka memerlukan juruteknik yang mahir sekiranya terdapat beberapa kerosakan. Prestasi motor elektrik telah memenuhi keperluan pengguna untuk memenuhi pergerakan harian mereka. Kelajuan maksimum motosikal elektrik dan masa pengisian dapat memenuhi standard yang diinginkan oleh pengguna. Walau bagaimanapun, prestasi motosikal yang lebih baik seperti peningkatan keselamatan, jangka hayat bateri, dan jarak tempuh yang lebih jauh tentunya akan meningkatkan niat untuk menggunakan motosikal elektrik. Selain meningkatkan pelaburan teknologi, pemerintah dan perniagaan juga harus meningkatkan sistem penilaian keselamatan dan kebolehpercayaan untuk motor elektrik untuk meningkatkan kepercayaan masyarakat. Bagi perniagaan, mempromosikan kualiti dan prestasi adalah salah satu kaedah paling berkesan untuk meningkatkan minat pengguna terhadap motor elektrik. Pelanggan yang lebih muda dan memiliki tahap pendidikan yang lebih tinggi dapat dijadikan sasaran sebagai pengguna awal untuk menjadi pengaruh kerana mereka sudah memiliki sikap yang lebih optimis dan memiliki jaringan yang luas. Segmentasi pasar dapat dicapai dengan meluncurkan model khusus untuk pengguna yang disasarkan. Di samping itu, responden yang mempunyai kesedaran terhadap alam sekitar yang lebih tinggi cenderung untuk menggunakan motor. UTAMI ET AL. / Jurnal Mengenai Pengoptimuman SISTEM DI INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 79 KESIMPULAN Peralihan dari motosikal konvensional ke motosikal elektrik boleh menjadi penyelesaian terbaik untuk mengatasi masalah tahap CO2 yang tinggi di Indonesia. Pemerintah Indonesia juga menyadari dan melangkah masuk dengan menetapkan berbagai kebijakan mengenai kendaraan listrik di Indonesia. Tetapi pada kenyataannya, penggunaan kenderaan elektrik di Indonesia masih pada tahap awal bahkan jauh dari sasaran yang telah ditetapkan oleh pemerintah. Alam sekitar tidak menyokong penggunaan motor elektrik seperti tidak ada peraturan yang lebih terperinci dan kekurangan infrastruktur yang menyokong menyebabkan penggunaan kenderaan elektrik rendah di Indonesia. Penyelidikan ini meninjau 1,223 responden dari 10 provinsi yang memiliki total 80% dari jumlah taburan penjualan motosikal di Indonesia untuk meneroka faktor-faktor penting yang mempengaruhi niat mengadopsi motosikal elektrik di Indonesia dan mengetahui fungsi kebarangkalian. Walaupun majoriti responden meminati motosikal elektrik dan ingin memiliki motosikal elektrik pada masa akan datang, minat mereka untuk menggunakan motosikal elektrik pada masa ini agak rendah. Responden tidak mahu menggunakan motosikal elektrik pada masa ini kerana pelbagai alasan seperti kekurangan infrastruktur dan polisi. Sebilangan besar responden mempunyai sikap menunggu dan melihat penggunaan motor elektrik, dengan faktor kewangan, faktor teknologi, dan tahap makro yang mesti mengikut permintaan pengguna. Penyelidikan ini membuktikan betapa signifikannya frekuensi perkongsian di media sosial, tahap kesedaran alam sekitar, harga pembelian, kos penyelenggaraan, kelajuan maksimum motor elektrik, masa pengecasan bateri, ketersediaan infrastruktur stesen pengisian di tempat kerja, ketersediaan infrastruktur pengisian rumah, polisi insentif pembelian, dan kebijakan insentif pengecualian biaya pengecasan adalah dalam mendukung penggunaan motor elektrik di Indonesia. Pemerintah perlu mendukung penyediaan infrastruktur stesen pengisian dan pembuatan kebijakan insentif untuk mempercepat penerapan motor elektrik di Indonesia. Faktor teknologi seperti jarak tempuh dan bateri perlu dipertimbangkan oleh pengeluar untuk ditingkatkan untuk menyokong penggunaan motor elektrik. Faktor kewangan seperti harga pembelian dan kos bateri perlu menjadi perhatian perniagaan dan kerajaan. Penggunaan rangkaian sosial secara maksimum harus diambil untuk memperkenalkan motosikal elektrik kepada masyarakat. Masyarakat pada usia muda dapat mempromosikan sebagai pengguna awal kerana mereka mempunyai rangkaian media sosial yang luas. Realisasi penggunaan motor elektrik di Indonesia memerlukan kesiapan infrastruktur dan kos yang dapat diterima oleh pengguna. Ini telah dapat dilaksanakan oleh pemerintah melalui komitmen pemerintah yang kuat di beberapa negara yang berjaya menggantikan kenderaan konvensional. Penyelidikan selanjutnya akan menumpukan pada mencari kebijakan yang sesuai untuk mempercepat penggunaan motor elektrik di Indonesia. RUJUKAN [1] Indonesia. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Dalam Talian]. Terdapat: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Statistik Pengedaran dan Eksport Domestik, 2020. [Dalam talian]. https://www.aisi.or.id/statistik. [Diakses: Mac. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina, dan R. Siregar, "Kenderaan elektrik di Indonesia: jalan menuju pengangkutan lestari", Solidiance: Laporan Pasar, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto, dan M. Nizam, "Model pengkomersialan bateri lithium ion teknologi baru: Kajian kes untuk kenderaan elektrik pintar", Prosiding Persidangan Bersama Antarabangsa 2013 mengenai Teknologi Maklumat dan Komunikasi Luar Bandar dan Teknologi Kenderaan Elektrik, rICT dan ICEV -T 2013, 6741511.https: //doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini, dan V. Bosetti, "Pergi elektrik: Tinjauan pakar mengenai masa depan teknologi bateri untuk kenderaan elektrik. Dalam Inovasi di bawah Ketidakpastian, ”dalam Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz, dan MK Patel,“ Mengenai elektrifikasi pengangkutan jalan raya– kajian semula prestasi persekitaran, ekonomi, dan sosial roda dua elektrik, ”Penyelidikan Pengangkutan Bahagian D: Pengangkutan dan Alam Sekitar, vol. 41, ms 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, "Kit Produksi Konversi Kendaraan Listrik Berbasis Baterai Untuk Sepeda Motor Roda Dua Dan Roda Tiga," Laporan Hibah PPTI Akhir, Badan Pengelola Usaha Universiti Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo, dan R. Zakaria, "Analisis Rantai Markov untuk Mengenali Ramalan Pangsa Pasar Teknologi Baru: Kajian Kes Motosikal Penukaran Elektrik di Surakarta, Indonesia", AIP Conference Proceedings, vol. 2217 (1), hlm. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo dan EA Kadir, "Piawaian Sel Bateri Lithium-ion Ferro Fosfat untuk Alahan Kenderaan Elektrik Indonesia", TELKOMNIKA Jurnal Kejuruteraan Elektrik Indonesia, jilid. 15 (2), hlm. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy, dan ABMulyono, "Merangka kerangka kerja untuk standardisasi dan ujian keperluan sistem pengurusan bateri untuk aplikasi kenderaan elektrik", Prosiding - 4 Persidangan Antarabangsa mengenai Teknologi Kenderaan Elektrik, ms 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, "Tinjauan Pembangunan Standard Pengisian Kenderaan Elektrik: Kes Kajian di Indonesia", Prosiding - Persidangan Antarabangsa ke-5 2018 mengenai Teknologi Kenderaan Elektrik, jilid. 8628367, hlm. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Hentikan Mobil Berbahan Bakar Minyak, 2017. [Dalam talian]. gaikindo.or.id. [Diakses: Mac. 20, 2020]. [13] S. Goldenberg, ”Indonesia untuk Mengurangi Pelepasan Karbon sebanyak 29% menjelang 2030 ″, Guardian, 2015. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 [14] YN Sang dan HA Bekhet, "Memodelkan Niat Penggunaan Kenderaan Elektrik: Satu Kajian Empirikal di Malaysia," Journal of Cleaner Production, vol. 92, hlm 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma, dan BC Xie, "Apakah Halangan untuk Penerapan Luas Kenderaan Elektrik Bateri? Satu Kajian Persepsi Masyarakat di Tianjin, China, ”Journal of Transport Policy, vol. 56, ms 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis, dan A. Jones, "Menganalisis penggunaan kenderaan elektrik bateri: Penyiasatan halangan di kalangan pemandu di UK," Penyelidikan Pengangkutan Bahagian D: Pengangkutan dan Alam Sekitar, vol. 63, hlm. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge dan C. Shao, "Menyelidiki Faktor-faktor yang Mempengaruhi Penggunaan kenderaan elektrik di Beijing, China: Perspektif Statistik dan Tata Ruang," Journal of Cleaner Production, vol. 213, hlm 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 (Edisi ke-2). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Penerapan pengguna berbanding keputusan penolakan dalam inovasi perkhidmatan yang nampaknya serupa: Kes Internet dan perbankan bergerak", Journal of Business Research, vol. 69 (7), hlm. 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur dan R. Kemp, "Penerapan PV di Belanda: Analisis statistik faktor penggunaan", Ulasan Tenaga Boleh Diperbaharui dan Lestari, vol. 41, hlm. 483–494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil dan J. Emparanza, "Menggunakan Model Penerimaan Teknologi yang Diubah untuk Menilai Penerapan Profesional Penjagaan Kesihatan dari Sistem Telemonitor Baru", Telemedicine dan e-Health, vol. 18 (1), hlm. 54-59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer, dan P. Abrahamsson, "Satu kajian tinjauan mengenai halangan teknikal utama yang mempengaruhi keputusan untuk mengadopsi perkhidmatan cloud", Journal of Systems and Software, vol. 103, hlm. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto, dan W. Sutopo, “Analisis Persepsi Pengguna Kenderaan Kereta Elektrik di Indonesia”, Prosiding Persidangan AIP (Jilid 2217, No. 1, hlm. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo, dan M. Nizam, "Cadangan pengkomersialan teknologi proses perniagaan: Satu kajian kes inkubasi teknologi kereta elektrik", Prosiding Persidangan Antarabangsa 2014 mengenai Kejuruteraan Elektrik dan Sains Komputer, ICEECS, 7045257, hlm. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at, dan TM Bakar, "Pedoman ukuran sampel untuk regresi logistik dari kajian pemerhatian dengan populasi yang besar: penekanan pada ketepatan antara statistik dan parameter berdasarkan data klinikal kehidupan sebenar", The Malaysian Journal of sains perubatan: MJMS, vol. 25 (4), hlm. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab dan A. Jam'an, "Metodologi Penelitian Perniagaan", Makasar: Lembaga Perpustakaan dan Penerbitan Universiti Muhammadiyah Makasar, 2017. [27] T. Eccarius dan CC Lu, "Berkendara dua roda untuk mobiliti lestari: Tinjauan penggunaan pengguna motor elektrik ”, International Journal of Sustainable Transportation, vol. 15 (3), hlm. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka, dan N. Anzinger, "Niat pembelian kenderaan elektrik warga China, Rusia dan Brazil: Satu kajian perbandingan antarabangsa", Journal of cleaner production, vol. 205, hlm. 188- 200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat, dan B. Van Wee, "Pengaruh insentif kewangan dan faktor sosio-ekonomi lain terhadap penggunaan kenderaan elektrik", Energy Policy, vol. 68, hlm. 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane, dan JD Graham, "Persepsi dan realiti: pengetahuan umum mengenai kenderaan elektrik pemalam di 21 bandar AS", Dasar Tenaga, vol. 63, hlm. 433–440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony, dan B. Caulfield, "Bagaimana seharusnya penghalang terhadap bahan bakar dan kenderaan alternatif diklasifikasikan dan potensi kebijakan untuk mempromosikan teknologi inovatif dinilai?", Journal of Cleaner Production, vol. 35, hlm. 140–151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue dan S. Long, "Halangan untuk penggunaan kenderaan elektrik secara meluas: analisis sikap dan persepsi pengguna", Journal of Energy Policy, vol. 48, hlm.717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan, dan YM Wei, "Kesan dasar pemerintah terhadap pilihan untuk NEV: bukti dari China", Dasar Tenaga, vol. 61, hlm. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool dan RF Hirsh, "Di luar bateri: pemeriksaan mengenai manfaat dan halangan untuk memasang kenderaan elektrik hibrid (PHEV) dan peralihan kenderaan ke grid (V2G)", Energy Policy, vol. 37, hlm.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, dan J. Stannard, “Pengguna arus perdana mengemudi kereta elektrik bateri dan plugin elektrik elektrik hibrid: analisis kualitatif tindak balas dan penilaian ”, Transp. Res. Bahagian A: Amalan Dasar., Vol. 46, ms 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi, dan SL Mabit, "Pengguna arus perdana yang memandu kereta elektrik bateri dan plugin elektrik hibrid: analisis kualitatif tindak balas dan penilaian", Transp. Res. Bahagian D: Transp. Environ., Jilid 25, hlm 24–32, 2013. [Dalam talian]. Terdapat: ScienceDirect. [37] ND Caperello dan KS Kurani, "Kisah rumah tangga mengenai pertemuan mereka dengan kenderaan elektrik hibrid plugin", Environ. Behav., Jilid 44, hlm. 493–508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju, dan CE Warrender, "Kisah rumah tangga mengenai pertemuan mereka dengan kenderaan elektrik hibrid plugin", Analisis tinjauan pengguna mengenai UTAMI ET AL. / Jurnal Mengenai Pengoptimuman SISTEM DI INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 81 kenderaan elektrik hibrid plug-in. Transp. Res. Bahagian A: Amalan Dasar., Vol. 64, hlm. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer dan S. Lemeshow, "Regresi Logistik Terapan. Edisi Kedua ”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATURE j kategori pemboleh ubah bersandar (j = 1, 2, 3, 4, 5) k kategori pemboleh ubah bebas (k = 1, 2, 3,…, m) i kategori pemboleh ubah bebas kualitatif n urutan responden β0j memintas setiap jawapan bergantung pemboleh ubah Xk pemboleh ubah bebas kuantitatif Xik pemboleh ubah bebas kuantitatif Pemboleh ubah bersandar Y Pj (Xn) peluang untuk setiap kategori pemboleh ubah bebas bagi setiap responden BIOGRAFI PENULIS Martha Widhi Dela Utami Martha Widhi Dela Utami adalah pelajar sarjana Jabatan Kejuruteraan Industri Universiti Sebelas Maret. Dia tergolong dalam Makmal Logistik dan Sistem Perniagaan. Minat kajiannya adalah pengurusan logistik & rantaian bekalan dan penyelidikan pasaran. Dia menerbitkan penerbitan pertamanya mengenai analisis persepsi pengguna kenderaan elektrik di Indonesia pada tahun 2019. Yuniaristanto Yuniaristanto adalah pensyarah dan penyelidik di Jabatan Kejuruteraan Industri, Universiti Sebelas Maret. Minat penyelidikannya adalah rantaian bekalan, pemodelan simulasi, pengukuran prestasi dan pengkomersialan teknologi. Dia memiliki penerbitan yang diindeks oleh Scopus, 41 artikel dengan 4 H-index. E-melnya adalah yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, memiliki ijazah profesional kejuruteraan (Ir) dari Program Pengajian Jurutera Profesional - Universiti Sebelas Maret (UNS) pada tahun 2019. Beliau memperoleh gelar Doktor dalam bidang Kejuruteraan dan Pengurusan Industri dari Institut Teknologi Bandung (ITB) di 2011, Sarjana Sains dalam Pengurusan dari Universiti Indonesia pada tahun 2004 dan Sarjana Muda Kejuruteraan Industri Kejuruteraan dari ITB pada tahun 1999. Minat penyelidikannya adalah rantaian bekalan, ekonomi kejuruteraan & analisis kos, dan pengkomersialan teknologi. Dia memperoleh lebih daripada 30 geran penyelidikan. Dia memiliki penerbitan yang diindeks oleh Scopus, 117 artikel dengan 7 H-index. E-melnya adalah wahyudisutopo@staff.uns.ac.id.Hasil analisis regresi logistik untuk pemboleh ubah TE1 hingga TE5 yang tergolong dalam faktor teknologi menunjukkan hasil bahawa masa pengisian bateri (TE3) mempunyai pengaruh yang signifikan terhadap niat adopsi motor elektrik di Indonesia. Nilai signifikan untuk kemampuan jarak tempuh (0.107) tidak menyokong Hipotesis 16, kemampuan jarak tempuh tidak berpengaruh signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk jarak tempuh maksimum ialah 0.146, tanda positif bermaksud bahawa semakin sesuai jarak tempuh maksimum motosikal elektrik untuk seseorang, semakin tinggi niat untuk menggunakan motosikal elektrik. Nilai signifikan untuk kuasa berubah bebas atau kelajuan maksimum (0.052) tidak menyokong Hipotesis 17, kelajuan maksimum tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai untuk kekuatan atau kelajuan maksimum adalah 0.167, tanda positif bermaksud bahawa semakin pantas kelajuan maksimum motosikal elektrik untuk seseorang, semakin tinggi niat untuk menggunakan motosikal elektrik. Nilai signifikan untuk masa pengecasan (0,004) menyokong Hipotesis 18, masa pengecasan mempunyai kesan yang signifikan terhadap niat untuk mengadopsi motosikal elektrik. Nilai anggaran untuk masa pengecasan adalah 0.240, tanda positif bermaksud bahawa semakin pantas kelajuan maksimum motosikal elektrik untuk seseorang, semakin tinggi niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk keselamatan (0.962) tidak menyokong Hipotesis 19, keselamatan tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai anggaran keselamatan adalah -0.005, tanda negatif bermaksud bahawa semakin selamat seseorang merasa menggunakan motosikal elektrik, semakin rendah niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk hayat bateri (0.424) tidak menyokong Hipotesis 20, jangka hayat bateri tidak berpengaruh signifikan terhadap niat untuk menggunakan motor elektrik. Nilai anggaran untuk jangka hayat bateri ialah 0,068, tanda positif bermaksud bahawa semakin lama jangka hayat bateri motosikal elektrik, semakin tinggi niat untuk menggunakan motosikal elektrik. Hasil analisis regresi logistik untuk pemboleh ubah ML1 hingga ML7 yang termasuk dalam faktor tahap makro menunjukkan hasil yang hanya mengenakan ketersediaan di tempat kerja (ML2), mengenakan ketersediaan di kediaman (ML3), dan mengenakan dasar potongan harga (ML7) yang berpengaruh signifikan terhadap niat penggunaan motor elektrik di Indonesia. Nilai yang signifikan untuk ketersediaan pengecasan di tempat awam (0.254) tidak menyokong Hipotesis 21, ketersediaan pengisian di tempat awam tidak mempengaruhi niat untuk mengadopsi motosikal elektrik. Nilai signifikan untuk ketersediaan pengecasan di tempat kerja (0,007) menyokong Hipotesis 22, ketersediaan pengecasan di tempat kerja mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik. Nilai signifikan untuk ketersediaan pengisian di rumah (0,009) menyokong Hipotesis 22, ketersediaan pengecasan di rumah mempunyai kesan yang signifikan terhadap niat mengadopsi motosikal. Nilai signifikan untuk ketersediaan tempat servis (0.181) tidak menyokong Hipotesis 24, ketersediaan tempat servis tidak berpengaruh signifikan terhadap niat mengadopsi motosikal elektrik. Nilai signifikan untuk polisi insentif pembelian (0,017) menyokong Hipotesis 25, polisi insentif pembelian mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik. Nilai penting untuk polisi potongan cukai tahunan (0.672) tidak menyokong Hipotesis 26, polisi insentif diskaun cukai tahunan tidak mempunyai kesan yang signifikan terhadap niat mengadopsi motosikal elektrik. Nilai yang signifikan untuk polisi potongan harga pengecasan (0.00) menyokong Hipotesis 27, polisi insentif potongan harga pengisian mempunyai pengaruh yang signifikan terhadap niat mengadopsi motosikal elektrik. Mengikut hasil dari faktor tingkat makro, penggunaan motor elektrik dapat direalisasikan jika stesen pengecasan di tempat kerja, stesen pengecasan di kediaman, dan polisi potongan harga pengecualian siap diterima oleh pengguna. Secara keseluruhan, kekerapan perkongsian di media sosial, tahap kesedaran terhadap alam sekitar, harga pembelian, kos penyelenggaraan, kelajuan maksimum motor elektrik, masa pengecasan bateri, ketersediaan infrastruktur stesen pengisian di tempat kerja, ketersediaan tenaga elektrik di rumah - infrastruktur pengecasan, UTAMI ET AL. / Jurnal Mengenai Pengoptimuman SISTEM DI INDUSTRI - VOL. 19 BIL. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 polisi insentif pembelian, dan polisi insentif pengecualian kos pengecasan secara signifikan mempengaruhi niat untuk mengadopsi kenderaan elektrik. Model Persamaan dan Fungsi Kebarangkalian Persamaan 3 adalah persamaan logit untuk pilihan jawapan "sangat tidak mahu" menggunakan motor elektrik.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Persa