El gobierno de Indonesia tenía como objetivo la adopción de 2,1 millones de unidades de vehículos eléctricos de dos ruedas y 2200 unidades de vehículos eléctricos de cuatro ruedas en 2025 a través del Reglamento Presidencial No. 22 de la República de Indonesia en 2017 sobre el Plan General de Energía Nacional. En 2019, el Gobierno de Indonesia emitió el Reglamento Presidencial No. 55 en 2019 sobre la Aceleración del Programa de Vehículos Eléctricos de Batería para el Transporte por Carretera. En 2018, la adopción de vehículos eléctricos de dos ruedas solo alcanzó el 0,14% del objetivo del gobierno para 2025. Por lo tanto, la adopción de la tecnología de motocicletas eléctricas (EM) también debe considerar muchos factores para tener éxito. Esta investigación desarrolla un modelo de intención de adopción de vehículos eléctricos no conductuales. Los factores incluyen el nivel sociodemográfico, financiero, tecnológico y macro. La encuesta en línea involucró a 1.223 encuestados. La regresión logística se utiliza para obtener la función y el valor de probabilidad de la intención de adoptar EM en Indonesia. Frecuencia de uso compartido en las redes sociales, nivel de conciencia ambiental, precios de compra, costos de mantenimiento, velocidad máxima, tiempo de carga de la batería, disponibilidad de la infraestructura de la estación de carga en el trabajo, disponibilidad de la infraestructura de carga basada en energía doméstica, políticas de incentivos de compra y descuento en el costo de carga Las políticas de incentivos están influyendo significativamente en la intención de adoptar vehículos eléctricos. También muestra que la oportunidad para que los indonesios adopten motocicletas eléctricas alcanza el 82,90%. La realización de la adopción de motocicletas eléctricas en Indonesia requiere disponibilidad de infraestructura y costos que puedan ser aceptados por los consumidores. Por último, los resultados de esta investigación brindan algunas sugerencias para que el gobierno y las empresas aceleren la adopción de motocicletas eléctricas en Indonesia.

INTRODUCCIÓN

El sector económico de Indonesia (transporte, generación de electricidad y hogares) utiliza principalmente combustibles fósiles. Algunos de los efectos negativos de la alta dependencia de los combustibles fósiles son el aumento de la asignación de subsidios a los combustibles, los problemas de sostenibilidad energética y los altos niveles de emisiones de CO2. El transporte es un sector importante que contribuye a los altos niveles de CO2 en el aire debido a los múltiples usos de los vehículos de combustibles fósiles. Esta investigación se centra en las motocicletas porque Indonesia, como país en desarrollo, tiene más motocicletas que automóviles. El número de motocicletas en Indonesia alcanzó las 120.101.047 unidades en 2018 [1] y las ventas de motocicletas alcanzaron las 6.487.460 unidades en 2019 [2]. Cambiar el sector del transporte a fuentes de energía alternativas puede reducir los altos niveles de CO2. La solución realista para este problema es implementar una logística verde mediante la penetración de vehículos eléctricos en Indonesia, como los vehículos eléctricos híbridos, los vehículos eléctricos híbridos enchufables y los vehículos eléctricos de batería [3]. La innovación en tecnología de vehículos eléctricos y la innovación en tecnología de baterías pueden proporcionar soluciones de transporte que sean respetuosas con el medio ambiente, eficientes energéticamente y menores costes operativos y de mantenimiento [4]. Los vehículos eléctricos son objeto de muchos debates en los países del mundo. En el negocio global de vehículos eléctricos, hubo un crecimiento significativo en las ventas de motocicletas eléctricas de dos ruedas que alcanzó el 58% o alrededor de 1,2 millones de unidades entre 2016 y 2017. Este crecimiento en las ventas indica una buena respuesta de los países del mundo sobre el desarrollo de las tecnología de motocicletas que algún día, las motocicletas eléctricas esperaban reemplazar a los vehículos de combustibles fósiles. El objeto de investigación es Motocicleta Eléctrica (EM) que consiste en Nuevo Diseño de Motocicleta Eléctrica (NDEM) y Motocicleta Eléctrica Convertida (CEM). El primer tipo, el Nuevo Diseño de Motocicleta Eléctrica (NDEM), es un vehículo diseñado por la empresa que utiliza tecnología eléctrica para sus operaciones. Algunos países del mundo como Australia, Alemania, Inglaterra, Francia, Japón, Taiwán, Corea del Sur y China ya utilizaban motocicletas eléctricas como producto sustituto de los vehículos de motor de combustibles fósiles [5]. Una marca de motocicletas eléctricas es Zero Motorcycle, que fabrica motocicletas eléctricas deportivas [6]. PT. Gesits Technologies Indo también ha producido motocicletas eléctricas de dos ruedas bajo la marca Gesits. El segundo tipo es un CEM. La motocicleta eléctrica convertida es una motocicleta alimentada con aceite en la que el motor y las piezas del motor se reemplazan con kits de baterías de ferrofosfato de litio (LFP) como fuente de energía. Aunque muchos países producen motocicletas eléctricas, nadie ha creado el vehículo utilizando técnicas de conversión. La conversión se puede realizar en una motocicleta de dos ruedas que ya no sea utilizada por sus usuarios. Universitas Sebelas Maret es pionera en la fabricación de CEM y demuestra técnicamente que las baterías de iones de litio pueden reemplazar las fuentes de energía de combustibles fósiles en las motocicletas convencionales. CEM utiliza tecnología LFP, esta batería no explota cuando ocurre un cortocircuito. Además de eso, la batería LFP tiene una vida útil prolongada de hasta 3000 ciclos de uso y más que las baterías EM comerciales actuales (como la batería de iones de litio y la batería LiPo). El CEM puede viajar 55 km / carga y tener una velocidad máxima de hasta 70 km / hora [7]. Jodinesa, et al. [8] examinó la cuota de mercado de las motocicletas eléctricas convertibles en Surakarta, Indonesia, y dio como resultado que la población de Surakarta respondió positivamente al CEM. De la explicación anterior, se puede ver que la oportunidad para las motocicletas eléctricas es enorme. Se han desarrollado varios estudios sobre estándares relacionados con vehículos eléctricos y baterías, como el estándar de baterías de iones de litio de Sutopo et al. [9], el sistema de gestión de baterías estándar de Rahmawatie et al. [10], y las normas de carga de vehículos eléctricos de Sutopo et al. [11]. La lenta adopción de vehículos eléctricos en Indonesia ha llevado al gobierno a publicar varias políticas para el desarrollo de la industria automotriz y planeó apuntar a la adopción de 2.1 millones de unidades de motocicletas eléctricas y 2.200 unidades de autos eléctricos en 2025. Además, el gobierno También tenía como objetivo que Indonesia pudiera producir 2.200 automóviles eléctricos o híbridos, que se establecen en el Reglamento presidencial núm. 22 de 2017 de la República de Indonesia sobre el Plan General Nacional de Energía. Esta regulación ha sido aplicada por varios países como Francia, Inglaterra, Noruega e India. El Ministerio de Energía y Recursos Minerales se ha fijado el objetivo de que a partir de 2040 se prohíba la venta de vehículos con motor de combustión interna (ICEV) y se pide al público que utilice vehículos eléctricos [12]. En 2019, el Gobierno de Indonesia emitió el Reglamento presidencial núm. 55 de 2019 sobre la aceleración del programa de vehículos de motor eléctrico a batería para el transporte por carretera. Este esfuerzo es un paso para superar dos problemas, a saber, el agotamiento de las reservas de fueloil y la contaminación del aire. Con respecto a la contaminación del aire, Indonesia se ha comprometido a reducir el 29% de las emisiones de dióxido de carbono para 2030 como resultado de la Conferencia sobre el Cambio Climático de París celebrada en 2015. En 2018, la penetración de vehículos eléctricos de dos ruedas solo alcanzó el 0,14% del objetivo del gobierno. 2025, mientras que para las cuatro ruedas la electricidad alcanzó más del 45%. En diciembre de 2017, había al menos más de 1.300 estaciones de carga eléctrica públicas disponibles en todo el país en 24 ciudades, de las cuales el 71% (924 estaciones de recarga) se ubicaban en DKI Yakarta [13]. Muchos países han investigado sobre la adopción de vehículos eléctricos, pero en Indonesia, no se han realizado investigaciones a escala nacional antes. Ha habido muchos tipos de investigación en algunos países que han realizado estudios sobre la adopción de nuevas tecnologías mediante el uso de varios métodos, como la regresión lineal múltiple para conocer la intención de uso de vehículos eléctricos en Malasia [14], el modelado de ecuaciones estructurales (SEM) para conocer la adopción de las barreras de los vehículos eléctricos de batería en Tianjin, China [15], análisis factorial exploratorio y modelo de regresión multivariante para conocer las barreras entre los conductores de vehículos eléctricos en el Reino Unido [16], y regresión logística para conocer los factores que influyen en la adopción de vehículos eléctricos en Pekín, China [17]. Los propósitos de esta investigación son desarrollar un modelo de adopción para motocicletas eléctricas en Indonesia, encontrar los factores que influyen en las intenciones de adoptar motocicletas eléctricas en Indonesia y determinar las oportunidades de funcionamiento para la adopción de motocicletas eléctricas en Indonesia. Modelar los factores es importante para descubrir qué factores influyen en la intención de adoptar motocicletas eléctricas en Indonesia. Estos factores influyentes se pueden utilizar como referencia para formular políticas adecuadas para acelerar la adopción de motocicletas eléctricas. Estos factores importantes son una imagen de las condiciones ideales que desean los posibles usuarios de motocicletas eléctricas en Indonesia. Algunos ministerios en Indonesia relacionados con la formulación de políticas con respecto a los vehículos eléctricos son el Ministerio de Industria que se ocupa de las reglas de impuestos a los vehículos en función de sus emisiones que tratan directamente con los fabricantes de vehículos eléctricos, el Ministerio de Transporte que ejecuta la prueba de viabilidad de los vehículos eléctricos que pavimentar en la carretera como pruebas de baterías, etc., así como el Ministerio de Energía y Recursos Minerales que es responsable de formular las tarifas de la Estación de Carga de Vehículos Eléctricos a la infraestructura de las empresas de carga de vehículos eléctricos. La innovación de los vehículos eléctricos también fomenta el nacimiento de nuevas entidades comerciales en la cadena de suministro, incluidos tecnoempresarios y empresas emergentes de desarrolladores, proveedores, fabricantes y distribuidores de productos / servicios de vehículos eléctricos y sus derivados en el mercado [24]. Los empresarios de motocicletas eléctricas también pueden desarrollar tecnología y marketing considerando estos factores importantes para apoyar la realización de motocicletas eléctricas en lugar de motocicletas convencionales en Indonesia. Regresión logística ordinal utilizada para obtener la función y el valor de probabilidad de la intención de adoptar motocicletas eléctricas en Indonesia utilizando el software SPSS 25. La regresión logística o regresión logit es un enfoque para hacer modelos predictivos. La regresión logística en las estadísticas se utiliza para predecir la probabilidad de que ocurra un evento al hacer coincidir los datos en la función logística de la curva logit. Este método es un modelo lineal general para la regresión binomial [18]. La regresión logística se ha utilizado para predecir la aceptación de la adopción de la banca móvil e Internet [19], predecir la aceptación de la adopción de tecnología fotovoltaica en los Países Bajos [20], predecir la aceptación de la tecnología de sistemas de telemonitorización para la salud [21] y encontrar identificar los obstáculos técnicos que afectan a la decisión de adoptar servicios en la nube [22]. Utami y col. [23] quien anteriormente realizó una investigación sobre las percepciones de los consumidores sobre los vehículos eléctricos en Surakarta, encontró que los precios de compra, los modelos, el rendimiento del vehículo y la disponibilidad de la infraestructura eran las mayores barreras para las personas que adoptaban vehículos eléctricos. MÉTODO Los datos recopilados en esta investigación son datos primarios obtenidos a través de encuestas en línea para descubrir oportunidades y factores que influyen en la intención de adoptar motocicletas eléctricas en Indonesia. Cuestionario y encuesta La encuesta en línea se distribuyó a 1223 encuestados en ocho provincias de Indonesia para explorar los factores que influyen en la intención de adoptar motocicletas eléctricas en Indonesia. Estas provincias elegidas tenían más del 80% de las ventas de motocicletas en Indonesia [2]: Java Occidental, Java Oriental, Yakarta, Java Central, Sumatra del Norte, Sumatra Occidental, Yogyakarta, Sulawesi del Sur, Sumatra del Sur y Bali. Los factores explorados se muestran en la Tabla 1. Los conocimientos generales sobre motocicletas eléctricas se proporcionaron al comienzo del cuestionario mediante el uso de videos para evitar malentendidos. El cuestionario se dividió en cinco secciones: sección de selección, sección sociodemográfica, sección financiera, sección tecnológica y sección de nivel macro. El cuestionario se presentó en una escala Likert de 1 a 5, donde 1 para muy en desacuerdo, 2 para en desacuerdo, 3 para duda, 4 para de acuerdo y 5 para totalmente de acuerdo. La determinación del tamaño mínimo de la muestra se refiere a [25], afirmando que los estudios observacionales con grandes tamaños de población que implican regresión logística requieren un tamaño mínimo de muestra de 500 para obtener estadísticas que representen parámetros. En esta investigación se utiliza el muestreo por conglomerados o el muestreo de áreas con proporciones porque la población de usuarios de motocicletas en Indonesia es muy grande. Además, el muestreo intencional se utiliza para determinar muestras en función de determinados criterios [26]. Las encuestas online se realizan a través de Facebook Ads. Los encuestados elegibles son personas ≥ 17 años, con SIM C, ser uno de los tomadores de decisiones para reemplazar o comprar una motocicleta y tener domicilio en una de las provincias de la Tabla 1. Marco teórico She et al. [15] y Habich-Sobiegalla et al. [28] utilizó marcos para una categorización sistemática de los factores que impulsan u obstruyen la adopción de vehículos eléctricos por parte de los consumidores. Adaptamos estos marcos modificándolos en función de nuestro análisis de la literatura sobre motocicletas eléctricas sobre la adopción de motocicletas eléctricas por parte de los consumidores. Lo hemos visualizado en la Tabla 1. Tabla 1. Explicación y Referencia de Factores y Atributos Factor Código Atributo Ref. SD1 Estado civil [27], [28] SD2 Edad SD3 Género SD4 Última educación SD5 Ocupación Sociodemográfico SD6 Nivel de consumo mensual SD7 Nivel de ingresos mensual SD8 Número de propietarios de motocicletas SD9 Frecuencia de uso compartido en las redes sociales SD10 Tamaño de la red social en línea SD11 Conciencia ambiental Financiera FI1 Precio de compra [29] FI2 Coste de la batería [30] FI3 Coste de carga [31] FI4 Costes de mantenimiento [32] Tecnología TE1 Capacidad de kilometraje [33] TE2 Potencia [33] TE3 Tiempo de carga [33] TE4 Seguridad [34] TE5 Duración de la batería [35] Nivel macro ML1 Disponibilidad de estaciones de recarga en lugares públicos [36] ML2 Disponibilidad de estaciones de recarga en el trabajo [15] ML3 Disponibilidad de estaciones de recarga en el hogar [37] ML4 Disponibilidad de lugares de servicio [38] ML5 Política de incentivos de compra [15] ML6 Anual política de descuento fiscal [15] ML7 Política de descuento de costes de cobro [15] Intención de adopción PI Intención de uso [15] Factor sociodemográfico El factor sociodemográfico son los factores personales que influyen en el comportamiento de un individuo en la toma de decisiones. Eccarius y col. [28] declaró en su modelo de adopción que la edad, el género, el estado civil, la educación, los ingresos, la ocupación y la propiedad del vehículo son factores importantes que afectan la adopción del vehículo eléctrico. HabichSoebigalla et al destacan factores de las redes sociales como el número de propietarios de motocicletas, la frecuencia de uso compartido en las redes sociales y el tamaño de la red social en línea como factores que influyen en la adopción de vehículos eléctricos [28]. Eccarius y col. [27] y HabichSobiegalla et al. [28] también considera que la conciencia ambiental pertenece a factores sociodemográficos. El precio de compra del factor financiero es el precio original de una motocicleta eléctrica sin ningún subsidio de compra. Sierzchula y col. [29] dijo que el alto precio de compra del vehículo eléctrico causado por la mayor capacidad de la batería. El costo de la batería es el costo de reemplazar la batería cuando se agota la vida útil de la batería anterior. Krause y col. investigaron que el costo de la batería es una barrera financiera para que alguien adopte un vehículo eléctrico [30]. El costo de carga es el costo de la electricidad para hacer funcionar una motocicleta eléctrica en comparación con el costo de la gasolina [31]. Los costos de mantenimiento son costos de mantenimiento de rutina para motocicletas eléctricas, no reparaciones debido a accidentes que impactan la adopción de vehículos eléctricos [32]. Factor tecnológico La capacidad de kilometraje es la distancia más lejana después de que la batería de la motocicleta eléctrica está completamente cargada. Zhang y col. [33] dijo que el rendimiento del vehículo se refiere a la evaluación de los consumidores sobre el vehículo eléctrico, incluida la capacidad de kilometraje, la potencia, el tiempo de carga, la seguridad y la duración de la batería. La potencia es la velocidad máxima de una motocicleta eléctrica. El tiempo de carga es el tiempo total para cargar completamente una motocicleta eléctrica. La sensación de seguridad al conducir una motocicleta eléctrica relacionada con el sonido (dB) son los factores que destacan Sovacool et al. [34] ser factores que impactan la percepción del consumidor sobre el vehículo eléctrico. Graham-Rowe y col. [35] dijo que se considera que la duración de la batería está degradada. La infraestructura de factor de nivel macro de la disponibilidad de la estación de carga es algo que no se puede evitar para los usuarios de motocicletas eléctricas. La disponibilidad de carga en lugares públicos se considera importante para apoyar la adopción de vehículos eléctricos [36]. La disponibilidad de carga en el trabajo [15] y la disponibilidad de carga en el hogar [37] también necesitan los consumidores para llenar la batería de su vehículo. Krupa y col. [38] dijo que la disponibilidad de lugares de servicio para mantenimiento de rutina y daños está afectando la adopción de vehículos eléctricos. Ella et al. [15] sugirió algunos incentivos públicos muy solicitados por los consumidores de Tianjin, como la concesión de subvenciones para la compra de motocicletas eléctricas, descuentos fiscales anuales para motocicletas eléctricas y una política de descuento de costes de carga cuando los consumidores necesitan cargar motocicletas eléctricas en lugares públicos [15]. Regresión logística ordinal La regresión logística ordinal es uno de los métodos estadísticos que describen la relación entre una variable dependiente con una o más variables independientes, donde la variable dependiente tiene más de 2 categorías y la escala de medición es de nivel u ordinal [39]. La ecuación 1 es un modelo para la regresión logística ordinal y la ecuación 2 muestra la función g (x) como una ecuación logit. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) RESULTADOS Y DISCUSIÓN El cuestionario se distribuyó en línea de marzo a abril de 2020, a través de anuncios pagados de Facebook configurando el área de filtro: Java Occidental, Java Oriental, Yakarta, Java Central, Sumatra del Norte, Sumatra Occidental, Yogyakarta, Sulawesi del Sur, Sumatra del Sur y Bali, que alcanzaron 21.628 usuarios. El total de respuestas entrantes fue de 1,443 respuestas, pero solo 1,223 respuestas fueron elegibles para el procesamiento de datos. La Tabla 2 muestra la demografía de los encuestados. Estadística descriptiva La Tabla 3 muestra la estadística descriptiva para variables cuantitativas. El descuento del costo de carga, el descuento fiscal anual y los subsidios al precio de compra tienen un promedio más alto entre otros factores. Esto ilustra que la mayoría de los encuestados considera que existe una política que el intensivo otorgado por el gobierno pudo alentarlos a adoptar motocicletas eléctricas. En cuanto a factores financieros, el precio de compra y el costo de la batería tienen un promedio más bajo, entre otros factores. Esto ilustra que el precio de compra de una motocicleta eléctrica y el costo de la batería no se ajustan al presupuesto de la mayoría de los encuestados. La mayoría de los encuestados consideró que el precio de una motocicleta eléctrica era demasiado caro en comparación con el precio de una motocicleta convencional. El costo de reemplazo de la batería cada tres años, que alcanza los 5,000,000 IDR, también es demasiado caro para la mayoría de los encuestados, por lo que el precio de compra y el costo de la batería son una barrera para que los indonesios adopten motocicletas eléctricas. La duración de la batería, la potencia y el tiempo de carga tienen puntuaciones medias bajas en las estadísticas descriptivas, pero las puntuaciones medias para estos tres factores son más de 4. El tiempo de carga que tomó tres horas fue demasiado largo para la mayoría de los encuestados. La velocidad máxima de una motocicleta eléctrica es de 70 km / hy una duración de batería de 3 años no satisface las necesidades de los encuestados. Esto ilustra que la mayoría de los encuestados considera que las motocicletas eléctricas de alto rendimiento no cumplen con sus estándares. Aunque los encuestados no han confiado plenamente en el rendimiento de las motocicletas eléctricas, EM puede satisfacer sus necesidades diarias de movilidad. Más encuestados dieron más puntaje a la disponibilidad de carga en sus hogares y oficinas que en lugares públicos. Sin embargo, una barrera que se encuentra a menudo es que la energía eléctrica en el hogar todavía está por debajo de 1300 VA, lo que hace que los encuestados tengan una fuerte expectativa de que el gobierno pueda ayudar a proporcionar instalaciones de carga en el hogar. La disponibilidad de carga en la oficina es más preferida que en lugares públicos porque la movilidad de los encuestados todos los días involucra hogares y oficinas. La Tabla 4 muestra las respuestas de los encuestados a la adopción de motocicletas eléctricas. Muestra que el 45,626% de los encuestados tiene una fuerte disposición a usar una motocicleta eléctrica. Este resultado muestra un futuro brillante para la cuota de mercado de las motocicletas eléctricas. La Tabla 4 también muestra que casi el 55% de los encuestados no tiene una fuerte disposición a usar una motocicleta eléctrica. Los interesantes resultados de estas estadísticas descriptivas implican que aunque el entusiasmo por el uso de motocicletas eléctricas todavía requiere estimulación, la aceptación pública de las motocicletas eléctricas es buena. Otra razón que podría ocurrir es que los encuestados tengan la actitud de esperar y ver la adopción de una motocicleta eléctrica o si alguien más usa una motocicleta eléctrica o no. Los datos de regresión logística ordinal se procesan y analizan para determinar la intención de adopción de las motocicletas eléctricas en Indonesia mediante la regresión logística ordinal. La variable dependiente en esta investigación es la disposición a utilizar una motocicleta eléctrica (1: muy poco dispuesto, 2: poco dispuesto, 3: duda, 4: dispuesto, 5: muy dispuesto). La regresión logística ordinal se eligió como método en esta investigación porque la variable dependiente usa la escala ordinal. Los datos se procesaron utilizando el software SPSS 25 con un nivel de confianza del 95%. Se han realizado pruebas de multicolinealidad para calcular los Factores de Inflación de Varianza (FIV) con un FIV medio de 1,15-3,693, lo que significa que no hay multicolinealidad en el modelo. La hipótesis utilizada en la regresión logística ordinal se muestra en la Tabla 5. La Tabla 6 muestra los resultados parciales de la prueba como base para rechazar o aceptar la hipótesis de la regresión logística ordinal. Tabla 2. Datos demográficos de los encuestados Frecuencia de elemento demográfico% Frecuencia de elemento demográfico% Domicilio Java occidental 345 28,2% Ocupación Estudiante 175 14,3% Java oriental 162 13,2% Funcionarios públicos 88 7,2% Yakarta 192 15,7% Empleados privados 415 33,9% Java central 242 19,8% Emprendedor 380 31,1% Sumatera del norte 74 6,1% Otros 165 13,5% Yogyakarta 61 5,0% Sulawesi del sur 36 2,9% Edad 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% Sumatera occidental 26 2,1% 46-60 79 6,5% Sur Sumatera 51 4.2%> 60 3 0.2% Estado civil Soltero 370 30.3% Último nivel educativo SMP / SMA / SMK 701 57.3% Casado 844 69.0% Diploma 127 10.4% Otros 9 0.7% Licenciatura 316 25.8% Género Masculino 630 51.5% Maestría 68 5.6 % Femenino 593 48,5% Doctorado 11 0,9% Nivel de ingreso mensual 0154 12,6% Nivel de consumo mensual <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% Tabla 3. Estadística descriptiva de nivel financiero, tecnológico y macro Rango promedio variable Rango promedio variable ML7 (disco de costo de cobro) 4.4563 1 ML3 (CS en casa) 4.1554 9 ML6 (disco de impuestos anual. ) 4.4301 2 ML2 (CS en lugares de trabajo) 4.1055 10 ML5 (incentivo de compra) 4.4146 3 ML1 (CS en lugares públicos) 4.0965 11 TE4 (seguridad) 4.3181 4 TE5 (duración de la batería) 4.0924 12 FI3 (costo de carga) 4.2518 5 TE2 (energía ) 4.0597 13 TE1 (capacidad de kilometraje) 4.2396 6 TE3 (tiempo de carga) 4.0303 14 ML4 (lugar de servicio) 4.2142 7 FI1 (costo de compra) 3.8814 15 FI4 (costo de mantenimiento) 4.1980 8 FI2 (costo de la batería) 3.5045 16 Tabla 4. Estadísticas descriptivas para adopción Intención 1: muy poco dispuesto 2: poco dispuesto 3: duda 4: dispuesto 5: muy dispuesto Voluntad de usar motocicleta eléctrica 0.327% 2.044% 15.863% 36.141% 45.626% Los resultados del análisis de regresión logística para las variables SD1 a SD11 que pertenecen a Los factores sociodemográficos muestran los resultados de que solo la frecuencia de intercambio en Las redes sociales (SD9) y el nivel de preocupación ambiental (SD11) tienen un efecto significativo en la intención de las motocicletas eléctricas en Indonesia. Los valores significativos para la variable cualitativa de estado civil son 0,622 para solteros y 0,801 para casados. Estos valores no apoyan la Hipótesis 1. El estado civil no influye significativamente en la intención de adoptar una motocicleta eléctrica porque el valor significativo es superior a 0,05. El valor significativo para la edad es 0,147 por lo que la edad no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor de estimación para la edad de -0,168 no apoya la Hipótesis 2. El signo negativo significa que cuanto mayor es la edad, menor es la intención de adoptar una motocicleta eléctrica. El valor significativo de la variable cualitativa, género, (0.385) no apoya la Hipótesis 3. El género no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor significativo para el último nivel de educación (0.603) no apoya la Hipótesis 4. Por lo tanto, la última educación no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor de estimación para el último nivel de educación de 0.036 significa un signo positivo significa que cuanto mayor es el nivel de educación, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo para la variable cualitativa de la ocupación fue 0.487 para estudiantes, 0.999 para funcionarios, 0.600 para empleados privados y 0.480 para emprendedores que no apoyan la Hipótesis 5. La ocupación no influye significativamente en la intención de adoptar una motocicleta eléctrica. UTAMI ET AL. / REVISTA SOBRE OPTIMIZACIONES DE SISTEMAS EN LAS INDUSTRIAS - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 75 Tabla 5. Hipótesis Hipótesis Socio- H1: el estado civil tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. Demo- H2: la edad tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. gráfico H3: el género tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. H4: el último nivel educativo tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H5: la ocupación tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H6: el nivel de consumo mensual tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H7: el nivel de ingresos mensual tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H8: el número de propietarios de motocicletas tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H9: la frecuencia de compartir en las redes sociales tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. H10: el tamaño de la red social online tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. H11: la conciencia ambiental tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. Financiera H12: el precio de compra tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H13: el costo de la batería tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H14: el costo de carga tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H15: los costes de mantenimiento tienen un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H16: la capacidad de kilometraje tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H17: la potencia tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. Techno-H18: el tiempo de carga tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. Lógico H19: la seguridad tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H20: la duración de la batería tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H21: la disponibilidad de infraestructura de estaciones de carga en lugares públicos tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. H22: la disponibilidad de la infraestructura de la estación de carga en el trabajo tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. Macronivel H23: la disponibilidad de infraestructura de estaciones de carga en el hogar tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. H24: la disponibilidad de plazas de servicio tiene un efecto positivo significativo en la intención de adoptar una motocicleta eléctrica. H25: la política de incentivos a la compra tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H26: la política de descuento fiscal anual tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. H27: la política de descuento de costes de carga tiene un efecto positivo significativo sobre la intención de adoptar una motocicleta eléctrica. Tabla 6. Resultados de la prueba parcial de regresión logística Valor de var Sig Valor de var Sig SD1: soltero 0,349 0,622 TE1 0,146 0,069 SD1: casado 0,173 0,801 TE2 0,167 0,726 SD1: otros 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013 * SD3: hombre 0,117 0,385 TE5 0,068 0,765 DE3: femenino 0 ML1 -0,127 0,022 * DE5: estudiantes -0,195 0,487 ML2 0,309 0,000 * DE5: 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: otros 0 ML6 -0.059 0.107 SD6 0.227 0.069 ML7 0.521 0.052 SD7 0.032 0.726 TE1 0.146 0.004 * SD8 0.180 0.161 TE2 0.167 0.962 SD9 0.111 0.013 * TE3 0.240 0.424 SD10 0,016 0,765 TE4 -0,005 0,254 SD11 0,226 0,022 * TE5 0,068 0,007 * FI1 0,348 0,000 * ML1 -0,127 0,009 * FI2 -0,069 0,355 ML2 0,309 0,181 FI3 0,136 0,109 ML3 0,253 0,017 * FI4 0,193 0,017 * ML4 0,134 0,672 * Significativo al 95% nivel de confianza El valor significativo para el nivel de consumo mensual (0.069) no apoya la Hipótesis 6, el nivel de consumo mensual no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor estimado para el nivel de consumo mensual de 0.227, un signo positivo significa que cuanto mayor es el nivel de gastos mensuales, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo para el nivel de ingresos mensuales (0,726) no apoya la Hipótesis 7, el nivel de ingresos mensuales no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor de estimación para el nivel de ingreso mensual es 0.032, signo positivo significa que cuanto mayor es el nivel de ingreso mensual mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo del número de propietarios de motocicletas (0,161) no respalda la Hipótesis 8, el número de propietarios de motocicletas no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor de estimación para el nivel de propiedad de motocicletas es 0.180, signo positivo significa que cuantas más motocicletas posean, mayor será la intención de adoptar una motocicleta eléctrica. El valor significativo de la frecuencia de compartir en las redes sociales (0.013) apoya la Hipótesis 9, la frecuencia de compartir en las redes sociales tiene un efecto significativo en la intención de adoptar una motocicleta eléctrica porque el valor significativo es menor que 0.05. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 El valor de la estimación para la frecuencia de uso compartido en las redes sociales es 0.111, signo positivo significa que cuanto mayor es la frecuencia de compartir a alguien en las redes sociales, mayor es la probabilidad de adopción de un dispositivo eléctrico. motocicleta. Valor significativo para el tamaño de la red social en línea (0,765) no apoya la Hipótesis 10, el tamaño del alcance de la red social no influye significativamente en la intención de adoptar una motocicleta. El valor de estimación para el número de personas alcanzadas en la red social es de 0.016, signo positivo significa que cuanto mayor es el tamaño de las redes sociales, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo para el nivel de conciencia ambiental (0.022) apoya la Hipótesis 11, el nivel de preocupación ambiental tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor de estimación para el nivel de conciencia ambiental es 0.226, signo positivo significa que cuanto mayor es el nivel de preocupación ambiental que tiene una persona, mayor es la intención de adoptar una motocicleta eléctrica. Los resultados del análisis de regresión logística para las variables FI1 a FI4 que pertenecen a factores financieros muestran los resultados de que el precio de compra (FI1) y los costos de mantenimiento (FI4) tienen un efecto significativo sobre la intención de las motocicletas eléctricas en Indonesia. El valor significativo del precio de compra (0,00) apoya la Hipótesis 12, el precio de compra tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica.El valor de estimación para el precio de compra es 0.348, signo positivo significa que cuanto más apropiado es el precio de compra de una motocicleta eléctrica para alguien, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo del costo de la batería (0.355) no apoya la Hipótesis 13, el costo de la batería no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor significativo de los costos de carga (0,109) no respalda la Hipótesis 14, el costo de carga no tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor de estimación para el costo de carga es 0.136, signo positivo significa que cuanto más apropiado es el costo de cargar una motocicleta eléctrica para alguien, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo de los costos de mantenimiento (0.017) no apoya la Hipótesis 15, los costos de mantenimiento tienen un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor de estimación de los costos de mantenimiento es 0.193, signo positivo significa que cuanto más apropiado es el costo del mantenimiento de una motocicleta eléctrica para alguien, mayor es la intención de adoptar una motocicleta eléctrica. Los resultados del análisis de regresión logística para las variables TE1 a TE5 que pertenecen a factores tecnológicos muestran los resultados de que el tiempo de carga de la batería (TE3) tiene un efecto significativo en la intención de adopción de las motocicletas eléctricas en Indonesia. El valor significativo de la capacidad de kilometraje (0.107) no apoya la Hipótesis 16, la capacidad de kilometraje no tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor de estimación para un kilometraje máximo es 0,146, signo positivo significa que cuanto más apropiado es el kilometraje máximo de una motocicleta eléctrica para alguien, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo para la variable independiente potencia o velocidad máxima (0.052) no apoya la Hipótesis 17, la velocidad máxima no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor de estimación para potencia o velocidad máxima es 0.167, signo positivo significa que cuanto más apropiada es la velocidad máxima de una motocicleta eléctrica para una persona, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo del tiempo de carga (0,004) apoya la Hipótesis 18, el tiempo de carga tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor estimado para el tiempo de carga es 0.240, signo positivo significa que cuanto más apropiada es la velocidad máxima de una motocicleta eléctrica para alguien, mayor es la intención de adoptar una motocicleta eléctrica. El valor significativo de seguridad (0,962) no apoya la Hipótesis 19, la seguridad no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor de la estimación de seguridad es -0,005, signo negativo significa que cuanto más seguro se siente alguien al usar una motocicleta eléctrica, menor es la intención de adoptar una motocicleta eléctrica. El valor significativo de la duración de la batería (0,424) no respalda la Hipótesis 20, la duración de la batería no tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor estimado para la vida útil de la batería es 0.068, signo positivo significa que cuanto más apropiada es la vida útil de la batería de una motocicleta eléctrica, mayor es la intención de adoptar una motocicleta eléctrica. Los resultados del análisis de regresión logística para las variables ML1 a ML7 que pertenecen a factores de nivel macro muestran los resultados de que solo se cobra la disponibilidad en el lugar de trabajo (ML2), la disponibilidad de cobro en la residencia (ML3) y la política de descuento de costes de cobro (ML7) que tienen un efecto significativo en la intención de adopción de motocicletas eléctricas en Indonesia. El valor significativo de la disponibilidad de carga en lugares públicos (0,254) no apoya la Hipótesis 21, la disponibilidad de carga en lugares públicos no influye significativamente en la intención de adoptar una motocicleta eléctrica. El valor significativo de la disponibilidad de carga en el lugar de trabajo (0,007) respalda la Hipótesis 22, la disponibilidad de carga en el lugar de trabajo tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor significativo de la disponibilidad de carga en el hogar (0,009) apoya la Hipótesis 22, la disponibilidad de carga en el hogar tiene un efecto significativo sobre la intención de adoptar una motocicleta. El valor significativo para la disponibilidad de lugares de servicio (0.181) no apoya la Hipótesis 24, la disponibilidad de lugares de servicio no tiene efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor significativo de la política de incentivo a la compra (0.017) apoya la Hipótesis 25, la política de incentivo a la compra tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor significativo de la política de descuento fiscal anual (0,672) no respalda la Hipótesis 26, la política de incentivo de descuento fiscal anual no tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. El valor significativo de la política de descuento en el costo de carga (0.00) apoya la Hipótesis 27, la política de incentivos de descuento en el costo de carga tiene un efecto significativo sobre la intención de adoptar una motocicleta eléctrica. De acuerdo con el resultado del factor de nivel macro, la adopción de motocicletas eléctricas se puede realizar si la estación de carga en el lugar de trabajo, la estación de carga en la residencia y la política de descuento en el costo de carga están listas para el acceso de los consumidores. En general, la frecuencia de uso compartido en las redes sociales, el nivel de conciencia ambiental, los precios de compra, los costos de mantenimiento, la velocidad máxima de las motocicletas eléctricas, el tiempo de carga de la batería, la disponibilidad de la infraestructura de la estación de carga en el trabajo, la disponibilidad de la infraestructura de carga basada en la energía del hogar, UTAMI ET AL. / REVISTA SOBRE OPTIMIZACIONES DE SISTEMAS EN LAS INDUSTRIAS - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. Las políticas de incentivos de compra y las políticas de incentivos de descuento de costos de carga están influyendo significativamente en la intención de adoptar vehículos eléctricos. Modelo de ecuación y función de probabilidad La ecuación 3 es una ecuación logit para la elección de la respuesta “muy reacia” a adoptar una motocicleta eléctrica.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) La ecuación 4 es una ecuación logit para la elección de la respuesta "no dispuesto" a adoptar una motocicleta eléctrica.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) La ecuación 5 es una ecuación logit para la elección de la respuesta “duda” para adoptar una motocicleta eléctrica.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) La ecuación 6 es una ecuación logit para la opción de respuesta “dispuesto” a adoptar una motocicleta eléctrica.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Funciones de probabilidad de las motocicletas eléctricas de intención de adopción mostradas en la Ecuación 7 a la Ecuación 11. La Ecuación 7 es la función de probabilidad para la elección de la respuesta “ muy renuente ”a adoptar una motocicleta eléctrica. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) La ecuación 8 es la función de probabilidad para la elección de la respuesta "no dispuesto" a adoptar una Motocicleta eléctrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) La ecuación 9 es la función de probabilidad para la elección de la respuesta “duda” para adoptar una motocicleta eléctrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) La ecuación 10 es la función de probabilidad para la elección de la respuesta “dispuesto” a adoptar una motocicleta eléctrica. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) La ecuación 11 es la función de probabilidad para la elección de la respuesta “muy dispuesto” a adoptar una motocicleta eléctrica. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Probabilidad de intención de adopción La ecuación de regresión logística ordinal entonces aplicado a una muestra de las respuestas de los encuestados. La Tabla 8 muestra las características y respuestas de la muestra. Por lo tanto, la probabilidad de responder a cada criterio de la variable dependiente se calcula con base en la Ecuación 7-11. Una muestra de encuestados que tiene las respuestas que se muestran en la Tabla 7 tiene una probabilidad de 0.0013 de ser muy reacio a usar una motocicleta eléctrica, una probabilidad de 0.0114 para no querer usar una motocicleta eléctrica, una probabilidad de 0.1788 para dudar de usar una motocicleta eléctrica, una probabilidad de 0.563 para querer usar una motocicleta eléctrica y una probabilidad de 0.2455 para fuertemente querer usar una motocicleta eléctrica. También se calculó la probabilidad de adopción de una motocicleta eléctrica para 1.223 encuestados y el valor promedio de la probabilidad de respuestas a una fuerte falta de voluntad para usar una motocicleta eléctrica fue de 0,0031, la falta de voluntad para usar una motocicleta eléctrica fue de 0.0198, la duda para usar una motocicleta eléctrica fue de 0.1482, la disposición a usar una motocicleta eléctrica fue de 0.0031 motocicleta eléctrica fue de 0.3410, y fuertemente dispuesta a usar una motocicleta eléctrica fue de 0.4880. Si se totalizan las probabilidades de estar dispuesto y muy dispuesto, la probabilidad de que los indonesios adopten motocicletas eléctricas alcanza el 82,90%. Recomendaciones para empresas y responsables políticos En el análisis de regresión logística ordinal, la frecuencia de compartir en las redes sociales es un factor significativo que afecta la intención de adoptar una motocicleta eléctrica. La importancia de las redes sociales como plataforma para que el público obtenga información sobre motocicletas eléctricas influirá en la disposición a adoptar motocicletas eléctricas. El gobierno y los emprendedores pueden intentar utilizar este recurso, por ejemplo, los emprendedores pueden hacer promociones a través de bonificaciones o agradecimiento a los consumidores que han comprado motocicletas eléctricas y compartir cosas positivas relacionadas con las motocicletas eléctricas en sus redes sociales. De esta manera, podría estimular a otros a ser nuevos usuarios de una motocicleta eléctrica. El gobierno puede socializar o presentar las motocicletas eléctricas al público a través de las redes sociales para motivar al público a cambiar de una motocicleta convencional a una eléctrica. Esta investigación demuestra cuán significativa es la influencia de factores a nivel macro en la adopción de motocicletas eléctricas en Indonesia. En el análisis de regresión logística ordinal, la disponibilidad de la infraestructura de la estación de carga en el lugar de trabajo, la disponibilidad de la infraestructura de la estación de carga en el hogar, la política de incentivos de compra y el descuento del costo de carga influyen significativamente en la intención de adoptar una motocicleta eléctrica. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Tabla 7. Muestra de respuestas del encuestado Código de respuesta variable Valor Estado civil Casado X1b 2 Edad 31-45 X2 2 Sexo Masculino X3a 1 Último nivel educativo Maestro X4 4 Ocupación Empleados privados X5c 3 Mensual nivel de consumo Rp2.000.000-5.999.999 X6 2 Nivel de ingreso mensual Rp. 6.000.000-9.999.999 X7 3 Número de propietarios de motocicletas ≥ 2 X8 3 Frecuencia de uso compartido en las redes sociales Varias veces al mes X9 4 Tamaño de la red social en línea 100-500 personas X10 2 Conciencia ambiental 1 X11 1 Harga beli 3 X12 3 Costo de la batería 3 X13 3 Costo de carga 3 X13 3 Costos de mantenimiento 5 X14 5 Capacidad de kilometraje 4 X15 4 Energía 5 X16 5 Tiempo de carga 4 X17 4 Seguridad 5 X18 5 Duración de la batería 4 X19 4 Disponibilidad de la estación de carga en lugares públicos 4 X20 4 Disponibilidad de la estación de carga en el trabajo 4 X21 4 Disponibilidad de la estación de carga en el hogar 4 X22 4 Disponibilidad de lugares de servicio 2 X23 2 Política de incentivo de compra 5 X24 5 Política de descuento de impuestos anual 5 X25 5 Política de descuento de costo de carga 5 X26 5 Costo de carga 5 X27 5 Costos de mantenimiento 3 X13 3 Kilometraje capacidad 5 X14 5 Energía 4 X15 4 Tiempo de carga 5 X16 5 La mayoría de los encuestados considera que la disponibilidad de la infraestructura de la estación de carga en el hogar, los lugares de trabajo y los lugares públicos influye significativamente en la adopción de motocicletas eléctricas. El gobierno puede organizar la instalación de infraestructura de estaciones de carga en lugares públicos para apoyar la adopción de motocicletas eléctricas. El gobierno también puede trabajar junto con el sector empresarial para lograrlo. Al construir indicadores a nivel macro, esta investigación propone varias opciones de políticas de incentivos. Las políticas de incentivos más importantes según la encuesta son las políticas de incentivos de compra y las políticas de incentivos de descuento de costos de carga que el gobierno puede considerar para respaldar la adopción de motocicletas eléctricas en Indonesia. En cuanto a factores económicos, el precio de compra tiene un efecto significativo sobre la intención de compra de una motocicleta eléctrica. Esta es la razón por la cual el incentivo para el subsidio de compra también está impactando significativamente la intención de adopción. El costo de mantenimiento más barato de las motocicletas eléctricas que las motocicletas convencionales influye significativamente en la intención de adopción de las motocicletas eléctricas. Por lo tanto, la disponibilidad de servicios que satisfagan las necesidades del consumidor fomentará aún más la intención de adoptar motocicletas eléctricas porque la mayoría de los usuarios no conocen los componentes de las motocicletas eléctricas, por lo que necesitan técnicos capacitados si hay algunos daños. El rendimiento de las motocicletas eléctricas ha respondido a las necesidades de los consumidores para cubrir su movilidad diaria. La velocidad máxima de una motocicleta eléctrica y el tiempo de carga pueden cumplir con los estándares deseados por los consumidores. Sin embargo, un mejor rendimiento de la motocicleta, como una mayor seguridad, duración de la batería y mayor kilometraje, sin duda aumentará la intención de adoptar una motocicleta eléctrica. Además de aumentar la inversión en tecnología, el gobierno y las empresas también deben mejorar el sistema de evaluación de seguridad y confiabilidad de las motocicletas eléctricas para aumentar la confianza del público. Para las empresas, promover la calidad y el rendimiento es una de las formas más efectivas de aumentar el entusiasmo de los consumidores por las motocicletas eléctricas. Los consumidores que son más jóvenes y tienen un mayor nivel de educación pueden ser seleccionados como los primeros en adoptar para convertirse en influencias porque ya tienen una actitud más optimista y tienen una red más amplia. La segmentación del mercado se puede lograr mediante el lanzamiento de modelos específicos para consumidores objetivo. Además, los encuestados con mayor conciencia ambiental tenían más probabilidades de querer adoptar motocicletas. UTAMI ET AL. / REVISTA SOBRE OPTIMIZACIONES DE SISTEMAS EN LAS INDUSTRIAS - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 79 CONCLUSIONES El cambio de motocicletas convencionales a motocicletas eléctricas puede ser la mejor solución para superar el problema de los altos niveles de CO2 en Indonesia. El gobierno de Indonesia también se dio cuenta y ha intervenido al establecer varias políticas con respecto a los vehículos eléctricos en Indonesia. Pero en realidad, la adopción de vehículos eléctricos en Indonesia aún se encuentra en una etapa muy temprana, incluso lejos de los objetivos establecidos por el gobierno. El medio ambiente no apoya la adopción de motocicletas eléctricas, como la falta de regulaciones más detalladas y la falta de infraestructura de apoyo, lo que provoca la baja adopción de vehículos eléctricos en Indonesia. Esta investigación encuestó a 1,223 encuestados de 10 provincias que tenían un total del 80% de la distribución total de ventas de motocicletas en Indonesia para explorar factores significativos que afectan las intenciones de adoptar motocicletas eléctricas en Indonesia y averiguar las funciones de probabilidad. Aunque la mayoría de los encuestados son entusiastas de las motocicletas eléctricas y quieren tener una motocicleta eléctrica en el futuro, su interés en adoptar una motocicleta eléctrica hoy en día es relativamente bajo. Los encuestados no quieren usar motocicletas eléctricas en este momento debido a varias razones, como la falta de infraestructura y políticas. Muchos encuestados tienen la actitud de esperar y mirar hacia la adopción de motocicletas eléctricas, con factores financieros, tecnológicos y macro-niveles que deben estar siguiendo las demandas de los consumidores. Esta investigación demuestra cuán significativa es la frecuencia de compartir en las redes sociales, el nivel de conciencia ambiental, los precios de compra, los costos de mantenimiento, la velocidad máxima de las motocicletas eléctricas, el tiempo de carga de la batería, la disponibilidad de la infraestructura de la estación de carga en el trabajo, la disponibilidad de la infraestructura de carga en el hogar, Las políticas de incentivos de compra y las políticas de incentivos de descuento de costos de carga están apoyando la adopción de motocicletas eléctricas en Indonesia. El gobierno debe apoyar la provisión de infraestructura de estaciones de carga y la formulación de políticas de incentivos para acelerar la adopción de motocicletas eléctricas en Indonesia. Los productores deben considerar factores tecnológicos como el kilometraje y la duración de la batería para mejorarlos y respaldar la adopción de motocicletas eléctricas. Los factores financieros, como los precios de compra y los costos de las baterías, deben ser motivo de preocupación para las empresas y el gobierno. Se debe aprovechar al máximo las redes sociales para presentar una motocicleta eléctrica a la comunidad. Las comunidades a una edad temprana pueden promocionarse como adoptantes tempranos porque tienen una amplia red de medios sociales. La realización de la adopción de motocicletas eléctricas en Indonesia requiere disponibilidad de infraestructura y costos que puedan ser aceptados por los consumidores. Esto ha podido ser implementado por el gobierno a través de fuertes compromisos gubernamentales en varios países que han logrado sustituir los vehículos convencionales. La investigación adicional se centrará en encontrar políticas adecuadas para acelerar la adopción de motocicletas eléctricas en Indonesia. REFERENCIAS [1] Indonesia. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [En línea]. Disponible: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Estadísticas de exportación y distribución nacional, 2020. [En línea]. https://www.aisi.or.id/statistic. [Consultado: marzo. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina y R. Siregar, “Vehículos eléctricos en Indonesia: el camino hacia el transporte sostenible”, Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto y M. Nizam, "Modelo de comercialización de baterías de iones de litio de nueva tecnología: un estudio de caso para vehículos eléctricos inteligentes", Actas de la Conferencia internacional conjunta de 2013 sobre tecnología de la información y las comunicaciones rurales y tecnología de vehículos eléctricos, rICT e ICEV -T 2013, 6741511. https://doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini y V. Bosetti, “Volviendo eléctrico: encuesta de expertos sobre el futuro de las tecnologías de baterías para vehículos eléctricos. In Innovation under Uncertainty ”, en Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz y MK Patel,“ Sobre la electrificación del transporte por carretera– una revisión del desempeño ambiental, económico y social de los vehículos eléctricos de dos ruedas ”, Investigación sobre transporte Parte D: Transporte y medio ambiente, vol. 41, págs. 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, y R. Zakaria, “Análisis de la cadena de Markov para identificar la predicción de la participación de mercado de la nueva tecnología: un estudio de caso de una motocicleta de conversión eléctrica en Surakarta, Indonesia”, Actas de la conferencia AIP, vol. 2217 (1), págs. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo y EA Kadir, "Un estándar indonesio de ferrofosfato de celdas de batería de iones de litio para alicaciones de vehículos eléctricos", TELKOMNIKA Revista de Ingeniería Eléctrica de Indonesia, vol. 15 (2), págs. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy y ABMulyono, "Designing framework for estandarization and testing requirements of the battery management system for electric vehicle application", Proceeding - 4th Conferencia internacional sobre tecnología de vehículos eléctricos, págs. 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, “Una revisión del desarrollo de estándares de carga de vehículos eléctricos: caso de estudio en Indonesia”, Actas - Quinta Conferencia Internacional de Tecnología de Vehículos Eléctricos de 2018, vol. 8628367, págs. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Stop Mobil Berbahan Bakar Minyak, 2017. [En línea]. gaikindo.or.id. [Consultado: marzo. 20, 2020]. [13] S. Goldenberg, ”Indonesia to Cut Carbon Emissions by 29% by 2030 ″, The Guardian, 2015. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077 / josi.v19.n1.p70-81.2020 [14] YN Sang y HA Bekhet, "Modelado de intenciones de uso de vehículos eléctricos: un estudio empírico en Malasia", Journal of Cleaner Production, vol. 92, págs. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma y BC Xie, “¿Cuáles son las barreras para la adopción generalizada de vehículos eléctricos a batería? Una encuesta sobre la percepción pública en Tianjin, China ”, Journal of Transport Policy, vol. 56, págs. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis y A. Jones, "Análisis de la aceptación de los vehículos eléctricos de batería: una investigación de las barreras entre los conductores en el Reino Unido", Investigación sobre transporte Parte D: Transporte y medio ambiente, vol. 63, págs. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge y C. Shao, "Investigación de los factores que influyen en la adopción de vehículos eléctricos en Beijing, China: perspectivas estadísticas y espaciales", Journal of Cleaner Production, vol. 213, págs. 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 (2ª Ed.). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, “Decisiones de adopción versus rechazo del consumidor en innovaciones de servicios aparentemente similares: el caso de Internet y la banca móvil”, Journal of Business Research, vol. 69 (7), págs. 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur y R. Kemp, “La adopción de la energía fotovoltaica en los Países Bajos: un análisis estadístico de los factores de adopción”, Renewable and Sustainable Energy Reviews, vol. 41, págs. 483–494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil y J. Emparanza, “Utilización de un modelo de aceptación de tecnología modificada para evaluar la adopción de un nuevo sistema de telemonitorización por parte de los profesionales de la salud”, Telemedicina y e-Health, vol. 18 (1), págs. 54–59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer y P. Abrahamsson, “Un estudio de encuesta sobre las principales barreras técnicas que afectan la decisión de adoptar servicios en la nube”, Journal of Systems and Software, vol. 103, págs. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto y W. Sutopo, “Consumer Perception Analysis of Electric Car Vehicle in Indonesia”, Actas de la conferencia AIP (Vol. 2217, No. 1, p. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo y M. Nizam, “Comercialización de tecnología de procesos de negocios propuesta: un estudio de caso de incubación de tecnología de automóviles eléctricos”, Actas de la Conferencia Internacional de Ingeniería Eléctrica e Informática de 2014, ICEECS, 7045257, págs. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at y TM Bakar, "Directrices sobre el tamaño de la muestra para la regresión logística de estudios observacionales con una gran población: énfasis en la precisión entre las estadísticas y los parámetros basados ​​en datos clínicos de la vida real", Revista malaya de ciencias médicas: MJMS, vol. 25 (4), págs. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab y A. Jam'an, “Metodologi Penelitian Bisnis”, Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius y CC Lu, ”Motores de dos ruedas para una movilidad sostenible: Una revisión de la adopción de motocicletas eléctricas por parte de los consumidores ”, Revista Internacional de Transporte Sostenible, vol. 15 (3), págs. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka y N. Anzinger, "Intenciones de compra de vehículos eléctricos de ciudadanos chinos, rusos y brasileños: un estudio comparativo internacional", Revista de producción más limpia, vol. 205, págs. 188-200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat y B. Van Wee, “La influencia de los incentivos financieros y otros factores socioeconómicos en la adopción de vehículos eléctricos”, Energy Policy, vol. 68, págs. 183-194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane y JD Graham, "Percepción y realidad: conocimiento público de los vehículos eléctricos enchufables en 21 ciudades de Estados Unidos", Energy Policy, vol. 63, págs. 433–440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony y B. Caulfield, “¿Cómo deben clasificarse las barreras a los combustibles y vehículos alternativos y evaluarse las políticas potenciales para promover tecnologías innovadoras?”, Journal of Cleaner Production, vol. 35, págs. 140-151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue y S. Long, “Barreras para la adopción generalizada de vehículos eléctricos: un análisis de las actitudes y percepciones de los consumidores”, Journal of Energy Policy, vol. 48, págs. 717–729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan y YM Wei, “El impacto de la política gubernamental en la preferencia por los NEV: la evidencia de China”, Energy Policy, vol. 61, págs. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool y RF Hirsh, “Más allá de las baterías: un examen de los beneficios y barreras de los vehículos eléctricos híbridos enchufables (PHEV) y una transición de vehículo a red (V2G)”, Política energética, vol. 37, págs. 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 y J. Stannard, “Consumidores de la corriente principal que conducen coches eléctricos híbridos enchufables y eléctricos de batería enchufable: un análisis cualitativo de respuestas y evaluaciones ”, Transp. Res. Parte A: Práctica de políticas, vol. 46, págs. 140-153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi y SL Mabit, “Consumidores de la corriente principal que conducen coches eléctricos híbridos enchufables y eléctricos de batería enchufable: un análisis cualitativo de respuestas y evaluaciones”, Transp. Res. Parte D: Transp. Environ., Vol. 25, págs. 24–32, 2013. [En línea]. Disponible: ScienceDirect. [37] ND Caperello y KS Kurani, “Historias de los hogares sobre sus encuentros con un vehículo eléctrico híbrido enchufable”, Environ. Behav., Vol. 44, págs. 493–508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju y CE Warrender, "Historias de los hogares sobre sus encuentros con un vehículo eléctrico híbrido enchufable", Análisis de una encuesta de consumidores sobre UTAMI ET AL. / REVISTA SOBRE OPTIMIZACIONES DE SISTEMAS EN LAS INDUSTRIAS - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 81 vehículos eléctricos híbridos enchufables. Transp. Res. Parte A: Práctica de políticas, vol. 64, págs. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer y S. Lemeshow, “Regresión logística aplicada. Second Edition ”, Nueva York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATURA j categorías de variables dependientes (j = 1, 2, 3, 4, 5) k categorías de variables independientes (k = 1, 2, 3,…, m) i categorías de variables independientes cualitativas n orden de encuestados β0j interceptar cada respuesta de variable Xk variable