Indonéská vláda se zaměřila na přijetí 2,1 milionu jednotek dvoukolových elektrických vozidel a 2200 jednotek čtyřkolových elektrických vozidel v roce 2025 prostřednictvím prezidentského nařízení Indonéské republiky č. 22 v roce 2017 o národním generálním plánu pro energii. V roce 2019 vydala indonéská vláda prezidentské nařízení č. 55 v roce 2019 týkající se programu Zrychlení bateriového elektrického vozidla pro silniční dopravu. V roce 2018 dosáhlo přijetí dvoukolových elektrických vozidel pouze 0,14% vládního cíle pro rok 2025. Proto přijetí technologie elektrických motocyklů (EM) musí také považovat za úspěšné mnoho faktorů. Tento výzkum vyvíjí model záměru přijetí elektromobilu bez chování. Mezi faktory patří sociodemografická, finanční, technologická a makroúroveň. Online průzkumu se zúčastnilo 1 223 respondentů. Logistická regrese se používá k získání funkce a hodnoty pravděpodobnosti záměru přijmout EM v Indonésii. Frekvence sdílení na sociálních médiích, úroveň povědomí o životním prostředí, nákupní ceny, náklady na údržbu, maximální rychlost, doba nabíjení baterie, dostupnost infrastruktury dobíjecí stanice při práci, dostupnost domácí energie - nabíjecí infrastruktura, zásady pobídek k nákupu a sleva na ceně nabíjení motivační politiky významně ovlivňují záměr přijmout elektrická vozidla. Ukazuje také, že příležitost Indonésanů osvojit si elektrické motocykly dosahuje 82,90%. Realizace přijetí elektrických motocyklů v Indonésii vyžaduje připravenost infrastruktury a náklady, které mohou spotřebitelé akceptovat. Výsledky tohoto výzkumu konečně poskytují vládě a podnikům několik návrhů, jak urychlit adopci elektrických motocyklů v Indonésii.

ÚVOD

Ekonomický sektor v Indonésii (doprava, výroba elektřiny a domácnosti) většinou používají fosilní paliva. Některé z negativních účinků vysoké závislosti na fosilních palivech jsou zvýšená alokace na dotace na palivo, problémy s energetickou udržitelností a vysoké úrovně emisí CO2. Doprava je významným odvětvím, které přispívá k vysoké hladině CO2 v ovzduší díky četnému využívání vozidel na fosilní paliva. Tento výzkum se zaměřuje na motocykly, protože Indonésie jako rozvojová země má více motocyklů než automobilů. V roce 2018 dosáhl počet motocyklů v Indonésii 120 101 017 kusů [1] a prodej motocyklů dosáhl v roce 2019 6 487 460 kusů [2]. Přesunutí odvětví dopravy na alternativní zdroje energie může snížit vysoké hladiny CO2. Realistickým řešením tohoto problému je implementace zelené logistiky prostřednictvím pronikání elektromobilů v Indonésii, jako jsou hybridní elektrická vozidla, plug-in hybridní elektrická vozidla a bateriová elektrická vozidla [3]. Inovace technologie elektrických vozidel a inovace technologie baterií mohou poskytnout dopravní řešení, která jsou šetrná k životnímu prostředí, energeticky účinná a nižší náklady na provoz a údržbu [4]. Země ve světě často hovoří o elektrických vozidlech. V globálním podnikání s elektrickými vozidly došlo k výraznému nárůstu prodeje dvoukolových elektrických motocyklů, který v letech 2016 až 2017 dosáhl 58% nebo přibližně 1,2 milionu kusů. Tento růst tržeb naznačuje dobrou reakci zemí ve světě na vývoj elektrických motocyklová technologie, která jednoho dne očekávala, že elektrické motocykly nahradí vozidla na fosilní paliva. Cílem výzkumu je Electric Motorcycle (EM), který se skládá z New Design of Electric Motorcycle (NDEM) a Converted Electric Motorcycle (CEM). První typ, New Design of Electric Motorcycle (NDEM), je vozidlo navržené společností, která ke svému provozu využívá elektrickou technologii. Některé země na světě, jako je Austrálie, Německo, Anglie, Francie, Japonsko, Tchaj-wan, Jižní Korea a Čína, již používaly elektrické motocykly jako náhradní výrobek pro motocyklová vozidla na fosilní paliva [5]. Jednou ze značek elektrických motocyklů je Zero Motorcycle, která vyrábí sportovní elektrické motocykly [6]. PT. Společnost Gesits Technologies Indo také vyrábí dvoukolové elektrické motocykly pod značkou Gesits. Druhým typem je CEM. Konvertovaný elektrický motocykl je motocykl poháněný olejem, kde jsou součásti motoru a motoru nahrazeny bateriovými soupravami lithium-ferofosfátu (LFP) jako zdrojem energie. Ačkoli mnoho zemí vyrábí elektrické motocykly, nikdo nevytvořil vozidlo pomocí konverzních technik. Přestavbu lze provést na dvoukolovém motocyklu, který již jeho uživatelé nepoužívají. Universitas Sebelas Maret je průkopníkem ve výrobě CEM a technicky dokázal, že lithium-iontové baterie mohou nahradit zdroje energie z fosilních paliv na konvenčních motocyklech. CEM využívá technologii LFP, tato baterie nevybuchne, když dojde ke zkratu. Kromě toho má baterie LFP dlouhou životnost až 3000 cyklů použití a delší než současné komerční EM baterie (například lithium-iontová baterie a LiPo baterie). CEM může cestovat 55 km/nabití a mít maximální rychlost až 70 km/h [7]. Jodinesa a kol. [8] zkoumali tržní podíl konvertibilních elektrických motocyklů v Surakartě v Indonésii a dospěli k závěru, že lidé ze Surakarty reagovali na CEM pozitivně. Z výše uvedeného vysvětlení je vidět, že příležitost pro elektrické motocykly je obrovská. Bylo vyvinuto několik studií o normách souvisejících s elektrickými vozidly a bateriemi, jako je například standard lithium -iontové baterie od Sutopo et al. [9], standard systému správy baterií od Rahmawatie et al. [10] a standardy nabíjení elektrických vozidel od Sutopo et al. [11]. Pomalá míra adopce elektromobilů v Indonésii přiměla vládu, aby uvolnila několik politik pro rozvoj automobilového průmyslu a plánovala, že se v roce 2025 zaměří na přijetí 2,1 milionu kusů elektrických motocyklů a 2200 elektromobilů. Kromě toho vláda se také zaměřoval na Indonésii, aby byla schopna vyrobit 2200 elektrických nebo hybridních automobilů, které jsou uvedeny v prezidentském nařízení Indonéské republiky č. 22 z roku 2017 o národním generálním plánu pro energii. Toto nařízení uplatňovaly různé země, jako je Francie, Anglie, Norsko a Indie. Ministerstvo energetiky a nerostných zdrojů si stanovilo cíl, že od roku 2040 bude prodej vozidel s vnitřním spalovacím motorem (ICEV) zakázán a veřejnost je žádána, aby používala elektrická vozidla [12]. V roce 2019 indonéská vláda vydala prezidentské nařízení č. 55 z roku 2019 týkající se akcelerace programu bateriových elektromobilů pro silniční dopravu. Toto úsilí je krokem k překonání dvou problémů, a to vyčerpání zásob topného oleje a znečištění ovzduší. Pokud jde o znečištění ovzduší, Indonésie se zavázala snížit 29% emisí oxidu uhličitého do roku 2030 v důsledku Pařížské konference o změně klimatu, která se konala v roce 2015. V roce 2018 dosáhla penetrace dvoukolových elektrických vozidel pouze 0,14% vládního cíle. 2025, zatímco u čtyřkolové elektřiny dosáhla více než 45%. V prosinci 2017 bylo po celé zemi k dispozici nejméně 2400 veřejných elektrických nabíjecích stanic ve 24 městech, přičemž 71% (924 čerpacích stanic) se nacházelo v DKI Jakarta [13]. Mnoho zemí zkoumalo přijetí elektrických vozidel, ale v Indonésii nebyl národní výzkum dosud proveden. V některých zemích proběhlo mnoho druhů výzkumu, které provedly studie o zavádění nových technologií pomocí několika metod, jako je vícenásobná lineární regrese za účelem zjištění záměru využití elektrického vozidla v Malajsii [14], Modelování strukturálních rovnic (SEM) s cílem znát přijetí překážek bateriových elektromobilů v čínském Tchien -ťinu [15], průzkumnou faktorovou analýzu a vícerozměrný regresní model za účelem zjištění překážek mezi řidiči elektrických vozidel ve Spojeném království [16] a logistické regrese za účelem zjištění faktorů ovlivňujících zavádění elektrických vozidel v Peking, Čína [17]. Účelem tohoto výzkumu je vyvinout model adopce pro elektrické motocykly v Indonésii, najít faktory, které ovlivňují záměry přijetí elektrických motocyklů v Indonésii, a určit funkční příležitosti pro adopci elektrických motocyklů v Indonésii. Modelování faktorů je důležité pro zjištění, které faktory ovlivňují záměr přijmout v Indonésii elektrické motocykly. Tyto vlivné faktory lze použít jako referenci k formulování vhodných zásad pro urychlení zavádění elektrických motocyklů. Tyto významné faktory jsou obrazem ideálních podmínek požadovaných potenciálními uživateli elektrických motocyklů v Indonésii. Některá ministerstva v Indonésii, která se týkají formulování politik týkajících se elektrických vozidel, jsou ministerstvo průmyslu, které se zabývá pravidly daně z vozidel na základě svých emisí, které se zabývají přímo výrobci elektrických vozidel, ministerstvo dopravy, které provádí test proveditelnosti elektrických vozidel, které budou vydláždit dálnice, jako jsou testy baterií atd., stejně jako ministerstvo energetiky a nerostných zdrojů, které je odpovědné za formulování sazeb dobíjecí stanice pro elektromobily do infrastruktury společností provádějících nabíjení elektrických vozidel. Inovace elektrických vozidel také podporuje vznik nových podnikatelských subjektů v dodavatelském řetězci, včetně technoprenů a start-upů od vývojářů, dodavatelů, výrobců a distributorů produktů / služeb elektrických vozidel a jejich derivátů na trh [24]. Podnikatelé s elektrickými motocykly mohou také rozvíjet technologie a marketing zvážením těchto významných faktorů s cílem podpořit realizaci elektrických motocyklů místo konvenčních motocyklů v Indonésii. Řadová logistická regrese použitá k získání funkce a hodnoty pravděpodobnosti záměru adoptovat elektrické motocykly v Indonésii pomocí softwaru SPSS 25. Logistická regrese nebo logitická regrese je přístup k vytváření prediktivních modelů. Logistická regrese ve statistikách slouží k předpovědi pravděpodobnosti výskytu události porovnáním dat v logistické funkci logitové křivky. Tato metoda je obecným lineárním modelem pro binomickou regresi [18]. Logistická regrese byla použita k předpovědi přijetí přijetí internetového a mobilního bankovnictví [19], předpovídání přijetí přijetí fotovoltaických technologií v Nizozemsku [20], předpovídání přijetí technologie telemonitorovacího systému pro zdraví [21] a k nalezení z technických překážek, které ovlivňují rozhodnutí přijmout cloudové služby [22]. Utami a kol. [23], který dříve prováděl výzkum vnímání elektrických vozidel spotřebiteli v Surakartě, zjistil, že největší překážkou pro lidi, kteří přijímají elektrická vozidla, jsou nákupní ceny, modely, výkon vozidel a připravenost infrastruktury. METODA Údaje shromážděné v tomto výzkumu jsou primárními údaji získanými prostřednictvím online průzkumů za účelem zjištění příležitostí a faktorů, které ovlivňují záměr přijmout elektrické motocykly v Indonésii. Dotazník a průzkum On -line průzkum byl distribuován 1 223 respondentům z osmi provincií v Indonésii, aby prozkoumal faktory ovlivňující záměr přijetí elektrických motocyklů v Indonésii. Tyto vybrané provincie měly více než 80% prodejů motocyklů v Indonésii [2]: West Java, East Java, Jakarta, Central Java, North Sumatra, West Sumatra, Yogyakarta, South Sulawesi, South Sumatra, and Bali. Zkoumané faktory jsou uvedeny v tabulce 1. Obecné znalosti o elektrických motocyklech byly poskytnuty na začátku dotazníku pomocí videa, aby se předešlo nedorozuměním. Dotazník byl rozdělen do pěti sekcí: screeningová sekce, sociodemografická sekce, finanční sekce, technologická sekce a sekce na makroúrovni. Dotazník byl předložen v Likertově stupnici od 1 do 5, kde 1 pro silně nesouhlasí, 2 pro nesouhlasí, 3 pro pochybnosti, 4 pro souhlas a 5 pro rozhodně souhlasí. Stanovení minimální velikosti vzorku se týká [25], uvedl, že pozorovací studie s velkými populačními velikostmi zahrnující logistickou regresi vyžadují minimální velikost vzorku 500 pro získání statistik představujících parametry. V tomto výzkumu se používá klastrový nebo plošný odběr vzorků, protože populace uživatelů motocyklů v Indonésii je velmi velká. Kromě toho se účelové vzorkování používá ke stanovení vzorků na základě určitých kritérií [26]. Online průzkumy se provádějí prostřednictvím reklam na Facebooku. Způsobilými respondenty jsou lidé ve věku ≥ 17 let, kteří mají SIM C, jsou jedním z osob s rozhodovací pravomocí při výměně nebo koupi motocyklu a mají bydliště v jedné z provincií v tabulce 1. Teoretický rámec Ona a kol. [15] a Habich-Sobiegalla a kol. [28] použili rámce pro systematickou kategorizaci faktorů, které řídí nebo brání přijetí elektrických vozidel spotřebiteli. Tyto rámce jsme přizpůsobili úpravou na základě naší analýzy literatury o elektrických motocyklech o přijetí elektrických motocyklů spotřebiteli. Vizualizovali jsme to v tabulce 1. Tabulka 1. Vysvětlení a reference faktorů a atributů Kód faktoru Atrtibute Ref. SD1 Rodinný stav [27], [28] SD2 Věk SD3 Pohlaví SD4 Poslední vzdělání SD5 Povolání Sociodemografie SD6 Měsíční úroveň spotřeby SD7 Měsíční úroveň příjmu SD8 Počet vlastnictví motocyklu SD9 Frekvence sdílení na sociálních médiích SD10 Velikost online sociální sítě SD11 Environmentální povědomí Finanční Nákupní cena FI1 [29] Náklady na baterii FI2 [30] Náklady na nabíjení FI3 [31] Náklady na údržbu FI4 [32] Technologické schopnosti TE1 Počet najetých kilometrů [33] Výkon TE2 [33] TE3 Doba nabíjení [33] Bezpečnost TE4 [34] TE5 Životnost baterie [35] Dostupnost nabíjecí stanice na veřejných prostranstvích na makro úrovni [36] ML2 Dostupnost nabíjecí stanice v práci [15] ML3 Dostupnost nabíjecí stanice doma [37] ML4 Dostupnost servisních míst [38] ML5 Zásady pobídek k nákupu [15] ML6 Roční politika slevy na dani [15] ML7 Zásady slevy na účtovacích nákladech [15] Záměr přijetí IP Záměr použít [15] Sociodemografický faktor Sociodemografický faktor jsou osobní faktory, které ovlivňují chování jednotlivce při rozhodování. Eccarius a kol. [28] na svém modelu adopce uvedli, že věk, pohlaví, rodinný stav, vzdělání, příjem, povolání a vlastnictví vozidla jsou důležitými faktory, které mají vliv na adopci elektrického vozidla. HabichSoebigalla et al zdůrazňují faktory sociální sítě, jako je počet vlastnictví motocyklu, frekvence sdílení na sociálních médiích a velikost online sociální sítě, které jsou rozhodujícími faktory pro přijetí elektrického vozidla [28]. Eccarius a kol. [27] a HabichSobiegalla a kol. [28] rovněž považují povědomí o životním prostředí k sociálním a demografickým faktorům. Finanční faktor Kupní cena je původní cena elektrického motocyklu bez jakýchkoli dotací na nákup. Sierzchula a kol. [29] uvedli, že vysoká pořizovací cena elektrického vozidla je způsobena nejvyšší kapacitou baterie. Náklady na baterii jsou náklady na výměnu baterie, když vypršela životnost staré baterie. Krause a kol. zkoumali, že náklady na baterie patří k finanční překážce pro někoho, kdo si adoptuje elektrické vozidlo [30]. Náklady na nabíjení jsou náklady na elektřinu k pohonu elektrického motocyklu ve srovnání s náklady na benzín [31]. Náklady na údržbu jsou náklady na běžnou údržbu elektrických motocyklů, nikoli opravy z důvodu nehody, která má dopad na přijetí elektrických vozidel [32]. Technologický faktor Schopnost ujetých kilometrů je nejvzdálenější vzdálenost po úplném nabití baterie motocyklu. Zhang a kol. [33] uvedl, že výkon vozidla se týká hodnocení spotřebitelů na elektrických vozidlech, včetně ujeté vzdálenosti, výkonu, doby nabíjení, bezpečnosti a životnosti baterie. Výkon je maximální rychlost elektrického motocyklu. Doba nabíjení je celkový čas k úplnému nabití elektrického motocyklu. Pocit bezpečí při jízdě na elektrickém motocyklu související se zvukem (dB) jsou faktory, které zdůrazňují Sovacool et al. [34] mají být faktory, které ovlivňují vnímání spotřebitelů v oblasti elektrických vozidel. Graham-Rowe a kol. [35] uvedli, že životnost baterie je považována za zhoršenou. Faktor na úrovni makro Infrastruktura dostupnosti dobíjecí stanice je něco, čemu se nelze vyhnout u osvojitele elektrických motocyklů. Dostupnost nabíjení na veřejných místech je považována za důležitou pro podporu přijetí elektrických vozidel [36]. Dostupnost nabíjení v práci [15] a dostupnost doma [37] také spotřebitelé potřebují k naplnění baterie svého vozidla. Krupa a kol. [38] uvedl, že dostupnost servisních míst pro běžnou údržbu a poškození má dopad na přijetí elektrického vozidla. Ona a kol. [15] navrhli některé veřejné pobídky, které spotřebitelé v Tchien -ťinu velmi žádají, jako je poskytování dotací na nákup elektrických motocyklů, roční sleva na dani na elektrické motocykly a politika slev na poplatcích za poplatky, když spotřebitelé potřebují nabíjet elektrický motocykl na veřejných místech [15]. Ordinální logistická regrese Ordinální logistická regrese je jednou ze statistických metod, které popisují vztah mezi závislou proměnnou s jednou nebo více nezávislými proměnnými, kde závislá proměnná je více než 2 kategorie a měřítko měření je na úrovni nebo ordinální [39]. Rovnice 1 je model pro ordinální logistickou regresi a rovnice 2 ukazuje funkci g (x) jako logitovou rovnici. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) VÝSLEDKY A DISKUSE Dotazník byl distribuován online v březnu - dubnu 2020 prostřednictvím placených reklam na Facebooku nastavením oblasti filtru: Západní Jáva, Východní Jáva, Jakarta, Střední Jáva, Severní Sumatra, Západní Sumatra, Yogyakarta, Jižní Sulawesi, Jižní Sumatra a Bali, které dosáhly 21 628 uživatelů. Celkem příchozích odpovědí bylo 1 443 odpovědí, ale pouze 1 223 odpovědí bylo způsobilých pro zpracování dat. Tabulka 2 ukazuje demografii respondentů. Popisná statistika Tabulka 3 ukazuje popisnou statistiku pro kvantitativní proměnné. Sleva na účtovací náklady, roční sleva na dani a subvence na nákupní cenu mají mimo jiné vyšší průměr. To dokazuje, že většina respondentů se domnívá, že existuje politika, kterou jim vláda daná intenzivně dokázala povzbudit k přijetí elektrických motocyklů. Pokud jde o finanční faktory, nákupní cena a náklady na baterie mají mimo jiné nižší průměr. To ukazuje, že pořizovací cena elektrického motocyklu a náklady na baterii nejsou vhodné pro rozpočet většiny respondentů. Většina respondentů považovala cenu elektrického motocyklu za příliš drahou ve srovnání s cenou konvenčního motocyklu. Náklady na výměnu baterie každé tři roky, které dosahují 5 000 000 IDR, jsou také pro většinu respondentů příliš drahé, takže pořizovací cena a náklady na baterie jsou pro Indonésana překážkou pro přijetí elektrických motocyklů. Životnost baterie, výkon, doba nabíjení mají v popisných statistikách nízké průměrné skóre, ale průměrné skóre pro tyto tři faktory je více než 4. Doba nabíjení, která trvala tři hodiny, byla pro většinu respondentů příliš dlouhá. Maximální rychlost elektrického motocyklu je 70 km/h a 3letá životnost baterie není uspokojena potřebami respondentů. To dokazuje, že většina respondentů se domnívá, že výkonové elektrické motocykly nesplňují jejich standardy. Přestože respondenti plně nedůvěřují výkonu elektrických motocyklů, EM může splnit jejich každodenní potřeby mobility. Více respondentů hodnotilo dostupnost nabíjení ve svých domovech a kancelářích více než na veřejných místech. Často se však objevuje překážka v tom, že domácí elektrická energie je stále pod 1300 VA, takže respondenti silně očekávají, že vláda bude schopna pomoci poskytovat nabíjecí zařízení doma. Dostupnost nabíjení v kanceláři je preferovanější než na veřejných místech, protože mobilita respondentů každý den zahrnuje domácnosti a kanceláře. Tabulka 4 ukazuje reakce respondentů na přijetí elektrických motocyklů. Ukazuje se, že 45 626% respondentů má silnou ochotu používat elektrický motocykl. Tento výsledek ukazuje světlou budoucnost podílu na trhu s elektrickými motocykly. Tabulka 4 také ukazuje, že téměř 55% respondentů nemá silnou ochotu používat elektrický motocykl. Zajímavé výsledky z těchto popisných statistik naznačují, že ačkoli nadšení pro používání elektrických motocyklů stále vyžaduje stimulaci, veřejné přijetí elektrických motocyklů je dobré. Dalším důvodem, který může nastat, je to, že respondenti mají přístup k tomu, aby počkali na přijetí elektrického motocyklu nebo na to, zda někdo jiný používá elektrický motocykl. Ordinální logistická regrese Data jsou zpracovávána a analyzována za účelem určení záměru adopce elektrických motocyklů v Indonésii pomocí ordinální logistické regrese. Závislou proměnnou v tomto výzkumu je ochota používat elektrický motocykl (1: silně neochotný, 2: neochotný, 3: pochybný, 4: ochotný, 5: silně ochotný). V tomto výzkumu byla jako metoda vybrána ordinální logistická regrese, protože závislá proměnná používá pořadové měřítko. Data byla zpracována pomocí softwaru SPSS 25 s úrovní spolehlivosti 95%. Byly provedeny testy multikolinearity k výpočtu variačních inflačních faktorů (VIF) s průměrným VIF 1,15- 3,693, což znamená, že v modelu není žádná multikolinearita. Hypotéza použitá při ordinální logistické regresi je uvedena v tabulce 5. Tabulka 6 ukazuje výsledky dílčích testů, které mají být základem pro odmítnutí nebo přijetí hypotézy pro ordinální logistickou regresi. Tabulka 2. Demografické údaje respondentů Demografické položky Frekvence% Demografické položky Frekvence% Sídlo Západní Jáva 345 28,2% Povolání Student 175 14,3% Východní Jáva 162 13,2% Státní zaměstnanci 88 7,2% Jakarta 192 15,7% Soukromí zaměstnanci 415 33,9% Centrální Jáva 242 19,8% Podnikatel 380 31,1% Severní Sumatera 74 6,1% Ostatní 165 13,5% Yogyakarta 61 5,0% Jižní Sulawesi 36 2,9% Věk 17-30 655 53,6% Bali 34 2,8% 31-45 486 39,7% Západní Sumatera 26 2,1% 46-60 79 6,5% Jih Sumatera 51 4,2%> 60 3 0,2% Rodinný stav svobodný 370 30,3% Poslední úroveň vzdělání SMP/SMA/SMK 701 57,3% ženatý 844 69,0% diplom 127 10,4% ostatní 9 0,7% bakalář 316 25,8% pohlaví muž 630 51,5% mistr 68 5,6 % Ženské 593 48,5% Doktorské 11 0,9% Úroveň měsíčního příjmu 0 154 12,6% Úroveň měsíční spotřeby <2 000 000 432 35,3% <IDR 2 000 000 226 18,5% 2 000 000-5 5 999 999 640 52,3% 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% ≥ 10 000 000 IDR 30 2,5% 10 000 000 IDR- 19 999 999 71 5,8% ≥ I DR 20 000 000 23 1,9% Tabulka 3. Popisné statistiky pro finanční, technologické a makroúrovňové proměnné Průměrné hodnocení Proměnné Průměrné hodnocení ML7 (disk o nákladech na nabíjení) 4,4563 1 ML3 (CS doma) 4,1554 9 ML6 (roční daňový disk. ) 4,4301 2 ML2 (CS na pracovištích) 4,1055 10 ML5 (pobídka k nákupu) 4,4146 3 ML1 (CS na veřejných místech) 4,0965 11 TE4 (bezpečnost) 4,3181 4 TE5 (životnost baterie) 4,0924 12 FI3 (náklady na nabíjení) 4,2518 5 TE2 (výkon ) 4,0597 13 TE1 (kapacita najetých kilometrů) 4,2396 6 TE3 (doba nabíjení) 4,0303 14 ML4 (servisní místo) 4,2142 7 FI1 (náklady na nákup) 3,8814 15 FI4 (náklady na údržbu) 4,1980 8 FI2 (náklady na baterii) 3,5045 16 Tabulka 4. Popisná statistika pro přijetí úmysl 1: silně neochotný 2: neochotný 3: pochybnost 4: ochotný 5: velmi ochotný ochota používat elektrický motocykl 0,327% 2,044% 15,863% 36,141% 45,626% Výsledky logistické regresní analýzy pro proměnné SD1 až SD11, které patří sociodemografické faktory ukazují výsledky, na kterých je zapnuta pouze frekvence sdílení sociální média (SD9) a úroveň environmentálních zájmů (SD11) mají významný vliv na záměr elektrických motocyklů v Indonésii. Významné hodnoty pro kvalitativní proměnnou rodinného stavu jsou 0,622 pro svobodné a 0,801 pro vdané. Tyto hodnoty nepodporují hypotézu 1. Rodinný stav významně neovlivňuje záměr přijetí elektrického motocyklu, protože významná hodnota je více než 0,05. Významná hodnota pro věk je 0,147, takže věk významně neovlivňuje záměr adoptovat elektrický motocykl. Hodnota odhadu pro věk -0,168 nepodporuje hypotézu 2. Záporné znaménko znamená, že čím vyšší věk, tím nižší úmysl adoptovat elektrický motocykl. Významná hodnota pro kvalitativní proměnnou gender (0,385) nepodporuje hypotézu 3. Pohlaví významně neovlivňuje záměr přijmout elektrický motocykl. Významná hodnota pro poslední stupeň vzdělání (0,603) nepodporuje hypotézu 4. Poslední vzdělání tedy významně neovlivňuje záměr přijmout elektrický motocykl. Hodnota odhadu pro poslední úroveň vzdělání 0,036 znamená kladné znaménko znamená, že čím vyšší úroveň vzdělání, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota pro kvalitativní proměnnou povolání byla 0,487 pro studenty, 0,999 pro státní zaměstnance, 0,600 pro soukromé zaměstnance a 0,480 pro podnikatele nepodporující hypotézu 5. Zaměstnání významně neovlivňuje záměr přijmout elektrický motocykl. UTAMI ET AL. /VĚSTNÍK O OPTIMALIZACÍCH SYSTÉMŮ V PRŮMYSLU - VOL. 19 Č. 1 (2020) 70-81 DOI: 10,25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tabel 5. Hypotéza Hypotéza Socio-H1: rodinný stav má pozitivní významný vliv na záměr přijetí elektrického motocyklu. Demo- H2: věk má pozitivní významný vliv na záměr převzetí elektrického motocyklu. obrázek H3: pohlaví má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H4: poslední úroveň vzdělání má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H5: Povolání má pozitivní významný vliv na záměr převzetí elektrického motocyklu. H6: měsíční úroveň spotřeby má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H7: měsíční úroveň příjmu má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H8: Počet vlastnictví motocyklu má pozitivní významný vliv na záměr převzetí elektrického motocyklu. H9: četnost sdílení na sociálních médiích má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H10: velikost online sociální sítě má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H11: povědomí o životním prostředí má pozitivní významný vliv na záměr přijetí elektrického motocyklu. Finanční H12: pořizovací cena má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H13: Náklady na baterie mají pozitivní významný vliv na záměr přijetí elektrického motocyklu. H14: náklady na nabíjení mají pozitivní významný vliv na záměr přijetí elektrického motocyklu. H15: Náklady na údržbu mají pozitivní významný vliv na záměr přijetí elektrického motocyklu. H16: schopnost najetých kilometrů má pozitivní významný vliv na záměr převzetí elektrického motocyklu. H17: síla má pozitivní významný vliv na záměr převzetí elektrického motocyklu. Techno-H18: doba nabíjení má pozitivní významný vliv na záměr převzetí elektrického motocyklu. logický H19: bezpečnost má pozitivní významný vliv na záměr převzetí elektrického motocyklu. H20: životnost baterie má pozitivní významný vliv na záměr převzetí elektrického motocyklu. H21: dostupnost infrastruktury nabíjecích stanic na veřejných místech má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H22: dostupnost infrastruktury dobíjecích stanic při práci má pozitivní významný vliv na záměr přijetí elektrického motocyklu. Macrolevel H23: dostupnost infrastruktury nabíjecích stanic doma má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H24: Dostupnost servisních míst má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H25: Politika pobídek k nákupu má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H26: roční sleva na dani má pozitivní významný vliv na záměr přijetí elektrického motocyklu. H27: Zásady účtování cenových slev mají pozitivní významný vliv na záměr přijetí elektrického motocyklu. Tabulka 6. Logistická regrese Částečné výsledky testu Hodnota Var Sig Sig Var Sig Sig1: single 0,349 0,622 TE1 0,146 0,069 SD1: ženatý 0,173 0,801 TE2 0,167 0,726 SD1: ostatní 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013* SD3: muž 0,117 0,385 TE5 0,068 0,765 SD3: žena 0 ML1 -0,127 0,022* SD5: studenti -0,195 0,487 ML2 0,309 0,000* SD5: civ. služba 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: ostatní 0 ML6 -0,059 0,107 SD6 0,227 0,069 ML7 0,521 0,052 SD7 0,032 0,726 TE1 0,146 0,004* SD8 0,180 0,161 TE2 0,167 0,962 SD9 0,111 0,013* TE3 0,240 SD10 0,016 0,765 TE4 -0,005 0,254 SD11 0,226 0,022* TE5 0,068 0,007* FI1 0,348 0,000* ML1 -0,127 0,009* FI2 -0,069 0,355 ML2 0,309 0,181 FI3 0,136 0,109 ML3 0,253 0,017* FI4 0,193 0,017* ML4 0,134 0,672* Významné při 95% úroveň spolehlivosti Významná hodnota pro úroveň měsíční spotřeby (0,069) hypotézu 6 nepodporuje, úroveň měsíční spotřeby významně neovlivňuje záměr přijmout elektrický motocykl. Odhadovaná hodnota pro úroveň měsíční spotřeby 0,227, kladné znaménko znamená, že čím vyšší je úroveň měsíčních výdajů, tím vyšší je záměr zavést elektrický motocykl. Významná hodnota pro úroveň měsíčního příjmu (0,726) hypotézu 7 nepodporuje, úroveň měsíčního příjmu významně neovlivňuje záměr přijmout elektrický motocykl. Hodnota odhadu pro úroveň měsíčního příjmu je 0,032, kladné znaménko znamená, že čím vyšší je úroveň měsíčního příjmu, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota počtu vlastnictví motocyklu (0,161) nepodporuje hypotézu 8, počet vlastnictví motocyklu významně neovlivňuje záměr přijmout elektrický motocykl. Hodnota odhadu pro úroveň vlastnictví motocyklu je 0,180, kladné znaménko znamená, že čím více motocyklů vlastníte, tím vyšší je záměr zavést elektrický motocykl. Významná hodnota frekvence sdílení na sociálních médiích (0,013) podporuje hypotézu 9, frekvence sdílení na sociálních médiích má významný vliv na záměr přijetí elektrického motocyklu, protože významná hodnota je menší než 0,05. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 Č. 1 (2020) 70-81 76 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Hodnota odhadu pro sdílení frekvence na sociálních médiích je 0,111, kladné znaménko znamená, že čím vyšší je frekvence sdílení někoho na sociálních médiích, tím vyšší je šance na přijetí elektrického motocykl. Významná hodnota velikosti online sociální sítě (0,765) hypotézu 10 nepodporuje, velikost dosahu sociální sítě významně neovlivňuje záměr přijetí motocyklu. Hodnota odhadu pro počet lidí dosažených v sociální síti je 0,016, kladné znaménko znamená, že čím větší je velikost sítí sociálních médií, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota úrovně povědomí o životním prostředí (0,022) podporuje hypotézu 11, úroveň ohleduplnosti k životnímu prostředí má významný vliv na záměr přijmout elektrický motocykl. Hodnota odhadu pro úroveň povědomí o životním prostředí je 0,226, pozitivní znaménko znamená, že čím vyšší úroveň environmentální zátěže má člověk, tím vyšší je záměr přijmout elektrický motocykl. Výsledky logistické regresní analýzy pro proměnné FI1 až FI4, které patří mezi finanční faktory, ukazují výsledky, že pořizovací cena (FI1) a náklady na údržbu (FI4) mají významný vliv na záměr elektrických motocyklů v Indonésii. Významná hodnota pořizovací ceny (0,00) podporuje hypotézu 12, pořizovací cena má významný vliv na záměr přijetí elektrického motocyklu.Hodnota odhadu kupní ceny je 0,348, kladné znaménko znamená, že čím vhodnější je pro někoho pořizovací cena elektrického motocyklu, tím vyšší je záměr adoptovat elektrický motocykl. Významná hodnota nákladů na baterii (0,355) nepodporuje hypotézu 13, náklady na baterii významně neovlivňují záměr přijmout elektrický motocykl. Významná hodnota nákladů na nabíjení (0,109) nepodporuje hypotézu 14, náklady na nabíjení nemají žádný významný vliv na záměr přijmout elektrický motocykl. Hodnota odhadu nákladů na nabíjení je 0,136, kladné znaménko znamená, že čím jsou náklady na nabíjení elektrického motocyklu pro někoho vhodnější, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota nákladů na údržbu (0,017) nepodporuje hypotézu 15, náklady na údržbu mají významný vliv na záměr přijmout elektrický motocykl. Hodnota odhadu nákladů na údržbu je 0,193, kladné znaménko znamená, že čím vhodnější jsou pro někoho náklady na údržbu elektrického motocyklu, tím vyšší je záměr adoptovat elektrický motocykl. Výsledky logistické regresní analýzy pro proměnné TE1 až TE5, které patří k technologickým faktorům, ukazují výsledky, že doba nabíjení baterie (TE3) má významný vliv na záměr přijetí elektrických motocyklů v Indonésii. Významná hodnota schopnosti najetých kilometrů (0,107) nepodporuje hypotézu 16, schopnost ujetých kilometrů nemá žádný významný vliv na záměr přijmout elektrický motocykl. Hodnota odhadu pro maximální počet najetých kilometrů je 0,146, kladné znaménko znamená, že čím je pro někoho vhodnější maximální počet najetých kilometrů elektrického motocyklu, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota nezávislého proměnného výkonu nebo maximální rychlosti (0,052) nepodporuje hypotézu 17, maximální rychlost významně neovlivňuje záměr převzít elektrický motocykl. Hodnota esimatu pro výkon nebo maximální rychlost je 0,167, kladné znaménko znamená, že čím vhodnější je maximální rychlost elektrického motocyklu pro osobu, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota doby nabíjení (0,004) podporuje hypotézu 18, doba nabíjení má významný vliv na záměr přijmout elektrický motocykl. Odhadovaná hodnota doby nabíjení je 0,240, kladné znaménko znamená, že čím je pro někoho vhodnější maximální rychlost elektrického motocyklu, tím vyšší je záměr adoptovat elektrický motocykl. Významná hodnota pro bezpečnost (0,962) nepodporuje hypotézu 19, bezpečnost významně neovlivňuje záměr přijmout elektrický motocykl. Hodnota odhadu pro bezpečnost je -0,005, záporné znaménko znamená, že čím bezpečnější se někdo při používání elektrického motocyklu cítí, tím nižší je záměr adoptovat si elektrický motocykl. Významná hodnota životnosti baterie (0,424) nepodporuje hypotézu 20, životnost baterie nemá žádný významný vliv na záměr adoptovat elektrický motocykl. Hodnota odhadu životnosti baterie je 0,068, kladné znaménko znamená, že čím vhodnější je životnost baterie elektrického motocyklu, tím vyšší je záměr použít elektrický motocykl. Výsledky logistické regresní analýzy pro proměnné ML1 až ML7, které patří k faktorům na makroúrovni, ukazují výsledky, které ukazují pouze na dostupnost nabíjení na pracovišti (ML2), dostupnost nabíjení v rezidenci (ML3) a politiku slevy na účtování nákladů (ML7) které mají významný vliv na záměr přijetí elektrických motocyklů v Indonésii. Významná hodnota dostupnosti nabíjení na veřejných místech (0,254) nepodporuje hypotézu 21, dostupnost nabíjení na veřejných místech významně neovlivňuje záměr zavést elektrický motocykl. Významná hodnota dostupnosti nabíjení na pracovišti (0,007) podporuje hypotézu 22, dostupnost nabíjení na pracovišti má významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota dostupnosti nabíjení doma (0,009) podporuje hypotézu 22, dostupnost nabíjení doma má významný vliv na záměr převzetí motocyklu. Významná hodnota dostupnosti servisních míst (0,181) nepodporuje hypotézu 24, dostupnost servisních míst nemá významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota pro politiku pobídek k nákupu (0,017) podporuje hypotézu 25, politika pobídek k nákupu má významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota politiky ročních daňových slev (0,672) nepodporuje hypotézu 26, politika pobídek pro roční daňové slevy nemá žádný významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota pro politiku slevy za nabíjecí náklady (0,00) podporuje hypotézu 27, politika incentivy slevy za nabíjecí náklady má významný vliv na záměr přijetí elektrického motocyklu. Podle výsledku z makroúrovňového faktoru lze přijetí elektrického motocyklu realizovat, pokud jsou spotřebitelé připraveni přistoupit k nabíjecí stanici na pracovišti, nabíjecí stanici v rezidenci a politice slevy za nabíjení. Celkově lze říci, že frekvence sdílení na sociálních médiích, úroveň povědomí o životním prostředí, nákupní ceny, náklady na údržbu, maximální rychlost elektrických motocyklů, doba nabíjení baterie, dostupnost infrastruktury nabíjecí stanice při práci, dostupnost domácí energie - nabíjecí infrastruktura, UTAMI ET AL. /VĚSTNÍK O OPTIMALIZACÍCH SYSTÉMŮ V PRŮMYSLU - VOL. 19 Č. 1 (2020) 70-81 DOI: 10,25077/josi.v19.n1.p70-81.2020 Utami et al. 77 pobídkové politiky nákupu a pobídkové politiky účtování slev na slevy významně ovlivňují záměr přijmout elektrická vozidla. Rovnicový model a funkce pravděpodobnosti Rovnice 3 je logitovou rovnicí pro volbu odpovědi „silně neochotná“ přijmout elektrický motocykl.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Rovnice 4 je logitová rovnice pro výběr odpovědi „neochotná“ přijmout elektrický motocykl.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Rovnice 5 je logitovou rovnicí pro výběr odpovědi „pochybovat“ k přijetí elektrického motocyklu.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Rovnice 6 je logitová rovnice pro možnost odpovědi „ochotná“ přijmout elektrický motocykl.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Pravděpodobnostní funkce záměrných elektrických motocyklů znázorněných v rovnici 7 až rovnici 11. Rovnice 7 je funkcí pravděpodobnosti pro výběr odpovědi „ silně neochotní “adoptovat elektrický motocykl. např. YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Rovnice 8 je funkcí pravděpodobnosti pro volbu odpovědi „neochotná“ přijmout elektrický motocykl. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Rovnice 9 je funkcí pravděpodobnosti pro volbu odpovědi „pochybovat“ k přijetí elektrického motocyklu. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Rovnice 10 je funkcí pravděpodobnosti pro volbu odpovědi „ochotné“ přijmout elektrický motocykl. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Rovnice 11 je funkcí pravděpodobnosti pro volbu odpovědi „silně ochotná“ přijmout elektrický motocykl. např. YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Pravděpodobnost přijetí adopce Rovnice obyčejné logistické regrese pak aplikováno na vzorek odpovědí respondentů. Tabulka 8 ukazuje charakteristiky a odpovědi vzorku. Pravděpodobnost odpovědi na každé kritérium závislé proměnné se tedy vypočítá na základě rovnice 7 - 11. Vzorek respondentů, kteří mají odpovědi uvedené v tabulce 7, má pravděpodobnost 0,0013 pro silně neochotu používat elektrický motocykl, pravděpodobnost 0,0114 za neochotu používat elektrický motocykl, pravděpodobnost 0,1788 v případě pochybností při používání elektrického motocyklu, pravděpodobnost 0,563 pro ochotu použít elektrický motocykl a pravděpodobnost 0,2455 pro silně ochotný používat elektrický motocykl. Rovněž byla vypočtena pravděpodobnost přijetí elektrického motocyklu pro 1 223 respondentů a průměrná hodnota pravděpodobnosti odpovědí na silně neochotu používat elektrický motocykl byla 0,0031, neochota používat elektrický motocykl byla 0,0198, pochybnosti o používání elektrického motocyklu byly 0,1482, vůle použít elektrický motocykl byl 0,3410 a silně ochotný použít elektrický motocykl byl 0,4880. Pokud je pravděpodobnost ochotných a silně ochotných sečtena, pravděpodobnost, že Indonésané přijmou elektrické motocykly, dosáhne 82,90%. Doporučení pro obchodníky a tvůrce politik V ordinální logistické regresní analýze je frekvence sdílení na sociálních médiích významným faktorem ovlivňujícím záměr přijetí elektrického motocyklu. Důležitost sociálních médií jako platformy pro veřejnost získávat informace o elektrických motocyklech ovlivní ochotu přijmout elektrické motocykly. Vláda a podnikatelé se mohou pokusit využít tento zdroj, například podnikatelé mohou propagovat prostřednictvím bonusů nebo uznání spotřebitelům, kteří si koupili elektrické motocykly a sdílejí pozitivní věci týkající se elektrických motocyklů na svých sociálních médiích. Tento způsob může ostatní stimulovat k tomu, aby se stali novým uživatelem elektrického motocyklu. Vláda může socializovat nebo představit elektrické motocykly veřejnosti prostřednictvím sociálních médií, aby motivovala veřejnost k přechodu z konvenčního motocyklu na elektrický motocykl. Tento výzkum dokazuje, jak významný je vliv makroúrovňových faktorů na přijetí elektrických motocyklů v Indonésii. V ordinální logistické regresní analýze význam infrastruktury dobíjecích stanic na pracovišti, dostupnosti infrastruktury dobíjecích stanic doma, zásady pobídek k nákupu a slevy z nákladů na nabíjení výrazně ovlivňují záměr přijetí elektrického motocyklu. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 Č. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tabulka 7. Ukázky odpovědí respondentů Variabel Odpověď Kód Hodnota Rodinný stav Ženatý X1b 2 Věk 31-45 X2 2 Pohlaví Muž X3a 1 Poslední úroveň vzdělání Master X4 4 Povolání Soukromí zaměstnanci X5c 3 Měsíčně úroveň spotřeby Rp2.000.000-5.999.999 X6 2 Měsíční úroveň příjmu Rp. 6 000 000–9,999,999 X7 3 Počet vlastnictví motocyklu ≥ 2 X8 3 Frekvence sdílení na sociálních médiích Několikrát za měsíc X9 4 Velikost online sociální sítě 100–500 lidí X10 2 Ekologické povědomí 1 X11 1 Harga beli 3 X12 3 Náklady na baterii 3 X13 3 Náklady na nabíjení 3 X13 3 Náklady na údržbu 5 X14 5 Možnosti najetých kilometrů 4 X15 4 Napájení 5 X16 5 Doba nabíjení 4 X17 4 Bezpečnost 5 X18 5 Životnost baterie 4 X19 4 Dostupnost nabíjecí stanice na veřejných místech 4 X20 4 Dostupnost nabíjecí stanice v práci 4 X21 4 Dostupnost nabíjecí stanice doma 4 X22 4 Dostupnost servisních míst 2 X23 2 Zásady pobídek k nákupu 5 X24 5 Roční sleva na dani 5 X25 5 Zásady slevy na náklady na nabíjení 5 X26 5 Náklady na nabíjení 5 X27 5 Náklady na údržbu 3 X13 3 Najeto schopnost 5 X14 5 Napájení 4 X15 4 Doba nabíjení 5 X16 5 Většina respondentů považuje dostupnost infrastruktury dobíjecích stanic doma, na pracovištích a veřejných místech za významný vliv na přijetí elektrických motocyklů. Vláda může zajistit instalaci infrastruktury nabíjecích stanic na veřejných místech na podporu adopce elektrických motocyklů. Vláda může také spolupracovat s podnikatelským sektorem, aby si to uvědomila. Při vytváření ukazatelů na makroúrovni tento výzkum navrhuje několik možností motivační politiky. Nejvýznamnějšími pobídkovými politikami podle průzkumu jsou pobídkové politiky nákupu a pobídkové politiky účtování slev, které mohou být zvažovány vládou na podporu přijetí elektrických motocyklů v Indonésii. Na finanční faktory má kupní cena významný vliv na záměr pořídit si elektrický motocykl. To je důvod, proč pobídka na dotaci na nákup také významně ovlivňuje záměr přijetí. Levnější náklady na údržbu elektrických motocyklů než konvenční motocykly významně ovlivňují záměr přijetí elektrických motocyklů. Proto dostupnost služeb, které splňují potřeby spotřebitelů, dále podpoří záměr přijetí elektrických motocyklů, protože většina uživatelů nezná součásti v elektrických motocyklech, takže v případě nějakých škod potřebují kvalifikovaného technika. Výkon elektrických motocyklů splnil potřeby spotřebitelů, aby splnili jejich každodenní mobilitu. Maximální rychlost elektrického motocyklu a doba nabíjení jsou schopny splnit standardy požadované spotřebiteli. Lepší výkon motocyklu, jako je vyšší bezpečnost, životnost baterie a další kilometrový výkon, však rozhodně zvýší záměr přijetí elektrického motocyklu. Kromě zvýšení investic do technologií musí vláda a podniky také zlepšit systém hodnocení bezpečnosti a spolehlivosti elektrických motocyklů, aby se zvýšila důvěra veřejnosti. Pro podniky je podpora kvality a výkonu jedním z nejúčinnějších způsobů, jak zvýšit nadšení spotřebitelů pro elektrické motocykly. Spotřebitelé, kteří jsou mladší a mají vyšší úroveň vzdělání, mohou být zaměřeni na to, aby se stali prvními osvojiteli, protože se již stanou optimističtějšími a mají širokou síť. Segmentace trhu lze dosáhnout spuštěním konkrétních modelů pro cílové spotřebitele. Kromě toho respondenti s vyšším povědomím o životním prostředí s větší pravděpodobností chtěli adoptovat motocykly. UTAMI ET AL. /VĚSTNÍK O OPTIMALIZACÍCH SYSTÉMŮ V PRŮMYSLU - VOL. 19 Č. 1 (2020) 70-81 DOI: 10,25077/josi.v19.n1.p70-81.2020 Utami et al. 79 ZÁVĚRY Přechod z konvenčních motocyklů na elektrické motocykly může být nejlepším řešením k překonání problému vysokých hladin CO2 v Indonésii. Indonéská vláda si také uvědomila a zasáhla stanovením různých politik týkajících se elektrických vozidel v Indonésii. Ale ve skutečnosti je přijetí elektrických vozidel v Indonésii stále ve velmi rané fázi, dokonce daleko od cílů stanovených vládou. Životní prostředí nepodporuje přijetí elektrických motocyklů, jako například žádné podrobnější předpisy a nedostatek podpůrné infrastruktury způsobující nízké přijetí elektrických vozidel v Indonésii. Tento výzkum provedl průzkum 1223 respondentů z 10 provincií, které měly celkem 80% celkové distribuce prodeje motocyklů v Indonésii, aby prozkoumal významné faktory ovlivňující záměry přijetí elektrických motocyklů v Indonésii a zjistil pravděpodobnostní funkce. Ačkoli většina respondentů nadšenců do elektrických motocyklů a chce v budoucnu vlastnit elektrický motocykl, jejich zájem o přijetí elektrického motocyklu je v dnešní době relativně malý. Respondenti v současné době nechtějí používat elektrické motocykly z různých důvodů, jako je nedostatečná infrastruktura a zásady. Mnoho respondentů má postoj čekání a pohledu na přijetí elektrických motocyklů, přičemž finanční faktory, technologické faktory a makroúrovně musí splňovat požadavky spotřebitelů. Tento výzkum dokazuje, jak významná je frekvence sdílení na sociálních médiích, úroveň povědomí o životním prostředí, nákupní ceny, náklady na údržbu, maximální rychlost elektrických motocyklů, doba nabíjení baterie, dostupnost infrastruktury nabíjecí stanice při práci, dostupnost nabíjecí infrastruktury doma, zásady pobídek k nákupu a zásady pobídky se slevou na náklady podporují přijetí elektrických motocyklů v Indonésii. Vláda musí podporovat poskytování infrastruktury nabíjecích stanic a vytváření pobídkových politik s cílem urychlit zavádění elektrických motocyklů v Indonésii. Výrobci musí zvážit zlepšení technologických faktorů, jako je počet najetých kilometrů a životnost baterie, aby podpořili zavádění elektrických motocyklů. Finanční faktory, jako jsou kupní ceny a náklady na baterie, musí být předmětem zájmu podniků a vlády. Mělo by se využít maximální využití sociálních sítí k zavedení elektrického motocyklu do komunity. Komunity v mladém věku se mohou propagovat jako první osvojitelé, protože mají širokou síť sociálních médií. Realizace přijetí elektrických motocyklů v Indonésii vyžaduje připravenost infrastruktury a náklady, které mohou spotřebitelé akceptovat. To se podařilo vládě realizovat prostřednictvím silných vládních závazků v několika zemích, kterým se podařilo nahradit konvenční vozidla. Další výzkum se zaměří na nalezení vhodných politik pro urychlení zavádění elektrických motocyklů v Indonésii. ODKAZY [1] Indonésie. Statan Badan Pusat; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Online]. K dispozici: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: domácí distribuce a exportní statistiky, 2020. [online]. https://www.aisi.or.id/statistic. [Přístup: březen. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina a R. Siregar, „Elektrická vozidla v Indonésii: cesta k udržitelné dopravě“, Solidiance: Zpráva o trhu, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto a M. Nizam, „Model komercializace lithium-iontové baterie nové technologie: případová studie pro inteligentní elektrická vozidla“, sborník ze společné mezinárodní konference o venkovských informačních a komunikačních technologiích a technologii elektrických vozidel z roku 2013, rICT a ICEV -T 2013, 6741511. https://doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini a V. Bosetti, „Going electric: Expert survey on the future of battery technologies for electric vehicles. In Inovace pod nejistotou, “v Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz a MK Patel,„ O elektrifikaci silniční dopravy - přehled environmentální, ekonomické a sociální výkonnosti elektrických jednostopých vozidel, “Transportation Research Part D: Transport and Environment, vol. 41, s. 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, „Produksi Kit Konversi Kendaraan Listrik Berbasis Baterai Untuk Sepeda Motor Roda Dua Dan Roda Tiga,“ Laporan Akhir Hibah PPTI, Badan Pengelola Usaha Universitas Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo a R. Zakaria, „Markovova řetězová analýza k identifikaci tržního podílu predikce nové technologie: případová studie motocyklu pro elektrickou konverzi v Surakartě v Indonésii“, sborník konference AIP, sv. 2217 (1), s. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo a EA Kadir, „Indonéský standard ferofosfátu lithium-iontového bateriového článku pro umístění elektromobilů“, TELKOMNIKA Indonesian Journal of Electrical Engineering, sv. 15 (2), s. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy a ABMulyono, „Designing framework for standardization and testing requirements of battery management system for electric vehicle application“, Proceeding - 4th Mezinárodní konference o technologii elektrických vozidel, s. 7–12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, „A Review of Electric Vehicles Charging Standard Development: Study Case in Indonesia“, Proceeding - 2018 5th International Conference on Electric Vehicular Technology, roč. 8628367, s. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Stop Mobil Berbahan Bakar Minyak, 2017. [Online]. gaikindo.or.id. [Přístup: březen. 20, 2020]. [13] S. Goldenberg, „Indonésie sníží emise uhlíku o 29% do roku 2030“, Guardian, 2015. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 Č. 1 (2020) 70-81 80 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang a HA Bekhet, „Modelování záměrů používání elektrických vozidel: Empirická studie v Malajsii“, Journal of Cleaner Production, sv. 92, s. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma a BC Xie: „Jaké jsou překážky širokého přijetí bateriových elektrických vozidel? Průzkum veřejného vnímání v čínském Tchien -ťinu, “Journal of Transport Policy, sv. 56, s. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis a A. Jones, „Analýza nástupu bateriových elektrických vozidel: Vyšetřování překážek mezi řidiči ve Velké Británii“, Transportation Research Část D: Doprava a životní prostředí, sv. 63, s. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge a C. Shao, „Vyšetřování faktorů ovlivňujících příjem elektrických vozidel v Pekingu v Číně: Statistické a prostorové perspektivy“, Journal of Cleaner Production, sv. 213, s. 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 (2. vydání). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, „Přijetí spotřebitele versus rozhodnutí o odmítnutí u zdánlivě podobných inovací služeb: Případ internetu a mobilního bankovnictví“, Journal of Business Research, sv. 69 (7), s. 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur a R. Kemp, „Přijetí PV v Nizozemsku: Statistická analýza faktorů přijetí“, Renewable and Sustainable Energy Reviews, sv. 41, s. 483–494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil a J. Emparanza, „Využití modifikovaného modelu přijetí technologie k hodnocení přijetí nového systému monitorování zdravotnickými pracovníky“, Telemedicine and e-Health, sv. 18 (1), s. 54–59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer a P. Abrahamsson, „Průzkumná studie o hlavních technických překážkách ovlivňujících rozhodnutí o přijetí cloudových služeb“, Journal of Systems and Software, sv. 103, s. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto a W. Sutopo, „Analýza vnímání spotřebitelů elektromobilů v Indonésii spotřebiteli“, sborník z konference AIP (sv. 2217, č. 1, s. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo a M. Nizam, „Navrhovaná komercializace technologie obchodních procesů: případová studie inkubace technologie elektromobilů“, sborník z mezinárodní konference z roku 2014 o elektrotechnice a informatice, ICEECS, 7045257, pp. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, S. lékařské vědy: MJMS, roč. 25 (4), s. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab a A. Jam'an, „Metodologi Penelitian Bisnis“, Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius a CC Lu, „Poháněná dvoukolka pro udržitelnou mobilitu: Přehled přijetí elektrických motocyklů spotřebiteli “, International Journal of Sustainable Transportation, sv. 15 (3), s. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka a N. Anzinger, „Záměry nákupu elektrických vozidel čínských, ruských a brazilských občanů: mezinárodní srovnávací studie“, Journal of cleaner production, sv. 205, s. 188–200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat a B. Van Wee, „Vliv finančních pobídek a dalších socioekonomických faktorů na přijetí elektrických vozidel“, Energy Policy, sv. 68, s. 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane a JD Graham, „Vnímání a realita: znalost veřejnosti o plug-in elektrických vozidlech v 21 městech USA“, Energy Policy, sv. 63, s. 433–440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony a B. Caulfield, „Jak by měly být klasifikovány bariéry pro alternativní paliva a vozidla a hodnoceny potenciální politiky na podporu inovativních technologií?“, Journal of Cleaner Production, sv. 35, s. 140–151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue a S. Long, „Bariéry rozšířeného přijetí elektrických vozidel: analýza postojů a vnímání spotřebitelů“, Journal of Energy Policy, sv. 48, s. 717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan a YM Wei, „Dopad vládní politiky na preference NEV: důkazy z Číny“, Energy Policy, sv. 61, s. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool a RF Hirsh, „Za bateriemi: zkoumání výhod a překážek plug-in hybridních elektrických vozidel (PHEV) a přechodu vozidla na síť (V2G)“, energetická politika, sv. 37, s. 1095–1103, 2009. https://doi.org/10.1016/j.enpol.2008.10.005. [35] E. Graham-Rowe, B. Gardner, C. Abraham, S. Skippon, H. Dittmar, R. Hutchins a J. Stannard, „Hlavní spotřebitelé, kteří řídí plug-in bateriově elektrická a hybridní elektrická auta: kvalitativní analýza odpovědí a hodnocení “, Transp. Res. Část A: Zásady politiky, sv. 46, s. 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi a SL Mabit, „Hlavní spotřebitelé, kteří jezdí s elektricky poháněnými plug-in bateriemi a hybridními elektromobily: kvalitativní analýza reakcí a hodnocení“, Transp. Res. Část D: Transp. Environ., Sv. 25, s. 24–32, 2013. [Online]. K dispozici: ScienceDirect. [37] ND Caperello a KS Kurani, „Příběhy domácností o jejich setkání s plug -in hybridním elektrickým vozidlem“, Environ. Behav., Sv. 44, s. 493–508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju a CE Warrender, „Příběhy domácností o jejich setkání s plug-in hybridním elektrickým vozidlem“, Analýza spotřebitelského průzkumu na UTAMI ET AL. /VĚSTNÍK O OPTIMALIZACÍCH SYSTÉMŮ V PRŮMYSLU - VOL. 19 Č. 1 (2020) 70-81 DOI: 10,25077/josi.v19.n1.p70-81.2020 Utami et al. 81 plug-in hybridních elektrických vozidel. Transp. Res. Část A: Zásady politiky, sv. 64, s. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer a S. Lemeshow, „Aplikovaná logistická regrese. Druhé vydání “, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENKLATURA j kategorie závislých proměnných (j = 1, 2, 3, 4, 5) k nezávislé kategorie proměnných (k = 1, 2, 3,…, m) i kvalitativní nezávislé kategorie proměnných n pořadí respondentů β0j zachytí každou odpověď závislých proměnná Xk kvantitativně nezávislá proměnná Xik kvantitativně nezávislá proměnná Y závislá proměnná Pj (Xn) příležitost pro každou kategorii nezávislých proměnných pro každého respondenta AUTORSKÉ BIOGRAFIE Martha Widhi Dela Utami Martha Widhi Dela Utami je vysokoškolákem průmyslového inženýrství katedry Universitas Sebelas Maret. Patří do laboratoře logistiky a obchodního systému. Její výzkumné zájmy jsou logistika a řízení dodavatelského řetězce a průzkum trhu. Vydala svou první publikaci o analýze vnímání spotřebitelů elektromobilů v Indonésii v roce 2019. Yuniaristanto Yuniaristanto je přednášející a výzkumný pracovník v oddělení průmyslového inženýrství Universitas Sebelas Maret. Jeho výzkumné zájmy jsou dodavatelský řetězec, simulační modelování, měření výkonu a komercializace technologií. Má publikace, které indexoval Scopus, 41 článků se 4 H-indexem. Jeho e -mail je yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, je držitelem inženýrského profesního titulu (Ir) ze studijního programu profesionálního inženýra - Universitas Sebelas Maret (UNS) v roce 2019. Doktorát v oboru průmyslového inženýrství a management získal na Institut Teknologi Bandung (ITB) na 2011, Master of Science in Management z Universitas Indonesia v roce 2004 a Bachelor of Engineering in Industrial Engineering z ITB v roce 1999. Jeho výzkumné zájmy jsou dodavatelský řetězec, inženýrská ekonomika a analýza nákladů a komercializace technologií. Získal více než 30 výzkumných grantů. Má publikace, které indexoval Scopus, 117 článků se 7 H-indexem. Jeho e -mail je wahyudisutopo@staff.uns.ac.id.Výsledky logistické regresní analýzy pro proměnné TE1 až TE5, které patří k technologickým faktorům, ukazují výsledky, že doba nabíjení baterie (TE3) má významný vliv na záměr přijetí elektrických motocyklů v Indonésii. Významná hodnota schopnosti najetých kilometrů (0,107) nepodporuje hypotézu 16, schopnost ujetých kilometrů nemá žádný významný vliv na záměr přijmout elektrický motocykl. Hodnota odhadu pro maximální počet najetých kilometrů je 0,146, kladné znaménko znamená, že čím je pro někoho vhodnější maximální počet najetých kilometrů elektrického motocyklu, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota nezávislého proměnného výkonu nebo maximální rychlosti (0,052) nepodporuje hypotézu 17, maximální rychlost významně neovlivňuje záměr převzít elektrický motocykl. Hodnota esimatu pro výkon nebo maximální rychlost je 0,167, kladné znaménko znamená, že čím vhodnější je maximální rychlost elektrického motocyklu pro osobu, tím vyšší je záměr přijmout elektrický motocykl. Významná hodnota doby nabíjení (0,004) podporuje hypotézu 18, doba nabíjení má významný vliv na záměr přijmout elektrický motocykl. Odhadovaná hodnota doby nabíjení je 0,240, kladné znaménko znamená, že čím je pro někoho vhodnější maximální rychlost elektrického motocyklu, tím vyšší je záměr adoptovat elektrický motocykl. Významná hodnota pro bezpečnost (0,962) nepodporuje hypotézu 19, bezpečnost významně neovlivňuje záměr přijmout elektrický motocykl. Hodnota odhadu pro bezpečnost je -0,005, záporné znaménko znamená, že čím bezpečnější se někdo při používání elektrického motocyklu cítí, tím nižší je záměr adoptovat si elektrický motocykl. Významná hodnota životnosti baterie (0,424) nepodporuje hypotézu 20, životnost baterie nemá žádný významný vliv na záměr adoptovat elektrický motocykl. Hodnota odhadu životnosti baterie je 0,068, kladné znaménko znamená, že čím vhodnější je životnost baterie elektrického motocyklu, tím vyšší je záměr použít elektrický motocykl. Výsledky logistické regresní analýzy pro proměnné ML1 až ML7, které patří k faktorům na makroúrovni, ukazují výsledky, které ukazují pouze na dostupnost nabíjení na pracovišti (ML2), dostupnost nabíjení v rezidenci (ML3) a politiku slevy na účtování nákladů (ML7) které mají významný vliv na záměr přijetí elektrických motocyklů v Indonésii. Významná hodnota dostupnosti nabíjení na veřejných místech (0,254) nepodporuje hypotézu 21, dostupnost nabíjení na veřejných místech významně neovlivňuje záměr zavést elektrický motocykl. Významná hodnota dostupnosti nabíjení na pracovišti (0,007) podporuje hypotézu 22, dostupnost nabíjení na pracovišti má významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota dostupnosti nabíjení doma (0,009) podporuje hypotézu 22, dostupnost nabíjení doma má významný vliv na záměr převzetí motocyklu. Významná hodnota dostupnosti servisních míst (0,181) nepodporuje hypotézu 24, dostupnost servisních míst nemá významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota pro politiku pobídek k nákupu (0,017) podporuje hypotézu 25, politika pobídek k nákupu má významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota politiky ročních daňových slev (0,672) nepodporuje hypotézu 26, politika pobídek pro roční daňové slevy nemá žádný významný vliv na záměr přijetí elektrického motocyklu. Významná hodnota pro politiku slevy za nabíjecí náklady (0,00) podporuje hypotézu 27, politika incentivy slevy za nabíjecí náklady má významný vliv na záměr přijetí elektrického motocyklu. Podle výsledku z makroúrovňového faktoru lze přijetí elektrického motocyklu realizovat, pokud jsou spotřebitelé připraveni přistoupit k nabíjecí stanici na pracovišti, nabíjecí stanici v rezidenci a politice slevy za nabíjení. Celkově lze říci, že frekvence sdílení na sociálních médiích, úroveň povědomí o životním prostředí, nákupní ceny, náklady na údržbu, maximální rychlost elektrických motocyklů, doba nabíjení baterie, dostupnost infrastruktury nabíjecí stanice při práci, dostupnost domácí energie - nabíjecí infrastruktura, UTAMI ET AL. /VĚSTNÍK O OPTIMALIZACÍCH SYSTÉMŮ V PRŮMYSLU - VOL. 19 Č. 1 (2020) 70-81 DOI: 10,25077/josi.v19.n1.p70-81.2020 Utami et al. 77 pobídkové politiky nákupu a pobídkové politiky účtování slev na slevy významně ovlivňují záměr přijmout elektrická vozidla. Rovnicový model a funkce pravděpodobnosti Rovnice 3 je logitovou rovnicí pro volbu odpovědi „silně neochotná“ přijmout elektrický motocykl.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Rovnice 4 je logitová rovnice pro výběr odpovědi „neochotná“ přijmout elektrický motocykl.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Rovnice 5 je logitovou rovnicí pro výběr odpovědi „pochybovat“ k přijetí elektrického motocyklu.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Rovnice 6 je logitová rovnice pro možnost odpovědi „ochotná“ přijmout elektrický motocykl.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Pravděpodobnostní funkce záměrných elektrických motocyklů znázorněných v rovnici 7 až rovnici 11. Rovnice 7 je funkcí pravděpodobnosti pro výběr odpovědi „ silně neochotní “adoptovat elektrický motocykl. např. YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Rovnice 8 je funkcí pravděpodobnosti pro volbu odpovědi „neochotná“ přijmout elektrický motocykl. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Rovnice 9 je funkcí pravděpodobnosti pro volbu odpovědi „pochybovat“ k přijetí elektrického motocyklu. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Rovnice 10 je funkcí pravděpodobnosti pro volbu odpovědi „ochotné“ přijmout elektrický motocykl. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Rovnice 11 je funkcí pravděpodobnosti pro volbu odpovědi „silně ochotná“ přijmout elektrický motocykl. např. YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Pravděpodobnost přijetí adopce Rovnice obyčejné logistické regrese pak aplikováno na vzorek odpovědí respondentů. Tabulka 8 ukazuje charakteristiky a odpovědi vzorku. Pravděpodobnost odpovědi na každé kritérium závislé proměnné se tedy vypočítá na základě rovnice 7 - 11. Vzorek respondentů, kteří mají odpovědi uvedené v tabulce 7, má pravděpodobnost 0,0013 pro silně neochotu používat elektrický motocykl, pravděpodobnost 0,0114 za neochotu používat elektrický motocykl, pravděpodobnost 0,1788 v případě pochybností při používání elektrického motocyklu, pravděpodobnost 0,563 pro ochotu použít elektrický motocykl a pravděpodobnost 0,2455 pro silně ochotný používat elektrický motocykl. Rovněž byla vypočtena pravděpodobnost přijetí elektrického motocyklu pro 1 223 respondentů a průměrná hodnota pravděpodobnosti odpovědí na silně neochotu používat elektrický motocykl byla 0,0031, neochota používat elektrický motocykl byla 0,0198, pochybnosti o používání elektrického motocyklu byly 0,1482, vůle použít elektrický motocykl byl 0,3410 a silně ochotný použít elektrický motocykl byl 0,4880. Pokud je pravděpodobnost ochotných a silně ochotných sečtena, pravděpodobnost, že Indonésané přijmou elektrické motocykly, dosáhne 82,90%. Doporučení pro obchodníky a tvůrce politik V ordinální logistické regresní analýze je frekvence sdílení na sociálních médiích významným faktorem ovlivňujícím záměr přijetí elektrického motocyklu. Důležitost sociálních médií jako platformy pro veřejnost získávat informace o elektrických motocyklech ovlivní ochotu přijmout elektrické motocykly. Vláda a podnikatelé se mohou pokusit využít tento zdroj, například podnikatelé mohou propagovat prostřednictvím bonusů nebo uznání spotřebitelům, kteří si koupili elektrické motocykly a sdílejí pozitivní věci týkající se elektrických motocyklů na svých sociálních médiích. Tento způsob může ostatní stimulovat k tomu, aby se stali novým uživatelem elektrického motocyklu. Vláda může socializovat nebo představit elektrické motocykly veřejnosti prostřednictvím sociálních médií, aby motivovala veřejnost k přechodu z konvenčního motocyklu na elektrický motocykl. Tento výzkum dokazuje, jak významný je vliv makroúrovňových faktorů na přijetí elektrických motocyklů v Indonésii. V ordinální logistické regresní analýze význam infrastruktury dobíjecích stanic na pracovišti, dostupnosti infrastruktury dobíjecích stanic doma, zásady pobídek k nákupu a slevy z nákladů na nabíjení výrazně ovlivňují záměr přijetí elektrického motocyklu. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 Č. 1 (2020) 70-81 78 Utami et al. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tabulka 7. Ukázka odpovědí respondentů Variabel Odpověď Kód Hodnota Rodinný stav Ženatý X1b 2 Věk 31-45 X2 2 Pohlaví Muž X3a 1 Poslední úroveň vzdělání Master X4 4 Povolání Soukromí zaměstnanci X5c 3 Měsíčně úroveň spotřeby Rp2.000.000-5.999.999 X6 2 Měsíční úroveň příjmu Rp. 6 000 000–9,999,999 X7 3 Počet vlastnictví motocyklu ≥ 2 X8 3 Frekvence sdílení na sociálních médiích Několikrát za měsíc X9 4 Velikost online sociální sítě 100