Pamrentah Indonesia nargetake adopsi 2,1 yuta unit kendaraan listrik roda loro lan 2.200 unit kendaraan listrik roda papat ing taun 2025 lumantar Peraturan Presiden Republik Indonesia Nomor 22 taun 2017 babagan Rencana Umum Energi Nasional. Ing taun 2019, Pemerintah Indonesia ngetokake Peraturan Presiden Nomor 55 ing taun 2019 babagan Akselerasi Program Kendaraan Listrik Baterai kanggo Transportasi Dalan. Ing taun 2018, adopsi kendharaan listrik roda loro mung tekan 0,14% target pamrentah ing taun 2025. Mula, adopsi teknologi Motor Sepeda Motor (EM) uga kudu nganggep akeh faktor sing sukses. Panliten iki nggawe model niat adopsi kendaraan listrik non-prilaku. Faktor kasebut kalebu sosiodemografi, finansial, teknologi, lan macrolevel. Survei online kalebu 1.223 responden. Regresi logistik digunakake kanggo entuk fungsi lan nilai probabilitas niat nggunakake EM ing Indonesia. Frekuensi nuduhake ing media sosial, level kesadaran lingkungan, rega tuku, biaya pangopènan, kacepetan maksimal, wektu ngisi daya batere, kasedhiyan prasarana pangisian daya ing papan kerja, kasedhiyan basis listrik ing omah - prasarana pengisian daya, kabijakan insentif tuku, lan diskon biaya kabijakan insentif mengaruhi niat kanggo nggunakake kendaraan listrik. Iki uga nuduhake manawa kesempatan kanggo masarakat Indonesia nggunakake motor listrik tekan 82,90%. Mujudake adopsi motor listrik ing Indonesia mbutuhake kesiapan infrastruktur lan biaya sing bisa ditampa konsumen. Pungkasan, asil panliten iki nyedhiyakake sawetara saran supaya pamrentah lan bisnis nyepetake adopsi motor listrik ing Indonesia.

PURWAKA

Sektor ekonomi ing Indonesia (transportasi, generasi listrik, lan rumah tangga) umume nggunakake bahan bakar fosil. Sawetara efek negatif saka katergantungan sing dhuwur ing bahan bakar fosil yaiku tambah alokasi kanggo subsidi bahan bakar, masalah kelestarian energi, lan tingkat emisi CO2 sing dhuwur. Transportasi minangka sektor utama sing nyumbang kanggo tingkat dhuwur ing udara ing udara amarga akeh panggunaan kendaraan bahan bakar fosil. Panaliten iki fokus ing motor amarga Indonesia, minangka negara berkembang, duwe motor luwih akeh tinimbang mobil. Jumlah motor ing Indonesia tekan 120,101,047 unit ing taun 2018 [1] lan penjualan sepeda motor tekan 6.487.460 unit ing taun 2019 [2]. Ganti sektor transportasi menyang sumber energi alternatif bisa nyuda tingkat CO2 sing dhuwur. Solusi realistis kanggo masalah iki yaiku ngetrapake logistik ijo liwat penetrasi kendaraan listrik ing Indonesia kayata kendaraan listrik hibrida, plug-in kendaraan listrik hibrida, lan kendaraan listrik batere [3]. Inovasi teknologi kendaraan listrik lan inovasi teknologi batere bisa nyedhiyakake solusi transportasi sing ramah lingkungan, hemat energi, lan biaya operasional lan perawatan sing luwih murah [4]. Kendaraan listrik akeh sing dibahas dening negara-negara ing saindenging jagad. Ing bisnis kendaraan listrik global, ana pertumbuhan penjualan sing signifikan kanggo motor listrik roda loro sing tekan 58% utawa udakara 1,2 yuta unit saka 2016 nganti 2017. Wutah penjualan iki nuduhake respon sing apik saka negara-negara ing saindenging jagad babagan pangembangan listrik teknologi motor ing sawijining dina, motor listrik ngarep-arep ngganti kendaraan sing bahan bakar fosil. Objek paneliten yaiku Sepeda Motor Listrik (EM) sing kasusun saka Desain Anyar Motor Listrik (NDEM) lan Motor Listrik Konversi (CEM). Jenis pertama, Desain Anyar Sepeda Motor Listrik (NDEM), minangka kendaraan sing dirancang dening perusahaan sing nggunakake teknologi listrik kanggo operasine. Sawetara negara ing saindenging jagad kayata Australia, Jerman, Inggris, Prancis, Jepang, Taiwan, Korea Selatan, lan China wis nggunakake motor listrik minangka produk pengganti kendharaan motor bahan bakar fosil [5]. Salah sijine motor listrik yaiku Zero Motor sing ngasilake motor listrik olahraga [6]. PT. Gesits Technologies Indo uga ngasilake sepeda motor listrik roda loro kanthi merek Gesits. Jinis nomer loro yaiku CEM. Sepeda listrik listrik sing diowahi minangka motor sing nganggo bahan bakar minyak ing endi bagian motor lan mesin diganti nganggo baterai batere Lithium Ferro Phosphate (LFP) minangka sumber energi. Sanajan akeh negara ngasilake motor listrik, ora ana sing nggawe kendaraan kanthi nggunakake teknik konversi. Konversi bisa ditindakake nganggo motor roda loro sing wis ora digunakake maneh para penggunane. Universitas Sebelas Maret minangka pionir ing pabrik CEM lan teknis mbuktekake manawa baterai Lithium-Ion bisa ngganti sumber energi bahan bakar fosil ing motor konvensional. CEM nggunakake teknologi LFP, batere iki ora njeblug nalika ana sirkuit cendhak. Kajaba iku, batere LFP duwe umur panggunaan dawa nganti 3000 siklus panggunaan lan luwih dawa tinimbang batere EM komersial saiki (kayata Baterai Lithium-Ion lan Batere LiPo). CEM bisa lelungan 55 km / ngisi daya lan kecepatan maksimal nganti 70 km / jam [7]. Jodinesa, dkk. [8] mriksa pangsa pasar motor listrik sing bisa diowahi ing Surakarta, Indonesia lan nyebabake masarakat Surakarta nanggapi kanthi positif marang CEM. Saka panjelasan ing ndhuwur, bisa dingerteni manawa kesempatan kanggo motor listrik iku gedhe banget. Sawetara panaliten babagan standar sing ana gandhengane karo kendaraan listrik lan batere wis dikembangake, kayata standar baterai Lithium Ion dening Sutopo et al. [9], standar sistem manajemen batere dening Rahmawatie dkk. [10], lan standar pangisian daya kendaraan listrik dening Sutopo et al. [11]. Tingkat adopsi kendharaan listrik listrik sing alon ing Indonesia nyebabake pamrentah ngeculake sawetara kabijakan pangembangan industri otomotif lan rencana target target adopsi 2,1 yuta unit motor listrik lan 2.200 unit mobil listrik ing taun 2025. Kajaba iku, pamrentah uga nargetake Indonesia supaya bisa ngasilake 2.200 mobil listrik utawa hibrida sing ditulis ing Peraturan Presiden Republik Indonesia Nomer 22 taun 2017 babagan Rencana Umum Energi Nasional. Aturan iki wis ditrapake dening macem-macem negara kayata Prancis, Inggris, Norwegia, lan India. Menteri Energi lan Sumber Daya Mineral wis nemtokake target sing wiwit taun 2040, penjualan Kendaraan Mesin Pembakaran Internal (ICEV) dilarang lan masarakat dijaluk nggunakake kendaraan berbasis listrik [12]. Ing taun 2019 Pamrentah Indonesia ngetokake Peraturan Presiden Nomor 55 taun 2019 babagan Akselerasi Program Kendaraan Motor Listrik Berbasis Baterai kanggo Transportasi Dalan. Usaha kasebut minangka langkah kanggo ngatasi rong masalah, yaiku nyuda cadangan minyak bahan bakar lan polusi udara. Babagan polusi udara, Indonesia komitmen kanggo nyuda 29% emisi karbon dioksida ing taun 2030 minangka asil Konferensi Perubahan Iklim Paris sing dianakake ing taun 2015. Ing taun 2018, penetrasi kendaraan listrik roda loro mung tekan 0,14% target pemerintah yaiku 2025, nalika listrik papat roda tekan luwih saka 45%. Ing wulan Desember 2017, paling ora ana luwih saka 1,300 stasiun pengisian listrik umum sing kasedhiya ing saindenging negara ing 24 kutha, ing endi 71% (924 stasiun pengisi ulang) sing ana ing DKI Jakarta [13]. Akeh negara sing wis riset babagan adopsi kendaraan listrik, nanging ing Indonesia, riset skala nasional durung nate ditindakake sadurunge. Ana pirang-pirang jinis riset ing sawetara negara sing wis nindakake panelitian babagan adopsi teknologi anyar kanthi nggunakake sawetara metode kayata sawetara regresi linier kanggo ngerti maksud panggunaan kendaraan listrik ing Malaysia [14], Pemodelan Persamaan Struktural (SEM) kanggo ngerti adopsi kendharaan kendharaan listrik batere ing Tianjin, China [15], analisis faktor eksplorasi & model regresi multivariat kanggo ngerti alangan ing antarane para pengemudi kendaraan listrik ing Inggris [16], lan regresi logistik kanggo ngerti faktor-faktor sing mengaruhi panyerepan kendharaan listrik ing Beijing, Cina [17]. Tujuan panliten iki yaiku nggawe model adopsi motor listrik ing Indonesia, kanggo nemokake faktor-faktor sing pengaruhe nggunakake motor listrik ing Indonesia, lan kanggo nemtokake kesempatan fungsi kanggo nggunakake motor listrik ing Indonesia. Modeling faktor penting kanggo ngerteni faktor-faktor sing pengaruhe kepengin nggunakake motor listrik ing Indonesia. Faktor pengaruh kasebut bisa digunakake minangka referensi kanggo nyusun kebijakan sing cocog kanggo nyepetake adopsi motor listrik. Faktor pinunjul kasebut minangka gambaran kondhisi sing ideal sing dikarepake dening para pangguna motor motor listrik ing Indonesia. Sawetara kementerian ing Indonesia ana gandhengane karo ngrumusake kabijakan babagan kendharaan listrik yaiku Menteri Perindustrian sing ngatasi aturan pajak kendaraan adhedhasar emisi sing menehi hasil langsung karo pabrikan kendaraan listrik, Menteri Perhubungan sing nglakokake tes kelayakan kendaraan listrik sing bakal mbukak dalan gedhe kayata tes baterai lan liya-liyane, uga Menteri Energi lan Sumber Daya Mineral sing tanggung jawab kanggo nyusun tarif Stasiun Pengisian Kendaraan Listrik menyang infrastruktur bisnis pengisian kendaraan listrik. Inovasi kendaraan listrik uga nyengkuyung kelairan entitas bisnis anyar ing rantai pasokan kalebu teknopreneur lan start-up saka pangembang, pemasok, pabrikan, lan distributor produk / layanan kendaraan listrik lan turunane menyang pasar [24]. Pengusaha sepeda motor listrik uga bisa ngembangake teknologi lan pemasaran kanthi nimbang faktor-faktor penting kasebut kanggo nyengkuyung kasunyatane motor listrik dudu motor konvensional ing Indonesia. Regresi logistik ordinal digunakake kanggo entuk fungsi lan nilai probabilitas niat nggunakake motor listrik ing Indonesia nggunakake piranti lunak SPSS 25. Regresi logistik utawa regresi logit minangka pendekatan kanggo nggawe model prediksi. Regresi logistik ing statistik sing digunakake kanggo prédhiksi kemungkinan kedadeyan sing kedadeyan kanthi cocog karo data ing fungsi logistik kurva logit. Cara iki minangka model linear umum kanggo regresi binomial [18]. Regresi logistik digunakake kanggo prédhiksi panriman internet lan adopsi perbankan seluler [19], prédhiksi ditampa adopsi teknologi volta foto ing Walanda [20], prédhiksi ditampa teknologi sistem telemonitoring kanggo kesehatan [21], lan kanggo nemokake metu alangan teknis sing mengaruhi keputusan nggunakake layanan cloud [22]. Utami dkk. [23] sing sadurunge nindakake riset babagan pemahaman konsumen babagan kendaraan listrik ing Surakarta, nemokake manawa rega tuku, model, kinerja kendharaan, lan kesiapan prasarana minangka kendala paling gedhe tumrap wong sing nggunakake kendaraan listrik. METODE Data sing diklumpukake ing panliten iki yaiku data primer sing dipikolehi liwat survei online kanggo ngerteni kesempatan lan faktor sing pengaruhe kepengin nggunakake motor listrik ing Indonesia. Angket lan Survei Survei online disebarake menyang 1.223 responden ing wolung provinsi ing Indonesia kanggo nggoleki faktor-faktor sing nyebabake maksud nggunakake motor listrik ing Indonesia. Provinsi sing dipilih iki nduwe luwih saka 80% penjualan sepeda motor ing Indonesia [2]: Jawa Barat, Jawa Timur, Jakarta, Jawa Tengah, Sumatera Utara, Sumatera Barat, Yogyakarta, Sulawesi Selatan, Sumatera Selatan, lan Bali. Faktor sing ditliti ditampilake ing Tabel 1. Pengetahuan umum babagan motor listrik diwenehake ing wiwitan kuesioner kanthi nggunakake video supaya ora salah paham. Angket kuesioner kaperang dadi limang bagean: bagean skrining, bagean sosiodemografi, bagean finansial, bagean teknologi, lan bagean level makro. Angket kuesioner ditampilake ing skala Likert saka 1 nganti 5, ing endi 1 kanggo ora setuju banget, 2 amarga ora setuju, 3 amarga ragu, 4 setuju, lan 5 setuju banget. Penentuan ukuran sampel minimal nuduhake [25], nyatakake yen panelitian observasional kanthi ukuran populasi akeh sing kalebu regresi logistik mbutuhake ukuran sampel minimal 500 kanggo entuk statistik sing makili paramèter. Sampling cluster utawa sampling area kanthi proporsi digunakake ing panliten iki amarga populasi pangguna motor ing Indonesia akeh banget. Kajaba iku, sampel purposive digunakake kanggo nemtokake conto adhedhasar kritéria tartamtu [26]. Survei online ditindakake liwat Facebook Ads. Responden sing nduweni hak yaiku wong sing umure ≥ 17 taun, duwe SIM C, dadi salah sawijining pihak sing njupuk keputusan kanggo ngganti utawa tuku motor, lan mapan ing salah sawijining provinsi ing Tabel 1. Kerangka Teoretis Dheweke dkk. [15] lan Habich-Sobiegalla dkk. [28] digunakake kerangka kanggo kategorisasi faktor sistematis faktor sing nyurung utawa ngalangi panggunaan kendaraan listrik dening konsumen. Kita adaptasi kerangka kasebut kanthi ngowahi adhedhasar analisis literatur motor listrik babagan adopsi konsumen motor listrik. Kita wis nggambarake ing Tabel 1. Tabel 1. Penjelasan lan Referensi Faktor lan Atribut atribut Kode Faktor Atribut. SD1 Status perkawinan [27], [28] SD2 Umur SD3 Jenis Kelamin SD4 Pendhidhikan pungkasan SD5 Pendhudhukan Sociodemographic SD6 Tingkat konsumsi bulanan SD7 Tingkat penghasilan bulanan SD8 Jumlah kepemilikan motor SD9 Frekuensi nuduhake ing media sosial SD10 Ukuran jaringan sosial online SD11 Kesadaran Lingkungan Keuangan FI1 rega Tuku [29] FI2 Biaya batere [30] FI3 Biaya pengisian daya [31] FI4 Biaya perawatan [32] Kapabilitas TE1 Teknologi Mileage [33] Daya TE2 [33] Wektu Ngisi TE3 [33] Keamanan TE4 [34] Umure batere TE5 [35] Tingkat pengisian daya ML1 level makro ing papan umum [36] Kasedhiya stasiun pangisi daya ML2 ing papan kerja [15] Kasedhiya stasiun pengisi daya ML3 ing omah [37] Kasedhiya papan layanan ML4 [38] ML5 Kebijakan insentif tuku [15] ML6 Tahunan kabijakan diskon pajak [15] ML7 Kebijakan diskon biaya pengisian daya [15] Niyat adopsi IP Niyat nggunakake [15] Faktor Sociodemographic Faktor Sociodemographic minangka faktor pribadi sing pengaruhe tumindake individu nalika njupuk keputusan. Eccarius dkk. [28] nyatakake model adopsi sing umur, jenis kelamin, status perkawinan, pendhidhikan, penghasilan, pendhudhukan, lan kepemilikan kendaraan minangka faktor penting sing nyebabake adopsi kendaraan listrik. HabichSoebigalla dkk nyoroti faktor jaringan sosial kayata kepemilikan motor, frekuensi nuduhake ing media sosial, lan ukuran jaringan sosial online dadi faktor pengaruhe kanggo adopsi kendaraan listrik [28]. Eccarius dkk. [27] lan HabichSobiegalla dkk. [28] uga nganggep kesadharan lingkungan kalebu faktor sosialdemografi. Harga Faktor Finansial yaiku rega asli motor listrik tanpa subsidi tuku. Sierzchula dkk. [29] ujar manawa rega tuku kendaraan listrik sing dhuwur amarga kapasitas batere paling dhuwur. Biaya batere minangka biaya ngganti batere nalika batere lawas wis entek. Krause dkk. diteliti manawa biaya batere kalebu alangan finansial kanggo wong sing nggunakake kendaraan listrik [30]. Biaya pengisian daya yaiku biaya listrik kanggo listrik sepeda motor listrik dibandhingake karo biaya bensin [31]. Biaya perawatan yaiku biaya perawatan rutin kanggo motor listrik, dudu perbaikan amarga kecelakaan sing nyebabake adopsi kendaraan listrik [32]. Kemampuan Faktor Teknologi Mileage minangka jarak paling adoh sawise batere motor listrik wis diisi daya lengkap. Zhang dkk. [33] ujar manawa kinerja kendaraan nuduhake evaluasi konsumen ing kendaraan listrik kalebu kapasitas jarak tempuh, tenaga, wektu ngisi daya, keamanan, lan umur batere. Tenaga minangka kecepatan maksimal motor listrik. Wektu pengisian daya yaiku wektu sakabehe kanggo ngisi daya motor listrik. Rasa aman nalika nunggang motor listrik sing ana gandhengane karo swara (dB) minangka faktor sing disorot dening Sovacool et al. [34] dadi faktor sing nyebabake pemahaman konsumen ing kendaraan listrik. Graham-Rowe dkk. [35] ujar manawa umur batere dianggep mudhun. Infrastruktur Faktor Level Makro saka ketersediaan stasiun pengisian daya yaiku perkara sing ora bisa diindhari kanggo pangguna motor motor listrik. Ngisi daya kasedhiyan ing papan umum dianggep penting kanggo ndhukung adopsi kendaraan listrik [36]. Ngisi daya kasedhiyan ing papan kerja [15] lan ngisi daya kasedhiyan ing omah [37] uga dibutuhake para konsumen kanggo ngisi batere kendharaan. Krupa dkk. [38] ujar manawa kasedhiyan papan layanan kanggo pangopènan rutin lan karusakan iku mengaruhi adopsi kendaraan listrik. Dheweke dkk. [15] nyaranake sawetara insentif publik sing dikarepake banget para konsumen ing Tianjin kayata nyedhiyakake subsidi kanggo tuku motor listrik, diskon pajak tahunan kanggo motor listrik, lan kebijakan diskon biaya sing ditanggung nalika konsumen kudu ngisi motor listrik ing papan umum [15]. Regresi Logistik Ordinal Regresi logistik ordinal minangka salah sawijining metode statistik sing nggambarake hubungan antarane variabel terikat karo siji utawa luwih variabel bebas, ing endi variabel dependen luwih saka 2 kategori lan skala pangukuran level utawa ordinal [39]. Persamaan 1 minangka model regresi logistik ordinal lan Equation 2 nuduhake fungsi g (x) minangka persamaan logit. eegxgx P x () () 1 () + = (1)  = = + mkjk Xik gx 1 0 ()   (2) RESULTS AND DISCUSSION Angket kuesioner dibagekake kanthi online ing wulan Maret - April, 2020, liwat Ads Facebook sing dibayar kanthi nyetel area filter: Jawa Barat, Jawa Timur, Jakarta, Jawa Tengah, Sumatera Utara, Sumatera Barat, Yogyakarta, Sulawesi Selatan, Sumatra Selatan, lan Bali sing tekan 21.628 pangguna. Total tanggepan mlebu ana 1,443 tanggepan, nanging mung 1,223 tanggepan sing layak kanggo ngolah data. Tabel 2 nuduhake demografi responden. Statistik Deskriptif Tabel 3 nuduhake statistik deskriptif kanggo variabel kuantitatif. Ngisi diskon biaya, diskon pajak tahunan, lan subsidi rega tuku duwe rata-rata sing luwih dhuwur ing antarane faktor liyane. Iki nggambarake manawa umume responden nganggep manawa ana kabijakan sing diwenehake pemerintah kanthi intensif supaya bisa nggunakake motor listrik. Babagan faktor finansial, rega tuku lan biaya batere duwe rata-rata sing luwih murah ing antarane faktor liyane. Iki nggambarake yen rega tuku motor listrik lan biaya batere ora cocog karo anggaran responden. Umume responden nganggep rega motor listrik larang banget yen dibandhingake karo rega motor konvensional. Biaya panggantos batere saben telung taun sing nggayuh Rp 5.000.000 uga fot larang banget tumrap umume responden saengga rega tuku lan biaya batere dadi kendala kanggo wong Indonesia nggunakake motor listrik. Umur batere, tenaga, wektu ngisi daya duwe skor rata-rata endhek ing statistik deskriptif nanging skor rata-rata kanggo telung faktor iki luwih saka 4. Wektu ngisi wektu sing mbutuhake telung jam suwene banget kanggo umume responden. Kacepetan maksimal motor listrik yaiku 70 km / jam lan umur batere 3 taun durung bisa dipenuhi karo kebutuhan responden. Iki nggambarake manawa umume responden nganggep motor listrik kinerja durung memenuhi standar. Sacara responden durung yakin manawa kinerja motor listrik, EM bisa nyukupi kabutuhan mobilitas saben dinane. Akeh responden menehi skor luwih akeh babagan kasedhiyan ngisi daya ing omah lan kantor tinimbang ing papan umum. Nanging, alangan sing asring ditemokake yaiku listrik listrik ing omah isih ana ing sangisore 1300 VA, saengga para responden ngarep-arep banget pamrentah bisa mbantu nyedhiyakake fasilitas pengisian daya ing omah. Kasedhiyan pengisian daya ing kantor luwih disenengi tinimbang ing papan umum amarga mobilitas responden saben dina kalebu omah lan kantor. Tabel 4 nuduhake tanggapan responden tumrap adopsi motor listrik. Iki nuduhake manawa 45.626% responden duwe kekarepan nggunakake motor listrik. Asil iki nuduhake masa depan sing apik kanggo pangsa pasar motor listrik. Tabel 4 uga nuduhake manawa meh 55% responden ora duwe kekarepan kuwat nggunakake motor listrik. Asil sing menarik saka statistik deskriptif iki tegese manawa sanajan semangat nggunakake motor listrik isih mbutuhake stimulasi, panrima umum babagan motor listrik iku apik. Alasan liya sing bisa kedadeyan yaiku manawa responden duwe sikap ngenteni lan ndeleng adopsi motor listrik utawa apa ana wong liya nggunakake motor listrik utawa ora. Data Regresi Logistik Ordinal minangka proses lan analisis kanggo nemtokake maksud adopsi motor listrik ing Indonesia nggunakake regresi logistik ordinal. Variabel gumantung ing panliten iki yaiku kekarepan nggunakake motor listrik (1: gelem banget, 2: ora gelem, 3: mangu-mangu, 4: gelem, 5: gelem banget). Regresi logistik ordinal dipilih minangka metode ing panliten iki amarga variabel dependen nggunakake skala ordinal. Data diproses nggunakake piranti lunak SPSS 25 kanthi level kapercayan 95%. Tes multikollinearitas wis ditindakake kanggo ngetung Faktor Inflasi Varians (VIF) kanthi VIF rata-rata 1,15- 3,693, tegese ora ana multikollinearitas ing model kasebut. Hipotesis sing digunakake ing regresi logistik ordinal ditampilake ing Tabel 5. Tabel 6 nuduhake asil tes parsial dadi basis kanggo nolak utawa nampa hipotesis kanggo regresi logistik ordinal. Tabel 2. Demografi Responden Item Demografi Freq% Barang Demografi Freq% Domisili Jawa Barat 345 28,2% Siswa Pekerjaan 175 14,3% Jawa Timur 162 13,2 PNS 88 7,2% Jakarta 192 15,7 Karyawan pribadi 415 33,9% Jawa Tengah 242 19,8% Pengusaha 380 31,1 Sumatera Utara 74 6,1% Liyane 165 13,5% Yogyakarta 61 5.0% Sulawesi Selatan 36 2,9% Umur 17-30 655 53,6% Bali 34 2,8% 31-45 486 39.7% Sumatera Barat 26 2.1% 46-60 79 6.5% Kidul Sumatera 51 4.2%> 60 3 0,2% Status perkawinan Bujang 370 30,3 Tingkat Pendidikan Terakhir SMP / SMA / SMK 701 57,3 Menikah 844 69,0% Diploma 127 10,4% Liyane 9 0,7% Sarjana 316 25,8% Jenis Kelamin Pria 630 51,5% Master 68 5,6 % Wanita 593 48,5% Doktoral 11 0,9% Tingkat penghasilan saben wulan 0 154 12,6% Tingkat konsumsi saben wulan <IDR 2.000.000 432 35,3 <IDR 2.000.000 226 18,5% IDR2,000,000-5-599,999 640 52,3% 2.000.000-5,999,999 550 45% Rp6,000,000- 9,999,999 121 9,9% IDR 6,000,000-9,999,999 199 16,3% ≥ IDR 10.000.000 30 2,5% IDR10,000,000- 19,999,999 71 5,8% ≥ I DR 20.000.000 23 1,9% Tabel 3. Statistik Deskriptif kanggo Keuangan, Teknologi, lan Variabel Tingkat Rata-rata Macro Variabel Rata-rata Peringkat ML7 (cakram biaya pengisian.) 4,4563 1 ML3 (CS ing omah) 4,1554 9 ML6 (disk pajak tahunan. ) 4.4301 2 ML2 (CS ing papan kerja) 4.1055 10 ML5 (insentif tuku) 4.4146 3 ML1 (CS ing papan umum) 4.0965 11 TE4 (safety) 4.3181 4 TE5 (umur batere) 4.0924 12 FI3 (biaya pengisian daya) 4.2518 5 TE2 (daya ) 4.0597 13 TE1 (kemampuan mileage) 4.2396 6 TE3 (wektu ngisi daya) 4.0303 14 ML4 (papan layanan) 4.2142 7 FI1 (biaya pembelian) 3.8814 15 FI4 (biaya perawatan) 4.1980 8 FI2 (biaya batere) 3.5045 16 Tabel 4. Statistik Deskriptif kanggo Adoption Intention 1: gelem banget 2: gelem 3: mangu-mangu 4: gelem 5 kekarepan nggunakake motor listrik 0,327% 2.044% 15.863% 36.141% 45.626% Asil analisis regresi logistik kanggo variabel SD1 nganti SD11 sing kalebu faktor sosiodemografi nuduhake asil sing mung frekuensi nuduhake media sosial (SD9) lan level keprihatinan lingkungan (SD11) duweni pengaruh sing signifikan tumrap tujuwan motor listrik ing Indonesia. Nilai signifikan kanggo variabel kualitatif status perkawinan yaiku 0,622 kanggo siji lan 0,801 kanggo wong sing wis omah-omah. Nilai-nilai kasebut ora ndhukung Hipotesis 1. Status perkawinan ora pengaruh banget kanggo maksud nggunakake motor listrik amarga nilai signifikan luwih saka 0,05. Nilai umur sing signifikan yaiku 0,147 saengga umur ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai perkiraan umur -0.168 ora ndhukung Hipotesis 2. Tandha negatif tegese yen umure saya dhuwur, saya mudhun kepengin nggunakake motor listrik. Nilai pinunjul kanggo variabel kualitatif, jenis kelamin, (0,385) ora ndhukung Hipotesis 3. Jenis kelamin ora sacara signifikan mengaruhi maksud nggunakake motor listrik. Nilai pinunjul kanggo level pendhidhikan pungkasan (0,603) ora nyengkuyung Hipotesis 4. Dadi, pendhidhikan pungkasan ora mengaruhi niat kanggo nggunakake motor listrik. Nilai perkiraan kanggo level pendhidhikan pungkasan 0,036 tegese tandha positif tegese level pendhidhikan sing luwih dhuwur saya dhuwur niat nggunakake motor listrik. Nilai signifikan variabel kualitatif pendhudhukan yaiku 0,487 kanggo siswa, 0,999 kanggo PNS, 0,600 kanggo karyawan swasta, lan 0,480 kanggo wirausahawan sing ora ndhukung Hipotesis 5. Pendhudhukan ora sacara signifikan nyebabake maksud nggunakake motor listrik. UTAMI ET AL. / JURNAL GOLEKSI SISTEM ING INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 75 Tabel 5. Hipotesis Hipotesis Socio- H1: status perkawinan duweni pengaruh sing signifikan marang tujuwan nggunakake motor listrik. Demo- H2: umur duwe pengaruh signifikan marang niat nggunakake motor listrik. grafis H3: jenis kelamin duwe pengaruh signifikan marang niat nggunakake motor listrik. H4: level pendhidhikan pungkasan duweni pengaruh signifikan marang tujuwan nggunakake motor listrik. H5: pendhudhukan duweni pengaruh sing signifikan marang niat nggunakake motor listrik. H6: level konsumsi saben wulan duwe pengaruh signifikan marang niat nggunakake motor listrik. H7: tingkat penghasilan saben wulan duwe pengaruh signifikan marang niat nggunakake motor listrik. H8: nomer kepemilikan motor duwe pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H9: frekuensi nuduhake ing media sosial nduwe pengaruh signifikan sing signifikan tumrap maksud nggunakake motor listrik. H10: ukuran jaringan sosial online duweni pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H11: kesadharan lingkungan duwe pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H12 Keuangan: rega tuku duwe pengaruh signifikan marang niat nggunakake motor listrik. H13: biaya batere duwe pengaruhe signifikan ing niat nggunakake motor listrik. H14: biaya pengisian daya duwe pengaruh sing signifikan marang maksud nggunakake motor listrik. H15: biaya perawatan nduwe pengaruh signifikan marang niat nggunakake motor listrik. H16: kemampuan jarak tempuh duweni pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H17: tenaga duwe pengaruh signifikan marang niat nggunakake motor listrik. Techno- H18: wektu ngisi daya duwe pengaruhe signifikan ing niat nggunakake motor listrik. logis H19: keamanan duwe pengaruh signifikan marang niat nggunakake motor listrik. H20: umur batere duwe pengaruhe signifikan ing niat nggunakake motor listrik. H21: kasedhiyan infrastruktur stasiun pengisian daya ing papan umum duweni pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H22: kasedhiyan infrastruktur stasiun pengisian daya ing papan kerja duwe pengaruh sing signifikan positif ing tujuwan nggunakake motor listrik. Macrolevel H23: kasedhiyan infrastruktur stasiun pengisian daya ing omah nduwe pengaruh signifikan kanthi pinuju nggunakake motor listrik. H24: kasedhiyan papan layanan duweni pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H25: kabijakan insentif tuku duwe pengaruh signifikan marang niat nggunakake motor listrik. H26: kabijakan diskon pajak tahunan duweni pengaruh sing signifikan marang tujuwan nggunakake motor listrik. H27: kebijakan diskon diskon biaya duwe pengaruh sing signifikan marang tujuan nggunakake motor listrik. Tabel 6. Asil Tes Parsial Regresi Logistik Nilai Var Sig Sig Value Sig SD1: tunggal 0.349 0.622 TE1 0.146 0.069 SD1: dhaup 0.173 0.801 TE2 0.167 0.726 SD1: liyane 0 TE3 0.240 0.161 SD2 -0.168 0.147 TE4 -0,005 0,013 * SD3: lanang 0,117 0,385 TE5 0,068 0.765 SD3: wadon 0 ML1 -0.127 0.022 * SD5: siswa -0.195 0.487 ML2 0.309 0.000 * SD5: civ. serv 0,0000 0,999 ML3 0,253 0,355 SD5: pribadi. emp -0.110 0.6 ML4 0.134 0.109 SD5: entrepr 0.147 0.48 ML5 0.301 0.017 * SD5: liyane 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 0.41 0.41 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 * tingkat kapercayan Nilai pinunjul kanggo level konsumsi saben wulan (0,069) ora ndhukung Hipotesis 6, level konsumsi saben wulan ora pengaruh signifikan kanggo niat nggunakake motor listrik. Nilai perkiraan tingkat konsumsi saben wulan 0,227, minangka tandha positif tegese level pangeluaran saben wulan luwih dhuwur saya dhuwur kepengin nggunakake motor listrik. Nilai pinunjul kanggo level penghasilan saben wulan (0,726) ora ndhukung Hipotesis 7, tingkat penghasilan saben wulan ora pengaruh signifikan kanggo niat nggunakake motor listrik. Nilai perkiraan kanggo tingkat penghasilan saben wulan yaiku 0,032, tandha positif ateges yen tingkat penghasilan saben wulan luwih dhuwur saya dhuwur kepengin nggunakake motor listrik. Nilai pinunjul kanggo jumlah pamilikan motor (0,161) ora nyengkuyung Hipotesis 8, jumlah pamilikan motor ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai perkiraan level kepemilikan motor yaiku 0,180, tandha positif ateges luwih akeh motor sing diduweni, saya gedhe niat nggunakake motor listrik. Nilai pinunjul kanggo frekuensi nuduhake ing media sosial (0,013) ndhukung Hipotesis 9, frekuensi nuduhake ing media sosial duweni pengaruh sing signifikan tumrap tujuwan nggunakake motor listrik amarga nilai signifikan kurang saka 0,05. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 76 Utami dkk. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Nilai estimasi kanggo nuduhake frekuensi ing media sosial yaiku 0,111, tandha positif tegese manawa frekuensi nuduhake bareng wong ing media sosial luwih dhuwur, luwih akeh kemungkinan adopsi listrik motor. Nilai pinunjul kanggo ukuran jaringan sosial online (0,765) ora ndhukung Hipotesis 10, ukuran jangkauan jaringan sosial ora mengaruhi niat nggunakake motor. Nilai perkiraan kanggo jumlah wong sing tekan jaringan sosial yaiku 0,016, tandha positif tegese ukuran jaringan media sosial luwih gedhe, luwih akeh niat nggunakake motor listrik. Nilai pinunjul kanggo level kesadaran lingkungan (0,022) nyengkuyung Hipotesis 11, level keprihatinan lingkungan nduweni pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai perkiraan kanggo level kesadaran lingkungan yaiku 0,226, tandha positif tegese yen tingkat keprihatinan lingkungane luwih dhuwur tumrape wong, mula bakal duwe niyat nggunakake motor listrik. Asil analisis regresi logistik kanggo variabel FI1 dadi FI4 sing kagolong faktor finansial nuduhake asil rega tuku (FI1) lan biaya perawatan (FI4) duweni pengaruh sing signifikan tumrap tujuwan motor listrik ing Indonesia. Nilai pinunjul kanggo rega tuku (0,00) nyengkuyung Hipotesis 12, rega tuku nduweni pengaruh signifikan marang tujuwan nggunakake motor listrik.Nilai perkiraan rega tuku yaiku 0,348, tandha positif tegese rega tuku motor listrik sing luwih cocog kanggo sapa wae, saya gedhe kepengin nggunakake motor listrik. Nilai pinunjul kanggo biaya batere (0,355) ora ndhukung Hipotesis 13, biaya batere ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai pinunjul kanggo ngisi daya biaya (0,109) ora ndhukung Hipotesis 14, biaya pengisian daya ora ana pengaruhe pinemu kanggo nggunakake motor listrik. Nilai perkiraan kanggo biaya pengisian daya yaiku 0,136, tandha positif tegese yen biaya motor listrik sing luwih cocog kanggo wong, saya gedhe nggunakake motor listrik. Nilai pinunjul kanggo biaya pangopènan (0,017) ora ndhukung Hipotesis 15, biaya pangopènan duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai perkiraan biaya pangopènan yaiku 0,193, tandha positif tegese biaya pangopènan motor listrik sing luwih cocog kanggo wong, saya dhuwur kepinginan kanggo nggunakake motor listrik. Asil analisis regresi logistik kanggo variabel TE1 nganti TE5 sing kalebu faktor teknologi nuduhake asil wektu ngisi daya batere (TE3) duweni pengaruh sing signifikan tumrap maksud adopsi motor listrik ing Indonesia. Nilai pinunjul kanggo kemampuan mileage (0.107) ora ndhukung Hipotesis 16, kemampuan mileage ora duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai perkiraan kanggo jarak tempuh maksimal yaiku 0,146, tandha positif tegese jarak tempuh maksimum motor listrik sing luwih cocog kanggo wong, saya akeh sing duwe motor listrik. Nilai pinunjul kanggo daya variabel independen utawa kecepatan maksimal (0,052) ora ndhukung Hipotesis 17, kacepetan maksimal ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai listrik utawa kacepetan maksimum yaiku 0,167, tandha positif tegese luwih cocog kacepetan maksimum motor listrik kanggo wong, luwih akeh niyat nggunakake motor listrik. Nilai pinunjul kanggo wektu ngisi daya (0,004) ndhukung Hipotesis 18, wektu ngisi daya pengaruhe pengaruhe pinuju nggunakake motor listrik. Nilai kira-kira kanggo wektu ngisi daya yaiku 0,240, tandha positif ateges manawa kacepetan motor listrik sing luwih cocog kanggo wong, luwih dhuwur yen duwe motor listrik. Nilai keamanan sing signifikan (0,962) ora ndhukung Hipotesis 19, keamanan ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai perkiraan keamanan yaiku -0,005, tandha negatif tegese manawa ana wong sing luwih aman nggunakake motor listrik, mula bakal duwe niat nggunakake motor listrik. Nilai signifikan kanggo urip batere (0.424) ora ndhukung Hipotesis 20, umur batere ora duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai perkiraan umur batere yaiku 0,068, tandha positif ateges manawa umur batere motor listrik luwih cocog, saya gedhe nggunakake motor listrik. Asil analisis regresi logistik kanggo variabel ML1 nganti ML7 sing kalebu faktor level makro nuduhake asil sing mung kasedhiya kasedhiyan ing papan (ML2), kasedhiyan pengisian daya ing omah (ML3), lan kabijakan diskon biaya (ML7) sing duweni pengaruh signifikan marang niat adopsi motor listrik ing Indonesia. Nilai pinunjul kanggo kasedhiyan pengisian daya ing papan umum (0,254) ora ndhukung Hipotesis 21, pengisian daya kasedhiyan ing papan umum ora sacara signifikan mengaruhi maksud nggunakake motor listrik. Nilai pinunjul kanggo kasedhiyan pengisian daya ing papan kerja (0,007) ndhukung Hipotesis 22, kasedhiyan pangisian daya ing papan makaryan duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai pinunjul kanggo kasedhiyan pangisian daya ing omah (0,009) ndhukung Hipotesis 22, kasedhiyan ngisi daya ing omah duwe pengaruhe pinunjul kanggo nggunakake motor. Nilai pinunjul kanggo kasedhiyan papan layanan (0,181) ora ndhukung Hipotesis 24, kasedhiyan papan layanan ora ana pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai pinunjul kanggo kabijakan insentif tuku (0,017) nyengkuyung Hipotesis 25, kabijakan insentif tuku duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai pinunjul kanggo kabijakan diskon pajak tahunan (0,672) ora ndhukung Hipotesis 26, kabijakan insentif diskon pajak tahunan ora ana pengaruhe pinunjul kanggo nggunakake motor listrik. Nilai pinunjul kanggo kabijakan diskon biaya pengisian daya (0,00) ndhukung Hipotesis 27, kebijakan insentif diskon biaya pengaruhe duweni pengaruh sing signifikan tumrap tujuwan nggunakake motor listrik. Miturut asil faktor tingkat makro, adopsi motor listrik bisa diwujudake yen stasiun pengisian daya ing papan kerja, stasiun pengisian daya ing omah, lan kabijakan diskon biaya wis siyap kanggo konsumen. Secara umum, frekuensi nuduhake ing media sosial, tingkat kesadaran lingkungan, rega tuku, biaya pangopènan, kacepetan motor listrik kanthi maksimal, wektu ngisi batere, kasedhiyan infrastruktur stasiun pengisian daya ing papan kerja, kasedhiyan prasarana daya listrik - UTAMI ET AL. / JURNAL GOLEKSI SISTEM ING INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 kabijakan insentif tuku, lan ngisi kabijakan insentif diskon biaya akeh pengaruhe kanggo nggunakake kendaraan listrik. Model Persamaan lan Fungsi Probabilitas Persamaan 3 minangka persamaan logit kanggo pilihan wangsulan "ora gelem" nggunakake motor listrik.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Persamaan 4 minangka persamaan logit kanggo pilihan wangsulan “ora gelem” nganggo motor listrik.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Persamaan 5 minangka persamaan logit kanggo pilihan wangsulan “keraguan” kanggo nggunakake motor listrik.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Persamaan 6 minangka persamaan logit kanggo pilihan wangsulan “gelem” nganggo motor listrik.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Fungsi kemungkinan motor adopsi motor listrik sing dituduhake ing Persamaan 7 nganti Persamaan 11. Persamaan 7 minangka fungsi probabilitas kanggo pilihan wangsulan “ ora gelem banget ”nganggo motor listrik. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Persamaan 8 minangka fungsi probabilitas kanggo pilihan wangsulan “ora gelem” nggunakake motor listrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Persamaan 9 minangka fungsi probabilitas kanggo pilihan wangsulan “mangu-mangu” nganggo motor listrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Persamaan 10 minangka fungsi probabilitas kanggo pilihan wangsulan “gelem” nggunakake motor listrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Persamaan 11 minangka fungsi probabilitas kanggo pilihan wangsulan “gelem banget” nggunakake motor listrik. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Kemungkinan Intensi Adopsi Persamaan regresi logistik ordinal banjur ditrapake kanggo conto wangsulan responden. Tabel 8 nuduhake ciri lan wangsulan conto. Dadi kemungkinan kanggo mangsuli saben kriteria variabel gumantung diitung adhedhasar Equation 7 - 11. Sampel saka responden sing duwe wangsulan kaya ing Tabel 7 duwe kemungkinan 0,0013 amarga ora gelem nggunakake motor listrik, kemungkinan 0,0114 amarga ora gelem nggunakake motor listrik, kemungkinan 0,1788 amarga ora nggunakake motor listrik, kemungkinan 0,563 gelem nggunakake motor listrik, lan kemungkinan 0,2455 supaya gelem nggunakake motor listrik. Kemungkinan adopsi motor listrik kanggo 1.223 responden uga dietung lan rata-rata kemungkinan rata-rata jawaban sing ora gelem nggunakake motor listrik yaiku 0,0031, ora gelem nggunakake motor listrik yaiku 0,0198, mangu-mangu nggunakake motor listrik yaiku 0,1482, gelem nggunakake Sepeda motor listrik 0,3410, lan gelem nggunakake motor listrik yaiku 0,4880. Yen kemungkinan sing gelem lan gelem banget total, kemungkinan wong Indonesia nganggo motor listrik tekan 82,90%. Rekomendasi kanggo Pembuat Bisnis lan Kebijakan Ing analisis regresi logistik biasa, frekuensi nuduhake ing media sosial minangka faktor pinunjul sing nyebabake maksud nggunakake motor listrik. Pentinge media sosial minangka platform kanggo masarakat entuk informasi babagan motor listrik bakal pengaruhe gelem nggunakake motor listrik. Pamrentah lan wirausaha bisa nyoba nggunakake sumber iki, kayata, wirausaha bisa nindakake promosi liwat bonus utawa apresiasi kanggo konsumen sing wis tuku motor listrik lan nuduhake bab-bab sing ana gandhengane karo motor listrik ing media sosial. Kanthi cara iki bisa ngrangsang wong liya dadi pangguna anyar motor listrik. Pamrentah bisa sosialisasi utawa ngenalake motor listrik menyang publik liwat media sosial kanggo motivasi pamindhahan umum saka motor konvensional dadi motor listrik. Panliten iki mbuktekake sepira pinunjul saka pengaruh faktor level makro ing adopsi motor listrik ing Indonesia. Ing analisis regresi logistik biasa, kasedhiyan infrastruktur stasiun pengisian daya ing papan kerja, kasedhiyan infrastruktur stasiun pengisian daya ing omah, kabijakan insentif tuku, lan diskon biaya pengisian daya akeh pengaruhe nggunakake motor listrik. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 78 Utami dkk. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Tabel 7. Sampel Wangsulan Tanggepan Variabel Kode Wangsulan Status Perkawinan Nikah X1b 2 Umur 31-45 X2 2 Jenis Kelamin Laki-Laki X3a 1 Tingkat Pendidikan Terakhir Master X4 4 Pakaryan Pegawai Swasta X5c 3 Wulan level konsumsi Rp2.000.000-5.999.999 X6 2 Tingkat penghasilan Wulan Rp. 6.000.000-9.999.999 X7 3 Nomer kepemilikan motor ≥ 2 X8 3 Frekuensi nuduhake ing media sosial Kaping pirang-pirang kali / wulan X9 4 Ukuran jaringan sosial online 100-500 wong X10 2 Kesadharan lingkungan 1 X11 1 Harga beli 3 X12 3 Biaya batere 3 X13 3 Biaya pengisian daya 3 X13 3 Biaya perawatan 5 X14 5 Kapabilitas jarak tempuh 4 X15 4 Daya 5 X16 5 Wektu pengisian daya 4 X17 4 Keamanan 5 X18 5 Umure batere 4 X19 4 Kasedhiya stasiun pangisi daya ing papan umum 4 X20 4 Kasedhiya stasiun pangisi daya ing kantor 4 X21 4 Kasedhiya stasiun pengisian daya ing omah 4 X22 4 Kasedhiyan layanan 2 X23 2 Kebijakan insentif tuku 5 X24 5 Kebijakan diskon pajak tahunan 5 X25 5 Kebijakan diskon biaya pengisian daya 5 X26 5 Biaya pengisian daya 5 X27 5 Biaya perawatan 3 X13 3 Jarak tempuh kapabilitas 5 X14 5 Tenaga 4 X15 4 Wektu ngisi daya 5 X16 5 Umume responden nganggep kasedhiyan infrastruktur stasiun pengisian daya ing omah, papan kerja lan papan umum amarga pengaruhe nggunakake motor listrik. Pamrentah bisa ngatur instalasi infrastruktur stasiun pengisian daya ing papan umum kanggo ndhukung adopsi motor listrik. Pamrentah uga bisa kerja sama karo sektor bisnis kanggo nyadari. Ing nggawe indikator tingkat makro, panliten iki ngusulake sawetara opsi kabijakan insentif. Kawicaksanan insentif sing paling penting miturut survey yaiku kabijakan insentif tuku lan ngisi kebijakan insentif diskon sing bisa dianggep pemerintah kanggo nyengkuyung nggunakake motor listrik ing Indonesia. Ing faktor finansial, rega tuku duwe pengaruh signifikan marang niat tuku motor listrik. Iki minangka sebab kenapa insentif subsidi tuku uga mengaruhi niat adopsi. Biaya pangopènan motor listrik luwih murah tinimbang motor konvensional pangaribawa tumrap maksud adopsi motor listrik. Mula kasedhiyan layanan sing nyukupi kabutuhane konsumen bakal luwih nyengkuyung niat nggunakake motor listrik amarga umume pangguna ora ngerti komponen ing motor listrik mula butuh teknisi trampil yen ana kerusakan. Kinerja sepeda motor listrik wis nyukupi kabutuhane konsumen kanggo nyukupi mobilitas saben dinane. Kecepatan maksimum motor listrik lan wektu ngisi daya bisa memenuhi standar sing dikarepake para konsumen. Nanging, kinerja motor sing luwih apik kayata nambah keamanan, umur batere, lan jarak tempuh luwih dawa mesthi bakal nambah niyat nggunakake motor listrik. Saliyane nambah investasi teknologi, pamrentah lan bisnis uga kudu nambah sistem evaluasi keamanan lan linuwih kanggo motor listrik kanggo nambah kapercayan masarakat. Kanggo bisnis, promosi kualitas lan kinerja minangka salah sawijining cara sing paling efektif kanggo nambah semangat konsumen kanggo motor listrik. Konsumen sing luwih enom lan duwe pendhidhikan sing luwih dhuwur bisa ditargetake dadi adopter awal dadi pengaruh amarga wis duwe sikap sing luwih optimis lan duwe jaringan sing jembar. Segmen pasar bisa ditindakake kanthi ngluncurake model khusus kanggo konsumen sing ditarget. Kajaba iku, responden kanthi kasadharan lingkungan sing luwih dhuwur cenderung pengin nggunakake motor. UTAMI ET AL. / JURNAL GOLEKSI SISTEM ING INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 79 KESIMPULAN Ngalih saka motor konvensional dadi motor listrik bisa dadi solusi paling apik kanggo ngatasi masalah level CO2 sing dhuwur ing Indonesia. Pamrentah Indonesia uga sadhar lan wis melu nggawe macem-macem kabijakan babagan kendaraan listrik ing Indonesia. Nanging nyatane, adopsi kendharaan listrik ing Indonesia isih ana ing tahap paling awal sanajan adoh saka target sing ditemtokake pemerintah. Lingkungan ora ndhukung adopsi motor listrik kayata ora ana peraturan sing luwih rinci lan ora ana prasarana pendhukung nyebabake adopsi kendharaan listrik sing murah ing Indonesia. Panaliten iki nganalisa 1.223 responden saka 10 provinsi sing duwe total 80% saka total distribusi penjualan sepeda motor ing Indonesia kanggo njelajah faktor-faktor pinunjul sing nyebabake maksud nggunakake motor listrik ing Indonesia lan nemokake fungsi probabilitas. Sanajan mayoritas responden seneng babagan motor listrik lan kepengin duwe motor listrik mbesuk, kepinterane nggunakake motor listrik saiki isih kurang. Para responden ora pengin nggunakake motor listrik saiki iki amarga macem-macem alasan kayata kurang infrastruktur lan kabijakan. Akeh responden duwe sikap ngenteni lan ngupayakake nggunakake motor listrik, kanthi faktor finansial, faktor teknologi, lan level makro sing kudu nuruti panjaluk konsumen. Panliten iki mbuktekake sepira signifikan frekuensi nuduhake ing media sosial, tingkat kesadharan lingkungan, rega tuku, biaya pangopènan, kecepatan maksimal motor listrik, wektu ngisi batere, kasedhiyan prasarana pangisian daya ing papan kerja, kasedhiyan prasarana pangisian daya ing omah, tuku kebijakan insentif, lan kebijakan insentif diskon biaya kanggo ndhukung adopsi motor listrik ing Indonesia. Pamrentah kudu ndhukung panyediaan infrastruktur stasiun pengisian daya lan nggawe kebijakan insentif kanggo nyepetake adopsi motor listrik ing Indonesia. Faktor teknologi kayata jarak tempuh lan umur batere kudu dipikirake dening para produsen supaya bisa ningkatake dhukungan kanggo adopsi motor listrik. Faktor finansial kayata rega tuku lan biaya batere kudu dadi perhatian bisnis lan pamrentah. Panggunaan maksimal jejaring sosial kudu ditindakake kanggo ngenalake motor listrik menyang masarakat. Komunitas nalika isih enom bisa promosi dadi pangguna awal amarga duwe jaringan media sosial sing jembar. Mujudake adopsi motor listrik ing Indonesia mbutuhake kesiapan infrastruktur lan biaya sing bisa ditampa konsumen. Iki wis bisa ditindakake dening pamrentah liwat komitmen pemerintah sing kuat ing sawetara negara sing wis sukses ngganti kendaraan konvensional. Riset luwih lanjut bakal fokus kanggo nemokake kabijakan sing cocog kanggo nyepetake adopsi motor listrik ing Indonesia. REFERENSI [1] Indonesia. Badan Pusat Statistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Online]. Kasedhiya: bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia: Statistik Distribusi lan Ekspor Domestik, 2020. [Online]. https://www.aisi.or.id/statistic. [Diakses: Maret. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina, lan R. Siregar, "Kendaraan listrik ing Indonesia: dalan menuju transportasi berkelanjutan", Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto, lan M. Nizam, "Model komersialisasi baterai lithium ion teknologi anyar: Studi kasus kanggo kendaraan listrik sing cerdas", Prosiding Konferensi Internasional Bersama 2013 tentang Teknologi Informasi lan Komunikasi Pedesaan lan Teknologi Kendaraan Listrik, rICT lan ICEV -T 2013, 6741511.https: //doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini, lan V. Bosetti, "Going electric: Survei ahli babagan masa depan teknologi baterai kanggo kendaraan listrik. Ing Inovasi miturut Ora mesthi, "ing Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz, lan MK Patel," Ing babagan listrik transportasi dalan– tinjauan kinerja lingkungan, ekonomi, lan sosial roda loro listrik, ”Bagian Penelitian Transportasi D: Transportasi lan Lingkungan, vol. 41, pp. 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, “Produksi Kit Konversi Kendaraan Listrik Berbasis Baterai Kanggo Sepeda Motor Roda Dua Dan Roda Tiga,” Laporan Akhir Hibah PPTI, Badan Pengelola Usaha Universitas Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo, lan R. Zakaria, "Analisis Chain Markov Kanggo Ngenali Prediksi Pangsa Pasar Teknologi Anyar: Studi Kasus Sepeda Motor Konversi Listrik ing Surakarta, Indonesia", Proses Konferensi AIP, vol. 2217 (1), kaca 030062), 2020. AIP Publishing LLC. [9] W. Sutopo lan EA Kadir, "Standar Ferium Fosfat Baterai Lithium-ion Indonesia kanggo Alokasi Kendaraan Listrik", Jurnal Teknik Elektro TELKOMNIKA Indonesia, vol. 15 (2), kaca 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy, lan ABMulyono, "ngrancang kerangka standarisasi lan persyaratan uji coba sistem manajemen batere kanggo aplikasi kendaraan listrik", Prosesing - kaping 4 Konferensi Internasional Teknologi Kendaraan Listrik, hlm. 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, "Tinjauan Kendaraan Listrik Pengisian Pengembangan Standar: Kasus Studi ing Indonesia", Nerusake - Konferensi Internasional 5th Teknologi Elektrik Vehicle Elektrik, vol. 8628367, kaca 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. [Diakses: Maret. 20, 2020]. [13] S. Goldenberg, ”Indonesia Ngurangi Emisi Karbon nganti 29% ing taun 2030 ″, Wali, 2015. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 80 Utami dkk. DOI: 10.25077 / josi.v19.n1.p70-81.2020 [14] YN Sang lan HA Bekhet, "Tujuan Modeling Kendaraan Listrik Modeling: Sinau Empiris ing Malaysia," Jurnal Produksi Cleaner, vol. 92, kaca 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma, lan BC Xie, "Apa Alangan kanggo Adopsi Kendaraan Listrik Baterai? Survei Persepsi Publik ing Tianjin, China, ”Jurnal Kebijakan Transportasi, vol. 56, pp. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis, lan A. Jones, "Nganalisa njupuk kendharaan listrik batere: Penyelidikan babagan alangan ing antarane para pembalap ing Inggris," Bagian Penelitian Transportasi D: Transportasi lan Lingkungan, vol. 63, pp. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge lan C. Shao, "Neliti Faktor sing Ngaruhi Uptake Kendaraan Listrik ing Beijing, China: Perspektif Statistik lan Spasial," Jurnal Produksi Cleaner, vol. 213, kaca 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analisis Multivariat Terapan karo Program SPSS, AMOS, lan SMARTPLS (Edh 2). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, "Adopsi konsumen lawan keputusan penolakan ing inovasi layanan sing kayane padha: Kasus Internet lan mobile banking", Jurnal Riset Bisnis, vol. 69 (7), kaca 2432-2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur lan R. Kemp, "Adopsi PV ing Walanda: Analisis statistik faktor adopsi", Ulasan Energi Terbarukan lan Berkelanjutan, vol. 41, pp. 483–494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil lan J. Emparanza, "Nggunakake Model Penerimaan Teknologi Modifikasi kanggo Ngevaluasi Adopsi Profesional Kesehatan Sistem Telemonitoring Anyar", Telemedisin lan e-Health, vol. 18 (1), kaca 54-59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer, lan P. Abrahamamsson, "Panaliten survey babagan hambatan teknis utama sing nyebabake keputusan nggunakake layanan cloud", Jurnal Sistem lan Piranti Lunak, vol. 103, pp. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto, lan W. Sutopo, "Analisis Persepsi Konsumen Kendaraan Mobil Listrik ing Indonesia", Proses Konferensi AIP (Vol. 2217, No. 1, hal. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo, lan M. Nizam, "Pengkomersialisasi teknologi proses bisnis sing diusulake: Studi kasus inkubasi teknologi mobil listrik", Prosiding Konferensi Internasional Teknik Elektro lan Ilmu Komputer 2014, ICEECS, 7045257, pp. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at, lan TM Bakar, "Pandhuan ukuran sampel kanggo regresi logistik saka panelitian observasional kanthi populasi akeh: negesake akurasi statistik lan paramèter adhedhasar data klinis urip nyata", jurnal Malaysia ilmu kedokteran: MJMS, vol. 25 (4), kaca 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab lan A. Jam'an, "Metodologi Penelitian Bisnis", Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius lan CC Lu, "Rodha rodha loro kanggo mobilitas berkelanjutan: Tinjauan adopsi konsumen sepeda motor listrik ", International Journal of Sustainable Transport, vol. 15 (3), kaca 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka, lan N. Anzinger, "Niyat tuku kendaraan listrik warga China, Rusia lan Brasil: Panaliten komparatif internasional", Jurnal produksi sing luwih resik, vol. 205, kaca 188- 200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat, lan B. Van Wee, "Pengaruh insentif finansial lan faktor sosial ekonomi liyane ing adopsi kendaraan listrik", Kebijakan Energi, vol. 68, pp. 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane, lan JD Graham, "Persepsi lan kasunyatan: kawruh umum babagan kendaraan listrik plug-in ing 21 kutha AS", Kebijakan Energi, vol. 63, pp. 433-440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony, lan B. Caulfield, "Kepiye cara alangan bahan bakar alternatif lan kendaraan diklasifikasikake lan kabijakan potensial kanggo promosi teknologi inovatif kudu dievaluasi?", Jurnal Produksi Cleaner, vol. 35, pp. 140-151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue lan S. Long, "Alangan kanggo adopsi kendaraan listrik sing nyebar: analisis sikap lan persepsi konsumen", Jurnal Kebijakan Energi, vol. 48, pp. 717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan, lan YM Wei, "Pengaruh kebijakan pemerintah babagan preferensi NEV: bukti saka China", Kebijakan Energi, vol. 61, pp. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool lan RF Hirsh, "Baterai ngluwihi: ujian kanggo mupangat lan hambatan kanggo kendaraan listrik hibrida plug-in (PHEV) lan transisi kendaraan-ke-jaringan (V2G)", Kebijakan Energi, vol. 37, pp. 1095-1103, 2009. https://doi.org/10.1016/j.enpol.2008.10.005. [35] E. Graham-Rowe, B. Gardner, C. Abraham, S. Skippon, H. Dittmar, R. Hutchins, lan J. Stannard, "Konsumen utama sing nyopir mobil listrik hibrida baterai-plug-in lan baterai plug-in: analisis kualitatif tanggapan lan evaluasi ”, Transp. Res. Bagean A: Praktik Kebijakan., Vol. 46, pp. 140-153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi, lan SL Mabit, "Konsumen utama sing nyopir mobil listrik plug-in baterai listrik lan plugin: analisis kualitatif tanggapan lan evaluasi", Transp. Res. Bagean D: Transp. Lingkungan, vol. 25, kaca 24–32, 2013. [Online]. Kasedhiya: ScienceDirect. [37] ND Caperello lan KS Kurani, "Crita saka rumah tangga sing ditemokake karo kendaraan listrik hibrida plugin", En environment. Behav., Vol. 44, kaca 493-508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju, lan CE Warrender, "Crita rumah tangga babagan pertemuan karo kendaraan listrik hibrida plugin", Analisis survey konsumen ing UTAMI ET AL. / JURNAL GOLEKSI SISTEM ING INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 81 kendaraan listrik hibrida plug-in. Transp. Res. Bagean A: Praktik Kebijakan., Vol. 64, pp. 14-31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer lan S. Lemeshow, "Regresi Logistik Terapan. Edisi Kapindho ”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENKLATUR kategori variabel katergantungan (j = 1, 2, 3, 4, 5) k kategori variabel bebas (k = 1, 2, 3,…, m) i kategori variabel independen kualitatif kanthi urutan responden inter0jara nyegat saben wangsulan gumantung variabel Xk variabel independen kuantitatif Xik variabel independen quanlitative Y variabel dependen Pj (Xn) kesempatan kanggo saben kategori variabel independen kanggo saben responden AUTHORS BIOGRAPHY Martha Widhi Dela Utami Martha Widhi Dela Utami minangka mahasiswa sarjana Departemen Teknik Industri Universitas Sebelas Maret. Dheweke kalebu Laboratorium Sistem Logistik lan Bisnis. Minat risete yaiku manajemen logistik & rantai pasokan lan riset pasar. Dheweke nerbitake publikasi kaping pisanan babagan analisis persepsi konsumen babagan kendaraan mobil listrik ing Indonesia ing taun 2019. Yuniaristanto Yuniaristanto minangka dosen ahli ilmu lan peneliti ing Jurusan Teknik Industri, Universitas Sebelas Maret. Minat risete yaiku rantai pasokan, model simulasi, pangukuran kinerja lan komersialisasi teknologi. Dheweke duwe publikasi sing diindeks dening Scopus, 41 artikel kanthi 4 H-index. Emaile yaiku yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, dadi gelar profesional teknik (Ir) saka Program Studi Insinyur Profesional - Universitas Sebelas Maret (UNS) ing taun 2019. Dheweke entuk gelar Doktor ing bidang Teknik Industri lan Manajemen saka Institut Teknologi Bandung (ITB) ing 2011, Master of Science in Management saka Universitas Indonesia ing taun 2004 lan Sarjana Teknik Teknik Industri saka ITB ing taun 1999. Minat risete yaiku rantai pasokan, ekonomi rekayasa & analisis biaya, lan komersialisasi teknologi. Dheweke entuk luwih saka 30 hibah riset. Dheweke duwe publikasi sing diindeks dening Scopus, 117 artikel kanthi 7 indeks H. Emaile yaiku wahyudisutopo@staff.uns.ac.id.Asil analisis regresi logistik kanggo variabel TE1 nganti TE5 sing kalebu faktor teknologi nuduhake asil wektu ngisi daya batere (TE3) duweni pengaruh sing signifikan tumrap maksud adopsi motor listrik ing Indonesia. Nilai pinunjul kanggo kemampuan mileage (0.107) ora ndhukung Hipotesis 16, kemampuan mileage ora duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai perkiraan kanggo jarak tempuh maksimal yaiku 0,146, tandha positif tegese jarak tempuh maksimum motor listrik sing luwih cocog kanggo wong, saya akeh sing duwe motor listrik. Nilai pinunjul kanggo daya variabel independen utawa kecepatan maksimal (0,052) ora ndhukung Hipotesis 17, kacepetan maksimal ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai listrik utawa kacepetan maksimum yaiku 0,167, tandha positif tegese luwih cocog kacepetan maksimum motor listrik kanggo wong, luwih akeh niyat nggunakake motor listrik. Nilai pinunjul kanggo wektu ngisi daya (0,004) ndhukung Hipotesis 18, wektu ngisi daya pengaruhe pengaruhe pinuju nggunakake motor listrik. Nilai kira-kira kanggo wektu ngisi daya yaiku 0,240, tandha positif ateges manawa kacepetan motor listrik sing luwih cocog kanggo wong, luwih dhuwur yen duwe motor listrik. Nilai keamanan sing signifikan (0,962) ora ndhukung Hipotesis 19, keamanan ora akeh pengaruhe kanggo nggunakake motor listrik. Nilai perkiraan keamanan yaiku -0,005, tandha negatif tegese manawa ana wong sing luwih aman nggunakake motor listrik, mula bakal duwe niat nggunakake motor listrik. Nilai signifikan kanggo urip batere (0.424) ora ndhukung Hipotesis 20, umur batere ora duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai perkiraan umur batere yaiku 0,068, tandha positif ateges manawa umur batere motor listrik luwih cocog, saya gedhe nggunakake motor listrik. Asil analisis regresi logistik kanggo variabel ML1 nganti ML7 sing kalebu faktor level makro nuduhake asil sing mung kasedhiya kasedhiyan ing papan (ML2), kasedhiyan pengisian daya ing omah (ML3), lan kabijakan diskon biaya (ML7) sing duweni pengaruh signifikan marang niat adopsi motor listrik ing Indonesia. Nilai pinunjul kanggo kasedhiyan pengisian daya ing papan umum (0,254) ora ndhukung Hipotesis 21, pengisian daya kasedhiyan ing papan umum ora sacara signifikan mengaruhi maksud nggunakake motor listrik. Nilai pinunjul kanggo kasedhiyan pengisian daya ing papan kerja (0,007) ndhukung Hipotesis 22, kasedhiyan pangisian daya ing papan makaryan duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai pinunjul kanggo kasedhiyan pangisian daya ing omah (0,009) ndhukung Hipotesis 22, kasedhiyan ngisi daya ing omah duwe pengaruhe pinunjul kanggo nggunakake motor. Nilai pinunjul kanggo kasedhiyan papan layanan (0,181) ora ndhukung Hipotesis 24, kasedhiyan papan layanan ora ana pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai pinunjul kanggo kabijakan insentif tuku (0,017) nyengkuyung Hipotesis 25, kabijakan insentif tuku duwe pengaruh sing signifikan tumrap maksud nggunakake motor listrik. Nilai pinunjul kanggo kabijakan diskon pajak tahunan (0,672) ora ndhukung Hipotesis 26, kabijakan insentif diskon pajak tahunan ora ana pengaruhe pinunjul kanggo nggunakake motor listrik. Nilai pinunjul kanggo kabijakan diskon biaya pengisian daya (0,00) ndhukung Hipotesis 27, kebijakan insentif diskon biaya pengaruhe duweni pengaruh sing signifikan tumrap tujuwan nggunakake motor listrik. Miturut asil faktor tingkat makro, adopsi motor listrik bisa diwujudake yen stasiun pengisian daya ing papan kerja, stasiun pengisian daya ing omah, lan kabijakan diskon biaya wis siyap kanggo konsumen. Secara umum, frekuensi nuduhake ing media sosial, tingkat kesadaran lingkungan, rega tuku, biaya pangopènan, kacepetan motor listrik kanthi maksimal, wektu ngisi batere, kasedhiyan infrastruktur stasiun pengisian daya ing papan kerja, kasedhiyan prasarana daya listrik - UTAMI ET AL. / JURNAL GOLEKSI SISTEM ING INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 DOI: 10.25077 / josi.v19.n1.p70-81.2020 Utami et al. 77 kabijakan insentif tuku, lan ngisi kabijakan insentif diskon biaya akeh pengaruhe kanggo nggunakake kendaraan listrik. Model Persamaan lan Fungsi Probabilitas Persamaan 3 minangka persamaan logit kanggo pilihan wangsulan "ora gelem" nggunakake motor listrik.  =  = + 27 1 01 (1 |) kg Y Xn   k Xik (3) Persamaan 4 minangka persamaan logit kanggo pilihan wangsulan “ora gelem” nganggo motor listrik.  =  = + 27 1 02 (2 |) kg Y Xn   k Xik (4) Persamaan 5 minangka persamaan logit kanggo pilihan wangsulan “keraguan” kanggo nggunakake motor listrik.  =  = + 27 1 03 (3 |) kg Y Xn   k Xik (5) Persamaan 6 minangka persamaan logit kanggo pilihan wangsulan “gelem” nganggo motor listrik.  =  = + 27 1 04 (4 |) kg Y Xn   k Xik (6) Fungsi kemungkinan motor adopsi motor listrik sing dituduhake ing Persamaan 7 nganti Persamaan 11. Persamaan 7 minangka fungsi probabilitas kanggo pilihan wangsulan “ ora gelem banget ”nganggo motor listrik. eenng YX g YXP Xn PY Xn (1 |) (1 |) 1 1 () (1 |)   + = =  (7) Persamaan 8 minangka fungsi probabilitas kanggo pilihan wangsulan “ora gelem” nggunakake motor listrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (1 |) (1 |) (2 |) (2 |) 2 1 1 (2 |) (1 |) () (2 |)     + - + = =  -  = = (8) Persamaan 9 minangka fungsi probabilitas kanggo pilihan wangsulan “mangu-mangu” nganggo motor listrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (2 |) (2 |) (3 |) (3 |) 3 1 1 (3 |) (2 |) () (3 |)     + - + = =  -  = = (9) Persamaan 10 minangka fungsi probabilitas kanggo pilihan wangsulan “gelem” nggunakake motor listrik. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX (3 |) (3 |) (4 |) (4 |) 4 1 1 (4 |) (3 |) () (4 |)     + - + = =  -  = = (10) Persamaan 11 minangka fungsi probabilitas kanggo pilihan wangsulan “gelem banget” nggunakake motor listrik. eenng YX g YX nnn PYXPXPYX (4 |) (4 |) 5 1 1 1 (4 |) () (5 |)   + = - = -  = = (11) Kemungkinan Intensi Adopsi Persamaan regresi logistik ordinal banjur ditrapake kanggo conto wangsulan responden. Tabel 8 nuduhake ciri lan wangsulan conto. Dadi kemungkinan kanggo mangsuli saben kriteria variabel gumantung diitung adhedhasar Equation 7 - 11. Sampel saka responden sing duwe wangsulan kaya ing Tabel 7 duwe kemungkinan 0,0013 amarga ora gelem nggunakake motor listrik, kemungkinan 0,0114 amarga ora gelem nggunakake motor listrik, kemungkinan 0,1788 amarga ora nggunakake motor listrik, kemungkinan 0,563 gelem nggunakake motor listrik, lan kemungkinan 0,2455 supaya gelem nggunakake motor listrik. Kemungkinan adopsi motor listrik kanggo 1.223 responden uga dietung lan rata-rata kemungkinan rata-rata jawaban sing ora gelem nggunakake motor listrik yaiku 0,0031, ora gelem nggunakake motor listrik yaiku 0,0198, mangu-mangu nggunakake motor listrik yaiku 0,1482, gelem nggunakake Sepeda motor listrik 0,3410, lan gelem nggunakake motor listrik yaiku 0,4880. Yen kemungkinan sing gelem lan gelem banget total, kemungkinan wong Indonesia nganggo motor listrik tekan 82,90%. Rekomendasi kanggo Pembuat Bisnis lan Kebijakan Ing analisis regresi logistik biasa, frekuensi nuduhake ing media sosial minangka faktor pinunjul sing nyebabake maksud nggunakake motor listrik. Pentinge media sosial minangka platform kanggo masarakat entuk informasi babagan motor listrik bakal pengaruhe gelem nggunakake motor listrik. Pamrentah lan wirausaha bisa nyoba nggunakake sumber iki, kayata, wirausaha bisa nindakake promosi liwat bonus utawa apresiasi kanggo konsumen sing wis tuku motor listrik lan nuduhake bab-bab sing ana gandhengane karo motor listrik ing media sosial. Kanthi cara iki bisa ngrangsang wong liya dadi pangguna anyar motor listrik. Pamrentah bisa sosialisasi utawa ngenalake motor listrik menyang publik liwat media sosial kanggo motivasi pamindhahan umum saka motor konvensional dadi motor listrik. Panliten iki mbuktekake sepira pinunjul saka pengaruh faktor level makro ing adopsi motor listrik ing Indonesia. Ing analisis regresi logistik biasa, kasedhiyan infrastruktur stasiun pengisian daya ing papan kerja, kasedhiyan infrastruktur stasiun pengisian daya ing omah, kabijakan insentif tuku, lan diskon biaya pengisian daya akeh pengaruhe nggunakake motor listrik. UTAMI ET AL. / JURNAL OPTIMASI SISTEM INDUSTRI - VOL. 19 NO. 1 (2020) 70-81 78 Utami dkk. DOI: 10.25077 / josi.v19.n1.p70-81.2020 Tabel 7. Sampel Wangsulan Tanggepan Variabel Kode Wangsulan Status Perkawinan Nikah X1b 2 Umur 31-45 X2 2 Jenis Kelamin Laki-Laki X3a 1 Tingkat Pendidikan Terakhir Master X4 4 Pakaryan Pegawai Swasta X5c 3 Wulan level konsumsi Rp2.000.000-5.999.999 X6 2 Tingkat penghasilan Wulan Rp. 6.000.000-9.999.999 X7 3 Nomer kepemilikan motor ≥ 2 X8 3 Frekuensi nuduhake ing media sosial Kaping pirang-pirang kali / wulan X9 4 Ukuran jaringan sosial online 100-500 wong X10 2 Kesadharan lingkungan 1 X11 1 Harga beli 3 X12 3 Biaya batere 3 X13 3 Biaya pengisian daya 3 X13 3 Biaya perawatan 5 X14 5 Kapabilitas jarak tempuh 4 X15 4 Daya 5 X16 5 Wektu pengisian daya 4 X17 4 Keamanan 5 X18 5 Umure batere 4 X19 4 Kasedhiya stasiun pangisi daya ing papan umum 4 X20 4 Kasedhiya stasiun pangisi daya ing kantor 4 X21 4 Kasedhiya stasiun pengisian daya ing omah 4 X22 4 Kasedhiyan layanan 2 X23 2 Kebijakan insentif tuku 5 X24 5 Kebijakan diskon pajak tahunan 5 X25 5 Kebijakan diskon biaya pengisian daya 5 X26 5 Biaya pengisia