Le gouvernement indonésien visait l'adoption de 2,1 millions d'unités de véhicules électriques à deux roues et de 2 200 unités de véhicules électriques à quatre roues en 2025 par le biais du règlement présidentiel n° 22 de la République d'Indonésie en 2017 sur le plan général de l'énergie nationale. En 2019, le gouvernement indonésien a publié le règlement présidentiel n° 55 en 2019 concernant l'accélération du programme de véhicules électriques à batterie pour le transport routier. En 2018, l'adoption des véhicules électriques à deux roues n'a atteint que 0,14 % de l'objectif du gouvernement pour 2025. Par conséquent, l'adoption de la technologie des motos électriques (EM) doit également tenir compte de nombreux facteurs pour réussir. Cette recherche développe un modèle d'intention d'adoption de véhicules électriques non comportementaux. Les facteurs comprennent les niveaux sociodémographique, financier, technologique et macro. Le sondage en ligne a porté sur 1 223 répondants. La régression logistique est utilisée pour obtenir la fonction et la valeur de probabilité de l'intention d'adopter la SE en Indonésie. Fréquence de partage sur les réseaux sociaux, niveau de sensibilisation à l'environnement, prix d'achat, coûts de maintenance, vitesse maximale, temps de charge de la batterie, disponibilité de l'infrastructure de la borne de recharge au travail, disponibilité de l'électricité domestique basée sur l'infrastructure de charge, politiques d'incitation à l'achat et remise sur les coûts de charge les politiques incitatives influencent considérablement l'intention d'adopter des véhicules électriques. Il montre également que l'opportunité pour les Indonésiens d'adopter des motos électriques atteint 82,90 %. La réalisation de l'adoption des motos électriques en Indonésie nécessite une préparation des infrastructures et des coûts qui peuvent être acceptés par les consommateurs. Enfin, les résultats de cette recherche fournissent quelques suggestions au gouvernement et aux entreprises pour accélérer l'adoption de la moto électrique en Indonésie.

INTRODUCTION

Le secteur économique en Indonésie (transport, production d'électricité et ménages) utilise principalement des combustibles fossiles. Certains des effets négatifs de la forte dépendance aux combustibles fossiles sont l'augmentation des allocations pour les subventions aux carburants, les problèmes de durabilité énergétique et les niveaux élevés d'émissions de CO2. Le transport est un secteur majeur qui contribue à des niveaux élevés de CO2 dans l'air en raison des nombreuses utilisations des véhicules à combustibles fossiles. Cette recherche se concentre sur les motos car l'Indonésie, en tant que pays en développement, compte plus de motos que de voitures. Le nombre de motos en Indonésie a atteint 120 101 047 unités en 2018 [1] et les ventes de motos ont atteint 6 487 460 unités en 2019 [2]. Le passage du secteur des transports à des sources d'énergie alternatives peut réduire les niveaux élevés de CO2. La solution réaliste à ce problème consiste à mettre en œuvre une logistique verte grâce à la pénétration des véhicules électriques en Indonésie, tels que les véhicules électriques hybrides, les véhicules électriques hybrides rechargeables et les véhicules électriques à batterie [3]. L'innovation technologique des véhicules électriques et l'innovation technologique des batteries peuvent fournir des solutions de transport respectueuses de l'environnement, écoénergétiques et des coûts d'exploitation et de maintenance inférieurs [4]. Les véhicules électriques sont beaucoup discutés par les pays du monde. Dans le secteur mondial des véhicules électriques, il y a eu une croissance significative des ventes de motos électriques à deux roues qui ont atteint 58% ou environ 1,2 million d'unités de 2016 à 2017. Cette croissance des ventes indique une bonne réponse des pays du monde au sujet du développement des véhicules électriques. la technologie des motos qu'un jour, les motos électriques devraient remplacer les véhicules à carburant fossile. L'objet de recherche est la moto électrique (EM) qui se compose d'une nouvelle conception de moto électrique (NDEM) et d'une moto électrique convertie (CEM). Le premier type, le New Design of Electric Motorcycle (NDEM), est un véhicule conçu par l'entreprise qui utilise la technologie électrique pour ses opérations. Certains pays dans le monde tels que l'Australie, l'Allemagne, l'Angleterre, la France, le Japon, Taïwan, la Corée du Sud et la Chine utilisaient déjà des motos électriques comme produit de substitution pour les motos à carburant fossile [5]. Une marque de motos électriques est Zero Motorcycle qui fabrique des motos électriques sportives [6]. TP. Gesits Technologies Indo a également produit des motos électriques à deux roues sous la marque Gesits. Le deuxième type est un CEM. La moto électrique convertie est une moto à huile où le moteur et les pièces du moteur sont remplacés par des kits de batterie au lithium ferrophosphate (LFP) comme source d'énergie. Bien que de nombreux pays produisent des motos électriques, personne n'a créé le véhicule en utilisant des techniques de conversion. La conversion peut se faire sur une moto à deux roues qui n'est plus utilisée par ses utilisateurs. Universitas Sebelas Maret est un pionnier dans la fabrication de CEM et prouve techniquement que les batteries Lithium-Ion peuvent remplacer les sources d'énergie fossiles sur les motos conventionnelles. CEM utilise la technologie LFP, cette batterie n'explose pas en cas de court-circuit. En plus de cela, la batterie LFP a une longue durée de vie allant jusqu'à 3000 cycles d'utilisation et plus longue que les batteries EM commerciales actuelles (telles que la batterie lithium-ion et la batterie LiPo). Le CEM peut parcourir 55 km/charge et avoir une vitesse maximale de 70 km/heure [7]. Jodinesa, et al. [8] ont examiné la part de marché des motos électriques convertibles à Surakarta, en Indonésie, et il en est résulté que les habitants de Surakarta ont répondu positivement au CEM. D'après l'explication ci-dessus, on peut voir que l'opportunité pour les motos électriques est énorme. Plusieurs études sur les normes liées aux véhicules électriques et aux batteries ont été développées, comme la norme sur les batteries Lithium Ion de Sutopo et al. [9], la norme de système de gestion de batterie de Rahmawatie et al. [10], et les normes de recharge des véhicules électriques de Sutopo et al. [11]. Le faible taux d'adoption des véhicules électriques en Indonésie a incité le gouvernement à publier plusieurs politiques pour le développement de l'industrie automobile et a prévu de cibler l'adoption de 2,1 millions d'unités de motos électriques et 2 200 unités de voitures électriques en 2025. En outre, le gouvernement visait également l'Indonésie pour être en mesure de produire 2 200 voitures électriques ou hybrides qui sont énoncées dans le règlement présidentiel n° 22 de 2017 de la République d'Indonésie concernant le plan général de l'énergie nationale. Cette réglementation a été appliquée par divers pays tels que la France, l'Angleterre, la Norvège et l'Inde. Le ministère de l'Énergie et des Ressources minérales s'est fixé comme objectif qu'à partir de 2040, les ventes de véhicules à moteur à combustion interne (ICEV) soient interdites et que le public soit invité à utiliser des véhicules électriques [12]. En 2019, le gouvernement indonésien a publié le règlement présidentiel n° 55 de 2019 concernant l'accélération du programme de véhicules électriques à batterie pour le transport routier. Cet effort est une étape pour surmonter deux problèmes, à savoir l'épuisement des réserves de fioul et la pollution de l'air. Concernant la pollution de l'air, l'Indonésie s'est engagée à réduire de 29 % ses émissions de dioxyde de carbone d'ici 2030 à la suite de la Conférence de Paris sur le changement climatique qui s'est tenue en 2015. En 2018, la pénétration des véhicules électriques à deux roues n'a atteint que 0,14 % de l'objectif du gouvernement. 2025, tandis que pour les quatre roues l'électricité atteint plus de 45%. En décembre 2017, il y avait au moins plus de 1 300 bornes de recharge électriques publiques disponibles dans tout le pays dans 24 villes, dont 71% (924 stations de recharge) situées à DKI Jakarta [13]. De nombreux pays ont effectué des recherches sur l'adoption des véhicules électriques, mais en Indonésie, aucune recherche à l'échelle nationale n'a été effectuée auparavant. Il y a eu de nombreux types de recherches dans certains pays qui ont mené des études sur l'adoption de nouvelles technologies en utilisant plusieurs méthodes telles que la régression linéaire multiple pour connaître l'intention d'utilisation des véhicules électriques en Malaisie [14], la modélisation par équation structurelle (SEM) pour connaître l'adoption des barrières des véhicules électriques à batterie à Tianjin, Chine [15], analyse factorielle exploratoire et modèle de régression multivariée pour connaître les barrières parmi les conducteurs de véhicules électriques au Royaume-Uni [16], et régression logistique pour connaître les facteurs influençant l'adoption des véhicules électriques dans Pékin, Chine [17]. Les objectifs de cette recherche sont de développer un modèle d'adoption des motos électriques en Indonésie, de trouver les facteurs qui influencent les intentions d'adoption des motos électriques en Indonésie et de déterminer les opportunités fonctionnelles pour l'adoption des motos électriques en Indonésie. Il est important de modéliser les facteurs pour savoir quels facteurs influencent l'intention d'adopter des motos électriques en Indonésie. Ces facteurs influents peuvent être utilisés comme référence pour formuler des politiques appropriées pour accélérer l'adoption des motos électriques. Ces facteurs importants sont une image des conditions idéales souhaitées par les utilisateurs potentiels de motos électriques en Indonésie. Certains ministères indonésiens liés à la formulation de politiques concernant les véhicules électriques sont le ministère de l'Industrie qui s'occupe des règles fiscales sur les véhicules en fonction de ses émissions qui traitent directement avec les constructeurs de véhicules électriques, le ministère des Transports qui effectue le test de faisabilité des véhicules électriques qui paver sur l'autoroute tels que les tests de batterie, etc. L'innovation dans les véhicules électriques encourage également la naissance de nouvelles entités commerciales dans la chaîne d'approvisionnement, notamment les technopreneurs et les start-ups des développeurs, fournisseurs, fabricants et distributeurs de produits / services de véhicules électriques et de leurs dérivés sur le marché [24]. Les entrepreneurs de motos électriques peuvent également développer la technologie et le marketing en tenant compte de ces facteurs importants afin de soutenir la réalisation de motos électriques au lieu de motos conventionnelles en Indonésie. Régression logistique ordinale utilisée pour obtenir la fonction et la valeur de probabilité de l'intention d'adopter des motos électriques en Indonésie à l'aide du logiciel SPSS 25. La régression logistique ou régression logit est une approche pour créer des modèles prédictifs. Régression logistique dans les statistiques utilisée pour prédire la probabilité qu'un événement se produise en faisant correspondre les données de la fonction logistique de la courbe logit. Cette méthode est un modèle linéaire général pour la régression binomiale [18]. La régression logistique a été utilisée pour prédire l'acceptation de l'adoption d'Internet et des services bancaires mobiles [19], prédire l'acceptation de l'adoption de la technologie photovoltaïque aux Pays-Bas [20], prédire l'acceptation de la technologie des systèmes de télésurveillance pour la santé [21], et trouver les obstacles techniques qui affectent la décision d'adopter des services cloud [22]. Utami et al. [23] qui a précédemment mené des recherches sur les perceptions des consommateurs à l'égard des véhicules électriques à Surakarta, a constaté que les prix d'achat, les modèles, les performances des véhicules et la préparation des infrastructures étaient les principaux obstacles pour les personnes qui adoptaient des véhicules électriques. MÉTHODE Les données collectées dans cette recherche sont des données primaires obtenues par le biais d'enquêtes en ligne pour découvrir les opportunités et les facteurs qui influencent l'intention d'adopter des motos électriques en Indonésie. Questionnaire et sondage Le sondage en ligne a été distribué à 1 223 répondants dans huit provinces d'Indonésie pour explorer les facteurs influençant l'intention d'adopter des motos électriques en Indonésie. Ces provinces choisies représentaient plus de 80 % des ventes de motos en Indonésie [2] : Java occidental, Java oriental, Jakarta, Java central, Sumatra nord, Sumatra occidental, Yogyakarta, Sulawesi sud, Sumatra sud et Bali. Les facteurs explorés sont présentés dans le tableau 1. Les connaissances générales sur les motos électriques ont été fournies au début du questionnaire en utilisant la vidéo pour éviter les malentendus. Le questionnaire était divisé en cinq sections : une section de dépistage, une section sociodémographique, une section financière, une section technologique et une section au niveau macro. Le questionnaire était présenté sur une échelle de Likert de 1 à 5, où 1 pour fortement en désaccord, 2 pour en désaccord, 3 pour doute, 4 pour d'accord et 5 pour fortement d'accord. La détermination de la taille minimale de l'échantillon se réfère à [25], a déclaré que les études d'observation avec de grandes tailles de population impliquant une régression logistique nécessitent une taille d'échantillon minimale de 500 pour obtenir des statistiques représentant les paramètres. L'échantillonnage en grappes ou l'échantillonnage aréolaire avec des proportions est utilisé dans cette recherche car la population d'utilisateurs de motos en Indonésie est très importante. En outre, l'échantillonnage raisonné est utilisé pour déterminer des échantillons en fonction de certains critères [26]. Les sondages en ligne sont réalisés via les publicités Facebook. Les répondants éligibles sont les personnes âgées de ≥ 17 ans, possédant une SIM C, faisant partie des décideurs pour remplacer ou acheter une moto, et domiciliées dans l'une des provinces du tableau 1. Cadre théorique She et al. [15] et Habich-Sobiegalla et al. [28] ont utilisé des cadres pour une catégorisation systématique des facteurs qui conduisent ou entravent l'adoption du véhicule électrique par les consommateurs. Nous avons adapté ces cadres en les modifiant sur la base de notre analyse de la littérature sur les motos électriques sur l'adoption des motos électriques par les consommateurs. Nous l'avons visualisé dans le tableau 1.Tableau 1. Explication et référence des facteurs et attributs Facteur Code Attribut Réf. SD1 État matrimonial [27], [28] SD2 Âge SD3 Sexe SD4 Dernière éducation SD5 Profession Sociodémographique SD6 Niveau de consommation mensuel SD7 Niveau de revenu mensuel SD8 Nombre de motocyclistes SD9 Fréquence de partage sur les réseaux sociaux SD10 Taille du réseau social en ligne SD11 Conscience environnementale Financière FI1 Prix d'achat [29] FI2 Coût de la batterie [30] FI3 Coût de charge [31] FI4 Coûts de maintenance [32] Capacité technologique TE1 Kilométrage [33] TE2 Puissance [33] TE3 Temps de charge [33] TE4 Sécurité [34] TE5 Durée de vie de la batterie [35] Niveau macro ML1 Disponibilité des bornes dans les lieux publics [36] ML2 Disponibilité des bornes au travail [15] ML3 Disponibilité des bornes à domicile [37] ML4 Disponibilité des places de service [38] ML5 Politique d'incitation à l'achat [15] ML6 Annuel politique de remise fiscale [15] ML7 Politique de remise sur les coûts de facturation [15] Intention d'adoption IP Intention d'utilisation [15] Facteur sociodémographique Le facteur sociodémographique est un facteur personnel qui influence le comportement d'un individu dans la prise de décision. Eccarius et al. [28] ont déclaré sur leur modèle d'adoption que l'âge, le sexe, l'état matrimonial, l'éducation, le revenu, la profession et la propriété du véhicule sont des facteurs importants ayant un impact sur l'adoption du véhicule électrique. HabichSoebigalla et al soulignent que les facteurs de réseaux sociaux tels que le nombre de propriétaires de motos, la fréquence de partage sur les réseaux sociaux et la taille du réseau social en ligne sont les facteurs d'influence de l'adoption des véhicules électriques [28]. Eccarius et al. [27] et Habich Sobiegalla et al. [28] ont également considéré que la conscience environnementale fait partie des facteurs sociodémographiques. Facteur financier Le prix d'achat est le prix d'origine d'une moto électrique sans aucune subvention à l'achat. Sierzchula et al. [29] a déclaré que le prix d'achat élevé du véhicule électrique causé par la plus grande capacité de la batterie. Le coût de la batterie est le coût de remplacement de la batterie lorsque l'ancienne autonomie de la batterie est épuisée. Krause et al. ont fait des recherches sur le fait que le coût de la batterie fait partie des barrières financières pour l'adoption d'un véhicule électrique [30]. Le coût de charge est le coût de l'électricité pour alimenter une moto électrique par rapport au coût de l'essence [31]. Les coûts d'entretien sont les coûts d'entretien de routine pour les motos électriques, et non les réparations en raison d'un accident ayant un impact sur l'adoption des véhicules électriques [32]. La capacité de kilométrage du facteur technologique est la distance la plus éloignée une fois que la batterie de la moto électrique est complètement chargée. Zhang et al. [33] ont déclaré que les performances du véhicule se réfèrent à l'évaluation des consommateurs sur le véhicule électrique, y compris la capacité kilométrique, la puissance, le temps de charge, la sécurité et la durée de vie de la batterie. La puissance est la vitesse maximale d'une moto électrique. Le temps de charge est le temps global pour charger complètement une moto électrique. Le sentiment de sécurité lors de la conduite d'une moto électrique lié au son (dB) est le facteur mis en évidence par Sovacool et al. [34] comme étant des facteurs ayant un impact sur la perception des consommateurs sur le véhicule électrique. Graham-Rowe et al. [35] ont déclaré que la durée de vie de la batterie est considérée comme dégradée. Facteur de niveau macro L'infrastructure de la disponibilité des bornes de recharge est quelque chose qui ne peut être évité pour les utilisateurs de motos électriques. La disponibilité de la recharge dans les lieux publics est considérée comme importante pour soutenir l'adoption des véhicules électriques [36]. Disponibilité de charge au travail [15] et disponibilité de charge à domicile [37] également nécessaires aux consommateurs pour remplir la batterie de leur véhicule. Krupa et al. [38] ont déclaré que la disponibilité de places de service pour l'entretien de routine et les dommages a un impact sur l'adoption du véhicule électrique. Elle et al. [15] ont suggéré des incitations publiques très recherchées par les consommateurs de Tianjin, telles que l'octroi de subventions pour l'achat de motos électriques, une réduction d'impôt annuelle pour les motos électriques et une politique de réduction des coûts de recharge lorsque les consommateurs doivent recharger une moto électrique dans les lieux publics [15]. Régression logistique ordinale La régression logistique ordinale est l'une des méthodes statistiques qui décrivent la relation entre une variable dépendante avec une ou plusieurs variables indépendantes, où la variable dépendante comporte plus de 2 catégories et l'échelle de mesure est de niveau ou ordinale [39]. L'équation 1 est un modèle de régression logistique ordinale et l'équation 2 montre la fonction g(x) sous forme d'équation logit. eegxgx P x ( ) ( ) 1 ( ) + = (1)  = = + mkjk Xik gx 1 0 ( )   (2) RÉSULTATS ET DISCUSSION Le questionnaire a été distribué en ligne de mars à avril 2020, via des publicités Facebook payantes en définissant la zone de filtrage : Java occidental, Java oriental, Jakarta, Java central, Sumatra du nord, Sumatra de l'ouest, Yogyakarta, Sulawesi du sud, Sumatra du sud et Bali qui a atteint 21 628 utilisateurs. Le total des réponses reçues était de 1 443 réponses, mais seules 1 223 réponses étaient éligibles pour le traitement des données. Le tableau 2 présente les caractéristiques démographiques des répondants. Statistiques descriptives Le tableau 3 présente des statistiques descriptives pour les variables quantitatives. La remise sur les coûts de facturation, la remise fiscale annuelle et les subventions au prix d'achat ont une moyenne plus élevée, entre autres facteurs. Cela montre que la plupart des personnes interrogées considèrent qu'il existe une politique intensive donnée par le gouvernement pour les encourager à adopter des motos électriques. En ce qui concerne les facteurs financiers, le prix d'achat et le coût de la batterie ont une moyenne inférieure, entre autres facteurs. Cela illustre que le prix d'achat d'une moto électrique et le coût de la batterie ne sont pas adaptés au budget de la plupart des répondants. La plupart des personnes interrogées considéraient que le prix d'une moto électrique était trop élevé par rapport au prix d'une moto conventionnelle. Le coût de remplacement de la batterie tous les trois ans, qui atteint 5 000 000 IDR, est également trop élevé pour la plupart des personnes interrogées, de sorte que le prix d'achat et le coût de la batterie constituent un obstacle pour les Indonésiens à adopter des motos électriques. La durée de vie de la batterie, la puissance et le temps de charge ont des scores moyens faibles dans les statistiques descriptives, mais les scores moyens pour ces trois facteurs sont supérieurs à 4. Le temps de charge qui a pris trois heures était trop long pour la plupart des répondants. La vitesse maximale d'une moto électrique est de 70 km/h et une autonomie de 3 ans n'est pas à la hauteur des besoins des répondants. Cela montre que la plupart des personnes interrogées considèrent que les motos électriques performantes ne répondent pas à leurs normes. Bien que les personnes interrogées n'aient pas entièrement fait confiance aux performances des motos électriques, EM peut répondre à leurs besoins de mobilité quotidiens. Plus de répondants ont donné plus de note à la disponibilité de la recharge dans leurs maisons et bureaux que dans les lieux publics. Cependant, un obstacle souvent rencontré est que la puissance électrique domestique est toujours inférieure à 1 300 VA, ce qui fait que les personnes interrogées s'attendent fortement à ce que le gouvernement soit en mesure d'aider à fournir des installations de recharge à domicile. La disponibilité de la recharge au bureau est plus privilégiée que dans les lieux publics car la mobilité des personnes interrogées passe au quotidien par les domiciles et le bureau. Le tableau 4 présente les réponses des répondants à l'adoption des motos électriques. Il montre que 45,626% des personnes interrogées ont une forte volonté d'utiliser une moto électrique. Ce résultat laisse présager un bel avenir pour la part de marché des motos électriques. Le tableau 4 montre également que près de 55% des personnes interrogées n'ont pas une forte volonté d'utiliser une moto électrique. Les résultats intéressants de ces statistiques descriptives impliquent que bien que l'enthousiasme pour l'utilisation des motos électriques nécessite encore une stimulation, l'acceptation par le public des motos électriques est bonne. Une autre raison qui pourrait se produire est que les répondants ont l'attitude d'attendre et de voir l'adoption d'une moto électrique ou si quelqu'un d'autre utilise une moto électrique ou non. Les données de régression logistique ordinale sont traitées et analysées pour déterminer l'intention d'adoption des motos électriques en Indonésie à l'aide de la régression logistique ordinale. La variable dépendante dans cette recherche est la volonté d'utiliser une moto électrique (1 : fortement réticente, 2 : non disposée, 3 : doute, 4 : disposée, 5 : fortement disposée). La régression logistique ordinale a été choisie comme méthode dans cette recherche parce que la variable dépendante utilise l'échelle ordinale. Les données ont été traitées à l'aide du logiciel SPSS 25 avec un niveau de confiance de 95 %. Des tests de multicolinéarité ont été effectués pour calculer les facteurs d'inflation de la variance (VIF) avec un VIF moyen de 1,15 à 3,693, ce qui signifie qu'il n'y a pas de multicolinéarité dans le modèle. L'hypothèse utilisée dans la régression logistique ordinale est présentée dans le tableau 5. Le tableau 6 montre les résultats partiels des tests comme base pour rejeter ou accepter l'hypothèse de la régression logistique ordinale. Tableau 2. Démographie des répondants Élément démographique Fréq % Élément démographique Fréq % Domicile Java occidental 345 28,2 % Profession Étudiant 175 14,3 % Java oriental 162 13,2 % Fonctionnaires 88 7,2 % Jakarta 192 15,7 % Employés privés 415 33,9 % Java central 242 19,8 % Entrepreneur 380 31,1% Nord Sumatera 74 6,1% Autres 165 13,5% Yogyakarta 61 5,0% Sud Sulawesi 36 2,9% 17-30 ans 655 53,6% Bali 34 2,8% 31-45 486 39,7% Ouest Sumatera 26 2,1% 46-60 79 6,5% Sud Sumatera 51 4,2% >60 3 0,2% Etat civil Célibataire 370 30,3% Dernier niveau d'études SMP/SMA/SMK 701 57,3% Marié 844 69,0% Diplôme 127 10,4% Autres 9 0,7% Licence 316 25,8% Sexe Masculin 630 51,5% Master 68 5,6 % Féminin 593 48,5 % Doctorat 11 0,9 % Niveau de revenu mensuel 0 154 12,6 % Niveau de consommation mensuelle < 2 000 000 IDR 432 35,3 % < 2 000 000 IDR 226 18,5 % 2 000 000 IDR-5 999 999 640 52,3 % IDR 2 000 000-5 999 999 550 45 % 6 000 000 IDR- 9 999 999 121 9,9 % IDR 6 000 000 - 9 999 999 199 16,3 % ≥ IDR 10 000 000 30 2,5 % IDR 10 000 000 - 19 999 999 71 5,8 % ≥ I DR 20 000 000 23 1,9% Tableau 3. Statistiques descriptives au niveau financier, technologique et macro Variable Rang moyen Variable Rang moyen ML7 (disc. ) 4.4301 2 ML2 (CS sur les lieux de travail) 4.1055 10 ML5 (incitation à l'achat) 4.4146 3 ML1 (CS dans les lieux publics) 4.0965 11 TE4 (sécurité) 4.3181 4 TE5 (autonomie) 4.0924 12 FI3 (coût de charge) 4.2518 5 TE2 (puissance ) 4.0597 13 TE1 (capacité kilométrique) 4.2396 6 TE3 (temps de charge) 4.0303 14 ML4 (lieu de service) 4.2142 7 FI1 (coût d'achat) 3.8814 15 FI4 (coût de maintenance) 4.1980 8 FI2 (coût de la batterie) 3.5045 16 Tableau 4. Statistiques descriptives pour l'intention d'adoption 1 : pas du tout disposé 2 : pas disposé 3 : doute 4 : disposé 5 : entièrement disposé Volonté d'utiliser une moto électrique 0,327% 2,044% 15,863% 36,141% 45,626% Les résultats de l'analyse de régression logistique pour les variables SD1 à SD11 qui appartiennent à les facteurs sociodémographiques montrent que seule la fréquence de partage sur les médias sociaux (SD9) et le niveau de préoccupation environnementale (SD11) ont un effet significatif sur l'intention des motos électriques en Indonésie. Les valeurs significatives de la variable qualitative de l'état matrimonial sont de 0,622 pour les célibataires et de 0,801 pour les mariés. Ces valeurs ne supportent pas l'hypothèse 1. L'état matrimonial n'influence pas significativement l'intention d'adopter une moto électrique car la valeur significative est supérieure à 0,05. La valeur significative pour l'âge est de 0,147 de sorte que l'âge n'influence pas significativement l'intention d'adopter une moto électrique. La valeur d'estimation pour l'âge de -0,168 ne supporte pas l'hypothèse 2. Le signe négatif signifie que plus l'âge est élevé, plus l'intention d'adopter une moto électrique est faible. La valeur significative de la variable qualitative sexe (0,385) ne supporte pas l'hypothèse 3. Le sexe n'influence pas significativement l'intention d'adopter une moto électrique. La valeur significative pour le dernier niveau d'études (0,603) ne supporte pas l'hypothèse 4. Ainsi, le dernier niveau d'études n'influence pas significativement l'intention d'adopter une moto électrique. La valeur d'estimation pour le dernier niveau d'éducation de 0,036 signifie qu'un signe positif signifie que plus le niveau d'éducation est élevé, plus l'intention d'adopter une moto électrique est élevée. La valeur significative de la variable qualitative de la profession était de 0,487 pour les étudiants, de 0,999 pour les fonctionnaires, de 0,600 pour les salariés du privé et de 0,480 pour les entrepreneurs ne soutenant pas l'hypothèse 5. La profession n'influence pas significativement l'intention d'adopter une moto électrique. UTAMI ET AUTRES. /JOURNAL SUR LES OPTIMISATIONS DES SYSTÈMES DANS LES INDUSTRIES – VOL. 19 NON. 1 (2020) 70-81 DOI : 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tableau 5. Hypothèse Hypothèse Socio- H1 : l'état matrimonial a un effet positif significatif sur l'intention d'adopter une moto électrique. Démo-H2 : l'âge a un effet positif significatif sur l'intention d'adopter une moto électrique. graphique H3 : le sexe a un effet positif significatif sur l'intention d'adopter une moto électrique. H4 : le dernier niveau d'études a un effet positif significatif sur l'intention d'adopter une moto électrique. H5 : l'occupation a un effet positif significatif sur l'intention d'adopter une moto électrique. H6 : le niveau de consommation mensuel a un effet positif significatif sur l'intention d'adopter une moto électrique. H7 : le niveau de revenu mensuel a un effet positif significatif sur l'intention d'adopter une moto électrique. H8 : le nombre de propriétaires de motos a un effet positif significatif sur l'intention d'adopter une moto électrique. H9 : la fréquence de partage sur les réseaux sociaux a un effet positif significatif sur l'intention d'adopter une moto électrique. H10 : la taille du réseau social en ligne a un effet positif significatif sur l'intention d'adopter une moto électrique. H11 : la conscience environnementale a un effet positif significatif sur l'intention d'adopter une moto électrique. S12 financier : le prix d'achat a un effet positif significatif sur l'intention d'adopter une moto électrique. H13 : le coût de la batterie a un effet positif significatif sur l'intention d'adopter une moto électrique. H14 : le coût de la recharge a un effet positif significatif sur l'intention d'adopter une moto électrique. H15 : les coûts d'entretien ont un effet positif significatif sur l'intention d'adopter une moto électrique. H16 : la capacité kilométrique a un effet positif significatif sur l'intention d'adopter une moto électrique. H17 : la puissance a un effet positif significatif sur l'intention d'adopter une moto électrique. Techno- H18 : le temps de charge a un effet positif significatif sur l'intention d'adopter une moto électrique. logique H19 : la sécurité a un effet positif significatif sur l'intention d'adopter une moto électrique. H20 : la durée de vie de la batterie a un effet positif significatif sur l'intention d'adopter une moto électrique. H21 : la disponibilité d'infrastructures de bornes de recharge dans les lieux publics a un effet positif significatif sur l'intention d'adopter une moto électrique. H22 : la disponibilité des infrastructures de bornes de recharge au travail a un effet positif significatif sur l'intention d'adopter une moto électrique. Niveau macro H23 : la disponibilité d'infrastructures de bornes de recharge à domicile a un effet positif significatif sur l'intention d'adopter une moto électrique. H24 : la disponibilité des places de service a un effet positif significatif sur l'intention d'adopter une moto électrique. H25 : la politique d'incitation à l'achat a un effet positif significatif sur l'intention d'adopter une moto électrique. H26 : la politique de remise fiscale annuelle a un effet positif significatif sur l'intention d'adopter une moto électrique. H27 : la politique de remise sur les coûts de recharge a un effet positif significatif sur l'intention d'adopter une moto électrique. Tableau 6. Régression logistique Résultats partiels du test Var Valeur Sig Var Valeur Sig SD1:célibataire 0,349 0,622 TE1 0,146 0,069 SD1:marié 0,173 0,801 TE2 0,167 0,726 SD1:autres 0 TE3 0,240 0,161 SD2 -0,168 0,147 TE4 -0,005 0,013* SD3:homme 0,117 0,385 TE5 0,068 0,765 SD3:femelle 0 ML1 -0,127 0,022* SD5:étudiants -0,195 0,487 ML2 0,309 0,000* SD5:civ. serv 0,0000 0,999 ML3 0,253 0,355 SD5:priv. emp -0,110 0,6 ML4 0,134 0,109 SD5:entrepr 0,147 0,48 ML5 0,301 0,017* SD5:autres 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 0,4* TE3 24 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 * Significatif à 95 % niveau de confiance La valeur significative du niveau de consommation mensuelle (0,069) ne supporte pas l'hypothèse 6, le niveau de consommation mensuelle n'influence pas significativement l'intention d'adopter une moto électrique. La valeur estimée pour le niveau de consommation mensuelle de 0,227, un signe positif signifie que plus le niveau des dépenses mensuelles est élevé, plus l'intention d'adopter une moto électrique est élevée. La valeur significative du niveau de revenu mensuel (0,726) ne supporte pas l'hypothèse 7, le niveau de revenu mensuel n'influence pas significativement l'intention d'adopter une moto électrique. La valeur d'estimation pour le niveau de revenu mensuel est de 0,032, un signe positif signifie que plus le niveau de revenu mensuel est élevé plus l'intention d'adopter une moto électrique est élevée. La valeur significative du nombre de propriétaires de motos (0,161) ne supporte pas l'hypothèse 8, le nombre de propriétaires de motos n'influence pas significativement l'intention d'adopter une moto électrique. La valeur d'estimation pour le niveau de possession de motos est de 0,180, un signe positif signifie que plus le nombre de motos possédées est élevé, plus l'intention d'adopter une moto électrique est élevée. La valeur significative de la fréquence de partage sur les réseaux sociaux (0,013) conforte l'hypothèse 9, la fréquence de partage sur les réseaux sociaux a un effet significatif sur l'intention d'adopter une moto électrique car la valeur significative est inférieure à 0,05. UTAMI ET AUTRES. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 NON. 1 (2020) 70-81 76 Utami et coll. DOI: 10.25077/josi.v19.n1.p70-81.2020 La valeur de l'estimation de la fréquence de partage sur les réseaux sociaux est de 0,111, signe positif signifie que plus la fréquence de partage de quelqu'un sur les réseaux sociaux est élevée, plus les chances d'adoption d'un appareil électrique sont élevées. moto. Une valeur significative pour la taille du réseau social en ligne (0,765) ne supporte pas l'hypothèse 10, la taille de la portée du réseau social n'influence pas significativement l'intention d'adopter une moto. La valeur d'estimation du nombre de personnes atteintes dans le réseau social est de 0,016, un signe positif signifie que plus la taille des réseaux de médias sociaux est élevée, plus l'intention d'adopter une moto électrique est élevée. La valeur significative du niveau de conscience environnementale (0,022) soutient l'hypothèse 11, le niveau de préoccupation environnementale a un effet significatif sur l'intention d'adopter une moto électrique. La valeur d'estimation du niveau de conscience environnementale est de 0,226, un signe positif signifie que plus le niveau de préoccupation environnementale d'une personne est élevé, plus l'intention d'adopter une moto électrique est élevée. Les résultats de l'analyse de régression logistique pour les variables FI1 à FI4 qui appartiennent à des facteurs financiers montrent que le prix d'achat (FI1) et les coûts d'entretien (FI4) ont un effet significatif sur l'intention des motos électriques en Indonésie. La valeur significative du prix d'achat (0,00) supporte l'hypothèse 12, le prix d'achat a un effet significatif sur l'intention d'adopter une moto électrique.La valeur d'estimation pour le prix d'achat est de 0,348, signe positif signifie que plus le prix d'achat d'une moto électrique est approprié pour quelqu'un, plus l'intention d'adopter une moto électrique est élevée. La valeur significative du coût de la batterie (0,355) ne supporte pas l'hypothèse 13, le coût de la batterie n'influence pas significativement l'intention d'adopter une moto électrique. La valeur significative des coûts de charge (0,109) ne supporte pas l'hypothèse 14, le coût de charge n'a pas d'effet significatif sur l'intention d'adopter une moto électrique. La valeur d'estimation du coût de recharge est de 0,136, un signe positif signifie que plus le coût de recharge d'une moto électrique est approprié pour quelqu'un, plus l'intention d'adopter une moto électrique est élevée. La valeur significative des coûts d'entretien (0,017) ne supporte pas l'hypothèse 15, les coûts d'entretien ont un effet significatif sur l'intention d'adopter une moto électrique. La valeur de l'estimation des coûts d'entretien est de 0,193, un signe positif signifie que plus le coût d'entretien d'une moto électrique est approprié pour quelqu'un, plus l'intention d'adopter une moto électrique est élevée. Les résultats de l'analyse de régression logistique pour les variables TE1 à TE5 qui appartiennent à des facteurs technologiques montrent que le temps de charge de la batterie (TE3) a un effet significatif sur l'intention d'adoption des motos électriques en Indonésie. La valeur significative de la capacité kilométrique (0,107) ne prend pas en charge l'hypothèse 16, la capacité kilométrique n'a pas d'effet significatif sur l'intention d'adopter une moto électrique. La valeur d'estimation pour un kilométrage maximum est de 0,146, un signe positif signifie que plus le kilométrage maximum d'une moto électrique est approprié pour quelqu'un, plus l'intention d'adopter une moto électrique est élevée. La valeur significative de la puissance variable indépendante ou de la vitesse maximale (0,052) ne supporte pas l'hypothèse 17, la vitesse maximale n'influence pas significativement l'intention d'adopter une moto électrique. La valeur d'esimate pour la puissance ou la vitesse maximale est de 0,167, un signe positif signifie que plus la vitesse maximale d'une moto électrique est appropriée pour une personne, plus l'intention d'adopter une moto électrique est élevée. La valeur significative du temps de charge (0.004) soutient l'hypothèse 18, le temps de charge a un effet significatif sur l'intention d'adopter une moto électrique. La valeur estimée du temps de charge est de 0,240, un signe positif signifie que plus la vitesse maximale d'une moto électrique est appropriée pour quelqu'un, plus l'intention d'adopter une moto électrique est élevée. La valeur significative pour la sécurité (0,962) ne supporte pas l'hypothèse 19, la sécurité n'influence pas significativement l'intention d'adopter une moto électrique. La valeur d'estimation pour la sécurité est de -0,005, un signe négatif signifie que plus une personne se sent en sécurité en utilisant une moto électrique, plus l'intention d'adopter une moto électrique est faible. La valeur significative de la durée de vie de la batterie (0,424) ne supporte pas l'hypothèse 20, la durée de vie de la batterie n'a pas d'effet significatif sur l'intention d'adopter une moto électrique. La valeur d'estimation de la durée de vie de la batterie est de 0,068, un signe positif signifie que plus la durée de vie d'une batterie de moto électrique est appropriée, plus l'intention d'adopter une moto électrique est élevée. Les résultats de l'analyse de régression logistique pour les variables ML1 à ML7 qui appartiennent à des facteurs de niveau macro montrent les résultats que seules la disponibilité de la facturation sur le lieu de travail (ML2), la disponibilité de la facturation dans la résidence (ML3) et la politique de réduction des coûts de facturation (ML7) qui ont un effet significatif sur l'intention d'adoption des motos électriques en Indonésie. La valeur significative de la disponibilité de la recharge dans les lieux publics (0,254) ne supporte pas l'hypothèse 21, la disponibilité de la recharge dans les lieux publics n'influence pas significativement l'intention d'adopter la moto électrique. La valeur significative de la disponibilité de la recharge sur le lieu de travail (0,007) soutient l'hypothèse 22, la disponibilité de la recharge sur le lieu de travail a un effet significatif sur l'intention d'adopter une moto électrique. La valeur significative de la disponibilité de la recharge à domicile (0,009) conforte l'hypothèse 22, la disponibilité de la recharge à domicile a un effet significatif sur l'intention d'adopter une moto. La valeur significative de la disponibilité des places de service (0,181) ne supporte pas l'hypothèse 24, la disponibilité des places de service n'a pas d'effet significatif sur l'intention d'adopter une moto électrique. La valeur significative de la politique d'incitation à l'achat (0,017) soutient l'hypothèse 25, la politique d'incitation à l'achat a un effet significatif sur l'intention d'adopter une moto électrique. La valeur significative de la politique de remise fiscale annuelle (0,672) ne supporte pas l'hypothèse 26, la politique d'incitation à la remise fiscale annuelle n'a pas d'effet significatif sur l'intention d'adopter une moto électrique. La valeur significative de la politique de remise sur les coûts de recharge (0,00) soutient l'hypothèse 27, la politique d'incitation à la remise sur les coûts de recharge a un effet significatif sur l'intention d'adopter une moto électrique. Selon le résultat du facteur de niveau macro, l'adoption de la moto électrique peut être réalisée si la station de recharge sur le lieu de travail, la station de recharge dans la résidence et la politique de réduction des coûts de recharge sont accessibles par les consommateurs. Globalement, la fréquence de partage sur les réseaux sociaux, le niveau de sensibilisation à l'environnement, les prix d'achat, les coûts d'entretien, la vitesse maximale des motos électriques, le temps de charge des batteries, la disponibilité des infrastructures de recharge au travail, la disponibilité de l'électricité à domicile - infrastructure de recharge, UTAMI ET AUTRES. /JOURNAL SUR LES OPTIMISATIONS DES SYSTÈMES DANS LES INDUSTRIES – VOL. 19 NON. 1 (2020) 70-81 DOI : 10.25077/josi.v19.n1.p70-81.2020 Utami et al. Les politiques d'incitation à l'achat et les politiques d'incitation à la réduction des coûts de recharge influencent considérablement l'intention d'adopter des véhicules électriques. Modèle d'équation et fonction de probabilité L'équation 3 est une équation logit pour le choix de la réponse « fortement réticente » à adopter une moto électrique.  =  = + 27 1 01 ( 1| ) kg Y Xn   k Xik (3) L'équation 4 est une équation logit pour le choix de la réponse « ne veut pas » adopter une moto électrique.  =  = + 27 1 02 ( 2 | ) kg Y Xn   k Xik (4) L'équation 5 est une équation logit pour le choix de la réponse « doute » pour adopter une moto électrique.  =  = + 27 1 03 ( 3| ) kg Y Xn   k Xik (5) L'équation 6 est une équation logit pour l'option de réponse « désireux » d'adopter une moto électrique.  =  = + 27 1 04 ( 4 | ) kg Y Xn   k Xik (6) Fonctions de probabilité d'adoption intention motos électriques illustrées dans l'équation 7 à l'équation 11. L'équation 7 est la fonction de probabilité pour le choix de la réponse " fortement réticents » à adopter une moto électrique. eenng YX g YXP Xn PY Xn ( 1| ) ( 1| ) 1 1 ( ) ( 1| )   + = =  (7) L'équation 8 est la fonction de probabilité pour le choix de la réponse moto électrique. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 1| ) ( 1| ) ( 2| ) ( 2| ) 2 1 1 ( 2 | ) ( 1| ) ( ) ( 2 | )     + − + = =  −  = = (8) L'équation 9 est la fonction de probabilité pour le choix de la réponse « doute » pour adopter une moto électrique. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 2| ) ( 2| ) ( 3| ) ( 3| ) 3 1 1 ( 3 | ) ( 2 | ) ( ) ( 3 | )     + − + = =  −  = = (9) L'équation 10 est la fonction de probabilité pour le choix de la réponse « disposé » à adopter une moto électrique. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 3| ) ( 3| ) ( 4| ) ( 4| ) 4 1 1 ( 4 | ) ( 3 | ) ( ) ( 4 | )     + − + = =  −  = = (10) L'équation 11 est la fonction de probabilité pour le choix de la réponse « fortement disposé » à adopter une moto électrique. eenng YX g YX nnn PYXPXPYX ( 4| ) ( 4| ) 5 1 1 1 ( 4 | ) ( ) ( 5 | )   + = − = −  = = (11) Adoption Intention Probabilité L'équation de régression logistique ordinale alors appliqué à un échantillon de réponses des répondants. Le tableau 8 présente les caractéristiques et les réponses de l'échantillon. Ainsi, la probabilité de répondre à chaque critère sur la variable dépendante est calculée sur la base de l'équation 7 - 11. Un échantillon de répondants qui a les réponses indiquées dans le tableau 7 ont une probabilité de 0,0013 pour ne pas vouloir utiliser une moto électrique, une probabilité de 0,0114 pour ne pas vouloir utiliser une moto électrique, une probabilité de 0,1788 pour douter d'utiliser une moto électrique, une probabilité de 0,563 pour vouloir utiliser une moto électrique et une probabilité de 0,2455 pour vouloir fortement utiliser une moto électrique. La probabilité d'adoption de la moto électrique pour 1 223 répondants a également été calculée et la valeur moyenne de la probabilité de réponses à fortement réticents à utiliser une moto électrique était de 0,0031, refusant d'utiliser une moto électrique était de 0,0198, doute d'utiliser une moto électrique était de 0,1482, disposé à utiliser un moto électrique était de 0,3410, et fortement disposé à utiliser une moto électrique était de 0,4880. Si l'on totalise les probabilités de vouloir et de fortement vouloir, la probabilité pour les Indonésiens d'adopter des motos électriques atteint 82,90 %. Recommandations pour les entreprises et les décideurs Dans l'analyse de régression logistique ordinale, la fréquence de partage sur les réseaux sociaux est un facteur important affectant l'intention d'adopter une moto électrique. L'importance des médias sociaux en tant que plate-forme permettant au public d'obtenir des informations sur les motos électriques influencera la volonté d'adopter les motos électriques. Le gouvernement et les entrepreneurs peuvent essayer d'utiliser cette ressource, par exemple, les entrepreneurs peuvent faire des promotions via des bonus ou des remerciements aux consommateurs qui ont acheté des motos électriques et partager des choses positives liées aux motos électriques sur leurs réseaux sociaux. De cette façon, d'autres pourraient être amenés à devenir un nouvel utilisateur d'une moto électrique. Le gouvernement peut socialiser ou présenter les motos électriques au public via les médias sociaux pour motiver le public à passer de la moto conventionnelle à la moto électrique. Cette recherche prouve l'importance de l'influence des facteurs au niveau macro sur l'adoption des motos électriques en Indonésie. Dans l'analyse de régression logistique ordinale, la disponibilité des infrastructures de bornes de recharge sur le lieu de travail, la disponibilité des infrastructures de bornes de recharge à domicile, la politique d'incitation à l'achat et la remise sur les coûts de recharge influencent significativement l'intention d'adopter une moto électrique. UTAMI ET AUTRES. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 NON. 1 (2020) 70-81 78 Utami et coll. DOI : 10.25077/josi.v19.n1.p70-81.2020 Tableau 7. Exemple de réponses des répondants Variabel Réponse Code Valeur État civil Marié X1b 2 Âge 31-45 X2 2 Sexe Masculin X3a 1 Dernier niveau d'études Master X4 4 Profession Employés privés X5c 3 Mensuel niveau de consommation Rp2.000.000-5.999.999 X6 2 Niveau de revenu mensuel Rp. 6.000.000-9.999.999 X7 3 Nombre de motocyclistes ≥ 2 X8 3 Fréquence de partage sur les réseaux sociaux Plusieurs fois/mois X9 4 Taille du réseau social en ligne 100-500 personnes X10 2 Sensibilisation à l'environnement 1 X11 1 Harga beli 3 X12 3 Coût de la batterie 3 X13 3 Coût de charge 3 X13 3 Coût de maintenance 5 X14 5 Capacité kilométrique 4 X15 4 Puissance 5 X16 5 Temps de charge 4 X17 4 Sécurité 5 X18 5 Autonomie de la batterie 4 X19 4 Disponibilité de la borne de recharge dans les lieux publics 4 X20 4 Disponibilité de la borne de recharge au travail 4 X21 4 Disponibilité des bornes à domicile 4 X22 4 Disponibilité des places de service 2 X23 2 Politique d'incitation à l'achat 5 X24 5 Politique de remise fiscale annuelle 5 X25 5 Politique de remise sur les frais de recharge 5 X26 5 Coût de recharge 5 X27 5 Frais de maintenance 3 X13 3 Kilométrage capacité 5 X14 5 Puissance 4 X15 4 Temps de charge 5 X16 5 La plupart des répondants considèrent que la disponibilité des infrastructures de bornes de recharge à la maison, sur les lieux de travail et dans les lieux publics influence considérablement l'adoption des motos électriques. Le gouvernement peut organiser l'installation d'infrastructures de bornes de recharge dans les lieux publics pour soutenir l'adoption des motos électriques. Le gouvernement peut également collaborer avec le secteur des entreprises pour y parvenir. En construisant des indicateurs de niveau macro, cette recherche propose plusieurs options de politique d'incitation. Les politiques d'incitation les plus importantes selon l'enquête sont les politiques d'incitation à l'achat et les politiques d'incitation à la réduction des coûts de recharge qui peuvent être envisagées par le gouvernement pour soutenir l'adoption des motos électriques en Indonésie. Sur le plan financier, le prix d'achat a un effet significatif sur l'intention d'achat d'une moto électrique. C'est la raison pour laquelle l'incitation à la subvention à l'achat a également un impact significatif sur l'intention d'adoption. Le coût d'entretien moins cher des motos électriques que les motos conventionnelles influence considérablement l'intention d'adoption des motos électriques. Par conséquent, la disponibilité de services répondant aux besoins des consommateurs encouragera davantage l'intention d'adopter des motos électriques, car la plupart des utilisateurs ne connaissent pas les composants des motos électriques et ont donc besoin de techniciens qualifiés en cas de dommages. Les performances des motos électriques ont répondu aux besoins des consommateurs pour répondre à leur mobilité quotidienne. La vitesse maximale d'une moto électrique et le temps de charge sont en mesure de répondre aux normes souhaitées par les consommateurs. Cependant, de meilleures performances de moto, telles qu'une sécurité accrue, une durée de vie de la batterie et un kilométrage supplémentaire, augmenteront certainement l'intention d'adopter une moto électrique. En plus d'augmenter les investissements technologiques, le gouvernement et les entreprises doivent également améliorer le système d'évaluation de la sécurité et de la fiabilité des motos électriques afin d'accroître la confiance du public. Pour les entreprises, promouvoir la qualité et les performances est l'un des moyens les plus efficaces d'accroître l'enthousiasme des consommateurs pour les motos électriques. Les consommateurs plus jeunes et ayant un niveau d'éducation plus élevé peuvent être ciblés en tant qu'utilisateurs précoces pour devenir des influences, car ils ont déjà une attitude plus optimiste et disposent d'un large réseau. La segmentation du marché peut être réalisée en lançant des modèles spécifiques pour des consommateurs ciblés. De plus, les répondants plus sensibilisés à l'environnement étaient plus susceptibles de vouloir adopter des motos. UTAMI ET AUTRES. /JOURNAL SUR LES OPTIMISATIONS DES SYSTÈMES DANS LES INDUSTRIES – VOL. 19 NON. 1 (2020) 70-81 DOI : 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 79 CONCLUSIONS Le passage des motos conventionnelles aux motos électriques peut être la meilleure solution pour surmonter le problème des niveaux élevés de CO2 en Indonésie. Le gouvernement indonésien a également réalisé et est intervenu en définissant diverses politiques concernant les véhicules électriques en Indonésie. Mais en réalité, l'adoption des véhicules électriques en Indonésie est encore à un stade très précoce même loin des objectifs fixés par le gouvernement. L'environnement ne favorise pas l'adoption des motos électriques, comme l'absence de réglementation plus détaillée et le manque d'infrastructures de soutien entraînant la faible adoption des véhicules électriques en Indonésie. Cette recherche a interrogé 1 223 répondants de 10 provinces représentant un total de 80% de la distribution totale des ventes de motos en Indonésie pour explorer les facteurs importants affectant les intentions d'adopter des motos électriques en Indonésie et découvrir les fonctions de probabilité. Bien que la majorité des personnes interrogées soient passionnées par les motos électriques et souhaitent posséder une moto électrique à l'avenir, leur intérêt à adopter une moto électrique est aujourd'hui relativement faible. Les personnes interrogées ne souhaitent pas utiliser de motos électriques pour le moment pour diverses raisons telles que le manque d'infrastructures et de politiques. De nombreux répondants ont l'attitude d'attendre et de se tourner vers l'adoption des motos électriques, avec des facteurs financiers, des facteurs technologiques et des macro-niveaux qui doivent suivre les demandes des consommateurs. Cette recherche prouve l'importance de la fréquence de partage sur les réseaux sociaux, du niveau de sensibilisation à l'environnement, des prix d'achat, des coûts d'entretien, de la vitesse maximale des motos électriques, du temps de recharge des batteries, de la disponibilité des infrastructures de recharge au travail, de la disponibilité des infrastructures de recharge à domicile, des politiques d'incitation à l'achat et des politiques d'incitation à la réduction des coûts de recharge soutiennent l'adoption des motos électriques en Indonésie. Le gouvernement doit soutenir la fourniture d'infrastructures de bornes de recharge et l'élaboration de politiques incitatives pour accélérer l'adoption des motos électriques en Indonésie. Les facteurs technologiques tels que le kilométrage et la durée de vie de la batterie doivent être pris en compte par les producteurs pour être améliorés afin de soutenir l'adoption des motos électriques. Les facteurs financiers tels que les prix d'achat et les coûts des batteries doivent préoccuper les entreprises et le gouvernement. L'utilisation maximale des réseaux sociaux devrait être prise pour présenter une moto électrique à la communauté. Les communautés à un jeune âge peuvent se promouvoir en tant qu'utilisateurs précoces car elles disposent d'un vaste réseau de médias sociaux. La réalisation de l'adoption des motos électriques en Indonésie nécessite une préparation des infrastructures et des coûts qui peuvent être acceptés par les consommateurs. Cela a pu être mis en œuvre par le gouvernement grâce à des engagements gouvernementaux forts dans plusieurs pays qui ont réussi à remplacer les véhicules conventionnels. D'autres recherches se concentreront sur la recherche de politiques appropriées pour accélérer l'adoption des motos électriques en Indonésie. RÉFÉRENCES [1] Indonésie. Statistiques de Badan Pusat ; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [En ligne]. Disponible : bps.go.id. [2] Asosiasi Industri Sepeda Motor Indonesia : Statistiques de distribution intérieure et d'exportation, 2020. [En ligne]. https://www.aisi.or.id/statistic. [Consulté : mars. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina et R. Siregar, « Véhicules électriques en Indonésie : la route vers le transport durable », Solidiance : Rapport de marché, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto et M. Nizam, « Commercialization model of new technology lithium ion battery: A case study for smart electric vehicle », Actes de la Conférence internationale conjointe 2013 sur les technologies de l'information et de la communication en milieu rural et sur la technologie des véhicules électriques, rICT et ICEV -T 2013, 6741511.https://doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini et V. Bosetti, « Going electric : Expert survey on the future of battery technologies for electric véhicules. In Innovation under Uncertainty », dans Edward Elgar Publishing, 93. Amsterdam : Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz et MK Patel, « On the electrification of road transport– un examen des performances environnementales, économiques et sociales des deux-roues électriques », Transportation Research Part D: Transport and Environment, vol. 41, pp. 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, « Produksi Kit Konversi Kendaraan Listrik Berbasis Baterai Untuk Sepeda Motor Roda Dua Dan Roda Tiga », Laporan Akhir Hibah PPTI, Badan Pengelola Usaha Universitas Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo, et R. Zakaria, « Analyse de la chaîne de Markov pour identifier la prévision de la part de marché des nouvelles technologies : étude de cas sur la moto de conversion électrique à Surakarta, en Indonésie », Actes de la conférence AIP, vol. 2217 (1), p. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo et EA Kadir, « Une norme indonésienne de ferrophosphate de cellule de batterie lithium-ion pour les applications de véhicules électriques », TELKOMNIKA Indonesian Journal of Electrical Engineering, vol. 15(2), pp. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy et ABMulyono, « Designing framework for standardization and testing requirements of battery management system for electric vehicle application », Acte – 4e Conférence internationale sur la technologie des véhicules électriques, pp. 7-12, 2018. https://doi.org/10.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, « A Review of Electric Vehicles Charging Standard Development : Study Case in Indonesia », Actes - 2018 5e Conférence internationale sur la technologie des véhicules électriques, vol. 8628367, pp. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo : Tahun 2040 Indonésie Stop Mobil Berbahan Bakar Minyak, 2017. [En ligne]. gaikindo.or.id. [Consulté : mars. 20, 2020]. [13] S. Goldenberg, « Indonesia to Cut Carbon Emissions by 29% by 2030″, The Guardian, 2015. UTAMI ET AL. /JURNAL OPTIMASI SISTEM INDUSTRI – VOL. 19 NON. 1 (2020) 70-81 80 Utami et coll. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang et HA Bekhet, « Modélisation des intentions d'utilisation des véhicules électriques : une étude empirique en Malaisie », Journal of Cleaner Production, vol. 92, pp. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma et BC Xie, « Quelles sont les barrières à l'adoption généralisée des véhicules électriques à batterie ? A Survey of Public Perception in Tianjin, China », Journal of Transport Policy, vol. 56, p. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis et A. Jones, « Analyse de l'adoption des véhicules électriques à batterie : une enquête sur les obstacles parmi les conducteurs au Royaume-Uni », Transportation Research Part D : Transport and Environment, vol. 63, pp. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge et C. Shao, « Enquête sur les facteurs influençant l'adoption des véhicules électriques à Pékin, en Chine : perspectives statistiques et spatiales », Journal of Cleaner Production, vol. 213, p. 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 (2e édition). Yogyakarta : UPP STIM YKPN, 2015. [19] T. Laukkanen, « L'adoption par les consommateurs contre les décisions de rejet dans des innovations de services apparemment similaires : le cas de l'Internet et de la banque mobile », Journal of Business Research, vol. 69(7), p. 2432-2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur et R. Kemp, « L'adoption du PV aux Pays-Bas : une analyse statistique des facteurs d'adoption », Renewable and Sustainable Energy Reviews, vol. 41, p. 483-494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil et J. Emparanza, « Utilisation d'un modèle d'acceptation technologique modifié pour évaluer l'adoption par les professionnels de la santé d'un nouveau système de télésurveillance », Télémédecine et cybersanté, vol. 18(1), p. 54-59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer et P. Abrahamsson, « Une étude d'enquête sur les principaux obstacles techniques affectant la décision d'adopter des services cloud », Journal of Systems and Software, vol. 103, p. 167-181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto et W. Sutopo, "Consumer Perception Analysis of Electric Car Vehicle in Indonesia", Actes de la conférence AIP (Vol. 2217, No. 1, p. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo et M. Nizam, « Proposed business process technology commercialisation : A case study of electric car technology incubation », Actes de la Conférence internationale 2014 sur le génie électrique et l'informatique, ICEECS, 7045257, pp. 254-259. https://doi.org/10.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at et TM Bakar, « Lignes directrices sur la taille de l'échantillon pour la régression logistique à partir d'études observationnelles avec une grande population : accent mis sur la précision entre les statistiques et les paramètres basés sur des données cliniques réelles », The Malaysian journal of sciences médicales : MJMS, vol. 25(4), p. 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab et A. Jam'an, « Metodologi Penelitian Bisnis », Makasar : Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius et CC Lu, « Des deux-roues motorisés pour une mobilité durable : Un examen de l'adoption par les consommateurs des motos électriques », International Journal of Sustainable Transportation, vol. 15(3), p. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka et N. Anzinger, « Intentions d'achat de véhicules électriques des citoyens chinois, russes et brésiliens : une étude comparative internationale », Journal of clean production, vol. 205, pp. 188-200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat et B. Van Wee, « L'influence des incitations financières et d'autres facteurs socio-économiques sur l'adoption des véhicules électriques », Energy Policy, vol. 68, p. 183-194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane et JD Graham, « Perception et réalité : connaissance publique des véhicules électriques rechargeables dans 21 villes américaines », Energy Policy, vol. 63, p. 433-440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony et B. Caulfield, « Comment les obstacles aux carburants et aux véhicules alternatifs devraient-ils être classés et les politiques potentielles visant à promouvoir les technologies innovantes être évaluées ? », Journal of Cleaner Production, vol. 35, p. 140-151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue et S. Long, « Obstacles à l'adoption généralisée des véhicules électriques : analyse des attitudes et perceptions des consommateurs », Journal of Energy Policy, vol. 48, p. 717-729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan et YM Wei, « L'impact de la politique gouvernementale sur la préférence pour les NEV : les preuves de la Chine », Energy Policy, vol. 61, p. 382-393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool et RF Hirsh, « Au-delà des batteries : examen des avantages et des obstacles aux véhicules électriques hybrides rechargeables (PHEV) et transition véhicule-réseau (V2G) », Politique énergétique, vol. 37, p. 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 et J. Stannard, « Consommateurs grand public conduisant des voitures électriques rechargeables à batterie électrique et hybrides rechargeables : une analyse qualitative des réponses et des évaluations », Transp. Rés. Partie A : Pratique des politiques, vol. 46, p. 140-153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi et SL Mabit, « Consommateurs grand public conduisant des voitures électriques rechargeables à batterie électrique et hybrides rechargeables : une analyse qualitative des réponses et des évaluations », Transp. Rés. Partie D : Transp. Environ., vol. 25, p. 24-32, 2013. [En ligne]. Disponible : ScienceDirect. [37] ND Caperello et KS Kurani, « Histoires de ménages de leurs rencontres avec un véhicule électrique hybride plug-in », Environ. Comportement, vol. 44, p. 493-508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju et CE Warrender, « Households' stories of their rencontres with a plugin hybrid electric vehicle », Analyse d'une enquête auprès des consommateurs sur UTAMI ET AUTRES. /JOURNAL SUR LES OPTIMISATIONS DES SYSTÈMES DANS LES INDUSTRIES – VOL. 19 NON. 1 (2020) 70-81 DOI : 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 81 véhicules électriques hybrides rechargeables. Transp. Rés. Partie A : Pratique des politiques, vol. 64, p. 14-31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer et S. Lemeshow, « Régression logistique appliquée. Deuxième édition », New York : John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENCLATURE j catégories de variables dépendantes (j = 1, 2, 3, 4, 5) k catégories de variables indépendantes (k = 1, 2, 3, …, m) i catégories de variables indépendantes qualitatives n ordre des répondants β0j intercepte chaque réponse de variable Xk variable indépendante quantitative Xik variable indépendante quantitative Y variable dépendante Pj(Xn) l'opportunité pour chaque catégorie de variable indépendante pour chaque répondant BIOGRAPHIE DES AUTEURS Martha Widhi Dela Utami Martha Widhi Dela Utami est étudiante de premier cycle au département de génie industriel de l'Universitas Sebelas Maret. Elle appartient au Laboratoire de logistique et de systèmes d'entreprise. Ses intérêts de recherche sont la logistique et la gestion de la chaîne d'approvisionnement et les études de marché. Elle a publié sa première publication sur l'analyse de la perception des consommateurs sur les véhicules électriques en Indonésie en 2019. Yuniaristanto Yuniaristanto est maître de conférences et chercheur au Département d'ingénierie industrielle, Universitas Sebelas Maret. Ses intérêts de recherche sont la chaîne d'approvisionnement, la modélisation par simulation, la mesure du rendement et la comm