Pemanfaatan Text Mining pada Analisis Evaluasi Preferensi Konsumen dalam Adopsi Sepeda Motor Listrik di Indonesia

Nalendro, Fakhri Ihsan (2023) Pemanfaatan Text Mining pada Analisis Evaluasi Preferensi Konsumen dalam Adopsi Sepeda Motor Listrik di Indonesia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02411940000074-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (5MB) | Request a copy

Abstract

Tuntutan global untuk mengurangi emisi karbon membutuhkan partisipasi aktif dari semua sektor di Indonesia. Dengan lebih dari 120 juta pemilik, sepeda motor merupakan moda transportasi terbanyak yang digunakan dan menjadi perhatian penting dalam upaya pengurangan emisi. Namun, adopsi Electric Two-Wheelers (E2W) dibandingkan Internal Combustion Engine (ICE) masih rendah, sehingga mendorong pemerintah untuk memberlakukan peraturan untuk mempercepat adopsi E2W. Penelitian sebelumnya telah meneliti preferensi konsumen terkait adopsi E2W berdasarkan biaya, spesifikasi teknis, dan infrastruktur. Namun, penelitian-penelitian tersebut umumnya menggunakan kuesioner tertutup, dan tidak mengeksplorasi alasan-alasan keengganan responden untuk mengadopsi E2W secara terbuka. Penelitian ini bertujuan untuk mengumpulkan wawasan tentang kekhawatiran responden, menentukan persepsi publik tentang kinerja ICE dan E2W, mengidentifikasi kriteria utama yang memengaruhi adopsi, dan menilai dampak perbandingan Total Cost of Ownership (TCO) antara ICE dan E2W terhadap preferensi publik. Dengan merekonstruksi survei dengan pertanyaan yang lebih eksploratif dan terbuka, dilakukan usaha untuk mendapatkan pemahaman komprehensif tentang preferensi konsumen. Text Mining, khususnya Latent Dirichlet Allocation (LDA), digunakan untuk menganalisis jawaban responden, mendokumentasikan data, dan melakukan pengelompokan. Penggunaan metode ini ditujukan dalam pembuatan peta profil preferensi adopsi E2W masyarakat Indonesia dan faktor-faktor penting yang mendorong transisi dari ICE ke E2W di Indonesia, sambil memeriksa perubahan pengetahuan tentang TCO dan pengaruhnya terhadap preferensi responden. Pada penelitian ini, ordinal scale melalui skala Likert dibandingkan dengan hasil ordinal scale melalui running model LDA. Perbandingan ini juga melewati proses pengujian melalui uji chi-square untuk menilai kesamaan dari kedua nilai ordinal-scale. Dari hasil pengujian didapatkan LDA dapat berfungsi sebagai alternatif untuk skala Likert dalam klasifikasi ordinal, dengan jumlah uji yang lolos, yakni dua dari enam pengujian chi-square sebagai pertimbangan. Selain itu, 54% responden menyatakan ketertarikannya mengadopsi E2W setelah mendapatkan pengetahuan tentang biaya, spesifikasi teknis, dan infrastruktur. Responden yang bertahan teknologi ICE mengharapkan peningkatan fasilitas pengisian ulang E2W yang merata di seluruh Indonesia.
======================================================================================================================================
The global demand to reduce carbon emissions requires active participation from all sectors in Indonesia. With more than 120 million owners, motorcycles are the most widely used mode of transportation and are an important concern in emission reduction efforts. However, the adoption of Electric Two-Wheelers (E2W) on Internal Combustion Engine (ICE) motorcycles is still low, prompting the government to enact regulations to accelerate E2W adoption. Previous studies have examined consumer preferences regarding E2W adoption based on cost, technical specifications, and infrastructure. However, these studies generally used closed-ended questionnaires, and did not openly explore the reasons for respondents' reluctance to adopt E2W. This study aims to gather insights into respondents' concerns, determine public perceptions of ICE and E2W performance, identify key criteria that influence adoption, and assess the impact of Total Cost of Ownership (TCO) comparisons between ICE and E2W on public preferences. By reconstructing the survey with more exploratory and open-ended questions, an attempt was made to gain a comprehensive understanding of consumer preferences. Text Mining, specifically Latent Dirichlet Allocation (LDA), was used to analyze respondents' answers, document the data, and perform clustering. The use of these methods is aimed at profiling the E2W adoption preferences of Indonesians and the important factors driving the transition from ICE to E2W in Indonesia, while examining the changing knowledge of TCO and its influence on respondents' preferences. In this study, the ordinal scale through Likert scale is compared with the ordinal scale results through running the LDA model. This comparison also goes through a testing process through the chi-square test to assess the similarity of the two ordinal-scale values. From the test results, it was found that LDA can serve as an alternative to Likert scale in ordinal classification, with the number of tests that passed, namely two out of six chi-square tests for consideration. In addition, 54% of respondents expressed interest in adopting E2W after gaining knowledge about costs, technical specifications, and infrastructure. Respondents who endure ICE technology expect an increase in E2W recharging facilities evenly distributed across Indonesia.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Regulasi, E2W, ICE, TCO, Preferensi, Biaya, Spesifikasi Teknis, Infrastruktur, Text Mining, Latent Dirichlet Allocation; Regulations, E2W, ICE, Preferences, Cost, Technical Specification, Infrastructure, TCO, Text Mining, Latent Dirichlet Allocation
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26201-(S1) Undergraduate Thesis
Depositing User:	Fakhri Ihsan Nalendro
Date Deposited:	03 Aug 2023 08:41
Last Modified:	03 Aug 2023 08:41
URI:	http://repository.its.ac.id/id/eprint/102816

Actions (login required)

View Item