T.C.

MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ

SOSYAL BİLİMLER ENSTİTÜSÜ

İŞLETME DOKTORA

İŞL 6099 BİLİMSEL ARAŞTIRMA TEKNİKLERİ VE YAYIN ETİĞİ

ARA SINAV ÖDEVİ

HAZIRLAYAN: ŞEMSETTİN OZAN ÇELEBİ

DERS DANIŞMANI: PROF. DR. HATİCE HİCRET ÖZKOÇ

MUĞLA, 2023
 Adopting Electric Motorcycles for Ride-Hailing Services: Influential Factors from
Driver’s Perspective

Tanto Adi Waluyo

Muhammad Zudhy Irawan

Dewanti

Kaynak: Waluyo, T. A., Irawan, M. Z., & Dewanti. (2022). Adopting Electric Motorcycles
for Ride-Hailing Services: Influential Factors from Driver’s
Perspective. Sustainability, 14(19).

Bağlantılı Kaynaklar: https://www.mordorintelligence.com/industry-reports/indonesia-ride-

hailing-market

https://blog.measurable.ai/2022/01/18/ride-hailing-marketshare-in-southeastasia-indonesia-
gojek-versus-grab/

https://blog.measurable.ai/2023/03/09/inside-the-duopoly-gojek-vs-grab-on-indonesias-ride-
hailing-market/

https://fulcrum.sg/how-platform-drivers-in-indonesia-are-being-taken-for-a-ride/

Makale Özeti

Makalede temel anlamda Endonezya hükümetinin başta toplu taşımada olmak üzere
paylaşımlı yolculuklar da dahil elektrikli motosikletin kullanımının teşvik etmesinden, bu
noktadan hareketle de elektrikli motosikletlerin benimsenme sürecinde kişilerin satın alma
veya kiralama tercihlerini ortaya koyabilmek, araç kullanan sürücülerin elektrikli
motosikletleri benimseme konusundaki istekliliğini açığa çıkarmayı amaçladığından
bahsetmektedir.

Makalede Endonezya Yogyakarta'da paylaşımlı yolculuğu kullanan 416 araç çağırma

sürücüsü üzerinde bir yüz yüze görüşme anketi yapılmıştır. Elektrikli motosikletin
benimsenmesinin belirleyicilerini anlamak için dokuz değişken test edilmiştir. Bunlar; satın
alma fiyatı, kiralama maliyetleri, motosiklet mülkiyet devri maliyeti, yakıt fiyatı, maksimum
ulaşım mesafesi, maksimum hız, akü değiştirme istasyonları arasındaki mesafe, yıllık vergi ve
kredi ödemesi olarak belirlenmiştir. Sıralı logit modelinin kullanıldığı bu makalede elektrikli
motosiklet satın alımını etkileyen satın alma fiyatı ve maksimum ulaşım mesafesi değişkenleri
ön plana çıkmaktadır.

2
 Öte yandan elektrikli motosiklet kiralamanın belirlenmesinde ulaşım mesafesi, yakıt
fiyatı, kiralama ücretleri ve akü değiştirme istasyonları arasındaki mesafe değişkenleri önemli
ölçüde etkili olmuştur. Diğer bir noktada sosyo-demografik değişkenler de elektrikli
motosikletleri kiralama ancak satın almama kararını önemli ölçüde etkilemiştir.
Diğer bir sonuç noktasında tam zamanlı sürücüler ve yarı zamanlı sürücü olarak çalışan
öğrencilerin elektrikli motosiklet kiralama olasılığı daha yüksektir. Çalışma aynı zamanda
elektrikli motosiklet kiralamanın, sahip olmaktansa benimseme olasılığının daha yüksek
olduğunu ortaya koymaktadır.

Literatürde, birçok çalışmanın elektrikli araç benimsenmesinin belirleyicilerini araştırdığını

göstermesine rağmen, çoğunun elektrikli arabalara odaklandığından bahsederek giriş
yapmaktadır. Sınırlı araştırmaların ise elektrikli motosikletlerin benimsenmesini etkileyen
faktörleri araştırdığını belirtmektedir.

Literatür kısmının devamında Endonezya şehirleri bağlamında bir çalışmanın, elektrikli

motosikletlerin benzinle çalışan motosikletlerin yerini alma potansiyeline sahip olup
olmadığını değerlendirmek için karma bir logit modeli kullandığını dile getirmektedir.
Bahsedilen bu çalışmada belirtilmiş bir tercih anketi kullanılarak, katılımcılar benzinli
motosikletler, elektrikli motosikletler ve motosikletsiz seçenekler arasında seçim yapmaları
gereken beş senaryo ile karşı karşıya kalmıştır. Çalışmada dikkate alınan değişkenler, ilk
ödeme, aylık taksitler, yakıt fiyatı, hız, kapsama mesafesi ve şarj süresinden oluşmaktadır.
1208 katılımcının dahil olduğu sonuçlarda, elektrikli motosikletler için muhtemel bir pazar
oluşabileceği çıkarımı yapılmaktadır. Ancak, ucuz gazla çalışan motosikletlere benzer şekilde
fiyatlandırılmaları ve karşılaştırılabilir performansa sahip olmaları gerekmektedir. Elektrikli
motosikletlerin benimsenmesinde hız, kapsama mesafesi, şarj süresi ve maliyet çok önemli
faktörler olarak ifade edilmektedir. Ayrıca yine çalışmada yakıt fiyatlarının artması ve pil
teknolojisinde önemli bir gelişme olması durumunda elektrikli motosikletlerin benzinli
motosikletlerin yerini alma şansının daha yüksek olduğu tespit edilmiştir.

Diğer bir taraftan literatür, birçok çalışmanın elektrikli araç çağırmanın benimsenmesi
konusunun araştırıldığını da göstermektedir. Araç çağırma sürücülerini, yakıt veya hibrit araç
çağırma sürücüleri ve elektrikli araç çağırma sürücüleri olarak kategorize ederek Çin'in
Shenzhen kentinde yapılan bir araştırma, yakıt maliyetinin hibrit araç kullanan sürücüler için
elektrikli arabaların benimsenmesini önemli ölçüde etkilediğini, ancak elektrikli araç çağıran
sürücüler için etkilemediğini ortaya koymuştur. Bu noktada eğitim seviyesi, tam zamanlı araç
çağırma sürücüsü ve aylık gelir dahil olmak üzere araç çağırma sürücülerinin özellikleri, araç

3
çağırma hizmetleri için elektrikli arabanın benimsenmesiyle önemli ölçüde ilişkili
görünmektedir.

Metodoloji kısmına gelindiğinde literatürde tartışılan hemen hemen tüm araştırmaların,

elektrikli motosikletlerin benimsenmesinin analizinde ikili logit modeli veya genelleştirilmiş
sıralı logit modeli gibi modellerin kullanıldığından bahsetmektedir. Elektrikli araç çağırma
üzerine yapılan çalışmalarda da benzer bir görüntüyle sıralı logit modeli ve multinomial logit
modeli gibi yöntemlerin kullanıldığı ifade edilmektedir. Bu noktalardan hareketle makalede
de, MBRH (motorcycle-based ride-hailing) sürücüleri arasında elektrikli motosiklet
benimsemenin belirleyicilerini araştırmak için sıralı logit modelini uygulanmıştır.

Çalışmadaki anket formu iki bölümden oluşmaktadır. İlk bölüm, cinsiyet, yaş, eğitim düzeyi,
gelir ve sürücü durumu (tam zamanlı araç çağırma sürücüleri ve araç çağırma sürücüsü olarak
yarı zamanlı çalışan öğrenciler veya mevcut üniversite öğrencileri) dahil olmak üzere
yanıtlayanların özelliklerine ilişkin sorulardır. İkinci bölüm, elektrikli motosiklet satın alma
ve kiralama isteğine ilişkin sıralı bir yanıttır.

Katılımcılar ikinci bölümde yer alan soruları kesinlikle almayacağım için 1'den kesinlikle
alacağım için 5'e kadar beşli likert ölçeğinde yanıtlamışlardır. Benzer bir seviye soru biçimi
de elektrikli motosiklet kiralama durumlarında uygulanmıştır (kesinlikle kiralamam için 1,
kesinlikle kiralarım için 5). Tablo 1, dikkate alınan değişkenleri ve düzeylerini
açıklamaktadır.

Ayrıca, katılımcılara çeşitli senaryolarda tasarlanan yukarıda belirtilen özelliklere dayalı

seçenekler verilmiştir. D-optimum tasarımı kullanılarak, D-Verim değeri 94,91 olan satın
alma modeli için 12 senaryo ve D-Verim değeri 95,15 olan kiralama modeli için 10 senaryo
bulunmaktadır. Tablo 2 ve 3, sırasıyla elektrikli motosikletin benimsenmesi için satın alma ve

4
kiralama modelleri için D-optimum tasarımı kullanılarak oluşturulan senaryoları
göstermektedir.

Veri toplama yöntemi olarak Mayıs ve Haziran 2022 arasında yüz yüze anket kullanılmıştır.
Anketörler, MBRH sürücülerini rastgele seçerek ve katılımcı olarak araştırmaya dahil olmaya
istekli olup olmadıklarını sormuşlardır.

Operatörlerden sürücü sayısına ilişkin resmi verilerin elde edilememesi nedeniyle, minimum
yanıt veren sayısı, %5 anlamlılık düzeyiyle Isaac ve Michael yöntemine göre hesaplanmıştır.
Sonuçlar, minimum örneklem büyüklüğünün 385 katılımcı olduğunu göstermiştir. Yogyakarta
ilindeki Yogyakarta, Sleman ve Bantul adındaki üç bölgede MBRH sürücülerine toplam 450
anket dağıtılmıştır. Bu bölgeler, diğer Yogyakarta eyaleti bölgelerine kıyasla bu bölgelerdeki
araç çağırma hizmetlerine yönelik yüksek talebi gösteren saha gözlemi dikkate alınarak
seçilmiştir. Toplamda %93,2'lik bir yanıt oranıyla toplam 416 geçerli anket elde edilmiştir.

Tablo 4'te ise katılımcıların demografik özelliği verilmektedir.

5
Tablo 5 ise senaryolar arasında elektrikli motosiklet benimseme seçeneklerinin yüzde
dağılımını göstermektedir.

Model sonuçlarına gelindiğinde 416 katılımcıdan, satın alma modelinde on iki senaryodan
(her katılımcı altı senaryoyla karşılaşmıştır) 2496 veri seti elde edilirken, kiralama modelinde

6
on senaryodan (her katılımcı beş senaryoyla karşılaşmıştır) 2080 veri seti elde edilmiştir.
Tablo 6, sıralı logit modelinin sonuçlarını göstermektedir. Model, STATA v.14 kullanılarak
maksimum olasılık yöntemiyle tahmin edilmektedir.

Satın alma modeli için, dikkate alınan sekiz değişkenden yalnızca satın alma fiyatı ve
kapsama mesafesi değişkenleri, elektrikli motosikletin benimsenmesinde önemli bir etkiye
sahiptir. Satın alma fiyatı değişkeninin negatif değeri ile gösterilen bu, elektrikli motosiklet
satın alma fiyatındaki artışın MBRH sürücülerinin elektrikli motosikletleri benimseme
istekliliğini azaltacağını göstermektedir. Aksine, kapsama mesafesinin pozitif bir işareti,
kapsama mesafesi arttıkça MBRH sürücülerinin elektrikli motosiklet kullanmaya daha meyilli
olacağı anlamına gelmektedir.

Kiralama modeli için, elektrikli motosikletlerin benimsenmesini önemli ölçüde etkileyen dört
değişken vardır: kapsama mesafesi, motosiklet mülkiyeti devir maliyeti, kiralama maliyeti ve
yakıt fiyatı. Kapsama mesafesi ve yakıt fiyatı için olumlu işaretlerle gösterilen model
sonuçları, elektrikli motosikletler için maksimum kapsama mesafesi ve yakıt fiyatı artarsa,
MBRH sürücülerinin kiralama yoluyla bir elektrikli motosikleti benimseme olasılığının daha
yüksek olduğunu ortaya koymaktadır.

7
Buna karşılık, akü değiştirme istasyonları ve kiralama maliyetleri için olumsuz işaretler, akü
değiştirme istasyonu konumu ne kadar uzaksa ve kiralama fiyatı ne kadar pahalıysa, MBRH
sürücülerinin elektrikli motosikletleri benimseme şansının o kadar düşük olduğunu
göstermektedir.

Ayrıca sosyodemografik değişken dikkate alındığında tüm sosyodemografik değişkenler ile

elektrikli motosiklet satın alma arasında anlamlı bir ilişkinin olmadığı Tablo 6'dan
görülmektedir. Diğer yandan, sosyodemografik değişkenler (yaş, eğitim düzeyi, mevcut
üniversite öğrencileri, tam zamanlı sürücüler ve gelir/kira maliyeti) ile elektrikli motosikletin
benimsenmesi arasında önemli korelasyonlar oluşmuştur. Yaş ve eğitim düzeyi için negatif
işaretlerle gösterilen model, daha genç sürücülerin ve lisans derecesi olmayan sürücülerin,
araç çağırma şirketlerinden kiralayarak elektrikli motosikletleri benimseme olasılıklarının
daha yüksek olduğunu ortaya koymuştur.

Diğer taraftan satın alma modeli için birçok bağımsız değişken önemsiz olduğundan, çalışma
daha iyi model sonuçları elde etmek için binominal logit modelini uygulamıştır. Çalışma,
kesinlikle benimseyin ve benimseyin seçeneğinin benimseyin olarak birleştirildiğini,
kararsızım, benimsemem ve kesinlikle benimsemem seçeneklerinin ise benimsememek olarak
birleştirildiğini varsaymıştır.

Tablo 6'da gösterildiği gibi, binominal logit modeli, sıralı logit modelinden daha yüksek bir
Pseudo R2 değeri (yani daha iyi model uyumu) üretse de sıralı logit modelde elektrikli
motosiklet kiralama kararını önemli ölçüde etkileyen eğitim düzeyi, binominal logit model
için anlamsız bir değişken olmaktadır. Bundan dolayı, MBRH sürücüleri arasında elektrikli
motosikletin benimsenmesindeki etki faktörlerini araştırmak için sıralı logit modelinin
kullanımının kabul edilebileceği sonucuna varılabilir.

Sonuç olarak olasılık değerlerine göre, Senaryo 9 ve onu takip eden Senaryo 5, MBRH
sürücüleri arasında elektrikli motosiklet benimsemesini artırmak için en iyi şansı sunmaktadır.
Çalışmanın bulgularından hareketle, MBRH sürücülerinin elektrikli motosiklet kullanma
hevesini artırmak için aşağıdaki önerilerde bulunulmuştur:

İlk olarak, hükümetin yeni elektrikli motosikletlerin satın alma fiyatını benzinli motosikletlere
kıyasla daha uygun hale getirmek için sübvansiyonlar sağlaması gerekmektedir.

İkincisi, elektrikli motosiklet üreticilerinin, elektrikli motosikletin performansının geleneksel

motosikletlerle karşılaştırılabilir olmasını sağlayacak şekilde teknolojiyi geliştirmesi
gerekmektedir. Maksimum hız açısından elektrikli motosikletlerin mevcut hızı MBRH

8
sürücülerinin ihtiyaçları için yeterli, ancak kapsama mesafesi açısından hala iyileştirilmesi
gerekmektedir.

Üçüncüsü, araç çağırma şirketleri, kiralama hizmetleri için elektrikli motosiklet tedarik etmek,
yolculuk başına ekstra gelir elde etmek ve sipariş alırken daha önce elektrikli motosiklet
kullanmış olan sürücü ortaklarına öncelik vermek için diğer taraflarla birlikte çalışabilme
seçeneğini göz önünde bulundurmalıdır.