Professional Documents
Culture Documents
Makale İncelemesi Ödev
Makale İncelemesi Ödev
İŞLETME DOKTORA
MUĞLA, 2023
Adopting Electric Motorcycles for Ride-Hailing Services: Influential Factors from
Driver’s Perspective
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).
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.
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.
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.
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.
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.
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.
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.
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.