Analisis Pendalaman Ide untuk Pengembangan Produk Electric Motorcycle berbasis Data Online dan Dinamika Tren Paten Menggunakan Latent Dirichlet Allocation (LDA) dan Time-Series Dynamic Analysis
Files
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
DOI
Abstract
Sektor transportasi merupakan salah satu penyumbang utama emisi gas rumah kaca, sehingga Indonesia menargetkan pengurangan emisi sebesar 31,89% pada 2030 melalui adopsi kendaraan listrik. Meskipun motor listrik memiliki potensi besar, pengembangannya masih menghadapi tantangan teknologi dan infrastruktur. Penelitian ini bertujuan mengidentifikasi topik teknologi dominan pada motor listrik, menganalisis perkembangan teknologi antarperiode, serta merumuskan rekomendasi arah pengembangan produk di masa depan. Penelitian menggunakan 549.110 dokumen paten global periode 2010–2025 yang diperoleh melalui Google Patents menggunakan Google BigQuery dan dibagi menjadi lima periode berdasarkan peristiwa global. Metode yang digunakan meliputi Latent Dirichlet Allocation (LDA) untuk pemodelan topik, coherence score untuk menentukan jumlah topik optimal, serta time-series dynamic analysis dengan normalisasi min-max untuk menganalisis perkembangan teknologi. Analisis bigram dan trigram digunakan untuk memperdalam rekomendasi pengembangan produk. Hasil penelitian mengidentifikasi 36 topik prioritas yang dikelompokkan ke dalam tujuh tema teknologi utama, dengan lima tema yang dianalisis lebih lanjut, yaitu desain elektromagnetik motor magnet permanen, desain struktur mekanik dan housing, sistem kendali dan manajemen daya, integrasi sistem dan modul baterai, serta infrastruktur energi kendaraan listrik. Hasil analisis menunjukkan adanya pergeseran inovasi dari pengembangan komponen menuju integrasi sistem dan ekosistem kendaraan listrik. Kerangka arah pengembangan teknologi dirumuskan berdasarkan tren teknologi yang teridentifikasi, dengan analisis bigram dan trigram digunakan untuk memberikan pendetailan pada aspek teknis yang berkembang pada setiap tema.