Mobil Listrik

Latar Belakang Mobil Listrik

Mobil listrik populer pada pertengahan abad ke-19 dan awal abad ke-20, ketika listrik masih dipilih sebagai penggerak utama pada kendaraan. Hal ini disebabkan karena mobil listrik menawarkan kenyamanan dan pengoperasian yang mudah yang tidak dapat dicapai oleh kendaraan-kendaraan bermesin bensin saat itu. Perkembangan teknologi pembakaran dalam yang semakin maju, terutama di starter listriknya, lambat laun mengurangi popularitas mobil listrik. Hal ini ditambah dengan kemampuan mobil bensin dapat menempuh jarak yang lebih jauh, pengisiasn bensin yang lebih cepat, dan infrastruktur pengisian semakin bertambah, ditambah dengan sistem produksi massal yang diterapkan oleh Ford Motor Company, membuat harga mobil bensin turun drastis sampai setengah harga mobil listrik. Mobil listrik pun menjadi semakin tidak populer, dan secara total menghilang dari pasaran, terutama di pasaran besar seperti Amerika Serikat, pada tahun 1930-an. Bagaimanapun juga, pada tahun-tahun belakangan ini, semakin banyak orang yang sadar akan dampak lingkungan yang ditimbulkan oleh mobil berbahan bakar bensin, ditambah harga bensin yang mahal dan terus naik, membuat mobil listrik kembali diminati. Mobil listrik jauh lebih ramah lingkungan dari mobil bensin, biaya perawatan lebih murah, ditambah teknologi baterai yang semakin maju. Kekurangannya adalah harga mobil listrik saat ini masih mahal. Mobil listrik saat ini mulai mendapatkan lagi popularitasnya di beberapa negara di dunia setelah sekian lama menghilang dari peradaban.

Setelah masyarakat mulai menyadari betapa penting nya green energy, pihak produsen mobil pun berlomba-lomba untuk produksi mobil listrik tersebut, walapun mereka tahu bahwa part pada mobil listrik masih terbilang mahal daripada mobil bensin pada umum nya.

Dari beberapa produsen mobil dunia, Tesla.corp yang di miliki Elon Musk lah yang menjadi promotor baru dalam dunia mobil listrik saat ini dan di ikuti produsen mobil lainnya yang sudah lama terjun di dunia otomotif.

berdasarkan data di atas tesla masih menjadi juara dalam produsen mobil listrik di dunia pada quartal 1 di tahun 2022, ini di dasar oleh fitur dan kecanggihan mobil tesla tersebut. walaupun di jual dengan harga yang mahal tapi sesuai untuk di minati oleh calon pembeli, serta bisa menyaingin mobil bensin pada umumnya.

Mobil listrik adalah trend baru dalam berkendara yang ramah lingkungan, hemat energy dan hemat biaya. itu semua dapat di perhitungkan dalam beberapa aspek. seperti kecepatan charging, efiensi daya batre, serta kecepatan maksimal yang di dapat dari tipe dan merk mobil tertentu.

Project seperti ini di harapkan bermanfaat untuk konsumen yang hendak membeli mobil listrik dalam membandingkan tipe mobil apa yang cocok untuk nya. Dan di harapkan bermanfaat untuk pihak produsen dalam membandingkan produk nya dengan produk kompetitor, sehingga dapat menjadi riset untuk produksi mobil listrik yang lebih unggul lagi kedepan nya.

Problem Statement

Membandingkan spesifikasi dari kendaraan mobil listrik berdasarkan merek, tipe roda penggerak, jarak tempuh maksimal dan lain-lain. Serta untuk menjadi studi banding bagi perusahaan mobil listrik agar bisa produksi kendaraan tersebut lebih unggul. Informasi yang kita dapat bisa beragam, tergantung melihat dari sisi yang mana, karena dari sekian spesifikasi mobil listrik pasti punya kelebihan dan kekurangan nya masing-masing. terlebih dari itu semua, tiap konsumen dapat informasi perkembangan dunia otomotif saat ini yang berfokus ke kendaraan listrik, semua itu di capai untuk efisiensi energy yang ramah lingkungan tapi tidak kalah dengan kendaraan dengan energy fosil.

Project Idea / Pemahaman Masalah

Kendaraan manakah yang memiliki percepatan 0-100 tercepat?
Kendaraan manakah yang memiliki efisiensi tertinggi?
Apakah perbedaan tipe penggerak roda mempengaruhi jangkauan, kecepatan tertinggi, efisiensi?
Pabrikan mana yang memiliki jumlah kendaraan terbanyak?
Bagaimana hubungan harga dengan pengisian daya yang cepat?

Dalam permodelan dari data tentang mobil listrik kita dapat menyimpulkan tipe dan merek mobil apa yang unggul dalam beberapa aspek nya. serta membantu produsen untuk meningkatkan kualitas mobil yang di produksi di masa depan.

Sumber Data

Data di peroleh dari Electric Vehicle Database.

Persiapan Data

Read data

electric_cardata <- read.csv('data/ElectricCarData_Clean.csv')
head(electric_cardata)

        Brand                         Model AccelSec TopSpeed_KmH Range_Km
1      Tesla  Model 3 Long Range Dual Motor      4.6          233      450
2 Volkswagen                      ID.3 Pure     10.0          160      270
3   Polestar                              2      4.7          210      400
4        BMW                           iX3       6.8          180      360
5      Honda                             e       9.5          145      170
6      Lucid                           Air       2.8          250      610
  Efficiency_WhKm FastCharge_KmH RapidCharge PowerTrain   PlugType BodyStyle
1             161            940         Yes        AWD Type 2 CCS     Sedan
2             167            250         Yes        RWD Type 2 CCS Hatchback
3             181            620         Yes        AWD Type 2 CCS  Liftback
4             206            560         Yes        RWD Type 2 CCS       SUV
5             168            190         Yes        RWD Type 2 CCS Hatchback
6             180            620         Yes        AWD Type 2 CCS     Sedan
  Segment Seats PriceEuro
1       D     5     55480
2       C     5     30000
3       D     5     56440
4       D     5     68040
5       B     4     32997
6       F     5    105000

Cek struktur tipe data

glimpse(electric_cardata)

Rows: 103
Columns: 14
$ Brand           <chr> "Tesla ", "Volkswagen ", "Polestar ", "BMW ", "Honda "…
$ Model           <chr> "Model 3 Long Range Dual Motor", "ID.3 Pure", "2", "iX…
$ AccelSec        <dbl> 4.6, 10.0, 4.7, 6.8, 9.5, 2.8, 9.6, 8.1, 5.6, 6.3, 5.1…
$ TopSpeed_KmH    <int> 233, 160, 210, 180, 145, 250, 150, 150, 225, 180, 180,…
$ Range_Km        <int> 450, 270, 400, 360, 170, 610, 190, 275, 310, 400, 370,…
$ Efficiency_WhKm <int> 161, 167, 181, 206, 168, 180, 168, 164, 153, 193, 216,…
$ FastCharge_KmH  <chr> "940", "250", "620", "560", "190", "620", "220", "420"…
$ RapidCharge     <chr> "Yes", "Yes", "Yes", "Yes", "Yes", "Yes", "Yes", "Yes"…
$ PowerTrain      <chr> "AWD", "RWD", "AWD", "RWD", "RWD", "AWD", "FWD", "FWD"…
$ PlugType        <chr> "Type 2 CCS", "Type 2 CCS", "Type 2 CCS", "Type 2 CCS"…
$ BodyStyle       <chr> "Sedan", "Hatchback", "Liftback", "SUV", "Hatchback", …
$ Segment         <chr> "D", "C", "D", "D", "B", "F", "C", "B", "D", "D", "D",…
$ Seats           <int> 5, 5, 5, 5, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 4, 4, 4, …
$ PriceEuro       <int> 55480, 30000, 56440, 68040, 32997, 105000, 31900, 2968…

Deskripsi Data:

Brand : Merek pada kendaraan
Model : Model atau tipe kendaraan dari Merek mobil
AccelSec : Accelerasi kendaraan mencapai 100km/s dalam satuan detik
TopSpeed_KmH : Maksimal Kecepatan mobil dalam satuan KM/s
Rang_Km : Jarak tempuh suatu mobil dalam satu kali pengisian batre
Efficiency_WhKm : Pemakaian daya motor listrik yang tertanam di mobil listrik
FastCharge_Kmh: Data kecepatan fast charging pada mobil listrik
RapidCharge : Data apakah mobil sudah support fast charge atau belum
PowerTrain : tipe roda penggerak mobil listrik
PlugType : Tipe socket charger pada mobil listrik
BodyStyle : Design body kendaraan
Segment : Ukuran atau kode untuk penyebutan segment mobil listrik di eropa
Seats : Jumlah kursi pada mobil
PriceEuro : Harga mobil dalam kurs euro

Dari data di atas, sudah siap di gunakan sebagai model. dan kita menggunakan tipe data int, chr dan dbl untuk melakukan analisa pilihan mobil terbaik.

Cek apakah ada data yang Not Available

anyNA(electric_cardata)

[1] FALSE

Kendaraan manakah yang memiliki percepatan 0-100 tercepat?

electric_cardata_accel <-
  electric_cardata[,1:3][order(electric_cardata$AccelSec), ]

head(electric_cardata_accel)

      Brand                Model AccelSec
52   Tesla             Roadster       2.1
60   Tesla   Model S Performance      2.5
6    Lucid                  Air       2.8
17 Porsche        Taycan Turbo S      2.8
82   Tesla   Model X Performance      2.8
34   Tesla  Cybertruck Tri Motor      3.0

electric_cardata_fastest_accel <- electric_cardata_accel[1, ]

writeLines(paste0("Accelerasi Tercepat: ", 
                  electric_cardata_fastest_accel[1], 
                  electric_cardata_fastest_accel[2],                   
                  "di ", 
                  electric_cardata_fastest_accel[3], 
                  " detik"))

Accelerasi Tercepat: Tesla Roadster di 2.1 detik

Kendaraan manakah yang memiliki efisiensi tertinggi?

electric_cardata_efficiency <- 
  electric_cardata[,c(1:2,6)][order(electric_cardata$Efficiency_WhKm), ]

head(electric_cardata_efficiency)

        Brand                       Model Efficiency_WhKm
49 Lightyear                         One              104
9      Tesla  Model 3 Standard Range Plus             153
15   Hyundai               IONIQ Electric             153
42   Hyundai         Kona Electric 39 kWh             154
20      Mini                   Cooper SE              156
75      Sono                        Sion              156

electric_cardata_highest_efficiency <-
  electric_cardata_efficiency[1, ]


writeLines(paste0("Efficiency Terbaik: ", 
                  electric_cardata_highest_efficiency[1],  
                  electric_cardata_highest_efficiency[2],                    
                  "di ", 
                  electric_cardata_highest_efficiency[3], " Wh/Km"))

Efficiency Terbaik: Lightyear One di 104 Wh/Km

Apakah perbedaan tipe penggerak roda mempengaruhi jangkauan, kecepatan tertinggi, efisiensi?

electric_cardata_powertrain <- electric_cardata[ , c(4:6, 9)]

avg_ranges <- aggregate(electric_cardata_powertrain$Range_Km ~ 
                          electric_cardata_powertrain$PowerTrain, FUN = mean)


avg_ranges <- 
  avg_ranges %>% 
  rename(PowerTrain = `electric_cardata_powertrain$PowerTrain`,
         Avg_Range_Km = `electric_cardata_powertrain$Range_Km`)

  PowerTrain Avg_Range_Km
1        AWD     426.4634
2        FWD     268.2432
3        RWD     299.4000

Visualisasi Data

ggplot(electric_cardata_powertrain, 
       aes(x=Range_Km, y=PowerTrain)) + 
  geom_point(aes(color=PowerTrain)) +

  scale_colour_discrete("Roda Penggerak") +
  labs(title = "Apakah perbedaan tipe penggerak roda mempengaruhi jangkauan?",
       subtitle = "Roda Penggerak vs Jarak (km)",
       caption = "Data collected from ev-database.org") +
  theme(axis.title.x = element_blank(), axis.title.y = element_blank()) +
  theme(plot.title = element_text(color = "black", size = 12, 
                                  face = "bold", hjust = 0.5),
        plot.subtitle = element_text(color = "black", size = 10, hjust = 0.5),
        plot.caption = element_text(color = "black", face = "italic")) +
  
  geom_segment(aes(x = avg_ranges$Avg_Range_Km[1], y = 1.5, 
                   xend = avg_ranges$Avg_Range_Km[1], yend = 1),
               arrow = arrow(length = unit(0.5, "cm"))) +

  geom_segment(aes(x = avg_ranges$Avg_Range_Km[2], y = 2.5, 
                   xend = avg_ranges$Avg_Range_Km[2], yend = 2),
               arrow = arrow(length = unit(0.5, "cm"))) +
 
  geom_segment(aes(x = avg_ranges$Avg_Range_Km[3], y = 3.5, 
                   xend = avg_ranges$Avg_Range_Km[3], yend = 3),
               arrow = arrow(length = unit(0.5, "cm")))

Tipe roda penggerak AWD memiliki jangkauan rata-rata tertinggi dibandingkan dengan Tipe roda penggerak lainnya. RWD berada di urutan ke-2 dan FWD berada di urutan terakhir.

Tipe roda penggerak vs Kecepatan Tertinggi (km/h)

avg_topspeed <- aggregate(electric_cardata_powertrain$TopSpeed_KmH ~ 
                          electric_cardata_powertrain$PowerTrain, FUN = mean)


avg_topspeed <- 
  avg_topspeed %>% 
  rename(PowerTrain = `electric_cardata_powertrain$PowerTrain`,
         Avg_TopSpeed_KmH = `electric_cardata_powertrain$TopSpeed_KmH`)

  PowerTrain Avg_TopSpeed_KmH
1        AWD         216.9024
2        FWD         148.7568
3        RWD         162.4000

ggplot(electric_cardata_powertrain, 
       aes(x=TopSpeed_KmH, y=PowerTrain)) + 
  geom_point(aes(color=PowerTrain)) +
 
  scale_colour_discrete("Tipe roda penggerak") +
  labs(title = "Apakah Perbedaan Tipe Roda Penggerak Mempengaruhi Top Speed?",
       subtitle = "Tipe roda penggerak vs Top Speed (km/h)",
       caption = "Data collected from ev-database.org") +
  theme(axis.title.x = element_blank(), axis.title.y = element_blank()) +
  theme(plot.title = element_text(color = "black", size = 12, 
                                  face = "bold", hjust = 0.5),
        plot.subtitle = element_text(color = "black", size = 10, hjust = 0.5),
        plot.caption = element_text(color = "black", face = "italic")) +
  
  geom_segment(aes(x = avg_topspeed$Avg_TopSpeed_KmH[1], y = 1.5, 
                   xend = avg_topspeed$Avg_TopSpeed_KmH[1], yend = 1),
               arrow = arrow(length = unit(0.5, "cm"))) +
  
  geom_segment(aes(x = avg_topspeed$Avg_TopSpeed_KmH[2], y = 2.5, 
                   xend = avg_topspeed$Avg_TopSpeed_KmH[2], yend = 2),
               arrow = arrow(length = unit(0.5, "cm"))) +

  geom_segment(aes(x = avg_topspeed$Avg_TopSpeed_KmH[3], y = 3.5, 
                   xend = avg_topspeed$Avg_TopSpeed_KmH[3], yend = 3),
               arrow = arrow(length = unit(0.5, "cm")))

Tipe Roda Penggerak AWD memiliki kecepatan tertinggi rata-rata tertinggi dibandingkan dengan mobil listrik yang lain. RWD berada di urutan ke-2 dan FWD berada di posisi terakhir lagi.

Tipe Roda Penggerak vs Efisiensi (Wh/km)

avg_efficiency <- aggregate(electric_cardata_powertrain$Efficiency_WhKm ~ 
                            electric_cardata_powertrain$PowerTrain, FUN = mean)


avg_efficiency <- 
  avg_efficiency %>% 
  rename(PowerTrain = `electric_cardata_powertrain$PowerTrain`,
         Avg_Efficiency_WhKm = `electric_cardata_powertrain$Efficiency_WhKm`)

  PowerTrain Avg_Efficiency_WhKm
1        AWD            206.7561
2        FWD            175.5676
3        RWD            180.4400

ggplot(electric_cardata_powertrain, 
       aes(x=Efficiency_WhKm, y=PowerTrain)) + 
  geom_point(aes(color=PowerTrain)) +

  scale_colour_discrete("Tipe Roda Penggerak") +
  labs(title = "Apakah Perbedaan Tipe Roda Penggerak Mempengaruhi Efisiensi?",
       subtitle = "Tipe Roda Penggerak vs Efficiency (Wh/km)",
       caption = "Data collected from ev-database.org") +
  theme(axis.title.x = element_blank(), axis.title.y = element_blank()) +
  theme(plot.title = element_text(color = "black", size = 12, 
                                  face = "bold", hjust = 0.5),
        plot.subtitle = element_text(color = "black", size = 10, hjust = 0.5),
        plot.caption = element_text(color = "black", face = "italic")) + 
  
  geom_segment(aes(x = avg_efficiency$Avg_Efficiency_WhKm[1], y = 1.5, 
                   xend = avg_efficiency$Avg_Efficiency_WhKm[1], yend = 1),
               arrow = arrow(length = unit(0.5, "cm"))) +
  
  geom_segment(aes(x = avg_efficiency$Avg_Efficiency_WhKm[2], y = 2.5, 
                   xend = avg_efficiency$Avg_Efficiency_WhKm[2], yend = 2),
               arrow = arrow(length = unit(0.5, "cm"))) +
  
  geom_segment(aes(x = avg_efficiency$Avg_Efficiency_WhKm[3], y = 3.5, 
                   xend = avg_efficiency$Avg_Efficiency_WhKm[3], yend = 3),
               arrow = arrow(length = unit(0.5, "cm")))

Tipe Penggerak Roda AWD menggunakan energi paling sedikit. Oleh karena itu, lebih efisien jika dibandingkan dengan Tipe Penggerak Roda lainnya. RWD hadir di urutan ke-2 dan FWD masuk terakhir sekali lagi.

Saya rasa kita bisa menyimpulkan bahwa AWD lebih unggul dari power train lainnya saat membandingkan jangkauan, kecepatan tertinggi, dan efisiensi.

Pabrikan mana yang memiliki jumlah kendaraan terbanyak?

num_vehicles_per_brand <- 
  electric_cardata %>% 
  group_by(Brand) %>% 
  tally(n="num_vehicles")


num_vehicles_per_brand <- 
  num_vehicles_per_brand[order(-num_vehicles_per_brand$num_vehicles), ]

head(num_vehicles_per_brand)

# A tibble: 6 × 2
  Brand         num_vehicles
  <chr>                <int>
1 "Tesla "                13
2 "Audi "                  9
3 "Nissan "                8
4 "Volkswagen "            8
5 "Skoda "                 6
6 "Kia "                   5

writeLines(paste0("Pabrikan dengan Kendaraan Terbanyak: ", 
                  num_vehicles_per_brand[1,1], 
                  "dengan ", 
                  num_vehicles_per_brand[1,2], 
                  " kendaraan"))

Pabrikan dengan Kendaraan Terbanyak: Tesla dengan 13 kendaraan

Bagaimana hubungan harga dengan pengisian daya yang cepat?

electric_cardata_rapidcharge_price <- electric_cardata[, c(8, 14)]

electric_cardata_rapidcharge_price <- 
  electric_cardata_rapidcharge_price[order(
    electric_cardata_rapidcharge_price$PriceEuro), ]


avg_rapidcharge_price <- 
  aggregate(electric_cardata_rapidcharge_price$PriceEuro ~ 
            electric_cardata_rapidcharge_price$RapidCharge, FUN = mean)


avg_rapidcharge_price <- 
  avg_rapidcharge_price %>% 
  rename(RapidCharge = `electric_cardata_rapidcharge_price$RapidCharge`,
         Avg_Price = `electric_cardata_rapidcharge_price$PriceEuro`)

  RapidCharge Avg_Price
1          No  26154.40
2         Yes  57324.68

ggplot(electric_cardata_rapidcharge_price, 
       aes(x=PriceEuro, y=RapidCharge), fill = RapidCharge) + 
  geom_point(aes(color=RapidCharge)) +
  
  scale_colour_discrete("Pengisian Daya Cepat") +
  labs(title = "Apakah Harga Berkaitan dengan Pengisian Daya yang Cepat?",
       subtitle = "Ketersediaan Pengisian Cepat vs Harga (Euro)",
       caption = "Data collected from ev-database.org") +
  theme(axis.title.x = element_blank(), axis.title.y = element_blank()) +
  theme(plot.title = element_text(color = "black", size = 12, 
                                  face = "bold", hjust = 0.5),
        plot.subtitle = element_text(color = "black", size = 10, hjust = 0.5),
        plot.caption = element_text(color = "black", face = "italic")) + 
 
  geom_segment(aes(x = avg_rapidcharge_price$Avg_Price[1], y = 1.30, 
                   xend = avg_rapidcharge_price$Avg_Price[1], yend = 1),
               arrow = arrow(length = unit(0.5, "cm"))) +
  
  geom_segment(aes(x = avg_rapidcharge_price$Avg_Price[2], y = 2.30, 
                   xend = avg_rapidcharge_price$Avg_Price[2], yend = 2),
               arrow = arrow(length = unit(0.5, "cm")))

Percobaan Anda memiliki “peluang 100%” untuk mendapatkan EV dengan pengisian cepat jika harga pada atau di atas €57,324.68 (harga rata-rata kendaraan dengan cepat pengisian daya), tetapi Bagaimana jika Anda mencari anggaran yang sesuai budget? Bagaimana jika Anda melihatkendaraan di bawah harga rata-rata kendaraan dengan pengisian cepat?

Peluang Mendapatkan Kendaraan dengan Pengisian Cepat Jika Harga Kurang dari €57,324.68

less_than_rapidcharge_price_avg <- 
  electric_cardata_rapidcharge_price %>% 
  filter(PriceEuro < avg_rapidcharge_price$Avg_Price[2])

rapidcharge_yes_percentage_01 <- 
  round((nrow(
    less_than_rapidcharge_price_avg %>% 
      filter(RapidCharge == "Yes")) /
      nrow(less_than_rapidcharge_price_avg)) * 100, 2)


rapidcharge_no_percentage_01 <- 
  round(100 - rapidcharge_yes_percentage_01, 2)


rapidcharge_percentages_01 <-
  data.frame(rapidcharge = c("Yes", "No"), 
             percentage = rbind("1" = rapidcharge_yes_percentage_01,
                                "2" = rapidcharge_no_percentage_01))


ggplot(rapidcharge_percentages_01,
       aes(x = "", y = percentage, fill = rapidcharge)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0) +
  theme_void() + 
  guides(fill = guide_legend(title = "Pengisian Daya Cepat")) +
  labs(title = "Apakah Harga Berkaitan dengan Pengisian Cepat?",
       subtitle = "Menganalisis Kendaraan dengan Harga di Bawah €57,324.68",
       caption = "") +
  geom_text(aes(y = c(50, 96), label = c(
    paste(rapidcharge_yes_percentage_01, "%", sep = ""),
    paste(rapidcharge_no_percentage_01, "%", sep = ""))),
    color = "white", size = 6) +
  theme(plot.title = element_text(color = "black", size = 12, 
                                  face = "bold", hjust = 0.5),
        plot.subtitle = element_text(color = "black", size = 10, hjust = 0.5),
        plot.caption = element_text(color = "black", face = "italic"))

Kita mendapatkan peluang sebesar 92.65% untuk mendapatkan mobil dengan pengisian cepat dengan harga murah. Artinya next ke depan nya kita akan sangat mudah mendapatkan mobil dengan pengisian daya cepat yang murah harganya.

Kesempatan Mendapatkan Kendaraan dengan Pengisian Cepat Jika Harga Kurang dari €25.000

less_than_25K <- 
  electric_cardata_rapidcharge_price %>% 
  filter(PriceEuro < 25000)

rapidcharge_yes_percentage_02 <- 
  round((nrow(
    less_than_25K %>% 
      filter(RapidCharge == "Yes")) /
      nrow(less_than_25K)) * 100, 2)

rapidcharge_no_percentage_02 <- 
  round(100 - rapidcharge_yes_percentage_02, 2)

rapidcharge_percentages_02 <-
  data.frame(rapidcharge = c("Yes", "No"), 
             percentage = rbind("1" = rapidcharge_yes_percentage_02,
                                "2" = rapidcharge_no_percentage_02))

ggplot(rapidcharge_percentages_02,
       aes(x = "", y = percentage, fill = rapidcharge)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0) +
  theme_void() + 
  guides(fill = guide_legend(title = "Pengisian Daya Cepat")) +
  labs(title = "Apakah Harga Berkaitan dengan Pengisian Cepat?",
       subtitle = "Menganalisis Kendaraan dengan Harga di Bawah €25,000",
       caption = "") +
  geom_text(aes(y = c(25, 75), label = c(
    paste(rapidcharge_yes_percentage_02, "%", sep = ""),
    paste(rapidcharge_no_percentage_02, "%", sep = ""))),
    color = "white", size = 6) +
  theme(plot.title = element_text(color = "black", size = 12, 
                                  face = "bold", hjust = 0.5),
        plot.subtitle = element_text(color = "black", size = 10, hjust = 0.5),
        plot.caption = element_text(color = "black", face = "italic"))

Jika di lihat dari Plot di atas, nyata nya untuk mendapatkan mobil dengan fitur pengisian cepat dengan harga di bawah 25.000 euro hanya mempunyai kesempatan 42.86%. tapi itu bisa makin besar persentase nya jika kemajuan teknologi pada mobil listrik makin maju juga.

Tampaknya ada korelasi antara harga dan ketersediaan fitur pengisian cepat. Ketika harga naik, kemungkinan mendapatkan EV dengan peningkatan pengisian cepat. Ketika harga turun, kemungkinan mendapatkan EV dengan pengisian cepat juga berkurang.

Kesimpulan

Tesla Roadster memiliki akselerasi 0-100 tercepat, yaitu 2,1 detik
The Lightyear One adalah yang paling efisien dengan 104 Wh/km
Tipe Penggerak Roda berpengaruh pada jangkauan, kecepatan tertinggi, dan efisiensi
- AWS adalah yang paling unggul
- RWD adalah yang terbaik ke-2
- FWD terakhir di SEMUA 3 kategori
Tesla memiliki Pabrik paling banyak dibandingkan pabrikan lain mana pun dalam kumpulan data ini
Kemungkinan mendapatkan EV dengan pengisian cepat berkurang seiring harganya turun

REFERENSI : EV-DATABASE.ORG

Kendaraan Listrik Mana yang Layak Dikendarai Dan Di Beli ?

Furqan Akbar Nizar

Monday, April 10, 2023