ICONDATA Data Science

1
PREFACE
In the current information age, data is the basis of all intelligent systems. From the agricultural
society to the industrial society, from there to the information society, the transformation
process is moving towards Industry 4.0.The ability to store and process large amounts of data
on computers has led to an increase in the capabilities of the products and services produced.
The statistical and artificial learning studies based on meaning deriving from data have paved
the way for intelligent systems in all sciences.
1st International Conference on Data Science and Applications (ICONDATA’18) has been
organized in Yalova, TURKEY on October 4-7, 2018.
The main objective of ICONDATA'18 is to present the latest data based researches from all
disciplines. This conference provides opportunities for the different areas delegates to
exchange new ideas and application experiences face to face, to cooperate between different
disciplines from both natural and social sciences and to find global partners for future
collaboration.
All paper submissions have been double blind and peer reviewed and evaluated based on
originality, technical and/or research content/depth, correctness, relevance to conference,
contributions, and readability. Each paper proposal was evaluated by two reviewers. And
finally, 156 conference papers were accepted and presented at ICONDATA’18.
40 selected papers presented in the conference that match with the topics of the journals will
be published in the following journals:
- Data Science and Applications,
- Gazi Üniversitesi Part C: Teknoloji ve Tasarım Dergisi,
- Veri Bilimi Dergisi,
- Muş Alparslan Üniversitesi Fen Bilimleri Dergisi,
- İş İstihbarat Dergisi.
In particular we would like to thank Prof. Dr. Suat CEBECİ, Rector of Yalova University.
Looking forward to see you in ICONDATA 2019,

Murat GÖK and Tuğrul AKTAŞ
Editors
ii
PROGRAMME COMMITTEES
Onur Kurulu
Prof. Dr. Suat CEBECİ Rector of Yalova University
Düzenleme Kurulu Başkanı

Doç. Dr. Murat GÖK Yalova University
Düzenleme Kurulu Üyeleri

Dr. Öğr. Üyesi Nuran AKYURT Marmara University
Öğr. Gör. Tuğrul AKTAŞ Yalova University
Öğr. Gör. Aykut DURGUT Balıkesir University
Hasibe CANDAN (Sekretarya) Yalova University
Bilim Kurulu
Prof. Dr. Adnan KAN Gazi University
Prof. Dr. Alfina SİBGATULLİNA Russia Science Academy
Prof. Dr. Tamer KAHVECİ University of Florida
Prof. Dr. Birsel Oruç ARSLAN Balıkesir University
Prof. Dr. Dilek TAKIMCI Ege University
Prof. Dr. Maria ZATSEPINA Moskova Bölgesel Devlet University
Prof. Dr. Mehmet AÇA Marmara University
Prof. Dr. Mehmet GÜROL Yıldız Teknik University
Prof. Dr. Mehmet TAŞPINAR Gazi University
Prof. Dr. Mustafa ÖZTAŞ Yalova University
Prof. Dr. Nilüfer DARICA Hasan Kalyoncu University
Prof. Dr. Popova SVETLANA Cherepovets Devlet University
Prof. Dr. Sabri KOCAKÜLAH Balıkesir University
Prof. Dr. Sinan ŞEN Yalova University
Prof. Dr. Steven LAMB Victoria University
Prof. Dr. Şahin FİLİZ Akdeniz University
Prof. Dr. Tomofumi ANEGAWA Keio University
Prof. Dr. Yavuz ERİŞEN Yıldız Teknik University
Prof. Dr. Zoe FEDOSEEVA Moskova Pedagoji Devlet University
Assoc. Prof. Dr. Ahmet ATAKSİ Trakya University
Assoc. Prof. Dr. Ahmet YILMAZ Yalova University
Assoc. Prof. Dr. Ali Rıza TERZİ Balıkesir University
Assoc. Prof. Dr. Ayhan AYTAÇ Trakya University
Assoc. Prof. Dr. Ayhan İSTANBULLU Balıkesir University
Assoc. Prof. Dr. Bilal DUMAN Muğla Sıtkı Koçman University
Assoc. Prof. Dr. Cihad DEMİRLİ İstanbul Ticaret University
Assoc. Prof. Dr. Engin DEMİREL Trakya University
Assoc. Prof. Dr. Erdoğan TEZCİ Balıkesir University
Assoc. Prof. Dr. Ecir Uğur KÜÇÜKSİLLE Süleyman Demirel University
iii
Assoc. Prof. Dr. Fahri SEZER Balıkesir University
Assoc. Prof. Dr.Ferhat SAYIM Yalova University
Assoc. Prof. Dr. Galina MİŞKİNİENE Vilnius University
Assoc. Prof. Dr. Hasan Hüseyin ŞAHAN Balıkesir University
Assoc. Prof. Dr. Hüseyin ANILAN Osmangazi University
Assoc. Prof. Dr. İbrahim GİRİTOĞULU Gaziantep University
Assoc. Prof. Dr. Kemal Oğuz ER Balıkesir University
Assoc. Prof. Dr. Kamala GAHRAMANOVA Avrasya University
Assoc. Prof. Dr. Metin YÜKSEK Marmara University
Assoc. Prof. Dr. Müfit ÇETİN Yalova University
Assoc. Prof. Dr. Suzana CANHASİ Priştina University
Assoc. Prof. Dr. Vilda PURUTÇUOĞLU Orta Doğu Teknik University
Assist. Prof. Dr. Abit BALIN İstanbul University
Assist. Prof. Dr. Adem TUNCER Yalova University
Assist. Prof. Dr. Alparslan GÖZLER Erciyes University
Assist. Prof. Dr. Alev SELEK Kocaeli University
Assist. Prof. Dr. Bekim BERİSHA Prizren University
Assist. Prof. Dr. Elsev Brina LOPAR Prizren University
Assist. Prof. Dr. Emre DANDİL Bilecik Şeyh Edebali University
Assist. Prof. Dr. Eyüp AKÇETİN Muğla Sıtkı Koçman University
Assist. Prof. Dr. Eyüp ÇALIK Yalova University
Assist. Prof. Dr. Gürcan SAMTAŞ Düzce University
Assist. Prof. Dr. Halil KUKAJ Prizren University
Assist. Prof. Dr. Halim BAJRAKTARİ Prizren University
Assist. Prof. Dr. Hülya AKAT Muğla University
Assist. Prof. Dr. Hüseyin GÜRÜLER Muğla Sıtkı Koçman University
Assist. Prof. Dr. Melih ONUS Bartın University
Assist. Prof. Dr. Metin BİLGİN Bursa Teknik University
Assist. Prof. Dr. Nihat UYANGÖR Balıkesir University
Assist. Prof. Dr. Nuran MUHAXERİ Priştina University
Assist. Prof. Dr. Osman Hilmi KOÇAL Yalova Üniversityesi
Assist. Prof. Dr. Sefer KALAMAN Bozok University
Assist. Prof. Dr. Sunay TÜRKDOĞAN Yalova University
Assist. Prof. Dr. Şebnem ÖZDEMİR Beykent University
Assist. Prof. Dr. Tunç BORAN Çankırı Karatekin University
Assist. Prof. Dr. Ufuk ÇELİK Bandırma 17 Eylül University
Assist. Prof. Dr. Ümit ÜNVER Yalova University
Assist. Prof. Dr. Murat YORULMAZ Yalova University
Assist. Prof. Dr. Vedat BAJRAMİ Prizren University
Dr. Elif ESMER Marmara University
Dr. Emine BAYRAKTAROVA Sofia Devlet University
Dr. Mehmet BÜYÜKYILDIZ Yalova University
Dr. Turgut AK Yalova University
iv
İÇİNDEKİLER
Bazı Normalite Testlerinin Simetrik Dağılımlardan Üretilen Deneysel Sonuçlara Göre
Performanslarının Değerlendirilmesi ............................................................................................. 1
The Study of The Data Origin Failures That Are Made in The Spatial Database and Information
Systems Within The FMEA Systematic ......................................................................................... 13
Data Collection Techniques for optimization of Geographic Information Systems Based in Urban
Mass Transportation Systems ..................................................................................................... 23
Davranış Ölçümlerinde Katılım Ve Sıklık Sorgulayan Likert Tipi Ölçeklerin Kullanımı: Ölçüm
Sonuçlarının Karşılaştırılmasına Yönelik Ampirik Bir Araştırma .................................................... 31
%100 Akrilik Dokuma Kumaşların Isıl Konfor Özelliklerine Etki Eden Kumaş Parametrelerinin
İncelenmesi ................................................................................................................................ 41
Pamuk/Akrilik Dokuma Kumaşların Konfor Özelliklerine Etki Eden Bazı Faktörlerin Istatistiksel
Analizi ........................................................................................................................................ 54
Veri Gazeteciliğinin Gelişimine Yönelik Bir Değerlendirme ........................................................... 69
Sosyal Ağlardaki Veri Dezenformasyonuna Karşı Medya Okuryazarlığı ......................................... 81
Directed Acyclic Graph Based on Crypto Currency Application Example: IOTA .............................. 92
Drying Modelling of Pear (Ankara Variety) Using Artificial Intelligence Techniques......................100
Comparative Analysis of Distributed Confirmation Mechanisms Used in Crypto Currency
Applications ..............................................................................................................................109
Stereo Kamera Yardımıyla İHA Iniş/Yakalama Mekanizmasının Simülasyon Ortamında Kontrolü .123
Tahmin Edici Veri Madenciliği Algoritmalarının Performans Karşılaştırması .................................135
Developing A Pipeline for Cleaning Twitter Data from Spam .......................................................150
Studies on Photon Interaction for Some Ni Based Super Alloys in The Continuous Energy Region 158
Düşen Kesme Çiçek Üretimi ve Üretimi Kısıtlayan Faktörler ........................................................166
6-Amino-3-Metil-4-Piridin-4-il-2,4-Dihydropyrano (2,3-c) Pirazol-5-Karbonitril Molekülünün
Moleküler Yapı Calışmaları ........................................................................................................175
Aşırı Öğrenme Makineleri ile Bulanık Sistem Modelleme ............................................................189
Akaryakıt Teşvik Uygulamalarının Denizcilik Ekonomisine Katkısı ...............................................204
Optik̇ Form Okuma ve Değerlendiṙ me Yazılımı ...........................................................................219
Lise Öğrencilerinin Algıladıkları Öz Düzenleme Düzeylerinin Çeşitli Değişkenler Açısından
İncelenmesi ...............................................................................................................................235
Lise Öğrencilerinin Öğrenme Stratejileri ̇ Düzeylerinin Çeşitli Değişkenler Açısından İncelenmesi..249
Comparison of Machine Learning Classification Algorithms in Cardiological Risk Assessment ......264
v
Diagnosis of Parkinson's Disease Using ANN and SVM Models ....................................................273
Yapay Sinir Ağları Kullanılarak Maç Sonuçlarının Web Tabanlı Otomasyon ile Tahmini Prediction of
Soccer Results Using Artificial Neural Networks with Web-Based Automation ............................283
Görüntü İşleme ile Ürün Koordinatlari Belirleme ........................................................................296
Paralel Tip Delta Robot Manipülatörünün Tasarlanması .............................................................316
Süper Piksel için Phantom Görüntüler Üzerinde Bir Bölütleme Başarım Incelemesi .....................327
Metal Sektörü için Bilgisayar Destekli Bir Hatalı Ürün Tespit Sistemi ...........................................333
R ile Açık Veri Kaynağından Büyük Veri Çekimi ve Verilerin Görselleştirilmesi .............................343
İkinci El Otomobil İlanı Verilerinin İşlenmesi Suretiyle Otomobiller için Gerçeğe Uygun Amortisman
Oranlarının Tespiti.....................................................................................................................359
İkinci El Otomobil İlanı Verilerinin İşlenmesi Suretiyle Otomobiller için Yıllık Kullanım KM’lerinin
Tespiti .......................................................................................................................................375
Türkiye İstatistik Kurumu Verileri ve İkinci El Araç İlan Verilerinin İşlenmesi Suretiyle Otomobil
Kullanıcı Gruplarının Oluşturulması ............................................................................................387
Yabancı Kökenli Türkçe Kelimelerin Yinelemeli Sinir Ağları ile Belirlenmesi .................................403
An Image Encryption Method with using Lorenz Map and Color Space Transform .......................409
Sosyal Ağlar Üzerinde Yürütülen Veri Madenciliğinin Siyasal İletişim Kampanyalarında
Değerlendirmesi ........................................................................................................................422
Ortaokul ve Lise Öğrencilerinin Şifre Oluşturma Bilincinin Belirlenmesi .......................................441
Twitter Ortamında Türk Hava Yolları Üzerine Algı Analizi ............................................................449
Makine Öğrenmesi Sınıflandırıcı Algoritmalar ile Kanser Karşıtı Peptitlerin Tahmin Edilmesi .......458
The Importance of the Thiessen Polygon Method that is one of the Data Analysis Methods of the
Geographic Information Systems (GIS) in Defining the High Capacity Mass Transportation Routes
.................................................................................................................................................466
Developing an Interface for Freeze Drying Behaviours of Red Pepper Using Artificial Neural
Networks ..................................................................................................................................475
İstanbul’daki Üniversite Öğrencilerinin Memnuniyet Düzeylerinin Çok Değişkenli İstatistiksel
Yöntemler ve Karar Ağacıyla İncelenmesi ...................................................................................484
Automatic Learning of Semantic Relationships or The Ontology Construction .............................501
Sosyo-Ekonomik ve Fiziksel Değişkenlerle Matematik Başarı Kategorisi Arasındaki İlişkinin
İncelenmesi ...............................................................................................................................510
İHA Görev Değiştirme Sisteminin Simülasyonu ve Uygulaması ....................................................523
Türkiye’de Doğal Kuru İncir Fiyatlarının Veri Madenciliği Teknikleri ile Tahminlenmesi ................532
The Effects of Web Development Tools’ Features on User Satisfaction and Switching Intention: A
Study in Techno Parks ...............................................................................................................542
vi
Bir Fazlı Şebeke Etkileşimli Evirici Tasarımı için LCL Filtre Analizi .................................................554
Fuzzy Logic Based MPPT Controller for Solar Powered EV Battery Charger ..................................569
Performance of Artificial Algae Algorithm on Large Scale Global Optimization ............................578
Comparison of Mobile Application Development Methods .........................................................586
İstatistiksel Kalite Kontrol Alanında Yayınlanmış Makale ve Bildiri Çalışmalarının Veri Madenciliği
Yöntemleriyle İncelenmesi ........................................................................................................600
Veri Madenciliğinde Veri Kümeleri Dengeleme Yöntemlerinin Sınıflandırma Modeli Performansı
Üzerindeki Etkileri: Sağlık Alanında Bir Uygulama .......................................................................619
Çalışanları Motive Eden Faktörlerin Belirlenmesi: Güverte Stajyerleri Üzerinde Bir Uygulama .....634
Tersane Çalışanlarının İş Tatmin Düzeylerinin İncelemesi ............................................................641
Denizci Eğitimci Yeterliliğine Sahip Öğretim Elemanlarının Denizcilik Öğrencileri Tarafından
Değerlendirilmesi ......................................................................................................................649
Biyomedikal Tüp Taşıma Sistem Hatlarının Graf Bazlı Değerlendirilmesi ......................................659
vii
Bazı Normalite Testlerinin Simetrik Dağılımlardan Üretilen
Deneysel Sonuçlara Göre Performanslarının Değerlendirilmesi
Mehmet Tahir Huyut
mehmettahirhuyut@gmail.com
Bitlis Eren University, Medical Department of Publicity and Marketing, Bitlis, TURKEY
Özet
Normal dağılım ön şartı parametrik hipotez testlerinin yanı sıra, birçok parametrik olmayan
testler için de gereklidir. Normal dağılım varsayımının bu kadar önemli oluşundan yola
çıkılarak, verilerin normal dağılım gösterip göstermediğini belirlemek için çok sayıda test
yöntemi geliştirilmiştir. Test yöntemlerin gücü ve I. Tip hata oranları, yani performansları,
değişik örnek genişliklerinde ve asimetrik veya simetrik dağılımlardan elde edilen verilerde
farklı olabilmektedir. Bu nedenle, örnek genişliklerinin farklı olmasının yanı sıra, veri yapısına
göre test yöntemlerinin performanslarının belirlenmesi de önemlidir. Konunun önemi göz
önüne alındığında ve normallik testlerinin yaygın olarak gelişmesiyle birlikte, testlerin I. Tip
hata ve güç bakımından karşılaştırılması büyük önem arz etmektedir. Bu çalışmada, farklı
örneklem genişliklerinde farklı simetrik dağılımlardan üretilen deneysel veriler üzerinde 10
adet normalite testinin I. Tip hata ve güç değeri bakımından performansları deneysel olarak
incelenmiştir. Çalışmanın ele alınan testler, örneklem genişliği ve dağılım kombinasyonları
bakımından önemli olduğu düşünülmektedir.
Anahtar Kelimeler: Normallik Testleri, I. Tip Hata, Testin Gücü, Çarpıklık ve Basıklık
katsayısı, Simetrik Dağılımlar
Evaluation of Performance of Some Normality Tests According to

Empirical Results Produced from Symmetric Distributions
Abstract
The normal distribution prerequisite is required for parametric hypothesis tests as well as for
many non-parametric tests. Since the assumption of normal distribution is so important, a
number of test methods have been developed to determine whether data are normally
distributed. The power and Type I error rates of the test methods, ie their performance, can be
different in different sample widths and in data obtained from asymmetric or symmetric
distributions. For this reason, it is also important to determine the performance of the test
E-ISBN: 978-605-68882-5-0 1
methods according to the data structure as well as the sample widths are different. Considering
the prominence of the issue, it is of utmost importance to compare the test results in terms of
Type I error and power. In this study, the performance of 10 normality tests on experimental
data produced from different symmetric distributions in different sample widths were examined
experimentally in terms of Type I error and power values. For this reason, ıt is considered
important to study in terms of tests used, different sample size and distribution combinations.
Keywords: Normality tests, Type I error, Power of test, skewness, kurtosis, Symmetric
Distributions
1. Giriş
Bilimsel çalışmalarda populasyon parametresini, örnekten hesaplanan istatistikler

yardımıyla tahmin etmede, tahminlerdeki doğruluk derecesinin yüksek olması oldukça
önemlidir. Bunun için de örnekteki veri seti ile ilgili bazı varsayımlar vardır. Bu varsayımlardan
birisi de veri setinin normal dağılım göstermesidir. Normal dağılım ön şartı parametrik hipotez
testlerinin yanı sıra, birçok parametrik olmayan testler için de gereklidir.
Birçok ekonometrik modeller de ve borsa verileri gibi farklı alanlarda yapılan

çalışmalarda, normal dağılım varsayımını körü körüne takip etmek, hem kesitsel hem de zaman
serisi verilerinin yorumlanmasının doğruluğunu etkileyebilir.
Normallik hipotezlerinin analizi; ekonomik zaman serileri, probit modeller ya da zaman

serilerinin diğer tiplerinde hata terimlerini tanımlamada da kullanılabilir. Ayrıca, medikal
araştırmalarda normallik varsayımı çok yaygındır. Bunun yanında, gen eksprasyonu verilerinin
değişkenliğinde ya da kliniksel denemeler de yeni tedavi yöntemlerinin etkileri
değerlendirildiğin de bu varsayımın uygunluğu da yeterli istatistiksel testler ile doğrulanması
gerekir. Benzer şekilde, normallik varsayımına dayalı Shewhart kontrol grafiklerine dayanan
tekniklerin kullanımı, ihtiyaç doğrulama adıyla bilinen kalite kontrol alanında da normallik
hipotezleri, tasarlanmıştır. Buna ilaveten, ayrıca verilerin logaritmik transformasyonundan
sonra normallik hipotez testleriyle incelenebilen birçok bilimsel alanda sıklıkla log-normality
varsayımı görülebilir.
Bu nedenle, normallik testlerinin birçok araştırma alanında merkezi bir rol oynayan belli
bir veri setinin normallik varsayımının reddedilmesi veya kabul edilmesi için çok önemli
olduğu görülebilir. Normallik testi sorunu, hem teorik hem de emprikal (deneysel)
E-ISBN: 978-605-68882-5-0 2
araştırmalarda son derece önem kazandığı gibi normallikten ayrılmanın tespit edilmesinde
farklı uyum iyiliği testlerinin gelişmesine yol açmıştır. Bu konunun önemi göz önüne
alındığında ve yıllar geçtikçe normallik testlerinin gelişmesi yaygınlaştıkça, kapsamlı
açıklamalar ve bu tür testlerin güç karşılaştırmaları da ilgi odağı olmuştur. Verilerin normal
dağılım gösterip göstermediğini belirlemek için geliştirilen yöntemlerinin çoğu, rakamsal
sonuçların yanı sıra grafiksel sonuçlar da verebilmektedir.
Genel olarak test yöntemlerin gücü ve I. Tip hata oranları, yani performansları, değişik
örnek genişliklerinde farklı olabilmektedir. Bu nedenle, örnek genişliklerinin farklı olmasının
yanı sıra, veri yapısına göre test yöntemlerinin performanslarının belirlenmesi de önemlidir.
Ayrıca, uzun yıllardır yapılan performans karşılaştırma çalışmaları referans alınmasına

rağmen, çalışmaların bazıları kayda değer bulunmuş, bazıları ise daha son zamanlarda
geliştirilmiş testler olup bazılarının ise dikkate değer bir şey içermediği tespit edilmiştir. Ayrıca
yapılacak, güç sonuçları önceki çalışmalardan elde edilen sonuçların çelişkilerini de
gösterecektir.
Çalışma da, farklı örnek genişliklerinde, normal ve normal olmayan simetrik dağılımlar
ile önem seviyesi (kritik nokta) dikkate alınarak, 10 adet testin I. Tip hata ve güç değeri
bakımından performansları karşılaştırılacaktır.
2. Genel Bilgiler
Üzerinde durulan özelliğin normal dağılım gösterip göstermediği, ya konuyla ilgili yapılmış
araştırmalardan ya da araştırıcının bizzat kendisi tarafından yapılan ön denemelerle
belirlenebilir. Sağlıklı ve yetişkin bir insanın vücut sıcaklığı buna örnek verilebilir. Ancak
yapılacak olan ön denemelerde de oldukça fazla sayıda deney ünitesine ihtiyaç vardır. Elde
edilen gözlemlerin teorik dağılıma uygun dağılıp dağılmadıkları istatistik yöntemlerle test
edilebilir.
Bir dağılımın normal olup olmadığı, normalden sapmanın şekli ve büyüklüğü hakkında
grafiksel yöntemler kullanılarak bir ön fikir edinilebilir. Ancak, söz konusu sapmanın dağılımın
normal olarak kabul edilmemesi için önemli bir sapma olup olmadığının belirlenmesi mümkün
olamamaktadır. Bu durum ise elde edilen verilerin normal dağılım gösterip göstermediklerinin
belirlenmesinde hipotez testi yapılması gereğini ortaya çıkartmaktadır.
E-ISBN: 978-605-68882-5-0 3
Bu durum için çok sayıda normallik testinden faydalanabilir. Normalliği test etmek üzere
kurulan H0 hipotezini kabul veya reddetme bakımından, aynı koşullarda, uygulanan
yöntemlerin, farklı sonuçlar verebildiği de gözlenmektedir. Dolayısıyla verilerde normallik ön
şartının test etmek için en etkin yöntemin kullanılması gereklidir. Normallik testlerinin değişik
deneme koşullarında I. tip hata ve testin gücü bakımından karşılaştırılması yapılmalı ve aynı
koşullarda bu testlerin performansları ortaya konulmalıdır. Ayrıca, normallik testlerinden
hangisi başlangıçta kararlaştırılan I. tip hatayı deneme sonunda da aynı düzeyde koruyorsa
normallik ön şartının sağlanıp sağlanmadığını test etmede söz konusu test tercih edilmelidir
(Özer, 2007).
Normal dağılım için çarpıklık değeri 0’a eşittir (√𝛽1 : çarpıklık katsayısı). Normal olmayan bir
populasyon, merkezi moment değerlerinin normal değerlerden farklılık göstermesi ile
tanımlanabilir. Normal dağılım simetriktir. Yani √𝛽1 = 0 dır. Asimetrik bir normal olmayan
dağılım √𝛽1 ≠ 0 değerine sahiptir. √𝛽1 > 0 durumun da eğrilik sağa çarpık, √𝛽1 <
0 durumunda ise sola çarpıktır (Şekil 1) (D’Agostino 1990).
Şekil 1. √𝛽1 = 0 (B), √𝛽1 > 0 (C), √𝛽1 < 0 (A) olduğu durumlarda dağılımların şekli
(D’Agostino,1990).
Shapiro et al. (1968), çalışmalarında W (Shapiro-Wilk), b1, b2, KS (Kolmogorov- Smirnov),

CM (Cramer-Von Mises), WCM (tartılı CM), D ( modifiye edilmiş KS), CS ( Ki-Kare) ve u
(Studentized range)' testlerini kullanmışlar ve W testinin bu testlerden daha güçlü olduğunu
bulmuştur.
Stephens (1974), Ampirik dağılım fonksiyonunu (EDF) temel alan Kolmogorov- Smirnov (D),
Cramer-Von Mises (W2), Kuiper (V), Watson (U2) ve Anderson-Darling (A2) gibi testlerle
Shapiro-Wilk testini çeşitli örnek genişliklerinde, çeşitli dağılımlar kullanarak normallik
bakımından güç performanslarını test etmiştir. Bu karşılaştırma sonucunda EDF testlerinin W
E-ISBN: 978-605-68882-5-0 4
istatistiğine karşı düşük güç değerlerine sahip olduğunu ancak, Anderson- Darling testi ve W2
testinin W testine yakın güç değerleri verdiğini bildirmiştir.
Pettitt (1977), son yıllarda yapılan çalışmalarda ortalama ve varyansın bilinmediği durumlarda
normallik testlerinden Anderson-Darling testinin daha güçlü olduğunu bildirmiştir.
Linnet (1988), Anderson-Darling, Cramer-Von Mises ve Kolmogorov-Smirnov testlerinin

dönüştürülmüş verilerde kullanımını dikkate almıştır.
D’Agostino et al. (1990), Shapiro-Wilk ve D’Agostino-Pearson K2 testlerini birçok normal

olmayan dağılımları belirlemede çok güçlü testler olarak görmüşler ve 𝜒 2 (chi-square) ile
Kolmogrov-Smirnov testinin normalliği belirlemede daha düşük performansa sahip olduklarını
tespit etmişlerdir.
Özer (2002), Jargue-Bera testinin kısa kuyruklu dağılımlara karsı zayıf güçte olduğunu
belirtmiştir.
Seier (2002), çeşitli örnek genişliklerinde ve çeşitli dağılımlar altında normallik testlerini I. tip
hata ve güç bakımından karşılaştırmış ve sonuçta, Anderson-Darling testinin Kolmogorov-
Smirnov testinden daha güçlü olduğunu vurgulamıştır.
Brys et al. (2004), Jargue-Bera (J-B) testinin normallikten aşırı sapan değerler olduğunda,
normalliği ortaya çıkaramayacağını bildirmişlerdir.
Dong and Giles (2004), çeşitli simetrik dağılımlarda ise J-B testinin en güçlü test olduğu
sonucuna varmışlardır.
Herbest (2007), normal olmayan alternatiflerinin geniş bir yelpazede bulunabilmesine karşı
birçok normallik testinin verimliliği üzerinde kapsamlı çalışmaların yapılabileceğini
belirtmiştir.
Min (2007), simetrik dağılımlarda çarpıklık katsayısı arttıkça testin gücünün de arttığını ve
genelde simetrik dağılımların durumu için, K-S göz ardı edilirse, testlerin kritik değerlerine ve
örneklem büyüklüklerine göre performans değerleri arasında avantajın olmadığını belirtmiştir.
Noughabi ve Arghami (2011), Kolmogorov-Smirnov, Anderson-Darling, Kuiper, Jarque-Bera,

Cramer von Mises, Shapiro-Wilks ve Vasicek testlerini farklı dağılımlar için testin gücü
bakımından karşılaştırmışlar ve farklı tip alternatif dağılımlar için güç değeri bakımından
E-ISBN: 978-605-68882-5-0 5
testlerin farklılık gösterdiğini vurgulamışlardır. Ayrıca, Shapiro-Wilks ve Anderson-Darling
testlerinin performansının daha iyi olduğunu belirtmişlerdir.
Konunun önemi göz önüne alındığında ve normallik testlerinin yaygın olarak gelişmesiyle
birlikte, testlerin I. Tip hata ve güç bakımından karşılaştırılması büyük önem arz etmektedir.
Bu nedenle konu araştırmacıların yoğun ilgisini çekmektedir. Yapılan literatür incelemesinde,
testlerinin performanslarının karşılaştırmalarda çoğunlukla, ele alınan testler ile birlikte,
dağılım ve örneklem genişliği kombinasyonları sınırlı tutulmuştur. Bu çalışma, dağılım ve
örneklem genişliği kombinasyonları bakımından önemli olduğu gibi ele alınan test sayısının
fazlalığı bakımından da önemlidir. Bu nedenle çalışmanın, ele alınan testler, örneklem genişliği
ve dağılım kombinasyonları bakımından kapsamlı olması nedeniyle önemli olduğu
düşünülmektedir.
3. Materyal ve Yöntem
Limit dağılımlarının belirlenmesi üzerine yeterince çalışma yapılmıştır. Ancak, kalan sorunlar
için asimtotik kritik değerlerin uygunluğu karşılaştırılabilir. Verilen bir test için asimtotik kritik
değerin belirlenmesi ve karşılaştırması için, standart normal dağılımdan örnek alınarak ampirik
sonuçlar elde edilebilir.
Bu çalışmada, materyal olarak öncelikle, değişik örneklem genişliklerinde (n = 20,30,50 ve 100

olan) Monte-Carlo simülasyon tekniği ile standart normal dağılımdan 500.000 tekrarlı
simülasyon çalışması yapılarak sayılar üretilmiş ve tüm testlerin bütün örneklem
genişliklerindeki ampirik olarak asimptotik (α = 0.05) kritik değerleri elde edilmiştir.
Sonraki aşamada, 100000 tekrarlı simülasyonla, farklı örneklem genişliklerinde Normal dağlımdan
üretilen verilere göre testlerin I. Tip hata ve simetrik dağılımlardan alınan verilere göre de güç
değerleri hesaplanmıştır. Sonuçların genel bir değerlendirilmesi b1 ve b2 katsayılarına göre
yapılmıştır.
Çalışmada Kullanılan Normallik Testleri
Çalışmada incelenecek olan normallik testleri için:
μ; konum (ortalama) parametresini (location or shape parameter)
σ; ölçek (standart sapma) parametresini (scale parameter) ve
n; örneklem büyüklüğünü göstermektedir.
E-ISBN: 978-605-68882-5-0 6
1. Kolmogorov-Smirnov (KS) testi
2. Anderson-Darling (AD) testi
3. Zhang-Wu Zc ve Za testleri
4. Jarque-Bera (JB) testi
5. Gel –Gastwirth Robust Jarque-Bera (RJB) testi
6. Cramer-von Mises (CVM) testi
7. D’Agostino–Pearson K2 testi
8. Doornik–Hansen (DH) testi
9. Bonett ve Seier (Tw) testi
10. D’ Agostino (D) testi
Çalışmada Kullanılan Simetrik dağılımlar
• Beta (a, b) dağılımının iki durumu, burada (a, b): sırasıyla şekil ve ölçek parametreleridir. Bunlar
beta (3,3) ve beta (1,1)
• t-student (v) dağılımının üç durumu verilmiştir. Burada v serbestlik derecesidir. Bunlar t(3), t(5),
t(15)
4. Bulgular
Kritik değerlerin hesaplanması için tüm gözlem değerleri için standart normal dağılımdan
500000 (beş yüz bin) tekrarlı simülasyon yapılmış ve ampirik olarak asimptotik (α = 0.05) kritik
değerleri elde edilmiştir (Tablo 1).
E-ISBN: 978-605-68882-5-0 7
Tablo1.α= 0.05 için kritik değer tablosu (simülasyon:500000 (beş yüz bin) alınmıştır)
Testler
n AD CVM KS Zc Za χ2 JB RJB DH Tw D
20 0.7180 0.1225 0.1918 9.1049 3.4505 9.1677 3.7262 6.9834 0.1923 2.9955 0.2859
30 0.7335 0.1247 0.1589 10.6776 3.4220 9.7596 4.4616 7.3013 0.4882 3.4626 0.2861
50 0.7416 0.1250 0.1245 12.6196 3.3876 12.7230 5.0130 7.0271 0.2396 4.3658 0.2861
100 0.7423 0.1249 0.0891 15.1378 3.3510 22.3514 5.4644 6.4940 0.2407 6.2721 0.2855
Tablo 2. Simetrik dağılımlar için I.tip hata empirikal güç sonuçları (α = 0.05 )
Testler
Dağılımlar √𝛽1 𝛽2 AD CVM KS Zc Za χ2 JB RJB DH Tw D
N(0,3) 0 4 5.0 5.0 5.0 5.0 5.0 4.9 5.0 4.9 5.0 5.0 5.0
Beta(2,2) 0 2.14 5.6 5.4 5.0 5.3 3.3 12.3 0.5 0.5 14.0 14.3 38.0
Beta(1,1) 0 1.80 17.0 14.0 9.7 22.8 13.7 0.0 0.3 0.3 1.0 30.4 42.0
n=20
t(3) 0 ∞ 33.0 31.1 26.2 34.0 34.0 31.0 41.0 55.4 61.0 52.0 40.1
t(5) 0 ∞ 17.4 15.8 13.2 19.0 19.7 17.3 23.1 25.7 27.1 22.0 16.8
t(15) 0 ∞ 5.2 4.8 6.2 7.9 8.1 7.1 9.4 15.4 8.3 14.6 12.1
Logisitk(0,2) 0 4,19 11.8 10,4 9.1 13.6 13.7 15.9 17,1 17.8 16.5 9.6 13.1
Testler
N(0,3) 0 4 5.0 5.0 4.9 5.1 5.1 4.9 4.6 4.9 4.8 5.0 5.1
Beta(2,2) 0 2.14 7.9 7.1 6.1 8.3 5.5 1.0 0.1 0.1 0.1 18.2 22.3
Beta(1,1) 0 1.80 29.3 22.3 14.3 44.2 33.5 1.0 0.1 0.1 19.3 49.7 34.1
n=30
t(3) 0 ∞ 43.0 40.4 34.1 45.2 45.0 45.1 61.2 75.4 47.3 65.4 45.5
t(5) 0 ∞ 22.1 19.7 16.3 25.5 25.0 10.0 32.7 45.8 22.4 37.6 33.5
t(15) 0 ∞ 7.7 7.0 6.5 9.2 9.1 6.2 11.1 24.3 0.2 17.4 3.2
Logisitk(0,2) 0 4.20 14.1 12.3 10.4 17.7 16.4 20.2 23.4 26.2 24.7 16.5 28.7
E-ISBN: 978-605-68882-5-0 8
Testler
N(0,3) 0 4 5.1 5.1 5.2 5.1 5.0 5.0 5.2 5.1 5.2 5.1 5.1
Beta(2,2) 0 2.14 13.3 11.1 8.2 17.1 14.1 13.0 0.1 0.1 54.0 23.7 41.6
n=50 Beta(1,1) 0 1.80 57.5 43.4 25.8 82.6 79.5 2.3 0.7 0.0 14.1 64.7 68.3
t(3) 0 ∞ 60.5 57.3 48.3 61.7 60.7 54.7 76.3 81.3 73.1 72.7 64.1
t(5) 0 ∞ 30.1 26.7 21.0 35.4 33.0 23.6 45.9 51.3 34.5 45.5 40.2
t(15) 0 ∞ 8.4 7.7 6.7 11.3 10.2 3.9 14.0 38.9 21.3 21.4 22.3
Logisitk(0,2) 0 4.20 15.9 13.7 11.3 19.7 18.0 22.1 25.8 27.4 25.2 18.7 21.3
Dağılımlar Testler
√𝛽1 𝛽2 AD CVM KS Zc Za χ2 JB RJB DH Tw D
N(0,3) 0 4 5.3 5.3 5.0 5.0 5.2 4.9 5.0 5.1 5.1 5.0 5.0
Beta(2,2) 0 2.14 31.9 24.0 14.5 55.2 55.1 62.0 4.1 0.0 65.4 48.9 80.7
n=100 Beta(1,1) 0 1.80 95.0 84.2 77.0 100.0 100.0 98.8 73.2 0.7 100.0 94.1 97.7
t(3) 0 ∞ 91.3 82.2 72.8 84.7 82.1 83.2 88.7 90.0 84.0 93.3 85.4
t(5) 0 ∞ 48.3 43.3 32.6 50.0 50.2 62.0 67.7 70.0 73.3 67.6 65.4
t(15) 0 ∞ 10.2 9.1 7.4 15.0 12.1 55.4 49.8 51.4 54.3 28.6 55.6
Logisitk(0,2) 0 4.20 24.0 19.6 15.6 29.7 25.0 33.2 39.4 42.3 38.7 31.6 36.3
I. tip hata değerlerinin tüm örnek genişliklerinde %5’e yakın olduğu dolayısıyla I. tip hatayı
deneme sonunda korudukları söylenebilir. Simetrik dağılımlarda; gözlem sayısına bağlı
olmadan çarpıklık katsayısının I. tip hatasının % 0 olduğu, bununla beraber basıklık katsayının
anı şekilde gözlem sayısına bağlı olmadığı ve I. tip hatasının %4 olduğu gözlenmiştir. AD testi,
CVM ve KS testlerine göre daha güçlü bir test olarak bulunmuştur. Zc ve Za testleri büyük
gözlemlerde aynı performansı sergiledikleri söylenebilir. χ2 testinin, düşük gözleme sahip t
simetrik dağılımından elde edilen verilerde performansının düştüğü saptanmıştır. Ayrıca; JB,
E-ISBN: 978-605-68882-5-0 9
RJB, DH testlerinin büyük parametreye sahip β dağılımında diğer testlere göre daha düşük
performans gösterdikleri bulunmuştur. Jargue-Bera testinde küçük örnek genişlikleri için I. tip
hatayı koruyamadığı ve testin gücü bakımından aldığı değerler itibariye sağlıklı sonuçlar
vermediği görülmüştür. Genel olarak t dağılımında en yüksek performansa Tw testinin ulaştığı
görülmüştür. Beta dağılımında ise genel olarak Zc ve Za testleri en yüksek performans
göstermişlerdir.
Beta daha küçük örneklemler için çok güç kaybettiği gözlenmiştir. Diklik katsayısı
arttırıldığında, yani 15 serbestlik dereceli t dağılımından alındığında, tüm testlerin ciddi
anlamda güç kaybettiği görülmüştür. Testlere ait güç değerleri karşılaştırıldığında; küçük
parametreli beta dağılımından elde edilen sonuçlar genel olarak yüksek serbestlik dereceli t
dağılımından daha güçlü sonuçlar verdiği gözlenmiştir. Beta dağılımında n=100 örnek genişliği
alındığında en yüksek güç değerine %100 ulaşan Za ve Zc olmuştur.
Tablo6. Testlerin tüm örneklem büyüklüklerinde simetrik dağılımlarda ölçülen ortalama

deneysel güç sonuçları
Simetrik Örneklem
AD CVM KS Zc Za χ2 JB RJB DH Tw D
dağılımlar Büyüklüğü
20 18.16 16.3 13.88 20.52 15.76 18.5 18.28 19.2 21.38 23,8 24.8
(beta, t, 30 22 18.1 14.6 26.7 22.4 20.2 21.4 28.7 29 40.9 39.5
logistic) 50 31 26.7 20.2 37.9 35.9 34.9 27.15 33.12 37.03 41.12 43.02
100 55.3 43.7 36.7 55.8 65 65.8 53.8 42.4 69.3 60.7 70.2
Simetrik dağılımlarda gözlem sayısındaki artışa bağlı olarak testlerin gücünde gözle görülür
artış tespit edilmiştir. Ki-kare dağılımı gözlem sayısından en fazla etkilenen dağılım olarak
saptanmıştır. Genel olarak tüm dağılım türlerinde seçilen testlerden en güçlü olanı D’ Agostino
ardından Bonett ve Seier ve Zhang-Wu Zc -Za testleri gelmektedir. Yüksek serbestlik dereceli
t dağılımı testlerin performansının en çok düştüğü dağılım olarak kaydedilmiştir. Gözlem sayısı
arttığında moment hesaplamalarına dayalı test grubunun (RJB, JB, DH, χ2) performanslarında
belirgin artış gözlenmiştir.
Tablo7. Testlerin örneklem büyüklüğüne göre I.tip hataları
E-ISBN: 978-605-68882-5-0 10
Örneklem Büyüklüğü AD CVM KS Zc Za χ2 JB RJB DH Tw D
20 5.0 5.0 5.0 5.0 5.0 4.9 5.0 4.9 5.0 5.0 5.0
I.tip hata 30 5.0 5.0 4.9 5.1 5.1 4.9 4.6 4.9 4.8 5.0 5.1
yüzdeleri
50 5.1 5.1 5.2 5.1 5.0 5.0 5.2 5.1 5.2 5.1 5.1
(α=0.05)
100 5.3 5.3 5.0 5.0 5.2 4.9 5.0 5.1 5.1 5.0 5.0
J-B testi, bütün örnek genişliklerinde normal dağılım için gerçekleşen I. tip hata değerleri
en düşük olup, başlangıçta kararlaştırılan I.tip hatayı (=0,05) koruyamamıştır (Tablo 7).
5. Tartışma ve Sonuç
Genelde normallik testlerinin tukey ve cauchy simetrik dağılımlarında en yüksek performansta

çalıştıkları bilinmektedir. Ancak, çalışmada büyük ölçekli ve yüksek serbestlik dereceli t ve β
simetrik dağılımlardan sayılar üretildiğinde testlerin gücünü karşılaştırılması yapıldı.
Simetrik dağılımlarda genel olarak, çarpıklık katsayısı arttıkça testin gücünün arttığı
söylenebilir. Jargue-Bera testinde ise daha küçük örnek genişlikleri için bu test istatistiği
hesaplanabilse de I. tip hata ve testin gücü bakımından aldığı değerler itibariye sağlıklı sonuçlar
vermemektedir. Bu bağlamda, Öztuna ve ark. (2006), JB testinin bütün dağılımlar için küçük
ve orta hacimdeki örnek genişliklerinde güç bakımından zayıf olduğu gözlemlemişlerdir.
Ancak Özer (2007), ampirik kümülatif dağılım fonksiyonunu temel alan Kolmogorov-Smirnov,
ve Anderson-Darling testlerinde buna benzer problemler bulunmadığını ifade etmiştir.
Çalışmada JB için elde edilen bulgular bu bağlamda aynı sonucu desteklemektedir.
Momentlerin ölçümlerine dayanan normallik testleri, genelde daha güçlü tahmin

edicidir. Ancak χ2 daha küçük örneklemlerde gözle görülür oranda güç kaybettiği
gözlenmiştir. Beta dağılımlarında ölçek parametresi (varyansı) arttığında ve t dağılımıda
yüksek serbestlik derecesinde testlerin gücünde ciddi oranda azalma olmaktadır. Dağılımın
varyansı arttığında testin H0 hipotezini reddetme eğilimi azaldığı söylenebilir. Genellikle
yüksek gözlem sayısında, homojen (ortalama olarak birbirine yakın) düşük varyansta normallik
testleri, beta dağılımında t dağılımına göre daha yüksek performans göstermişlerdir. Testin
performansının korunmasıyla beraber güven aralığının da korunmasıyla ilgili çalışmalar
yapılmalıdır.
Kaynaklar
E-ISBN: 978-605-68882-5-0 11
Brys G, Hubert M, Struyf A (2004). A Robustification of the Jargue-Bera of Normality
COMSTAT’2004 Symposium, Physica-Verlag/Springer.
D’Agostino RB (1970). Transformation to Normality of the Null Distribution of g1, Biometrika, 57 (3):
679-681.
D’Agostino RB, Belanger A, D’Agostino RB Jr (1990). A Suggestion for using Powerful and
Informative Tests of Normality, The American Statistician, 44:316-321.
Dong LB, Giles DEA (2004). An Empirical likelihood Ratio Test For Normality, Department of
Economics, University of Victoria Victoria, B.C., Canada V8W 2Y2,web.uvic.ca/econ/ewp0401.pdf
Herbst AH (2007). Lunacy in the stock market – What is the evidence? J. Bioeconomics, 9, 1, 1–18.
Linnet K (1988). Testing Normality of Transformed Data. Applied Statistics, 2: 180 -186.
Min I (2007). A nonparametric test of the conditional normality of housing demand. Appl. Econ. Lett.
14, 2, 105–109.
Noughabi HA, Arghami NR (2011). Monte Carlo comparison of seven normality tests, Journal of
Statistical Computation and Simulation, 81, 8, 965-972.
Özer A (2007). Normallik Testlerinin Karşılaştırılması. Ankara Üniversitesi, Fen Bilimleri Enstitüsü,
Zootekni Anabilim Dalı, Yüksek Lisan Tezi, Ankara.
Öztuna, D., Elhan A.H. and Tüccar, E. 2006. Investigation of Different Normality Tests in Terms of
Type 1 Error Rate and Power under Different Distributions. Turk J Med Sci, 36 (3):171-176.
Pettitt AN (1977). Testing the Normality of Several Independent Samples Using the Anderson Darling
Statistics. Applied Statistics, 2, 26, 156-161.
Shapiro SS, Wilk MB, Chen HJ (1968). A Comparative Study of Various Tests for Normality. Journal
of the American Statistical Association, 63 (324):1343- 1372.
Stephens MA (1974). EDF Statistics for Goodness of Fit and Some Comparisons. Journal of the America
Statistical Association No.347, 730-737.
E-ISBN: 978-605-68882-5-0 12
The Study of The Data Origin Failures That Are Made in The
Spatial Database and Information Systems Within The FMEA
Systematic
Eray Can1, Hikmet Erbıyık1, Yavuz Delice2
can.eray@hotmail.com, hikmeterbiyik53@gmail.com, ydelice@gmail.com
1
Yalova University, Engineering Faculty, Transportation Engineering Department, 77200, Yalova, TURKEY
2
Yalova University, Engineering Faculty, Industrial Engineering Department, 77200, Yalova, TURKEY
Abstract
Spatial Geographic Information Systems (GIS), and the spatial data bases that work together
with those information systems have a wide range of usage and network in our days. As the
accuracy and precision of the information increases that are supplied into those data bases,
resulting products and resulting analysis for these information systems could be made more
accurately. Especially, more care should be given for the data that provided to spatial and
geographic information systems that are employed in management, planning and control of big
cities and hence emphasis should be put on the data for having the features of updated,
economic, accurate and precise. Once this importance attributed, the works of the urban
managers would be eased, and they will be equipped with proper, rapid, and precise decision
making. In this study, an investigation is made for the mistakes and risks with FMEA and Pareto
analysis systematic that are originated from the mistakes and risks contained in the data bases
that are the structural part of the spatial information systems. Furthermore, in the study probable
precautions for the relevant mistakes and risks are defined and the relevant results have been
supported, with suitable graphical figures.
Keywords: Geographic (spatial) Information Systems, Database, Graphic and Non-graphic

data sets, Data accurateness, FMEA, Pareto Analysis.
1. Introduction
In our days spatial and non-spatial information systems have an effective role in all side of daily
life, however they also have a facilitating effect in management level for the top level managers
and executives. Especially, in our days non-spatial information systems such as electronic data
processing systems, management information systems, decision support systems, office
automation systems, and artificial intelligent systems come to the forefront in the managerial
level almost in every field. [1].
E-ISBN: 978-605-68882-5-0 13
Likewise, environmental information systems, infrastructure engineering information systems,
cadastral information systems, social-economic information systems ...etc information systems
are the kind of spatial information systems and they are becoming an essential ingredient in the
planning, design and development, management, ant control stages needed by the managers as
well as for the employees. [1]. Especially, spatial information systems are affected extremely
from the quality and accuracy and mistakes of spatial information that they contain, and due
the lack of proper execution of those data in a right data base or due to existence of incomplete
data causing a lot of discrepancies in management of engineering projects. Spatial or geographic
information systems, are the kind of integral systems that they are able to synthesize raster or
vector spatial mapping data with tabled data together, to store those data by analysing them, to
display, to query with those data set, yet to maintain data transfer, and to process those data.
[1,2]. There are spatial data in the very essence of the system that are executed in the data base
and enable to make required analysis. Thereby, some negative reasons, such as incorrect spatial
data, irrelevance information of data with intended information system, the density of spatial
data, high cost of spatial data, processing mistakes of data, difficulty in accessing data, outdated
data, might be affecting the systems working with this data base adversely. Hence, due care
must be given for these mistakes and risks during the decision making and design review stages,
and relevant precautions have to be taken. In general, basic process steps for a spatial or
geographic information system can be cited as follows; [1].
• Definition of user’ needs,
• Planning to be made for spatial information system,
• Collecting required data for information system,
• Storing required data for information system,
• Processing the data and realization of data analysis,
• Obtaining results at end of the analysis of spatial information systems,
• Submitting the results to users or decision makers,
In Figure1, Process flow chart is given for a spatial or geographic information system, As it
was explained above, the accuracy, precision, updating status, density and relevance between
system subject and data carry big importance in each process step of spatial or geographic
information system.
E-ISBN: 978-605-68882-5-0 14
In order to define the risks and mistakes in those steps; it is strongly advisable to take opinion
from risk definition experts in the subject, system experts that design the information system,
and from the expert people that collect the data on the field.
Definition of Planning to Collecting Storing required Processing the

user’ needs be made for required data data for data and
information realization of
spatial for
information information system data analysis
system system
Submitting the results

to users or decision Obtaining results at end
makers submitting the of the analysis of spatial
results to users or information systems,
decision makers
Submitting the results
Figure
to users 1 Process flow steps for spatial or geographic information systems. [1]
or decision
makers
2. Failure Mode and Effect Analysis (FMEA)
This risk analysis method is a kind that used for designating mistakes and risks in the
implemented systems before they turned into damage, and eliminating and controlling the risks
starting from the most serious ones downward [3,4]. In addition to that, having distinguished
from the other risk analysis methods, it also enables to assess the detectability of the risks in
advance.
However, although (Failure Mode and Effect Analysis (FMEA)), have a wide range of usage
area, it is a strong analysis method also having added advantage of detecting the risks and
enabling the prevention of failures in advance [4,5,6]. To use this technique especially in the
design review of the projects would be more appropriate and advisable. Because, the cost of the
resources for correction and revision of the non-conformities for the detected failures during
execution of a system, could be realized in minimum level only at design review stage.
The benefits of the system; can be cited as:
• To improve the quality, reliability, and safety of the formed system
• To define the priorities of the activities in the system,
E-ISBN: 978-605-68882-5-0 15
• To reveal the similarities that will provide consideration of potential mistakes and their effects
for whole process.
• To aid the definition of potential critical, and important characteristics.
• To provide forming a suitable environment for failure prevention.
• To maintain definition of corrective actions
• To define and monitor risk mitigating activities
In (Failure Mode and Effect Analysis (FMEA)) studies, definition of a suitable team will be
necessary. Because the definition of potential problems and designation of Risk Priority
Numbers, (RPN), require knowledge and experience. During the design review stages of the
systems, the concerned mistakes that form Failure Mode and Effect Analysis (FMEA), are
handled in a certain system and a formula. However, to define the priorities of mistakes and
risk in this system, there are 3 main factor. Those are defined as [3,5,7,8];
• Probability of Occurrence (Occurrence)
• Severity or Weight (Severity)
• Designation or Detection (Detection)
Among those components (factors), Probability of Occurrence defines failure frequency, (1-10
grading system is used). Severity or Weight defines the failure’s impact, (1-10 grading system
is used) Designation or Detection defines the hardness rate in detecting failure in advance (1-
10 grading system is used). Nevertheless, on other importance of this component; it represents
the ability to be able to detect the mistakes before it happens. In defining the values of these
components, there are many different systems. But the most customary way is to use numerical
indicator tables (risk unit table). If the above defined 3 risk components are assessed together,
they form Risk Priority Numbers (RPN) for each failure type or cause, and this RPN value
defines the critical level as numerical value. [7,4]. While calculating Risk Priority Numbers
(RPN), assigned value for each component as numerical or verbal is considered from the
relevant table. The numerical values in the table defined in a range. When the risks are defined
for each failure type, starting from highest RPN values, it is aimed to reduce the RPN level, in
a short term, but in the long term it is attempted to initiate corrective actions to eliminate non-
E-ISBN: 978-605-68882-5-0 16
conformities completely. For FMEA, the RPN value is calculated by multiplying (Occurrence)
(O) , (Severity) (S) , (Detection ) (D) components with each other. [3,5,7,8]. In Table1 RPN
assessment table is given.
RPN = (Occurrence) (O)* (Severity) (S)* (Detection) (D) (1)
Table1 RPN Risk Priority Number Assessment Table [3]
Risk priority levels (RPL) Precaution

RPL<40 Low risk There is no need to take precaution
40≤ RPL ≤100 Medium Risk- Precaution may be taken -
RPL >100 High Risk- Precaution must be taken immediately.
In Failure Mode and Effect Analysis (FMEA) studies, RPN value enables to define the priorities
for failures and provides to define the prior precautions to be initiated in improvement studies.
However, it enables the failures to be valuated in priority base and after assessment stage in the
systems, it provides the improvement study team a good advisor with the calculated RPN
values.
On the other hand the Pareto Analysis, is a kind of analysis that is used to provide priority rating
among RPN values, it also shows for any potential failure or problem percentage rating value
and importance rating among other failures or problems in the project. [9].Furthermore, with
regard to defined risk threshold value it provides to define the cumulative risk sum for whole
project, and it indicates which kind of risks are under threshold value and are above threshold
value. Hence it is a kind of analysis type that it enables us to take necessary precautions
according to found results. Pareto Analysis has been applied between%70 and % 80 threshold
values
3. The Study of Data Oriented Failures in Spatial Data Base and Information Systems
with FMEA Systematic.
Spatial or Geographic information systems (GIS), are the kind of systems that work on a data
base and they are able to do; spatial questioning, spatial analysis, network analysis, numerical
field model analysis, and statistical analysis as map based. Those information systems, are the
kind of systems that are able to do the above defined in most cases critical analysis, in an
accurate and healthy manner depending on the data quality that is inherent in them. Thereby,
E-ISBN: 978-605-68882-5-0 17
data features of updating status, accuracy, preciseness, having good quality, relevant with the
subject of information system, is very important for a data base that is embedded in an
information system. In this study, it is attempted to investigate the data oriented failures in
FMEA and Pareto systematic in order to make better analysis in these kind of information
systems. Again, in the study, expert opinions are referred on the above mentioned subject, 7
risk and probable failures are detected. Those risks; can be cited as:
Failures and risks that are originated due to outdated information from spatial data, (A1)
Failures and risks that are originated due to incompliance between spatial data contained zone-
field and data base. (A2)
• Failures and risks that are originated due to unforeseen monitoring density precision of
spatial data (A3)
• Failures and risks that are originated during the processing of spatial data (A4)
• Failures and risks that are originated due to incompliance between information system
subject and collected spatial data (A5)
• Failures and risks that are originated due to unforeseen accessibility of spatial data in
information system (A6)
• Failures and risks that are originated due to miscalculation of required data cost in spatial
data system (A7)
In table 2 those risks and relevant precautions for those risks has been investigated in FMEA
systematic by taking expert opinions as well. In the later stage of the study, to define the realized
importance rating of those failures and risks, and by considering %80 threshold value, Pareto
Analysis has been applied. In Table3, analysis details with Pareto Analysis, and in Figure 2.
Relevant graphic is given for Pareto Analysis. Following this transaction high risk-group risks
are subjected to Pareto analysis, once more in themselves, by considering %80 threshold value
and the relevant results are given in Table 4. The relevant graphic for this analysis is also given
with Figure 3.
E-ISBN: 978-605-68882-5-0 18
Table 2 FMEA Table for Data Oriented Failures and Risks in Spatial Data Base Information Systems
E-ISBN: 978-605-68882-5-0 19
Table 3 Pareto Table and Analysis Table for Data Oriented Failures and Risks in Spatial Data Base
Information Systems
Figure 2 Graphic for Data Oriented Failures and Risks in Spatial Data Base
Information Systems
E-ISBN: 978-605-68882-5-0 20
Table 4 Pareto Table and Analysis Table for Data Oriented Failures and Risks in Spatial Data Base
Information Systems for High Risks
Figure 3 Graphic for Data Oriented Failures and Risks in Spatial Data Base
Information Systems for High Risks
4. Results
The basic component that takes place in spatial geographic information system and forming
data base systems is spatial data. As it is essential for this data to be collected in controlled an
accurate manner, in addition to that some failures and risks analysis during the design review
stage of the information system, has a great importance since the potential risks and failures
may be eliminated or relevant precautions may be taken at this stage for the high cost imperative
information systems.
E-ISBN: 978-605-68882-5-0 21
If the failures and risks are detected during operation of the system and if the risk analyses are
not made, those failures and risks could be able to solved even with the solutions that impact
very high cost. In the study, FMEA and Pareto analyses methods are chosen among risk analysis
types, and it is attempted to sequence the failures and risks even by taking expert opinions.
In the final part of the study, high risks are also subjected Pareto Analysis among themselves,
and it is found that Failures and risks that are originated due to unforeseen monitoring density
precision of spatial data, and Failures and risks that are originated due to outdated information
from spatial data has come into the forefront. Relevant precautions for those failures and risks
defined even by taking expert opinions and given in Table 1.
References
[1] Yomralıoğlu, T. 2000 Coğrafi Bilgi Sistemleri Temel Kavramlar ve Uygulamaları, Karadeniz Teknik
Üniversitesi, Trabzon 480s (In Turkish)
[2] Tecim, V. 2008 Coğrafi Bilgi Sistemleri Harita Tabanlı Bilgi Yönetimi, Dokuz Eylül Üniversitesi,
İzmir, (In Turkish)
[3] Akın B.,1998. ISO 9000 Failure Mode and Effect Analysis (FMEA) Bilim Teknik Yayınevi, 182s,
İstanbul (In Turkish)
[4] Liu, H.-C., Liu, L., Liu, N., 2013 Risk Evaluation Approaches in Failure Mode and Effects Analysis:
A Literature Review, Expert Systems with Applications,40(2), pp.828-838
[5] Chin, K.S., Wang, Y.M., Poon, G.K.K., Yang J.B.(009, Failure mode and effects analysis using a
group-based evidential reasoning approach, Computers & Operations Research, 36 pp. 1768–1779
[6] Wang, Y.-M.,Chin, K.-S.,Poon, G. K. K.,,Yang, J.-B. 2009 Risk Evaluation in Failure Mode and
Effects Analysis Using Fuzzy Weighted Geometric Mean, Expert Systems with Applications,36(2) Part
1 pp.1195-1207
[7] Su, X., Deng,Y., Mahadevan, S., Bao, Q., 2012 An Improved Method For Risk Evaluation in Failure
Modes and Effects Analysis of Aircraft Engine Rotor Blades, Engineering Failure Analysis, 26, pp.164-
174
[8] Xiao, N., Huang, H-Z., Li, Y., He, L., Jin, T., 2011 Multiple Failure Modes Analysis And Weighted
Risk Priority Number Evaluation in FMEA, Engineering Failure Analysis, 18(4) pp.1162-1170
[9] URL 2 Pareto Diagram, http://tr.wikipedia.org/wiki/Pareto_diyagram%C4%B1(In Turkish)
E-ISBN: 978-605-68882-5-0 22
Data Collection Techniques for optimization of Geographic
Information Systems Based in Urban Mass Transportation
Systems
Yavuz Delice1, Eray Can1, Hikmet Erbıyık2
can.eray@hotmail.com, hikmeterbiyik53@gmail.com, ydelice@gmail.com
1
2
Abstract
In our days some serious traffic problems becoming evident, due to increasing population,
increase in vehicle numbers and mobilization especially in urban areas. In the solution of these
public transport problems that are experienced in urban areas, Geographic Information Systems
(GIS) play very important role. It is very important for spatial and non-spatial data that works
under Geographic Information Systems (GIS) being accurate and updated for decision makers
that work and do research in transportation sector in order to generate a rapid and effective
solution in transportation sector. Again in these systems, while in urban public transportation
problems are being solved in collecting data survey works, in vehicle and on the station data
collection ...etc being utilized along with the conventional methods, depending on the
development of technology the usage of tablet computer having GPS equipment also is another
preferred method. In this study, some generic information is given for data collection methods
in the subject and during this data collection it is attempted to mention the critical issues that
must be kept in mind even by taking expert opinions.
Keywords: Geographic Information Systems, Data Base, Public Transportation, Data

Collection Methods, GPS
1. Introduction
Geographic Information Systems (GIS); are the very widely used systems in healthcare,
municipality, security, environmental, social-economic...etc fields, as well as in transportation
sector. The data bases that work under these systems are among the important factors that enable
the system to work in a healthy manner. Especially, investigation of infrastructure status of
transportation corridors of highways and railways, and to keep them under control, to control
the vehicles in the defined route with GPS integrated systems in logistics field, to provide
E-ISBN: 978-605-68882-5-0 23
transportation safety, to reduce traffic accident, to generate performance graphics with the
obtained data are the outstanding implementation samples of Geographic Information Systems
(GIS) toward transportation field [4,6]. Again, to define the optimum route from one certain
point into another point, aiding to direct the vehicle to the required another destination by a
small in vehicle monitor, to define proper routes for a moving vehicle for intended destination
depending on the traffic density in the city centre, are the kind of implementations that
Geographic Information Systems (GIS) facilitate a lot of benefits.
Thereby, data bases that work under those kind of benefit facilitating systems and the accuracy
and updating status of the data that form these data bases becoming very important. As it is
understood from the above defined case, geographic information systems (GIS) are the kind of
integral systems that are able to synthesize the raster or vector spatial (map) data that contained
inherent in them together with tabled information, storing those elements by analysing them,
displaying them, querying with those data sets, and again able to provide data transfer, and able
to process those data. [1,2,5].
Data collecting process is one of the most time consuming system and remains among the most
costly transactions in development of geographic information systems. At this stage, which ever
field is concerned for studying, regardless of the field the data that is entered into system must
be proper, updated, and accurate in order to get sufficient efficiency from the system.
In our days, there are many different data collection types depending on the technological
advances, it is also very important to integrate those different kind of data to each other. For the
sake of solving public transportation problems, during the designing of a prepared information
system or during processing stage, existing data must enable the system to analyse and to
generate results in a most optimum manner.
However, the new data must be collected from the field by considering updating status,
accuracy and precision…etc criteria and have to be integrated into existing data and to be
included into the system in most suitable manner.
2. Geographic Information Systems and Optimization in Transportation Sector.
Nowadays, while reviewing the transportation master plan studies that are realized in our
country, it is observed that transportation systems are formed with 4 different transportation
modes. Those are private cars, service vehicles, passengers and public transportation systems.
E-ISBN: 978-605-68882-5-0 24
Public transportation systems especially, carry considerable amount of passengers in
metropolitan areas.
Despite, most percentage of the transportation is realized with public transportation systems,
due to many reasons traffic jam is being experienced in city centres. Transportation engineers
use a lot of different instruments in order to eliminate this city centres experienced traffic jams;
one of the most important instruments become optimization of public transportation systems
and geographic information systems.
Hence, it is aimed that private car users to be encouraged to prefer public transportation systems
and traffic jams in the city centres to be prevented [3]. It is also observed in the course of time
that by changing transportation policies, passenger transportation is given priority rather than
vehicles transportation and with considering this reality planning and design studies being made
in the greater city districts such as Istanbul, Ankara, Izmir, Bursa.
If the public transportation systems are equipped with rapid, economic, comfortable, and
reliable features, hence private car users will be maintained to prefer public transportation
systems. Thus, by reducing number of cars in the city centres and saving in fuel consumption,
reducing time losses; reduction in exhaust emissions could also be realized.
Thereby, an important progress could be achieved in sustainable urban transportation. While

considering new generation public transportation systems, using electrical energy instead of
fossil fuel, it is observed that intended optimization and rehabilitation studies on public
transportation issue, will be very important for our country and for our cities as well.
The studies to be made on the optimization of public transportation systems are being made by
utilizing geographic information systems and relevant software. The main reason of that, the
components of public transportation systems are geographic based, that means, coordinate
(X,Y,Z) based systems. For example, a public transportation line, follows a route that remains
on an existing road. Consequently, it is possible to define this route with coordinates.
Furthermore, one of the components of public transportation is stations. The stations are the
components that take place on the roads and have certain coordinates. Routes and stations are
the coordinate based components that their coordinates do not change in most cases and are
fixed. In the case that any arrangement is made in a line relevant to public transportation,
coordinates for routes and stations belong to that line are also changed.
E-ISBN: 978-605-68882-5-0 25
However, another component of public transportation vehicles, are the coordinate based
components and this component is always mobile during the day. The common points of the
said components are that they could be modelled with geographic information system based
software and necessary planning studies relevant to those components could be made. For the
optimization of public transportation systems, primarily, fixed system and data components
must be entered in the GIS environment, and those components must be linked with based maps.
Hence, access into the length, number of stations, inter stations distance...etc important system
information for the lines could be easily achieved. On the other hand, in order to make
optimization works; public transportation vehicles instant positions, vehicle speeds, number of
carried passengers, passenger fullness value,…etc data that are the base for optimization must
be obtained.
In addition, in order to define travel demands and demand directions, collecting relevant data
will be necessary about the passengers’ entry points into the public transportation system and
their exit points from the public transportation system. Hence, as data related to system
components are needed on the other hand in optimization studies access into the data relevant
with system users is also very important.
3. Optimization in Solution of Public Transportation Problems and the Types of Collected Data.
Public transportation operators, realize some kind of planning and optimization studies in order
to maintain the system to be operating in a more efficient and effective manner. The very basic
of these studies, is consisted of the data relevant to system and system users. Those data could
be classified under two headings as; system data and system users data in Figure1. Basic system
data is shown as schematically.
Above defined data;
• Data relevant to public transportation lines (line data)
• Stations point data
• Districts-area (polygon) data
Those data are being provided by local governments or municipal authorities.
E-ISBN: 978-605-68882-5-0 26
System Data
Users data
Line route data
(line data)
Passenger get on data
(point data)
Region data
(polygon data)
Passenger get out
data (point data)
GPS data relevant
to vehicle position
(point data)
Station data-(point
data)
Transfer Centre
data (polygon data)
Figure1 Schematic view of the GIS oriented data public transportation problems.
Some of those data being generated by means of GIS software and satellite photographs and
existing mapping data on the other hand some of them are the kind of data that are obtained
from the field by utilizing GPS devices (Figure2). Those data are usually static data, they have
to be changed in a sense to start-up a new public transportation line or to include a new station
into the system or to remove a station from the system.
The data relevant to district borders or area do not present much variability. The data relevant
to users might be investigated as get on data and get out data. Those data are the dynamic data
that show consistent variability. They show variability as per users demand, week days or week
end days, as per seasons, holiday or feast days.
Those data are not only consisted of users system entry data, besides, they also contain some
kind of auxiliary information that form as base for optimization studies such as; get in/get out,
date and hours, line, vehicle, station, transfer, and coordinate information …etc.
In general we might classify and investigate the data collecting techniques under two headings
as; Classical and Modern. Classical methods are the kind of methods that depending on the
E-ISBN: 978-605-68882-5-0 27
human power in most cases and requires a labour intensive study. If the number of lines and
vehicles are considerably high, a considerably high number of human power is needed in order
to collect simultaneous data.
Figure 2 Data collecting techniques in GIS based transportation problems (7)
It is more likely to commit mistakes, since this kind of data collection from the field is very
costly and depend on the high number of human power. Because, those data that are collected
and recorded from the field require digitizing, It is more likely to commit mistakes during these
digitizing process. As it is understood from this case, office works should be done for
readjustment during digitizing process. All of those processes carry high potential mistakes.
Besides, since the classical method is realized on the paper, access into spatial data is almost
unlikely. While reviewing the modern methods in data collection case, it is found that GPS
using vehicle follow up systems, electronic pay toll systems, intelligent cards, card reading
validators and communication devices that facilitate validator - validator centre server
connections,…etc being used effectively. Nowadays it is becoming fairly easy and sensitive to
collect data from the field by means of those components.
E-ISBN: 978-605-68882-5-0 28
4. Results
Geographic information systems are the kind of systems that they play very important role in
solving transportation systems. They are also multi-disciplinary projects that are formed with
the contribution of various experts such as surveying engineers, civil engineers, transportation
engineers, computer engineers, industrial engineers, geology engineers and city planning …etc.
Especially in great metropolitan areas, those systems have substantial contribution to the
decision making managers in solving urban problems to make decision in accurate and rapid
manner. Thereby, it is very important for spatial data that work under this information system
(point, line, polyline) being accurate, updated, and precise in order to prevent any deception for
the decision makers in public transportation sector.
Besides, consideration of the method of data collection from the field, (classical or modern) and
transferring into system will prevent any potential mistake in making analysis. However,
transferring the data that are collected from the field with different data formats, in an integrated
manner will require expertise and must be kept in mind with due care.
In Geographic Information Systems, whatever field solutions are found and whatever data
collection method is used regardless of them, data integrity, data updating status, and accuracy
must be included among most outstanding issues and relevant expert opinions must be taken
into considerations.
References
[3] Ford, A. C., Barr, S. L., Dawson, R. J., James P., 2015, Transport Accessibility Analysis Using GIS:
Assessing Sustainable Transport in London, ISPRS Int. J. Geo-Inf., 2015, 4, 124-149;
doi:10.3390/ijgi4010124
[4] Agyemang, E., 2013, A cost-effective Geographic Information Systems for Transportation (GIS-T)
application for traffic congestion analyses in the Developing World, Ghana Journal of Geography Vol.
5, 2013 Pages 51 – 72
E-ISBN: 978-605-68882-5-0 29
[5] Yao Hao-wei, Dong Wen-li, Liang Dong, Arnd Rogner, Lai Jing-wei, 2011, Application of GIS on
Emergency Rescue, Procedia Engineering 11 (2011) 185–188, The 5th Conference on Performance-
based Fire and Fire Protection Engineering
[6] Satriaa R., Castrob, M., 2016, GIS Tools For Analyzing Accidents and Road Design: A Review,
Transportation Research Procedia, 18 ( 2016 ) 242 – 247, XII Conference on Transport Engineering,
CIT 2016, 7-9 June 2016, Valencia, Spain
[7] https://tr.depositphotos.com/78411950/stock-video-gps-navigation-of-metro-transportation.html
E-ISBN: 978-605-68882-5-0 30
Davranış Ölçümlerinde Katılım Ve Sıklık Sorgulayan Likert Tipi
Ölçeklerin Kullanımı: Ölçüm Sonuçlarının Karşılaştırılmasına
Yönelik Ampirik Bir Araştırma
İ Dursun1, Ü Alnıaçık2
incidursun@gmail.com, umit.alniacik@kocaeli.edu.tr
1
Gebze Technical University, Faculty of Business, Department of Business Administration,41400 Kocaeli,
TURKEY
2
Kocaeli University, Faculty of Economics and Administrative Sciences, Department of Business
Administration, Umuttepe 41380 Kocaeli, TURKEY
Özet
Alan çalışmalarında ölçüm sonuçları, ölçümde kullanılan soruların sorulma şekline ve cevap
seçeneklerine göre anlamlı farklılıklar gösterebilmektedir. Bu araştırmanın amacı pazarlama
literatüründe tüketici davranışlarını ölçümlemek için kullanıldığı görülen iki ölçek formatının
karşılaştırılmasıdır. Bu kapsamda davranışların ölçümü için hazırlanan 5 aralıklı katılım
sorgulayan (kesinlikle katılmıyorum- kesinlikle katılıyorum) ve sıklık sorgulayan (asla-daima)
ölçek soru ve cevaplarının kullanımının ölçüm sonuçları üzerinde etkili olup olmadığı
araştırılmıştır. Toplam 176 lisans öğrencisi üzerinde yürütülen deneysel araştırmada cinsiyet,
yaş ve satın alma karar tarzları açısından benzer iki deney grubunun dürtüsel satın alma
davranışı ölçümlerinin kullanılan ölçek formatına göre farklılaşıp farklılaşmadığı analiz
edilmiştir. Analiz sonuçları, davranış ölçümde sıklık veya katılım sorgulayan sorular
aracılığıyla elde edilen veri setlerinin karakteristiğini temsil eden, ortalama, standart sapma,
çarpıklık, yatıklık değerlerinde sistematik bir fark bulunmadığını ancak, sıklık sorgulayan ölçek
formatının nispeten daha güçlü bir içsel tutarlılık sergilediğini göstermiştir.
Anahtar Kelimeler: Likert ölçekler, sıklık ölçeği, davranış ölçümü
E-ISBN: 978-605-68882-5-0 31
Measuring Behaviors by Employing Agreement and Frequency
Asking Likert-Type Scales: A Comparison of Measurement
Results
Abstract
In surveys, measurement results are proposed to be affected by the scale item wording and
response options. The purpose of this research is to compare two kinds of scale format that are
often used to measure consumer behaviors in marketing literature. In this context, we
investigate if the usage of five-point agreement (strongly disagree-strongly agree) or frequency
(never-always) asking Likert-type scales will change the measuşrement results. We conducted
an experimental research on 176 undergraduate students and compare the measurement results
for two experimental groups which are identical for gender, age and buying decision style but
answered two different behavior scale formats. Analysis results revealed that there is no
significant difference between groups in terms of data characteristics (e.g., mean tendency,
skewness and kurtosis). However, it was found that Likert scale with agreement format had
some better psychometric properties than frequency asking scale format.
Keywords: Likert scales, frequency scale, behavior measurement
1. Giriş
Sosyal bilimler alanında araştırmalarda birincil veri elde yöntemi olarak kullanılan anketler alan
araştırmalarının kalbi olarak nitelendirilmektedir [1]. Birçok sosyal olgunun ölçümü için
kullanılabilecek en uygun veri toplama aracı olan anketlerde ölçüm hatalarının minimize
edilebilmesi ve böylece geçerli ve güvenilir veri seti elde edilmesi için ankette yer verilen ölçek
türlerinin seçimi, soruların ve cevap seçeneklerinin tasarımı dikkatle yapılmalıdır. Bunun için
araştırmacıların yalnızca sezgi ve deneyimleri ile değil metodoloji alanındaki araştırmaların
bulgularından da faydalanmaları gerekmektedir [1]. Bu kapsamda yönetim, pazarlama,
psikoloji, sosyal psikoloji, eğitim alanlarında sürdürülen araştırmalarda ülkemizde de yoğun
olarak faydalanılan Likert ölçeklerinin daha etkin kullanımına yönelik çıkarımlarda bulunan
çok sayıda araştırma bulunmaktadır (örn. [2], [3], [4], [5], [6], [7],[8], [9], [10]).
Likert ölçekler, Rensis Likert’in 1932 tarihli araştırmasından günümüze tutumların ve tutum
bileşenlerinin (duygu, inançlar, davranış eğilimleri) ölçümü amacıyla kullanılmaktadır [11]. Bu
ölçeklerde cevaplayıcılara yargı içeren bir dizi ifade verilmekte ve bu ifadelere ne derecede
katıldığı “kesinlikle katılıyorum”, “katılıyorum”, “ne katılıyorum ne katılmıyorum”,
E-ISBN: 978-605-68882-5-0 32
“katılmıyorum” ve “kesinlikte katılmıyorum” gibi seçeneklerle sorgulanmaktadır. Toplamalı
ölçekler grubunun en ünlü temsilcisi olan Likert ölçeklerde, işaretlenen her cevap seçeneği için
sayısal bir değer atanmakta, kavramı ölçmek için kullanılan ifadelerin tamamına atanan
değerler toplanarak veya ortalaması alınarak her katılımcı için ölçülen değişkene ilişkin bileşik
bir değere ulaşılmaktadır [6].
Değişkenin ölçümünde kullanılan operasyonel yaklaşım çerçevesinde Likert tipi ölçeklerde,

“ifadelere katılımı sorgulayan” soru-cevap formatı dışında; olasılık, aşinalık, önem, benzerlik,
öncelik, uygunluk ve sıklık sorgulayan soru-cevap formatları da bulunmaktadır [12].
Ülkemizde özellikle davranış ölçümlenmesinde alternatif soru-cevap seçeneklerinden olan
sıklık ölçeklerine (asla-daima) başvurulduğu görülmektedir (örn: [13], [14]). Diğer bazı
araştırmalarda ise davranışların ölçümlenmesinde alternatif soru-cevap formatlarının yerine
“ifadelere katılımı sorgulayan” soru-cevap formatından faydalanıldığı görülmektedir (örn. [15],
[16], [17], [18], [19]). İfadelere katılım sorgulayan soru cevap formatı bazı durumlarda orijinali
“sıklık sorgulayan” formata sahip bir davranış ölçeğinin “katılım sorgulayan” bir ölçeğe
dönüştürülmesi ile gerçekleştirilmektedir. Bu dönüştürme işleminin olası nedeni ankette yer
verilen soru akışı içinde alternatif cevap seçeneklerine yer vermek yerine ankette duygu,
düşünce, eğilim, tercih gibi değişkenlerin ölçümünde kullanılan “ifadelere katılım sorgulayan”
soru cevap formatlarına mantıksal uygunluğu yakalayabilme kaygısıdır. Bu araştırmada cevap
aranan temel sorunun kaynağı da bu dönüştürme uygulamasıdır. Öyle ki, sosyal olguların
ölçümünde kullanılan ölçeklerde soruların yazılış şeklinin, kullanılan kelimelerin ve cevap
seçeneklerinin sorulara verilen cevaplarda değişikliklere neden olduğu bilinmektedir [20]. Bu
kapsamda bir davranış ölçeğinin soru-cevap formatının “sıklık sorgulayan” formattan
“ifadelere katılım” sorgulayan formata dönüştürülmesinin ölçüm sonuçlarında herhangi bir fark
yaratıp yaratmadığı incelenmiştir. Erişilen bulguların, araştırmacıların soru formatları üzerinde
yapacakları değişimin sebep olacağı olası sistematik hataların engellenmesine yönelik
çıkarımlar sunması beklenmektedir.
2. Metot
Araştırma sorusunun cevaplanması için gerekli veri bir alan deneyi ile toplanmıştır. Deneyde
tüketicilerin “dürtüsel satın alma davranışı” ölçeğine odaklanılmıştır. Davranışı ölçmek için
kullanılan format manipüle edilerek, davranışı ölçmeye yönelik üç madde “sıklık sorgulayan”
soru-cevap formatı ve “ifadelere katılım sorgulayan” soru-cevap formatı ile düzenlemiş (Şekil
1) ve iki ayrı anket formuna yerleştirilmiştir. İki ankette de, formatı manipüle edilen dürtüsel
E-ISBN: 978-605-68882-5-0 33
alışveriş davranışı ölçeğinden önce, Tüketici Tarzları Envanteri [21] olarak bilinen ve Dursun
vd. [22] tarafından Türkçe’ye uyarlanan tüketicileri karar verme yaklaşımlarına göre
sınıflandırmayı amaçlayan 22 maddeden oluşan 5 aralıklı Likert ölçeğine (1=Kesinlikle
katılmıyorum, 5=Kesinlikle katılıyorum) yer verilmiştir. Bu ölçeğe yer verilmesinin amacı
deney gruplarının satın alma tarzları açısından birbirinden farklı olup olmadığının test edilmesi
ve böylece dürtüsel alışveriş davranışı üzerinde olası bir kirletici etkinin kontrol altına
alınmasıdır. Anketlerde son olarak katılımcıların demografik özelliklerini sorgulayan sorular
yer almıştır.
Şekil 1. Ölçek Formatları
2.1 Katılımcılar ve Prosedür
Deneyin katılımcıları Kocaeli Üniversitesi ve Yalova Üniversitesi’nde farklı bölümlerde

öğrenim gören lisans ve önlisans öğrencileri arasından kolayda örnekleme yöntemiyle seçilen
öğrencilerden oluşmuştur. Veri Mart-Nisan 2017 tarihlerinde sınıf içi uygulama ile
toplanmıştır. Cevaplayıcılar, kendilerine rastgele dağıtılan bir anket versiyonundaki soruları
yanıtlamışlardır. Her cevaplayıcı tek bir versiyonu görmüş, hiçbir katılımcıdan soru
formatlarının farklılığına, araştırmanın amacına yönelik farkındalıklarını gösterir soru veya
yorum alınmamıştır. Tablo 1 iki deney grubuna ait demografik özelliklere dair özet bilgi
sunmaktadır.
E-ISBN: 978-605-68882-5-0 34
Tablo 1. Deney gruplarına ait demografik özellikleri
Grup 1 Grup 2
(sıklık sorgulayan ölçek) (katılım sorgulayan ölçek)
Örneklem özellikleri N=85 N=91
M=21 M=21
Yaş Std. Sapma= 2,141 Std. Sapma= 1,785
Cinsiyet Yüzde Yüzde
Kadın 72.0 60.0
Erkek 28.0 40.0
Bölüm
Polimer Mühendisliği 23.5 13.2
İşletme 42.4 49.5
Endüstri Mühendisliği 11.8 16.5
Halkla İlişkiler 15.3 11.0
Bankacılık ve Sigortacılık 7.1 9.9
Üniversite
Yalova Üniversitesi 61.2 54.9
Kocaeli Üniversitesi 38.8 45.1
Gruplar arası karşılaştırmalara geçilmeden önce grupların satın alma tarzı, cinsiyet ve yaş
açısından benzer özelliklere sahip olup olmadıkları denetlenmiştir. Bu amaçla ilk olarak TTE
de yer alan 22 madde üzerinde temel bileşenler analizi ve varimax rotasyonu kullanılarak
keşifsel faktör analizi uygulanmış, toplam varyansın %60.5’ini açıklayan 6 faktöre ulaşılmıştır.
Bu faktörlere yüklenen maddelerin kendi içlerinde aritmetik ortalamaları alınıp birleştirilerek 6
yeni değişken oluşturulmuş ve bunlar sırasıyla “Kalite Odaklılık”, “Kararsızlık”, “Marka
Odaklılık”, “Moda Odaklılık”, “Fiyat Odaklılık”, “Alışverişten Kaçınma” şeklinde
isimlendirilmişlerdir (bu boyutların ayrıntısı için bakınız Dursun vd., 2013). İki bağımsız
örnekleme ait ortalama değerleri karşılaştırmaya yönelik T-testleri, cevap dağılımlarının
farklılığını test etmek amacı ile çapraz tablo ve ki-kare analizleri uygulanmıştır. Bulgular deney
gruplarının yaş, cinsiyet, satın alma tarzı açısından p=.05 düzeyinde anlamlı bir farklılık
göstermediğini ortaya koymuştur.
3. Ölçek formatının ölçüm sonuçlarına etkisine dair bulgular
Ankette kullanılan soru cevap formatının ölçüm sonuçlar üzerindeki olası etkilerinin
incelenmesi amacı ile ilk olarak Tablo 2’de özetlenen veri özellikleri incelenmiştir. Ölçek
maddelerinin ortalama, standart sapma, çarpıklık ve basıklık değerlerine dair bulgular ölçek
formatının veri karakteristiğinde sistematik bir etki meydana getirmediğine işaret etmektedir.
Ayrıca dürtüsel alışveriş davranışını ölçmede kullanılan her bir soru üzerinde bağımsız
örneklem T-testi uygulanmış ve sonuçlar Tablo 3’te özetlenmiştir. Yapılan T-Testi sonuçları
E-ISBN: 978-605-68882-5-0 35
ölçek formatının maddelerin ortalama değerleri üzerinde p=.05 seviyesinde anlamlı bir farklılık
oluşturmadığını göstermektedir. Hazırlanan çapraz tablolar sıklık sorgulayan ölçeklerde orta
noktanın nispeten daha fazla işaretlendiğini gösterse de, ki-kare analizi sonucunda cevapların
seçenekler arasında dağılımında anlamlı bir farklılığa rastlanmamıştır (Ki-kare(4)=2.905,
p=.574). Bu bulgu, farklı ölçek formatlarında cevapların orta noktaya yığılma veya uç noktalara
kayma gibi özellikler açısından bir farklılık sergilemediğini göstermektedir.
Tablo 2. Veri özellikleri
Std. Çarpıklık Basıklık

Ölçek maddesi Ölçek formatı Ortalama
Sapma
Sıklık sorgulayan .445 -.015
2.51 0.983
Gerçekte ihtiyaç olmayan (N=85)
ürünleri satın alma Katılım sorgulayan 567 -.468
2.37 1.092
(N=91)
Sıklık sorgulayan .633 .549
Ürünleri aldıktan sonra 2.44 0.879
(N=85)
gereksiz olduğunu düşünüp
Katılım sorgulayan .505 -.029
pişmanlık duyma 2.28 0.912
(N=90)
Sıklık sorgulayan .321 -.565
2.48 1.124
Düşünmeden o anda içinden (N=84)
geldiği gibi alışveriş yapma Katılım sorgulayan .165 -1.116
2.51 1.099
(N=91)
Tablo 3. T-Testi sonuçları
Ölçek maddesi Ortalamalar farkı t df P

Gerçekte ihtiyaç olmayan ürünleri satın alma .132 .842 174 .401
Ürünleri aldıktan sonra gereksiz olduğunu düşünüp
pişmanlık duyma .158 1.162 173 .247
Düşünmeden o anda içinden geldiği gibi alışveriş
yapma -.029 -.174 173 .862
Soru-cevap formatının ölçeğin psikometrik özeliklerine yönelik etkisini incelemek amacı ile
keşifsel faktör analizi uygulanmış ve her iki formatta da üç soru tek faktöre ,70’den büyük
faktör yükleri ile yüklenmiştir. Ölçek güvenilirliğini değerlendirmek için içsel tutarlılık
göstergelerinden olan Cronbach alpha katsayıları kullanılmıştır. Tablo 4’de özetlenen bulgular
katılım sıklığı sorgulayan ölçek formatının psikometrik özeliklerinin, sıklık sorgulayan ölçek
formatına kıyasla daha güçlü olduğunu göstermiştir.
Tablo 4.Ölçek içsel tutarlılık göstergeleri
E-ISBN: 978-605-68882-5-0 36
“Sıklık
sorgulayan “Katılım sorgulayan
ölçek” ölçek”
Ölçek maddeleri Faktör yükleri Faktör yükleri
Gerçekte ihtiyaç olmayan ürünleri satın alma .761 .827
Ürünleri aldıktan sonra gereksiz olduğunu düşünüp .746 .795
pişmanlık duyma
Düşünmeden o anda içinden geldiği gibi alışveriş .816 .805
yapma
Ortalama açıklanan varyans %60 %66
Cronbach alpha .67 .73
4. Değerlendirme ve Sonuç
Sosyal bilimler alanında sıklıkla kullanılan Likert tipi ölçeklerin kullanımı birçok alanda karar
almayı gerektirmektedir. Bu kararlar özellikle kaç cevap seçeneği olacağı, orta noktanın olup
olmayacağı, seçeneklerin özellikle de ölçek orta noktasının nasıl etiketleneceği, yalnızca uç
seçeneklerin mi, yoksa tüm seçeneklerin mi etiketleneceği, seçeneklerin nasıl sıralanacağı, ilave
“fikrim yok” seçeneğinin eklemenin gerekli olup olmadığı gibi alanlarda verilmektedir. Bu
soruların cevabına ilişkin literatürde yapılan çok sayıdaki araştırma (örn. [2], [3], [4], [5], [6],
[7], [8], [9], [10]) yol gösterici bulgular sunmaktadır. Diğer taraftan davranışların ölçümünde
kullanılacak Likert tipi ölçeklerin hangi formatta düzenlenmesi gerektiğine dair yapılan
çalışmaların sayısı nispeten azdır. Oysaki Likert tipi ölçeklerde kullanılan soruların ifade tarzı,
soru içinde kullanılan kelimeler ve sorularla uyumlu cevap seçeneklerinde yapılan
değişikliklerin bu sorulara verilen cevapları da değiştirileceği düşünülmektedir [1].
Bu çalışmada, ülkemizde sosyal bilimler alanında yapılan farklı araştırmalarda birbirlerinin

muadili olarak da kullanılabilen “katılım sorgulayan” (kesinlikle katılmıyorum- kesinlikle
katılıyorum) ve “sıklık sorgulayan” (asla-daima) Likert tipi ölçek formatları karşılaştırılmıştır.
Soru düzeyinde yapılan analizler ölçek maddelerinin ortalama, standart sapma değerlerinde,
çarpıklık, basıklık değerlerinde, cevapların dağılımında ölçek formatından kaynaklı herhangi
bir farklılığın olmadığına işaret etmiştir. Diğer taraftan üç sorudan oluşan genel ölçek
düzeyinde yapılan değerlendirmeler katılım sorgulayan ölçeklerin geçerlilik ve güvenilirlik
açısında daha güçlü olduğunu göstermiştir. Bu sonucun olası nedeni ankette yer verilen soru
akışı içinde daha önce sıklık sorgulayan ölçeklere cevap vermiş katılımcıların, benzer şekillerde
ifade edilen davranış ölçeklerini daha rahat cevaplayabilecek olmasıdır. Ancak dikkat edilmesi
gereken nokta aradaki farkın çok düşük olmasıdır. Bu sebeple, davranış ölçümlerinde sıklık
sorgulayan veya katılım sorgulayan ölçek formatlarının birbirlerinin muadili olarak
E-ISBN: 978-605-68882-5-0 37
kullanılabileceğini söylemek yanlış olmayacaktır. Ancak bu çıkarımı yaparken araştırmanın
kolayda örnekleme yöntemiyle üniversite öğrencileri arasından seçilen sınırlı sayıda
cevaplayıcıdan elde edilen kesit verilere dayandığı unutulmamalı, aşırı genelleme yapmaktan
kaçınılmalıdır.
Kaynaklar
[1] Krosnick JA and Presser S 2010 Questionnaire design. In J. D. Wright & P. V. Marsden (Eds.),
Handbook of Survey Research 2nd Ed. West Yorkshire, England: Emerald Group
[2] MatellMS and Jacoby J 1972Is there an optimal number of alternatives for Likert-scale items?
Effects of testing time and scale properties Journal of Applied Psychology, 56(6)506-9.
[3] Chan JC 1991 Response-order effect in Likert-type scales Educational and Psychological
Measurement, 51, 531-40.
[4] Weijters B, Cabooter E and Schillewaert N 2010 The effect of rating scale format on response
styles: The number of response categories and response category labelsInternational Journal of
Research Marketing, 27, 236-47.
[5] Lam T, Allen G and Green K 2010 Is “neutral” on a Likert scale the same as “Don’t know” for
informed and uninformed respondents? Effects of serial position and labeling on selection of
response options Annual Meeting of the National Council on Measurement in Education, May
2010, Denver, CA
[6] Baka A, Figgou L and Triga V 2012 ’Neither agree, nor disagree’: A critical analysis of the
middle answer category in voting advice applications International Journal of Electronic
Governance, 5 (3/4), 244–63
[7] Dogan V, Özkara BY, Yılmaz C ve Torlak Ö 2014 Katılım düzeyi seçenek sayısının veri
karakteristiği ve veri kalitesi kapsamında incelenmesi: Optimal katılım düzeyi seçenek sayısına
ilişkin bir çıkarım 19. Ulusal Pazarlama Kongresi, Bildiriler Kitapçığı, 101-9
[8] Nadler JT, Weston R and Voyles EC 2015 Stuck in the middle: The use and interpretation of
mid-points in items on questionnaires The Journal of General Psychology, 142(2), 71-89
[9] Bardakçı A, Haşıloğlu SB ve Balce AO 2015 Ölçek orta noktası bitaraf cevaplar için mi yoksa
bihaber cevaplar için mi kullanılmaktadır? Pazarlama ve Pazarlama Araştırmaları Dergisi, 16,
87-97
E-ISBN: 978-605-68882-5-0 38
[10] Bora Semiz B ve Altunışık R 2016Pazarlama araştırmalarında Likert tipi ölçeklerin
özelliklerinin cevaplama tarzları üzerindeki etkilerinin incelenmesi Bartın Üniversitesi İİBF
Dergisi, 7 (14), 577-98
[11] Likert R 1932 A technique for the measurement of attitudes Archives of Psychology,
140, 1–55.
[12] Vagias WM 2006 Likert-type scale response anchors. Clemson International Institute
for Tourism & Research Development, Department of Parks, Recreation and Tourism
Management. Clemson University
[13] Akagün Ergin E ve Akbay Özdemir H 2011 Giyim ve gıda ürünleri kategorilerinde
tüketicilerin plansız satın alma davranışları üzerine bir araştırma Afyon Kocatepe Üniversitesi
İktisadi ve İdari Bilimler Fakültesi Dergisi, 13 (2), 275-92
[14] Özkan B 2017 Hedonik tüketim, kadınlar ve burçlarUluslararası Yönetim İktisat ve

İşletme Dergisi, Cilt 13, Sayı 1, 117-35
[15] Sütütemiz N, Çiftyildiz SS ve Konuk FA 2009 Paketlenmiş süt için ambalaj

özelliklerinin algılanan önemi ve satın alma davranışına etkisi: İstanbul ili örneği Akademik
Gıda 7(6) 18-28
[16] Torlak Ö ve Tiltay MA 2010 Anlık satın alma ölçeklerinin Türk tüketicisi için
uyarlanmasına yönelik bir deneme, 15. Ulusal Pazarlama Kongresi, İzmir.
[17] Dinçer C 2010 The influence of affect and cognition on impulse buying behavior Öneri.
C.9.S.33.
[18] Torlak Ö, Doğan V ve Özkara BY 2013 Üniversite öğrencilerinin yaşamlarında

algıladıkları zaman baskısının plansız satın alma eğilimleri üzerindeki etkisiPazarlama ve
Pazarlama Araştırmaları Dergisi, Sayı: 12, ss. 1-20
[19] Bora Semiz B 2017 A ve B pipi kişilik özelliklerine göre tüketicilerin plansız, kompülsif
ve hedonik satın alma davranışlarının araştırılması Pazarlama İçgörüsü Üzerine Çalışmalar, 1
(1/2): 13-22.
[20] Krosnick J A 1991 Response strategies for coping with the cognitive demands of
attitude measures in surveys Appl. Cogn. Psychol. 5, 213–36.
[21] Sproles GB and Kendall EL 1986 A methodology for profiling consumers’ decision
making styles The Journal of Consumer Affairs, 20(2), 267-79.
E-ISBN: 978-605-68882-5-0 39
[22] Dursun İ, Alnıaçık Ü ve Tümer Kabadayı E2013 Tüketici karar verme tarzları ölçeği:
Yapısı ve boyutlarıUluslararası Yönetim İktisat ve İşletme Dergisi, 9(19), 293- 304.
E-ISBN: 978-605-68882-5-0 40
%100 Akrilik Dokuma Kumaşların Isıl Konfor Özelliklerine Etki
Eden Kumaş Parametrelerinin İncelenmesi
Arzu Yavaşcaoğlu 1, Gülcan Süle2 , Recep Eren 2
arzuyoglu@hotmail.com, gulcan@uludag.edu.tr, erecep@uludag.edu.tr
1
University of Yalova, Yalova Vocational School, Textile, Clothing and Leather Shoes, TURKEY
2
Bursa Uludag University, Faculty of Engineering, Textile Engineering, TURKEY
Özet
Akrilik iplikler örme kumaş yapılarında ve döşemelik kumaşlarda yaygın olarak kullanılmakta
iken, üst giysilik kumaş yapılarında pek kullanılmamaktadır. Bu çalışmada %100 akrilik
iplikler ile üretilen dokuma kumaşların ısıl konfor özellikleri araştırılmıştır. Akrilik dokuma
kumaşlarda atkı iplik numarası, atkı sıklığı ve örgü tipinin ısıl direnç, ısıl iletkenlik, ısıl
soğurganlık ve su buharı direncine etkisi incelenmiştir. Çalışma sonucuna göre, ince atkı
ipliklerinin kullanıldığı kumaşlarda su buharı direncinin yüksek olduğu, bezayağı örgülü
kumaşların dimi ve saten örgüye göre daha soğuk his verdiği, dimi ve saten örgülü kumaşların
ise bezayağı kumaşlara göre ısıl direnç değerlerinin yüksek, su buharı direncinin ise düşük
olduğu sonucuna varılmıştır. Atkı sıklığının ise ısıl konfor özelliklerine istatistiksel olarak etkisi
bulunmamıştır.
Anahtar kelimeler: Akrilik, atkı sıklığı, örgü tipi, ısıl konfor
Investigation of Fabric Parameters Affecting Thermal Comfort

Properties Of 100% Acrylic Woven Fabrics
Abstract
While acrylic yarns are widely used in knitted fabrics and upholstery fabrics, they are hardly
used in outwear garment fabrics. In this study, thermo-physiological comfort properties of
woven fabrics produced with %100 acrylic were investigated. And the effect of weft yarn count,
weft density and weaving type on the thermal resistance, thermal conductivity, thermal
absorbtivity and water vapor resistance properties of acrylic fabrics are investigated in fabrics
consisting of acrylic yarn. According to the results of the study, water vapor resistance values
of fabrics woven with thin weft yarn were greater. It is observed that plain weave fabrics give
a colder feel than twill and satin weaving fabrics. Twill and satin weaving fabrics have the
higher thermal resistance and lower water vapour resistance values than plain weaving fabrics.
E-ISBN: 978-605-68882-5-0 41
There is also no statistically significant relationship between weft density and thermal comfort
properties.
Keywords: Acrylic, weft density, weaving type, thermal comfort
1. Giriş
Buruşmayan, hafif, sıcak tutan, ışığa ve hava şartlarına dayanıklı, keçeleşmez, çekmez, güve
yemez, bakımı kolay, genel olarak parlak ve çabuk kuruyan, kolay yıkanabilen ve şeklini
koruyabilen lifler olarak bilinen akrilik lifleri; örme kumaşlarda, battaniye ve halılarda,
döşemelik kumaşlarda, perde ve masa örtülerinde oldukça fazla kullanım alanı bulan liflerden
biridir. Aynı zamanda yağa ve kimyasallara dayanıklı, parlak renklere boyanabilen, iyi yıkama
haslığına sahip ve güneş ışığına dayanıklı olarak bilinen bu lifler, tekstil endüstrisinde gerek
tek başına gerekse farklı oranlarda diğer tekstil lifleri ile karıştırılarak kullanılmaktadır.
Akrilik lifleri, üst giyimde kullanılan örme kumaş yapılarında veya ev tekstili sektöründe
kullanım alanı bulan dokuma kumaşlarda çok kalın ve orta kalınlıkta iplik şeklinde oldukça
fazla tercih edilmesine rağmen, üst giyim dokuma kumaş yapılarında sınırlı olarak
kullanılmaktadır. Bu çalışmada, ince akrilik dokuma kumaşların ısıl konfor özellikleri ve kumaş
yapısal parametrelerinin kumaşların bu özelliklerine etkisi araştırılmıştır.
Dokuma kumaşların geometrik yapısı oldukça karmaşıktır. Kumaş içindeki her bir ipliğin enine
kesit şekli oldukça düzensizdir ve iplik kıvrım alır. Ayrıca birçok lif iplik yüzeyinden dışarı
doğru çıkmaktadır. Dokuma kumaş, çözgü ve atkı ipliklerinin kesişmeleri sonucu oluşur. Bu
kesişimin derecesi büyük ölçüde lifler ve iplikler arasındaki sürtünmeye bağlıdır. İki paralel
komşu iplik arasındaki mesafe, kumaş yapısının gözenekliliğini belirler. Bu gözenekli yapının
varlığı kumaşı, metal plaka gibi sürekli olan mühendislik malzemelerinden ayırır [1].
Kumaş yapısının teorik temellerini belirleyen parametreler; lif yapısı ve özellikleri (lif tipi,
karışımı, geometrik, fiziksel, mekanik ve kimyasal özellikleri), iplik yapısı ve özellikleri (iplik
tipi, geometrik, fiziksel, mekanik ve yapısal özellikleri, eğirme işleminin teknolojik
parametreleri), kumaş geometrisi (sıklık, örgü, gramaj, kalınlık, fiziksel ve mekanik
özellikleri), örgü, desen tasarımı ve kumaş oluşum teknolojisidir. Bu yapısal parametreler
sayısal olarak değerlendirilebilir ve yeni kumaş özelliklerinin belirlenmesinde kullanılabilir [2].
Giysi konforu, giysinin giyeni fizyolojik ve psikolojik olarak tatmin etmesidir.
E-ISBN: 978-605-68882-5-0 42
Oğlakçıoğlu ve Marmaralı’ya (2007) göre giysi konforu, memnuniyetsiz veya konforsuz
olmama durumudur [3]. Utkun’a göre (2007), giyim konforu, üç eleman ile etkileşim
içerisindedir; vücut, çevre (iklim, hava) ve giysi. İnsan vücudu, mikroklima ve giysi karşılıklı
etkileşim halindedir. Vücut ve mikroklima (mikroiklim) değiştirilemez, bu üç öğe içerisinde
giysi ise değiştirilebilen tek öğedir [4]. Goldman (2005) giysi konforunu, moda (fashion),
hissetme (feel), uygunluk (fit), fonksiyonellik’den (function) oluşan dört ana faktörden yola
çıkarak ‘4F’ olarak tanımlamıştır [5]. Hollies ve Fourt (1970), incelemelerinde konforu, ısıl ve
ısıl olmayan bileşenleri (yüzey karakteri, mekanik bitim işlemleri, dökümlülük, dikilebilirlik,
elektrostatik özellikler vb.) içeren, kullanıcının durumu (çalışma durumu, çeşitli aktiviteler vb.)
ve çevresel şartlara bağlı bir durum olarak görmüşlerdir [6].
Tekstil malzemelerinin konfor özelliklerine etki eden faktörlerin, aslında tüm özelliklere etki
eden faktörler olarak bilinen hammadde özellikleri, iplik özellikleri, kumaş özellikleri ve bitim
işlemleri olduğunu söylemek mümkündür. Ancak tekstil malzemeleri giysi formunda
kullanılacağından giysinin konfor özelliklerine etki eden faktörlere tasarım, model, birleştirme
ve dikim özelliklerinin de eklenmesi gerekmektedir. Giysinin kullanıcının hareketini
engellememesi, terin uzaklaştırılmasını kolaylaştırması, çevre ile ısıl dengeyi sağlaması
giysinin tasarımı ve dikim özelliklerinden de etkilenmektedir. Özellikle dış giyim ve spor
giysilerinde hava ve su buharı transfer yeteneğinin geliştirilmesi amacıyla giysinin belirli
bölgeleri (örneğin koltuk altı, diz arkası) açık bırakılmakta veya farklı malzemeler (file, astar
vb.) kullanılmaktadır. Aşağıda çeşitli kumaşların ısıl konfor özelliklerinin incelendiği bazı
çalışmalar verilmiştir.
Holcombe ve Hoschke (1983) iç giyim için kullanılabilecek kumaşları inceledikleri

çalışmalarında, düşük yoğunluklu kumaş yapılarının ısıl direncinin kumaş kalınlığı ile
belirlendiğini, ısıl iletkenlik ile kalınlık arasında ilişki olduğunu, lif tipi ve kumaş yapısı gibi
parametrelerin bu özelliklere daha az ama ayırt edici bir etkisinin olduğunu ifade etmişlerdir
[7].
Çil ve ark. (2009) pamuk/akrilik örme kumaşların konfor özelliklerini inceledikleri

çalışmalarında, yıkamanın incelenen kumaşların su buharı geçirgenliği ve kılcal ıslanma
özellikleri üzerinde arttırıcı bir etkisi olduğunu bulmuşlardır. Kalın iplik kullanılmasıyla,
kumaşların transfer ve dikey kılcal ıslanma yeteneklerinin arttığını, ince iplik kullanımı ile
kuruma hızlarının arttığını saptamışlardır. Ayrıca, incelenen kumaşların dikey kılcal ıslanma
E-ISBN: 978-605-68882-5-0 43
özelliklerinin yanı sıra kuruma hızlarınında, kumaş içindeki akrilik elyaf oranındaki artış ile
birlikte arttığı ifade edilmiştir [8].
Ertekin ve Marmaralı (2011) farklı askı ve atlama sayılarına sahip düz örme kumaş yapılarının
ısıl konfora etkisini incelemişlerdir. Tek atlamalı veya üç askılı kumaşların düşük ısıl direnç ve
yüksek hava geçirgenliği gösterdiğini ve sıcak günlerde kullanılabileceğini, düz örgü
kumaşların ise daha yüksek ısıl direnç ve daha düşük hava geçirgenliği değerlerine sahip
olduğunu belirtmişlerdir [9].
Karaca ve ark. (2012) elyaf kesit şekli ve dokuma deseninin PES dokuma kumaşların ısıl konfor
özelliklerine etkisini araştırdığı çalışmasında, yuvarlak, içi boş yuvarlak, trilobal ve oyuk
trilobal olmak üzere farklı kesite sahip PES elyaf kullanarak, bezayağı ve dimi örgü ile sekiz
farklı kumaş üretmişlerdir. Çalışma sonucunda, içi boş elyaftan oluşan kumaşların daha yüksek
ısıl iletkenlik ve ısıl soğurganlık değerlerine sahip olduğunu, buna karşılık ısıl direnç, su buharı
ve hava geçirgenlik değerlerinin daha düşük olduğunu ayrıca örgünün ısıl parametreler üzerinde
etkisi olduğunu saptamışlardır. Trilobal liflerden üretilen dimi kumaşlar en düşük ısıl iletkenlik
ve ısıl soğurganlık gösterirken, ısıl direnç, su buharı geçirgenliği ve hava geçirgenliği en
yüksektir [10].
Mangat (2012) PES, pamuk ve polipropilen kullanarak, D 3/1 dimi, kırık dimi ve balıksırtı
olmak üzere 3 farklı örgüde ve 12 farklı yıkama yöntemi ile 180 farklı kot çeşidini geliştirdiği
çalışmasından elde ettiği sonuca göre, üretilen kot kumaşlar içinde atkı ipliği olarak
polipropilenin kullanıldığı kumaşların en yüksek nem yönetimi kapasitesine sahip olduğu %100
pamuk kullanarak üretilen konvansiyonel kot kumaşların ise minimum nem yönetimi
kabiliyetine sahip olduğu, yani bu kumaşların nemli ve soğuk havalarda insan vücudunu daha
uzun süre sıcak tutabileceği sonucuna varılmıştır. Ayrıca örgü tipinin termo-fizyolojik konfor
özelliklerine etki etmediği ifade edilmiştir [11].
Kanat (2013) çalışmasında pamuk, PES, modal ve akrilik liflerin kullanıldığı düz örgü
kumaşların, kumaş konstrüksiyon parametrelerini kullanarak, farklı nem oranlarındaki ısıl
direnç özelliklerinin tahminlenmesi ve modellenmesi üzerine çalışmıştır. Bu liflerden Ne 16-
Ne 60 numara arasında iplikler ve bu ipliklerden üç farklı sıklıkta (Ne 16 için iki farklı sıklık)
düz örgü kumaşlar üretilmiştir. Çalışmada elde edilen sonuçlara göre, kumaş kalınlığının artışı
ile ısıl direncin arttığı, kumaş sıklığının artışı ile ise azaldığı gözlenmiştir. Islanma ile
kumaşların ısıl direnç değerlerinin düştüğü ve en büyük düşüşün, kumaşların mutlak kuru
durumdan %25 nemli duruma geldikleri noktada olduğu tespit edilmiştir. Çalışmada ayrıca
E-ISBN: 978-605-68882-5-0 44
kumaşların nem ile değişen ısıl direnç özelliği regresyon analizi ve yapay sinir ağları yöntemleri
ile tahminlenmiştir. Elde edilen regresyon denklemine göre lif özgül ısısı, lif yoğunluğu ve
kumaş kalınlığı arttıkça ısıl direnç değeri artmakta, kumaş içerisinde bulunan su miktarı arttıkça
ısıl direnç değeri azalmaktadır [12].
Bu çalışmada kullanılan kumaş yapılarında, çözgü ipliği olarak Ne 20/1 akrilik iplikler, atkı
ipliği olarak ise Ne 16/1 ve Ne 20/1 akrilik iplikler kullanılmıştır. Örgü tipinin etkisinin
belirlenmesi için bezayağı, dimi (D 3/2 Z) ve saten (1/4 S 2 atlamalı) örgüleri, atkı sıklığının
etkisinin belirlenmesi için ise bezayağı örgü yapısında 3 farklı atkı sıklığı (13,15,17 atkı/cm)
uygulanmıştır. Çalışmada kullanılan deneysel kumaş özellikleri Tablo 1’de verilmiştir. Üretilen
numune kumaşlar 4880 tel çözgü, 148 cm tarak eninde Dornier marka jakarlı dokuma
makinesinde üretilmiştir.
Tablo 1. Deneysel Kumaş Özellikleri
Kumaş Çözgü iplik Çözgü Atkı iplik Atkı Örgü Atkı

Kodu numarası ipliği numarası ipliği tipi Sıklığı
A1 Ne 20/1 Akrilik Ne 20/1 Akrilik Bezayağı 13
A4 Ne 20/1 Akrilik Ne 20/1 Akrilik Dimi 17
A5 Ne 20/1 Akrilik Ne 20/1 Akrilik Saten 17
A9 Ne 20/1 Akrilik Ne 16/1 Akrilik Dimi 17
A10 Ne 20/1 Akrilik Ne 16/1 Akrilik Saten 17
Çalışmada kullanılan deneysel kumaşlara fiziksel özelliklerinin belirlenmesi amacıyla,

metrekare ağırlık ve kumaş kalınlığı ölçümü yapılmıştır. Konfor özelliklerinin belirlenmesi için
ise ısıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci testleri yapılmıştır. Tüm testler
Bursa Uludağ Üniversitesi Tekstil Mühendisliği Anabilim Dalı fiziksel test laboratuarında
uygulanmıştır. Kumaşlara uygulanan tüm testler, kumaşlar 24 saat süreyle TS EN ISO 391’e
göre standart atmosfer koşullarında (20 ºC±2 sıcaklık, %65±4 bağıl nem) kondüsyonlandıktan
sonra gerçekleştirilmiştir. Kumaşların ısıl direnç, ısıl iletkenlik, ısıl soğurganlık gibi ısıl konfor
özellikleri Şekil 1’de görülen Alambeta test cihazında ölçülmüştür. Numune kumaşların bağıl
su buharı geçirgenliği testleri Lubos Hes tarafından geliştirilen PERMETEST cihazında ISO
11092 standardına göre yapılmıştır. Bu cihazda insan teni kuru ve yaş olarak simule edilmekte,
E-ISBN: 978-605-68882-5-0 45
su buharı direnci, su buharı geçirgenliği ve ısıl direnç ölçülmektedir. Permetest Cihazı Şekil
2’de verilmiştir.
Şekil 1. Alambeta Cihazı
Şekil 2. Permetest Cihazı
Elde edilden test sonuçları veri sayısı az olduğundan parametrik olmayan test yöntemleri
kullanılarak SPSS 21 paket programında istatistiksel olarak analiz edilmiştir. Akrilik ince
dokuma kumaşların ısıl konfor özelliklerine atkı iplik numarasının etkisinin belirlenmesi için
Mann Whitney U testi, atkı sıklığının ve örgü tipinin etkisinin istatistiksel analizi için ise
Kruskall Wallis H testi kullanılmıştır. Anlamlılık düzeyi .05 olarak alınmıştır.
3. Bulgular ve Değerlendirme
Deneysel kumaşlara uygulanan ısıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci
test sonuçları Tablo 2’de verilmiştir.
Tablo 2. Isıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci test sonuçları
E-ISBN: 978-605-68882-5-0 46
Kumaş Kalınlık Isıl Direnç Su Buharı
Isıl İletkenlik Isıl Soğurganlık
Kodu (mm) (m² K/W) Direnci
(W/mK) (Ws½ /m² K)
10-3 (m²Pa/W)
A1 0,48 38,6 12,5 146 4,3
A2 0,48 40,1 12 158 4,2
A3 0,51 39 13 165 4,3
A4 0,58 38,8 15 140 4,1
A5 0,59 39,3 15 142 4,1
A6 0,50 40,2 12,5 158 3,3
A7 0,50 41 12,1 155 3,7
A8 0,51 41,2 12,5 157 4,1
A9 0,63 40 15,7 142 4
A10 0,60 36,9 15 135 3,7
Elde edilen sonuçlara göre en yüksek ısıl iletkenlik değeri 41,2W/mK ile Ne 16/1 iplik ile 17
atkı/cm atkı sıklığında dokunan bezayağı örgülü kumaşa, en düşük ısıl iletkenlik değeri ise
36,9W/mK ile Ne 16/1 iplik ile 17 atkı/cm atkı sıklığında saten örgü ile dokunan kumaşa aittir.
Kumaşların ısıl iletkenlik değerleri Şekil 3’te verilmiştir.
Isıl İletkenlik
42
40
38
36
34
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
Ne 20/1 Ne 16/1
Şekil 3. Numune kumaşların ısıl iletkenlik değerleri
Kumaşların ısıl iletkenlik değeri, liflerin ısıl iletkenlik katsayısının yanında, kumaş içerisinde
hapsedilen hava miktarı ile de yakından ilgilidir. Havanın ısıl iletkenlik katsayısı oldukça
düşüktür (25W/mK). Ve bu sebeple içerisinde fazla miktarda hava ihtiva eden liflerin ısıl
iletkenlik katsayıları da düşüktür [13]. Jirsak ve ark. (1998), tekstil yüzeyinin kalınlığı ile ısıl
iletkenlik arasındaki ilişkiyi incelediği çalışmalarında, numune yoğunluğu arttıkça, kalınlığın
ısıl iletkenliğe etkisinin arttığını ve ısıl iletkenlik özelliğinin malzemelerin gözenek boyutu ve
dağılımından etkilendiğini, Morton ve Hearle (2008), ısıl iletkenlik değerlerine etki eden en
önemli parametrenin kumaş kalınlığı ve yoğunluğu olduğunu ifade etmişlerdir [14,15]. Kumaş
kalınlıklarının fazla olmasından dolayı içerisinde bulunan hava miktarı artacağından ısıl
iletkenlik düşmektedir.
E-ISBN: 978-605-68882-5-0 47
Elde edilen sonuçlara göre en yüksek ısıl direnç Ne 16/1 atkı ipliği ile 17 atkı/cm atkı sıklığında
dokunan dimi örgülü kumaşa (Şekil 4), en yüksek ısıl soğurganlık ise Ne 20/1 atkı ipliği ile 17
atkı/cm atkı sıklığında saten örgü ile dokunan kumaşa aittir (Şekil 5).
Isıl direnç
20
15
10
5
0
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
Ne 20/1 Ne 16/1
Şekil 4. Numune kumaşların ısıl direnç değerleri
Kumaşın ısıl direnci kumaşın kalınlığı ile doğru orantılı olduğundan, tüm kumaşlar arasında en
yüksek kalınlık değerine sahip olan kumaşın en yüksek ısıl dirence sahip olması beklenir. Genel
olarak, sonuçlara bakıldığında, tüm lif cinslerinde bezayağı örgüde ve üç farklı atkı sıklığında
dokunmuş olan kumaşların ısıl direnç değerleri birbirine yakındır. Ancak, dimi ve saten örgüde
dokunan kumaşların ısıl direnç değerleri, bezayağı örgüde dokunan kumaşların ısıl direnç
değerlerinden daha yüksektir. Bunun nedeni, dimi ve saten örgüde dokunan kumaşların,
bezayağı örgü tipi ile dokunan kumaşlardan daha kalın olmasıdır.
Isıl Soğurganlık
200
150
100
50
0
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
Ne 20/1 Ne 16/1
Şekil 5. Numune kumaşların ısıl soğurganlık değerleri
Celcar ve ark’nın (2008) yaptığı çalışmada kumaşların ısıl direnç özelliklerinin kalınlıkları ile
doğru orantılı olarak arttığı ifade edilmiştir [16]. McGregor ve Postle (2008) ısıl direnç
E-ISBN: 978-605-68882-5-0 48
değerlerinin öncelikle kumaş kalınlığına bağlı olduğunu, lif tipinin öneminin çok düşük
olduğunu ifade etmiştir [17].
En düşük su buharı direnci ise Ne16/1 13 atkı/cm sıklıkta dokunan bezayağı örgülü kumaşa
aittir (Şekil 6). Elde edilen sonuçlara göre kalın atkı ipliklerinin kullanıldığı kumaşların ısıl
direnç ve ısıl iletkenlikleri yüksek, ısıl soğurganlıkları ve su buharı dirençleri ise düşüktür.
Su buharı direnci
5
4
3
2
1
0
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
Ne 20/1 Ne 16/1
Şekil 6. Numune kumaşların su buharı direnci değerleri
Elde edilen sonuçlar atkı iplik numarasının etkisi, atkı sıklığının etkisi ve örgü tipinin etkisi
olarak ayrı ayrı değerlendirilmiştir.
3.1. Atkı iplik numarasının etkisi
Deneysel kumaşlarda iki farklı atkı iplik numarası (Ne 16/1 ve Ne 20/1) kullanıldığından
istatistiksel analiz için SPSS 21 paket programında parametrik olmayan testlerden Mann
Whitney U testi kullanılmıştır.
Tablo 3. Akrilik dokuma kumaşlarda atkı iplik numarasının ısıl konfor özelliklerine etkisi Mann-
Whitney U testi sonuçları
İplik Numarası N Sıra Ort. Sıra Top. Z U P

Ne 16/1 5 4,20 21,00
Isıl iletkenlik -1,358 6,000 ,175
Ne 20/1 5 6,80 34,00
Ne 16/1 5 5,40 27,00
Isıl direnç -,107 12,000 ,915
Ne 20/1 5 5,60 28,00
Ne 16/1 5 6,00 30,00
Isıl soğurganlık -,525 10,000 ,599
Ne 20/1 5 5,00 25,00
Ne 16/1 5 7,80 39,00
Su buharı direnci -2,447 1,000 ,014
Ne 20/1 5 3,20 16,00
İstatistiksel olarak incelendiğinde Tablo 3’te görüldüğü gibi atkı iplik numarası ile ısıl
iletkenlik, ısıl direnç ve ısıl soğurganlık arasında istatistiksel olarak anlamlı bir farklılık
E-ISBN: 978-605-68882-5-0 49
görülmezken, su buharı direnci ile atkı iplik numarası arasında istatistiksel olarak anlamlı bir
farklılık olduğu görülmektedir. İnce atkı ipliklerinin kullanıldığı kumaşlarda (Ne 20/1) su
buharı direnci daha yüksektir.
3.2. Atkı sıklığının etkisi
Akrilik kumaşların ısıl konfor özelliklerine atkı sıklığının etkisi 3 farklı atkı sıklığı ile
değerlendirildiğinden parametrik olmayan testlerden Kruskall Wallis H testi ile istatistiksel
analiz yapılmıştır (Tablo 4). Elde edilen sonuçlara göre akrilik dokuma kumaşlarda atkı
sıklığının ısıl konfor özelliklerine istatistiksel olarak etkisi görülmemektedir (P >,05).
Tablo 4. Akrilik dokuma kumaşlarda atkı sıklığının ısıl konfor özelliklerine etkisi Kruskall Wallis H
testi sonuçları
Atkı sıklığı N Sıra Ort. X² P Fark

13 2 2,50
Isıl iletkenlik 15 2 4,00 ,857 ,651 2
17 2 4,00
13 2 4,00
Isıl direnç 15 2 1,50 4,194 ,123 2
17 2 5,00
13 2 2,75
Isıl soğurganlık 15 2 3,25 ,956 ,620 2
17 2 4,50
13 2 3,25
Su buharı direnci 15 2 3,00 ,515 ,773 2
17 2 4,25
3.3. Örgü tipinin etkisi
Üç farklı örgü tipi ile dokunan kumaşlarda örgü tipinin ısıl konfor özelliklerine istatistiksel
olarak etkisinin belirlenmesi için yapılan Kruskal Wallis testi sonucu Tablo 5’te verilmiştir.
Tablo 5’e göre örgü tipinin ısıl soğurganlık ve ısıl dirence etkisi olduğu ısıl iletkenlik ve su
buharı direncine etkisi olmadığı görülmektedir.
Örgü tipi değişiminin ısıl direnç özelliğine etkisi incelendiğinde, bezayağı örgülü kumaş
yapılarının dimi ve saten örgülü kumaş yapılarına göre ısıl direnç değerlerinin daha düşük
olduğu, dimi ve saten örgülü kumaş yapıları karşılaştırıldığında ise dimi örgü tipine sahip
kumaşların ısıl direnç değerlerinin saten örgülü kumaşlara göre daha yüksek olduğu
görülmektedir. Kumaşların kalınlık değerleri incelendiğinde örgü tipi değiştiğinde kumaş
kalınlıklarının da değiştiği, dimi örgülü kumaşların bezayağı örgülü kumaşlardan daha kalın
olduğu görülmektedir. Saten örgü tipinde dimi örgüye göre kalınlık azalmaktadır. Kumaş
E-ISBN: 978-605-68882-5-0 50
kalınlığındaki değişim ile ısıl direnç değerlerindeki değişim benzer şekildedir. Kalınlığın fazla
olduğu dimi örgülü kumaşların tüm lif tiplerinde ısıl direnç değerlerinin daha yüksek, kalınlığın
az olduğu bezayağı örgülü kumaşların ısıl dirençlerinin ise daha düşük olduğu görülmektedir.
Tablo 5. Akrilik dokuma kumaşlarda örgü tipinin ısıl konfor özelliklerine etkisi Kruskal Wallis H testi
sonuçları
Örgü N Sıra Ort. X² P Fark

bezayağı 6 6,67
Iısl iletkenlik dimi 2 4,50 2,473 ,290 2
saten 2 3,00
bezayağı 6 3,50
Isıl direnç dimi 2 9,00 6,994 ,030 2
saten 2 8,00
bezayağı 6 7,50
Isıl soğurganlık dimi 2 2,75 6,653 ,036 2
saten 2 2,25
bezayağı 6 6,08
Su buharı direnci dimi 2 5,00 ,642 ,726 2
saten 2 4,25
4. Sonuç
Akrilik dokuma kumaşların konfor özelliklerinden bazılarının incelendiği bu çalışma

sonuçlarına göre %100 akrilik dokuma kumaşlarda iplik kalınlığının su buharı direncine etkisi
olduğu kalın ipliklerin kullanıldığı kumaşlarda (Ne16/1) su buharı direncinin daha düşük
olduğu, atkı sıklığının ısıl konfor özelliklerine etkisinin olmadığı görülmüştür. Örgü tipinin ise
ısıl direnç ve ısıl soğurganlığa istatistiksel olarak etkisi vardır. Elde edilen sonuçlara göre,
bezayağı örgülü kumaşlar ısıl dirençlerinin düşük ısıl soğurganlıklarının ise dimi ve saten
örgülü kumaşlardan yüksek olduğundan daha soğuk temas hissi vermektedir. Çalışma
sonuçlarına göre kışlık üst giysilik olarak kullanılacak olan akrilik dokuma kumaşların dimi
veya saten örgü tipi ile dokunmasının hem ısıl direncin artması hem de ilk temas anında daha
sıcak his vermesi dolayısıyla daha uygun olacağı önerilebilir. Ayrıca düşük su buharı direnci
elde edilmek istenilen kumaşlarda kalın ipliklerin kullanılması yerinde olacaktır.
Teşekkür
Bu çalışma Bursa Uludağ Üniversitesi BAP Birimi tarafından OUAP (MH)–2014/10’nolu orta
ölçekli bilimsel araştırma projesi ile desteklenmiştir.
Kaynaklar
E-ISBN: 978-605-68882-5-0 51
[1] Pierce FT 1937 The geometry of cloth structure. J. Text. I. T45 pp 48-50
[2] Sujica M Z and Pinteric A 1998 Numerical evaluation of fabric construction parameters.
International Journal of Clothing Science and Technology. 10(3/4) pp 191- 200.
[3] Oğlakçıoğlu N and Marmaralı A 2007 Thermal comfort properties of some knitted structures.
Fibres and Textiles in Eastern Europe. 15 (5) pp 94-96.
[4] Utkun E 2007 Farklı model ve dikim özelliklerinin giyim konforuna etkisi. Yüksek Lisans Tezi.
EÜ. Fen Bilimleri Enstitüsü. Tekstil Mühendisliği Anabilim Dalı. İzmir.
[5] Goldman R F 2005 The four ‘Fs’ of clothing comfort. Environmental Ergonomics. Vol 3 pp 315-
319.
[6] Hollies N R and Fourt L 1970 Clothing comfort and function. Marcel Dekker Inc. New York,
USA.
[7] Holcombe B V and Hoschke N 1983 Dry heat transfer characteristics of underwear fabrics. Textile
Research Journal. 53(3) pp 368-374.
[8] Çil M G, Nergis U B and Candan C 2009 An experimental study of some comfort-related properties
of cotton-acrylic knitted fabrics. Textile Research Journal. 79(10) pp 917-923.
[9] Ertekin G ve Marmaralı A 2011 Askı ve atlamanın düz örgü kumaşların ısıl konfor özelliklerine
etkileri. Tekstil ve Mühendis. 18(83) s 21-26
[10] Karaca E, Kahraman N, Ömeroglu S and Becerir B 2012. Effects of fiber cross sectional shape
and weave pattern on thermal comfort properties of poliester woven fabrics. Fibres Text. East. Eur. Vol
20 pp 67–72.
[11] Mangat M M 2012 The effect of moisture and finishing on thermal comfort and selected
mechanical properties of denims with a portion of synthetic fibres. Ph.D. Research, Technical
University. Liberec. Czech Republic.
[12] Kanat E 2013 Örme kumaşların farklı nem oranlarında ısıl direnç özelliklerinin tahminlenmesi ve
modellenmesi üzerine bir çalışma. Doktora Tezi. EÜ. Fen Bilimleri Enstitüsü. Tekstil Mühendisliği
Anabilim Dalı. İzmir.
[13] Marmaralı A and Oğlakçıoğlu N 2013 Giysilerde ısıl konfor. 11. Ulusal Tesisat Mühendisliği
Kongresi. Isıl Konfor Sempozyumu. İzmir.
E-ISBN: 978-605-68882-5-0 52
[14] Jirsak O, Gök T, Özipek B and Pan, N 1998 Comparing dynamic and static methods for measuring
thermal conductive properties of textiles. Textile Research Journal. 68(1) pp 47-57.
[15] Morton W E and Hearle J W S 2008 Physical properties of textile fibres. (4th ed.). Cambridge:
The Textile Institute, CRC Press. Woodhead Publishing Limited.
[16] Celcar D, Meinander H and Geršak J 2008 A study of the influence of different clothing materials
on heat and moisture transmission through clothing materials, evaluated using a sweating cylinder.
International Journal of Clothing Science and Technology. 20 (2) pp 119-130.
[17] McGregor B A and Postle R 2008 Mechanical properties of cashmere single jersey knitted fabrics
blended with high and low crimp superfine merino wool. Textile Research Journal. 78(5) pp 399-411.
E-ISBN: 978-605-68882-5-0 53
Pamuk/Akrilik Dokuma Kumaşların Konfor Özelliklerine Etki
Eden Bazı Faktörlerin Istatistiksel Analizi
Arzu Yavaşcaoğlu 1, Gülcan Süle 2 ve Recep Eren 2
arzuyoglu@hotmail.com, gulcan@uludag.edu.tr, erecep@uludag.edu.tr
1
University of Yalova, Yalova Vocational School., Textile, Clothing and Leather Shoes, TURKEY
2
Uludag University, Faculty of Engineering, Textile Engineering, TURKEY
Özet
Termal konfor ile ilgili çalışmalarda, kumaşta kullanılan elyaf ve iplik özellikleri ve kumaş
yapısı gibi birçok parametrenin termal konfor özellikleri üzerinde etkiye sahip olduğu
bulunmuştur. Bu çalışmada, akrilik/pamuk lifleriyle üretilen dokuma kumaşların konfor
özellikleri test edilmiş ve incelenmiştir. Kumaşlar iki farklı atkı ipliği cinsi, üç farklı atkı sıklığı
(13, 15 ve 17 atkı/cm) ve üç farklı örgü tipi (bezayağı, dimi 3/2 ve saten 1/4) ile üretilmiştir.
Çalışmada, atkı tipi, atkı sıklığı ve örgü tipinin, akrilik/pamuk dokuma kumaşların ısıl direnç,
ısıl iletkenlik, ısıl soğurganlık ve su buharı direnci özelliklerine etkisi incelenmiş ve istatistiksel
olarak değerlendirilmiştir.
Anahtar kelimeler: Atkı tipi, ısıl direnç, ısıl iletkenlik, ısıl soğurganlık, akrilik, su buharı
direnci
Statistical Analysis of Some Factors Affecting Comfort Properties

of Acrylic/Cotton Woven Fabrics
Abstract
In studies related to thermal comfort, it was found that many parameters such as fiber and yarn
properties and fabric structure applied to the fabric have an effect on the thermal comfort
properties. In this study, comfort properties of woven fabrics produced with acrylic/cotton
fibers were tested and investigated. Fabrics were produced with two different weft type, three
different weft density (13, 15 and 17 threads/cm) and three different weave types (plain, twill
3/2 and satin 1/4). In this study, the effects of weft type and weaving type on the thermal
resistance, thermal conductivity, thermal absorptivity and water vapor resistance properties of
acrylic/cotton woven fabrics were examined and evaluated statistically.
E-ISBN: 978-605-68882-5-0 54
Keywords: Weft type, thermal resistance, thermal conductivity, thermal absorptivity, water
vapour resistance
1. Giriş
Pamuk, kimyasal yapısı selüloz olan en önemli bitkisel liftir. Doğal lifler içerisinde Türkiye’de
en fazla kullanılan tekstil hammaddesidir. Pamuk kolaylıkla havadan nem absorplar. Buna
rağmen elle tutulduğunda kuru hissedilebilir. Ticari nem miktarı %8,5’tir. %100 bağıl nemde,
pamuklu materyal %25–27 seviyesinde su tutabilmektedir [1]. Pamuk lifine ait enine ve boyuna
kesit SEM görüntüsü Şekil 1’de verilmiştir.
Şekil 1. Pamuk lifinin enine ve boyuna kesit SEM görüntüsü [2].
Pamuk liflerinin fiziksel ve kimyasal özellikleri incelendiğinde; elastik özelliklerinin nispeten

sınırlı olduğu, ıslandığında boydan ve enden çekme gözlendiği ve mukavemetinin arttığı
görülmektedir. Doğrudan güneş ışığında, sıcak ve çok nemli ortamda kalan pamuklu materyalin
dayanıklılığı azalmaktadır [1].
Akrilik lifleri ise, akrilonitril monomerlerinin radikal zincir polimerizasyonu ile elde edilen
poliakrilonitril polimerlerinden üretilen bir liftir. En az %85 oranda akrilonitril ünitesi içerir
[3,4]. %100 akrilonitril ünitelerinden meydana gelen polimerlerden üretilen lifler, özellikle
zayıf boya alma eğilimi ve uzun süreli periyotlarda ışık ve ısıya tutulduklarında rengini
değiştirmeleri nedeniyle tekstil alanında ticari olarak başarılı olamamıştır [5]. Bu sebeple, çoğu
ticari akrilik lifleri, hem liflerin özelliklerindeki bu zayıflıkları gidermek ve hem de polimerin
işlenebilirliğini artırmak için %5 ile %15 dolaylarında komonomer içermektedir [6]. Uygun bir
komonomer ile birlikte poliakrilonitril polimerinin hazırlanmasından sonra bu polimerden lif
üretilebilmesi için öncelikle elde edilen polimerin lif çekimine uygun akışkanlıkta bir çekim
çözeltisi (dop) haline getirilmesi gerekmektedir. Poliakrilonitril polimeri ısıtıldığında erime
noktasına ulaşmadan önce yapısı bozulmakta, ancak uygun çözücüler kullanılarak lif çekimi
için elverişli akışkanlıkta polimer çekim çözeltisi elde edilebilmektedir. Bu sebeple
poliakrilonitril lifleri çözeltiden çekim yöntemi ile üretilebilmektedir. Akrilik lifleri hem kuru
E-ISBN: 978-605-68882-5-0 55
hem de yaş çekim yöntemi ile üretilebilmekle birlikte, dünya akrilik lif üretiminin yaklaşık
%85’i yaş çekim yöntemi ile gerçekleştirilmektedir [7].
Akrilik liflerinin düşük üretim ve malzeme maliyetleri, kolay boyanma ve kullanım

karakteristikleri kadar kolay işleme tabi tutulabilmeleri nedeniyle bu yüzyılın başarılı
geçmişlerinden birine sahiptir. İlk olarak DuPont tarafından 1944 yılında Orlon ticari ismi
altında tanıtılan akrilik lifleri o zamandan bu yana çok hızlı bir gelişme göstermiş ve
günümüzde dünyada en fazla kullanılan dördüncü sentetik lif haline gelmiştir. Bu hızlı artış
hem akrilik liflerinin kullanım alanının genişlemesiyle ve hem de özellikle yün fiyatlarındaki
artış ile doğrudan ilişkili olarak gerçekleşmiştir [8].
Yapay lifler arasında yüne en fazla benzerlik gösteren lifler akrilik lifleridir. İlk akrilik lif olan
Orlonun ticari üretiminden sonra Acrilan üretimine 1952’de geçilmiş, sonraları Dralon,
Courtelle ve Zefran gibi ticari isimlerle akrilik lifleri üretilmeye devam etmiştir. Şekil 2’de bazı
akrilik liflerinin boyuna ve enine kesitlerinin elektron mikroskobu görünüşleri verilmiştir.
Şekil 2. Bazı Akrilik liflerinin boyuna ve enine kesitlerinin elektron mikroskobu görünüşleri, a-
Acrilan (Monsanto), b- Orlon (DuPont), c- Courtelle (Courtauld), d- Creslan (Cytec), e- Orlon 21
bikomponent (DuPont) [9]
Akrilik elyafın özellikleri incelendiğinde; kolay yıkanabilme ve çabuk kuruma gösterdiği,

hidrofob olduğu, şeklinin koruyabildiği, güveye, yağa, kuvvetli asitlere ve organik çözücülere
dayanıklı olduğu, güneş ışığına dayanıklı olduğu, uzama ve esneklik özelliklerinin iyi olduğu,
hafif ve yumuşak lifler olduğu görülmektedir [1].
Giysi, insan vücudu ve çevre, konfor kavramını oluşturan unsurlardır. Giysiler çevresel
şartlarda (sıcaklık, rutubet) daha az ya da daha çok etkileşimde olacak ve bunun yanında talep
edilen konforu sağlayacak biçimde seçilir [10]. Giysi konforu kendi içerisinde iki temel
bileşenden oluşmaktadır. Bunlar;
E-ISBN: 978-605-68882-5-0 56
1-Psikolojik konfor
2-Fizyolojik konfor
-Termofizyolojik konfor,
-Duyusal konfor,
-Hareket konforu’dur.
Fiziksel konfor, vücudun tekstil yüzeyi ile direkt teması anında duyulan hislerin (vücutla
mekanik temas) bir sonucudur. Kumaşın yumuşaklığı, sağladığı hareket serbestliği ve ıslak
kumaşın neden olduğu batma, kaşıntı ve yapışma gibi giysi konforunu negatif yönde etkileyen
faktörleri içerir. Bu hisleri belirleyen kumaş özellikleri ise yüzey pürüzlülüğü, ağırlık,
yumuşaklık, yoğunluk ve rijitlik olarak sıralanabilir [11,12]. Duyusal konfor, tekstil
mamulünün deri ile teması sonucu çeşitli sinirsel duyuların oluşturduğu konfordur [13].
Giysinin ten ile teması sonucu ortaya çıkacak algılar, yumuşaklık ve pürüzsüzlük gibi memnun
edici olabildiği gibi, tekstil ürününün sert, kaşındırıcı olması veya terleme sonucu cilde
yapışması durumunda kişiye rahatsızlık verebilen hisler de olabilir [14]. Hareket konforu,
giysinin vücut hareketlerine imkân tanıması, vücuda uygulanan basıncı minimuma
indirmesidir. Tekstil mamulünün özgür hareket etme imkânı sağlaması, ağır olmaması ve vücut
şekline uygun olmasıdır [15]. Bir tekstil ürününün hareket serbestliğine izin vermesi,
istendiğinde vücudun şeklini alması ve vücuda fazla yük bindirmemesi durumunda giysinin
hareket konforu olduğundan söz edilebilir [16]. Özellikle fonksiyonel giysilerde uyum ve
hareket serbestliği estetik özelliklerden önce gelir. Her giysi farklı amaca yönelik olduğundan
farklı kalıplar kullanılmaktadır ve kalıplar oluşturulurken giysi fonksiyonlarına dikkat
edilmelidir. Tüm giysilerin ortak amacı vücut hareketlerinin giysi tarafından
engellenmemesidir [17].
Giysi konforu, giysinin giyeni fizyolojik ve psikolojik olarak tatmin etmesidir. İdeal bir giysilik
kumaş ısıl konfor açısından üç önemli özelliğe sahip olmalıdır. Bunlar; soğuktan korunmak için
ısıl direncin yüksek olması, ılıman iklim koşullarında etkili ısı transferi için su buharı direncinin
düşük olması ve terleme nedeniyle rahatsızlık hissini önlemek için sıvı taşıma özelliğinin
yüksek olmasıdır [18].
Tekstil materyallerinin ısıl özelliklerini etkileyen faktörler; lifin ve kumaş içinde tutulan
havanın ısıl iletkenliği, lifin özgül ısısı, kumaş kalınlığı ve katman sayısı, kumaşın hacimsel
E-ISBN: 978-605-68882-5-0 57
yoğunluğu (kumaş içindeki hava boşluklarının sayısı, büyüklüğü ve dağılımı), kumaş yüzeyi
(kullanılan lif tipi, kumaşın yapısı, kumaştaki bitim işlemleri), kumaş ve yüzey arasındaki temas
anı, deri ile kumaş arasında kontakt ısı kaybı, deri ile kumaş arasında konveksiyon ısı kaybı,
ışıma (radyasyon) ile ısı kaybı (deri ve kumaş yüzeylerinin emisyon kabiliyeti), deri veya
kumaştan suyun buharlaşması ile ısı kaybı, kumaşın su absorbe etmesi nedeniyle ısı kaybı veya
artışı, sıcaklık, bağıl nem, çevredeki havanın hareketi gibi dâhili atmosferik şartlar olarak
sıralanabilir [15].
Hammadde ile ilgili özellikler tekstil malzemesinin tüm özelliklerini etkilemektedir. Giysilik
kumaşlarda kullanım alanına göre beklenen özelliklerin karşılanması için uygun lif tipi veya lif
karışımlarının kullanılması son derece önemlidir.
Giysi konforu için kullanılacak liflerin etkin ısı transferine izin vererek ısıl dengeyi sağlaması,
nemi hızlı emip hızlı uzaklaştırması, hava geçirgenliği ile nefes alabilir olması, iyi tutum
özeliklerine sahip olması, kullanımının ve bakımının kolay olması gibi birçok özelliği bir arada
içermesi gerekmektedir. Bu açıdan düşünüldüğünde bir lifin tüm bu özellikleri aynı anda
sağlaması oldukça zordur [19]. Lif özelliklerinden kaynaklanan su iticilik, kuruma süresi, nem
alma yüzdesi, ısı tutuculuk, hacimlilik ve tuşe gibi özellikler termofizyolojik konforu
etkilemektedir. Lifin termofizyolojik konforu sağlaması için sıvı veya sıvı olmayan nemi
deriden uzaklaştırması gerekmektedir. Bu nedenle lifin hidrofillik ve hidrofobluk özellikleri
çok önemlidir [20].
Pamuk ve yün gibi doğal liflerin halen en çok kullanılan lifler olmasına karşın, günümüzde
yapay lifler alanında yapılan çalışmalar ile birlikte yapay lif üretimi ve çeşitliliği artmıştır.
Doğal liflerin istenmeyen özelliklerini ortadan kaldırmak ve kumaş özelliklerini ve kullanım
şartlarını geliştirmek için doğal ve yapay lifler birlikte kullanılmaya başlanmış, farklı
özelliklere sahip lif çeşitlerini karıştırarak daha iyi kumaş özelliği elde etmek kumaş üreticileri
tarafından maliyetlerin azalması açısından da avantaj sağlamıştır.
Doğal lifler, yapay liflerden daha yüksek ısıl izolasyon sağlamaktadır [21]. Sentetik kumaşların
hava geçirgenliği daha yüksektir [22]. PES lifi daha yüksek tamponlama indeksine sahiptir. Bu
yüzden kişi, terlemeye başladığı anda pamuklu kumaşları tercih ederken daha sonraki
aşamalarda PES kumaşları daha konforlu bulmaktadır [23]. Dokuma kumaşlarda PES oranının
artması ıslak halde ısıl soğurganlığı arttırmaktadır [24]. Pamuk, kenevir ve viskon kumaşlar
karşılaştırıldığında en düşük ısıl iletkenliğin kenevir kumaşlarda, en yüksek ısıl iletkenliğin ise
viskon kumaşlarda olduğu görülmüştür [25]. Pamuk/angora karışımı kumaşlarda angora lifi
E-ISBN: 978-605-68882-5-0 58
kullanımı, ısıl iletkenliği, ısıl soğurganlığı ve su buharı geçirgenliğini azaltmakta, ısıl direnci
ise arttırmaktadır [26]. Tencel kumaşların pamuklu kumaşlardan daha düşük ısıl iletkenlik ve
ısıl soğurganlık değerlerine, daha yüksek ısıl direnç ve hava geçirgenliği değerlerine sahip
olduğu görülmüştür [27].
Kumaşın kalınlığı, metrekare ağırlığı, örgü tipi, sıklığı, gözenekliliği ve uygulanan bitim
işlemleri kumaşın kullanımdaki davranışını belirleyen en önemli kumaş parametreleridir.
Kumaş geometrisi değiştiğinde kumaşların gözeneklilik miktarı ve boyutu değiştiğinden iletim
ve geçirgenlik özellikleri etkilenmektedir. Yapılan çalışmalar, kumaş kalınlığının kumaşın ısıl
direnç, ısıl iletkenlik, ısıl soğurganlık, nem yönetimi, hava ve su buharı geçirgenliği gibi konfor
özellikleri üzerinde son derece etkili olduğunu göstermektedir. Kumaşların tutum ve konfor
özelliklerine etki eden diğer parametreler kumaşa uygulanan mekanik ve kimyasal bitim
işlemleridir.
Giysilerin kalınlığı ve sayısı bulunulan ortamı ısıl konfor açısından değerlendirmeyi etkiler.
Soğuk ortamlar için kalın giyinilmesinin sebebi, soğuk çevre ile deri arasındaki ısı alışverişini
azaltmak için deri ile soğuk hava arasındaki ısı transferini zorlaştıran giysi tabakaları
koymaktır. Bulunulan ortamdan ısıl konfor açısından memnun olunur iken, giysilerin bir kısmı
çıkarıldığında ısıl çevreyi serin veya soğuk, tersine daha fazla giysi giyildiğinde aynı ısıl çevreyi
ılık veya sıcak olarak değerlendirmek mümkündür [28]. Çoğu kıyafet tasarımında göz önüne
alınan en önemli ısıl parametre, kumaşların ısı transferine olan dirençleri yani ısıl dirençleridir.
Kumaş ve giysinin birim alanının ısıl direnci ise ısıl yalıtım olarak isimlendirilir. Bu nedenle
malzemelerin ısıl yalıtım özelliğinin ölçümü özellikle ısıl direncinin belirlenmesi ile mümkün
olmaktadır. Bunun yanında giysilerin ısıl yalıtım özelliklerine kalınlık, ısıl iletkenlik, hava
geçirgenliği gibi faktörleri yanında giysinin tasarımı, kesim, dökümlülük ve kullanım şekli gibi
yapısal faktörler de etki etmektedir [29,30]. Kumaşların ısıl direnç özelliklerinin
belirlenmesinde en önemli faktör kalınlıktır. Isıl izolasyon özelliği için kalınlık yanında
konstrüksiyon ve kütle yoğunluğu da belirleyici faktörlerdir. Aynı konstrüksiyona sahip
kumaşlarda kalın olanın ısıl izolasyonu daha fazladır. Aynı kalınlığa sahip kumaşlardan kütle
yoğunluğu yüksek olanın izolasyonu daha düşüktür [29,31]. Isıl izolasyon özelliği öncelikle
kumaş yapısı, kumaş kalınlığı ve gözenekliliği ile belirlenmektedir. Lifin ısıl özelliklerinin ısıl
izolasyon üzerine etkisi düşük olmaktadır [32].
Bu çalışmada üst giysilik dokuma kumaş yapılarında kullanılmayan bir lif olan akrilik liflerinin
konfor özellikleri incelenmiş, üst giysilik dokuma ve örme kumaşlarda oldukça fazla kullanılan
E-ISBN: 978-605-68882-5-0 59
pamuk lifleri ile belirli oranlarda karıştırılarak üretilen pamuk/akrilik karışımlı dokuma kumaş
yapılarının konfor özellikleri araştırılmış ve %100 akrilik kumaşlar ile karşılaştırılarak
istatistiksel olarak değerlendirilmiştir. Çalışma kapsamında üretilen kumaşlara gramaj, kalınlık,
ısıl direnç, ısıl iletkenlik, ısıl soğurganlık, hava geçirgenliği, su buharı direnci testleri
uygulanmıştır. Elde edilen sonuçlar SPSS 21 paket programı kullanılarak istatistiksel olarak
değerlendirilmiştir.
Çalışma için üretilen deneysel kumaşlarda, çözgü ipliği olarak; Ne 20/1 %100 akrilik iplik, atkı
ipliği olarak Ne20/1 %100 akrilik ve Ne20/1 %100 pamuk iplikler kullanılmıştır. Kumaşlar,
Bursa Nilüfer Organize Sanayi Bölgesinde faaliyet gösteren Boyteks Döşemelik Kumaş
işletmesinde işletme şartlarında üretilmiştir. Üretilen numune kumaşlar 4880 tel çözgü ile
148cm tarak eninde Dornier marka jakarlı dokuma makinesinde üretilmiştir. Çözgü ipliklerine
iplik mukavemetini arttırmak için bobin halinde haşıl işlemi uygulanmış, dokuma işlemi sonrası
yıkama yapılarak haşıl maddesi uzaklaştırılmıştır.
Deneysel kumaşlarda kullanılan örgüler bezayağı, dimi (D 3/2 Z) ve saten (S 1/4) örgülerdir.
Atkı sıklığı olarak 17 atkı/cm, 15 atkı/cm ve 13 atkı/cm olmak üzere üç farklı atkı sıklığı
kullanılmıştır. Tablo 1’de kullanılan 1 pamuk/1 akrilik ifadesi kumaşlar dokunurken 1 pamuk
atkıdan sonra 1 akrilik atkının atıldığını göstermektedir. Böylece, bu kumaşlarda atkıda %50
oranında akrilik oranı elde edilmeye çalışılmıştır. Çalışmada kullanılan kumaşların özellikleri
ve ısıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci test sonuçları Çizelge 1’de
verilmiştir.
E-ISBN: 978-605-68882-5-0 60
Çizelge 1. Deneysel kumaş özellikleri ve ısıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci
test sonuçları
Isıl Direnç
Atkı Kalınlık Metrekare Isıl Isıl Su Buharı
(m² K/W)
Atkı İpliği Sıklığı Örgü (mm) Ağırlık İletkenlik Soğurganlık Direnci
x10-3
(atkı/cm) (g/m²) (W/mK) (Ws½ /m² K) (m²Pa/W)
Ne 20/1 Akrilik 13 Bezayağı 0,48 158,2 38,6 12,5 146 4,5

Ne 20/1 Akrilik 15 Bezayağı 0,48 167,4 40,1 12 158 4,1
Ne 20/1 Akrilik 17 Bezayağı 0,51 176,3 39 13 165 4,3
Ne 20/1 Akrilik 17 Dimi 0,58 167,8 38,8 15 140 3,8
Ne 20/1 Akrilik 17 Saten 0,59 165,4 39,3 15 147 4,2
Ne 20/1 Pamuk 13 Bezayağı 0,49 156 41,6 11,7 153 3,7
Ne 20/1 Pamuk 15 Bezayağı 0,49 161 42,5 11,6 164 3,4
Ne 20/1 Pamuk 17 Bezayağı 0,49 170,5 42 11,7 170 3,7
Ne 20/1 Pamuk 17 Dimi 0,58 164,1 41,6 14 151 3,8
Ne 20/1 Pamuk 17 Saten 0,55 163,9 42,3 13 149 3,7
Ne 20/1 0,49
1 Pamuk/1 Akrilik
13 Bezayağı 152,8 40,6 12 172 3,7
Ne 20/1 0,50
1 Pamuk/1 Akrilik
15 Bezayağı 160,7 41,8 11,9 169 3,8
Ne 20/1 0,49
1 Pamuk/1 Akrilik
17 Bezayağı 170,2 42,5 11,8 164 4,5
Ne 20/1 0,59
1 Pamuk/1 Akrilik
17 Dimi 162,7 40,8 14,3 151 4,8
Ne 20/1 0,55
1 Pamuk/1 Akrilik
17 Saten 162,5 41,3 13,2 149 4,4
Çalışmada kullanılan deneysel kumaşlara fiziksel özelliklerinin belirlenmesi amacıyla,

metrekare ağırlık ve kumaş kalınlığı ölçümü yapılmıştır. Isıl konfor özelliklerinin belirlenmesi
için ise ısıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci testleri yapılmıştır. Tüm
testler Bursa Uludağ Üniversitesi Tekstil Mühendisliği Anabilim Dalı fiziksel test
laboratuvarında uygulanmıştır. Kumaşlara uygulanan tüm testler, kumaşlar 24 saat süreyle TS
EN ISO 391’e göre standart atmosfer koşullarında (20 ºC±2 sıcaklık, %65±2 bağıl nem)
kondüsyonlandıktan sonra gerçekleştirilmiştir. Kumaşların ısıl direnç, ısıl iletkenlik, ısıl
soğurganlık gibi ısıl konfor özellikleri Alambeta test cihazında ölçülmüştür. Numune
kumaşların bağıl su buharı geçirgenliği testleri Lubos Hes (2003) tarafından geliştirilen
PERMETEST cihazında ISO 11092 standardına göre yapılmıştır. Bu cihazda insan teni kuru
ve yaş olarak simule edilmekte, su buharı direnci, su buharı geçirgenliği ve ısıl direnç
ölçülmektedir.
3. Bulgular ve Değerlendirme
Deneysel kumaşlara uygulanan test sonuçları Çizelge 1’de verilmiştir. Elde edilen sonuçlar
atkıda kullanılan iplik tipinin etkisi, atkı sıklığının etkisi ve örgü tipinin etkisi olarak ayrı ayrı
E-ISBN: 978-605-68882-5-0 61
değerlendirilmiştir. Veri sayısı az olduğundan parametrik olmayan test yöntemleri kullanılarak
istatistiksel analiz yapılmıştır. Akrilik ve pamuk-akrilik dokuma kumaşların konfor
özelliklerine atkıda kullanılan pamuk oranının, atkı sıklığının ve örgü tipinin etkisinin
istatistiksel analizi için Kruskall Wallis H testi kullanılmıştır. Anlamlılık düzeyi (P).05 olarak
alınmıştır. P<0,05 olduğunda iki grup arasında istatistiksel olarak anlamlı bir farklılık olduğu
kabul edilmiştir.
Atkı ipliği olarak %100 pamuk, %100 akrilik ve 1akrilik/1 pamuk atkı olmak üzere 3 farklı atkı
ipliği kullanılan kumaşların ısıl iletkenlik, ısıl direnç, ısıl soğurganlık ve su buharı direnci
değerleri grafik olarak sırasıyla Şekil 3, 4, 5 ve 6’da verilmiştir.
Isıl İletkenlik (W/mK)

43
42
41
40
39
38
37
36
Bezayağı
Bezayağı
Bezayağı
D 3/2 Z
Bezayağı
Bezayağı
Bezayağı
D 3/2 Z
Bezayağı
Bezayağı
Bezayağı
D 3/2 Z
S 1/4
S 1/4
S 1/4
(atkı/cm) 13 15 17 17 17 13 15 17 17 17 13 15 17 17 17
Ne 20/1 Akrilik Ne 20/1 Pamuk Ne 20/1 Pamuk - 1 Akrilik
Şekil 3. Numune kumaşlara ait ısıl iletkenlik değerleri
Şekil 3 incelendiğinde %100 akrilik atkı ipliklerinin kullanıldığı kumaş yapılarının ısıl
iletkenliğinin en düşük olduğu göze çarpmaktadır. En yüksek ısıl iletkenlik pamuk atkılı 15
atkı/cm sıklığa sahip bezayağı ve 1pamuk/1 akrilik atkılı 17atkı/cm sıklığa sahip bezayağı
kumaşlara aittir.
Isıl direnç değerlerine göre, numune kumaşlar arasından en yüksek ısıl direnç değerleri akrilik
atkılı bezayağı ve dimi örgülü (17atkı/cm) kumaşlara aittir. Genel olarak bezayağı örgülü
kumaşların ısıl direnç değerlerinin bezayağı ve dimi örgülü kumaşa yapılarına göre düşük
olduğu görülmektedir (Şekil 4).
E-ISBN: 978-605-68882-5-0 62
Isıl Direnç (m²K/W)
16
14
12
10
8
6
4
2
0
D 3/2 Z
D 3/2 Z
D 3/2 Z
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
S 1/4
S 1/4
S 1/4
13 15 17 17 17 13 15 17 17 17 13 15 17 17 17
Şekil 4. Numune kumaşlara ait ısıl direnç değerleri
Isıl Soğurganlık (Ws½ /m²K)

200
150
100
50
0
D 3/2 Z
D 3/2 Z
D 3/2 Z
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
S 1/4
S 1/4
S 1/4
(atkı/cm) 13 15 17 17 17 13 15 17 17 17 13 15 17 17 17
Şekil 5. Numune kumaşlara ait ısıl soğurganlık değerleri
%100 Pamuk ve %100 akrilik atkılı kumaş yapıları ısıl soğurganlık değerleri açısından
karşılaştırıldığında ise, pamuk atkılı kumaşların ısıl soğurganlık değerlerinin akrilik atkılı
kumaşlara göre yüksek olduğu yani daha soğuk his verdiği görülmektedir (Şekil 5).
Su Buharı Direnci (m²Pa/W)

6
5
4
3
2
1
0
D 3/2 Z
D 3/2 Z
D 3/2 Z
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
Bezayağı
S 1/4
S 1/4
S 1/4
13 15 17 17 17 13 15 17 17 17 13 15 17 17 17
Şekil 6. Numune kumaşlara ait su buharı direnci değerleri
E-ISBN: 978-605-68882-5-0 63
Su buharı direnci değerleri açısından en düşük su buharı direncine ait kumaş numuneleri genel
olarak pamuk atkı ipliklerinin kullanıldığı kumaş numuneleridir (Şekil 6). Soğuk hava
koşullarından korunmak için yüksek ısıl direnç, ılıman iklim koşullarında etkili ısı transferi için
ise su buharı direncinin düşük olması istenmektedir [18]. Akrilik çözgülü kumaşlarda pamuk
atkı ipliklerinin kullanımı ile %100 akrilik kumaşlara göre su buharı direncinin düştüğü,
dolayısıyla ılıman iklim şartlarına daha elverişli hale geldiği söylenebilir.
3.1. Atkıda Kullanılan Lif Tipinin Etkisi
Atkı tipinin ısıl direnç, ısıl iletkenlik, ısıl soğurganlık ve su buharı direncine etkisinin
istatistiksel olarak değerlendirilmesi için Kruskal-Wallis H testi yapılmış, test sonuçu Çizelge
2’de verilmiştir. İstatistiksel analiz için atkıda kullanılan %100 akrilik, 1akrilik/1 pamuk ve
%100 pamuk atkı ipliklerinden herbiri bir sayı ile ifade edilmiştir. Elde edilen sonuçlara göre
atkıda kullanılan lif tipinin istatistiksel olarak incelenen ısıl konfor özelliklerinden ısıl iletkenlik
ve su buharı direncine etkisinin anlamlı olduğu ısıl direnç ve ısıl soğurganlık değerine etkisinin
ise anlamlı olmadığı görülmektedir. Şekil 3’te görüldüğü gibi atkı ipliği olarak kullanılan
pamuk iplik oranı arttıkça ısıl iletkenlik artmaktadır.
Çizelge 2. Atkıda kullanılan lif tipinin konfor özelliklerine etkisi Kruskall Wallis H testi
Atkı iplik cinsi N Sıra Ort. X² P Fark
Akrilik 5 3,00
Isıl iletkenlik Pamuk-Akrilik 5 9,30 10,131 0,006 2
Pamuk 5 11,70
Akrilik 5 10,60
Isıl direnç Pamuk-Akrilik 5 7,90 3,278 ,194 2
Pamuk 5 5,50
Akrilik 5 5,40
Isıl soğurganlık Pamuk-Akrilik 5 9,90 2,730 ,225 2
Pamuk 5 8,70
Akrilik 5 10,10
Su buharı direnci Pamuk-Akrilik 5 10,20 7,126 ,028 2
Pamuk 5 3,70
3.2. Atkı Sıklığının Etkisi
Atkı sıklığının ısıl direnç, ısıl iletkenlik, ısıl soğurganlık ve su buharı direncine etkisinin
istatistiksel olarak değerlendirilmesi için Kruskal-Wallis H testi yapılmış, test sonuçu Çizelge
3’te verilmiştir. Elde edilen sonuçlara göre atkı sıklığının ölçülen konfor özelliklerine etkisinin
istatistiksel olarak anlamlı olmadığı görülmektedir.
E-ISBN: 978-605-68882-5-0 64
Çizelge 3. Atkı sıklığının konfor özelliklerine etkisi Kruskall Wallis H testi
Atkı sıklığı N Sıra Ort. X² P Fark
13 3 5,50
Isıl iletkenlik 15 3 10,17 1,653 ,438 2
17 9 8,11
13 3 5,67
Isıl direnç 15 3 4,17 4,958 ,084 2
17 9 10,06
13 3 8,33
Isıl soğurganlık
15 3 10,83 1,731 ,421 2
17 9 6,94
13 3 6,83
Su buharı direnci 15 3 5,67 1,678 ,432 2
17 9 9,17
3.3. Örgü Tipinin Etkisi
Örgü tipinin ısıl direnç, ısıl iletkenlik, ısıl soğurganlık ve su buharı direncine etkisinin
istatistiksel olarak değerlendirilmesi için yapılan Kruskal-Wallis H testi sonuçları Çizelge 4’te
verilmiştir. Sonuçlar incelendiğinde örgü tipinin ısıl iletkenlik ve su buharı direncine etkisinin
istatistiksel olarak anlamlı olmadığı ısıl direnç ve ısıl soğurganlık değerine etkisinin ise anlamlı
olduğu görülmektedir.
Çizelge 4. Örgü tipinin konfor özelliklerine etkisi Kruskall Wallis H testi
Örgü Tipi N Sıra Ort. X² P Fark
Bezayağı 9 8,50
Isıl İletkenlik Dimi 3 6,17 ,636 ,728 2
Saten 3 8,33
Bezayağı 9 5,06
Isıl direnç Dimi 3 13,17 9,994 ,007 2
Saten 3 11,67
Bezayağı 9 10,44
Isıl soğurganlık Dimi 3 4,67 6,792 ,034 2
Saten 3 4,00
Bezayağı 9 7,28
Su buharı direnci Dimi 3 9,67 ,708 ,702 2
Saten 3 8,50
4. Sonuç
%100 Akrilik ve pamuk/akrilik dokuma kumaşların bazı konfor özelliklerinin incelendiği

çalışma sonuclarına göre; atkı tipinin ısıl iletkenlik ve su buharı direncine etkisi olduğu pamuk
E-ISBN: 978-605-68882-5-0 65
atkılı kumaşların ısıl iletkenliğinin yüksek, su buharı direncinin ise akrilik atkılı kumaşlara göre
düşük olduğu görülmüştür. Atkı tipinin ısıl soğurganlık ve ısıl dirence etkisi istatistiksel olarak
anlamlı bulunmamıştır. Örgü tipinin ise, ısıl direnç ve ısıl soğurganlığa etkisi istatistiksel olarak
anlamlı bulunmuştur. Bezayağı örgülü kumaşların dimi ve saten örgülü kumaş yapılarına göre
ısıl direncinin yüksek, ısıl soğurganlığının ise düşük olduğu görülmüştür. Atkı sıklığının
ölçülen konfor özellikleri üzerine istatistiksel olarak anlamlı bir etkisi bulunmamaktadır.
Teşekkür
Bu çalışma Bursa Uludağ Üniversitesi BAP Birimi tarafından OUAP (MH)–2014/10 numaralı
orta ölçekli proje ile desteklenmiştir.
Kaynaklar
[1] Başer İ 1992 Elyaf bilgisi. Marmara Üniversitesi. Yayın No:524. İstanbul. s 179
[2] Anonim 2017 http://tekstilkutuphane.blogspot.com.tr/2012/05/liflerim-mikroskopta-enine-ve-

boyuna.html (Erişim tarihi: 12. 01. 2017).
[3] Bozdoğan F 1995 Türkiye’de üretilen bazı akrilik liflerin uzama ve burulma özellikleri ile bazı iç
yapı özelliklerinin araştırılması. Tekstil ve Mühendis. 47-48. s 9-20.
[4] Seventekin N 2001 Kimyasal lifler. E.Ü. Tekstil ve Konf. Arş. Uyg. Merkezi Yayınları. İzmir.
[5] Bozdoğan F ve Tiyek İ 2003 Akrilik lifi iç yapı uzayında yolculuk. Tekstil Trend. Vol 2.
[6] Bozdoğan F, Karacan İ and Tiyek İ 2004 Characterisation of structure and properties of a selection
of polyacrylonitrile (PAN)– Based acrylic fibers produced in TURKEY. E.Ü. Tekstil ve Konfeksiyon
Araştırma – Uygulama Merkezi Yayınları. İzmir.
[7] Capone G J 1995 Wet spinning technology: Acrylic fiber technology and applications. Mason,
J.C., Marcel Dekker Inc. New York. pp 69-106.
[8] Tiyek İ ve Bozdoğan F 2008 Yaş çekim yöntemleriyle akrilik lif üretim safhalarında lif iç yapısında
meydana gelen değişikliklerin geniş açı x-ışını difraksiyonu ile incelenmesi. Tekstil ve Konfeksiyon.
18(1). s 15-22.
[9] Frushor B G and Knorr R S 1985 Acrylic fibres: Handbook of fiber science and technology,
Volume IV: Fiber Chemistry, Lewin, M. and Pearce, E.M. (Eds.) Marcel Dekker Inc. New York.
E-ISBN: 978-605-68882-5-0 66
[10] Hollies N R and Fourt L 1970 Clothing comfort and function. Marcel Dekker Inc. New York,
USA.
[11] Grabowska K E 2001 Personal protection by textiles in the focus of stabilisation thermal
conditions. Texnitex. 1st Autex Conference. The University of Minho. Povoa de Varzim Portugal.
[12] Kaplan S ve Okur A 2005 Kumaşların geçirgenlik-iletkenlik özelliklerinin giysi ısıl konforu
üzerindeki etkileri. Tekstil Maraton. Mart-Nisan. s 56-65.
[13] Senthilkumar P and Dasaradan B S 2007 Comfort properties of textiles. IE(I) Journal–TX, 88(3-
4), http://www.ieindia.org/pSerbestlik Derecesi/88/88TX101.pSerbestlik Derecesi, (Erişim Tarihi:
18.03.2017).
[14] Shishoo R 2005 Textiles in sport. Woodhead Publishing/The Textile Institute. Cambridge, UK.
376pp.
[15] Marmaralı A, Kretzschmar D S, Özdil N ve Oğlakçıoğlu G N 2006 Giysilerde ısıl konforu

etkileyen parametreler. Tekstil ve Konfeksiyon. Vol 4 s 241-246.
[16] Güneşoğlu S 2005 Sportif amaçlı giysilerin konfor özelliklerinin araştırılması, Doktora Tezi, U.Ü.
Fen Bilimleri Enstitüsü, Tekstil Mühendisliği Anabilim Dalı, Bursa.
[17] Erdoğan M Ç ve İlleez A A 2004 Giysilerde esneme konforu. Tekstil ve Konfeksiyon. 14(4). s
251-256
[18] Öner E ve Okur A 2011 Materyal, üretim teknolojisi ve kumaş yapısının ısıl konfora etkileri.
Tekstil ve Mühendis. 17(80). s 20-29.
[19] Öner E 2015 Çeşitli liflerden üretilen kumaşlardan yapılan spor giysilerinin ısıl konforunun
değerlendirilmesi ve geliştirilmesi. Doktora Tezi., D.E.Ü. Fen Bilimleri Enstitüsü. Tekstil Mühendisliği
Anabilim Dalı. İzmir.
[20] Gürcüm H B 2007 TC. Deniz kuvvetleri komutanlığı yüzer birliklerinde giyilen eğitim elbisesinde
kullanılan kumaşların termofizyolojik konforu sağlayacak şekilde optimizasyonu. Doktora Tezi. Gazi
Üni. Eğitim Bilimleri Enstitüsü. Giyim Endüstrisi ve Giyim Sanatları Eğitimi Anabilim Dalı. Ankara.
[21] Babus’Haq R F, Hiasat M A A and Probert S D 1996 Thermally insulating behaviour of single
and multiple layers of textiles under windassault, Applied Energy. 54(4). pp 375-391.
E-ISBN: 978-605-68882-5-0 67
[22] Kumpikaite E, Ragaisiene A and Barburski M 2010 Comparable analysis of the end-use properties
of woven fabrics with fancy yarns. Part I: Abrasion resistance and air permeability. Fibres & Textiles in
Eastern Europe. 18, 3(80). pp 56-59.
[23] Yoo H S, Hu Y S and Kim E A 2000 Effects of heat and moisture transport in fabrics and garments
determined with a vertical plate sweating skin model. Textile Research Journal. 70(6). Pp 542-549
[24] Hes L 1999 Optimisation of shirt fabrics' composition from the point of view of their appearance
and thermal comfort. International Journal of Clothing Science and Technology. 11(2/3). pp 105-115.
[25] Stankovic S B, Popovic D and Poparic G B 2008 Thermal properties of textile fabrics made of
natural and regenerated cellulose fibers. Polymer Testing. Vol 27 pp 41–48.
[26] Oğlakçıoğlu N, Çelik P, Bedez Ute T, Marmaralı A and Kadoğlu H 2009 Thermal comfort
properties of angora rabbit/cotton fiber blended knitted fabrics. Textile Research Journal. 79 (10). pp
888-894
[27] Frydrych I, Dziworska G and Bilska J 2002 Comparative analyses of the thermal insulation
properties of fabrics made of natural and man-made cellulose fibres. Fibers and Textiles in Eastern
Europe. 10(4/39). pp 40-44
[28] Anonim 2016 http://www.iccevrekalitesi.net/pSerbestlik Derecesi/2.pSerbestlik Derecesi, (Erişim

Tarihi: 14.01.2016).
[29] Ukponmwan J O 1993 The thermal insulation properties of fabrics. Textile Progress Textile
Institute. UK. pp 51.
[30] Satsumoto Y, Ishıkawa K and Takeuchı M 1997 Evaluating quasi-clothing heat transfer: A
comparison of the vertical hot plate and the thermal manikin. Textile Research Journal. 67(7). pp 503-
510.
[31] Clulow E E 1978 Thermal insulation properties of fabrics. Textiles. 7(2). pp 47-52.
[32] Yoon H N and Buckley A 1984 Improved comfort polyester part 1: Transport properties and
thermal comfort of polyester/cotton blend fabrics. Textile Research Journal. 54(5). pp 289-298.
E-ISBN: 978-605-68882-5-0 68
Veri Gazeteciliğinin Gelişimine Yönelik Bir Değerlendirme
M.G. Genel1, T.E. Sayar1, B. Sayar1
gokhan.genel@gmail.com, banuezber@gmail.com, sayartahsineren@gmail.com
1
Yalova University,TURKEY
Özet
Ortaya çıktığı ilk günden itibaren tarihsel ve teknolojik süreçlere bağlı olarak değişimler geçiren
ve geçirdiği her değişimin sonucunda bir dizi toplumsal meseleyi de beraberinde getiren
gazetecilik mesleği, bilişim çağının ruhunu yakalamakta geç kalmayan sosyal disiplinlerin
başında gelmektedir. İnternet devrimi sonrasındaki düzene kolayca uyum sağlayarak ‘yeni
medya’ kavramına ilham olan gazetecilik anlayışı, veri yığınlarının her geçen gün arttığı bilgi
toplumunda da ‘veri gazeteciliği’ için cesur adımlar atmaktadır. Bu kapsamdan hareketle yola
çıkılan çalışmada, gazeteciliğin geçirdiği dönüşümler ile açık veri kaynaklarının arasında bir
ilişki kurularak veri gazeteciliği; özellikleri ve aşamalarıyla birlikte ele alınacaktır. Bu
çalışmada, veri gazeteciliğinin, geleneksel gazeteciliğe olan katkılarının yanı sıra dünyadaki ve
Türkiye’deki gelişim süreçleri de değerlendirilecektir. Türkiye’de veri gazeteciliği ile ilgili
girişimlerin de ele alınacağı çalışmada, bu yeni modelle kaleme alınan haberlerin, gazetecilik
felsefesine uygun olarak demokratik katılım ve bilgi edinme gibi temel haklara katkı sağlayıp
sağlamadığı tartışılacaktır.
Anahtar Kelimeler: Veri Gazeteciliği, Yeni Medya, İnternet, Geleneksel Medya.
An Evaluation of Data Journalism Development

Abstract
The journalism profession which has undergone changes depending on the historical and
technological processes since the first day it emerged and brought a series of social issues as a
result of every change it undertakes, is one of the social disciplines that are not late in capturing
the spirit of the information age. The concept of journalism, which has been inspired by the
concept of 'new media' easily adapting to the order after the Internet revolution and takes bold
steps for data journalism in the information society where the mass of data is increasing day by
day. In this study, the relationship between the transformation of journalism and open data base
sources will be established and data journalism, features and stages will be taken into
E-ISBN: 978-605-68882-5-0 69
consideration. In this study, data journalism, as well as the development process in the world
and in TURKEY, the contribution of traditional journalism will also be evaluated. The study
will be discussed at the initiative related to data journalism in TURKEY, received the news of
this new model pen, according to journalistic philosophy will be discussed provide
contributions to basic rights such as democratic participation and information.
Keywords: Data Journalism, New Media, Internet, Traditional Media.
1. Giriş
Bir yandan toplum normlarının tanımlanmasına ve bu normların gündelik hayata

uygulanmasına ilişkin temel savaşın merkezinde olan iletişim, diğer yandan da toplumsal
gelişimin sürükleyicisi olan teknolojik yeniliklere en kolay uyum sağlayan alan olarak öne
çıkarmaktadır ki bu da telgraf, matbaa, fotoğraf, radyo, sinema, televizyon ve son olarak
internetin icadı incelendiğinde de rahatlıkla gözlemlenebilmektedir. Özellikle içinde
bulunduğumuz ve çoğu zaman sınırlarını da zorladığımız bilgi toplumunda iletişim; alanı,
kavramı, araçları ve yöntemleri, tıpkı tarihsel seyrinde olduğu gibi bir dizi devinime öncülük
etmektedir. Sözkonusu durum, hâkim ya da eleştirel yaklaşımların ötesinde teknik bir bakış
açısı ile ele alındığında bu yüzyıla damgasını vuran konuların başında ise ‘iletişim sistemlerinin
dijitalleşmenin alfabesi olan veri ile imtihanı’ gelmektedir.
İlk habercilik uygulamalarından itibaren haberin bir öğesi olarak karşımıza çıkan ancak
kurumsallaşması için 2000’li yıllardaki büyük veri sızıntılarına ihtiyaç duyulan veri
gazeteciliği, her ne kadar geleceğin gazeteciliği olarak sunulsa da hali hazırda dünya genelinde
her geçen gün artış gösteren bir ivme ile yaygınlığını arttırmaktadır. Yaklaşık olarak 20 yıl
kadar önce yalnızca fütüristler tarafından tahmin edilebilen sınırsız sayıdaki veri akışı, bu gün
artık gündelik yaşamımızın bir parçası haline gelmiştir. Öyle ki International Data
Corporation’ın 2015 yıl yılında yayınladığı rapora göre gelecek on yıl içinde veri hacminin 40
kattan fazla büyüyeceği, 2020 yılına gelindiğinde ise elde edilecek veri miktarının, 2009’un 44
katı olacağı saptamalarından hareketle veri gazeteciliğine yönelik akademik ilgi de
yoğunlaşmaktadır.
Bu noktadan yola çıkarak temelleri atılan çalışmada, veri gazeteciliğinin gelişimine yönelik bir
değerlenme yapılarak bu yeni gazetecilik modelinin temel habercilik öğretilerine ne gibi
katkılar sağlayacağı üzerinde durulmuştur. Özellikle artık dilimizde de sıklıkla anılır olan
“ambiguity” yani veri yığınlarının belirsizliği arasında kaybolmamak maksadıyla veri
E-ISBN: 978-605-68882-5-0 70
gazeteciliği tarafından sunulan güvenilir içeriklerin, geleneksel haber içerikleri karşısındaki
konumunun değerlendirildiği çalışma, verinin toplanması, işlenmesi, analiz edilmesi ve haberin
bir parçası olması sürecini de ele almıştır.
2. Gazeteciliğin Dijitalleşmesi
Avrupa İnsan Hakları Sözleşmesi’nin 10. maddesinde düzenlenen ifade özgürlüğü hakkının
kitlesel düzeyde hayat bulmuş hali olarak karşımıza çıkan gazetecilik faaliyetlerinin başlangıcı
insanlığın tarihi kadar eskidir. İlk olarak antik çağda birer sayfalık el ilanları şeklinde
yayınlanan gazeteler, haberleşme görevini bulundukları bölgelerdeki ticari faaliyetleri
duyurarak yerine getiriyordu. 17. yüzyılda ortaya çıkan gazetecilik mesleğini icra etmek için
bir eğitim sisteminden geçmenin gerektiği konusu ise ancak 20. yüzyılda elealınmaya
başlanmıştır. 1672 yılında Almanya’nın Saksonya eyaletindeki Leipzig Üniversitesi’nde
gazetecilik alanındaki ilk derslerin verilmesinin ardından 20. yüzyılın başlarında Amerika
Birleşik Devletleri ve Fransa’da konu ile ilgili çok sayıda okul açılmıştır. Tüm bu gelişmelerle
beraber kurumsallaşmaya başlayan gazetecilik mesleğinin pratik anlamındaki gelişiminin ise
tarihin her döneminde teknolojiye bağımlı olduğu dikkat çekmektedir. Sözgelimi, 17. yüzyılda
buharlı makineler üzerinden gerçekleştirdiği yolculuğuyla serüvenini sürdüren gazeteler ancak
ulaşım araçları kadar hızlı iletilebiliyordu ve iletişimin ulaşımla olan bağını koparabilmesi için
ise telgrafın icat edilmesi ve Mors harflerinin kullanılarak iletilerin gönderilmesi gerekiyordu.
Bu gelişmenin, iletişim tarihi açısından en az internetin kullanılması kadar büyük önem
taşıdığını söyleyebiliriz. Çünkü bu gelişmeyle beraber ilk kez haberleşme, ulaşım araçlarından
bağımsız olarak gerçekleşmiş ve böylelikle önemli ölçüde hız kazanılmıştır ki bu da ilerleyen
yüz yıllarda ‘anındalık’ ismiyle anılacak olan yeni medya tanımlarından birine giden yolu
aralayan ilk adımdır. Bu tarihten itibaren yaşanan tüm gelişmeleri ileriye sararak internetin
günlük yaşamda kullanılabilir ya da diğer bir ifade ile ulaşılabilir olduğu bilgi toplumuna
geldiğimizde ise bu yeni teknolojinin köklü değişimlere neden olduğunu görebiliriz. Çağlar
boyunca değişim ve gelişmelere hızlı adapte olmasıyla bilinen iletişim araçları, bu yeni
teknolojiye uygun konum almakta da gecikmemiş hatta sağladığı avantajlar nedeniyle de büyük
ölçüde gönüllü olmuştur.
Günümüzde internet ve dijital teknolojilerin geldiği nokta geleneksel gazetecilikte de kırılmalar

yaşanmasına neden olmuş, kendine özgü dinamikleriyle yepyeni bir gazetecilik anlayışını da
doğurmuştur. Online ya da internet gazeteciliği olarak adlandırılan bu yeni gazetecilik türünü
geleneksel gazetecilikten farklılaştıran nitelikleri ise şunlardır [1].
E-ISBN: 978-605-68882-5-0 71
• Haberi çok hızlı bir biçimde verebilmesi ve sürekli güncellenmesi,
• Okurun habere 24 saat istediği zaman ulaşabilmesi,
• Multimedya temelinde ses-grafik-görüntü dosyalarını kullanabilme,
• Arşivdeki haberlere kolayca tekrar ulaşabilme ve istenilen haberi saklama/depolama,
• Okurla interaktif etkileşim, geri besleme-yorum alabilme,
• Haberle ilgili konularda web sitelerinin linklerinin verilmesiyle, arka plan bilgilerine kolaylıkla
ulaşabilme,
• Diğer medyada yer almayan farklı haberleri bulabilme.
İnternet ortamında yapılan gazeteciliğin, geleneksel gazetecilik karşısındaki avantajlarının bir

diğer önemli bir kısmı da kuşkusuz maliyet düşüklüğü ile ilgidir. Büyük bütçeler gerektiren ve
hem varlığı hem de bu varlığı sürdürmesinin etrafında pek çok bağlayıcı bulunan yayıncılık
faaliyetleri için internet, çok geçmeden muazzam bir mecra olarak algılanmıştır. Hatta
kullanıcının henüz içeriğe katkı sağlayamadığı Web 1.0 dahi medya kurumları için büyük bir
kolaylık sağlarken, bir de kullanıcının içerik üretebildiği Web 2.0 ise tahmin edilemez bir
yeniliğin kapılarını açmış ve böylelikle internet sınırsız bir dünya formuna kavuşmuştur.
Nihayetinde gelinen noktada, internet gazeteciliği adı altında iki farklı habercilik uygulamasıyla
karşılaşılmaktadır [2]. Bir yandan sanal mecraya taşınan gazeteler, diğer yandan haber siteleri
aracılığıyla yaygınlaşan internet haberciliği sıradan kullanıcı için anlık, zahmetsiz ve içerik
oluşturabilecekleri bambaşka bir deneyim yaşatmaktadır. Nitekim internet, eski medyanın tüm
imkânlarını kapsamakla birlikte (metin, görüntü, grafikler, animasyon, ses, video, gerçek
zamanlı yayın) interaktiflik, isteğe bağlı erişim, kullanıcı kontrolü ve uyarlama dâhil olmak
üzere geniş yelpazede yeni imkânlar sunmaktadır. Dolayısıyla, internet aracılığıyla sağlanan
yeni medya araçlarını kullanan gazeteciler, belirli bir hikâye için gerekli ve uygun olan
yöntemleri ve iletişim özelliklerini kullanarak hikayeler anlatabilirler [3].
2.1. Bilgi Toplumunun Haber Anlatısı: Veri Gazeteciliği
E-ISBN: 978-605-68882-5-0 72
Günümüzde verinin tarihte hiç olmadığı kadar ulaşılabilir hale gelmesi pek çok alanda önemli
sayılabilecek durumların önünü açtı. Bilgi piramidinin en altında yer alan verikavramı
incelendiğinde tek bir tanım yapmak zor olsa da en genel ifadeyle bilginin yapılandırılıp, kayıt
altına alınıp ve kolay analiz edilebilmesi için bir araya getirilmesi [4] şeklinde tarif
yapılabilmektedir. Bir veya birden fazla bilgiden oluşan küme olan veriler, araştırma, gözlem,
deney, sayım ve ölçüm yoluyla elde edilip işlenebildiği ölçüde bir anlam ifade etmektedir. Bu
yönüyle veri, günümüzde sadece 0’ların ve 1’lerin dünyasını inşa etmekle kalmadı, aynı
zamanda insan yaşamında büyük yenilikler de medyana getirdi. Fakat her sorunun yanıtını
bulduğu bir ortam olan ve bilim kurgu eserlerinde sınırsız bir dünya olarak tasvir edilen internet,
bir yönüyle bilgi cennetine; diğer yönüyle ise bilgi çöplüğüne aynı anda evrildi. Dolayısıyla bu
aşamada hayatımıza giren en önemli kavramlardan olan temiz veri ve bilgi güvenliği, bir
bakıma verinin işe yarar durumda olmasının da ölçütü haline geldi. Temiz veriyi elde etmek
için geliştirilen araçlar ve bu araçların kullanımının kolaylığı, aynı zamanda verinin iletişim,
politika, güvenlik ve reklam başta olmak üzere pek çok alanda kullanımının önünü açtı. Bu
kullanım şekillerinin meydana getirdiği önemli sonuçlardan biri de veri gazeteciliğidir. Haber
kaynağı olarak veri, uzun yıllardır varlığını sürdürmüş ve gazetecilerin haberin gerçekliğini
arttırmak için başvurdukları bir yöntem olmuştur. Hali hazırda belirli bir kaynağa
dayandırılarak icra edilmek zorunda olan gazetecilik mesleğinin içinde hep var olan veri, bu
gelişmelerle beraber daha sistemli bir şekilde haberin ana öğesi haline gelmiştir. Veri
gazeteciliği, iletişim alanında yaşanan dönüşümlerin sonucunda ortaya çıkan ve ‘bilgi
toplumu’nun ruhuna en uygun konumu alan habercilik modellerinden biridir. En yalın
tanımıyla, veri ile gazetecilik yaparak haberi olabilecek en iyi şekilde anlatmak işlevini taşıyan
veri gazeteciliği, habercilik rutinlerinde önemli değişikliklere neden olarak gelişimini
sürdürmektedir.
Veri gazeteciliği; veri toplama, filtreleme, görselleştirme ve hikayeleştirme aşamalarından

oluşturmaktadır. Bu yöntemle oluşturulan haberler, titizlikle uygulanan aşamalardan geçtikten
sonra hedef kitleye ulaştırılmaktadır. Veri gazeteciliğinin en önemli aşaması olan veri
toplamada, veri gazetecisi hazır veri setlerini kullanabileceği gibi kendi veri setlerini de
oluşturabilmektedir. Bu konuda CSV, XLS, PDF dosyalar, endekslenmiş veritabanları ve
School of Data gibi arama motorları olduğu gibi; resmi ve özel veri sağlayan siteler de
bulunmaktadır. Veri gazeteciliğinin ikinci basamağı olan filtreleme aşamasında ise
Spreadsheet, LibreOffice, Microsoft Excel, OpenRefine, Data Wrangling, CometDocs, Mr.
Data Converter gibi yazılımlar kullanılarak sıralama, filtreleme ve temizleme işlemleri
E-ISBN: 978-605-68882-5-0 73
yapılmaktadır. Üçüncü aşama olan görselleştirmede ise filtrelenen veri, grafik araçları
yardımıyla resmedilir. Buradaki amaç, verinin daha iyi anlaşılması ve okuyucunun zihninde
canlandırılmasıdır. Bu aşama, Google Charts, Google Maps, Silk.co, TableauPublic,
ManyEyes, FusionCharts, Gephi gibi araçların yardımıyla gerçekleşmektedir. Son aşama olan
hikayeleştirmede de verilerin kurgulanarak konuşturulması ve böylelikle okuyucunun anlamlı
sonuçlara ulaşması amaçlanmaktadır. Bu noktada R Projesi’nin alanda önemli bir işlevi yerine
getirdiğini vurgulamak gerekmektedir. R, istatistiksel bilgi işlem ve grafikler için bir dil ve
ortamdır. Ayrıca veri gazeteciliği yapmak için uygun programlama dillerinden biridir. Bir veri
projesinin toplama, filtreleme, görselleştirme ve analiz etme aşamaları için kullanılan ideal bir
programdır [5].
Bilgiye ve veriye erişimin daha kolay hale gelmesiyle yaygınlığını arttıran veri gazeteciliğinin,
haber merkezleri için önemli bir kaynak olduğu ve her geçen gün gelişimine devam ettiği de
göze çarpmaktadır. Özellikle erişime açık yapısıyla medyanın demokratik işlevlerine katkı
sağlayan bu gazetecilik türü, telif ve patent sistemlerinin olmaması ve herkes tarafından işlenip
kullanılabilmesi ile ön plana çıkmaktadır. Dijital kaynakları arama, anlama ve görselleştirme
prensibine sahip olan bu gazetecilik türünde, eğitim, sağlık, suç, insan hakları, devlet sırları
başta olmak üzere pek çok konudaki veriler önce haberleştirilip sonra da kamuoyuyla
paylaşılarak gündem oluşturmaktadır.
2.2. Veri Gazeteciliğinin Gelişim Süreci
Guardian gazetesinin 18. yüzyıldaki baskılarında yer alan analiz edilmiş veriler [6] ya da
1930’lardaki Hakimiyet-i Milliye gazetesindeki elle çizilmiş grafikler [7], verinin her zaman
önemli bir haber öğesi olduğunu gözler önüne sermektedir. Bu nedenle veri gazeteciliğinin,
gazeteciliğin tarihi kadar eski olduğunu ancak bugün halen gelişimini sürdürmeye devam
ettiğini söylemek mümkündür. Ancak günümüzdeki anlamıyla veri gazeteciliği ifadesiilk kez
Washington Post’tan Adrian Holovaty’in 2006 yılında yayınladığı veri odaklı gazetecilik
manifestosunda kullanıldı [8]. Veri gazeteciliği olarak şekillenen ilk çalışmaların yapıldığı
Datablog ise 2009 yılında Guardian tarafından kuruldu. Sonra ise Nate Silver’ın
FiveThirtyEight.com’u, New York Times’in UpShot’ı ve Washington Post’un veri bölümü
derken veri gazeteciliği iddiasıyla pek çok yayın organı hayata geçti [9]. Nihayetinde 2010
yılına gelindiğinde World WideWeb’in kurucusu olan Tim Bernes Lee de “gazeteciliğin
geleceği” olarak veri gazeteciliğini işaret etti.
E-ISBN: 978-605-68882-5-0 74
Veri gazeteciliğinin gelişimini hızlandıran etkenlerden biri de bugün halen hafızalardaki
canlılığını koruyan Wikileaks ve Panama Papers gibi sızıntı faaliyetleriydi. 2010 yılında
dönemin popüler isimlerinden Julian Assange editörlüğünde sızdırılan Wikileaks belgeleri, veri
gazeteciliğini neredeyse zorunlu kılmıştı. Guardian, New York Times ve Der Spiegel gibi
uluslararası çaptaki gazeteler, Amerika Birleşik Devletleri’nin, Afganistan Savaşı’na dair sızan
binlerce belgesini filtreleyerek anlamlı sonuçlar çıkarmak için uzun süre gayret gösterdiler ve
böylelikle bugün uygulanan veri gazeteciliği aşamalarının temelleri atıldı. Simon Roger’ın,
2010 yılında Irak savaşında hayatını kaybedenlerin haritasını çıkarması ise veri gazeteciliği
açısından üretilmiş ilk örneklerden biridir [10]. Roger’in görselleştirdiği harita ile savaş
sırasında kaç kişinin öldüğü ve yaralandığını, ölüm nedenlerini ve bu ölümlerin hangi
bölgelerde meydana geldiğini incelenebilmektedir. Bu sürecin devamında oldukça gelişen veri
gazeteciliği araçları bu kez de 2016 yılında meydana gelen ve Panama Belgeleri olarak anılan
veri sızıntısı için kullanılmıştır. Dünyanın farklı noktalarından haber örgütleri ve veri
gazetecileri, Panama Belgelerini analiz ederek kamuoyuyla paylaşmıştır.
Tüm bu gelişmelerin beraberinde dünyada artık veri gazeteciliği, istihdam edilir ve hatta aranır
bir alan haline gelmiştir. Veri gazetecilerinin dünya genelindeki en iyi çalışmaları Global
Editörler Ağı (GEN) tarafından 2012 yılından beri verilen ödüllendirilmektedir. Bugün gelinen
noktada veri analiz departmanları, haber merkezleri için haberin gerçekliği ve güvenilirliği
anlamında büyük önem taşırken diğer yandan da fark yaratmanın en belirleyici unsurlarından
biri olarak konumlanmıştır.
Türkiye’de ise veri gazeteciliği ile ilgili çalışmaların başlaması 2013 yılında başlamıştır. 2011
yılında yayın hayatına başlayan Dağ Medya, bilim, çevre, hayvan özgürlüğü, ekonomi, politika
ve yaşam temelli hak ve veri haberciliği yapan bir internet haber sitesidir. Dağ Medya’nın veri
gazeteciliği projesi #İmamHatipLiseleri,yayınlandığı tarihte Küresel Araştırmacı Gazetecilik
Ağı’nın “Haftanın En Popüler Veri Gazeteciliği Linkleri” listesinde yer aldı. 2015 yılında
kurulan Açık Veri ve Veri Gazeteciliği Derneği ise veri okuryazarlığını arttırmak ve veri
becerileri kazanımlarını yaygınlaştırmak amacıyla faaliyetlerini sürdürmektedir. Elektronik
derslerle veri gazeteciliği eğitimi veren dernek ayrıca, veri atölyeleri, açık veri günü etkinlikleri,
çeşitli ülkelere çalışma ziyaretleri ve veri gazeteciliği ile ilgili çalıştaylar düzenlemektedir.
2.3. Veri Gazeteciliğinin Habercilik Felsefesine Katkıları
Teknolojik gelişmelere bağlı olarak medya endüstrisinde meydana gelen yeniliklerden biri de
veri gazeteciliğidir. Bugün; Guardian, New York Times, Independent, DieZeit, Washington
E-ISBN: 978-605-68882-5-0 75
Post Data Post ve daha pek çok haber merkezi veri gazeteciliği yapmaktadır (a.g.e. [9] ). Kod
bilgisi gerektirmeyen veri gazeteciliği araçlarının gelişmeye başlaması da bir sosyal bilimler
alanına mensup olan gazetecilerin haber yazımı sırasında veri kullanımını kolaylaştıran bir
diğer unsurdur. Veri gazeteciliğinin yaygınlaşmasında bu durumunda etkisi bulunmaktadır. Bu
gazetecilik türü, haberciliğin temel ilkelerini sunduğu olanaklarla da adından söz ettirmektedir.
İyi bir haber yazımının en temel adımlarından olan araştırma aşaması, veri gazeteciliğinde
somut olgulara dayandığından ve bunlar genellikle sayılardan medyana geldiğinden daha
derinlemesine bir araştırma eylemi gerekmektedir. Bir veri setini anlam oluşturacak şekilde
filtrelemek için harcanan çaba, geleneksel yöntemle kaleme alınan bir haberin araştırma
aşamasından daha meşakkatli ve sistematiktir. Haberin derinlemesine araştırılması, iyi bir haber
olduğu anlamına gelmez ancak, iyi bir haber hazırlanmak istendiğinde mutlaka derinlemesine
araştırma yapmak gerekir. Çünkü bir haberin başarının belirleyen unsurların arasında, iyi bir
araştırma aşaması geçirmiş olması gerekmektedir. Bu açıdan, veri kullanımına dayalı
haberlerin, geleneksel haberlere oranla daha özenilerek hazırlanmış ve derinlemesine bir
araştırma aşaması geçirmiş haberler olduğu söylenebilir.
Habere ilişkin teoriler ortaya atılırken ‘kamuyu ve icraatları toplum adına denetlemek’ tanımı
literatürde geniş bir yer kaplamaktadır. Kamu ve toplum arasındaki ilişkide, toplum tarafında
konumlanan medya, özellikle devletlerle ilgili verileri topluma duyurmayı görev olarak
edinmektedir. Bu açıdan devletler tarafından kullanıma açılan kamusal veriler, bir veri
gazetecisi için en önemli kaynakların arasında gösterilmektedir. Bu verilerin kullanımına
açılması, açık veriye ve veritabanlarına erişimin kolaylaşması, doğruluğuna emin olunan
verilerin haberde kullanımını daha fazla şeffaflık sağlayarak gazeteciyle okuyucu arasında
güveni arttırması da değişen şartlar arasında yer almaktadır (a.g.e. [9] ).
Veriye dayalı haberler, okur ya da izler kitle için geleneksel bir haberin söylediğinden daha
fazla anlam ifade etmektedir. Bir olaya ilişkin veri kullanılarak hazırlanan haber, bir yönüyle
olanı, olduğu gibi resmederek güncel bilgi vermekte, diğer yönüyle ise geleceğe dair izlenim
kazandırmaktadır. Derin bir araştırma safhası geçirerek olayları, oluş sırasına göre ve sayıların
somutluğu ile birleştiren bir haber, tutarlı ve net bir izlenim bırakmaktadır. Dolayısıyla veri
güdümlü haberlerin, geleneksel haberlere oranlagüvenilirlik, şeffaflık, gerçeklik, inandırıcılık,
kamuoyu oluşturma ve karar alma konularında bir adım önde olduğunu söylemek mümkündür.
Bu da yine veri gazeteciliğinin, geleneksel haberlere oranla daha etkili olduğunu sonucuna
ulaşmamızı sağlamaktadır. Doğru ve etkili habercilik için en önemli kavramlardan biri diğeri
de fikri takiptir. Uzun soluklu sabır gerektiren fikri takip, yapılan bir haberin sonrasında o
E-ISBN: 978-605-68882-5-0 76
konuyla ilgili tüm gelişmeleri takip etmek anlamına gelmektedir. Veriye dayalı haberler, somut
verilere yer verilmesi açısından fikri takip için de oldukça elverişlidir. Bu da veri gazeteciliğinin
habercilik rutinlerine yaptığı önemli katkılardan biridir.
Veri gazeteciliğinin yaygınlık kazanmasının ardından haber merkezlerince daha fazla veriden
anlayan ve veriyi analiz edebilen gazeteci istihdam edilmeye başlamıştır. Veri gazetecilerinin
sayısını Türkiye’de hali hazırda büyük bir anlam ifade etmese de dünya genelinde her geçen
gün artmakta olan bir ivmeye sahiptir. Özellikle verilerden yararlanarak oluşturan haberlerin,
izler kitle tarafından daha ilgiyle takip edilmesi bir bakıma günün haber trendini belirlemiş ve
hem haber merkezlerini hem de habercileri bu konuda adım atmaya mecbur hale getirmiştir.
Propublica editörü Scott Klein de bir uyarı yaparak günümüzde gazetecinin verilerden
faydalanabilmesinin önemini şu sözlerle dile getirmektedir. “Haber merkezlerinde muhabirler
artık veriyi anlamaya başlamalı, eğer veriyi analiz edemiyor ve yorumlayamıyorsanız sizden
daha hızlı olanlar çıkar.” Propublica’dan bir başka isim haber uygulamaları ekibinden gazeteci
Sisi Wei ise Kolombiya Gazetecilik Okulu’ndan Alexander Howard’a verdiği röportajda, “Veri
ile çalışma becerileri sizi daha iyi bir gazeteci yapar.”ifadesini kullanmaktadır (a.g.e. [9] ). Bu
nedenle günümüzde kendisini veri kullanımı alanında donanımlı hale getirmiş gazeteci sayısı
oldukça fazladır. Bu donanım gazetecilere, her zamankinden çok daha fazla kaynak ve
ulaşılabilir bilginin kapısını açmakta ve kamuoyunda gündem yaratmalarına olanak
sağlamaktadır. Politika, ekonomi, spor, kültür-sanat gibi haberin yıllar içinde tematikleşmiş
alanlarında veri kullanımı ise geleneksel bir haber yazımından hem daha zor hem de bu yazıma
oranla dijital kaynakları arama, anlama, görselleştirme gibi yeni beceriler gerektirmektedir. Bu
da habercinin bizatihi kendisini sürekli geliştirmek zorunda olmasının önünü açmaktadır.
Demokratik toplumlarda çok önemli bir işlevi olan veri gazeteciliği hem katılımı arttırmakta
hem de vatandaşları karar alma sürecinin bir parçası haline getirmektedir. Farklı disiplinleri de
kullanarak geliştirilen bu süreç geleneksel gazeteciliğe göre daha etkili şekilde haberi
anlatmaktır (a.g.e. [7] ). Veri kullanılarak oluşturulan haberlerin gerçekçiliği ve
inandırıcılığının, geleneksel yöntemlere göre çok daha ileri seviyede olduğu da
gözlemlenmektedir. Çünkü veri gazeteciliği aslında sayılarla gazetecilik yapmaktır ve bu da
somut bir süreçtir.
Bu noktada değinilmesi gereken noktalardan bir diğeri de etkileşimli haritaların habercilikte

destekleyici bir unsur olduğudur. Özellikle son dönemlerde sıklıkla kullanılan bu yöntemle
önemli projelere imza atılmaktadır. Son yıllarda özellikle hem ülkemizde hem de dünya
E-ISBN: 978-605-68882-5-0 77
genelindeki seçim dönemlerinde veriye dayalı haberlerin yayınlanmasında ciddi bir artış
yaşandığı göze çarpmaktadır. Gerek seçim öncesindeki hazırlık aşamasında gerekse de seçim
sonrasındaki oy dağılımı ve değerlendirme aşamasında yetkililerden seçim sonuçları büyük
yankı uyandırmaktadır. Siyasiler, reklam verenler, gazeteciler ve daha pek çok meslek dalına
mensup uzmanlar tarafından büyük anlam ifade eden bu haberler, hangi bölgeden, hangi şartlar
altında, hangi partilerin oy aldığı konusunda değerlendirme yapma olanağı sunmaktadır.
3. Değerlendirme ve Sonuç
Dijital teknolojilerin hâkimiyet kurduğu her alanda olduğu gibi iletişim alanında da büyük
değişimler yaşanmış ve bunun sonucunda karşımıza sayısallaşmış bir gazetecilik modeli
çıkmıştır. Bir yanda bu gelişmeler yaşanırken diğer taraftan da sürekli artış göstermekte olan
büyük veri akışlarının, gazeteciler tarafından haberleştirilmesine yönelik çalışmalar ise veri
gazeteciliğinin önünü açmıştır. Veri toplama, filtreleme, görselleştirme ve hikayeleştirme
aşamalarından oluşan veri gazeteciliği, temel habercilik ilkelerinin söylediği gibi; sağlam bir
araştırma aşamasından geçmiş, olabildiğince net ve yalın, yorumdan kaçınarak sayısal verilere
dayanan yeni bir iş tanımıdır. Verilere dayalı habercilik yapılan bu model, sınırsız sayıdaki veri
akışını sözü edilen aşamalardan geçirerek sunmayı ve böylelikle kamuoyu yaratmayı
amaçlamaktadır.
Guardian’ın temellerini attığı, bugün ise dünya genelinde New York Times, Independent,
DieZeit, Washington Post ve daha pek çok önemli yayın kuruluşunun sürdürdüğü veri
gazeteciliğinin gelişiminin incelendiği çalışmada, ülkemizde ise Dağ Medya ve Açık Veri ve
Veri Gazetecileri Derneği gibi kurumlara yer verilmiştir. Bunun yanı sıra veri gazeteciliğini
ortaya çıkaran motivasyonların arasında gösterilen, habercilik ilkelerinin tam anlamıyla
hakkının verildiği yargısı da çalışmanın ana tartışma konularından birini oluşturmuştur. Bu
kapsamda yapılan literatür taraması sonucunda, veri gazeteciliğinin temelinin, tıpkı geleneksel
haber yazımında olduğu gibi ilk ve en önemli aşaması olan veri toplamaya dayandığı
görülmüştür. Ancak veri kullanımına dayalı haberlerin somut verilere dayanması sebebiyle
geleneksel haberlere oranla daha özenli bir toplama aşaması geçirdiği dikkat çekmiştir. Bu da
iyi ve etkili bir yazımı için önemli bir kriter olarak karşımıza çıkmaktadır.
Veri gazeteciliği, okuyucu için sadece bugüne yönelik değil; geleceğe dair de söz
söylemektedir. Bir olaya ilişkin veri kullanılarak hazırlanan haber, hem güncel bilgi vererek
bugünü yorumlamakta hem de geleceğe dair izlenim kazandırmaktadır. Bu da veri güdümlü
haberlerin, geleneksel haberlere oranla güvenilirlik, şeffaflık, gerçeklik, inandırıcılık, kamuoyu
E-ISBN: 978-605-68882-5-0 78
oluşturma ve karar alma konularında bir adım önde olduğunu göstermektedir. Nitekim veri
gazeteciliği demokratik toplumlarda çok önemli bir işlevi yerine getirerek hem katılımı
arttırmakta hem de vatandaşları karar alma sürecinin bir parçası haline getirmektedir. Özellikle
de devletler tarafından kullanıma açılan kamusal verilerin haberde kullanılması, daha fazla
şeffaflık sağlayarak gazeteciyle okuyucu arasındaki güveni büyük ölçüde arttırmaktadır.
Son olarak veriye dayalı haberlerin, haberciliğe olduğu kadar haberciye de önemli katkılar
sağladığından söz etmek gerekmektedir. Veri gazeteciliğinin, mesleği icra eden gazeteciler için
verileri toplayıp anlamlı sonuçlara ulaşabilmek için bir yol haritası çizdiği ve böylelikle yeni
beceriler de kazandırdığı da gözlemlenmiştir.
Kaynaklar
[1] Karaduman, M 2003 İnternet ve Gazetecilik, Sevda Alankuş (Ed.), Yeni İletişim Teknolojileri
ve Medya, IPS İletişim Vakfı Yayınları, İstanbul.
[2] Törenli N 2005 Yeni Medya ve İletişim Ortamı, Bilim ve Sanat Yayınları, Ankara.
[3] Pavlik, J.V 2013 Yeni medya ve gazetecilik. (M. Demir, B. Kalsın, Çev.) Ankara:
Phoenix Yayınevi.
[4] Açık Veri ve Veri Gazeteciliği Derneği. Erişim Tarihi: 05.09.2018

https://www.avvg.org.tr/yazilar/157-veri-nedir-turleri-nelerdir.html
[5] Hand-curated, high quality resources for doing data journalism with R. Erişim Tarihi:
10.09.2018 https://rddj.info/
[6] What is data journalism at The Guardian? Erişim Tarihi: 12.09.2018

https://www.youtube.com/watch?v=IBOhZn28TsE
[7] Veri Gazeteciliği’nin Tarihçesi, Gelişim Süreci, Tanımı Erişim Tarihi: 15.09.2018
http://www.verigazeteciligi.com/veri-gazeteciliginin-tarihcesi-gelisim-sureci-tanimi
[8] Kayser-Bril, N., Valeeva, A. andRadchenko, I. 2016 Transformation of Communication

Processes: Data Journalism. https://arxiv.org/ftp/arxiv/papers/1605/1605.01956.pdf.
[9] Dağ, P. 2015 Gazeteciliğin geleceği: Veri gazeteciliği. Erişim Tarihi: 28.09.2018
http://www.academia.
E-ISBN: 978-605-68882-5-0 79
edu/16286677/GAZETEC%C4%B0L%C4%B0%C4%9E%C4%B0N_GELECE%C4%9E%C
4%B0_ VER%C4%B0_GAZETEC%C4%B0L%C4%B0%C4%9E%C4%B0_-
P%C4%B1nar_Da%C4%9F_ Ekitap_
[10] Data Journalism Erişim Tarihi: 29.09.2018

https://www.theguardian.com/news/datablog/2010/oct/23/wikileaks-iraq-data-journalism
E-ISBN: 978-605-68882-5-0 80
Sosyal Ağlardaki Veri Dezenformasyonuna Karşı Medya
Okuryazarlığı
M.G. Genel1, S Öztürk1, T.E. Sayar1
gokhan.genel@gmail.com, serkan.ozturk@yalova.edu.tr, sayartahsineren@gmail.com
1
Yalova University, TURKEY
Özet
Günümüzde haberleşme ağının en önemli parçalarından biri haline gelen internet kullanıcılara
sağladığı birçok avantajın yanında dezavantajlar da sunmaktadır. Özellikle sosyal ağlar
üzerinden yapılan veri dezenformasyonları, kullanıcıların yanlış bilgiye ulaşımına neden
olmaktadır. Oluşan bu bilgi kirliliğine karşı medya okuryazarlığı dezenformasyonun
engellenmesi noktasında önem teşkil etmektedir. Bu bağlamda ele alınan çalışmanın amacı veri
dezenformasyonuna karşı medya okuryazarlığının ne tür bir çözüm önerisi sunabileceğini
ortaya koymak olarak belirlenmiştir. Çalışma kapsamında yapılan değerlendirme sonucunda
medya okuryazarlığının, veri dezenformasyonunu engellemede önemli bir yer teşkil ettiği ve
verilecek etkin medya eğitimleriyle dezenformasyonun önlenebileceği sonucuna ulaşılmıştır.
Anahtar Kelimeler: Veri Dezenformasyonu, Sosyal Ağlar, Medya Okuryazarlığı, Medya

Eğitimi.
Media Literacy Against Data Disinformation in Social Networks

Abstract
The internet, which has become one of the most important parts of the communication network
today, offers many advantages and disadvantages to the users. Data disinformation, especially
through social networks, causes users to access misinformation. Media literacy against this
pollution of information is important to prevent disinformation. In this context, the aim of this
study is to reveal what kind of solution can be offered by media literacy against data
disinformation. As a result of the evaluation conducted within the scope of the study, it was
concluded that media literacy did not prevent data disinformation and that disinformation could
be prevented by effective media trainings.
Keywords: Data Disinformation, Social Networks, Media Literacy, Media Training.
E-ISBN: 978-605-68882-5-0 81
1. Giriş
İletişim teknolojilerinde meydana gelen gelişmeler sonucunda tarihin hiçbir döneminde

olmadığı kadar fazla enformasyon bombardımanına maruz kalan modern insan, bilinçli ya da
bilinçsiz olarak süreklilik arz edecek şekilde yönlendirilmeye açık bulunmaktadır. İletişim
araçlarının ortaya çıktığı ilk dönemde günler hatta aylar alan bilgi verme süreci günümüzde
saniyelerle sayılabilecek bir noktaya gelmiştir.
Her geçen gün daha fazla serbest zaman işgal eden ve yaşamın ayrılmaz bir parçası
haline gelen sosyal ağlar aracılığıyla gerçekleşen veri bombardımanı karşısında önlem almak
hayati önem taşımaktadır. Yoğun veri akışı karşısında, bir önlem ve ‘farkındalık’ disiplini
hedeflenerek iletişim teorisyenlerince geliştirilen medya okuryazarlığı, günlük yaşam içerisinde
sıradan bir insanın maruz kaldığı çok sayıda işlenmemiş bilginin güvenirliğinden emin olmak
için başvurulan önemli bir rehber niteliğindedir.
Medya okuryazarlığının bu denli önemli olmasında şüphesiz ki medyanın kitleleri

etkileme ve belirli bir alana doğru empoze etme etkisinin önemi büyüktür. Bu etki özellikle
internet teknolojilerinin gelişimi ile zirve yaparken, etkileşim daha yaygın kitlelere ulaşır
olmuştur. Bu noktada özellikle sosyal ağlar aracılığıyla yapılan yayın ve bilgilendirmeler önem
kazanmıştır. Bireysel hesaplar üzerinden yapılan paylaşımlar bir hayli önem kazanırken bu
durum aynı zamanda insanların sosyal ağlara olan inanma seviyelerini de tartışmaya açmıştır.
Nitekim sosyal ağlar üzerinden paylaşılan birçok verinin çeşitli kaynaklar tarafından kontrol
edilmeden yayınlanması ve ülke gündeminde bir hayli yer alması zaman zaman kaos
ortamlarının oluşmasına zemin hazırlamaktadır.
Dezenformasyonun aktarılmasında etkin bir silah olarak kullanılan sosyal ağların bu

önemine ithafen çalışmanın amacı sosyal ağlarda oluşan veri dezenformasyonuna karşı medya
okuryazarlığının ne tür bir çözüm önerisi sunabileceğini ortaya koymak olarak belirlenmiştir.
Bu minvalde çalışmada amaca uygun olarak medya okuryazarlığı veri dezenformasyonuna
karşı kullanıcılara hangi avantajları sağlar? Sosyal ağları kullanmada medya okuryazarlığının
önemi nedir? sorularına yanıt aranarak, veri dezenformasyonunun engellenmesinde medya
okuryazarlığının ne tür bir katkı ve önlem oluşturacağına yönelik çözüm önerisi aranacaktır.
E-ISBN: 978-605-68882-5-0 82
2. Yeni Medya Teknolojileri ve Sosyal Ağlar
Sanayi Devrimi sonrası hızla artan sanayileşme bir yandan insanların ticari
alışkanlıklarını değiştirirken diğer yandan dış dünyaya dair haber alma ihtiyaçlarını arttırmıştır.
Bu bağlamda geliştirilen telefon, telgraf, buharlı makineler ve daha birçok teknolojik gelişme,
bugünkü haberleşme ağının temelini oluşturmuştur. Yaşanan her gelişme bir sonraki değişime
zemin hazırlarken aynı zamanda bu değişimler bir önceki haberleşme ağını da güçlendirmiştir.
1970'li yıllarda ortaya çıkan internet teknolojileri, her ne kadar ilk başlarda askeri alanda
kullanılsa da birkaç yıl içinde kendisini geliştirerek, hayatımıza birçok farklı alanda katkılar
sağlamıştır. İnternetle birlikte gelişen uydu sistemleri ve haberleşme ağları insanların tüm
dünyadaki gelişmelere hakim olmalarına vesile olmuştur. 1990'lı yıllarda web sitelerinin
güçlenmeye başlamasıyla birlikte başlayan Web 1.0 dönemi, daha çok firma ve ürün tanıtımı
gibi etkinliklerin ön plana çıkmasını sağlıyordu ve bu dönemde kullanıcılar ziyaret ettikleri bu
siteler hakkında yorumda bulunamıyorlardı [1]. Bu dönemin kullanıcılara ziyaret ettikleri
sayfalardan sadece bilgi edinme hakkını tanımasına karşın 90'lı yılların ilk yarısında gelişen
süreç, internetin gelecekte elde edeceği başarılara yönelik birçok ip ucu vermekteydi.
90'lı yılların son dönemlerinde ortaya çıkan Web 2.0 ise kullanıcılara artık yorum
yapma, fikir beyan etme ve birbirleriyle doğrudan diyalog kurabilme yetisi tanımaya başlamıştı.
Bu dönemde özellikle Google ve Youtube gibi mecraların ortaya çıkışı insanların aynı zamanda
kendi deneyimlerini paylaşabilmeleri ve insanları kendi yaşamlarından haberdar edebilmelerine
yardımcı olmaktaydı. Böylesine güçlü bir internet ağının oluştuğu bu dönemde sosyal ağlar
hayatımıza girmeye başlamıştır. Önce Facebook, daha sonrasında ise Twitter ve Instagram'ın
hakim olduğu bir süreçte insanlar birbirleri ile hızlı bir haberleşme ağı oluşturmuş ve her türlü
bilgi kolayca paylaşılabilir hale gelmiştir.
Sosyal ağların hakim olduğu bu güç, kısa sürece politik alanlarda da kendisini
hissettirmeye başlamıştır. Obama'nın ABD Başkanlık seçimleri sırasında Twitter'ı etkin bir
şekilde kullanması, bununla birlikte birçok liderin sosyal medya mecralarından halka
seslenmeleri ve politikalarına yönelik bildirici metinler kullanmaları, bu ağların gücünü kat ve
kat arttırmıştır. Bunun yanında 2009'da Hindistan'da köktenci yasa dışı örgütlere karşı hareket,
2008'de Güney Kore'deki sığır eti protestoları ve 2006'da Şili'deki eğitim yasalarına karşı
E-ISBN: 978-605-68882-5-0 83
protestolar sosyal medyayı, gerçek dünyadaki eylemin yerine değil ama onu koordine etmenin
bir yolu olarak kullanmalarına vesile olmuştur [2].
Sosyal ağlarda yaşanan bu değişimler bazı noktalarda kullanıcılara büyük avantajlar

sağlamıştır. Hızlılık, anındalık, geniş kitlelere ulaşabilme gibi birçok etmen, yeni medya
teknolojilerinin kullanıcılara sunduğu avantajlardan birkaçıdır. Sağlanan tüm bu avantajların
yanında bu teknolojiler, kullanıcılar için dezavantajlar da doğurmuştur. Nitekim Fuchs'un
enformasyon kapitalizmi olarak ele aldığı süreç, ulus aşırı şirketlerin internet teknolojilerini
kullanarak küresel çapta bir pazar ağı oluşturduğuna ve bu sayede insanları birer bilgi işçisi
olarak kullandıklarına dikkat çeker [3]. Fuchs'un bu yaklaşımında özellikle Google'ın sahip
olduğu tüm verileri reklam şirketlerine satması ve buradan elde edilen verilerin insanlara birer
reklam olarak dönmesinin önemi büyüktür.
Sosyal ağların oluşturduğu bu karamsar tablodan etkilenen bir diğer alan haberleşme
ağıdır. 1995 yılında Radyo Televizyon Haber Yönetmenleri Kurumu (RTNDF) tarafından
gerçekleştirilen bir çalışma, haber yönetmenleri ve muhabirlerin görüntü manipülasyonunun
dijital basın odası teknolojisi için potansiyel bir problem oluşturacağına dair güçlü bir endişe
paylaştıklarını göstermektedir [4]. Nitekim o yıllarda öngörülen bu düşünceler ileriki yıllarda
etkisini hızla göstermiştir. Sosyal ağlar üzerinden paylaşılan her türlü görüntü ve metin etkin
birer haber kaynağı olarak kullanılmış ve bu bilgiler insanlara dezenformasyon kaynağı olarak
sunulmuştur.
3. Veri Dezenformasyonu ve Medya
Sosyal ağların her geçen gün artan etkinliği sonrası bilginin bu mecralarda yayılım gücü
de büyük tartışmaları beraberinde getirmiştir. Türk Dil Kurumu sözlüğünde "bilgi çarpıtma"
olarak tanımlanan dezenformasyon sözcüğü [5], Webster sözlüğünde ise kamuoyunu etkilemek
veya gerçeği örtbas etmek için bilinçli ve çoğu zaman söylentilerin ekilmesiyle yayılan şey
olarak adlandırılır [6]. Bilgi sağlayıcısı tarafından alıcıya eksik, yanıltıcı bilgilerin verilmesi ile
gerçekleşen dezenformasyon, genellikle bir hükümet ya da bir başkası tarafından başlatılan
sahte bilgi yayılması eylemini niteler [7]. Bu noktada veri dezenformasyonu, sosyal ağlar
aracılığıyla yayılan, insanların fikir ve düşüncelerini değiştirmek ve bilinçli bir şekilde
yönlendirmek amacıyla yayılan her türlü bilgi olarak tanımlanabilmektedir. Dezenformasyonun
medya ile bu denli bağlantılı olmasında şüphesiz ki bu mecranın kitleleri bilgilendirmede başat
rol oynaması yatmaktadır. Nitekim dezenformasyonun kökenine inildiğinde sahte bilgi yayma
eyleminin Soğuk Savaş Dönemi'ne kadar dayandığı görülmektedir. Bu dönemde Rusya ve
E-ISBN: 978-605-68882-5-0 84
ABD'nin bir savaş taktiği olarak dezenformasyonu kullandıkları ve bu durumun çoğu zaman
hükümet eliyle gerçekleştiği ifade edilmektedir [8].
Dezenformasyon kavramı bu bağlamda düşünüldüğünde propaganda ile birçok

bağıntıya sahiptir. Her iki yaklaşımda da kitleler belirli bir güdüme sokulmak ve itaate
yöneltilmek istenmektedir. Fakat iki yaklaşım arasında bir takım farklılıklar da bulunmaktadır.
Dezenformasyonun propagandadan ayrılan özelliği propagandanın her zaman yalan ya da
yanlış olmamasına karşın dezenformasyonun sadece detaylı ve hedef gözeterek inşa edilmiş
yalanlardan oluşmasıdır. Soğuk Savaş döneminde sıklıkla kullanılan dezenformasyonun en
etkili yayım aracı kitle iletişim araçları olmuştur [9].
1950'li yıllardan günümüze gelen süreçte değişen ve gelişen enformasyon kaynakları,

özellikle hızlılık ve geniş kitlelere ulaşabilme noktasında bir hayli yol kat etmiştir. İnternetin
hayatımıza girmesi sonrası gelişen sosyal medya mecraları, bir yandan bireyselleşmeyi
arttırırken diğer yandan insanların daha fazla bir topluluğa sesini duyurabilmesini
sağlamaktadır. Bu bağlamda düşünüldüğünde sosyal ağlardaki veriler, insanların bilgiye nasıl
ulaştığını ve birbirleriyle nasıl ilişki kurduklarını anlama noktasında güçlü bir ipucu
vermektedir. Kullanılan bir takım anahtar kelimeler, bağlantılar ve görseller kullanıcıların
birbirleri hakkında fikir sahibi olmalarına yardım etmektedir [10]. Dolayısıyla internetin olduğu
ortamda tekli veya çoklu ortam belgeleri hızla çoğaltılabilmekte ve hızla yayılan bu bilgiler
dezenformasyonun geniş kitlelere yayılabilmesine olanak sağlamaktadır [11].
İnternet üzerinden yapılan veri dezenformasyonlarının genellikle kişisel bir kaynaktan

yayıldığı gözlenir. Basit bir ifade, beyan, ses veya görüntü kaydı, bir hikâye, bir notun bir yazar
tarafından konu edinilmesi bu fitili ateşleyebilir. Süreç, domino taşı etkisi yaparak daha farklı
haberlerin üremesine de öncülük edebilir [12]. Bu tür yayılan haberlerde genellikle sosyal
ağların gücünden etkin bir şekilde faydalanılır. Genellikle kontrol edilmeyen ve herhangi başka
bir kaynak tarafından doğrulanmayan bu tür haberler kısa süre içerisinde tüm toplumda
yayılarak halkın inanacağı birer yalan haberler silsilesine dönüşür.
Bireysel bir şekilde yayılan dezenformasyonda gelişen yeni medya mecraları sonucunda
ortaya çıkan "influencerların" etkisi büyüktür. Bu influencerlar genellikle seçkin çevrimiçi
troller, oyuncular, ideologlar ve komplo teorisyenleri gibi gruplardan oluşur. Diğer aktörler
arasında büyük bir nüfuz sahibi olmak ve medyada ayrı bir rol oynamak için manipülasyon
çabasına giren bu kişiler, sosyal ağlarda önemli güce sahiptirler ve inançlarını ana akım haline
getirmek için çaba sarf ederler [13]. Influencerların sahip olduğu bu güçte özellikle takipçi
E-ISBN: 978-605-68882-5-0 85
sayılarının çokluğunun önemi büyüktür. Nitekim sahip olunan takipçi sayısı arttıkça bu kişilere
olan güven artarken, paylaştıkları içeriklere olan inanma eğilimi de takipçi sayısı arttıkça
fazlalaşmaktadır. Diğer yandan dezenformasyon sadece bireysel etkilerin ürünü de değildir. Bu
veriler aynı zamanda, bir kurum veya organizasyonun da parçası olabilir. Bu tür eylemlerde
genellikle medya kurban rolünde olur ve kendisine verilen bilgiyi herhangi bir kontrol
mekanizmasından geçiremeden kabul etmiş sayılır.
Veri dezenformasyonunun bu denli artmasında internet ortamının yanı sıra ana akım
medyanın rolü büyüktür. Genellikle sosyal ağlar üzerinden verilen bilgileri denetimden
geçirmeden kabul eden bu mecralar, dezenformasyonun çok daha geniş kitlelere ulaşmasında
zaman zaman birincil rol oynamaktadırlar. Özellikle haber sitelerinin "hızlılık" amacı uğruna
çok fazla bir denetimden geçirmeden paylaştıkları haberleri değerlendiren ana akım unsurlar,
çoğu zaman dezenformasyona farkında olmadan hizmet etmektedir. Aynı şekilde gazeteler de
televizyon ve internetin bu denli güçlü olmadığı dönemlerde dezenformasyonun yayılmasına
hizmet etmişlerdir. Matbu yayıncılığın düzeltme imkanının dijital mecralara oranla daha zor ve
külfetli olması ise bu alanda yapılan her türlü dezenformatik bilginin kitleler arasında daha
kolay hatırlanır bir hal almasına sebebiyet vermiştir.
3.1. Veri Dezenformasyonuna Karşı Medya Okuryazarlığı
Medyada yaşanan veri dezenformasyonlarına karşı geliştirilen birçok çalışmada

medyanın eğitici rolüne büyük atıflar yapılmıştır. Bu bağlamda ortaya çıkan medya
okuryazarlığı, yaygın kabul gören tanımıyla, çeşitli türden (görsel, işitsel, basılı, vb.) medya
mesajlarına erişebilme, erişilen medyaları eleştirel bakış açısıyla çözümleyip değerlendirebilme
ve kendi medya iletilerini üretebilme becerisidir [14].
Medya okuryazarlığının gelişim süreci 1960'lı yıllara dayanmaktadır. 1960'lardan beri

bu konuyu gündeminde tutan UNESCO, 1982 yılında Almanya'da 19 ülkeden bir araya gelen
uluslararası uzmanlarla gerçekleştirdiği toplantıdan sonra, medya eğitiminin gerekliliğini
savunan bir metin yayınladı. Bu metinde temel olarak aşağıda yer alan kararlar alınmıştır:
• Medya kullanıcıları arasında eleştirelliğin geliştirilmesini sağlayacak bilgi, beceri ve tutumları

geliştirmek amacıyla, okul öncesinden üniversite düzlemine ve yetişkin eğitimine kadar, etraflı
medya eğitim programlarını başlatmak ve desteklemek.
• Bilgilerini ve medyaya dair kavrayışlarını arttırmak için öğreticilere yönelik eğitim programları
düzenlemek; uygun öğretme yöntemleriyle onları donatmak.
E-ISBN: 978-605-68882-5-0 86
• Medya eğitimi yararına psikoloji, sosyoloji ve iletişim bilimleri alanlarında araştırma geliştirme
etkinliklerini özendirmek.
• UNESCO tarafından da öngörülen ve kararlaştırılan medya eğitiminde uluslararası iş birliğini

özendirmeyi hedefleyen eylemleri desteklemek ve güçlendirmek [15].
1993 yılında ise Ulusal Liderlik Konferansı’nda, Amerikalı eğiticimler, medya eğitimi
için uygun hedeflerin uzamı ya da uygun öğretim tekniklerinin genişliği konusunda anlaşmaya
varamamışlardır; ancak İngiliz, Avustralyalı ve Kanadalı eğitimciler tarafından geliştirilen
modellere dayanarak aşağıdaki kavramların medya mesajları çözümlemesine dahil edilmesi
gerektiğini belirlemişlerdir:
• Medya mesajları kurgulanmıştır/ kurulmuştur (constructed).
• Medya mesajları, ekonomik, sosyal, siyasal, tarihsel ve estetik bağlamlar içerisinde üretilir.
• Mesaj alımlamaya dahil olan yorumlayıcı anlam-yapma süreçleri, okuyucu, metin ve kültür
arasındaki etkileşime dayanır.
• Medyanın kendine özgü “dilleri” ve çeşitli biçimlerle, türlerle (genres) ve iletişim simge
sistemleriyle sembolleşen karakteristikleri vardır.
• Medya tasarımlamaları, insanların sosyal gerçekliği anlamalarında rol oynar [16].
Medya okuryazarlığının bu denli etkin bir şekilde tartışıldığı bir ortamda şüphesiz ki
dezenformasyon kaynaklı verilerinin son derece yaygın olmasının etkisi büyüktür. Tüm bu
gelişmeler ışığında ülkemizde de medya okuryazarlığının gelişimine yönelik birçok çalışma
gerçekleştirilmiştir. Radyo ve Televizyon Üst Kurulunun organizasyonuyla, Basın-Yayın ve
Enformasyon Genel Müdürlüğü ve TRT'nin de katkılarıyla 20-21 Şubat 2003 tarihinde
Ankara'da İletişim Şûrası düzenlenmiştir. Şûra'nın çalışma komisyonlarından biri olan Radyo
ve Televizyon Yayıncılığı Komisyonu Sonuç Raporunda önerilen konulardan biri, "Toplumsal
ve bireysel eğitim ve kültüre katkı sağlayacak, ruh sağlığını zedelemeyecek bir yaklaşımla ve
özellikle çocukların zararlı yayınlardan korunması için Avrupa Birliğine uyumlu çalışmaların
başlatılması ve ilk ve orta öğretim ders programlarına, çocuklar ve gençlerin
bilinçlendirilmesini sağlayacak medya okuryazarlığı dersinin eklenmesi" olmuştur [17].
E-ISBN: 978-605-68882-5-0 87
Düzenlenen şûranın yanı sıra Radyo ve Televizyon Üst Kurulu’nun 2000 yılında
başlattığı Simge Sistemi çalışmalarını sonuçlandırarak uygulamaya koyduğu “Akıllı İşaretler”
bir diğer önemli çalışmadır. Ebeveynleri program içeriği hakkında bilgilendirerek, çocuk ve
gençlerin yayınlardaki zararlı içerikten korunmasında inisiyatif almaya yönlendirici sistem,
kontrolü ve sorumluluğu izleyici ile paylaşmaya da bir başlangıç olarak görülebilir [18].
3.2. Veri Dezenformasyonu'na Karşı Sosyal Medya Kullanımı
İletişim araçlarının kullanımı ile yapılan her türlü bilgi alışverişinde aktarılan
enformasyonun doğruluğu, birincil rol üstlenmektedir. Medya araçlarına yönelik yapılan tüm
araştırmalarda televizyonun yarattığı etki ayrı bir parantez içerisinde aktarılır. Nitekim
Postman'a göre televizyon, bizi dünya ile hep yakın ilişkide tutar ama bunu bize gülümseyen
çehremizin hiç değişmediği bir yüzle yaptırır. Sorun, televizyonun bize eğlendirici temalar
sunması değil, bütün temaların eğlence olarak sunulmasıdır ve bu da bambaşka bir sorun
oluşturur [19]. Postman, burada özellikle televizyonu insanların boş vakitlerini alan ve bunu
öldüren bir mekanizma olarak tanımlamaktadır. Televizyon aracılığıyla sunulanların bir
kurgudan ibaret olduğunu ifade eden Postman, bu nedenle televizyona karşı daha bilinçli bir
yaklaşımın sunulması gerektiğini belirtir. Diğer taraftan, bilgi toplumu açısından bireylerin
medya ve televizyon okuryazarlığı becerilerin kazandırılmasının önemli olduğu bilinmektedir.
Ancak, bunun kadar önemli olan bir başka konunun ise, bilgi toplumunun bireylerinin ne
düzeyde medya ve televizyon okuryazarı olduklarının belirlenmesinin olduğu belirtilmelidir
[20]. Televizyonun sunduğu bu bilgilerin yanı sıra günümüzde gelişen internette bizlere
hızlılık özelliği vasıtasıyla engellenemez dezenformasyonlar sunar. Bu noktada medya
okuryazarlığının önemi bir kez daha gün yüzüne çıkmaktadır. Nitekim internet üzerinden
sunulan verilerde öncelikle kaynağın güvenirliği kontrol edilmelidir. Hatta bu kontrol
mekanizması birden fazla kaynak üzerinden yapılarak doğru bilgiye ulaşılmalıdır. Bununla
birlikte bilgiyi aktaran kaynağın mecra üzerindeki yeterliliği ve güvenirliği de kontrol edilmesi
gerekilen bir başka alandır. Tüm bu önlemler sıkı bir şekilde ele alındığı takdirde, veri
dezenformasyonuna karşı daha güçlü bir önlem alınabilmesi mümkün kılınabilecektir.
4. Sonuç
Kökeni matbaanın bulunmasına kadar dayanan yazılı iletişim devrimi, süregelen

yüzyıllar içerisinde birçok gelişim ve değişim geçirmiştir. Sanayi Devrimi sonrasında hızla
artan makineleşmeyle birlikte artan enformasyon ihtiyacı, 19. yüzyılda gazetecilik
paradigmalarında bir hayli sosyolojik değişimlere neden olmuştur. Bu dönemde bilgi vermenin
E-ISBN: 978-605-68882-5-0 88
yanı sıra reklamcılık ve propaganda metotlarının gelişmesiyle siyasal alanın güçlü bir parçası
haline gelen "bilgi" etkin siyasal güçler tarafından kullanılır hale gelmiştir.
1950'li yıllardan itibaren gelişmeye başlayan ve öncelikle askeri ihtiyaçlar ve

haberleşme için geliştirilen sonrasında tüm dünyanın en önemli enformasyon kaynaklarından
biri haline gelen internet ise haber alma kaynaklarının hem bireyselleşmesine hem de daha fazla
topluluğa hitap edebilmesini sağlamıştır. Bu bağlamda gelişen sosyal ağlar, günümüzde
insanların dünyanın her yerinden saniyeler içerisinde haber almasını ve oluşturdukları sanal
ağlar vasıtasıyla kendi dünyalarını oluşturabildikleri bir yer halini almıştır.
Sosyal ağlar son 20 yılda yaşadığı gelişme göz önüne alındığında bu güçlü kaynağın
birçok farklı siyasal etkiye ön ayak olduğunu söylemek de yanlış olmayacaktır. Bu etkiler bazı
noktalarda toplumlara avantaj sağlasa da bir dizi dezavantajı da beraberinde getirmiştir.
Özellikle dezenformasyonun hızla arttığı günümüzde, araştırmadan uzak ve verilen bilgiyi
kontrol etme konusunda sıkıntı yaşayan günümüz modern toplumu, bu nedenle
dezenformasyona fazlasıyla maruz kalmaktadır. Ortaya çıkan bilgi kirliliği ve dezenformasyon
dünyasında her türlü yanlış bilgi hızla yayılırken, bu durum aynı zamanda toplumların düşünce
ve yaşayış tarzlarını etkilemektedir.
Dezenformasyonla birlikte hayatımıza yerleşen bu bilgi akışı içerisinde medya

okuryazarlığı son derece önemli bir çözüm olarak karşımıza çıkmaktadır. Medyanın verdiği her
türlü yanlış bilgiye karşı kullanıcıları eğitme ve bilgilendirme amacı güden medya
okuryazarlığı, toplumların medyaya yönelik kendilerini koruma ve bilgi sahibi olma haklarına
doğrudan yardım etmektedir. Bu bağlamda ele alınan çalışmada medya okuryazarlığının veri
dezenformasyonuna karşı önemli bir kıstas olarak değerlendirilebileceği sonucuna ulaşılmıştır.
Medya okuryazarlığının kişilerin medyaya yönelik eleştirelliğini sağlayacak bilgi ve beceriyi
yüklemesi bununla birlikte medyaya yönelik her türlü eğitim ve desteği sağlıyor olması
yukarıda ortaya atılan savı desteklemektedir. Veri dezenformasyonuna karşı alınacak her türlü
önlemde medya okuryazarlığının önemine ilişkin dikkat çekilmesi gerekilen bir diğer nokta ise
bu kavramın insanların sosyal gerçekliğe olan bilinçlerini arttırmak ve bu bağlamda toplumun
akışına yönelik insanları fikir sahibi etmesidir. Nitekim medya okuryazarlığı ile sağlanacak her
türlü bilinç ve eğitim, insanların dezenformasyona karşı daha savunmacı bir yaklaşım elde
etmelerini ve toplumsal gerçekliklerden daha etkin bir şekilde haberdar olmalarına vesile
olacaktır.
E-ISBN: 978-605-68882-5-0 89
Kaynaklar
[1] Eldeniz, L 2010 İkinci medya çağında etkileşimin rolü ve web 2.0. İkinci medya
çağında internet (ss.18-35). İstanbul: Alfa Yayınları.
[2] Shirky, C 2017 Sosyal medyanın politik gücü teknoloji, Kamusal alan ve politik
değişim. (Çev. Eyüp Al). F. Aydoğan (Ed), Yeni medya kuramları (ss.157- 171). İstanbul:
Der Kitabevi.
[3] Çakır, M 2014 Yeni medyaya ilişkin eleştirel yaklaşımları ve tespitleri ile Christian
Fuchs. M. Çakır (Ed), Yeni medyaya eleştirel yaklaşımlar (ss.81-130). İstanbul: Doğu
Kitabevi.
[4] Pavlik, J.V 2013 Yeni medya ve gazetecilik. (M. Demir, B. Kalsın, Çev.) Ankara:
Phoenix Yayınevi.
[5] Türk Dil Kurumu. Dezenformasyon. Erişim Tarihi: 25.09.2018,

http://tdk.gov.tr/index.php?option=com_gts&arama=gts&guid=TDK.GTS.5ba
340ca246e83.86575757.
[6] Webster Sözlük. Disinformation. Erişim Tarihi: 26.09.2018, https://www.merriam-

webster.com/dictionary/disinformation.
[7] Tudjman M ve Mikelic N 2003 Information science: science about information,

misinformation and disinformation InSITE 2013, 3 (Sayı) 1513-1527, doi:
https://doi.org/10.28945/2728
[8] Yegen, C 2018 Doğru haber alma hakkı ve sosyal medya dezenformasyonunu doğruluk
payı ve yalansavar ile tartışmak. Erciyes İletişim Dergisi, 5 (Cilt) 4 (Sayı) 101-121, doi:
10.17680/erciyesiletisim.390324
[9] Vanlıoğlu, M 2018 Siber propaganda ve dezenformasyon: kitle kaynaklı troll birimleri.
Uluslararası kriz ve siyaset araştırmaları dergisi, 2 (Cilt) 206-235.
[10 ] Gallacher J.D, Graphika V. B, Howard P. N. ve Kelly J 2017 Ekim Junk news on military
affairs and national security: social media disinformation campaigns against Us military
personnel and veterans. The computational propaganda project
algorithms, automation and digital politics, 1-6.
E-ISBN: 978-605-68882-5-0 90
[11] Floridi L 1996 Brave.net.world: the internet as a disinformation superhighway?. The
electronic library, 14 (Cilt) 6 (Sayı) ss. 509-514, doi: https://doi.org/10.1108/eb045517
[12] Turan, C 2015 AB2015 Akademik Bilişim Konferansı (Tam Metin Bildiri/Sözlü
Sunum) (Yayın No:4286280).
[13] Marwick A ve Lewis R 2017 Media manipulation and disinformation online

Data&Society.
[14] Medya okuryazarlığı. Medya okuryazarlığı nedir? Erişim Tarihi: 28.09.2018,

https://www.medyaokuryazarligi.gov.tr/menu_goster.php?Guid=B7AA7732- 1593-4B32-
BDE5-D76E64C2A5FA&MenuId=2
[15] Binark, M ve Bek M.G 2010 Eleştirel medya okuryazarlığı kurumsal yaklaşımlar ve
uygulamalar İstanbul: Kalkedon Yayınları.
[16] Aufderheide, P 1993 National leadership conference on media literacy. (Akt.R. Hobbs),
Medya okuryazarlığı hareketinde yedi büyük tartışma (Çev.M.T.Bağlı), Ankara Üniversitesi Eğitim
Bilimleri Fakültesi Dergisi 37 (Cilt), 1 (Sayı) ss.122-140.
[17] Medya okuryazarlığı. Türkiye'de medya okuryazarlığı Erişim Tarihi: 28.09.2018,

https://www.medyaokuryazarligi.gov.tr/menu_goster.php?Guid=E56CE034- 6CEB-41AE-A12C-
B618EBEA461B&MenuId=2
[18] Altun A 2008 Türkiye'de medya okuryazarlığı. İlköğretmen eğitimci dergisi. 30 (Cilt), 34
(Sayı) ss.1-7.
[19 ] Postman, N. (2014). Televizyon: Öldüren Eğlence, (O. Akınhay, Çev.), İstanbul: Ayrıntı
Yayınları, 2014.
[20] Korkmaz, Ö ve Yeşil R 2011 Medya ve televizyon okuryazarlık düzeyleri ölçeği geçerlilik ve
güvenirlik çalışması, Uluslararası insan bilimleri dergisi. 8 (Cilt), 2 (Sayı) ss.110-126.
E-ISBN: 978-605-68882-5-0 91
Directed Acyclic Graph Based on Crypto Currency Application
Example: IOTA
Nihat Yuva1, İsmail Kırbaş1
nihatyuva@ogr.mehmetakif.edu.tr, ismailkirbas@mehmetakif.edu.tr
1
Mehmet Akif Ersoy University, TURKEY
Abstract
Tangle technology, developed with the aim of closing the inadequacies of the block-chain
technology that is still popular in today's digital age, has been used in the crypto currency IOTA,
which is planned to be used on the internet of things and to make micropayments. This study
describes the main points that distinguish Tangle technology and Tangle technology from
block-chain technology and explains how IOTA is used for communication and micropayments
on the internet of things (IOT) with industry 4.0. After these examinations, it is aimed to reveal
the advantages and disadvantages of Tangle technology.
Keywords: Directed Acyclic Graph, Tangle, IOTA, IoT, Blockchain
1. Introduction
After the introduction of Blockchain in the world in 2007, the crypto coins under the leadership
of Bitcoin[1] have gained importance. According to Coin Market Cap 2018, there are 1993
crypto currencies that are traded worldwide. The total value of these funds is shown as
$208.330.195.890. Bitcoin has been the leading crypto currency since the market supply [2].
Thus, the circulation of virtual money in the market and the rate of investor finding are
increasing [3]. Alongside the development of crypto coins in the world, to the concept of
internet that Arpanet revealed , By 2020, around 50 billion devices are reported to be actively
connected[4]. With these developments, the concept of Industry 4.0 was presented as an
economic policy in Germany in 2011[5]. The concept of Internet of Things (IOT), which comes
into our lives with Industry 4.0, continues its importance with the developing technological
needs [4]. It is seen that Bitcoin [1], which uses the Blockchain infrastructure, cannot fix
problem of the issues of scalability, security, and transaction fees. Blockchain fail to satisfy
the technological needs of the concept of the Internet of Things (IOT)[6], which emerged with
the Industry 4.0 revolution. Technology based IOTA called Tangle, was founded by the IOTA
Foundation in order to solve these reasons in the beginning, making web 3.0 and micro
payments. [15]. The IOTA Foundation was founded in 2015 by Dominik Schiner, Serguei
E-ISBN: 978-605-68882-5-0 92
Popov, Sergey Ivancheglo and David Sønstebø. The founders of the Iota Foundation have first
developed Tangle technology in 2015 for crypto money, which is focused on the Internet of
Things [7]. Tangle is based on directed acyclic graph (DAG), which does not include block
structure and chain structure consisting of processes performed in connection with one another
[8]. Not only the micro payments are intended to be realized with the Tangle technology, but
also allow the Per to Per (P2P) communications to be performed offline and online. Figure 1
shows the timeline of the crypto from the past to the Iota crypto currency.
Figure 1. Timeline Of Crypto currency
2. Operations and structure of tangle
Tangle technology used in Iota and Iota's distributed ledger; does not use blocks or chains. In
Iota, the distributed ledger is stored on processes that have created nodes with one another [8].
Tangle is a node consisting of processes associated with one another. Tangle technology enables
distributed ledger to be held on the directed acyclic graph (DAG) without being held on the
blockchain. Thus, new user and transaction records in blockchain technology to the end of the
longest chain to solve the problem of scaling caused by the addition. The increase in the number
of transactions, with Tangle technology makes it possible to accelerate and scale up the
operations in an inverse manner [9]. Users operating on the Tangle network are considered to
be sites, whereby a transaction can be confirmed, the accuracy can be determined, and the site
to process the transaction to prevent spam transactions from being authenticated must approve
the two previous transactions. [8,10]. Approved transactions cannot be changed and cancelled
in the same way as Blokchain [7]. The inter-process connections in Tangle technology are
shown in Figure 2. It is seen that genesis sites on the right on the figure are in free form and
that the initial operations initiate the validation process and create a connection.
E-ISBN: 978-605-68882-5-0 93
Figure 2. Tangle (Directed Acyclic Graph – DAG) [8]
The number of coins is estimated to be the number that the Internet of Things (IoT) [6] can
reach. To determine this number, using the formula (333 - 1) / 2 , from the beginning 2, .779.
530. 283.277.761 coins were produced and genesis was achieved. Initially, all tokens were
produced in a block called Genesis [11].
3. Directed acyclic graph (DAG)
The corner points of the parts which are called as the site in Tangle represent one operation.
Corner connections show transaction approvals. To confirm the connections of the corners, ie
the transactions, the other two transactions must be approved. A random walk is carried out
when these two operations are selected. For each process approval, two walking is performed
and cumulative weights are selected. Then, two processes to be approved are connected with
the edge and transaction confirmation is completed. There is a structure that allows small
weighted branches to be connected to large weighted branches so that branching level does not
continue on one branch. Thus, the long chain problem faced by the blockchain structure is
avoided [8].
The genesis of directed acyclic graph is shown in Figure 3. Figure 3 Analyses a new transaction
when it comes to realization, it confirms 2 transactions before it. This confirmation process is
performed with directed edges as shown in the figure. There are no direct edges between process
A and process B. However, there are 2 edges that go from site A to site B. It is seen that it has
approved transactions of site B. In addition, it can be said that the system generated by the
system (Genesis) has been approved directly or indirectly [9].
E-ISBN: 978-605-68882-5-0 94
Figure 3. DAG Transaction Approving Structure [9]
Formation and proliferation of nodes shorten process approval times. If a transaction is weaker
than other transactions, the transaction edges are reduced. The processing site must create 2
edge and approve 2 other transactions in order to confirms the own transaction. Each site also
plays a role in making statistical calculations. [9]
Tangle performs random walks using the Markov Chain Monte Carlo algorithm to create
corner-edge combinations with new transactions [12]. Because the Tangle structure is variable,
Iota Foundation developers distinguish the elements of the Tangle structure with the parasitic
chain dynamics they define as a random chain [13].
4. IOTA
Iota should not be considered only as a crypto currency. Communication between machines can
be defined as a communication protocol that will play a role in the Internet of Thins such as the
realization of micro payments, communication of network based processing devices [7]. Easy
to use and effective for machine-to-machine communication. The number of nodes that can join
the network is very high [11].
As shown in Figure 4, the process validation time of IOTA’S appears to be 500 per second. In
addition, Bitcoin, the pioneer of crypto coins, is observed to perform transaction approval at
maximum 3-7 seconds per second. The high speed difference in the approval process between
ıota and bitcoin are noteworthy. The elimination of miners in Iota using Tangle technology
demonstrates the advantage of using DAG structure in process approval [14].
E-ISBN: 978-605-68882-5-0 95
Figure 4. IOTA Transaction Per Second Compare [14]
Each user or device in the structure referred to as Prof of Work is treated and approved. Table
1 lists the advantages and disadvantages of Iota with Tangle technology [7,15].
Table 2. Advantages and disadvantages of Iota and Tangle.
IOTA&TANGLE ADVANTAGE DISADVANTAGE

FEATURE
The number of transactions in the Scalable -
network increases the rate of
realization of transactions.
Technology Can Be Used Using Low-Level Welding Need -

Basic Sensors.
1 $ completely transfer as $ 1 when Commission-Free Fee Procedures Electric Costs of the

submitted. Computer Performing the
Process
Data is Delivered Encrypted High Security Data Transfer Lack of Intelligent Contract
System
Continuing transactions with the Performing an Offline Transaction -

network created by the devices in the
absence of Internet Connection
Using Ternary Logic Algorithm 0, 1 Providing Security Against -

and -1 Quantum Computer
a
References [7,15].
E-ISBN: 978-605-68882-5-0 96
5. IOTA Masked Authenticated Messaging (MAM)
Masked authenticated messaging (MAM), Iota Foundation's users who perform Iota operations
with the encryption they want; special, general, group filters, such as a platform that allows
them to share the message [16]. It was discovered by Iota Foundation as an experimental study.
Masked Authenticated Messaging (MAM) the second layer is the data communication protocol
that is created to enable data transfer over the distributed ledger. Iota allows its users to post
messages on the basis of adequate proof and transaction validation. The main reason for this is
to prevent spam in the network. In fact, It is stated for internet of things, that the devices are
created for remote control and update operations. There are many big companies trying this
system; Bosch, Ruuvi Labs ve Elaad[16]. The following figure 5 shows the communication of
2 objects in the Tangle network.
Figure 5. Working Principle of MAM Protocol [16]
It is mentioned as a structure that can fix to smart contract problems and contribute to the fog
computing [16].
6. Conclusion
The DAG system that underlies the Tangle technology, developed for the Internet of Things,
shows that many problems of Blokchain technology have been solved. Increasing popularity of
the concept of the Internet of Things necessitates the elimination of the weakness of the security
gaps that will occur when the interaction between data and communication is ensured. IOTA
hash cash which is using DAG system and it has many cyber security measures with its prof of
work structure. It is a fact that Iota should not only be considered as a crypto money and it has
E-ISBN: 978-605-68882-5-0 97
an important position in terms of the concept of industry 4.0. The offered scalability,
commission-free transaction processing, processing speed and quantum security solutions
contribute to attract attention to Iota. In the future, the data storage methods included in the
DAG concept will be the possible solution to the large data and the security of large data. In the
following years, the number of devices that can communicate with the need of a smart device,
such as a network, will increase and it is seen that these devices offer promising solutions that
seem to be able to meet their expectations at present. In addition, the ability to continue
operations offline, devices to create their own networks can be seen as a solution to the network
chaos in the coming years.
References
[1] S. Nakamoto, “Bitcoin: A Peer-to-Peer Electronic Cash System”, s. 9.
[2] “Cryptocurrency Market Capitalizations | CoinMarketCap”. [Çevrimiçi]. Erişim adresi:

https://coinmarketcap.com/. [Erişim: 30-Eyl-2018].
[3] İ. Kırbaş, “Blokzinciri Teknolojisi ve Yakın Gelecekteki Uygulama Alanları”, Mehmet Akif
Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Şub. 2018.
[4] M. Z. Gündüz ve R. Daş, “Internet of things (IoT): Evolution, components and applications
fields”, Pamukkale University Journal of Engineering Sciences, c. 24, sy 2, ss. 327-335, 2018.
[5] V. Negri Zamagni, “Franco Mosconi, The New European Industrial Policy. Global
competitiveness and the manufacturing renaissance”, L’industria, sy 2, ss. 367-369, 2016.
[6] D. Evans, “How the Next Evolution of the Internet Is Changing Everything”, s. 11, 2011.
[7] D. M ve N. B. Biradar, “IOTA-Next Generation Block chain”, International Journal Of

Engineering And Computer Science, c. 7, sy 04, ss. 23823-23826, Nis. 2018.
[8] “The Next Generation of Distributed Ledger Technology”. [Çevrimiçi]. Erişim adresi:
https://www.iota.org/. [Erişim: 30-Eyl-2018].
[9] “Meet the Tangle”. [Çevrimiçi]. Erişim adresi: https://www.iota.org/research/meet-the-tangle.

[Erişim: 30-Eyl-2018].
[10] “Tangle Nedir? – Technopara”. [Çevrimiçi]. Erişim adresi:

http://technopara.com/2017/12/14/tangle-nedir/. [Erişim: 30-Eyl-2018].
E-ISBN: 978-605-68882-5-0 98
[11] B. Breier, “Technical Analysis of the Tangle in the IOTA-Environment”, s. 103.
[12] Q. Bramas, “The Stability and the Security of the Tangle”, s. 17.
[13] P. Staupe, “Quasi-Analytic Parasite Chain Absorption Probabilities in the Tangle”, s. 13.
[14] “IOTA Nedir?”, IOTA Türkiye. .
[15] S. Popov, “On the timestamps in the tangle”, s. 3.
[16] P. Handy, “Introducing Masked Authenticated Messaging”, IOTA, 04-Kas-2017. [Çevrimiçi].

Erişim adresi: https://blog.iota.org/introducing-masked-authenticated-messaging-e55c1822d50e.
E-ISBN: 978-605-68882-5-0 99
Drying Modelling of Pear (Ankara Variety) Using Artificial
Intelligence Techniques
İ Kırbaş1, A D Tuncer2 and H Usta3
ismailkirbas@mehmetakif.edu.tr, atuncer@mehmetakif.edu.tr, husta@gazi.edu.tr
1
Department of Computer Engineering, Faculty of Engineering and Architecture, Burdur Mehmet Akif Ersoy
University, Burdur, TURKEY
2
Department of Energy Systems Engineering, Faculty of Engineering and Architecture, Burdur Mehmet Akif
Ersoy University, Burdur, TURKEY
3
Department of Energy Systems Engineering, Faculty of Technology, Gazi University, Ankara, TURKEY
Abstract
Compared with other drying methods, the best quality products are obtained by freeze drying.
In the freeze drying process, water or any solvent is decomposed as vapor by sublimation from
the material present in the vacuum environment. Freeze drying depends on varied parameters
such as drying time, temperature, vacuum pressure, product thickness, temperature of the drying
chamber and relative humidity and is quite complicated. In this study, artificial neural networks
were developed to estimate freeze drying behavior such as moisture ratio and moisture content
to remove this complexity. The experimental part of this study is carried out on pear variety
‘Ankara’. Pear samples were cutting into slices with 2x2x1 cm were investigated in freeze
dryer. As a result of modeling, R value is calculated as error indicator and high performance
over 0.9 value is provided. At the same time, the interface was designed in the MATLAB so
that the developed model could easily be used by users. Thus, when the time parameter is
entered, the moisture content can be calculated with high accuracy even when the desired
moisture content is entered.
Keywords: Ankara Pear, Drying, Freeze-Drying, Drying Modelling, ANN
1. Introduction
Pear is the common name of the tree species of Pyrus which is classified in the Maloideae
subfamily of the Rosaceae family and the edible fruits of some of these species. Pear is a species
grown in the temperate climate regions of the world, and most cultivars are either Pyrus
communis (European pear) or P. serotina (Japanese pear) [1]. After apple and grape, pear is
E-ISBN: 978-605-68882-5-0 100

the third important fruit which can be suitable for cultivation in temperate climates. The number
of pear varieties in the world is over 5000 and in TURKEY, which has very different ecological
conditions, it is reported that there are 640 pear varieties grown in each region and locally grown
[2]. The methods used in food preservation are pasteurizing, freezing, chemical processing,
salting, preserving and storing in an oxygen-free environment. Although it is possible to store
foods for a long time by taking advantage of ultraviolet and radioactive rays, it is the oldest
method of drying and finding the widest field of application among these applications. The long
drying time in the natural drying practices, the openness of the product to the environmental
effects and the decrease in nutritional values cause the quality and economic value loss of the
products. Therefore, drying of the drying process with special-purpose artificial dryers reduces
both the drying time and ensures a better quality and cleaner product with long shelf life. Freeze
drying process the best drying technology regarding quality of the end product. In the freeze
drying technology, the food is frozen first. The high vacuum applied to the chemical
dehumidifier or low-temperature condenser is then applied to the applied volume. The freeze-
drying technology is especially used in instant coffee production and is known as the best food
technology that protects the coffee aroma. In addition, freeze drying products used in pharmacy,
serum, pharmaceutical industry, bacterial cultures, fruit, fruit juices, vegetables and tea extracts,
meat and milk are used in many areas such as drying [3].
Silva et al. studied discontinuous drying of pears experimentally and theoretically. Results
showed that the increase in the number of pauses can lead to significant energy savings, and
that the naturally-discontinuous solar drying process is an effective method for such operations
[4]. Guine et. al. were developed a program to simulate the drying behavior of pears in a
continuous convective dryer. According to the results, drying should be carried out at 40 oC,
with a drying air velocity of 1.5 m/s and containing 60% relative humidity [5]. Hajar et. al.
designed a new type of solar collector for indirect solar drying of pear samples. Experiment
was continued 24 hours and results showed that the average thermal efficiency of the drying
chamber was 11.11 [6]. Özaydın and Özçelik investigated effects of different drying condition
and sample size on quality in pears. As a result, sun dried pears has more microbial load than
the oven dried pears [2]. In a study done my Guine, experimental validation of mathematical
prediction model of pear drying were conducted. Drying were carried out at three different
temperature. As a result of the study, it was observed that the model and experimental results
were in harmony [7]. M. Kaveh et al, developed and applied an adaptive neuro-fuzzy inference
system and Artificial Neural Networks model for predicting the drying characteristics of
E-ISBN: 978-605-68882-5-0 101

different agro-products at convective hot air dryer [8]. Menlik et al. were modelled freeze
drying behaviours of strawberries using artificial neural networks. R2, RMSE and MAPE have
been determined [9]. Younis et al were modelled infrared thin-layer drying of garlic slices.
Modified Henderson and Pabis model presented the best prediction of the drying of garlic slices
[10]. Kırmacı et al. carried out freeze drying experiments in their study and determined the
drying behavior of the products by Taguchi method. Apple slices in different thicknesses were
used in the study. MC, MR and DR values were successfully confirmed by this method [11].
This study presents modeling of ‘Ankara’ pear by freeze drying using artificial neural networks.
2. Theoretical Analysis
Moisture content is a measure of the contained moisture in the product. Moisture content
is expressed in two forms: % wet basis and % dry basis. Initial moisture content (dry basis)
of the pear samples have been calculated with the following equation [9].
𝑴𝑪𝒅 = (𝑴𝒊 − 𝑴𝒅 )/𝑴𝒅 (1)
Here, 𝑴𝒊 is initial wet weight (g), 𝑴𝒅 is final dry weight (g). Moisture ratio can be
estimated by means of the following equation [12]:
𝑴𝑹 = (𝑴 − 𝑴𝒆 )/(𝑴𝟎 − 𝑴𝒆 ) (2)
Here 𝑴𝒆 is equilibrium moisture content (g water/g dry matter), 𝑴𝟎 is initial moisture

content (g water/g dry matter).
The Multilayer Percepteron (MLP) consists of three or more node layers in a directed graph.
Each layer is completely dependent on each other. The network in this structure is defined as a
fully connected network. Each node, except for input nodes, consists of a process element or
neuron with a non-linear activation function. The MLP uses the controlled learning method
called back propagation to train the network. In a MLP type network structure, each node in a
layer is connected to each node in the following layer with a certain weight. The output layer is
calculated as shown in Equation (3).
𝒚𝒊 = 𝒇(∑𝒎
𝒋=𝟏 𝒘𝒊𝒋 𝒙𝒋 + 𝒃𝒋 ) (3)
Multilayer Percepteron is a method used to successfully overcome some difficult and various
problems. In this application, the error back-replication algorithm is usually implemented as a
training algorithm. Each neuron model in the network contains a non-linear state in the output.
E-ISBN: 978-605-68882-5-0 102

The important part here is that the non-linearity has a smooth transition compared to the sharp
transition function used in Rosenblatt's sensor.
3. Material and Method
3.1. Experimental Setup

Freeze-drying process was performed with Biobase-Biodustry model BK-FD12 freeze dryer
(cold trap temperature: -80/-55 oC, vacuum degree: ≤10 Pa, drying area: 0.12 m2). The weight
loss of the pear samples was followed by a Mettler Toledo model ML6002T/00 digital balance
located in center of the drying chamber. The capacity and accuracy of the digital balance were
6100 and ±0.01 g, respectively. View of fresh and dried pear slabs is given in Figure 1.
Figure 1. View of fresh and dried pear slabs.
3.2. Preparation of samples and drying

Fresh pears were taken from a local market, washed and peeled. Pear samples were cutting into
slabs with 1 cm thickness. The pear samples were taken as 50 gram for the experiment and the
sized samples spreaded into the tray of the oven by hand carefully. Mass measurements were
made every 30 minutes with a digital balance which was placed in drying chamber. The drying
was ended when it was observed that the value between two measurements was less than 1% and the
measured sample mass was accepted as the dry weight of the pear slabs. Figure 1 shows the view of
fresh and dried pear slabs.
4. Results and Discussion
The aim of the study is to model the pear slices using artificial neural network method. For this
reason, an artificial neural network that estimates the weight, MR and MC values of the dried
mass, which accepts the drying time, the cross-section and the heating temperature data, and
depending on these values, is modelled and trained by actual experimental measurements. There
E-ISBN: 978-605-68882-5-0 103

is one hidden layer in the used network and 10 neurons in this hidden layer. The structure of
the network formed is given in Figure 2.
Figure 2. Developed Artificial neural network structure.
The "Levenberg-Marqduart" method was used for network training. As a result, the
performance was evaluated according to the Mean Squared Error criterion and the training was
terminated. Figure 3 shows output and target values depending on function fit for output, Figure
4 shows iteration performance curves for the network. Even second epoch can reach the best
value which is shown in Figure 3.
E-ISBN: 978-605-68882-5-0 104

Figure 3. Illustration of the validation curves
Figure 4. Performance curves of improved neural network iteration
Figure 4 also depicts test, training, validation and overall regression performance clearly. All
of them means that the developed artificial neural network is trained well enough to predict the
target values such as moisture content, moisture ratio and mass. The regression plots for the
developed ANN is given in Figure 5.
E-ISBN: 978-605-68882-5-0 105

Figure 5. The regression plots for the developed ANN.
Figure 6 gives a clear picture of the developed model and its performance. Blue lines depict
measured values during the drying experiment. Red dotted lines also represent predicted values
produced by the developed artificial neural network model. Both lines are close each other so
that we can consider the predicted values are same as the measurement data and model is
successful.
E-ISBN: 978-605-68882-5-0 106

Figure 6. Comparison of measured data and model predictions.
5. Conclusion
Drying is the most common method for preservation of food and agricultural products and
their long-term use. The freeze-drying method is an important method in terms of
preserving the properties of the products that are closest to fresh. Although industrial
applications of freeze drying method are not very common, it is a working area which is
popular and has been researched since it is open to development. 15% of the test data
obtained from the experiment were reserved for the test and the MSE error rate was found
to be 0.069 according to the test results. The R value used for the error measurement was
close to 1 and 0.98 was obtained. It has been seen that the artificial neural network model
developed in the direction of the obtained results is quite successful and can be used safely
in practical applications. This study is a method that can be applied for other drying
methods except for freeze drying because of its high performance rate. At the same time,
this method is suitable for application in different food and agricultural products and it is
foreseen to help the related designers and engineers in terms of estimating the drying
characteristics of the food and agricultural products mentioned.
E-ISBN: 978-605-68882-5-0 107

References
[1] Öztürk G, Aşkın M A 2012 Akdeniz University Journal of the Faculty of Agriculture 25(2), 69-
72
[2] Özaydın A G, Özçelik S 2015 Fruit Science 3(1), 37-44
[3] Kırmacı V 2008 Gazi University Institute of Science and Technology
[4] Silva V, Figueiredo A R, Costa J J, Guine R P F 2014 Journal of Food Engineering 134, 30-36
[5] Guine R P F, Rodrigues A E, Figueiredo M M 2007 Applied Mathematics and Computation 192,
69-77
[6] Hajar E, Rachid T, Najib B M 2017 Energy Procedia 141, 29-33
[7] Guine R P F 2008 Food and Bioproducts Processing 86, 248-253
[8] Kaveh M, Sharabiani V R, Chayjan R A, Taghinezhad E, Abbaspour-Gilandeh Y, Golpour I

2018 Information Processing in Agriculture, 5(3), 372-387
[9] Menlik T, Kırmacı V, Usta H 2009 J. of Thermal Science and Technology 29(2), 11-21
[10] Younis M, Abdelkarim D, El-Abdein A Z 2018 Saudi Journal of Biological Sciences, 25, 332-
338
[11] Kırmacı V, Gülsevinçler E, Kaya H 2017 Nevşehir Journal of Science and Technology 6(2), 529-
540
[12] Kırmacı V, Usta H, Menlik T 2008 Drying Technology 26, 1570-1576
E-ISBN: 978-605-68882-5-0 108

Comparative Analysis of Distributed Confirmation Mechanisms
Used in Crypto Currency Applications
Nihat Yuva1, İsmail Kırbaş1
nihatyuva@ogr.mehmetakif.edu.tr, ismailkirbas@mehmetakif.edu.tr
1
Mehmet Akif Ersoy University, TURKEY
Abstract
This study examines the block chain and Tangle structures which constitute the technological
substructure of crypto money which is popular today. Block-chain infrastructure from
technologies called distributed acknowledgment mechanisms is used in the majority of crypto-
money. The Tangle distributed acknowledgment mechanism, which is called another
technological infrastructure, is envisaged as a new generation of the block chain. Distributed
approval mechanisms have been modelled by research and technologies have been analysed
comparatively. In this study, the advantages and disadvantages of distributed approval
technologies are presented and an in-depth analysis of theoretical information is aimed.
Keywords: Tangle, Blockchain, Distributed Confirmation Mechanisms
1. Introduction
Bitcoin, known since 2009, was discovered by Satoshi Nakamoto [1]. But it is not stated that it
was only developed by Satoshi. However, other developers have no information [2]. The basis
of Blockchain technology lies in the decentralization mechanism, independent of centrality.
Blockchain, which has a general structure throughout the world, also allows for secure money
payments in privacy [3].
The so-called distributed confirmation mechanism has become popular with Bitcoin. The key
passwords used in the distributed confirmation mechanism constitute the digital identities of
the users. Blockchain structure transactions cannot be reversed and cannot be deleted is another
feature [4]. Transparent transactions that everyone is seeing are approved by all. While there is
no one in the room, it's easy to steal something from the table, but when you have a lot of people
in the room, it's not easy to steal anything on the table. Blockchain can actually be viewed as a
public database or distributed ledger [5].
E-ISBN: 978-605-68882-5-0 109

However, in the near future, the blockchain infrastructure is predicted to be insufficient for the
concept known as the Internet of Things (IoT) [6], which is growing in popularity today [4]. In
the near future, it is thought that billions of objects will be able to make millions of transactions
in the context of the Internet of Things (IoT) concept [7]. Blockchain transaction fees and
measurability problems are predicted to cause major problems [4]. In response to this prediction
by the Iota Foundation, the new generation blockchain technology called Tangle was unveiled.
Tangle does not use block and chain structure and performs a validation process with a structure
called directed ascyclic graph (DAG). The structure of the DAG architecture enables the
realization of operations without the need for mining. Thus transaction fees have been
eliminated. DAG makes it possible to accelerate the transactions with the use of the system by
more users. Thus, it is aimed to prevent future IoT problems. In this study, it is aimed to perform
a detailed comparative analysis of Blockchain and Tangle technologies.
2. Blockchain and tangle comparative analysis
Blockchain technology is based on blocks and chains [2]. Tangle is composed of complex nodes
called DAGs [4]. The following figure 1 shows the structure of the technologies of Blockchain
and Tangle. Blockchain is observed that one of them is connected with a chain to one another
of the blocks, which is also being followed by a straight line. When the Tangle structure is
analysed, it is seen that Tangle is composed of nodes called sites and all sites are complex.
Figure 1. Connection Structure of Blockchain and Tangle [8]
When Blockchain blocks and Tangle nodes are examined details. The block structure consists
of data, hash, hash of provious block [3]. The data storage area in the blockchain blocks contains
the fare or data that is sent along with the sender and recipient information. The hash
information field on Blockchain's block contains the unique encryption information and the
fingerprint information of the block. Finally, the hash of the previous block field in the block
structure is used for authentication and authentication for the completion of the chain. Thus it
E-ISBN: 978-605-68882-5-0 110

protects the previous combined or integrated knowledge of the block to enable the correct
configuration of the block-chain. [1]. Figure 2 shows the data block, hash and hash of previous
block fields. In the data section, it is seen that the sender, receiver and quantity (fee)
information is stored and that the miners have auditing and approval procedures. A unique key
encryption is available in the Hash area, the fingerprint on the visual signifies that this
information in the block is the fingerprint of the block. In the block of hash the previous block
section is shown as the part where the blocks are connected to a chain. Here, the hash
information of the previous hash in the matching logic is provided with both validation and
validation procedures.
Figure 2. Blockchain Block Structure
Tangle, on the other hand, has sites in the structure called DAG. Figure 3 shows the appearance
and characteristics of a site that makes DAG. The concept of weight in the site shows how many
transactions. If this value is high, it shows the contribution to the Tangle structure as more
transaction approval and higher speed. When creating Tangle nodes, it obliges 1 site to perform
at least 2 transaction approval to obtain transaction approval. To make the 2 approval of the site
specified with Markov Chain algorithm, 2 random walk is performed. After this walk, all other
sites linked to a site ensure that the linked site has a cumulative weight [10].
E-ISBN: 978-605-68882-5-0 111

Figure 3. Site’s Structure Forming Tangle Network
Tangle works on the DAG and is completely different from the block structure of blockchain
technology [10]. When the structures are examined, unlike the blockchain technology, which
uses the block structure, Tangle only holds site weights and cumulative weights on tokens.
In Tangle, cumulative weights directly affect transaction approvals [10]. Figure 4 shows the
cumulative weight and the way the Tangle validation system works. The sites shown in green
have confirmed their approval to the site in pink. As the weights of the sites were given as 1,
the pink site's cumulative weight was determined as 6 when the total green sites and the weight
of the pink site were collected.
Figure 4. Tangle Cumulative Weight Calculation And Action

Confirmations
E-ISBN: 978-605-68882-5-0 112

Blockchain transaction approvals and blocks are interdependent with chains [9]. Figure 5 shows
the block structures and process confirmation sequences.
Figure 5. Blockchain Block Structure and Process
Blockchain control mechanism is carried out by hash controls [3]. With the control mechanism
of the tangles, site weights are controlled. If a transaction fails to approve other transactions,
the action is not approved and spammers and etc. are avoided [10]. Figure 6 shows blockchain
hash controls in the beginning, the Genesis code is taken because there is no previous hash code
for the first chain. Each added chain must then contain the previous hash code in the previous
hash field. Otherwise, the block is not approved and not included in the chain. The hash code
of block 2 is 8UT5. When block 3 is examined, secure connection is established as previous
code 8UT5. Otherwise it will be perceived as spam and will not be included in the chain.
Figure 6. Blockchain Hash Control Structure
Blockchain and Tangle's transaction approvals show that spam verification and safe validation
methods are available. However, the processing time in the blockchain is long [10].The longer
E-ISBN: 978-605-68882-5-0 113

the processing time, the longer the process in the case of spam processing causes. Figure 7
shows the blockchain transaction approval period and the extra approval period when the spam
block is found. When the figure is examined, it is shown that the processing times are 10
minutes.
Figure 7. Blockchain Hash Control Structure
When the distributed confirmation mechanism of Blockchain and Tangle technologies is

examined, it is seen that 1 transaction in blockchain operations is stored simultaneously in the
world [1]. When a new block is processed in Figure 8 below, it is observed that 3 miners must
approve the transaction and that this information is shared simultaneously to everyone within
the blockchain network.
E-ISBN: 978-605-68882-5-0 114

Figure 8. Distributed Approval Mechanism and Data Records
Structure of Blockchain
On Tangle, transactions are stored in the network on transaction approvals. It is not necessary
to use all the information on the network to ensure network operation and transaction approvals
are performed [10]. In the following Figure 9, a certain part of the web is used, while the
transaction confirmation is performed in a completely supplied Tangle network.
Figure 9. Distributed Approval Mechanism and Data Records

Structure of Tangle
Compared to structures, blockchain technology creates high storage space requirements with
mining needs. Tangle can be used to work with a specific part of the network and does not use
all the data in the network, thus saving data storage space. In addition, the power consumption
of the Tangle structure does not require a mining system saves energy.
E-ISBN: 978-605-68882-5-0 115

Blockchain technology enables transaction approvals and new blocks to be found using the
mining system. Miners receive commission fees, ie transaction fees, as a result of these
transactions [5]. According to Steamed data, transaction fees for 0.01 Bitcoin are given.
Transaction fees for low-level payments are rising [12]. Figure 10 shows the energy
consumption of miners worldwide. Increasing energy consumption every year is a major
problem.
Figure 10. Energy Consumption of Miners in the World by Years

[13]
Tangle technology does not need miners thanks to DAG; the participant's operations are not
approved without transaction approval within the system [14]. It is seen that the $ 5.01
transaction performed in Figure 11 is transmitted to the other participant in the same way
without interruption.
Figure 11. Transaction Fees in Tangle Technology
In response to the transaction fees and increasing energy consumption of mining operations in
Blockchain, the fact that the Tangle substructure eliminates the miners can be considered a great
advantage. Transaction validation times for Blockchain and Tangle technologies are also an
E-ISBN: 978-605-68882-5-0 116

important issue Bitcoin, which is using Blockchain technology, has a process approval time of
maximum 7. However, IOTA, which uses the Tangle technology, is said to have approved 500
transactions per second [8]. Figure 12 compares the process validation times of online payment
methods. When the figure is examined, it is seen that Vısa, one of the world's leading payment
methods, has approved 2000 transactions per second. Another popular method of payment is
Paypal 155, Ethereum (2017) 100, Ethereum (2016) 15.
Figure 12. Duration of Online Payment Methods Confirmation in

Seconds
Iota Foundation states the necessity of Tangle technology, arguing that billions of devices will
be actively in communication with the Internet of Things in relation to the approval of the
transaction [8]. It is possible to say that Tangle has the fastest process approval speed among
the existing distributed confirmation mechanisms. Figure 13 shows the data dated 27.09.2018
of transactions that have not yet been approved by the late validation of Blockchain technology.
Unapproved transactions displayed as 8384 are increasing [11].
Figure 13. Unapproved Transactions in Bitcoin [11]
E-ISBN: 978-605-68882-5-0 117

We can see that Blockchain technology is missing for the Internet of objects. Unlike these
process delays, with network participate increasing the Tangle structure increases the speed of
the network . The increase in the number of transactions in the Tangle structure shows that the
processing speed is increased and is scalable [4]. In Figure 14, the scalability for the frequency
of use is shown for the blockchain and Tangle.
Figure 14. Tangle and Blockchain Scalability Chart
As the use of Blockchain technology increases, its scalability decreases, whereas the Tangle
structure is the opposite.
Quantum computers are also an important problem for distributed confirmation mechanisms.
Blockchain structure is reported to be vulnerable to quantum computers. Tangle technology is
able to ensure superior security and confidentiality of encrypted data against Quantum
computers [8]. In Figure 15, a classical computer and a bit processing system of the quantum
computer are discussed. When the figure is examined, it is seen that a normal computer displays
bit operations between the input bit and the output bit. The qubit structure of the quantum
computer has the ability to output like input.
E-ISBN: 978-605-68882-5-0 118

Figure 15. Quantum and Classic Computer Working Structure
If the Blockchain structure is considered to be vulnerable in accordance with the above

information, it can be said that the distributed ledger, which cannot be changed retrospectively,
can be changed by the quantum computer. This situation shows that blockchain technology is
one of the biggest problems. The fact that Tangle technology has a protected structure for
quantum computers makes it one step further.
When the superiority of the two technologies against each other is examined, two different
concepts emerge:
The first is a smart contract and is characterized as a privilege provided by the blockchain
technology [1]. The intelligent contract system which is not in Tangle structure is a significant
deficiency. However, with the Masked Authenticated Messaging structure, which is revealed
as an experimental study, it is ensured that the sites that have transaction confirmations can
communicate directly with each other. In this way, communication between the desired devices
will be ensured, special messages can be transmitted and devices can be updated with remote
administration [15]. Figure 16 shows the MAM operating structure. Unauthorized users are
denied access to data.
E-ISBN: 978-605-68882-5-0 119

Figure 16. Masked Authenticated Messaging Structure
Comparative analyzes of Blockchain and Tangle are shown with details. Although there are
some small differences between them, it can be said that Tangle technology will be used as a
new generation of blockchain in terms of its working structure and facilities.
3. Conclusion
These two technologies, which should not only be considered as the concepts to be used in
crypto money; it is predictable that the future will also be used in secure messaging, secure
shopping, secure payment and secure communication. In this study, the distributed
confirmation mechanisms used in cryptocurrency applications were analyzed comparatively.
The advantages and weaknesses revealed by the analysis are for informative purposes only and
they are only suggestions. With the data obtained, it is possible that Tangle technology which
is in the near future target can be used in the IoT. However, the fact that its use is not widespread
has delayed the emergence of problems. Blockchain technology was introduced in 2007;
Following the emergence of the concept of the IoT in 2011, Tangle technology published the
White Paper in 2018, the solutions of the problems were put forward. Whether or not Tangle
technology can adapt to different developments in the near future is unclear. The analysis of
this research is intended to shed light on the studies to be carried out later and to convey detailed
analyzes.
References
E-ISBN: 978-605-68882-5-0 120

[1] S. Nakamoto, “Bitcoin: A Peer-to-Peer Electronic Cash System”, s. 9.
[2] E. Karaaslan ve M. F. Akbas, “BLOKZİNCİRİ TABANLI SİBER GÜVENLİK SİSTEMLERİ

”, ULUSLARARASI BİLGİ GÜVENLİĞİ MÜHENDİSLİĞİ DERGİSİ, c. 3, sy 2, ss. 16-21, Ara.
2017.
[3] İ. Kırbaş, “Blokzinciri Teknolojisi ve Yakın Gelecekteki Uygulama Alanları”, Mehmet Akif
Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Şub. 2018.
[4] B. Breier, “Technical Analysis of the Tangle in the IOTA-Environment”, s. 103.
[5] M. Crosby, “BlockChain Technology: Beyond Bitcoin”, sy 2, s. 16, 2016.
[6] K. Christidis ve M. Devetsikiotis, “Blockchains and Smart Contracts for the Internet of Things”,
IEEE Access, c. 4, ss. 2292-2303, 2016.
[7] M. Z. Gündüz ve R. Daş, “Internet of things (IoT): Evolution, components and applications
fields”, Pamukkale University Journal of Engineering Sciences, c. 24, sy 2, ss. 327-335, 2018.
[8] “The Next Generation of Distributed Ledger Technology”. [Çevrimiçi]. Erişim adresi:
https://www.iota.org/. [Erişim: 30-Eyl-2018].
[9] J. Yli-Huumo, D. Ko, S. Choi, S. Park, ve K. Smolander, “Where Is Current Research on

Blockchain Technology?—A Systematic Review”, PLOS ONE, c. 11, sy 10, s. e0163477, Eki. 2016.
[10] S. Popov, “On the timestamps in the tangle”, s. 3.
[11] “4128 Unconfirmed Transactions”. [Çevrimiçi]. Erişim adresi:

https://www.blockchain.com/btc/unconfirmed-transactions. [Erişim: 30-Eyl-2018].
[12] “How much will the bitcoin transaction fee cost? — Steemit”. [Çevrimiçi]. Erişim adresi:
https://steemit.com/btc/@soulaiman/how-much-will-the-bitcoin-transaction-fee-cost. [Erişim: 30-Eyl-
2018].
[13] “No, bitcoin isn’t likely to consume all the world’s electricity in 2020”. [Çevrimiçi]. Erişim
adresi: https://www.cnbc.com/2017/12/21/no-bitcoin-is-likely-not-going-to-consume-all-the-worlds-
energy-in-2020.html. [Erişim: 30-Eyl-2018].
[14] D. M ve N. B. Biradar, “IOTA-Next Generation Block chain”, International Journal Of

Engineering And Computer Science, c. 7, sy 04, ss. 23823-23826, Nis. 2018.
E-ISBN: 978-605-68882-5-0 121

[15] P. Handy, “Introducing Masked Authenticated Messaging”, IOTA, 04-Kas-2017. [Çevrimiçi].
Erişim adresi: https://blog.iota.org/introducing-masked-authenticated-messaging-e55c1822d50e.
E-ISBN: 978-605-68882-5-0 122

Stereo Kamera Yardımıyla İHA Iniş/Yakalama Mekanizmasının
Simülasyon Ortamında Kontrolü
S Çaşka1
serkan.caska@cbu.edu.tr
1
Manisa Celal Bayar University Mechanical and Manufacturing Engineering Department, TURKEY
Özet
Küçük insansız hava araçları ( İHA’lar) bir zemine iniş yaptığı sırada İHA gövdesine etki eden
rüzgar vs. etkenlerle hedeflenen iniş noktası ile gerçekte iniş yapılan nokta arasında yatay
düzlemde belli bir hata oluşmaktadır. Bu çalışmada, küçük veya taşınabilir boyutlara sahip
İHA’ların iniş yaparken yatay düzlemde yaptığı hatayı dikkate alarak hareket eden ve İHA’nın
hareketli bir zemin üzerine iniş yapmasını sağlayan bir sistemin simülasyon ortamında kontrolü
gerçekleştirilmiştir. Yapılan çalışmada kontrolü yapılan mekanizma havadan gözlem
faaliyetlerinin yürütüldüğü uygulamalarda kullanılabilecektir. İHA’nın gerçek çalışma
koşullarındaki konumunu takip etmek için stereo kamera sistemi kullanılmış ve İHA’nın stereo
kamera sistemine göre konum bilgileri OpenCV kütüphanesi kullanılarak elde edilmiştir.
İHA’nın konum bilgileri, yatay düzlemde hareket edebilen bir platform için hedef konum
bilgileri olarak kullanılmış ve platform üzerindeki bir robot kolun İHA’nın mevcut konumuna
göre yer değiştirmesi simülasyon ortamında sağlanmıştır. İHA, stereo kamera sistemine göre
belli bir dikey ve yatay mesafede iken platform üzerindeki bir İHA yakalayıcı robot kolun
kapanıp İHA’yı havada yakalaması simüle edilmiştir. İHA yakalayıcı robot kolun dinamik
denklemleri üzerinde yapay zeka tabanlı farklı otomatik kontrol yöntemleri simülasyon
ortamında denenerek uygun kontrolör algoritması tespit edilmiş ve sonuçlar tablo halinde
sunulmuştur.
Anahtar kelimeler: İnsansız Hava Aracı, Otomatik İniş Platform, Opencv Kütüphanesi, Stereo
Kamera Sistemi
E-ISBN: 978-605-68882-5-0 123

Control of Landing/Cathing Mechanism with Stereo Camera in
Simulation Conditions
Abstract
When a small unmanned aerial vehicle(UAV) descends to a floor, a certain error occurs in the
horizontal plane between real landing point and targeted landind point because of the wind and
other factors affecting the UAV. In this study, a control of a system that moves with
consideration of the error made by the UAVs with small or portable dimensions in the
horizontal plane during their landing and allows UAVs to land on a moving floor has been
carried out in simulation environment. The mechanism controlled in this study may be used in
applications where aerial surveillance activities are carried out. A stereo camera system was
used to monitor the position of the UAV in real working conditions and position information
of the UAV with respect to stereo camera system was obtained using the OpenCV library. The
position of UAV was used as the target position information for a platform that can move in the
horizontal plane, and the displacement of the robot on the platform relative to the current
position of the UAV was achieved in the simulation environment. When the UAV is at a certain
vertical and horizontal distance from the stereo camera system, an UAV catcher robot arm
placed on platform is acted and the UAV is captured in simulation environment. Several
artificial intelligence based automatic control methods are applied on the dynamic equations of
UAV catcher robot arm in simulation environment and the appropriate controller algorithm is
determined and the results are presented in table form.
Keywords: Unmanned Aerial Vehicle, Automatic Landing Platform, Opencv Library, Stereo
Camera System
1. Giriş
İnsansız hava araçları (İHA) günümüzede çoğunlukla askeri uygulamalarda kullanılmaktadır.

[1] İHA türleri başlarda keşif görevlerinde kullanılmış olmasına rağmen günümüzde önemli
hedeflere karşı kullanılan başlıca silah haline gelmiştir [2]. İHA ve İKA’ları kapsayan
çalışmalar gün geçtikçe artmaktadır [3]. Ayrıca, insansız araçların robot kümeleri halinde belli
görevlerde kullanılmasını içeren araştırmaların sayısında önemli bir artış olduğu görülmektedir
[4]. Bununla birlikte İHA’ların görev sürelerini arttırarak daha uzun süre ve etkin kullanılmasını
E-ISBN: 978-605-68882-5-0 124

hedefleyen araç tasarımları araştırmacıların ve konuyla ilgili kuruluşların ilgisini çekmektedir
[5] İHA’lar üzerine yapılan akademik çalışmaların gözlem, yol planlaması ve konumlandırma,
nesne takibi ve insansız araç gruplarının düzen kontrolü gibi alt başlıklara ayrıldığı
görülmektedir [6]. Buna ek olarak, İHA’ların bir zemine başarılı bir iniş yaptığı varsayıldıktan
sonra bataryalarının değiştirilmesini hedefleyen platform tasarımları da literatürde mevcuttur
[7]. Bu tasarımlarda bir platforma iniş yapabilmiş İHA’ların batarya değişimlerinin veya
batarya şarj işlemlerinin belli sürelerde gerçekleştirebildiği görülmüştür [8]. Literatürde yer
alan çalışmalar, İHA’ların bir platforma iniş yapma esnasında gerek çalışma şartlarında görülen
sorunlara tam anlamıyla çözüm sunmamaktadır. [9] Bu çalışmada küçük İHA’ların başarılı bir
iniş yapmasını amaçlayan yatay düzlemde hareket edebilen bir platformun simülasyon
ortamında kontrolü gerçekleştirilmiştir. [10]
2. Materyal ve Metod
Bu çalışmada önerilen sistemin gerçekleştirilesi için öncelikle dört rotorlu bir İHA üzerine
monte edilmiş bir İHA üstü yakalama aparatının 3 boyutlu tasarımı yapılmıştır. Şekil 1 a)’da
ve b)’de örnek bir dört rotorlu İHA üzerinde İHA üstü yakalama aparatı görülmektedir. Yapılan
tasarımda bu aparata bağlı olan bir motor sayesinde aparatın açılıp kapanabilmesi
amaçlanmıştır. Bu sayede İHA platform harici zeminlere de aparat kapalı durumdayken iniş
yapabilecektir.
Şekil 1. a) İHA üstü yakalama aparatının kapalı hali b) İHA üstü yakalama aparatının açık hali
Şekil 2’de önerilen platformun temel parçalarından olan İHA yakalama robotunun 3 boyutlu
tasarımı görülmektedir. İHA yakalama robotu İHA tasarlanan platformuna yaklaştığında Şekil
2’de görülen hedef İHA’yı havadayken İHA üstü yakalama aparatından yakalamaktadır. İHA
E-ISBN: 978-605-68882-5-0 125

yakalama robotu üzerindeki stereo kameralardan iletilen görüntüde tespit edilen İHA üstü
yakalama aparatının kameralara göre konumunu bir bilgisayar yardımıyla hesaplanmaktadır.
İHA üstü yakalama aparatı İHA yakalama robotuna göre uygun konumda iken İHA yakalama
robotunun kolları kapanmakta ve İHA yakalanmaktadır.
Şekil 2. İHA yakalama robotu
Şekil 3’te önerilen platformun bir dört rotorlu İHA’yı havada yakalama esnasında yandan ve
üstten görünüşüne ait ü boyutlu tasarım görülmektedir.
E-ISBN: 978-605-68882-5-0 126

Şekil 3. İHA iniş/yakalama mekanizması tasarımının yandan ve üstten görünüşü
Şekil 4’te önerilen platformun Şekil3’te görülen üç boyutlu modeli dikkate alınarak
gerçeklenmiş hali görülmektedir. İHA yakalayıcı robot kol PLA malzemeden katmanlı imalat
esaslarına göre üretilmiştir. Platform gövdesi ise sigma profilden imal edilmiştir.
Şekil 4. İHA iniş/yakalama mekanizması
Bu çalışmanın amacı bir İHA’nın takibini yapabilecek bir mekanizmanın matematiksel olarak
modellenmesi ve sonrasında simülasyon ortamında x ve y eksenlerindeki hareketin otomatik
kontrol algoritmaları yardımıyla kontrol denetlenmesidir. Bu sebeple dört rotorlu bir İHA
üzerine Şekil 5’te görülen 35 mm çapında kırmızı renkli bir işaret yerleştirilerek
matlab/simulink ortamında oluşturulmuş olan x ve y eksenlerine ait dinamik modellerin bu
işareti takip etmesi sağlanmıştır. Simulink ortamındaki modeller için set değerleri, İHA
yakalama robotu üzerine yerleştirilen bir stereo kamera sisteminden anlık olarak görüntüsü
alınan İHA üzerindeki işaretin Visual Studio c++ ortamında tanımlı olan OpenCV kütüphanesi
yardımıyla yatay ve dikey konumunun tespit edilmesi sonucunda elde edilmektedir. [11]
E-ISBN: 978-605-68882-5-0 127

Şekil 5. Dört rotorlu ve üzerine yerleştirilen işaret
3. Sonuçlar ve Yorumlar
Bu çalışmada, İHA yakalama ve iniş mekanizmasının x ve y eksenlerindeki doğrusal konum

kontrolü ile İHA yakalama robotunun tek serbestlik derecesi üzerindeki hareketinin açısal
konum kontrolü gerçekleştirilmiştir. Konum kontrollerinin gerçekleştirilmesi için genetik
algoritmalar ve parçacık sürüsü optimizasyonu yöntemlerinden faydalanılmış ve optimal PID
katsayıları elde edilmiştir. [12][13] Şekil 6’da genetik algoritmalar metoduyla x eksenindeki
konum kontrolü için tasalanan PID kontrolörün yapısı gösterilmiştir.
E-ISBN: 978-605-68882-5-0 128

Şekil 6. Genetik algoritmalar metoduyla x eksenindeki konum kontrolü için tasalanan PID kontrolör
Şekil 7’de parçacık sürüsü optimizasyonu metoduyla x eksenindeki konum kontrolü için
tasalanan PID kontrolörün yapısı gösterilmiştir.
Şekil 7. Parçacık sürüsü optimizasyonu metoduyla x eksenindeki konum kontrolü için tasalanan PID
kontrolör
Şekil 8’de genetik algoritmalar metoduyla y eksenindeki konum kontrolü için tasalanan PID
kontrolörün yapısı gösterilmiştir.
E-ISBN: 978-605-68882-5-0 129

Şekil 8. Genetik algoritmalar metoduyla y eksenindeki konum kontrolü için tasalanan PID kontrolör
Şekil 9’da parçacık sürüsü optimizasyonu metoduyla y eksenindeki konum kontrolü için
Şekil 9. Parçacık sürüsü optimizasyonu metoduyla y eksenindeki konum kontrolü için tasalanan PID
kontrolör
Şekil 10’da genetik algoritmalar metoduyla İHA yakalayıcı robot kolun konum kontrolü için
E-ISBN: 978-605-68882-5-0 130

Şekil 10. Genetik algoritmalar metoduyla İHA yakalayıcı robot kolun konum kontrolü için tasalanan
PID kontrolör
Şekil 11’de parçacık sürüsü optimizasyonu metoduyla İHA yakalayıcı robot kolun konum
kontrolü için tasalanan PID kontrolörün yapısı gösterilmiştir.
Şekil 11. Parçacık sürüsü optimizasyonu metoduyla İHA yakalayıcı robot kolun konum kontrolü için
tasalanan PID kontrolör
Önerilen mekanizmanın x ekseninin kontrolünde, genetik algoritmalar metodu ile elde edilen
kontrolörden yükselme zamanı ve maksimum aşma kriterleri açısından daha iyi sonuç verdiği
değerlendirilen parçacık sürüsü optimizasyonu metodu tercih edilmiştir. Şekil 12’de, parçacık
sürüsü optimizasyonu metodu ile elde edilen PID katsayıları ile x ekseni hareketinin kontrol
E-ISBN: 978-605-68882-5-0 131

edilmesine ait grafik görülmektedir. Dört rotorlu İHA stereo kamera üzerinde manuel olarak
hareket ettirilmiştir.
Şekil 12. Parçacık sürüsü optimizasyonu metoduyla x eksenindeki konum kontrolünün örnek bir set
değeri kümesi üzerinden yapılması
Önerilen mekanizmanın y ekseninin kontrolünde parçacık sürüsü optimizasyonu metodu ile

elde edilen kontrolörden yükselme zamanı ve maksimum aşma kriterleri açısından daha iyi
sonuç verdiği değerlendirilen genetik algoritmalar metodu tercih edilmiştir. Şekil 13’te, genetik
algoritmalar metodu ile elde edilen PID katsayıları ile y ekseni hareketinin kontrol edilmesine
ait grafik görülmektedir. Dört rotorlu İHA stereo kamera üzerinde manuel olarak hareket
ettirilmiştir.
E-ISBN: 978-605-68882-5-0 132

Şekil 13. Genetik algoritmalar metoduyla y eksenindeki konum kontrolünün örnek bir set değeri kümesi
üzerinden yapılması
Yapılan deneysel çalışmalar sonucunda sezgisel algoritmalardan olan genetik algoritmalar ve

parçacık sürüsü optimizasyonu metodlarının önerilen mekanizma ve robot kolun optimal
kontrolünde kullanılabileceği görülmüştür.
References
[1] Brooks R A 1997 From Earwigs to Humans (Robotics and Autonomous Systems) vol 20 p 291
[2] Çaşka S and Gayretli A 2014 CIE44&IMSS’14 Proceedings(İstanbul) p 453
[3] Tanner H G and Christodoulakis D K 2006 45th IEEE Conference on Decision and Control
(San Diego) p 5918
[4] Khaleghi A M, Xu D, Wang Z, Li M, Lobos A, Liu J and Son Y-J 2013 A DDDAMS-based
planning and control framework for surveillance and crowd control via UAVs and UGVs (Expert
Systems with Applications) vol 40 p 7168
[5] Saska M, Krajnik T and Preucil, L 2012 9th international multi conference on systems signals and
device(Chemnitz) p 141
[6] Chaimowicz L, Cowley A, Gomez-Ibanez D, Grocholsky B, Hsieh M A, Hsu H, Keller J F, Kumar

V, Swaminathan R and Taylor C J 2005 Deploying Air-Ground Multi-Robot Teams In Urban
Environment (Multi-Robot Systems: From Swarms to Intelligent Automata) vol 3 p 223
E-ISBN: 978-605-68882-5-0 133

[7] Giakoumidis N, Bak J U and Gomez J V 2012 10th International Conference on Frontiers of
Information Technology(İslamabad) p 204
[8] Suzuki K, Filho P and Morrison J 2012 Automatic Battery Replacement System for UAVs: Analysis
and Design (Journal of Intelligent and Robotic Systems) vol 65 p 563
[9] Fujii K., Higuchi K. and Rekimoto J 2013 IEEE 10th International Conference on Ubiquitous
Intelligence & Computing and 2013 IEEE 10th International Conference on Autonomic & Trusted
Computing(Vietri sul Mere) p 216
[10] Bolandi H, Rezaei M, Mohsenipour R, Nemati, H. and Smailzadeh S M 2013 Attitude Control of
a Quadrotor with Optimized PID Controller (Intelligent Control and Automation) vol 4 p 335
[11] Foggia P, Limongiello A and Vento M 1997 The Seventh International Workshop on Computer
Architecture for Machine Perception(Palermo) p 2190
[12] Goldberg D E 1989 Genetic algorithms and Walsh functions: Part I, A gentle introduction
(Complex Systems) vol 3 p 129
[13] Kennedy J, Eberhart R 1995 IEEE International Conference on Neural Networks(Perth, western
Australia) p 1942-1948
E-ISBN: 978-605-68882-5-0 134

Tahmin Edici Veri Madenciliği Algoritmalarının Performans
Karşılaştırması
Ş Can1, T Özdil1 , M Gerşil1
sengulcan54@gmail.com, tozdil12@hotmail.com, mustafa.gersil@cbu.edu.tr
1
Manisa Celal Bayar University, TURKEY
Özet
Teknoloji ve veri depolama kapasitesinin artması büyük veri (big data) kavramını ortaya
çıkarmıştır. Ancak saklanan büyük veri; içerisindeki gizli ve faydalı bilgi çıkarılmadığında
anlamsızdır. Büyük veri yığınları içerisindeki faydalı bilgilere veri madenciliği algoritmaları
kullanılarak erişilebilir. Veri madenciliği algoritmaları tahmin edici ve tanımlayıcı modellere
göre farklılık göstermektedir. Tahmin edici veri madenciliği, bir model oluşturmak amacıyla
veri setini analiz ederek yeni veri kümelerinin davranışlarını öngörmeye çalışmaktadır. Tahmin
ise; önemli veri sınıflarını açıklamaya yarayan modellerin çıkarılması veya gelecekteki veri
eğilimlerini tahmin etmeye yönelik olarak kullanılan bir veri analiz biçimidir. Bu tür analizler
geniş kapsamlı verilerin daha iyi anlaşılmasına yardımcı olmaktadır. Tahmin etmeye ilişkin iki
önemli adım bulunmaktadır; ilki veriyi tahmin etmek için hazırlama ikincisi ise farklı tahmin
edici modellerin karşılaştırılmasıdır. Gerçek veriye daha yakın tahminler yapabilmek tüm
disiplinlerde oldukça önemlidir. Modelleri karşılaştırma ölçütleri; doğruluk, hız, sağlamlık,
ölçeklenebilirlik, yorumlanabilirliktir. Mean Error (ME) – Ortalama Hata, Mean Absolute Error
(MAE) – Ortalama Mutlak Hata, Mean Square Error (MSE) – Ortalama Karesel Hata, Root
Mean Square Error (RMSE) – Kök Ortalama Kare Hatası, Mean Absolute Percentage Error
(MAPE) – Ortalama Mutlak Hata Yüzdesi değerleri performans karşılaştırması için
kullanılmaktadır. Bu çalışmada hangi algoritmaların hangi veri türlerine göre daha başarılı
sonuçlar ürettiğini göstermek için tahmin edici veri madenciliği algoritmalarının performansları
karşılaştırılmıştır.
Anahtar Kelimeler: Veri Madenciliği, Tahmin Edici Veri Madenciliği, Performans

Karşılaştırması
Performance Comparison of Predictive Data Mining Algorithms
E-ISBN: 978-605-68882-5-0 135

Abstract
The increase in technology and data storage capacity has led to the concept of large data.
However, large data which is stored has no meaning unless hidden and useful information is
not processed. The useful information in large data stacks can be accessed using data mining
algorithms. Data mining algorithms vary within predictor and descriptive models. The
predictive data mining is trying to predict the behavior of new data sets by analyzing the data
set in order to construct a model. The forecast is a form of data analysis that is used to explain
important data classes or to predict future data trends. This analyzes help to better understand
broader data. There are two important steps associated with predicting; in initial step, data are
prepared for prediction while in the second step, different predictive models are compared. It is
very important in all disciplines to make estimates closer to the real data. Model comparison
criteria are accuracy, speed, robustness, scalability, interpretability. Mean Error (ME), Mean
Absolute Error (MAE), Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean
Absolute Percentage Error (MAPE) are used for performance comparison. In this study,
estimation performances using predictive data mining algorithms were investigated to show
which algorithms produce more successful results for which data types. These results are
thought to contribute to obtaining more accurate results.
Keywords: Data Mining, Predictive Data Mining, Performance Comparison
1.Giriş
Bilgisayarların günlük yaşamda yaygın olarak kullanılması; coğrafi sınırları ortadan kaldırarak
hizmetin ve bilginin globalleşmesine neden olmuştur (Ekinci, 2009: 1).
Bilişim teknolojilerinin dört farklı temeli olan yazılım, donanım, son kullanıcı ve gelişen
toplumlar saklanan veri kapasitesini arttırmıştır. Bu noktada depolanan büyük miktardaki veri
içinden doğru ve gizli bilgiye ulaşabilmek kuruluşlara büyük avantaj sağlamaktadır. İş zekası
ve veri madenciliği uygulamaları büyük miktardaki veriden faydalı bilginin çıkarılması
aşamasında önemi giderek artan ve kullanımı yaygınlaşan alanlardır (Şekeroğlu, 2010:1).
Doğru ve anlamlı bilgiye erişim sürecinde; veri seti içerisindeki eksiklikler nedeniyle büyük
miktardaki veri üzerinde çalışabilmek bir sorun haline gelmiştir. Bu şekildeki sorunların
üstesinden gelebilmek ve doğru bilgiye ulaşabilmek için pek çok alanda veri madenciliği
uygulamaları kullanılmaktadır (Ekinci, 2009: 3). Yaşamın başlangıcından beri sahip olunan
veri içerisinden gizli kalmış örüntüleri arayan insanlık için veri madenciliği yeni bir anlayış
E-ISBN: 978-605-68882-5-0 136

değildir (Winnten vd., 2016: 4). Avcılar; hayvan göçlerini, çiftçiler; bitkilerin gelişimini,
politikacılar ise seçmenlerin görüşlerinde değişim örüntülerini ararken günümüzdeki
girişimciler ise kendi fırsatlarını yaratabilecek iş örüntülerini keşfetme niyetindedir (Gemici,
2012:3).
Dahası oldukça değişken bir yapıda olan piyasa koşulları nedeniyle tecrübe ve sezgilere
dayanarak alınan kararların yanlış olma olasılığı da oldukça yüksektir. Karar destek çözümleri
yanlış karar alma riskini azaltan bilgiye dayalı yönetimi öngören çözümler içerisindedir. Veri
madenciliği ise klasik karar alma tekniklerinden farklı olarak çok daha kapsamlı analiz
yapmakta ve işletmelerin daha etkin kararlar almasına imkan tanımaktadır (Tapkan ve Özmen,
2018: 713).
Veri madenciliği teknikleri işlevlerine gore; a)sınıflandırma ve regresyon, b)kümeleme,

c)birliktelik kuralları olmak üzere üç temel grupta yer alırlar. Tahmin edici modeller; sınıflama
ve regresyon tanımlayıcı modeler ise; kümeleme ve birliktelik kurallarıdır. Tahmin edici
modeller kullanılarak sonuçları bilinen veri setinden hareketle bir model geliştirilir ve
geliştirilen model kullanılarak sonucu bilinmeyen bir veri seti üzerinde tahmin işlemi
gerçekleştirilir (Ye, 2003).
Bu çalışma üç bölümden oluşmaktadır. Ilk bölümde veri madenciliği teknikleri açıklanacaktır.

İkinci bölümde tahmin edici veri madenciliği teknikleri kullanılarak gerçekleştirilmiş çalışma
örneklerine yer verilecektir. Son bölümde ise kullanılan tekniklerin performans ölçümlerinin
nasıl yapıldığına değinilecektir.
2.Veri Madenciliği Teknikleri
Veri madenciliğinde modelleme adımında elde edilen verilerden bilgi çıkarımı için çeşitli
çözümleme metotları bulunmaktadır. İnceleme yapılacak olan veri setine uygun model
belirlenip uygulanması sonrasında parametreler de uygun değişkenlere dönüştürülmelidir
(Albayrak ve Yılmaz, 2009: 37).
Tahminleyici ve tanımlayıcı modeller olarak ikiye ayrılan veri madenciliği tekniklerinde;

tahminleyici modeller sonucu bilinen veri seti üzerinde eğitilerek sonucu bilinmeyen veri seti
üzerinden tahmin işlemi gerçekleştirilmektedir. Tanımlayıcı modeller ise; veriler arasında
bulunan örüntü ve ilişkileri tanımlayarak karar vermeye yardımcı olur. Temel modeller
(Şekeroğlu, 2010: 35-36);
E-ISBN: 978-605-68882-5-0 137

• Sınıflandırma (classification)
• Kümeleme (Clustering)
• Birliktelik Kuralları (Association Rules)
Temel olan bu üç ek modelin yanında
• Tahmin (Estimation)
• Öngörme (Prediction)
• Zaman serisi analizi (Time Series Analyses)
• Sıralılık Keşfi (Sequence Discovery).
1.1. Sınıflama ve Regresyon
Sınıflandırma tekniği en çok bilinen veri madenciliği tekniklerindendir. Sınıflandırma tahmin

edici bir yöntemdir (Şekeroğlu, 2010: 37). Sınıflandırma yöntemi bir nesnenin özelliklerinin
incelenerek belirli sınıflar içerisinden hangisine ait olduğunun tespit edilmesi anlamına
gelmektedir (Alpaydın, 2000: 2).
Amacı temelde sınıflandırma modeli oluşturmak olan yöntem bir öğrenme algoritmasına
dayanmaktadır. Sınıflandırma işleminde bulunan bir sınıf hem sınıfsal hem de sürekli değerler
taşıyabilmektedir (Şekeroğlu, 2010: 37).
İstenilen bir değişken bağımlı ve onun dışında kalanlar bağımsız değişkenler olarak
adlandırılmaktadır. Buradaki amaç; tahmin edici olarak kullanılan girdi değişkenlerinin
bulunduğu bir modelde, çıktı olarak bağımlı bir değişkenin olduğu anlamlı bir model
kurulmasıdır. Burada eğer bağımlı değişken sayısal değil ise problem bir sınıflandırma
problemi, ancak bağımlı değişken sayısal bir değer ise regresyon problemi olarak
adlandırılmaktadır (Gülçe, 2010: 20). Yani sınıflama kategorik değerleri tahmin ederken,
regresyon ise sürekli değerlerin tahmininde kullanılabilir.
Sınıflama ve Regresyon modelinde kullanılan yöntemlerden başlıcaları aşağıdaki gibidir

(Gülçe, 2010: 20):
• Yapay Sinir Ağları (Artificial Neural Networks)
• Genetik Algoritmalar (Genetic Algorithms)
E-ISBN: 978-605-68882-5-0 138

• K-En Yakın Komşu (K-Nearest Neighbor)
• Karar Ağaçları (Decision Trees)
• Naive-Bayes
• Doğrusal Regresyon
• Lojistik Regresyon.
1.2. Kümeleme
Sınıflandırma yönteminde olduğu gibi kümeleme (clustering) eldeki verilerin gruplara

ayrılması temeline dayanmaktadır. Sınıflandırmada sınıflar daha önceden belirlidir ancak
kümeleme tekniğinde sınıflar daha önceden belli değildir. Yani sınıflandırmadan farklı olarak
kümeleme analizinde ne kadar grup oluşacağı da belirli değildir (Şekeroğlu, 2010: 61).
Kümeleme yöntemindeki amaç; üyelerinin birbirine benzer olduğu ancak özelliklerinin

birbirinden çok farklı olduğu kümelerin tespit edilmesi ve veritabanındaki bilgilerin elde edilen
bu farklı kümelere bölünmesidir. Kümeleme analizi yapılırken, veritabanındaki kayıtların hangi
kümelere ayrılacağı veya kümeleme işleminin hangi değişken özellikleri dikkate alınarak
yapılacağı bir uzman tarafından belirlenebileceği gibi kümeleme yazılımları tarafından da
yapılabilmektedir (Han ve Kamber, 2001: 383). Başlıca kümeleme yöntemleri ise şu şekilde
gösterilebilir (Özekes, 2003: 71):
• Bölme Tekniği (Partitioning Methods)
• Hiyerarşik Teknikler (Hierarchical Methods)
• Yoğunluk Tabanlı Teknikler (Density-based Methods)
• Izgara Tabanlı Teknikler (Grid-based Methods)
• Model Tabanlı Teknikler (Model-based Methods).
1.3. Birliktelik Kuralları
Büyük veri seti içerisindeki birliktelik kurallarının ortaya çıkarılması veri madenciliğinin en
önemli konularından biridir. Birliktelik kuralları bir arada ve sıkça görülen ilişkilerin ortaya
çıkarılması ve özetlenmesine imkan sunar. En önemli uygulama alanları içerisinde; Pazar sepet
analizi, çapraz-pazarlama, promosyon analizleri, katalog ve yerleşim düzeni tasarımı yer
E-ISBN: 978-605-68882-5-0 139

almaktadır. Birliktelik kuralı çıkarımı için kullanılan algoritmalar paralel ve ardışık olarak
sınıflandırılabilir. Ardışık algoritmalar ürün kümelerinin oluşturduğu ve sayıldığı mantıksal
ifadeleri içerirken, paralel algoritmalar ise büyük ürün kümelerinin paralellik esasıyla
oluşturulmasını sağlar (Erpolat, 2012: 138).
Tablo 1. Birliktelik Algoritmaları

Ardışık Algoritmalar Paralel ve Dağıtılmış Algoritmalar
AIS CD (Sayım Dağılımı)
SETM PDM (Paralel VM)
Apriori CCPD (Ortak Aday Bölünmüş Veri Tabanı)
Apriori-TID DD (Veri Dağılımı)
Apriori-Hybrid IDD (Akıllı Veri Dağılımı)
OCD (Sıradışı Aday Belirleme) HPA (Bağlantı Kurallarının Çırpı Temelli
Bölümleme Tekniği Paralel Madenciliği)
Örnekleme Tekniği PAR (Paralel Bağlantı Kuralları)
CARMA (Sürekli Bağlantı Kuralı) DMA (Dağıtılmış Madencilik Algoritması)
Madenciliği) Candidate Distribution (Aday Dağılımı)
DIC(Dinamik Nesne Sayımı) SH (Çarpık Taşıma)
FP-Growth HD (Hibrid Dağılımı)
Kaynak: Erpolat, 2012: 138
3.Tahminleyici Veri Madendiliği Teknikleri İle Gerçekleştirilmiş Örnek Çalışmalar
Burke vd. (1995) çalışmalarında, meme kanseri hasta sonuçlarını görebilmek için 1960’lı
yılların başından itibaren kullanılan evreleme sistemininin karışıklığa neden olduğunu görmüş
ve ellerindeki beş yıllık kanser verileri ile yeni tahmin modelleri geliştirmişlerdir. Sonrasında
geliştirilen modellerin doğruluklarını karşılaştırmış ve lojistik regresyon ve geri beslemeli
yapay sinir ağı modellerinin en iyi tahmin sonuçlarını veren modeller olduğunu görmüşlerdir.
Jerez-Aragonésa vd. (2003) çalışmalarında, meme kanseri hastalarında hastalığa neden olan
faktörler ile hastalık tanısı arasındaki etkileşimi tahmin etmişlerdir. Bu bağlamda yapay sinir
ağlarının, giriş verileri ile tahmin edilecek bilgiler arasında karmaşık doğrusal olmayan
etkileşimlerin olduğu veri kümelerini analiz etmek için güçlü bir araç olduğunu göstermişlerdir.
E-ISBN: 978-605-68882-5-0 140

Delen vd. (2004) çalışmalarında, meme kanserine olan yatkınlığı tahminlemişlerdir. Bu amaçla
sosyo-demografik bilgiler ve spesifik kanser bilgileri gibi içeriklere sahip 72 farklı niteliği
barındıran 433.272 adet kaydı incelemişlerdir. Bu veriler 1973-2000 yılları arasında SEER (The
Surveillance, Epidemiology, and End Results) programı tarafından tutulan verilerdir. Geçmiş
çalışmaları inceleyerek en yaygın kullanılan istatistiksel yöntemler olan yapay sinir ağı, karar
ağacı ve lojistik regresyon modellerini kullanmışlardır. Ellerindeki örnek veri seti için karar
ağacı tekniğinin %93,6 yapay sinir ağı tekniğinin %91,2 ve lojistik regresyon tekniğinin %89,2
doğruluk oranına sahip olduğu görülmüştür. Örnek veri setinde karar ağacı tekniğinin tahmin
sonuçlarında daha başarılı olduğu görülmüştür. Ancak Yapay sinir ağı tekniğininde hastalığın
seyrine etken olan faktörlerin önem önceliği açısından aydınlatıcı olduğu görülmüştür.
İbrahim ve Rusli (2007) çalışmalarında, kümülatif not ortalamaları üzerinden öğrenci başarısını
tahmin etmeye yönelik olarak veri madenciliği tekniklerinden yapay sinir ağı, doğrusal
regresyon ve karar ağacı teknikleri ile üç farklı model oluşturmuşlardır. Çalışma sonucunda her
üç modelin de %80 üzerinde doğruluk tahmini olduğunu görmüşlerdir ancak yapay sinir ağı
modeli tahmin başarısı en yüksek model olmuştur.
Geoffrey vd. (2007) çalışmalarında, elektrik enerji tüketim tahmini için üç farklı modelleme
geliştirmişlerdir. Regresyon analizine ek olarak karar ağacı ve sinir ağı modelleri de kullanılmış
ve yaz/kış sezonları için her bir yöntem ile farklı model geliştirmişlerdir. Oluşturulan
modellerin performansları karşılaştırıldığında; yaz döneminde karar ağacı modelinin daha
başarılı sonuçlar verdiği görülmüştür. Kış dönemi için ise yapay sinir ağı modeli daha başarılı
sonuçlar elde etmiştir. Bu durum yaz döneminde elektrik tüketimini etkileyen daha az nitelik
olması ve kış döneminde ise elektrik tüketimini etkileyen daha fazla nitelik olmasına
bağlanmıştır. Yani yapı basitse karar ağacı ancak yapı karmaşıksa yapay sinir ağı modelinin
daha başarılı tahmin sonuçları verdiği görülmüştür.
Álvarez Menéndez vd. (2010) çalışmalarında, 1999 ve 2007 yılları arasında topladıkları veriler
ile mamografi ile belirlenemeyecek küçüklükte tümörler için kanser tespitine yönelik olarak
yapay sinir ağları modeli ile çalışmışlardır. Çalışma kapsamında yapay sinir ağı, yapay sinir
ağının spesifik bir modeli olan SOM ( self organization map) ve bir regresyon tekniği olan
MARS (multivariate adaptive regression splines) yöntemlerini kullanmışlardır. Tercih edilen
tekniklerin performanslarını karşılaştırmak için genel performans ölçütlerine ek olarak
Youden’s index değerini de kullanmışlardır. Elde edilen sonuçlara göre yapay sinir ağlarının
spesifik bir modeli olan SOM tekniğinin en başarılı tahmin sonuçlarını elde ettiği görülmüştür.
E-ISBN: 978-605-68882-5-0 141

Saigal ve Mehrotra (2012) çalışmalarında, finansal bir zaman serisi verisinin tahmini için
excel’de çoklu regresyon, weka’da özel zaman serisi analizinin doğrusal çoklu regresyonu,
yapay sinir ağı R modeli ve yapay sinir ağı modellerini kullanmışlardır. Uygulama sonucunda
yapılan performans karşılaştırmasında weka programı ile yapılan zaman serisi analizinin
doğrusal çoklu regresyon modelinin diğer modellere göre daha iyi tahmin sonuçları verdiğini
gözlemlemişlerdir.
Şentürk ve Kara (2014) çalışmalarında, meme kanseri tanısı için yedi farklı veri madenciliği
algoritmasıyla tahmin eşlemi gerçekleştirmiş ve sonuçları karşılaştırmışlardır. Analiz için
diskriminant analizi, çok katmanlı yapay sinir ağı, karar ağacı, lojistik regresyon, destekçi
vektör makinesi, naif bayes ve k-en yakın komşu algoritmalarını tercih etmişlerdir. Yapılan
analiz sonucunda karşılaştırma işlemini doğru ve yanlış tahmin sayıları üzerinden yapmışlardır.
Yapılan inceleme sonucunda destekçi vektör makinesi algoritmasının en başarılı tahmin
sonucunu verdiği görülmüştür.
Shariri vd. (2015) çalışmalarında, öğrenci başarısını tahmin etmek için farklı veri madenciliği
teknikleri kullanmışlardır. Kullanılan teknikler içerisinde naïve bayes, karar ağacı ve yapay
sinir ağı teknikleri yer almaktadır. Tahmin performansını değerlendirme aşamasında yapay sinir
ağı yönteminin en başarılı tahmin sonuçlarını verdiğini görmüşlerdir.
Kayri (2015) çalışmasında, eğitim veri seti üzerinde iki farklı veri madenciliği tekniği ile
performans tahmini yapmış ve tahmin metotlarını karşılaştırmışlardır. Araştırma için kullanılan
teknikler çok katmanlı yapay sinir ağı ve radial temel fonksiyonudur. Yapılan karşılaştırma
sonrasında yapay sinir ağı tekniğinin daha başarılı tahmin sonuçları verdiği görülmüştür.
Kayri vd (2017) çalışmalarında, atmosferik ve fotovoltaik veri tahmini için 45.056 adet veri
içeren bir veri seti kullanmışlardır. Araştırma yöntemi olarak çoklu doğrusal regresyon, RF
(random forest) ve yapay sinir ağı tekniklerini tercih etmişlerdir. Araştırma kapsamında en
yüksek korelasyon değeri ve en düşük hata çoklu doğrusal regresyon-yapay sinir ağı modelinde
bulunmuştur. Bu modelin bağımlı değişkenlerin de etkisi gözardı edilmeden büyük ve karmaşık
veriler için oldukça başarılı tahminler yaptığı sonucuna ulaşılmıştır.
Sanchez-Pintoa vd. (2018) çalışmalarında, klinik veriler üzerinde tahmin performansını

araştırmışlardır. Klasik regresyon temelli ve modern karar ağacı yöntemlerinin performansının
veri setinin büyüklüğü ile ilişkili olduğunu ve klasik regresyon modelinin daha küçük boyuttaki
E-ISBN: 978-605-68882-5-0 142

veri setinde, karar ağacı yönteminin ise büyük veri setlerinde daha başarılı sonuçlar elde ettiğini
görmüşlerdir.
Sohrabi vd. (2018) çalışmalarında, meme kanserinin erken teşhisine yönelik iki farklı veri
madenciliği tekniğini kullanmış ve kullanılan tekniklerin tahmin performanslarını
karşılaştırmışlardır. Yöntem olarak çok katmanlı yapay sinir ağı ve C4.5 algoritmalarını tercih
etmişlerdir. 2.860 adet kayıt bulunan veri setinde RapidMiner programıyla analiz yapmışlardır.
Model karşılaştırmasında kullanılan değerler her iki model için de yakın sonuçlar vermiş yani
her iki model de yüksek tahmin başarısı yakalamıştır. Ancak çok katmanlı yapay sinir ağı
modelinin pozitif olgularda daha güvenilir tanı gösterdiği sonucuna ulaşmışlardır.
Bagriacika vd. (2018) çalışmalarında, Yeni Zelanda’ da deprem sonrası oluşan hasarlı su boru
hattına ait veri seti üzerinde hasar tahmini yapmak için dört farklı veri madenciliği tekniği
kullanmışlardır. Bu teknikler yapılan literatür incelemesi sonrasında; lojistik regresyon, BRT
boosted regression tree ), RF (random forest), ve RR (repair rate) olarak belirlenmiştir. Yapılan
analiz sonuçları karşılaştırıldığında ise BRT modelinin en başarılı tahmin sonuçlarını verdiği
görülmüştür.
Kılıç vd. (2018) çalışmalarında, yemekhane günlük talep tahmini için farklı veri madenciliği
teknikleri kullanmış ve performans karşılaştırması yapmışlardır. Analiz için Weka programında
Yapay Sinir Ağı, Destek Vektör Makinası ve Regresyon analizi teknikleri tercih edilmiştir.
Yapılan analizler sonucunda performans değerlendirmesinde üniversite gibi farklı davranışlara
sahip tüketici tipine göre farklı metotların baskın olduğu görülmüştür.
Yücesan (2018) çalışmasında, beyaz eşya sektöründe satış tahmini için üç farklı veri
madenciliği tekniği ile tahminleme yapmış ve tekniklerin performanslarını karşılaştırmıştır. 46
aylık satış verisi üzerinde yapay sinir ağı, Arıma ve Arımax modelleri ile tahminleme
yapılmıştır. Tahmin performansının karşılaştırılması sonrasında en başarılı tahmin sonuçlarının
yapay sinir ağı tekniği ile gerçekleştirildiği sonucuna ulaşılmıştır.
Ayrıca yapılan literatür taraması sonucunda elde edilen veriler üzerinden uygun bulunan veri
madenciliği teknikleri Tablo 2 ile kullanılan veri madenciliği tekniklerinin frekans dağılımları
da tablo 3 ile verilmiştir.
Tablo 2. Literatür Taramasına Göre Uygun Bulunan Veri Madenciliği Teknikleri

Sıra No Çalışmanın Adı Uygun Bulunan Veri Madenciliği Tekniği
E-ISBN: 978-605-68882-5-0 143

lojistik regresyon
01 Burke vd. (1995)
geri beslemeli yapay sinir ağı modeli
02 Jerez-Aragonésa vd. (2003) yapay sinir ağları
yapay sinir ağları
03 Delen vd. (2004) karar ağacı
lojistik regresyon
yapay sinir ağları
04 İbrahim ve Rusli (2007) karar ağacı
doğrusal tek değişkenli regresyon
Karar ağacı
05 Geoffrey vd. (2007)
Yapay sinir ağları
06 Álvarez Menéndez vd. (2010) Yapay sinir ağları (SOM tekniği)
Zaman serisi analizi

07 Saigal ve Mehrotra (2012)
Çoklu regresyon modeli
08 Şentürk ve Kara (2014) destekçi vektör makinesi
09 Shariri vd. (2015) Yapay sinir ağı
10 Kayri (2015) Yapay sinir ağları
çoklu doğrusal regresyon modeli

11 Kayri vd (2017)
yapay sinir ağı modeli
Klasik regresyon modeli

12 Sanchez-Pintoa vd. (2018)
Modern Karar Ağacı
13 Sohrabi vd. (2018) çok katmanlı yapay sinir ağı modeli
14 Bagriacika vd. (2018) BRT (boosted regression tree )
Yapay Sinir Ağı,
15 Kılıç vd. (2018) Destek Vektör Makinası
Regresyon analizi
16 Yücesan (2018) yapay sinir ağı
E-ISBN: 978-605-68882-5-0 144

Tablo 3. Veri Madenciliği Teknikleri Frekans Dağılımı
Sıra no Uygun Veri Madenciliği Tekniği Frekans
01 Lojistik regresyon 02
02 Geri beslemeli yapay sinir ağı modeli 01
03 Yapay sinir ağı modeli 09
04 Karar Ağacı 03
05 Doğrusal tek değşkenli regresyon 01
06 Yapay sinir ağları (SOM tekniği) 01
07 Zaman serisi analizi 01
08 Çoklu doğrusal regresyon modeli 04
09 Destekçi vektör makinesi 02
10 Modern Karar ağacı 01
11 Çok Katmanlı Yapay Sinir Ağı Modeli 01
12 BRT (boosted regression tree ) 01
Toplam 27
4. Sonuç
Gelişen teknoloji çağında finans, sağlık, eğitim ve işletme gibi pek çok alanda büyük veri setleri
oluşmaktadır. Büyük veri seti içerisinden son kullanıcının anlayıp yorumlayabileceği anlamlı
ve gizli bilgiyi çıkarmak ise kolay değildir. Bu aşamada yapay zeka, istatistik, makine
öğrenmesi gibi pek çok disiplini içerisinde barındıran veri madenciliği teknikleri devreye
girmektedir. Veri madenciliği teknikleri büyük veri seti içerisinden gerek anlamlı bilgiyi
çıkarmak gerekse de geleceğe yönelik tahminler yapmak için sıklıkla tercih edilen bir tekniktir.
Tahmin edici veri madenciliği eldeki büyük veri setini analiz ederek veri kümelerinin
davranışını tahmin etmeye çalışır.Tahmin önemli örüntüleri çıkarmak ve gelecekteki veri
trendlerini tahmin etmek için kullanılacak bir veri analiz türüdür. Bu tür analizler verinin daha
iyi anlaşılmasına olanak sunar. Tahmin edici modellerin performanslarının karşılaştırılması ise;
doğruluk, hız, güvenilirlik, ölçeklenebilirlik ve yorumlanabilirlik gibi nitelikler ile mümkün
olmaktadır. Model doğruluklarının ölçüldüğü kriterler ise; Mean Error (ME) – Ortalama Hata,
E-ISBN: 978-605-68882-5-0 145

Mean Absolute Error (MAE) – Ortalama Mutlak Hata, Mean Square Error (MSE) – Ortalama
Karesel Hata, Root Mean Square Error (RMSE) – Kök Ortalama Kare Hatası, Mean Absolute
Percentage Error (MAPE) – Ortalama Mutlak Hata Yüzdesi ölçümlerine dayanmaktadır.
Bu çalışma kapsamında tahmin edici veri madenciliği algoritmalarıyla gerçekleştirilmiş çalışma

örnekleri incelenmiştir. Yapılan literatür incelemesinde hangi veri madenciliği teknikleri
kullanılmış ve hangi tekniğin daha başarılı performans gösterdiği araştırılmıştır. İncelenen
çalışmalarda genellikle yapay sinir ağı, regresyon ve karar ağacı algoritmaları kullanılarak veri
tahminlemesi yapılmıştır. Kullanılan tekniklerin performansları karşılaştırıldığında ise ağırlıklı
olarak yapay sinir ağı algoritmasının veri tahmininde daha başarılı sonuçlar elde ettiği
görülmüştür. Yapay sinir ağı modelinin karşılaştırmaya dâhil olmadığı durumlarda ise
genellikle regresyon modelinin başarılı tahmin sonuçları verdiği görülmüştür. Veri tahmini için
kullanılan bağımlı ve bağımsız değişkenler ile verinin karmaşıklığının da önemli olduğuna
dikkat edilerek geleceğe yönelik tahmin işlemlerinde yapay sinir algoritmasının daha başarılı
tahmin sonuçları verdiği söylenebilir.
Kaynaklar
[1] Albayrak, S. ve Yılmaz, Ş.K. (2009). Veri Madenciliği: Karar Ağacı Algoritmaları ve İMKB
Verileri Üzerine Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi
Dergisi, 2009(14), 31-52.
[2] Alpaydın, E. (2000). Zeki veri madenciliği: Ham Veriden Altın Bilgiye Ulaşma Yöntemleri. Bilişim
2000 Eğitim Semineri. İstanbul, 2000.
[3] Álvarez Menéndez, L., Cos Juez, F.J., Sánchez Lasheras, F. ve Álvarez Riesgo, J.A. (2010). Artificial
neural networks applied to cancer detection in a breast screening programme. Mathematical and
Computer Modelling. 52, 983-991.
[4] Bagriacika, A., Davidsona, R. A., Hughesb, M.W., Bradleyc, B. A. ve Cubrinovskic M. (2018).
Comparison Of Statistical And Machine Learning Approaches To Modeling Earthquake Damage To
Water Pipelines. Soil Dynamics and Earthquake Engineering, 112, 76-88.
[5] Bunkar, K., Singh, U. K., Pandya, B. ve Bunkar, R. (2012). Data mining: Prediction for performance
improvement of graduate students using classification, in: Wireless and Optical Communications
Networks (WOCN), Ninth International Conference on, IEEE, pp. 1–5.
E-ISBN: 978-605-68882-5-0 146

[6] Burke, H.B., Rosen D.B. ve Goodman P.H. (1995). Comparing the prediction accuracy of artificial
neural networks and other statistical models for breast cancer survival. Advances in neural information
processing systems, vol. 7. Cambridge, MA: MIT Press; 1995 p. 1063—7.
[7] Delen, D., Walker, G. ve Kadam, A. (2004). Predicting Breast Cancer Survivability: A Comparison
Of Three Data Mining Methods. Artificial Intelligence in Medicine, 34(2)
[8] Ekinci, T. (2009). Veri Madenciliği ve Telekomünikasyon Sektöründe Uygulaması. (Yayınlanmamış

Yüksek Lisans Tezi). Manisa: Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü.
[9] Erpolat, S. (2012). Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori
ve FP-Growth Algoritmalarının Karşılaştırılması. Anadolu Üniversitesi Sosyal Bilimler Dergisi.
[10] Gemici, B. (2012). Veri Madenciliği ve Bir Uygulaması. (Yüksek Lisans Tezi). İzmir: Dokuz Eylül
Üniversitesi Sosyal Bilimler Enstitüsü.
[11] Geoffrey, K.F., Tso, Kelvin. ve Yau , K.W. (2007). Predicting Electricity Energy Consumption: A
Comparison Of Regression Analysis, Decision Tree And Neural Networks. ScienceDirect Energy, 32,
1761-1768.
[12] Gülçe, G. (2010). Veri Ambarı ve Veri Madenciliği Teknikleri Kullanılarak Öğrenci Karar Destek
Sistemi Oluşturma. (Yayınlanmamış Yüksek Lisans Tezi). Denizli: Pamukkale Üniversitesi Fen
Bilimleri Enstitüsü.
[13] Han, J. ve Kamber, M. (2001). Data Mining Concepts and Techniques. Morgan Kaufmann
Publishers Inc.
[14] Ibrahim, Z. ve Rusli D. (2007). Predicting Students’ Academic Performance: Comparing Artificial
Neural Network, Decision Tree And Linear Regression. 21. Annual SAS Malaysia Forum, 5th
September 2007, Shangri-La Hotel, Kuala Lumpur.
[15] Jerez-Aragonésa, J. M., Gómez-Ruiza, J. A., Ramos-Jiméneza, G., Muñoz-Péreza, J. Alba-Conejo,

E. (2003). A combined neural network and decision trees model for prognosis of breast cancer relapse.
Artificial Intelligence in Medicine. 27(1), 45-63.
[16] Kayri, M., Kayri, I. ve Gencoğlu, M.T. (2017). The Performance Comparison of Multiple Linear
Regression, Random Forest and Artificial Neural Network by using Photovoltaic and Atmospheric Data.
14th International Conference on Engineering of Modern Electric Systems (EMES). 1-4.
[17] Kayri, M. (2015). An Intelligent Approach to Educational Data: Performance Comparison of the
Multilayer Perceptron and the Radial Basis Function Artificial Neural Networks. 15(5).
E-ISBN: 978-605-68882-5-0 147

[18] Kılıç, F., Akkaya, M.R. ve Nemili, N. (2018). Yemekhane için Yapay Zekâ Teknikleri Kullanımı
ile Günlük Talep Tahmini, Avrupa Bilim ve Teknoloji Dergisi, 13, 65-71.
[19] Özekes, S. (2003). Veri Madenciliği Modeller Ve Uygulama Alanları. İstanbul Ticaret Üniversitesi
Dergisi. 3: 65-82.
[20] Shahiri, A. M., Husaina, W. ve Rashida, N. A. (2015). The Third Information Systems International
Conference. Procedia Computer Science, 72, 414 – 422
[21] Saigal, S. ve Mehrotra, D. (2012). Performance Comparison Of Time Series Data Using Predictive
Data Mining Techniques, BioInfo Publication, 4(1).
[22] Sanchez-Pintoa, L. N., Venableb, L. R., Fahrenbachc, J. ve Churpek , M. M. (2018). Comparison

Of Variable Selection Methods For Clinical Predictive Modeling, International Journal of Medical
Informatics, 116, 10-17.
[23] Sohrabi, S., Atashi, A., Dadashi, A. ve Marashi, S. (2018). A Comparative Study of Multilayer
Neural Network and C4.5 Decision Tree Models for Predicting the Risk of Breast Cancer. Archives Of
Breast Cancer, 5(1), 11-14.
[24] Şekeroğlu, S. (2010). Hizmet Sektöründe Bir Veri Madenciliği Uygulaması. (Yayınlanmamış
Yüksek Lisan Tezi). İstanbul: İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.
[25] Şentürk Karapınar, Z. ve Kara, R. (2014). Breast Cancer Diagnosis Via Data Mining: Performance
Analysis Of Seven Different Agorithms. Computer Science & Engineering: An International Journal
(CSEIJ), 4(1), 35-46.
[26] Tapkan, P.Z. ve Özmen, T. (2018). Bir Iplik Üretim Tesisinde Nitelik Seçimi Ve Sınıflandırma Ile
Iplik Kalitesinin Belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi. 24(4). 713-719.
[27] Witten, I. H. Frank, E. Hall, M. A. ve Pal, C. J. (2016). Data Mining: Practical machine learning
tools and techniques. Morgan Kaufmann.
[28] Ye N. The Handbook of Data Mining. 1st ed. Mahwah, NJ, USA, Lawrence Erlbaum, 2003.
[29] Yücesan, M. (2018). YSA, ARIMA ve ARIMAX Yöntemleriyle Satış Tahmini: Beyaz Eşya
Sektöründe bir Uygulama, Journal Of Business Research Turk, 10(1), 689-706.
E-ISBN: 978-605-68882-5-0 148

E-ISBN: 978-605-68882-5-0 149
Developing A Pipeline for Cleaning Twitter Data from Spam
Cemil Gündüz1, Ali Erbey1, İsmail Hakkı Kınalıoğlu1
cemil.gunduz@usak.edu.tr, ali.erbey@usak.edu.tr, ihakkikinalioglu@usak.edu.tr
1
Usak University, Usak, TURKEY
Abstract
Using twitter data for sentiment analysis is a popular method for academics and industry. Since
its first popularity, twitter is commonly used for spamming. Especially most posts in trending
topics are generated by spam users and applications. This decreases the usability of twitter data
for academic purposes. We aim to develop a pipeline to clean data from spam tweets and allow
academicians to generate appropriate subsets from their selection. In this study we first train a
classifier that eliminates spam tweets. For this purpose, we collected 3000 tweets from a
trending topic from twitter and classified them as spam/not spam. Then we collected user
information of these tweets so that we could reach users that sends spam tweets. The classifier
can detect spam messages with an accuracy 86% with just user information. Then the pipeline
lets users to select fields for their purpose and download it as json or MS Excel format.
Keywords: Twitter, Spam Detection, Data Cleaning
1. Introduction
Social networking sites (SNS’s) such as Facebook, LinkedIn and Twitter have affected people’s
daily lives by changing their communication and interaction habits. Social networks are
platforms that allow individuals to post their statuses and opinions about a subject, find users
that share similar opinions and communicate with each other. Individuals in these networks can
create single or bidirectional relationships [1].
After its launch in 2006, Twitter has grown rapidly and today it has become the most popular
microblogging site. It is one of the most used social networking sites, with 313 million monthly
active users and an average of 500 million daily posts [2]. Most of the users on Twitter are
public. This allows one-way relations to be made meaning you can see a user's posts without
getting their consent and interact with them without following or any relation with them [1].
E-ISBN: 978-605-68882-5-0 150

Because of the number of active users and daily posts reach very high dimensions, Twitter has
become the biggest target of malicious users who wants to distribute spam with various
purposes. Spams are messages that aims to deliver malicious and ad related content to users
through lots of medium. While real users try to avoid spam users, spam users (spammers) try
to show themselves as real users [1]. Spammers aim to phishing users, advertising or posting
malicious software. To accomplish these goals, they use environments such as email, social
networking sites, and comment sections of blogs [3].
Even if the aim of Twitter spam users is the same as other spammers like email or content
spammers, they had to changed their methods because of characteristic features of Twitter such
as the character limit. To disguise themselves as real users, twitter spammers can use methods
like following real users, sending directed replies to users with their names in it or changing
tweet text according to the subject [1]. Link farming, hacking trending topic list, phishing, bot
replies are mostly used twitter spamming methods [4-6].
Spam detection has been studied for a long time since the email spam detection. But Twitter
spammers generally protects themselves against these methods and also tweets are too informal
and short for classic text mining based detection. Besides, Twitter's character limitation does
not allow spammers to add enough content to phishing individuals. For this reason, spammers
generally use external web pages to give extra information and hide their malicious content
URLs with URL shortener services. And then distribute the URL with replying other users,
posting them on trending topics or by sending direct messages. When real users click the short
link, they will be redirected to the pages that contain malicious content and can be victims of
phishing, fake advertising or data breach.
Twitter uses the Report as spam button to enable users to block spam messages or posts they
received. But this is not an effective solution to fight spam since it is completely based on user
input. So Twitter also uses tools that leveraging machine learning methods to fight against
spam. According to Twitter, their spam detection tools have detected 10 million spam users in
May of 2018 [7]. This method also does not stop spammers to create new accounts and post
spam messages.
Researchers are also studying on spam detection at least up to Twitter. Because every researcher
has to go under a lot of data cleaning processes to clean their data so that they can work on it.
Data cleaning on Twitter data is one of the most time-consuming processes. Especially the data
collected from the trending topics has lots of spam tweets in them. And researchers need to
E-ISBN: 978-605-68882-5-0 151

clean and this spam tweets and then preprocess data to continue their research on sentiment
analysis or text mining.
The aim of this study is to develop a pipeline to enable researchers to clean their raw Twitter
data from spams and to create new subsets from the clean data. For this purpose, we trained a
neural network based classifier that can detect spam tweets. We then developed a tweet
preprocessor and let users to clean tweet text and create subsets that they need for their research.
2. Related Work
Twitter spam detection studies are mainly covered in three groups. These are a) studies that
only use tweet’s text via text mining, b) studies that tweet and the user who sends the tweet
considered together and c) the studies that examines spam related users’ relations and detect by
using these relations.
The text mining-based studies mainly focuses on tweet text. In these studies researchers first
extract features and then classify them with algorithms like naive bayes, j48 [8]. Feature
extraction sometimes followed by feature selection to increase classification accuracy and
decrease training time. Gupta and Kumar [9] used multiple linear regression to select important
features. Tweets’ other features like character counts, word counts, like or retweet counts are
also used in most researches.
Some researches consider user features when deciding if a user is a spammer or not. These
features could be account age, follower and follower counts, follower/following ratio, format
of profile page [10, 11]. But since these features are easily changeable by the user, it is
considered that they are less trustworthy [6, 11].
Since user features can easily change, some researchers examined relations of spammers with
other spam users or real users. They examine following/follower relations and build a network
for each user. Building these networks can be expensive in terms of computation time and
power and data collection time.
3. Architecture
The research has done in 3 phases: data collection, training classification model, and developing
data cleaning tool.
3.1 Data Collection
E-ISBN: 978-605-68882-5-0 152

In the study, we selected the method of evaluating user and tweet attributes for spam detection.
We chose this method because it is less costly in terms of data collecting and also it gives better
results regardless of tweet content since it is based on user features. In order for the classifier
to be trained, we needed to create a dataset that contains users that tweets spam content. To do
that we chose a trending topic in Turkish trending topic list and collected 15000 tweets with
Twitter public API. Then we removed duplicates, news content, the ones that only has URLs
and manually classified the rest as spam / not spam. The result was a dataset that contains 1666
spam and 2132 not spam tweets in a total of 3798 tweets.
Then to evaluate which users are likely to post spam tweets, we collected every user’s last
maximum 100 tweets. Since some of them does not have 100 tweets, we collected 305,604
tweets. We then processed these tweets for every user, removed some useless data like user
mentions and smileys in tweet text. Since tweets are informal texts, we then used some
autocorrection library and corrected the text from spelling errors. Then as a more complex
processing we derived some new features from these tweet data, like how frequent user has
tweeted or user’s tweets’ average character count or how many unique words tweeted in these
100 tweets. These derived data are represented as columns in the final data set.
The result of the data collection and pre-processing phase was a dataset containing 3798 rows
that represent every user and 22 columns that represents users’ features like user’s account age,
if the user has verified and how frequent a user used reply function when tweeting. The dataset’s
columns and every column’s data type and description are given in table 1.
E-ISBN: 978-605-68882-5-0 153

Table 1. Dataset features, data types and descriptions.
Column Name Data Type Description
location Boolean Whether the user stated a location on its profile
URL Boolean User has entered a URL in profile page
description Boolean If user has provided a description in profile page
Verified Boolean User profile has verified by Twitter
follower_count Integer User’s follower count
friend_count Integer User’s friend count
favorite_count Integer User’s tweets’ total favorite count
status_count Integer Total count of user’s tweets
account_age Integer User’s account age
default_profile Boolean If user has changed profile background
default_image Boolean If user has changed profile image
tweet_frequency Integer How frequent user has posted tweets*
hashtag_frequency Float How frequent user used a hashtag*
mention_frequency Float How frequent user mentioned another user*
url_frequency Float How frequent user gave a link in a tweet*
media_frequency Float How frequent user uploaded a media*
mean_favorite Float Mean of favorite counts of tweets*
mean_retweet Float Mean of retweet counts by other users*
reply_frequency Float How frequent user replied to other users*
chars_per_tweet Float Mean character count of user’s tweets*
unique_words Float User’s unique words divided by total words used*
Spam Boolean If user sends spam messages
*These fields has derived from users’ last 100 tweets.
3.2. Training
After the data set was obtained, the next step was to train the classifier to detect which tweet is
a spam and which is not. In order to do this, we used some light data transformation methods.
We normalized some of the features in the dataset with min-max normalization and converted
the values to be between 0 and 1. Then randomly chose 3000 records from the data and divided
them as training and validation with a ratio of 70% and 30%. A non-deep artificial neural
network architecture was used as the classifier algorithm. The neural network architecture was
presented in figure 1.
E-ISBN: 978-605-68882-5-0 154

Figure 1. Neural Network Architecture. Figure 2. Confusion Matrix of Spam Detection.
The neural network classification model trained with 5000 repetitive epochs using the keras
deep learning library installed on the Linux operating system. The validation accuracy of the
model was determined as 89.8%. In order to test the real-world performance of the model, we
used the 798 records which we separated from the training dataset. We feed the model with the
798 records and the model predicted them with 85.9% accuracy. We found that enough and
finished experimenting on model architecture. The complexity matrix of the prediction result
is presented in figure 2.
3.3. Developing the Pipeline
After the training of the classification model , we developed a web site to clean and preprocess
Twitter data with php programming language. The web page contains a file to collect tweets in
a suitable format. When users collected their data from twitter, they upload the file to the web
site, choose which attributes they need. When the pipeline processed the file, cleans the spam
records and outputs a file to be downloaded. The users can select from json or excel file types.
The pipeline also allows users to autocorrect their tweets’ text and remove unwanted text like
user mentions and smileys. But since the researchers does not have enterprise Twitter accounts,
data collection for spam detector takes a long time especially for big data sets.
4. Conclusion
E-ISBN: 978-605-68882-5-0 155

In this study we aimed to develop a pipeline that clean twitter data from spam tweets and let
researchers to create subsets of their datasets. Researchers who are working outside information
technologies field can easily remove unwanted attributes from tweets with the developed
pipeline. For the pipeline, we first collected and manually classified tweets. As a result we
prepared a dataset with 3798 records and trained a classifier to detect spam tweets. The classifier
achieves a 85.9% accuracy rate on detecting spam. We then developed a web site for the
pipeline and publicly opened it for access at "www.netderslerim.com/tweet-cleaner". Users of
the pipeline can upload their datasets then create and download subsets in their preferred file
format.
The pipeline now only uses public Twitter API keys provided by the researchers and it takes a
long time to collect data for spam detection. As a future research, we are planning to release the
pipeline as a standalone software. So that users can provide their own API keys and clean data
faster.
References
[1] Yardi S, Romero D and Schoenebeck G 2009 Detecting spam in a twitter network. First Monday.
15(1):
[2] socialbakers. Twitter Statistics: Social Bakers; 2018 [Available from:

https://www.socialbakers.com/statistics/twitter/.
[3] Song J, Lee S and Kim J, Spam filtering in twitter using sender-receiver relationship. International
workshop on recent advances in intrusion detection; 2011: Springer.
[4] Sedhai S and Sun A 2017 Semi-supervised spam detection in Twitter stream. IEEE Trans Comput
Soc Syst PP. 99:
[5] Hu X, Tang J and Liu H, Online Social Spammer Detection. AAAI; 2014.
[6] Martinez-Romo J and Araujo L 2013 Detecting malicious tweets in trending topics using a
statistical analysis of language. Expert Systems with Applications. 40(8): p2992-3000.
[7] Roth Y and Harvey D. How Twitter is fighting spam and malicious automation Twitter Blog:
Twitter; 2018 [Available from: https://blog.twitter.com/official/en_us/topics/company/2018/how-
twitter-is-fighting-spam-and-malicious-automation.html.
E-ISBN: 978-605-68882-5-0 156

[8] Shekar C, Wakade S, Liszka KJ and Chan C-C, Mining pharmaceutical spam from twitter.
Intelligent Systems Design and Applications (ISDA), 2010 10th International Conference on; 2010:
IEEE.
[9] Gupta DK and Kumar A, Spam And Sentiment Analysis Model For Twitter Data Using Statistical
Learning. Proceedings of the Third International Symposium on Computer Vision and the Internet;
2016: ACM.
[10] Lee K, Caverlee J and Webb S, Uncovering social spammers: social honeypots+ machine
learning. Proceedings of the 33rd international ACM SIGIR conference on Research and development
in information retrieval; 2010: ACM.
[11] Chen C, Zhang J, Chen X, Xiang Y and Zhou W, 6 million spam tweets: A large ground truth
for timely Twitter spam detection. Communications (ICC), 2015 IEEE International Conference on;
2015: IEEE.
E-ISBN: 978-605-68882-5-0 157

Studies on Photon Interaction for Some Ni Based Super Alloys in
The Continuous Energy Region
M Büyükyıldız*1, M Kurudirek2
m.buyukyildiz@gmail.com, mkurudirek@gmail.com
1
Termal Vocational School, Yalova University, 77400 Yalova, TURKEY,
2
Faculty of Science, Department of Physics, Ataturk University, 25240, Erzurum, TURKEY
Abstract
Radiological properties of some Ni based super alloys were investigated for photon interaction
parameters such as mass attenuation coefficient (μ/ρ), effective atomic number (Zeff), electron
density (Neff) for shielding applications. Mass attenuation coefficients of the materials were
firstly calculated by WinXCom program, afterthat effective atomic numbers (Zeff) and electron
densities (Neff) were calculated in the energy region 1 keV-100 MeV. Variations in Zeffs and
Neffs of given super alloys have been studied according to photon energy and significant
variations have been observed in the given energy region. The maximum and minimum values
of Zeff have been found in the different energy regions due to different photon interaction
processes remarkably and variation in Neff seems approximately to be same with variation in
Zeff for the given super alloys as expected. Also MFPs of the materials were obtained and
compared with the some standard shielding concretes at some energies. It is believed that
reported data is significant for potential radiation application of the materials.
Keywords: Effective Atomic Number, Electron Density, Photon İnteraction
1. Introduction
Super alloys are significant materials for different application fields. For example it can be the
core classes of structural materials or it can be used as vessels in the steels, breeder blanket etc.
In addition, super alloys can have different radiation shielding applications in nuclear
engeneering, reactors, shielding technology due to their chemical contents or heavy metals.
Therefore, their physical especially radiation shielding quantities should be determined for
E-ISBN: 978-605-68882-5-0 158

charged and uncharged radiation such as photon and heavy ions. Literature has some studies
for different alloys in terms of radiation application [1-8].
In the present study, radiation shielding properties of Ni based superalloys such as effective
atomic number, electron density, mass attenuation coefficient and mean free path have been
investigated in the continuous energy region. For this aim, Mass attenuation coefficients of the
materials were firstly calculated by WinXCom program [9]. After that effective atomic number
and electron density of the materials have been calculated by direct and interpolation methods.
And relative differences (%) in effective atomic numbers have been calculated in the energy
region 1 keV – 100 MeV. Mean free paths of the materials have been calculated and some
values have been compared with some shielding concretes at the some photon energies.
Chemical compositions and densities of the super alloys are shown in Table 1.
Table 1 Chemical compositions (wt.%) of Ni-based superalloys [10]

Density
Alloy Al Ti V Cr Co Nb Mo Ta W Hf (g.cm3)
Nasair 100 5.75 1.20 9.00 1.00 3.30 10.50 8.54
CMSX-3 5.60 1.00 8.00 4.60 0.60 6.00 8.00 8.60
CMSX-6 4.80 4.70 9.80 5.00 3.00 2.00 0.10 7.98
12.0
PWA 1480 5.00 1.50 10.00 5.00 0 4.00 0.10 8.70
SRR 99 5.50 2.20 8.00 5.00 3.00 10.00 8.56
RR 2000 5.50 4.00 1.00 10.00 15.00 3.00 7.87
René N4 3.70 4.20 9.00 8.00 0.50 2.00 4.00 6.00 8.56
AM1 5.20 1.10 7.80 6.50 2.00 7.90 5.70 8.60
AM3 6.00 2.00 8.00 5.50 2.25 3.50 5.00 8.25
2. Methods
2.1 Direct method
The effective atomic numbers of some alloys can be calculated by the following practical
formula [11]:
E-ISBN: 978-605-68882-5-0 159

 f i Ai (  )i
Z eff = i (1)
Aj
 fj Z (  ) j
j j
where f i is the molar fraction, Ai is the atomic weight [23], Z j is the atomic number, (   ) i
is the mass attenuation coefficient. The total mass attenuation coefficients of elements present
in the glass systems have been obtained from the WinXCom [10,11] computer program.
2.2 Interpolation method
The attenuation cross section values of alloys can be interpolated in the attenuation cross
section values of elements generated from WinXCom at the selected energy to calculate the
effective atomic number (Zeff) using the following logarithmic interpolation formula [12]:
Z1 (log 2 − log ) + Z 2 (log − log 1 )

Z eff = (2)
log 2 − log 1
where 1 and 2 are the elemental cross section (barns/atom) in between which the atomic cross
section  of the alloy lies and Z1 and Z2 are atomic numbers of the elements corresponding to
the cross sections 1 and 2, respectively. After that effective electron densities (Neff) of the
materials for photons have been calculated through the below formula:
𝑛𝑍𝑒𝑓𝑓 𝑍𝑒𝑓𝑓 𝑒𝑙𝑒𝑐𝑡𝑟𝑜𝑛𝑠

𝑁𝑒𝑓𝑓 = 𝑁𝐴 ∑ = 𝑁𝐴 <𝐴> ( ) (3)
𝑖 𝑛𝑖 𝐴𝑖 𝑔
where < 𝐴 > is the average atomic mass of materials.
Finally mean free paths of the materials have been calculated through the below formula:
1
𝑀𝐹𝑃 = 𝜇 (4)
where 𝜇 is the linear attenuation coefficient of any material.
3. Result and discussions
The use of the radiation in material sciences is very important in terms of radiation interaction
parameters which can be used in shielding technology. Thus, it is essential to determine these
parameters of the significant materials for potential applications. In the present study, mass
E-ISBN: 978-605-68882-5-0 160

attenuation coefficients, effective atomic numbers, electron densities of Ni based super alloys
have been calculated in the continuous energy region. Also for Zeff and Neff different methods
have been used for comparison. Fig. 1 shows mass attenuation coefficients of the materials. It
decreases sharply with increasing energy at lower photon energy. Figs. 2 (a-b) show variation
in Zeff and Neff obtained from interpolation method for the materials.
1E-3 0.01 0.1 1 10 100 1000 10000 100000

50 50
a)
Nasair 100
CMSX-3
CMSX-6
Effective atomic number
45 45
PWA 1480
SRR 99
RR 2000
40 40
René N4
AM1
AM3
35 35
30 30
25 25
1E-3 0.01 0.1 1 10 100 1000 10000 100000
Energy (MeV)
1E-3 0.01 0.1 1 10 100 1000 10000 100000
b)
Nasair 100
CMSX-3
CMSX-6
Neff (10 electrons/g)
PWA 1480
SRR 99
4 4
RR 2000
René N4
AM1
AM3
24
3 3
1E-3 0.01 0.1 1 10 100 1000 10000 100000
Energy (MeV)
Figure 2. Zeff and Neff of the materials for interpolation method.
It is well known that variation of Zeff (and Neff due to relation with Zeff) with energy is mainly
dominated by different partial photon interaction processes namely photoelectric absorption,
Compton scattering and pair production in the continuous energy region. From the Figure 2,
E-ISBN: 978-605-68882-5-0 161

below 100 keV the variations in Zeff are not uniform which may be due to the non-uniform
variation of mass attenuation coefficients in this energy region. In addition it can be seen that
the variations for low energy region (<100 keV) where photoelectric absorption is dominant is
higher than for high energy region (>5MeV). On the other hand, Neff shows same qualitative
energy dependence as Zeff due to close relation between Zeff and Neff. Figs. 3 (a-b) show variation
in Zeff and Neff obtained from direct method for the materials.
1E-3 0.01 0.1 1 10 100 1000 10000 100000

50 50
Nasair 100
a) CMSX-3
CMSX-6
Effective atomic number
45 45
PWA 1480
SRR 99
RR 2000
40 40
René N4
AM1
AM3
35 35
30 30
25 25
1E-3 0.01 0.1 1 10 100 1000 10000 100000
Energy (MeV)
1E-3 0.01 0.1 1 10 100 1000 10000 100000
Nasair 100 CMSX-3 CMSX-6
b) PWA 1480
René N4
SRR 99
AM1 AM3
RR 2000
Neff (10 electrons/g)
4 4
24
3 3
1E-3 0.01 0.1 1 10 100 1000 10000 100000
Energy (MeV)
Figure 3. Zeff and Neff of the materials for direct method.
It can be said that Zeffs and Neffs show similar properties of photoelectric absorption and
Compton scattering processes with photon energy for direct method. However in the present
study, differences (%) in Zeff were shown for comparison of the direct and interpolation methods
in the continuous energy region in Figure 4.
E-ISBN: 978-605-68882-5-0 162

1E-3 0.01 0.1 1 10 100 1000 10000 100000
40 Nasair 100 CMSX-3 CMSX-6 40

Relative differences in Z eff for
PWA 1480 SRR 99 RR 2000

30 René N4 AM1 AM3 30
different methods (%)
20 20
10 10
0 0
-10 -10
-20 -20
-30 -30
-40 -40
1E-3 0.01 0.1 1 10 100 1000 10000 100000
Energy (Mev)
Figure 4 Differences between the direct and interpolation methods with respect to the effective atomic
numbers
At lower energies (<100 keV) discrepancies in Zeff for the methods are higher than for high
energy region (>5MeV) which might be attributed to the greater Z dependence of photoelectric
absorption than the pair production. After 100 MeV the two methods are in good agreement for
calculating Zeff. One of the most important shielding properties is the mean free path (MFP)
which is the average distance between two successive interactions. The obtained MFP results
are compared with the MFP values of some standard radiation-shielding concretes at the same
photon energies in Table 2 [13].
E-ISBN: 978-605-68882-5-0 163

Table 2 MFP values of investigated materials and some shielding
concrets at some photon energies.
Materials 356 keV 662 keV 1173 keV 1332 keV
Nasair 100 0.97 1.50 2.06 2.21
CMSX-3 0.96 1.49 2.05 2.20
CMSX-6 1.19 1.66 2.23 2.38
PWA 1480 0.94 1.47 2.03 2.17
SRR 99 0.98 1.50 2.06 2.21
RR 2000 1.24 1.70 2.27 2.42
René N4 1.01 1.52 2.07 2.22
AM1 0.96 1.49 2.06 2.20
AM3 1.06 1.57 2.15 2.29
Ordinary 4.30 5.58 7.33 7.82
Hematite–serpentine 3.92 5.19 6.85 7.30
Ilmentite–limonite 3.45 5.57 6.03 6.44
Basalt–magnetite 3.25 4.28 5.63 6.01
Ilmenite 2.86 3.80 5.01 5.35
It can be said that due to the lower MFP values, investigated materials are better radiation
shielding materials than standard shielding concretes at the same energies.
4. Conclusions
In the present study, radiation interaction parameters such as mass attenuation coefficient (μ/ρ),
effective atomic number (Zeff), electron density of some Ni based super alloys were
investigated, and evaluated with photon energy and each other. Effective atomic numbers (Zeff)
and electron densities (Neff) were calculated in the energy region 1 keV-100 MeV. It can be
concluded that Zeff and Neff have higher variations at lower energies, but values of Zeff and Neff
seem to be same at the higher energies in which pair production is dominant. Investigated Ni
based super alloys were found to be superior shields than standard shielding concretes at the
some photon energies because of lower MFP values. It should be also noted that more
experimental results are needed to confirm for use as radiation shielding materials.
E-ISBN: 978-605-68882-5-0 164

References
[1] El-Kateb AH, Rizk R, Abdul-Kader AM 2000 Ann. Nucl. Energy 27 1333
[2] Han İ, Demir L 2009 Radiation Measurements 44 289
[3] Singh G, Singh M, Sandhu BS, Singh B 2008 Applied Radiat. Isotop. 66 1151
[4] Murty VRK 2004 Radiat. Phys. Chem. 71 667
[5] Perişanoğlu U, Demir L, 2015 Radiat. Phys. Chem. 110 119
[6] Korkut T, Aygün B, Bayram Ö, Karabulut A 2015 J. Radioanal. Chem. 306 119
[7] Buyukyıldız M, Kurudirek, M 2017 Can. J. Phys. 95 402
[8] Buyukyıldız M, Kurudirek, M 2016 Nucl. Technol Radiat. Protec. 31 327
[9] Gerward L, Guilbert N, Jensen KB, Levring H 2004 Radiat.Phys. Chem. 71 653
[10] Caron P, Khan T 1999 Aerosp. Sci. Technol. 3 513
[11] Manohara SR, Hanagodimath SM, Thind KS, Gerward L 2008 Nucl. Instrum.
Methods B 266 3906
[12] Singh T, Kaur P, Singh PS 2007 J. Radiol. Prot. 27 79
[13] Bashter I. I. 1997 Ann. Nucl. Energy 24 1389
E-ISBN: 978-605-68882-5-0 165

Düşen Kesme Çiçek Üretimi ve Üretimi Kısıtlayan Faktörler
Gül YÜCEL1
gulyucel68@gmail.com
1
Yalova University, Yalova Vocational School, TURKEY
Özet
Yalova 1950’li yıllardan bu yana Türkiye’de kesme çiçekçiliğin gelişmesinde çok önemli rol
üstlenmiş bir kenttir. Kentin farklı bölgelerinde süregelen bu tarım biçimi son yıllarda giderek
yerini başka alanlardaki tarımsal üretim seçeneklerine (sebze üretimi) bırakmaya başlamıştır.
Kalıcı önlemler alınmadığında ve üretici bu alandaki sorunlarıyla baş başa bırakıldığında,
Yalova gibi kesme çiçek yetiştiriciliği konusunda ülkeye liderlik etmiş bir kentte yakın bir
gelecekte kesme çiçek üretiminin yok olması söz konusu olabilecektir.
Bu çalışmayla Yalova bölgesindeki üreticinin kesme çiçek tarımını tamamen bırakması ya da

başka alternatif üretim biçimlerine yönelmesinin nedenleri belirlenmeye çalışılmıştır. Bu
amaçla Yalova ilindeki farklı üretim bölgelerinde faaliyetini sürdüren 20 kesme çiçek üreticisi
belirlenmiş ve üreticilerle yüz yüze görüşmeler yapılmıştır.
Araştırmada pazarlama ağındaki sorunlar, devlet teşviklerinin azlığı, ithalattan kaynaklanan

sorunlar vb. konularda üreticiyi kısıtlayan parametreler belirlenmeye ve çözüm önerileri
getirilmeye çalışılmıştır.
Anahtar Kelimeler: Kesme Çiçek, Pazarlama, Ithalat, Yalova
Decreasing Cut Flower Production and Factors Restricting

Production on Yalova Province Example
Abstract
Yalova is a city that has undertaken a very important role in the advancement of cutting flowers
in TURKEY since 1950's years. In recent years, this type of agriculture has gradually begun to
be transformed into agricultural production options such as vegetable production in different
regions of the city. In a city that has led the country on cut flower cultivation like Yalova, it
may be the case that cut flower production disappears in the near future, when permanent
measures are not taken and the producer is left alone with the problems in this area. With this
E-ISBN: 978-605-68882-5-0 166

study, it has been tried to determine the reasons why the producer in Yalova region should
completely stop cutting flower farming or go to other alternative production methods. For this
purpose, 20 cut flower makers which have been operating in different production regions of
Yalova province have been determined and face to face interviews with producers have been
made In the research, it has been tried to determine the parameters restricting the manufacturer
and to suggest solutions about the issues such as the problems of the marketing network, the
lack of government incentives, and the problems caused by imports.
Keywords: Cut Flower, Marketing, Export, Yalova
1. Giriş
Yüzyıllar önce estetik amaçlarla kullanılmaya başlanan çiçek, günümüzde kentleşme, doğadan
uzaklaşan insanların doğa özleminin giderilmesi, kentlerin daha yaşanılır ortamlar haline
getirilmesi gibi amaçlarla kullanılmakta ve bugün birçok ülkenin ekonomik kalkınmasında çok
önemli rol oynayan ticari bir dal olarak dikkat çekmektedir (Yazgan ve ark. 2005).
Kesme çiçek kavramı ise genellikle buket, sepet, çelenk ve aranjmanlarda kullanılan, çiçek,
gonca, dal ve yaprakların taze, kurutulmuş, boyanmış veya ağartılmış olarak kullanıma
sunulmuş durumlarını ifade etmektedir (Aydinşakir ve ark. 2014).
(https://www.tugem.com.tr/component/mevzuatlar/?mlid=1882).
Kesme çiçek, genel olarak insanların manevi değer ifade eden günlerinde tükettikleri bir
ürün olmakla beraber, kentsel alanlarda çevre düzenleme faaliyetlerinde de kullanılmaktadır.

Şehir dekorasyonunda kullanılan bu ürünler, kent insanını beton yapılaşmanın etkilerinden uzak
tutarak şehir ortamında doğayla bütünleşme imkânı sağlamaktadır (Serka, 2011).
Kesme çiçekler, dünyada en çok satılan ve ticareti en fazla yapılan süs bitkileridir. Dünya süs
bitkileri ticaretinin yarısı kesme çiçeklere aittir.
Dünyada yaklaşık 550.000 ha alanda kesme çiçek üretimi yapılmakta ve bu değer toplam süs
bitkileri üretim alanının %39’unu oluşturmaktadır. Binlerce tür ile milyar dolarlık bir sektör
konumuna gelen kesme çiçekler; dünya çapında ulaştığı 8,3 milyar dolarlık ihracatı ve 8,4
milyar dolarlık ithalatı ile hızla büyüyen ve gelişen bir yatırım alanı olarak dikkat çekmektedir
(Daka, 2015).
2. Ülkemı̇zde Kesme Çı̇çek Üretı̇mı̇
E-ISBN: 978-605-68882-5-0 167

Ülkemizdeki toplam süs bitkileri yetiştiriciliği içinde kesme çiçekler %24.48’lik pay ile
11.046,8 da’lık bir alana sahiptir. Ürün grupları içerisinde en fazla ihracat 35 milyon $ değerle
yine kesme çiçeklerde gerçekleşmiştir.
İller bazında üretim alanları incelendiğinde; %39.22’lik payla Antalya ilk sırada yer alırken,
İzmir %37.94’lük payla 2.sırada, Yalova %5.59’lük payla 3. sırada yer almaktadır (Kazaz ve
ark. 2015).
Tablo 1. Kesme Çiçek Üretim Alanlarının İller ve Yıllara Göre Değişimi(Kazaz ve ark.2015).
Yıllar Değişim
İller 1999 2005 2008 2013 1999-2013
Alan (da) % Alan (da) Alan (da) Alan (da) % %
İzmir 2.945 37.01 4.516,10 4.836,20 4.190,60 37.94 42.3
Antalya 2.172 27.30 4.327 4.366 4.333 39.22 99.5
Yalova 777 9.76 2.744 2.470 617.3 5.59 -20.6
Isparta 0 0.0 385 357 485.5 4.40 -
İstanbul 1.498 18.83 637.6 558.7 197 1.78 -86.8
Diğer 565 7.10 700.4 731.4 1.223.40 11.07 116.5
Toplam 7.957 100.0 13.310,10 13.319,30 11.046,80 100.0 38.8
Kesme çiçekçilik üretim alanları, ülkemizde iklimin elverişli olduğu kıyı kesimlerinde
yoğunlaşmıştır. Marmara Bölgesi’nde Yalova, Ege Bölgesi’nde İzmir, Akdeniz Bölgesinde
Antalya ve Isparta kesme çiçekçiliğin merkezi konumundadır (Serka, 2015).
Marmara ve Ege Bölgesinde (Yalova, İzmir ) yapılan kesme çiçek üretimi genellikle iç pazara
yöneliktir. Antalya bölgesinde ise çoğunluğu seralarda olmak üzere yüksek kaliteli ve ihracata
yönelik üretim yapılmaktadır (Süs Bitkileri Sektör Raporu, 2011).
http://www.susbitkileri.org.tr/tr/arastirma-raporlari/sus-bitkileri-sektor-raporu
Tablo 2. Kesme Çiçek Dış Ticaretinin Türler ve Yıllara Göre Değişimi (Kazaz ve ark. 2015).
E-ISBN: 978-605-68882-5-0 168

Yıllar Değişim
2008 2013 2008-2013
İhracat İthalat İhracat İthalat İhracat İthalat
Tür
Değer Değer Değer Değer Değer Değer %

% % % % %
(1000 $) (1000 $) (1000 $) (1000 $) (1000 $) (1000 $)
Karanfil 21.386,80 87.8 16.4 5 26.732,08 76.37 3.25 0.1 5.345,28 24.99 -13.15 -80.18
Gül 41.2 0.2 94.5 28.7 11.897 0.03 1.585,66 49.58 -29.303 -71.12 1.491.16 1.577,95
Glayöl - - - - 5.912 0.02 0.0 0.0 - - - -
Krizantem 0.6 0.0 2.8 0.9 0.516 0.0 103.56 3.24 -0.084 -14 100.76 3.598,57
Orkide 4.2 0.0 91.5 27.8 - - 84.47 2.64 - 0.0 -7.03 -7.68
Lilium - - - - - - 46.99 1.47 - - - -
Diğerleri 2.923,70 12 123.5 37.6 8.251,24 23.57 1.374,02 42.97 5.327,54 182.22 1.250,52 1.012,57
Toplam 24.356,50 100.0 328.7 100.0 35.001,65 100.0 3.197,95 100.0 10.645,15 43.71 2.869,25 872.91
Kesme çiçek ihracatı türler bazında değerlendirildiğinde (Tablo 2), uzun yıllar yaşanan tek
ürüne (karanfil) bağımlılık riskinin son 5 yıl içerisinde de (%10 oranında azalma olsa da) devam
ettiği ve karanfilin ihracattaki payının %76.37 olduğu görülmektedir. 2013 yılı verilerine göre
ülkemizden 26 milyon 732 bin $ değerinde 293 milyon 965 bin adet karanfil ihracatı
gerçekleştirilmiştir. Kesme çiçek ithalatının ise hemen hemen yarısını (%49.58) kesme gül
oluştururken, bunu krizantem (%3.24) ve orkide (%2.64) izlemektedir (Tablo 2). Kesme gül
ithalatının %50.92’si Hollanda, %22.51’i Kenya, %14.23’ü Ekvator, %6.77’si Hindistan ve
%2.43’ü Etiyopya’dan karşılanmaktadır (Kazaz ve ark. 2015).
Günümüzde toplam kesme çiçek üretimi içerisinde karanfil en büyük paya sahip olsa da son
zamanlarda farklı ürünlerin yetiştirilmesi ile toplamdaki payı azalma eğilimi içerisindedir.
Kesme gül alanlarımız yüksek sera ısıtma masrafları nedeniyle Afrika ve Güney Amerika
ülkeleri ile rekabet edemez hale gelmiştir ve kesme gül üretimimiz azalma eğilimindedir
(Gülçür, 2015).
3. Yalova’da Kesme Çı̇çek Yetı̇ştı̇rı̇cı̇lı̇ğı̇
Ülkemizde 1940’lı yıllarda İstanbul ve çevresinde başlayan kesme çiçek yetiştiriciliği, izleyen
yıllarda Yalova’da çok uygun şartlar bulmuş ve Yalova’yı kesme çiçek yetiştiriciliği konusunda
önemli bir merkez haline getirmiştir. Yaşamının son dönemlerinde sıkça ziyaret ettiği
Termal’de, Gazi Mustafa Kemal Atatürk’ün de bahçıvanlığını yapmış olan Pandelli Roketos’un
o yıllarda Yalova Termal’de bulunması ve konuya ilgi duyan gençleri eğitmesi, Yalova’nın
E-ISBN: 978-605-68882-5-0 169

dönemde kesme çiçek için tek pazar olan İstanbul’a yakınlığı ve yumuşak iklim şartları bu
konuda çok önemli itici güçler olmuştur (Yücel ve Doğan, 2014).
1945 yılına kadar potansiyeli çok fazla fark edilmeyen kesme çiçek yetiştiriciliği, bu tarihte
üreticilerin kooperatif çatısı altında birleşerek ürünlerini pazarlama kolaylığı bulmaları ile cazip
hale gelmeye başlamıştır.
1985 yılında saksı çiçeği ithalatının serbest bırakılmasıyla Türk tüketicisinin o güne kadar
sınırlı olan türler dışında dünyanın en güzel saksı çiçekleriyle tanışması gerçekleşmiştir. Çok
farklı türlerdeki ithal saksı çiçekleri iç piyasada kesme çiçek satışlarını önemli derecede
azaltmıştır. Bu durum 1990 yılına kadar devam etmiş, 1990 yılından sonra sınır ticaretiyle
Bulgaristan, Romanya ve Rusya'ya yapılan ihracat, özellikle standart karanfil üretimini tekrar
canlanmıştır (http://www.dunya.com/gundem/ihracatla-40-buyuyen-cicekte-girisimcilere-
039yeni-pazar039-haberi-167237).
Özellikle Antalya’nın sektöre dahil olması, yapılan teknolojik yatırımlarla modern seraların
oluşturulması, bölgeden yapılan ihracatın önünü açmıştır. Yalova kesme çiçek üreticileri ise
ilerleyen zaman içinde gelişen bu teknolojiyi üretim alanlarına yansıtamadıkları için
üretimlerini iç piyasada tüketmek zorunda kalmışlardır.
Yalova İli’nde kesme çiçek üretimi yapan işletmeler genelde küçük aile işletmeleri olarak
faaliyetlerini sürdürmektedir. Üretim yapılan alanlar genelde 2-3 da. büyüklüğünde seralardan
oluşmaktadır. (Kızıloğlu ve ark.2012) Kesme çiçek yetiştiriciliği yapısal özellikleri açısından
emek yoğun bir tarımsal üretim biçimi olup; işletmeler kesme çiçek yetiştiriciliğini büyük
ölçüde aile işgücünü kullanarak kendi imkanları ile yapmaktadır (Öztürk ve Miran, 2013).
Yalova’da ağırlıklı olarak kesme çiçek üretimi merkezde, Elmalık Köyü civarı ve İsmetpaşa
mahallesinde, Çınarcık ilçesinde, Koruköy ve çevresinde, Çiftlikköy ilçesinde, Laledere köyü
ve çevresinde yapılmaktadır. Ayrıca Kadıköy Beldesi de uzun yıllardır özellikle gül üretiminin
yoğun olarak yapıldığı bir alan olarak bilinmektedir.
Türkiye’de çiçek üretiminin İstanbul dışına çıkarılmasında ve o döneme değin belli grupların
tekelinde olan çiçekçiliğin, farklı toplum kesimlerinden gelen üreticilerce de benimsenmesinde
ve bu alanda yetişmelerindeson derece kritik roller oynamış ve günümüzde artık neredeyse adı
çiçekle birlikte anılan bir merkez haline gelmiş bu kentte, maalesef son yıllarda kesme çiçek
üreticileri kesme çiçek üretiminden uzaklaşıp, sebze üretimine yönelmektedirler. Örneğin
üretici ile yapılan yüz yüze görüşmelerde son 10 yıl içinde Koruköy bölgesinde kesme çiçek
E-ISBN: 978-605-68882-5-0 170

alanlarında ¼ oranında, Kadıköy bölgesinde ise ¾ oranında sebze tarımı lehine değişim
yaşandığı belirlenmiştir. Kadıköy beldesinde2000’li yılların başında 300-400 kişi kesme çiçek
üretimi yapmaktayken, bugün bu sayının 10-12 arasında olduğu yine bölgedeki üreticiler
tarafından belirtilmiştir.
Yalova İli’ndeki kesme çiçek üretiminde son 14 yılın rakamları incelendiğinde yıllar itibarıyla
üretimde kayda değer bir düşüş (-%20) yaşandığı görülmektedir (Tablo 1). Burada üretim
alanlarında yaşanan bu önemli kaybın tamamını üreticinin kesme çiçek üretiminden vazgeçip
sebze üretimine yönelmesi şeklindeki bir yaklaşımla açıklamak elbette ki gerçeği
yansıtmayacaktır. Ancak Yalova ilinde geçmişten bu yana kesme çiçek üretimi ile ön plana
çıkmış, yöre halkının büyük çoğunluğunun geçimini bu üretimden kazandığı kırsal alanlarda
bile bu değişimin yaşanması dikkat çekicidir.
Bu çalışma Türkiye’de kesme çiçek üretiminin tarihsel sürecinde ve gelişiminde büyük katkıları
olan bir bölgede, kesme çiçeğe alternatif ürün arayışının ve özellikle de seçenekler arasından
sebze tarımına yönelmenin nedenlerini araştırmak amacıyla yapılmıştır.
4. Materyal Ve Yöntem
Araştırmada Yalova İli’ndeki kesme çiçek yetiştiriciliği yapılan farklı üretim bölgelerinde
(Kadıköy Beldesi ve Koruköy) kesme çiçek yetiştiriciliğinden tamamen ya da kısmen
uzaklaşıp, sebze tarımına yönelmiş toplam 20 üretici belirlenmiş ve bu üreticilerle yüzyüze
görüşmeler (birebir sera ziyaretleri ve kahve toplantıları ) yapılarak kesme çiçekteki üretimin
sebze tarımına kaymasının nedenleri belirlenmeye çalışılmıştır.
5. Bulgular
5.1. Çiçek Kooperatifleri ve Pazarlama Ağından Kaynaklanan Sorunlar
• Pazarlama ağının kendini geliştirememiş olması. 50 yıldır aynı mezat sisteminin kullanılıyor
olması.
• Çiçek kooperatiflerinin üretim ve pazarlama alanında üreticiye önderlik edememesi.
• Pazarın doğru kullanılamaması. Ülkemizdeki sistemde çiçek kooperatifinin yaygın bir ağı
bulunmasına rağmen, ülke içinde bazı bölgelerde bazı kesme çiçek türlerine olan ihtiyaç oluşup
yokluk çekilirken, bir başka ilde aynı çiçeğe ait fazlalık bulunması.
E-ISBN: 978-605-68882-5-0 171

• Üretilen kesme çiçeğin hali hazırda yaklaşık %70’i kooperatif kanalıyla,%30’utoptancılar
kanalıyla pazarlanması. Ancak toptancılar tarafından alınan bu %30’luk kısım en kaliteli çiçek
olmaktadır. Mezata giden ürün ise her koşulda kabul gördüğünden çok kaliteli olmaması.
• Mezat sisteminde ürün kalitesi yönünden sınıflama yapılmaması ve kura sistemiyle sıralamanın
belirlenmesi. Dolayısıyla kaliteli ürünün son sıralarda yer alması ve düşük bedelle alıcı bulması.
• Mezatlarda toptancıların yerine alıcı konumunda dükkan sahiplerinin bulunması. Ayrıca estetik
bir ürün olan kesme çiçeğin hasadından başlayıp geçirdiği pek çok pazar aşamasında, doğaları
gereği estetiğe erkeklerden çok daha yatkın olan kadınların yeterince yer almaması.
• Mezat yönetimlerinde profesyonel yöneticilerin bulunmaması ve genellikle üreticilerin

yöneticilik faaliyetini de sürdürüyor olmaları.
• Kooperatif yönetimlerine yakın olmayan üreticilerin sistemin olanaklarından daha az düzeyde

yararlanmaları.
5.2 Geleceğe İlişkin Kaygılar
• Ailelerde ikinci kuşakların bu işe ilgi göstermemesi dolayısıyla üreticinin teknolojik yatırımlara
gitmemesi.
• Sera alanlarının hali hazırda imara açılmış olması veya imara açılacağı beklentisinin yöre
halkında ve üreticide oluşmuş olması.
• Uzun yıllardır kesme çiçek tarımı yapılan toprakların tuzlanmış olması ve yakın bir gelecekte
bu sorunun çözüm bulacağı umudunun olmayışı.
5.3 Kesme Çiçek İthalatındaki Artış ve Diğer Ekonomik Nedenler
• Bazı durumlarda ithal bitkinin fiyatının neredeyse ithal edilen ana materyal fiyatına eşitlenmesi
ve üreticinin ithal bitki fiyatıyla rekabet edememesi.
• Son yıllarda kesme çiçek alanındaki ithalatın artış göstermesi ve ithalatın dönemsel olmaktan
çıkıp, tüm bir yıla yayılması Türkiye’de üretimi yapılan bitkilerin ithalatında herhangi bir
kısıtlayıcı unsurun bulunmaması.
• Tercih edilip, üretimi yapılan bazı sebzelerin (kıvırcık, semizotu, kara lahana vb.) ilaç isteğinin
kesme çiçek tarımına göre daha düşük düzeyde olması ve kesme çiçek türlerine göre daha hızlı
hasada gelmesi.
E-ISBN: 978-605-68882-5-0 172

• Üretilen sebzelerin toptancılara elden verilip, peşin para alınması ve bu uygulamanın üretici
tarafından cazip bulunması.
• Üreticilerin kendi üretim alanlarının dışındaki farklı ürün gruplarında da ithalat yapmaları
• Kesme çiçek üretiminden elde edilen gelirin yıllar içinde üretimdeki girdi artışına paralel olarak
artmaması.
6. Öneriler
• Çiçek kooperatifleri kendini mutlaka yenilemelidir.
• Mevcut yönetim anlayışında olduğu gibi aynı anda hem üreticilik yapan hem de kooperatif
yöneticiliği yapmaya çalışan kişilerin yönetimde sorunlar yaşadığı bilinmektedir. Bu nedenle
kooperatif yöneticilerinin profesyonel olarak yetişmiş, donanımlı ve özellikle de yurt dışı mezat
deneyimine sahip olan kişilerden seçilmesine çok büyük özen gösterilmelidir.
• Yönetim anlayışında kişisel yakınlıklar göz ardı edilmelidir.
• Eski tip mezat anlayışı yerine toptancı mezatlarına geçilmelidir. Yani alıcı konumunda dükkan
sahipleri değil, toptancılar olmalıdır.
• Çiçek kooperatiflerinin her konuda üreticiye önderlik etmesi gerekmektedir. Örneğin yıllık
kesme çiçek türlerinin tüketim miktarlarının belirlenerek, ürün programlaması yapılmalı ve bu
konuda üreticiler yönlendirilmelidir. Ayrıca ürün çeşitliliğini desteklemek için kooperatif yeni
türleri yurt dışından getirip üreticiye tanıtmalı ve üretimini desteklemelidir.
• Ülke içindeki pazarlama ağı çok iyi işletilmeli, piyasada bulunan ürünün bazı bölgelerde
fazlalık yaratırken bazı bölgelerde hiç bulunmaması önlenmelidir.
• Mezatlarda ürünler kalite yönünden sınıflamaya tabi tutulmalıdırlar. Sınıflandırılan ürünlere

mezat tarafından fiyat verilerek online satış yolu da bir seçenek olarak alıcılara sunulmalıdır.
• Pazarlama aşamasında kadınların daha fazla yer alması için pozitif ayrımcılık yapılmalıdır.
• Devlet tarafından kesme çiçek yetiştiriciliği konusunda verilecek teşviklerde topraksız tarıma
öncelik tanınmalıdır.
• Türkiye’de üretimi yapılan ürünlerin ithalatının yapılmasında yerli üreticinin haklarını

koruyacak belirli kıstaslar getirilmelidir. Ayrıca alan dışı ithalat önlenmelidir.
E-ISBN: 978-605-68882-5-0 173

• %18’LİK KDV düşürülmelidir.
Kaynaklar
[1] Aydinşakir K, Sayın B, Çelikyurt M A ve Karagüzel Ö 2014 Akdeniz Univ. Ziraat Fak. Derg.
27(2):75-82.
[2] Serka 2011 Iğdır Ovasında Yeni Bir Fırsat: Kesme Çiçekçilik T.C. Serhat Kalkınma Ajansı Iğdır
Yatırım Destek Ofisi.
[3] Yazgan M E, Korkut A B, Barış E, Erkal S, Yılmaz R, Erken K, Gürsan K ve Özyavuz M 2005
Süs bitkileri Üretiminde Gelişmeler Türkiye Ziraat Mühendisliği Teknik Kongresi TMMOB Ziraat
Mühendisleri Odası 3-7 Ocak Ankara.
[4] https://www.tugem.com.tr/component/mevzuatlar/?mlid=1882.
[5] Kazaz S, Erken K, Karagüzel Ö, Alp Ş, Öztürk M, Kaya A S, Gülbağ F, Temel M, Erken S, Saraç
Y İ, Elinç Z, Salman A ve Hocagil M 2015 Türkiye Ziraat Mühendisliği VII. Teknik Kongresi Bildiriler
Kitabı s 645-672 15-16 Ocak Ankara.
[6] Gülçür B 2015 Dünya’da ,AB’de ve Türkiye’de Süs Bitkileri Sektöründeki Gelişmeler ile Bu
Alandaki Uluslararası Fuarlar AB Uzmanlık Tezi Ankara s 86.
[7] Yücel G ve Doğan Y E 2014 Çiçekçilik Yolculuğu ve Yalova Durağı Çiçeğin Tarihimizdeki Yeri.
[8] Daka 2015 TR 63 Bölgesi Kesme Çiçek Sektör Raporu 2015 T.C. Doğu Akdeniz Kalkınma Ajansı.
[9] Süs Bitkileri Sektör Raporu 2011 Orta Anadolu Süs Bitkileri ve Mamulleri İhracatçıları
Birliği.http://www.susbitkileri.org.tr/tr/arastirma-raporlari/sus-bitkileri-sektor-raporu
http://www.dunya.com/gundem/ihracatla-40-buyuyen-cicekte-girisimcilere-039yeni-pazar039-haberi-
167237.
[10] Kızıloğlu R, Uzunsöz M ve Topal İ 2012 Yalova İlinde Kesme Çiçek Yetiştiriciliğinin Üretim
Maliyeti ve Karlılığı Atatürk Üniv. Ziraat Fak. Derg. 43(1):65-68.
[11] Öztürk M ve Miran B 2013 V.Süs Bitkileri Kongresi Bildiriler Kitabı Cilt II s 257-262.
E-ISBN: 978-605-68882-5-0 174

6-Amino-3-Metil-4-Piridin-4-il-2,4-Dihydropyrano (2,3-c) Pirazol-
5-Karbonitril Molekülünün Moleküler Yapı Calışmaları
Hacer GÜMÜŞ
hacerpir@gmail.com
Kocaeli University, TURKEY
Özet
Bu çalışmada, pyranopyrazoles 5q diye adlandırılan 6-amino-3-metil-4-piridin-4-il-2,4-

dihydropyrano (2,3-c) pirazol-5-karbonitril molekülü G. Vasuki ve arkadaşları tarafından
sentezlenmiştir. Sentezlenen pyranopyrazoles 5q molekülünün deneysel X-ışını tek kristal
yapısı CCDC 664522 kodu ile Cambridge kristallografik yapı veri tabanında (CSD)
bulunmaktadır. CSD den alınan deneysel kristal yapısı üzerine kuantum kimyasal
hesaplamalarımızı yapmak için GAUSSIAN 09 programında yoğunluk fonksiyonu teorisi
(DFT) nin B3LYP ve HSEH1PBE metotları kullanıldı. 6311++G(d,p) seviyesinde hesaplanan
molekülün geometrisinden, molekülün minimum enerjisine karşılık gelen moleküldeki
atomların uzay yerleşimleri ve molekülün uzay yapısı anlaşılmaktadır. Yapılan kuantum
hesaplamalar yardımıyla, pyranopyrazoles 5q molekülün geometrik, elektrik ve elektronik
özellikleri ile 3 boyutlu moleküler elektrostatik potansiyel (MEP) yüzeyindeki moleküler
büyüklük, şekil, yük dağılımı ve elektrostatik potansiyel değerini gösterildi. Hesaplanan teorik
veriler ile deneysel veriler karşılaştırıldı ve birbirleri ile uyum içerisinde olduğu gözlemlendi.
Anahtar Kelimeler: DFT/B3LYP, DFT/HSEH1PBE, EHOMO, ELUMO ve MEP
E-ISBN: 978-605-68882-5-0 175

Molecular Structure Studies of 6-Amino-3-Methyl-4-Pyridin-4-yl-
2,4-Dihydropyrano (2,3-c) Pyrazole-5-Carbonitrile Molecule
Abstract
In this study, the 6-amino-3-methyl-4-pyridin-4-yl-2,4-dihydropyrano (2,3-c) pyrazole-5-

carbonitrile molecule called pyranopyrazoles 5q was synthesized by G. Vasuki et al. The
experimental X-ray single crystal structure of the synthesized pyranopyrazoles 5q molecule is
found in the Cambridge Crystallographic Structure Database (CSD) with code CCDC 664522.
To make our quantum chemical calculations on experimental crystal structure taken from CSD,
BARTL and HSEH1PBE methods of density function theory (DFT) were used in GAUSSIAN
09 program. 6311 ++ From the geometry of the molecule calculated at the level of G (d, p), it
is understood that the space structures of the molecules in the molecule corresponding to the
minimum energy of the molecule and the space structure of the molecule. With the help of
quantum calculations, the pyranopyrazoles 5q molecular, geometric, electrical and electronic
(HOMO and LUMO energies) properties, and the molecular size, shape, charge distribution
and electrostatic potential value of 3D molecular electrostatic potential (MEP) surface were
shown. The calculated theoretical data and experimental data were compared and observed to
be in harmony with each other.
Keywords: DFT/B3LYP, DFT/HSEH1PBE, EHOMO, ELUMO and MEP.
1. Giriş
Pyranopyrazoller, heterosiklik (halkasında karbon dışında atomlar da bulunduran aromatik

moleküller) bileşikelerin önemli bir sınıfıdır. Uygulama alanları eczacılığa ait ilaç kullanımı ve
bakteriler ile ayrışabilen tarım ilaçlarıdır [1]. Bu çalışmada, pyranopyrazoles 5q diye
adlandırılan 6-amino-3-metil-4-piridin-4-il-2,4-dihydropyrano (2,3-c) pirazol-5-karbonitril
molekülü G. Vasuki ve arkadaşları tarafından literatüre kazandırılmıştır.
2. Kristal Yapısı
6-amino-3-metil-4-piridin-4-il-2,4-dihydropyrano (2,3-c) pirazol-5-karbonitril [C13H11N5O]

(pyranopyrazoles 5q) molekülü G. Vasuki ve arkadaşları tarafından sentezlenmiştir.
Sentezlenen pyranopyrazoles 5q molekülünün deneysel X-ışını tek kristal yapısı CCDC 664522
kodu ile Cambridge kristallografik yapı veri tabanında (CSD) bulunmaktadır. Pyranopyrazoles
E-ISBN: 978-605-68882-5-0 176

5q nun moleküler formül ağırlığı 253.27 gmol-1, erime noktası 220oC, birim hücresi monoklinik
yapıda ve P2 (1)/n uzay grubundandır.
Şekil 1. Pyranopyrazoles 5q nın a) deneysel [1] yapısı b) kristal yapısı (CCDC 664522).
3. Geometrik Optimizasyonu
Molekülün geometrisinden, moleküldeki atomların uzay yerleşimleri ve molekülün uzay yapısı

anlaşılmaktadır. Optimizasyon işlemi molekülü tanımlayan kartezyen ya da iç koordinatlarla
verilmiş yaklaşık bir geometri ile başlar. Bu geometri bilgilerinden başlanarak molekülün
geometrisi potansiyel enerji yüzeyinde bölgesel bir minimuma indirilerek optimize edilir. Elde
edilen en düşük enerjili minimum global minimum olarak adlandırılır. Optimizasyon işlemi
sırasında geometri, enerji değeri verilen kritere göre sabit kalıncaya kadar belli kurallar
çerçevesinde değiştirilir. Enerjinin sabit kalmasının dolayısıyla minimize edilmesinin ölçüsü de
gradient norm değerlerinin sıfır olmasıdır. Gradient norm, atomik konumların bir fonksiyonu
E-ISBN: 978-605-68882-5-0 177

olarak moleküler sistemin enerjisinin değişim hızıdır. Bu şekilde bulunan sıfır gradient değeri
değişim hızının sıfırlandığını dolayısıyla geometrinin minimum enerjide olduğunu gösterir.
Optimizasyon işlemi bittikten sonra program kendiliğinden bazı moleküler nicelikleri hesaplar
ve çıktı dosyasında verir. Programın kendiliğinden hesapladığı bu niceliklere ek olarak
kullanıcının istediği diğer nicelikleri de gerekli anahtar kelimeler yazılmasına bağlı olarak
hesaplayabilir [2,3]. Pyranopyrazoles 5q nun teorik olarak geometrik yapısını incelemek ve
deneysel veriler ile karşılaştırmak için CSD den alınan kristal yapı verileriyle GAUSSIAN 09
[4] programında Yoğunluk Fonksiyonu teorisinin (DFT), B3LYP [5, 6] ve HSE1PBE [7-10]
metodunda hesaplandı ve optimize geometrinin yapısı Şekil 2 de verildi.
Şekil 2. B3LYP/6-311++G(d,p) metodu kullanılarak pyranopyrazoles 5q nun optimize geometrisi
Yoğunluk Fonksiyonu teorisinin (DFT) metodu kullanılarak, kutuplanma etkisini gidermek için
eklenen polarize fonksiyonları ve uyarılmış, iyonik moleküllerde elektron yoğunluğunun
molekülün temel durumuna göre daha dağınık olma durumunu modellemek için eklenen difüze
fonksiyonları içeren 6-311++G(d,p) taban seti ile her elektron çiftinin tek bir yörüngede yer
almaya zorlandığı sınırlandırılmış (restricted) kapalı kabuk hesaplamaları ile geometri
optimizasyonu yapılarak moleküldeki atomların uzay yerleşimleri ve uzay yapısı belirlendi.
Böylece, bağ uzunlukları (Å), bağ açıları (º) ve dihedral açıları (º) teorik olarak hesaplandı.
Hesaplanan bu parametreler deneysel değerler ile birlikte Tablo 1 de karşılaştırıldı.
E-ISBN: 978-605-68882-5-0 178

Tablo 1. Pyranopyrazoles 5q bağ uzunluğu ve bağ açıları.
Deneysel Teorik Hesaplamalar
X-Işını [1] B3LYP HSEH1PBE
Bağ Uzunluğu(Å)
C1-N5 1.332 1.360 1.354
C1-O1 1.365 1.359 1.350
C1-C2 1.373 1.370 1.368
C2-C13 1.411 1.413 1.409
C2-C3 1.526 1.532 1.522
C3-C4 1.497 1.501 1.493
C3-C8 1.526 1.531 1.521
C4-C6 1.383 1.388 1.385
C4-C5 1.389 1.403 1.398
C5-N1 1.320 1.315 1.311
C5-O1 1.370 1.368 1.360
C6-N2 1.356 1.360 1.354
C6-C7 1.490 1.493 1.486
C8-C9 1.375 1.393 1.393
C8-C12 1.378 1.397 1.390
C9-C10 1.378 1.395 1.388
C10-N3 1.325 1.334 1.334
C11-N3 1.320 1.339 1.329
C11-C12 1.388 1.391 1.392
C13-N4 1.153 1.160 1.159
N1-N2 1.365 1.357 1.345
Bağ Açıları(o)
N5-C1-O1 111.08 110.10 110.31
N5-C1-C2 125.99 125.47 125.11
O1-C1-C2 122.93 124.41 124.56
C1-C2-C13 117.79 117.10 116.66
C1-C2-C3 125.78 124.38 124.56
C13-C2-C3 116.13 118.52 118.77
C4-C3-C2 106.47 107.17 106.90
C4-C3-C8 111.38 113.18 113.13
C2-C3-C8 111.23 111.86 111.41
C6-C4-C5 103.45 103.65 103.50
C6-C4-C3 133.53 133.44 133.32
C5-C4-C3 122.96 122.92 123.17
N1-C5-O1 118.74 120.46 120.47
N1-C5-C4 115.40 114.55 114.41
O1-C5-C4 125.85 124.99 125.12
N2-C6-C4 105.84 105.36 105.31
N2-C6-C7 122.94 122.86 123.19
C4-C6-C7 131.20 131.78 131.51
C9-C8-C12 116.37 117.24 117.37
C9-C8-C3 120.81 121.85 121.73
C12-C8-C3 122.82 120.91 120.90
C8-C9-C10 120.01 119.15 119.01
N3-C10-C9 123.99 123.81 123.90
N3-C11-C12 123.93 123.65 123.76
C8-C12-C11 119.63 119.29 119.12
E-ISBN: 978-605-68882-5-0 179

N4-C13-C2 175.03 178.86 178.61
C5-N1-N2 101.32 102.22 102.33
C6-N2-N1 113.97 114.23 114.45
C11-N3-C10 116.02 116.86 116.84
C1-O1-C5 115.64 115.83 115.58
Pyranopyrazoles 5q nun Tablo 1 den alınan deneysel ve teorik verileri karşılaştırmak amacıyla,
bağ uzunlukları (Å) ve bağ açıları (o) için lineer regresyon analizinden lineer korelasyon
katsayıları (R2) Şekil 3 deki gibi elde edilmiştir.
Şekil 3. Pyranopyrazoles 5q nun korelasyon grafikleri.
Korelasyon sonuçlarımıza göre; bağ uzunluğu için deneysel değerlerin B3LYP metodu ile
0.9866 uyumlu olduğu HSEH1PBE metodu ile 0.9837 uyumlu olduğunu görülmüştür. Bağ açısı
için ise deneysel değerlerin B3LYP metodu ile 0.9810 uyumlu olduğu HSEH1PBE metodu ile
0.9797 uyumlu olduğunu görülmüştür. Korelasyon grafiklerimizin sonucundan da görüldüğü
gibi moleküler geometrik parametreler (bağ uzunluğu ve bağ açısı) için yaptığımız teorik
hesaplamalarımız deneysel verileri destekler niteliktedir.
4. Elektronik Özellikler
Moleküler orbitaller en yüksek dolu molekül orbital (HOMO) ve en düşük boş molekül orbital
(LUMO) diye adlandırılır. Buradaki HOMO molekülün elektronu verme eğilimidir ve dolu olan
en yüksek enerjili orbitaldir ve EHOMO ile gösterilir. LUMO ise molekülün elektron alma
eğilimidir ve boş olan en düşük enerjili orbitali olup ELUMO ile gösterilir. Pyranopyrazoles 5q
nun DFT/B3LYP ve DFT/HSEH1PBE metotları ile 6-311++G(d,p) seti ile EHOMO ve ELUMO
enerji değerleri hesaplandı. Hesaplanan bu enerjilerin farkı (ΔE) büyük olduğunda elektron
dağılımı daha az değişime uğrar ve kutuplanma düşük olur. Teorik olarak hesaplan EHOMO ve
ELUMO enerjilerinin elektron yoğunluğu dağılımına bakılarak, iyonizasyon potansiyeli (I),
elektron ilgisi (A), kimyasal sertlik (η), kimyasal yumuşaklık (S) ve elektronegatiflik (χ)
parametreleri bulundu. Teorik olarak hesaplanan EHOMO ve ELUMO enerji değerlerinden
E-ISBN: 978-605-68882-5-0 180

I+A I−A 1
I = − E HOMO , A = − E LUMO  = , = , S = formülleri kullanılarak belirlenen
2 2 2
verilerimiz Tablo 2 de listelendi.
Tablo 2. Pyranopyrazoles 5q nun teorik olarak hesaplanan elektronik

yapı parametreleri.
B3LYP HSEH1PBE
EHOMO (eV) -6.34575 -6.12451
ELUMO (eV) -1.27758 -1.4267
ΔE=ELUMO- EHOMO (eV) 5.06817 4.69781
I (eV) 6.34575 6.12451
A (eV) 1.27758 1.4267
 (eV) 3.811665 3.775605
 (eV) 2.534085 2.348905
S (eV-1) 0.078793 0.081639
ETOTAL (a.u) -851.1703 -850.2686
Teorik olarak B3LYP/6-311++G(d,p) metoduyla elde edilen HOMO ve LUMO dağılımlarının
gösterimi şekil 4 de gösterildi.
ELUMO
E-ISBN: 978-605-68882-5-0 181

EHOMO
Şekil 4. Pyranopyrazoles 5q nun B3LYP/6-311G(d,p) metoduyla elde edilen HOMO ve LUMO

gösterimleri.
5. Elektrik Özellikleri
Bir molekülün kutuplanabilirliği, molekülün dipol momentinin uygulanan bir dış elektrik alana
gösterdiği doğrusal tepki olarak tanımlanabilir. Kutuplanabirlik, molekül sisteminin yük
yoğunluğu ve elektronik dağılımı gibi özelliklerinin bir ölçüsü olduğundan moleküler optik ve
spektroskopide kullanılan önemli bir niceliktir.
Toplam statik dipol moment;
 = ( x2 +  y2 +  z2 )
1/ 2
Molekülün biçimsel bakımdan bozulması uygulanan alanın yönünden bağımsızsa bu

kutuplanabilirlik izotropik, değilse anizotropik olarak bilinir. Kutuplanabilirlik ve yüksek
mertebeli kutuplanabilirlik değerlerinin kartezyen bileşenleri (a.u.) biriminde hesaplanarak, bu
kartezyen bileşen değerlerinden;
E-ISBN: 978-605-68882-5-0 182

  xx +  yy +  zz 
  =  
 3 
yönelime bağlı kutuplanabilirlik
 ( xx −  yy )2 + ( yy −  zz )2 + ( zz −  xx )2 
1/ 2
 =  
 2 
 
ile ifade edilir [11]. Bir molekülün yüksek mertebe kutuplanabilirliği, molekülün dipol
momentinin uygulanan bir dış elektrik alana karşı gösterdiği doğrusal olmayan tepkinin bir
ölçüsüdür.
Temel durumda yüksek mertebeli kutuplanabilirlik
(
   =  x2 +  y2 +  z2 )
1/ 2
ile ifade edilir. Burada
 x =  xxx +  xyy +  xzz

 y =  yyy +  xxy +  yzz
 z =  zzz +  xxz +  yyz
olarak verilir [11]. Pyranopyrazoles 5q nun B3LYP ve HSEH1PBE metodları kullanarak dipol
moment (μ), kutuplanabilirlik (<α>), yönelime bağlı kutuplanabilirlik (Δα) ve temel durumda
yüksek mertebeli kutuplanabilirlik (<β>) değerleri hesaplandı ve Tablo 3 de listelendi. (1 a.u.
= 0.1482 9 10-24 esu ve 1 a.u. = 8.6393 9 10-33 esu).
E-ISBN: 978-605-68882-5-0 183

Tablo 3. Pyranopyrazoles 5q nun teorik olarak hesaplanan
elektriksel parametreleri.
B3LYP HSEH1PBE
µx 1.3663591 a.u. 1.2554986 a.u.
µy -1.5959815 a.u. -1.7188502 a.u.
µz -0.1598801 a.u. -0.0782487 a.u.
µ 2.291052 a.u. 2.129987 a.u.
µ 5.822893 Debye 5.413533 Debye
xx 213.5584843 a.u. 210.3853137 a.u.

yy 187.9043419 a.u. 186.5119794 a.u.
zz 146.6757515 a.u. 143.0331627 a.u.
<α> 182.7128592 a.u. 179.9768186 a.u.
<α> 27.07805×10-24 esu. 26.67256×10-24 esu.
Δα 58.44327 a.u. 59.14666 a.u.
Δα 8.661293×10-24 esu. 8.765535×10-24 esu.
xxx -142.6748729 a.u. -129.7753343

xyy -248.5451312 a.u. -249.0459802
xzz -22.8857505 a.u. -24.3341733
yyy -84.7084745 a.u. -51.845488
xxy 23.5576878 a.u. -13.3768561
yzz -20.5714431 a.u. -14.496523
zzz -49.5788679 a.u. -52.3624605
xxz 57.0150362 a.u. 55.7349448
yyz -118.8882916 a.u. -113.7957327
<β> 436,5589 a.u. 425,5382 a.u.
<β> 3771,563×10-33 esu. 3676,352×10-33 esu.
6. Moleküler Elektrostatı̇k Potansı̇yel Yüzeyler (MEPs)
Reaksiyon mekanizması hakkında daha detaylı bilgiler elde etmek için moleküler elektrostatik
potansiyel enerji yüzey (MEPs) hesaplaması gerekmektedir. Bu, atom koordinatlarına bağlı
olan toplam enerji değişiminin hesaplanması demektir. MEPs hesaplaması sırasında en
önemlisi kararlı noktaların bulunmasıdır. İki minimum nokta arasında bir geçiş noktası vardır.
x
Bu kararlı noktalarda toplam enerjinin bütün bağımsız i koordinatlarına göre türevi sıfıra eşit
E
olmalıdır  i = = 0 . Toplam enerjinin minimum noktasında ikinci türevin matrisi
xi
2E
f ij = sadece pozitif özdeğerleri almaktadır. Toplam enerjinin birinci türevi bir
xi x j
minimumdan başka bir minimuma geçiş noktasında sadece bir negatif özdeğeri almaktadır.
Toplam enerjinin minimumları sistemin kararlı yapıya sahip olduğunu göstermektedir. Geçiş
noktalarında ise sistem geçiş halinde bulunmaktadır. Çok atomlu organik bileşiklerin
reaksiyonlarının PES hesaplamalarında en zor taraf, toplam enerjinin hesaplanmasıdır. Bunun
sebebi yüzeyi çok sayıda noktalarla taramanın gerekli olmasıdır. Moleküler elektrostatik
E-ISBN: 978-605-68882-5-0 184

potansiyel ayrıca yerel kutupluluk hakkında da bilgi verir [12]. Bir elektrostatik potansiyeli,
moleküler etkileşimler ve kimyasal reaksiyonlarda güçlü bir etkiye sahiptir. MEPs özellikle
büyük moleküller için hesaplanabilir; ayrıca moleküler şeklin ve çoğunlukla biyo moleküllerin
kutuplanmış bölgeleri arasındaki sterik etkileşmeleri ifade etmek için de kullanılır [13].
Moleküler elektrostatik potansiyel yüzeyler (MEPs), moleküler davranışların reaktifliği, yapı
aktifliği ve hidrojen bağlarını açıklamakta kullanılan faydalı bir metoddur. Kırmızı bölgeler (-
) yüklü elektrostatik potansiyel bölgelerdir ve moleküllerin elektron yoğunluğu derişikliği
tarafından protonun çekimini (tek çiftlenim, π bağları …) temsil eder. Mavi bölgeler (+) yüklü
elektrostatik potansiyel bölgelerdir ve düşük elektron yoğunluğunun ve nükleer yükün tam
olarak korunmamış olduğu bölgelerde atom çekirdekleri tarafından protonun itmesine karşılık
gelir. Hesaplanan kısmi yükler ise sarı alanlar (-), kırmızı alanlar ise (+) olmak üzere protonlar
ve (+) yüklere yaklaşılmasıyla molekülün nasıl bir etkileşim içinde olabileceğini gösterir.
Pyranopyrazoles 5q nun B3LYP/6-311G++(d,p) metodu ile optimize olan yapılarının 3 boyutlu
moleküler elektrostatik potansiyel yüzey haritaları Şekil 5 de gösterildi.
TOPLAM YOĞUNLUK ESP
E-ISBN: 978-605-68882-5-0 185

MEP CONTOUR (ESP)
Şekil 5. Pyranopyrazoles 5q nun B3LYP/6-311++G(d,p) seviyesinde teorik olarak hesaplanan

moleküler yüzey haritaları.
7. Sonuçlar
Günümüzde kullanılan teorik hesaplama yöntemleri ile moleküllerin birçok özellikleri deneysel
analizler yapılmasına gerek kalmadan incelenebilmektedir. Hatta bazı çalışmalarda deneysel
yöntemden daha hassas ve güvenilir sonuçlar elde edilebilmektedir. Bir tek deneyle moleküler
yapı, dipol moment, iyonlaşma potansiyeli, elektron yükleri, elektron yoğunlukları, bağ
uzunlukları gibi birçok bilgiyi verebilecek bir yöntem yoktur. Bu tür verilerin deneysel yöntem
ile hesaplanmasında sonuçların güvenilirliği göz önünde bulundurulursa, yaygınlaşmakta olan
birçok hesaplama yöntemi sonuçlarının, deneysel sonuçlara göre ne kadar güvenilir olduğu
görülebilir.
Bu çalışmada, pyranopyrazoles 5q nun yapısal, elektrik ve elektronik özelliklerini açıklamak

için Gaussian programı yardımı ile kuantum kimyasal hesaplamalar yapıldı. Hesaplanan tüm
veri ve simülasyonlar, sadece molekülün karakterizasyon yolunu göstermekle kalmaz. Fizik,
malzeme bilimi, kimya ve biyoloji alanlarındaki temel araştırmalara da yardımcı olur.
E-ISBN: 978-605-68882-5-0 186

Kaynaklar
[1] Gnanasambandam Vasuki, Kandhasamy Kumaravel, Rapid four-component reactions in water:

synthesis of pyranopyrazoles, Tetrahedron Letters 49 (2008) 5636-5638.
[2] Hinchliffe A., (2000), “Modelling Molecular Structures”, Edition, Wiley, Chichester.
[3] Leach A.R., (2002), “Molecular Modelling, Longman”, England, 19.
[4] Frisch, M.J., Trucks, G.W., Schlegel, H.B., Scuseria, G.E., Robb, M.A., Cheeseman, J.R., Scalmani,
G., Barone, V., Mennucci, B., Petersson, G.A., Nakatsuji, H., Caricato, M., Li, X., Hratchian, H.P.,
Izmaylov, A.F., Bloino, J., Zheng, G., Sonnenberg, J.L., Hada, M., Ehara, M., Toyota, K., Fukuda, R.,
Hasegawa, J., Ishida, M., Nakajima, T., Honda, Y., Kitao, O., Nakai, H., Vreven, T.,. Montgomery, J.A,
Jr., Peralta, J.E., Ogliaro, F., Bearpark, M., Heyd, J.J., Brothers, E., Kudin, K.N., Staroverov, V.N.,
Kobayashi, R., Normand, J., Raghavachari, K., Rendell, A., Burant, J. C., Iyengar, S.S., Tomasi, J.,
Cossi, M., Rega, N., Millam, J. M., Klene, M., Knox, J.E., Cross, J. B., Bakken, V., Adamo, C.,
Jaramillo, J., Gomperts, R., Stratmann, R.E., Yazyev, O., Austin, A. J., Cammi, R., Pomelli, C.,
Ochterski, J.W., Martin, R.L., Morokuma, K., Zakrzewski, V.G., Voth, G.A., Salvador, P., Dannenberg,
J.J., Dapprich, S., Daniels, A.D., Farkas, O., Foresman, J. B., Ortiz, J.V., Cioslowski, J. Ve Fox D.J.,
2009. Gaussian 09, Revision A.1, Gaussian, Inc., Wallingford Ct.
[5] Lee, C., Yang, W. Ve Parr R.G., 1988. Development Of The Colle-Salvetti Correlation-Energy
Formula İnto A Functional Of The Electron Density. Phys. Rev. B, 37, 785.
[6] Becke, A. D., 1993. Density‐Functional Thermochemistry. Iıı. The Role Of Exact Exchange. J.
Chem. Phys., 98, 5648.
[7] Heyd, J. Ve Scuseria G., 2004. Efficient Hybrid Density Functional Calculations İn Solids:
Assessment Of The Heyd–Scuseria–Ernzerhof Screened Coulomb Hybrid Functional. J. Chem. Phys.,
121, 1187.
[8] Heyd J. And Scuseria G.E. 2004. Assessment And Validation Of A Screened Coulomb Hybrid
Density Functional. J. Chem. Phys., 120, 7274.
[9] Heyd J., Peralta J. E., Scuseria G. E., And Martin R. L. 2005. Energy Band Gaps And Lattice
Parameters Evaluated With The Heyd-Scuseria-Ernzerhof Screened Hybrid Functional. J. Chem. Phys.,
123, 174101.
[10] Heyd J., Scuseria G. E., And Ernzerhof M. 2006. Hybrid Functionals Based On A Screened
Coulomb Potential. J. Chem. Phys., 124, 219906.
E-ISBN: 978-605-68882-5-0 187

[11] Maroulis, G., (2000), J. Chem. Phys., 113, 5.
[12] Cramer, J.C., (2002), “Essentials of Computational Chemistry, Theory And Models”, John Wiley
And Sons, Usa, 596.
[13] Lipkowitz, K.B., Boyd D.B., (1990), “Successes of Computer-Assisted Molecular Design Reviews
İn Computational Chemistry”, New York 45.
E-ISBN: 978-605-68882-5-0 188

Aşırı Öğrenme Makineleri ile Bulanık Sistem Modelleme
1
Önder ÖZTÜRK, 2Cihan KARAKUZU
onder.ozturk@bilecik.edu.tr, cihan.karakuzu@bilecik.edu.tr
1
Department of Informatics, Distance Education Unit, Bilecik Sheikh Edebali University, Istanbul TURKEY
2
Department of Computer Engineering, Faculty of Engineering, Bilecik Sheikh Edebali University, Istanbul
TURKEY
Özet
Sistem tanıma problemi çözümü için aşırı öğrenme makinesi (AÖM) ile çok daha hızlı öğrenme
ve daha iyi bir genelleme başarımı elde edilebilir. Bununla birlikte, artan veri kümesi hacmi
AÖMüzerinde işlem ve ölçek büyüklüğünün genişlemesineve parametrelerin en uygun
değerlerinin belirlenmesinde işlem yükünün artmasına sebep olabilir. Bu çalışmada, Takagi-
Sugeno (TS) tipi bulanık sistem parametrelerinin mevcut giriş-çıkış verilerine dayalı olarak
belirlenmesi üzerinde çalışılmıştır. TS tipi bir bulanık sistemin parametreleri sistem tanıma
problemini çözmek için AÖM ile belirlenmiştir. Bu çalışmada tanımlanan yöntem ile önce,
bulanık sistemin giriş-çıkış değişkenleri belirlenerek girişe ait değişkenler değişim aralıklarında
rastgele dağıtılmış üyelik fonksiyonları ile bulandırılarak bulanık sistemin öncül/şart
parametreleri belirlenir.Sonra, en küçük karesel kestirim (LSE) yöntemi ile eldeki giriş-çıkış
örnek verilerine dayalı olarak bulanık sistemin sonuç/kural parametreleri belirlenir. Bu
çalışmada, seçilen beş farklı yüksek eğriselliğe sahip sistemin TS tipi birer bulanık sistem ile
AÖM yöntemi ile modellenmesi yapılmış ve elde edilen sonuçlar sunulmuştur.Elde edilen
sonuçlara göre; modellemede kullanılan girişlerin üyelik fonksiyon sayıları arttıkça modelleme
başarımının ve öğrenme süresinin arttığı gözlenmiştir.
Anahtar Kelimeler: Sistem Modelleme, Bulanık Sistem, TS Bulanık Sistem, LSE, Aşırı Öğrenme
Makinesi, ANFIS
E-ISBN: 978-605-68882-5-0 189

Fuzzy System Modeling with Extreme Learning Machines
Abstract
Much faster learning and better generalization performance can be achieved with extreme
learning machine (ELM) for solving system identification problem.
However, the increased dataset volume can lead to an increase in the operation time and scale
size on the ELM, and an increase in the computation load while the optimal values of the
parameters are determined. In this study, we studied to determine Takagi-Sugeno (TS) type
fuzzy system parameters based on the present input-output data. The parameters of TS type
fuzzy system are determined by ELM to solve system identification problem.First, the input-
output variables of the fuzzy system are determined by the method defined in this study and the
fuzzy system's precondition parameters are determined and these input variables fuzzified with
randomly distributed membership functions in their changing intervals. Then, consequent/ rule
parameters of the fuzzy system are determined based on the input-output sample data at hand
using the least squares estimation (LSE) method. In this study, modelling of the selected five
highly nonlinear systems was done with TS type fuzzy system using ELM method, and the
obtained results were presented. According to the results obtained; it has been observed that as
the number of membership functions of inputs used in the model increases, the performance of
the model and learning duration increase.
Keywords: System Modeling, Fuzzy System, TS Fuzzy System, LSE, ANFIS, Extreme Learning
Machine
1. Giriş
Aşırı öğrenme makinesi [1, 2] (AÖM), tek gizli katmanlı ileri beslemeli sinir ağları (SLFN)
üzerinde çalışan yeni bir öğrenme algoritmasıdır. Türev tabanlı alışılagelmiş öğrenme
yöntemleri, öğrenme hızının yavaş olması,yüksek başarımlı öğrenmiş sistemler elde etmek için
çok sayıda eğitim/test verisine ihtiyaç duymaları gibi sakıncalarasahiptir. AÖM bu sakıncaları
gidermektedir [3, 4].AÖM geleneksel tek gizli katmanlı ileri beslemeli sinir ağlarının tüm
parametrelerinin ayarlanması için tanımlanmıştır. Geleneksel öğrenme teknikleri, uygun
olmayan öğrenme adımları nedeniyle genellikle çok yavaştır. AÖM ise çok hızlı bir öğrenme
sunduğundan adındaki “aşırı” tabiri bundan kaynaklıdır.AÖM hakkında yapılan son
E-ISBN: 978-605-68882-5-0 190

araştırmalarla, AÖM ’nin daha hızlı öğrenme ve daha küçük genelleme hatası nedeniyle gerçek
doğruluğa yakın değerler elde edildiği gösterilmiştir.
Bulanık mantık sistemlerinin bilimsel camiaya getirdiği en büyük katkı insan düşünüş tarzını
mühendislik uygulamalarına uygulanmasının sağlanmasıdır. Ancak bu sistemlerin tasarımının
uzmanlığa bağlı olması sebebiyle parametrelerinin belirlenmesinde bazı sorunlar
yaşanabilmektedir. Yapay zeka alanında bir diğer genel hesaplama yöntemi olan yapay sinir
ağları ise bilimsel camiaya sistemlerin öğrenmesi metaforunu katmıştır. Sinir ağlarının ve
bulanık mantığın birleşimiyle, bu iki yöntemin üstünlüklerinin bir araya geldiği bulanık-sinirsel
veya sinirsel-bulanık sistemler meydana gelir.ANFIS [5] bilimsel camiada en çok rağbet gören
ve kullanılan bulanık-sinirsel bir sistemdir. ANFIS, bulanık mantığın nitel yaklaşımını ve sinir
ağının uyarlama yeteneklerini karma mantıksal bir ağ bağlaşımı kullanarak daha iyi
başarımelde edilmesini sağlar. ANFIS, TS tipi bulanık çıkarım mekanizmasını kullanır.
ANFIS’in parametrelerinin çözümlenecek problem için uygun değerlerinibulmak bir öğrenme
algoritması kullanmayı gerektirir. Alışılagelmiş öğrenme algoritmaları türev tabanlı olup uzun
bir öğrenme süreci gerektirirler. Bu süreci hızlandırmak için aşırı-ANFIS [6, 7] adlı hızlı bir
öğrenme tekniği önerilmiştir. Bu çalışmada yüksek eğriselliğe ve engebeli giriş-çıkış yüzeyine
sahip sistemlerin tanımlanması amacıyla ANFIS’in AÖM tabanlı öğrenmesi üzerinde
çalışılmıştır.
Bildirinin geri kalan bölümleri aşağıdaki gibi düzenlenmiştir. Geleneksel ANFIS ağlarının
mimarisi ikinci bölümde tanımlanmıştır. Aşırı ANFIS öğrenme algoritması üçüncü bölümde
anlatılmıştır. Bölüm 4’de ise dört farklı modelleme probleminde aşırı-ANFIS ağlarının
benzetimleri ve başarım değerlendirmesi sunulmaktadır. Son olarak beşinci bölümde ise
tartışmalar ve sonuçlara yer verilmiştir.
2. Anfis Mimarisi
ANFIS, çok katmanlı ileri beslemeli bir ağ yapısında birinci dereceden TS bulanık çıkarım
sistemini işleten sıklıkla kullanılan bir bulanık-sinirsel ağ mimarisine sahiptir.-. Birinci
dereceden TS tipi bulanık çıkarım mekanizması Şekil 1'de gösterilmektedir. ANFIS mimarisi
de Şekil 2’de verilmiştir.ANFIS tipik bulanık if-then kuralları kullanılır. Bu kurallar aşağıdaki
şekilde ifade edilmiştir. Kuralların sonuç kısmındaki 𝑝𝑖 , 𝑞𝑖 ve 𝑟𝑖 parametreleri sonuç ya da ardıl
parametreler olarak adlandırılır.
E-ISBN: 978-605-68882-5-0 191

𝐾𝑢𝑟𝑎𝑙 1: 𝐼𝑓 𝑥 𝑖𝑠 𝐴1 𝑎𝑛𝑑 𝑦 𝑖𝑠 𝐵1 , 𝑡ℎ𝑒𝑛 𝑓1 = 𝑝1 𝑥 + 𝑞1 𝑦 + 𝑟1
𝐾𝑢𝑟𝑎𝑙 2: 𝐼𝑓 𝑥 𝑖𝑠 𝐴2 𝑎𝑛𝑑 𝑦 𝑖𝑠 𝐵2 , 𝑡ℎ𝑒𝑛 𝑓2 = 𝑝2 𝑥 + 𝑞2 𝑦 + 𝑟2
𝑤1 𝑓1 + 𝑤2 𝑓2
𝐷𝑢𝑟𝑢𝑙𝑎𝑚𝑎, 𝑓 = = ̅𝑤
̅̅1̅𝑓1 + ̅̅̅̅𝑓
𝑤2 2
𝑤1 + 𝑤2
Şekil 1.İki kurallı birinci dereceden bir TSbulanık çıkarım mekanizması
Jang [4] tarafından açıklanan beş katmanlı ANFIS mimarisi Şekil 2'de gösterilmiştir. Her
katmanın işlevi aşağıdaki gibi tanımlanır:
Şekil 2. ANFIS mimarisi
Katman-1 (Bulandırma): Bu katmandaki her bir𝐴𝑖 ve 𝐵𝑖 düğüm sırasıyla𝜇𝐴𝑖 (𝑥) ve 𝜇𝐵𝑖 (𝑦) ile
tanımlı üyelik fonksiyonları ile temsil edilen bulanık kümeleri göstermektedir. ANFIS’te
genellikle Eşitlik (1)’de verildiği gibi Gauss üyelik fonksiyonları kullanılır.
E-ISBN: 978-605-68882-5-0 192

(𝑐𝑖 − 𝑥)2 (1)
𝜇𝐴𝑖 (𝑥) = 𝑒𝑥𝑝 (− ), 𝑖 = 1,2
2𝜎𝑖2
Eşitlikte 𝑥 girişdeğişkenidir,𝑐𝑖 ve 𝜎𝑖 parametreleri ise𝐴𝑖 bulanık kümesinin merkezini ve

genişliğini göstermektedir. 𝜇𝐴𝑖 (𝑥) ifadesi bulanık değişkenin üyelik değeridir,𝜎𝑖 , 𝑐𝑖 genel
olarak öncül ya da şart parametreleri olarak adlandırılan üyelik fonksiyonu parametreleridir.
Katman-2(Kural eşleme gücü): Şekil 2 de gösterilen daire içinde Π biçimindeki düğümler;

kuralı oluşturan bulanık kümelerin cebirsel çarpım t-norm operatörü ile kesişimlerini temsil
eder.Diğer bir ifade ile eşitlik (2)’ de gösterildiği bulanık sistemin girişlerinin ilgili kuralın şart
kısmını oluşturan ilgili bulanık kümelere aitliklerinin çarpma işlemi yapılır. Bu işlem ile elde
edilen değer kuralın ateşleme gücüdür.
𝑤𝑖 = 𝜇𝐴𝑖 (𝑥) ∗ 𝜇𝐵𝑖 (𝑦) 𝑖 = 1,2 (2)
Katman-3 (Normalize kural ateşleme gücü): Bu katmanda daire içinde N ile gösterilen
düğümler,ikinci katmandan gelen 𝑖.kuralın ateşleme gücünün aynı katmandan gelen tüm
kuralların ateşleme güçlerinin toplamına oranı eşitlik (3) ile hesaplanır. Bu oran ilgili kuralın
normalize ateşleme gücüdür.
𝑊𝑖 (3)
𝑤
̅𝑖 = 𝑖 = 1,2
𝑊1 + 𝑊2
Katman-4 (Kural sonucu çıkarsama): Bu katmanın her bir düğümü eşitlik (4) ile tanımlanan
girişlerin birinci dereceden polinomundan ateşleme gücü oranında kural sonucunu bulur. Eşitlik
(4)’deki parametre kümesi {𝑝𝑖 , 𝑞𝑖 , 𝑟𝑖 }ardıl/sonuç/kural parametreleri olarak adlandırılır.
(4)
𝑤 ̅𝑖 (𝑝𝑖 𝑥 + 𝑞𝑖 𝑦 + 𝑟𝑖 )
̅𝑖 𝑓𝑖 = 𝑤
Katman-5 (Durulama): Bu katmanda durulama işlemi yapılarak ANFIS’in çıkışı belirlenir.

Dördüncü katmandan gelen tüm kural sonucu sinyallerinin toplamınıeşitlik (5) ilehesaplayan
tek düğümile temsil edilmektedir.Eşitlik (5)’te 𝑦̂ tahmini çıktı değerini gösterir.
∑𝑖 𝑤𝑖 𝑓𝑖
𝑦̂ = ∑ 𝑤
̅𝑖 = (5)
∑𝑖 𝑤𝑖
𝑖
ANFIS’den beklenen görevin yerine getirmesi için yukarıda kısaca tanımlanan öncül/şart ve
ardıl/sonuç/kural parametrelerinin belirlenmesi gerekir.Bu parametrelerin belirlenmesi
genellikle türev tabanlı algoritmalar ile yapılır. İstenen çıkış ve elde edilen çıkış arasındaki
hatadanelde edilen bir eğitim ölçüt değeri önceden belirlenen bir değerin altına inene kadar bu
algoritmalar tekrarlı bir şekilde koşturulur. Bu süreç zaman alıcı olduğundan çok kısa sürelerde
E-ISBN: 978-605-68882-5-0 193

eğitim yapabilme kabiliyetinde olan AÖM yöntemi bu çalışmada tercih edilmiştir. İzleyen
bölümde bu yöntem detaylıca tanımlanmıştır.
3. Aşırı-Anfis Öğrenme Algoritması
ANFIS eğitimi için [6, 7]’de AÖM tabanlıaşırı-ANFIS öğrenme algoritması önerilmiştir.
Önerilen algoritma, ANFIS mimarisinin eğitim ölçütünün en iyi hale getirilmesine yardımcı
olmaktadır. ANFIS yapısınınbirçok çalışmada [8-11] ne kadar büyük başarılar sağladığı,büyük
doğruluklar elde ettiğiaraştırmacılar tarafından kanıtlanmıştır. ANFISmimarisi önceki bölümde
açıklanmıştır.
AÖMeğitim sürecini müthiş kısalttığı için kullanım yaygınlaşmış olup [12-14] gibi çeşitli
uygulamaları görülmektedir. ANFIS’e AÖM’nin uygulanışını [7]’de önerilen algoritma bu
çalışmada Gauss üyelik fonksiyonuna uyarlanarak kullanılmıştır. Algoritma aşağıdaki şekilde
özetlenebilir:
Algoritma: Verilen regresyon veya modelleme problemi için tanımlı giriş aralığında seçilen
eğitim verileri kümesini şu şekilde düşünelim:
[𝐼1 , 𝐼2 , 𝐼3 , … … 𝐼𝑛 ; 𝑓] (6)
burada 𝐼𝑖 , 𝑖 = 1,2, . . . , 𝑛 giriş değişken değerlerinin,𝑓ise giriş değerlerine karşılık gelen istenen
çıkış değerlerini barındırır.
Adım1: Her bir giriş için değişim değerini (erim_değ) eşitlik (7) ile hesapla.
𝑒𝑟𝑖𝑚_𝑑𝑒ğ𝑖 = 𝑚𝑎𝑘𝑠{𝐼𝑖 } − min{𝐼𝑖 } (7)
Adım2: Kullanılacak Gauss üyelik fonksiyon(ÜF) sayısını (m) her bir giriş için aynı olmak kaydıyla
belirle.Gauss üyelik fonksiyonunun eşitlik (1)’de verilen matematiksel gösterimi ve farklı
parametre değerleri için değişimi Şekil 3’de verilmiştir.
E-ISBN: 978-605-68882-5-0 194

Şekil 3.Gauss üyelik fonksiyonun farklı parametre değerleri için değişimi
𝑐𝑗 üyelik fonksiyonunun merkezi değişken değişim aralığında değer alabilirken, 𝜎𝑗 standart

sapma veya genişlik parametresi𝜎 > 0 ile tanımlanır. Şekil 3’den de görüleceği üzere 𝜎 değeri
küçüldükçe çan eğrisi daralır.
Adım3 :𝑐𝑗 , 𝜎𝑗 öncül/şart parametrelerinin değerleriniaşağıda tanımlı aralıklarıniçinde rasgele

oluştur.
𝜎𝑗 seçimi:𝜎𝑗 parametresi üyelik fonksiyonunun genişliğini yani çan eğrisinin dar yada geniş
olmasını belirler. Bu değer eşitlik (8) ve (9) uyarınca rasgele olarak belirlenir.
𝑒𝑟𝑖𝑚_𝑑𝑒ğ𝑖 (8)
𝜎𝑗∗ =
2𝑚 − 2
𝜎𝑗∗ 3𝜎𝑗∗ (9)

≤ 𝜎𝑗 ≤
2 2
E-ISBN: 978-605-68882-5-0 195

𝑐𝑗 seçimi: Üyelik fonksiyonunun merkezi (𝑐𝑗 ) için rasgele değer atama işlemi aşağıda verilen
eşitlik (10)’a göre yapılır.
𝑚𝑒𝑠𝑎𝑓𝑒𝑐𝑐 𝑚𝑒𝑠𝑎𝑓𝑒𝑐𝑐 (10)

(𝑐𝑗∗ − ) < 𝑐𝑗 < (𝑐𝑗∗ − )
2 2
Eşitlikteki 𝑐𝑗∗ ,değişkenin değişim aralığında üyeliklerin eşit dağıtıldığı durumda jinci üyelik
fonksiyonunun merkezinin alacağı değerdir;𝑚𝑒𝑠𝑎𝑓𝑒𝑐𝑐 eşit dağılmış iki ardışık üyelik
fonksiyonu merkezleri arasındaki mesafedir.
Adım4: Yukarıda verildiği şekilde üyelik fonksiyonlarının(öncül/şart) parametrelerirasgele atamaları

yapıldıktan sonra, dördüncü katmana kadar düğüm çıkışları eldeki giriş eğitim verileri ile
kolayca elde edilebilir. Şimdi ANFIS çıkışı olan 𝑓, eşitlik (11) gösterildiği gibi
ardıl/sonuç/kural parametrelerinin doğrusal birinci derecen polinomlarının kural normalize
ateşleme gücü ile çarpımlarının toplamı şeklinde hesaplanır.
𝑚𝑛 𝑛
(11)
𝑓 = ∑𝑤
̅𝑘 (∑ 𝐸𝑘𝑖 𝐼𝑖 + 𝑇𝑘 )
𝑘=1 𝑖=1
burada 𝑘 kural sayısı indisini, 𝑚 üyelik fonksiyonlarının sayısını, 𝑛 giriş sayısını, 𝑚𝑛 kural
sayısını, 𝑖 giriş indisini, 𝐼𝑖 ise 𝑖.girişin değerinitemsil eder. 𝐸𝑘𝑖 (𝑝𝑘 , 𝑞𝑘 ) ve 𝑇𝑘 (𝑟𝑘 )ifadeleri ise 𝑘.
kurala ve 𝑖.giriş değerine karşılık gelen ardıl/sonuç/kural parametrelerini göstermektedir.
𝑝adet giriş-çıkış eğitim verisi çiftlerinin olduğunu düşünürsekeşitlik (11)’imatris

biçimindeeşitlik (12)’daki gibi elde edebiliriz.
𝐹𝑝𝑥1 = 𝛽𝑝𝑚𝑛 (𝑛+1) 𝑈𝑚𝑛 (𝑛+1)1 (12)
Eşitlikte 𝐹,𝛽giriş verilerinden ANFIS yapısı gereği elde edilen matrisi;𝑈 ise sonuç/ardıl/kural
parametre sütun vektörünü gösterir. Bu matris gösterimi üzerinden ANFIS’in
sonuç/ardıl/kuralparametreleri eşitlik (13) ile elde edilir.
(13)
𝑈 = 𝛽 † 𝐹 = (𝛽 𝑇 𝛽)−1 𝛽 𝑇 𝐹
Adım5: Adım3-Adım4’üen az 70-100 kez koşturun ve her bir çalıştırma sonucunda ANFIS çıkışı için
karesel hatanın ortalamasının karekökü (RMSE) değerini hesaplayın.Elde edilen en küçük
RMSE değerini veren koşmadaki öncül ve ardıl parametreleri kullanarak ANFIS modelini
oluşturun.
Yukarıda tanımlanan algoritma MATLAB’da kodlanarak, ANFIS’in yüksek eğriselliğe sahip

sistemleri modellemesi amacıyla çalıştırılmıştır. Elde edilen sonuçlar ve başarımtestlerinin
değerlendirmesi bir sonraki bölümde ele alınmaktadır.
E-ISBN: 978-605-68882-5-0 196

4. Modelleme Başarım Değerlendirmesi
Bir önceki bölümde tanımlanan aşırı-ANFIS algoritması kullanılarak yüksek eğriselliğe sahip
dört farklı denektaşı sistemin ANFIS modeli elde edilmiştir. Algoritma ile eğitimde kullanmak
üzere her bir sistem için eğitim verisi ve eğitimden sonra başarım testi için ise de ayrıca test
verisi hazırlanmıştır. Aşağıda her bir sistem ayrı ayrı tanımlanıp ANFIS modellerinin başarımı
tablolar halinde verilmiştir.
Örnek 1: Eşitlik (14)’de verilen doğrusal olmayan iki girişli fonksiyonu ANFIS ile
modellenmiştir.
sin(𝑥) sin(𝑦) (14)

𝑧= .
𝑥 𝑦
x ve y girişleri [−10, 10] aralığında değişmektedir.Eşitlik (20)’de verilen sistemden eşit aralıklı
olmak üzere 121 eğitim veri seti, 100 test veri seti hazırlanmıştır. Eğitim veri seti kullanılarak
her bir giriş için 4, 6, 8, 10 ve 12’şer üyelik fonksiyonu kullanılarak sistem AÖM ile TS tipi
bulanık bir sistem ile modellenmiştir. Modelleme sonucunda elde edilen bulanık sistem
modelinin genelleme başarımı ise test veri seti ile yapılmıştır. Şekil 6'da12 üyelik
fonksiyonunun kullanıldığı durum için test veri seti ile elde edilen başarım verilmiştir. Tablo
1’de ise farklı üyelik fonksiyon sayıları ile elde edilmiş RMSE başarım ölçütleri verilmiştir.
Tabloda verilen eğitim süresi önceki bölümde verilen algoritmanın ilk dört adımının işletilmesi
sonucu elde edilen süreyi göstermektedir.
Öğrenme için gerekli süre, eğitim ve test başarım ölçütü Tablo 1'de listelenmiştir. Üyelik
fonksiyonlarının sayısı artarsa doğruluk da artmaktadır. Ancak geleneksel ANFIS
algoritmasında parametrelerin öğrenme zamanı da artar (bknz [6, 7]). Bu sakınca, geleneksel
yöntemin doğruluğunu ve genellemesini etkilemeksizin aşırı-ANFIS öğrenme algoritmasıyla
tamamen ortadan kaldırılmıştır.
E-ISBN: 978-605-68882-5-0 197

Şekil 6.Test veri seti için elde edilenmodellemebaşarımı (a) vehata yüzeyi (b)
Tablo 1. Örnek1 için eğitim zamanıve başarım ölçütleri
Üyelik Fonksiyon Eğitim Eğitim başarımı Test başarımı

Sayısı Süresi [s] RMSE RMSE
4 1.40 0.0610 0.0330
6 1.72 0.0135 0.0132
8 2.88 0.0007 0.0014
10 4.83 1.6159e-06 1.4381e-05
12 7.76 5.6169e-16 6.2091e-16
Örnek 2: ANFIS kullanarak doğrusal olmayan peaks fonksiyonunun modellenmesini ele alalım.
Fonksiyonun matematikseltanımı (15)’de verilmiştir.
2 −(y+1)2 x 2 2 1 2 2 (15)
z = 3(1 − x)2 e−x − 10 ( − x 3 − y 5 ) e−x −y − e−(x+1) −y
5 3
x ve y giriş değişkenlerinin değişim aralıkları [-5,5] alınmıştır.. ANFIS eğitiminde
100x100=10.000eğitim verisi ve [-5,5] aralığındaki 50x50=2500 test verisi için algoritmanın
başarımı analiz edilmiştir. Farklı üyelik fonksiyon sayılarına görebaşarım analizi Tablo 2'de
verilmiştir. Şekil 7’de ise eğitilen ANFIS’in test veri seti için başarımı verilmiştir. Elde edilen
sonuçlardan, üyelik fonksiyonu sayısı arttıkçaaşırı öğrenme meydana geldiği görülürkenkural
ve yöntemin kullandığı ilgili matris boyutunun arttığı ve eğitimin yavaşladığı görülmüştür.
Fakat önerilen algoritmada, eğitim başarım ölçütünün değeri iyileşirken genelleme başarımı
yani test başarım ölçütünün fazla etkilenmediği görülmüştür.
E-ISBN: 978-605-68882-5-0 198

Şekil 7.Test veri seti için elde edilen modellemebaşarımı (a) ve hata yüzeyi (b)
Tablo2.Örnek 2 için eğitim zamanı ve başarım ölçütleri

4 3.45 0.6665 0.6180
6 12.13 0.2648 0.2446
8 34.05 0.1025 0.1108
10 80.40 0.0360 0.0436
12 167.62 0.0186 0.0245
Örnek 3: Bu örnekte de ANFIS kullanarak doğrusal olmayan eşitlik (16)’da verilen

fonksiyoniçin iki giriş-tek çıkışlıbir bulanık model elde etme problemi ele alınmıştır.
2 −𝑦 2 (16)
z = x. y. e−x
ANFIS eğitiminde 100x100=10.000 eğitim verisi kullanılmış ve modelleme

başarımı50x50=2500 test verisi için analiz edilmiştir. Farklı üyelik fonksiyon sayılarına ilişkin
genel başarımsonuçları Tablo 3'te verilmiştir. ANFIS’teüyelik fonksiyon sayısını optimize
ettikten sonra, işlem sayısı önemli ölçüde artar. Bu artış bilgiyi işleme süresini de etkiler. Şekil
8'de test veri seti için elde edilen modelleme başarımı ve hata yüzeyi verilmiştir.
E-ISBN: 978-605-68882-5-0 199

Şekil 8.Test veri seti için elde edilen modelleme başarımı (a) ve hata yüzeyi (b)
Tablo3.Örnek3 için eğitim zamanı ve başarım ölçütleri

4 6.79 0.0234 0.1928
6 25.75 0.0041 0.0041
8 74.96 0.0013 0.0016
10 170.94 0.00098 0.0007
12 328.48 0.00038734 0.00042354
Örnek 4: ANFIS kullanarak doğrusal olmayanegg crate fonksiyonunun modellenmesini ele

alalım. Fonksiyon eşitlik (17) ile tanımlanır.
(17)
𝑧 = 𝑥 2 + 𝑦 2 + 25(𝑠𝑖𝑛2 𝑥 + 𝑠𝑖𝑛2 𝑦)
Farklı üyelik fonksiyon sayılarına ilişkin genel modelleme başarımı Şekil 9 ve Tablo 4'de
verilmiştir. Verilen şekilden de görüleceği üzere, bu fonksiyon son derece engebeli çok çukur
ve çok tepeli bir giriş-çıkış yüzeyine sahip olduğundan, bu fonksiyonu modelleme görevi
oldukça zordur. Bu zor görev için 10.000 eğitim verisi ve eğitim veri seti içinde olmayan 2500
test verisi kullanılmıştır. Tablodan da görüleceği üzere altı ve daha fazla üyelik fonksiyonu ile
modelleme tatmin edici bir RMSE ölçüt değeri ile başarılmıştır.
E-ISBN: 978-605-68882-5-0 200

Şekil 9.Test veri seti için elde edilen modelleme başarımı (a) ve hata yüzeyi (b)
Tablo4.Örnek4 için eğitim zamanı ve başarım ölçütleri

Sayısı Süre [s] RMSE RMSE
4 3.64 3.9082 3.5247
6 12.71 0.6593 0.6205
8 36.99 0.29606 0.3438
10 87.42 0.23127 0.2705
12 167.03 0.07268 0.1410
Aşırı-ANFIS ile sistem modelleme süreci iki aşamadan oluşmaktadır: Değişim aralığı içinde
seçileneğitim verileri eğitim aşaması ve elde edilen parametreler ile kurulmuş bulanık modelin
test verileri ile genelleme başarımının yapıldığı test aşaması.
Aşırı-ANFIS ağı kullanarak gerçek problemleri çözme açısından kuralların sayısı ve ÜF türü
çok önemlidir. Bu çalışmadaaşırı-ANFIS algoritması belirli bir RMSE ölçüt ve en çok 70 döngü
sayısı ile koşturulmuştur. RMSE’nin belirli bir değerin altına düşmesine veya döngünün70'e
çıkmasına kadar eğitim süreci devam ettirilmiştir.
Bu çalışmada, aşırı-ANFIS adı verilen ANFIS mimarisinin parametrelerini uyarlamak için basit
ve zamanı verimli kullanan bir öğrenme algoritması önerilmiştir. Bu algoritmanın başarımı dört
farklı yüksek eğrisellikli ve engebeli yüzeye sahip fonksiyonun bulanık modellenmesi problemi
üzerinde gösterilmiştir. Önerilen aşırı-ANFIS algoritmasının geleneksel türev tabanlıve son
E-ISBN: 978-605-68882-5-0 201

zamanlarda ilgi gören sezgisel algoritma tabanlı öğrenme algoritmalarına kıyasla önemli
özellikleri aşağıda verilmiştir:
✓ Aşırı-ANFIS algoritması şart/öncül parametreleri denilen ÜF parametrelerini belirli aralıklarda

başlangıçta rasgele atayarak bu parametrelerin yinelemeli (iterative) güncellemesinden
kaynaklanacak zaman kaybına engel olarak toplam öğrenme süresinde önemli bir azalma
sağlamaktadır.
✓ Aşırı-ANFIS algoritmasının geleneksel öğrenme algoritmalarına göre daha basit olduğu ve

eğitimde görmediği örnekler için daha iyi genelleme sağladığı görülmüştür.
✓ Verilen örneklerden de görüleceği üzere, artan üyelik fonksiyon sayısı dolayısıyla artan kural
sayısınınöğrenme hızına etkisi çok yüksektir. Tasarımcının öğrenme hızını önemsemesi
durumunda mümkün olan en az ÜF sayısını tercih etmesi gerekir.
✓ Önerilen algoritma, doğasında mevcut olan matematiksel esneklik ve otomatik ayarlamaya

kolay uyarlanırlık özelliklerine sahip olan ANFIS’in esnekliğini geliştirir. Örneğin, algoritma
türevlenemez üyelik fonksiyonlarıyla daçalışabilir.
Kaynaklar
[1] Huang G-B,Zhu Q-Y and Siew C-K 2006 Extreme Learning Machine: Theory and Applications
Neurocomputing vol. 70 pp 489-501
[2] Huang G-B, Zhu Q-Y. and Siew C-K 2004 Extreme learning machine: anew learning scheme of
feedforward neural networks Proceedings of the International Joint Conference on Neural Networks
(IJCNN2004)Budapest-Hungary 25–29 July pp 985-990
[3] Karakuzu C and YüzgeçU 2018 A Simple Heuristic Approach to Improve Performance of Extreme
Learning Machine ICATCES 2018 International Conference on Advanced Technologies, Computer
Engineering and Science Proceeding Book Safranbolu-TURKEY 11-13 May pp. 212-217
[4]Karakuzu C andYüzgeçU 2018 Dynamic System Identification using Extreme Learning Machine
ICELIS2018 International Congress on Engineering and Life Science Abstract Book Kastamonu-
TURKEY 26-29 April pp 201
[5] Jang J-S R 1993 Anfis: Adaptive-network-based fuzzy inference systemIEEE Trans. Syst. Man
Cybern., vol.23 pp 665--685
E-ISBN: 978-605-68882-5-0 202

[6] Jagtap P, Raut P, Pillai G N, KaziF and Singh N M 2015Extreme-ANFIS: A Novel Learning
Approach for Inverse Model Control of Nonlinear DynamicalSystemsProceedings of the 2015
International Conference on Industrial Instrumentation and Control (ICIC) College of Engineering Pune
India May 28-30pp 718-723
[7] Jagtap P and Pillai G N 2014 Comparison of Extreme-ANFIS and ANFIS Networks for Regression
Problems2014 Proceedings of the IEEE International Advance Computing Conference (IACC)
Gurgaon-India 21-22 Feb. pp 1190-1194
[8] Güner E2003 Adaptive Neuro Fuzzy Inference System Applications in Chemical Processes
YüksekLisansTezi,OrtaDoğu Teknik Üniversitesi
[9] Karakuzu C 2010 Parameter Tuning of Fuzzy Sliding Mode Controller Using Particle Swarm
OptimizationInternational Journal of Innovative Computing, Information and Control vol 6 no 3 pp
4755–4770
[10] Karakuzu C ve Makhaila AA 2017 Veriye Dayalı Bulanık Mantık Tabanlı Dinamik Sistem
Modelleme Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi (ISSN: 2458-7575,
http://edergi.bilecik.edu.tr/index.php/fbd) Cilt4 Sayı1 Sf 9-20
[11] Thomas S, Pillai G N, Pala K and Jagtap P 2016 Prediction of ground motion parameters using
randomized ANFIS(RANFIS) Applied Soft Computingvol 40 pp 624–634
[12] Wang R, He Y-L, Chow C-Y, Ou F-F and Zhang J 2015 Learning ELM-Tree from big data based
on uncertainty reductionFuzzy Sets and Systemsvol 258 pp 79-100
[13] Akusok A 2016 Extreme Learning Machines: Novel Extensions and Application to Big Data PhD
Dissertation University of Iowa (avaible at https://ir.uiowa.edu/etd/3036)
E-ISBN: 978-605-68882-5-0 203

Akaryakıt Teşvik Uygulamalarının Denizcilik Ekonomisine
Katkısı
D Yıldırım Pekşen
duygu.yildirim@yalova.edu.tr
Özet
Dünya ticaretinin yaklaşık %84’ü deniz yolu ile yapılmaktadır ve deniz yoluyla taşınan yük
miktarı 2016 yılı itibariyle yaklaşık 11,1 Milyar DWT’ye ulaşmıştır [1]. Deniz taşımacılığında
faaliyet gösteren ülkeler ulusal anlamda ülkeler kendi filolarını ve iç taşımacılıklarını
güçlendirmek için birtakım ayrıcalıklar uygulamaktadır. Ülkemiz de iç deniz taşımacılığı
alanında gelişme sağlamak için 1 Temmuz 1926 yılında Kabotaj Kanunu ile ülkemiz
kıyılarında, karasularında, limanlarda deniz taşımacılığı faaliyetlerini yapma hakkını kendi
vatandaşlarımıza verilerek ulusal anlamda vatandaşlarımızın kendi filolarını kurarak bu
pastadan sadece onların pay alması sağlanmıştır. 2003 yılında ise Özel Tüketim Vergisi
(ÖTV)’si sıfırlanmış yakıt uygulaması ile vergi esnekliği getirerek kabotaj taşımacılığını
katkıda bulunulmuştur.
Bu çalışmada, öncelikle dünyada ve Avrupa Birliğinde denizcilik alanında uygulanan yakıt

teşviklerinden bahsedilecek daha sonra ülkemizdeki uygulamalar konu alınacaktır. Çalışma
sonucunda ÖTV’siz akaryakıt teşviklerinin Türk denizcilik sektörünün gelişmesine ve
ekonomik büyümesine olan katkıları irdelenecektir.
Anahtar Kelimeler: ÖTV, Kabotaj, Yakıt Teşviği
Contribution to Maritime Economy of Incentive Practices for Fuel

Oil
Abstract
84 percent of the world trade is achieved by sea-based and cargo amounted to 11,1 Billion DWT
compared to 2016 [1]. The countries operating in maritime transport have a number of
privileges to strengthen their fleets and internal transport. Our country has paid only pasta with
its own authority in order to enclose the right of sea transportation in the coasts, territorial waters
E-ISBN: 978-605-68882-5-0 204

and ports in our country with the Cabotage Law on July 1, 1926 for the domestic maritime
transportation. Since 2003, it has introduced tax flexibility through the implementation of
Special Consumption Tax with zeroed fuel and opens cabotage transportation.
In this study, we will first talk about fuel incentives in the world and in the European Union
then the applications in our country will be examined. As a result of the study, the contribution
of excise fuel incentives to the development and economic growth of Turkish maritime sector
will be examined.
Keywords: Special consumption tax, fuel incentives.
1. Giriş
Özel Tüketim Vergisi sosyal refahı arttırması ve ÖTV kapsamına giren alkollü içki, tütün ve
çevre kirliliği doğuran malların vergilenmesi, oluşan bu dışsallıkların içselleştirilmesi amacıyla
uygulamaya konulmuştur. Diğer yandan AB müktesebatına uyum sağlamak açısından da ÖTV
uygulamasına geçilmiştir. 24.03.2002 tarih ve 24352 sayılı Resmi Gazete’de yayımlanan
2001/2129 sayılı Bakanlar Kurulu Kararı eki “Avrupa Birliği Müktesebatının Üstlenilmesine
Dair Türkiye Ulusal Programı” nda uyum sağlamaya ilişkin taahhütlerimiz kısa ve orta vadeli
takvime bağlanmış ve özel tüketim vergisi alanında uyumlaştırma 2002 yılında başlayan orta
vadeli taahhütlerimiz arasında yer almıştır [2].
Özel Tüketim Vergisi kapsamına giren mallar, Kanuna ekli listelerde yer alan Gümrük Tarife
İstatistik Pozisyonu (G.T.İ.P) numaraları itibari ile sınırlandırılmış olup ÖTV kapsamına dahil
edilen mallar başlıca aşağıdaki üç kategori altında toplanabilir;
1-Alkol ve alkollü içecekler,
2-İşlenmiş tütün mamulleri,
3-Enerji ürünleri - madeni yağlar (benzin, motorin ve gazyağı gibi petrol ürünleri), elektrik,
doğalgaz, taş kömürü ve kokkömürü. Daha önce sadece madeni yağlarla sınırlı olan enerji
ürünlerine ilişkin asgari oran sistemi, 27 Ekim 2003 tarih ve 2003/96/EC sayılı Direktif ile
kömür, doğalgaz ve elektrik de dahil olmak üzere tüm enerji ürünlerini kapsayacak şekilde
genişletilmiştir [3].
16.07.2003 tarihli ve 25170 sayılı Resmi Gazete’de yayımlan ÖTV Kanununun 12 nci
maddesinin Bakanlar Kurulu’na verdiği yetki uyarınca 01.07.2003 tarih ve 2003/5868 sayılı
E-ISBN: 978-605-68882-5-0 205

Bakanlar Kurulu Kararı eki Kararın 1.nci maddesiyle; Türk Uluslararası Gemi Siciline ve Milli
Gemi Siciline kayıtlı, kabotaj hattında münhasıran yük ve yolcu taşıyan gemilere, ticari yatlara,
hizmet ve balıkçı gemilerine miktarı her geminin teknik özelliklerine göre tespit edilmek ve bu
akaryakıtı kullanacak geminin jurnaline işlenmek kaydıyla verilecek akaryakıtın özel tüketim
vergisi tutarı sıfıra indirilmiştir.
Yapılan bu düzenlemeyle deniz taşımacılığının en önemli maliyet kalemi olan yakıt kaleminde
mevcut fiyatların düşürülerek deniz taşımacılığının gelişmesine katkıda bulunulması özellikle
balıkçılık sektörünün uluslararası alanda rekabet edebilir olması hedeflenmiştir.
2. Materyal ve Metodoloji
2.1. Dünyada Denizcilik Alanında Uygulanan Yakıt Teşvikleri
Uluslararası taşımacılık bir geminin açık denizlerde yol almasıyla gerçekleşmektedir. Açık
denizler, hiç bir ülkenin egemenliği altında olmadığından dolayı burada yapılacak ticarette
herhangi bir ülkenin vergi rejimine tabi olmamaktadır. Dolayısı ile deniz araçları, açık
denizlerde yakıt transferi yaparlarken herhangi bir vergi ödemezler. Bu durum, bir ülkenin
karasularında veya iç sularında faaliyet gösteren diğer deniz araçları için olumsuz etki
yaratmaktadır. Çünkü balıkçı gemileri, deniz otobüsleri, vapurlar, turizm amaçlı yolcu tekneleri
ve römorkör v.b. gibi hizmet gemileri karasuların dışına çıkmadan ticaretlerini
gerçekleştirmektedir. Ülkenin vergi rejimine tabi olmaları sebebiyle kullanacakları akaryakıtı,
uluslararası sularda satılan transit akaryakıttan çok daha pahalıya satın almak zorunda
kalmaktadırlar [4].
Tablo 1: Dünya ülkelerinde denizcilik sektörüne uygulanan akaryakıt destekleri [4]

ÜLKE YAKIT VERGİLERİ DENİZCİLİK SEKTÖRÜNE VERİLEN YAKIT DESTEKLERİ
E-ISBN: 978-605-68882-5-0 206

Avusturalya Tüketim vergisi Ticari balıkçılık etkinliklerinde yakıt vergisi muafiyeti vardır (2008 yılında
vergi oranı muafiyeti litre başına 38,143 cent idi)
Birleşik Devletler Federal yakıt vergisi Balıkçılar yakıt için bir gelir vergisi kredisi alırlar çünkü ticari balıkçılık yapan
bir teknede kullanılan yakıt vergiden muaf olarak kabul edilir. Yeraltı
Depolama Tankı Fonu'nun (galon başına USD 0.001) gider Yakıt vergisi için
vergi kredisi bulunmamaktadır
İzlanda Yakıt tüketimine ilişkin herhangi bir vergi indirimi/muafiyeti veya diğer türlü
bir destek bulunmamaktadır.
Japonya Ağır fuel-oil’lerdeki tüketim Ağır fuel oil için (sadece balıkçılığa özgü olmayan, tarım ve ormancılık
vergisi sektörlerinde de uygulanan) ve hafif yağ yakıtları (sadece balıkçılığa özgü
değil, aynı zamanda kamu yollarının kullanılmadığı tüm faaliyetlere
uygulanan) için vergi muafiyeti vardır.
Hafif yağ yakıtlardaki tüketim

vergisi
Kanada Federal tüketim vergisi Federal tüketim vergisi: Kanada kara suları dışında faaliyet gösteren (yani
(2008’de, 1 litre dizel yakıt kıyıdan 12 deniz mili uzakta) gemiler için tüm vergilerden muafiyet vardır.
için 4 cent idi.)
Bölgesel tüketim vergisi: Newfoundland, Labrador, Maritimes, Körfez,

Bölgesel tüketim vergisi Québec ve Pasifik Bölgesinde faaliyet gösteren gemiler için bu vergiden
(bölgeye göre oran muafiyet vardır.
değişmektedir.)
Norveç Mineral bazlı yakıt Yakıt vergisi muafiyeti yürürlüktedir (Tamamen karbon dioksit ve yakıt
kullanımında Karbondioksit vergisinden muafiyet). Böylelikle mineral yağ ve karbondioksit bazlı vergiler
vergisi. münhasır ekonomik bölge içinde faaliyet gösteren balıkçı teknelerine geri iade
edilmektedir. Açık deniz balıkçılığı uygulama dışında tutulmuştur.
Benzinli ve dizel yakıt

kullanım Vergileri (ulusal Benzinli ve dizel yakıt kullanım vergileri: kapsam dışı
yollarda alınmakta)
NOx vergisi: Açık deniz balıkçılık faaliyetleri Nox vergisinden tamamen muaf
Nox-vergisi (hesaplanan tutulmuştur.
emisyon miktarına göre)
Şili Yakıt tüketimine ilişkin herhangi bir vergi indirimi/muafiyeti veya diğer türlü
Tayland Yakıt tüketimine ilişkin herhangi bir vergi indirimi/muafiyeti veya diğer türlü
E-ISBN: 978-605-68882-5-0 207

Yeni Zelanda Balıkçılık sektörü için özel bir destek politikası mevcut değildir. Ancak balıkçı
tekneleri de Motorlu Araç Kullanım Vergisi (birçok farklı faaliyetler için
geçerli) ile ilgili bir geri ödeme alabilmektedirler.
Tablo 1’den görüleceği üzere, dünyada birçok gelişmiş ülkede özellikle balıkçı gemileri için
kullandıkları akaryakıta göre vergi muafiyetleri sağlanmakta veya mali açıdan destek
uygulanmaktadır. Dünya genelinde denizcilik alanında uygulanan akaryakıt vergilendirmeleri
değişiklik arz etmektedir. Vergilendirmede muafiyet, teşvik, destek veya benzeri indirimler ise
diğer gemi türlerinden daha ziyade balıkçı gemileri için yapılmaktadır. Çünkü balıkçı
gemilerini işletenlerin ekonomik durumları daha zayıftır [4].
Aşağıda yer alan Şekil 1’ de denizcilik sektörüne verilen akaryakıt teşviklerinden 2008 yılında
Balıkçı gemilerine yapılan destekler yer almaktadır. Bu şekle göre, dünya ortalaması 1
USD/litre’dir. Ancak Türk balıkçı gemileri, her ne kadar teşvik uygulansa da o dönem yine de
diğer dünya ülkelerine kıyasla (yaklaşık 1,75 USD/litre ile) en pahalı yakıtı kullandığı
görülmektedir.
Şekil 1: Balıkçı gemileri için akaryakıt vergi teşvikleri ve net yakıt fiyatları, 2008 [4].
E-ISBN: 978-605-68882-5-0 208

2.2. Avrupa Birliğinde Denizcilik Yakıtlarına Verilen Destekler
Avrupa Birliği (AB) içinde kabotaj uygulaması ikiye ayrılmaktadır. Birinci uygulama, AB
Kabotajı yani herhangi bir AB limanından diğer bir AB limanına ancak AB bayraklı gemi
ticaret yapabilir. Bu kural tüm üye ülkelerce benimsenmiştir. İkinci uygulama ise Yunanistan’ın
uyguladığı gibi AB içerisinde yer alan ancak ekonomisi denizciliğe bağlı olan ve halen
gelişmekte olan ülkelere, kendi kara suları içerisinde gerçekleştirilecek ticari faaliyetlerin yine
kendi bayraklı gemileri ile yapılmasına belli bir takvim yılına kadar müsaade edilmesidir.
Tablo 2’de görüleceği üzere AB üyesi ülkelerde denizcilik alanında uygulanan akaryakıt
vergilendirmeleri değişiklik arz etmektedir. Vergilendirmede muafiyet, teşvik, destek veya
benzeri indirimler ise diğer gemi türlerinden daha ziyade balıkçı gemileri için yapılmaktadır.
Çünkü balıkçı gemilerini işletenlerin ekonomik durumları daha zayıftır [5].
Tablo 2: AB üyesi ülkelerde denizcilik sektörüne uygulanan akaryakıt destekleri [5]
ÜLKE YAKIT VERGİLERİ BALIKÇILAR İÇİN YAKIT DESTEK TÜRÜ
ALMANYA Yakıt tipine göre farklı Toplam yakıt tüketim vergisi yürürlüktedir.
tüketim vergisi
BELÇİKA Tüketim vergisi: 0,021 Toplam yakıt tüketim vergisi yürürlüktedir.

euro/litre
BİRLEŞİK Hidrokarbon içerikli yakıt İç sulardakilerden başka gemilerde kullanılan yakıtlar

KRALLIK vergileri için toplam muafiyet
BULGARİSTAN Yakıt tüketim vergisi Uluslararası seyir için kullanılan yakıt için toplam
vergi muafiyeti
DANİMARKA Doğrudan yakıt vergisi İki tip yakıt için vergi muafiyeti yürürlüktedir.
Yakıtta CO2 vergisi
ESTONYA Yakıt tipine göre farklı Kısmi yakıt tüketim vergisi yürürlüktedir. Estonya
tüketim vergisi ticari balıkçılarını kapsayan fakat ticari olmayan
eğlence taşımacılığını hariç tutan deniz taşımacılığı
için kullanılan gaz yakıtlarında ortak azaltılmış
tüketim oranını uygular.(2013 için indirimli oran 1000
litre başına 110,95 euro).
E-ISBN: 978-605-68882-5-0 209

FİNLANDİYA Yakıt tipine göre farklı Toplam yakıt tüketim vergisi yürürlüktedir.
tüketim vergisi
FRANSA Yakıt tipine göre farklı Toplam yakıt tüketim vergisi yürürlüktedir.
tüketim vergisi
GÜNEY KIBRIS Yakıt tüketim vergisi Tarım, balıkçılık ve ikmal operasyonlarnda kullanılan
dizel yakıtlar için Toplam yakıt tüketim vergisi
HOLLANDA Yakıt tipine göre farklı Gemiler (gezi teknelerinden başka) için kullanılan
tüketim vergisi mineral yağlar için toplam yakıt tüketim vergisi
yürürlüktedir. Benzin muafiyeti yoktur.
İRLANDA Mineral yağ vergisi Balıkçılık dahil deniz seyri için kullanılan mineral
yağ için toplam vergi muafiyeti(özel gezi tekneleri
hariç)
İSPANYA Yakıt tipine göre farklı Özel gezi tekneleri dışındaki deniz ve iç su seyrinde
tüketim vergisi kullanılan ürünler için toplam yakıt vergisi muafiyeti
yürürlüktedir.
İSVEÇ Yakıt tipine göre farklı CO2 ve yakıt vergisi için toplam yakıt tüketim vergisi
tüketim vergisi yürürlüktedir.
CO2 vergisi (tüm yakıt

tiplerine eşit)
İTALYA Yakıt tipine göre farklı Balıkçılık ve denizcilik sektörü için toplam yakıt
tüketim vergisi vergisi muafiyeti.
LETONYA Yakıt tipine göre farklı Baltık Denizi gemileri KDV vergisinden (% 21)
tüketim vergisi muaftır ve açık deniz gemileri yakıtı için 2011 de tam
ödenen fiyat (ÖTV ve KDV dahil) kıyı tekneleri yakıt
tüketiminden muaftır: yakıt sübvansiyonları
LİTVANYA Yakıt tipine göre farklı Gemilerde kullanılan petrol ürünleri (ulusal balıkçılık
tüketim vergisi filosunun, savaş gemileri, nakliye gemileri ve pilot
tekneleri) toplam vergi muafiyeti yürürlüktedir.
POLONYA Yakıt tipine göre farklı ticari balıkçılık da dahil olmak üzere ticari seyir
tüketim vergisi amaçlı kullanılan yakıtlar 6 Aralık 2008 tarihli Özel
Tüketim Vergisi Kanunu kapsamında yakıt tüketim
vergisinden muaftır
PORTEKİZ Petrol ve enerjisi vergisi İç su yollarında ve deniz kıyısında gaz yağı ve fuel oil
tüketimi için yakıt vergisi muafiyeti.
ROMANYA Yakıt tüketim vergisi Seyir için toplam muafiyet.
SLOVENYA Yakıt tipine göre farklı Ödenen ÖTV nin dönüşü şeklinde toplam yakıt vergisi
tüketim vergisi muafiyeti yürürlüktedir.
E-ISBN: 978-605-68882-5-0 210

YUNANİSTAN Yakıt Özel tüketim vergisi Profesyonel balıkçılar içi toplan yakıt muafiyeti
yürürlüktedir.
Article I. 2.3. Türkiye’de Denizcilik Sektörüne Verilen Yakıt Teşvikleri
Kabotaj Kanunu ile Türkiye limanları ve sahilleri arasında yük ve yolcu taşımacılığı hakkını
Türk bayraklı gemiler ve Türk vatandaşlarına verilmektedir Türk kara sularında faaliyette
bulunan deniz araçları millileştirilmiş akaryakıt satın aldığından söz konusu akaryakıt
üzerinden Özel Tüketim Vergisi (ÖTV) ve Katma Değer Vergisi (KDV) ödenmektedir [6].
Bu durum, Kabotaj hattında faaliyet gösteren deniz araçlarının ekonomik yönden uluslararası
sefer yapan gemilerle rekabetini olumsuz etkilemektedir. Ayrıca römorkör, palamar botu,
acente botu gibi hizmet gemilerinin akaryakıt alımlarında bu vergileri ödemesinden dolayı
liman hizmet tarifeleri yükselmekte, bu sebeple uluslararası sefer yapan ticari gemileri, fiyat
avantajı sebebiyle komşu ülkelerde bulunan limanları tercih edebilmektedirler [7].
Kabotaj hattında çalışan yük ve yolcu taşıyan gemiler, ticari yatlar ile balıkçılık faaliyetinde
bulunan gemilerin maliyetlerini azaltarak denizcilik sektörünün gelişmesine katkıda bulunmak
amacıyla 01.07.2003 tarih ve 2003/5868 sayılı Bakanlar Kurulu Kararı ile 01.01.2004
tarihinden geçerli olmak üzere kullandıkları akaryakıt bedeli üzerinden alınan Ö.T.V. sıfır
olarak tespit edilmiştir [6].
Buna göre özel tüketim vergisi tutarı sıfır olarak yakıt alacakların aşağıdaki şartları taşımaları
gerekmektedir:
1) Deniz aracının yük ve yolcu taşıyan gemiler, ticari yatlar, hizmet ve balıkçı gemileri olması,
2) Deniz araçlarının söz konusu hizmetlerini kabotaj hattında ifa etmeleri,
3) Deniz araçlarının Türk Uluslararası Gemi Siciline ve Milli Gemi Siciline kayıtlı olması,
4) Deniz araçlarına verilen yakıtın listede belirtilen yakıtlar arasında bulunması,
5) Deniz araçlarının Deniz Ticaret Odası veya liman başkanlığı tarafından verilen ve Deniz Ticaret
Odası liman başkanlığı ile ilgili vergi dairesince onaylanmış olan bir Yakıt Alım Defteri
tutmaları,
6) Deniz araçlarına yakıt verecek firmaların dağıtım izin belgesine sahip olmaları gerekmektedir
[6].
E-ISBN: 978-605-68882-5-0 211

Section 1.01 2.4. ÖTV’siz Denizcilik Yakıtı Kullanılmasına İlişkin İstatistiki Veriler
Aşağıda yer alan Tablo 3, 2004 ve 2017 yılları arasında düzenlenen yakıt alım defterlerinin
sayısını göstermektedir. Bu rakamlar kaç adet geminin ÖTV’siz yakıt uygulanmasından
faydalandığını vurgulamaktadır. Öte yandan her yıl ÖTV’siz yakıt kullanan gemi sayısının
artmaya devam ettiği tablodaki rakamlardan anlaşılmaktadır.
2004 ile 2017 arasındaki defter sayısına farkına bakıldığında, ÖTV’siz yakıt kullanan deniz
araçlarının sayısının 4.875’den 8.429’a çıkarak neredeyse %80 arttığı görülmektedir. Balıkçı
gemileri, Römorkörler ve Hizmet Gemileri, Ticari Yatlarda 2014 yılı hariç genel anlamda her
yıl artış gösterdiği görülmektedir. Yolcu gemileri, tankerler ve dökme ve kuru yük gemilerinde
2010 yılından hemen hemen her yıl düşüş gösterdiği görülmektedir.
E-ISBN: 978-605-68882-5-0 212

Tablo 3: 2004 – 2017 yılları arası düzenlenen yakıt alım defteri (ad.) [8]
Yıllar
Gemi 2004 2010 2011 2012 2013 2014 2015 2016 2017
Cinsleri
Balıkçı
4.817 5.358 5.513 5.714 5.430 5.245 5.371 5.432
gemileri
Römorkörler
ve Hizmet 805 896 931 966 939 997 1.020 1.011
Gemileri
Ticari Yatlar 716 1.107 1.234 1.263 1.250 1.228 1.117 1.141
Yolcu
Gemileri ve 833 665 511 508 507 528 479 461
Feribotlar
Tankerler 202 198 213 196 175 151 151 151
Dökme ve
Kuru Yük 258 293 285 305 263 254 255 233
Gemileri
TOPLAM 4.875 7.631 8.517 8.687 8.952 8.564 8.403 8.393 8.429
Hükümet politikası olarak 2004 yılında başlayan denizcilik sektöründeki ÖTV’siz yakıt
kullanımı teşviki, 2017 yılına kadar ara vermeden devam etmiş ve verilen teşvikler mali
anlamda yıllık olarak 190 Milyon TL’den 745 Milyon TL’lere kadar ulaşmıştır.
Tablo 4: ÖTV’siz deniz yakıtı uygulamasında gemi cinslerine göre verilen teşvik miktarları dağılımı
(2004–2017) [8]
Değişim Değişim
2004- 2010-
2017
2004 2010 2011 2012 2013 2014 2015 2016 2017 2017
GEMİ
CİNSLERİ
TEŞVİK TEŞVİK TEŞVİK TEŞVİK TEŞVİK TEŞVİK TEŞVİK TEŞVİK TEŞVİK
MİKTARI MİKTARI MİKTARI MİKTARI MİKTARI MİKTARI MİKTARI MİKTARI MİKTARI %
(YTL) (TL) (TL) (TL) (TL) (TL) (TL) (TL) (TL)
228
Balıkçı
53.200.000 128.751.622 137.043.503 155.935.009 148.310.967 142.700.286 150.181.696 182.649.492 174.647.502 36
gemileri
E-ISBN: 978-605-68882-5-0 213

Römorkörler
ve Hizmet 11.400.000 32.122.177 44.518.922 65.261.179 68.046.881 63.827.790 69.095.973 75.294.500 93.572.921
Gemileri 721 191
Ticari Yatlar 5.700.000 9.481.135 15.396.001 19.176.906 24.259.210 23.598.002 24.512.911 19.608.342 24.099.707
323 154
Yolcu
Gemileri ve 81.700.000 188.186.588 211.949.507 223.725.002 267.110.460 265.942.471 275.105.537 292.115.517 326.041.046
Feribotlar 299 73
Tankerler 28.500.000 32.646.437 33.351.944 41.421.601 46.383.862 40.370.079 48.619.760 49.572.014 53.907.870
89 65
Dökme ve
Kuru Yük 9.500.000 20.097.654 23.851.494 27.477.745 35.141.718 42.049.302 49.264.903 58.426.290 73.162.691
Gemileri 670 264
Toplam 190.000.000 426.329.678 484.309.180 554.784.600 612.537.670 592.056.617 622.482.626 683.319.821 745.431.737
292 75
Bu teşviklerin kullanımına ilişkin istatistiki veriler sırasıyla Tablo 4 ve 5’de yer almaktadır.
Tablo 4’de, 2004-2017 yılları arası ÖTV’siz denizcilik yakıtı kullanımında gemi cinsine göre
ayrılmış teşvik miktarları (TL) gösterilmektedir. 2017 yılında römorkör ve hizmet gemileri ile
dökme ve kuru yük gemilerine verilen teşvik miktarı 2004 yılındaki rakamlarla
kıyaslandığında yaklaşık %700 artış olduğu toplam miktarda da yaklaşık %300 artış olduğu
gözlenmektedir. Fakat 2017 rakamları 2010 ile kıyaslandığında ise artış yüzdeleri bu kadar
büyük olmadığı görülmektedir ama bütün gemi tiplerinde 2014 yılı itibariyle bir düşüş
göstermiş olsa da yine de teşvik miktarı artmaktadır.
Tablo 5’e bakıldığında 2017 yılında 2004 yılına göre %299 artan miktarda teşvik alan yolcu
gemileri ve feribotların taşıdığı yolcu sayısını 2004 yılına kıyasladığımızda %22 oranında artış
olduğu görülmektedir. Diğer yandan yolcu*mil miktarı yaklaşık %83 oranında artmıştır.
E-ISBN: 978-605-68882-5-0 214

Tablo 5: Kabotajda Taşınan Yolcu ve Yolcu x Mil Miktarı [8]
YIL YOLCU (Adet) Yolcu x Mil
2004 112.816.094 621.484.444
2005 122.661.230 670.751.087
2006 135.348.554 752.889.731
2007 149.824.929 842.975.355
2008 151.645.639 847.917.253
2009 159.194.370 886.609.389
2010 155.172.103 850.532.610
2011 156.968.095 848.418.350
2012 159.076.921 787.572.051
2013 164.426.997 900.226.869
2014 161.048.004 974.923.011
2015 163.723.544 992.592.392
2016 148.101.589 1.112.255.126
2017 137.195.691 1.138.826.307
Section 1.02 Tablo 6’da, 2004-2017 yılları arası ÖTV’siz denizcilik yakıtı kullanımında Kamu ve
Özel sektör ayrımı yapılarak, hangi tarafın ne kadar (TL) teşvikten yararlandığı gösterilmektedir.
E-ISBN: 978-605-68882-5-0 215

Tablo 6: ÖTV’si sıfırlanmış deniz yakıtının kamu-özel dağılımı [9]
Yıllar
Verilen 2004 2010 2011 2012 2013 2014 2015 2016 2017
Yakıt
(mton)
Kamu Miktar 125.216 93.518 65.533 35.423 35.732 36.689 54.046 40.975 44.339
sektörüne
verilen % 52 29 19 10 10 11 15 11 12
yakıt (mton)
Özel Miktar 115.584 227.233 279.869 329.311 317.874 302.172 308.792 338.928 338.572
sektöre
verilen % 48 71 81 90 90 89 85 89 88
yakıt (mton)
Toplam (ton) 240.800 320.751 345.402 364.734 353.606 338.860 362.838 379.904 382.911
Toplam (milyon TL) 190 426,3 484,3 554,8 612,5 592 622,5 683,3 743,4
Section 1.03 İlk başta iki sektör arası dengenin %50 ile aynı oranda olmasına rağmen, İstanbul
Deniz Otobüsleri ve TDİ’ye bağlı deniz araçlarının özelleştirilmesi ile Özel sektörün toplam yakıt
dağılımında %85-90 pay aldığı, Kamunun payının ise %10-15’lere kadar düştüğü ayrıca
görülmektedir. 2014 yılındaki ufak düşüş haricinde TL bazında yararlanılan teşvik miktarı giderek
artarak 2017 yılında 743,4 milyon TL’ye ulaşarak 2004 yılındaki teşvik miktarının yaklaşık 4 katına
çıktığı ton bazında ise 2017 yılında 382.911 tona çıkarak 2004 yılına oranla yaklaşık 1,5 kat arttığı
gözükmektedir.
3. Sonuç
Türk denizciliği son dönemde uygulanan politikalar ile hedeflerine hızla yaklaşmaktadır. Bu
çerçevede atılan adımlardan ilki 2004 yılında başlatılan ÖTV’siz yakıt uygulaması ile kabotaj
taşımacılığının canlandırılması olmuştur. Kabotaj kanunu ile Türk vatandaşlarının kendi
karasularında, kıyılarında, limanlarında ticaret yapma hakkı verilmesine rağmen, yakıt
fiyatlarının yüksek olması nedeni ile kabotaj taşımacılığı çok fazla gelişim gösterememiştir.
Uluslararası ticaret yapan gemiler vergiden muaf iken karasuları içerisinde kabotaj taşımacılığı
yapan gemiler vergi ödemek durumunda kalmaktadır ÖTV siz yakıt teşviki uygulaması
özellikle balıkçı gemileri ve yolcu gemileri tarafından artan taleple karşılaşmıştır.
E-ISBN: 978-605-68882-5-0 216

Deniz taşımacılığının en önemli maliyet kalemi yakıt maliyetidir. Yakıt maliyetinin yüksek
olması doğrudan navlunları artmasına yani verilen hizmetin veya taşınan yükün fiyatını
etkilemektedir. Bu nedenlerle daha yüksek fiyata balık tüketmeye, daha yüksek ücretle feribot
ve yolcu gemilerinde yolculuk yapılmasına neden olmaktadır. Ayrıca bu durum, yerli balıkların
ihraç edilmesini güçleştirmekte aksine yabancı ülkelerde daha uygun maliyetle avlanan
balıkların ithalatına yol açmaktadır. Deniz yolu ulaşımında ise yine akaryakıt için ödenen
vergiler; vapurlarda deniz otobüslerinde, yolcu motorlarında ve benzeri araçlarda taşınan yolcu
ve kara araçlarının bilet fiyatına yansıtılmakta ve bu vergi vatandaşın cebinden çıkmaktadır.
Diğer yandan römorkör ve yardımcı gemilerin daha yüksek ücretle liman hizmetlerinin
verilmesine neden olacak ve uluslararası alanda ülkemiz limanlarının tercih edilmesini
etkileyecektir. AB ülkeleri ve Amerika, Kanada gibi diğer ülkelere bakıldığında balıkçı
gemilerine yönelik vergi muafiyeti sağladıkları görülmektedir. En pahalı yakıtı Türkiye deki
balıkçı gemilerinin satın aldığı görülmektedir.
En ucuz ve çevre dostu olan denizyolu ulaşımının teşvik edilmesini sağlayan ÖTV’siz Yakıt
Uygulaması karayolu taşımacılığını büyük ölçüde denize kaydırmıştır. Yapılan uygulamayla
yararlanılan teşvik miktarı 2004 yılında 190 milyon TL’den 2017 yılında 743,4 milyon TL’ye
yükselmiştir. Kullanılan yakıt miktarı ise 240.800 tondan 382.911 tona yükselmiştir.
Yararlanılan yakıt miktarının son 5 yılda yaklaşık %88’inden özel sektör yararlanırken yaklaşık
%12 sinden kamu sektörü yararlanmıştır.
Denizyolu taşımacılığının geliştirilmesi için alınan önlem ve düzenlemeler neticesinde yapılan

uygulamayla; Marmara Denizi’nde birçok yeni hat kurulmuş, mevcut hatlarda ise araç ve yolcu
taşıma kapasiteleri artmıştır. Yararlanılan toplam teşvik miktarının yaklaşık yarısı feribot ve
yolcu gemilerine aittir. Bu teşvikleri sonucu feribot ve yolcu gemilerindeki taşınan yolcu
sayısında da ciddi artış sağlamıştır. Yolcu sayısı 2004 yılında oranla yaklaşık %22 civarında
artmıştır.
Ancak özellikle teşvik edilmek istenen Balıkçılık sektörü sıfır oranlı ÖTV'li yakıta gerekli ilgiyi
göstermemiştir. Yararlanılan toplam Teşvik miktarının yaklaşık %20-25’i balıkçı gemilerine
aittir. Balıkçı gemilerindeki teşvik miktarındaki artış yaklaşık % 200 civarındadır. Yukarıda
açıklandığı üzere Kararname kapsamında akaryakıt alımı sıkı şartlara bağlanmıştır. Kayıt dışı
olarak faaliyette bulunan bir kısım balıkçıların yakıt alım defteri tutmak vs diğer nedenlerden
dolayı mükellefiyet tesis ettirmek zorunda kalmaları nedeniyle söz konusu kararnameden
E-ISBN: 978-605-68882-5-0 217

yararlanmak istememektedirler. Çünkü vergi mükellefi olmanın maliyeti ucuz akaryakıt alma
maliyetinden yüksek bulunmaktadır.
Kaynaklar
[1] Deniz Ticareti Dergisi. Şubat 2017. Rakamlarla Denizcilik Sektörü ve İstatistikler
[2] Çapar, M., ÖZEL Tüketim Vergisi ve Türkiye Uygulaması, Sayıştay Dergisi, Sayı:52.
[3] Erkan, M, Özel Tüketim Vergisi İle İlgili Düzenlemelerin Avrupa Birliği Muktesebatı Açısından
Değerlendirilmesi.
[4] Martini, R. (2012). “Fuel Tax Concessions in the Fisheries Sector”, OECD Food, Agriculture and
Fisheries Papers, No. 56, OECD Publishing. http://dx.doi.org/10.1787/5k9bdccqft30-en
[5] EU Report (2013), “Fisheries, Fuel Subsidies In The Eu Fısherıes Sector”, Directorate-General For
Internal Policies Policy Department B: Structural And Cohesion Policies, Ip/B/Pech/Ic/2013-114 July
2013
[6] Yetkiner E. (2006), “Kabotaj Hattında Faaliyette Bulunan Deniz Araçlarının Akaryakıt
Kullanımında Özel Tüketim Vergisi” Vergi Dünyası Dergisi, Kasım 2006 (Sayı : 303)
[7] Deniz Deniz Ticaret Odası (2010), “Deniz Sektörü Raporu 2009”, İstanbul.
[8] Deniz Ticareti Genel Müdürlüğü (DTGM) (2014-2017) “ÖTV’si sıfırlanmış yakıt kullanımı verileri”
https://atlantis.udhb.gov.tr/istatistik
[9] İstatistiklerle Ulaştırma, Denizcilik ve Haberleşme 2003-2017. http://www.udhb.gov.tr/
E-ISBN: 978-605-68882-5-0 218

Optı̇k Form Okuma ve Değerlendı̇rme Yazılımı
1
Önder ÖZTÜRK, 2Cihan KARAKUZU
onder.ozturk@bilecik.edu.tr, cihan.karakuzu@bilecik.edu.tr
1
Department of Informatics, Distance Education Unit, Bilecik Sheikh Edebali University, Istanbul TURKEY
2
Department of Computer Engineering, Faculty of Engineering, Bilecik Sheikh Edebali University, Istanbul
TURKEY
Özet
Bu çalışmada görüntü işleme alanında çok gelişmiş olan Python-OpenCV kütüphanelerinden

yararlanarak taranıp görüntü haline getirilmiş sınav cevap kağıtlarının okunması ve
değerlendirilmesi için bir yazılım geliştirilmiştir. Öncelikle taranan optik formların
görünümleri üzerinde ön işlemler yapılarak düzgün bir görünüme sahip olması sağlanmıştır.
Tarayıcıdan 300x300 dpi alınan 2480x3507 piksel RGB formatındaki görüntü önce gri bir
görünüme dönüştürülmekte daha sonra süzgeçleme işlemiyle görüntü belirginleştirilmektedir.
Belirginleşen görüntü belirlenen eşik değerine göre, gri görünümden siyah-beyaz bir görünüme
dönüştürülmektedir.
Bu çalışma ile oluşturulan yazılım, geliştirilen bir algoritmayla siyah noktaların yoğunlaştığı
bölgenin merkezi konumlarını değerlendirerek ilgili seçenekleri veri tabanına kayıt etmektedir.
Öğrencilerin işaretlemiş olduğu seçenekler ile cevap anahtarları karşılaştırılmış, sınava ait tüm
cevap kâğıtları değerlendirilerek yazılım test edilmiştir.
Bu çalışma ile elde edilen yazılım, AMD Phenom (tm) II X6 1090T işlemci, 8GB 1333 MHz
RAM, Radeon HD 7950 ekran kartı, 240 GB SanDisk SSD özelliklere sahip bilgisayar ile 3000
optik formu değerlendirmek üzere test edilmiştir. Yapılan bu test sonucunda, geliştirilen
yazılımın değerlendirme işlemini mevcut optik okuyucuya göre 2 saat daha kısa zamanda
tamamladığı görülmüştür. Okunan 3000 optik formun hiçbirinde hatalı okuma meydana
gelmemiştir, 3000 optik form hatasız okunarak %100 doğruluk oranı ile değerlendirilmiştir.
Anahtar Kelimeler: Optik Form Okuma, Görüntü İşleme, Python-OpenCV
E-ISBN: 978-605-68882-5-0 219

Optical Form Reading and Evaluation Software
Abstract
In this study, a software was developed to read and evaluate the test answer forms that were
scanned and rendered using Python-Open CV libraries, which are very advanced in image
processing field. Firstly, it is ensured that the optical forms have a proper appearance as a result
of the preliminary processes, since the angular appearance of the scanned optical forms will be
different, the image taken from the scanner at 300x300 dpi and 2480x3507 RGB pixel is firstly
rendered in a gray color is converted to a gray image, and then the image is crystallized with a
filtering process. According to a determined threshold value, a black-and-white visual
transformation is performed from the gray view.
The software formed with this study registers the related answers options into the database by
evaluating the central positions of the areas where concentrate in black pixel points with the
developed algorithm. The answer keys were compared with the answer options marked by
students, and the software was tested evaluating all answer papers belonging to a test exam.
The software obtained by this study was tested to evaluate 3000 optical forms with a computer
with AMD Phenom (tm) II X6 1090T processor, 8GB 1333MHz RAM, Radeon HD 7950
display card, 240 GB SanDisk SSD features. As a result of the test, it was observed that the
developed software completed the evaluation process in less than 2 hours compared to the
current optical reader. None of the 3000 optical forms were faulty reading, 3000 optical forms
were read without error and evaluated with 100% accuracy.
Keywords: Optical Form Reading, Image Processing, Python-OpenCV
1. Giriş
Günümüzde sınav kağıtlarının okunması için gerekli malzemeleri bir araya getirmek oldukça
zahmetli bir iştir. Bu iş için para, personel ve epey zaman gerekmektedir. Oysa bu işi görüntü
işleme tekniği ile otomasyona bağlamak hem maddi kazanç sağlayacak hem de personel
ihtiyacını en aza indirgeyecektir. Optik okuyucuları daha çok kurumsal işletmeler
kullanmaktadır. Bu kurumlar, işlem yaptığı optik form sayısı çok fazla olduğundan işlem hızı
ve okuma kalitesi yüksek olan makineleri tercih etmektedirler.Dolayısıyla yüksek işlem gücü
maliyetin artmasına neden olmaktadır. Ayrıca insan gücünü de işin içine katarsak bütün
bunların birleşiminde maliyetin yüksek olduğunu söyleyebiliriz.
E-ISBN: 978-605-68882-5-0 220

Optik formların okunması ve sonrasında ihtiyaç duyulan istatiksel bilgilerin doğruluğu çok
önemlidir. Bu öneme binaen yakın geçmişte bu konuda [1] ve [2]’daki gibi akademik çalışmalar
yapılmıştır. Görüntü işleme tekniğinde OpenCV-Python [3] kütüphaneleri çok ileri seviyelere
gelmiştir. Bu kütüphaneleri kullanarak bu çalışmada optik cevap formlarının otomatik
okunması için bir yazılım üretilmiştir. Üretilen bu yazılımın genel çalışma yapısı Şekil 1’deki
akış şemasında kısaca özetlenmiştir.
Şekil 1.Optik form okuma sisteminin akış diyagramı
2. Kullanılan Yöntem ve Teknikler
Sınav bitiminde sayısal ortama aktarılması için fotokopi makinesi aracılığıyla optik formların
bilgisayara görüntüleri aktarılır. Son olarak bu görüntüler OpenCV kütüphanelerini kullanarak
yazmış olduğumuz Python programlama dili ile oluşturulan yazılım optik formların üzerindeki
bilgileri alarak anlamlı bilgilere çeviren gürbüz bir yazılımdır.
Optik form öğrencilerin adını, soyadını, öğrenci numarasını, sınıfını, şubesini, kitapçık türünü,
birinci ve ikinci test işaretleme bilgilerini otomatik yazdıran biryazılım kullanılarak
hazırlanmıştır. Hazırlanan formların çıktısı alınarak, öğrencilerin form üzerinde hiçbir kodlama
yapmadan kullanması sağlanmıştır. Buradaki amaç öğrenciden kaynaklanan kodlama hatalarını
en aza indirgemektir. Forma ait görüntü Şekil 2(a)’da verilmiştir.
E-ISBN: 978-605-68882-5-0 221

Günümüz dünyasında optik formları okumak için yapılan gerek optik okuyucu makineler
gerekse yazılımlar optik formun taranması esnasında kâğıdın düzgün taranmasına gereksinim
duyarlar[4]. Burada kastedilen şey kenarında yer alan siyah şeritlerin alt alta gelecek şekilde
taranmasıdır. Karşılaşılan en büyük zorluk taranan resimdeki bu yamukluğun nasıl
düzeltileceğidir. İşte oluşturmuş olduğumuz yazılım bu işlemi otomatik olarak
gerçeklemektedir. Fotokopi makinesinden alınan görüntülerdeki kaymalar optik formun
köşelerinde yer alan siyah karelerin merkezleri baz alınarak bazı işlemlerin yapılmasıyla
düzeltilmiştir.
Yapılan bu düzeltme işleminde Afin uzay ve Öklid uzayından yararlanılmıştır. Yazılım

kodlama işlemlerinin tamamı Python programlama dili yapılmış olup ilgili kütüphaneler için
OpenCV ’den yararlanılmıştır. Okuma işlemi esnasında elde edilen bilgiler, XAMPP Control
Panelinden kontrolünü sağladığımız ve bilgileri depoladığımız MYSQL’deki veri tabanlarına
kaydedilmiştir. Bu aşamada bilgilerin kaydedilmesi istatiksel bilgilerin değerlendirilmesinde
ihtiyaç duyulacağından önemlidir.
Görüntünün sayısal analizini matrisler ile yapacağız. İlgili derslerin yan yana gelmesiyle Şekil
2’de verildiği gibi 25 soruluk bir cevap kâğıdı hazırlanmıştır. Bu cevap kağıdında 1 adet ders
bulunmaktadır. Her bir sorunun A, B, C, D, E olmak üzere beş şıktan oluştuğunu göz önüne
alırsak sayısal analiz için oluşturacağımız matris boyutunu soru sayısı x (cevaplar için seçenek
sayısı) olarak belirtebiliriz. Derslere ait cevap alanları 25 satır ve 5 sütundan oluşan 25x 5
boyutlu bir matris ile temsil edilir.
Tarayıcıdan gelen görüntüler 300 x 300 dpi, 2303 x 3188 piksel olup RGB formatındadır. Şekil
3(a) optik forma ait orijinal görüntüyü, Şekil 3(b) sapma açısı hesaplandıktan sonra
döndürülerek düzeltilmiş görüntüye ait birer örnektir. Optik formların gri tonlamalı bir
görüntüye dönüştürülmesi kodlama yapılan alanlarda işlem yapılmasını kolaylaştırır.
Amacımız kodlama alanlarını siyah kalem ile yapıldığından bunu diğer renkli alanlardan
ayırmak üzere renkleri 0-255 arasında ilgili değerlere dönüştüreceğiz. Dönüştürme işlemi siyah
beyaz renk aralığında gri tonlardan oluşmaktadır. Yani, üzerine kodlama yapılmamış alan
beyaz (255) ile kodlama yapılmış alan ise siyah ile (0) temsil edilir. Diğer renk tonları bu iki
rakam arasında olacaktır. Kodlama yapan kişinin kullandığı kalemin renk tonajı farklı olabilir.
Aynı şekildeoptik formlar matbaada basılırken baskı kalitesi veya fotokopi makinesinden
alınan görüntülerin renk tonajlarıda farklılık gösterebilir. İnsan gözü bunu algılamasa da
görüntü işleme aşamasında yazdığımız program bu farklılıkları algılayabilmektedir.
E-ISBN: 978-605-68882-5-0 222

Şekil 2.25x1 boyutlu matris ile temsil edilen 1 derse aitcevap alanı
(a) (b)
Şekil 3. Optik cevap formunun tarayıcıdan alınmış (a) ve düzeltilerek gri tonlama yapılmış (b) görüntü örneği
Gri görünümden siyah-beyaz (binary) ikili dönüşüme geçişi sağlamak için eşik
değerikullanacağız. Görüntülerin eşik değerleri farklı olabildiğinden, uygun eşik değerinin
bulunması işlem kolaylığı sağlar. Eşik değeri 0 ile 255 arasında bir değerdir. En uygun eşik
değeri olarak 127 olarak almışsak 127’nin altındaki değerler 0’a yani siyah renge dönüşürken
127’nin üstündeki değerler 255’e yani beyaz renge dönüşmektedir. Bu çalışmada cv2.threshold
E-ISBN: 978-605-68882-5-0 223

OpenCV işlevi eşik değer belirleme için kullanılmıştır. Bu işlevin Python’da gösterimi [5]
aşağıdaki gibi ifade edilebilir.
cv2.threshold(src, thresh, maxval, type[, dst])
Parametreler:
src:- giriş dizisi ( 8 bit veya 32 bit kayan nokta).
dst : aynı boyutta çıktı dizisi
thresh : eşik değeri.
maxval: THRESH_BINARY ve THRESH_BINARY_INV eşik değeri belirleme türleri ile kullanılacak

maksimum değer.
type: eşik değeri belirleme tipi
İşlev, tek kanallı bir diziye sabit düzey eşiği uygular. Bu işlev genellikle gri tonlamalı bir
görüntüden iki seviyeli (binary) bir görüntü elde etmek veya bir gürültüyü kaldırmak yani
pikselleri çok küçük veya çok büyük olanları filtrelemek için kullanılır. İşlev tarafından
desteklenen çeşitli eşik türleri vardır. Çalışmamızda eşik değerini belirleme türlerinden
ThresholdBinay’i [6] kullanılmıştır. src(x,y) ile temsil edilen bir kaynak görüntüden dst(x,y) ile
temsil edilen bir sonuç görüntünün elde edilişi matematiksel olarak eşitlik (1)’de gösterilmiştir.
𝑚𝑎𝑘𝑠 𝑑𝑒ğ𝑒𝑟 𝑒ğ𝑒𝑟 𝑠𝑟𝑐(𝑥, 𝑦) > 𝑒ş𝑖𝑘 𝑑𝑒ğ𝑒𝑟𝑖

𝑑𝑠𝑡(𝑥, 𝑦) ={ (1)
0 𝑎𝑘𝑠𝑖 ℎ𝑎𝑙𝑑𝑒
Yukarıda kısaca anlatılan işlevin bu çalışmadaki yazılımda kullanımı aşağıdaki gibidir.
𝑡ℎ𝑟𝑒𝑠ℎ = 𝑐𝑣2. 𝑡ℎ𝑟𝑒𝑠ℎ𝑜𝑙𝑑(𝑏𝑙𝑢𝑟𝑟𝑒𝑑, 127, 255, 𝑐𝑣2. 𝑇𝐻𝑅𝐸𝑆𝐻_𝐵𝐼𝑁𝐴𝑅𝑌) (2)
Eşik değeri kodlama yapılan alanların belirlenmesinde çok önemli yer teşkil etmektedir. Eşik
değerinin farklı değerler almasını karşılaştırmalı olarak gösterelim [7]. Şekil 4’deki resimlerde
sırasıyla 127, 160 ve 210 eşik değerleri ile elde edilen sonuç gri görüntüler yer almaktadır.
E-ISBN: 978-605-68882-5-0 224

(a) (b) (c)
Şekil 4. Kodlama alanlarının 127 (a), 160 (b) ve 210 (c) eşik değerleri ile elde edilmiş sonuç gri görüntüleri
Eşik değeri sabit kalmasında fayda vardır. Çünkü eşik değeri değişince istediğimiz bilgileri elde
edemeyebiliriz. İstediğimiz kodlama alanlarının siyah renkte kalması diğer alanların beyaz
olması işimizi daha da kolaylaştıracaktır. Aslında Şekil 4’deki resimlere bakıldığında eşik
değerinin 100 ile 160 arasında bir değer alması işimizi kolaylaştırsa da öğrencilerin kullanmış
olduğu kalemlerin renk tonları farklı olduğundan sistemin bütün kağıtlar için ortak bir değer
alması ve denetimlerin daha kolay ve sağlıklı yapılabilmesi için eşik değer olarak 127 değerinin
daha uygun olduğu görülmüştür.
Optik formun köşelerine yerleştirilen kareler (bkz. Şekil 5) ile tarama esnasında meydana
gelebilecek kaymaları düzeltme kolaylığı sağlanabilir. Bu karelerin merkezi orta noktaları
yazılan bir Python işlevi yardımıyla bulunduktan sonra bazı hesaplamalar yapılır. Bu
hesaplamaları şu şekilde açıklayabiliriz.
Şekil 5.Optik formun sol üst (sol) ve sol alt (sağ) köşesindeki karesel bölgeler
Öncelikle formun sol üst köşedeki karesel bölgenin merkez noktasının sol altta yer alankaresel
bölgenin merkezi noktası ile birleştirilmesi işlemi yapılır. Seçilen noktaları “pix” ile
gösteriyoruz. x apsisinde ve y ordinatında yer alan noktanın seçimi pix[x,y] ile temsil edilir. Bu
noktanın renk değeri 20’nin altında olmasına dikkat ediyoruz. Normalde renk değerinin sıfıra
yakın olması (siyah renk) tercih edilir. Ancak burada, fotokopi makinelerinin tarama esnasında
renk değerlerini tam olarak algılayamaması veya optik formların basıldığı matbaalarda tonerin
bitimine yakın baskı farklılıkları göstermesi sebebiyle 20 değeri sınır değer olarak
kullanılmıştır. Formun köşelerinde yer alan kare bölgelerin merkezlerinin civarında belirlenen
diğernoktaların piksel değerleri de aynı şekilde kontrol edilmektedir. Renk değerlerini kontrol
ettiğimiz noktaları bir düzlem üzerinde Şekil 6’daki gibi gösterebiliriz.
E-ISBN: 978-605-68882-5-0 225

Şekil 6.Karesel alanın merkezi ve civarında piksel değeri denetlenen diğer noktalar
𝐸ğ𝑒𝑟(𝑝𝑖𝑥[𝑥, 𝑦] < 20 𝑣𝑒 𝑝𝑖𝑥[𝑥 − 20, 𝑦] < 20 𝑣𝑒 𝑝𝑖𝑥[𝑥 + 20, 𝑦] < 20 𝑣𝑒

(3)
𝑝𝑖𝑥[𝑥, 𝑦 + 20] < 20 𝑣𝑒 𝑝𝑖𝑥[𝑥, 𝑦 − 20] < 20)
koşulana uyan noktalar bize sol üst köşede yer alan karesel bölgenin merkezi noktasının x ve y
değerini verecektir. Hatta Şekil5’den de görüldüğü üzere sol üst köşenin merkezi noktasından
sol alt bölgede yer alan karesel bölgenin merkezine bir çizgi uzatılır. Şekil 7’de mantığı kısaca
verilen hesaplamalar ile formun tarama sırasında oluşan sapma açısı bulunur [8].
E-ISBN: 978-605-68882-5-0 226

Sapma açısı aşağıdaki gibi hesaplanır:
a=ust_x-alt_x
b=alt_y-ust_y
if(a==0):
aci=0.00000001
else:
aci=math.atan(b/a)
aci=90-np.degrees(aci)
Şekil 7. Optik formda tarama esnasında oluşan sapma açısı hesaplama yaklaşımı
Sapma açısı hesaplanırken a değerinin sıfır çıkması yani fotokopi makinesinde çok düzgün bir
şekilde taranması ile mümkün olur. Bu değerin sıfır çıkması arctan açısının paydasının sıfır
olması demektir ki buda istenmeyen bir durumdur. Böyle bir durumla karşılaşılması halinde açı
değerinin 0.00000001 alınması ile çözüm bulunabilir. Radyan cinsinden bulunan açıyı dereceye
çevirdikten sonra 90 dereceden çıkararak istediğimiz sapma açı değerini hesaplamış oluruz.
Sapma açısı hesaplandıktan sonra optik form görüntüsü bir sonraki bölümde anlatılacağı bir
işlev ile düzgün bir konuma getirilir. Bu aşamadan sonra elde edilen yeni görüntüye göre sol
alt karesel bölgenin koordinat noktalarına göre optik form üzerinde kodlama yapılan noktalar
belirlenir. Bu alanları şu şekilde sıralayabiliriz. T.C. Kimlik Numarası, Okul kodu, Sınıfı,
Kitapçık, Okul Numarası ve Şubesi alanlarında bulunan kodlama alanlarının merkezi konumları
sol alt köşede bulunan karenin merkezine göre belirlenir ve elde edilen bilgiler veri tabanına
kaydedilir.
Kodlama alanları iki boyutlu matris şeklinde temsil edileceğinden matris boyutları sırasıyla
Okul kodu10 𝑥 6, Sınıfı2 𝑥 4, Kitapçık1 𝑥 2, Okul Numarası 10 𝑥 4ve Şubesi
36 𝑥 4matrisformu şeklinde ifade edilir. T.C. Kimlik No alanının matris formu
10x10şeklindedir. Burada satır sayısının 10 olmasının sebebi 0’dan başlayıp 9 kadar
rakamlardan oluşmasıdır, sütun sayısının 11 olması gerekir ama burada güvenlik sebebiyle bir
hanesi eksilterek 10 hane olarak form üzerine basılmıştır. Sınıf şubesinde satır sayısı A,B,C,
E-ISBN: 978-605-68882-5-0 227

…, Z, 0, 1, 2, 3. 4, 5 ve 6 harf ve rakamlarından oluşması nedeniyle 36 olarak alınmıştır. Sütun
sayısı ise 4 olarak alınmıştır.
Şekil 3’de verilen forma bakıldığında 25 sorulu bir dersten oluşan kodlama düzeneğini ve cevap
şıklarının A, B, C, D ve E olmak üzere 5 seçenekten oluştuğunu görüyoruz. Bu seçenekleri
işaretleyen öğrenciler farklı kalem kullandıklarından kimileri koyu siyah, kimileri ince uçlu
kalemler kullanmış olduklarından programda kullandığımız eşik değerin uygun sonuç
vermediği durumlar olmuştur. Bundan dolayı koyu renkli kalem kullanılan formlarda
programdaki işlev eşik değerini yüksek tutarken ince uçlu kalem kullanılan kağıtlarda eşik
değerinin varsayılan değere göre daha düşük seviyede tutulduğu gözlemlenmiştir. Eşik değerini
uygun seviyeye ayarladıktan sonra kodlama yapılan alanlardaki siyah nokta kümelerinin toplam
değerlerine bakıp bu toplam değerlere göre bir üst limit değer belirlenmiştir. Bu değerin altında
kalan kümelemiş alanları işleme tabi tutmuyoruz. Öğrenci eğer ilk işaretlediği cevabı iyi
silememişse orada kalan siyah noktaların farkına varan işlev kümelenmiş siyah noktaların
toplamı belli bir değerin altında kalmışsa onları işleme almaz. Bu bize kolaylık sağlayacaktır.
Karşılaştığımız diğer bir zorluk ise birden fazla cevabın işaretlenmesiydi. Yazılımımıza yeni
bir işlev daha ekledik. Sorulara birden fazla cevap verilmişse o soruyu veri tabanına X olarak
kodlayacak, boş bırakılmışsa boşluk karakteri atayacaktır.Bir örnekle gösterecek olursak.
Öğrenci birinci soruya B, ikinci soruya E, üçüncü soruyu boş bırakmış, dördüncü soruyu hem
A hemde B olarak işaretlemiş olsun. Beşinci soruya A cevabını vermiş olsun. Cevaplar veri
tabanına “BE XA”şeklinde sırası ile veri tabanına kaydedilir.
3. Program Çalışma Mantığı
PIL modülü Python’da görüntü işleme alanında en çok kullanılan modüldür. PIL
kütüphanesinde bulunan Image modülü resimler üzerinde işlem yapmayı kolaylaştırır, ImageFont
modülü resimler üzerine yazı yazmayı, ImageDraw modülü yeni resimler oluşturmayı ve
ImageEnhance modülü, görüntü iyileştirme için kullanılabilecek bir dizi sınıf içerir. Math modülü
her zaman kullanılabilir. C standardı tarafından tanımlanan matematiksel işlevlere erişim

sağlar. OpenCV kullanarak optik forma ait resmin nasıl okunacağını, nasıl görüntüleneceğini ve
nasıl kayıt edileceğini cv2 modülü ile yapabiliriz. Bu modüller yazılımımıza dahil edilmiştir.
Python’daki bilimsel hesaplamaların ana paketi NumPy paketidir. Python kütüphanelerinde
çokboyutlu diziler ile işlem yapmamızı sağlayan modüldür. Unix kabuğunun kullandığı
kurallara göre belirli bir deseni eşleştiren tüm dosyaların yol adlarını bulan glob modülünü
kullanacağız. Bu modül Python’da kullandığımız işletim sistemi modülü, işletim sisteminde
E-ISBN: 978-605-68882-5-0 228

bağımlı fonksiyonları kullanmanın yolunu sunar. os modülünün sağladığı kolaylıklar,
Python’un üzerinde çalıştığı işletim sistemi ile bağlantı kurmanızı sağlar. Bu işletim
sistemlerini Windows, Mac veya Linux olarak sıralayabiliriz. Veri tabanına bağlantı kurmamızı
sağlayan mysql.connector modülüdür. sysmodülü ise sisteme özgü parametre ve fonksiyonlara
erişim imkânı sağlar. 𝐓𝐢𝐦𝐞 modülü ise zamanla ilgili işlevler sağlar.
Resimlerin bulunduğu dosya yolu 𝐠𝐥𝐨𝐛 işlevi ile belirlenir. Optik forma ait resimler tampon
belleğe alınır ardından tampon belleğe alınan resimler gri tonlara çevrilir. Daha sonra noktasal
küme alanları dışında kalan bölgeleri temizlemek yani beyaz renge çevirmek için GaussianBlur
süzgeçleme tekniği uygulanır. 0-255 arasındaki renk kodlarından 127’nin altı siyah, 127’nin
üstü beyaz renge çevrilir. Sadece kodlanan bölgelerin görülebildiği yeni oluşturulan görüntü
dosyası klasöre kaydedilir. Klasöre kaydedilen resim tekrar belleğe alınır. Görüntü matris
formatında tampon belleğe alınır ve her pikseldeki noktalar 0-255 arasında renk kodlarına
karşılık gelecek şekilde tek rakamla belirtilir.
Optik formun sol tarafında bulunan üst ve alt karesel bölgelerin merkezi noktalarını elde etmek
için geçen süreden tasarruf sağlamak için sol üst ve sol attaki karesel bölgelerin tahmini aralığı
belirlenir. Sol üst aralık için x:apsis aralığı 15-100 iken y:ordinat aralığı 100-440 arasındadır.
Sol alt aralık için x:apsis aralığı 15-100 iken y:apsis aralığı 3300-3500 arasındadır. Arama
esnasında renk kodu 20’nin altında ise işleme tabi tutulur. Burada renk kodunu 0’a eşit ise
şeklinde arayabilirdik fakat tarama esnasında tarayıcının kalitesi ve zamanla kör noktaların
oluşması siyah renge yakın kodlar oluşturabiliyor hata mesajlarından kaçınmak için bu sayıyı
20’den küçük almak işimizi daha da kolaylaştıracaktır. Her şeyin başlangıç noktası olan bu
alanların merkezi değerlerinin nasıl elde edildiği Şekil 6’da anlatılmıştır.
Başlangıç noktasına ait piksel değerleri belirlendikten sonra arctan işlevi ile sapma açısı radyan
cinsinden hesaplanır. Sapma açısı başarılı bir şekilde hesaplanırsa ikili (siyah-beyaz) görüntü
dosyası silinir. Orijinal görüntü tekrar çağırılır. Alttaki karesel bölgenin merkezini baz alarak
bulunan sapma açısına göre döndürme işlemi yapılır. Afin uzaylara göre orijinal görüntünün
döndürme işlemi yapılmış hali 2480 genişlik 3507 yüksekliğine sahip yeni bir görüntü dosyası
olarak ilgili klasöre kaydedilir. Bir afin matrisinin iki boyutlu rotasyonu getRotationMatrix2D
işlevi ile hesaplanır. Python’da bu fonksiyonun gösterimi aşağıda özetlenmiştir.
cv2.getRotationMatrix2D (merkez, açı, ölçek)
Parametreler:
merkez: optik formun sol alt köşesinde bulunan karesel alanın merkezi.
E-ISBN: 978-605-68882-5-0 229

açı : derece cinsinden dönme açısı. Pozitif değerler saat yönünün tersi yönde dönüş anlamına gelir (koordinat
merkezi optik formun sol üst köşesi olduğu kabul edilir).
ölçek: İzotropik ölçek faktörü.
Yukarıda kısaca tanıtılan işleveşitlik (3)’de verilen matrisi hesaplar.
𝛼 𝛽 (1 − 𝛼). 𝑚𝑒𝑟𝑘𝑒𝑧. 𝑥 − 𝛽. 𝑚𝑒𝑟𝑘𝑒𝑧. 𝑦

𝑀=[ ]
−𝛽 𝛼 𝛽. 𝑚𝑒𝑟𝑘𝑒𝑧. 𝑥 + (1 − 𝛼). 𝑚𝑒𝑟𝑘𝑒𝑧. 𝑦
(3)
𝛼 = ö𝑙ç𝑒𝑘. cos(𝑎ç𝚤)
𝛽 = ö𝑙ç𝑒𝑘. sin(𝑎ç𝚤) }
Hesaplanan afin dönüşümünün bir resme uygulanması warpAffine [9] işlevi ile mümkün olur.
Python’da bu işlevin gösterimi
cv2.warpAffine(kaynak, M, dboyut)
Parametreler:
kaynak: giriş görüntüsü.
M : 2 x 3 dönüşüm matrisi.
dboyut : çıktı görüntüsünün boyutu.
Yukarıdaki açıklamalara göre işlev aşağıdaki gibi kullanılır.
img = cv2.imread(regularfile)
rotation_matrix = cv2.getRotationMatrix2D((alt_x, alt_y), aci, 1)
img_rotation = cv2.warpAffine(img, rotation_matrix, (2480, 3507))
print(os.path.basename(regularfile))
cv2.imwrite("inputscan/"+os.path.basename(regularfile), img_rotation)
İkili (siyah-beyaz) görüntüde T.C. Kimlik Numarasının bulunduğu bölgeyi içine alacak şekilde
ilgili bölge belirlenir. Kitapçık türü ve oturum türü koordinatları belirlenir. Bu iki kodlama
alanının işaretli olup olmadığını anlamak için verilen koordinatlar arasında siyah noktaların
toplam sayısına bakılır renk kodu 20’den küçük ve siyah nokta toplam sayı 5’ten büyükse
yuvarlak kodlama alanlarının işaretlendiğini kabul ediyoruz. İşlem yapılan bölgelerde 20’den
küçük renk kodları sıfıra, 20’den büyük olanlara ise 255’e (beyaza) çevrilir. Bu yöntemi T.C.
Kimlik Numarasının bulunduğu alana da uygulayabiliriz.
Güvenlik sebebiyle T.C. Kimlik Numarasının 11 hane olan basamak sayısının 10 haneye
düşürülmüştür. Bundan dolayıbu bölgenin sol üst köşeden sağ alt köşeye kadar olan bölgede 10
E-ISBN: 978-605-68882-5-0 230

sütun 10 satır olacak şekilde birbirine eşit uzaklıkta noktasal bir alan oluşturulur. T.C. Kimlik
numarasının okunması için kullanılan kodlar aşağıda verilmiştir.
fark=(b-a)/10
fark1=(d-c)/10
for aa in range(1,11):
for bb in range(1,11):
circle_x=a+aa*fark-(fark)/2
circle_y=c+bb*fark1-(fark1)/2
if(pix[circle_x,circle_y]==0):
tc_str=tc_str+str(bb-1)
10 haneli T.C. kimlik numarasının son basamak ve ilk basamak değerinin farkının 10 ile
bölünmesi basamak konumları arasındaki uzaklığı verecektir. Düşey olarak yukarıdan aşağı
bütün sütunlar kontrol edilir. Eğer döngüdeki koşuldan bu sütunlardaki alanların merkezinde
siyah renge karşılık gelen bir değer alınmışsa o alan işaretlenmiş demektir. Sırasıyla her
sütundaki değerler alınır ve sıra ile T.C. Kimlik Numarasının oluşumu için ardı ardına eklenir.
Şekil 8’de görüldüğü gibi eşik değeri ile işleme tabi tutulduktan sonra sadece taralı noktalar
kalmıştır. Bu noktalara yukarıdaki kodla işlem yapıldıktan sonra T.C. Kimlik Numarası için
şunu söyleyebiliriz: Birinci sütundaki siyah nokta kümesi 1, ikinci sütundaki noktasal küme 7,
üçüncü sütundaki siyah renk kümesi 1 ve sırasıyla diğer noktasal kümeleri de yan yana eklersek
oluşan T.C. Kimlik Numarasının 1718262384 olacağı anlamına gelir. T.C. Kimlik numarası
alındıktan sonra klasörde geçici olarak işlem yapmak için oluşturduğumuz resmi silebiliriz.
Bulduğumuz rakamlar 10 haneli ise veri tabanı bağlantısı ve SQL sorgusu ile kitapçık türü
bilgisi güncellenir.
(a) (b)
Şekil 8. Eşikleme işlemi öncesi (a) ve sonrası (b) T.C. Kimlik No alanı
Soru kitapçıklarının cevap anahtarları bir diziye aktarılır. Sınav soruları 25 adet ve 1 ders
bulunduğuna göre toplamda her bir kitapçık için dizi uzunluğu 25x1=25 olacaktır. Her bir
formda soru sayısı sabit olduğundan oluşturulacak dizi tek tip olmalıdır. Ortaya çıkan diziyi
gösterecek olursak;
BADECAABCDECDABDECABABEED
E-ISBN: 978-605-68882-5-0 231

Derse ait cevapların bulunduğu kodlama alanları belirli aralıklarda ve sıralamaya göre
dizilimgerçekleştirir. Beş seçenekten oluşan cevap anahtarı kitapçık türüne göre veri tabanından
çağırılır. Dizideki birinci sorunun cevabını ele alırsak eğer doğru cevap A ise cevabın
bulunduğu konum matris hesabına göre kontrol edilir. Yapılan işlemler sonucunda eğer yanıt
doğru ise sorunun doğru yapıldığı belirtilir ve veri tabanına kaydı yapılır. Doğru cevaplar yeşil
yuvarlak içine alınır. Bu işlem aynı şekilde dizinin diğer bölümlerinde de uygulanır. Bu işlem
bittiğinde veri tabanı ile olan bağlantımız sonlandırılır. Eğer bu işlemler başlamadan evvel bir
hata meydana gelmişse optik formun hatalı görüntüsü kaydedilir ve bütün incelemeler
bitirildikten sonra hatalı olan yerler yeniden ele alınır.
4. Yazılımın Testi ve Tespit Edilen Durumlar
Optik formların matbaa basımlarında ve kağıtların hatalı kesimlerinden kaynaklanan durumlar

söz konudur. Bazı formların baskı kalitesinin düşük olması ikili görüntünün gürültülü olmasına
neden olduğu görülmüştür. Fotokopi makinesinin besleyici tepsisinde yer alan optik formların
otomatik olarak çekilmesinden dolayı hatalı taramalar meydana gelmiş bunun neticesinde sağ
üstte konum belirlemede kullandığımız karesel alanın tarama ortamında düzgün bir şekilde
görüntüsünün elde edilemediği durumlar gözlenmiştir. Fotokopi makinesindeki besleyici
haznesine konulan optik form sayısının belli bir adeti geçmemesi gerekmektedir. Otomatik
tarama esnasında formların üst üste olması nedeniyle milimetrik kaymalar oluşmaktadır. Sonuç
olarak taranan formun sağ tarafında bir miktar görüntünün kaybolmasına neden olmaktadır.
Toplamda 3000 optik form üzerinde yapılan karşılaştırmalar sonucunda öğrencilerin sınavlarda
aldıkları notların değerlendirmeleri ele alınmıştır. Optik okuyucudan elde edilen verilerle
yazılımdan elde edilen veriler karşılaştırıldığında hiçbir hata olmadığı gözlemlenmiştir.
5. Sonuç
Tarayıcıdan alınan görüntüler C:\xampp\htdocs isimli klasörün altına kaydedilmiştir. Tek bir
klasörde bulunan optik formlara ait görüntüler tarayıcının otomatik olarak verdiği isim sırasına
göre çağrılarak sapma açıları hesaplanmıştır. Açısal hesaplamalar sonucunda formlardaki
alanlara ait konumların belirlenmesi sol alt köşede bulunan karesel alanın merkezi noktaları
başlangıç noktası alınarak hesaplanmıştır. Okunan formlar üzerindeki bilgiler ile veri
tabanındaki kayıtlar karşılaştırılarak ilgili alanların veri tabanına kaydı alınmıştır. Derslere ait
cevaplar kontrol edilerek doğru cevaplar optik form üzerine işaretlenmiştir. Verilen cevaplar
E-ISBN: 978-605-68882-5-0 232

doğrultusunda sınava ait sonuçların değerlendirme sonuçları incelendiğinde hata oluşmadığı
gözlemlenmiştir.
Öğrencilere ait sınav kağıtları okunmuş sınav kâğıdı üzerinde yer alan öğrenci numarası,
kitapçık türüve diğer alanların okunması ve bu alanların veri tabanı ile karşılaştırmaları
sonucunda herhangi bir hata meydana gelmemiştir. Optik formların taranması esnasında
taranan formlar aynı zamanda görüntü işlemeye alındığından optik formların taranması süre
kaybı olarak görülmemektedir. Tüm bu formların görüntü işleme süresi saniyede 3 form
okunduğu baz alınırsa toplamda 3000 formun okunma süresi1000 saniye sürmektedir. Bunun
içinde taranan optik formların klasörlere kopyalanması ve veri tabanına kayıt süreleri de dahil
edilmektedir. Olası bütün durumlar ele alındığında hata ile karşılaşılmamış ve 100% başarı elde
edilmiştir. Sonuçların veri tabanına kayıt edilmesi ve formların sistemden öğrencilere web
ortamında gösterilmesi kullanıcılara büyük kolaylık sağlamaktadır.
Sonuçta bellek ve işlemci gücü artırılırsa formlar daha az sürede okunabilir. Test tekniği
uygulamasının pratik olması ve sonuçların güvenilir bir ortamda hızlı bir şekilde okunmasıyla
birlikte görüntü işleme tekniği kullanılan yazılım ve algoritmalar ile hızlandırıldığı
görülmektedir. İş gücü kaybının önüne geçilmesi ve büyük gelişmiş pahalı makineler almak
yerine her yerde bulunan sıradan fotokopi makineleri ile bu işi yapmak mekândan tasarruf da
sağlayacaktır. Büyük kurumsal işletmelerde optik formların taşıma yoluyla tek bir merkezde
toplanması ve okuyucular ile bu işe başlama zorunluluğunu ortadan kaldırmıştır. Mobil olarak
kullanım kolaylığı bu çalışmada geliştirilen yazılımı daha kullanılabilir hale getirmiştir.
Kaynaklar
[1] Sümeyya İLKİN, Mobil Optik Okuyucu Uygulaması, Fen Bilimleri Enstitüsü/Kocaeli Üniversitesi
10.06.2015.
[2] Asım Sinan YÜKSEL, İbrahim Arda ÇANKAYA, Mehmet Ali YALÇINKAYA, Nurullah ATEŞ,
Mobil tabanlı optik form değerlendirme sistemi, Pamukkale UnivMuh Bilim Derg, 22(2), 94-99, 2016
[3] Birol Kuyumcu, OpenCV Görüntü İşleme ve Yapay Öğrenme, (2016, Level), pp149-157
[4] Mustafa Şenol, Uğur Fidan, C# ile Web Kameradan Optik Form Okuma, 7849 AKU J. Sci. Eng. 14
(2014) 025101 (1-10), DOI:10.5578/fmbd.
[5] Anonim, https://docs.opencv.org/2.4/modules/imgproc/doc/miscellaneous_transformations.html, 17

Eylül 2018’de erişildi.
E-ISBN: 978-605-68882-5-0 233

[6] Anonim, https://docs.opencv.org/2.4/doc/tutorials/imgproc/threshold/threshold.html, 17 Eylül
2018’de erişildi.
[7] Jan Erik Solem, Programming Computer Vision with Python, Tools and Algorithms for Analyzing
Images,2012, O'Reilly Media, pp 1-27
[8] Georg Martin, Transformation Geometry An Introduction to Symmetry (1996, Springer), pp 167-
179
[9] Anonim,https://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html, 17
Eylül 2018’de erişildi.
E-ISBN: 978-605-68882-5-0 234

Lise Öğrencilerinin Algıladıkları Öz Düzenleme Düzeylerinin
Çeşitli Değişkenler Açısından İncelenmesi
Gürbüz Ocak1, Burcu Karafil2
*Corresponding Author email: burcu.karafil@yalova.edu.tr
1
Department of Education Faculty, Afyon Kocatepe University, Afyon, TURKEY
2
Department of Foreign Languages School, Yalova University, Yalova TURKEY
Özet
Bu çalışmada lise öğrencilerinin algıladıkları öz düzenleme düzeylerinin çeşitli değişkenler

açısından incelenmesi amaçlanmıştır. Tarama modelindeki bu araştırmanın evrenini 2017-2018
eğitim-öğretim yılında Bilecik İlinde üç lisede öğrenim gören öğrenciler oluşturmaktadır.
Araştırmanın örneklemini ise çalışmanın amacına bağlı olarak belirlenen evren içerisinden
seçilen 310 öğrenci oluşturmaktadır. Araştırmanın problemlerine cevap bulmak amacıyla
araştırmacılar tarafından oluşturulan ve katılımcıların demografik özelliklerinin toplanmasını
amaçlayan kişisel bilgi formu ile Arslan ve Gelişli (2015) tarafından geliştirilen “Algılanan Öz
Düzenleme Ölçeği” kullanılmıştır. Araştırma sonucunda öğrencilerin algılanan öz düzenleme
düzeylerinin (  =3.49) sık sık seviyesinde ve iyi düzeyde olduğu görülmüştür. Öğrencilerin
algılanan öz düzenleme düzeyleri cinsiyet değişkeni açısından incelendiğinde Arayış alt
boyutunda kadın öğrenciler lehine anlamlı bir farklılık elde edilmiştir. Sınıf değişkeni açısından
incelendiğinde 12. sınıf öğrencilerinin algıladıkları öz düzenleme düzeylerinin 9. ve 10. sınıf
öğrencilerine göre daha yüksek düzeyde olduğu görülmüştür. Öğrencilerin algıladıkları öz
düzenleme düzeyleri üniversite eğitimi alma isteği değişkeni açısından anlamlı olarak
farklılaştığı bulgusu elde edilmiştir. Ayrıca, okulda alınan ders başarısını destekleyecek özel
kurs/ders/seminer gibi bir eğitim alma değişkeni açısından Arayış alt boyutunda anlamlı bir
farklılaşmaya rastlanmıştır.
Anahtar Kelimeler: Öz Düzenleme, Öğrenme, Lise Öğrencisi.
Examining the Perceived Self-Regulation Level of High School

Students in Terms of Different Variables
E-ISBN: 978-605-68882-5-0 235

Abstract
In this study, it was aimed to examine the perceived self-regulation levels of high school
students in terms of different variables. This study was designed as a survey method. The
population of this research is composed of the students who are studying at three high schools
in Bilecik city during the academic year of 2017-2018. The sample of the research is composed
of 310 students selected from the determined population depending on the purpose of the study.
A personal information form created by the researchers to collect the participants' demographics
and a "Perceived Self-Regulation Scale" developed by Arslan and Gelişli (2015) were used to
answer the research problems. As a result of the research, it was determined that the perceived
self-regulated level of the students was at good (  = 3.49) level. When the perceived self-
regulation levels of students were examined in terms of gender variation, a significant
difference was found in favor of female students in the Search dimension. When examined in
terms of classroom variable, it was seen that 12th grade students’ perceived self-regulation
levels were higher than 9th and 10th grade students. It was found that the self-regulation levels
perceived by the students differ significantly in terms of willingness to get university education
in search dimension. In addition, there has been a significant difference in the search dimension
in terms of as participation in an activity such as a private course / course / seminar to support
course success.
Keywords: Self-Regulation, Learning, High School Student.
E-ISBN: 978-605-68882-5-0 236

1. Giriş
İçerisinde bulunduğumuz bilgi toplumunda ekonomik, siyasi ve kültürel alanda çeşitli

değişikliklerin yaşandığı görülmektedir [1], [2]. Yaşanan bu değişikliklerle birlikte öğrencilerin
ileride daha iyi bireyler olabilmeleri için eğitim sistemlerinde büyük değişiklikler yaşanmış ve
öğrencileri okulda, iş ortamında ve yaşamda daha başarılı kılacak beceriler, tutumlar ve bilgiler
de değişmiştir. Bu süreçte eğitimin en temel amacı bireylerin değişen koşullara uyum
sağlayabilecek şekilde yetiştirilmesi olmuştur [3].
Bilgi toplumu ile birlikte sürekli öğrenen, kendini yenileyen ve geliştirebilen ve yeni bilgiler
üretebilen bireylere gereksinim duyulmaktadır [4]. Yeni eğitim anlayışı içerisinde bilgiyi pasif
bir şekilde alan öğrenenler yerine kendi öğrenme sorumluluklarını alan ve kendi öğrenme
süreçlerini yönlendirebilen bireylerin olması gerekmektedir ([5], [6], [7].Ortaya çıkan bu yeni
eğitim anlayışı ile birlikte öğrencilerin öğrenme süreçlerini bizzat kendilerinin yönetebilmesi,
bir başka ifade ile “öz düzenlemeli öğrenme” becerisi ile donanımlı olmaları önem kazanmıştır
[8].
Albert Bandura’nın sosyal-bilişsel kuramına bağlı olarak ortaya çıkan öz düzenleme kavramı,
bireyin kendi davranışlarını gözlemlemesi, belirli kişisel standartlara ve çevresel koşullara bağlı
olarak davranışlarını karşılaştırıp yargıda bulunması ve buna göre davranışlarını yönetmesi
sürecini ifade etmektedir [9]. Öz düzenleme sürecinde öğrenenler kendi düşünceleri, inançları
ve davranışları konusunda kendileri karar vermekte [10] ve belirli bir hedefe yönelik olarak
güdülenmelerini ve öğrenmelerini kontrol edebilmektedir [11]. Zimmerman [12] ise öz
düzenlemenin zekâ gibi zihinsel bir yetenek veya okuma yeteneği gibi akademik bir beceri
olmadığını, öğrenenlerin öz düzenleme ile zihinsel yeteneklerini akademik becerilere
dönüştürebildiği bir süreci ifade ettiğini belirtmiştir. Bu süreçte bireyler belirledikleri kişisel
amaçlar doğrultusunda duygularını, düşüncelerini ve eylemlerini yönetebilme becerisine
sahiptir. Ayrıca, bireyler önceki deneyimlerini kullanarak mevcut davranışlarını
düzenleyebilmektedir [13]. Kauffman [14] ise öz düzenlemeyi bireylerin karmaşık öğrenme
aktivitelerini kontrol edebilme ve yönetebilme konusunda gösterdikleri çaba olarak
tanımlamaktadır. Bu bağlamda öz düzenleme kavramının bireylerin kendi davranışlarını
yönlendirmesi, kontrol etmesi, düzenlemesi ve geliştirmesi gibi eylemleri içerdiği
görülmektedir.
Öz düzenlemeli öğrenme kavramı eğitim açısından önemli bir kavram olmakla birlikte öğrenme
açısından da oldukça etkilidir. Öz düzenlemeli öğrenme bireylerin verilen bir görevi
E-ISBN: 978-605-68882-5-0 237

tamamlarken bilişsel, davranışsal ve duyuşsal süreçlerini kasıtlı olarak planlamalarını,
izlemelerini ve kontrol etmelerini [15]; öğrenenlerin belirledikleri öğrenme hedeflerine
ulaşmak amacıyla kendi davranışlarını ve bilişlerini yönlendirebilmelerine olanak sağlayan bir
süreci ifade etmektedir [16]. Ayrıca öğrenenler, kendi öğrenme sorumluluklarını alarak
kendilerinin söz sahibi oldukları bir eğitim sistemi içerisinde yer almaktadır. Bu bağlamda
öğrenenler belirledikleri hedeflere ulaşabilmek için öğrenme sürecinin her aşamasında bilinçli
eylemlerde bulunmaktadır [17]. Bu veriler doğrultusunda öz düzenlemeli öğrenme ile
öğrencilerin kendi öğrenme süreçleri ile ilgili söz sahibi oldukları görülmektedir.
Öz düzenlemeli öğrenme becerisine sahip olan öğrenciler genellikle etkili çalışma stratejileri,
zaman yönetimi, performansın gözlemlenmesi, sosyal ve fiziksel içeriklerin yürütülmesi gibi
becerilere sahiptir [18]. Bu beceriye sahip öğrencilerin kendilerine verilen bir görevi başarılı
bir şekilde yerine getirebilmek için hedefler oluşturabildikleri, etkili stratejiler kullanarak
öğrenme süreçlerini takip edip düzenleyebildikleri [12]; öğrenme konusunda motivasyon
düzeylerinin daha yüksek olduğu [19]; başarısız olmaları durumunda ise bunun sebeplerini
analiz ederek en uygun çözüm yolunu bulmak için çaba harcadıkları ve öğrenme ortamında
arkadaşları ile işbirliği içerisinde çalıştıkları [20] ifade edilmektedir.
Alanyazın incelendiğinde öğrencilerin öz düzenlemeli öğrenme düzeylerini çeşitli değişkenler

açısından inceleyen çalışmalara rastlamaktadır. Alıcı ve Altun [21] çalışmalarında lise
öğrencilerinin matematik dersine yönelik öz düzenleme ve bilişüstü becerilerini çeşitli
değişkenler açısından incelemişlerdir. Bozpolat [22] çalışmasında, öğrencilerin kullandıkları öz
düzenleme stratejilerini araştırmıştır. Ilgaz ve Gül [23], öğrencilerinin Fen ve Teknoloji
Dersinde kullandıkları öz-düzenlemeli öğrenme stratejilerinin kullanım düzeylerini
belirlemiştir. Öz düzenleme kavramı birçok değişkenle ilişkili olduğu için bu kavramın çeşitli
değişkenler açısından ele alınması oldukça önemlidir. Bu bilgiler doğrultusunda bu çalışmanın
amacı Bilecik il merkezinde bulunan lise öğrencilerinin algıladıkları öz düzenleme düzeylerinin
çeşitli değişkenler açısından incelenmesidir. Bu amaçla aşağıdaki alt problemlere yanıt
aranmıştır:
1. Lise öğrencilerinin algıladıkları öz düzenleme düzeyleri nasıldır?
2. Lise öğrencilerinin algıladıkları öz düzenleme düzeylerinde; cinsiyet, sınıf, üniversite eğitimi

alma isteği, okuldaki ders başarısını desteleyecek özel kurs/ders/seminer gibi bir etkinliğe
katılma değişkenlerine göre anlamlı fark var mıdır?
E-ISBN: 978-605-68882-5-0 238

2. Yöntem
Bu bölümde araştırmanın modeli, örneklemi, veri toplama aracı ve verilerin analizine ilişkin
bilgiler sunulmaktadır.
2.1 Araştırmanın Modeli
Araştırmada nicel araştırma desenlerinden tarama modeli kullanılmıştır. Tarama modellerinde

geçmişte ya da şu an var olan bir durum mevcut koşulları içerisinde her hangi bir değiştirme ya
da etkileme çabası olmaksızın araştırılmaya çalışılmaktadır [24]. Bu araştırmada da lise
öğrencilerin algıladıkları öz düzenleme düzeyleri var olan durumuyla incelenmektedir.
2.2 Evren ve Örneklem
Araştırmanın evrenini 2017-2018 eğitim-öğretim yılında Bilecik İlinde üç lisede öğrenim gören
öğrenciler oluşturmaktadır. Araştırmanın örneklemini ise çalışmanın amacına bağlı olarak
belirlenen evren içerisinden seçilen 310 öğrenci oluşturmaktadır. Örneklem grubunun
belirlenmesinde evren içerisinde yer alan öğrenci sayısı belirlenmiştir. 2000 kişilik bir evren
için .05’lik hata payı ile 310 kişilik bir örneklemin seçilmesi yeterli görülmüştür. Bu görüş
doğrultusunda çalışmanın evrenini amaçlı örnekleme yöntemlerinden “kolay ulaşılabilir durum
örneklemesi” ile belirlenen 310 öğrenci oluşturmaktadır. Belirlenen bu örnekleme yöntemi ile
araştırmaya hız ve pratiklik kazandırılması ve araştırmacılara yakın ve erişilmesi kolay olan bir
durumun seçilmesi söz konusudur [24]. Bu çalışma kapsamında da örneklem grubu
belirlenirken ulaşılması kolay olan öğrencilerin seçilmesi söz konusudur. Çalışmanın
katılımcılarına ait özellikler Tablo 1’de verilmiştir.
Tablo 1. Örneklem Grubunun Özelliklerine Ait Tanımlayıcı İstatistikler.
Değişkenler Kategori N %
Kadın 140 45.2
Cinsiyet
Erkek 170 54.8
E-ISBN: 978-605-68882-5-0 239

Toplam 310 100
9. sınıf 78 25.2
10. sınıf 97 31.3
Sınıf 11.sınıf 105 33.9
12.sınıf 30 9.7
Toplam 310 100
Mesleki ve Teknik Lise 113 36.5
Anadolu Lisesi 1 125 40.3
Okul
Anadolu Lisesi 2 72 23.2
Toplam 310 100
Evet 277 89.4
Üniversite eğitimi alma isteği Hayır 33 10.6
Toplam 310 100
Tablo 1 incelendiğinde örneklem grubu içerisinde yer alan öğrencilerin %45.2’sinin kadın,
%54.8’inin ise erkek öğrencilerden oluştuğu görülmektedir. Sınıf kategorisine göre dört farklı
sınıf seviyesinde öğrenim gören öğrenciler vardır. 11. sınıfta öğrenim gören öğrenci sayısı en
fazla iken, 12. sınıfta öğrenim gören öğrenci sayısı en azdır. Öğrenciler, üç farklı lisede öğrenim
görmektedir. Ayrıca, öğrencilerin büyük çoğunluğu lise eğitimini tamamladıktan sonra
üniversite eğitimi almayı düşünmektedir.
2.3 Veri Toplama Aracı
Araştırmanın problemlerine cevap bulmak amacıyla araştırmacılar tarafından oluşturulan ve

katılımcıların demografik özelliklerinin toplanmasını amaçlayan kişisel bilgi formu ile Arslan
ve Gelişli [25] tarafından geliştirilen “Algılanan Öz Düzenleme Ölçeği” kullanılmıştır.
“Algılanan Öz Düzenleme Ölçeği” “hiçbir zaman (1)”, nadiren (2)”, “ara sıra (3)”, “sık sık (4)”
ve “her zaman (5)” şeklinde Likert tipi beşli derecelendirme ölçeği şeklindedir. Ölçek “Açık
Olma” ve “Arayış” olmak üzere iki alt boyuttan ve 16 maddeden oluşmaktadır. Ölçeğin
Cronbach alfa güvenirlik katsayısı ise Açık Olma alt boyutu için .84, Arayış alt boyutu için .82
ve toplam algılanan öz düzenleme puanı için .90’dır. Bu çalışmada ise güvenirlik katsayısı
ölçeğin Açık Olma alt boyutu için .74, Arayış alt boyutu .78, ölçeğin toplam puanı için .83
olarak hesaplanmıştır.
2.4 Verilerin Analizi
Öğrencilerin algıladıkları öz düzenleme düzeylerine ilişkin alt boyutların her biri için aritmetik
ortalama ve standart sapmaları, frekans (f) dağılımı ve yüzde (%) oranları özetlenmiştir.
E-ISBN: 978-605-68882-5-0 240

Cinsiyet gibi iki alt kategorili bağımsız değişken için bağımsız t-testi uygulanmıştır. Üç ve daha
fazla alt kategorisi olan değişken verileri için uygun analiz türünün belirlenmesinde ise tek
yönlü varyans analizi testinden yararlanılmıştır. Verilerin analizinde p<.05anlamlılık düzeyi
dikkate alınmıştır. Elde edilen bulgular tablolar halinde verilerek yorumlanmıştır.
3. Bulgular
Araştırmanın bu bölümünde, araştırma kapsamında elde edilen bulgular araştırmanın alt

amaçlarına uygun olarak sınıflandırılarak tablolar halinde sunulmuştur.
3.1 Lise Öğrencilerinin Algıladıkları Öz Düzenleme Düzeyine İlişkin Bulgular
Araştırmanın birinci alt probleminde lise öğrencilerinin algıladıkları öz düzenleme düzeyleri

belirlenmeye çalışılmıştır. Öğrencilerin algılanan öz düzenleme düzeyine ve ölçeğin alt
boyutlarına ilişkin verilerin aritmetik ortalamaları ve standart sapmaları Tablo 2’de verilmiştir.
Tablo 2. Algılanan Öz Düzenleme Ölçeği ve Boyutlarına İlişkin Puanların Aritmetik Ortalamaları ve

Standart Sapmaları.
Algılanan Öz Düzenleme Ölçeği  SS

Açık Olma 3.64 0.65
Arayış 3.33 0.72
Toplam puan 3.49 0.59
n=310
Öğrencilerin algıladıkları öz düzenleme düzeyleri incelendiğinde, ölçeğin Açık Olma alt
boyutunun ortalaması (  =3.64) sık sık, Arayış alt boyutunun (  =3.33) ortalaması ara sıra
ve ölçeğin toplam puan ortalaması ise (  =3.49) her zaman şeklindedir.
3.2 Lise Öğrencilerinin Algılanan Öz Düzenleme Düzeylerinin Çeşitli Değişkenlere Göre Farklılaşmasına
İlişkin Bulgular
Araştırmanın bir diğer amacı öğrencilerin algıladıkları öz düzenleme düzeylerinin çeşitli

değişkenler açısından incelenmesidir. Tablo 3’te, öğrencilerin algıladıkları öz düzenleme
düzeylerinin cinsiyet değişkeni açısından farklılaşıp farklılaşmadığını belirlemek amacıyla
yapılan bağımsız t testi sonuçları yer almaktadır.
Tablo 3: Algılanan Öz Düzenleme Düzeyi Puanlarının Cinsiyet Değişkenine Göre t-Testi Sonuçları.
Algılanan Öz Düzenleme Ölçeği Cinsiyet n X SS t p
E-ISBN: 978-605-68882-5-0 241

Kadın 140 3.77 .62
Açık Olma 3.26 .00
Erkek 170 3.53 .65
Kadın 140 3.28 .66
Arayış -1.02 .30
Erkek 170 3.37 .76
Kadın 140 3.53 .58
Toplam Puan 1.13 .25
Erkek 170 3.45 .60
SD=308
Öğrencilerin algıladıkları öz düzenleme düzeyleri cinsiyet değişkeni açıcından

karşılaştırıldığında, Arayış ve toplam puan alt boyutlarında cinsiyet değişkenine göre anlamlı
farklar saptanmazken [p>0.05]; Açık Olma alt boyutunda [t(308)=3.26, p<0.05] kadın öğrenciler
lehine anlamlı bir fark saptanmıştır.
Tablo 4’te öğrencilerin algıladıkları öz düzenleme düzeylerinin sınıf değişkeni açısından

anlamlı olarak farklılaşıp farklılaşmadığını belirlemek amacıyla yürütülen tek yönlü varyans
analizi sonuçları yer almaktadır.
Tablo 4: Öğrencilerin Algıladıkları Öz Düzenleme Düzeylerinin Sınıf Değişkenine Göre

Karşılaştırılması.
Algılanan Öz Anlamlı
Sınıf n X SS Var. K. K.T. SD K.O. F p Fark
Düzenleme
9 78 3.57 .67 G. Arası 2.215 3 .73 1.75 .15
10 97 3.65 .59 G. İçi 128.690 306 .42 -
Açık olma
11 105 3.62 .65 Toplam 130.904 309
12 30 3.89 .72
9 78 3.35 .76 G. Arası 6.774 3 2.25 4.46 .00
10 97 3.17 .68 G. içi 154.924 306 .50 12>10
Arayış
11 105 3.36 .71 Toplam 161.698 309
12 30 3.71 .60
9 78 3.46 .64 G. Arası 3.519 3 1.17 3.42 .00 12>9
10 97 3.41 .52 G. İçi 104.940 306 .34 12>10
Toplam Puan
11 105 3.49 .58 Toplam 108.459 309
12 30 3.80 .60
p<.05
Tablo 4’te görüldüğü üzere öğrencilerin algıladıkları öz düzenleme düzeyleri Açık Olma alt
boyutu açısından anlamlı olarak farklılaşmazken [p>0.05]; Arayış [F(3-306)=4.46;p<.05 ve
toplam puan alt boyutlarında [F(3-306)=3.42;p<.05 anlamlı farklar olduğu görülmüştür [p<0.05].
Bu boyutlara ilişkin farkın kaynağı incelendiğinde Arayış alt boyutunda 10. sınıf öğrencileri ile
12. sınıf öğrencileri arasında 12. sınıf öğrencileri lehine; toplam puan alt boyutunda ise 12. sınıf
öğrencileri ile 9. sınıf ve 10. sınıf öğrencileri arasında 12. sınıf öğrencileri lehine anlamlı farklar
bulunmuştur.
E-ISBN: 978-605-68882-5-0 242

Araştırmanın bir diğer alt problemi öğrencilerin algıladıkları öz düzenleme düzeylerinin
üniversite eğitimi alma isteklerine göre farklılık gösterip göstermediğidir. Buna ilişkin
gerçekleştirilen t-testi sonuçları tablo 6’da yer almaktadır.
Tablo 6: Algılanan Öz Düzenleme Düzeyi Puanlarının Üniversite eğitimi Alma İsteği Değişkenine
Göre t-Testi Sonuçları.
Eğitim alma
Alt Ölçekler N X SS t p
isteği
Evet 277 3.69 .59
Açık olma 4.01 .00
Hayır 33 3.22 .88
Evet 277 3.34 .71
Arayış .91 .36
Hayır 33 3.22 .79
Evet 277 3.52 .55
Hayır 33 3.22 .77
SD=308
Öğrencilerin algıladıkları öz düzenleme düzeyleri üniversite eğitimi alma isteği değişkeni

açıcından karşılaştırıldığında, Arayış alt boyutunda anlamlı bir fark saptanmazken [p>0.05];
Açık Olma [t(308)=4.02, p<0.05] ve toplam puan [t(308)= 2.74, p<0.05] alt boyutlarında
üniversite eğitimi almak isteyen öğrenciler lehine anlamlı farklar saptanmıştır [p<0.05].
Araştırmanın bir diğer amacı ise öğrencilerin algıladıkları öz düzenleme düzeylerinin okulda
alınan ders başarısını destekleyecek özel kurs/ders/seminer gibi bir eğitim alma durumuna göre
farklılaşıp farklılaşmadığının belirlenmesidir. Elde edilen verilen aşağıdaki tabloda yer
almaktadır.
Tablo 7: Öğrencilerin Algıladıkları Öz Düzenleme Düzeylerinin Ders Başarısını

Destekleyecek Özel Kurs/Ders/Seminer Gibi Bir Eğitim Alma Değişkeni Açısından
Algılanan Öz Düzenleme Eğitim alma N X SS t p
Evet 137 3.77 .61
Açık olma 3.03 .00
Hayır 173 3.54 .66
Evet 137 3.34 .65
Arayış .19 .84
Hayır 173 3.32 .77
Evet 137 3.55 .53
Hayır 173 3.43 .62
SD=308
Öğrencilerin algıladıkları öz düzenleme düzeyinin okulda alınan ders başarısını destekleyecek

özel kurs/ders/seminer gibi bir eğitim alma değişkeni açıcından karşılaştırıldığında, Açık Olma
E-ISBN: 978-605-68882-5-0 243

ve toplam puan alt boyutlarında anlamlı farklar saptanmazken [p>0.05]; Arayış alt boyutunda
[t(308)=3.32, p<0.05] okulda alınan ders başarısını destekleyecek özel kurs/ders/seminer gibi bir
eğitim alan öğrenciler lehine anlamlı bir fark olduğu görülmüştür [p<0.05].
4. Sonuç, Tartışma ve Öneriler
Bu araştırmada, lise öğrencilerinin algıladıkları öz düzenleme düzeylerinin çeşitli değişkenler

açısından incelenmesi amaçlanmıştır Öğrencilerin algıladıkları öz düzenleme düzeyleri
incelendiğinde Açık Olma alt boyutunun iyi düzeyde, Arayış alt boyutunun orta düzeyde ve
toplam puan ortalamasının iyi düzeyde olduğu görülmüştür. Bu anlamda öğrencilerin yeni
bilgiler edinme, başkalarından yardım isteme gibi konularda açık oldukları, öğrenme sürecinde
hedeflerine ulaşabilme konusunda orta düzeyde arayış içerisinde oldukları görülmektedir.
Genel olarak ele alındığında ise öğrencilerin belirledikleri hedefler doğrultusunda kendi
öğrenme süreçlerini yönlendirebilme ve düzenleme konusunda orta düzeyde bir beceriye sahip
oldukları söylenebilir.
Çalışmada, Arayış ve toplam puan alt boyutlarında cinsiyet açısından anlamlı bir farklılaşma
olmadığı görülmüştür. Bu bağlamda belirtilen alt boyutlarda kadın ve erkek öğrencilerin benzer
görüşlere sahip oldukları görülmektedir. Buna karşın Arayış alt boyutunda kadın öğrencilerin
algıladıkları öz düzenleme düzeyinin erkek öğrencilere göre daha yüksek olduğu görülmüştür.
Bu durumda kadın öğrencilerin öz düzenleme kapsamında kendi öğrenme süreçleri ile ilgili
daha fazla yeni arayışlar içerisinde oldukları söylenebilir. Alıcı ve Altun [21] çalışmalarında
kadın öğrencilerin matematik dersine yönelik öz düzenlemeli öğrenme becerilerinin erkek
öğrencilere göre daha yüksek olduğu sonucunu elde etmişlerdir. Bozpolat [22] ise benzer
şekilde kadın öğrencilerin öz düzenleme stratejilerini erkek öğrencilerden daha fazla
kullandıkları sonucuna ulaşmıştır.
Öğrencilerin algıladıkları öz düzenleme düzeyleri sınıf değişkeni açısından incelendiğinde 12.

sınıfta öğrenim gören öğrencilerin algıladıkları öz düzenleme düzeylerinin 9. sınıfta ve 10.
sınıfta öğrenim gören öğrencilerden daha yüksek olduğu sonucu elde edilmiştir. Bu bağlamda
12. sınıf öğrencilerinin kendi öğrenme süreçlerini daha iyi yönetebildikleri ifade edilebilir.
Benzer şekilde Alıcı ve Altun [21] Lise 1. sınıf öğrencilerinin öz düzenleme becerilerinin lise
2 ve 3. sınıf öğrencilerinden, Lise 2. sınıf öğrencilerinin ise Lise 3. sınıf öğrencilerinin
ortamından daha yüksek olduğu sonucunu elde etmişlerdir. Bu durumda sınıf değişkenin öz
düzenleme becerisi açısından önemli bir değişken olduğu görülmektedir.
E-ISBN: 978-605-68882-5-0 244

Öğrencilerin algıladıkları öz düzenleme düzeyinin üniversite eğitimi alma isteği değişkeni
açıcından karşılaştırıldığında, Arayış alt boyutunda anlamlı bir farklılık saptanmazken açık
olma ve toplam puan alt boyutlarında üniversite eğitimi almak isteyen öğrenciler lehine anlamlı
bir farklılık saptanmıştır. Bu durumda lise eğitimi sonrasında üniversite eğitimi almak isteyen
ve almak istemeyen öğrencilerin kendi öğrenme süreçleri ile ilgili yeni arayışlar ve yeni
yönelimler içerisinde olma konusunda anlamlı bir farklılık olmadığı görülmektedir. Buna karşın
Açık Olma alt boyutu ve toplam puan açısından bakıldığında üniversite eğitimi almak isteyen
öğrencilerin algıladıkları öz düzenleme düzeylerinin üniversite eğitimi almak istemeyen
öğrencilere göre daha yüksek düzeyde olduğu sonucu elde edilmiştir.
Öğrencilerin algıladıkları öz düzenleme düzeyinin okulda alınan derslerle ilgili ders başarısını
destekleyecek özel kurs/ders/seminer gibi bir eğitim alma değişkeni açıcından
karşılaştırıldığında, Açık Olma ve toplam puan alt boyutlarında anlamlı bir farklılık
saptanmazken, Arayış alt boyutunda ders başarısını destekleyecek özel kurs/ders/seminer gibi
bir eğitim alan öğrenciler lehine anlamlı farklar saptanmıştır. Bu durumda ders başarısını
desteklemek amacıyla özel kurs/ders/seminer gibi bir etkinliğe katılan öğrencilerin algıladıkları
öz düzenleme düzeylerinin bu tarz bir etkinliğe katılmayan öğrencilere göre daha yüksek
seviyede olduğu sonucu elde edilmiştir.
Öz düzenleme becerisi öğrenciler açısından oldukça önemli bir faktördür. Bu beceri öğrenmeyi
ve başarıyı olumlu yönde etkilemektedir. Bu anlamda öğrencilerin öz düzenleme becerileri ile
akademik başarıları arasında anlamlı bir ilişkinin olduğu görülmektedir [17], [26]. Ayrıca öz
düzenlemeli öğrenen öğrenciler öğrenme konusunda daha istekli olmakta ve kendi öğrenme
süreçlerini yönlendirebilmektedir [27]. Belirtilen bu unsurlar ise öğrencileri daha başarılı
kılmaktadır. Bundan dolayı eğitim ve öğretim faaliyetleri düzenlenirken öğrencilerin öz
düzenleme becerilerini geliştirecek faaliyetlere yer verilmesi ve kendi öğrenmelerini
gerçekleştirebilecek ortamların oluşturulması oldukça önemlidir [28]. Bu süreçte öğrencilere
öz düzenleme becerileri geliştirmelerine yardımcı olarak etkinliklere daha çok yer verilebilir ve
öğrencilerin öz düzenleme becerilerini geliştirmelerine yardımcı olunmamalıdır. Bu şekilde
öğrenmenin daha kalıcı ve nitelikli olması sağlanabilir.
Kaynaklar
[1] Guimaraes de Castro, M. H. (1999). Education for the 21st Century: The Challenge of Quality
and Equity. https://files.eric.ed.gov/fulltext/ED439147.pdf. Erişim tarihi: 06.08.2018.
E-ISBN: 978-605-68882-5-0 245

[2] Pheeraphan, N. (2013). Enhancement of the 21st century skills for Thai higher education by
integration of ICT in classroom. Procedia-Social and Behavioral Sciences, 103, 365-373.
[3] Çötok, N. A. (2005). Bilgi Toplumunda Eğitim Olgusu. Sakarya Üniversitesi Eğitim Fakültesi
Dergisi, (10), 31-41.
[4] Yıldırım, Z. (2015). Sınıf öğretmenlerinin yaşam boyu öğrenmeye yönelik yeterlik algıları ve
görüşleri (Yayımlanmamış yüksek lisans tezi). Çanakkale Onsekiz Mart Üniversitesi, Eğitim Bilimleri
Enstitüsü, Çanakkale.
[5] Brown, J. S. (2005). New learning environments for the 21st century.
http://www.johnseelybrown.com/newlearning.pdf. Erişim tarihi: 03.01.2017.
[6] Çatalbaş, A., & Semerci, Ç. (2016). Hayat bilgisi dersi için hazırlanan öz düzenlemeli öğrenme
modeli destekli etkinliklerin öğrencilerin öğrenme ve çalışma sorumluluğuna etkisi. Abant İzzet Baysal
Üniversitesi Eğitim Fakültesi Dergisi, 16(2), 399-412.
[7] Tekkol, İ. A., & Demirel, M. (2017). Öğretmen Adaylarının Öz-Yönetimli Öğrenme
Becerilerine İlişkin Görüşlerinin İncelenmesi. International Journal of Curriculum and Instructional
Studies, 6(12), 151-168.
[8] Akpınar, B., Gezer, B., (2010), Öğrenen Merkezli Yeni Eğitim Yaklaşımlarının Öğrenme-
Öğretme Sürecine Yansımaları, Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, (14), 1-12.
[9] Bandura, A. (1991). Social cognitive theory of self-regulation. Organizational behavior and
human decision processes, 50(2), 248-287.
[10] Schmeichel, B. J., & Baumeister, R. F. (2004). Self-regulatory strength. In R. F. Baumeister &
K. D. Vohs (Eds.), Handbook of self-regulation: Research, theory, and applications, 84-98, New York,
NY, US: Guilford Press.
[11] Pintrich, P. R. (1995). Understanding self‐regulated learning. New directions for teaching and
learning, (63), 3-12.
[12] Zimmerman, B.J. (1989). A social cognitive view of self-regulated academic learning. Journal
of Educational Psychology, 81, 329-339.
[13] Boekaerts, M., Pintrich, P. R., & Zeidner, M. (Eds.). (2005). Handbook of self-regulation.
Elsevier.
E-ISBN: 978-605-68882-5-0 246

[14] Kauffman, D. F. (2004). Self-regulated learning in web-based environments: Instructional tools
designed to facilitate cognitive strategy use, metacognitive processing and motivational beliefs. Journal
of Educational Computing Research, 30,139–161.
[15] Good, T. L. (Ed.). (2008). 21st century education: A reference handbook. Sage Publications.
[16] Zimmerman, B. J. (2008). Investigating self-regulation and motivation: Historical background,

methodological developments, and future prospects. American educational research journal, 45(1),
166-183.
[17] Turan, S., & Demirel, Ö. (2010). Öz-düzenleyici öğrenme becerilerinin akademik başarı ile
ilişkisi: Hacettepe üniversitesi tıp fakültesi örneği. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi,
38(38), 279-291.
[18] Laskey, M. L., & Hetzel, C. J. (2010). Self-Regulated Learning, Metacognition, and Soft Skills:
The 21st Century Learner. Online submission. https://files.eric.ed.gov/fulltext/ED511589.pdf. Erişim
tarihi: 30.09.2018.
[19] Pintrich, P. R. (2000). Multiple goals, multiple pathways: The role of goal orientation in learning
and achievement, Journal of Educational Psychology, 92, 544–555.
[20] Sarı, A., & Akınoğlu, O. (2009). Öz-düzenlemeli öğrenme: Modeller ve uygulamalar. M.Ü.
Atatürk Eğitim Fakültesi Eğitim Bilimleri Dergisi, 29, 139-154.
[21] Alcı, B. & Altun, S. (2007). Lise Öğrencilerinin Matematik Dersine Yönelik Özdüzenleme Ve
Bilişüstü Becerileri Cinsiyete Sınıfa Ve Alanlara Göre Farklılaşmakta Mıdır?. Çukurova Üniversitesi
Sosyal Bilimler Enstitüsü Dergisi, 16(1), 33–44.
[22] Bozpolat, E. (2016). Investigation of the Self-Regulated Learning Strategies of Students from
the Faculty of Education Using Ordinal Logistic Regression Analysis. Educational Sciences: Theory
and Practice, 16(1), 301-318.
[23] Ilgaz, G., & Gül, A. (2014). İlköğretim İkinci Kademe Öğrencilerinin Fen ve Teknoloji Dersi
Öz-Düzenlemeli Öğrenme Stratejilerinin İncelenmesi. Ondokuz Mayıs Üniversitesi Eğitim Fakültesi
Dergisi, 33(1), 261-287.
[24] Sönmez, V. & Alacapınar, F. G. (2013). Örneklendirilmiş bilimsel araştırma yöntemleri. Anı
Yayıncılık, Ankara.
[25] Arslan, S., & Gelişli, Y. (2015). Algılanan Öz-Düzenleme Ölçeği: Bir Ölçek Geliştirme
Çalışması. Sakarya University Journal of Education, 5(3), 67-74.
E-ISBN: 978-605-68882-5-0 247

[26] Aran, Ö. C. (2015). Öz Düzenleme ve Çalisma Becerileri Arasindaki Iliski. Pegem Egitim ve
Ogretim Dergisi, 5(2), 207-220.
[27] Çiltaş, A. (2011). Eğitimde öz-düzenleme öğretiminin önemi üzerine bir çalışma. Mehmet Akif
Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(5), 1-11.
[28] Üredi, I. ve Üredi, L. (2007). Öğrencilerin öz-düzenlemeli öğrenme becerilerini geliştiren

öğrenme ortamının oluşturulması. Edu7, 2(2), 1-29.
E-ISBN: 978-605-68882-5-0 248

Lise Öğrencilerinin Öğrenme Stratejilerı̇ Düzeylerinin Çeşitli
Değişkenler Açısından İncelenmesi
Gürbüz Ocak1*, Burcu Karafil2
Corresponding Author email: burcu.karafil@yalova.edu.tr
1
Department of Education Faculty, Afyon Kocatepe University, Afyon, TURKEY
2
Department of Foreign Languages School, Yalova University, Yalova TURKEY
Özet
Bu çalışmada lise öğrencilerinin öğrenme stratejileri düzeylerinin çeşitli değişkenler açısından

incelenmesi amaçlanmıştır. Tarama modelinin kullanıldığı bu çalışmanın evrenini 2017-2018
eğitim-öğretim yılında Bilecik İlinde üç lisede öğrenim gören öğrenciler oluşturmaktadır.
Araştırmanın örneklemini ise çalışmanın amacına bağlı olarak belirlenen evren içerisinden
seçilen 400 öğrenci oluşturmaktadır. Araştırmanın problemlerine cevap bulmak amacıyla
araştırmacılar tarafından oluşturulan ve katılımcıların demografik özelliklerinin toplanmasını
amaçlayan kişisel bilgi formu ile Güven (2004) tarafından geliştirilen Öğrenme Stratejileri
Ölçeği kullanılmıştır. Geliştirilen ölçek yineleme stratejileri, anlamlandırma stratejileri,
örgütleme stratejileri, anlamayı izleme stratejileri ve duyuşsal stratejiler olmak üzere 5 alt
boyuttan ve toplam 39 maddeden oluşmaktadır. Araştırma sonucunda öğrencilerin kullandıkları
öğrenme stratejileri düzeylerinin (  =3.34) bana biraz uygun seviyesinde ve orta düzeyde
olduğu görülmüştür. Öğrencilerin öğrenme stratejileri düzeyleri cinsiyet değişkeni açısından
incelendiğinde kadın öğrenciler lehine anlamlı farklar saptanmıştır. Sınıf değişkeni açısından
incelendiğinde sınıf düzeyi daha ileri olan öğrenciler lehine anlamlı farklar olduğu görülmüştür.
Öğrencilerin öğrenme stratejileri düzeyi kitap okuma düzeyi değişkeni açısından ele
alındığında kitap okuma düzeyi daha yüksek olan öğrencilerin öğrenme stratejileri düzeylerinin
de yüksek olduğu sonucu elde edilmiştir. Ayrıca, ders çalışma biçimi değişkeni açısından bütün
alt boyutlarda anlamlı bir farklılaşmaya rastlanmış ve masada ders çalışan öğrencilerin öğrenme
stratejileri düzeylerinin daha yüksek olduğu görülmüştür.
Anahtar Kelimeler: Öğrenme, Öğrenme Stratejisi, Lise Öğrencisi.
Examining The Learning Strategies Levels of High School

Students in Terms of Different Variables
E-ISBN: 978-605-68882-5-0 249
Abstract
In this study, it was aimed to investigate the learning strategies level of high school students in
terms of different variables. The population of the study which was designed as a survey method
consisted of high school students studying at three high schools in Bilecik, TURKEY during
the academic year of 2017-2018. The sample of the research composed of 400 students selected
from the determined population depending on the purpose of the study. A personal information
form prepared by the researchers to collect the participants' demographics and a "Learning
Strategies Scale" developed by Güven (2004) were used to answer the research problems. The
developed scale consists of 5 sub-dimensions and in total 39 items. As a result of the research,
it was found that learning strategies levels of students were at moderate level (  =3.34). When
the learning strategies levels of students were examined in terms of gender difference, a
significant difference was obtained in favor of woman students. In terms of classroom variable,
a significant difference was found in favor of the students who study at higher grades. On the
other hand, when examined in terms of reading level variable, it was seen that students with
higher reading level have higher learning strategies level. Moreover, a significant difference
was obtained for studying style variable and it was found that students who study on desk have
higher learning strategies level.
Keywords: Learning, Learning Strategy, High School Student.
1. Giriş
Günümüzde yaşanan teknolojik gelişmeler yaşamın her alanını etkilemekle birlikte eğitim
alanını da derinden etkilemiştir. Bunun sonucunda öğrencilerin yaşanan gelişmelere ayak
uydurabilmesi için sahip olmaları gereken özellikler de değişiklik göstermiştir [1]. Bu
bağlamda öğrencilerin bilgiye ulaşabilmeleri, bilgiyi yorumlayıp kullanabilmeleri
beklenmektedir. Bununla birlikte öğrenme sürecine ilişkin en önemli sorunlardan birisi
öğrencilerin nasıl öğreneceklerini tam olarak bilememesidir [2]. Bundan dolayı öğrencilerin
kendi öğrenme süreçlerini düzenleyebilmeleri, öğrenme sürecinin daha etkili ve nitelikli
olabilmesi için nasıl öğrendiklerinin farkında olmaları, bir başka ifade ile öğrenme stratejilerini
kullanabilmeleri çok önemlidir.
Öğrenme stratejileri öğrencilerin kendilerine verilen her hangi bir görevle ilgili performans
sergilerken ve davranışlarını değerlendirirken kendilerine yol gösteren bilişsel ve davranışsal
öğeleri ifade etmektedir [3]. Sünbül [4] öğrenme stratejilerinin öğrencilerin bağımsız olarak
E-ISBN: 978-605-68882-5-0 250

kendi öğrenme sorumluluklarını almalarını sağlayan teknikler, ilkeler ve alışkanlıklar olduğunu
belirtmiştir. Öğrenme stratejileri bilişsel öğrenme modelinde yer alan bilgi işleme ve şifreleme
ilkelerine göre bilişsel işlemlerin kolaylaştırılmasında ve etkin kılınmasında kullanılacak
araçlar ya da teknikleri içermektedir [5]. Bir başka tanıma göre ise öğrenme stratejileri
öğrencilerin öğrenme-öğretme süreci içerisinde edindikleri bilgileri zihinsel süreçlerinden
geçirerek, edindikleri bilgileri anlamlandırması için ortaya koydukları bireysel çabaları ifade
etmektedir [6].
Öğrenme stratejileri öğrenme sürecinin en temel öğesidir [7]. Bununla birlikte öğrenme
stratejilerinin öğrencilerinin kalıcı ve kolay öğrenmesini sağladığını belirtmektedir. Bu
bağlamda öğrenme stratejileri ile öğrenme verimliliği artmakta ve öğrenciler bağımsız
öğrenebilme becerisi kazanarak öğrenme konusunda daha istekli olmaktadır [8]. Ayrıca,
öğrenme stratejileri öğrencilerin kendi başlarına öğrenebilmesine, kendi öğrenme
sorumluluğunu alabilen bağımsız öğrenme becerisine sahip bireyler olmasına yardımcı
olmaktadır [9].
Alan yazında çeşitli sınıflalar yer almasına rağmen, öğrenme stratejileri en genel anlamda
yineleme stratejileri, anlamlandırma stratejileri, örgütleme stratejileri, anlamayı izleme
stratejileri ve duyuşsal stratejiler olarak sınıflandırılmaktadır [7], [10].
Yineleme stratejisinde, öğrenciler karşılaştıkları yeni bilgileri tekrarlayarak kısa süreli bellek
ile uzun süreli bellek arasında bir bağlantı kurmakta ve bu şekilde bilgileri kodlamaktadır. Bu
strateji özellikle bir şiirin, matematiksek bir formülün ya da önemli bir sözün öğrenilmesinde
kullanılabilmektedir [11]. Ayrıca, yineleme stratejisinde öğrenciler kendilerine sunulan bilgiyi
belirli bir sıraya koyarak tekrar etmekte ve bu şekilde bilginin bellekte kalmasına yardımcı
olmaktadır. Bu stratejide bilgiyi yüksek sesle okuma, metin altını çizme gibi teknikler
kullanılarak bilgilerinin tekrarlanması söz konusudur[12].
Anlamlandırma stratejisi öğrencilerin bilgileri anlamlı parçalara dönüştürerek öğrenmesini

sağlayan stratejidir. Öğrenmenin daha kalıcı olabilmesi için bilginin kısa süreli bellekte kalma
süresini artıran ve uzun süreli belleğe aktarılmasını sağlayan teknikleri içeren bu stratejide yeni
bilgi ile eski bilgi arasında bağ kurulması söz konusudur [13]. Bu bağlamda anlamlandırma
stratejisinde öğrenenler yeni bilgi ile daha önceki öğrendikleri bilgileri bütünleştirerek, yeni
bilgiye anlam yüklemektedir [14]. Ayrıca, anlamlandırma stratejilerinde öğrenciler anahtar
kelime ve soru cevap tekniklerini kullanarak kendilerine göre basit tanımlar yapabilmektedir
[15]. Bununla birlikte Özer [8] anlamlandırma stratejisinde öğrencilerin zihinsel imge
E-ISBN: 978-605-68882-5-0 251

oluşturma, anahtar kelimeleri cümlede kullanma, benzetim yapma, özet çıkarma ve not alma
gibi teknikleri kullanabileceklerini belirtmektedir.
Örgütleme stratejisinde bilginin yeniden düzenlenip yapılandırılması söz konusudur [7]. Bu

strateji genellikle anlamlandırma stratejisi ile birlikte kullanılmaktadır [14]. Örgütleme
stratejisinde gruplama, terim ya da tümceleri bir araya getirme ve bilgiyi küçük alt birimlere
ayırma yöntemleri kullanılmaktadır [16]. Ayrıca, özellikleri benzerlik ve farklılıklarına göre
gruplama, karşılaşılan bilgi bütününü anlamlı ve önemli öğelere ayırma, metin içerisindeki
temel noktaları ve yardımcı noktaları ve bunlar arasındaki ilişkiyi gösterebilme yer almaktadır
[8].
Anlamayı izleme stratejisi öğrencilerin öğrenme ile ilişkili gerçekleştirdikleri etkinlikleri

kontrol etmesi, kendi öğrenme süreçlerini düzenlemesi, yürütmesi ve denetlemesine yardımcı
olan stratejilerdir [10]. Anlamayı izleme, öğrencilerin öğrenme etkinliklerine yönelik öğrenme
amaçlarını oluşturmaları, bu amaçlara ulaşma düzeylerini değerlendirmesi ve gerektiğinde
belirlediği amaçlara ulaşmada hangi stratejileri kullanacağını belirlemesini içermektedir [17].
Duyuşsal stratejiler ise öğrenme sürecinde dışarıdan gelen ve öğrenmeyi engelleyebilecek her
türlü uyarıcıya karşı dikkatli olmayı ifade eden [10]; öğrenme sürecindeki güdüsel ve duyusal
engelleri ortadan kaldırmaya yardımcı olan stratejilerdir [16]. Görüldüğü üzere öğrenme
stratejileri etkili öğrenmenin daha etkili ve kalıcı olabilmesi açısından oldukça önemlidir.
Bundan dolayı öğrencilerin kendi öğrenme sorumluluklarını alabilmeleri için en iyi nasıl
öğrendiklerinin farkında olmaları gerekmektedir. Bu verilerden hareketle bu çalışmanın amacı
Bilecik il merkezinde bulunan lise öğrencilerinin öğrenme stratejileri düzeylerinin çeşitli
değişkenler açısından incelenmesidir. Bu amaçla aşağıdaki alt problemlere yanıt aranmıştır:
1. Lise öğrencilerinin öğrenme stratejileri düzeyleri nasıldır?
2. Lise öğrencilerinin öğrenme stratejileri düzeyinde; cinsiyet, sınıf, kitap okuma düzeyi ve ders
çalışma biçimi değişkenlerine göre anlamlı fark var mıdır?
2. Yöntem
2.1 Araştırmanın Modeli
Bu çalışmada nicel araştırma desenleri içerisinde yer alan tarama modeli kullanılmıştır. Tarama
modellerinde geçmişte ya da şu an var olan bir durum mevcut koşulları içerisinde her hangi bir
E-ISBN: 978-605-68882-5-0 252

değiştirme ya da etkileme çabası olmaksızın araştırılmaktadır [18]. Bu çalışmada da lise
öğrencilerin öğrenme stratejileri düzeyleri var olan durumuyla incelenmektedir.
Araştırmanın çalışma evrenini 2017-2018 eğitim-öğretim yılında Bilecik İlinde üç lisede

öğrenim gören öğrenciler oluşturmaktadır. Araştırmanın örneklemini ise çalışmanın amacına
bağlı olarak belirlenen evren içerisinden amaçlı örnekleme yöntemlerinden “kolay ulaşılabilir
durum örneklemesi” ile belirlenen 400 öğrenci oluşturmaktadır. Belirlenen bu örnekleme
yöntemi ile araştırmaya hız ve pratiklik kazandırılması ve araştırmacılara yakın ve erişilmesi
kolay olan bir durumun seçilmesi söz konusudur [19]. Çalışmanın katılımcılarına ait özellikler
Tablo 1’de verilmiştir
Tablo 1. Örneklem Grubunun Özelliklerine Ait Tanımlayıcı İstatistikler.
Değişkenler Kategori N %
Kadın 144 36.0
Cinsiyet Erkek 256 64.0
Toplam 400 100
9. sınıf 82 20.5
10. sınıf 126 31.5
Sınıf 11.sınıf 139 34.8
12.sınıf 53 13.3
Toplam 400 100
Düşük 108 27.0
Orta 222 55.5
Kitap okuma düzeyi
Yüksek 70 17.5
Toplam 400 100
Masada 257 64.3
Yatarak 49 12.3
Ders çalışma biçimi Müzik dinleyerek 80 20.0
Televizyon karşısında 14 3.5
Toplam 400 100
Tablo 1’de görüldüğü üzere örneklem grubu içerisinde yer alan öğrencilerin %36’sı kadın,
%64’ü ise erkektir. Sınıf kategorisine göre dört farklı sınıf seviyesinde öğrenim gören
öğrenciler vardır. 11. sınıfta öğrenim gören öğrenci sayısı en fazla iken, 12. sınıfta öğrenim
gören öğrenci sayısı en azdır. Öğrencilerin çoğunluğu orta düzeyde kitap okuma alışkanlığına
sahiptir. Bununla birlikte öğrencilerin çoğunlukla masada ders çalışmayı tercih ettikleri en az
ise televizyon karşısında ders çalışmayı tercih ettikleri görülmektedir.
E-ISBN: 978-605-68882-5-0 253

2.3 Veri Toplama Aracı
Araştırmanın problemlerine cevap bulmak amacıyla araştırmacılar tarafından oluşturulan ve

katılımcıların demografik özelliklerinin toplanmasını amaçlayan kişisel bilgi formu ile Güven
[7] tarafından geliştirilen Öğrenme Stratejileri Ölçeği kullanılmıştır. Geliştirilen ölçek yineleme
stratejileri, anlamlandırma stratejileri, örgütleme stratejileri, anlamayı izleme stratejileri ve
duyuşsal stratejiler olmak üzere 5 alt boyuttan ve toplam 39 maddeden oluşmaktadır. Ölçek
“bana hiç uygun değil (1)”, bana pek uygun değil (2)”, “bana biraz uygun (3)”, “bana oldukça
uygun (4)” ve “bana tamamen uygun (5)” şeklinde Likert tipi beşli derecelendirme ölçeği
şeklindedir. Yapılan çalışmada ölçeğin Cronbach alpa güvenirlik katsayısı ise yineleme
stratejileri alt boyutu için .72, anlamlandırma stratejileri alt boyutu için .80, örgütleme
stratejileri alt boyutu için .78, anlamayı izleme stratejileri alt boyutu için .78, duyuşsal stratejiler
alt boyutu için .58 ve ölçeğin bütünü için .93 olarak hesaplanmıştır.
2.4 Verilerin Analizi
Araştırmanın problemlerine yanıt bulmak amacıyla ölçekler örneklem grubuna uygulanmıştır.

Uygulama sonucunda elde edilen veriler belirli bir sıraya konularak bilgisayar ortamına
aktarılmış ve SPSS veri analizi programı kullanılarak analiz edilmiştir. Kullanılan 5’li Likert
ölçekler 1’den 5’kadar olan değerlendirme ölçeği olup beş eşit parçaya bölünmüş ve her
seçeneğe karşılık gelen puan aralıkları belirlenmiştir. Ölçek seçenekleri ile puan aralıkları Tablo
E-ISBN: 978-605-68882-5-0 254

Tablo 2. Öğrenme Stratejileri Ölçeği Seçenekleri ile Puan Aralıkları.
Seçenekler Verilen Puanlar Puan Aralığı Karşılık Gelen Puan

Bana hiç uygun değil 1 1.00-1.79 Çok Düşük Düzey
Bana pek uygun değil 2 1.80-2.59 Düşük Düzey
Bana biraz uygun 3 2.60-3.39 Orta Düzey
Bana oldukça uygun 4 3.40-4.19 İyi Düzey
Bana tamamen uygun 5 4.20-5.00 Çok İyi Düzey
Öğrencilerin öğrenme stratejileri düzeylerine ilişkin alt boyutların her biri için aritmetik
ortalama ve standart sapmaları, frekans (f) dağılımı ve yüzde (%) oranları özetlenmiştir.
Cinsiyet gibi iki alt kategorili bağımsız değişken için bağımsız t-testi uygulanmıştır. Üç ve daha
fazla alt kategorisi olan değişken verileri için uygun analiz türünün belirlenmesinde ise tek
yönlü varyans analizi testinden yararlanılmıştır. Verilerin analizinde p<.05anlamlılık düzeyi
dikkate alınmıştır. Elde edilen bulgular tablolar halinde verilerek yorumlanmıştır.
3. Bulgular
Araştırmanın bu bölümünde, araştırma kapsamında elde edilen bulgular araştırmanın alt

amaçlarına uygun olarak sınıflandırılarak tablolar halinde sunulmuştur.
3.1 Lise Öğrencilerinin Öğrenme Stratejileri Düzeylerine İlişkin Bulgular
Araştırmanın birinci alt probleminde lise öğrencilerinin öğrenme stratejileri düzeyleri

belirlenmeye çalışılmıştır. Öğrencilerin öğrenme stratejileri düzeyine ve ölçeğin alt boyutlarına
ilişkin verilerin aritmetik ortalamaları ve standart sapmaları Tablo 3’te verilmiştir.
Tablo 3. Öğrenme Stratejileri Ölçeği ve Alt Boyutlarına İlişkin Puanların Aritmetik Ortalamaları ve
Standart Sapmaları
Öğrenme Stratejileri Ölçeği  SS

Yineleme Stratejileri 3.53 0.76
Anlamlandırma Stratejileri 3.33 0.71
Örgütleme Stratejileri 3.13 0.77
Anlamayı İzleme Stratejileri 3.38 0.69
Duyuşsal Stratejiler 3.34 0.68
Toplam puan 3.34 0.63
n=400
Tabloya göre ölçeğin Yineleme Stratejileri ve Anlamlandırma Stratejileri alt boyutlarının
ortalaması (  =3.53) bana oldukça uygun, Örgütleme Stratejileri alt boyutunun ortalaması
E-ISBN: 978-605-68882-5-0 255

(  =3.13) bana biraz uygun, Anlamayı İzleme Stratejileri alt boyutunun ortalaması (  =3.38)
bana biraz uygun, Duyuşsal Stratejiler alt boyutunun ortalaması (  =3.34) bana biraz uygun
düzeyindedir. Ayrıca toplam puan açısından incelendiğinde lise öğrencilerinin öğrenme
stratejileri düzeyinin (  =3.34) bana biraz uygun şeklinde olduğu görülmektedir.
3.2 Lise Öğrencilerinin Öğrenme Stratejileri Düzeyinin Çeşitli Değişkenlere Göre Farklılaşmasına
İlişkin Bulgular
Araştırmanın bir diğer amacı öğrencilerin öğrenme stratejileri düzeyinin çeşitli değişkenler
açısından incelenmesidir. Tablo 4’te, öğrencilerin öğrenme stratejileri düzeyinin cinsiyet
değişkeni açısından farklılaşıp farklılaşmadığını belirlemek amacıyla yapılan bağımsız t testi
sonuçları yer almaktadır.
Tablo 4. Öğrencilerin Öğrenme Stratejileri Düzeyi Puanlarının Cinsiyet Değişkenine Göre t-Testi
Sonuçları.
Öğrenme Stratejileri Cinsiyet N X SS t p

Kadın 144 3.82 .60
Yineleme Stratejileri 5.81 .00
Erkek 256 3.37 .80
Kadın 144 3.55 .66
Anlamlandırma Stratejileri 4.75 .00
Erkek 256 3.21 .71
Örgütleme Stratejileri Kadın 144 3.22 .79 1.72 .08
Erkek 256 3.08 .76
Anlamayı İzleme Stratejileri Kadın 144 3.55 .65 3.60 .00
Erkek 256 3.29 .70
Duyuşsal Stratejiler Kadın 144 3.47 .63 2.84 .00
Erkek 256 3.27 .70
Toplam puan Kadın 144 3.52 .57 4.28 .00
Erkek 256 3.24 .65
Tabloda görüldüğü üzere, öğrencilerin öğrenme stratejileri düzeyi cinsiyet değişkeni açıcından
karşılaştırıldığında, Örgütleme Stratejileri alt boyutunda anlamlı bir farklılık saptanmazken
[p>0.05]; Yineleme Stratejileri [t(398)= 5.8, p<0.05]; Anlamlandırma Stratejileri [t(398)= 4.7,
p<0.05]; Anlamayı İzleme Stratejileri [t(398)= 3.6, p<0.05]; Duyuşsal Stratejiler [t(398)= 2.8,
p<0.05] alt boyutlarında ve öğrenme stratejileri ölçeği toplam puanlarında [t(398)= 4.2, p<0.05]
cinsiyet değişkenine göre anlamlı olarak farklılaşmaktadır. Bu farklılıklar bütün boyutlarda ve
toplam puanda kadın öğrenciler lehinedir.
Tablo 5’te öğrencilerin öğrenme stratejileri düzeyinin sınıf değişkeni açısından anlamlı olarak
farklılaşıp farklılaşmadığını belirlemek amacıyla yürütülen tek yönlü varyans analizi sonuçları
yer almaktadır.
E-ISBN: 978-605-68882-5-0 256

Tablo 5: Öğrencilerin Öğrenme Stratejileri Düzeylerinin Sınıf Değişkenine Göre Karşılaştırılması.
Öğrenme Stratejileri Sınıf n X SS Var. K. K.T. SD K.O. F P Fark

1. 9 82 3.60 .77 G. Arası 2.387 3 .79 1.35 .25
2.10 126 3.44 .70 G. İçi 233.374 396 .58
Yineleme Stratejileri
3.11 139 3.52 .82 Toplam 235.760 399 -
4.12 53 3.67 .73
1.9 82 3.29 .70 G. Arası 8.613 3 2.87 5.86 .00
2.10 126 3.19 .71 G. İçi 193.866 396 .49 4>1
Anlamlandırma Stratejileri
3.11 139 3.37 .71 Toplam 202.479 399 4>2
4.12 53 3.66 .62
1.9 82 3.16 .73 G. Arası 14.422 3 4.80 8.34 .00
2.10 126 2.89 .72 G. içi 241.960 396 .57 4>2
Örgütleme Stratejileri
3.11 139 3.19 .78 Toplam 161.698 399 3>2
4.12 53 3.48 .78
1.9 82 3.41 .73 G. Arası 7.821 3 2.60 5.51 .00 4>3
2.10 126 3.25 .72 G. içi 187.092 396 .47 3>2
Anlamayı İzleme Stratejileri
3.11 139 3.37 .78 Toplam 194.913 399
4.12 53 3.70 .79
1.9 82 3.44 .70 G. Arası 7.411 3 2.47 5.39 .00
2.10 126 3.16 .66 G. İçi 181.176 396 .45 1>2
Duyuşsal Stratejiler
3.11 139 3.37 .67 Toplam 188.586 399 4>2
4.12 53 3.70 .63
1.9 82 3.36 .62 G. Arası 7.279 3 2.42 6.16 .00
2.10 126 3.19 .61 G. İçi 155.522 396 .39 4>2
Toplam Puan
3.11 139 3.36 .64 Toplam 162.801 399
4.12 53 3.62 .61
p<.05
Tablo 5’te görüldüğü üzere öğrencilerin öğrenme stratejileri düzeyleri Anlamlandırma
Stratejileri [F(3-396)=5.86;p<.05]; Örgütleme Stratejileri [F(3-396)=8.34;p<.05]; Anlamayı
İzleme Stratejileri [F(3-396)=5.51; p<.05]; Duyuşsal Stratejiler [F(3-396)=5.39; p<.05] alt
boyutlarında ve öğrenme stratejileri ölçeği toplam puanlarında [F(3-396)=6.16;p<.05] anlamlı
farklar olduğu görülmektedir. Gruplar arasındaki bu farkların kaynağını belirlemek amacıyla
Tukey testi yapılmıştır. Bu testin soncuna göre Anlamlandırma Stratejileri boyutunda 12. sınıf
öğrencileri (  = 3.66, s =.62) ile 9. sınıf (  = 3.29, s =.70) ve 10.sınıf öğrencileri (  = 3.19,
s =.71) arasında 12. sınıf öğrencileri lehine anlamlı fark elde edilmiştir.
Örgütleme Stratejileri alt boyutunda 10. sınıf öğrencileri (  = 2.89, s =.72) ile 12. sınıf
öğrencileri (  = 3.48, s =.78) arasında 12. sınıf öğrencileri lehine ve 10.sınıf öğrencileri ile 11.
sınıf öğrencileri (  = 3.19, s =.78) arasında 11.sınıf öğrencileri lehine anlamlı farklar olduğu
görülmüştür.
Anlamayı İzleme Stratejileri alt boyutunda 12. sınıf öğrencileri (  = 3.70, s =.79) ile 10. sınıf
(  = 3.25, s =.72) ve 11.sınıf öğrencileri (  = 3.37, s =.78) arasında 12. sınıf öğrencileri lehine
E-ISBN: 978-605-68882-5-0 257

anlamı farklar bulunmuştur. Duyuşsal Stratejiler alt boyutunda 9. sınıf öğrencileri (  = 3.44,
s =.70) ile 10. sınıf öğrencileri arasında (  = 3.16, s =.66) 9. sınıf öğrencileri lehine ve 10.sınıf
öğrencileri ile 12. sınıf öğrencileri arasında 12.sınıf öğrencileri lehine anlamlı farklar olduğu
görülmüştür. Öğrenme stratejileri ölçeği toplam puanları açısından ise 10.sınıf öğrencileri ( 
= 3.19, s =.61) ile 12. sınıf öğrencileri (  = 3.62, s =.61) arasında 12.sınıf öğrencileri lehine;
toplam puan alt boyutunda ise anlamlı farklar saptanmıştır.
Araştırmanın bir diğer alt problemi ise öğrencilerin öğrenme stratejileri düzeyinin kitap okuma
düzeylerine göre farklılık gösterip göstermediğidir. Buna ilişkin gerçekleştirilen tek yönlü
varyans analizi sonuçları tablo 6’da yer almaktadır.
Tablo 6: Öğrencilerin Öğrenme Stratejileri Düzeylerinin Kitap Okuma Düzeyi Değişkenine Göre
Kitap
Öğrenme Stratejileri okuma N X SS Var. K. K.T. SD K.O. F p Fark
düzeyi
1.Orta 108 3.30 .89 G. Arası 9.970 2 4.98 8.76 .00 1>2
Yineleme Stratejileri 2.Düşük 222 3.57 .69 G. İçi 225.790 397 .56
3.Yüksek 70 3.77 .68 Toplam 235.760 399 3>2
1.Orta 108 3.18 .75 G. Arası 5.621 2 2.81 5.66 .00
Anlamlandırma Stratejileri 2.Düşük 222 3.34 .67 G. İçi 196.857 397 .49 3>2
3.Yüksek 70 3.55 .70 Toplam 202.479 399
1.Orta 108 3.02 .80 G. Arası 2.512 2 1.25 2.07 .12
Örgütleme Stratejileri 2.Düşük 222 3.14 .76 G. içi 239.448 396 .60 -
3.Yüksek 70 3.26 .78 Toplam 241.960 398
1.Orta 108 3.24 .72 G. Arası 4.326 2 2.16 4.50 .01
Anlamayı İzleme
2.Düşük 222 3.40 .68 G. içi 190.587 397 .48 3>2
Stratejileri
3.Yüksek 70 3.56 .68 Toplam 194.913 399
1.Orta 108 3.10 .75 G. Arası 9.679 2 4.84 10.74 .00 1>2
Duyuşsal Stratejiler 2.Düşük 222 3.40 .61 G. İçi 178.907 397 .45 3>2
3.Yüksek 70 3.55 .68 Toplam 188.586 399
1.Orta 108 3.17 .71 G. Arası 5.693 2 2.84 7.17 .00 1>2
Toplam Puan 2.Düşük 222 3.36 .58 G. İçi 157.108 396 .39 3>2
3.Yüksek 70 3.53 .62 Toplam 162.801 398
Öğrencilerin öğrenme stratejileri düzeyleri kitap okuma düzeyi değişkeni açıcından

karşılaştırıldığında Örgütleme Stratejileri dışındaki bütün alt boyutlarda anlamlı bir farklılaşma
olduğu görülmektedir [p<0.05]. Gruplar arasındaki farkın kaynağını belirlemek amacıyla
gerçekleştirilen Tukey çoklu karşılaştırma testi sonucunda Yineleme Stratejileri, Duyuşsal
Stratejiler alt boyutlarında ve öğrenme stratejileri ölçeği toplam puanlarında kitap okuma
düzeyi orta seviyede ve düşük seviyede olan öğrenciler arasında kitap okuma düzeyi orta
seviyede olan öğrenciler lehine anlamlı farklar saptanırken; kitap okuma düzeyi yüksek ve
düşük olan öğrenciler arasında kitap okuma düzeyi yüksek olan öğrenciler lehine anlamlı
E-ISBN: 978-605-68882-5-0 258

farklar saptanmıştır. Bununla birlikte Anlamlandırma Stratejileri ve Anlamayı İzleme
Stratejileri boyutlarında kitap okuma düzeyi yüksek ve düşük olan öğrenciler arasında kitap
okuma düzeyi yüksek olan öğrenciler lehine anlamlı farklar olduğu sonucu elde edilmiştir.
Araştırmanın bir diğer amacı ise öğrencilerin öğrenme stratejileri düzeyinin ders çalışma
biçimlerine göre farklılaşıp farklılaşmadığının belirlenmesidir. Elde edilen verilen Tablo 7’de
yer almaktadır.
Tablo 7: Öğrencilerin Öğrenme Stratejileri Düzeylerinin Ders Çalışma Biçimi Değişkenine

Göre Karşılaştırılması.
Fark
Alt Ölçek N X SS Var. K. K.T. SD K.O. F p
1.Masada 257 3.69 .74 G. Arası 18.576 3 6.19 11.29 .00 1>2
2.Yatarak 49 3.27 .77 G. İçi 217.184 396 .54 1>3
Yineleme Stratejileri
3.Müzik din. 80 3.26 .67 Toplam 235.760 399 1>4
4.Televizyon kar. 14 3.09 .88
1.Masada 257 3.47 .67 G. Arası 13.574 3 4.52 9.48 .00 1>2
Anlamlandırma 2.Yatarak 49 3.13 .71 G. İçi 188.905 396 .47 1>3
Stratejileri 3.Müzik din. 80 3.06 .68 Toplam 202.479 399 1>4
1.Masada 257 3.23 .77 G. Arası 7.199 3 2.40 4.03 .00
Örgütleme 2.Yatarak 49 2.95 .76 G. içi 234.760 306 .59 1>3
Stratejileri 3.Müzik din. 80 2.96 .73 Toplam 241.960 309
1.Masada 257 3.53 .68 G. Arası 15.548 3 5.18 11.44 .00 1>2
Anlamayı İzleme 2.Yatarak 49 3.15 .70 G. içi 179.366 306 .45 1>3
Stratejileri 3.Müzik din. 80 3.10 .58 Toplam 194.913 309
1.Masada 257 3.49 .64 G. Arası 16.872 3 5.62 12.97 .00

2.Yatarak 49 3.09 .70 G. İçi 171.714 306 .43 1>2
Duyuşsal Stratejiler
3.Müzik din. 80 3.11 .58 Toplam 188.586 309 1>3
4.Televizyon kar. 14 2.84 1.01 1>4
1.Masada 257 3.48 .60 G. Arası 13.499 3 4.50 11.90 .00 1>2
2.Yatarak 49 3.13 .65 G. İçi 149.302 306 .37 1>3
Toplam Puan
3.Müzik din. 80 3.09 .55 Toplam 162.801 309 1>4
Tablo incelendiğinde öğrencilerin öğrenme stratejileri düzeyinin bütün alt boyutlarda anlamlı
olarak farklılaştığı görülmektedir [p<0.05]. İlgili farkın kaynağı incelendiğinde Yineleme
Stratejileri ve Anlamlandırma Stratejileri alt boyutlarında masada ders çalışan ve yatarak,
müzik dinleyerek ve televizyon karşısında ders çalışan öğrenciler arasında masada ders çalışan
öğrenciler lehine; Örgütleme Stratejileri alt boyutunda masada ve müzik dinleyerek ders
çalışan öğrenciler arasında masada ders çalışan öğrenciler lehine; Anlamayı İzleme Stratejileri
alt boyutunda masada ders çalışan ve yatarak ve müzik dinleyerek ders çalışan öğrenciler
arasında masada ders çalışan öğrenciler lehine; Duyuşsal Stratejiler ve toplam puan alt
E-ISBN: 978-605-68882-5-0 259

boyutlarında ise masada ders çalışan ve yatarak, müzik dinleyerek ve televizyon karşısında ders
çalışan öğrenciler arasında masada ders çalışan öğrenciler lehine anlamlı bir farklılık olduğu
görülmüştür.
4. Sonuç, Tartışma ve Öneriler
Bu araştırmada, lise öğrencilerinin öğrenme stratejileri düzeylerinin çeşitli değişkenler

açısından incelenmesi amaçlanmıştır. Araştırmanın ilk alt probleminde öğrencilerin öğrenme
stratejileri düzeyleri incelenmiştir. Araştırma sonucunda öğrencilerin kullandıkları Yineleme
Stratejileri ve Anlamlandırma stratejileri düzeyleri iyi düzeyde iken, Örgütleme Stratejileri,
Anlamayı İzleme Stratejileri ve Duyuşsal Stratejiler alt boyutlarının orta düzeyde olduğu
görülmüştür. Ayrıca öğrenme stratejileri ölçeği toplam puanları açısından öğrencilerin öğrenme
stratejileri düzeyinin de orta seviyede olduğu görülmektedir. Bu durumda öğrencilerin
edindikleri bilgileri anlamlandırma ve yeni bilgileri tekrarlayarak öğrenme konularında daha
iyi düzeyde oldukları söylenebilir. Bununla birlikte Yineleme Stratejileri ve Anlamlandırma
Stratejileri lise öğrencilerinin en çok tercih ettikleri öğrenme stratejisi olarak ifade edilirken,
Örgütleme Stratejileri öğrencilerin en az tercih ettiği öğrenme stratejisidir. Bu durumda
öğrencilerin edindikleri yeni bilgileri ilişkilendirerek öğrenme düzeylerinin daha düşük olduğu
sonucu elde edilmiştir. Alanyazında öğrencilerin öğrenme stratejileri düzeylerine ilişkin çeşitli
çalışmalar olduğu görülmektedir. Bilasa [20] ortaöğretim öğrencilerinin öğrenme stratejilerine
yönelik algılarının orta düzeyde olduğu sonucunu elde etmiştir. Güven [7] öğrencilerin
anlamlandırma stratejilerini ve anlamayı izleme stratejilerini yoğun olarak kullanırken,
duyuşsal stratejileri, yineleme stratejilerini ve örgütleme stratejilerini daha az kullandıkları
sonucunu elde etmiştir. Özdemir [21] lise öğrencilerinin en çok anlamlandırma ve anlamayı
izleme stratejilerini kullandıkları, bunları duyuşsal stratejiler ile yineleme stratejilerinin izlediği
ve örgütleme stratejilerini en az kullandıkları sonucunu elde etmiştir. Benzer şekilde Çelik [10]
lise öğrencilerinin anlamlandırma stratejileri ve anlamayı izleme stratejilerini daha çok
kullanırken, örgütleme stratejileri duyuşsal stratejiler ve yineleme stratejilerini ise daha az
kullandıkları görülmüştür. Öğrenme stratejileri, öğrencilerin daha etkili çalışabilmelerine
olanak sağlayan tekniklerdir. Öğrenme stratejilerinin kullanılması ile öğrenme daha etkili ve
kalıcı hale gelebilir. Bundan dolayı öğrenme stratejilerinin geliştirilebilmesi için öğrencilere
yardımcı olunması ve eğitim ortamlarının bu doğrultuda düzenlenmesi gerekmektedir.
Araştırmanın ikinci alt problemi kapsamında öğrencilerin öğrenme stratejileri düzeyleri çeşitli
değişkenler açısından ele alınmıştır. Cinsiyet değişkeni açısından ele alındığında örgütleme
E-ISBN: 978-605-68882-5-0 260

stratejisi açısından kadın ve erkek öğrenciler arasında anlamlı bir fark olmadığı sonucu elde
edilmiştir. Buna karşın yineleme stratejileri, anlamlandırma stratejileri, anlamayı izleme
stratejileri, duyuşsal stratejiler ve öğrenme stratejileri ölçeği toplam puanları açısından kadın
öğrenciler lehine anlamlı farklar olduğu görülmektedir. Bu durumda yeni bilgiyi edinme
sürecinde kadın öğrencilerin erkek öğrencilere göre öğrenme stratejilerini daha çok
kullandıkları söylenebilir. Özdemir [22] çalışmasında kadın öğrencilerin erkek öğrencilere göre
öğrenme stratejilerini daha çok kullandıkları bulgusunu elde etmiştir. Benzer şekilde Tomal
[13] kız öğrencilerin erkek öğrencilere göre öğrenme stratejilerini kullanma durumlarının daha
yüksek düzeyde olduğu sonucuna ulaşmıştır.
Öğrencilerin kullandıkları öğrenme stratejileri sınıf değişkeni açısından incelendiğinde

yineleme stratejileri açısından anlamlı bir fark olmadığı sonucu elde edilmiştir. Bu durumda
farklı sınıflarda öğrenim gören öğrencilerin bilgiyi tekrar ederek öğrenme sürecinde
kullandıkları stratejilerin benzer olduğu görülmektedir. Buna karşın anlamlandırma stratejisi alt
boyutunda 12. sınıfta öğrenim gören öğrencilerin bilgiyi anlamlandırarak öğrenme konusunda
kullandıkları tekniklerin 9. sınıfta ve 10. sınıfta öğrenim gören öğrencilerden daha yüksek
olduğu sonucu elde edilmiştir. Benzer şekilde anlamayı izleme stratejisi açısından 12. sınıfta
öğrenim gören öğrencilerin ortalamasının 10. ve 11. sınıf öğrencilerden daha yüksek olduğu;
12. sınıfta öğrenim gören öğrencilerin kendi öğrenme sürecini izleme ve değerlendirme
konusunda 10. ve 11. sınıf öğrencilerinden daha iyi düzeyde olduğu görülmüştür. Bununla
birlikte duyuşsal stratejiler açısından 9. sınıf öğrencilerinin puan ortalamasının 10.sınıf
öğrencilerinden daha yüksek olduğu; 12. sınıf öğrenci puanlarının ise 10. Sınıf öğrencilerinden
daha yüksek olduğu sonucu elde edilmiştir. Bu durumda 9. sınıf ve 12. sınıf öğrencilerinin
öğrenmede güdülenmeyi engelleyebilecek faktörlere karşı strateji kullanma düzeylerinin diğer
sınıflardaki öğrencilere göre daha iyi düzeyde olduğu söylenebilir. Son olarak öğrenme
stratejileri ölçeği toplam puanları açısından 12. sınıf öğrencilerinin öğrenme stratejileri
kullanma düzeylerinin 10.sınıf öğrencilerinden daha yüksek olduğu bulgusu elde edilmiştir.
Benzer şekilde Özdemir [22] çalışmasında sınıf değişkeninin öğrenme stratejileri açısından
anlamlı bir değişken olduğu sonucuna ulaşmıştır.
Öğrencilerin kullandıkları öğrenme stratejileri öğrencilerin kitap okuma düzeyi değişkeni

açısından incelendiğinde örgütleme stratejileri dışındaki bütün alt boyutlarda anlamlı bir
farklılaşma olduğu görülmüştür. Yineleme Stratejileri, Duyuşsal Stratejiler alt boyutlarında ve
öğrenme stratejileri ölçeği toplam puanlarında kitap okuma düzeyi orta seviyede ve düşük
seviyede olan öğrenciler arasında kitap okuma düzeyi orta seviyede olan öğrenciler lehine
E-ISBN: 978-605-68882-5-0 261

anlamlı farklar saptanırken; kitap okuma düzeyi yüksek ve düşük olan öğrenciler arasında kitap
okuma düzeyi yüksek olan öğrenciler lehine anlamlı farklar saptanmıştır. Bununla birlikte
Anlamlandırma Stratejileri ve Anlamayı İzleme Stratejileri alt boyutlarında kitap okuma düzeyi
yüksek ve düşük olan öğrenciler arasında kitap okuma düzeyi yüksek olan öğrenciler lehine
anlamlı farklar olduğu sonucu elde edilmiştir. Bu durumda öğrencilerin kitap okuma düzeyinin
artmasına bağlı olarak öğrencilerin öğrenme stratejilerini kullanma düzeylerinin de arttığı; kitap
okuma düzeyinin öğrenme stratejileri açısından önemli bir değişken olduğu sonucu elde
edilmiştir. Bireylerin kendilerini ve çevreyi doğru bir biçimde algılamaları açısından kitap
okuma alışkanlığını kazanmış olmaları oldukça önemlidir [23]. Bununla birlikte okuma
alışkanlığı, bireylerin yaratıcı, yapıcı, üretken ve özgür ve eleştirel düşünebilen bireyler
olabilmesi açısından önemlidir [24]. Ayrıca öğrencilerin okuduklarını tam ve doğru anlamaları
ile okunanlar ile gerçek yaşantı arasında ilişki kurulabilmektedir [25].
Son olarak öğrencilerin kullandıkları öğrenme stratejileri öğrencilerin ders çalışma biçimleri
değişkeni açısından incelenmiştir. Analiz sonucunda bütün alt boyutlarda anlamlı farklar
olduğu görülmüştür. Yineleme Stratejileri ve Anlamlandırma Stratejileri alt boyutlarında
masada ders çalışan öğrencilerin yatarak, müzik dinleyerek ve televizyon karşısında ders
çalışan öğrencilere göre anlamlandırma stratejilerini kullanma düzeylerini daha yüksek olduğu
sonucu elde edilmiştir. Bununla birlikte örgütleme stratejileri, anlamayı izleme stratejileri,
duyuşsal stratejiler ve toplam puan alt boyutlarında masada ders çalışan öğrencilerin öğrenme
stratejilerini kullanma düzeylerinin daha yüksek olduğu görülmüştür. Bu durumda ders çalışma
biçiminin öğrenme stratejisi açısından önemli bir değişken olduğu ve öğrencilerin ders çalışma
biçimlerine bağlı olarak öğrenme stratejileri düzeylerini farklılaştığı söylenebilir.
Kaynaklar
[1] Tunçer, B. K., & Güven, B. (2007). Öğrenme stratejileri kullanımının öğrencilerin akademik
başarıları, hatırda tutma düzeyleri ve derse ilişkin tutumları üzerindeki etkisi. Yüzüncü Yıl Üniversitesi
Eğitim Fakültesi Dergisi, 4(2), 1-20.
[2] Açıkgöz, K. (2007). Etkili öğrenme ve öğretme. (7. Baskı). Biliş yayınları, İzmir.
[3] Lenz, B. K. (1992) Self-managed learning strategy systems for children and youth. School
Psychology Review, 821(2), 211-222.
[4] Sünbül, A. M. (1998). Öğrenme stratejilerinin öğrenci erişi ve tutumlarına etkisi.

(Yayımlanmamış Doktora Tezi), Hacettepe Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara. .
E-ISBN: 978-605-68882-5-0 262

[5] Somuncuoğlu, Y., & A. Yıldırım(1998). Öğrenme Stratejileri: Teorik Boyutları, Araştırma
Bulguları ve Uygulama İçin Ortaya Koyduğu Sonuçlar, Eğitim ve Bilim, 22 (110) 31-39
[6] Tay, B. (2005). Sosyal bilgiler ders kitaplarında öğrenme stratejileri. Gazi Üniversitesi Kırşehir
Eğitim Fakültesi Dergisi, 6 (1), 209–225.
[7] Güven, M. (2004). Öğrenme stilleri ile öğrenme stratejileri arasındaki ilişki. (Yayınlanmamış
Doktora Tezi), Anadolu Üniversitesi Eğitim Bilimleri Enstitüsü, Eskişehir
[8] Özer, B. (2002). İlköğretim ve ortaöğretim okullarının eğitim programlarında öğrenme

stratejileri. Eğitim Bilimleri ve Uygulama, 1 (1), 17–32.
[9] Senemoğlu, N. (2001). İlköğretimde etkili öğretme ve öğrenme öğretmen el kitabı modül 2,
öğrenme ürünleri ve öğretimi, M.E. Yayınevi: Ankara.
[10] Çelik, D. (2015). 11. sınıf öğrencilerinin düşünme stilleri, öğrenme stratejileri ve düşünme
stilleri ile öğrenme stratejileri arasındaki ilişki. (Yayımlanmış Yüksek Lisans Tezi). Pamukkale
Üniversitesi, Eğitim Bilimleri Enstitüsü, Denizli.
[11] Oral, B. (Ed.).(2011). Öğrenme Öğretme Kuram ve Yaklaşımları, Pegem Yayınları: Ankara.
[12] Küçük, M. (2010). Çevrimiçi Öğrenenlerin Öğrenme Biçimi, Öğrenme Stratejileri Ve

Eşzamansız Tartışmalara Katılımları Arasındaki İlişki. (Yayımlanmamış Doktora Tezi) Anadolu
Üniversitesi, Sosyal bilimler Enstitüsü, Eskişehir.
[13] Tomal, N. (2008). Ortaöğretim 9. sınıf öğrencilerinin coğrafya dersinde öğrenme stratejilerini
kullanma durumları. Mehmet Akif Ersoy Eğitim Fakültesi Dergisi, 8(16), 113-127.
[14] Erdem, A. R. (2005). Öğrenmede etkili yollar: Öğrenme stratejileri ve öğretimi. İlköğretim-
online, 4 (1), 1–6.
[15] Kuzu, S., Balaman, F., & Canpolat, M. (2014). Eğitim fakültesi öğrencilerinin öğrenme
stratejilerinin belirlenerek bölümlere göre karşılaştırılması. Eğitim ve Öğretim Araştırmaları Dergisi,
3(2), 257-264.
[16] Subaşı, G. (2002). Bilgiyi işleme kuramı, gelişim ve öğrenme. Anı Yayıncılık: Ankara.
[17] Weinstein, C. E. ve Mayer., R. E. (1986). The teaching of learning strategies. İçinde M.C.
Wittrock (Ed.) Handbook of research on teaching, (3rd. Edition). New York: Macmillan Company.
[18] Sönmez, V. & Alacapınar, F. G. (2013). Örneklendirilmiş bilimsel araştırma yöntemleri. Anı
Yayıncılık: Ankara.
E-ISBN: 978-605-68882-5-0 263

[19] Yıldırım, A., & Şimşek, H. (2006). Sosyal bilimlerde nitel araştırma yöntemleri. Seçkin
Yayıncılık: Ankara.
[20] Bilasa, P. (2016). Ortaöğretim Öğrencilerinin Öğrenme ve Ders Çalışma Stratejilerinin Çeşitli
Değişkenler Açısından İncelenmesi (Ankara Hacı Ömer Tarman Anadolu Lisesi Örneği). Yüzüncü Yıl
Üniversitesi Eğitim Fakültesi Dergisi, 13(1), 79-122.
[21] Özer, B.(1998). Öğrenmeyi öğretme. Hakan, A. (Edit.). Eğitim bilimlerinde yenilikler ( 149–
160). Eskişehir: Anadolu Üniversitesi Açık öğretim Fakültesi Yayınları
[22] Özdemir, Ö. (2004). Lise öğrencilerinin kullandıkları öğrenme stratejileri. (Yayımlanmamış

yüksek lisans tezi). Anadolu Üniversitesi, Eğitim Bilimleri Enstitüsü, Eskişehir.
[23] Gömleksiz, M. N. (2003). Geleceğin Öğretmenlerinin Kitap Okumaya İlişkin Görüşlerinin

Değerlendirilmesi (Fırat Üniversitesi Eğitim Fakültesi Örneği). Yüzüncü Yıl Üniversitesi Eğitim
Fakültesi Dergisi, 1(1), 1-21.
[24] Kurulgan, M., ve Çekerol, S.G. (2008). Öğrencilerin Okuma ve Kütüphane Kullanma
Alışkanlıkları Üzerine Bir Araştırma. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 8(2):237-258.
[25] Arı, E., Demir, M.K.. (2013). İlköğretim bölümü öğretmen adaylarının kitap okuma
alışkanlıklarının değerlendirilmesi. Ana Dili Eğitimi Dergisi 1(1), 116-128.
Comparison of Machine Learning Classification Algorithms in

Cardiological Risk Assessment
Şafak Kayıkçı
safak.kayikci@ibu.edu.tr
Computer Engineering, Bolu Abant Izzet Baysal University, TURKEY
Abstract
E-ISBN: 978-605-68882-5-0 264

Cardiological diseases are the leading cause of deaths. Undoubtedly, it is important to predict
the risk of such a disturbance and to go to treatment accordingly. For this reason, determining
the risk by using the data set related to heart disorders constitutes the subject of this study.
Within this scope, mathematical analyses are used to determine vital risk based on heart disease,
and these analyses include data mining or machine learning algorithms. The application is
completed by following a systematic way of using k-Nearest Neighbour Algorithm, Simple
Bayesian Classifier, Logistic Regression Analysis and Decision Trees.
Keywords: Nearest Neighbor Algorithm, Simple Bayesian Classifier, Logistic Regression

Analysis, Decision Trees.
1. Introduction
The principal intention of this study is to predict whether a person has heart disease using
learning algorithms (diversion models) on the heart disease data set. In this context, work will
be done on the The Statlog Data set in UCI Machine Learning Data Repository [1].
Figure 1. Visualization of characteristics of data
Statlog heart database contains 13 attributes and 1 target prediction values as shown in Table
1. There are 270 observations and no missing values. The target variable is in the type of heart
disease factor and is coded as 1 = No disease, 2 = Disease. For results to be more meaningful
when interpreting” no” is printed instead of “1”, and “yes” is printed instead of 2. Necessary
fields in the data set are normalized. For this, data. normalization function from the
clustersim[2] in R package is used.
Table 1. Data Attributes
Name Type Abbreviation
1 age Real age
E-ISBN: 978-605-68882-5-0 265

2 sex Binary sex
3 chest pain type Nominal chestPainType
4 resting blood pressure Real restingBloodPressure
5 serum cholesterol in mg/dl Real serumCholestoral
6 fasting blood sugar >120 mg/dl Binary fastingBloodSugar
7 resting electrocardiographic results Nominal restingECGresult
8 maximum heart rate achieved Real maxHeartRate
9 exercise induced angina Binary exerciseIndAngina
10 oldpeak = ST depression induced by exercise relative to rest Real STDep
11 the slope of the peak exercise ST segment Ordered STSlope
12 number of major vessels (0-3) colored by flourosopy Real majorVesselNum
13 thal: 3 = normal; 6 = fixed defect; 7 = reversable defect Nominal
thal Variable to be predicted
14 Absence (1) or presence (2) of heart disease Binary heartDisease
Source: Bache,Lichman, http://archive.ics.uci.edu/ml/machine-learning-databases/statlog/heart/heart.dat , 2013
2. Modeling and Performance Evaluation
Suitable models for problem are designed with K-nearest neighbor algorithm, Simple Bayesian
Classifier, Logistic Regression Analysis and C4.5 Decision Trees Algorithm. Performance
evaluations of each model is calculated according to test results.
2.1 K-Nearest Neighbour Algorithm
K Nearest Neighbor (KNN) algorithm is related to likeness of sharing properties and places all
states [3]. At first sight, examples close to each other should have same classes in KNN.
Despite, when calculating the distance between objects, all characteristics are considered
together and having tiny set of discriminative features should bring problems. In such a
situation, two samples having same particular qualities in common may not be measured as
near neighbours [4].
Measuring similarity is defined by distance metrics. In a coordinate system x, y, and z, a

distance metric is a numerical quantity measured of function d:
d(x,y) ≥ 0, and d(x,y) = if only if x = y (1)
d(x,y) =d(y,x) (2)
d(x,z) ≤ d(x,y) + d(y,z) (3)
E-ISBN: 978-605-68882-5-0 266

First property assures that distance is positive, and if coordinates are same then it is zero. Second
is the commutativity property and last one is the triangle inequality [5]. Euclidean distance
will be used as distance measure in the algorithm.
In order to calculate the Euclidean distance and obtain meaningful results, only a subset of
qualities bearing numerical values has been created. 80% of the data set is used for training
data, and the remaining 20% is set to be the testing. K value is taken as 3. The class package
in R-Project [6] was used to implement the nearest Neighbour Algorithm.
2.2 Simple Bayesian Classifier
Naive Bayes are competent classifiers which of their probabilistic archetype is formed by
Bayes’ theorem. The properties in data are independent that is why it is called naive. Most of
the case, features are dependent but Naïve Bayes classifiers achieves quite fine still under this
circumstances [7]. Naive Bayes classifiers perform better particularly on small amount of data
[8].
Both continuous and nominal variables can be managed by Naive Bayes classifiers. Consider a
set of variables, X = {x1, x2,...,xd}, objective is to build up the placed after probability event Cj
on a complete series of possible results C = {c1,c2,...,cd}. Predictor X and categorical level set
C lays on conditional variable. According to Bayes’ rule:
E-ISBN: 978-605-68882-5-0 267

p(Cj | x1, x2,...,xd ) = p(x1, x2,...,xd | Cj) p(Cj) (4)
In equation, p(Cj |x1,x2,...,xd) is participation class probability. As Naive Bayes stands on
statistically independent probabilities of features, equation can be decomposed to term
products:
P(X|Cj) = ∏𝑑𝑘=1 𝑝(𝑥𝑘|𝐶𝑗) (5)
Using Bayes’ theorem overhead, 80% of the data set is set to be the training data set, and the
remaining 20% is set to be the test data set. The naïve Bayes function is used in the e1071
package in R-Project [9] to work with the simple Bayes Classification.
2.3 Logistic Regression
Logistic regression has a very wide way of usage as a statistical modeling method with the
probability, P1 of dividing equally event results is associated with paraphrastic variables in the
form [10].
𝑃1
logit(P1) = ln (1−𝑃1) = β0+ β1X1+…… +βnXn
=β0 + ∑𝑛𝑖=1 𝛽𝑖𝑋𝑖 (6)
Figure 2. Receiver operating characteristic (ROC) curve of logistic regression analysis
E-ISBN: 978-605-68882-5-0 268

Logistic regression is a strong distinctive method which contains probabilistic interpretation
directly into model. It supplies a plain probabilities of classification except for collection
information as shown in figure 2. Also, multi-category classification tasks can be solved by
logistic regression [11]. Generalized Linear Models (glm) function in R stats package is used
for logistic regression analysis.
2.4 C4.5 Decision Trees

C4.5 is used for arranging data into classes using Decision Trees (DT) which is extended form
of ID3 algorithm. It refers both continuous and discrete variables, absent quantities and pruning
trees after construction. Train set instances can be handled as a pair: input and output. After
resolving the training set, model constructs a classifier for both training and test data sets.
Entropy of y which is malfunction measurement of data is computed by:
⃗⃗⃗⃗ = - ∑𝑛𝑗=1 |𝑦𝑗| log |𝑦𝑗|

Entropy (𝑦) (6)
⃗⃗⃗⃗
|𝑦| ⃗|
|𝑦
The conditional entropy calculated for repetition all values of y is:
⃗⃗⃗⃗ = |𝑦𝑗| log |𝑦𝑗|

Entropy (j|𝑦) (7)
⃗|
|𝑦 ⃗|
|𝑦
Gain (𝑦, 𝑗) = 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑦 − 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑗|𝑦)) (8)
The aim is to maximize the Gain, dividing by overall entropy due to split argument y by value
j.
3. Model Selection and Conclusion
Evaluation measures are used to make conclusions about the performance of the model. In the
preliminary, a contingency table is obtained, which is estimated by the model and contains real
class values. Confusion matrix (or error matrix) is a table that shows success degree of an
algorithm. It is used in machine learning area, especially for classification problems. 2x2 rows
and columns shows the number of false positives (fp), true positives (tp), true negatives (tn)
and false negatives (fn). This allows more detailed analysis than mere proportion of correct
classifications (accuracy) and identify the performance measures are shown in Table 2.
Table 2. General Performance Overview of Models
E-ISBN: 978-605-68882-5-0 269

KNN Simple Logistic C4.5 Decision Trees
Bayesian Regression
Classifier
Accuracy 0.777777 0.814814 0.870370 0.722222
Error 0.222222 0.185185 0.129629 0.277777
True Positive Rate (TPR) 0.791666 0.333333 0.833333 0.791666
Specificity(SPC) 0.766666 0.8 0.9 0.666666
Positive Predictive Value(PPV) 0.730769 0.769230 0.869565 0.655172
Negative Predictive Value(NPV) 0.821428 0.857142 0.870967 0.8
False Positive Rate (FPR) 0.129629 0.111111 0.055555 0.185185
False Negative Rate (FNR) 0.208333 0.166666 0.166666 0.208333
Positive Likelihood Ratio(LR+) 6.107142 7.5 15 4.275
Negative Likelihood Ratio(LR-) 0.271739 0.208333 0.185185 0.3125
Diagnostic Odds Ratio (DOR) 22.47428 36 81 13.68
F measure 0.76 0.8 0.851063 0.716981
In order to predict cardiac disease, K nearest neighbors, simple Bayes classifier, logistic
regression, and C4.5 Decision trees algorithms have been used respectively. According to the
above table, the best performance belongs to the logistic regression analysis. It is followed by
Simple Bayes classifier, C4.5 decision trees and K nearest neighbor algorithm. The fact that the
best result is obtained as a result of the logistic regression analysis may be due to model is
formed by ignoring many qualities are statistically insignificant. For this reason, it is advisable
to set up a model in which different models are set up in the logistic regression analysis to
provide the best performance, the contribution of the model features is available, and the
performance of the new regression model obtained compared to the other three algorithms. On
the other hand, a simple Bayes classifier can be used in the prediction of cardiac disease by
neglecting the 0.06 difference between the accuracy obtained by the logistic regression and the
accuracy value obtained by the simple bayes classifier.
References
[1] Bache,Lichman,
http://archive.ics.uci.edu/ml/machine-learning databases/statlog/heart/heart.dat, 2013
[2] Marek Walesiak ,Andrzej Dudek , clusterSim: Searching for Optimal Clustering Procedure for
a Data Set. R package version 0.47-1, 2017
[3] M.Akhil jabbar* B.L Deekshatulua Priti Chandra, Classification of Heart Disease Using K-
Nearest Neighbor and Genetic Algorithm, 2013
E-ISBN: 978-605-68882-5-0 270

[4] Tuba Yavuz ,H Altay Guvenir, Application of kNearest Neighbor on Feature Projections
Classifier to Text Categorization
[5] Daniel T. Larose, Chantal D. Larose, Discovering Knowledge In Data, An Introduction to Data
Mining
[6] Venables, W. N. , Ripley, B. D. , Modern Applied Statistics with S. Fourth Edition. Springer,
New York. ISBN 0-387-95457-0, W. N. Venables and B. D. Ripley, 2002
[7] Irina Rish. An empirical study of the naive bayes classifier. In IJCAI 2001 Workshop on
empirical methods in artificial intelligence, pages 41–46, 2001.
[8] Pedro Domingos, Michael Pazzani.,On The Optimality of the Simple Bayesian Classifier Under
Zero-One Loss. Machine learning, 29(2-3):103–130, 1997.
[9] David Meyer, Evgenia Dimitriadou, Kurt Hornik, Andreas Weingessel and Friedrich Leisch
(2017). e1071: Misc Functions of the Department of Statistics, Probability Theory Group (Formerly:
E1071), TU Wien. R package version 1.6-8
[10] Abdulhamit Subasi, Ergun Ercelebi ,Classification of EEG signals using neural network and
logistic regression ,Computer Methods and Programs in Biomedicine (2005) 78, 87—99
[11] S. K. Shevade1and S. S. Keerthi, A simple and efficient algorithm for gene selection using
sparse logistic regression - BioInformatics Vol. 19 no. 17 2003, pages 2246–2253 DOI:
10.1093/bioinformatics/btg308
[12] Körting, Thales, C4.5 algorithm and Multivariate Decision Trees,2018
[13] M. Barni, P. Failla, V. Kolesnikov, R. Lazzeretti, A.-R. Sadeghi, andT. Schneider, “Secure
evaluation of private linear branching programs with medical applications,” in Computer Security
(ESORICS), 2009, pp. 424–439.
[14] Y. Freund and R. E. Schapire, “A decision-theoretic generalization of on-line learning and an

application to boosting,” Journal of computer and system sciences, no. 1, pp. 119–139, 1997
[15] Tim Kraska, Ameet Talwalkar, John Duchi, Rean Griffith, Michael Franklin, and Michael
Jordan. MLbase: A Distributed Machine-learning System. In Conference on Innovative Data Systems
Research, 2013.
E-ISBN: 978-605-68882-5-0 271

[16] Evan R. Sparks, Ameet Talwalkar, Virginia Smith, Jey Kottalam, Xinghao Pan, Joseph E.
Gonzalez, Michael J. Franklin, Michael I. Jordan, and Tim Kraska. MLI: An API for Distributed
Machine Learning. In International Conference on Data Mining, 2013
[17] B. Bischl, M. Lang, O. Mersmann, J. Rahnenführer, and C. Weihs. BatchJobs and

BatchExperiments: Abstraction mechanisms for using R in batch environments. Journal of Statistical
Software, 64(11), 2015.
[18] M. Lang, H. Kotthaus, P. Marwedel, C. Weihs, J. Rahnenführer, and B. Bischl. Automatic

model selection for high-dimensional survival analysis. Journal of Statistical Computation and
Simulation, 85(1):62–76, 2015.
[19] G. J. Williams. Data Mining with Rattle and R: The Art of Excavating Data for Knowledge
Discovery. Use R! Springer, New York, NY, 2011.
[20] Barlow, H. B. (1989). “Unsupervised learning,” Neural Computing. 1, 295–311.

https://doi.org/10.1162/neco.1989.1.3.295
E-ISBN: 978-605-68882-5-0 272

Diagnosis of Parkinson's Disease Using ANN and SVM Models
Y Cuskun1, K Kaplan1, H M Ertunc1
yasincuskun@gmail.com, kaplan.kaplan@kocaeli.edu.tr, hmertunc@kocaeli.edu.tr
1
Department of Mechatronics, Sensor Laboratory, Kocaeli, 41380, TURKEY
Abstract
Parkinson's is a chronic neurological disorder that occurs in the brain due to the lack of a
substance called ‘dopamine’. Individuals with this disease may have symptoms such as
movement disorders, postural and balance disorders, change in speech and change in
handwriting. In this study, speech changes were considered for disease identification. Then,
speech data of diseased and healthy individuals were recorded and 22 speech features were
extracted for each patient from these speech data. The extracted features are used to classify the
individuals whether they belong to disease or not by means of ANN (Artificial Neural
Networks) and SVM (Support Vector Machines) classification methods, which are widely used
in machine learning. The purpose of the classification is to identify individuals belonging to
Parkinson's disease and provide a decision support mechanism to medical doctors. As a result
of the experimental studies, Parkinson's disease was classified with SVM model with 96,146%
and ANN model with 94.71% accuracy.
Keywords: Diagnose Of Parkinson Disease, Classification, ANN, SVM
2. Introduction
Parkinson's disease is a chronic neurological disease that occurs in the brain with the lack of a
substance called 'dopamine'. The disease is firstly described by British physician James
Parkinson in 1817 and characterized as 'shaking or trembling'. This disorder is a neurological
health problem that affects more than 4 million people over the worldwide. It is estimated that
200 thousand people with Parkinson's suffer from this disease in TURKEY [1]. Parkinson's
disease is the most common disease after Alzheimer's disease. It can cause movement disorders
such as tremor and slowness in movements, muscular rigidity, posture and balance disorders,
change in speech and handwriting. It is not possible to remove the symptom with medical
treatment, but the symptoms can be taken under control with medications and some surgical
interventions. For this reason, in this study, diseased individuals were distinguished from
E-ISBN: 978-605-68882-5-0 273

healthy individuals by considering speech disorders seen in patients. In the study, 22 features
were extracted using speech data of 195 individuals belonging to diseased and healthy humans.
Then, by using ANN and SVM models, widely used in machine learning, diseased individuals
were distinguished from healthy individuals with this features. The aim of the study is to help
patient people to control the symptoms even if it is not possible to treat the disease [1]. In some
studies in the literature, classifications have been made for Parkinson's disease using
classification methods such as HEC (Stacked Autoloader) and PNN (probabilistic neural
network) [2, 3]. In this study, classification methods such as ANN and SVM, which are
commonly used in machine learning for diagnosis of Parkinson's disease and also which usually
give successful results, have been used.
3. Theoretical Background
3.1. Artificial Neural Network
Artificial neural networks are computer systems that simulate the learning function, which is
the most basic feature of the human brain. They perform the learning process with the help of
samples. These nets consist of interconnected artificial nerve cells. Each link has a weight value.
The information that artificial neural network possesses is stored in these weight values and
spread to the network [4]. The learning process takes place when these weight values are
updated. Artificial neural networks usually consist of three layers. From these layers, the inputs
of the system are kept at the input layer and this information are processed in the hidden layer
and transmitted to the output layer. When this process happens, first the model inputs are
multiplied by random weights initially, and the value in each neuron of the hidden layer is
determined as follows;
𝒏𝒆𝒕𝒋 = ∑𝒅𝒊=𝟏 𝒙𝒊 ∗ 𝒘𝒋 + 𝒃 (1)
Where 𝑛𝑒𝑡𝑗 represents the value of each neuron, d is the number of inputs, x is the input, b is
the bias term, and w is the weight. After the hidden layer values are calculated, the value of
each hidden layer is found with the aid of the activation function. If the activation function is
denoted by f as indicated in the following equation;
𝒚 = 𝒇(𝒏𝒆𝒕𝒋 ) (2)
The activation function may be sigmoid, tangent or hyperbolic tangent in accordance with the
structure of the system. After the value of each neuron in the hidden layer is found, the same
operations are repeated and this time the model output is found. If the model used is a complex
E-ISBN: 978-605-68882-5-0 274

model, the number of hidden layers can be increased. Figure 1 shows an artificial neural
network model with single hidden layer.
Figure 1. Single layer Artificial Neural Network model.
The learning process of the model is usually found by using the backpropagation algorithm. In
backpropagation algorithm; the output value is found by using randomly determined weight
values at the beginning. Then, using this output value, the input weights are updated as follows.
𝒘𝒏𝒆𝒘 = 𝒘𝒐𝒍𝒅 + ∆w (3)
where Δw is the value;
∆𝐽
∆𝒘𝒏𝒆𝒘 = 𝜂 ∗ ∆𝑤 + 𝛼 ∗∆𝒘𝒐𝒍𝒅 (4)
𝑜𝑙𝑑
Here η is called the learning rate and α is called the momentum coefficient. The ΔJ value
indicates the difference between the output value and the expected output value. These steps
are repeated for each data set to find the most appropriate weight values for the model. In this
way, learning of the model is realized [6].
3.2. Support Vector Machines
The classification method with SVM is generally used in binary classifications. In this binary
classification, a decision function is used to search the most appropriate hyperplane which can
divide the training data. It is aimed to find the maximum distance between the nearest points
when the hyperplane is located. As shown in Fig. 2, the hyperplane optimal hyperplane, which
limits the boundary to the maximum, and the points that limit the boundary width, are called
support vector machines [7].
E-ISBN: 978-605-68882-5-0 275

Figure 2. Optimum hyperplane and support vectors.
The hyperplanes of these support vector machines can be found by the following equation.
𝒘. 𝒙𝒊 + 𝒃 = ±𝟏 (5)
Where w is the weight vector (hyperplane normal) and b is the trend value [8]. To maximize
the hyperplane bounds ||w|| the expression must be minimal. In this case the following limited
optimization problem needs to be solved.
𝟏
𝒎𝒊𝒏 [ ||𝒘||𝟐 ] (6)
𝟐
The limitations related to this are;
𝒚𝒊 (𝒘 ∗ 𝒙𝒊 + 𝒃) − 𝟏 ≥ 𝟎 and y ∈ {-1,+1} (7)
It is expressed in the form [9]. If this optimization problem is solved by Lagrange equations;
𝟏
𝑳(𝒘, 𝒃, 𝜶) = 𝟐 ||𝒘||𝟐 - ∑𝒌𝒊=𝟏 𝜶𝒊 ∗ 𝒚𝒊 ∗ (𝒘 ∗ 𝒙𝒊 + 𝒃) + ∑𝒌𝒊=𝟏 𝜶𝒊 (8)
equality is achieved. As a result, for a problem of two classes that can be linearly separated, the
decision function can be written as [9].
𝒇(𝒙) = 𝒔𝒊𝒈𝒏(∑𝒌𝒊=𝟏 𝝀𝒊 ∗ 𝒚𝒊 ∗ (𝒙 ∗ 𝒙𝒊 ) + 𝒃) (9)
In some cases, some of the training data can not be separated linearly, but in such cases a
problem is solved by talking about a positive artificial variable as in Fig. 3. Control can be done
with a C parameter that takes positive values to maximize the hyperplane bounds and minimize
the error [10].
E-ISBN: 978-605-68882-5-0 276

Figure 3. Hyperplane identification for non-linear data sets.
Optimization problem for nonlinear data classes when regulatory parameter and artificial
variable are added;
𝟏
𝒎𝒊𝒏 [𝟐 ||𝒘||𝟐 + 𝑪 ∗ ∑𝒓𝒊=𝟏 𝝃𝒊 ] (10)
The limitations related to this are;
𝒚𝒊 (𝒘 ∗ 𝝋(𝒙𝒊 ) + 𝒃) − 𝟏 ≥ 𝟏 − 𝝃𝒊 (11)
𝝃𝒊 ≥ 𝟎 and i=1,…,N
In order to solve the optimization problem expressed in Eq. 11 and 12, the data which can not
be linearly separated in the input space, as shown in Fig. 4, is moved to a higher dimensional
space and linearly separated to determine the hyperplane.
Figure 4. Converting the data to a higher size with the kernel function.
While SVM is mathematically modelled, it can be classified as linear by using a kernel function
expressed as 𝐾(𝑥𝑖 , 𝑥𝑗 ) = 𝜑(𝑥) ∗ 𝜑(𝑥𝑗 ). In this case, it can be written as follows [10].
𝒇(𝒙) = 𝒔𝒊𝒈𝒏(∑𝒊 𝜶𝒊 ∗ 𝒚𝒊 ∗ 𝝋(𝒙) ∗ 𝝋(𝒙𝒋 ) + 𝒃 ) (12)
E-ISBN: 978-605-68882-5-0 277

4. Method
Speech data from Parkinson's patients was recorded and 22 features were extracted from these
data. These features are obtained from the UCI database [11]. Some of these features are namely
average vocal fundamental frequency, maximum vocal fundamental frequency, minimum vocal
fundamental frequency, several measures of variation in fundamental frequency and several
measures of variation in amplitude. A total of 195x23 matrix was obtained after these properties
were obtained. Approximately 80% of the data sets consisting of diseased and healthy
individuals for a reliable classification were equally selected as the training data (156) and the
remaining 20% as the test data (39). After the data sets were created, training and test data sets
were obtained by mixing. Then, the datasets are classified by running a program in MATLAB
environment.
4.1. Artificial Neural Network
An ANN model with two hidden layers was created, then training and test data sets were
randomly determined. The constructed ANN model for this study is given in Fig. 5.
Firstly, with the forward propagation algorithm, the output value is found by randomly
determined weight values at first, then the error between the output is found and the expected
output is found. This error is used in backpropagation algorithm. In backpropagation algorithm;
the error value is differentiated according to the weight values in each layer in order. This
derivative value is multiplied by the learning rate and the found weight values are updated.
Figure 5. ANN model used in the classification process.
The parameters used in the ANN model are given in Table 1. These values are intuitively found.
E-ISBN: 978-605-68882-5-0 278

Table 1. ANN parameters.
ANN Parameters Value
η (Learning Rate) 0,8
α (Momentum Coefficient) 0,4
Number Of Neurons In First Hidden Layer 11
Number Of Neurons In Second Hidden Layer 5
Activation Function Sigmoid
Since ANN is a predictive method, the output value is limited so that diseased and healthy
individuals are identified. The restriction operation is performed according to the activation
function. Since sigmoid is used as the activation function, this value is set to 0.5.
4.2. Support Vector Machines
By using the same data set that was employed in ANN model, classification process is realized
again based on SVM method. To this end, a non-linear classification is performed by SVM
model. The kernel function (Radial Basis Function) is shown as in the Eq. 13.
||𝒙𝒊 −𝒙𝒋 ||𝟐

(𝒊) (𝒋)
𝑲(𝒙 , 𝒙 ) = 𝒆 𝟐𝝈𝟐 (13)
Tablo 2. SVM parameters.
SVM Parameters Value

C 1
Kernel Function RBF
σ 1
The parameters used in the SVM model are determined by empirical and are given in Table 2.
5. Results and Discussions
The test set error formula used in the results is given in Eq. 14, Precision and Recall values for
the f1 score accuracy rate are given in Eq. 15 and f1 score accuracy ratios are given in Equation
16.
E-ISBN: 978-605-68882-5-0 279

(𝑶𝒕 −𝑶𝒎 )𝟐
∑𝑵
𝒊=𝟏 (14)
𝑵
where N is the number of data in the test set 𝑶𝒕 is the target output value, and 𝑶𝒎 is the model
output.
𝑻𝑷 𝑻𝑷
𝑷(𝑷𝒓𝒆𝒄𝒊𝒔𝒊𝒐𝒏) = 𝑻𝑷+𝑭𝑷
𝑹 (𝑹𝒆𝒄𝒂𝒍𝒍) = 𝑻𝑷+𝑭𝑵
(15)
where TP is the correctly estimated number of Parkinson individuals, FP is the number of

incorrectly estimated healthy individuals, and FN is the incorrectly estimated number of
Parkinson individuals. Precision (P) is the value that indicates the ratio of accurately predicted
positive observations to total estimated positive observations. Recall (R) value determines the
ratio of accurately predicted positive observations to all observations in the actual class - yes.
𝟐∗𝑷∗𝑹
𝒇𝟏 𝒔𝒄𝒐𝒓𝒆 = 𝑷+𝑹
(16)
The obtained values are shown in Table 3 for 5-fold cross validation error and accuracy;
Table 3. 5-fold cross validation values and averages.

5-fold cross ANN SVM
validation
Test Error f1 score (%) Test Error f1 score (%)
1. Trial 0.0980 93.33 0.0862 94.74
2. Trial 0.0483 96.67 0.0517 96.84
3. Trial 0.1204 91.80 0.1034 93.48
4. Trial 0.0739 95.08 0.0172 98.9
5. Trial 0.0549 96.67 0.0517 96.77
Average 0.0791 94.71 0.06204 96.146
As seen in the Table 3, the average test error of ANN model is 0.0791 and average f1 score is
94.71% while the average test error rate is 0.06204 and average f1 score is 96.146 for SVM
classification. When the values obtained from the models are examined, it can be seen that
classification success rate by SVM is more than that of ANN model. The classification results
with ANN are shown in Fig. 6 and the classification results with SVM are shown in Fig. 7,
respectively.
E-ISBN: 978-605-68882-5-0 280

Figure 6. Classification results with ANN.
Figure 7. Classification results with SVM.
6. Conclusions
In this study, 22 features were extracted from the speech data from Parkinson and healthy
individuals and classified according to ANN and SVM classification methods. As shown in
Table 3, when the SVM and ANN classifications were compared, the accuracy of classification
with SVM was 96.146% and the accuracy with ANN was 94.71%. When the results were
compared, it was observed that SVM classification was more successful. As a result of this
E-ISBN: 978-605-68882-5-0 281

studies, the decision-support model obtained by the SVM method will help doctors to make
decisions for the diagnosis of Parkinson's disease.
7. Acknowledgment
This work was performed at Sensor Laboratory in Department of Mechatronics Engineering in

Kocaeli University.
References
[1] İsenkul M E, 2011 Parkinson Hastalığının Teşhisi İçin Veri Toplama ve Örüntü Tanıma Sistemi
[2] Badem H, Çalışkan A, Baştürk A and Yüksel M E 2016 Electrical-Electronics and Biomedical
Engineering Conference Yığınlanmış Özdevinimli Kodlayıcı ile Parkinson Hastalığının
Sınıflandırılması ve Teşhis Edilmesi p 1
[3] Barışçıl M S, Çetin O, Er O and Demirtaş F, 2012 Electric Letters on Science & Engineering
Olasılıksal Sinir Ağının (PNN) Parkinson Hastalığının Teşhisinde Kullanılması p 1
[4] Öztemel E 2012 Papatya Publishing and Education Yapay Sinir Ağları
[5] Bayram S, Kaplan K, Kuncan M, Ertunç H M 2013 Turkish National Committee for Automatic
Control Bilyeli Rulmanlarda Zaman Uzayında İstatistiksel Öznitelik Çıkarımı ve Yapay Sinir Ağları
Metodu ile Hata Boyutunun Kestirimi p 986
[6] Duda R O, Hart P E and Stork D G 2000 New York: A Wiley Interscience Publication Pattern
Classification
[7] Vapnik V N 2000 New York: Springer Sicence & Busines Media New York The Nature of
Statistical Learning Theory
[8] Kavzoğlu T and Çölkesen İ 2010 Harita Dergisi Destek Vektör Makineleri İle Uydu
Görüntülerinin Sınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesi p 73
[9] Osuna E E, Freund R and Girosi F 1997 Massachusetts Institute of Technology and Artificial
Intelligence Laboratory Support Vector Machines: Training and Applications p 144
[10] Cortes C and Vapnik V 1995 Kluwer Academic Publishers Support Vector Networks p 273
[11] Lichman, M 2013 CA: University of California, School of Information and Computer Science
UCI Machine Learning Repository [http://archive.ics.uci.edu/ml]
E-ISBN: 978-605-68882-5-0 282

Yapay Sinir Ağları Kullanılarak Maç Sonuçlarının Web Tabanlı
Otomasyon ile Tahmini Prediction of Soccer Results Using
Artificial Neural Networks with Web-Based Automation
Emre Dandıl1 ve Caner Ergez1
emre.dandil@bilecik.edu.tr, ergezcaner@gmail.com
1
Computer Engineering Department, Bilecik Seyh Edebali University, Bilecik, TURKEY
Özet
Futbol günümüzde yaklaşık 3,5 milyar kişiye hitap ettiği düşünülen oldukça popüler bir spor
dalıdır. Bu sayede büyük bir ekonomiye ve büyük bir veriye ev sahipliği yapmaktadır.
Futboldaki önceki verileri kullanarak maç sonuçlarının kestirilmesi ile futbola bir değer
katmak, zaten sevilen futbolu daha da heyecanlı hale getirmek son zamanlarda önemli ölçüde
ön plana çıkmıştır. Bu çalışmada, futbol karşılaşmalarının sonuçlarının yapay sinir ağları ile
önceden tahmin edilmesi için web tabanlı bir otomasyon sistemi geliştirilmiştir. Çalışmada ilk
önce bazı takımlar için resmi olarak yayınlanmış istatistik bilgileri kullanılarak bir veriseti
oluşturulmuştur. Daha sonra, PHP dili ile geliştirilen web tabanlı otomasyon sistemi üzerinde
Yapay Sinir Ağları kullanılarak ev sahibi takım ve deplasman takım oyuncularının verileri
kullanılarak maçı hangi takımın yüzde kaç ihtimalle kazanacağına dair tahmin yapılmıştır.
Oluşturulan veriseti üzerinde yapılan test işlemlerinde maç sonuçlarının kestirilmesinde %94.1
başarım oranına ulaşılmıştır.
Anahtar Kelimeler: Futbol,Tahmin, Yapay Sinir Ağları, Web Tabanlı Otomasyon
Prediction of Soccer Results Using Artificial Neural Networks

with Web-Based Automation
Abstract
Football is a popular sports sport, which is thought to address about 3.5 billion people today. It
is home to a large economy and a large donation. Adding value to football by predicting the
match results using the previous data in the soccer has made it a significant measure in recent
times to make the already popular football even more exciting. In this study, a web-based
automation system was developed for predicting the results of soccer matches with artificial
neural networks. In the study, firstly, a dataset was created using statistical information
officially published for some teams. Then, using the Artificial Neural Networks on the web-
E-ISBN: 978-605-68882-5-0 283

based automation system developed with the PHP language, estimates of how many percent of
the teams will win the game using the data of the host team and the away team players. The test
results on the generated dataset obtained a performance ratio of 94.1%.
Keywords: Soccer, Prediction, Artificial Neural Network, Web-Based Automation
1. Giriş
Birçok spor dalında çoğunlukla karşılaşmalar için herkesin beğendiği(tuttuğu) olan bir taraf
vardır. Bu taraf genellikle de ekonomik yapısı daha güçlü olan, kökleri daha eskilere dayanan,
daha fazla popüler olan çoğunluğun olduğu takım olmaktadır. Ancak müsabakalar için önceden
favori olan taraf birçok nedenden dolayı öngörülebilir olmaktadır. Favori olan tarafı genellikle
de takımın veya oyuncuların süregelen performansları belirlemektedir. Bu durum futbol için
düşünüldüğünde diğer spor dallarına göre sürpriz olarak nitelendirilebilecek sonuçlar ortaya
daha fazla çıkabilmektedir. Elbette bunun birçok nedeni olabilir. Bunun için en önemli
nedenlerin başında futbolda az skor ile başarılı sonuçlar elde edilebilmesi olasılığının olması
gelmektedir. Buna benzer sürpriz sonuçların ortaya çıkması futbolu daha heyecanlı ve daha
fazla takip edilebilir hale getirmektedir. Bunu destekler nitelikte İngiltere’de son yüzyılda
yapılan maçların ancak yarısını favori takımların kazanabildiği tespit edilmiştir[1].
Futbol dünya çapında çok sevilen ve ilgi gören bir spordur. Çoğu zaman matematiksel tahminler
doğrultusunda sonuç vermektedir. Real Madrid’in Şampiyonlar Ligi Şampiyonu olması bunun
somut ve basit bir örneğidir. Fakat bu spor dalı günün şartlarına göre değişen skorlara ev
sahipliği de yapmaktadır. Burada futbolcuların morali, hava durumu, zemin durumu, taktikler
gibi birçok değişken veriye dahil olabilir. Fakat en sadece haliyle futbolcuların güçleri
arasındaki fark en net ve somut fark göstergesidir.
Futbol veya herhangi bir spor oyununun sonuçlarının tahmin edilmesi her zaman ilgi çekici ve
zor bir problem olmuştur. Bu yüzden, sorunun çözümü için hem akademik araştırmacılar hem
de endüstriyel üreticiler spor olaylarının sonuçlarının tahmin edilmesinde büyük çaba sarf
etmektedir. Bunun yanında, spor olaylarının sonuçları ve tahmin edilmesi konusunda farklı
medya ortamlarında geriye yönelik olarak istatistiksel, sayısal, görsel, sembolik olarak çok
büyük bir veri mevuttur. Ancak bu kadar çok değişik tipte veri olmasına rağmen spor
olaylarının sonuçlarını tam olarak doğru bir şekilde kestirebilecek çalışma sayısı da oldukça
azdır.
E-ISBN: 978-605-68882-5-0 284

Başta futbol olmak üzere birçok spor oyununun sonuçlarının tahmine edilmesinde literatürde
yaygın şekilde çalışmalar olduğu görülmektedir. Bu çalışmalar bilgisayar destekli olanlar
açısından incelendiğinde de farklı birçok metot ile oldukça fazla çalışmalar olduğu
belirlenmektedir. Yeni metotlar ve teknikler ile birçok çalışma olduğu gibi geriye yönelik
çalışmalar incelendiğinde de farklı çalışmalar olduğu da görülebilmektedir. Bu çalışmaların
birinde Farlow [2] oyun sonuçlarının tahmin edilmesinde kullanılabilecek hesaplama oranları
için bir doğrusal model geliştirmiştir. Bir başka çalışmada, Stern[3] geçmiş performanslar
kullanılarak gelecek oyunların tahmin edilmesi için doğrusal kombinasyon tabanlı bir yöntem
önermiştir. Son yıllarda önerilen başka bir çalışmada ise West ve Lamsal [4] oyun sonuçlarının
tahmin edilmesi için takımların savunma ve hücum istatistiklerini kullanarak bir kombinasyon
oluşturmuştur. Bir başka çalışmada, Hvattum ve Arntzen[5] futbol maç sonuçlarının tahmin
edilmesi için takımların geçmiş performanslarına dayalı olarak bir yöntem önermişlerdir.
Yenilerde yapılan bir çalışmada Bunker ve Thabtah [6] spor oyunlarının tahmin edilmesi için
makine öğrenmesine dayalı bir altyapı önermişledir.
Bu çalışmada, futbol karşılaşmalarının sonuçlarının yapay sinir ağları ile önceden tahmin
edilmesi için web tabanlı bir otomasyon sistemi geliştirilmiştir. Çalışmada ilk önce bazı
takımlar için resmi olarak yayınlanmış istatistik bilgileri kullanılarak bir veriseti
Çalışmada, son bir yılda yapılan 306 maçın sonucu eğitim verisi olarak kullanılarak yapay sinir
ağının sonucu yüzde ihtimaline dönüştürülerek yaklaşık tahmin değerleri elde edilmiştir.
2. Materyal ve Metot
2.1 Veriseti
Çalışmada futbol maçlarının sonuçları için kullanılan oyuncu veriseti her hafta güncellenen
FIFA oyununun ücretsiz dağıtılan verileri kullanılarak oluşturulmuştur. Veriseti yayıncı Sofifa
tarafından yayınlanmış ve Kaggle adındaki veriseti dağıtım sitesinden toplanmıştır [7,8].
Oluşturulan veriseti üç temel şablondan oluşmaktadır. Bu şablonlar oyuncu genel bilgileri,

oyuncu özellikleri ve oyuncu pozisyon verisini içermektedir. Bu veriler daha sonra parçalanarak
iki tablo daha oluşturulmuştur. Bunlar milliyet ve takım tablolarıdır. Bu yol ile oyuncu genel
bilgilerindeki veriler sonradan oluşturulan 2 tablo ile ID bağlantısı sağlanarak oluşturulmuştur.
E-ISBN: 978-605-68882-5-0 285

Verisetinde toplamda 17.981 oyuncu verisi, 648 takım verisi ve 165 milliyet verisi
bulunmaktadır. Araştırma adına verilerin azaltılması için Şekil 1’de görüldüğü gibi 11 referans
takım seçilmiş ve bu 11 takımın as 11 oyuncusu ağ eğitiminde kullanılmıştır.
Şekil 1. Verisetinde bulunan takımlar ve oyuncuların özellikleri
Şekil 2’de oluşturulan verisetinde eğitimde kullanılan verilerin bir kısmı sunulmuştur. Burada,
her takım için 11 as oyuncu belirlenmiş ve her oyuncu için tüm özelliklerinin ortalama değeri
alınarak bir tek bir özellik olarak bir skor oranı çıkarılmıştır. Daha sonra bu veriler eğ
eğitiminde kullanılacağı için normalize edilmiştir.
Şekil 2. Ağın eğitimi için kullanılan verisetinin bir kısmı
2.2. Yapay Sinir Ağları(YSA)
Yapay sinir ağları insan beyninin çalışma şeklini model alarak beynin öğrenme, hatırlama,
genelleme yapma ve yeni bilgiler türetebilme gibi temel işlevlerini gerçekleştirmek üzere
geliştirilmiştir[9]. Bu çalışmada da futbol maçlarının tahmin edilmesinde Şekil 3’te gösterilen
çok katmanlı ileri yönlü YSA yapısı kullanılmıştır.
E-ISBN: 978-605-68882-5-0 286

Şekil 3. Çok katmanlı ileri yönlü YSA yapısı
YSA’da ileri hesap, Eşitlik(1)’ deki gibi giriş katmanından alınan giriş değerlerinin bir veya
birden fazla ara katmanla etkileşime girmesi sonucunda çıkış katmanı ile etkileşime girerek bir
sonuç oluşmasını sağlar. Burada x giriş değerlerini, w ağın ağırlıklarını, n nörona bağlı giriş
sayısını temsil etmektedir.
𝑁𝐸𝑇 = ∑ 𝑥𝑖 𝑤𝑖 (1)
𝑖=1
YSA’da oluşan hatanın geriye yayılması ise bir ileri hesap işleminden sonra hatanın
hesaplanması ve tüm ağırlık değerlerinin güncellenmesi ile olmaktadır. Geriye yayılım
algoritmasında hatanın hesaplanması Eşitlik(2) ile, bu hatanın ağırlıklara dağıtılarak her bir
ağırlık değerinin güncellenmesi ise Eşitlik (3) ile sağlanmaktadır. Burada, 𝜖 hata değerini, z
istenilen çıkış değerini, y hesaplanan çıkış değerini ve 𝜇 öğrenme katsayısını temsil etmektedir.
𝜖 = 𝑦 ∗ (𝑧 − 𝑦)2 (2)
𝑖
𝑤𝑦𝑒𝑛𝑖 = 𝑤 𝑖 + (𝜖 ∗ 𝜇 ∗ 𝑁𝐸𝑇 𝑖 ) (3)
3. Tasarlanan Web Tabanlı Otomasyon Sistemi
Çalışma için oluşturulan web-tabanlı otomasyon sistemi PHP dili tasarlanmıştır. Çalışmada,
PHP dili ile yazılan yapay sinir ağları kütüphanesi ile 3 eş zamanlı eğitim yapılmaktadır.
E-ISBN: 978-605-68882-5-0 287

Oluşturulan YSA yapısında ilk ağırlıklar 0 ile 1 arasında 6 hane destekli şekilde rastgele olarak
oluşturulmuştur. Fakat bu iterasyon sürecinde 256 karakter duyarlılığına kadar çıkıp iterasyon
sonunda tekrar 6 haneye yuvarlanmaktadır. Bu ayar php.ini ve Apache2’nin httpd.conf
dosyaları düzenlenerek elde edilmiştir . Çalışma veritabanına bağımlı değildir. PHP’nin 7.1.2
versiyonu üzerinde geliştirilmiştir ve verilerini JSON dosyalarında depolamaktadır. Bu sayede
güncel ağırlık değerleri her zaman JSON dosyası olarak tutulur ve kullanıma hazır durumda
bekletilmektedir.
Temel işlevleri yerine getirmek için PHP kütüphanesinde yer alan fonksiyonlar ve görevleri
aşağıdaki gibi açıklanmıştır. Kütüphane yazılırken PHP’nin FANN fonksiyonlarına yapı olarak
benzetilmeye çalışılmıştır. Sistemde 1224 iterasyonun toplam eğitilme süresi i7-4700mq
işlemci – 16GB Ram tabanlı bir bilgisayarda yaklaşık olarak 8.74 saniye sürmüş ve daha
sonraki her maç tahmini (tekli bazda) yaklaşık 0.01sn içerisinde hesaplanmıştır.
Geliştirilen YSA Kütüphanesi için oluşturulan fonksiyonlar ve görevleri Tablo 1’de listelenmiştir.
Tablo 1. Geliştirilen YSA kütüphanesi için oluşturulan fonksiyonlar ve görevleri
Fonsiyon adı Görevi

Create_network( ) Verilen değerlere göre istenilen sinir ağının yol haritasını çıkarmak ve
yol değerlerini 0 ile 1 arasında 6 haneye duyarlı şekilde rastgele
üretmektir.
Train_network( ) Verilen değerler ile 1 iterasyon eğitim yapmaktır. Sırasıyla ileri hesap,
hata payı hesaplaması ve geri dağıtım yapıp güncel yol değerlerini geri
döndürmektir.
Calculate_exit( ) Verilen değerler sonucu 1 iterasyon ileri hesap yaparak iterasyon sonucu
oluşan değerleri geri döndürmektir.
Tolerance( ) Nöron değerleri ve istenilen çıkış değerine göre hata payını hesaplayıp
geri döndürmektir.
Tansig_transfer_function( ) Verilen değeri ilgili transfer fonksiyonu hesabı yapılarak geri
döndürmektir.
Logsig_transfer_function( ) Verilen değeri ilgili transfer fonksiyonu hesabı yaparak geri
döndürmektir
Save_net_json( ) Verilen yol değerlerini verilen isimdeki dosyaya yazmaktır.
Get_net_json( ) Adı verilen dosyadan gelen yol değerlerini bir değişkene almak ve geri
döndürmektir.
Hazırlanan web tabanlı sistemin giriş sayfası Şekil 4’te sunulmuştur. Burada kullanıcı sisteme
üye olsuktan sonra kullanıcı bilgileri ile sisteme giriş yapabilmektedir.
E-ISBN: 978-605-68882-5-0 288

Şekil 4. Web otomasyonu giriş sayfası
Sisteme giriş yapıldıktan sonra Şekil 5’te gösterildiği gibi açılan panelden 1 Numara ile
gösterilen ‘Maç Tahmini’ sekmesine tıklanır ve 2 ile 3 numaralı alanlardan simüle edilmek
istenilen takımlar seçilerek 4 numaralı alanda gösterilen ‘Maç Tahminlerini Al’ butonuna
tıklanarak işlem yapılır.
Şekil 5.Web otomasyon arayüzü ve benzetim ekranı
Tahmin yapılmak istenen maçın takımları seçildikten sonra karşınıza Şekil 6’daki sonuç ekranı
çıkacaktır. Burada sırasıyla 1 numaralı alan ‘Ev Sahibi’ olarak seçtiğiniz takımın galibiyet
oranını, 2 numaralı alan ‘Beraberlik’ oranını ve 3 numaralı alan ise ‘Deplasman Takımı’ olarak
seçtiğiniz takımın galibiyet oranını göstermektedir.
E-ISBN: 978-605-68882-5-0 289

Şekil 6. Simülasyon sonucu YSA tahminlerinin gösterildiği sayfa
Tüm ağların eğitimi için ortak train_network fonksiyonu kullanılmıştır. Örnek bir eğitimde
adımlar sırasıyla aşağıdaki gibidir:
- Adım 1: Ön tanımlı veriler alınır ve her oyuncu için (Takım 1 Oyuncu Gücü – Takım 2 Oyuncu
Gücü) hesaplama yapılır. Oluşan değer ağa giriş değeri olarak belirlenir.
- Adım 2: Ön tanımlı maç sonucu belirlenir. Doğru maç sonucu için ağ 1, yanlış maç sonucu için
0 ile eğitilir.
- Adım 3: Ağa tanımlı JSON yol verisi olup olmadığı belirlenir yoksa verilen isimde ağ
oluşturulur, varsa güncel değerler değişkene alınır. (Her durum için)
- Adım 4: Ön tanımlı değerlere göre ağ her durum (Galibiyet, beraberlik ve mağlubiyet) için 1
iterasyon eğitime alınır. Eğitim sonucu her JSON dosyasında güncellenir.
- Adım 5: Adım 1-4 arası işlemler tüm eğitimler için gerçekleştirilir.
- Adım 6: Güncel yapay sinir ağı değerleri her maç için ön tanımlı veriler ile 1 iterasyon ileri
hesaba katılır. Oluşan değerler geri döndürülür.
- Adım 7: Tüm değerler birleştirilir ve anlamlı bir hale getirilmeye çalışılır.
4. Deneysel Çalışmalar ve Tartışma
E-ISBN: 978-605-68882-5-0 290

Çalışmada deneysel çalışmalar için 11 referans takım seçilmiş ve bu 11 takımın as 11 oyuncusu
ağ eğitiminde kullanılmıştır. Seçilen bu takımlar ve güç dengeleri Tablo 2’de sunulmuştur.
Tablo 2. Ağın eğitimi için seçilen bu takımlar ve güç dengeleri
SNo Takım ID Takım Adı Güç Durumu

1 83 Beşiktaş Güçlü
2 260 Fenerbahçe Güçlü
3 275 Galatasaray Güçlü
4 471 Real Madrid Çok Güçlü
5 371 Liverpool Çok Güçlü
6 325 Bayern Münih Çok Güçlü
7 535 SKN Pölnen Çok Güçsüz
8 311 Helsinki Çok Güçsüz
9 428 Osmanlıspor Güçsüz
10 347 Kayserispor Güçsüz
11 27 Akhisarspor Güçsüz
Tablo 2’deki takımların kendi aralarında yaptığı maçlar eğitime alınmıştır. Örnek eğitim kesiti
Tablo 3’te sunulmuştur. Eğitilen değerler ve İterasyon sonuçları listelenmiştir.
Tablo 3. Ağın eğitimi için kullanılan verilerin bir kısmı
Ev Sahibi ID Deplasman ID Sonuç Ev Sahibi Galibiyeti İçin Ağın Hesabı(%)

83 260 0 56
83 275 1 53
83 471 0 29
83 225 0 33
83 371 0 45
83 535 1 85
83 311 1 83
83 428 1 71
83 347 1 72
83 27 0 73
Bu adıma geçmeden önce gözden kaçırmamamız gereken bir diğer bölüm ise MATLAB ile test
sürecidir. Eğitim için birçok veriseti kullanılmış, en optimize sonuçlar yukarıda verilmiş 11
takım verisi ile sağlanmıştır. Şekil 7’de gösterildiği gibi 11 takımlık deneme veriseti başarı
oranı %94.1’dir. 17 test verisinin 16’sı doğru 1 tanesi yanlış sınıflandırılmıştır.
E-ISBN: 978-605-68882-5-0 291

Şekil 7. MATLAB ile test verilerinden elde edilen sonuçların karmaşıklık matrisi
Çalışmada önerilen sistem ile elde edilen bazı sonuçlar Tablo 4’te sunulmuştur. Test sonuçları
dikkatlice incelendiğinizde bir takımın ev sahibi ve deplasman durumlarında maç tahminindeki
gerçekçi dönüşüm fark edebilmektedir.
Tablo 4. Bazı maçlar için ağ ile hesaplanan sonuç değerleri
Maç Ev Sahibi Takım Beraberlik Deplasman Takımı

Kazanma Oranı(%) Oranı(%) Kazanma Oranı(%)
471-371 54.66 28.03 17.31
83-311 87.67 7.58 4.75
311-83 13.85 6.06 80.09
275-260 35.44 32.95 31.61
Çalışmamızda, test sürecinden sonra çalışma genişletilmiş ve çalışmanın evrenselliği

kanıtlanmak istenmiştir. Bu amaçla bir sonraki aşamada 1 sezonluk Türkiye Süper Ligi verisi
eğitim verisi haline getirilmiş ve dünyanın en prestijli ligi olan İngiltere Premier Ligi sıralaması
tahmin edilmeye çalışılmıştır. Yapılan 1224 iterasyon eğitim ve 380 iterasyon test sonucuna
göre oluşan sonuçlar Tablo 5’te gösterildiği gibi oluşmuştur.
Tablo 5. Premier Lig için takım sıralamasının tahmini
Normal Sezon Puan Durumu Önerilen Çalışma ile Hesaplanan Puan Durumu
Takım Puan Takım Hesaplanan Puan
E-ISBN: 978-605-68882-5-0 292

1- Manchester City 100 1- Manchester City 114
2- Manchester United 87 2- Chelsea 105
3- Tottenham 77 3- Manchester United 103
4- Liverpool 75 4- Tottenham 93
5- Chelsea 70 5- Arsenal 90
6- Arsenal 63 6- Liverpool 87
7- Burnley 54 7- Everton 81
8- Everton 49 8- Leicester City 75
9- Leicester City 47 9- Watford 68
10- Newcastle United 44 10- West Ham United 58
11- Crystal Palace 44 11- Stoke City 57
12- Bournemouth 44 12- Burnley 51
13- West Ham United 42 13- Crystal Palace 44
14- Watford 41 14- Bournemouth 36
15- Brighton 40 15- Southampton 32
16- Huddersfield Town 37 16- Brighton 31
17- Southampton 36 17- West Bromwich 20
18-Swensea City 33 18- Newcastle United 15
19-Stoke City 33 19- Swansea City 10
20-West Bromwich 31 20- Huddersfield Town 5
Tablo 5’teki 20 takım ve 380 maçtan oluşan sonuçlar sonrasında şu yorumları yapabilmemiz
mümkündür.
- Burnley, Newcastle United, Huddersfield Town ve Stoke City: 20 Takım arasından oluşan
sonuçlarda bu 4 takımın sıralaması hata payı dışında değişken olmuştur. Bir diğer deyim ile
önerilen sistem bu 4 takımın sıralamalarını hata payı dahilinde doğru hesaplayamamıştır.
- Burnley: Burnley takımı için oluşan yanılgının nedeni Burnley’nin ilk 18 hafta itibari ile
tahminden daha iyi bir konumda olmasındandır. Güncel veriler lig sonu verileri olduğu için ve
her haftadaki güncel oyuncu güçleri ağa verilmediği için Burnley takımı tahminimizin üzerinde
yer almıştır.
- Newcastle United: Buradaki yanılma nedeni Newcastle takımının iç sahada ortalama üstü bir
şekilde oynayarak normalden fazla puan/puanlar alması yüzündendir. Yapay zeka her ne kadar
iç saha ve dış saha durumunu hesaplıyor olsa da buradaki ortalama üstü iç saha başarısı sistemi
yanıltmıştır.
- Huddersfield Town: Son 20 maçında yalnızca 3 galibiyet alabilen Huddersfield Town, Burnley
örneğinde olduğu gibi ligin ilk 18 maçında aldığı puanlar ile sistemi yanıltmıştır.
- Stoke City: Ligde kadro kalitesine oranla çok kötü bir performans gösteren Stoke City oyuncu
reytingi tabanlı bir YSA sonucunda olası olarak performansı doğru tahmin edilemeyen bir takım
olmuştur
E-ISBN: 978-605-68882-5-0 293

Genel hata durumunu göz önüne alındığında ağın hazırlanış yapısı itibari ile 2 hata ve
verisetinde oluşan durumlar dahilinde 2 hata 4 temel hatanın etmeni olmuştur. Geri kalan 16
takım hata payı dahilinde performans göstermiştir.
5. Sonuçlar
Bu çalışmada, futbol karşılaşmalarının sonuçlarının yapay sinir ağları ile önceden tahmin
edilmesi için web tabanlı bir otomasyon sistemi geliştirilmiştir. Çalışmada ilk önce bazı
takımlar için resmi olarak yayınlanmış istatistik bilgileri kullanılarak bir veriseti
Çalışmada, son bir yılda yapılan 306 maçın sonucu eğitim verisi olarak kullanılarak yapay sinir
ağının sonucu yüzde ihtimaline dönüştürülerek yaklaşık tahmin değerleri elde edilmiştir.
Önerilen sistemde 11 takımlık deneme verisetinde başarı oranı %94.1’dir. 17 test verisinin 16’sı
doğru 1 tanesi yanlış sınıflandırılmıştır. Elde edilen sonuçlar dahilinde sistem bir sezonluk
Türkiye Süper Ligi verisi eğitim verisi haline getirilmiş ve dünyanın en prestijli ligi olan
İngiltere Premier Ligi sıralaması tahmin edilmeye çalışılmıştır. Toplam 20 takımın 16’sının
sıralamasını yaklaşık tahmin ederek %80 başarıya ulaşmıştır. %20 yanılgının %10’u sürekli
güncel veriseti olmamasından kaynaklı doğan dolaylı hata %10 ise Yapay Sinir Ağının
yanıldığı doğrudan hatadır.
Mevcut sistemin verisetini oluşturmak ve daha detaylı analizler yapabilmek için altyapı
değişikliğine gidilerek kendi büyük verisine erişebilir ve sistem farklı algoritmalar ile de
denenebilir.
Kaynaklar
[1] Bilim Genç http://www.bilimgenc.tubitak.gov.tr/makale/bir-futbol-sampiyonasinin-sonucunu-

tahmin-etmek-mumkun-mu Erişim Tarihi: 18/10/2018
E-ISBN: 978-605-68882-5-0 294

[2] Farlow S J 1984 A computer program for ranking athletic teams International Journal of
Mathematical Education in Science and Technology (cilt 15 no 6) p 697–702
[3] Stern H S 1995 Who’s number 1 in college football? . . .and how might we decide? Chance
Magazine(cilt 8 no 3) p 7–14
[4] West B T Lamsal M 2008 A new application of linear modeling in the prediction of college
football bowl outcomes and the development of team ratings Journal of Quantitative Analysis
in Sports (cit 4 no 3) p 1–19
[5] Hvattum L M Arntzen H 2010 Using ELO ratings for match result prediction in association
football International Journal of forecasting (cilt 26 no 3) p 460-470
[6] Bunker R P Thabtah F 2017 A machine learning framework for sport result prediction Applied
Computing and Informatics.
[7] SOFIFA https://sofifa.com/ Erişim Tarihi: 18/10/2018
[8] KAGGLE https://www.kaggle.com Erişim Tarihi: 18/10/2018
[9] Dandıl E Çevik K K 2012 Yapay sinir ağları için. net platformunda görsel bir eğitim yazılımının
geliştirilmesi Bilişim Teknolojileri Dergisi( cilt 5 no 1) p 19-28
E-ISBN: 978-605-68882-5-0 295

Görüntü İşleme ile Ürün Koordinatlari Belirleme
E Tanyıldızı 1,O Yıldırım1
etanyidizi@gmail.com, okanyildirim.64@gmail.com
1
Firat University, TURKEY
Özet
Gelişen günümüz teknolojisinde, görüntü işleme teknolojileri hızlı bir artış göstermektedir.
Görüntülerde konum analizi, çoğunlukla endüstride robotik uygulamalar olmak üzere birçok
uygulama alanında kullanılmıştır. Dış ortamın ortaya çıkardığı problemlerin sonuca
ulaştırılmasında, verimliliği arttırmak, harcanan zaman ve malzemeden kazanç sağlamak için
konum analiz yöntemlerinin kullanılmaktadır. Görüntü işleme dijital bir görüntü içerisindeki
önemli bilgilerin okunması, çıkartılması ve işlenmesi için kullanılan bir yöntemdir. Görüntü
içerisinde bulunan bir nesne ya da bir ortam hakkında insan görme sistemine benzer şekilde
nitel bilgiler edinilmesi ve kullanılması görüntü işlemenin temel amaçlarındandır. Görüntülerde
bulunan nesnelerin tespiti, tanımlanması, sınıflandırılması ve takibi gibi ihtiyaçları karşılayacak
birçok yöntem geliştirilmiştir. Bu çalışmada, kameradan alınan görüntülerin görüntü işleme
teknikleri kullanılarak görüntüde yer alan ürünlerin koordinatlarının ve merkezlerinin tespit
edilmesi amaçlanmıştır. Kamera, robotun tüm çalışma uzayını tepeden görecek şekilde
yerleştirilmiştir. Görüntü işleme tekniklerinin uygulanmasında OpenCV kütüphaneleri
kullanılmış ve C++ dilinde yazılmıştır. Bu yapılan çalışma sonucunda oluşan sistemin,
belirlenen hedef kitlelerin ihtiyaçlarını karşılayarak faydalı olacağı ön görülmektedir. Görüntü
işleme teknolojisi kullanılarak nesne tanıma ve nesne takip sistemleri oldukça gelişmiştir. Yeni
gelişmekte olan bu teknoloji, robotik uygulamalarda (ürünün konumları belirlenip paketleme
sistemlerinde), otomatik gözetleme sistemlerinde ve güvenlik sistemlerinde (savunma
sanayinde hedef takibi ve hedef vurma işlemleri ) vb. uygulamalarda kullanılabilecek bir sistem
tasarlanmıştır.
Anahtar Kelimeler: Görüntü İşleme, OpenCV, Nesne Tespiti
E-ISBN: 978-605-68882-5-0 296

Determining Product Positions Using Image Processing
Abstract
In today's developing technology, image processing technology is showing a rapid increase.

Location analysis in images has been used in many applications, mostly robotics applications
in the industry. The use of location analysis methods in solving outdoor problems improves
productivity and saves time and resources. Image processing is a method for reading, extracting,
and processing important information in a digital image. The acquisition and use of qualitative
information about an object or an environment in the image similar to the human vision system
are the main aims of the image processing. Various methods have been developed to meet the
need for identification, classification and monitoring of objects. The purpose of this study is to
determine the coordinates and centers of products using image processing techniques of images
taken from the camera. The camera is positioned so that the entire working space can be viewed
from the top. OpenCV libraries are used in the implementation of image processing techniques
and written in C ++ language. The results of this study are expected to be useful in meeting the
needs of target groups. Object recognition and object tracking systems have been developed
using image processing technology. This new emerging technology is used in robotic
applications (product location and packaging systems), automatic surveillance systems and
security systems (target tracking and target hitting processes in the defense industry, etc.). a
system that can be used in applications will be designed.
Keywords: Image Processing, OpenCV, Object Detection
1. Giriş
Görüntü işleme kavramı, gözlerin görmüş olduğu tüm görüntülerin görüntü işleme araçların
anlayabileceği kavramlar haline geldikten sonra, bu resimlerin üzerinde özellikleri ve nitelikleri
değiştirilme işlemine kadar yapılan adımların hepsidir [1]. İnsanlarda yer alana görme
duyusunun mantığını açıklayabilmek, görüntü işleme kavramı açısından önemlidir. Görme
duyusunun temel kavramı açıklanmak istenirse; gözden alınan gerçek görüntülerin, görüntü
işleme aracı olan beyine aktarılmasından sonra anlamlı birer kavrama dönüşmesi ile
anlatılabilir. Bu mantık kullanılarak günümüz teknoloji ve endüstrinin birçok noktasında
Görüntü işleme teknolojisi uygulamaları karşımıza çıkmaktadır.
E-ISBN: 978-605-68882-5-0 297

Görüntü işleme teknolojileri kullanılarak yapılan birçok çalışmada, kameradan alınan
görüntüler üzerinde görüntü işleme adımları kullanılmakta ve görüntü üzerinde çıkarılmak
istenen nesnelere ait bilgi çıkartımı gerçekleştirilmektedir. Görüntü üzerinde yer alan nesnelerin
doğru bir şekilde tespit edilmesi, resmin anlaşılması açısından çok önemlidir. Nesnelerin
tanınması, anlaşılır bir bilgi çıkartılması amacıyla yapılan çalışmalarda farklı yöntemler
kullanılmıştır. Nesneler de yer alan basit özellikler kullanılarak hızlı ve doğruluk oranı yüksek
nesne tanımaya yönelik çalışmalar [2], nesnenin arka planı karmaşık olması durumunda tanıma
[3], istatistiksel görüntü tanıma, renk tanıma, kenar ve köşe tanıma, şekil tanıma, şablon
eşleştirme gibi birçok yöntem kullanılmaktadır [4].
Video dizisinde hareketli bir nesneyi izlemek, görüntü dizisi analizinin önemli bir
uygulamalarından olup ek olarak çarpışmadan kaçınma, uyarım sistemleri, yüz ve yüzde ki jest
tanıma, makine öğrenmesi vb. gibi birçok problemde kullanılmaktadır. İdeal olarak, izlenecek
ve takip edilecek nesne iyi modellenebiliyorsa, varlığını her bir çerçevede bazı özellik
kümelerini algılayarak çıkartılabilir. Gerekli özelliklere sahip nesnelere bakılıp bu nesnelerin
takibi ve izlenmesi daha kolay olmaktadır. Birçok bilimsel ve ticari uygulamada, bir nesnenin
yakın gelecekte neler yapabileceğini tahmin edilmek istenmektedir.
Nesne takibinde zorluklar;
• Ani nesne hareketi[5].
• Hem nesnenin hem de sahnenin görünüm kalıplarının değişmesi[6],
• Katı olmayan nesne yapıları [6],
• Birden fazla nesnenin üst üste birbirini kapatması
• Nesnenin sahneden kaybolması,
• Kameranın hareketi izleyememesi.
Hareket algılama, bir nesneyi çevreleyen sahneden veya bir nesnenin başka nesneye göre
pozisyonundaki bir değişikliği teyit etme işlemidir. Hareket algılamada kameranın nesne
taradığı bölge daraldığında CPU zamanını daha verimli kullanmasına yardımcı olmaktadır.
Nesne algılama, bir görüntüdeki hedeflenen nesnenin tespit edilme işlemidir. Nesne algılama,
istenilen bir nesne için bir görüntünün taranması sürecidir.
E-ISBN: 978-605-68882-5-0 298

Web kamera ile hareketli nesne takibi adlı çalışmada, göz olarak kullanılan ve USB ile sisteme
bağlantı yapılabilen standart bir web kamerası kullanılmıştır. Bu kamera ile alınan görüntüler
sisteme aktarılarak, kameranın izleyebildiği açısında hareket eden nesne veya nesnelerin takibi
sağlanmıştır. Bu amaçla, bilgisayara bağlı olan ve step motoru düzeneğinin üzerinde bulunan
web kamerası, nesnenin hareket etmesi ile nesneyi takip ederek sürekli olarak servo motor ile
yönlendirme yapılmıştır [7].
İsmail Güllüpınar’ın ‘Haraketli Nesne Takibi ve Lazer ile İmha’ adlı çalışmasında, algıladığı
nesnenin hareketine göre hareketli kamera ile hedef takibi yapan ve komut verildiğinde
konumları belli olan nesneyi lazer bir düzenek ile etkisizleştiren, gerçek zamanlı bir sistem
tasarımı yapılmıştır. Görüntü üzerinde yer alan nesne hareket ettikçe, seçilmiş olan servo
motora yön tayini gönderilip, çalışması sağlanmıştır. Servo motorun üzerine yerleştirilmiş olan
bir web kamerası sayesinde takip edilen nesnenin devamlı görüntüsü alınması sağlanmıştır.
Böylelikle sitemde; hedef nesnenin seçimi, görüntü alma, nesnenin takibi ve lazer düzenek ile
etkisizleştirme modüllerinden oluşmaktadır [8].
Kazım Hanbay ve arkadaşlarının 2017 de yapmış olduğu çalışmada nesne tespit ve takip
metotlarının sınıflandırma yöntemleri için basit ve karmaşık problemler kullanılmıştır. Nesne
tanımada kullanılan yöntemlerin, nesnelerin sınıflandırılması ve nesne takibi için avantaj ve
dezavantajları irdelenmiştir. Oldukça zor ve karmaşık problemlerden, kolay ve arka planlarda
çalışabilen basit yöntemlere kadar birçok farklı çalışma incelenmiştir. Geliştirilen yöntemlerin
farklı karakteristiklere sahip veri setleri üzerindeki davranışları gözlemlenmiş ve. Nesne takibi
için güncel ve yaygın kullanılan yöntemler ele alınmıştır, olumlu/olumsuz yönlerinin
incelendiği bir çalışmadır [5].
Bir video akışından veya gerçek zamanlı görüntülerin OpenCV ile işlenip elde edilen verilerle
ve Arduino kart ile birlikte kullanılan nesne algılama ve izleme yöntemleri kullanılmıştır.
Mustafa Türkay’ın yapmış olduğu bu çalışma “gerçek zamanlı alan düzeltme uygulamaları için
hedef algılama ve izleme” adı altında ele alınmıştır [9].
Görüntü işleme teknolojisi kullanarak nesne takibi ve nesnenin koordinatları belirlenmesi

çalışmasında hareketli bir bant üzerinde geçen tavuk ürünlerinin kamara ile tespiti yapılarak
bant üzerindeki gerçek konumlarının bulunması amaçlanmıştır. Bulunan x ve y santimetre
cinsindeki uzaklık parametreleri sonraki Delta Robot çalışmasında kullanılacak olup hareketli
bant üzerindeki ürünlerin paketlenmesi amaçlanmaktadır.
E-ISBN: 978-605-68882-5-0 299

2. Materyal ve Metotlar
Görüntü İşleme süreci, sensörlerden veya kameralardan gelen görüntünün sisteme bağlı olana
görüntü işleme aracına aktarılıp, görüntü üzerinde bir işlem yapılması ve ardından çıkışa
iletilmesidir. Sayısal olarak elde edilmiş görüntülerin bilgisayar yardımı ile analiz edilmesi ve
işlenmesi sürecidir [10].
Görüntü işleme tenolojisi kullanılarak yapılan çalışmalarda, ilk olarak göz mekanizmasından
görüntüler alınmaktadır. Görüntü işleme tekniklerinden biri uygulanarak resim üzerinde ki
nesnelere ait anlam ve bilgi çıkartımı yapılmaktadır. Özellik çıkarımı için resimde bulunan
nesnelerin doğru ve yanlışsız şekilde tespit edilmesi çok önemlidir [11].
2.1 Materyal
Bu çalışmada, C++ yazılım dili ile birlikte OpenCV kütüphanesinden faydalanılarak görüntü
işleme adımları gerçekleştirilmiştir. OpenCV kütüphanesinin tercih edilme sebepleri arasında
en başta kullanım kolaylığı ve hazır fonksiyonlara sahip olması gelmektedir. Ek olarak bu
kütüphanenin diğer olumlu yönleri ise işletim sistemi uyumluluğu, grafik çizim kolaylığı gibi
özellikler gelmektedir.
Görüntü çıkartım yöntemleri kullanılacağı zaman önemli adımlardan biri de görüntünün

alınacağı araç olan kullanılan kameradır. Tasarlanan sistem maliyet öngörülerek bilgisayarın
kamerası kullanılarak çalıştırılmıştır. Ancak sonraki zamanlarda tasarlanan bu sistem delta
robot tasarımı yapılması planlandığı için nesne tespitinde hız önemlidir. Bundan dolayı görüntü
işleme için endüstriyel kameralar kullanılacaktır.
2.1.1 OpenCV
Sisteme kameralar yardımıyla aktarılan görüntüyü işlemek için en çok kullanılan OpenCV
kütüphanesi açık kaynak kodlu bir yazılımdır. Intel tarafından 1999 yılında geliştirilmeye
başlanmıştır. Ardından gelişim sürecini Itseez, Willow, Nvidia, AMD, Google gibi şirket ve
toplulukların desteği ile devam etmektedir. OpenCV alfa 2000 yılında piyasaya çıkan ilk
sürümüdür. Çıkan ilk sürümleri C programlama dili ile geliştirilmiş, daha sonra diğer
algoritmaları C++ dili ile geliştirilmiştir [12].
BSD lisansı altında geliştirilen açık kaynak kodlu bir kütüphanedir. BSD lisansı, kütüphaneyi
ücretsiz olarak kullanılabilir kılmaktadır. OpenCV tüm işletim sistemleri platformlarında
çalışabildiği için platformdan bağımsız bir kütüphanedir[13].
E-ISBN: 978-605-68882-5-0 300

Görüntü işleme ve makine öğrenmesine yönelik OpenCV kütüphanesi içerisinde birçok
algoritma bulunmaktadır. Bu algoritmalar ile üç boyutlu görüntü üzerinde işlem yapabilme,
nesneleri ayırt etme, yüz tanıma, insan hareketlerini tespit edebilme, plaka tanıma, nesne
sınıflandırma, optik karakter tanımlama, görüntü karşılaştırma gibi işlemler yapılabilmektedir
[14].
OpenCV kütüphanesinin temel bileşenleri:
CV (Computer Vision): Resim işleme ve analizi için geliştirilmiş görsel işlemler bileşenleri
bulunmaktadır [15].
MLL (Machine Learning Library): Makine öğrenmesi için kümeleme araçları ve istatistiksel
sınıflayıcı içermektedir [15].
HighGui: Grafik arabirimidir. Resim ve videoları görüntülemek için giriş ve çıkış

fonksiyonlarını içermektedir [15].
CxCore: Veri yapılarını içerisinde bulundurmaktadır [15].
Gerçek zamanlı uygulamalarda OpenCV kütüphanesi başarılı sonuçlar üretmektedir. OpenCV

kütüphanesinin hız yönünden avantajlı hale gelmesi ve her türlü platform desteği sunmasından
dolayı endüstride kullanımı yaygınlaşmaktadır.
2.1.2 RS-232 Haberleşmesi

1962 yılında, haberleşme protokolü olarak veri alınmasını ve iletilmesini sağlayan RS-232
standardı geliştirilmiştir. BU konektör Electronic Industries Association tarafından
geliştirilmiştirve standart hale gelmiştir. RS-232 konektörleri DTE ve DCE olmak üzere iki
sınıfa ayrılmaktadır [16]. Hem veri alma hem de veri iletme özelliğine iher iki konektör de
sahiptir. DB9 konektör tipi günümüzde en fazla kullanılan konektör tipidir. DB-9 bağlantı
konnektörü 9 pinlidir. 25 pinli konnektörün bazı pinlerinin kullanılmamasından dolayı 9 pinli
konnektör ortaya çıkmıştır [17]. Veriler 8 bitlik ASCII karakterleri ile iletilmekte olup senkron
ve asenkron iletim yolunu kullanmaktadır. Gönderilen bilgi lojik 1 ve 0 olup 8 bitten
oluşmaktadır. Gönderici bilgiyi lojik 1 ve 0 olarak gönderir, alıcı ise gelen veriyi toplayıp,
gönderilen bilgiyi oluşturarak anlamlı bir bilgi kümesi meydana getirir. Bilgi gönderimi 15
metreyi bulan haberleşme esnasında -15 Volt ile +15 Voltluk iki voltaj seviyesi arasında bir
değer belirlemektedir. RS-232’de eksi voltaj seviyesi olan -15V da lojik-1 ve artı voltaj seviyesi
+15V da lojik-0 değeri üretmektedir. Hattın boş olduğu durum eksi voltaj seviyesi olup lojik-1
E-ISBN: 978-605-68882-5-0 301

değeri döndürmektedir. Hattan veri gönderileceği zaman, iletişim hattı +15V yüklenir ve lojik
1 değer gönderilir [18]. Paralel haberleşme seri haberleşmeye göre daha hızlıdır. Uzak
mesafelerde iletimde seri haberleşme, paralel haberleşmeden daha avantajlıdır. Bunun sebebi
ise kullanımda az telli kabloların olmasıdır. 3V ile +25V arasında veri iletim seviyesi olduğu
için data kaybı daha azdır [17].
Şekil 1 Haberleşme Standartdı-RS232 [19]
2.1.3 Kamera Sistemi

Bilgisayarlı görme sistemleri günümüzde çoklu ortam ve güvenlik sistemleri, robotik alanları
vb. görüntü işleme kullanılan alanlarda önemli bir yere sahiptir. Resimlerde ki nesnelerin
istenilen seviyede doğru şekilde ve renklerde algılanabilmesi, görüntü işleme sistemlerin veya
makinelerin gözü sayılabilecek kamera teknolojilerine bağlıdır. Kameraların iç yapılarında
mercekler, piezoelektrik malzemelerle üretilmiş hassas motorlar, algılayıcılar ve gelen analog
sinyali dijitale çeviren konvertörler bulunmaktadır. Kameranın çalışması mantığı,
merceklerden geçen ışık fotonları kamera içerisinde yer alan algılayıcıların üzerine düşerek
algılayıcı bunu elektriksel sinyallere çevirmektedir.
Kamerada yer alan algılayıcının hızı, görüntü işleme uygulamaların hızı üzerinde temel
faktördür. Kameranın hızı kavramı ise görüntüyü alıp sisteme iletmesidir. Algılayıcı hızı,
kameranın bir saniyede ürettiği kare sayısı ve pozlama süresi ile ifade edilmektedir.
Hızlı görüntü elde etmek için kamera sistemlerinde, algılanan resmi algılayıcıda analog
sinyalden dijital sinyallere çevirmesi gerekmektedir. Bu noktada kamera sistemlerinde,
algılayıcıların hızları ADC’nin hızından daha çok önemlidir. Çünkü gelişen teknolojide dar
boğaz algılayıcıda meydana gelmektedir.
E-ISBN: 978-605-68882-5-0 302

Saniyede çekilen kare sayısını arttırmak için ortamdaki ışık seviyesini arttırarak algılayıcının
pozlandırma süresi düşmektedir. Işıklandırmanın yapılamayacağı ve ışıklandırma koşullarının
düşük durumlarda ise tepkiselliğinin yüksek olması ile saniyedeki kare sayısı arttırılır.
Belirlenen pozlandırma süresinde algılayıcının ne kadar güçlü sinyal ürettiğine tepkisellik denir
[20]. Işıklandırmaya hakim olunamadığı dış ortama uyumlu olması gereken sistemlerde, dış
ortam için kullanılan algılayıcılar kullanılmaktadır.
2.2 Metotlar
Günümüzde, görüntüler her yerde karşımıza çıkmaktadır. Anlık görüntülerde çıkarım yapmak,
nesneleri belirlemek, olayları tespit etmek, sınıflandırmak ve izlemek için videolar
kullanılmaktadır. Bu görüntülerden çıkarım yapıp yorumlamak için algoritmalar ve
programlam tasarlamak bir bilgisayarın görmesi olarak isimlendirilmektedir. Bilgisayar
görmesi, görüntü arama, robot yönünün belirlenmesi, medikal görüntü analizi, fotoğraf
yönetimi ve daha bir çok uygulamada kullanılmaktadır. Bilgisayarın bakış açısına göre,
görüntü; ilgilenilen nesnelerden ve görüntüdeki her şeyin temsil ettiği bir arka plandan oluşan
bir sahnedir. Bu nesneler arasındaki ilişkiler ve etkileşimler, görüntü için anahtar faktörlerdir.
Nesne algılama ve tanıma, bilgisayarın iki önemli görme görevidir. Nesne algılama, bir
nesnenin ve / veya kapsamının görüntüdeki konumların varlığını belirler. Nesne algılama
genelde fotometrik veya geometrik özellikli nesnelerin, veritabandaki hedef nesnelerle eşleşen
kısımları taramak maksadı ile bir görüntünün her bir parçasını arayarak gerçekleştirilir.
Video Alma Nesne Tespiti Nesne Koordinatları Nesne Takibi
2.2.1 Nesne Tespiti Şekil 2 Nesne takip akış diyagramı
Nesne tespiti ile ilgili olarak literatürde basit veya karmaşık yapılara sahip olarak oldukça fazla
yöntem bulunmaktadır. Bu yöntemler aşağıdaki gibi sıralanabilir [21].
• Çerçeveler arasındaki fark
• Optik akış
• Arka plan modeli çıkartma
Yapılan çalışmada yukarıda bahsi gecen nesne tespit yöntemlerinden arka plan modeli çıkartma
metodu kullanılmıştır. Görüntü işleme yöntemleri kullanılarak görüntü içerisindeki nesne
belirgin hale getirilerek arka plan çıkartılmış olur.
E-ISBN: 978-605-68882-5-0 303

2.2.2 Nesne Takibi
Nesne takibi, makine görmesi uygulamalarında önemli bir işleve sahiptir. Nesne takibi
açıklanacak olursa, gerçek zamanda hareket etmekte olan bir nesnenin hareket esnasında
sistemin takip etme problemidir. Farklı bir tabirle, bir nesneyi takip eden sistemin, ardışık video
görüntüleri içerisinde hareket etmekte olan nesneleri algılayarak her bir nesneyi bilgilendirme
işlemidir [22]. Nesne takibi yöntemleri temel olarak 3 kategoriye ayrılır. Bunlar sırasıyla nokta
tabanlı, çekirdek tabanlı ve siluet tabanlı yöntemlerdir.
Determinist
Nokta Tabanlı
İstatiksel
Tek Çekirdekli
Nesne Takibi Çekirdek Tabanlı
Çok Çekirdekli
Sınır İzleme
Siluet Tabanlı
Şablon Eşleştirme
Şekil 3 Nesne Takip Yöntemleri [32]
3. Deneysel Çalışma
Görüntü işleme için, analog ve dijital görüntü işleme yöntemleri bulunmaktadır. Analog veya
görsel görüntü işleme teknikleri için fotokopiler, fotoğraflar, geçmişte toplanmış ve işlenmemiş
görüntüler gibi basın kopyaları kullanılmaktadır. Bir derin öğrenme yolu olarak görüntü işleme,
geçmiş verilerin ışığında çalışmaktadır.
Dijital işleme teknikleri, görüntülerin bilgisayarla işlenmesine olanak sağlamaktadır. Dijital

tekniği kullanırken her türlü görüntü verisi üç temel aşama kullanmaktadır; Ön işleme,
geliştirme-görüntüleme ve bilgi çıkarımıdır.
1.1 Görüntü Alma

Kameradan görüntü alma sırasında OpenCV kütüphanesinden üç adet sınıf kullanılacaktır. Bu
sınıflar sırası ile kameraya bağlanmak, resimleri yakalamak ve görüntülemek şeklindedir.
Kullanılacak olan sisteme uygun olarak kamera seçimi yapılmasının ardından kamera aktif hale
getirilerek görüntü alınır.
Bu görüntünün alınması için yazılan kod;
VideoCapture cap(0);
if (!cap.isOpened[))
return -1;
E-ISBN: 978-605-68882-5-0 304

namedWindow("Video", 1);
while (1)
{
Mat frame;
cap >> frame;
imshow("Video", frame);
}
Şekil 4 Alınan Orjinal Görüntü
1.2 Görüntünün renk uzayı dönüşümü

Kameradan alınan görüntü RGB formatında olup OpenCV, renk uzayı olarak RGB renk
formatını kullanmaktadır. RGB renk formatı, elektronik ürünlerin kristalize ışık kullanarak renk
oluşturması sonucu meydana gelen formattır. RGB renk modeli ışık kullanılarak oluşmasından
dolayı enerji ile üretilen bir renklendirme modelidir. Tüm elektronik birimlerde RGB renk
kodları bulunmaktadır. RGB kısaltması kırmızı, yeşil ve mavi kelimelerinin İngilizce baş
harflerinden gelmektedir.
HSV renk uzayı renk, doygunluk ve parlaklık terimlerini kullanarak rengi tanımlar [23]. HSV
de renk, doygunluk ve parlaklık değerleri kullanılmaktadır. RGB de renklerin karışımı
kullanılmaktadır. Doygunluk rengin canlılığını belirlerken parlaklık rengin aydınlığını ifade
etmektedir. HSV renk formatında siyah renk için Hue ve Saturation değerleri 0 ile 255 arasında
rastgele bir değer alabilirken Value 0’dır. Beyaz renkte ise Value değeri 255'dir [24].
E-ISBN: 978-605-68882-5-0 305

Şekil 5 RGB ve HSV renk Formatları [24]
Belirli renkteki bir nesneyi ayırt etmek istenildiğinde herhangi bir bilgisayarlı görme ve görüntü
işleme uygulamasında HSV renk modelini kullanmak daha kullanışlıdır. Çünkü sadece Hue
değerini kullanarak eşik değer uygulanması ile renkler daha net ayırt edilmektedir.
• H (Hue) değeri ile renk seçilmektedir.
• S (saturation) ile rengin doygunluğu seçilmektedir.
• V (value) ile rengin parlaklığı seçilmektedir.
Yukarıda açıklanan HSV renk modelinin üç parametresi ile tam olarak istenen renk, ton ve
parlaklıktaki nesne görüntüden ayırt edilmektedir.
OpenCV'de 'cvtColor' fonksiyonu ile renk dönüşüm işlemleri yapılmaktadır. 'cvtColor'

fonksiyonu; giriş görüntüsü, çıkış görüntüsü ve dönüşüm yapılacak renk uzayı seçimi olmak
üzere üç parametre almaktadır. Bazı renk dönüşümü kodları;
RGB – Gri Seviye renk dönüşümü için;
CV_BGR2GRAY, CV_RGB2GRAY, CV_GRAY2BGR, CV_GRAY2 RGB
RGB - HSV Uzayı renk dönüşümü için;
CV_BGR2HSV, CV_RGB2HSV, CV_HSV2BGR, CV_HSV2RGB [25]
E-ISBN: 978-605-68882-5-0 306

Şekil 6 HSV Renk Dönüşümü
1.3 Threshold
Eşik işlevi, gri tonlamalı bir görüntüyü ikili bir görüntüye dönüştürür. Bu sayede temelde bilgi
çıkarımı yapılacak olan nesneyi koruyan bir izolasyon gerçekleştirir. Bir nesneye eşik
uygulamak, nesneleri ve sahneyi birbirinden ayırmaktır. Bu işlemle, arka plan pikselleri 0'a ve
nesne pikselleri sıfırdan farklı bir değere ayarlanarak nesne belirgin hale getirilmektedir.
Gri Seviyeye Çevirme Eşik Alma

Renkli Görüntü Gri Görüntü İkili Görüntü
Şekil 7 Threshold Akış Diyagramı
Eşikleme işlemi H, S, V değerlerine göre yapılmaktadır. Threshold uygulanacak olan nesnenin

minimum ve maksimum H,S,V değerleri denenerek bulunmaktadır. OpenCV'de eşikleme
işlemi ‘inRange’ fonksiyonu ile yapılmaktadır. ‘inRange’ fonksiyonu; giriş görüntüsü, alt HSV
değerleri, üst HSV değerleri ve çıkış görüntüsü olmak üzere dört parametre almaktadır [26].
inRange(img_giris, Scalar(H_min, S_min, V_min), Scalar(H_max, S_max,

V_max),img_çikis)
Tablo 1 Kullanılan Threshold Değerleri
Minimum Maksimum
H 0 70
S 0 135
V 155 255
E-ISBN: 978-605-68882-5-0 307

Şekil 8 Esik değeri Uygulanmış resim
1.4 Görüntünün filtrelenmesi

Eşikleme işlemi için inRange fonksiyonuna verilen, sahneden ayrıştırılmak istenen nesneye ait
minimum ve maksimum H,S,V değer aralığına giren tüm nesneler, threshold işleminden sonra
yeni görüntüde ayrılmış olarak görüntülenmektedir. Yeni oluşan görüntüde bazıları istenen,
bazıları ise istenmeyen nesneler meydana gelmektedir. Bu istenmeyen nesnelere gürültü adı
verilir. Gürültülerin görüntüden yok edilmesi için çeşitli fonksiyonlar kullanılmaktadır. Bu
çalışmada ‘erode’ fonksiyonu kullanılarak gürültülerden arındırılmış görüntü elde edinilmiştir.
OpenCV'de erode fonksiyonu; giriş görüntüsü, çıkış görüntüsü, yapılacak olan filtreleme
işleminin özelliklerinin verildiği matris olmak üzere üç parametre almaktadır. Filtreleme işlem
matrisinin değeri değiştirilmezse başlangıçta 3x3 olarak tanımlıdır. "getStructuringElement"
komutu ile matrisin özellikleri değiştirilebilir. getStructuringElement komutu;
Mat element = getStructuringElement(erosion_type,

Size( 2*erosion_size + 1, 2*erosion_size+1 ),
Point( erosion_size, erosion_size ) );
şeklinde kullanılır. Burada; erosion_type: Erozyonun tipidir. Erozyon tiplerinden aşağıda ki

dikdörtgen, çapraz ya da elips şekillerinden biri seçilir.
MORPH_RECT, MORPH_CROSS, MORPH_ELLIPSE [27]
Fonksiyonda yer alan size ise erozyon matrisinin boyutudur. Matris boyutu büyüdükçe görüntü
üzerindeki aşındırma artar. Erozyonun dayanak noktasıdır point değişkeni ile belirtilmiştir.
E-ISBN: 978-605-68882-5-0 308

Yapılmış olan morfolofik işlemlerden olan aşındırma filtre uygulamasında aşındırma boyutu 3
seçilmiş olup erozyon tipi olarak da MORPH_RECT kullanılmıştır. Sonuç olarak en başta
seçilmiş olana görüntüye uygulanan bu işlem şekil 9 da gösterilmektedir.
1.5 Kenar Bulma

Canny kenar dedektörü, John F. Canny tarafından 1986 yılında geliştirilmiştir. Günümüzde
yaygın olarak görüntü işleme de varsayılan kenar dedektörleri olarak kullanılır. Canny kenar
algılama algoritması 5 adımda incelenmektedir [28].
• Yüksek frekanslı gürültü çıkarmak için bir Gauss filtre kullanarak düzgün görüntü elde edilir
• Görüntünün eğim yoğunluğu hesaplanır.
• Kenar algılama da "false" yanıtları kaldırmak için maksimum bastırma uygulanır.
• Eğim değerlerine bir alt ve üst sınır kullanarak eşik değeri kullanılır
• Güçlü kenarlarına bağlı olmayan zayıf kenarları baskılayarak kenarlar elde edilir [28].
Yapılan işlemler neticesinde daha belirgin hale gelen nesnelerin kenarları Canny kenar bulma
yöntemi kullanılarak bulunmaktadır. Ancak bu işlemlerin uygulanması esnasında yapılan
işlemenin hızı bilgisayarın performansına bağlı olarak gerçekleşmektedir. Yapılan işlemin
sonucu şekil 10 da gösterilektedir.
Canny(erode_img, canny_resim, 50, 100);

İmshow("canny", imgCanny);
Şekil 9 Filtre Uygulanmış Görüntü Şekil 10 Canny Fonksiyonu Uygulanmış Resim
E-ISBN: 978-605-68882-5-0 309

1.6 Orta noktaların tespit edilmesi
Algılanmak istenen nesnenin orta noktalarını tespit edilebilmesi için öncelikle çevre
vektörlerinin (contour vectors) elde edilmesi gerekmektedir. OpenCV'de çevre vektörleri
'findContours' fonksiyonu ile bulunmaktadır. findContours fonksiyonu; ikili görüntü tipindeki
giriş resmi, tespit edilen çevre vektörleri, çevre alım metodu, çevre yaklaşım metodu ve bütün
çevre vektörlerinin girilen miktar kadar kaydırılması adı altında 5 giriş değeri almaktadır.
findContours fonksiyonunun uygulanmış resmi şekil 11 de gösterilmektedir. İkili görüntü
tipinde ki giriş resmi Canny kenar algılama fonksiyonu sonrasında çıkan sonuç olarak
alınmaktadır.
Çevre alım metotları; CV_RETR_EXTERNAL, CV_RETR_LIST, CV_RETR_CCOMP,

CV_RETR_TREE olmak üzere 4 tane metot vardır.
Çevre yaklaşım metotları; CV_CHAIN_APPROX_NONE, CV_CHAIN_APPROX_SIMPLE,

CV_CHAIN_APPROX_TC89_L1, CV_CHAIN_APPROX_TC89_KCOS olmak üzere 4 tane
metot vardır [29] .
Çevre vektörlerinin bulunmasının ardından moment hesabı yapılmaktadır. Moment hesabı için
kullanılan örnek bir kod;
vector<Moments> mu(contours.size());
for (size_t i = 0; i < contours.size(); i++)
{ mu[i] = moments(contours[i], false);}
şeklindedir.
Moment hesabının ardından algılanmak istenen nesnenin ağırlık merkezi tespiti ve ağırlık
merkezine nokta konulması işlemi gerçekleştirilmektedir. Bu işlem için kullanılmakta olan
kod;
vector<Point2f> mc(contours.size() );
for(size_t i = 0; i < contours.size(); i++ )
{ mc[i] = Point2f( static_cast<float>(mu[i].m10/mu[i].m00) , static_cast<float>(mu[i].m01/mu[i].m00)

); }
şeklindedir.
E-ISBN: 978-605-68882-5-0 310

Şekil 11 FindContours Fonksiyon Sonucu Şekil 12 Merkezi İşaretlenmiş Görüntü
1.7 Konum Bulma ve İşaretleme

Bu bölümde yapılan işlemler; regionprops() fonksiyonu ile bileşenlerin ve bu bileşenlerin
istenen özelliklerinin elde edilmesi amaçlanmaktadır. Ardından bulunan bu özellikler
neticesinde her bir objenin kenarlarını çevreleyen bir sınır çizgisi çizilip, merkez noktası
belirlenmektedir. Bulunan bu noktanın yanında cisimle ilgili bilgilerin gösterimi yapılmaktadır.
Tespit edilen nesnenin koordinatlarının belirlenmesi için referans olarak alınan sahnenin
boyutları bilinmesi gerekmektedir. Tespit edilen koordinatların belirlenmesi için referans
olarak kabul edilen sahnenin kenar uzunluk bilgisi kullanılarak görüntünün piksel uzayından
gerçek ölçü uzaya geçiş yapılır. Burada kullanılan yöntem, koordinat düzleminde herhangi iki
nokta arasındaki uzaklık ölçülerek gerçekleştirilir.
|𝐴𝐵| = √(𝑥1 − 𝑥2 )2 + (𝑦1 − 𝑦2 )2
Şeklinde formüle edilir.
Verilmiş olan formüle göre hesaplamaların doğru bir şekilde yapılabilmesi için kameradan
alınan görüntüden başlangıçtaki referans sahnenin net bir şekilde algılanması gerekmektedir.
Ancak bazı durumlarda bu her seferinde ışık yoğunluğundan dolayı vb dış faktörlerden
mümkün olmamaktadır. Referans sahne için H,S,V değerleri belirlenirken ışık yoğunluğu
görüntü işlemede çok önemli bir etkendir. Bu nedenle kameranın her seferde doğru yüzdelikte
ölçüm alabilmesi oldukça dış etkenlerden bağımsız bir sistem kurulması gerekmektedir.
Nesnelerin doğru algılandığında nesnenin koordinat merkezleri ile birlikte alan ve uzunlukları
ekranda gösterilir.
E-ISBN: 978-605-68882-5-0 311

Referans olarak belirlenen sahne 30cm x 30 cm boyutlarında bir kare olarak ele alınmış olup görüntü
600x600 pixel boyutlarındadır. Bu verilen ölçülere göre tespit edilen nesnelerin koordinat sistemine olan
uzaklıkları;
30√2
1 𝑝𝑖𝑘𝑠𝑒𝑙𝑖𝑛 𝑢𝑧𝑢𝑛𝑙𝑢ğ𝑢 = = 0.05𝑐𝑚
√(600 − 0)2 + (600 − 0)2
Birinci nesnenin “0” noktasına olan uzaklığı ;
= √(463.28)2 + (367.59)2 = 591.4
= 591.4 𝑥 0.05 = 29.5𝑐𝑚
İkinci nesnenin “0” noktasına olan uzaklığı ;
= √(319.12)2 + (145.22)2 = 350.6
= 350.6 𝑥 0.05 = 17.53𝑐𝑚
şeklinde bulunur.
Şekil 13 Sonuç Görüntü
4. Sonuç
Yapılan bu derlemede genelden özele, bilgisayar görmesinin gerekliliğine, nesnelerin nasıl ve
niçin tespit edileceğine yönelik olarak bir çalışma gerçekleştirilmiştir. Nesne ile ilgili tüm
kavramları detaylı olarak açıklanmıştır. Elde edilen sonuçlar, asıl amacın nesneleri tespit etmek
olduğunu ve sonuç olarak nesnelerinin gerçek zamanda tespit edilebilir olduğunu göstermiş
oldu.
E-ISBN: 978-605-68882-5-0 312

Bu çalışma, C++ programlama dili ile birlikte OpenCV kütüphanesi kullanılarak
gerçekleştirilmiş olup görüntü işleme sayesinde ürün koordinatları tespit edilmiştir. Akan bir
bant üzerinde geçen tavuk ürünlerinin kamera sayesinde tespiti yapılmış, sonraki yapılacak olan
delta robot tasarımının temelini oluşturmuştur. Bu çalışmada bulunan koordinatlar delta
robotun ürünü alıp taşıması için bilgi olarak gönderilecektir.
Nesne algılama sistemleri her alanda karşımıza çıktığı gibi robotik sistemlerde de gözetim ve
engel algılama sürecinde kullanılmaktadır. Bu çalışmanın işlem süresini azaltıp daha hızlı
çalışmasını sağlayabilmek için kullanılan sistemde ki donanımsal yeterliliğin yüksek olmasına
dikkat edilmesi gerekmektedir. Böylece farklı bir metodoloji denenebilir ve uygulanabilir.
Kaynaklar
[1] Akpınar, Özge. Depolama Amaçlı Görüntü İşleme Tabanlı Bir Kartezyen Robot Tasarımı.
Sakarya : Sakarya Üniversitesi, 2008.
[2] Rapid object detection using a boosted cascade of simple features. P. Viola, M. Jones. 2001,
IEEE Computer, s. 511-518.
[3] Digital image processing techniques for object detection from complex background image. R.
Hussin, M.R. Juhari, N.W. Kang, R.C. 2012, Procedia Enginering, s. 340-344.
[4] Image processing, analysis, and machine vision. M. Sonka, V. Hlavac, R. Boyle. 2014, Cengage
Learning.
[5] Nesne tespit ve takip metotları: Kapsamlı bir derleme. Kazım HANBAY, Hüseyin ÜZEN.
Bingöl : s.n., 2017. Türk Doğa ve Fen dergisi.
[6] NESNE TAKİP YÖNTEMLERİNİN SINIFLANDIRILMASI. TALU, Muhammed Fatih. 45-

63, İstanbul : İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 2009. 18.
[7] Musa Şanlı, Fevzi Zengin, Oğuzhan Urhan, M.Kemal Güllü. Web Kamerası İle hareketli Nesne
Takibi. Kocaeli : Elektronik ve Haberleşme Mühendisliği Bölümü, 2012.
[8] GÜLLÜPINAR, İsmail. Hareketli Nesne Takibi ve Lazer İle İmha. Trabzon : s.n., 2014.
[9] Object Detection and Tracking For Real Time Field Survelliance Application. TÜRKAY,
Mustafa. 2017, UNIVERSITY OF TURKISH AERONAUTICAL ASSOCIATION.
[10] Sayısal Görüntü İşleme ve Farklı Alanlardaki Uygulamaları. G. Samtaş, M. Gülesin.

2011, Electronic Journal of Vocational Colleges, s. 85-97.
E-ISBN: 978-605-68882-5-0 313

[11] Image processing, analysis, and machine vision. M. Sonka, V. Hlavac, R. Boyle. 2014,
Cengage Learning.Pişkin, Mesut. Opencv Nedir. Mesut Pişkin Blog. [Çevrimiçi] 27 05 2016.
[Alıntı Tarihi: 24 05 2018.] http://mesutpiskin.com/blog/opencv-nedir.html.
[12] Görüntü İşlemede Yeni Bir Soluk; OPENCV. Erişti, E. 2010, Akademik Bilişim.
[13] A Camera Calibration Technique Based On OpenCV. Wang, Y.M., Li Y., Zheng, J.B.
China : s.n., 2010, Information Sciences and Interaction Science (ISIS), s. 403-406.
[14] Erişti, Ezgi. Görüntü İşlemede Yeni Bir Soluk, OpenCV. İstanbul: İstanbul Ticaret
Üniversitesi, 2010.
[15] Rs-485. Türksan. [Çevrimiçi] 25 10 2008. [Alıntı Tarihi: 25 05 2018.]

http://www.turksan.com/rs-232-rs-485.html.
[16] RS 232 Seri İletim Portu Hakkında Bilgiler. 320Volt. [Çevrimiçi] 29 04 2017. [Alıntı
Tarihi: 25 05 2018.] http://320volt.com/rs232-seri-iletisim-portu-hakkinda-bilgiler/.
[17] RS232-RS485 Nasıl ÇAlışır. Teknik Trend. [Çevrimiçi] 4 11 2012. [Alıntı Tarihi: 25
05 2018.] https://www.tekniktrend.com/rs232-rs485-nasil-calisir/.
[18] What are the Pin outs of the 9 pin D connector for my RS232 or RS422/485 port. Brain
Boxes. [Çevrimiçi] [Alıntı Tarihi: 26 05 2018.] http://www.brainboxes.com/faq/items/what-
are-the-pin-outs-of-the-9-pin-d-connector-for-my-rs232-or-r.
[19] Yılmaz, S. goruntü isleme amaciyla optik algilayici kamera seciminde onemli faktorler.
İnfodif. [Çevrimiçi] İnfodif, 24 06 2009. [Alıntı Tarihi: 26 05 2018.]
http://infodif.com/blog/goruntu-isleme-amaciyla-optik-algilayici-kamera-seciminde-onemli-
faktorler/.
[20] A survey on moving object tracking using image processing. Balaji S.R., KarthikeyanS.
2017, ISCo, IEEE, s. 469-474.
[21] Towards fluoroscopic respiratory gating for lung tumours without radiopaque markers.
Berbeco, R. I., Mostafavi, H., Sharp, G. C. and Jiang, S. B. 2005, Phys Med. Biol.
[22] HSV Renk Uzayı. Türkçe Bilgi. [Çevrimiçi] [Alıntı Tarihi: 28 05 2018.]
https://www.turkcebilgi.com/hsv_renk_uzayı.
[23] Delibaşoğlu, İbrahim. HSV Renk Uzayı. [Çevrimiçi] 6 11 2016. [Alıntı Tarihi: 28 05
2018.] http://ibrahimdelibasoglu.blogspot.com/2016/11/hsv-renk-uzay.html.
E-ISBN: 978-605-68882-5-0 314

[24] cvtColor. OpenCV Library. [Çevrimiçi] 2014. [Alıntı Tarihi: 27 05 2018.]
https://docs.opencv.org/2.4/modules/imgproc/doc/miscellaneous_transformations.html#cvtcol
or.
[25] Modüller. Opencv Lİbrary. [Çevrimiçi] [Alıntı Tarihi: 27 05 2018.]

https://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#inrange.
[26] Modüller. Opencv Library. [Çevrimiçi] [Alıntı Tarihi: 27 05 2018.]

https://docs.opencv.org/2.4/modules/imgproc/doc/filtering.html#erode.
[27] Şahin, Suhap. Canny. Embedded. [Çevrimiçi] Kocaeli Universitesi, 16 03 2018. [Alıntı
Tarihi: 28 05 2018.] http://embedded.kocaeli.edu.tr/canny/.
[28] FindContours. Opencv Library. [Çevrimiçi] [Alıntı Tarihi: 28 05 2018.]

https://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.
html#findcontours.
[29] Rapid object detection using a boosted cascade of simple Features. P. Viola, M. Jones.
2001, Proceedings of the 2001 IEEE Computer, s. 511-518.
[30] ÖZÜNTÜRK, Eda. OPTİK AKIŞ İLE HAREKET TESPİTİ. İstanbul : Yıldız teknik
üniversitesi, 2007.
[31] Object Tracking: A Survey. Yilmaz, A., Javed, O., and Shah, M. 2006, ACM Comput.
Surv.
E-ISBN: 978-605-68882-5-0 315

Paralel Tip Delta Robot Manipülatörünün Tasarlanması
E Tanyıldızı 1,O Yıldırım1
etanyidizi@gmail.com, okanyildirim.64@gmail.com
1
Firat University, TURKEY
Özet
Gelişen günümüz endüstrisinde, robotik teknolojileri hızlı bir gelişim göstermektedir. Seri
robotlardan daha hızlı ve daha dayanıklı olan paralel robotlar, endüstri çalışmalarında daha çok
tercih edilmektedir. Paralel robotların bazı eklem noktaları bağımsız olarak kontrol edilirken,
seri robotlarda her birleşme yerlerinde hareket oluşturması için servo motorlar kullanılmaktadır.
Eklem yerlerinde bulunan kontrol araçları genellikle kablolu bağlantılara ihtiyaç duymasından
dolayı, arıza olasılığını artırır ve manipülatörün hızı üzerinde olumsuz bir etkiye sahiptir. Delta
robotun diğer robot kollara kıyasla hız, hassasiyet gibi büyük avantajları bulunmaktadır.
Yapılan bu çalışmada, endüstrinin bir gereği haline gelen paralel tip Delta robotun tasarımı
gerçekleştirilmektedir. Delta robot tasarımı için SolidWorks çizim programı kullanılmıştır.
Robot kolun uzanabileceği maksimum istenen çalışma alanı için tasarım esnasında delta
robotun mekaniksel aksamları dikkate alınmıştır. Bu çalışmada, yapılan sistemin belirlenen
hedef doğrultusunda ihtiyaçları karşılayarak endüstriye faydalı olacağı düşünülmektedir. Bu
durumda, toplama, sınıflandırma, paketleme, sıralama, gruplandırma gibi sistemlerde
kullanılabilecek bir delta robot tasarlanmıştır.
Anahtar Kelimeler: Delta Robot, Paralel Robotlar, Solidworks, Servo Motor.
Determining Product Positions Using Image Processing

Abstract
In today's industry, robotic technologies are developing rapidly. Parallel robots, which are faster
and more durable than serial robots, are more preferred in industry. Some joints of parallel
robots are controlled independently while servo motors are used in series robots to create
motion at each joint. The control means at the joint locations often increase the likelihood of
malfunction due to the need for wired connections and have a negative effect on the speed of
the manipulator. Delta robot has great advantages such as speed and precision compared to
other robotic arms.
E-ISBN: 978-605-68882-5-0 316

In this study, the design of the parallel type Delta robot which is a requirement of the industry
is realized. SolidWorks drawing program was used during delta robot design. Mechanical
design of the delta robot has been taken into consideration during the design for the maximum
desired working area where the robot arm can extend. In this study, it is thought that the system
will be beneficial for the industry by meeting the needs in line with the determined target. In
this case, a delta robot is designed which can be used in systems such as collection,
classification, packaging, sorting, grouping.
Keywords: Delta Robot, Parallel Robot, SolidWorks, Servo Motor.
1. Giriş
Robotlar birçok endüstride önemli bir parça olmayı başarmıştır. İnsanların yerine getirmesi
gereken tekrarlı görevlerin yapılması için programlama ve donanımların birleşimiyle minimum
hata ile robotlar bu işlemleri gerçekleştirmektedir. Seçme, yerleştirme, kaynak ve CNC
operasyonlarında çoğunlukla robotlar kullanılmaktadır. Farklı görevler için tasarlanmış birçok
farklı robot türü vardır.
Uzayda katı bir cisim, çevrim veya dönme hareketinde çeşitli şekillerde hareket edebilir.
Bunlara serbestlik derecesi (DOF) denir. Son efektörün pozisyonu ve oryantasyonu,
genelleştirilmiş koordinatlar ile açıklanabilir. Mekanik bir sistem aracılığıyla uç etkileyicinin
koordinatını birkaç serbestlik derecesi ile kontrol etmek mümkün olduğunda, bu sistem robot
olarak adlandırılmaktadır [1].
Delta robotu, 1980'lerin başlarında, Profesör Reymond Clavel tarafından hafif ve küçük
nesnelerin çok yüksek hızlarda manipülasyonu için yürütülen bir araştırma ekibi tarafından icat
edilmiştir. Delta robot, geçtiğimiz birkaç on yılda çeşitli dönüşümlere uğramıştır ve endüstriyel
seçim ve yer uygulamaları için en verimli çözümlerden biridir.
Delta’nın platformuna seri veya paralel bir bilek takılmaktadır. Bununla birlikte, robotun
platformunda ki bir bileği sabitlemek için, düşük hareketli bir kütleye ihtiyaç vardır. Dolayısıyla
düşük atalete sahip oluşan bu mekanizma paralel bir robotun avantajını kısmen yok eder. Bu
nedenle, makine yatağını robota göre yönlendirmek daha uygundur. US 20110259138 Al, delta
robotta kullanılan özel tip bilyeli mafsal için bir patenttir. Bilyeli mafsallar kollar ile sürgü
arasında kullanılan ve sürtünmeyi minimuma indirgemeyen bir yöntem sağlamaktadır [2].
E-ISBN: 978-605-68882-5-0 317

Paralel robotun ilk konseptinin tasarımında hafif bir dezavantajı, konumlandırma yapısının
platformun hareketi sırasında yönünü değiştirmesidir. Başka bir deyişle, tutucunun
oryantasyonu pozisyonuna bağladır. Bu sorun, platformun tabanına göre yönünü koruyan bir
konumlandırma yapısı öneren Reymond Clavel tarafından ortaya atılmış bir çözümdür. Bu
kavram patentlidir ve “uzamsal paralelkenar” olarak adlandırılmıştır. R. Clavel, delta robotunun
temel yapısı ve işleyişini hakkında araştırma ve çalışmalar yapmıştır [3]. Son zamanlarda,
üzerinde çalışılan tüm delta robot tasarımları yeni bir konsept olan R Claver’in tasarımını örnek
almaktadır. Oluşturulan 3 serbestlik derecesine sahip bu robot küresel mekanizmalara göre
çeşitli avantajlar sunmaktadır. Çünkü bir kinematik zincirin tüm eklemleri bir düzlemde
bulunur. Bu nedenle bağlantı elemanlarının üretilmesi kolaydır ve hareket sırasında daha az
bağlantı karışması meydana gelir.
André Olsson, delta robotu hız, ivme ve dinamik yönleri ile inceleyerek, delta robot için ileri
ve ters kinematik modelleri oluşturmuştur [4]. Alain Codourey, delta robot için hız ve ivme
kinematik modelini oluşturmuştur [5]. M Lopez, E Castillo, G Garcia ve A Bashir, Delta robotu
için ters, doğrudan ve Jacobian matrislerini formüle etmişlerdir [6]. A.Codourey ve E. Burdet
delta robotun dinamik denkleminin lineer bir formunu bulmak için gövde yönelimli yöntemi
kullanılmayı amaçlamıştır [7] Pradya Prempraneerach, delta robotun üretimde ki çalışma
alanının arkasında yer alan konsept üzerinde çalışma yapmıştır [8].
Delta robot tasarımı için kullanılabilecek en uygun kinematik yapıları bulmak için bir çalışma
yürütülmüştür. Bir mekanizma, gövdeye bağlı bileşenlerinden biri ile kinematik olarak bir bağ
kurmaktadır. Bir kinematik bağ, bitişik bağlantılar arasındaki eklemlerle birleştirilmiş bir dizi
bağlantıdan oluşmaktadır. Sistem de yer alan eklemlerin sayısı ve aralarındaki bağlantılar
geometrik detaylar göz ardı edilerek tanımlanmıştır. Bu tür bağlantılar yardımıyla robot ve
mekanizması arasında 5 serbestlik dereceli olan mimariler üretilir [9].
2. Delta Robot
Delta robot, Profesör Raymond Clavel tarafından tasarlanan, çok yüksek hızlı alma, yerleştirme
ve yer değiştirme işlemlerini gerçekleştiren, paralel bir 3 eksenli robottur. Delta robotun temel
avantajları paralel robot ile uyumludur. Delta robotun temel yapısı Şekil 1 de gösterilmektedir.
Delta paralel robot tasarımının ardındaki temel fikir paralel kenarların kullanımıdır. Bir paralel
kenar, bir eklem bağlantısının, bir giriş bağlantısına göre sabit bir doğrultuda kalmasına izin
verir. Bu tür üç paralelkenarın kullanımı, mobil platformun oryantasyonunu tamamen kısıtlar
ve sadece üç serbest derecesine sahip bir yapı meydana gelmiş olur [10].
E-ISBN: 978-605-68882-5-0 318

Şekil 14 Delta Robot Dizaynı [11]
Delta robot iki platformdan oluşmaktadır. Bunlar; üzerine monte edilmiş üç adet motoru tutan
1 numaralı platform ve son tutucu parçanın sabitlendiği 8 numaralı platformdur. İki platform
parallel kenarlarla üç koldan bağlanmaktadır. Paralelkenar kollar alt platformun yönünü,
çalışma yüzeyine paralel olacak şekilde kısıtlar. Motorlar kolların pozisyonunu ve bu sayede
son tutucunun XYZ pozisyonunu, efektöre bağlı olan 11 numaralı dördüncü motor ise uç
efektörün dönmesini sağlar.
3. Delta Robot için Kinematik Modelleme
Robot kinematiği, robotların yapıları itibari ile birden fazla serbestlik dereceli hareketlerini
analiz etmeyi içermektedir. Robot genellikle, tahrik birimleri olan bağlantılar ve eklemlerin
uzuvlar yardımıyla birleşimiyle meydana gelen katı cisimlerden oluşur. Temel olarak kinematik
model ile bağlantıların konumu, hızı ve ivme arasındaki ilişkiyi içermektedir. Kinematik, robot
sistemlerinin hareket edip ve buna neden olan kuvvetleri dikkate almaktadır. Bir başka deyişle,
tahrik edilen kolların açılarına göre platformun hareket ederek yer değiştirmesini veya
platformun belirli bir noktada yer almasını sağlayacak açılarının belirlenmesidir. Robot
Kinematiği, ileri kinematik ve ters kinematik olmak üzere ikiye ayrılmaktadır. Robot
kinematiği, robotun çalışma alanını belirlemek için kullanılmaktadır [12].
E-ISBN: 978-605-68882-5-0 319

3.1. İleri Yön kinematiği
Bir robot ana çerçevesinden araç çerçevesine doğru birbirine prizmatik veya döner eklemlerle
bağlanmış seri uzuvlardan oluşmaktadır. İki uzuv arasındaki ilişki bir homojen dönüşüm
matrisiyle açıklanmaktadır. Eklem dönüşüm matrislerinin ard arda çarpılmasıyla ana çerçeve
ile araç çerçeve arasındaki ilişki tanımlanır. Bu ilişki manipülatörün araç çerçevesinin
konumunu ve yönelimini ana çerçeveye göre belirtilir [13]. Kısaca ileri yön kinematiği eklem
değişkenleri ile uç işlevcisinin konumu ve yönelimini ana çerçeveye göre hesaplama
yapılmaktadır.
Kinematik kavramı robot biliminin temelini oluşturmaktadır. Robot kol kinematik

hesaplamasında temel iki yol izlenmektedir. Birinci yol, en alttaki kütleyi oluşturan sabit
ağırlıktan başlayarak en uç noktaya ulaşmayı hedeflemektir. Bu yönteme ileri kinematik
hesaplamalar yöntemi denilir. Yöntemde sabit ağırlıktaki kütle referans kabul edilerek en uçtaki
parçanın koordinatlarının hesaplama işlemidir. Bu hesaplama işleminde uzuvların uzunlukları
ve aralarındaki açılardan yararlanılır.
3.2. Ters Yon Kinematiği
Robotun uç işlevcisinin ana çerçeveye göre konumu ve yönelimi verildiğinde manipülatörün

bu konuma ve yönelime gelebilmesi için gerekli eklem değişkenlerinin bulunmasıdır. Başka bir
değişle de uç işlevcisinin konum ve yönelimini kartezyen koordinat sisteminden eklem
koordinat sistemine dönüştürme işlemi olarak da tanımlanmaktadır. İkinci yol ise en uç
noktadan başlayarak en alttaki sabit kütleye ulaşmayı hedefler. Bu yönteme ise ters kinematik
hesaplamaları denilir [13]. Bu yöntemde ise uç noktasının belirli koordinat değerlerinden yola
çıkarak en alttaki sabit kütle değerine kadar olan eksenlere ait açıların hesaplanması işlemidir.
3.3. Delta Robotlar İçin Kinematik Kısıtlamalar
Bir delta robotunun fiziksel kurulumu için, birkaç bilyeli rulman mafsalı ve kuvvet eklemi
gerekmektedir. Robotların maksimum dönüş açılarında bilyeli eklemlerin hareket alanı
sınırlıdır ve robot yapısında ki mevcut mekanik kısıtlamalar nedeniyle, kıvrımlı bağlantıların
360 derece hareket aralığının tamamında hareket etmesine izin verilmez.
Döner eklemler, negatif dönüş yönlerinde sınırlıdır ve rotasyonun sınırlı olduğu açı, robot
tabanının fiziksel kurulumuna bağlı olarak robottan robota değişim göstermektedir. Bu
tasarımda, döner eklemler delta robotunun her kolunda negatif yönde maksimum 60 dereceyle
sınırlandırılmıştır.
E-ISBN: 978-605-68882-5-0 320

Delta robotlar genellikle on iki adet dana gözü mafsal rulman eklemi ile donatılır ve her bir
bilyeli mafsal maksimum dönüş açısı aralığı içinde sınırlandırılır. Bu da robot kollarının
maksimum hareket genişliğini ve ayrıca robot sisteminin bir bütün olarak maksimum erişimini
sınırlamaktadır. Her bir bilyeli mafsal, sadece belirtilen maksimum pivot açısı aralığında
serbestçe hareket edecek şekilde sınırlandırılmıştır. Böylece, önkollar yana doğru sallanırken,
önkolun uç noktasının ulaşabileceği maksimum mesafe kısıtlanır ve bu da robotun çalışma
hacmini kısıtlamaktadır.
4. Çalışma Alanı Analizi
Robotun çalışma hacmi, robotun kinematik parametreleri kullanılarak meydana getirilmiştir.

Tekrarlanan işlemler sırasıyla uygulanarak istenen çalışma alanı oluşturulur ve son kinematik
parametreler belirlenir. Çalışma alanını etkileyen başlıca kinematik parametreler, önkol
uzunluğu, paralel kol uzunlukları, taban platformu ve uç efektör platform kenarlarının
uzunluklarıdır. Çalışma alanını etkileyen bir diğer faktörler, bilyeli mafsal açıları ve motorun
devir aktarım organlarında ki mekanik kısıtlamalardır.
Şekil 15 Delta Robot çalışma alanı [14].
Delta robotun tasarımında yer alan FJ kolu sadece YZ düzleminde hareket edebilir ve merkezi
F noktası olacak şekilde yarıçapı rf olan bir daire oluşturur. J eklem noktasından bağlı olan JE
kolu üniversal eklem olarak isimlendirilir. EJ kolu serbest olarak salınım yaptığında merkezi E
noktası olan bir daire oluşturur. Bu dairenin yarıçapı da EJ kolunun uzunluğudur. J mafsal
noktası, merkezleri E ve F olan dairenin kesişim noktasıdır. Eğer J mafsal noktası biliniyorsa,
 açısı bulunabilir [13].
E-ISBN: 978-605-68882-5-0 321

Şekil 16 Delta Robot çalışma alanı (YZ koordinattan görünümü) [14].
5. Delta Robot Tasarımı
Mekanik tasarım; sabitleme platformu, efektör platformu, ön kol ve paralel kol tertibatı gibi
sistem içindeki çeşitli montaj elemanlarının ve mekanizmaların tasarımını içermektedir.
Çalışma için tasarlanmış delta robotun genel görünümü Şekil 4 de gösterilmektedir.
Şekil 17 Delta Robot SolidWorks tasarımı
Delta robotun temel yapısı mekanik ve motor ekipmanlarından oluşmaktadır:
• Taban plakası - motor ve dişli mekanizmasını tutar ve bir destek görevi görmektedir.
• Pazı Kolu - motorun hareketini dana gözü bilyeli mafsallar üzerinden dirseğe aktarır.
• Önkol – efektör plakasını tutar ve istenen pozisyonda konumlandırır.
E-ISBN: 978-605-68882-5-0 322

• Efektör Plakası – Ürünü tutmasını sağlayan tutucunun sabitlendiği plakadır.
Delta robot için motor montaj plakası Şekil 5’te göstermektedir. Motoru tutan plaka, sistemin
kinematiğini ve dolayısıyla konumlandırma doğruluğunu etkilemeyecek şekilde mükemmel
dikey olmalıdır.
Şekil 18 Montaj plakası
Motor grubu montaj plakası üzerine monte edilmiştir. Motor grubu, dişli kutusu motorunun ve
flanşın basit bir montajından oluşmaktadır. Flanş ve dişli mekanizması robotun ölçülerine göre
tasarlanmıştır. Dişli mekanizması motor miline bağlanmış ve motor da montaj plakasına
bağlantısı gerçekleştirilmiştir. Delta robotunun pazı kolu montajı mil ve dana gözü rulman
grubundan oluşur. Önkolun döneceği eklem noktası pazı kolu tarafına monte edilen yatak
düzeneği ve bilyeli rulmanı içermektedir. Delta robot için pazı kolu montajı Şekil 6'da
gösterilmiştir.
Şekil 19 Pazı Kolu
Seçilen yatak için hesaplanan katalog yükü, rulmanın gerçek katalog yükünün çok altındadır ve
bu değer 6.000 N'dur. Bu nedenle, seçilen yatak standart çalışma koşullarında 30.000 saat
boyunca sorunsuz şekilde çalışabilir. Pazı kolu için, çeşitli yük analiz hesaplamaları yapıldıktan
E-ISBN: 978-605-68882-5-0 323

sonra bu hesaplamaya göre kolun mil boyutu bulunur. Pazı kolu üzerine etkiyen yükler, motor
torkunun ve hareketli kütlenin yüksek ivmelenmelerinden dolayı artış göstermektedir. En
büyük deformasyon ve en kötü durum koşullarında meydana gelen maksimum gerilim, izin
verilen deformasyon ve nihai gerilme kuvvetinin oldukça altındadır.
Şekil 20 ÖnKol düzeneği
Önkol düzeneği, borunun her iki tarafındaki alüminyum kafaları olan karbon fiber tüpten
oluşur. Alüminyum kafaların eklem bölgelerine uygunluğu bulunmaktadır. Eklemlerde, çok
düşük sürtünme katsayısına sahip olmak için yağlamalı sisteme uygun bir mekanizma
geliştirilmiştir. Bu iki özellik, dana gözü bilyeli eklem uygulaması için uygun ortam
oluşturmaktadır. Önkol tertibatı, Şekil 7'de gösterilmektedir.
Önkollar, ön kolun alt kısmından, üst tarafına, iki yay ile bir arada tutturulur. Kümülatif yay
kuvveti, hareket sırasında önkolları tutmak için yeterli olmaktadır. Önkollar çok yüksek hızda
hareket eder. Bu nedenle hareket sırasında atalet kuvveti çok yüksektir. Dolayısıyla meydana
gelen kuvvet sadece iki yay tarafından paylaşıldığı kabul edilir.
Yay, 62,5 N'lik bir kuvvet sağlayabilecek şekilde seçilir. İzin verilen maksimum sapma 13,5
mm'dir. Bu nedenle, yay toplam 78 N kuvvet sağlayabilir. Bu durumda, gereken maksimum
sapma sadece 10 mm'dir. Stres analizi sonuçları, deformasyon ve stresin sınırlar içinde
olduğunu göstermektedir.
6. Sonuç
Bu çalışmada, 1 kg'lık yük taşıma kapasitesine sahip bir Delta robotu tasarlanmıştır. Tasarlanan
robot ile 1.130 mm daire çapına sahip bir alan ve dakikada 120 çevrim oranı elde edilebilecektir.
Delta robotun kinematiği ve dinamiği üzerine yeni bir model geliştirilmiştir. Çalışma alanı ve
döngü süresi gereksinimlerini karşılamak için kinematik ve dinamik analizler yapılmıştır.
E-ISBN: 978-605-68882-5-0 324

Delta robotun kinematik ve dinamik tasarımı istenilen iş hacmi, hız ve doğruluk için
tamamlanmıştır. Projenin elektriksel aksamı; kontrol ünitesinin tasarımını ve programlanmasını
içermektedir. Kontrol ünitesi, sektör tarafından sağlanan uygun bir PLC ve hareket grubu tercih
edilmiştir. Delta robot için elektrik aksamı, servo sürücü kontrollerini, servo motorlarını ve
elektrik aksamını senkronize bir şekilde çalıştırmak için geliştirilen algoritma sistemini içerir.
Bir sonraki çalışmada, kameradan tespit edilen ürünlerin konumları delta robota aktarılarak
oluşturulan algoritma ile kinematik hesaplamalar sayesinde o konuma hareket etmesi
amaçlanmaktadır.
E-ISBN: 978-605-68882-5-0 325

Kaynaklar
[1] P. Parallel Robots. Merlet, J. s.l. : Springer Academic, 2006.

[2] Christian Hombach, Felix Böttcher. Delta robot having special arrangement of theball joints.
[3] Delta, a fast robot with parallel geometry. Clavel, R. s.l. : 18th International Symposiumon Industrial
Robots, 1988.
Modeling and control of a Delta-3 robot. Olsson, André. s.l. : Department of AutomaticControl, Lund
University, 2009.
[4] Dynamic modelling and mass matrix evaluation of the delta parallelrobot for axes decoupling control.
Codourey, A. s.l. : In International Conference on Intelligent Robots andSystems, 1996.
[5] Delta robot: inverse, direct, and intermediate Jacobians. Lopez, M. 2005 : s.n.
[6] A Body-oriented Method for Finding a Linear Form ofDynamic Equation of Fully Parallel Robots. A.
Codourey, E. Burdet.
[7] Workspace and Dynamic Trajectory Tracking of DeltaParallel Robot. Prempraneerach, Pradya. s.l. :
International Computer Science and Engineering Conference, 2014.
[8] Zhang, D. Architectures of Parallel Robotic Machine. Parallel Robotic Machine Tools. s.l. : Springer
Science+Business Media, 2010.
[9] Delta, a fast robot with parallel geometry. Clavel, Raymond. s.l. : 18th International Symposium on
Industrial Robots , 1988.
[10] The Delta Parallel Robot: Kinematics Solutions. Williams, Robert L. Ohio : Ohio University, 2016.
[11] D2 Delta Robot Structural Design and Kinematics Analysis. Yang, Xudong. s.l. : IOP Conf. Series:
Materials Science and Engineering , 2017.
[12] Delta Robots- Robots For High Speed Manipulation. Poppeová, Viera. s.l. : Technical Gazette 18,
2011.
[13] İki boyutta çizim yapabilen delta robotun tasarımı ve gerçeklenmesi. Ekşi, Osman Tahir. Malatya :
Otomatik Kontrol Ulusal Toplantısı, 2013.
E-ISBN: 978-605-68882-5-0 326

Süper Piksel için Phantom Görüntüler Üzerinde Bir Bölütleme
Başarım Incelemesi
Çağlar Kılıkçıer1*, Ersen Yılmaz1
caglark@uludag.edu.tr*, ersen@uludag.edu.tr
1
Bursa Uludag University, Electrical and Electronics Engineering Department, TURKEY.
Özet
Görüntülerin giriş olarak kullanıldığı karar destek sistemlerinde ön işlem adımı olarak
bölütlemeden faydalanılmaktadır. Bölütleme ile ilgi duyulan bölgelere ait sınırlarının tespiti
yapılmaktadır. Bölütleme yönteminin başarımının sistem başarımı üzerindeki etkisi oldukça
yüksektir. Bu nedenle uygun bölütleme yönteminin belirlenmesi önemli bir aşamadır. Bu
çalışmada süper pikselin bölütleme başarımı incelenmiştir. Bu amaç için sayısal phantom
görüntülerden faydalanılmıştır. Farklı gürültü tipleri için süper pikselin phantom görüntüler
üzerindeki başarım sonuçları detaylı bir biçimde sunulmuştur. Yapılan deneyler sonucunda
süper pikselin bölütleme işlemlerinde başarılı sonuçlar verdiği ve görüntü temelli karar destek
sistemlerinde ön işlem adımı olarak kullanılabileceği görülmüştür.
Anahtar Kelimeler: Görüntü İşleme, OpenCV, Nesne Tespiti
A Segmentation Performance Analysis for Super Pixel on

Phantom Images
Abstract
Segmentation is utilized as a pre-processing step in Decision Support Systems (DDS) which

uses images as inputs. Boundaries of the region of interests are found by segmentation. The
system performance heavily relies on the segmentation performance. Therefore, determination
of the appropriate segmentation method is an important stage. In this study, the segmentation
performance of super pixel is examined. For this purpose, digital phantom images are used. The
detailed performance analysis for the super pixel is presented on phantom images with different
noise types. Based on the experiments it can be seen that super pixel has successful results on
segmentation and it can be used as a pre-processing step in image-based DDS.
E-ISBN: 978-605-68882-5-0 327

Keywords: Image Processing, OpenCV, Object Detection
1. Giriş
Günümüzde nesne tespitinden bilgisayarlı görüye, tıbbi görüntülemeden üç boyutlu

bölütlemeye kadar pek çok alanda süper piksel metotları ön işlem olarak kullanılmaktadır [1–
4]. Farklı uygulama alanları için önerilmiş çok sayıda süper piksel algoritması bulunmaktadır.
Bu algoritmalarda kullanılan metotlar birbirlerinden çok farklı olabilmektedir. Genel olarak
süper piksellerden beklenen özellikler; görüntüdeki sınırları koruyabilecek şekilde pikselleri
anlamlı gruplara ayırabilmeleri ve gruplama işlemini kontrol edilebilecek parametrelere sahip
olmalarıdır. Bahsedilen bu özellikleri sağlayan çok sayıda metot bulunmaktadır. Hangi
metodun daha iyi ve kullanışlı olduğunu belirlemek için literatürde farklı süper piksel
metotlarını kıyaslayan çalışmalar yapılmaktadır [1,5]. Son yıllarda gürültünün süper piksel
performansı üzerine etkisini inceleyen çalışmalara ilgi artmıştır [6,7].
Kullanım amaçlarına göre hızlıca sonuca ulaşılmak istenildiği durumlarda öbekleme

yöntemlerinden faydalanan süper pikseller kullanılırken sınırların çıkarılması önem
kazandığında çizge temelli yaklaşımlar tercih edilmektedir [8]. Gürültüye olan duyarlılığı
ölçmek için öbekleme tabanlı bir yöntem olan Basit Doğrusal Yinelemeli Öbekleme (BDYÖ)
[9] seçilmiştir. Diğer süper piksel metotlarında, parametrelerin seçimi için bir optimizasyona
ihtiyaç duyulabilirken, BDYÖ metodunda istenilen süper piksel sayısının verilmesi yeterlidir.
Gürültülü imgelerin oluşturulması için phantom görüntülerden faydalanılmıştır. Oluşturulan
phantom görüntülerinin üzerine gürültü eklenerek, farklı gürültü tipleri için süper pikselin
başarım sonuçları incelenmiştir.
2. Phantom görüntüler
Phantom görüntüler, üç boyutlu görüntüler kullanılarak cihaz ve sistemlerin test ve

kalibrasyonunda kullanılmaktadır. Sistemlerin test edilmesi amacıyla istenilen durumlara ve
niteliklere ait özellikleri bulunan sayısal phantom görüntüleri oluşturulabilmektedir. Bu
çalışmada süper pikselleri test etmek için Şekil 1’de verilen 256x256x256 boyutunda üç boyutlu
bir görüntü oluşturulmuştur. Süper pikseller 256x256 boyutunda 256 adet iki boyutlu görüntü
üzerine gürültü ekleyerek incelenmiştir. Şekil 2’de 3B görüntüden alınmış 2B görüntülere
örnek verilmiştir.
E-ISBN: 978-605-68882-5-0 328

Şekil 1. Sayısal olarak oluşturulmuş bir 3B Şekil 2. 3B Phantom görüntüye ait bir 2B
phantom görüntü (Transfer fonksiyonu ile dilim
görselliği arttırılmış)
3. Basit Doğrusal Yinelemeli Öbekleme (BDYÖ )
Bu çalışmada süper piksel algoritması olarak kullanılan basit doğrusal yinelemeli öbekleme
metodu Achanta ve arkadaşları [9] tarafından önerilmiştir. Bu algoritmada kullanıcı tarafından
seçilebilen bir parametre bulunmaktadır. Bu parametre ile istenen süper piksel sayısı kontrol
edilebilmektedir. Normalde görüntüleri süper pikseller şeklinde gruplamak için öbekleme
algoritmasının girişinde LAB renk uzayından alınan veriler ve konum bilgisi kullanılmaktadır.
Fakat phantom görüntüleri gri seviyeli olduğu için öbekleme algoritmasının kullandığı veriler
gri seviyesi ve konum bilgisidir. Ayrıca öbekleme algoritması görüntünün tamamı yerine sınırlı
bir komşulukta çalıştırılarak işlem hızı arttırılmaktadır. Normalde k-ortalamalı öbekleme
algoritmalarının işlem yükü 𝑂(𝑘 𝑝𝑖𝑘𝑠𝑒𝑙_𝑠𝑎𝑦𝚤𝑠𝚤 ) iken kullanılan algoritmada sınırlı bir komşulukta
çalıştırılarak işlem yükü 𝑂(𝑝𝑖𝑘𝑠𝑒𝑙_𝑠𝑎𝑦𝚤𝑠𝚤) ile doğrusal bir artışla sınırlı kalmaktadır.
BDYÖ algoritmasında görüntü üzerinde birbirine eş uzaklıkta olacak şekilde istenen sayıda
piksel belirlenerek bunlar öbek merkezi olarak seçilirler. Bu merkezlerin 3 piksel yakınlığındaki
bölgeler minimum gradyanlı pikseller için taranır ve en küçük gradyana sahip pikseller
öbeklerin merkezleri olarak güncellenir. Süper piksel öbeklerinin merkezi 𝐶𝑘 = [𝐼𝑘 𝑥𝑘 𝑦𝑘 ] ile
ifade edilir, burada 𝐼𝑘 𝑘 numaralı öbek merkezinin gri seviye değerini, 𝑥𝑘 ve 𝑦𝑘 ise konum
bilgisini vermektedir. Eş uzaklık olan 𝑆 = √𝑁/𝑘 ile hesaplanır, burada 𝑁 görüntüdeki piksel
sayısı ve 𝑘 ise süper piksel sayısını kontrol eden parametredir. Öbeklere olan uzaklık 𝐷 ise (1)
denklemi ile hesaplanmaktadır.
2 2
𝑑𝑐 𝑑𝑠
𝐷 = √( ) + ( )
𝑚 𝑆
E-ISBN: 978-605-68882-5-0 329

2
𝑑𝐶 = √(𝐼𝑗 − 𝐼𝑖 ) (1)
2 2
𝑑𝑠 = √(𝑥𝑗 − 𝑥𝑖 ) + (𝑦𝑗 − 𝑦𝑖 )
Burada 𝑑𝑐 gri seviyenin mesafeye katkısını ve 𝑑𝑠 ise konumun mesafeye katkısını vermektedir.
𝑚 ise mesafe hesaplanırken önemin hangi mesafe bileşenine verileceğini belirler. 𝑚 sabit bir
sayı seçilebileceği gibi otomatik olarakta belirlenebilir [9].
Başlangıç aşamasında bütün piksellerin ait olduğu öbek bilgisi 0 ve uzaklık bilgisi sonsuz
olarak alınır. 𝐶𝑘 ’ların 2Sx2S komşuluklarındaki bütün pikseller için mesafe hesaplaması
yapılır, uzaklık bilgisi daha kısa hesaplanan piksellerin ait oldukları öbek merkezleri ve
mesafeler güncellenir. Güncelleme işleminin genellikle 10 kere yapılması yeterlidir. Her
iterasyon sırasında öbeklerin merkezi, o öbeği temsil eden piksellerin ortalamaları ile
güncellenir ve merkezlerinin değişimi belli bir eşiğin altına indiğinde algoritma durdurulur [8].
4. Deneyler
BDYÖ algoritmasında süper piksellerin çapının 16 piksel civarında olmasını sağlayacak 𝑘

değeri seçilmiştir.
Bölütleme başarımlarının incelenmesi amacıyla iki çeşit gürültü kullanılmıştır: Alacalı gürültü
ve tuz kara biber gürültüsü. Gürültüler farklı yoğunlukta veya değişintide seçilmiştir. Seçilen
parametreler için gürültülü bölütleme tekrarlı olarak gerçekleştirilmiştir. Sonuçlar alan hata
oranı (AHO) cinsinden verilmiştir. AHO hesaplamasına ait ifade denklem (2) ile verilmiştir.
𝐴𝐻𝑂 = 100 ∗ (𝐵𝐴 − 𝐾𝐴)/𝐸𝐵𝐴 (2)

Burada (EBA) görüntüde el ile bölütlenen alan, (BA) süper pikseller ile bölütlenen alan ve
(EBA)’nın birleşiminden oluşan alan, (KA) süper pikseller ile bölütlenen alan ve EBA’nın
keşişiminden oluşan alanı göstermektedir.
Yapılan deneylerde ilk olarak düzgün dağılıma sahip ve sıfır ortalamalı alacalı gürültü
görüntüye eklenmiştir. Gürültünün değişintisi için [0.001, … ,0.1] arasında değişen değerler
seçilmiş ve bu değerlere sahip gürültüler 10’ar kez oluşturularak benzetimler tekrarlanmıştır.
Şekil 3’te bu benzetimler sonucu elde edilen AHO yüzdeleri verilmiştir.
E-ISBN: 978-605-68882-5-0 330

Şekil 3. Alacalı gürültü için 10 tekrar sonucu AHO yüzdeleri
Daha sonra, seçilen diğer gürültü tipi olan tuz karabiber gürültüsü [0.001, … ,0.1] arasında
değişen yoğunluk değerlerinde görüntülere eklenmiştir. Benzetimler 10 tekrar için yapılmış ve
ilgili AHO yüzdeleri Şekil 4’te sunulmuştur.
Şekil 4. Tuz karabiber gürültüsü için 10 tekrar sonucu AHO yüzdeleri
5. Sonuçlar
Bu çalışmada yapılan deneyler sonucunda gürültünün süper piksellerin performansına olan

etkisi incelenmiştir. Alacalı gürültü ve tuz karabiber gürültüsü olmak üzere İki tip gürültü
modeli kullanılmıştır. Alacalı gürültü doğası gereği görüntü üzerinde belirli bir değişinti
aralığında ilgi duyulan alanların sınırlarında değişime yol açmamaktadır. Fakat değişinti
arttıkça sınırlar bozulmaya başlamaktadır. Değişinti değeri 0.01’den fazla olduğunda AHO’nın
hızlı bir şekilde arttığı gözlemlenmektedir. Değişinti değeri arttıkça hata oranındaki değişimin
E-ISBN: 978-605-68882-5-0 331

standart sapması da artmaktadır. Tuz karabiber gürültüsü eklenmiş görüntülerde ise düşük
yoğunluklarda bile süper piksellerin sınırlarının ayırt ediciliği azalmaktadır.
BDYÖ, alacalı gürültülere karşı gürbüz bir bölütleme yöntemidir ve detaylı bölütleme için ön
işlem olarak kullanılabilir. Tuz karabiber gürültüsünün var olduğu durumlarda ise görüntünün
bir süzgeçten geçirilerek kullanılması BDYÖ’nün bölütleme başarımını artırabilir.
Kaynaklar
[1] D. Stutz, A. Hermans, B. Leibe, Superpixels: An Evaluation of the State-of-the-Art, Comput.

Vis. Image Underst. (2017). doi:10.1016/j.cviu.2017.03.007.
[2] L. Zhang, H. Yang, W. Shi, Y. Miao, Q. Li, F. He, W. He, Y. Li, H. Zhang, K. Mori, Z. Jiang,
An improved method for pancreas segmentation using SLIC and interactive region merging, (2017)
101343H. doi:10.1117/12.2254366.
[3] B. Andres, U. Koethe, T. Kroeger, M. Helmstaedter, K.L. Briggman, W. Denk, F.A. Hamprecht,
3D segmentation of SBFSEM images of neuropil by a graphical model over supervoxel boundaries,
(2012). doi:10.1016/j.media.2011.11.004.
[4] G. Wu, W. Kang, Exploiting superpixel and hybrid hash for kernel-based visual tracking, Pattern
Recognit. 68 (2017) 175–190. doi:10.1016/j.patcog.2017.03.015.
[5] M. Wang, X. Liu, Y. Gao, X. Ma, N.Q. Soomro, Superpixel segmentation: A benchmark, Signal
Process. Image Commun. 56 (2017) 28–39. doi:10.1016/j.image.2017.04.007.
[6] B. Brekhna, A. Mahmood, Y. Zhou, C. Zhang, Robustness analysis of superpixel algorithms to

image blur, additive Gaussian noise, and impulse noise, J. Electron. Imaging. 26 (2017).
doi:10.1117/1.JEI.26.6.061604.
[7] L. Dong, J. Zhou, Noise-robust SLIC superpixel for natural images, Proc. - 2016 7th Int. Conf.
Cloud Comput. Big Data, CCBD 2016. (2017) 335–340. doi:10.1109/CCBD.2016.072.
[8] Ç. Kılıkçıer, E. Yılmaz, BT Görüntülerden Akciğerin Tespiti için Süper Piksel ve Yapay Sinir
Ağı Tabanlı Bir Yöntem, Erzincan Üniversitesi Fen Bilim. Enstitüsü Derg. 11 (2018) 223–230.
doi:10.18185/erzifbed.384268.
[9] R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua, S. Süsstrunk, S. Süsstrunk, SLIC superpixels
compared to state-of-the-art superpixel methods, IEEE Trans. Pattern Anal. Mach. Intell. 34 (2012)
2274–2281. doi:10.1109/TPAMI.2012.120
E-ISBN: 978-605-68882-5-0 332

Metal Sektörü için Bilgisayar Destekli Bir Hatalı Ürün Tespit
Sistemi
Raif Burak Bayram1*, Ersen Yılmaz2
burakb@baykal.com.tr*, ersen@uludag.edu.tr
1
Baykal Makine A.Ş., Bursa, TURKEY
2
Bursa Uludağ University, Electrical and Electronics Engineering Department , TURKEY
Özet
Hata tespitlerinin bilgisayar destekli sistemler aracılığı ile yapılması üretim hızını artırmakta
ve ürün maliyetini azaltmaktadır. Metal sektöründe özellikle sac kesim süreçlerinde hatalı ürün
tespiti genellikle operatörler aracılığı ile yapılmaktadır. Bu sektöre yönelik bilgisayar destekli
sistemler ile operatör kaynaklı hatalar azaltılabilmekte ve ürün kalite kontrolleri daha hassas
yapılabilmektedir. Bu çalışmada metal sektöründe ürün hatalarını otomatik olarak tespit eden
bir bilgisayar destekli sisteminin geliştirilmesi hedeflenmiştir. Sistemin görüntüleme kısmı bir
kamera ve bir aydınlatma ünitesinden oluşmaktadır. Ürün grubu olarak dairesel boşluklar içeren
kare sac levhalar seçilmiştir. Kameradan alınan görüntülerden dairelerle ilgili bilgiler görüntü
işleme yöntemleri kullanılarak çıkartılmıştır. Elde edilen bilgiler referans ürün bilgileri ile
karşılaştırılmış ve istenilen toleranslar içerisinde olup olmadığı kontrol edilmiştir. Yapılan
deneyler sonucunda önerilen sistemin metal sektöründe ürün hata tespit uygulamalarında
kullanılabileceği sonucuna varılmıştır.
Anahtar Kelimeler: Ürün Hata Tespiti, Görüntü İşleme, Metal Endüstrisi
A Computer Aided Product Defect Detection System For Metal

Industry
Abstract
Making defect detection through computer aided systems increases production speed and
reduces product cost. In the metal industry such as sheet metal processing, detection of the
product defect is usually performed by operators. With the help of the computer aided systems,
operator-induced errors can be reduced and product quality controls can be made more
precisely. In this study, it is aimed to develop a computer aided system which detects product
E-ISBN: 978-605-68882-5-0 333

defect automatically in the metal industry. The imaging part of the system consists of a camera
and a lighting unit. Square sheet plates with circular spaces are chosen as the product group.
From the images taken by the camera, information about the circles is extracted by using image
processing methods. The obtained information is compared with the reference product
information and checked whether it is within the desired tolerances. As a result of the
experiments, it is concluded that the proposed system can be used in product defect detection
applications in the metal industry.
Keywords: Product Defect Detection, İmage Processing, Metal İndustry
1. Giriş
Görüntü işleme robotik uygulamalardan biyomedikal uygulamalara kadar uzanan çok geniş bir
yelpazede teknolojinin gelişmesiyle birlikte giderek yaygınlaşmaktadır [1]. Literatürde ürün
kalite kontrolü ve sınıflandırılmasını amaçlayan görüntü işleme tabanlı çok sayıda çalışma
bulunmaktadır, ör. [2-7].
[2]’de mobilya parçalarında kalite kontrolü amacıyla toplamsal-fark yaklaşımı ile dairelerin
tespiti yapılmıştır. Önerilen yöntemin detaylı başarım incelemesi sunulmuştur.
Zirai alanda teknolojinin ve otomasyon sistemlerinin gelişmesi doğrultusunda bir sınıflandırma

sistemi tasarımı [3]’de sunulmuştur. İlgili sistem ile elma ve şeftali meyveleri için hızlı, pratik
ve kaliteli bir sınıflandırma işlemi yapıldığı gösterilmiştir.
Görüntü işleme ile elmalar üzerindeki leke, renk ve boyut tespitlerinin yapıldığı ve bu bilgiler
ile sınıflandırma işleminin gerçekleştirildiği bir çalışma [4]’de verilmiştir.
Market raflarındaki ürün yerlerinin tespit edilmesi için üç aşamalı bir yaklaşım [5]’de
önerilmiştir. İlk adımda Hough dönüşümü ile görüntülerdeki raf sınırları belirlenerek bölgelere
ayrılmış, ikinci adımda sıralı bir nesne tanıma yöntemi ile ürünlerin yerleri saptanmış ve son
olarak ürünlerin yerlerinin doğru olup olmadığı tespit edilmiştir.
[6]’da hareketli nesnelerin tespit edilmesi ve sayımı için bir yaklaşım önerilmiştir.
Görüntülerden morfolojik işlemler ile nesnelerin detayları bulunmuş, Gaussian karışım modeli
ile arka plan çıkarılmış ve nesneler tespit edilerek sayılmıştır. Üst üste binmiş ve bitişik
parçaların ayrımı dışbükey örtü ile yapılmıştır.
Ortalama tabanlı ve K-ortalamalı kümeleme yöntemleri kullanılarak fındıkların boyutlarına

göre sınıflandırılması [7]’de çalışılmıştır. Her iki yöntemin başarım karşılaştırılması yapılmıştır
E-ISBN: 978-605-68882-5-0 334

Parça doğruluğunun önem kazandığı metal sektöründe kalite kontrolüne büyük önem
verilmektedir. Üretim esnasında veya üretim sonrasında yapılan kalite kontrolü aracılığıyla
müşteri memnuniyeti artmakta ve üretim maliyeti düşmektedir [2].
Bu çalışmada nesne ve boyutlarının tespiti için dairesel Hough ve morfolojik işlemlere dayanan
iki farklı yaklaşım kullanılmıştır. Yaklaşımların başarımları karşılaştırmalı olarak
incelenmiştir. Referans ürün ile üretimden çıkmış ürünler arasında ölçüsel kıyaslamalar
yapılarak üretimden gelen parçaların uygunlukları kontrol edilmiştir. Çalışmada kullanılan
görüntüler 640x480 boyutlarına sahip olup, kullanılan yaklaşımlar Python dili ve Open CV
kütüphanesi ile geliştirilmiştir.
2. Kalite Kontrol Sistemleri
Görüntü işlemeye dayanan kalite kontrol sistemlerinin kullanımı teknolojinin ilerlemesiyle

birlikte hızla yaygınlaşmaktadır. Günümüzde pek çok endüstriyel alanda yüksek hızlı çözümler
sunan otomatik kalite kontrol sistemleri aktif olarak kullanılmaktadır. Otomatik kalite kontrol
sistemleri hız, maliyet ve hassasiyet bakımından önemli avantajlar sağlamaktadır. Otomatik
kalite kontrol sistemlerinin yaygınlaşmasında sayısal kamera sistemlerindeki teknolojik
gelişmelerin önemli bir payı vardır [8].
3. Materyal ve yöntem
3.1 Görüntü kümesi
Bu çalışmada kenar ölçüleri ve merkez noktaları aynı fakat üzerindeki delik çapları farklı 27
parça kullanılmıştır. 1mm’lik saç levha üzerinde delik çapları birbirinden farklı olarak
BAYKAL BLS NEO Lazer Kesim Ünitesi ile istenilen ölçülere uygun kesim işlemi
gerçekleştirilmiştir. Bu fark ölçüm toleransı içinde veya dışında olmak üzere; delik sayılarından
bir tanesi tolerans içinde veya dışında, iki tanesi tolerans içinde veya dışında, üç tanesi tolerans
içinde veya dışında ve dört tanesi tolerans içinde veya dışında olmak üzere çeşitlendirilmiştir.
Uygun ölçülerde kesilmiş bir parça örneği Şekil 1’de verilmiştir.
E-ISBN: 978-605-68882-5-0 335

Şekil 1. Uygun ölçülerde kesilmiş parça
3.2 Kamera
Bu çalışmada 350K CMOS görüntü sensörüne, f=3.0mm lense, USB 2.0 bağlantısına, 640x480
çerçeve oranına ve 55 derece görüş açısına sahip bir kamera kullanılmıştır. Deneylerde
kullanılan ürün görüntüleri 15fps – 640x480 biçiminde çekilmiştir.
3.3 Hough Dönüşümü
Hough dönüşümü matematiksel olarak ifade edilebilen şekillerin tespit edilmesinde kullanılan
başarılı bir yöntemdir [9-11]. Dairesel Hough dönüşümü ile görüntüler üzerinde yer alan
dairesel şekillerin merkez ve yarıçap değerleri, [a,b,R], iyi bilinen (1) – (3) denklemleri ile
belirlenebilir. Dairelerin yarıçap değerleri biliniyorsa koordinatlar için iki boyutlu matris
işlemleri yeterli olmaktadır [12].
E-ISBN: 978-605-68882-5-0 336

𝑅 2 = (𝑥 − 𝑎)2 + (𝑦 − 𝑏)2 (1)
𝑥 = 𝑎 + 𝑅𝑐𝑜𝑠(𝜃) (2)
𝑦 = 𝑏 + 𝑅𝑠𝑖𝑛(𝜃) (3)
3.4 Morfolojik İşlemler
Morfolojik işlemler geometrik hesaplamalara dayanmakta ve sayısal görüntüler üzerinde

yaygın bir biçimde kullanılmaktadır [13,14]. Morfolojik işlemler yapısal elemanlar ile
görüntüye uygulanmaktadır. Görüntüye eklenecek veya çıkartılacak kısım yapısal eleman
tarafından belirlenmektedir. Yapısal eleman kare, dikdörtgen, daire gibi çeşitli geometrik
şekillerde olabilmektedir. 3x3 boyutlarında iki farklı yapısal eleman örneği aşağıda verilmiştir
[15].
1 1 0 0 1 0
1 1 0 0 1 0
1 1 0 0 1 0
Şekil 2. Yapısal eleman örnekleri
3.4.1. Genişletme
Genişletme, temel olarak ikili görüntüdeki nesneleri büyütmek için kullanılan morfolojik işlem
çeşididir. Sayısal bir görüntüyü genişletmek görüntünün yapısal eleman ile kesiştiği noktalar
kadar büyümesi anlamına gelmektedir [14,16].
𝐴 ⊕ 𝐵 = {𝑧|(𝐵)𝑧 ∩ 𝐴 ≠ ∅}, 𝐴: 𝑔ö𝑟ü𝑛𝑡ü 𝑚𝑎𝑡𝑟𝑖𝑠𝑖, 𝐵: 𝑦𝑎𝑝𝚤𝑠𝑎𝑙 𝑒𝑙𝑒𝑚𝑎𝑛 (4)
Genişletme işlemi ile görüntü içerisindeki nesneler bir biriyle birleşir, nesne üzerindeki delik
gibi boşluklar dolar ve görsel bir büyüme gerçekleşir [17]. Şekil 3‘te tüm değerleri 1 olan 3x3
boyutlarında yapısal eleman ile yapılan genişletme işlemi verilmiştir.
E-ISBN: 978-605-68882-5-0 337

Şekil 3. Genişletme işlem
3.4.2. Aşındırma
Aşındırma, temel olarak ikili görüntüdeki nesneleri küçültmek için kullanılan morfolojik işlem
çeşididir [14, 16].
𝐴 ⊖ 𝐵 = {𝑧|(𝐵)𝑧 ⊆ 𝐴} 𝐴: 𝑔ö𝑟ü𝑛𝑡ü 𝑚𝑎𝑡𝑟𝑖𝑠𝑖, 𝐵: 𝑦𝑎𝑝𝚤𝑠𝑎𝑙 𝑒𝑙𝑒𝑚𝑎𝑛 (5)
Bu işlem sonucunda görüntü üzerindeki cisimler küçülür, deliklerde genişlemeler meydana

gelir ve bitişik olan nesnelerin bir biri arasındaki bağlaşımları kopabilir [17]. Şekil 4 ‘de tüm
değerleri 1 olan 3x3 boyutlarında yapısal eleman ile aşındırma işlemi verilmiştir.
Şekil 4. Aşındırma işlemi
4. Deneyler
Deneylerde kullanılacak görüntüler elde edilirken en iyi ışık ortamının (ışık kaynağı pozisyonu
ve şiddeti) seçimi yapılmıştır. Farklı ışık ortamlarındaki görüntüler Şekil 5’de verilmiştir.
E-ISBN: 978-605-68882-5-0 338

Şekil 5. Farklı ışık ortamlarındaki görüntüler
Seçilen en iyi ışık ortamında referans ürün ve kontrol edilecek ürünlere ait görüntüler üzerinde
delik sayısı belirlenmiş ve deliklerin piksel cinsinden değerleri ölçülmüştür. Ölçülen delik
çaplarının referans ürün üzerindeki delik çaplarının %10 tolerans payı içerisinde olup olmadığı
belirlenmiştir.
Şekil 6. Hatalı ve uygun ürünler
Deneylerde 6 adet tolerans içinde ve 21 adet tolerans dışında olmak üzere 27 adet parça
kullanılmıştır. Deney sonuçları her iki yöntem için aşağıdaki tabloda sunulmuştur.
E-ISBN: 978-605-68882-5-0 339

Tablo 1. Yöntemlerin başarım sonuçları
Ölçüm Durumu Ölçüm Durumu
Normal Hatalı Normal Hatalı

Gerçek Durum
Gerçek Durum
Normal 3 3 Normal 4 2
Hatalı 0 21 Hatalı 3 18
Başarı 89% Başarı 81%
Dairesel Hough Morfolojik işlemler
Yapılan deneyler sonucunda her iki yaklaşımında %80 üzerinde başarıma sahip olduğu
görülmüştür. Dairesel Hough ile %89 ve morfolojik işlemler ile %81 başarım oranı elde
edilmiştir.
5. Sonuçlar
Bu çalışmada görüntü işleme yöntemleri ile metal sektörüne yönelik üretilen ürünlerin kalite
kontrolünü hedefleyen bir örnek uygulama sunulmuştur. Dairesel Hough ve morfolojik işlemler
temelli iki farklı yaklaşımın başarım incelemesi yapılmıştır. Uygulama Python dili ve Open CV
kütüphanesi kullanılarak geliştirilmiştir. Deney sonuçları göz önüne alındığında dairesel Hough
ile daha başarılı sonuçların alındığı ve geliştirilecek görüntü işleme temelli kalite kontrol
sistemlerinde kullanılabileceği görülmüştür.
Kaynaklar
[1] Karakoç M 2016 Net Platformunda Umgu CV ve Aforge.net ile Görüntü İşleme Tekniklerinin
Uygulanması (İleri Teknoloji Bilimleri Dergisi) Cilt: 5 Sayı: 3
[2] Akbulut O, Güllü M K, Ertürk S 2011 Mobilya Parçalarında Daire Tespiti ve Analizi (Sinyal
İşleme ve İletişim Uygulamaları Konferansı (SIU)) 978-1-4577-0463-511 IEEE
[3] Sert E, Taşkın D, Suçsuz N 2010 Görüntü İşleme Teknikleri İle Şeftali ve Elma Sınıflandırma
(Trakya Üniversitesi Fen Bilimleri Enstitüsü Dergisi) Cilt:11 Sayı:2 82-88
E-ISBN: 978-605-68882-5-0 340

[4] Sofu M M, Er O, Kayacan M C, Çetişli B 2013 Elmaların Görüntü İşleme Yöntemi ile
Sınıflandırılması ve Leke Tespiti (Gıda Teknolojileri Elektronik Dergisi) Cilt: 8 Say: 1 12-25
[5] Varol G, Kuzu R S, Akgül Y S 2014 Rafta Ürün Diziliminin Görüntü İşleme ile Tespiti (Sinyal
İşleme ve İletişim Uygulamaları Konferansı(SIU)) 22nd. 978-1-4799-4874-1 IEEE.
[6] Karaköse M, Baygın M, Aydın İ, Sarımaden A, Akın E 2016 Endüstriyel Sistemlerde Arka Plan
Çıkarımı Tabanlı Hareketli Nesne Tespiti ve Sayılması İçin Yeni Bir Yaklaşım (Muş Alparslan
Üniversitesi Fen Bilimleri Enstitüsü Dergisi) Cilt: 4 Sayı: 2 373-381
[7] Solak S ve Altınışık U 2017 Görüntü İşleme Teknikleri ve Kümeleme Yöntemleri Kullanarak
Fındık Meyvesinin Tespit ve Sınıflandırılması (Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi)
Cilt: 22 Sayı: 1 56-65
[8] Ge X 2012 The design of a global shutter CMOS image sensor in 110 nm technology (Master
of Science Thesis, Delft University of Technology)
[9] Hough P V C 1962 Method and Means for Recognizing Complex Patterns (US Patent) 3069654
[10] Aydoğan D 2008 Hough Dönüşüm Yöntemi ile Gravite Anomali Haritalarından Çizgiselliklerin
Saptanması: Orta Anadolu Uygulaması (e-Journal of New World Sciences Academy) Cilt: 3 Sayı: 4
Makale Numarası. A0106 642-655
[11] Bal T Y, Aydoğan D., Yüksel F A, Kara İ, Atasoy Y S 2011 Görüntü İşleme Teknikleri İle
Filyos Manyetik Anomali Haritasından Çizgiselliklerin Saptanması: Orta Anadolu Uygulaması
Uygulamalı Yerbilimleri Dergisi Sayı: 1
[12] Söylemez Ö F 2012 İnsan Yüz İmgelerinde Dairesel Hough Dönüşümü Kullanılarak Göz
Durumu Tespiti (Fırat Üniversitesi) Yüksek Lisans Tezi
[13] Serra J 1982 Image Analysis and Mathematical Morphology (London: Academic) Vol: 1
[14] Gonzalez, R C ve Woods, R E 2002 Digital image processing se (2) (New Jersey: Prentice-Hall
International Inc.)
[15] Karhan M, Oktay M, Karhan Z, Demir H 2011 Morfolojik Görüntü İşleme Yöntemleri İle
Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti ( International Advanced
Technologies Symposium (IATS’11))
E-ISBN: 978-605-68882-5-0 341

[16] Atalı G, Özkan S S, Karayel D 2016 Morfolojik Görüntü İşleme Tekniği İle Yapay Sinir
Ağlarında Görüntü Tahribat Analizi (Akademik Platform Mühendislik ve Fen Dergisi) Cilt: 4 s.1-7
ISSN: 2147-4575 DOI: 10.2154
[17] Boztoprak H 2007 Gerçek Zamanlı Taşıt Plaka Tanıma Sistemi (Süleyman Demirel
Üniversitesi) Yüksek Lisans Tezi
E-ISBN: 978-605-68882-5-0 342

R ile Açık Veri Kaynağından Büyük Veri Çekimi ve Verilerin
Görselleştirilmesi
E Akdamar1, E Işığıçok2, V Eteman3
emrahakdamar1@gmail.com, eris@uludag.edu.tr, voleteman@hotmail.com
1
Dr. TR-16059, Bursa, TURKEY
2
Prof Dr.. , Department of Econometrics, Faculty of Economics and Administrative Sciences, University of
Uludag, TR-16059, Istanbul, TURKEY
3
Research Assist., Department of Econometrics, Faculty of Economics and Administrative Sciences, University
of Munzer, TR-6200, Tunceli, TURKEY
Özet
Büyük veri ile ona ilişkin tüm kavram, yöntem ve teknolojilerin önemi gün geçtikçe
artmaktadır. Açık veri kaynakları, büyük verinin depolanması ve kullanıma açılması konusunda
önem kazanmaktadır. Bununla birlikte, bilgisayar yazılımları da açık veri kaynağındaki büyük
veriyi çekmek ve analiz etmek/görselleştirmek konusunda gün geçtikçe gelişmekte ve daha da
önemli hale gelmektedir. İşte bu çalışmanın amacı, açık veri kaynağı niteliğinde bir veri tabanı
hizmeti sunan GDELT projesinde yer alan büyük veri kümelerinin, açık kaynak kodlu bir
programlama dili olan R ile çekilmesi ve çekilen bu büyük verinin yine R ile
görselleştirilmesidir. Bu amaç doğrultusunda, GDELT’de yer alan veri tabanlarındaki
ilgilendiğimiz verileri görselleştirmek için “gdeltr2” paketi ve bu pakete bağlı çeşitli
fonksiyonlar kullanılmıştır. Bununla birlikte, GDELT’in çevrim içi analiz servis hizmeti olan
“GDELT Analysis Service” üzerinden de çeşitli görselleştirme örnekleri gerçekleştirilmiştir.
Çalışmanın sonucunda, kullanılan görselleştirme araçları arasındaki benzerlik ve farklılıklar
değerlendirilmiş, GDELT projesi tanıtılmış ve R programlama dilinin büyük veriyi
görselleştirmedeki avantaj ve dezavantajları ortaya konulmuştur.
Anahtar Kelimeler: Büyük Veri, Açık Veri, R, Görselleştirme, GDELT
E-ISBN: 978-605-68882-5-0 343

Getting and Visualizing Big Data from Open Data Source with R
Abstract
Big data and all the concepts, methods and technologies related to it are increasing day by day.
Open data sources are becoming important in the storage and distribution of big databases.
Besides, computer software is also evolving and becoming more and more important in
attracting and analyzing / visualizing big data in open data sources. The aim of this article is to
visualize the big data sets in the GDELT project which provides a database service as an open
data source with R which is an open-source programming language. For this purpose, the
"gdeltr2" package and various functions based on this package have been used to visualize the
data we care about in the databases in GDELT. In addition, various visualization examples have
been realized through “GDELT Analysis Service”. As a result of this study, the similarities and
differences between the visualization tools used are evaluated, the GDELT project is introduced
and the advantages and disadvantages of visualizing big data with R programming language are
presented.
Keywords: Big Data, Open Data, R, Visualizations, GDELT
1. Giriş
Günümüzde, üretilen verilerin miktarının, akış hızının ve çeşitliliğinin artmasıyla birlikte, bu

verileri depolamak, işlemek ve analiz etmek büyük önem kazanmıştır. Büyük veri olarak
tanımlanan, yüksek miktarda, yüksek hızda ve çeşitlilikteki verilerden anlamlı bilgi
çıkarabilmenin yolu, büyük veriye ilişkin yöntem ve teknolojileri etkili bir şekilde
kullanabilmekten geçmektedir. Bu noktada hem büyük verileri depolayan hem de bu verileri
kullanıcıların hizmetine sunan açık veri uygulamaları, büyük veriye ulaşılması (verinin elde
edilmesi), paylaşılması ve yeniden kullanımı noktasında oldukça önemlidir. Büyük hacimdeki
verinin açık veri ilkeleri doğrultusunda kullanıma açılması, bilimsel çalışmalar ile Ar-Ge ve
inovasyon çalışmalarına katkı sağlamaktadır. Büyük veriden anlamlı bilgi çıkarılması
konusunda önemli olan bir diğer konu, büyük veriyi hem açık veri kaynağından çekebilecek
hem de istatistiksel analizini ve/veya görselleştirmesini gerçekleştirebilecek bilgisayar
yazılımlarıdır. Bu yazılımlar sayesinde, büyük veriyi açık veri kaynağından çekmek, ön
işlemeden geçirmek, görselleştirmek ve istatistiksel analizler uygulayarak, bilimsel ilkelere
göre daha güvenilir karar vermek mümkün hale gelmektedir.
E-ISBN: 978-605-68882-5-0 344

İnsanoğlunun şimdiye kadar yaratmış olduğu en büyük ve en kapsamlı açık veritabanı
olan GDELT (Global Database of Events, Language, and Tone) projesi, açık veri
uygulamalarına önemli bir örnektir. GDELT, basın-yayında ve web formatlarında, 100'den
fazla dilde, her günün her anında dünyadaki haber medyasını dünyanın her köşesinden izleyen
ve günümüzden 1 Ocak 1979'a kadar geçmişe uzanan güncel bir haber platformudur. Bu
platformu oluşturmak, benzeri görülmemiş bir dizi teknik ve metodolojik yenilikler, ortaklıklar
ve yepyeni zihniyetler gerektirmiştir (https://www.gdeltproject.org/about.html).
GDELT projesi, veri tabanlarında büyük veri kümeleri barındırdığı, metin verilerini
sayısallaştırdığı, çevrim içi görselleştirme hizmeti sunduğu ve her 15 dakikada bir
güncellendiği için veri bilimi açısından önemli bir kaynaktır. Daha önce de ifade edildiği gibi,
bu önemli kaynaktan veri çekmek/indirmek/almak, analiz etmek ve görselleştirmek için
kullanılabilecek yazılımlar da benzer şekilde önemlidir. Açık kaynak kodlu bir programlama
dili olan R, çeşitli paketler ve fonksiyonlar ile buna olanak sağlamaktadır. GDELT veri tabanına
R üzerinden bağlanmak, istenilen verileri çekmek ve istenilen veri kümesini R üzerinde analiz
etmek veya görselleştirmek mümkündür. Ayrıca, bu çalışmada da olduğu gibi, R ile GDELT
üzerindeki görselleştirme işlemlerinden bazılarının, verilerin
çekilmeden/indirilmeden/alınmadan da yapılması mümkündür.
Büyük veri ve açık veri ile veri görselleştirme kavramları, R programlama dilinde yer
alan GDELT paketleri ve fonksiyonları ve bu fonksiyonlar kullanılarak gerçekleştirilen çeşitli
görselleştirme uygulamaları, izleyen başlıklar altında anlatılmaktadır.
2. Büyük Veri ve Açık Veri
Günümüz bilgi ve iletişim çağında, sosyal, ekonomik ve çevresel faktörler değişirken aynı
zamanda veri türleri de değiştirmiştir. Geçmişte, istatistiğin ilgi alanına giren veriler daha çok
kurum veya işletmeler tarafından kaydedilmiş veriler iken; bugün çok çeşitli kaynaklardan, çok
fazla sayıda veri olağanüstü bir hızla akmaktadır. Şüphesiz ki dünya, bu yerinde duramayan
devasa veri türüne kayıtsız kalmamış ve ona “büyük veri (big data)” adını vermiştir. Dikkat
edilirse, büyük verinin; “hacim (verinin büyüklüğü, miktarı, Volum)”, “hız (verinin artan
hızda akışı, Velocity)” ve “çeşitlilik (verinin kaynağı, Variety)” olmak üzere, üç önemli
özelliği vardır ve bu özellikler 3V olarak da adlandırılır. Büyük veriye ilişkin bu üç temel
özellik dışında, ayrıca “doğruluk (Veracity)”, “değer (Value)”, “Değişkenlik (Variability)”
ve “karmaşıklık (Complexity)” özellikleri de vardır.
E-ISBN: 978-605-68882-5-0 345

Büyük verinin 3 önemli özelliğinden ilki olan hacim (Volume) kabaca, verinin
büyüklüğünü veya miktarının çokluğunu temsil etmektedir. Üretilen veri hacmi, günümüzde
bilgi ve iletişim teknolojilerinin gelişmesiyle giderek artmaktadır. Yaşadığımız çağda, veri
miktarının Exabyte (EB) ve Zettabyte (ZB) ölçü birimleriyle ölçülmesi beklenmektedir (Davis,
2012: 4). Büyük verinin ikinci karakteristiği olan hız (Velocity) ise verinin artan bir hızda akışı
olarak ifade edilebilir. Gerçek zamanlı olarak, yüksek hızda üretilen verilerin kontrol altına
alınması ve anlamlı sonuçlar verecek analitik araçların geliştirilmesi büyük önem taşımaktadır.
Büyük verinin üçüncü özelliği olan çeşitlilik (Variety) ise, büyük verinin çok sayıda farklı
kaynaktan çeşitli formatlarda ve yapılarda gelebileceğini ifade eder (Mitchel vd, 2012: 7). Şekil
1’de, ingilizce karşılıklarının baş harfleri dolayısıyla, büyük verinin 3V’si olarak ifade edilen,
hacim (Volume), hız (Velocity) ve çeşitlilik (Variety) özellikleri gösterilmektedir.
VOLUME
(HACİM)
Terabaytlar
Kayıtlar
İşlemler
Tablolar, Dosyalar
VELOCITY VARIETY
(HIZ) (ÇEŞİTLİLİK)
Yığın Yapılandırılmış
Gerçek zaman Yapılandırılmamış
Akışlar Yarı yapılandırılmış
Şekil 1. Büyük Verinin 3V’si (Russom, 2011: 6)
Karakteristik özellikleri (hacim, hız, çeşitlilik, vb.) nedeniyle, geleneksel yöntem ve

teknolojiler kullanılarak büyük veriden yararlanılması oldukça zordur. Bu nedenle zaman
içerisinde, büyük veriden fayda sağlayabilmek amacıyla, çeşitli yöntem ve teknolojiler
gelişmiştir. Bu yöntemlerden biri olan veri madenciliği, büyük veri tabanlarındaki gizli bilgi ve
yapıyı açığa çıkarmak için çok sayıda veri analizi aracını kullanan bir süreçtir.
(Oğuzlar,2004:4). Bu çalışmada kullanılan veri görselleştirme de, eldeki büyük verinin
anlaşılması için kullanılan etkili bir araçtır. Bununla birlikte; nesnelerin interneti, makine
öğrenmesi, doğal dil işleme, derin öğrenme gibi son yıllarda hayatımıza giren kavramlar, büyük
veri ile birlikte hızla gelişmektedir. Bu kavramlardan bir diğeri bulut bilişimidir. Büyük verinin
yapısı gereği kişisel bilgisayarların hafızalarında tutulması oldukça zordur. Verinin
depolanması ile ilgili olan bu sorun, bulut bilişim teknolojisi sayesinde çözülmektedir. Bu
sayede verileri, kişisel bilgisayarların hafızalarına gerek duyulmadan depolamak ve bu verilere
internet erişimi olan her yerden ulaşmak mümkün olmaktadır.
E-ISBN: 978-605-68882-5-0 346

Kuşkusuz, büyük veri içerisinde değerli bilgiler bulunmaktadır. Dolayısıyla bu verilere
ulaşmak ve analiz etmek, mal ve/veya hizmet üreten şirketler ve kurumların yanında kentler ve
ülkeler için de önemlidir. Bu anlayışla son yıllarda, dünya çapında üretilen verilerin bir takım
ilkeler çerçevesinde herkesin kullanımına açılması gündeme gelmiştir. Açık veri olarak
adlandırılan bu hareket, Açık Bilgi Vakfı (Open Knowledge Foundation- OKF) tarafından;
“Herhangi bir telif hakkı, patent ya da diğer kontrol mekanizmalarına tabi olmaksızın herkes
tarafından ücretsiz ve özgürce kullanılan veri” olarak tanımlanmaktadır (Bozkurt, 2014, s.89).
Buradaki temel anlayış, verilerin belli bir iş alanıyla sınırlandırılmadan, belirli kişi veya
gruplara imtiyaz tanınmadan, ücretsiz, teknolojik engellerden uzak, ön işlemeye uygun,
bilgisayarlar tarafından işleme tabi tutulmasına olanak sağlayan bir biçimde kullanıma
açılmasıdır.
Verinin bu ilkeler çerçevesinde kullanıma açılması önemli kazanımlar sağlamaktadır. Open

Knowledge International tarafından yürütülen Open Data Handbook projesi, verinin açılması
ile elde edilebilecek değer ve kazanımları şu şekilde ifade etmiştir (opendatahandbook.org,
07.11.2016):
Bu kazanımlar şeffaflık ve demokratik kontrol, katılım, geliştirilmiş ya da yeni, özel ürün ve

hizmetler, inovasyon, devlet hizmetlerinin verimliliğinin arttırılması, devlet hizmetlerinin
etkinliğinin arttırılması, uygulanan politikaların etkisinin ölçümü, çok çeşitli veri
kaynaklarından ve büyük hacimli veriden yeni bilgi çıkarılmasıdır.
OKF’nin kurucularından Rufus Pollock’a göre; verinin yararlı uygulamalar ve hizmetler

oluşturmak için şirketler, bireyler ve kar amacı gütmeyen sektörlere açılması, aynı zamanda
demokrasinin teşvikini, hükümetin katılımını, şeffaflık ve hesap verilebilirliği de sağlar
(Gürdal, 2014, s. 105). Kullanıma açılacak olan veriler, pek çok farklı alanda ve farklı formatta,
büyük veri özelliği taşımayan veriler de olabilir. Hemen ekleyelim ki, bu çalışmada sadece
GDELT açık veri portalındaki büyük veri kümeleri ele alınmıştır.
E-ISBN: 978-605-68882-5-0 347

3. R ile Veri Görselleştirme
Yapılan araştırmalar insanların görsellere diğer herhangi bir uyarandan daha iyi tepki verdiğini
göstermektedir. Ayrıca, insan beyni görsel bilgiyi metinden 60.000 kat daha hızlı işlemektedir.
(oracle.com/solutions/business-analytics/, 20.03.2017). Bugün yazılımcılar ve bilim insanları
veri görselleştirmenin önemi nedeniyle, yeni görselleştirme araçları aramaktadır. Amazon,
Twitter, Apple, Facebook ve Google gibi şirketler, kritik kararlarını vermek için veri
görselleştirmeden yararlanmaktadır (Simon, 2014). Görselleştirmenin amacı, kullanıcıların
araştırılan olgular hakkında kolaylıkla fikir sahibi olmasını sağlamak ve daha önce fark
edilmeyen örüntüleri tespit etmede kullanıcılara yardımcı olmaktır. Özellikle büyük verinin
olduğu yerde, karmaşık sayısal analizler öncesinde verileri görselleştirmek ve bu yolla verilerin
eğilimi hakkında bilgi sahibi olmak oldukça yararlıdır.
R programlama dili, verilerin görselleştirilmesi konusunda oldukça geniş imkanlar

sunmaktadır. R ile verilerin hem geleneksel grafiksel yöntemlerle hem de yeni nesil araçlarla
görselleştirilmesi mümkündür. Başka bir deyişle, R ile çizgi grafiği, sütun grafiği, kutu grafiği,
histogram, serpilme diyagramı vb. sıklıkla kullanılan grafiklerin çizilmesi ve zengin içeriklerle
biçimlendirilmesi mümkün olup, aynı zamanda büyük veri özelliğini taşıyan veri kümelerinin
de görselleştirilmesi olanaklıdır. Bu özellik, çok fazla sayıda ve farklı özellikteki değişken
kümelerini bir grafik altında işleyebilmesi bakımından önemlidir. Çünkü günümüz dünyasının
ihtiyacı, geleneksel grafiklerin çizilebilmesinden çok, büyük verinin zengin bir içerikle
görselleştirilebilmesidir. Dolayısıyla bu çalışmada, veri görselleştirme aracı olarak R
programlama dili tercih edilmiştir. Bu çalışmada R programlama dilinin tercih edilmesinin bir
diğer nedeni, GDELT veri tabanından veri alabilecek ve görselleştirebilecek hazır paketlerin ve
bu pakete bağlı fonksiyonlarının bulunmasıdır.
GDELT veri tabanından R ile veri almak için “GDELTtools” isimli paket
kullanılmaktadır. Bu paket, “GetAllOfGDELT”, “GetGDELT” ve “NormEventCounts” isimli
fonksiyonları içermektedir. “GetAllOfGDELT” GDELT dosyalarının hepsini indirmek için,
“GetGDELT” ise GDELT içinden ilgilenilen bir dosyayı indirmek için ve “NormEventCounts”
analiz birimine bağlı olarak olay sayılarını ölçeklendirmek için kullanılır. “GDELTtools” paketi
Haptonstahl ve arkadaşları tarafından geliştirilmiştir (Haptonstahl vd.,2014).
“GDELTtools” paketinin haricinde, GDELT veri tabanlarındaki veriyi bilgisayara

indirmeye gerek kalmadan görselleştirebilen bir paket bulunmaktadır. “gdeltr2” isimli bu paket
E-ISBN: 978-605-68882-5-0 348

ve bu pakete bağlı onlarca fonksiyon ile çeşitli görselleştirme işlemleri yapılabilir. “gdeltr2”
paketi ise Alex Bresler tarafından geliştirilmiştir.
( https://www.rdocumentation.org/packages/gdeltr2).
Bu çalışmada, “GDELTtools” ve “gdeltr2” paketlerinden yalnızca, “gdeltr2” paketi

kullanılmıştır. Buradaki amaç, büyük verinin bilgisayar belleklerinde yer kaplamadan, sürekli
artan hızına uyum sağlayarak ve yüksek çeşitlilik engellerini aşarak görselleştirilebilmesidir.
Dolayısıyla, “GDELTtools” paketi ile GDELT veri tabanlarındaki verinin bilgisayara
indirilmesine gerek duyulmamıştır. Böylece, ilgili verinin bilgisayarda yer kaplamasının önüne
geçilmiş, GDELT’in 15 dakikada bir güncellenen hızlı akışı yakalanabilmiş ve araştırma
problemine uygun bir biçimde yüksek çeşitlilikten arındırılabilmiş ya da aynı anlama gelmek
üzere filtrelenebilmiştir.
4. Bulgular
Bu çalışmada, GDELT veri tabanında farklı konu başlıkları altındaki veriler 4 farklı
görselleştirme aracı ile görselleştirilmiştir. Bu görselleştirme araçları şunlardır:
i. Wordcloud (Kelime Bulutu)
ii. GeoMap (Coğrafi Harita)
iii. Country Timeline (Ülke Zaman Çizelgesi)
iv. Tone Timeline (Ton Zaman Çizelgesi)
Wordcloud ve GeoMap için R programlama dili kullanılmış, Conutry Timeline ve Tone

Timeline için ise GDELT’in çevrim içi analiz hizmeti olan GDELT Analysis Service’den
yararlanılmıştır. Tablo 1.’de görselleştirmek için kullanılan R paketi ve fonksiyonu ile
konu/anahtar kelime/tema belirtilmiştir.
E-ISBN: 978-605-68882-5-0 349

Tablo 1. Görselleştirme için özet bilgiler
Konu/Anahtar kelime /Tema

Görselleştirme Görselleştirme
R paketi-fonksiyonu
aracı yöntemi
gdeltr2
Wordcloud R Kurdaki değişim (Tema)
get_data_ft_v2_api()
gdeltr2
GeoMap R Mülteci (Anahtar kelime)
generate_geo_query()
GDELT Analysis
Country Timeline - Ekonomik Boykot (Tema)
Service
GDELT Analysis
Tone Timeline - Tayyip Erdogan (Anahtar kelime)
Service
Şimdi Tablo 1.’deki, ilgili görselleştirme araçlarını sırasıyla inceleyelim.
Wordcloud (Kelime Bulutu): Kelime bulutları, metin için basit ve görsel olarak çekici bir
görselleştirme yöntemi olarak ortaya çıkmıştır. Metinleri, en yüksek sıklıkta görüntülenen
kelimelere indirerek genel bir bakış sağlama aracı olarak çeşitli bağlamlarda kullanılırlar
(Heimerl, 2014: 1833). Dolayısıyla, wordcloud çizmek için bir metin verisine ihtiyaç duyulur.
GDELT projesinin hazırlamış olduğu çeşitli temalar bulunmaktadır

(data.gdeltproject.org/documentation/GDELT-Global_Knowledge_Graph_CategoryList.xlsx
gdelt themes). Bu çalışmada, wordcloud çizmek için bu temalardan biri olan
“ECON_CURRENCY_EXCHANGE_RATE” adlı döviz kuru ile ilgili olan tema
kullanılmıştır. Bizim belirlediğimiz bir tarih aralığı içerisinde, döviz kuru ile ilgili haberleri,
web sitelerini, makaleleri vb. tarayan GDELT projesi, bu temaya ilişkili olarak en çok
tekrarlanan kelimeleri Şekil 2.’deki gibi bir görselle karşımıza getirmektedir. Bu görsel için
yazılan R kodu şu şekildedir:
get_data_ft_v2_api(gkg_themes = “ECON_CURRENCY_EXCHANGE_RATE”, modes

=
c("WordCloudEnglish","WordCloudTheme","WordCloudImageTags","WordCloudI
mageWebTags"), timespans = "12 weeks", trelliscope_parameters = list(rows = 1,
columns = 1, path = NULL))
Bu fonksiyon içerisindeki gkg_themes parametresi içerisine ilgi duyulan konuya ilişkin bir veya
birden fazla tema (birden fazla olursa vektör şeklinde) girilebilir. Bununla birlikte, modes
parametresi, istenilen görselleştirme aracını belirlemek için kullanılır. Bu parametrede
E-ISBN: 978-605-68882-5-0 350

wordcloud’un alternatiflerine help(get_data_ft_v2_api) komutu kullanılarak bakılabilir. Son
olarak timespans parametresi ise konu ile ilgili aramalarda, fonksiyonun çalıştırıldığı andan
itibaren ne kadar geriye gitmek istediğimizi belirtir. Başka bir deyişle, “12 weeks” ifadesi,
yukarıdaki fonksiyonu R programlama dilinde çalıştırdığımız andan itibaren 12 hafta öncesine
kadar GDELT veri tabanındaki tüm web siteleri, bloglar, makaleler vb. ortamda arama
yapacağını belirtir. Dolayısıyla, verinin akış hızı sürekli arttığı ve veri tabanı sürekli
güncellendiği için farklı dönemde aynı tema ile yapılacak olan aramalar farklı sonuçlar
verecektir. Şekil 2.’de ilgili R kodu çalıştırıldığında elde edilen wordcloud görülmektedir.
Şekil 2. Döviz Kuru teması için Wordcloud
Bu fonksiyon 28 ağustos 2018 tarihinde çalıştırılmış ve geriye dönük 12 haftalık tarama

yapılmıştır. Bilindiği gibi söz konusu tarihler, ülkemizde dövizin oldukça hareketlendiği
günlerdir. Bu hareketlilik, wordcloud’da da görülmektedir. “TURKEY” kelimesi, döviz kuru
ile ilgili temada öne çıkan kelimelerden biri olmuştur. Bu durum, tüm dünyadaki web siteleri,
online makaleler, kitaplar, haber siteleri vb. alanlarda, yaklaşık olarak tüm 2018 yazı boyunca
Türkiye’nin adının, dövizdeki kuru ile birlikte anıldığının bir göstergesidir. Wordcloud
görselinde en büyük punto ile yazılan kelimeler, aranan tema ile en sık ilişkiye sahip olan
kelimelerdir.
GeoMap (Coğrafi Harita): Geomap, coğrafi bir harita üzerinde belirlenen değişken
değerlerinin bir renk veya çeşitli büyüklükteki noktalar şeklinde görüntülenmesini sağlar.
Bizim belirlediğimiz bir tarih aralığı içerisinde, ilgilendiğimiz anahtar kelime ile ilgili tüm
online yayınları tarayan GDELT projesi, bu kelimeyle ilişkili olarak çıkan haberleri, haberin
E-ISBN: 978-605-68882-5-0 351

ortaya çıktığı yeri esas alarak dünya haritası üzerinde Şekil 3.’deki gibi görselleştirir. Bu görsel
için yazılan R kodu şu şekildedir:
generate_geo_query(query_parameters = list(term = “Refugee”), mode = PointData)

Bu fonksiyon içerisindeki query_parameters parametresi, ilgilenilen anahtar kelime veya
kelimeleri bir liste şeklinde yazmamıza olanak sağlar. Mode parametresi ise harita üzerindeki
gösterim şeklini belirlemek için kullanılır. Buradaki gösterimde noktalar şeklinde gösterim
tercih edildiğinden “mode = PointData” ifadesi ile fonksiyon çalıştırılmıştır. İlgili fonksiyon
içerisine herhangi bir tarih belirtilmemişse, otomatik olarak son 3 aydaki veriler taranır. R
programlama dilinde help fonksiyonu kullanılarak ilgili parametrelerin alternatiflerine
bakılabilir.
Şekil 3. “Refugee (Mülteci)” Anahtar Kelimesi için GeoMap
Bu çalışmada, son dönemde gerek dünyanın gerek içerisinde yer aldığımız coğrafyanın önemli
bir konusu olan mülteci (İngilizce karşılığı ile Refugee) başlığında arama yapılmıştır. Konu ile
ilgili haberlerin daha çok Ortadoğu coğrafyasında yoğunlaştığı görülmektedir. Şekil 3’de harita
üzerinde gösterilen mavi noktaların boyutu, o bölgedeki haberin yoğunluğu ile ilişkilidir ve
GeoMap’in sağ alt tarafında sayısallaştırılmış ve gruplandırılmıştır. GeoMap’de harita üzerinde
belli bir ülkeyi istenilen ölçüde yakınlaştırıp uzaklaştırmak da mümkündür. Ayrıca, her biri bir
haberi temsil eden mavi noktalar üzerine Mouse ile gidildiğinde haberin başlığı, görseli ve
kaynağı görülebilir. Habere tıklandığında ise o habere ulaşılabilir. Eğer fonksiyonun içerisine
E-ISBN: 978-605-68882-5-0 352

birden fazla anahtar kelime yazılırsa, ilgili anahtar kelimelerin birlikte geçtiği haber siteleri
GeoMap’de görüntülenir. Böyle bir durumda, yazılan kelimeler aynı haberin içinde
geçmeyebilir. Başka bir deyişle bu kelimeler ilişkili olmayabilir. Dolayısıyla, GeoMap
oluşturulurken bu durum göz önüne alınmalıdır.
Country Timeline (Ülke Zaman Çizelgesi): GDELT Analysis Service kullanılarak, ilgi
duyulan konularda 14 farklı görselleştirme aracını elde etmek mümkündür. Bunlar; Event
Exporter, Event Geographic Network, Event Heatmapper, Event Timeline, Event TimeMapper,
GKG Network, GKG Heatmap, GKG Country Timeline, GKG Exporter, GKG Geographic
Network, GKG Word Cloud, GKG Tone Timeline, GKG Timeline ve GKG Thematic Timeline
isimli grafiklerdir (http://analysis.gdeltproject.org/).
Bu çalışmada, GDELT Analysis Service kullanılarak, GKG Country Timeline ile GKG
Tone Timeline grafikleri örneklendirilmiştir (http://analysis.gdeltproject.org/module-gkg-
countrytimeline.html) (http://analysis.gdeltproject.org/module-gkg-tonetimeline.html).
Burada, GKG (Global Knowledge Graph) GDELT’in bir veri tabanını ifade etmektedir. Bu
nedenle bu grafikler bu çalışmada, Country Timeline ve Tone Timeline olarak
isimlendirilmiştir.
Bu grafikte x ekseni ülkeleri ve y ekseni seçtiğimiz tarihler arasındaki her bir günü ifade
etmektedir. Grafik üzerindeki bölgelerin koyu renk alması, ilgilenilen konuların gündemde
olma sıklığının arttığını göstermektedir.
GDELT temaları içerisinden ECON_BOYCOTT (Ekonomik Boykot) teması, Türkiye

başlığı ve Ocak 2017-Ağustos 2018 dönemi için seçilmiştir. Burada görülmek istenen, ilgili
tarihler arasında Türkiye’deki Ekonomik boykot konusunun diğer ülkeler tarafından ne sıklıkla
konuşulduğudur. GDELT Analysis Service üzerinden seçilen değişkenlere göre oluşturulan
Country Timeline Şekil 4’deki gibidir.
E-ISBN: 978-605-68882-5-0 353

Şekil 4. Türkiye için Ekonomik Boykot Teması
Türkiye ve ekonomik boykot ile ilgili geçmişe dönük taramalarda, en yoğun ilişkinin
Türkiye’de görülmesi doğaldır. Burada daha önemli olan, Türkiye ve ekonomik boykotun bir
arada konuşulduğu, yazıldığı, haber yapıldığı diğer ülkelerdir. Bu ülkelerin daha çok İran, Irak,
Katar, Rusya, Suudi Arabistan ve Mısır olduğu görülmektedir. Özellikle Suudi Arabistan ve
Katar’da oluşan desenlerin son derece benzer olması, bu iki ülkede aynı dönemlerde aynı
gündemin oluştuğunun da bir göstergesidir.
Tone Timeline (Ton Zaman Çizelgesi): Tone Timeline, bir veya bir grup kişi, kuruluş adı, yer
veya tema üzerinden belirlenmiş bir tarihe göre arama yaparak, belirlenen kişi, grup, yer veya
temanın -100 ile +100 arasında duygusal puanlamasını gerçekleştirerek, ortalama duygusal
eğilimleri yansıtan ve bunu bir çizgi grafiği şeklinde sunan bir veri görselleştirme grafiğidir
(http://analysis.gdeltproject.org/module-gkg-tonetimeline.html).
Tone Timeline grafiği, dünya liderlerinin ortalama duygusal eğilimlerini belirlemek için
kullanılmış ve 5 Şubat 2016 tarihinde GDELT Dünya Liderleri Endeksi Raporu yayınlanmıştır
(http://data.gdeltproject.org/worldleadersindex/GDELT_Leaders_Index-2016-02-05.pdf).
İlgili rapor daha sonra günlük olarak güncellenmeye devam etmiştir. Bu raporda da görüldüğü
gibi, -100 ile +100 arasında gerçekleşen duygusal puanlara karşın, liderlerin genel olarak
negatif değerlerde seyreden duygusal puanları -10 ile +10 arasında değişmektedir.
E-ISBN: 978-605-68882-5-0 354

Bu çalışmada, Tone Timeline grafiğini GDELT Analysis Service üzerinden elde etmek için
anahtar kelime olarak, Türkiye Cumhuriyeti Cumhurbaşkanı Recep Tayyip Erdoğan’ı temsil
etmek üzere, “Tayyip Erdogan” anahtar kelimesi kullanılmıştır. “Erdogan” veya “Recep Tayyip
Erdogan” anahtar kelimelerinin tercih edilmemesinin nedeni, GDELT Dünya Liderleri Endeksi
Raporu’nda, kendisinin bu isim ile temsil edilmesidir. “Tayyip Erdogan” anahtar kelimesine
ilişkin arama 1 Ocak 2016 ile 30 Ağustos 2018 tarihleri için gerçekleştirilmiş ve Şekil 5.’deki
Tone Timeline elde edilmiştir.
Şekil 5. “Tayyip Erdogan” Anahtar Kelimesi için Tone Timeline
GDELT, Şekil 5’deki Tone Timeline ile birlikte Excel formatında, her bir gün için hesaplanan
tone skorlarını da oluşturmaktadır. Buradan hareketle, “Tayyip Erdogan” için hesaplanan
ortalama tone puanı -3,17 olarak bulunmuştur. Daha önce de ifade edildiği gibi; GDELT Dünya
Liderleri Endeksi Raporu’nda görüldüğü üzere, dünya liderlerinin duygusal puanları genelde
eksilerde seyretmektedir. Burada “Tayyip Erdogan” özelinde dikkat çeken nokta, 24 haziran
2018 seçimleri öncesindeki 1 senelik dönem (25.06.2017-24.06.2018) ile daha önceki bir
senelik dönem (24.06.2016-24.06.2017) arasında ortalama puanlardaki farklılıktır. 24.06.2016
- 24.06.2017 tarihleri arasındaki -3,21 olan ortalama puan 25.06.2017-24.06.2018 arasında -
2,94’e yükselmiştir. Söz konusu pozitif yönlü trend grafikte de görülmektedir.
E-ISBN: 978-605-68882-5-0 355

5. Sonuç
Büyük veri; kısa zaman içerisinde, sosyal hayatı, iş yapma ile iş geliştirme şekillerini ve dünya
genelindeki teknolojik yatırımların yönünü etkileyen güçlü bir fenomen haline gelmiştir. Büyük
verinin bu gücü, onun farkında olan ve onu kritik karar verme süreçlerinde kullanmak isteyen
işletmelerin, firmaların ve şirketlerin ilgisini çekmektedir. Buradan hareketle, büyük veri ile
ona ihtiyaç duyan organizasyonları buluşturan açık veri portalları önemli hale gelmektedir.
Bu çalışma kapsamında irdelenen ve büyük veri kümelerine erişim sağlamaya yarayan

bir açık veri portalı olan GDELT projesi, özellikle dünya genelindeki metin verilerini kapsamlı
bir biçimde derleyip toparlaması, veri tabanlarını 15 dakikada bir güncellemesi, metin verilerini
sayısallaştırması ve görselleştirmesi bakımından önemlidir. Bununla birlikte GDELT
projesindeki veri tabanlarına; R, PERL, Gephi, Graphviz gibi çeşitli programlama
dilleri/yazılım araçları ile erişmek ve buradaki verileri analiz etmek mümkündür.
Bu çalışmanın amacına bağlı olarak sonuç ve tartışma bölümünde, görselleştirme

araçlarının elde edilmesinde veya çizilmesinde kullanılan anahtar kelime veya temaya değil, bu
araçların işlevselliğine, benzerlik ve farklılığına ilişkin teknik karşılaştırmaya ve
değerlendirmeye odaklanılmıştır. Kuşkusuz, çalışmamızda kullanılan anahtar kelime veya
temalar değiştirilerek, ilgilenilen konuya ilişkin görselleştirmeler yapılması da mümkündür.
Buradan hareketle, yukarıda sıralanan yazılımlar arasından R programlama dili ile GDELT veri
tabanında bulunan bir takım veri kümeleri görselleştirilmiştir. Bu amaçla kullanılan ilk
görselleştirme aracı olan wordcloud, ilgilenilen anahtar kelime/tema ile ilgili dünya genelinde
konuşulmakta olan metinlerin genel eğilimini, kelimelerin kullanılma sıklığına bağlı olarak
görselleştirmektedir. R ile wordcloud, GDELT veri tabanlarındaki veriyi kişisel bilgisayara
indirmeden, bulut üzerinde yapılabilmektedir. Böylece, büyük verinin hacmi ve hızı gibi
dezavantajlı görülen özellikleri, R programlama dili ile problem olmaktan çıkmaktadır. Benzer
şekilde, büyük verinin bir diğer özelliği olan çeşitlilik problemi (bu örnekte, yapılandırılmamış
metin verisi) ise yine R ile yazılmış olan fonksiyonlar kullanılarak çözülebilmektedir. Bu
çalışmada, R programlama dili kullanılarak oluşturulan bir diğer görselleştirme aracı
GeoMap’tir. GeoMap, ilgilenilen konu hakkında çıkan haberleri harita üzerinde
görselleştirmesi bakımından etkili bir araçtır. Özellikle, uluslararası ilişkiler, sosyoloji, siyaset
bilimi ve kamu yönetimi vb. alanlarda kullanılması ile faydalı sonuçlar elde edilebilir.
Bu çalışmada, R ile elde edilen wordcloud ve GeoMap’in haricinde, GDELT’in

geliştirmiş olduğu GDELT Analysis Service hizmeti kullanılarak Country Timeline ve Tone
E-ISBN: 978-605-68882-5-0 356

Timeline grafikleri çizilmiştir. Country Timeline grafiği, olguların ve olayların ülkeler
açısından zamanla nasıl değiştiğini görmemizi sağlamaktadır. Tone Timeline ise; özellikle
dünya genelindeki liderlerin, duygusal eğilimlerini ölçmek için kullanılan bir araçtır. Her iki
grafik de özellikle sosyal bilimler, insan ve toplum bilimleri vb. alanlarda kullanılabilir.
Ülkelerin, liderlerin, olayların ve olguların karşılaştırmalı olarak görselleştirilmesi, zaman
dilimlerine göre değerlendirilmesi bu araçlar ile mümkündür.
GDELT projesi, sürekli büyüyen bir veri tabanına ve çok çeşitli görselleştirme araçlarını
barındırmaktadır. Şüphesiz ki; bu proje ile ilgili akademik çalışmalar üretilmeye devam
edilecektir. GDELT projesi ile bazı görselleştirme araçlarının tanıtıldığı, R programlama dilinin
bu noktadaki işlevinin anlatıldığı bu çalışmanın, bundan sonra yapılacak olan akademik
çalışmalara yol göstermesi beklenmektedir.
Kaynaklar
[1] Bozkurt Aslıhan, “Turkiye de “acık” verinin farkında, bir şeyler yapacak ama nasıl?”, Bilişim
dergisi, yıl:42 sayı:169, 2014 ss.87-91
[2] Davis K. and Patterson , D., Ethics of Big Data, Published by O’Reilly Media, Inc.,2012
[3] F. Heimerl, S. Lohmann, S. Lange and T. Ertl, "Word Cloud Explorer: Text Analytics Based on
Word Clouds," 2014 47th Hawaii International Conference on System Sciences, Waikoloa, HI,
2014, pp. 1833-1842. doi: 10.1109/HICSS.2014.231
[4] Gürdal Gültekin, “Açık veri- Açık erişim: Dünya ve Türkiye”, Bilişim Dergisi, Yıl 42, Sayı 169,
2014, s.104-109.
[5] Haptonstahl Stephen R., Scherer T., Thoms T., and Wheatley P., 27.02.2014, R package:
“GDELTTools: Download, slice, and normalize GDELT data”, https://cran.r-
project.org/web/packages/GDELTtools/GDELTtools.pdf
[6] Mitchel I., Locke M., Wilson M., Fuller A., White Book of Big Data, Fujitsu Services Ltd., 2012
[7] Oğuzlar A., Veri Madenciliğine Giriş, Ekin Kitapevi, 2004.
[8] oracle.com/solutions/business-analytics/, 20.03.2017
[9] Russom P., Big Data Analytics, TDWI Best Practice Report, TDWI research, 2011
E-ISBN: 978-605-68882-5-0 357

[10] Simon, P. (2014), “The visual organization: data visualization”, Big Data, and the quest
for better decisions. John Wiley & Sons.
[11] data.gdeltproject.org/documentation/GDELT-
Global_Knowledge_Graph_CategoryList.xlsx gdelt themes (Erişim tarihi: 13.09.2018)
http://analysis.gdeltproject.org/ (Erişim tarihi: 13.09.2018)
http://analysis.gdeltproject.org/module-gkg-countrytimeline.html (Erişim tarihi: 13.09.2018)
http://analysis.gdeltproject.org/module-gkg-tonetimeline.html (Erişim tarihi: 13.09.2018)
http://data.gdeltproject.org/worldleadersindex/GDELT_Leaders_Index-2016-02-05.pdf
http://opendatahandbook.org/guide/en/why-open-data/ (Erişim tarihi: 07.11.2016)
https://www.gdeltproject.org/about.html (Erişim tarihi: 13.09.2018)
https://www.rdocumentation.org/packages/gdeltr2 (Erişim tarihi: 13.09.2018)
E-ISBN: 978-605-68882-5-0 358

İkinci El Otomobil İlanı Verilerinin İşlenmesi Suretiyle
Otomobiller için Gerçeğe Uygun Amortisman Oranlarının Tespiti
Ferhat Sayım1
f_sayim@hotmail.com
1
Özet
Bu çalışmada özel otomobillerin maliyet modellerine zemin teşkil edecek en önemli verilerden
biri olan gerçeğe uygun amortisman oranlarının tespitine yönelik yöntem geliştirmek
amaçlanmıştır. Bir muhasebe terimi olan amortisman oranı ve tutarı uygulamada vergi
idaresinin tanımış olduğu vergi indirimine ilişkin kullanılan ortalama ekonomik ömür
üzerinden hesaplanmaktadır. Bu hesaplama şekli sadece vergi mükellefleri ve vergi idaresinin
vergi beyannamelerinin doldurulmasına ilişkin bir ara çözüm olarak mevzuatla tanımlanmıştır.
Halbuki muhasebedeki doğruluk ilkesi ve aynı zamanda Uluslararası-ulusal muhasebe
standartları geliştirilecek yöntemlerle gerçeğe uygun değerlerin tespitini gerekli kılmaktadır.
Ayrıca gerçeğe uygun tespit edilmiş bir amortisman oranı çok büyük bir ekonomik aktivite
alanı olan ulaşım ekonomisine ilişkin gerçek verileri tespit edebilmek için olmazsa olmaz
veridir. Ancak hisse senedi döviz gibi resmi borsası olmayan varlıklarda ikinci el değerleri için
güvenilir ve referans teşkil edecek bir veri bulunmamaktadır. En yakın veri Sigorta Acenteleri
birliği tarafından sunulan kasko fiyatları listesi olmaktadır. Ancak bu verilerin gerçek durumu
yansıtıp yansıtmadığı ve dinamik piyasadaki değişiklikleri ne kadar izleyebildiği teyite
muhtaçtır.
Araçların ortalama yıllık değer kayıplarını gerçeğe uygun şekilde tespitini sağlayacak bir model
geliştirmek için, yaklaşık 265.000 satılık otomobil ilanının yer aldığı bir sitedeki veritabanı
üzerinde çalışılmıştır. Ortalamaların mümkün mertebe geniş bir örneklem üzerinden alınması
sağlanmıştır. Araştırmada evren, resmi kayıtlarda otomobil olarak geçen İstanbul’da 2.644.411
ve Türkiye için 11.317.988 adet araçtır. Bu araçlar ağırlıklı olarak yolcu taşımacılığında
kullanılan binek özel araçlar olarak tanımlanmıştır. Ayrım kullanım amacı yönünden
yapılmıştır. Örneklem seçiminde resmi istatistiklerdeki araç türleri gözetilerek örneklemin
kotalı örneklem sınıfına girmesine çalışılmıştır. Araştırılan verinin türüne göre alt örneklem
E-ISBN: 978-605-68882-5-0 359

grupları da belirlenmiştir. Yıllık değer kaybının tespiti için mevcut durumda bire bir aynı
isimdeki modeli yeni otomobil olarak ta satılan modellerden 1.000 ikinci el satış ilanı örneklem
olarak alınmıştır. İstanbul için ayrı yapılan hesaplamalarda incelenen tarihler itibariyle ikinci el
satış ilanı 65.000 dir.
Araştırmada bulunan rakamlar, tablolanmakta ve ortalamalar alınmaktadır. Üretilen yöntem ve

tablolarda araçların yaşına bağlı değer kaybı ortalamaları net bir şekilde görülmektedir. Türkiye
ve 3 büyük il için gerçeğe uygun fiili değer kaybı ayrı ayrı hesaplanmış ve tablolanmıştır.
İstanbul’da satılan ikinci el araçlar için ortalama yıllık değer kaybı %13,1, tüm Türkiye için ise
%12,2 olarak bulunmuştur.
Anahtar Kelimeler: Maliyet Modeli, Otomobil Amortismanı, Özel Araç, Ulaşım Ekonomisi,
Yolculuk Maliyetleri
Determination of True Amortization Rates for Automobiles by

Study on Used Car Website Data
Abstract
In this study, it is aimed to product a method to determine the real depreciation rates which is
one of the most important data that will constitute the basis of cost models of private
automobiles. The depreciation rate, which is an accounting term, is calculated on the basis of
the average economic life of the tax deduction that the tax administration has identified in
practice. This calculation is legally defined only as an intermediate solution for the filling of
tax statements of taxpayers and tax authorities. However, the principle of accuracy in
accounting and at the same time International-national accounting standards require the
determination of fair values by methods to be developed. In addition, a well-established
depreciation rate is an essential factor in determining the actual data on the transport economy,
which is a very large area of economic activity. However, there are no reliable and referential
data for second-hand values in assets that are not official stock exchanges such as stock
exchanges. The nearest data is the list of insurance prices offered by the Insurance Agencies
Association. However, there is a need for confirmation that this data reflects the actual situation
and how much it can track changes in the dynamic market.
E-ISBN: 978-605-68882-5-0 360

A database of about 265,000 cars for sale has been worked on to product a method for determine
the average annual value losses of vehicles in a realistic way. Averaging is made possible over
a wide range of samples. In the study population is 11,317,988 vehicles for TURKEY and
2,644,411 vehicles for Istanbul according to the official records. These vehicles are mainly
defined as passenger private vehicles used for passenger transport. The distinction was made
for the purpose of use. In the selection of the sample, the types of vehicles in the official
statistics are considered. Thus, it has been attempted to enter the sample into the quotient sample
class. The sub-sample groups were also determined according to the type of the survey. For the
determination of yearly depreciation, 1,000 second hand sales announcements were taken as
samples from the models in which the same name was sold as a new car. In the separate
calculations for Istanbul, second hand sales announcement is 65.000 as of the dates examined.
The figures in the study are tabulated and averages are taken. In the methods and tables
produced, the mean age-related depreciation of the vehicles is clearly seen. TURKEY and the
third largest cities fair actual loss value calculated and are tabulated separately. the average
annual depreciation for second-hand vehicles sold in Istanbul 13.1%, while 12.2% was found
for all of TURKEY.
Keywords: Cost Models, Automobile Depreciation, Special Vehicle, Transportation Economy,

Travel Costs
1. Giriş
Bu çalışma Türkiye’de trafik sıkışıklığının en önemli nedeni olarak ifade edilebilecek olan ve
giderek sayıları artan özel otomobiller için maliyet modeli oluşturmanın ilk adımı olarak
planlanmıştır. Özel otomobiller için kullanıma bağlı değişken giderlerin yanı sıra model
eskimesine bağlı olarak ortaya çıkan sabit ve yarı değişken amortisman giderleri
bulunmaktadır. Amortisman zamana ve kullanıma bağlı yıpranmanın varlığın değerinde
meydana getirdiği azalışı ifade eder. Bilanço esasına göre defter tutan işletmeler maliye
bakanlığının verdiği ortalama ekonomik ömür süreleri üzerinden bu yıpranma paylarını
hesaplayarak firma karından düşerler. Profesyonel olmayan bu yöntem çoğunlukla vergi
idaresinin tanımış olduğu bir hakkın kullanımı olarak görülür ve gerçek aşınma değerinden
oldukça farklı olabilir. Bireyler ise çoğunlukla böyle bir hesap yapmazlar kullandıkları aracın
sadece sarf giderlerini göz önünde bulundururlar.
E-ISBN: 978-605-68882-5-0 361

2. Amortisman
Maddi duran varlıkların, aşınma, yıpranma veya eskime payını ifade eder. Maddi duran
varlıklarda kullanıma ya da süreye bağlı değer kayıplarının gider olarak kardan düşürülmesini
sağlamak için kullanılır. Böylece dönemsel karın gerçeğe daha uygun hesaplanması sağlanır.
Maddi duran varlıklar maliyet değerleri üzerinden bilançoda gözükmektedir. Amortisman
ayrılmadığında değer kayıpları maliyetlere yansıtılmamış olur.
Örneğin 0 KM olarak 150.000 TL ye alınan bir araç ikinci ele düşmüş olmakta ve kullanıma da
bağlı olarak her yıl yaklaşık %15-20 değer kaybetmektedir. Amortisman ayırmakla hedef, bu
değer kayıplarının bilançoda gösterilebilmesidir. Araç 254 taşıtlar hesabında 150.000 TL olarak
gözükmeye devam eder. Ancak bu hesapların hemen altında 257 hesapa her yıl örneğin %20
olarak 30.000 TL değer kaybı olarak kayıtlanır. Böylece araç bilançoda 1. Yıl sonu 150.000
TL-30.000 TL= 120.000 TL, 2.yıl sonu 150.000TL-60.000 TL=90.000 TL’ye düşürülmüş olur.
Böylece kar rakamı da düşürülür. İşletme bu sayede gereksiz yere vergi verme ve kar payı
dağıtmaktan kurtulur.
2.1 Amortisman Tutarının Hesaplanması
İkinci el varlıkların değerine ilişkin resmi borsa olmadığı için çoğunlukla ortalama ömür ve
oranlar üzerinden hesaplama yapılır. En çok kullanılan amortisman yöntemleri: normal
amortisman yöntemi ve azalan bakiyeler yöntemidir. Her iki yöntemde de bir amortisman
tablosu hazırlanır. Her yıl ayrılacak amortisman tutarları hesaplanır. Aşağıda açıklanmaktadır.
2.1.1 Normal Amortisman Yöntemi

Eşit tutarlı amortisman yöntemi olarak ta ifade edilmektedir. Bu yönteme göre döneme ilşkin
amortisman tutarı, maddi duran varlığın tutarına sabit bir amortisman oranı uygulanmasıyla
hesaplanır. Aynı sonuç duran varlık bedelinin ekonomik ömre bölünmesiyle de hesaplanabilir.
Örnek: İşletme 31.12.20X0 tarihinde100.000 TL+%18 KDV değerinde bir binek otomobil satın
almıştır. Binek otomobilin ekonomik ömrü 5 yıl olarak kabul edilmiştir. Normal amortisman
yöntemine göre hesaplama ve amortisman tablosu oluşumu şu şekildedir.
Amortisman oranı= 1 / Ekonomik Ömür = 1 / 5 = 0,20 yani % 20’dir.
Yıllık amortisman tutarı = 100.000 x % 20 = 20.000 TL
veya;
E-ISBN: 978-605-68882-5-0 362

Yıllık Amortisman tutarı: Tutar / Ekonomik Ömür = 10.000 / 5 = 2.000 TL
Tablo 1-İlk Yıl ve İzleyen Yıllar İçin Amortisman Tablosu(Normal Amortisman)
Yıllar Yıllık Amortisman Tutarı Birikmiş Amortisman Kalan Tutar

20X1 20.000 20.000 80.000
20X2 20.000 40.000 60.000
20X3 20.000 60.000 40.000
20X4 20.000 80.000 20.000
20X5 20.000 100.000 0
2.1.2 Azalan Bakiyeler Yöntemi
Önce amortisman oranı hesaplanır. Normal amortisman oranının 2 katı alınır, ancak bu oran
%50’yi geçemez. Geçiyorsa oran %50 olarak kabul edilir. Amortisman oranı belirlenir ve
önceki yıllar birikmiş tutar sonrası kalan değerler üzerinden cari yıl amortismanı hesaplanır.
Her yıl sabit tutarda amortisman ayrılmaz. Amortisman hesabı net değer üzerinden yapılır. Yani
varlığın tutarından, ayrılmış birikmiş amortismanlar çıkarılır ve oran uygulanır. Son yılda ise
kalan tutarın tamamı (%100) amortisman olarak yazılır. Yukarıdaki örneğin azalan bakiyeler
yöntemine göre amortisman tablosu hesaplaması aşağıda gösterilmektedir.
Amortisman oranı: 1 / Ekonomik Ömür = 1 / 5 = 0,20 = 0.20 x 2 (iki katı alınır) = 0,40’dır.
1.Yıl amortisman tutarı = 100.000 x % 40 = 40.000 TL
Tablo 2-İlk Yıl ve İzleyen Yıllar İçin Amortisman Tablosu(Azalan Bakiyeler Yöntemi)
Kalan
Amortisman Yıllık Amortisman Birikmiş Tutar
Yıllar Tutar Oranı (%) Tutarı Amortisman
20X1 100.000 40 40.000 40.000 60.000
20X2 60.000 40 24.000 64.000 36.000
20X3 36.000 40 14.400 78.400 21.600
20X4 21.600 40 8.640 87.040 12.960
20X5 12.960 100 12.960 100.000 0
Tablo 1 ve 2’de görüldüğü gibi bu hesaplamada kullanılan amortisman oranları vergi idaresi
tarafından belirlenen genel ekonomik ömür üzerinden hesaplanmaktadır. Tespit edilen 5 yıllık
süre sonunda aracın vergi değeri 0’a indirilmektedir. Bu yöntem vergisel hesaba ilişkin
ihtilafları önlemek ve uygulama kolaylığı sağlamak açısından uygun olmakla birlikte muhasebe
bilgilerinin tam açıklayıcı ve doğru olması gerekleri açısından ele alındığında yeterli bir yöntem
değildir. Ancak bu çalışmanın odaklandığı konu işletmelerin amortisman hesaplarında daha
E-ISBN: 978-605-68882-5-0 363

hassas yöntemlerin kullanılması ya da vergi kayıplarını ya da vergisel dezavantajların ortadan
kaldırılması değildir. Türkiye’de 2016 sonu itibariyle 11 milyon 318 bin gibi büyük bir
miktarda binek otomobil bulunmakta ve bunların çok büyük bir kısmı zaten firma dışı özel
kişilerin kullanımındadır. Böyle büyük bir makine stoğuna ilişkin hassas bir maliyet modeli
oluşturmak ve özel araç sahiplerinin amortismanlar dahil edilmiş gerçek km başı maliyetlerini
tespit edilebilmesini mümkün kılmak bu çalışmanın dahil olduğu araştırma serisinin
amaçlarındandır. Gerçek amortisman oranlarının tespiti ile ülke çapında çok büyük rakamlara
ulaşan ulaşım ekonomisinde önemli paya sahip özel araç stoğuna ilişkin maliyetlerin
izelenebilmesi ve kontrol edilebilmesi mümkün hale gelecektir.
3. Diğer Çalışmalar
Yapılan literatür taramasında odak noktası olarak amortisman oranları kabul edilirse vergi ve
muhasebe çalışmacılarınca ortaya konmuş çalışmalara rastlanmaktadır. Bu tür çalışmalarda
maddi duran varlıklarda amortisman ayırma yöntemleri bunun vergi mevzauatındaki ve
muhasebe standartlarındaki yerine dayanılmakta mevzuata ve standartlara uygun amortisman
hesaplaması için yapılması gerekenler sıralanmaktadır.
Bu çalışmanın odak noktasında sadece şirketler değil, bütün binek otomobil kullanıcılarını
kapsayan ve ulaşım ekonomisinin bir alt unsuru olarak özel araçlara ilişkin maliyet modeli
oluşturmaya yönelik çalışmalar bulunmaktadır. Bu çalışmada kullanılan yöntemle yakınlığa
sahip bir çalışmaya rastlanmamıştır. Otomobil kullanımının tarfik ve diğer maliyetlerine ilişkin
bazı çalışmalar aşağıda özetlenmiştir.
Koru vd., Trafik Tıkanıklığının Fiyatlandırılması ve Uygulamalarının İncelenmesi: Kızılay Ankara

Örneği adlı çalışmalarında Ankara’da trafik yoğunluğunun yüksek olduğu Kızılay bölgesinde trafik
tıkanıklığının fiyatlandırılmasına yönelik halkın beklenti ve tepkilerini ölçmüş ve uygulanabilecek
tahmini trafik tıkanıklık fiyatını anket verileri ile belirlemeye çalışmışlardır. Bu kapsamda, belirlenen
bölgede 400 kişi ile anket uygulaması yaparak veriler toplamış ve analiz etmişlerdir. Yapılan analizler
sonucunda insanların Kızılay bölgesine özel araç girişlerinin fiyatlandırılması uygulamasını
istemedikleri ve herhangi bir fiyat uygulamasına gidilmesi durumunda özel araçla bölgeye gelmeyi
tercih etmeyecek kişilerin önemli bir oranda olduğu sonucuna varmışlardır. Yine anket verilerinden elde
edilen bir başka sonuç ise toplu taşıma sistemlerinin geliştirilmesi durumunda, halkın büyük bir
çoğunluğunun özel araçları yerine toplu taşımayı tercih edecek olmasıdır. Tıkanıklık fiyatının tespit
edilmesine yönelik yapılan hesaplamalar sonucunda alt sınır 5 TL, üst sınır 7,15 TL bulunmuştur.
Fiyatın uygulanması durumunda anket verileri göz önünde bulundurularak tıkanıklığın belirgin bir
oranda azalabileceğini değerlendirmişlerdir [1]. (1).
E-ISBN: 978-605-68882-5-0 364

Kavasoğlu ve Yıldız, Ankara’da Özel Araç Sahipliliği Özel Araç Kullanımı Özel Araç
Kullanımını Azaltıcı Önlemler adlı çalışmalarında yolculuk talep yönetiminde kullanılan
önlemler ve önlemlere özendirici faktörleri tartışmışlardır. Henüz yeni bir yaklaşım olduğundan
farklı ülkelerde değişik biçimlerde yorumlanmakla beraber yolculuk talep yönetiminin (travel
demant management) amacı genellikle şu şekilde yorumlanır: “Kişilerin yolculuk
davranışlarının mevcut ulaşım altyapısını daha verimli kullanacak ve yolcuların daha dolu ve
daha yüksek kapasiteli araçlara kaymasını sağlayacak az yatırımlı önlemlerle
biçimlendirilmesi. Çalışmada konuyla ilgili yapılan anket de değerlendirmeye alındığında
aslında hızlı, konforlu, güvenli, ekonomik bir toplu taşım sistemi sağlanırsa özel aracından
vazgeçenlerin % 62 gibi büyük bir kısım oluşturacağı görülmektedir. Yolculuk talep yönetimi
önlemlerinin uygulanmasında önlemlerden zarar gören veya göreceğini sanan otomobil
kullanıcıları, ticari kuruluşlar, dolmuş veya taksi esnafı gibi gruplardan kaynaklanacak bazı
zorlukların da olabileceğinden bahsedilmiştir[2]. (2).
Şentürk, Tıkanıklık Fiyatlaması, Dünya Uygulamaları ve Türkiye’deki Durumun

Değerlendirilmesi adlı çalışmasında tıkanıklık fiyatlandırmasının ekonomik temelleri ve
Singapur, Londra, Stockholm ve Milano gibi dünya uygulamalarından elde edilen dersleri
değerlendirmektedir. Çalışmada, tıkanıklık fiyatlandırması, kaynak sıkıntısını azaltmak ve yeni
finansal kaynakların üretilmesini sağlamak için de kullanılabilir alternatif bir karayolu
finansman yöntemi olarak belirtilmiştir. Sonuç olarak; tıkanıklık fiyatlandırması ile bir yandan
karayolu maliyetlerinin kullanıcılar tarafından finanse edilmesine ve trafiğin en yoğun olduğu
saatlerdeki karayolu kullanımının azaltılmasına olanak sağlanırken diğer yandan uygulamadan
elde edilen gelirler ile karayolları altyapısına yeni yolların kazandırılmasına ve toplu taşımacılık
hizmetlerinin geliştirilmesine kaynak temin edilmektedir[3]. (3).
Yılmaz vd., Şehir İçi Özel Yolcu Taşımacılığı Sisteminin Yeniden Düzenlenmesi Ve
Verimliliğinin Arttırılması Üzerine Ampirik Bir Çalışma: Sakarya Örneği adlı çalışmalarında
şehir içi taşımacılık yapan esnafın mevcut durumunu veriler vasıtasıyla göstererek, olası
iyileşme sonrası kapasite kullanım oranları ile karlarının karşılaştırılması vasıtasıyla böyle bir
iyileştirmeye gerek olup olmadığının ortaya koymayı amaçlamışlardır. Çalışmada mevcut
araçların günlük gelirlerine bağlı olarak elde edilen verilerle kapasite kullanım oranlarını
E-ISBN: 978-605-68882-5-0 365

hesaplamış ve verimliliklerini ortaya koymuşlardır. Birleşme ile hedeflenen kapasite kullanım
oranına göre karlılıklar ve kalkış aralıklarını hesaplamışlardır. Böylelikle mevcut durum ile
muhtemel birleşme sonrası karlılıklar karşılaştırılmış birleşmenin gereklilikleri ortaya
koyulmuştur. Çalışmanın ikinci kısmında ise muhtemel ortaklık yapısını incelemişlerdir. Şuan
itibariyle hem dolmuş hem de minibüsçülerin bağlı oldukları sivil toplum kuruluşu esnaf odaları
hükmündedir. Hatların birleşmesi halinde çeşitli ortaklık yapısı alternatifleri içerisinden en
uygun olanının kooperatif olacağını öngörmüşlerdir. Böyle bir dönüşümün finansmanı ve
devlet sübvansiyonu konusu da irdelenerek konu ile ilgili önerilerini çalışmada
sunmuşlardır[4]. (4).
Haldenbilen vd., Kentlerde Otopark Sorunu: Denizli Örneği adlı çalışmalarında otopark
konusunu kısaca inceledikten sonra, Denizli kent merkezine ait yoldışı otopark etüdünün
sonuçlarını ermişlerdir. Çalışma kapsamında Denizli kent merkezindeki mevcut yoldışı
otoparkları araştırmış, bu otoparkların kapasiteleri ve doluluk oranlarını belirlemişlerdir. Ayrıca
otopark ihtiyacı ile ilgili geleceğe yönelik tahminler yapmış öneriler getirilmişlerdir.
Çalışmada, otomobil sahipliğindeki hızlı artış bu şekilde devam eder ve gerekli önlemler
alınmazsa bu sorunun içinden çıkılmaz bir hal alacağı belirtilmiştir. Otopark kullanım oranının
düşüklüğü de çalışmanın dikkat çeken bir sonuçlarından biridir. Çalışmaya göre hatalı parklarla
trafik akımı olumsuz şekilde etkilenmekte, sıkışıklıklar, kapasite azalması ve hızda düşmeler
görülmektedir. Bu nedenle alınacak önlemlerin ve yapılacak planlama çalışmalarının arazi
kullanımı ve trafiğin bütününü kapsayacak şekilde olması problemin daha etkili şekilde
çözülmesini sağlayacaktır. Etütlerin yapılarak uygun yerlerde gerekli kapasitede otoparklar
yapılması ve teknik önlemlerin alınması zorunludur[5]. (5).
4. Araştırma
Araştırma serisinin ileriki aşamalarında otomobiller için kurulacak maliyet modelinde önemli
bir maliyet unsuru olan amortisman oranlarının hesaplanabilmesi için yeni ve ikinci el
otomobillere ilişkin piyasa fiyatları ve bunların değerine ilişkin yıllık değişim tutarlarına ihtiyaç
duyulmaktadır. Maliyet hesabı için çok kritik olan bu veri setleri, resmi istatistiklerden elde
edilememektedir. Bu araştırmaya özgülenmiş birinci hipotez şu şekilde ifade edilebilir.
“Bizzat araç sahipleri tarafından ve çok büyük oranda gerçek duruma uygun doldurulan
otomobil satış ilanları anket formu olarak değerlendirilebilir. Bu veriler yüksek güvenilirliğe ve
örneklem sayısına sahip bir anket araştırması olarak değerlendirilebilir. Resmi satış
sözleşmelerindeki veriler çoğunlukla vergi vb. kaygılar yüzünden eksik ya da yanlış
E-ISBN: 978-605-68882-5-0 366

olduğundan geçerli bir veri ve ölçüm aracı değildir. Alıcı denetiminden geçen veya geçeceği
öngörülen satış ilanları ise gerçekçi ve geçerli bir anket ölçeği olarak kabul edilebilir. Çok geniş
bir evren olan otomobil stokuna ilişkin değer rakamlarına, ikinci el otomobil ilanları üzerinden
erişilebilir. İkinci el ilanına düşmesi gecikmeli olan genç araçların oluşturacağı farklılık resmi
araç stoku istatistikleri ile yapılacak karşılaştırmalarla düzeltilmek suretiyle bir sonuç elde
edilebilir.”
Araştırmanın Amacı: Otomobillerin ikinci el piyasasında yıllık değer kayıplarının geniş bir
örneklem ve zaman aralığında gerçeğe uygun şekilde bulunması bu çalışmanın amacıdır. Bu
veri sağlanabilirse serinin bir sonraki araştırmasında şu hedeflerin yerine getirilmesine zemin
oluşturacaktır.
1. Elde edilecek verilerle, bireysel kullanıcılar için, her şey dahil KM başı iktisadi maliyetleri
hesaplamaya yarayacak bir maliyet modeli ve tablosu oluşturmak.
2. Hazırlanacak maliyet tablosu üzerinden İstanbul ve Türkiye’deki otomobil kullanımı ve

maliyetlere ilişkin makro verilere ulaşmak.
3. Tüketiciler üzerinden, katlandıkları maliyetlere dayalı gruplamalar yapmak.
Araştırmada evren, resmi kayıtlarda otomobil olarak geçen İstanbul’da 2.644.411 ve Türkiye
için 11.317.988 adet araçtır(2016 yıl sonu). Bu araçlar ağırlıklı olarak yolcu taşımacılığında
kullanılan binek özel araçlar olarak tanımlanmıştır. Ayrım kullanım amacı yönünden
yapılmıştır. Örneklem seçiminde resmi istatistiklerdeki araç türleri gözetilerek örneklemin
kotalı örneklem sınıfına girmesine çalışılmıştır. Örneklem, araçların ortalama değerlerine
ilişkin araştırma için 265.000 ikinci el otomobil satış ilanı içinden seçilen 1.000 adet otomobil
satış ilanıdır. Yıllık değer kaybının tespiti için ise mevcut durumda bire bir aynı isimdeki modeli
yeni otomobil olarak ta satılan modellerden 1.000 ikinci el satış ilanı örneklem olarak alınmıştır.
4.2 Yöntem
Otomobil stoku ve yapısına ilişkin Tüik, Sigorta Acenteleri Birliği gibi resmi istatistikler
incelenmiş maliyet modeli kurulmasında doğrudan faydalı olabilecek istatistikler, yüzdelerin
hesaplanması, kümülatif yüzdelerin bulunması gibi işlemlerle yeniden derlenmiştir. Resmi
istatistik olmayan bilgiler için yaklaşık 265.000 satılık otomobil ilanının yer aldığı
sitedeki[6](6)veritabanı üzerinde çalışılmış ve ilanlardaki bilgiler kullanılarak kullanım ve
E-ISBN: 978-605-68882-5-0 367

değer aralıklarındaki araç sayıları ve özellikleri tespit edilmiştir. Ayrıca araçlardaki ortalama
yıllık değer kayıplarını bulabilmek için 1.316 adet ilanın her biri için beş veri Excel ortamına
aktarılarak veriler işlenmiştir. “0” Araç satışı devam eden modellere ilişkin 1.000 adet ilan
değer kayıp ortalamalarının bulunmasında kullanılmıştır. Araştırmada hesaplanan bütün
ortalamaların mümkün mertebe geniş bir örneklem üzerinden bulunmasına çalışılmıştır. Çıkan
sonuçlarda, henüz yeterince ikinci el araç satış ilanları arasına girmemiş genç araç stoku için
resmi istatistiklerdeki bilgiler çerçevesinde ihtiyatlı davranılmaya ve düzeltmeler yapılmaya
çalışılmıştır. Bu çalışma nihayetinde binek otomobiller için maliyet modeli kurulmasını
hedefleyen bir araştırma serisinin içinde kurgulanmıştır. Araştırmada elde edilen verilerin ilk
halinin İstanbul Büyükşehir Belediyesi tarafından desteklenen bir kongrede sunumu planlanmış
ancak organizasyon formatının akademik kongre formatından farklı olması sebebiyle sunum
gerçekleşmemiştir.
4.3 Bulgular
Araştırmada bulunan rakamlar tablolanmış ve ortalamalar alınmıştır. Elde edilen sonuçlar önce
tablolar halinde aşağıda verilecek sonra sonuç kısmında açıklanacak ve özetlenecektir.
E-ISBN: 978-605-68882-5-0 368

Tablo 3.Model Yıllarına Göre Türkiye’de Kara Taşıtları Sayısı, 2016 Sonu
Toplam Motorlu
Kmyn-Msklt-
Toplam Otm.
Mbüs-Otbus-
Toplam Araç
Kümülâtif%
Kümülâtif%
Kümülâtif%
Kümülâtif%
Trktr-Diger
Topl Kynet
Kamyonet
Model yılı
Otomobil
İçinde %
İçinde %
İçinde %
Taşıtlar
%
1983(1) 1 428 859 6,8 6,8 411 159 3,6 3,6 111 099 3,2 3,2 906 601 14,3 14,3
1984 139 284 0,7 7,4 50 027 0,4 4,1 6 340 0,2 3,4 82 917 1,3 15,6
1985 142 667 0,7 8,1 61 959 0,5 4,6 8 862 0,3 3,7 71 846 1,1 16,8
1986 151 962 0,7 8,8 80 955 0,7 5,3 9 187 0,3 3,9 61 820 1,0 17,7
1987 185 301 0,9 9,7 104 022 0,9 6,3 8 941 0,3 4,2 72 338 1,1 18,9
1988 197 461 0,9 10,6 121 160 1,1 7,3 7 946 0,2 4,4 68 355 1,1 20,0
1989 170 045 0,8 11,5 110 233 1,0 8,3 7 885 0,2 4,7 51 927 0,8 20,8
1990 297 986 1,4 12,9 199 945 1,8 10,1 13 895 0,4 5,1 84 146 1,3 22,1
1991 287 999 1,4 14,2 187 906 1,7 11,7 17 527 0,5 5,6 82 566 1,3 23,4
1992 394 867 1,9 16,1 277 281 2,4 14,2 25 447 0,7 6,3 92 139 1,5 24,9
1993 549 634 2,6 18,7 385 197 3,4 17,6 42 855 1,2 7,6 121 582 1,9 26,8
1994 455 762 2,2 20,9 334 797 3,0 20,5 36 373 1,1 8,6 84 592 1,3 28,1
1995 296 806 1,4 22,3 203 831 1,8 22,3 18 507 0,5 9,1 74 468 1,2 29,3
1996 383 929 1,8 24,1 230 934 2,0 24,4 41 847 1,2 10,4 111 148 1,8 31,1
1997 509 464 2,4 26,5 281 334 2,5 26,9 80 156 2,3 12,7 147 974 2,3 33,4
1998 625 143 3,0 29,5 356 627 3,2 30,0 109 375 3,2 15,9 159 141 2,5 35,9
1999 445 097 2,1 31,6 259 803 2,3 32,3 75 707 2,2 18,1 109 587 1,7 37,6
2000 578 138 2,7 34,3 384 534 3,4 35,7 84 409 2,5 20,5 109 195 1,7 39,4
2001 481 210 2,3 36,6 318 944 2,8 38,5 76 430 2,2 22,7 85 836 1,4 40,7
2002 156 623 0,7 37,4 91 016 0,8 39,3 29 855 0,9 23,6 35 752 0,6 41,3
2003 265 377 1,3 38,6 147 146 1,3 40,6 58 760 1,7 25,3 59 471 0,9 42,2
2004 783 168 3,7 42,3 423 243 3,7 44,4 178 113 5,2 30,5 181 812 2,9 45,1
2005 925 473 4,4 46,7 390 341 3,4 47,8 212 321 6,2 36,7 322 811 5,1 50,2
2006 1 206 249 5,7 52,4 438 854 3,9 51,7 242 461 7,0 43,7 524 934 8,3 58,5
2007 760 144 3,6 56,0 298 474 2,6 54,3 182 556 5,3 49,0 279 114 4,4 62,9
2008 797 608 3,8 59,8 381 115 3,4 57,7 204 707 5,9 54,9 211 786 3,3 66,3
2009 610 697 2,9 62,7 308 483 2,7 60,4 149 031 4,3 59,3 153 183 2,4 68,7
2010 697 504 3,3 66,0 380 421 3,4 63,8 170 684 5,0 64,2 146 399 2,3 71,0
2011 1 335 785 6,3 72,4 706 976 6,2 70,0 289 882 8,4 72,7 338 927 5,4 76,3
2012 1 505 978 7,1 79,5 801 332 7,1 77,1 289 832 8,4 81,1 414 814 6,6 82,9
2013 1 120 278 5,3 84,8 667 030 5,9 83,0 152 675 4,4 85,5 300 573 4,7 87,6
2014 996 550 4,7 89,5 562 555 5,0 88,0 139 201 4,0 89,6 294 794 4,7 92,3
2015 1 252 076 5,9 95,5 741 131 6,5 94,5 206 433 6,0 95,6 304 512 4,8 97,1
2016 955 300 4,5 100,0 619 233 5,5 100,0 153 184 4,4 100,0 182 883 2,9 100,0
Top. 21 090 424 11 317 998 3 442 483 6 329 943
(1) 1983 ve önceki modelleri kapsar. Kaynak: Tablodaki Veriler TÜİK- Motorlu Kara Taşıtları İstatistikleri Kullanılarak
Hesaplanmış ve Derlenmiştir.
Amortisman ortalamalarının hesaplandığı araç ilanları en çok satılan markaların en çok tercih
edilen modelleri üzerinden hesaplanmaya çalışılmıştır. Markalar modellerinde değişiklik
yapmaktadır ve çoğu modelin bire bir karşılığı 2017 itibariyle satışta değildir. Bu yüzden
hesaplamaların birebir aynı marka ve modelden karşılığı olan araçlarla yapılmasına dikkat
edilmiştir. Oranlar 2017 Ağustos itibariyle internet sitelerinde satışta bulunan 1.000 adet aracın
verilerinin bunlara ilişkin “0” araç fiyatlarıyla karşılaştırılmasıyla hesaplanmıştır. Bu araçlar “0
KM” satışı devam eden modellerdir. 1.000 adet ilan şu marka ve modellere aittir.
E-ISBN: 978-605-68882-5-0 369

Toyota Corolla 1.4 D-4D Advance Otomobil-Dizel-2013/2017-88 İlan
Ford Focus 1.6 Ti-VCT Trend X Otomobil-Benzin-2012/2017-97 İlan
Ford Focus 1.6 TDCi Trend X Dizel Otomobil-Dizel-2006/2017-183 İlan
Renault Megane 1.5 dCi Icon Manuel Otomobil-Dizel 2012/2017-277İlan
Volkswagen Jetta 1.2 TSi BlueMotion Comfortline- Benzin-2015/2017-64 İlan
Volkswagen Passat 1.4 TSi BlueMotion Comfortline-Benzin-2010/2017-147 İlan
BMW 3 Serisi 320d Sport Line Otomobil-Dizel-2012/2017- 63 İlan
BMW 5 Serisi 520i M Sport Benzin Otomobil-Benzin-2013/2017- 81 İlan
Tablo 4. İstanbul’daki Araçların 2.El Fiyat Dağılımı

Ağırlık Ortalama
İstanbul Ağustos
Fiyatlar Bazında
Toplam İçindeki
Sonu 2017 2.El
Ortalama Fiyat
Ayrım(Bin TL
Fiyat İçindeki
İstanbul İlan
Kümülatif
Yüzdesi
Aralığı)
Yüzde
Adet
Payı
20 Bin TL Altı 19.000 TL 2.282 7.823 12,0% 12,0%

20-30 Bin TL 25.000 TL 3.509 9.142 14,0% 26,0%
30-40 Bin TL 35.000 TL 5.270 9.807 15,1% 41,1%
40-50 Bin TL 45.000 TL 6.364 9.211 14,1% 55,2%
50-60 Bin TL 55.000 TL 5.776 6.840 10,5% 65,8%
60-70 Bin TL 65.000 TL 4.843 4.853 7,5% 73,2%
70-80 Bin TL 75.000 TL 4.059 3.525 5,4% 78,6%
80-90 Bin TL 85.000 TL 3.342 2.561 3,9% 82,5%
90-100 Bin TL 95.000 TL 2.701 1.852 2,8% 85,4%
100-120 Bin TL 110.000 TL 3.778 2.237 3,4% 88,8%
120-140 Bin TL 130.000 TL 3.397 1.702 2,6% 91,4%
140-160 Bin TL 150.000 TL 2.573 1.117 1,7% 93,2%
160 Bin TL Üstü 190.000 TL 13.005 4.458 6,8% 100,0%
Toplam ve Ağırlıklı
Ortalama Fiyat 60.903 TL 65.128 100,0%
Kaynak: 2017 Ağustos İtibariyle İnternet Sitelerinde Satışta Bulunan 65.128 Adet
Araç Satış İlanına İlişkin Verilerin İşlenmesi İle Hesaplanmıştır.
Tablo 4’te İstanbul’daki araçların ikinci el fiyat ortalamaları her marka ve modelden 65.128
ilan üzerinden hesaplanmıştır.
4.3.1 Yıllık Değer Kayıpları(Amortisman)

Sahibinden.com sitesi üzerinden belirlenen modellerde 1.316 adet araç satış ilanı ayrıntılı
olarak ele alındı. Tek tek Model yılı, KM, Fiyat, İl, vb. bilgilerle Excel sayfasına aktarıldı.
Araçların 363 Adeti İstanbul, 131 Adeti Ankara, 70 Adeti İzmir, 752 Adeti diğer illere aittir.
İlanlar, en çok satan araçların, en çok satan modellerinden, dizel ve benzinli genel dağılımına
E-ISBN: 978-605-68882-5-0 370

dikkat edilerek alınmıştır. Araçlar belirlenirken 2017 itibariyle aynı isim ve model ile üretime
devam edilen modellere öncelik verilmiştir.
2017’de üretimi devam eden ve ortalama sıfır fiyatı belirlenen araç sayısı toplam 1000 adettir.
Bunların 309’u İstanbul, 91’i Ankara, 59’u İzmir ve 541’i diğer illere aittir. Sıfır Araç Fiyatı
belirlenen 9 Farklı Model için Ağustos 2017 Fiyat listelerinde kampanyalı fiyatlar
kullanılmıştır. Araçlar için %4 ilave paket ve donanım farkı konulmuştur. Fiyatlar belirlenirken
otomatik ve manuel vites ayrımına dikkat edilmiştir. Otomatik ve Manuel ayrımı yapmadan
listeye alınan bazı veriler için orijinal veri tabanında bu iki türün ilan dağılım belirlenmiştir.
Sıfır fiyatları iki fiyatın ilan dağılımına uygun oranlanmıştır. Böylece istatistiki geçerlilik
gözetilmiştir. Değer kayıpları yaşa bölünerek amortisman tutarları ve oranları hesaplanmıştır.
Araştırılan tüm modeller ve ilanlar üzerinden genel oran hesaplanmıştır.
Elde Edilen Veri Aralığı: Üstte anlatılan yöntemle elde edilen genel ortalama %12,5 değer
kaybıdır. Oluşturulacak maliyet modelinde ilgili gruptaki araç değerinin %12,5’u, o gruptaki
araçların yıllık yaptığı Km miktarına bölünmek suretiyle KM başı amortisman maliyeti
bulunabilecektir. 3 büyük il için ayrı hesaplanan tutarlar sonuç kısmında verilmektedir.
5. Sonuç
Türkiye ve İstanbul’daki Otomobillerin Yaşı
Modellerine göre Türkiye’deki araç stoku tablosu(Tablo 3) incelendiğinde dikkat çeken en

önemli unsur özellikle otomobillerde yeni araç alımının hızla arttığıdır. 2016 sonu itibariyle
ülkenin otomobillerde araç stokunun %36,2 si 5 yaş üstü otomobillerden oluşmaktadır. Diğer
veriler de incelendiğinde İstanbul’daki araçların yaş ortalamasının çok daha genç olduğu da
görülmektedir. İstanbul’daki araçlar ortalama 2,5 yaş daha gençtir.
Eskime Payı (Amortisman)
Özel araçlar alındığından itibaren değer kaybına uğramaktadır. Amortisman etkisi sıfır
araçlarda çok açık görülebilirken bazı tüketiciler 2.El araçlardaki yıpranma payını yanlış
hesaplayabilmektedir. Enflasyonun etkisiyle aracın değerinin nominal olarak sabit kalması ya
da bazen önceki değerinin üstüne çıkmış olması değer kaybı olmadığı anlamına gelmemektedir.
Tüketici örneğin 3 yaşında aldığı aracını 3 yıl sonra 6 yaşındayken satarken aynı fiyata satabilse
bile yeniden aynı özelliklerde 3 yaşında başka bir araç satın almak istediğinde aradaki fark
amortisman gideri olarak düşünülmelidir. Yapılan araştırmada araçların yaşına bağlı olarak
E-ISBN: 978-605-68882-5-0 371

uğradıkları değer kaybı net bir şekilde görülmektedir. Gerçeğe uygun fiili değer kaybı 3 büyük
il için ayrı ve tüm Türkiye için ayrı ölçülmüş ve tablolanmıştır(Tablo 5.). İstanbul’da satılan
ikinci el araçlar için ortalama yıllık değer kaybı %13,1 diğer, tüm Türkiye için ise %12,2 olarak
bulunmuştur. Bu durum İstanbul’daki araçların daha genç yaş ortalamasına sahip olması ve
daha fazla KM yapıyor olması bulgularına da uygun bir sonuçtur. Amortisman oranları
mevsime göre, 1.el fiyatlarındaki değişiklik zamanına göre, marka ve modeline göre ve de
aracın yaş aralığına göre değişebilmektedir. İleride yapılacak çalışmalarda daha ayrıntılı
ortalamalar çıkarılması mümkündür. Ayrıca kasko şirketlerinin aracın modeli ve yaşına göre
uyguladığı değerler tablosu da yarı resmi amortisman tablosu olarak değerlendirilebilir.
Tablo 5. Eskime Payı (Amortisman)Ortalamaları

Model Yıl KM Fiyat Yıllık Ort Araçlarda Araçlarda
Ortalaması KM Yıl Başına Yıl Başına
Ortalama Ortalama %
Kayıp Kayıp
İstanbul 2013,3 67.135 92.697 14.817 23.442 %13,1
Ankara 2011,6 92.665 82.754 14.831 20.438 %11,8
İzmir 2012,5 82.386 81.935 15.373 21.723 %13
3 Büyük İl Harici 2011,8 87.305 73.462 15.121 18.731 %12,2
Toplam 2012,3 82.009 80.119 15.022 20.519 %12,5
Kaynak: 2017 Ağustos İtibariyle İnternet Sitelerinde Satışta Bulunan 1.000 Adet Aracın Verilerinin Bunlara
İlişkin “0” Araç Fiyatlarıyla Karşılaştırılmasıyla Hesaplanmıştır.
Binek Otomobil Kullanıcıları İçin Önerilen Amortisman Hesabı Tablosu
Çalışmanın içinde işletmelerin mali bilançolarını çıkarırken kullandıkları amortisman tablosu

gösterilmişti. Vergi idaresi için bu tablonun kullanımı geçerli olsa da mükellef olsun veya
olmasın binek otomobil sahipleri için amortisman hesabında aşağıdaki tablo 6’daki örnek
hesaplama önerilebilir. Bu tabloda enflasyona bağlı değer kayıpları ve yeniden değerleme oranı
kullanılmamıştır. İleride oluşturulacak maliyet modelinde yeniden değerleme oranının da
kullanılmasıyla enflasyon etkisi hesaplamalara dahil edilebilecektir.
E-ISBN: 978-605-68882-5-0 372

Tablo 6. Örnek Eskime Payı (Amortisman)Hesaplaması
Yıllar Tutar Amortisman Yıllık Birikmiş Kalan
Oranı (%) Amortisman Amortisman Tutar
Tutarı (Aracın
Değeri)
20X1 100.000 12,5 12.500 12.500 87.500
20X2 87.500 12,5 10.938 23.438 76.563
20X3 76.563 12,5 9.570 33.008 66.992
20X4 66.992 12,5 8.374 41.382 58.618
20X5 58.618 12,5 7.327 48.709 51.291
20X6 51.291 12,5 6.411 55.120 44.880
20X7 44.880 12,5 5.610 60.730 39.270
20X8 39.270 12,5 4.909 65.639 34.361
20X9 34.361 12,5 4.295 69.934 30.066
20Y0 30.066 12,5 3.758 73.692 26.308
…. …. … … … …
Bu çalışmada elde edilen veriler toplandıktan bir süre sonra Türkiye ekonomisinde kurlarda
önemli dalgalanmalar olmuştur. Ancak verilerin ekonomik verilerin stabil olduğu dönemde
toplandığı ifade edilebilir. Bu çalışmanın dahil olduğu serideki araştırmaların yapıldığı tarihler
itibariyle ortalama dolar kuru 1USD=3,5 TL dir. Araştırmalarda elde edilen parasal değerler bu
kur üzerinden rezerv kabul edilen para birimine çevrilebilir. Bu şekilde sonuçlar, yapılmış ve
yapılacak diğer araştırmaların sonuçları ile karşılaştırılabilir.
Kaynaklar
[1]. Trafik Tıkanıklığının Fiyatlandırılması ve Uygulamalarının İncelenmesi: Kızılay Ankara Örneği.

Koru, Miraç Taha, Akgüngör, Ali Payıdar ve Korkmaz, Ersin. 3, 2017, El-Cezerî Fen ve
Mühendislik Dergisi (ECJSE), Cilt 4, s. 497-508.
[2].Kavasoğlu, B. Ruhsar ve Yıldız, Demet. Ankara’da Özel Araç Sahipliliği Özel Araç Kullanımı
Özel Araç Kullanımını Azaltıcı Önlemler. 2002.
E-ISBN: 978-605-68882-5-0 373

[3]. Tıkanıklık Fiyatlaması, Dünya Uygulamaları ve Türkiye'deki Durumun Değerlendirilmesi.
Şentürk, Suat Hayri. 162, 2012, Maliye Dergisi, s. 282-303.
[4].Şehir İçi Özel Yolcu Taşımacılığı Sisteminin Yeniden Düzenlenmesi Ve Verimliliğinin Arttırılması
Üzerine Ampirik Bir Çalışma: Sakarya Örneği. Yılmaz, Recep, Taşkın, Kamil ve Gümüş, Fatih
Burak. 2014, Sakarya İktisat Dergisi, s. 105-137.
[5]. Kentlerde Otopark Sorunu: Denizli Örneği. Haldenbilen, Soner, et al. 2-3, Denizli : s.n., 1999,
Pamukkale Üniversitesi Mühendislik Fakültesi Mühendislik Bilimleri Dergisi, Cilt 5, s. 1099-1108.
[6]. www.sahibinden.com. [Çevrimiçi] 2018. www.sahibinden.com.
E-ISBN: 978-605-68882-5-0 374

İkinci El Otomobil İlanı Verilerinin İşlenmesi Suretiyle
Otomobiller için Yıllık Kullanım KM’lerinin Tespiti
Ferhat Sayım1
f_sayim@hotmail.com
1
Özet
Bu çalışmada özel otomobillerin maliyet modellerine zemin teşkil edecek önemli verilerden
biri olan yıllık ortalama kullanım miktarlarının tespitine yönelik yöntem geliştirilmesi
amaçlanmıştır. Muhasebe terimi açısından maddi duran varlık olan araçlarda maliyet kalemleri
temelde sabit ve değişken maliyetler olarak ayrılmaktadır. Ülke ekonomisi içinde çok büyük
bir paya sahip olan ulaşım ekonomisinde geçerli bir maliyet modeli oluşturulması ancak
güvenilir bir veri setini kullanmak suretiyle sabit ve değişken giderlerin doğru olarak tespitine
bağlıdır. Çalışmanın kapsamı olan otomobillerde özelikle değişken ve yarı değişken giderlerin
tespiti araçların ortalama kullanım KM’lerinin doğru olarak bilinmesine bağlıdır.
Çalışma, kurulacak maliyet modellerine sağlam veri sunmak amacıyla kurgulanmıştır. Bu

çalışma Türkiye’de kullanılan özel otomobillerin ortalama kullanım KM’lerini bulmayı
amaçlamaktadır. Sonrasında bu araçları kullanıcı gruplarına ayırmak mümkün olacaktır.
Doğruluk ilkesi ve aynı zamanda Uluslararası-ulusal muhasebe standartları geliştirilecek
yöntemlerle gerçeğe uygun değerlerin tespitini gerekli kılmaktadır. Ayrıca Gerçeğe en yakın
şekilde tespit edilmiş kullanım ortalamaları çok büyük bir ekonomik aktivite alanı olan ulaşım
ekonomisine ilişkin gerçek verileri tespit edebilmek için olmazsa olmaz veridir.
Resmi istatistik olmayan bu bilgileri tespit edebilmek için yaklaşık 265.000 satılık otomobil
ilanının yer aldığı bir sitedeki veritabanı üzerinde çalışılmıştır. Ortalamaların mümkün mertebe
geniş bir örneklem üzerinden alınması sağlanmıştır. Araştırmada evren, resmi kayıtlarda
otomobil olarak geçen İstanbul’da 2.644.411 ve Türkiye için 11.317.988 adet araçtır. Bu araçlar
ağırlıklı olarak yolcu taşımacılığında kullanılan binek özel araçlar olarak tanımlanmıştır. Ayrım
kullanım amacı yönünden yapılmıştır. Örneklem seçiminde resmi istatistiklerdeki araç türleri
gözetilerek örneklemin kotalı örneklem sınıfına girmesine çalışılmıştır. Örneklem, araçların
ortalama yıllık gittiği KM değerlerine ilişkin araştırma için 28.195 ikinci el otomobil satış
ilanıdır. Araştırılan verinin türüne göre alt örneklem grupları da belirlenmiştir. Araştırmada
bulunan rakamlar, tablolanmakta ve ortalamalar alınmaktadır. 6 Yaşındaki Otomobillerde
E-ISBN: 978-605-68882-5-0 375

ağırlıklandırılmış yıllık kullanım ortalaması, İstanbul için, 20.290 KM, tüm Türkiye için ise
20.635 KM, çıkmaktadır. Aynı araştırma 10 yaşındaki araçlar(2007 model) için tekrarlanmış
ve sonuçlar tablolanmıştır. 10 Yaşındaki Otomobillerde ağırlıklandırılmış yıllık kullanım
ortalaması İstanbul için 16.354 KM, tüm Türkiye için ise 17.094 KM, çıkmaktadır.
Anahtar Kelimeler: Maliyet Modeli, Yıllık Kullanım, Özel Araç, Ulaşım Ekonomisi, Yolculuk
Maliyetleri
Determination of Annual Use of KM for Automobiles by Study on

Used Car Website Data
Abstract
In this study, it is aimed to develop a method to determine the annual average usage amounts
which is one of the important data which will be the basis of cost models of private cars. In
terms of accounting depreciation, cost items are basically fixed and variable costs in vehicles
with tangible assets. The transportation economy has a huge share in the country's economy.
Establishing a valid cost model in the transportation economy depends on the accurate
determination of fixed and variable costs by using a reliable data set. The scope of the work is
automobiles. Especially the detection of variable and semi-variable costs depends on the correct
knowledge of the average use KM of the vehicles.
The study was designed to provide robust data on cost models to be established. This study
aims to find out the average usage km of private cars used in TURKEY. Later, it will be possible
to separate these cars into user groups. The principle of accuracy in accounting and at the same
time international-national accounting standards require the determination of fair values by
methods to be developed. In addition, the average of the usage closest to the reality is a crucial
factor in determining the actual data on the transportation economy, which is a very large area
of economic activity.
A database of about 265,000 cars for sale has been worked on to determine the average annual
value losses of vehicles in a realistic way. Averaging is made possible over a wide range of
samples. In the study population is 11,317,988 vehicles for TURKEY and 2,644,411 vehicles
for Istanbul according to the official records. These vehicles are mainly defined as passenger
private vehicles used for passenger transport. The distinction was made for the purpose of use.
In the selection of the sample, the types of vehicles in the official statistics are considered. Thus,
E-ISBN: 978-605-68882-5-0 376

it has been attempted to enter the sample into the quotient sample class. The sample is 28.195
second hand car sales announcements for research on the average yearly KM values of vehicles.
The sub-sample groups were also determined according to the type of the survey.
The figures in the survey are tabled and the averages are taken. In 6-year-old automobiles
weighted average annual using, for Istanbul, 20 290 km, all of TURKEY to the 20 635 km,
calculated. The same study was repeated for 10-year-old vehicles (2007 model) and the results
were tabulated. 10 year old cars in the weighted average annual usage for Istanbul 16 354 KM,
for all TURKEY 17 094 km, calculated.
Keywords: Cost Models, Annual Use KM, Special Vehicle, Transportation Economy, Travel
Costs
1. Giriş
Tüik verilerine göre 2016 yıl sonu itibariyle Türkiye’de 11.317.988, İstanbul’da 2.644.411 adet
otomobil bulunmaktadır. Bu araçlar ağırlıklı olarak yolcu taşımacılığında kullanılan binek özel
araçlar olarak tanımlanmıştır. Önemli miktardaki ithal aracın yanı sıra alınan araç yerli olsa
bile, girdileri büyük oranda dış kaynaklı olan otomotiv sektörü sebebiyle, yurtdışına giden döviz
miktarı giderek büyümektedir. Sarsılan tüketici bütçesi yanında, bu araçların çok az
kullanılması hiçbir tüketicinin hiçbir borcu olmasa bile ağır bir fırsat maliyeti getirmektedir.
Aynı zamanda Türkiye’de trafik sıkışıklığının en önemli nedeni olarak ifade edilebilecek olan
ve giderek sayıları artan özel otomobillerin tüm maliyet unsurlarının ele alındığı bir maliyet
modeline ihtiyaç bulunmaktadır. Bu maliyet modelinin kurulması için alt adımlar belirlenmiş
ve ilk adımda araçlarda zamana bağlı değer kayıplarının gerçeğe uygun şekilde tespit
edilebilmesi için yöntem geliştirilmiştir. İkinci adım olarak ise sabit giderlerin doğru şekilde
km başı kullanıma dağıtılabilmesi için yıllık kullanım miktarlarının bulunması gerekmektedir.
Bu çalışmada otomobillerin yıllık kullanım ortalamalarını tespit için Türkiye’deki
otomobillerin tümünü kapsayacak genişlikte bir yöntem geliştirilmekte ve örnek hesaplama
yapılmaktadır.
2. Literatür Taraması
Yapılan literatür taramasında odak noktası olarak bütün binek otomobil kullanıcılarını
kapsayan ve ulaşım ekonomisinin bir alt unsuru olarak özel araçlara ilişkin maliyet modeli
oluşturmaya yönelik çalışmalar aranmıştır. Bu çalışmada kullanılan yöntemle önemli yakınlığa
sahip bir çalışmaya rastlanmamıştır. Otomobil kullanımının yol açtığı maliyetlerle ilgili
çalışmaların bir kısmı aşağıda özetlenmiştir.
E-ISBN: 978-605-68882-5-0 377

Yavaş vd., Otomobil Seçimine Çok Kriterli Yaklaşım Önerisi adlı çalışmalarında müşterilerin
otomobil seçim yaklaşımlarını incelenmiş, satın almada dikkat edilen kriterleri tespit etmiş,
AHP ve ANP yöntemleri ile kriterleri önceliklendirmişlerdir. ANP ve AHP yöntemlerinin
farklılıklarını ifade ettikleri bu çalışmada, uygulamadaki sonuçları karşılaştırmışlardır. AHP ve
ANP yapısında kullanılacak kriterlerin belirlenmesi için 8 farklı otomotiv firmasının satış
danışmanları, insan kaynakları bölümleri ile görüşmüş, bu değerlendirmelerin sonucunda;
Donanım, Tasarım, Yakıt Türü, Motor Hacmi, Şanzıman Türü, Fiyat ve Satış Sonrası Hizmetler
olmak üzere 8 ana kriter belirlemişlerdir. Analitik Ağ Yöntemine göre ilk üç kriterin; iç tasarım,
güvenlik donanımı ve 1600cc motor hacmi, Analitik Hiyerarşi Yöntemine göre ise ilk üç
kriterin; donanım, tasarım ve yakıt türü olduğunu belirlemişlerdir[1]. (1).
Görener ve Görener, Otomotiv Endüstrisinin Türkiye Ekonomisindeki Yeri: Sektörel Bir

İnceleme adlı çalışmalarında öncelikle otomotiv sektörünün dünyadaki mevcut durumunu ele
alarak ülkelerin ekonomilerine katkılarından bahsetmiş, sonrasında Türkiye’de otomotiv
endüstrisinin gelişimi ve mevcut durumunu incelemiş, son olarak da otomotiv sektörünün
çözülmesi gereken sorunlarına değinmiş ve çeşitli öneriler sunulmuşlardır. Çalışmada;
Türkiye’de otomotiv sektörünün güçlü sermaye yapısı, yabancı ortaklıkların var olması, güçlü
yan sanayinin varlığı, nitelikli iş gücü, coğrafi konum, kalite sisteminin sağlanmış olmasının
rekabet açısından sektörün güçlü yanlarını oluşturduğu, aşırı kapasite, yetersiz ve istikrarsız iç
pazar, ana ve yan sanayi arasında işbirliği eksikliği ve ithalat artışı gibi konuların ise sektörün
zayıf yönlerini oluşturduğu sonucuna ulaşmışlardır[2]. (2).
Öztürk, Karayolu Şehiriçi Trafikte Tıkanma Maliyeti adlı çalışmasında trafik tıkanıklığında
etkili faktörler ile tıkanma sonucunda meydana gelen hava kirliliği, zaman kaybı ve ek taşıt
işletim maliyetlerini örneklerle incelemiştir. Öztürk, şehiriçi trafik tıkanıklığının maliyetini
belirlemek için Madrid’de yapılan ayrıntılı çalışmada en önemli maliyet birleşeninin yolculuk
sırasında tıkanıklık nedeniyle kaybedilen zaman olduğunu, bunu sırası ile bakım, yakıt, lastik
aşınması, yağ ve hava kirliliği maliyetlerinin izlediğini belirtmiştir. Ayrıca İstanbul için yapılan
araştırmanın sonuçlarına göre sadece planlanan raylı sistemlerin uygulanması ile kaçınılacak
tıkanma maliyetinin boyutlarına çalışmasında yer vermiştir[3]. (3).
Munzuroğlu vd., İstanbul’daki Taksi İşletmeciliğinin İrdelenmesi Ve CBS Destekli

Düzenleme Önerisi adlı çalışmalarında İstanbul’daki taksi işletmeciliğini irdelemiş ve
taksilerin kent içi ulaşımda yarattığı sorunlar ve sebeplerini araştırarak çözüm önerileri
geliştirmişlerdir. Bu bağlamda, konu ile ilgili yasal ve mevcut durum yurtiçi ve yurtdışı
E-ISBN: 978-605-68882-5-0 378

örnekleri incelemişlerdir. Yaptıkları çalışmaların sonucunda taksiciliğin İstanbul kent içi
ulaşım sistemleri içerisinde bir paydaş olarak düşünülmediği sonucuna ulaşmışlardır.
Çalışmanın sonuçlarına göre yetersiz olan ulaşım altyapısı, idari düzenlemelerdeki
noksanlıklar, işletmecilik anlayışının yeterince gelişmemesi, denetimin sağlanamaması
nedeniyle taksi ulaşımı verimsiz bir şekilde kullanılmaktadır. Aynı çalışmada yapılan anket
çalışmaları sonucu İstanbul’da çalışan taksicilerin çok azı bir durağa bağlı olarak çalışırken,
büyük bir çoğunluğu ise yolcularını yoldan almakta ve günlük çalışma sürelerinin büyük bir
kısmını trafikte seyir halinde ya da yolcu bekleyerek geçirmektedir. Bu durum trafik
yoğunluğunu olumsuz yönde etkilemektedir. Bu olumsuzluğun engellenebilmesi için ilk etapta
İstabul’da bölgesel bazda çok sayıda taksi indirme-bindirme ve bekleme yerlerinin
düzenlenmesi yoluna gidilmesi çalışmada önerilmektedir. Yol kenarlarında genellikle cep
şeklinde düzenlenecek bu yerler taksicilerin yolcusunu indirdikten sonra yeni yolcu almak
amacıyla bekleyebilecekleri ve kısa süre içerisinde yolcu alıp dolu olarak trafiğe
katılabilecekleri yerler olmalıdır. Bu çalışmada, taksi indirme-bindirme ve bekleme yerlerinin
CBS yardımıyla belirlenmesi gerçekleştirilmiştir. CBS, birçok farklı uygulamanın yanında bu
amaç için yararlanılabilecek en iyi araç olarak belirlenmiştir[4]. (4).
Yenitepe ve Akdeniz, Motorlu Taşıtlarda Yakıt Ekonomisi ve İşletme Şartlarının

Performansa Etkileri adlı çalışmalarında motorlarda yakıt ekonomisini geliştirmeye yönelik
yapılan çalışmalar ile yakıt ekonomisine etki eden faktörleri incelemişlerdir. Deneysel
çalışmada yeni nesil LPG Dönüşüm Sistemlerinden SGI (Sequential Gas Injection) sisteminin
benzinli motorlara uygulanmasıyla elde edilen yakıt ekonomisi ve alternatif yakıt olarak LPG
kullanan iki otomobilin motor performansı üzerine olan etkisi deneysel olarak incelenmiştir. 4
silindirli, 4 zamanlı benzin ve LPG dönüşümlü motorların yakıt tüketimi ölçülmüştür. Yapılan
deneylerde otomatik şanzımanda over drive’ın ve klimanın, düz vitesli araçta ise yakıt
tüketimine etkisi tespit edilmiştir. Yapılan bu testler LPG’nin maliyet olarak yaklaşık %40 yakıt
ekonomisi sağladığını göstermiştir[5]. (5).
Atik vd., Otomobillerdeki Yakıt Sistem Değişikliğinin Vergi Ve Tüketici Yatırım

Politikalarına Etkilerinin Analizi adlı çalışmalarında tüketicinin vereceği yakıt sistemi
değişim kararını fayda/maliyet analizi yönünden incelemiş dönüşüm için yapılacak yatırımının
finansal analizi ve vergi politikalarına etkisini araştırmışlardır. Araştırmada LPG fiyatlarının
benzin ve dizel yakıtlara göre fiyatının düşük olması sebebiyle başlangıçta yapılan yatırımın
kısa sürede kendisini karşılayacağı, yıllık kat edilen km miktarı artıkça LPG dönüşümünün daha
da kazançlı olacağı vurgulanmıştır. Tüketicilerin LPG yakıt sistemine geçişi ile birlikte devletin
E-ISBN: 978-605-68882-5-0 379

bir vergi kaybına uğrayacağı düşünülse de LPG sistemine geçişle km başına yakıt fiyatındaki
düşüş, tüketicileri benzinle gittikleri mesafeden daha fazla otomobillerini kullanmalarını
sağlayacağı ve her ne kadar km başına yakıt tüketim tutarı azalmış olsa da gidilen mesafenin
artması toplam yakıt bedelini benzine yaklaştırması devletin vergi kaybını önleyeceği sonucuna
ulaşılmıştır. LPG yakıt sistemine dönüşümde yaşanacak artışın vergi kaybı yaratmaması için
yeni vergi politikaları ile LPG yakıt fiyatları benzin veya dizel yakıtlarına yaklaşabileceği de
ulaşılan diğer bir sonuçtur[6]. (6).
Yalçın, Potansiyel Bir Çevre Vergisi Olarak Motorlu Taşıtlar Vergisi: Avrupa Birliği Ve
Türkiye Arasında Karşılaştırmalı Bir Analiz adlı çalışmasında motorlu taşıtların neden olduğu
çevre kirliğinin en aza indirilmesinde vergilendirmenin oynadığı rolü hem AB hem de Türkiye
açısından değerlendirmiştir. Her geçen gün artan çevre kirliliğinin en önemli nedenlerinden
birinin ulaştırma faaliyetleri olduğunu ve ulaştırma faaliyetlerinin CO2 yayan faaliyetler içinde
ikinci sırada yer aldığını belirtmiştir. Ulaştırma faaliyetleri içinde karayolu araçları ise açık ara
en önemli kirletici konumundadır. Çalışma sonucunda Türkiye’de motorlu araçların
vergilendirilmesinde CO2 emisyonuna dayanan vergi tarifesi yapısına geçilmesi
önerilmiştir[7]. (7).
3. Araştırma
Maliyet modeli oluşturabilmek için tüm otomobillere diğer verilerin yanısıra yıllık kullanım
kilometrelerinin yer aldığı güvenilir verilere ihtiyaç duyulmaktadır. Maliyet hesabı için çok
kritik olan bu veri setleri resmi istatistiklerden elde edilememektedir. Bu veri özellikle sabit
maliyetlerin Km başı kullanım maliyetlerine dağıtılması açısından olmazsa olmaz önemdedir.
Bu araştırma ile elde edilecek veri ileri safhalarda kurulacak maliyet modelinde sabit
maliyetlerin dağıtımında kullanılacağı gibi Türkiye’deki özel otomobil stoğuna ilişkin makine
parkının gereğinde fazla olduğu şeklindeki hipotezi de test etmekte kullanılabilecektir. Bu
yöndeki hipotez şu şekilde ifade edilebilir.
Makro ekonomik açıdan, özellikle satın alınan makine parkının, en azından zaman ve kullanıma
bağlı amortisman giderini karşılayacak kadar fayda sağlaması lazımdır. Alınan bu araçların çok
az kullanılması hiçbir borcunuz olmasa bile ağır bir fırsat maliyeti getirmektedir. Ekonomik
sistem açısından baktığınızda bu araçların lüks tüketim olarak kabul edilip edilmemesi de çok
önemli değildir. Önemli olan büyük miktarda kaynak ayırarak aldığımız makinelerin sadece
belli günlerde, saatlerde ve sınırlı olarak kullanılması ve amortisman giderlerini sağlayacak
E-ISBN: 978-605-68882-5-0 380

kadar dahi faydalanılamamasıdır. Sorun bireysel tercihlerde değil, sistemin
kurgulanmasındadır.
Araştırmanın Amacı: Türkiye’deki otomobillerin yıllık katettiği KM ortalamalarına ilişkin

kullanım istatistiklerini üretebilmek bu çalışmanın amacıdır. Bu veriler sağlanabilirse
kurulacak maliyet modelinde sabit maliyetlerin KM başı kullanıma doğru bir şekilde dağıtımı
mümkün olacaktır. Ayrıca tüketiciler üzerinden, katlandıkları maliyetlere dayalı gruplamalar
yapmak ve hazırlanacak maliyet tablosu üzerinden İstanbul ve Türkiye’deki otomobil kullanımı
ve maliyetlere ilişkin makro veriler üretebilmek mümkün olacaktır. Araştırmada elde edilen
verilerin ilk halinin İstanbul Büyükşehir Belediyesi tarafından desteklenen bir kongrede
sunumu planlanmış ancak organizasyon formatının akademik kongre formatından farklı olması
sebebiyle sunum gerçekleşmemiştir.
Araştırmada evren, resmi kayıtlarda otomobil olarak geçen İstanbul’da 2.644.411 ve Türkiye
için 11.317.988 adet araçtır. Bu araçlar ağırlıklı olarak yolcu taşımacılığında kullanılan binek
özel araçlar olarak tanımlanmıştır. Ayrım kullanım amacı yönünden yapılmıştır. Evrenin
kapsamına dair kısıtlar ve araştırmanın sonucuna olumsuz etki edip etmeyeceği aşağıda
değerlendirilmiştir. Örneklem seçiminde resmi istatistiklerdeki araç türleri gözetilerek
örneklemin kotalı örneklem sınıfına girmesine çalışılmıştır. Örneklem, araçların ortalama yıllık
KM ve ortalama değerlerine ilişkin araştırma için 28.195 ikinci el otomobil satış ilanıdır.
3.2 Yöntem
Bu çalışmada bizzat araç sahipleri tarafından ve çok büyük oranda gerçek duruma uygun
doldurulan otomobil satış ilanları[8] (8)anket formu olarak değerlendirilmiştir. Bu veriler
yüksek güvenilirliğe ve örneklem sayısına sahip bir anket araştırması olarak değerlendirilebilir.
Resmi satış sözleşmelerindeki veriler çoğunlukla vergi vb. kaygılar yüzünden eksik ya da yanlış
olduğundan geçerli bir veri ve ölçüm aracı değildir. Alıcı denetiminden geçen veya geçeceği
öngörülen satış ilanları ise gerçekçi ve geçerli bir anket ölçeği olarak kabul edilebilir. Çok geniş
bir evren olan otomobil stokuna ilişkin değer rakamlarına, ikinci el otomobil ilanları üzerinden
erişilebilir. İkinci el ilanına düşmesi gecikmeli olan genç araçların oluşturacağı farklılık resmi
araç stoku istatistikleri ile yapılacak karşılaştırmalarla düzeltilmek suretiyle bir sonuç elde
edilebilir.
E-ISBN: 978-605-68882-5-0 381

3.3 Bulgular
Araştırmada bulunan rakamlar tablolanmış ve ortalamalar alınmıştır. Tablolarda satış ilanı

verilen 2011 ve 2007 model otomobillerin kullanım kilometrelerine göre belirlenen aralıklarda
sayıları tespit edilmiştir. İlan adeti ile ağırlaklandırılmış ortalamaları alınmıştır. Tablo 1’de altı
yaşındaki araçlar için ağırlıklandırılmış yıllık kullanım ortalaması ortalama İstanbul otomobil
ilanları için yıllık 20.290 km, tüm Türkiye araçları için ise 20.635 km çıkmaktadır.
Tablo 1.Altı Yaşındaki Otomobiller İçin Yıllık Yapılan KM Araştırması
İlanları İstanbul(5286
Ortalama Yıllık KM
Türkiye(19484 İlan)
KM’si (İncelenen
Kümülatif Yüzde
Kümülatif Yüzde
Satıştaki aracın
OtomobilSatış
OtomobilSatış
Aralığın Orta
2011 Model
2011 Model
Noktası)
İlanları
Yüzde
Yüzde
İlan)
20.000 3.333 69 1% 1% 167 1% 1%

25.000 4.167 69 1% 3% 171 1% 2%
35.000 5.833 101 2% 5% 298 2% 3%
45.000 7.500 169 3% 8% 518 3% 6%
55.000 9.167 222 4% 12% 739 4% 10%
65.000 10.833 225 4% 16% 957 5% 15%
75.000 12.500 320 6% 22% 1.105 6% 20%
85.000 14.167 336 6% 29% 1.312 7% 27%
95.000 15.833 439 8% 37% 1.517 8% 35%
105.000 17.500 436 8% 45% 1.518 8% 43%
115.000 19.167 354 7% 52% 1.404 7% 50%
125.000 20.833 392 7% 59% 1.417 7% 57%
135.000 22.500 346 7% 66% 1.364 7% 64%
145.000 24.167 325 6% 72% 1.357 7% 71%
155.000 25.833 310 6% 78% 1.193 6% 77%
165.000 27.500 268 5% 83% 1.057 5% 83%
175.000 29.167 228 4% 87% 843 4% 87%
185.000 30.833 160 3% 90% 633 3% 90%
195.000 32.500 134 3% 93% 521 3% 93%
210.000 35.000 141 3% 95% 578 3% 96%
230.000 38.333 82 2% 97% 325 2% 97%
250.000 41.667 36 1% 98% 164 1% 98%
270.000 45.000 124 2% 100% 326 2% 100%
Ağırlıklandırılmış Ortalama İstanbul Otomobil İlanları İçin Yıllık 20.290 KM, Tüm Türkiye
Araçları için ise 20.635 KM Çıkmaktadır.
Kaynak: 2017 Eylül Başında İnternet Sitelerinde Satışta Bulunan 2011 Model 19.484 Adet Aracın
Verilerinden Hesaplanmıştır.
Tablo 2’de on yaşındaki araçlar için ağırlıklandırılmış yıllık kullanım ortalaması ortalama
İstanbul otomobil ilanları için yıllık 16.354 km, tüm Türkiye araçları için ise 17.094 km
çıkmaktadır.
Tablo 2.On Yaşındaki Otomobiller İçin Yapılan Yıllık KM Araştırması
E-ISBN: 978-605-68882-5-0 382

İlanları İstanbul 1905
Ortalama Yıllık KM
KM’si (İncelenen
Kümülatif Yüzde
Kümülatif Yüzde
İlanları Türkiye
Satıştaki aracın
Otomobil Satış
OtomobilSatış
Aralığın Orta
2007 Model
2007 Model
8.711 İlan
Noktası)
Yüzde
Yüzde
İlan
45.000 4.500 42 2% 2% 150 2% 2%
55.000 5.500 21 1% 3% 87 1% 3%
70.000 7.000 94 5% 8% 255 3% 6%
90.000 9.000 145 8% 16% 462 5% 11%
110.000 11.000 174 9% 25% 638 7% 18%
130.000 13.000 201 11% 36% 898 10% 29%
150.000 15.000 244 13% 48% 1.119 13% 41%
170.000 17.000 257 13% 62% 1.347 15% 57%
190.000 19.000 224 12% 74% 1.354 16% 72%
210.000 21.000 179 9% 83% 846 10% 82%
230.000 23.000 111 6% 89% 565 6% 89%
250.000 25.000 80 4% 93% 365 4% 93%
270.000 27.000 64 3% 96% 247 3% 96%
295.000 29.500 69 4% 100% 378 4% 100%
Ağırlıklandırılmış Ortalama İstanbul Otomobil İlanları İçin Yıllık 16.354 KM, Tüm Türkiye Araçları için ise
17.094 KM Çıkmaktadır
Kaynak: 2017 Eylül Başında İnternet Sitelerinde Satışta Bulunan 2007 Model 8.711 Adet Aracın Verilerinden
Hesaplanmıştır.
Aşağıda Tablo3 ve Tablo 4’te Türkiye ve İstanbul’da günde ortalama trafiğe katılan araçların miktarı
hesaplanmıştır. Yol miktarının sabit ya da çok az arttığı şehir içlerinde bu araç artışının yol açacağı park
sorununa sonuç kısmında değinilmektedir. İlave park ihtiyacı hesaplanmakta ve değerlendirilmektedir.
Tablo 3. Türkiye İçin Trafikteki Araçların Yıllık Ve Günlük Artış Hızları

Yıllık Artış
Yıllık Artış
Otomobil
Otomobil
Otomobil
Türkiye
Toplam
Araçlar
Araçlar
Günlük
Günlük
Artış
Artış
Tüm
Tüm
2005 11 145 826 5 772 745

2006 12 227 393 1 081 567 2 963 6 140 992 368 247 1 009
2007 13 022 945 795 552 2 180 6 472 156 331 164 907
2008 13 765 395 742 450 2 034 6 796 629 324 473 889
2009 14 316 700 551 305 1 510 7 093 964 297 335 815
2010 15 095 603 778 903 2 134 7 544 871 450 907 1 235
2011 16 089 528 993 925 2 723 8 113 111 568 240 1 557
2012 17 033 413 943 885 2 586 8 648 875 535 764 1 468
2013 17 939 447 906 034 2 482 9 283 923 635 048 1 740
2014 18 828 721 889 274 2 436 9 857 915 573 992 1 573
2015 19 994 472 1 165 751 3 194 10 589 337 731 422 2 004
2016 21 090 424 1 095 952 3 003 11 317 998 728 661 1 996
Kaynak: Tablodaki Veriler TÜİK- Motorlu Kara Taşıtları İstatistikleri Kullanılarak Hesaplanmış ve Derlenmiştir
Tablo 4. İstanbul İçin Trafikteki Araçların Yıllık Ve Günlük Artış Hızları

Artış
Artış
Artış
Artış
Toplam
İstanbul
Otomobil
Yıllık
Günlük
Yıllık
Günlük
Tüm
Tüm
Araçlar
Araçlar
Otomobil
Otomobil
E-ISBN: 978-605-68882-5-0 383

2005 2 261 356 1 590 283
2006 2 430 560 169 204 464 1 657 320 67 037 184
2007 2 570 559 139 999 384 1 711 773 54 453 149
2008 2 685 756 115 197 316 1 758 745 46 972 129
2009 2 721 203 35 447 97 1 775 335 16 590 45
2010 2 794 236 73 033 200 1 821 694 46 359 127
2011 2 927 650 133 414 366 1 907 782 86 088 236
2012 3 065 465 137 815 378 2 009 777 101 995 279
2013 3 230 908 165 443 453 2 146 257 136 480 374
2014 3 383 812 152 904 419 2 274 368 128 111 351
2015 3 624 403 240 591 659 2 463 995 189 627 520
2016 3 845 349 220 946 605 2 644 411 180 416 494
Kaynak: Tablodaki Veriler TÜİK- Motorlu Kara Taşıtları İstatistikleri Kullanılarak Hesaplanmış ve Derlenmiştir.
4. Sonuç
Türkiye ve İstanbul’daki Otomobillerin Yıllık Kullanım Durumları
Önemli miktardaki ithal aracın yanı sıra alınan araç yerli olsa bile, girdileri büyük oranda dış
kaynaklı olan otomotiv sektörü sebebiyle, yurtdışına giden döviz miktarı giderek büyümektedir.
Sarsılan tüketici bütçesi yanında, bu araçların çok az kullanılması hiçbir tüketicinin hiçbir borcu
olmasa bile ağır bir fırsat maliyeti getirmektedir.
6 Yaşındaki Otomobillerde ağırlıklandırılmış ortalama İstanbul ilanları için yıllık 20.290 KM,
tüm Türkiye ilanları için ise 20.635 KM çıkmaktadırAynı araştırma 10 yaşındaki araçlar(2007
model) için tekrarlanmış ve sonuçlar tablolanmıştır.
10 Yaşındaki Otomobillerde ağırlıklandırılmış ortalama İstanbul ilanları için yıllık 16.354 KM,
tüm Türkiye ilanları için ise 17.094 KM çıkmaktadır. 6 ve 10 yaşındaki araçların karşılaştırması
dahi önemli veriler vermektedir. Araçların yaşı büyüdükçe yıllık kullanım kilometreleri
düşmektedir. 6 yaşından büyük araçlarda 10 yaşına kadar kullanımın yıllık farkın iki katı kadar
yani yıllık 7.872 KM düştüğü yani İstanbul’da 10 yaşını doldurmuş bir aracın artık ortalama
12.763 KM yaptığı söylenebilir. Ortalama yıllık KM aracın yaşı büyüdükçe azalmaktadır.
Dolayısıyla İstanbul’daki eski araç stokunun önemli bir kısmının yıllık 10.000 KM’nin altında
yol aldığı söylenebilecektir. Aynı durum biraz daha düşük oranda tüm Türkiye ortalaması için
de söz konusudur. Türkiye’nin 2007 model araçları için yıllık KM ortalaması 17.094’e
düşmektedir. Farkın 2 katı alındığında 10 yaşındaki araçlardaki yıllık KM’nin 13.555 KM’ye
düştüğü hesaplanabilecektir. Daha eski araç stokunun önemli bir kısmının yıllık gittiği yolun
10.000 KM’nin altında olduğu değerlendirilebilir. Sık kullanılan araçların daha sık el
değiştireceği, dolayısıyla satış ilanına konu olacağı bir gerçektir. Bunun karşısında daha az araç
kullanan tüketicilerin daha nadir aralıklarla araçlarını değiştireceği ve ilan vereceği
değerlendirildiğinde araçların gerçek yıllık kullanım KM ortalamalarının daha düşük olacağı
söylenebilir.
E-ISBN: 978-605-68882-5-0 384

Ekonomik sistem açısından baktığınızda bu araçların lüks tüketim olarak kabul edilip
edilmemesi de çok önemli değildir. Önemli olan büyük miktarda kaynak ayırarak alınan
makinelerin sadece belli günlerde, saatlerde ve sınırlı olarak kullanılması, dolayısıyla
amortisman giderlerini sağlayacak kadar dahi faydalanılamamasıdır. Sorun bireysel tercihlerde
değil, sistemin kurgulanmasındadır.
Türkiye ve İstanbul’daki Otomobillerin Artış Hızları- Otopark İhtiyacı ve Trafiğe Olan Etki
Otomobillerin yıllık yaptıkları ortalama KM miktarının az olması ve buna mukabil sürekli artan
otomobil sayısı bereberinde park ve tarfik sorununu da getirmektedir. Artan araç sayısının
etkilerinin ölçümünde farklılık oluşturabilecek bir veri ise trafikteki araç sayısıdır. Trafikteki
araçların yıllık ve günlük artış hızları ayrı ayrı tablolanmıştır.
Buna göre İstanbul’da her gün 500’ü otomobil olmak üzere 605 araç trafiğe katılmaktadır. Buna
göre genel olarak semt içi caddelere ve ara sokaklara park edilen araçlar için her gün yaklaşık
3,25 KM’si otomobiller için olmak üzere yaklaşık 4,3 KM ara yol artışına ihtiyaç
bulunmaktadır. Araçların önemli çoğunluğunun ara yollara parkettiği düşünüldüğünde
İstanbul’daki yıllık otopark alanı artış ihtiyacı 1.570 KM’ uzunluğunda ara yol demektir. Aynı
rakamlar Türkiye için günlük 13 KM’si otomobilde olmak üzere 23 KM dir. Türkiye için ara
yollara park eden araçlar için yıllık ilave ara yol ihtiyacı 4.745 KM si otomobil için olmak üzere
8.395 KM’yi bulmaktadır. Durumun sürdürülemez hale geldiği özellikle istanbul’da
yaşayanlar, diğer tüm şehir merkezleri ve büyük ilçeler için olmak üzere bütün Türkiye için
herkesin bilgisi dahilindedir. Gelir seviyesi görece düşük kabul edilen ilçeler de dahil olmak
üzere özellikle akşamları İstanbul’da park yeri bulmak çok büyük bir sorun olup zaman ve
kaynak israfına yol açmaktadır. Aynı sorun gündüzleri, işyeri bulunan ana caddelerde çok daha
fazla yaşanmaktadır. Park etmiş araçlarla dolu cadde ve sokaklar ile park yeri arama faaliyeti
aynı zamanda trafiğin işlemesini aksatan en önemli sebep haline gelmiştir.
Kaynaklar
[1]. Otomobil Seçimine Çok Kriterli Yaklaşım Önerisi. Yavaş, Mustafa, et al. 4, 2014, İşletme ve İktisat
Çalışmaları Dergisi, Cilt 2, s. 110-118.
[2]. Otomotiv Endüstrisinin Türkiye Ekonomisindeki Yeri: Sektörel Bir İnceleme. Görener, Ömer ve
Görener, Ali. 26, 2008, Elektronik Sosyal Bilimler Dergisi, Cilt 7, s. 306-319.
E-ISBN: 978-605-68882-5-0 385

[3]. Öztürk, Zübeyde. Karayolu Şehiriçi Trafikte Tıkanma Maliyeti. [Çevrimiçi] [Alıntı Tarihi: 20
Ağustos 2018.]
[4]. İstanbul'daki Taksi İşletmeciliğinin İrdelenmesi Ve CBS Destekli Düzenleme Önerisi. Munzuroğlu,
Ülger, Şeker, Dursun Zafer ve Musaoğlu, Nebiye. [dü.] TMMOB Harita Ve Kadastro Mühendisleri
Odası. Ankara : s.n., 2007. 11. Türkiye Harita Bilimsel Ve Teknik Kurultayı.
[5]. Motorlu Taşıtlarda Yakıt Ekonomisi Ve İşletme Şartlarının Performansa Etkileri. Yenitepe, Recep
ve Akdeniz, Barış. Karabük : s.n., 2009. 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS'09).
[6]. Otomobillerdeki Yakıt Sistem Değişikliğinin Vergi Ve Tüketici Yatırım Politikalarına Etkisi. Atik,
Murat, et al. 2, 2015, Verimlilik Dergisi, Cilt 0, s. 29-42.
[7]. Potansiyel Bir Çevre Vergisi Olarak Motorlu Taşıtlar Vergisi: Avrupa Birliği ve Türkiye Arasında
Karşılaştırmalı Bir Analiz. Yalçın, Zafer. 2, 2013, Atatürk Üniversitesi İktisadi ve İdari Bilimler
Dergisi, Cilt 27, s. 141-158.
[8]. www.sahibinden.com. [Çevrimiçi] 2018. www.sahibinden.com.
E-ISBN: 978-605-68882-5-0 386

International Conference on Data Science and Applications (ICONDATA) 2018
Türkiye İstatistik Kurumu Verileri ve İkinci El Araç İlan

Verilerinin İşlenmesi Suretiyle Otomobil Kullanıcı Gruplarının
Oluşturulması
Ferhat Sayım1
f_sayim@hotmail.com
1
Yalova University , TURKEY
Özet
Bu çalışmada özel otomobillerin maliyet modellerine zemin teşkil etmek üzere maliyete dayalı
kullanıcı grupları oluşturulmaktadır. Gruplar farklı fiyat sınıflarında ve farklı kullanım
istatistiklerine sahip kullanıcılardan oluşturulmaktadır. Araştırmada, evren 2016 sonu-2017
başı itibariyle resmi kayıtlarda otomobil olarak geçen İstanbul’da 2.276.597 Adet ve Türkiye
için 11.317.988 adet araçtır. Bu araçlar ağırlıklı olarak yolcu taşımacılığında kullanılan özel
araçlar olarak tanımlanmıştır. Evren alt maliyet gruplarında örneklendirilmiştir. Örneklem
olarak 11 farklı kullanıcı grubu tanımlanmıştır. Bu gruplar belirlenirken araçların kullanım ve
ikinci el değeri ile diğer bazı ulaşım ekonomisi verilerinden faydalanılmıştır.
Kurulan maliyet modelinin farklı tüketici gruplarını eş anlı olarak izleyebilmesi için toplam
otomobil stokunun alt gruplar bazında izlenmesine olanak sağlanmıştır. Aşağıda oluşturulmuş
örnek grupların temel özellikleri kısa metinlerle ifade edilmiştir. Çalışmanın içeriğinde bu
grupların maliyet kalemlerinin nasıl farklılaştırıldığı görülebilecektir. Özelliklerde en
belirleyici maliyet kalemleri, araç değeri, yıllık KM ve yakıt ortalamasıdır. Diğer maliyetler
büyük oranda bu 3 veriye göre şekillenmektedir. Excel sayfasındaki geniş maliyet modelinin
nasıl çalıştığı hesapların birbirini nasıl etkilediği dinamik örneklerle test edilmektedir.
E-ISBN: 978-605-68882-5-0 387

Grup Özellikleri
1.Grup Ucuz Araç-Düşük Yakıt-Çok Nadir Otopark Ücreti Var-Kasko Yok- Az KM-Büyük Kaza Yok
2.Grup Ucuz Araç-Düşük Yakıt- Otopark Ücreti Yok-Kasko Yok- Az Km-Büyük Kaza Yok
3.Grup Ucuz Araç- Orta Yakıt-Otopark Ücreti Yok-Kasko Yok- Az Km-Büyük Kaza Yok
4.Grup Ucuz Araç- Orta Yakıt-Çok Nadir Otopark Ücreti Var-Kasko Yok- Az KM-Büyük Kaza Yok
Orta Gelir Araç, Çok Düşük Yakıt, Nadir Otopark Ücreti, Kasko Yok, Araç Nadir Arıza Yapıyor,
5.Grup Büyük Kaza Yok
Orta Gelir Araç, Düşük Yakıt, Otopark Ücreti Yok, Kasko Yok, Araç Nadir Arıza Yapıyor, Büyük
6.Grup Kaza Yok
Orta Gelir Araç, Orta/Az Yakıt, Nadir Otopark Ücreti, Kasko Var, Araç Nadir Arıza Yapıyor, Büyük
7.Grup Kaza Yok
Orta-Üst Gelir Araç, Orta Yakıt, Bazen Otopark Ücreti, Kasko Var, Araç Çok Nadir Arıza Yapıyor,
8.Grup Büyük Kaza Yok
Orta-Üst Gelir Araç, Düşük Yakıt, Bazen Otopark Ücreti, Kasko Yok, Araç Çok Nadir Arıza
9.Grup Yapıyor, Büyük Kaza Yok
Orta-Üst Gelir Araç, Düşük Yakıt, Bazen Otopark Ücreti, Kasko Var, Araç Çok Nadir Arıza
10.Grup Yapıyor, Büyük Kaza Yok
Üst Gelir Araç, Yakıt, Bazen Otopark Ücreti,Kasko Var, Araç Neredeyse Hiç Arıza
11.Grup Yapmıyor, Büyük Kaza Yok
Ulaşım sektörü ülke gayrisafi hasılası içinde önemli bir paya ulaşmaktadır. Ulaşım ekonomisine
ilişkin verilerin il, yıl, kullanıcı grupları bazında izlenebilmesini sağlayacak bir maliyet
modelinin oluşturulabilmesine ihtiyaç vardır. Çalışma bu amaca hizmet etmek için
tasarlanmıştır. Çalışma ile bu grupların dinamik Excel tabloları ve formüllerle veri tabanlarında
işlenmesi sağlanmaktadır. Bu veri tabanı değiştirilebilir ve güncellenebilir nitelikte tasarlanmış
olup il bazında neticeler verebilmektedir.
Anahtar Kelimeler: Araç Kullanıcı Grupları, Özel Araç, Ulaşım Ekonomisi, Yolculuk
Maliyetleri
Generating Automobile User Groups by Data Processing of

Turkish Statistical Institute and Used Cars Website
Abstract
In this study, cost groups are formed to provide the basis for cost models of private cars. Groups
are composed of users with different price classes and different usage statistics. In the study
population is 11,317,988 vehicles for TURKEY and 2,644,411 vehicles for Istanbul according
to the official records. These vehicles are mainly defined as passenger private vehicles used for
passenger transport. The universe is exemplified in lower cost groups. 11 different user groups
E-ISBN: 978-605-68882-5-0 388

are defined as a sample. When these groups were determined, the use of vehicles and second
hand value and some other transportation economics data were utilized.
In order for the established cost model to follow different consumer groups simultaneously, it
is possible to monitor the total automobile stock on a sub-basis basis. The basic features of the
sample groups created below are expressed in short texts. It can be seen how the cost items of
these groups are differentiated in the content of the work. The most decisive cost items in
specifications are vehicle value, annual KM and fuel average. Other costs are largely shaped by
these three factors. How the large cost model on the Excel page works and how the calculations
affect each other are tested with dynamic examples.
Group Properties
Group 1 Cheap Vehicle-Low Fuel-Very Rare Parking Fee Yes-No Auto Insurance -No KM-
Major Accident
Group 2 Cheap Vehicle - Low Fuel - Parking Fee None - No Auto Insurance - Little Km - Major
Accident
Group 3 Cheap Vehicle- Medium Fuel-Parking Fee None-No Automobile-Less Km-Major

Accident
4th Group Cheap Car- Medium Fuel-Very Rare Car Parking Fee -Scope None- Little KM-No
Major Accidents
5th Group Medium Income Vehicle, Very Low Fuel, Rare Parking Fee, No Casco, Car Makes
Rare Malfunction, No Major Accidents
6th Group Medium Income Vehicle, Low Fuel, No Parking Fee, No Casco, Car Makes Rare
Malfunction, No Major Accidents
7th Group Medium Income Vehicle, Medium / Low Fuel, Rare Car Parking Fee, Auto
Insurance, Car Rare Malfunction, No Major Accidents
8th Group Middle-Up Income Vehicle, Medium Fuel, Sometimes Parking Fee, Auto Insurance,
Vehicle Rarely Malfunctioning, Major Accident
Group 9 Medium-Upper Income Vehicle, Low Fuel, Sometimes Parking Fee, No Casco, Car
Very Rare Malfunction, No Major Accidents
10th Group Mid-Up Income Vehicle, Low Fuel, Sometimes Parking Fee, Auto Insurance,
Vehicle Rarely Malfunctioning, Major Accident
11th Group Upper Income Vehicle, Fuel, Sometimes Parking Fee, Auto Insurance, Car Almost
Does Not Fail, Major Accident
E-ISBN: 978-605-68882-5-0 389

The transportation sector has a significant share in the country's gross domestic product. There
is a need to create a cost model that will allow the data related to the transportation economy to
be displayed on provincial, year, user group basis. The study is designed to serve this purpose.
The study will enable these groups to be processed with dynamic Excel spreadsheets and
formulas in databases. This database is designed to be changeable and updatable and will be
able to provide provincial results.
Keywords: Car User Groups, Private Cars, Transportation Economy, Travel Costs, Cost
Models
1. Giriş
Makro ekonomik açıdan, özellikle satın alınan makine parkının, en azından zaman ve kullanıma
bağlı amortisman giderini karşılayacak kadar fayda sağlaması lazımdır. Alınan araç yerli olsa
bile, girdileri büyük oranda dış kaynaklı olan otomotiv sektöründe önemli bir kaynak yurtdışına
gitmektedir. Ama asıl önemli olan kaynağın nereye gittiği değil aldığınız makineden
sağladığınız faydadır. Alınan bu araçların çok az kullanılması hiçbir borcunuz olmasa bile ağır
bir fırsat maliyeti getirmektedir.
Otomobillerin yıllık yaptıkları ortalama KM miktarının az olması ve buna mukabil sürekli artan
otomobil sayısı bereberinde park ve trafik sorununu da getirmektedir. Bu çalışmanın da içinde
bulunduğu araştırma serisindeki bir diğer araştırmada çıkan sonuçlara göre trafik tescili yapılan
araçların yıllık ve günlük artış hızları ayrı ayrı tablolanmıştır. Buna göre İstanbul’da her gün
500’ü otomobil olmak üzere 605 araç trafiğe katılmaktadır. Buna göre genel olarak semt içi
caddelere ve ara sokaklara park edilen araçlar için her gün yaklaşık 3,25 KM’si otomobiller için
olmak üzere yaklaşık 4,3 KM ara yol artışına ihtiyaç bulunmaktadır. Araçların önemli
çoğunluğunun ara yollara parkettiği düşünüldüğünde İstanbul’daki yıllık otopark alanı artış
ihtiyacı 1.570 KM’ uzunluğunda ara yol demektir. Aynı rakamlar Türkiye için günlük 13 KM’si
otomobilde olmak üzere 23 KM dir. Türkiye için ara yollara park eden araçlar için yıllık ilave
ara yol ihtiyacı 4.745 KM si otomobil için olmak üzere 8.395 KM’yi bulmaktadır. Durumun
sürdürülemez hale geldiği özellikle istanbul’da yaşayanlar, diğer tüm şehir merkezleri ve büyük
ilçeler için olmak üzere bütün Türkiye için herkesin bilgisi dahilindedir. Gelir seviyesi görece
düşük kabul edilen ilçeler de dahil olmak üzere özellikle akşamları İstanbul’da park yeri bulmak
çok büyük bir sorun olup zaman ve kaynak israfına yol açmaktadır. Aynı sorun gündüzleri,
işyeri bulunan ana caddelerde çok daha fazla yaşanmaktadır. Park etmiş araçlarla dolu cadde
E-ISBN: 978-605-68882-5-0 390

ve sokaklar ile park yeri arama faaliyeti aynı zamanda trafiğin işlemesini aksatan en önemli
sebep haline gelmiştir.
İçinde bulunulan iktisadi düzen verimliliği, tüketim kararlarının özellikle maliyet fayda
analizine dayandırılmasına bağlamaktadır. Buna göre tüketici, alternatifler arasında maksimum
faydayı sağlayacak seçenek için harcama yapmaktadır. Bu fayda tanımının içine bazen sadece
fiziki mal, bazen hizmet, memnuniyet, itibar, rahatlık vb. girebilir. Bazen alınan hizmet yada
mal, istenen fayda-rahatlığa aşağıdan ya da yukarıdan yaklaşan alternatiflerin az olması ya da
çok pahalı olması gibi sebeplerle istenmemekle birlikte tercih edilen seçenek halini alır. Diğer
bir değişle tüketici kendini mecbur hissetmektedir. Bir çok sıkıntısına rağmen özel araç
kullanımı artık kaçınılmaz bir ihtiyaç halini almıştır. Trafik sıkıntısı ve iktisadi maliyetler
sevilmediği halde maliyet fayda dengesi açısından aşağıdan ve yukarıdan yakın bir alternatif
görülmediği için hayatın akışı içerisinde sıkıntılarıyla kabullenilen seçenek olmuştur. Varlığı
temel ihtiyaç haline geldiği için az ya da çok kullanılmasına dayalı maliyet analizleri az yapılır
olmuş ya da gereksiz kabul edilir olmuştur.
Ulaşım sektörüne aktarılan büyük kaynağın önemli bir kısmı otomobiller başta olmak üzere
araçlara, yakıt ve altyapı çalışmalarına gitmektedir. Ulaşım sektörünün işletme faaliyetlerinde
otomobil ve bağlı sarf giderleri çok büyük maliyetlere yol açmaktadır. Trafik sıkışıklığının
getirdiği maliyetler tüketicileri hem yıpratmakta hemde ulaşım sektöründe oluşan kısırdöngü
sebebiyle tüketici gruplarının daha fazla otomobil almasına sebep olmaktadır. Bu durum da
daha fazla trafik sıkışıklığı, daha az park yeri ve daha fazla park ücreti gibi maliyetleri
beslemektedir. Ulaşım ekonomisinde özellikle otomobil kullanıcıları için maliyetleri inceleyen
akademik çalışmalara ulaşılmaya çalışılmıştır. Çalışmaların bir kısmı aşağıda özetlenmiştir.
Yıldırım ve Akkurt, Yoğun Trafik Yaşanan Bölgelerde Yazılım Yardımlı Alternatif Ulaşım
Çözümleri adlı çalışmalarında internet bağlantısı olan herhangi bir akıllı telefondan ya da
bilgisayardan hizmet veren ve kullanıcılara istedikleri iki nokta arasında en kısa sürede
gidebilecekleri yolu ve diğer alternatifleri sunan bir sistem tasarlamışlardır. Sunulan çözüm icin
Google Maps Api v3 kütüphanesi yetenekleri kullanılmıştır. Bu uygulamanın Türkiyede hizmet
veremediği trafik katmanının yerine, önceden belirlenen yerlerde olduğu varsayılan
sensörlerden gelen anlık trafik verisi analiz edilmiştir. Ülke genelinde oluşturulan sistemin
şehirler arası seyahatte ve şehir içi ulaşımda trafik verilerinin değerlendirilerek doğru rotanın
tespiti ile bireysel veya toplumsal kazanımların çok büyük olacağı ve insan hayatını
E-ISBN: 978-605-68882-5-0 391

kolaylaştıracağı ortaya konmuştur. Bu sistemin kullanılmasının en büyük kazanımlarından biri

trafik güvenliğinin en ust seviyelere taşınması olacaktır[1]. (1).
Arslan, Antakya Trafiği Altyapı Sorunları Ve Çözüm Önerileri adlı çalışmasında ulaşım ve
trafik altyapı sorunları ile ilgili yerel düzeyde yapılabilecek yapısal reformlara dikkat çekmiştir.
Ayrıca mevcut durumda görülen bazı aksaklıklara örnekler vererek çözüm önerileri sunmuştur.
Ulaşım problemlerine çözüm önerilerini; Uzun Vadeli Çözüm Önerisi: Trafik Yönetimi Teşkili,
Mevcut Sistemde Yapılacak İyileştirmeler, Mühendislik, Eğitim ve Denetim Açısından
Yapılması Gerekenler, Daha Temiz ve Yaşanabilir Bir Antakya İçin Motorsuz Ulaşım adlı dört
başlık altında toplamıştır. Araştırmada, ulaşım problemlerinin aşılmasını sağlayacak sağlıklı
yapıların oluşması ve başarıya ulaşması için, yasama ve yürütme erkini elinde bulunduran
devlete büyük görevler düştüğü bununla birlikte, denetimin aksamadan yapılmasının anahtar
rol oynadığı vurgulanmıştır[2]. (2).
Can, İstanbul’daki Ticari Taksilerin Maliyet Açısından Olumsuz Etkileri adlı tez
çalışmasında İstanbul’daki ticari taksilerin trafiğe etkisini maliyet açısından değerlendirmiş, bu
değerlendirmede taksilerin yolculuk süresince tükettikleri yakıtın miktarını baz almıştır. Ticari
taksilerin trafikte gelişi güzel boş gezişlerinden kaynaklanan yakıt tüketim maliyetlerini
azaltmak için gerek işletmecilik anlayışı açısından gerekli düzenlemelerin yapılması, gerekse
alternatif yakıt ve teknolojilerin kullanılması suretiyle maliyetlerin azaltılması için önerilerde
bulunmuştur. Yaptığı pilot çalısmada, taksilerin saniye saniye hız ve yükseklik verilerini
kaydetmiş, böylelikle klasik metodlardaki ortalama hız verisinin aksine ivmelenmeyi hesap
ederek, Güç Metodu ile aracın yakıt sarfiyatını çok daha hassas ve sağlıklı olarak ölçmüştür.
Elde edilen yakıt maliyeti değerlerini inceleyerek, taksilerde CNG kullanımının
yaygınlaştırılması ve gerekli yasa ve yönetmeliklerin bu konuda uygulamaya geçirilmesinin bu
tez kapsamında incelenen ana baslığın özü olan yakıt maliyetinin düşürülmesi bakımından
faydalı olacağı önerisini getirmiştir[3]. (3).
Yavaş vd., Otomobil Seçimine Çok Kriterli Yaklaşım Önerisi adlı çalışmalarında müşterilerin
otomobil seçim yaklaşımlarını incelenmiş, satın almada dikkat edilen kriterleri tespit etmiş,
AHP ve ANP yöntemleri ile kriterleri önceliklendirmişlerdir. ANP ve AHP yöntemlerinin
farklılıklarını ifade ettikleri bu çalışmada, uygulamadaki sonuçları karşılaştırmışlardır. AHP ve
ANP yapısında kullanılacak kriterlerin belirlenmesi için 8 farklı otomotiv firmasının satış
danışmanları, insan kaynakları bölümleri ile görüşmüş, bu değerlendirmelerin sonucunda;
E-ISBN: 978-605-68882-5-0 392

Donanım, Tasarım, Yakıt Türü, Motor Hacmi, Şanzıman Türü, Fiyat ve Satış Sonrası Hizmetler
olmak üzere 8 ana kriter belirlemişlerdir. Analitik Ağ Yöntemine göre ilk üç kriterin; iç tasarım,
güvenlik donanımı ve 1600cc motor hacmi, Analitik Hiyerarşi Yöntemine göre ise ilk üç
kriterin; donanım, tasarım ve yakıt türü olduğunu belirlemişlerdir[4]. (4).
Görener ve Görener, Otomotiv Endüstrisinin Türkiye Ekonomisindeki Yeri: Sektörel Bir

İnceleme adlı çalışmalarında öncelikle otomotiv sektörünün dünyadaki mevcut durumunu ele
alarak ülkelerin ekonomilerine katkılarından bahsetmiş, sonrasında Türkiye’de otomotiv
endüstrisinin gelişimi ve mevcut durumunu incelemiş, son olarak da otomotiv sektörünün
çözülmesi gereken sorunlarına değinmiş ve çeşitli öneriler sunulmuşlardır. Çalışmada;
Türkiye’de otomotiv sektörünün güçlü sermaye yapısı, yabancı ortaklıkların var olması, güçlü
yan sanayinin varlığı, nitelikli iş gücü, coğrafi konum, kalite sisteminin sağlanmış olmasının
rekabet açısından sektörün güçlü yanlarını oluşturduğu, aşırı kapasite, yetersiz ve istikrarsız iç
pazar, ana ve yan sanayi arasında işbirliği eksikliği ve ithalat artışı gibi konuların ise sektörün
zayıf yönlerini oluşturduğu sonucuna ulaşmışlerdır[5]. (5).
3. Özel Araçlara Yönelim Seviyesinin Belirlenmesi

Park yeri ve trafiğe etkisi yönünden sistemi kilitleme noktasına gelen özel araçlara yönelim
insanların sadece bireysel sorunları değildir. Gelinen nokta ortak yaşamın, şehir yöneticilerinin,
ülke ve ekonomi yöneticilerinin en önemli problem alanlarından birine dönüşmüştür. İktisadi
sistem çözümleri; yasaklama, men etme, insanları zorla başka seçeneğe yöneltme gibi
uygulamalarda görmez. Aslında iktisadi sistem çoğu zaman alternatifleri kendi içerisinde
piyasa mekanizması ile bulma ve sorunun aşılması üzerine kurgulanmıştır. Uzun süreli sorun
varsa iktisadi sistemin önünü tıkayan unsurların varlığı aranmalı ve alternatiflerin önünün nasıl
kesildiği araştırılmalıdır. Çözüm önerisi getirmeden önce sorunun doğru kaynakta kavranması
gerekmektedir. Bunun için ise sorun olarak görülen unsura ait verilerin öncelikli olarak
olabildiğince gerçeğe uygun ortalamalarla ortaya konması gerekmektedir. Bu çalışma serisine;
“özel araçlara yönelimin gönüllü olarak ve özel sektör çözümleriyle engellenebileceği” ana
teması ile başlanılmıştır. Oluşturulmaya çalışaılan maliyet modeli ile farklı kullanıcı gruplarının
özel otomobil alımı ve kullanımı iktisadi maliyetler ile değerlendirilecek ve aynı faydayı
sağlayacak farklı alternatiflerin maliyeti ile karşılaştırılabilecektir. Bir anlamda tüketicilerin
katlandıkları maliyetler bütün açıklığıyla gösterilebilecek ve alternatif modellerin üretilmesine
kapı aralanacaktır.
E-ISBN: 978-605-68882-5-0 393

Toplumdaki insanların ve kullanıcı gruplarının başta gelir seviyeleri olmak üzere bir çok
yönden farklılaştığı bir gerçektir. Oluşturulacak maliyet modeli bu grupları daha çok gelir
seviyeleri ve katlanabildikleri maliyetler açısından ayrıştıracaktır. Bu gruplamanın
yapılabilmesi için ana maliyet unusurları ve bunlar için katlanılan maliyetlere ilişkin seviyeler
belirlenmelidir. Bu çalışma maliyete dayalı kullanıcı gruplarının nasıl oluşturulacağı
konusunda öneri getirmektedir.
4. Örnek Uygulama
Türkiye’deki otomobil stoku ile bu stoka ilişkin tüketici karalarını etkileyen önemli iktisadi
verileri ortaya çıkarmaya yönelik bir maliyet modelinin bir aşaması da otomobil kullanıcılarının
sınıflara ayrılması işlemidir. Oluşturulacak maliyet modelinde otomobil kullanıcıları için
tanımlanacak grupları birbirinden ayrıştıracak özelliklerin tespiti ve bu uygulamanın
konusudur.
Amaç: Bu çalışmanın amacı otomobil kullanıcılarını maliyetleri etkileyen iktisadi tercihleri

açısından objektif gruplamalara ayıracak unsurları belirlemek ve bu unsurlara ilişkin verilerin
elde edilebilmesi için yöntem geliştirmektir.
Tüketiciler üzerinden ve katlandıkları maliyetlere dayalı gruplamaların yapılması sonrasında

elde edilecek verilerle bireysel kullanıcılar için her şey dahil KM başı iktisadi maliyetleri
hesaplamaya yarayacak bir maliyet modeli ve tablosu oluşturulabilecektir. Bu sayede alt gruplar
ve katlandıkları maliyetleri ayrıntılı biçimde gösteren veriler üzerinden etkin çözüm önerileri
geliştirmek mümkün olacaktır. Getirilecek çözüm önerilerinin bu model üzerinden simüle
ederek uygulamaya geçilmeden önce başarı ya da başarısızlık durumunun test edilebilmesi
sağlanabilecektir. Araştırmada elde edilen verilerin ilk halinin İstanbul Büyükşehir Belediyesi
tarafından desteklenen bir kongrede sunumu planlanmış ancak organizasyon formatının
akademik kongre formatından farklı olması sebebiyle sunum gerçekleşmemiştir.
Araştırmada, evren 2016 sonu-2017 başı itibariyle resmi kayıtlarda otomobil olarak geçen
İstanbul’da 2.276.597 Adet ve Türkiye için 11.317.988 adet araçtır. Bu araçlar ağırlıklı olarak
yolcu taşımacılığında kullanılan özel araçlar olarak tanımlanmıştır. Evren alt maliyet
gruplarında örneklendirilmiştir. Örneklem olarak 11 farklı kullanıcı grubu tanımlanmıştır. Bu
gruplar belirlenirken araçların kullanım ve ikinci el değeri ile diğer bazı ulaşım ekonomisi
verilerinden faydalanılmıştır.
E-ISBN: 978-605-68882-5-0 394

5.2 Yöntem
Otomobil kullanıcıları için temel maliyet unsurları belirlenerek toplam maliyet içinde en yüksek
paya sahip sabit ve değişken maliyet kalemleri belirlenmiştir. Belirlenen çok sayıda maliyet
unusurundan KM başı maliyeti etkileyen en önemli kalemlerin şunlar olduğu tespit edilmiştir.
• Aracın Piyasa Fiyatı
• Aracın Yakıt Türü
• Yıllık Yapılan Ortalama KM
Yukarıdaki maliyet unsurlarının yanında aşağıdaki unsurlar da kullanım maliyetlerini ikinci

derecede etkilemektedir. Aşağıda sayılan üç maliyet unsurunun dışında da çok sayıda maliyet
kalemi tespit edilmiş ve üretilen maliyet modeline eklenmiştir.
• Kasko Sigortası Var/Yok
• Büyük Kaza Var/Yok
• Otopark Kullanım Düzeyi
Yöntem kısmında ifade edilen ana maliyet unsurlarının farklı kombinasyonları ile alt kullanıcı
grupları oluşturulmuştur. Sonrasında her bir maliyet kaleminin toplam içindeki gerçeğe uygun
ağırlığının belirlenmesi ve sağlamaların yapılabilmesi için bir yöntem geliştirilmiştir.
Aracın Piyasa Fiyatı
Bu konuda resmi istatistikler bulunmamaktadır. Modelde kullanılacak araç değeri aralıkları ve

bu aralıklarda yer alan araç miktarının tespit etmek için en uygun yöntem olarak Türkiye
çapında 2017 ağustos itibariyle 265 bin ve 2018 ekim itibariyle yaklaşık 300 bin otomobil satış
ilanının yer aldığı bir ikinci el satış sitesinin veri tabanı üzerinde çalışma yapılması uygun
görülmüştür
Aracın Yakıt Türü
Resmi istatistikler, motor büyüklükleri ve yakıt türleri konusunda bilgi vermektedir. Ancak
özellikle şehir içi trafik ve gidilen ortalama hız, yakıtı değişken kılmaktadır. Araçların fabrika
E-ISBN: 978-605-68882-5-0 395

değerlerinin yanı sıra özel araç sahiplerinden alınan bilgiler doğrultusunda maliyete dayalı
kullanıcı grupları oluşturulabilecektir.
Yıllık Yapılan Ortalama KM
Bu konuda resmi istatistik bulunmamaktadır. Bu araştırma serisinin bir başka çalışmasında bu

rakamların elde edilmesi için ayrı bir araştırma yapılmıştır. Kısaca şu şekilde özetlenebilir.
Sahibinden.com üzerinden Türkiye çapında 19.484 adet 6 yaşında araç ve 8.711 adet 10 yaşında
araç ilanı incelenmiştir. Her bir grup için İstanbul ve Türkiye ayrımında alt KM aralıklarına
düşen araç ilanları tespit edilmiştir. Her iki yaş ve grup için KM aralıklarına düşen araç sayı ve
oranları da tespit edilerek sayılarına bağlı ağırlıklandırma da yaparak ortalama KM’ler ayrı ayrı
tespit edilmiştir. Genç araçların yaşlandıkça düşen yıllık KM ortalamaları da bu şekilde tespit
edilmiştir. Bu iki yaş üzerinden elde edilen ortalamalar ve yaşa bağlı düşme eğilimi de dikkate
alınmıştır. Benzer araştırma ileride yeniden yapılabilecektir.
Kasko Sigortası Var/Yok
Bu konuyla ilgili Sigorta Kuruluşları Birliği toplam üretilen pirim miktarını istatistik olarak
yayınlamaktadır. Bu pirim miktarının hangi gruplara hangi yüzde ile dağıtılacağının
belirlenmesi için sigorta acenteleri başta olmak üzere çeşitli kesimlerden bilgi alınmaktadır.
Sigorta firmalarından bilgi alınmıştır.
Büyük ve Küçük Kaza Var/Yok
Araç sahipleri ile tamirci ve servislerden fiyat alınmıştır. Maliyet modelinde kaza vb. giderler
için satırlar ayrılmış ve hesaplama formüllerine dahil edilmiştir.
Otopark Kullanım Düzeyi
Kurulan örnek maliyet modelinde hem sabit gider kalemleri içerisinde(Abonelik vb. sürekli
otopark kullananlar için) hem de değişken-yarı değişken giderler içerisinde(kullanıma ve
ziyaret edilen yerlere bağlı olarak maruz kalanlar için) satır ayrılarak ve hesaplama formüllerine
dahil edilerek yer verilmiştir.
5.3 Kurulan Maliyet Modeline İlişkin Örnek Kullanıcı Grupları
Kurulan maliyet modelinin farklı tüketici gruplarını eş anlı olarak izleyebilmesi için toplam
otomobil stokunun alt gruplar bazında izlemesine olanak sağlanmıştır. Aşağıda Tablo 1’de
oluşturulmuş örnek grupların temel özellikler kısa metinlerle ifade edilmiştir. Tablo 2.
E-ISBN: 978-605-68882-5-0 396

incelenerek bu grupların maliyet kalemlerinin nasıl farklılaştırıldığı görülebilir. Özelliklerde en

belirleyici maliyet kalemleri araç değeri, yıllık KM ve yakıt ortalamasıdır. Diğer maliyetler
büyük oranda bu 3 veriye göre şekillenmektedir.
Excel sayfasındaki geniş maliyet modelinin nasıl çalıştığı hesapların birbirini nasıl etkilediği
dinamik örneklerle test edilmiştir.
Tablo 1. Belirlenen Grup Özellikleri

1.Grup Ucuz Araç-Düşük Yakıt-Çok Nadir Otopark Ücreti Var-Kasko Yok- Az KM-Büyük Kaza Yok
2.Grup Ucuz Araç-Düşük Yakıt- Otopark Ücreti Yok-Kasko Yok- Az Km-Büyük Kaza Yok
3.Grup Ucuz Araç- Orta Yakıt-Otopark Ücreti Yok-Kasko Yok- Az Km-Büyük Kaza Yok
4.Grup Ucuz Araç- Orta Yakıt-Çok Nadir Otopark Ücreti Var-Kasko Yok- Az KM-Büyük Kaza Yok
5.Grup Orta Gelir Araç, Çok Düşük Yakıt, Nadir Otopark Ücreti, Kasko Yok, Araç Nadir Arıza Yapıyor, Büyük Kaza Yok
6.Grup Orta Gelir Araç, Düşük Yakıt, Otopark Ücreti Yok, Kasko Yok, Araç Nadir Arıza Yapıyor, Büyük Kaza Yok
7.Grup Orta Gelir Araç, Orta/Az Yakıt, Nadir Otopark Ücreti, Kasko Var, Araç Nadir Arıza Yapıyor, Büyük Kaza Yok
8.Grup Orta-Üst Gelir Araç, Orta Yakıt, Bazen Otopark Ücreti, Kasko Var, Araç Çok Nadir Arıza Yapıyor, Büyük Kaza Yok
Orta-Üst Gelir Araç, Düşük Yakıt, Bazen Otopark Ücreti, Kasko Yok, Araç Çok Nadir Arıza Yapıyor, Büyük Kaza
9.Grup Yok
10.Grup Orta-Üst Gelir Araç, Düşük Yakıt, Bazen Otopark Ücreti, Kasko Var, Araç Çok Nadir Arıza Yapıyor, Büyük Kaza Yok
11.Grup Üst Gelir Araç, Yakıt, Bazen Otopark Ücreti,Kasko Var, Araç Neredeyse Hiç Arıza Yapmıyor, Büyük Kaza Yok
5.4 Özel Araç(Otomobiller) İçin Maliyet Modeli Unsurları ve Örnek Hesaplama
Özel araç stoku içindeki 2.el otomobiller için cari piyasa fiyatları, amortisman tutarları, motor
büyüklükleri, model yılları, yakıt türleri, kullanım KM’leri, bakım onarım masrafları, varsa
kasko ve trafik sigortaları, otopark kullanım durumları gibi değerlerin tespiti araştırma
açısından önemlidir. Bu değerler, özel araçlar için kurulan maliyet modelinde her şey dahil KM’
maliyetlerini değişen ağırlıkta etkilemektedir. Ayrıştırılan kullanıcı gruplarına ilişkin
hesaplamaları test etmek için kurulan örnek maliyet modelinde, değerler varsa resmi istatistik,
yoksa alt araştırmalara bağlı olarak hesaplanmıştır. Bazı durumlarda resmi istatistikleri
doğrulayıcı alt araştırmalar da yapılmıştır. Aşağıda örnek uygulama için kullanılan tutarların
elde ediliş yöntemleri anlatılmaktadır. Elde edilen rakamlar Ağustos 2017’de toplanmış
verilerden sağlanmıştır.
Aracın Piyasa Fiyatı
Bu araştırma serisinin bir başka çalışmasında elde edilen ilk veriler kullanıldı. Örnek uygulama olarak
İstanbul’daki satılık otomobiller için 65.000 İkinci el otomobil araç satışı ilanına ilişkin veriler
incelendi. Satış aralıklarına göre sınıflandırıldı. Ortalamalar bulundu. Resmi istatistiklerde fazla
gözüken genç araçların ikinci ele düşme sürelerindeki gecikme vb. hususlar dikkate alınarak
düzeltmelere gidildi. İstanbul ve Türkiye satış ilanlarının ortalama yaş ve KM farkları da dikkate
alınarak fiyat aralıkları ve araç miktarları tüm araç stoku üzerine oranlandı.
E-ISBN: 978-605-68882-5-0 397

Aracın Yakıt Türü
Örnek uygulamada özel araç sahiplerinden alınan bilgiler doğrultusunda düşük, orta ve üst yakıt
gideri seviyesi olarak gruplandırma yapılmıştır. Düşük trafik ve orta hız seviyesi esas alınmaya
çalışılmıştır.
Yıllık Yapılan Ortalama KM
Örnek uygulama için bu serideki bir başka araştırmadan elde edilen veriler kullanıldı. Bu çalışmada
Sahibinden.com üzerinden Türkiye çapında 19.484 adet 6 yaşında araç ve 8.711 adet 10 yaşında araç
ilanı incelenmiştir. Her bir grup için İstanbul ve Türkiye ayrımında alt KM aralıklarına düşen araç
ilanları tespit edilmiştir. Her iki yaş ve grup için KM aralıklarına düşen araç sayı ve oranları da tespit
edilerek sayılarına bağlı ağırlıklandırma da yaparak ortalama KM’ler ayrı ayrı tespit edilmiştir. Genç
araçların yaşlandıkça düşen yıllık KM ortalamaları da bu şekilde tespit edilmiştir. Bu iki yaş
üzerinden elde edilen ortalamalar ve yaşa bağlı düşme eğilimi de dikkate alınmıştır.
Kasko Sigortası Var/Yok
Örnek uygulamada kasko giderinin maliyetleri olduğundan fazla göstermemesi için çoğu kullanıcı
grubunda kaskonun olmadığı varsayılmıştır. Ortalama düşük tutulmuştur. Maliyet hesabına dahil
edilen tüm kasko bedellerinin toplamının, resmi istatistiklere göre bu araç grubundan yapılan prim
tahsilatlarının toplamından küçük tutulması yoluyla sağlama yapılmıştır. Poliçelerdeki vergi, harç ve
benzeri kalemler de dikkate alındığında bu fark daha da büyümektedir. 11 gruptan sadece 4’ü için
kasko gideri gösterilmiştir.
Büyük ve Küçük Kaza Var/Yok
Örnek uygulama için kaskosu olmayıp kaza yapanlar için her ne kadar kasko hasar istatistiklerinden
bazı modellemeler yapmak mümkün olsa da örnek çalışmada hiçbir araç grubu için büyük kaza gideri
girilmemiştir. Büyük kaza gideri “0” olarak alınmıştır. Kaskosu olsun olmasın bütün araç grupları
için ”Kaskosu olsa bile bozdurmaya değmeyen küçük kaza vb.” adında bir kalem yazılmıştır. Örnek
hesaplamada bu kalem bütün araç grupları için her 10.000 KM için 300TL olarak hesaplanmıştır.
Dolayısıyla her bir grup için KM’ye etkisi 3 Kuruş olarak ana tabloda gösterilmektedir.
Otopark Kullanım Düzeyi
Örnek uygulamada sabit giderler içindeki “Otopark ücreti” bütün gruplarda “0” gösterilmiştir. Yani
fiili olarak hesaplamaya katılmamıştır. Değişken giderler içerisinde gösterilen “otopark gideri” çok
çok düşük tutulmuştur. Hesaplamada İstanbul’daki tüm otomobillerin toplam otopark gideri sadece
2017 ağustos itibariyle 131 Milyon TL olarak ele alınmıştır. Halbuki sadece İSPARK’ın 2016
cirosunun yaklaşık 235 Milyon TL olduğuna dair bilgiler basında yer almıştır. Otopark giderlerinin
hangi gruplara nasıl dağıtılacağına dair objektif bir veri yada yöntemsel olarak geçerli bir gözlem
bulunmadığı için örnek hesaplamada çok düşük bedellerle gösterilmesi uygun bulunmuştur. 7 grupta
gösterilmiş olup KM başı etkisi 4-10 kuruş arasındaki değerlerle ana tabloda gösterilmektedir.
6. Bulgular ve Sonuç
Aşağıdaki tabloda örnek uygulama için elde edilen rakamlar geliştirilmekte olan maliyet
modeline uygulanmıştır. Aşağıdaki tabloda değişken ve sabit maliyetlerin hesaplandığı bölüm
E-ISBN: 978-605-68882-5-0 398

gösterilmekte fırsat maliyetinin hesaplandığı kısım gösterilmemektedir. Oluşturulan kullanıcı

grupları otomobil kullanım maliyetlerini farklı kullanıcı düzeylerinde izleyebilmek ve her bir
grup için özel politika geliştirme imkanını getirebilecektir.
E-ISBN: 978-605-68882-5-0 399

Tablo 2.Hazırlanan Maliyet Modeli Tablosu ve Örnek Hesaplama

Grup No 1.Grup 2.Grup 3.Grup 4.Grup 5.Grup 6.Grup 7.Grup 8.Grup 9.Grup 10.Grup 11.Grup
Araç Değeri 25.000 35.000 35.000 35.000 60.000 60.000 60.000 90.000 90.000 120.000 190.000
Yıllık KM 7.000 8.000 8.000 8.000 18.000 18.000 18.000 20.000 20.000 35.000 30.000
Periyodik Bakım/Araç Değeri
Oranı(10.000KM) 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007
Temel Değer ve Katsayılar
Ağır Bakım/Araç Değeri Oranı(30.000 KM) 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007
Eskimeye Bağlı ve Ekstra Arızalar:Araç Değeri
Oranı/Her 10.000 Km İçin 0,0100 0,0120 0,0100 0,0100 0,0080 0,0080 0,0080 0 0 0 0
Sabit Otopark Ücreti-Aylık Ortalama Ücret 0 0 0 0 0 0 0 0 0 0 0
DeğişkenOtopark Ücreti- Her 1.000 KM İçin
Maruz Kalınan Ortalama 0 0 0 40 50 0 50 100 50 100 100
Yıkama Her 1.000 KM Başına Düşen Ortalama
Tutar 10 10 10 10 10 10 10 20 30 30 10
Kaskosu olsa bile kasko bozdurmaya değmeyen
küçük kaza vb./10.000 KM Başına 300 300 300 300 300 300 300 300 300 300 300
Büyük Kaza(Kaskosu Olmayanlar İçin-Her
15.000 Km İçin.-Hesaplamaya Katılmadı 0 0 0 0 0 0 0 0 0 0 0
Kasko 0 0 0 0 0 0 660 990 0 1320 2090
Trafik Sigortası/Yıl 500 500 500 500 500 500 500 500 500 500 500
Değişken ve Yarı Değişken Giderler
Yakıt/KM 30 Kr. 30 Kr. 50 Kr. 45 Kr. 25 Kr. 30 Kr. 40 Kr. 50 Kr. 30 Kr. 30 Kr. 45 Kr.
Periyodik Bakım/(Araç Değerinin OnBinde 2 Kr. 2 Kr. 2 Kr. 2 Kr. 4 Kr. 4 Kr. 4 Kr. 6 Kr. 6 Kr. 8 Kr. 13 Kr.
7'si/10.000KM)
Ağır Bakım Farkı /(Araç Değerinin OnBinde 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 2 Kr. 2 Kr. 3 Kr. 4 Kr.
Değişken ve Yarı Değişken Giderler
7'si/30.000KM
Kaskosu olsa bile kasko bozdurmaya değmeyen 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr.
küçük kaza vb./10.000 KM Başına
Büyük Kaza(Hesaplamalara dahil edilmedi, 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr.
büyük kazaların dahil edilmesi bildiri hipotezini
zayıflatmaz daha da güçlendirir.)
Kullanılan KM'ye Bağlı Maruz Kalınan -Kr. -Kr. -Kr. 4 Kr. 5 Kr. -Kr. 5 Kr. 10 Kr. 5 Kr. 10 Kr. 10 Kr.
Otopark Ücretleri Yıllık
Yıkama/Yıllık Tahmini/10.000 KM 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 2 Kr. 3 Kr. 3 Kr. 1 Kr.
Normal Lastik/Araç değerinin Binde 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 2 Kr. 2 Kr. 3 Kr. 5 Kr.
12'si/50.000 KM
Kış Lastiği/Araç değerinin Binde 12'si/100.000 0 Kr. 0 Kr. 0 Kr. 0 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 2 Kr.
KM
Pasta Cila vb.Kapsamlı Temizlik/Aracın 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr.
Segmenti ve Yaşına Göre Değişmektedir.
Ortalama /50.000 KM İçin 250 TL (KM ye
etkisi çok çok ufak)
Toplam Değişken Maliyet 37,7 39,0 59,0 58,0 42,3 42,3 57,3 77,1 53,1 62,0 84,1
Kr. Kr. Kr. Kr. Kr. Kr. Kr. Kr. Kr. Kr. Kr.
Sabit Giderler
Süreye Bağlı Araç Amortisman/Enflasyon 45 Kr. 55 Kr. 55 Kr. 55 Kr. 42 Kr. 42 Kr. 42 Kr. 56 Kr. 56 Kr. 43 Kr. 79 Kr.
Hariç Fiyatına Göre Yıllık Ortalama %12,5
Gelir artışına Bağlı Model ve Segment 18 Kr. 22 Kr. 22 Kr. 22 Kr. 17 Kr. 17 Kr. 17 Kr. 23 Kr. 23 Kr. 17 Kr. 32 Kr.
Yükseltme Maliyeti/Her bir yeni alımda eski
aracın genel segmentinden %30 Daha Yüksek
Değerli Araç Alma Eğilimi/6 Yıl
Sabit Giderler
Trafik Sigortası/Yıl 7 Kr. 6 Kr. 6 Kr. 6 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 3 Kr. 1 Kr. 2 Kr.
Kasko /Araç Değerine Bağlı % 1,5 Ortalama -Kr. -Kr. -Kr. -Kr. -Kr. -Kr. 4 Kr. 5 Kr. -Kr. 4 Kr. 7 Kr.
Motorlu Taş.Vergisi/Tarife Bilgisine Göre 4 Kr. 4 Kr. 4 Kr. 4 Kr. 3 Kr. 3 Kr. 3 Kr. 5 Kr. 5 Kr. 3 Kr. 6 Kr.
Ortalamalar Araç Sıfır Fiyatının 1000 de
5'iX2=%1
Varsa Sabit Otopark Ücreti-Aylık Ortalama -Kr. -Kr. -Kr. -Kr. -Kr. -Kr. -Kr. -Kr. -Kr. -Kr. -Kr.
Ücret
Akü (Ortalama Akü Fiyatı 250 TL/4 Yıl) 1 Kr. 1 Kr. 1 Kr. 1 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr. 0 Kr.
Muayene (Otomobil Muayene ve Egsoz 2 Kr. 2 Kr. 2 Kr. 2 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 1 Kr. 0 Kr. 0 Kr.
Emisyon Ölçümü/2 Yıl) 198,24+50=248,24/2
Toplam Sabit Maliyet 76 Kr. 90 Kr. 90 Kr. 90 Kr. 65 Kr. 65 Kr. 69 Kr. 92 Kr. 87 Kr. 69 Kr. 126 Kr.
Değişken+Sabit Toplam KM Başı Maliyet 114 129 149 148 108 108 126 169 140 131 Kr. 211 Kr.
(Fırsat Maliyeti Hariç) Kr. Kr. Kr. Kr. Kr. Kr. Kr. Kr. Kr.
Maliyete dayalı kullanıcı grupları için hesaplanmış bazı özet sonuçlar aşağıda Tablo 3’te
gösterilmektedir. Özellikle fırsat maliyeti ve hesaplama şekline ilişkin geliştirme süreci devam
etmektedir. Bu tablolar kullanıcı gruplarının maliyet modelinde nasıl yerleştirileceğini
göstermek için hazırlanmıştır.
Tablo 3.Otomobil KM Başı Kullanım Maliyetleri Özet Tablosu
E-ISBN: 978-605-68882-5-0 400

İstanbul Türkiye
Özel
Yakıt Toplam Toplam
Toplam Araç
Yakıt Dahil Toplam Araç İstanbul Araç Türkiye
Araç Yıllık Fırsat Sahibine
Grup No / KM Toplam Sabit Stoku Otomobil Stoku Otomobil
Değeri KM Maliyeti Toplam
Kuruş Değişken Maliyet İçindeki Sayısı İçindeki Sayısı
Kuruş Maliyet
Maliyet Payı Payı
Kuruş
Tahmini Tahmini
1.Grup 25.000 7.000 30 Kr. 38 Kr. 76 Kr. 36 Kr. 150 Kr. 7% 185.109 10% 1.131.800
2.Grup 35.000 8.000 30 Kr. 39 Kr. 90 Kr. 43 Kr. 171 Kr. 7% 185.109 10% 1.131.800
3.Grup 35.000 8.000 50 Kr. 59 Kr. 90 Kr. 47 Kr. 195 Kr. 7% 185.109 8% 905.440
4.Grup 35.000 8.000 45 Kr. 58 Kr. 90 Kr. 47 Kr. 194 Kr. 8% 211.553 8% 905.440
5.Grup 60.000 18.000 25 Kr. 42 Kr. 65 Kr. 35 Kr. 143 Kr. 8% 211.553 8% 905.440
6.Grup 60.000 18.000 30 Kr. 42 Kr. 65 Kr. 35 Kr. 143 Kr. 8% 211.553 8% 905.440
7.Grup 60.000 18.000 40 Kr. 57 Kr. 69 Kr. 38 Kr. 165 Kr. 11% 290.885 10% 1.131.800
8.Grup 90.000 20.000 50 Kr. 77 Kr. 92 Kr. 51 Kr. 220 Kr. 11% 290.885 9% 1.018.620
9.Grup 90.000 20.000 30 Kr. 53 Kr. 87 Kr. 47 Kr. 186 Kr. 14% 370.218 14% 1.584.520
10.Grup 120.000 35.000 30 Kr. 62 Kr. 69 Kr. 40 Kr. 171 Kr. 11% 290.885 10% 1.131.800
11.Grup 190.000 30.000 45 Kr. 84 Kr. 126 Kr. 67 Kr. 278 Kr. 8% 211.553 5% 565.900
Ortalama 76.550 18.360 Toplam 100% 2.644.411 100% 11.317.998
Kurulan kullanıcı grupları ve hazırlanan örnek maliyet tabloları üzerinden her bir tüketici grubu
için KM’başı toplam maliyetler anında tespit edilebilmektedir. Modele eklenen ve
geliştirilmekte olan fırsat maliyeti satırları ile her bir tüketici grubunun farklı bir tüketim
kalıbına geçmesi halinde değişikliğe bağlı fırsat maliyeti ve kurtulabileceği maliyetlere ilişkin
fırsat maliyeti hesaplanabilmektedir. Bu şekilde tüketici grubunun toplam KM başı maliyetlere
erişilmektedir. Bu maliyetlerin tespit edilmesi tüketici gruplarının alternatif modelleri iktisadi
açıdan tercih edip etmeyeceği noktasında çok önemli bir maliyet muhasebesi modeli ve karar
destek sistemi oluşturacaktır.
Kurulan maliyet modelinde iyileştirmeler devam etmektedir. Daha hassas sonuçlara ileriki
zamanlarda ulaşılabileceği değerlendirilebilir. Bu çalışmada hazırlanan tüketici grupları ve
hesaplaması yapılan örnek maliyetler kullanılarak nasıl bir analiz yapılabileceği
gösterilmektedir. Dolayısıyla yeni model önerileri bu şekilde politika belirleyicilere iktisadi
analiz içeren karar destek sistemleri ile birlikte sunulabilecektir.
Bu çalışmanın dahil olduğu serideki araştırmaların yapıldığı tarihler itibariyle ortalama dolar
kuru 1USD=3,5 TL dir. Araştırmalarda elde edilen parasal değerler bu kur üzerinden rezerv
kabul edilen para birimine çevrilebilir. Bu şekilde sonuçlar, yapılmış ve yapılacak diğer
araştırmaların sonuçları ile karşılaştırılabilir.
E-ISBN: 978-605-68882-5-0 401

Kaynaklar
[1]. Yoğun Trafik Yaşanan Bölgelerde Yazılım Yardımlı Alternatif Ulaşım Çözümleri. Aslan Yıldırım,
Pınar ve Akkurt, Adnan. 1, 2015, Gazi Üniversitesi Fen Bilimleri Dergisi, Cilt 3, s. 427-436.
[2]. Antakya Trafiği Altyapı Sorunları ve Çözüm Önerileri. Arslan, Turan. 2007. 5. Kentsel Altyapı
Ulusal Sempozyumu. s. 280-294.
[3]. Can, Derya. İstanbul Trafiğindeki Ticari Taksilerin Maliyet Açısından Olumsuz Etkileri. İstanbul,
Türkiye : s.n., Eylül 2010. s. 117.
[4]. Otomobil Seçimine Çok Kriterli Yaklaşım Önerisi. Yavaş, Mustafa, et al. 4, 2014, İşletme ve İktisat
Çalışmaları Dergisi, Cilt 2, s. 110-118.
[5]. Otomotiv Endüstrisinin Türkiye Ekonomisindeki Yeri: Sektörel Bir İnceleme. Görener, Ömer ve
Görener, Ali. 26, 2008, Elektronik Sosyal Bilimler Dergisi, Cilt 7, s. 306-319.
E-ISBN: 978-605-68882-5-0 402

Yabancı Kökenli Türkçe Kelimelerin Yinelemeli Sinir Ağları ile

Belirlenmesi
A C Kınacı
cumhur.kinaci@comu.edu.tr
Computer Engineering Department, Çanakkale Onsekiz Mart University, TURKEY
Özet
Türkçede yaklaşık 14 bin yabancı kökenli kelime bulunmaktadır. Bazı kelimeler için yabancı
kökenli olup olmadığını söylemek etimolojik inceleme yapmadan oldukça zor olabilmektedir.
Türkçe kökenli kelimeler genellikle iki kurala uyarlar; büyük ünlü uyumu ve küçük ünlü
uyumu. Ancak yabancı kökenli olmadığı halde bu kurallara uymayan veya tam tersi olan
kelimeler bulunmaktadır. Bu çalışmanın temel amacı sadece kelimelerdeki harfler kullanarak
yinelemeli ağlarla tüm Türkçe kelimeleri kapsayan köken belirlemeyi sağlayacak bir
sınıflandırıcı eğitmektir. Yinelemeli sinir ağları birçok doğal dil işleme işinde kullanılmaktadır.
Bu çalışmada bir yinelemeli ağ Türkçe kelimelerin kökenlerini sınıflandırmak için eğitilmiştir.
Karakter seviyesinde kodlama kullanarak ağ eğitimi yapılmıştır. Eğitim verisi TDK (Türk Dil
Kurumu) İnternet sitesinden köken bilgisi ile birlikte elde edilmiştir.
Anahtar Kelimeler: Yinelemeli Sinir Ağları, Doğal Dil İşleme, Kelime Kökeni
Detecting Turkish Words of Foreign Origin Using Recurrent

Neural Networks
Abstract
In Turkish there are nearly 14 thousand foreign words. For some words telling whether they are
foreign originated or not is a hard task without etymological analysis. Originally Turkish words
generally follow two rules; major vowel harmony and minor vowel harmony. But there are
words still not foreign but doesn’t follow these rules or vice versa. The main purpose of this
study is to train a classifier just using the characters of the words by recurrent networks for
detecting words’ origins for all Turkish words. Recurrent neural networks are used in many
natural language processing tasks. In this work a RNN is trained for classification of words’
E-ISBN: 978-605-68882-5-0 403

origins in Turkish. Character level encoding is used for training. Training data is gathered from
TDK (Turkish Language Society) website with origin information.
Keywords: recurrent neural networks, natural language processing, word origin
1. Giriş
Diğer tüm diller gibi Türkçe de başka dillerden kelimeler içermektedir. Bu kelimeler Türkçe’ye
geçerken genelde bazı değişikliklere uğrarlar. Bu değişiklikler kelimenin okunuşunun Türkçe
yazımına çevrilmesi şeklinde olabilir. Türkçe kökenli kelimelerin büyük çoğunluğu iki temel
kurala uyarlar. Bunlar büyük ve küçük ünlü uyumu kurallarıdır. Ancak bu kurallara uymayan
Türkçe kelimeler olduğu gibi yabancı kökenli olup bu iki kurala uyan kelimeler de vardır. Bu
nedenle başka dillerden geçen yabancı kökenli kelimelerin belirlenmesi için çoğunlukla
dilbilimsel inceleme yapmak gerekir.
Bu çalışmada Türkçe diline geçen yabancı kelimelerin belirlenmesi için bir sınıflandırıcı
eğitilmesi hedeflenmiştir. Bu sınıflandırıcının kelimeleri karakter dizisi şeklinde ele alması
amaçlanmıştır. Çünkü büyük ve küçük ünlü uyumu kuralları gibi başka kurallar da bu sayede
sınıflandırıcı tarafından öğrenilebilir. Özellikle doğal dil işlemede dizi analizi için,
Özyinelemeli Sinir Ağı (RNN) modeli genellikle kullanılır. Bu çalışmada, sınıflandırıcı olarak
bir çeşit RNN olan Uzun-Kısa Süreli Bellek (LSTM) modeli kullanıldı.
LSTM birçok doğal dil işleme probleminde başarılı bir şekilde kullanılmıştır [1]. Verilen bir
metnin hangi dilde olduğunu bulmak için LSTM kullanılmaktadır [2]. Metin çeviri probleminde
[3] ve metinden duygu analizi yapmak [4] için de kullanılmaktadır.
2. Özyinelemeli Sinir Ağları ve Uzun-Kısa Süreli Bellek
Özyinelemeli sinir ağları (RNN) ileri beslemeli sinir ağlarının sıralı veri işleme için olanıdır
[5]. RNN verilen bir dizi için [x1, x2, ..., xk] ve xi∈Rn , her adımda gizli durumları bir dizi olarak
hesaplar [h1, h2, ..., hk]. t zamanındaki gizli durumun aktivasyonu girdi xt ve bir önceki gizli
durum ht-1=f(xt,ht-1) olacak şekilde f fonksiyonu ile hesaplanır. Tüm zaman adımlarında çıktı
yt=g(ht) şeklinde hesaplanabilir. Bir çıktı dizisi y1,y2,...,yk diziden diziye dönüşüm için
hesaplanabilir. Aktivasyon hesaplamalarında sıfırlanan veya aşırı artan gradyan problemi [6]
nedeniyle bu çalışmada uzun-kısa süreli bellek (LSTM) [7] kullanılmıştır.
3. Veri
E-ISBN: 978-605-68882-5-0 404

Eğitim verileri TDK (Türk Dil Kurumu) İnternet sayfası üzerindeki sözlük kullanılarak elde
edilmiştir. Kullanımı sık olan yaklaşık 27 bin kelime köken bilgileri TDK sorgu sayfası
aracılığıyla elde edilmiştir. Toplamda 26712 kelime ve bunların 13154 tanesi köken olarak
yabancı dillerden Türkçeye geçmiştir. Tüm kelimeler küçük harflerden oluşacak şekilde
dönüştürülmüştür. Bu kelimeler arasında şehir isimleri gibi özel isimler de bulunmaktadır. Bu
verilerin %80’i eğitim için kullanılmış %20’si test aşaması için ayrılmıştır. Bu işlem 10 defa
rastgele şekilde veri bölünecek şekilde katlamalı çapraz doğrulama ile tekrarlanmıştır.
LSTM Eğitimi
Oluşturulan sınıflandırma ağı için 128 hücreli sigmoid aktivasyon fonksiyonlu bir tane LSTM
katmanı kullanıldı. Hata ölçümü için ikili çapraz entropi fonksiyonu seçildi. Kullanılan veriler
iki sınıfa ayrılmış olduğundan (türkçe kökenli veya değil şeklinde) bu fonksiyon tercih edildi.
LSTM ağı eğitiminde kelimeler karakter seviyesinde kodlandı. Her karakter alfabedeki sırasına
göre sayısal değere çevrildi. Türkçede 28 harf olduğu düşünülürse Her bir kelime Şekil-1’de
gösterildiği gibi karakterlerden oluşan bir dizi şeklinde eğitim için LSTM ağına gösterildi. Tüm
kelimelerin karakter dizisi olarak karşılığı birbirleriyle aynı uzunlukta olması gerektiğinden
elimizdeki maksimum uzunluktaki kelimeyle aynı uzunlukta olacak şekilde diğer kodlanmış
kelimelerin başına sıfır değeri eklendi. Bu şekilde tüm kelimeler aynı uzunlukta dizilerden
oluşmuş oldu.
Batch boyutu 20, epoch sayısı 60 ve doğrulama kümesi oranı %10 olarak seçilerek eğitimler
gerçekleştirildi.
E-ISBN: 978-605-68882-5-0 405

Şekil 1. Kullanılan dizi kodlamasına bir örnek
4. Eğitilen Sınıflandırıcı Başarımı
Eğitim sonucu oluşan sınıflandırıcı modelin eğitim verileri ve test verileri üzerindeki başarımı
Tablo-3’de verilmiştir. Her ikis veri kümesi içinde başarımlar birbirine yakın ve yüksektir. Bu
da eğitilen modelin verilen bir kelimenin köken olarak yabancı kaynaklı olup olmadığını
kelimelerdeki harf dizilimlerine bakarak bulabildiğini göstermektedir.
Tablo-1 ve Tablo-2’de test ve eğitim verileri hata matrisleri verilmiştir. Aynı zamanda F1
skorları da hesaplanmıştır. Her ikisi için de F1 değerleri yüksek çıkmıştır. Bu da
sınıflandırıcının başarılı olduğunu göstermektedir.
Tablo 1. Test Verisi Hata Matrisi
E-ISBN: 978-605-68882-5-0 406

Tablo 2. Eğitim Verisi Hata Matrisi
Tablo 3. Test Sonuçları
5. Sonuç
Bu çalışmada Türkçe kelimelerin harf dizilimlerine bakarak diğer dillerden geçen yani yabancı
kökenli kelimeler olup olmadığını bulmayı sağlayacak bir özyinelemeli sinir ağı sınıflandırıcısı
eğitimi gerçekleştirilmiştir. Buradaki amaç, kelimenin yabancı kökenli olup olmadığını bulmak
için dilbilimsel analiz yapmaya gerek kalmadan cevap verebilecek bir sınıflandırıcının ne kadar
başarılı olabileceğini test etmekti. Doğal dil işleme ve diğer dizi öğrenme problemlerinde
başarılı olan LSTM modeli başarılı bir şekilde eğitilmiş ve test verileri üzerinde de yüksek
başarım kaydedilmiştir.
Daha sonra yapılacak çalışmalarda sınıflandırıcının nasıl desenler öğrendiğini daha iyi
anlayabilmek için yanlış sınıflandırılan kelimelerinin hangilerinin büyük ve küçük ünlü
uyumuna uyduğunu incelemek faydalı olacaktır.
E-ISBN: 978-605-68882-5-0 407

Kaynaklar
[1] Sundermeyer, Martin, Ralf Schlüter, and Hermann Ney. "LSTM neural networks for language
modeling." Thirteenth annual conference of the international speech communication association. 2012.
[2] Gonzalez-Dominguez, Javier, et al. "Automatic language identification using long short-term
memory recurrent neural networks." Fifteenth Annual Conference of the International Speech
Communication Association. 2014.
[3] Wu, Yonghui, et al. "Google's neural machine translation system: Bridging the gap between human
and machine translation." arXiv preprint arXiv:1609.08144 (2016).
[4] Tang, Duyu, Bing Qin, and Ting Liu. "Document modeling with gated recurrent neural network for
sentiment classification." Proceedings of the 2015 conference on empirical methods in natural language
processing. 2015.
[5] I. Goodfellow, Y. Bengio, A. Courville, and Y. Bengio, Deep learning. MIT press Cambridge, 2016,
vol. 1.
[6] Y. Bengio, P. Simard, and P. Frasconi, “Learning long-term dependencies with gradient descent is
difficult,”IEEE transactions on neural networks,vol. 5, no. 2, pp. 157–166, 1994.
[7] S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural computation, vol. 9, no. 8,
pp. 1735–1780, 1997
E-ISBN: 978-605-68882-5-0 408

An Image Encryption Method with using Lorenz Map and Color

Space Transform
Fatıma Yeşim İkikat1, Sırma Yavuz2
yesimikikat@beykent.edu.tr, sirma@ce.yildiz.edu.tr
1
Beykent University, TURKEY
2
Yildiz Technical University, TURKEY
Abstract
With the development of the Internet, security in information transfer has become an important
issue and many encryption algorithms have been developed for this reason. However, standard
encryption algorithms show different efficiencies according to the type of encrypted data and
the compatibility of these methods with different file types are discussed. Especially multimedia
files have different features than text files and these features have several advantages and
disadvantages in encryption. For this reason, cryptography of image files is examined as one of
the special subdivisions of cryptology. Image data can be encrypted with conventional block
encryption or chain encryption algorithms. But this is not efficient enough due to the large size
of the data, the strong correlations between the pixel values and the high redundancy. For this
reason, different methods for image encryption have been proposed over the years. The chaotic
methods have been tried and tested since it is more than adequate for image encryption. In this
paper, a new algorithm is proposed using Lorenz maps and YCbCr color space transformation
for encrypt a colored image. Algorithm was constructed to cover encryption and decryption
processes and reliability was examined with various tests. It is also proposed what can be done
for efficiency and development. Thus, a unique method that can be used for image encryption
has been developed.
Keywords: Image Encryption, Chaotic Encryption, Lorenz Maps
1. Introduction
With the development of the Internet, security in information transfer has become an important
issue. While extremely powerful encryption methods and algorithms have been proposed for
solving this problem, the change of data types that transferred on communication platforms
over the years, has brought with it various technical difficulties in ensuring safety.
E-ISBN: 978-605-68882-5-0 409

Most of the information transferred today has different qualities than text data like the media
files; and image files are one of these. Image files can be encrypted with traditional methods
that used to encrypt text. However these methods are not efficient enough because of some
specific features of image files like; they have bigger amount of data, higher redundancy and
stronger correlation between pixels.
Standard stream or block cipher algorithms are not suitable for image encryption due to two
reasons. First, images are much larger than texts, therefore traditional cryptosystems take so
much time to directly encrypt the image data. And second, decrypted text must be strictly equal
with original text, but for decrypted image, containing small corruption is acceptable because
of human perception is limited.
Because of these reasons, development of special encryption methods for images is an

important necessity. In this article, we also proposed a chaotic method that specifically designed
for image encryption.
2. Previous Work
During the development of cryptography technique, many methods have been proposed for
encrypting pictures. However, one of the most valuable technique among all these methods is
using chaotic systems for image encryption. The idea of using chaotic methods in cryptography
was introduced by C. E. Shannon’s classical article [1]. In his article, Shannon has shown that
encryption methods using chaotic functions can be suggested, in order to the requirements of a
secure cryptographic system are compensated by the characteristics of the chaotic systems.
After Shannon, many researchers have tried to use chaotic functions for encryption [2].
The use of chaotic systems in image encryption has been proposed since then, and many
researchers have tried to exploit chaotic functions to encrypt images. The using chaotic methods
includes different techniques like; using fractal keys [3], block encryption with chaotic keys [4]
and pixel permuting with chaotic maps [5]. While there are several advantages and
disadvantages to all, very few have been fully capable of security. Efforts to find a secure chaos-
based encryption method for image encryption is still ongoing.
Unlike weaknesses in text encryption, image encryption has its own difficulties like; the value
that each pixel can take is limited to a small range, there is pixel correlation and the fact that
the breaking of encrypted data at a certain rate is sufficient to extract meaningful information.
E-ISBN: 978-605-68882-5-0 410

Therefore, the use of chaotic methods in image encryption is not only advantageous in many
respects, but also can cause security vulnerabilities.
One of the most useful ways to eliminate an image encryption algorithms is chosen plaintext
attack. And Most of the proposed chaos-based algorithms, especially that using chaotic maps,
are not as robust against this attack adequately. F. Özkaynak applied this method to many
algorithms in his doctorate thesis [6], and achieved success. For instance, Zhu et al. [7] proposed
an image encryption algorithm that uses hyper chaotic systems. In their article, the hyper-
chaotic system generates a key sequence and the encryption is done with this key sequence.
François et al. [8] proposed an algorithm that uses chaotic functions in another way. According
to proposed algorithm, it is aimed to encrypt the image by applying XOR process to the
sequences mixed by chaotic functions.
In his thesis Özkaynak has managed to break the Zhu’s and François’s algorithms with using
chosen plaintext attack and some other algebraic techniques in just a few steps. Özkaynak
showed that, no matter how complex a chaotic system is, the important issue is how to
implement the algorithm.
Although chaotic maps can be used in various ways to encrypt images, generally the preferred
method is to use pixel permutation in the process. There are many chaotic maps with different
dimensions that can be used for this purpose. For instance, Chen Wei-bin et al. [9] used Hénon
chaotic map, Chen et al. [10] used Cat map, Li et al. [11] used Hénon and Chebyshev maps.
Although these maps are two-dimensional, they are extended and rendered in three dimensions.
In addition, to resist the chosen plaintext attack, not only mixing of the pixels but also changing
the values were followed.
Unfortunately, the only disadvantage of chaos-based encryption algorithms is not security

vulnerabilities. Because the solving process of a chaotic function repeatedly is a serious
workload, encryption algorithms can take a long time, require more processing power, and can
increase the size of the image. The same is true in the decryption process. Therefore the
designed algorithm should not only be safe, but also work at an optimal time.
In this article, a new chaotic image encryption algorithm that can be capable of withstanding to
chosen plaintext attack and work fast has been tried to be proposed.
E-ISBN: 978-605-68882-5-0 411

3. Basic Theory
Before going into the details of the proposed algorithm, some basic information about the
different techniques are used is given below.
3.1. Fundamentals of Chaotic Cryptography
Chaotic cryptography can be defined as the use of chaotic systems in cryptography. Chaotic
systems are non-linear dynamical equation systems that have some characteristics such as
sensitivity to initial conditions, stretching and folding of the phase space and aperiodic
trajectories arbitrary close to an infinite set of periodic orbits. There is a set of properties that
summarize these characteristics observed in chaotic systems: dynamic instability (butterfly
effect), topological mixing, aperiodicity, dense periodic orbits, ergodicity and self-similarity
[12]. These properties of chaotic systems meet the required features of secure cryptographic
methods such as confusion and diffusion. These characteristics are summarized in Table 1.
Table 1. Comparison Between Chaos and Cryptographic Properties
Chaotic Characteristic Cryptographic Property Description

Ergodicity The output of the system
Mixing propertyConfusion seems similar for any input
Auto-similarity
Sensitivity to initial A small difference in the

conditions and control Diffusion input produces a very
parameters different output
A deterministic procedure
Deterministic Deterministic that produces
pseudorandomness pseudorandomness
A simple algorithm that

produces highly complex
Complexity Algorithmic complexity outputs
* This table obtained from Alvarez & Li, 2006 [11].
There exist two main approaches of designing chaotic cryptosystems: analog and digital. In
recent years, because of digital-based communication gains weight, the use of analogue chaos-
based cryptographic systems is limited. On the other hand, the potential field of use of digital
chaotic ciphers seems much wider.
Chaotic systems can be implemented in finite computing precision to encrypt the plaintext in
number of ways like stream ciphers based on chaos based pseudo-random number generators,
E-ISBN: 978-605-68882-5-0 412

block ciphers based on chaotic round functions or S-Boxes or using chaotic maps [13]. But
some of these may not be suitable for image encryption. Today, studies on the use of chaotic
systems in image encryption are mainly focused on the implementation of chaotic maps to the
encryption algorithms.
3.2. Lorenz System and Lorenz Map
The Lorenz system is a system of differential equations introduced by Edward Lorenz in 1963,
which is mainly used to explain atmospheric phenomena. By holding most of the variables
constant, he was able to reduce the system to three-dimensional state space and he found the
first chaotic system [14]. The differential equations that form the system are given below:
xˊ = σ (y ˗ x)
yˊ = ρx ˗ y ˗ xz
zˊ = xy ˗ βz
The system has three variables and three constants. When the constants σ = 10, ρ = 28 and
β = 8/3, system exhibits chaotic behavior for these (and nearby) values. The Lorenz system
takes three inputs and produces three outputs with the solution of the equations. This data
corresponds to the coordinates of a three-dimensional coordinate system. When constants are
in their chaotic values, these coordinate relationships create a 3D chaotic map at the end of the
process.
3.3. YCbCr Color System and Downsampling
The YCbCr color system is a color space especially used in video encoding and is a scaled and
offset version of the YUV color space.
YCbCr color spaces are defined by a mathematical coordinate transformation from an

associated RGB color space. In this color system, Y is the luma component and Cb and Cr are
the blue-difference and red-difference chroma components. And Y in the YCbCr color system
is different from Y value in the YUV color system which is luminance, meaning that light
intensity is nonlinearly encoded based on gamma corrected RGB primaries. There are several
YCbCr sampling formats, such as 4:4:4 (default), 4:2:2, 4:1:1 and 4:2:0. These are
downsampled versions of 4:4:4 format [15].
The transformation equations between RGB and YCbCr color spaces are as follows:
E-ISBN: 978-605-68882-5-0 413

Y = 0.299R + 0.587G + 0.114B

Cb = ˗0.172R ˗ 0.339G + 0.511B + 128
Cr = 0.511R ˗ 0.428G ˗ 0.083B + 128
The RGB to YCbCr color conversion is also used in JPEG compression as a pre-preparation to
compress the data.
The downsampling operation is a compression process with assuming that the Cb and Cr values
of the pixel blocks are the same. The reason of choosing Cb and Cr values for compression is
the fact that these values contain less critical information for the pixel color. Figure 1 shows a
diagram about downsampling.
Figure 1. Downsampling and some of the YCbCr sampling formats.
In downsampling process, the Cb and Cr values of each pixel at the same place in the two
adjoining pixel blocks are averaged. In this way, the size of the Cb and Cr values is halved.
Then this average value is written instead of both values in both pixels. Although there is some
loss of data, it is possible to get a result that is very close to the original picture after the inverse
conversion to YCbCr to RGB.
4. The Proposed Algorithm
4.1. Encryption Process
The algorithm proposed in this article use a three-dimensional map obtained from Lorenz
system for the mixing of pixels process in the algorithm. However, the pixel relocation is not
enough for a secure encryption system. Another important part of the method is to change pixel
values. Therefore, proposed algorithm contains RGB to YCbCr color space transformation that
similar to JPEG compression.
E-ISBN: 978-605-68882-5-0 414

After the color space transformation, downsampling operation is applied to the obtained image.
The downsampling is allowing the data in the image to be compressed with little loss. But unlike
the JPEG algorithm, the downsampling operation is applied to image on pixel based, not block
based. Therefore the resulting data loss is less than the eye can perceive. Data that is reduced
by downsampling process is replaced by noise data. This noise data can be a random image or
color matrix. At the end of this process, the pixel values are also changed.
As encryption key, randomly generated 32 characters, 256-bits array is preferred. The steps of
the algorithm are given below:
4.1.1 RGB to YCbCr Color Space Conversio: The first step of the proposed algorithm is to
convert the plain image from RGB color space to YCbCr color space. RGB to YCbCr color
space transformation is used to prepare the ground for compression in the JPEG algorithm. In
this respect, the proposed algorithm has a common direction with the JPEG algorithm.
The advantage of this translation is that Cb and Cr values contain less important information
than the Y value. Thus, downsampling can be performed on Cb and Cr values, but data loss can
be minimized when converted to RGB space again.
4.1.2 Downsampling process. The downsampling process is also inspired by the JPEG
algorithm but there are some differences. Although conventional downsampling is applied to
pixel blocks, the proposed algorithm is applied vertically or horizontally on a pixel basis to
minimize data loss. Downsampling direction is selected according to the key. After this process,
the Cb and Cr values of the pixels next to each other are the same and the Y values are preserved.
4.1.3 Noise Adding: After these steps, noise is added to the Cb and Cr values of the one of the
downsampled pixels. The added noise can be any picture or value. It is intended to be resistant
to chosen plaintext attack by adding noise. Therefore, even if the attacker chooses a completely
0 plaintext, the resulting image will not give Lorenz map or noise, thus an encrypted picture
cannot be broken by removing the chaotic map.
4.1.4 Pixel mixing with using Lorenz Map: The last step of the algorithm is the mixing process.
For this, chaotic Lorenz map that created by using the encryption key is used. Therefore each
key gives a different result. σ, ρ and β values are obtained by adding key bits to each other by
logical operations in different turns. These values are calculated to be close to their chaotic
values, σ = 10, ρ = 28 and β = 8/3. Thus, the Lorenz map to be obtained is guaranteed to be
chaotic. When creating the map, it is tried to distribute the repeating values appropriately.
In the proposed algorithm, the mixing process is done on bit basis, not on pixel basis. Because
of size of each pixel value is 3 bytes, the size of the chaotic map to be used for an image of
M×N dimensions is M×N×24. This is the step of the algorithm that needs the most time and
E-ISBN: 978-605-68882-5-0 415

memory. Repeating calculation of the Lorenz equations repeatedly increases processing time.
As a result, the processing time is proportional to the size of the plain image.
4.2. Decryption Process
The same steps are followed in the decryption process except one part. The noise is completely
ignored in the decryption, and the color space conversion is performed after noise values on the
image has been deleted. This image is the same image obtained after the downsampling process.
5. Test Results
The proposed method was tested according to key sensitivity analysis, histogram analysis,
entropy test and the following results were obtained.
The algorithm has been tested on the image that size is 550×440 pixels.
5.1 Key sensitivity
In order for an image encryption algorithm to succeed, even if a single bit of the encryption key
changes, a completely different encrypted image must be obtained. Therefore, the proposed
algorithm was tested in this respect and the result was successful. The test results can be seen
in Figure 2.
E-ISBN: 978-605-68882-5-0 416

Figure 2. Key sensitivity test, result 1
On the other hand, if a bit of the key to be used in the decryption process is not correct, the
image should not be decrypted. The algorithm provided also this requirement. The results can
be seen in Figure 3.
E-ISBN: 978-605-68882-5-0 417

Figure 3. Key sensitivity test, result 2
5.2 Histogram analysis
Histogram analysis is another method of testing the security of image encryption algorithms. In
order for the test to be considered successful, the histogram of the encrypted image must be
fairly uniform and significantly different from that of the original image. The results can be
seen in Figure 4.
E-ISBN: 978-605-68882-5-0 418

Figure 4. Histogram analysis results
Although the algorithms of the algorithm continued, these two basic tests were found to be
successful. The results of the tests have shown that the algorithm was enough in various aspects.
Additionally the Lorenz system is suitable for use as a permutation map, but it does not produce
values various enough due to problems such as working with integers and normalizing
according to the image size. Different methods have been tried to diversify the result values. It
is seen that some of these processes prolong the working time.
E-ISBN: 978-605-68882-5-0 419

6. Conclusion
In this article, a new chaos-based image encryption algorithm is proposed by using a chaotic
map generated from Lorenz functions and adding noise. The method provides many conditions
necessary to be considered as a secure cryptography algorithm and is open to development.
The problem of being weak to chosen plaintext attack that generally seen in chaos-based
encryption algorithms is solved by adding noise. Although the algorithm has a long processing
time for practical use, it is predicted that this issue can also be reduced.
As a result, the proposed method has yielded successful results and promises hope about being
a safe method for encryption of image files.
References
[1] C. E. Shannon, “A Mathematical Theory of Communication”, Bell System Technical Journal,

Vol. 27, pp. 379–423, July 1948.
[2] R. Matthews, “On the Derivation of a Chaotic Encryption Algorithm”, Cryptologia, Vol. 8, No.
1, pp. 29–41, 1989.
[3] V. Rozouvan, “Modulo image encryption with fractal keys”, Optics and Lasers in Engineering
- OPT LASER ENG. Vol. 47, pp 1-6, 2009.
[4] Y. Wu, J. P. Noonan and S. Agaian, "A wheel-switch chaotic system for image encryption,"
Proceedings 2011 International Conference on System Science and Engineering, Macao, 2011, pp. 23-
27.
[5] J. Fridrich, "Image encryption based on chaotic maps," 1997 IEEE International Conference on
Systems, Man, and Cybernetics. Computational Cybernetics and Simulation, Orlando, FL, USA, 1997,
pp. 1105-1110 vol.2.
[6] F. Özkaynak. "Kaos Tabanlı Simetrik Şifreleme Sistemlerinin Tasarım ve Analizi" Doctoral
Thesis, Yıldız Teknik Üniversitesi, İstanbul, 2013, pp.
[7] C. Zhu. "A novel image encryption scheme based on improved hyperchaotic sequences." Optics
Communications, vol. 285, pp. 29-37, Jan 2012.
[8] M. François, T. Grosges, D. Barchiesi and R. Erra. "A new image encryption scheme based on
a chaotic function." Signal Processing: Image Communication, vol. 27, pp. 249–259, 2012.
E-ISBN: 978-605-68882-5-0 420

[9] Chen Wei-bin and Zhang Xin, "Image encryption algorithm based on Henon chaotic system,"
2009 International Conference on Image Analysis and Signal Processing, Taizhou, 2009, pp. 94-97.
[10] G. Chen, Y. Mao, C. K. Chui, “A symmetric image encryption scheme based on 3D chaotic cat
maps”. Chaos, Solitons & Fractals, Vol. 21, Issue 3, 2004, pp 749-761.
[11] J. Li and H. Liu, "Colour image encryption based on advanced encryption standard algorithm
with two-dimensional chaotic map," in IET Information Security, vol. 7, no. 4, pp. 265-270, December
2013.
[12] C. Pellicer-Lostao and R. Lopez-Ruiz. "Notions of Chaotic Cryptography: Sketch of a Chaos

based Cryptosystem" in Applied Cryptography and Network Security, 1st ed., ch. 12. InTech Books,
2012, pp. 267-294.
[13] G. Alvarez and S. Li. "Some Basic Cryptographic Requirements For Chaos-Based
Cryptosystems". International Journal of Bifurcation and Chaos, vol. 16, no. 8, pp. 2129-2151, 2006.
[14] J. Guo. "Analysis Of Chaotic Systems", in REU, University of Chicago, 2014.
[15] K. Jack. "Color Spaces," in Video Demystified: A Handbook for the Digital Engineer, 4th ed.,
ch. 3. Newnes, 2005, pp.15-34.
E-ISBN: 978-605-68882-5-0 421

Sosyal Ağlar Üzerinde Yürütülen Veri Madenciliğinin Siyasal

İletişim Kampanyalarında Değerlendirmesi
“2016 ABD Başkanlık Seçiminde Facebook Örneği”

M.G. Genel1, T.E. Sayar1, B. Sayar1
gokhan.genel@gmail.com, sayartahsineren@gmail.com, banuezber@gmail.com
1
Yalova University , TURKEY
Özet
İnternet teknolojisinin devreye girmesi insan ve toplum hayatında birtakım yenilikler ve

farklılıklar getirmiştir. Bu alandaki en büyük değişimlerden biri de bilgiye ulaşma yönündeki
engellerin kalkmış olmasıdır. Bu durum paradoksal olarak bir yandan kişi veya kurumların
bilgiye erişme noktasındaki kısıtlamayı kaldırırken diğer yandan bir handikap olarak da bilginin
yine belli bir kesim tarafından manipüle edilerek dezenformasyona tabi tutulmasına neden
olmaktadır. Bilgi denildiğinde son zamanlarda sıkça bahsi geçen ve tartışılan “veri madenciliği”
olgusu öne çıkmaktadır. Veri madenciliği en basit anlatımla oluşan veya oluşturulan
bilgi/data havuzu içerisinde bir öngörü dahilinde kişi veya kurumları etkilemeye yönelik
spesifik bilginin ilgili adreslere servis edilmesi neticesinde elde edilen maddi veya manevi girdi
şeklinde tarif edilebilir. Bu konunun kamuoyunda tartışılması Cambridge Analytica’nın sebep
olduğu bir skandal neticesinde 2016 ABD Başkanlık seçimi ile vuku bulmuştur. Bu bağlamda
bu araştırmanın neticesinde yurt dışındaki, bazı firmaların verimadenciliği konusunda
uzmanlaşmaları neticesinde ABD’deki seçimleri etkilemeye yönelik kuvvetli delillerin
olduğunu ve bu durumun önlem alınmadığı taktirde ileride “bilgi veya medya özgürlüğü”
kılıfı altında farklı ülkelerin iç işlerine karışabileceği ve bu durumun kaçınılmaz olarak milli
güvenlik sorunlarını tetikleyebileceği sonucuna varılmıştır.
Anahtar Kelimeler: Siyasal İletişim, Facebook, Veri Madenciliği, Bilgide Manipülasyon
E-ISBN: 978-605-68882-5-0 422

Evaluation of Data Mining Conducted Through Social Networks

Within the Scope of Political Communication Campaigns
Abstract
The introduction of internet technology has brought about innovations and differences in human
and social life. One of the biggest changes in this area is the removal of obstacles to access
to information. This situation paradoxically raises the restriction on the point of access of
information for individuals or institutions, while on the other hand it causes the information to
be disinfected by a certain section by manipulating it as a handicap. When the information is
mentioned, the phenomenon of data mining which is mentioned and discussed recently comes
to the fore. Data mining can be defined as the material or spiritual input obtained by providing
the specific information in order to affect the individuals or institutions within a prediction of
the data / data pool formed or formed by the simplest expression. A public debate on this issue
took place with the 2016 US Presidential election due to a scandal caused by Cambridge
Analytica. In this context, the study shows that there are strong evidences to influence the
elections in the US as a result of specialization of some companies in data mining abroad. If
no action is taken, it is concluded that it may interfere with the internal affairs of different
countries under the cover of in information or media freedom and this situation can inevitably
trigger national security problems.
Keywords: Political Communication, Facebook, Data Mining, Manipulation In Knowledge
1. Big Data (Büyük Veri) Kavramı

Veri kavramı bilgiyi ifade etmektedir. Verinin kayıt altına alınma şekli ise geçmişten
günümüze bir dönüşüm içerisinde olmuş ve halen bu süreç devam etmektedir. Bilginin
sağladığı güç üzerine sayısız söylem ve eylem tarih boyunca yaşanmıştır. Çağımızın getirdiği
dijital gelişimler doğrultusunda bilginin toplanması ve kontrolü daha büyük boyutlara
ulaşmıştır. Bireylerin dijital platformlar üzerindeki hareketlerinin takibi esasına dayanan bu
kavram, büyüyen bilgi havuzlarına dönüşmüş ve her sektörün kendi birimlerince satış
faaliyetlerinden oy verme üzerindeki karar mekanizmalarının manipülasyonlara kadar birçok
uygulamanın oluşmasında kullanılmış ve kullanılmaktadır. Bir diğer ifade ile dataların
oluşturulması, toplanması ve servis edilmesini kapsayan bu döngüde bireyler ve toplumlar
alabildiğince sürklase edilerek onları hayat tarzları ve alışkanlıkları hedefe oturtturulmaktadır.
E-ISBN: 978-605-68882-5-0 423

Genel bir tanım yapılacak olursa veri madenciliği en basit anlatımla oluşan veya oluşturulan
bilgi/data havuzu içerisinde bir öngörü dahilinde kişi veya kurumları etkilemeye yönelik
spesifik bilginin ilgili adreslere servis edilmesi neticesinde elde edilen maddi veya manevi girdi
şeklinde tarif edilebilir. Bu alanda uzman kişilerin başında gelen Pedro Domingos, “Master
Algoritma” isimli eserinde bilişim teknolojisinin varmış olduğu boyutu, veri madenciliği ve
buna bağlı olarak Yapay Zeka konusunu irdelerken bilgi teknolojilerinin ulaştığı son aşama
olan Master Algoritma üzerinden bir açılımda bulunarak şu tespitlere yer vermektedir “Matrix
filmindeki kırmızı hap gibi Master Algoritma da farklı bir gerçekliğe açılan kapıdır. Burası
zaten içinde yaşadığınız ama henüz bilemediğiniz bir yer. Randevulaşmaktan, çalışmaya,
kendini tanımaktan toplumun geleceğine, veri paylaşımından savaca ve Yapay Zeka’nın
tehlikelerinden evrimdeki bir sonraki adıma kadar yepyeni bir dünya şekilleniyor ve yapay
öğrenme bu dünyanın kilidini açacak anahtardır” [1]. Büyük veri kavramının önemine dair
küresel bazda ilk söylem 2012 yılında İsviçre’nin Davos şehrinde düzenlenen Dünya Ekonomik
Forumu’nda dile getirilmiştir. Forumda büyük verinin küresel ölçekte altın kadar değerli ve
önemli bir varlık olduğu belirtilmiştir [2].
Büyük veri kavramı bireylerin web tarayıcı geçmişleri, sosyal medya paylaşımları,
fotoğraf galerileri, gönderi paylaşımları, web aramaları, indirilen uygulamalar tarafından
istenilen izinlerin verilmesi sonucu kişi listesi gibi bilgilerin kayıt altına alındığı ve bu elde
edilen verilerin kullanacak kurum tarafından isteğe göre işlendiği bir sistemdir. Bu işlenme
süreci veri madenciliği kavramını oluşturmakla beraber büyük veri kavramı 5V adı verilen
bileşenlerden meydana gelmektedir [3]. Bu bileşenler;
Variety (Çeşitlilik): Elde edilen verilerin farklı platformlar ve farklı biçimler içermesi çeşitlilik
biçiminin içeriğini oluşturmaktadır. Bu verilerin parçaları istenilen kullanıma uygun şekilde
seçilerek birleştirilmektedir ve çeşitlilik bileşenin verilerinden faydalanılmaktadır.
Velocity (Hız): Büyük veri depolama hızı her geçen gün artmaktadır ve artan veri akışına uygun
yazılımlar üretilmektedir. Veri büyüklüğü geriye değil ileriye gitmektedir bu durumda veri
depolamanın hızlı ve sorunsuz yapılmasını gerektirmektedir. Artan işlem sayısı ve veriye olan
ihtiyaçlarında çoğalması nedeniyle hız bileşeni büyük veri için önemlidir. Örneğin;
Googleşirketi hız konusundaki veri toplama faaliyetini BigTable adını verdiği NoSQLveri
tabanı sistemi vasıtasıyla, Amazon firması ise DynamoDB ismini verdiği NoSQLverit abanı
sistemi ile çözümlemektedir. Aynı zamanda verinin tüketici analizi yapılırken anlık ve hızlı
çözümler üreterek kullanımı büyük önem taşımaktadır. Günümüzde bazı satış noktaları, araçla
E-ISBN: 978-605-68882-5-0 424

yanında geçildiğinde dahi promosyon mesajları atabilmekte ve büyük verinin hız bileşeninden
kurumsal olarak faydalanmaktadır.
Volume (Veri Büyüklüğü): Verilerin her geçen saniye artması ve depolamanın aralıksız
sürmesi neticesinde büyük verinin depolama çeşitliliği de artmaktadır. Veri büyüklüğünün
artması ışığında depolama sistemlerinin de gelişimi sürmektedir. Artan veri bileşenleri ile
birlikte artan bireysel veri çeşitliliği veri büyüklüğünü etkilemektedir.
Verification (Doğrulama): Verilerin kullanımı açısından doğruluk önemlidir. Doğrulama

sistemleri desteğiyle depolanan ve onaylanan verilerin kullanımı daha gerçekçi sonuçlar elde
etmek açısından önemlidir. Ayrıca verilerin kontrolü sırasında üçüncü şahısların görmemesi
gereken veriler ya da saklı kalması gereken verilerin depolanma süreci yine doğrulama
sürecinin uygulanma şekliyle alakalıdır.
Value (Değer): Kullanılacak olan verinin sağlayacağı etkiye dair en önemli bileşen olan değer
kısmı, uygulanacak doğru filtreleme sonrasında kuruma ya da şahsa olumlu etki yapacak
şekilde kurgulanmaktadır. Verinin bileşenleri işlenirken sonuç kısmında ortaya çıkacak
kullanım ve strateji bu değerin sağlayacağı pozitif etkiyle ortaya çıkmaktadır.
2. Veri Madenciliği Kavramı
Veri madenciliği, büyük verinin analiz edilmesi sonucunda istenilen etkiye dair yapılan
filtreleme ve veri tabanı oluşturma amacı taşıyan algoritmalar bütününü ifade etmektedir. Veri
madenciliği kavramına dair İngilizce-Türkçe Ansiklopedik Bilişim Sözlüğünde, “Doğal dillerin
semantik yapısına dayanarak elektronik metin belgeleri içinde saklı kalmış ilintileri, örüntüleri,
stratejik bilgileri, modelleri vb. bulup ortaya çıkarmayı amaçlayan araştırma tekniği” [4] ifadesi
kullanılmıştır. Büyük verinin sağladığı bilgi havuzunda yapılan araştırma ve çalışmalar
sonucunda kullanılabilirliği olan verilerin keşfi olarak değerlendirilebilecek olan veri
madenciliği kavramı, büyük veri kapsamında doğrulama aşamasından geçtiği için güvenilirlik
de sağlamaktadır. Büyük verinin doğru analizi sayesinde işe yarar bilgi çıkarma evresi gerçeğe
dönüşmektedir. Örnek kalıplar çıkarma, belirli yöntemler oluşturma gibi temeller üzerinden
açıklanabilecek veri madenciliğine dair Prytherch; “ilişkileri ve modelleri analiz etme amacı ile
gizli olan enformasyonu keşfetmek için ayrıntılı teknikler kullanarak, enformasyonun veri
tabanından ve veri kümelerinden çıkarılması işlemidir” [5] görüşünü belirtmiştir. Büyük veri
beş farklı bileşene sahiptir ve bu bileşenlerin etkisiyle uygulanan veri madenciliği kavramı ise
belirli aşamalardan oluşur. Bu aşamalara bakıldığında;
E-ISBN: 978-605-68882-5-0 425

1. Kurumun problemini belirlemesi
2. Verilere ulaşım ve etkileşim
3. Verilerin temellendirilmesi ve veri deposunun hazırlanması
4. Hedefe uygun sistem ve algoritma seçimi
5. Uygulama süreci ve kapsamı
6. Sonuç ve elde edilen verilerin değerlendirilmesi
7. Sonuçların kurumsal uygulamalarda kullanımının başlaması
İlk aşamada kurum probleminin belirlenme süreci karşımıza çıkmaktadır. Bu bağlamda

kurum planları doğrultusunda stratejik bir hamle olarak gördüğü için problem belirlemekte ya
da satış odaklı, müşteri odaklı, mali hesaplamalar kaynaklı sorunlar neticesinde bir problem
belirleme sürecine girmektedir. Temel olarak sorun çözümü ve geliştirme odaklı süreç
sonrasında önemli bir aşama olan verilere erişim ve ulaşım süreci başlamaktadır. Günümüzde
birçok kurum kendi verilerini ve veri tabanlarını oluşturmakta ve saklamaktadır. İlk aşamada
belirlenen problemin çözümüne yardımcı olabilecek veriler kurumun kendi bilgi havuzundaysa
süreç daha kolay işlemektedir; lakin problemin çözümüne dair ek bilgi ve veri
gerekebilmektedir. Bu nedenle kurumlar farklı algoritma ve kullanılabilecek verilere
gereksinim duymaktadır. Sonraki aşamada kurumun gerekli verileri temin etmesiyle veri
madenciliğinin temel noktalarından olan verilerin doğru filtrelenmesi ve kullanımı safhası
devreye girmektedir. Temellendirme sürecinde kuruma gerekli olan veriler büyük veriden
çekilerek bir veri deposu oluşturulmaktadır. Veri ambarı olarak adlandırılan bu süreçte uygun
veri madenciliği algoritması ve veri ambarı mimarisi seçilmektedir. Yapısal olarak bakıldığında
ise üç farklı veri ambarı mimarisi bulunmaktadır. Bunlar; yıldız, kar tanesi ve ana tablolar
birliğidir. Veri ambarı mimarisi seçimi ve oluşturulan veri ambarı sonrasında dördüncü
aşamada ise uygun algoritmanın belirlenme aşamasıdır. Algoritma seçimiyle birlikte
uygulanacak modelin seçimi de büyük önem taşımaktadır. Veri madenciliği sürecinde
kullanılan modellere bakıldığında kümeleme, birliktelik kuralları ve sınıflandırma analizleri
karşımıza çıkmaktadır. Veri madenciliği sürecinde kullanılan en bilinen algoritmalar ise K-
Means ve Apriori’dir. Algoritma kullanımında ve model seçimi sürecinde uygulama boyunca
birden fazla kullanım ya da tercih görülebilmektedir. Uygulama sürecinde algoritma ve model
kullanımı sonrasında ortaya çıkan verilerin analiz edilmesi ve doğru yazılımın seçilmesi
E-ISBN: 978-605-68882-5-0 426

gerekmektedir. Güvenli sonuçlara ulaşmak ve etkili bir süreç için açık kaynak kodlu yazılımlar
arasından doğru tercih yapılmalıdır. Nitekim değişik alanlarda faaliyet göstermekte olan bu
yazılımlardan uygulamaya dair en net katkıyı yapacak olanı belirlemek oldukça önemlidir.
Güvenilir sonuçlar üretme ve verilerin en etkin işlendiği açık kaynak kodlu yazılımlara
bakıldığında en başarılı iş analitiği yazılımı olarak gösterilen RapidMiner, WEKA, R
Programming, Orange, KNIME (finansal veri analizlerinde çok fazla tercih edilir), dil işleme
ve duygu analizi konularında başarılı olan NLTK(Natural Language Analyseswith NLTK) gibi
yazılımlar örnek olarak gösterilebilir [6]. Sonraki aşama ise analist tarafından uygulanan
işlemin sunumu yapılarak işletmeye bilgilendirme ve raporlama yapılmasıdır. Kurum
yöneticilerinin bilgilendirilmesi ve de belirlenen uygulamanın işlerliği, uygulama yöntemi ve
oluşturulacak etki aktarılmaktadır. Kurum içerisinde gerekli bilginin aktarımı ve onayı
değerlendirme açısından önem taşımaktadır. Sonuç odaklı raporların değerlendirilmesi ve
kurum içi analiz sonrasında ise son aşamaya geçilmektedir. Son aşamaya gelindiğinde ise
kurumun yöneticilerinin kararı doğrultusunda sonuçlar değerlendirilmekte ve uygulamaya
sokulmaktadır. Kurum faaliyetlerinde veri madenciliği kullanımı aşamaları ve uygulaması bu
maddelerin doğru planlaması dahilinde olumlu sonuçlar vermektedir.
3. Sosyal Ağlarda Veri Madenciliği ve Manipülasyon
Sosyal medya kullanımı dünya genelinde hızla artarken bu artan kullanıma paralel olarak
birçok yeni sosyal ağ ortaya çıkmakta ve dijitalleşen dünyanın bir bedeli olarak daha çok
bilgimiz sistemli bir şekilde kaydedilmeye başlanmıştır. Telefonumuzdaki uygulamalar için
bizden istenen izinlerden, herhangi bir web sitesi içerisinden yapacağımız internet tabanlı
alışverişe uzanan birçok alanda oluşan bu durum ortaya iki temel durumu çıkarmıştır.
Bunlardan ilki bu bilgiler toplumsal fayda amaçlı olarak mı kullanılmaktadır? Ya da bu veriler
bireylerin satın alma faaliyetlerinden hayatına dair vereceği her kararı etkileme ve manipüle
etme üzerine mi kullanılmaktadır? Bireylerin kişisel verilerinin dijital bir ağ üzerinden izinsiz
ve habersiz olarak kullanıldığına dair iddia edilen sayısız olay bulunmaktadır. Olumlu açıdan
veri kullanımı örnekleri olmakla beraber kamuoyunda ses getiren iddialara bakıldığında
çoğunlukla bu verilerin suistimali ve kişilik haklarına aykırı olarak kullanıldığı anlaşılmaktadır.
Bu ve bunun gibi iddiaların sayıca fazla olması ve artması tartışmaların önemli boyutlara
gelmesine neden olmuştur. Teknoloji denildiğinde günümüzde oldukça önemli bir kurum
olarak gösterilen Apple firmasının CEO’su olan Tim Cook;LesterHolt’un sunduğu NBC
Nightly News programında, 2016 ABD Başkanlık Seçimleri sürecinde ortaya atılan Rusya’nın
sosyal medya manipülasyonu yaparak seçim sonuçlarına etki etmesi iddiası üzerine:“Yabancı
E-ISBN: 978-605-68882-5-0 427

devletler tarafından desteklenmiş sosyal medya reklamlarının büyük bir soruna neden olduğuna
inanmıyorum. Bu genel problem içerisinde yalnızca yüzde 1’lik bir yere sahip olabilir. Temel
sorun bu ağların bazılarının kitleleri bölmek, manipüle etmek ve yalan haberlerle insanların
düşüncelerini etkilemek için kullanılmasıdır. Bence, 10 sorun arasında bu sorun ilk sırada yer
almaktadır.” demiştir [7]. Tim Cook’un bu endişesi dahi sosyal medyanın elinde bulundurduğu
güç ve nelere etki edebileceği konusunda büyük bir problemi işaret etmektedir.
Veri madenciliği kavramının sosyal ağlar üzerindeki sonuçlarına bakıldığında ise iki
yönelim bulunmaktadır. Bunlardan ilki büyük veri üzerinden kullanıcı ve kurumlar kapsamında
uygulanan algoritma ve filtrelemeler yapılmasıdır. Diğeri ise sosyal ağ bünyesinde yapılan veri
işlemelerdir. Bu doğrultuda ise sosyal ağ kendi verileri içinde kullanılacak reklam faaliyetleri
ya da kullanıcı davranışları üzerinde etki bırakmak maksadıyla kendi bünyesinde yaptığı
çalışmaları ifade etmektedir. Sosyal ağlar üzerinden kullanıcı tabanlı en önemli algoritmalardan
biri kişilerin lokasyonunu tespit edilebilir olmasıdır. Kullanıcı bilgilerinde bulunulan konuma
dair bir yer bildirimi yapılmasa dahi algoritma bireyin yerini tespit edilebilmektedir.
Northwestern Üniversitesi KnightLab birimi, faaliyete geçirilen bu algoritmayla konuma dair
bir bilgi olmadığı halde sosyal ağ kullanıcısının attığı tweetler sayesinde yerini tespit
edilebilmektedir. Bununla beraber kullanıcıların attığı tweetlerin geçmişten günümüze analizi
ve kelime kelime verileri belirli algoritmalar desteğiyle erişilebilir konuma gelebilmektedir [8].
Sosyal ağlar üzerinden veri madenciliği ve kullanımı üzerinde birçok farklı hizmet veren
internet sitesi de bulunmaktadır. Örneğin; Topsy isimli kurum istenilen kelimenin günün hangi
saatinde ne kadar sıklıkla ve sayısal olarak kaç tane tweet olarak sosyal ağda yer bulduğunu
gösteren bir veri sağlama sitesidir. Topsy’nin sağladığı bu hizmetin manipülasyona neden
olması sonucunda kurum hizmetlerini sonlandırmıştır. Web sitesini ve hizmetini sonlandıran
San Fransisco merkezli Topsy attığı son tweet ile: “We'vesearchedourlasttweet.1” diyerek 2015
yılında veda etmiştir [9]. Twitter üzerinden geçmiş dönem ve güncel trendleri ve etkileşimleri
analiz ederek satış odaklı firmalar ve de şahıslar için hizmet veren Tame firması aynı şekilde
servisini sonlandırmıştır. Tame hizmetine son vererek web sitesi üzerinden “Tame'i gazetecilere
ve pazarlamacılara yönelik bir hizmet haline getirmek için beş yıl çalıştıktan sonra, istediğimiz
kazancı elde edemedik ve şirket olarak kârlı kılmayı başaramadık. Bize destek veren ve bizi
takip eden herkese veda ediyoruz” açıklamasını yapmıştır [10]. Benzer hizmetler veren ve
1
Son tweetimizi arattık.
E-ISBN: 978-605-68882-5-0 428

arama kutusuna yazılan her kelimenin sosyal ağlar üzerindeki verilerini saniyeler içerisinde
bizlere sunan SocialMention sitesi ise aktif olarak hizmet vermektedir.
Şahıslar ve reklam amaçlı hizmetler için gereken verilerin incelenmesi ve uygulama amacıyla
değerlendirilebilmesini sağlayan siteden kapsamlı bir analiz raporu elde edilebilmektedir [11].
Şekil 1.SocialMention sitesi üzerinden sosyal ağ verilerine erişim örneği
Çalışma kapsamında değerlendirilecek olan 2016 Amerika Birleşik Devleti Başkanlık

Seçimi sürecinde yaşanan sosyal ağ manipülasyonu iddiası başlığında konuya dair daha
kapsamlı bir analiz yapılacaktır. Yine aynı seçimde bahsi geçen Rusya’nın seçimler üzerindeki
etkisi iddiası siyasal iletişim perspektifinden oy verme alışkanlıkları üzerindeki etkiler
başlığında analiz edilecektir. Sosyal ağlar üzerinde yapılan veri madenciliğinin bireysel
gizliliğimizi tehdit ettiğine dair iddialar artarken kurumların başındaki kişilerin ise önlemler
alındığına dair dönüşlerine karşın yaşanan veri aktarımı krizlerini onayladıkları görülmektedir.
Facebook kurucusu Mark Zuckerberg’in 50 milyon Amerikan vatandaşının bilgilerinin
manipülatif kullanımına dair hatasını kabullenmesi ve endişesini dile getirmesi Tim Cook’un
sözleriyle benzer niteliktedir [12]. Sosyal ağların veri madenciliği üzerinden devreye soktukları
yeni teknolojiler ekseninde birey ve toplumların hayatının etkilenebileceği ve bu etkinin
artabileceğinin bir gelecek okumasından ziyade de facto bir durum oluşturduğunun sinyalleri
hızla artmaktadır.
E-ISBN: 978-605-68882-5-0 429

4. 2016 Amerika Birleşik Devletleri Başkanlık Seçimlerinde Cambridge Analytica

Manipülasyonu İddiası
Sosyal ağların artan kullanımı ve yaptığımız paylaşımların kişiliğimize dair analiz ve veri
madenciliği kullanımı sonrasında üzerimizde manipülatif olarak kullanımına dair iddialardan
küresel bazda en önemli olanı olan Cambridge Analytica skandalıdır ve bu durum halen daha
gizemini korumaktadır. Öyle ki zaman zaman ABD Başkanı Trump’ın bu skandal nedeniyle
görevinden azledilebileceği dahi yüksek perdeden konuşulmaktadır. Olayın dünya genelinde
yankılanan etkisi ve iddiaların dehşet verici yönlerine bakıldığında sosyal ağların neden
olabileceği durumlar ve negatif kullanımının yaratacağı sorunlar göze çarpmaktadır. İddianın
kronolojisine ve yaşananlara bakıldığında;
Yıllar 2014’ü gösterdiğinde Cambridge Üniversitesi’nde görev yapan Profesör

Aleksandr Kogan önderliğindeki bir grup bilim insanı tarafından ABD seçmeni hakkında
detaylı bir sosyo-kültürel profil oluşturmak amacıyla bir uygulama geliştirilmiştir. Anket
temelli oluşturulan bu uygulama kapsamında dönemin çoğu uygulamasında olduğu gibi sosyal
ağlardan biri olan Facebook bilgilerine erişim izni istenilmiştir. Uygulama ya da oyun
yüklemelerindeki gibi masum bir izin gibi görünen bu onay işlemi ise bakıldığında sadece
şahsın Facebook bilgilerini değil arkadaş listelerine de erişim imkânı kılmaktadır. Profesörün
oluşturduğu bu anket uygulaması kullanıcıları kendisine çekebilmek amacıyla kişi bazlı olarak
1 dolar ödeme yapacağını vaat etmiştir. Sistem için kullanılan araç ise Amazon firmasının
MechanicalTurk projesidir. MTurk projesinin isminin çıkış öyküsü ise Avusturya-Macaristan
baronlarından Wolfgang VonKempelen' in 1770 yılında tasarladığı yarı otomatik satranç
oynayabilen makinesidir. Makinenin adını Türk koyan Kempelen, Sultan kıyafeti giydirdiği
insan ölçülerindeki kuklayı makinenin altında bulunan mekanik kollarla idare edilebilen bir
formda tasarlamıştır. Makinenin ya da kuklanın satranç oynayabildiğini düşünen rakipler,
mekanik aksamı kontrol eden usta satranç oyuncularına yenildiklerini fark edememişlerdir [13].
Makinenin galip geldiği isimler arasında Napolyon Bonapart ve Benjamin Franklin isimleri de
yer almaktadır. 1804 senesinde Johann NepomukMälzel tarafından satın alınan cihaz,
günümüzde Almanya’nın Paderborn şehrinde bulunan Heinz Nixdorf Müzesi’nde
sergilenmektedir. Amazon’un sistemi aracılığıyla 1 dolar ödeme vaadi ve Facebook bilgilerinin
istendiği sisteme toplamda 270 bin kişi katılmıştır. Bu katılımcıların arkadaş listeleri
aracılığıyla ise veri havuzu milyonlarca insana ulaşmıştır. 50 milyon kişiden oluşan veriler ise
E-ISBN: 978-605-68882-5-0 430

Cambridge Analytica’ya aktarılmıştır. Kogan’ın başında olduğu şirketin CA ile yaptığı anlaşma
sonrasında gerçekleşen veri aktarımı ile 50 milyon kişinin bilgileri CA bünyesine geçmiştir. 50
milyon kişinin psikografik detaylarına sahip olan kurumun elindeki seçmen verilerini
seçimlerde manipülatif şekilde kullandığı iddia edilmiştir. Durumla ilgili verilerin aktarımına
habersiz bir şekilde destek olmuş olan Facebook kurumu ise Kogan’ın verileri CA bünyesine
kattığını öğrendiğinde uygulamanın kaldırılmasını sağlamış ve veri sahipleri kurumlara uyarıda
bulunmuştur. Facebook kurucusu Zuckerberg konuyla ilgili açıklamasında verilerin CA
bünyesinde olduğunu, hatalı olduklarını, gerekli uyarıları yaptıklarını açıklamıştır [14]. CA
kurumunun ise Facebook’a verilerin silindiğine dair dönüş yaptığı söylentileri olsa da bu
durumun kesinliği bilinmemektedir. Açıklama sonrasında Facebook uygulamasının
güvenilirliği sorgulanmış ve de dünya genelinde #deletefacebook akımı başlamıştır. Yaşanan
veri skandalı sonrasında Facebook 80 Milyar $ değer kaybetmiştir [15]. Ayrıca bu vahim olay
neticesinde ABD ve dünya kamuoyunda Zuckerberg’in dürüstlüğü konusunda da şüpheler ve
soru işaretleri artarak devam etmiştir.
CA skandalının büyük ses getirmesini sağlayan ve kamuoyunun gündemine gelmesine neden

olan olay ise Channel 4 News tarafından yapılan haber olmuştur. Habercilik kapsamında CA
CEO’su Alexander Nix kendisini Sri Lankalı bir iş adamı olarak gösteren haberciye verileri
kullanarak nasıl manipülasyon yaptıklarını anlatarak büyük bir skandalı itiraf etmiştir. Nitekim
Nix’in söylemleri gizli kamera ile kayıt altına alınmıştır. Bu söylemler kapsamında; sahte
kimlik temininden, eski ajanların görevlendirilmesine, rüşvet faaliyetlerinden, hayat
kadınlarına kadar türlü yöntemin süreçte yer aldığı söylenmiştir. En çarpıcı olan nokta ise 2016
ABD Başkanlık Seçimleri sürecinde Trump’ın kampanyasında yürütülen manipülasyon
etkisinden bahsetmesi olmuştur. Birçok yasanın ihlali ve uygulamalar sonucunda bireysel
verilerin nasıl manipüle edildiği Nix tarafından dile getirilmiştir. Videonun orijinal hali
Channel 4’ün Youtube resmi kanalından halen izlenebilmektedir [16]. Olay dünya basınında
büyük yankı bulmuştur ve Nix görevden alınmıştır. Lâkin olayın yankıları sürerken CEO Nix’in
de içinde bulunduğu Emerdata adlı yeni bir şirketin varlığı da iddialar arasındaki sıcaklığını
korumaktadır [17]. Fransız basınından Le Monde’un haberine göre 2018 yılının mayıs ayında
kapanan Cambridge Analtyica’nın isim değişikliğine giderek başkan ve üst düzey yöneticileri
ile birlikte Data Propria isimli yeni bir şirket kurduğu ve yeni hedefinin ise 2020’de Trump’ı
E-ISBN: 978-605-68882-5-0 431

yeniden başkan seçtirmeyi hedeflediği iddia edilmiştir [18]. Trump’un 2016 kampanyası
sürecinde kullanılan manipülasyon iddiaları ise birkaç aşamadan oluşmaktadır;
- Seçim sürecinde önemli olduğu düşünülen 17 eyalete özellikle odaklanılmıştır. Bu eyaletler

için 32 farklı kişilik grubu verisi oluşturulmuş ve bu veriler bağlamında oluşturulan profillere
özel reklam çalışmaları yapılmıştır [19].
- Bu profillere Facebook ağı üzerinden ulaşılmış ve Facebook verilerin CA veri tabanına

gitmesi dışında ek olarak verilerin kullanıcılarına ulaşmasına ön ayak olmuştur.
- Reklam stratejilerinde kararsızlardan ziyade yalanlara dayalı karşı görüşü partizan şekilde
destekleyen reklamlar oluşturarak olumlu düşünen seçmenin karşı tarafı tercih etmesi üzerine
ve/veya en azından seçmenin nötralize olması adına yenilikçi stratejiler geliştirilmiştir. (Straw
Man Stratejisi) [20].
- Dark post adı verilen kişiye özel olarak Facebook’ta

görülen ve normal akıştaymış gibi verilen mesajlarla
kişisel olarak oy verme alışkanlıklarını etkileyecek
yöntemler uygulanmıştır [21].
- CA verileri sayesinde Clinton’un ABD halkına

yapılacak canlı yayın öncesinde 175.000 farklı kişi grubunun analiz edildiği ve ilgi düzeyini
yükseltecek kelimelerden oluşan konuşma metni oluşturulmuş ve kullanılacak sloganlar dahi
bu sistemin verileri ışığında belirlenmiştir (a.g.e. [21]).
Bu iddialar ışığında halen daha net bir sonuç olmamasına karşın başta Amerikan halkı
olmak üzere tüm dünyanın şüphe duyduğu ve sosyal ağlar üzerinden oy verme üzerinde
manipülasyon yapıldığı iddiaları sıcaklığını korumaktadır.
5. Siyasal İletişim Perspektifinden Oy Verme Alışkanlıkları Üzerinde Manipülatif Etkiler
Siyasal oluşumların kamuoyu desteği almak ve başarı sağlamak amacıyla başlattığı siyasal
iletişim faaliyetleri 1952 yılında Eisenhower’ın ABD’de ki seçim sürecinde kullandığı “Ben
Ike’i seviyorum” sloganı ile başlamıştır [22]. Reklamcılığın en temel özelliği olan ikna etme ve
ikna süreci siyasal iletişimin temel unsurudur. Siyasal iletişimin siyaset ile olan bağlantısı
doğrudan bir ilişkiyi ifade eder. Nitekim hedef kitleye ulaşma sürecinde iletişimin kaynağı da
siyaset ve politikanın bizzat kendisidir [23]. Seçmenin oy verme alışkanlıkları üzerinde ikna ve
etki bırakma konusunda dünyanın her bölgesinde farklı stratejiler ve yöntemler
E-ISBN: 978-605-68882-5-0 432

geliştirilmektedir. Tanım olarak siyasal iletişime bakıldığında Prof. Dr. Necdet Ekinci’ye
göre:"Siyasal iletişim: siyasal olguyu ortaya çıkaran, anlaşılabilir, akılcı, kendine özgü bir alan
oluşturan kapsamlı yapısı ile, siyasal uygulamalarımızın ve stratejilerimizin gerçekleşmesinde
etkili olan, işlevleri, iktidarları, olguları, birinden diğerine aktaran ve taşımakta olduğumuz
kimlikleri oluşturan bir tanımlar birliğidir" [24]. Siyasal yapının şekillenmesi maksadıyla
yapılan reklam ve tanıtım faaliyetleri, iletişimi güçlendiren stratejiler günümüz teknolojisi ile
gelişmektedir. Manipülasyon iddiaları ile gündemde olan 2016 ABD seçimlerinde, Cambridge
Analytica olayı dışında bir diğer büyük iddia ise Rusya’nın seçimlerde Trump destekçisi
faaliyetlerde bulunduğudur. Devletlerin karşılıklı ilişkileri ve çıkarları doğrultusunda
hükümetler geleneksel güç ilişkileriyle çözümler üretebilmektedir [25]. İddia edilen bu durumla
ilgili olarak “tercih edilen yönetim” anlamında Rusya’nın Trump iktidarını Clinton’a yeğlediği,
bu yönde çalışmalarda bulunduğu iddiası hükümetlerin karşılıklı çıkarları doğrultusunda
değerlendirmek mümkündür. Diğer yandan sosyal medya manipülasyonu yapılarak seçimlerde
Trump’ın zaferi için çalıştığı iddia edilen Rusya konuya dair net bir açıklama yapmamıştır.
Olayın ilerleyen döneminde ise Washington Post tarafından yapılan haberde; Facebook
tarafından Rusya İnternet Araştırma Ajansı adlı bir grupla bağlantılı hesapların, sosyal medya
platformlarında seçim öncesi ve sonrası 80 binden fazla ileti paylaştığı, Haziran 2015 - Ağustos
2017 arasında paylaşılan ve 126 milyon Facebook kullanıcısına ulaşılan iletilerde çoğunlukla
ayrımcılığı körükleyen siyasal iletişim odaklı içeriklerin yer aldığı mesajların,Twitter üzerinden
aynı Rus grupla ilişkili 2 bin 752 hesap ve seçimler süresince 1,4 milyon defa tweet atılan 36
bin bot hesabın tespit edildiği iddia edilmiştir [26]. Ayrıca kampanya boyunca Youtube
platformu üzerinden Trump desteğini körükleyecek şekilde 43 saat içerik sunan ve 1108 video
paylaşımı yapan toplam 18 kanal ve 4700 $ değerinde Rusya bağlantılı reklamlar tespit
edilmiştir [27]. Bu iddiaların ardından araştırma yapan Amerikan istihbaratı ise Rusya’nın
seçimlere etki edecek siyasal iletişim çalışmaları yaptığını doğruladığını açıklamıştır [28]. 2018
yılının temmuz ayında ise Trump, Rusya’nın seçimlerde manipülatif etki yaratmak maksadıyla
destek verdiğini kabul etmiştir. Rusya ziyareti esnasında basına konuşan Trump, daha önce
yaptığı açıklamaların zıttı olarak, ABD istihbarat servislerinin Rusya'nın 2016 Başkanlık
seçimlerine müdahale ettiğine dair ulaştıkları sonucu kabul ettiğini belirtmiştir [29]. Trump
yaptığı açıklamalarda bu manipülasyonun seçim sonuçlarını etkileyecek çapta büyük
olmadığını ifade etmiştir. Bu ifadesine rağmen başta kendi ülkesi olmak üzere birçok ülkeden
tepki alan Trump siyasal iletişim perspektifinden sosyal ağ manipülasyonu kullanıldığını
doğrulamıştır. Kullanılan reklamlar ve yapılan çalışmalar internet üzerinden paylaşılmıştır [30].
The Verge sitesinin derlediği haberde verilen örnek çalışmalara bakıldığında;
E-ISBN: 978-605-68882-5-0 433

- Blacktivist adlı bir Facebook sayfası açılarak, ırkçı ve ırkçılık karşıtı gruplar arasındaki
gerilimin tırmandırılması amaçlanmıştır.
- Defend the 2nd başlıklı Facebook reklamı ile bireysel silahlanma yanlısı olma teması işlenmiş
ve bu konuya dair yasal düzenlemeleri destekleyen mesajlar verilmiştir.
- Secured Borders2 başlığı ile verilen reklamda Trump’ın güney sınırına inşa edeceği dev duvar
projesi desteklenmiş ve bu konuya dair güzellemeler yapılmıştır. Trump’ın adının
geçirilmeyerek göndermeler üzerinden işleyen süreçte algılar hedef alınmıştır.
- Stop AI isimli Facebook grubu üzerinden ülke genelinde yüzü kapalı kıyafetlerin giyilmesini
istemeyen ve ırkçı ve bir adım daha ileriye gidilerek İslamofobik söylemlerle Amerikan
toplumuna dini açıdan farklılıklara dair algı oluşumu desteklenmiştir.
Peki sorulması ve cevabı aranması gereken asıl mesele tüm bu yapılanlar neticesinde
seçim sonuçlarını etkileyen bir durum söz konusu mudur? Bunu öğrenebilmenin tek yolu ise
üzerinde oluşan tüm şaibelere rağmen kamuoyu anketleridir. Haziran 2016’da Cumhuriyetçi
Parti’den aday adaylığını açıklayan Donald Trump, 19 Temmuz’da yapılan ön seçimler
neticesinde kesin olarak Cumhuriyetçilerin 8 Kasım 2016’da yapılacak olan seçimde Hilary
Clinton’un rakibi oldu. Yapılan seçim sonucunda tüm kesimlerin favorisi olarak gösterilen
Clinton dramatik ve beklenmeyen bir şekilde seçimi kaybetti. ABD seçimlerinde Trump %47,8,
Clinton ise %47,4 oy aldılar. Sadece %0,4 farkla seçimi kazanan Trump ABD’nin 45. Başkanı
seçildi. Bu seçimde Clinton’la birlikte aslında kaybeden bir kesim daha olmuştur; o da kamuoyu
araştırma şirketleri olmuştur. Temmuz 2016’dan itibaren yapılan düzenli anketlerde Los
Angeles Times gazetesi ile Güney California Üniversitesi (USC) dışındaki hemen hemen her
şirketin yanıldığı görülmüştür. Sabah gazetesinde yer alan bir analizde diğer tüm anket
şirketlerinin aksine LA Times/USC'nin4-10 Ekim, 9-15 Ekim, 19-25 Ekim, 22-28 Ekim, 25-31
Ekim ve son olarak 1-7 Kasım tarihlerini kapsayan anketlerinin tamamında Donald Trump'ın
kazanacağı belirtilmiş ve son ankette Trump'ın Clinton karşısında 3 puan farkla galip geleceği
ileri sürülmüştür [31]. Aynı analizde Bloomberg, CBS, ABC, NBC, Reuters, Economist,
Washington Post, New York Times gibi kamuoyunda bilinen kuruluşların sonuçları tahmin
etmede yanıldıkları not edilmiştir. Hürriyet gazetesinde yapılan bir başka değerlendirmede yine
ABD’nin önde gelen araştırma şirketlerinin seçim sonuçlarını bilemedikleri ve çok büyük bir
oranda yanıldıkları vurgulanmıştır. Gazete bu durumu okurlarına aktarırken yapılan son 14
2
Güvenli Sınırlar
E-ISBN: 978-605-68882-5-0 434

araştırmanın sonuçlarını paylaşmıştır. Haber analize yansıyan şirketler ve tahminleri şu

şekildedir [32].
CLİNTON
TARİH TRUMP
ABC/Washington Post %47 %43
NBC/Wall St. Journal %44 %40
MorningConsult %45 %42
FiveThirtyEight %48 %46
Fox News %45 %43
USA Today %45 %43
Rasmussen %44 %44
McClatchy/Marist %46 %44
Ipsos/Reuters %44 %40
Lucid/The Times-Picayune %44 %39
YouGov/Economist %46 %43
New York Times/CBS News: %47 %44
Pew %46 %40
CNN %49 %44
Tablodan da anlaşılabileceği gibi Rasmussen dışında(ki o da denk bir tahminde bulunmuş) tüm
anket şirketlerinin yanıldığı görülmüştür. Facebook manipülasyonunun ABD seçimlerinde
Trump lehine etki edip etmediğini test edebilmek elbette çok farklı parametreleri bilmeyi
gerektirir. Fakat yukarında gösterilen datalar ve kamuoyu tarafından da sıkça belirtilen oy oranı
bağlamında Trump’ın son ana kadar Clinton’nun gerisinde kalmış olması ve seçim gününde
galip gelmesi akla bu bahsi geçen manipülasyonun gerçekliği hususunda şüpheler
barındırmaktadır.
Bu ve bunun gibi reklam ve Facebook grupları dışında oluşturulan paylaşım içerikleri de sosyal
ağlar üzerinden binlerce kişiye ulaşmıştır. Facebook’un toplumun tepkilerini ölçme ve her
alanda olduğu gibi siyasal açıdan topluma ayna tutması avantajlı bir durum sağlamaktadır [33].
E-ISBN: 978-605-68882-5-0 435

Özellikle dark post iddiası ve 50 milyon kişinin verilerinin kullanıldığı skandalı dikkate
alındığında bireylerin oy verme hakları üzerinde nasıl bir etki yaratıldığının boyutları
ürkütücüdür. Benzer iddialar Brexit süreci, Obama döneminde gerçekleşen seçimler için de
geçerlidir. Geleceğe dair siyasal iletişim faaliyetleri düşünüldüğünde büyük veri üzerinden
yapılacak veri madenciliğinin kullanım alanlarının eldeki veriler ışığında endişe verici
boyutlara ulaştığı rahatlıkla ifade edilebilir.
6. Sonuç
Teknolojinin gelişmesi ve bilişim sektöründe yaygınlık kazanması insan ve toplum

hayatında iyilik, kolaylık, hızlılık, erişebilirlilik vb özellikler dolayımında kazanımlar
sağlaması bir fırsat olarak değerlendirilebileceği gibi; kültürel aşınma ve yozlaşma başta olmak
üzere toplum hayatındaki farklı alanlarda da bir o kadar veya daha fazla tehditler de
barındırabilmektedir. Konumuz dahilinde ele aldığımız ABD seçimlerinin Facebook üzerinden
manipüle edilme çabalarının kesin kanıtı olmasa da eldeki veriler ışığında böyle bir iddianın
gerçekliğini kanıtlat nitelikte emareler taşıdığını söyleyebilmek mümkündür.
Cambridge Analytica firmasının yaptığı iddia edilen manipülasyonlar gelecekte yaşanabilecek

siyasal gelişmeler ve uluslararası ilişkiler açısından düşündürücü olmasının yanı sıra bir o kadar
da üzerine düşünülmesi gereken bir konudur. Veri madenciliği kavramının gelişimi ve elde
edilebilecek verilerin sonuçları düşünüldüğünde, bizi bizden daha çok tanıyabilecek yapay
zekanın bize dair alacağı kararlar, toplum olarak yaşanabilecek etkiler, sadece siyasal değil
sosyolojik açıdan doğabilecek her türlü problem ve etkiler dikkatle takip edilmeli ve bu konuya
dair verilerin yanlış ellere geçmemesi için bilgilendirme yapılmalıdır. Nitekim sosyal ağlarda
olmasak bile önceki verilerimiz ya da kullandığımız telefon numarası üzerinden dahi kim
olduğumuz ya da nerede yaşadığımızın analizi yapılabiliyorken kendi bireysel özgürlüğümüzün
tehlike altında olabileceği bir gelecek hem bizler hem de sonraki nesiller açısından oldukça
tehlikelidir. Dünya genelinde dillendirilen siyasal iletişimde manipülasyon iddiaları artarken
verilerin gizliliği ve kullanım hakları konusunda katı kararlar alınması ve uygulanması
elzemdir. Veri madenciliği kavramının sadece olumsuz açıdan değerlendirilmesi büyük bir
hatadır. Olumlu açıdan veri madenciliği kullanımına bakıldığında;
- Google firması her yıl veri madenciliği kullanımı yaparak dünya grip haritası çıkarmaktadır
[34].
E-ISBN: 978-605-68882-5-0 436

- Telefon operatörleri bilgilendirme ve yeni hizmetlerini veri madenciliği yaparak bireysel olarak
sunabilmektedir.
- Bankalar ihtiyaç kredisi ya da banka hizmetlerini bireysel olarak veri madenciliği vasıtasıyla
daha etkili kullanabilmektedir.
- Salgın hastalıkların tespiti ve daha hızlı önlenebilmesi açısından veri madenciliği

kullanılmaktadır.
- Karayolları yapımında kaza riskleri ve verimlilik ölçülebilir hale gelmiş daha kaliteli hizmet
sağlanmaktadır.
- Kaçak enerji kullanımının önüne geçilmesi ve ekonomik açıdan zararın engellenmesi

sağlanabilmektedir.
Bu ve bunun gibi örneklerle birlikte veri madenciliği kavramı gelecekte daha büyük öneme
sahip olacaktır ve de Davos’ta belirtildiği üzere veri kavramı yakın dönemde altın kadar önemli
bir varlık haline gelecektir. Bu verinin işlenmesi ve uygulanması sürecinde toplum yararına
olacak her çalışma desteklenmeli ve geliştirilmelidir. Ülke olarak daha iyi bir noktaya gelmeyi
sağlayacak her analiz her modelleme ve algoritma kullanımı teşvik edilmelidir. Negatif ve
pozitif etkileri değerlendirildiğinde veri madenciliği gelecekte hayatımızda daha çok olacaktır.
Oy verme kararımızı etkileyecek, bizleri manipüle edecek ya da yönlendirecek süreçlerin
yaşanmaması, kişilik haklarımıza dair ihlallerin yaşanmaması en büyük temenni olmakla
beraber pozitif pencereden de bakarak Apple’ın dünyaca ünlü CEO’su Steve Jobs’un
deyimiyle;“Eğer bir şey yaptıysanız ve mükemmel bir şey olduğu ortaya çıktıysa, ona
takılmadan bir sonraki mükemmel şeye başlamanız gerektiğini düşünüyorum” cümlesine kulak
vererek teknolojiyi iyi amaçlar için kullanmaya devam etmeliyiz.
Kaynaklar
[1] D. Pedro 2017 Master Algoritma Paloma Yayınevi, 2. Baskı, Ankara.
[2] Big Datas İmpact Erişim Tarihi: 27.09.2018 https://www.nytimes.com/2012/02/12/sunday-

review/big-datas-impact-in-the- world.html,
E-ISBN: 978-605-68882-5-0 437

[3] Erişim Tarihi: 28.09.2018 https://www.ibm.com/blogs/watson-health/the-5-vs-of-big- data/
[4] S. Bülent 2004 İngilizce - Türkçe Ansiklopedik Bilişim Sözlüğü, Pusula Yayınları,
İstanbul.
[5] P. Ray 2005 Harrod’s Librarians’ Glossary and Reference Book Hampshire: Ashgate
Publishing Limited
[6] Açık Veri Madenciliği Kaynağı Erişim Tarihi: 29.09.2018 https://webmaster.kitchen/en-

iyi-acik-kaynak-6-veri-madenciligi-araci
[7] Erişim Tarihi: 01.10.2018 https://www.theverge.com/2017/11/1/16593346/house-russia-

facebook-ads
[8] Six Social Search Erişim Tarihi: 30.09.2018

https://knightlab.northwestern.edu/2014/06/09/six-social-search- tools-to-help-
journalists-find-and-analyze-trends-on-twitter
[9] Erişim Tarihi: 30.09.2018 https://twitter.com/Topsy/status/676919759435399168
[10] Erişim Tarihi: 30.09.2018 https://tame.it/
[11] Erişim Tarihi: 30.09.2018 http://www.socialmention.com
[12] Zuckerberg Response Facebook Cambrigde Analytica Erişim Tarihi: 30.09.2018

https://www.theguardian.com/technology/2018/mar/21/mark-zuckerberg-response-
facebook-cambridge-analytica
[13] Erişim Tarihi: 30.09.2018 https://www.hnf.de/en/permanent-exhibition/exhibition-

areas/the-mechanization-of- information-technology/early-automatons-miracles-of-
technology/wolfgang-von- kempelens-chess-turk.html
[14] Erişim Tarihi: 30.09.2018 https://www.facebook.com/zuck/posts/10104712037900071
[15] Facebook Stock Erişim Tarihi: 30.09.2018

https://money.cnn.com/2018/03/27/news/companies/facebook-stock- zuckerberg/index.html
[16] Erişim Tarihi: 30.09.2018 https://www.youtube.com/watch?v=cy-9iciNF1A
[17] Cambridge Analytica Executives Erişim Tarihi: 30.09.2018

https://www.businessinsider.com/cambridge-analytica-executives-and-mercer-family-
launch-emerdata-2018-3
E-ISBN: 978-605-68882-5-0 438

[18] Cambridge Analytica Erişim Tarihi: 20.09.2018

https://www.lemonde.fr/economie/article/2018/09/28/cambridge-analytica-est-morte- vive-
data-propria_5361290_3234.html
[19] How Our Likes Helped Trump Erişim Tarihi: 30.09.2018

https://motherboard.vice.com/en_us/article/mg9vvn/how-our-likes-helped-trump-win
[20] Cambridge Analytical Erişim Tarihi: 30.09.2018 https://owlcation.com/social-

sciences/Cambridge-Analytical-What-is-it-How-did-it- start-and-Where-is-it-going
[21] Trump Dark Post Erişim Tarihi: 30.09.2018 https://www.wired.com/story/trump-dark- post-

facebook-ads/
[22] L. Darren 2013 Siyasal İletişim Temel Kavramlar, Kaknüs İletişim, İstanbul.
[23] A. Aysel 2017 Siyasal İletişim, Nobel Yayınları, İstanbul.
[24] E. Necdet 2008 Siyasal İletişime Giriş, Bişkek: Gece Kitaplığı, Ankara.
[25] T. Oya 2008 Siyasal İletişimi Anlamak, İmge Kitabevi, Ankara.
[26] Without Russia Trump Would'nt Won Erişim Tarihi: 01.10.2018

https://www.washingtonpost.com/opinions/without-the-russians-trump-wouldnt-have-
won/2018/07/24/f4c87894-8f6b-11e8-
bcd59d911c784c38_story.html?noredirect=on&utm_term=.ee5cca2bfc55
[27] Abd Başkanlık Seçimi Erişim Tarihi: 01.10.2018 https://www.aa.com.tr/tr/dunya/abd-

baskanlik-secimine-rusyanin-etki-ettigi- iddiasinda-yeni-gelisme/952321#
[28] Russian Hackers Erişim Tarihi: 01.10.2018 https://www.theguardian.com/us-

news/2016/dec/16/qa-russian-hackers-vladimir- putin-donald-trump-us- presidential-election,
[29] Erişim Tarihi: 01.10. 2018 https://www.bbc.com/turkce/haberler-dunya-44866605,

E.T:01/10/2018
[30] Tim Cook Fake News Russia Erişim Tarihi: 29.09.2018
https://www.theverge.com/2017/11/1/16595596/apple-ceo-tim-cook-fake-news-russia-
election-ad-interference, E.T: 29/09/2018
[31] Erişim Tarihi: 20.09.2018 www.sabah.com.tr.
E-ISBN: 978-605-68882-5-0 439

[32] Anketler Paramparça Erişim Tarihi: 20.09.2018
http://www.hurriyet.com.tr/dunya/anketler-parca-parca-40272512
[33] BALCI, Şükrü (2016), Türkiye’de Siyasal İletişim Uygulamaları, Konya:

LiteratürkAcademia( Ahmet Tarhan & Zühal Fidan – Siyasal İletişimde Sosyal Medyanın
Kullanımı: “ 7 Haziran – 1 Kasım 2015 Genel Seçimleri Twitter Örneği”
[34] Google Verileri Erişim Tarihi: 20.09.2018 www.google.org
E-ISBN: 978-605-68882-5-0 440

Ortaokul ve Lise Öğrencilerinin Şifre Oluşturma Bilincinin

Belirlenmesi
Dr. Öğr. Üyesi Bekir AKSOY1, Hamdi SAYIN2
bekiraksoy@sdu.edu.tr, yl1730154008@stud.sdu.edu.tr
1 Isparta University of Applied Sciences Mechatronics Engineering, Faculty of Technology, TURKEY
2 Isparta University of Applied Sciences Mechatronics. Engineering, TURKEY
Özet
Bu araştırmada Isparta ilinde eğitim öğretime devam eden ortaokul ve lise öğrencilerinin sanal
ortamda şifre oluşturma konusunda farkındalık, bilinç ve duyarlılık seviyelerinin belirlenmesi
amaçlanmıştır. İlgili okulların 5-6-7-8-9-10-11-12. Sınıflarında öğrenim gören 316 öğrenci
üzerinde gerçekleştirilen anket çalışmasında elde edilen bulgulara dayanılarak şifre oluşturma
ile ilgili duyarlılık seviyesinin ölçülmesi, şifre oluşturma stratejileri, öğrencilerin okudukları
sınıf seviyelerine göre şifre oluşturma bilinç düzeylerinin belirlenmesi, sanal ortamda geçirilen
günlük sürenin bu bilinçle olan ilişkisinin tespit edilmesi amaçlanmıştır. Sonuç olarak söz
konusu okullarda öğrenim gören öğrencilerin sanal ortamda şifre oluşturma yeterlilikleri
ölçülerek önümüzdeki yıllarda veri güvenliği konusunda karşımıza çıkabilecek sorunlara
şimdiden çözüm üretilebilmesi hedeflenmektedir.
Anahtar Kelime: Güçlü Şifre, Bilinç, Öğrenci, Parola, Sanal Ortam.
Determining the Conscıousness of Password Generatıon on

Secondary School and High School Students
Abstract
In this work, it was aimed to determine awareness, consciousness and sensitivity levels about
password generation in virtual environment of middle school and high school students who are
educated on 5-6-7-8-9-10-11-12th classes in province of Isparta. It is aimed to measure the level
of sensitivity related to password generation based on the findings obtained from the survey
that will be performed on 316 students for determine the password generation strategies,
determine the level of consciousness of password generation according to the class levels of the
students and determine the relationship of the time spent in the internet with consciousness of
password creation. As a result, students' ability to generate and administrate passwords is
E-ISBN: 978-605-68882-5-0 441

measured and it is aimed to be able to provide solutions to the problems that may arise in the
next years about the data security.
Keywords: Strong Password, Consciousness, Student, Password, Virtual Environment
1. Giriş
İnternet, tüm dünyada geçerli olan bir iletişim ağıdır. Gelişimi hızlıdır ve birçok bilgisayar
sistemini birbirine bağlar. Ayrıca internet, insanların bilgiye ulaşma, saklama ve paylaşma
talepleriyle ilgili bir teknolojidir. Bu teknoloji sayesinde insanlar birçok alanda kolayca, ucuz
ve güvenli bir şekilde bilgiye ulaşabilmektedir [1]. Bireyler ve kurumlar bilişim teknolojileri
ve internet kullanımının yaygınlaşmasıyla kolay ve çift yönlü iletişim kurma, bilgiye ulaşma,
bilgi edinme, bilgi aktarma, gelişmeleri takip etme ve daha birçok imkâna kavuşmuştur. Web
siteleri, bloglar, forumlar, elektronik posta, haber grupları, sohbet odaları, video konferanslar
arama motorları bireylerin bilgi edinme ve paylaşma konusunda yoğun olarak faydalandıkları
uygulamalardır [2]. Öğrencilerin ise çoğu interneti, bilgi edinmenin en hızlı yolu olan evrensel
bir dijital kütüphane olarak düşünmektedir.[3] Ancak, bilgisayar ve internet, çocukların okul
çalışmalarına yönelik bilgilere hızlı ve etkili erişim sağlarken, onlar için bazı riskler taşır. Şiddet
ve cinsel içerikli yasadışı siteler, güvenilmez insanlarla iletişim, çocuk istismarı ve oyunlara
aşırı bağımlılık bu risklerden bazılarıdır.[4] Bilgi ve bilgisayar güvenliği bilinciyle ilgili
literatür incelendiğinde, çocukların ve gençlerin bilgisayar ve internet risklerinden yeterince
haberdar olmadıkları ve bu risklere karşı herhangi bir önlemlerinin olmadığı söylenebilir.
Dunkel’in [5] “İnternette Çocuk Stratejileri” adlı çalışmasında da araştırmacı, çocukların ve
gençlerin bu tehditlere bilinçsizce bazı stratejiler geliştirdikleri sonucuna varsa da bu
önlemlerin tehditlerden kaçınmak için yeterli olmadığı sonucuna ulaşmıştır. Dolayısıyla,
internet ve bilgisayar genel olarak değerlendirilirse, bilgi güvenliği ve kullanıcı bilincinin
araştırılması önemli bir amaç olarak düşünülebilir.
1.1. ARAŞTIRMANIN AMACI

Bu çalışmada amaç öğrencilerin sanal ortamda şifre ya da parola oluşturma tutumlarına ilişkin
görüşlerini araştırmak ve bununla ilgili değerlendirmelerde bulunmaktır. Bu genel amaç
çerçevesinde araştırmanın problem cümlesi ve alt problemleri şu şekilde oluşturulmuştur.
1.2. PROBLEM
E-ISBN: 978-605-68882-5-0 442

Ortaokul ve lise öğrencilerinin sanal ortamda şifre oluşturma konusuna ilişkin tutumları
nelerdir?
1.3. ALT PROBLEMLER

a. Ortaokul ve lise öğrencilerinin sanal ortamda şifre oluşturma konusuna ilişkin farkındalık,
bilinç ve duyarlılık seviyeleri nedir?
b. Öğrencilerinin sanal ortamda şifre oluşturma konusuna ilişkin tutumları okul değişkenine
göre anlamlı farklılık göstermekte midir?
2. YÖNTEM
2.1. ARAŞTIRMANIN MODELİ
Araştırmada tarama modeli kullanılmıştır. Tarama modelleri, geçmişte ya da halen var olan bir
durumu var olan şekilde betimlemeyi amaçlayan araştırma yaklaşımlarıdır. Araştırmaya konu
olan olay, birey ya da nesne, kendi koşulları içinde ve olduğu gibi tanımlanmaya çalışılır [6].
2.2. EVREN VE ÖRNEKLEM

Araştırmanın evrenini 2017-2018 eğitim ve öğretim yılında Isparta ili merkezindeki ortaokul
ve lise öğrencileri, araştırmanın örneklemini ise Isparta ilinin merkez ilçesindeki bir
ortaokulunda öğrenim gören 198 öğrenci ile 118 lise öğrencisi oluşturmuştur. Çalışmaya katılan
öğrencilerin okul ve sınıflara göre dağılımları Tablo 1’de verilmiştir.
Sınıf seviyeleri N= 316 Yüzde(%)

Ortaokul
5. Sınıf 42 13,3
6. Sınıf 75 23,7
7. Sınıf 37 11,6
8. Sınıf 44 13,9
Lise
9. Sınıf 34 10,8
10. Sınıf 30 9,5
11. Sınıf 28 8,9
12. Sınıf 26 8,3
3. GÜÇLÜ PAROLA OLUŞTURMA
3.1. Güçlü parola nedir?

Güçlü Parola (Strong password), tahmin edilemeyecek ve basit saldırı yöntemleri karşısında
kırılması güç şifrelerdir. Birçok internet sitesi şifreleri oluştururken kullanıcıdan güçlü bir
şifre/parola oluşturmasını ister. Bunun nedeni güçsüz ve kolayca tahmin edilebilir şifre
kullanarak kullanıcı hesaplarının dolayısıyla kişisel bilgilerinin internet saldırganlarının eline
geçmesini engellemektir.
E-ISBN: 978-605-68882-5-0 443

3.2. Güçlü parola nasıl oluşturulur?
Güçlü bir şifrenin karakteristik özellikleri hem uzun hem de çeşitli karakterler içermesidir.
“1234” gibi basit bir şifre kombinasyonu kolayca tahmin edilebilir. Tahmin edilemese bile bir
program yardımıyla saldırı yapan internet saldırganı, birkaç saatlik tarama sonucunda (bazen
daha kısa) şifreleri kolayca ele geçirebilir. Şifrelerin içerisindeki karakter çeşitliliği, şifre
uzunluğu ve farklı karakterlerin şifreye dahil olması, şifrelerin çeşitli yöntemlerle kırılmasını
güç hatta bazen imkânsız hale getirir.
Oluşturulan bir şifrenin "güçlü" kabul edilebilmesi için aşağıdaki özellikleri göstermelidir.
• En az 8 karakterden oluşur.
• Harflerin yanı sıra, rakam ve "?, @, !, #, %, +, -, *, %" gibi özel karakterler içerir.
• Büyük ve küçük harfler bir arada kullanılır.
• 1234, abcd, qwerty gibi sıralı diziler kullanılmaz.
4. BULGULAR
Soru: Şifrenizi nasıl belirliyorsunuz?

YANITLAR ORTAOKUL LİSE
İlk belirlenen şifreyi kullanıyorum %5 %1
Unutmamak için akılda kalan kolay şifre belirliyorum %33 %15
Kısa şifreler belirliyorum. %15 %6
İçinde büyük, küçük harf, rakam ve simge gibi farklı karakterler
%33 %30
bulunan şifre belirliyorum
Unutmamak için tüm şifrelerimi aynı belirliyorum. %14 %48
Bu soruya verilen yanıtlar neticesinde öğrencilerin ortaokul seviyesinde akılda kalıcı kolay
şifreler belirlemeyi seçerken, lise öğrencilerinin ise tüm hesapları için genellikle aynı şifreyi
belirlediklerini görüyoruz. Yine her iki okul seviyesinde de şifre belirleme kurallarının %30’un
üzerindeki bir grup tarafından bilindiğini ve uygulandığını görmekteyiz.
E-ISBN: 978-605-68882-5-0 444

Soru: Şifrelerinizi ne sıklıkla değiştiriyorsunuz?

Hiç değiştirmiyorum. %32 %20
Şifremin birisinin eline geçtiğinden şüphelenirsem
%47 %55
değiştiriyorum.
Şifremi birisine vermek zorunda kalırsam değiştiriyorum. %7 %14
Şifremi çok sık değiştiriyorum. %10 %2
En az altı ayda bir değiştiriyorum. %4 %9
Bu soruya verilen yanıtlar sonucunda öğrencilerin ortaokul seviyesinde daha uzun sürelerde
aynı şifreleri kullanırken, lise seviyesinde bu sürenin daha kısa olduğu sonucuna varıyoruz. Her
iki okul seviyesinde de öğrencilerin şifre güvenliği konusunda yeterli bilince sahip olduğunu
söyleyebiliriz.
Soru: Size ait bilgisayarın şifresini kime verirsiniz?

Anneme yada babama %26 %27
Kardeşime %17 %15
En yakın arkadaşıma %12 %11
Öğretmenime %0 %1
Hiç kimseye %45 %46
Önceki soruda da belirttiğimiz gibi öğrencilerin şifre güvenliği konusunda yeterli bilince sahip
olduğunu bu soruya verilen yanıtlardan da kestirebiliriz.
Soru: Bir gün içinde internette geçirdiğiniz zaman ne kadardır?

İnternette hiç işim olmuyor %10 %2
1 saat kadar %32 %13
1-2 saat arası %30 %23
6 saatten fazla %7 %10
Bu soruda ise öğrencilerin günlük internet kullanım süreleri tespit edilmeye çalışılmış, lise
öğrencilerinin ortaokul öğrencilerine göre internette daha fazla vakit geçirdikleri
gözlemlenmiştir.
Soru: Şifrenizi oluştururken uzun olmasına dikkat ediyor musunuz?
E-ISBN: 978-605-68882-5-0 445


Evet %34 %44
Hayır %41 %33
Fikrim yok %25 %23
Soru: Şifrenizde doğum tarihi, yıl dönümü gibi özel tarihler kullanıyor musunuz?
Evet %27 %30
Hayır %63 %67
Fikrim yok %10 %3
Bu sorulara verilen yanıtlar neticesinde öğrencilerin hem ortaokul hem de lise seviyesinde şifre
belirleme kurallarını bilen sınırlı sayıda öğrenci olduğu sonucuna ulaşabiliriz.
Soru: Aynı şifreyi farklı hesaplarınızda kullanıyor musunuz? (instgram-facebook gibi)

Evet %33 %81
Hayır %57 %17
Fikrim yok %10 %2
Bu soruda öğrencilerin mevcut bir şifreyi farklı hesaplarda kullanma durumu irdelenmiş ve lise
öğrencilerinin ortaokul öğrencilerine göre daha sık şifre tekrarı yaptıkları gözlenmiştir.
Soru: Şifrenizde @, $, #, %, & gibi özel karakterler kullanıyor musunuz?

Evet %31 %13
Hayır %52 %72
Bazen %17 %15
Dördüncü ve beşinci soruda olduğu gibi şifre oluşturma kurallarına yönelik bu soruya verilen
cevaplar incelendiğinde özel karakterli şifrelerin ortaokul öğrencileri tarafından kısmen tercih
edildiğini, genellikle öğrencilerin tamamında bu karakterleri kullanma eğilimi olmadığı tespit
edilmiştir.
E-ISBN: 978-605-68882-5-0 446

Soru: Şifrenizde 1234, abcd gibi sıralı dizeler kullanıyor musunuz?

Evet %18 %9
Hayır %63 %81
Bazen %19 %10
Bu soruya verilen ortalama %72 oranında ”Hayır” cevabı neticesinde öğrencilerin büyük bir
çoğunluğunun hem ortaokul hem de lise seviyesinde şifre belirleme kurallarını bildikleri ve
uyguladıklarını söyleyebiliriz.
Soru: Şifrenizi kullanırken gizliliğine ne kadar önem verirsiniz?

Çok dikkat ederim %51 %56
Kimse şifremi bulamaz %33 %28
Hiç dikkat etmem %16 %16
Bu soruda da öğrencilerin yarıdan fazlasının şifre gizliliği konusunda ketum bir tutum
sergilediklerini görmekteyiz.
5. SONUÇLAR
Tüm bu bulgular ışığında öğrencilerimizin ortaokul seviyesinde akılda kalıcı kolay şifreler
belirlediği, lise öğrencilerinin ise tüm hesapları için genellikle aynı şifreyi kullanmayı
seçtikleri, ortaokul seviyesinde daha uzun süreli şifreler kullanırken, lise seviyesinde bu sürenin
daha kısa olduğu sonucuna ulaşıyoruz. Lise öğrencilerinin ortaokul öğrencilerine göre
internette daha fazla vakit geçirdikleri, özel karakter içeren şifrelerin ortaokul öğrencileri
tarafından kısmen tercih edildiği, genellikle öğrencilerin tamamında bu karakterleri kullanma
eğilimi olmadığı tespit edilmiştir. Öğrencilerin yarıdan fazlasının şifre gizliliği konusunda
doğru bir tutum sergilediklerini söyleyebiliriz. Hem ortaokul hem de lise seviyesinde şifre
belirleme kurallarını bilen sınırlı sayıda öğrenci olduğu belirlenmiştir. Bu noktada kısa vadede
yapılması gereken öğrencilerin çeşitli bilgilendirme araçları(afiş, poster, seminer vs.)
vasıtasıyla güvenli şifre oluşturma ve şifrelerini güvenli tutma konusunda çalışmalar yapılması
tavsiye edilebilir. Uzun vadede ise okullarda seçmeli veya bazı sınıf seviyelerinde uygulanan
“Bilişim Teknolojileri ve Yazılım” dersinin zorunlu ve tüm sınıf seviyelerinde uygulanması
tavsiye edilebilir.
E-ISBN: 978-605-68882-5-0 447

Kaynaklar
1. Tekerek, M., Mart İ., (2010). Behavioral Computer and Web Security Awareness for K8 Level, 4th
Information Security and Cryptology Conference Proceeding Book, pp: 254-258.
2. Taş, İ. E. & Kestellioğlu, G. (2011). Halkla ilişkilerde internetin yeri ve önemi. Kahramanmaraş Sütçü
İmam Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 1(1), 73-92.
3. İşman, A. & Dabaj, F. (2004). Attitudes of Students towards Internet, Turkish Online Journal of Distance
Education-TOJDE, 5(4),
4. Retrieved From: https://tojde.anadolu.edu.tr/tojde16/articles/dabaj.htm
5. Subrahmanyam, K., Kraut, R. E., Greenfield, P. M., Gross, E. F., (2000) The Impact of Home Computer
Use on Children’s Activities and Development, Children and Computer Technology, 10(2), pp. 123-
144.
6. Dunkels, E, (2008). Children’s strategies on the Internet, Critical Studies in Education, 49(2), 171-184
7. Niyazi Karasar. (2007). Bilimsel Araştırma Yöntemi. Nobel Yayın Dağıtım, Ankara, s.77 3
E-ISBN: 978-605-68882-5-0 448

Twitter Ortamında Türk Hava Yolları Üzerine Algı Analizi

Bekir AKSOY1, Hamdi SAYIN2, Sinan UĞUZ3
bekiraksoy@sdu.edu.tr, yl1730154008@stud.sdu.edu.tr, sinanuguz@sdu.edu.tr
1
University of Applied Sciences University of Technology Mechatronics Engineering, TURKEY
2
Isparta University of Applied Sciences Mechatronics Engineering, TURKEY
3
University of Applied Sciences University of Technology Mechatronics Engineering, TURKEY
Özet
Sosyal ağlar son zamanlarda müşteri ilişkileri yönetimi, kamuoyu izleme ve metin filtreleme
gibi çeşitli alanlarda madencilik uygulamaları için değerli bir kaynak haline gelmiştir. Aslında
Twitter gibi sosyal ağlardan elde edilen bilgilerin pazar araştırması şirketleri, kamuoyu
kuruluşları ve diğer metin madenciliği kuruluşları için son derece değerli olduğu görülmüştür.
Ancak, web metinleri hem sözcüksel hem de sözdizimsel düzeylerde önemli problemleri temsil
ettiğinden gürültülü olarak sınıflandırılmıştır. Bu araştırmada, yolcuların Türk Hava Yolları
gibi tanınmış markalara olan duyarlılığını değerlendirmek için 880 adet tweet örneklem olarak
kullanılmıştır. Twitter’dan toplanan bu veriler üzerinde yapılan algı analizi işleminde doğal dil
işleme ve diğer makine öğrenmesi yöntemleri kullanılarak, akıllı bir sistem oluşturulmuş ve
elde edilen sonuçlar karşılaştırmalı olarak verilmiştir. (Twitter’dan toplanan bu veriler üzerinde
yapılan algı analizi işleminde doğal dil işleme ve diğer makine öğrenmesi yöntemleri
kullanılarak, akıllı bir sistem oluşturulmuş ve gönderilen yeni bir tweetin doğru olarak
sınıflandırılabilmesi amaçlanmıştır.)
Anahtar Kelime: Sosyal, Ağ, Thy, Twitter, Algı Analizi, Doğal Dil İşleme.
E-ISBN: 978-605-68882-5-0 449

Perception Analysis About Turkish Airlines on Twitter

Abstract
Social networks have recently become a valuable source of mining sentiment in a variety of
areas such as customer relationship management, public opinion monitoring and text filtering.
In fact, information obtained from social networks such as Twitter has been found to be
invaluable for marketing research companies, public opinion organizations and other text
mining organizations. However, Web texts are classified as noisy because they represent
significant problems at both lexical and syntactic levels. In this research, we used a random
sample of 880 tweets to evaluate the sensitivity of passengers to well-known brands such as
Turkish Airlines. In the perception analysis process on these data collected from Twitter, an
intelligent system is created by using natural language processing and other machine learning
methods and the obtained results are given comparatively. (In the perception analysis process
on these data collected from Twitter, an intelligent system is created by using natural language
processing and other machine learning methods and it is aimed that a new tweet submitted can
be correctly classified.)
Keywords: social, network, thy, twitter, perception analysis, natural language processing
1. Giriş
Sosyal medya, her yerden ulaşılabilen, kullanıcı tarafından üretilen içeriğin oluşturulmasına,
erişilmesine ve değiştirilmesine izin veren web ya da mobil tabanlı internet uygulamaları olarak
tanımlanmaktadır.[1] Küresel bir hamle olarak ortaya çıkan sosyal medya bugün milyarlarca
kullanıcının birçok konuda fikirlerini ve şikâyetlerini beyan ettiği bir platform haline
gelmiştir.[2] Günümüzde farklı ihtiyaç ve amaçlara hizmet eden onlarca sosyal medya internet
sitesi ve uygulaması bulunmaktadır. Dünya üzerinde en çok kullanılan sosyal ağlar
araştırıldığında; Facebook, Twitter, Instagram, Swarm, Youtube ve Snapchat öne çıkmaktadır.
Sosyal medya kullanımının artmasıyla kişiler; duygu, tutum, düşünce ve tecrübelerini
milyonlarca kişiyle anlık olarak paylaşabilmektedir. Paylaşım konularından biri de müşteri
görüşleridir. Çevrimiçi müşteri görüşleri; firmaların müşterileri hakkında daha fazla bilgi
almasını, müşterilerin firmaya daha kolay ulaşabilmesini sağlayan önemli bir kavram haline
gelmiştir. Paylaşılan müşteri görüşleri, diğer müşterilerin satın alma eğilimlerini veya hizmet
sektöründeki firma seçimlerini etkilemektedir. Twitter ve Facebook başta olmak üzere, çeşitli
E-ISBN: 978-605-68882-5-0 450

sosyal ağlar ve bloglar bu konularda etkin olarak kullanılmaktadır. Bu sosyal ağların gelişmesi
ile metin verilerinde hızla yükselen bir artış görülmektedir. Özellikle akıllı telefonlar ile gelişen
uygulama yazılımları, veri akışını sürekli ve dinamik bir yapıya dönüştürmüştür. Metindeki
gizli bilginin keşfi de bu süreçte önemli bir unsur haline gelmiştir. Metin madenciliği;
metinlerin sınıflandırılması, kümelenmesi (bölümlenmesi), metinden konu çıkarılması, sınıf
taneciklerinin üretilmesi, özetlenmesi, duygusal analiz ve varlık ilişki modellemesi gibi çeşitli
konularda uygulama alanı bulmuştur.[3] Ancak binlerce hatta on binlerce verinin ham haliyle
tek tek incelenmesi ve insan algısıyla anlaşılması güçtür.[4] Son yıllarda gelişen doğal dil
işleme, yapay zeka, makine öğrenmesi ve veri madenciliği yöntemleriyle metinlerden anlamlı
sonuçlar çıkarmak mümkün hale gelmiştir. Duygu analizi, bu büyük veri içerisinden anlamlı
bilgiler çıkarmada kullanılan önemli bir çalışma alanıdır.
Her sektörde olduğu gibi havayolu sektöründe de potansiyel müşterilerin satın alma öncesi ve
sonrası fikir ve duygularının tespit edilmesi, havayolu firmalarının ilerleyen dönemde sunacağı
hizmetleri şekillendirmektedir. Bu çalışmada, Türkiye merkezli olarak tüm dünyada faaliyet
gösteren Türk Hava Yollarına ait yolcu görüşleri twitter kaynağından toplanarak doğal dil
işleme ve çeşitli makine öğrenmesi sınıflandırma algoritmaları ile incelenmiştir.
2. VERİ ve YÖNTEM
2.1. Twitter
En büyük sosyal medya platformlarından biri olan Twitter, kısa cümlelerle düşünce ve ifade
belirtilen bir mikro blog türü sosyal ağ sitesidir. İnsanların yakın bir zamana kadar 140 ve
günümüzde 280 karaktere kadar metinler yazabildiği bir sosyal ağ platformudur. Twitter’ın tüm
dünya üzerinde 330 milyondan fazla kullanıcısı bulunmaktadır. Twitter üzerinde dakikalar
içinde milyonlarca gönderi paylaşılmaktadır. Ayrıca dünya üzerinde etiket (#hashtag) kullanımı
ilk kez Twitter üzerinde başlatılmış ve devam eden süreçte tüm sosyal ağlar bu özelliği kendi
içinde kullanmaya başlamıştır. Etiketler kullanıcıların belli bir hakkında görüşlerini kategorize
etmelerini sağlamaktadır. Kullanıcılar ilgi alanlarına göre etiketler üzerinden paylaşımlar
yapmakta ve bu sayede aynı ya da benzer ilgi alanına sahip topluluklar bir araya gelebilmekte,
markalar potansiyel müşterilerine ulaşabilmekte, sivil toplum kuruluşları da bu sayede hedef
kitleleri ile etkileşime geçebilmektedir. Gelinen noktada etiketler, tüm dünyada aktif ve sürekli
bir şekilde kullanılmaktadır.
E-ISBN: 978-605-68882-5-0 451

2.2. Veri Toplanması ve İşlem Süreci

Fikir madenciliği (veya duygu analizi), kullanıcı tarafından oluşturulan metin ve haber
içeriğinin değerlendirilmesi işlemidir. Bu tür içeriğin temel özellikleri arasında metinsel
bozukluklar ve heterojen yapısıdır. Burada, doğal dil işleme, hesaplamalı dilbilim ve metin
analizleri, kaynak metinden öznel bilgileri tanımlamak ve çıkarmak için kullanılmaktadır.
Genel amaç, bir yazının (veya konuşmanın) konusunu yada bağlamsal polaritesini
belirlemektir.
Twitter gönderilerinin Türk Hava Yolları ile ilgili gönderiler python

sunuculardan programlama dilinin twitterscrapper
kazınması kütüphanesi yardımı ile çekilmiştir.
Gönderilerin Tekrar eden ve konu dışı gönderiler

temizlenmiş, imla ve yazım kurallarına göre
düzenlenmesi yeniden düzenleme yapılmıştır.
Polarite
Gönderilerdeki olumlu ve olumsuz duygular 1
katsayılarının
ve 0 olarak excel dosyasına işlenmiştir.
işlenmesi
İşlenen metin ve duygu polariteleri python

programlama dili yardımıyla farklı makine
Analiz
öğrenmesi sınıflandırma algoritmaları ile
analiz edilmiştir.
Şekil 1 - Twitter üzerinden paylaşılan gönderilerin toplanma, işlenme ve analiz aşamaları
Kazıma: Sosyal medyadan ve diğer web sitelerinden çevrimiçi verilerin yapılandırılmamış

metin şeklinde toplanması /kazınması işlemidir. Web hasatı ve web içerik analizi şeklinde de
tanımlanmaktadır. Sosyal medya verisine API'lerden erişilebilmesine rağmen, verilerin ticari
değeri nedeniyle Facebook ve Google gibi önemli kaynakların çoğu akademisyenlerin ham
verilerine kapsamlı bir şekilde erişebilmelerini zorlaştırdıklarına değinilmektedir. Az sayıda
sosyal veri kaynağının akademik araştırmacılara açık olduğundan söz edilmektedir. Thomson
Reuters ve Bloomberg gibi haber hizmetleri genellikle verilere erişmek için çeşitli düzeylerde
ücretler talep etmektedirler. Bu kapsamdan ayrı olarak Twitter (Twitter'ın günde 500 milyondan
fazla tweet atılmaktadır) kamuya ait tweet'lere ve geçmiş verilerine erişmek için Twitter Data
Grants programını başlatmıştır.[5]
E-ISBN: 978-605-68882-5-0 452

2.3. Veri Seti ve Özellikleri

Çalışmada Türk Hava Yollarına yönelik Twitter’ da 2016 yılında paylaşılan 1180, 2017 yılında
paylaşılan 1205 ve 2018’in ilk 5 ayında paylaşılan 1143 adet olmak üzere toplam 3528 tweet
veri seti olarak kullanılmış olup 2648 adet gönderi haber, reklam ve tekrarlardan oluştuğu için
sınıflandırmaya dâhil edilmemiştir. Kalan 880 adet veri el yordamıyla olumlu ve olumsuz
olarak ayrıştırılmıştır. Daha sonra bu veriler metin madenciliği yöntemleri ile çeşitli ön
işlemlerden geçirilip temizlenerek sınıflamaya uygun hale getirilmiştir. Bu ön işlemler arasında
iletideki simge ve noktalama işaretlerinin temizlenmesi, metni kelimelere ayırma ve her bir
kelimenin köklerinin bulunarak terim listelerinin oluşturulması, metin içerisindeki edat, bağlaç
ve zamirlerden oluşan durak kelimelerin kaldırılması, terim frekansları ve ters doküman
frekansları yardımıyla vektör uzay(seyrek matris) modelinin oluşturulması sayılabilir. Bu
aşamadan sonra veri seti sınıflandırma algoritmaları ile işlenmeye hazır hale getirilmiştir. Söz
konusu markanın uluslararası platformda faaliyet göstermesi nedeniyle tweetlerin İngilizce
dilinden seçilmesi tercih edilmiştir.
2.4. Doğal Dil İşleme

Doğal Dil İşleme, bir dili çözümleme, anlama, yorumlama, üretme gibi işlevlerin bilgisayar
ortamında ele alındığı bir mühendislik alanıdır. Yapay zeka ve dilbilim alanını kapsar. Özellikle
dilin doğal yapısını kullanarak dijital içerik üzerinden anlamlı bilgi çıkarma işlemidir. Doğal
Dil İşleme alanında hedef, bilgisayar ile iletişimi, bir makina ile değil de insan ile iletişim
ediliyor izlenimi verecek noktaya getirebilmektir.
2.5. NLTK (Natural Language Toolkit)

NLTK, insan dili verileriyle çalışacak Python programları oluşturmak için geliştirilmiş bir
platformdur. WordNet gibi 50'den fazla şirket ve metinsel kaynak için kullanımı kolay ara
yüzler, sınıflandırma, belirleme, kaynak oluşturma, etiketleme, ayrıştırma ve semantik akıl
yürütme için bir dizi metin işleme kütüphanesidir. Bu çalışmada İngilizce tweetler üzerinden
duygu analizi yapıldığından, NLTK Kütüphanesi doğal dil işleme amacıyla kullanılmıştır.
E-ISBN: 978-605-68882-5-0 453

3. SINIFLANDIRMA ALGORİTMALARI
3.1. Naive Bayes Algoritması

Naive Bayes sınıflandırıcı, olasılık sınıflandırma tekniklerinin en kısıtlayıcı uç yelpazesinde
temsil edilir [6]. Sınıflandırılması gereken sınıflar (kümeler) ve örnek verilerin hangi sınıflara
ait olduğu bellidir. Metin kategorizasyonu için çok etkili olduğu kanıtlanmıştır [7]. Bir Bayes
yaklaşımı olarak, n boyutlu uzayda tanımlı olan X vektörü (x1,..,x2 ), m adet sınıf bulunan Ck
(C1,.,Cn) veri kümesinde son olasılığı maksimize eden bir sınıf etiketi C arar.
𝑃(𝐶𝑖 |𝑿) = 𝑃(𝑿 |𝐶𝑖 )𝑃(𝐶𝑖 )
3.2. Karar Ağacı(Decision Tree) Algoritması

Veri Madenciliği ile sınıflandırmada en çok kullanılanlardan yöntemlerden birisi de karar
ağaçlarıdır. Karar ağacının yapısında her bir düğüm bir niteliği temsil eder. Dallar ve yapraklar
ağaç yapısının elemanlarıdır. En üstteki eleman kök, en alttaki eleman yaprak ve bunların
arasında kalan elemanlar ise dal olarak isimlendirilir [8]. Karar ağacında kurallar kökten
yaprağa doğru inilerek (IF-THEN rules) yazılır. Karar ağacı yönteminde bir olayın
sonuçlandırılmasında sorunun cevabına göre hareket edilir.
3.3. Rastgele Orman(Random Forest) Algoritması

Breiman tek bir karar ağacı üretmek yerine her biri farklı eğitim kümeleriyle eğitilen çok sayıda,
çok değişkenli ağacın kararlarının birleştirilmesini önermiştir. Farklı eğitim kümeleri
önyükleme (bootstrap) ve rasgele özellik seçimi ile orijinal eğitim setinden oluşturulur. Çok
değişkenli karar ağaçları CART [9] algoritmasıyla elde edilir. Önce her karar ağacı kendi
kararını verir. Karar ormanı içerisinde maksimum oyu olan sınıf son karar olarak kabul edilir
ve gelen test verisi o sınıfa dahil edilir.
4. MODEL BAŞARIM ÖLÇÜTLERİ

Model başarısını değerlendirirken kullanılan temel kavramlar hata oranı, kesinlik, duyarlılık ve
F-ölçütüdür. Modelin başarısı, doğru sınıfa atanan örnek sayısı ve yanlış sınıfa atılan örnek
sayısı nicelikleriyle alakalıdır. Test sonucunda ulaşılan sonuçların başarım bilgileri karışıklık
matrisi ile ifade edilebilir. Karışıklık matrisinde satırlar test kümesindeki örneklere ait gerçek
sayıları, kolonlar ise modelin tahmin sonuçlarını ifade eder.
KARIŞIKLIK MATRİSİ Öngörülen Sınıf
E-ISBN: 978-605-68882-5-0 454

Sınıf=1 Sınıf=0
Sınıf=1 TP FN
Doğru Sınıf
Sınıf=0 FP TN
TP: True Pozitif FN: False Negatif FP: False Pozitif TN: True Negatif
4.1. Doğruluk – Hata oranı

Model başarımının ölçülmesinde kullanılan en popüler ve basit yöntem, modele ait doğruluk
oranıdır. Doğru sınıflandırılmış örnek sayısının (TP +TN), toplam örnek sayısına
(TP+TN+FP+FN) oranıdır. Hata oranı ise bu değerin 1’e tamlayanıdır. Diğer bir ifadeyle yanlış
sınıflandırılmış örnek sayısının (FP+FN), toplam örnek sayısına (TP+TN+FP+FN) oranıdır.
4.2. Kesinlik
Kesinlik, sınıfı 1 olarak tahminlenmiş True Pozitif örnek sayısının(TP), sınıfı 1 olarak
tahminlenmiş tüm örnek sayısına(TP+FP) oranıdır.
4.3. Duyarlılık
Doğru sınıflandırılmış pozitif örnek sayısının(TP), toplam pozitif örnek sayısına(TP+FN)
oranıdır.
4.4. F-Ölçütü
Kesinlik ve duyarlılık ölçütleri tek başına anlamlı bir karşılaştırma sonucu çıkarmamıza yeterli
değildir. Her iki ölçütü beraber değerlendirmek daha doğru sonuçlar verir. Bunun için f-ölçütü
tanımlanmıştır. F-ölçütü, kesinlik ve duyarlılığın harmonik ortalamasıdır.
2 x Duyarlılık x Kesinlik
𝐹 − Ö𝑙çü𝑡ü =
Duyarlılık + Kesinlik
5. BULGULAR
Uygulamada, veri setinde bulunan olumlu ve olumsuz olarak işaretlenmiş müşteri görüşleri ile
model eğitimi gerçekleştirilerek yeni eklenen bir görüşün doğru olarak sınıflandırılması amacı
ile farklı algoritmalarla oluşturulan modellerin başarım dereceleri karşılaştırılmıştır.
Naive Bayes Algoritması

Eğitim Seti Test Seti Doğruluk Kesinlik Duyarlılık F-Ölçütü
%85 %15 %75,7 %85,1 %81,6 %83,3
%80 %20 %75,5 %86,1 %80,3 %83,1
%75 %25 %76,8 %89,7 %78,4 %83,7
%70 %30 %77,6 %88,8 %80,4 %84,4
Karar Ağacı(Decision Tree) Algoritması
E-ISBN: 978-605-68882-5-0 455


%85 %15 %77,2 %90,4 %77,5 %83,5
%80 %20 %73,8 %89,8 %73,4 %80,8
%75 %25 %77,4 %92 %76 %83,2
%70 %30 %76,1 %90 %76,8 %82,9
Rastgele Orman(Random Forest) Algoritması

%85 %15 %81,8 %88,5 %86,7 %87,6
%80 %20 %78,4 %88,5 %81,8 %85
%75 %25 %84 %94 %84,4 %88,9
%70 %30 %82,5 %89,2 %87,4 %88,3
Her algoritmaya ait en başarılı ölçümler kalın ve italik olarak gösterilmiştir.
6. SONUÇLAR
Veri madenciliğinde bilgiye erişmede farklı metotlar kullanılmaktadır. Bu metotlara ait pek
çok algoritma vardır. Bu algoritmalardan hangisinin daha üstün olduğu üzerine pek çok
çalışma yapılmış, yapılan bu çalışmalarda farklı sonuçlar elde edilmiştir. Bunun en önemli
sebebi, işlem başarımının, kullanılan veri kaynağına, veri üzerinde yapılan önişleme,
algoritma parametrelerinin seçimine bağlı olmasıdır. Farklı kişiler tarafından, farklı veri
kaynakları üzerinde, farklı parametrelerle yapılan çalışmalarda farklı sonuçlar oluşması
doğaldır.
Bu çalışmada twitterde yer alan hava yolu yolcu yorumlarını içeren veri seti üzerinde çeşitli
makine öğrenme teknikleri kullanılarak bir duygu analizi çalışması yapılmıştır. Makine
öğrenmesinde sıkça kullanılan sınıflandırma algoritmalarından Naive Bayes, Karar
Ağacı(Decision Tree) ve Rastgele Orman(Random Forest) algoritmaları kullanılmış; ilgili
sınıflayıcıların performans karşılaştırması model başarım ölçütlerine göre yapılmıştır. Çalışma
sonuçları incelendiğinde Rastgele Orman (Random Forest) algoritmasının model testine ait
%84 doğruluk derecesiyle en iyi sonucu ürettiği söylenebilir. Doğruluk ölçütü oldukça basit ve
önemli bir kriterdir. Bu ölçüte göre Rastgele Orman (Random Forest) algoritmasını sırasıyla
Naive Bayes ve Karar Ağacı(Decision Tree) algoritmaları izlemektedir.
Kaynaklar
E-ISBN: 978-605-68882-5-0 456

Kaplan, A.M. and Haenlein, M. (2010), “Users of the world, unite! The challenges and opportunities of
social media”, Business Horizons, Vol. 53 No. 1, pp. 59-68
Hutton, G., & Fosdick, M. (2011). The globalization of social media. Journal of Advertising Research,
51, 564–570.
Şeker, Evren S., İş Zekası ve Veri Madenciliği, Cinius Yayınları, İstanbul 2013
Meral, M., Diri, B. (2014). Twitter Üzerinde Duygu Analizi. IEEE 22nd Signal Processing and
Communications Applications Conference (SIU). 690-693
Batrinca, B, Treleaven, P. C.(2014). Social media analytics: a survey of techniques, tools and platforms.
AI & SOCIETY 30 (1): 89–116.
Mehran Sahami (1996), Learning Limited Dependence Bayesian Classifiers.
Dai, Wenyuan, et al. “Transfering naive bayes classifiers for text classification.” Proceedings of the
national conference on artificial intelligence. London; AAAI Press; MIT Press;1999, 2007.
Alpaydın, E, ―Zeki, (, 2000), “Veri Madenciliği: Ham Veriden Altın Bilgiye Ulaşma Yöntemleri”,
Bilişim 2000 Veri Madenciliği Eğitim Semineri Notları.
Breiman L. (1999), “Random forests–random features,” Technical Report 567, Department of Statistics,
University of California, Berkeley
E-ISBN: 978-605-68882-5-0 457

Makine Öğrenmesi Sınıflandırıcı Algoritmalar ile Kanser Karşıtı

Peptitlerin Tahmin Edilmesi
Murat ESER1, Murat GÖK1
murat.eser@yalova.edu.tr, murat.gok@yalova.edu.tr
1
Department of Computer Engineering, Yalova University, Yalova, TURKEY
Özet
Kanser, günümüzde tedavisi zor olan en ölümcül hastalıklardandır. Geleneksel kanser

tedavilerinde kullanılan kemoterapi ve radyoterapi yöntemleri, kanser hücrelerini yok ederken
sağlıklı hücrelere de zarar vermektedir. Ayrıca tedavi maliyetleri çok yüksektir ve ağır yan
etkilere sahiptirler. Kanser karşıtı peptitlere dayalı yeni ilaçlar ile kanser tedavisi daha verimli
olmaktadır. Gerçekleştirdiğimiz bu çalışmada, kanser karşıtı peptitleri çeşitli sınıflandırıcı
algoritmalar ile tahmin ettik. En iyi sonuçları k-NN yöntemi, sırasıyla %95,93 sınıf doğruluğu,
%96,37 duyarlık, %95,63 özgünlük ve 0,92 Mathew Correlation Coefficient (MCC)
performans değerleri elde ettik.
Anahtar Kelimeler: K-En Yakın Komşuluk, Destek Vektör Makineleri, Rastgele Orman,
Sınıflandırma
Prediction of Anticancer Peptides Using Machine Learning

Classifier Algorithms
Abstract
Cancer, which is one of the most deadly diseases, is difficult to treat today. Chemotherapy and
radiotherapy methods used in traditional cancer treatments destroy cancer cells and harm
healthy cells. In addition, treatment costs are very high and have severe side effects. Cancer
treatment with new drugs based on anti-cancer peptides is more efficient. In this study, we
predicted anti-cancer peptides with diverse machine learning algorithms. We obtained with k-
NN algorithm 95.93% class accuracy, 96.37% precision, 95.63% specificity and 0.9159
Mathew Correlation Coefficient (MCC) performance values with our model, respectively.
Keywords: Residue-Couple Model, Blosum90, PartitionMembership, Kanser, Peptit
E-ISBN: 978-605-68882-5-0 458

1. Giriş
Kanser dünya genelinde milyonlarca insanın öldüğü veya tedavi gördüğü sağlık problemlerin
biridir [1,2]. Kanser tedavisi zor olmakla beraber yüksek maliyetler gerektirmektedir. Tedavi
sırasında kanserli hücreler ile savaşılırken sağlıklı hücrelere de zarar verilmektedir [3,4].
Kanser karşıtı peptitlerin keşfedilmesi ile beraber sağlıklı hücrelere zarar verilmeden sadece
kanser hücreleri öldürülebilir. Kanser karşıtı peptitler doğada katyonik olduklarından, kanser
hücrelerinin anyonik hücre zar bileşenleri ile etkileşime girip özellikle kanser hücrelerini yok
edebilirler [5,6]. Bunun yanı sıra kanser karşıtı peptitler vücuda fiziksel olarak zarar vermezler.
Kanser karşıtı peptitler bu özellikleri ile yapay ilaçlardan daha etkili ve güvenlidir [7,8]. Genel
olarak kanser karşıtı peptitler kanser tedavisi için umut vermektedir. Ancak kanser karşıtı
peptitleri diğer peptitlerden ayırt etmek maliyetli ve zor bir işlemdir. Kanser karşıtı peptitler
genel olarak 5-30 adet amino asit ile gösterilirler. Bu dizilimlerin bilişimsel hesaplamalar ile
tahmin edilmesi gerekmektedir.
Kanser karşıtı peptitleri belirlenmesi üzerine günümüze kadar bazı çalışmalar yapılmıştır. Tygai
ve arkadaşları amino asit ve ikili profilleri peptitlerin özellik gösterimiyle destek vektör
makinelerini kullanarak sınıflandırma yapmışlardır [9]. Hajisharifi ve arkadaşları yerel
hizalama kernel metot tabanlı kanser karşıtı peptitleri tespit etmek üzere yeni bir model
önermişlerdir [10]. Chen ve arkadaşları kanser karşıtı peptitleri belirlemek üzere dizilim tabanlı
bir model geliştirmişlerdir.
Kanser karşıtı peptitler üzerinde yapılan çalışmalar incelendiğinde dizilim tabanlı metotların
daha etkili sonuçlar verdiği görülmektedir. Geliştirdiğimiz bu yöntemde Residue-Couple
Model [11] yöntemiyle peptitlere ait özellikler çıkarılmıştır. Çıkarılan özelliklerin puanlaması
Henikoff ve arkadaşları tarafından geliştirilen dizilim tabanlı Blosum90 matrisi ile yapılmıştır
[12]. Çalışmanın sonuç değerlerinin artması için özellik seçimi yöntemlerinden
ParitionMembership [13] yöntemini kullanıp özelliklerin boyutu azaltılıp Destek Vektör
Makineleri, Bayes Ağları ve K-En Yakın Komşu sınıflandırıcı algoritmalar ile
sınıflandırılmıştır. Modelimiz ile yapılan pek çok çalışmaya göre daha iyi sonuçlar elde ettik.
2. Yöntemler
E-ISBN: 978-605-68882-5-0 459

2.1. Veri seti
Gerçekleştirdiğimiz çalışmada veri seti içerisinde 344 adet peptit kullanılmıştır. Veri setinden
bulunan peptitler birbirlerinden farklı uzunluğa sahiptir. 138 kanser karşıtı peptit ve 206 kanser
karşıtı olmayan peptit Universal Protein Resource kaynağından alınmıştır [14].
2.2. Sınıflandırıcı Algoritmalar
K-En Yakın Komşu algoritması, Cover ve Hart tarafından önerilen, örnek veri noktasının
bulunduğu sınıfın ve en yakın komşunun, k değerine göre belirlendiği bir sınıflandırma
yöntemidir [15]. Algoritmanın sınıflandırma işlemindeki başarısını etkileyen faktörlerden biri
k değerinin doğru seçilmiş olmasıdır. Eğer k değeri çok büyük seçilirse farklı sınıflara ait
örnekler aynı sınıfa dahil edilebilir. K değerinin çok küçük seçildiği diğer bir durumda ise tam
tersi şekilde aynı sınıfta bulunması gereken örnekler farklı sınıflara yerleştirilebilir. [16]
Breiman, rastgele orman algoritmasını, tahmin edilen ağaçların bir birleşimi olarak sunmuştur. Tahmin edilen
her ağaç, ağaç kümesi içerisinde birbirinden bağımsız olarak gösterilen rastlantısal bir vektörün değerine
karşılık gelmektedir. Breiman’a göre, topluluk sınıflandırıcılarında oluşturulan ağaç kümesinin genelleme
hatası, ağaçların her birinin küme içerisindeki bireysel güçlerine ve ağaçlar arasındaki korelasyona bağlıdır
[17]. RF, tüm değişkenler arasından en iyi dalı kullanarak her bir düğümü dallara ayırmak yerine, her bir
düğümde rastgele olarak seçilen değişkenler arasından en iyisini kullanarak her bir düğümü dallara ayırır.
Her bir veri kümesi orijinal veriler içerisinden yer değiştirmeli olacak şekilde seçilerek oluşturulur. Ardından
rastgele özellikler seçilerek ağaç yapıları oluşturulur. Rastgele özellikler ile oluşturulan ağaçlarda budama
işlemi gerçekleştirilmez [18].
Destek Vektör Makineleri, Vapnik tarafından geliştirilen Destek vektör makinelerinin temeli
istatistiksel öğrenme teorisine dayanmaktadır. SVM algoritmasında özellik uzayı olarak
isimlendirilen ve içerisinde en uygun aşırı düzlemlerin belirlendiği yüksek boyutlu bir uzayı
haritalandırmaktadır. Haritalandırılan bu uzay eğitim verileri sayesinde oluşturulmaktadır [19].
SVM’nin temel çıkış noktası, sınıf sayısına göre sınıf üyeleri arasında, bu sınıfları birbirinden
ayıran sonsuz sayıdaki doğru içinden marjini en yüksek doğruyu seçerek sınıflandırmayı
gerçekleştirmeye çalışmaktır. Oluşan marjin doğrusu sınıf üyelerinin seçilen doğruya en yakın
olan üyelerine paralel olmalıdır. Çizilen doğrulara hiperdüzlem adı verilmektedir. [20]
2.3. Blosum Matrisi
Biyoinformatikte protein dizilim hizalaması için kullanılan matristir. Blosum matrisi lokal
hizalama tabanlıdır ve dizilimlere ait amino asitlerin birbirlerine benzerlikleri puanlamak için
kullanılır. İlk olarak Steven Henikoff and Jorja Henikoff tarafından tanıtılmıştır [21].
Gerçekleştirdiğimiz çalışmada blosum90 matrisi kullanılmıştır. Residue-Couple Model ile elde
E-ISBN: 978-605-68882-5-0 460

edilen özelliklerin değeri ile bu özelliğin blosum90 matrisinde birbirine denk gelen sıralamasına
ait puanının çarpma işlemi sonucu, ilgili özellik son değerini almaktadır.
2.4 Partiton Membership
Özelliklerin boyutu azaltılarak yeniden oluşturulması işlemidir. İkili sınıflandırma işlemi

olmasından dolayı doğruluğu artırmaktadır. İlk seviye, veri kümesi birçok parçaya bölümlemek
için kullanılırken, ikinci seviye, sınıflandırma işlemi için kullanılır [22]. Gerçekleştirdiğimiz
çalışmada özellik seçimi işleminde Partition Membership metodunu kullanmak için J48 karar
ağacı bölüm oluşturucu kullanılmıştır [23].
2.5 Residue-Couple Model
Bir peptit diziliminde bulunan her amino asidin diğer 20 amino asit ile birlikte modelin
özelliklerinin çıkarılmasını sağlar. Böylelikle modelde 400 adet özellik elde edilir. Guo ve
arkadaşları tarafından 2005 yılında geliştirilmiştir. Dizilimin her indeksinde bulunan amino
asit kendinden sonraki amino asit değerine denk gelen ikilinin modelde denk gelen özelliğin
değerinin 1, diğerlerinin 0 olmasını sağlar. ACCYVLLYAC diziliminde AC amino asit ikilisi
modelin AC özelliğini 1 yapar. Bir sonraki CC amino asit ikilisi, CC özelliğinin değerini 1
yapmaktadır. Bu yöntem ile tüm dizilimin amino asitleri tamamlanır.
3. Bulgular
3.1 Başarım Metrikleri
10-Fold Cross Validation modelin değerlendirilmesi ve eğitilmesi için verinin parçalara

ayrılması yöntemlerinden biridir. 10-Fold Cross Validation ile veri seti 10 parçaya
bölünmektedir. Her döngüde sınıflandırma esnasında 1 parça test verisi olarak kullanılırken
diğer 9 parça eğitim verisi olarak kullanılmaktadır. Her döngüde elde edilen sonuç toplanarak
çaprak doğrulama sayısına bölünür ve ortalaması alınır. Bu ortalama modelin başarımını
vermektedir. Gerçekleştirdiğimiz çalışmada verilerin sınıflandırılması aşamasında 10-Fold
Cross Validation tekniği kullanılmıştır. 10-Fold Cross Validation ile eğitilip test edilen modelin
başarımı Tablo 1'de görülen karmaşıklık matrisi kullanılarak elde edilir.
E-ISBN: 978-605-68882-5-0 461

Tablo 1. Karmaşıklık Matrisi

Gerçek
Pozitif Negatif
Pozitif Doğru Pozitif (DP) Yanlış Negatif (YN)
Tahmin
Negatif Yanlış Pozitif (YP) Doğru Negatif (DN)
Doğruluk; modelin hem artı hem eksi sınıfları tahmin etme oranıdır.
Duyarlık; modelin gerçek değer içinde doğru tahmin ettiği artı sınıfın oranıdır.
MCC; gerçek ve tahmin edilen sınıflar arasındaki korelasyon katsayısıdır e +1 ile -1 arasındadır.
Değer +1 e yaklaştıkça yapılan tahminin iyi olduğu metriktir.
Özgünlük; modelin gerçek içinde doğru tahmin ettiği eksi sınıfın oranıdır.
𝐷𝑃 + 𝐷𝑁
𝐷𝑜ğ𝑟𝑢𝑙𝑢𝑘: (1)
𝐷𝑃 + 𝐷𝑁 + 𝑌𝑃 + 𝑌𝑁
𝐷𝑃 (2)
𝐷𝑢𝑦𝑎𝑟𝑙𝚤𝑙𝚤𝑘:
𝐷𝑃 + 𝑌𝑃
(𝐷𝑃 ∗ 𝐷𝑁) − (𝑌𝑃 ∗ 𝑌𝑁) (3)
𝑀𝑐𝑐:
√(𝐷𝑃 + 𝑌𝑃) ∗ (𝐷𝑃 + 𝑌𝑁) ∗ (𝐷𝑁 + 𝑌𝑃) ∗ (𝐷𝑁 + 𝑌𝑁)
𝐷𝑁 (4)
Ö𝑧𝑔ü𝑛𝑙ü𝑘:
𝐷𝑁 + 𝑌𝑁
3.2 Deneysel Sonuçlar
10-kat çapraz doğrulama test tekniği ile bazı makine öğrenmesi sınıflandırıcı algoritmaların
kanser karşıtı peptitlerin tahmin edilmesinde verdiği performanslar Tablo 2’de görülmektedir.
E-ISBN: 978-605-68882-5-0 462

Tablo 2. Sınıflandırma Algoritmalarının Başarım Metrikleri
Doğruluk Duyarlılık Özgünlük

Sınıflandırma Algoritması (%) (%) (%) MCC
Rastgele Orman 95,64 94,92 96,11 0,91
Destek Vektör Makineleri 95,64 94,20 96,60 0,91
K-En Yakın Komşu 95,93 96,37 95,63 0,92
Kanser karşıtı peptitlerin tahmininde k-En Yakın Komşu algoritması ile %95.93 doğruluk,
%96.37 duyarlılık, 0.9159 MCC ve %95.63 özgünlük değerleri ile en iyi perfomans elde
edilmiştir. Gerçekleştirdiğimiz çalışma ile diğer çalışmaları karşılaştırıldığımızda daha başarılı
sonuçlar elde ettik. Tablo 3’ de literatürde yapılmış olan iki çalışma sonuçları görülmektedir.
k-NN algoritması bu yöntemlerden daha iyi sonuç vermiştir.
Tablo 3. Modelimizin Diğer Çalışmalar ile Karşılaştırılması
Doğruluk Duyarlılık Özgünlük

Model (%) (%) MCC (%)
iACP 90.70 84.06 0.8058 95.15
SAP 91.86 81.88 0.8301 96.60
4. Sonuçlar
Bu çalışmada, peptit dizilimlerinin kanser karşıtı olup olmadıklarının tahmin ettik. k-NN
öğrenme algoritması diğer makine öğrenmesi algoritmalarına göre daha iyi bir sonuç elde
etmiştir. Gelecekte gerçekleştireceğimiz çalışmalarda sınıflandırıcıların birleştirilmesi ile
problemin çözümünü gerçekleştirmeyi hedeflemekteyiz. Böylece performansı artırmayı
hedeflemekteyiz.
Teşekkür
Bu çalışma, Yalova Üniversitesi, Yüksek Lisans projesi (2018/YL/0010) tarafından

desteklenmiştir.
Kaynaklar
[1] Chen,W.; Feng, P.; Yang, H.; Ding, H.; Lin, H.; Chou, K.C. iRNA-AI: Identifying the adenosine to
inosine editing sites in RNA sequences. Oncotarget 2017, 8, 4208.
E-ISBN: 978-605-68882-5-0 463

[2] Albenna, S.; Shai, Y.; Jacobsen, F.; Steinstraesser, L. Oncolytic activities of host defense peptides. Int.
J. Mol. Sci. 2011, 12, 8027–8051.
[3] Kalyanaraman, B.; Joseph, J.; Kalivendi, S.; Wang, S.; Konorev, E.; Kotamraju, S. Doxorubicin-induced
apoptosis: Implications in cardiotoxicity. Mol. Cell. Biochem. 2002, 234, 119–124.
[4] Maliepaard, M.; Scheffer, G.L.; Faneyte, I.F.; van Gastelen, M.A.; Pijnenborg, A.C.; Schinkel, A.H.;
van De Vijver, M.J.; Scheper, R.J.; Schellens, J.H. Subcellular localization and distribution of the breast
cancer resistance protein transporter in normal human tissues. Cancer Res. 2001, 61, 3458–3464.
[5] Mader J, Hoskin D. Cationic antimicrobial peptides as novel cytotoxic agents for cancer treatment.
Expert Opin Investig Drugs. 2006; 15:933–946.
[6] Hoskin DW, Ramamoorthy A. Studies on anticancer activities of antimicrobial peptides. Biochimica et
biophysica acta. 2008; 1778:357–375.
[7] Diana, G.; Salomé, V.A.; Castanho, M.A. From antimicrobial to anticancer peptides. A review. Front.
Microbiol. 2013, 4, 294.
[8] Huang, Y.; Feng, Q.I.; Yan, Q.; Hao, X.; Chen, Y. Alpha-helical cationic anticancer peptides: A
promising candidate for novel anticancer drugs. Mini Rev. Med. Chem. 2015, 15, 73–81.
[9] Tyagi, A.; Kapoor, P.; Kumar, R.; Chaudhary, K.; Gautam, A.; Raghava, G.P.S. In silico models for
designing and discovering novel anticancer peptides. Sci. Rep. 2013, 3, 2984.
[10] Hajisharifi, Z.; Piryaiee, M.; Beigi, M.M.; Behbahani, M.; Mohabatkar, H. Predicting anticancer
peptides with Chou’s pseudo amino acid composition and investigating their mutagenicity via Ames
test. J. Theor. Biol. 2014, 341, 34–40.
[11] J. Guo, Y. Lin, Z. Sun, and A, "Novel Method for Protein Subcellular Localization: Combining
Residue-Couple Model and SVM", in: Proceedings of Third Asia-Pacific Bioinformatics Conference,
17-21 January 2005, Singapore, 2000, vol. pp, pp. 117–129.
[12] Henikoff, S.; Henikoff, J.G. (1992). "Amino Acid Substitution Matrices from Protein
Blocks". PNAS. 89(22): 10915–10919
[13] Frank, E., Pfahringer, B., 2013. Propositionalisation of multi-instance data using random forests.
Adv. Artif. Intell. 8272, 362e373.
[14] Wang G, Li X, Wang Z. APD2: the updated antimicrobial peptide database and its application
in peptide design. Nucleic acids research. 2009; 37:D933–937.
E-ISBN: 978-605-68882-5-0 464

[15] Cover, T.M. and Hart, P.E., “Nearest neighbor pattern classification”. IEEE Transactions on
Information Theory, IT- 13(1):21–27 (1967).
[16] Mitchell, T. Machine Learning, McGraw Hill. ISBN (1997)
[17] Breiman L (2001). "Random Forests". Machine Learning. 45 (1): 5–32.
[18] Archer, Kellie J. ve Ryan V. Kimes. "Empirical characterization of random forest variable
importance measures." Computational Statistics & Data Analysis52.4 (2008): 2249-2260.
[19] Zhi-qiang, Jiang, Fu Hang-guang ve L. I. Ling-jun. "Support vector machine for mechanical
faults classification." Journal of Zhejiang University-SCIENCE A6.5 (2005): 433-439.
[20] Bilgin, M. 2018 Makine Öğrenmesi: Teorisi ve Algoritmaları (İstanbul : Papatya Bilim)
[21] Henikoff, S., & Henikoff, J. G. (1992). Amino acid substitution matrices from protein
blocks. Proceedings of the National Academy of Sciences, 89(22), 10915-10919.
[22] R. Abooraig, A. Alwajeeh, M. Al-Ayyoub, I. Hmeidi, "On the automatic categorization of arabic
articles based on their political orientation", 3rd International Conference on Informatics Engineering
and Information Science (ICIEIS), 2014.
[23] J. R. Quinlan, C4.5: Programs for Machine Learning. San Francisco, CA, USA: Morgan
Kaufmann Publishers Inc., 1993.
E-ISBN: 978-605-68882-5-0 465

The Importance of the Thiessen Polygon Method that is one of the

Data Analysis Methods of the Geographic Information Systems
(GIS) in Defining the High Capacity Mass Transportation Routes
Hikmet Erbıyık1, Yavuz Delice2, Eray Can2
hikmeterbiyik53@gmail.com, ydelice@gmail.com, can.eray@hotmail.com
1
2
Abstract
The share of Geographic Information Systems (GIS), is very important in solving In-urban
public transportation problems. In the problems relevant to traffic problems and public
transportation systems, to obtain higher passenger capacity public transportation modes by
combining different mode lines may give positive solution results in most cases. Nevertheless,
in solving those problems, to collect updated, accurate and precise data from the field present
great importance. In Geographic Information Systems(GIS) software, proximity analysis such
as Thiessen Polygon Analysis that are realized with updated and accurate data is one the most
widely used analysis type in solving those problems. In this study during realization of this
analysis type, it is attempted to provide the methods and information for realization by taking
expert opinions in the subject as well.
Keywords: Public Transit, Thiessen Polygon Analysis, Data Analysis, Geographic Information
Systems,
1. Introduction
Information systems may be divided into two main groups of ‘spatial’ and ‘non-spatial’
systems. [1,2]. The importance of spatial information systems being increased much more,
especially in the geographic based projects that coordinate information is required.
Spatial information systems may be classified as environmental information systems, infra-

structure engineering information systems, cadastral information systems, and social-economic
information systems. Spatial information systems have an important role on the side of decision
makers especially in the urban areas. [1].
E-ISBN: 978-605-68882-5-0 466

Generally, spatial information systems have been called Geographic information systems in
literature. [1]. Geographic information systems (GIS), are the kind of visualized database
systems that are dependent on the position, and obtained by field observations and field surveys,
enabling the graphical and non-graphical data collection, saving, processing and presenting
them to the user in 2 dimensional or 3 dimensional form whenever needed and realizing those
functions in an integrity. Spatial querying, formation of intelligent automation systems,
visualization, data manipulation (data transfer, data generalization, data sorting), spatial
analyses, decision making analyses, and model analyses will be able to realized with these
Geographic information systems.
Geographic or spatial information systems are the kind of systems that will enable to inquiry
the data that are collected from the fields in an intended logical manner. [1]. Thereby, they
enable to generate new information of having different goals and presenting various features.
Those systems, answer to some kind of spatial inquiries specially in order to examine the
relationships of the geographic entities with their own environment and to obtain wider
information on these relationships.
In our days, by virtue of using those information systems, inside the urban information systems,
the objective of planning and modelling the urban being realized. Besides, in the context of
these planning studies those systems may be utilized toward, in urban or inter urban
transportation planning, the solution of in urban traffic problems, rehabilitation and
optimization of public transport systems. Similarly, a lot of geographic information systems
(GIS) analysis being used as per the various purposes. Those analyses may present differences
with regard to collected data type and the kind of system that relevant data is obtained.
Proximity analysis in Geographic Information Systems (GIS) as one of the spatial analysis
types, is one of the most used analysis types having wide range of implementation. This analysis
type is a kind of one that based on the discussion of the distances between any kind of
geographic details (node, link, polygon) to the other geographic details. [1,2] In the relevant
literature, this analysis type is also called as ‘buffer analysis’. In this analysis type, a buffer
zone of polygon featured is being formed in an intended distance around a certain detail that is
accepted as reference. However required analysis could also be realized in this buffer zone,
with the Geographic Information Systems (GIS). This analysis type could be realized as point,
line and polygon based as well. Proximity analysis may be used in the field of transportation as
E-ISBN: 978-605-68882-5-0 467

well as in communication, hydrology, urban planning fields. In many different kind of subjects
in transportation field, proximity analysis being realized.
For example, while drafting highway projects, with consideration of road axes in the case of
forming a buffer zone in a state that providing platform space, on the right and left side of the
road axes; some added information could also be obtained such as total magnitude of the
expropriated field along with the highway. [1].
Furthermore those analyses could also be used in public transportation and transportation
planning fields. The proximity analyses that are used in different fields of transportation,
present also differences in their own. While implementing line based proximity analysis in
highway projects, in order to define the fields to be expropriated; on the other hand in public
transportation systems, polygon based proximity analyses such as Thiessen Polygon method is
use
2. Thiessen Polygon Method
There are many different analysis methods among Geographic Information Systems (GIS)
implementations. One of those analysis methods is proximity analysis. Proximity analysis
methods also are divided into different groups among themselves; the most widely used method
is Thiessen Polygon Method is also called ‘Voronoi Diagramme’. [1,7,8]. Thiessen Polygon
Method is formed in such a way that to form a new polygon layer by connecting the borders
that define the optimum distances of points to each other depending on the assigned value for
each point in point based layer. Those polygons on the other hand, define the impact areas
around the dispersed points in serial case[1]. (Figure 1)
E-ISBN: 978-605-68882-5-0 468

Figure 1 Schematic view of the Thiessen Polygon implementation. [3]
With this method, in forming of Thiessen Polygons, the following process flow sequence is
followed, the relevant steps are defined below; (Figure 2).
1. The points that are placed in data layer, are transformed into random triangle network as per
the Delaunay Criteria,
2. While defining the intersection points of the vertical lines extended from the mid point of the
formed triangle side, polygon borders are also defined.
3. Those intersection points form the vertex points of the Thiessen Polygons.
4. Polygon topology is formed.
5. Point based incoming layer is transformed into label points of this layer. [1,6].
E-ISBN: 978-605-68882-5-0 469

Figure 2 Thiessen Polygon implementation steps. [4]
While analyzing the obtained data in transportation field, especially in public transportation
systems, Thiessen Polygon method may be used effectively in order to define and optimize the
passenger demand sides and demand densities.
3. The Importance of Thiessen Polygon Method Usage in Transportation.
In our days, as a result of the increasing human population in urban areas, transportation and
traffic problems are also present an increase in trend. With increasing income level and
automobile ownership along with the increasing human population in urban areas, the traffic
problems has been turned into the biggest problem in the urban.
The very essence of this problem, is misplanning of urban and distorting urban plans and having
new revised city development plans. In order to solve any problem properly, first of all, a right
diagnosis related to problem has to be put forward. In order to solve the transportation problems,
healthy data systems are needed toward making proper diagnosis for these problems. Those
data are being analyzed upon collecting the data from the field. Those data are obtained from
camera, GPS, …etc similar technological devices in one hand; on the other hand they may be
collected via conventional methods in some cases. Along with the development of recent
technology, data quality is also being improved that they are collected from the field.
The quality, density, sensitivity and updating status of the data that are collected from the field
also affect the spatial analysis studies directly. One of the alternatives, in order to solve the
transportation problems, to redirect the existing transportation demand into public
transportation systems. Therefore, it will be appropriate for public transportation systems being
fast, economic and comfortable. Analysis and planning studies present great importance in
E-ISBN: 978-605-68882-5-0 470

order to establish the so called high passenger capacity public transportation systems. The data
of precise and cleaned from mistakes, is required in order to realize those studies and to reach
the right target.
In this study, toward solving transportation problems in public transportation problems, it is

attempted to define how to implement Thiessen Polygon Analysis and in this regard following
steps are recommended by taking sectoral expert opinions as well;
• Precise, healthy and updated data has to be collected in the relevant urban center of having
problem.
While collecting data, it will be appropriate to utilise the recent technological devices of having
high storage capacity of the data such as GPS, tablet computer, intelligent mobile phones. By
this means, an attempt for a second study for conveying field data into digital platform will be
prevented. In order to define the public transportation demands, the data that are considered to
form the base for intended study, are the positional data to be collected during get in or get out
of the vehicles of passengers’. While those data contain the X,Y,Z coordinates they also contain
time series data in their own as well. By this means, the wondered questions of what are the
relevance for the concerned get in or get out timing data between the public transportation lines
and station positions will be answered.
• Transferring The data into System
Transferring the collected data from the field changes as per the data collecting manner. If the
data is collected by means of conventional way, those data has to be transferred into digital
platform in a careful manner. If the data collection studies are made by means of modern
methods, data transfer has to be made via cabled or wireless access from the existing devices
on the field into the system. By means of using modern methods in data collection, data loss
could be reduced to a minimum level.
• Clearing The Data Mistakes
In the later stage of data transfer into system, detection of mistakes in the data has to be made.
In order to designation and clear the data many different kind of data mining methods may be
used. For example, sensitivity of spatial data that are collected from the field differ as per the
used GPS device. While examining the data that are collected along with any certain road axle,
it is expected that those data might be clustering along with the said road axle. If any different
E-ISBN: 978-605-68882-5-0 471

result is encountered other than this expectation, those data has to be cleared from the all of the
data set.
• Conducting Risk Analysis Relevant to Data
In order to clear the mistakes in the collected data, expected potential mistakes have to be
analyzed systematically (such as FMEA and Pareto Analysis…) with regard to updating,
subject-data relationship, data accessibility, costing, data density, and field content…etc
parameters.
• Realization of Thiessen Polygon Analysis by Using a Suitable GIS Software
In spite of existence of a lot of worldwide GIS software, in order to realize the Thiessen Polygon
Analysis, a suitable GIS software that contains this analysis module, is needed.
• Obtaining the Results and Interpretation
After completing Thiessen Polygon Analysis, the obtained results have to be presented to the
decision makers, immediately after interpretation them by sectoral experts (such as
transportation engineers, GIS experts, planning engineers, ...etc). (Figure 3) Some problems
might be encountered during obtainment of the results. To get into the very essence of those
problems, data clearing processes have to be reviewed from the beginning.
Figure 3 Sample Schematic View of The Thiessen Poliygon Method Results [5].
E-ISBN: 978-605-68882-5-0 472

4. Results
The usage of Geographic Information Systems (GIS), as in the case of many sectors in daily
life being increased widely in transportation sector as well. Hence they are becoming very
effective and result oriented systems in solving transportation problems enabling decision
making in rapid, accurate, on-time, and precise manner.
The solutions also becoming accurate, precise and rapid, for the data base that are studied under
those information systems, depending on the collected data cluster how accurate they are
collected from the field. Especially, in solving in urban public transportation problems; while
searching the answers for the problems such as; definition of stations, formation of new route
assignments, definition of right public transportation method, ...etc, Thiessen Polygon analysis
plays an important role among the known proximity analysis in Geographic Information
Systems (GIS).
In this analysis type, while expecting in-urban public transportation solutions effectively;
healthy and updated data has to be collected, data loss has to be reduced into a minimum level
in data transfer into the system, mistakes of data collection from the field must be eliminated,
risk analysis have to be conducted relevant to data, the Geographic Information Systems (GIS)
software that will undertake the analysis has to be selected carefully, the results have to be
interpreted effectively by sectoral experts.
References
[3] https://www.xmswiki.com/wiki/SMS:Natural_Neighbor_Interpolation
[4]http://resources.esri.com/help/9.3/arcgisdesktop/com/gp_toolref/coverage_toolbox/creating_thiesse
n_polygons.htm
[5] Li L, Yang L, Zhu H, Dai R (2015)Explorative Analysis of Wuhan Intra-Urban Human Mobility Using Social
Media Check-In Data. PLoSONE 10(8): e0135286. doi:10.1371/journal.pone.0135286
E-ISBN: 978-605-68882-5-0 473

[6] Wang, S.; Sun, L.; Rong, J. (2014), Yang, Z. Transit Traffic Analysis Zone Delineating Method
Based on Thiessen Polygon. Sustainability 6, 1821-1832.
[7] Chen J., Li C., Li Z., Gold, C., (2001) A Voronoi-based-9-intersection model for spatial relations,
International Journal of Geographical Information Science, 15:3, 201-220, DOI:
10.1080/13658810151072831
[8] Shen, J. Liu, X., Chen, M., (2017) Discovering spatial and temporal patterns from taxi-based
Floating Car Data: a case study from Nanjing, GIScience & Remote Sensing, 54:5, 617-
638, DOI: 10.1080/15481603.2017.1309092
E-ISBN: 978-605-68882-5-0 474

Developing an Interface for Freeze Drying Behaviours of Red

Pepper Using Artificial Neural Networks
İ Kırbaş1, A D Tuncer2 and H Usta3
ismailkirbas@mehmetakif.edu.tr, atuncer@mehmetakif.edu.tr, husta@gazi.edu.tr
1
Department of Computer Engineering, Faculty of Engineering and Architecture, Burdur Mehmet Akif Ersoy
University, Burdur, TURKEY
2
Department of Energy Systems Engineering, Faculty of Engineering and Architecture, Burdur Mehmet Akif
Ersoy University, Burdur, TURKEY
3
Department of Energy Systems Engineering, Faculty of Technology, Gazi University, Ankara, TURKEY
Abstract
Drying is a widely used method of preserving food and is one of the critical steps for the
stabilization of byproducts of agricultural products. Freeze drying maintains the best quality
and product characteristics in the best possible way. In this study, red pepper (Capsicum
annuum L. cv., Capia) was sized as 2x2x1 cm slabs and subjected to freeze drying process.
Experimental results have been analysed using artificial neural networks because freeze drying
depends on different parameters such as drying time, temperature, vacuum pressure, product
thickness, drying chamber temperature and relative humidity, and is complex. As a result of the
modeling work done, the R value, the error indicator, is calculated. Accordingly, the R value
was found to be greater than 0.9 and high performance was achieved. An interface was designed
with MATLAB so that the developed model can be easily used by users. With this interface, it
is possible to calculate the drying time when the moisture content is entered and the moisture
content value with high accuracy when the desired drying time is entered.
Keywords: Red pepper, drying, freeze drying, drying behaviours, ANN
1. Introduction
Drying can be defined as the process of reducing the water in the substance below an acceptable
rate. Drying is one of the most important methods used in the preservation of foodstuffs and is
widely used in chemical and production processes. It is possible to bring the product to be
processed in the next step of the drying process or to be put on the market to the desired
conditions, to store the foodstuffs for a long time without spoiling, to sterilize, to obtain some
E-ISBN: 978-605-68882-5-0 475

products from the solutions and to reduce the mass in the transportation of the materials. Drying
process is applied in many fields, especially in the food sector, medicine and pharmacy, paint
industry, agriculture sector, furniture sector, archaeological excavation materials and paper
industry. The freeze-drying method is one of the drying methods in which the properties of the
product are best preserved according to the fresh product. Although industrial applications are
not very common because they are a method of drying depending on many parameters, the
subject is a very popular research topic. Freeze drying is an expensive and slow-moving
process, suitable for heat-sensitive materials. Freeze drying and other drying methods to obtain
a better quality dried product. The advantages of freeze-drying are the lack of additional shelf
life, reduced storage weight, storage space savings and cooling [1]. In his study, M.T. Çakar
conducted a red pepper drying experiment with a solar assisted dryer. According to the results
of the experiment, it was determined that pepper samples which are close to the inlet of the air
suffered a faster weight loss compared to the other parts. At the same time, the change in the
color value of the product increases with the prolongation of drying time [2]. In a study done
by Akın et al., red pepper drying experiments were carried out in the solar assisted tunnel dryer.
The aim of this study was to determine the drying characteristics of pepper samples. Two-Term
model was found to be the most suitable model in the study [3]. Yang et al. conducted
experiments of hot air drying of red pepper. In this work, drying modeling was performed and
color change was investigated. As a result of the experiments, increasing the air temperature
decreases the drying time [4]. Lechtanska et al. conducted convective, microwave-assisted and
infrared-powered drying experiments of green pepper. At the same time, in the experiments
conducted with microwave and infrared supported drying system, the product was examined in
terms of energy and quality [5]. Menlik et al. were modelled freeze drying behaviours of
strawberries using artificial neural networks. R2, RMSE and MAPE have been determined [6].
Kırmacı et al. carried out freeze drying experiments in their study and determined the drying
behavior of the products by Taguchi method. Apple slices in different thicknesses were used in
the study. MC, MR and DR values were successfully confirmed by this method [7]. Kırmacı et
al. studied the thin layer drying analysis of freeze-dried strawberry slices. Two thicknesses
chosen to use in the experiments. Page model is found to be the most suitable model for both
thicknesses [8]. Convective drying modeling of pepino fruit were studied by Uribe et al.. The
experiments were carried out at five different temperature values and the Weibull model was
presented for this application [9]. In the study which includes the drying of Pomelo fruit by
freeze drying and conventional drying, three parts of the product peel were examined for
quality. It was determined that the product properties in the freeze-drying experiments were
E-ISBN: 978-605-68882-5-0 476

closer to the fresh product [10]. This study presents modeling and developing and interface of
red pear by freeze drying using artifial neural networks.
2. Theoretical Analysis
Moisture content is a measure of the contained moisture in the product. Moisture content
is expressed in two forms: % wet basis and % dry basis. Initial moisture content (dry basis)
of the pepper samples have been calculated as follows [6].
𝑴𝑪𝒅 = (𝑴𝒊 − 𝑴𝒅 )/𝑴𝒅 (1)
Here, 𝑴𝒊 is initial wet weight (g), 𝑴𝒅 is final dry weight (g). Moisture ratio can be
calculated by means of the following equation [8]:
𝑴𝑹 = (𝑴 − 𝑴𝒆 )/(𝑴𝟎 − 𝑴𝒆 ) (2)
Here 𝑴𝒆 is equilibrium moisture content (g water/g dry matter), 𝑴𝟎 is initial moisture

content (g water/g dry matter).
The Multilayer Percepteron (MLP) consists of three or more node layers in a directed graph.
Each layer is completely dependent on each other. The network in this structure is defined as a
fully connected network. Each node, except for input nodes, consists of a process element or
neuron with a non-linear activation function. The MLP uses the controlled learning method
called back propagation to train the network. In a MLP type network structure, each node in a
layer is connected to each node in the following layer with a certain weight. The output layer is
calculated as shown in Equation (3).
𝒚𝒊 = 𝒇(∑𝒎
𝒋=𝟏 𝒘𝒊𝒋 𝒙𝒋 + 𝒃𝒋 ) (3)
3. Material and Method
3.1 Experimental Setup
Freeze-drying process was performed with Biobase-Biodustry model BK-FD12 freeze dryer
(cold trap temperature: -80/-55 oC, vacuum degree: ≤10 Pa, drying area: 0.12 m2). The weight
loss of the pepper samples was followed by a Mettler Toledo model ML6002T/00 digital
balance located in center of the drying chamber. The capacity and accuracy of the digital
balance were 6100 and ±0.01 g, respectively. View of fresh and dried pepper slabs is given
in Figure 1.
E-ISBN: 978-605-68882-5-0 477

Figure 1. View of fresh and dried pepper slabs.
3.2 Preparation of samples and drying
Fresh red peppers were taken from a local market and washed. Pepper samples were cutting
into slabs with 1 cm thickness. The pepper samples were taken as 50 gram for the experiment
and the sized samples spreaded into the tray of the oven by hand carefully. Mass measurements
were made every 30 minutes with a digital balance which was placed in drying chamber. The
drying was ended when it was observed that the value between two measurements was less than
1% and the measured sample mass was accepted as the dry weight of the pepper slabs.
The aim of the study is to model the pear slices using artificial neural network method. For
this reason, an artificial neural network that estimates the weight, MR and MC values of
the dried mass, which accepts the drying time, the cross-section and the heating
temperature data, and depending on these values, is modelled and trained by actual
experimental measurements. There is one hidden layer in the used network and 10 neurons
in this hidden layer. The structure of the network formed is given in Figure 2.
E-ISBN: 978-605-68882-5-0 478

Figure 2. Developed Artificial neural network structure.
The "Levenberg-Marqduart" method was used for network training. As a result, the
performance was evaluated according to the Mean Squared Error criterion and the training was
terminated. Figure 3 shows output and target values depending on function fit for output, Figure
4 shows iteration performance curves for the network. Even second epoch can reach the best
value which is shown in Figure 3.
Figure 3. Illustration of the validation curves
E-ISBN: 978-605-68882-5-0 479

Figure 4. The regression plots for the developed ANN.
An interface has been added to the artificial intelligence model developed for the red pepper
(Capia) drying process by using Matlab AppBuilder application. There are 4 gauge devices on
the interface. These indicators are shown in the order of m, MC dry basis, MC wet basis and
MR. The user can enter the drying duration in minutes directly in the Drying duration editbox
or specify a value between 0 and 600 minutes using the sliderbar. After entering the drying
duration information, user presses the calculate button. The Matlab function containing the
artificial neural network model is executed and the indicators are refreshed according to the
obtained values. Thus, the developed model allows the user to see the drying parameters
graphically by simply entering the drying duration. View of developed interface is given in
Figure 5.
E-ISBN: 978-605-68882-5-0 480

Figure 5. View of developed interface
Figure 6 gives a clear picture of the developed model and its performance. Blue lines depict
measured values during the drying experiment. Red dotted lines also represent predicted values
produced by the developed artificial neural network model. Both lines are close each other so
that we can consider the predicted values are same as the measurement data and model is
successful.
E-ISBN: 978-605-68882-5-0 481

Figure 6. Comparison of measured data and model predictions.
5. Conclusion
In this study, modeling of red pepper drying experiments with artificial neural networks is
presented. The results of the freeze drying method, which provides the best protection of
the product characteristics according to the fresh product, were compared with the
modeling data made with artificial neural networks. 15% of the test data obtained from the
experiment were reserved for the test and the MSE error rate was found to be 0.069
according to the test results. The R value used for the error measurement was close to 1
and 0.98 was obtained. It has been seen that the artificial neural network model developed
in the direction of the obtained results is quite successful and can be used safely in practical
applications. It is also possible to adapt the presented work and this high performance
model to different drying methods. This study will lead on the relevant designers and
engineers to predict the output values of drying applications with the mentioned
advantages.
References
[1] Kırmacı V 2008 Gazi University Institute of Science and Technology
[2] Çakar M T 2015 Gazi Journal of Engineering Sciences 1(1), 41-56
[3] Akın A, Gürlek G, Özbalta N 2014 J. of Thermal Science and Technology, 34(2), 99-109
E-ISBN: 978-605-68882-5-0 482

[4] Yang X H, Deng L Z, Mujumdar A S, Xiao H W, Zhang Q, Kan Z 2018, Journal of Food Engineering,
231, 101-108
[5] Lechtanska J M, Szadzinska J, Kowalski S J 2015 Chemical Engineering and Processing 98, 155-
164
[6] Menlik T, Kırmacı V, Usta H 2009 J. of Thermal Science and Technology 29(2), 11-21
[7] Kırmacı V, Gülsevinçler E, Kaya H 2017 Nevşehir Journal of Science and Technology 6(2), 529-
540
[8] Kırmacı V, Usta H, Menlik T 2008 Drying Technology 26, 1570-1576
[9] Uribe E, Vega-Galvez A, Di Scala K, Oyanadel R, Torrico J S, Miranda M 2011 Food Bioprocess
Technol 4,1349-1356
[10] Abd Rahman N F, Shamsudin R, Ismail A, Karim Shah N A A 2016 Food Sci. Biotechnol. 25, 85-
90
E-ISBN: 978-605-68882-5-0 483

İstanbul’daki Üniversite Öğrencilerinin Memnuniyet

Düzeylerinin Çok Değişkenli İstatistiksel Yöntemler ve Karar
Ağacıyla İncelenmesi
Batuhan Özkan1, E Çene1 ve C Parim1
batuhan81@gmail.com, ecene@yildiz.edu.tr, cparim@yildiz.edu.tr
1
Yildiz Technical University, Department of Statistics, Istanbul, TURKEY
Özet
Günümüzde, Türkiye’deki üniversitelerin toplumdaki rolü, yeterliliği ve verimliliği sıklıkla

tartışılmaktadır. Bu tartışmanın ana etmenlerinden bir tanesi de üniversite öğrencileridir.
Üniversite öğrencilerinin memnuniyeti, üniversitenin başarısını, etkinliğini ve verimliliğini
gösteren etmenlerden birisidir. Öğrencilerden gelen geri bildirimlere dikkat eden üniversitelerin
gelecekte çok daha başarılı olacağı muhakkaktır.
Bu çalışmada da 2015 yılında İstanbul’daki 6 devlet üniversitesindeki 1098 üniversite öğrencisi

üzerine uygulanan “Öğrenci Memnuniyet Anketi’nden” yola çıkılarak, her bir üniversitenin
karakteristik özellikleri ortaya konulmak istenmektedir. Üniversite öğrencilerinin karakteristik
özelliklerini belirlemek için çok değişkenli istatistiksel yöntemlerden, hipotez testlerinden ve
karar ağaçlarından faydalanılmıştır.
Ankette bulunan 57 adet likert ölçekli memnuniyet soruları faktör analizi kullanılarak anlamlı
10 faktör altında toplanmıştır. Faktörlerin güvenilirlikleri hesaplanmış ve tatmin edici düzeyde
oldukları belirlenmiştir. Her bir faktörden yola çıkılarak hipotez testleri ve karar ağaçları
yardımıyla her bir üniversitenin karakteristik özellikleri, birbirlerinden benzer ve farklı yönleri
ortaya konulmuştur. Genel olarak bakıldığında öğrencilerin kendilerini daha çok ifade
etmelerini izin veren üniversitelerden daha memnun oldukları, yemekhane hizmetinin önemli
bir etmen olduğu görülmektedir.
Anahtar Kelimeler: Öğrenci Memnuniyeti, Karar Ağacı, Faktör Analizi, Çok Değişkenli
İstatistik, Anket Analizi
E-ISBN: 978-605-68882-5-0 484

Investigating Satisfaction Levels of University Students in

Istanbul with Multivariate Statistical Methods and Decision
Abstract
Nowadays, there is an ongoing debate on the universities position in society, sufficiency and
efficiency of universities in TURKEY. One of the major factors in this debate is university
students. Satisfaction of university students is crucial in terms of university’s success, efficiency
and sufficiency. It is certain that universities that pay attention to feedbacks from their students
would be more successful in the future.
In this study, student characteristics of 6 state university founded in Istanbul will be revealed,
based on a field study named “Student Satisfaction Survey” which is applied on 1098 student
in 2015. Multivariate statistical techniques, hypothesis testing and decision trees are used to
determine the characteristics of university students.
57 likert type satisfaction questions contained in the survey are grouped into 10 factors with
factor analysis. Reliability values of the factors are calculated and it is determined that all the
factors are satisfactory values. By using each factor, characteristics of universities, similarities
and differences between each other is stated with the help of hypothesis testing and decision
trees. Looking from the bigger picture, students are more satisfied from the universities that
allow them to express themselves more freely and refectory services play an important role on
satisfaction of university students.
Keywords: Student Satisfaction, Decision Tress, Factor Analysis, Multivariate Statistics,

Survey Analysis
1. Giriş
Son yıllarda Türkiye’de faaliyet gösteren üniversitelerin sayısında yaşanan artış, üniversitelerin
öğrenci bazında beklentileri karşılayıp karşılayamaması hususundaki tartışmaları da
beraberinde getirmiştir. Öğrencilerin beklentisini karşılayan üniversiteler muhakkak ki etkinlik
ve verimlilik anlamında diğer üniversitelerden pozitif yönde ayrışacaktır. Günümüzde kalite
faaliyetleri çerçevesinde öğrencilerden gelen geri bildirimlerin değerlendirilmesi
üniversitelerin de öğrenci memnuniyetine verdikleri önemi göstermektedir.
E-ISBN: 978-605-68882-5-0 485

Üniversitelerin başta eğitim hizmeti olmak üzere öğrencilere sunduğu çeşitli sosyal ve kültürel
imkanların hatta ve hatta üniversitenin bulunduğu şehrin dahi öğrencilerin tercihlerine,
dolaysıyla öğrencilerin memnuniyet düzeylerine etkisi olabilmektedir. Bu sebepten ötürü
öğrencilere ait memnuniyet düzeyleri belirlenirken, sadece üniversitenin öğrencilerine sunduğu
eğitim hizmetinin kalitesi değil memnuniyeti etkilediği düşünülen diğer pek çok etkenin bir
arada incelenmesi gerekmektedir.
Bu çalışmada, öğrencilere ait memnuniyet düzeylerinin belirlenmesi amacıyla İstanbul’daki 6

devlet üniversitesinde öğrenim gören öğrencilere, 2015 yılında uygulanan memnuniyet anketi
verileri kullanılmıştır. Öğrenci memnuniyetlerini farklı yönlerden ölçen her bir anket bölümü
faktör analizi yöntemi ile tek boyutta toplanmış ve elde edilen faktörler ile karar ağacı analizi
yapılmıştır.
Türkiye’deki üniversite öğrencilerinin memnuniyet düzeylerinin belirlenmesi ve memnuniyet

düzeylerine etki eden etkenlerin saptanması amacıyla literatüre katkı sağlamış pek çok çalışma
mevcuttur.
Baykal ve arkadaşları [1] öğrenci memnuniyetini belirlemek ve öğrencilerin memnun

olmadıkları alanları saptayabilmek için bir ölçme aracı geliştirmişler ve geliştirdikleri ölçeğin
geçerli ve güvenilir olduğuna kanaat getirmişlerdir.
Erdoğan ve Uşak [2] Fen Bilimleri Öğretmenliğinde okuyan öğrencilerin memnuniyet

düzeylerini ölçmek amacıyla, faktör analizi ve güvenirlik analizleri sonucunda 71 maddeli ve
5 alt boyuttan oluşan Fen Bilimleri Öğretmen Adayları Memnuniyet Ölçeği’ni (FBÖAMÖ)
geliştirmişlerdir.
Uzgören ve Uzgören [3] Dumlupınar Üniversitesi öğrencilerinin bireysel özellikleri ile aldıkları
eğitimden memnuniyetleri arasındaki ilişkiyi ki-kare testi ve Doğrusal Olasılık Modeli(DOM)
ile analiz ederek öğrencilerin Dumlupınar Üniversitesi’nden genel memnuniyet oranının %72
olduğunu belirlemişlerdir.
Okumuş ve Duygun [4] Anadolu Üniversitesi Açık Öğretim Fakültesi öğrencilerinin

memnuniyet düzeylerini araştırmış, öğrencilerin beklentileri ile aldıkları eğitim hizmeti
arasında pozitif yönlü bir ilişki olduğunu belirlemişlerdir.
E-ISBN: 978-605-68882-5-0 486

Şahin [5] Hacettepe Üniversitesi İlköğretim bölümünde okuyan 870 öğrenciye Eğitim
Fakültesi-Öğrenci Memnuniyet Ölçeği’ni (EF-ÖMÖ) uygulayarak öğrencilerin memnuniyet
düzeylerini araştırmıştır.
Sökmen [6] Ankara’da bir Meslek Yüksekokulu’nda öğrenim gören öğrencilerin memnuniyet
seviyeleri üzerine yaptığı çalışmasında öğrencilerin cinsiyetleri ile okudukları programdan
memnun olma dereceleri arasında ilişki olduğunu tespit etmiştir.
Özdemir ve arkadaşları [7] çalışmalarında Mehmet Akif Ersoy Üniversitesi’nde öğrenim gören
287 öğrenciye Fakülte Yaşamının Niteliği Ölçeği’ni uygulamışlar ve fakülte yaşamının
niteliğine yönelik öğrenci memnuniyet seviyelerinin artmasına yardımcı olacak tavsiyeler
sunmuşlardır.
Aydın ve arkadaşları [8] öğrencilerin memnuniyet düzeyleri ile demografik özellikleri

arasındaki ilişkiyi doğrusal olmayan kanonik korelasyon yöntemi ile incelemişler ve
çalışmalarının sonucunda öğrencilerin memnuniyet düzeylerine etki eden en önemli değişkenin
fiziksel olanaklardan memnuniyet değişkeni olduğunu saptamışlardır.
Erdoğan ve Bulut [9] İşletme bölümünde okuyan 215 öğrenciye uyguladıkları anket sonuçlarına
göre öğrencilerin memnuniyet düzeylerini etkileyen faktörleri belirlemek amacıyla açıklayıcı
faktör analizi yöntemini kullanmışlardır. Elde ettikleri faktörler ile öğrencilere ait demografik
özellikler arasında ki ilişkiyi belirlemek amacıyla daha sonra sıralı regresyon analizi yöntemini
uygulamışlardır.
Bakır ve arkadaşları [10] Marmara Üniversitesi İşletme Fakültesi öğrencilerinin fakülteden

memnuniyet düzeylerini araştırmışlardır. Çalışmalarında fiziksel ekipmanlar ve alt yapı,
akademik kadro, yiyecek ve içecek hizmetleri ve lokasyon faktörlerinin öğrencilerin fakülteden
memnuniyetlerini etkileyen başlıca etkenler olduğunu ortaya koymuşlardır.
Uygur ve Yelken [11] öğrencilerin memnuniyet düzeylerini ölçmek amacıyla Öğrenci

Memnuniyeti Ölçeği’ni kullanmışlardır. Öğrencilerin okuldan, eğitimden ve üniversiteden
memnuniyetlerinin sınıflar düzeyinde farklılık gösterdiğini saptamışlardır.
E-ISBN: 978-605-68882-5-0 487

3. Örneklem ve Değişkenler
3.1 Örneklem
Bu çalışmada üniversite öğrencilerinin tercih ettikleri üniversitelerden ne ölçüde memnun

olduklarını ölçmek amacıyla Öğrenci Memnuniyet Anketi kullanılmıştır. Anket verileri, 2015
yılında İstanbul’da faaliyet gösteren 6 devlet üniversitesinde öğrenim görmekte olan 1098
öğrenci ile yüz yüze görüşülerek elde edilmiştir.
3.2 Değişkenler
Öğrenci memnuniyet anketi, öğrencilerin demografik özelliklerinin belirlenmesi amacıyla

Demografik bölümünden ve öğrencilerin öğrenim gördükleri üniversiteden memnuniyetlerini
farklı yönlerden ölçen likert tipi soruların yer aldığı altı farklı bölümden oluşmaktadır. Ankette
beşli likert ölçeğe sahip 57 adet soru bulunmaktadır. Bunlar sırasıyla Kişisel Faaliyetler,
Üniversite Ortamı, Fiziksel Ortam, Eğitim, Akademik Danışmanlık ve Rehberlik ve son olarak
Genel Memnuniyet bölümlerini oluşturmaktadır. Genel Memnuniyet bölümünde yer alan dört
soru çalışmanın ana değişkenlerini oluşturmaktadır. Bu sebeple memnuniyeti çeşitli yönlerden
ölçen genel memnuniyet haricindeki diğer bölümlere faktör analizi uygulanarak deişken sayısı
azaltılmış ve öğrenci memnuniyet düzeylerine etki eden 10 farklı alt faktör boyutu elde
edilmiştir. Bu faktör boyutlarının iki tanesi Üniversite Ortamından (ÜO) memnuniyeti ölçen
sorulardan, beş tanesi Fiziksel Ortam (FO), bir tanesi Eğitim Ortamı (EO) ve iki tanesi
Akademik Danışmanlık sorularının faktörleşmesinden oluşmaktadır. Cronbach-α katsayısı alt
faktör boyutlarının her biri için incelenmiş, orta ve iyi güvenilirlik değerlerini işaret eden 0,665
ile 0,891 aralığında değiştiği görülmüştür. Ayrıca elde edilen faktörler toplam varyansın
yaklaşık %62’sini açıklamaktadır. Tablo-1’de faktörler ve faktörleri oluşturan değişkenlere ait
faktör yükleri, varyans açıklama oranları ve Cronbach-α güvenirlik katsayıları verilmiştir.
E-ISBN: 978-605-68882-5-0 488

4. Yöntem
Öğrenci memnuniyetlerini belirlemek amacıyla çalışmada faktör analizinden sonra çok

değişkenli analizlerin basit ancak güçlü bir şekli olan Karar Ağacı yöntemi kullanılmıştır[12].
Karar ağaçları, özellikle veri madenciliğinde model oluşturulurken en sık kullanılan tahmin ve
sınıflama yöntemlerinden bir tanesidir[13,14]. Ayrıca makine öğrenmesinde, karar
analizlerinde, yapay zeka uygulamalarında, daha çok son yıllarda tıp alanında olmak üzere pek
çok alanda karar ağacı yöntemi kullanılmaktadır. Kullanım kolaylığı, kesikli ve sürekli verilere
uygulanabilirliği, parametrik olmayan bir yöntem olduğu için varsayımlarının olmaması, veriyi
görselleştirmesi, kolay yorumlanması vb. özellikleri, karar ağacı yönteminin araştırmacılar
tarafından yaygın kullanılmasının başlıca sebeplerindendir[15].
E-ISBN: 978-605-68882-5-0 489

Tablo 1. Faktör analizi sonuçları
FAKTÖR Değişken Ortalama Standart Faktör

Sapma Yükü
ÜO1. ÜNİVERSİTEM KENDİ ALANINDA SAYGIN BİR YERE SAHİPTİR. 3,99 1,02 0,646
F1. ÜO:
ÜO2. ENTELEKTÜEL BİRİKİMİMİ OLUŞTURMAMDA ÜNİVERSİTE ORTAMININ KATKISI 3,50 1,10 0,632
ÜNİVERSİTENİN
VARDIR.
STATÜSÜ
Açıklanan Faktör Yükü: %6,044 Cronbach – α: 0,682 3,74 0,92
ÜO3. ÜNİVERSİTE / BÖLÜM YÖNETİMİ ÖĞRENCİLERİN SORUN VE ÖNERİLERİNE KARŞI 2,98 1,14 0,629
DUYARLIDIR.
ÜO4. KAMPÜSTE İFADE ÖZGÜRLÜĞÜM KORUNMAKTADIR. 3,24 1,18 0,641
ÜO5. ÜNİVERSİTEM ÖĞRENCİ KULÜPLERİ ARACILIĞIYLA PEK ÇOK SOSYAL AKTİVİTE İMKANI 3,48 1,12 0,551
F2. SAĞLAR.
ÜO: SÖZ HAKKI – ÜO6. ÖĞRENCİLERİN KARARLARA KATILIMINI OLANAK SAĞLANMAKTADIR. 3,01 1,10 0,733
DEĞER GÖRME
Ü07. İDARİ PERSONELİN ÖĞRENCİLERE KARŞI TUTUMLARI OLUMLUDUR. 3,15 1,09 0,642
ÜO8. ÖĞRENCİ ŞİKAYETLERİNİN ETKİN BİR ŞEKİLDE ELE ALINDIĞI MEKANİZMALAR 2,90 1,19 0,697
MEVCUTTUR (SOSYAL MEDYA, ŞİKAYET HATTI)
FO1. DERSLİKLERİ TEMİZ BULUYORUM 3,69 1,00 0,771
F3. FO2. DERSLİKLERİN ISINMASI YETERLİDİR 3,68 1,05 0,759
FO: DERSLİKLER FO3. DERSLİKLER, ÖĞRENCİ KAPASİTESİNE UYGUNDUR 3,26 1,15 0,642
F4. FO4. BİLGİSAYARLAR LABORATUVARINDAKİ BİLGİSAYARLARDAN MEMNUNUM 3,02 1,18 0,371
E-ISBN: 978-605-68882-5-0 490

FO: BİLGİSAYAR FO5. İHTİYACIM OLDUĞUNDA BİLGİSAYAR LABORATUVARINI RAHATLIKLA 3,13 1,26 0,483
LABORATUVARI - KULLANABİLİRİM
KÜTÜPHANE
FO6. KÜTÜPHANE RAHATLIKLA ULAŞABİLECEĞİM BİR YERDEDİR. 4,01 1,04 0,717
FO7. KÜTÜPHANE KAYNAK AÇISINDAN ZENGİNDİR. 3,78 1,13 0,748
FO8. KANTİNLERDEKİ / KAFELERDEKİ ÜRÜN FİYATLARI UCUZDUR. 2,79 1,23 0,660
FO9. KANTİNLERİN / KAFELERİN FİZİKİ KOŞULLARI (AYDINLATMA, ISITMA VB. GİBİ) 3,17 1,15 0,715
UYGUNDUR.
F5.
FO10. KANTİNLERİN / KAFELERİN HİJYEN KOŞULLARI (TEMİZLİK) UYGUNDUR. 3,22 1,03 0,701
FO: KANTİN - KAFE
FO11. KANTİNDE / KAFEDE ÖDEDİĞİM PARANIN KARŞILIĞINI ALIYORUM 2,97 1,14 0,726
FO12. YEMEKHANEDEKİ FİYATLAR UCUZDUR. 3,55 1,27 0,757
FO13. YEMEKHANENİN FİZİKİ KOŞULLARI (AYDINLATMA, ISITMA VB. GİBİ) UYGUNDUR. 3,56 1,11 0,728
F6.
FO14. YEMEKHANENİN HİJYEN KOŞULLARI (TEMİZLİK) UYGUNDUR. 3,31 1,14 0,699
FO: YEMEKHANE
FO15. YEMEKHANEDE ÖDEDİĞİM PARANIN KARŞILIĞII ALIYORUM. 3,46 1,21 0,778
FO16.EĞİTİM ALDIĞIM KAMPÜSE ULAŞIM RAHATTIR. 3,42 1,25 0,702
FO17.KAMPUS İÇİ ULAŞIM OLANAKLARI YETERLİDİR. 3,26 1,26 0,696

F7. FO: ULAŞIM -
GÜVENLİK
FO18. KAMPÜS HERKES İÇİN GÜVENLİDİR. 3,11 1,26 0,537
F8. EĞ1. DERSLER BİZİ ÇALIŞMA/İŞ YAŞAMINA HAZIRLAMAKTADIR. 2,97 1,14 0,565
E-ISBN: 978-605-68882-5-0 491

EĞ: EĞİTİM EĞ2. DERSLER ÖNCEDEN BELİRLENEN PLANA UYGUN OLARAK İŞLENMEKTEDİR 3,50 1,01 0,656
KALİTESİ
EĞ3. ÖĞRENCİ –ÖĞRETİM ELEMANI ARASINDAKİ İLETİŞİM ETKİLİ OLARAK 3,29 1,06 0,509
SAĞLANMAKTADIR.
EĞ4. ÖĞRETİM ELEMANLARI DERS SAATLERİNİ ETKİLİ OLARAK KULLANMAKTADIR. 3,42 1,04 0,616
EĞ6. SINAV VE ÖDEV DEĞERLENDİRİLMESİNDE ÖĞRETİM ELEMANLARI OBJEKTİF 3,32 1,12 0,548
DAVRANIR.
EĞ7. DERS PROGRAMINDAN MEMNUNUM. 3,23 1,18 0,441
EĞ8. BÖLÜMÜMDE VERİLEN EĞİTİM KALİTELİDİR. 3,45 1,11 0,655
EĞ9. BÖLÜMÜMDEKİ HEMEN HEMEN TÜM ÖĞRETİM ELEMANLARI ALANINDA BİLGİLİDİR. 3,51 1,11 0,669
EĞ10. BÖLÜMÜM ALANIMDA UZMANLAŞMAM İÇİN GENİŞ BİR YELPAZEDE DERS 3,31 1,17 0,608
SEÇENEKLERİ SUNAR.
EĞ5. DERS DIŞI ZAMANLARDA ÖĞRETİM ELEMANINA ULAŞILABİLMEKTEDİR. 3,38 1,06 0,644
AD1.ÖĞRETİM ELEMANLARI SİZE GEREKLİ ZAMANI AYIRIR MI? 3,27 1,03 0,630
F9.
AD5. BÖLÜM ÖĞRETİM ÜYELERİNE İHTİYACIM OLDUĞUNDA ODALARINDAN ULAŞABİLİRİM. 3,36 1,05 0,677
AD: ÖĞRENCİ –
AD6. BÖLÜM ÖĞRETİM ÜYELERİNE İHTİYACIM OLDUĞUNDA MAIL YA DA TELEFON 3,57 1,07 0,714
ÖĞRETİM ELEMANI
YOLUYLA ULAŞABİLİRİM.
İLETİŞİM
AD7. ÖĞRENCİ – ÖĞRETİM ÜYELERİ ARASINDA YETERLİ BİR İLİŞKİ MEVCUTTUR. 3,33 1,05 0,707
F10. AD2.BÖLÜMÜMÜZDE/ ÜNİVERSİTEMDE İŞ OLANAKLARI İLE İLGİLİ ÖĞRENCİLERE BİLGİ 3,06 1,10 0,632
SUNULMAKTADIR.
AD: KARİYER
PLANLAMA - AD3.İŞ DÜNYASINI TANIMASI İÇİN BÖLÜMÜM/ÜNİVERSİTEM, ÖĞRENCİLERE ÇEŞİTLİ 3,30 1,09 0,649
YÖNLENDİRME OLANAKLAR SAĞLAR (PANEL, SEMPOZYUM, TEKNİK GEZİ V.B.).
E-ISBN: 978-605-68882-5-0 492

AD4.BÖLÜMÜM/ÜNİVERSİTEM STAJ YERİ BULMA KONUSUNDA YARDIMCI OLUR. 2,99 1,20 0,716
AD8. ÖĞRENCİ – ÖĞRETİM ÜYELERİNİN KAYNAŞMASINI SAĞLAYACAK ETKİNLİKLER 2,75 1,15 0,458
YETERLİDİR.
AD9. ÜNİVERİSTEM KARİYERİMİ ŞEKİLLENDİRMEM İÇİN GEREKLİ YÖNLENDİRMEYİ 2,94 1,14 0,613
SAĞLAMAKTADIR.
MEMNUNİYET M1. ÜNİVERSİTENİZ BEKLENTİLERİNİZİ KARŞILADI MI? 2,82 0,89

SORULARI
M2. ÜNİVERSİTENİZDEN GENEL MEMNUNİYET DERECENİZ NEDİR? 3,32 0,97
M3. TEKRAR BU ÜNİVERSİTEYİ SEÇER MİYDİNİZ? 3,35 1,20
M4. GENEL OLARAK HAYATINIZDAN MEMNUN MUSUNUZ? 3,51 1,03
E-ISBN: 978-605-68882-5-0 493

Sınıflama ve Regresyon Ağaçları(Classification and Regression Trees, CART), Otomatik Ki-

Kare Etkileşim Belirleme(Chi-Squared Automatic Interaction Detection,CHAID), Hızlı Yansız
Etkili İstatistiksel Ağaç(Quick, Unbiased, Efficient, Statistical Tree,QUEST), ID3, C4.5 ve
C5.0 yöntemleri, karar ağacı oluşturmada kullanılan pek çok istatistiksel algoritmadan
bazılarıdır. Geçmiş veriler ışığında kestirim yapmak için karar ağacı kullanımı araştırmacılar
için en önemli sebeplerin başında gelse de değişken seçimi, göreceli olarak önemli
değişkenlerin tahmini, yanlılık riski altında kayıp gözlem ataması ve veri manipülasyonu
amacıyla da çalışmalarda kullanılmaktadır[16].
5. Bulgular
Yüz yüze uygulanan memnuniyet anketine katılan öğrencilerin cinsiyet ve anketin yapıldığı
dönem devam etmekte oldukları sınıfları bakımından sayıca birbirlerine yakın oldukları
görülmektedir. Öğrencilerin büyük bir bölümünün(%81,5) öğrenim gördükleri üniversiteyi
isteyerek seçtikleri, derslere sık sık ya da her zaman katıldıkları(%57,8) gözlemlenmiştir.
Ankete katılan 589(%53,7) öğrenci aile veya akrabası ile kalmadığını belirtmiştir. Öğrencilerin
öğrenim gördükleri üniversiteye ulaşım süreleri incelendiğinde 748(%68,1) öğrencinin
maksimum bir saat içinde okula gelebildikleri görülmektedir. 1190 öğrenciye ait demografik
yapısının özetlendiği betimsel istatistik sonuçları Tablo-2’de verilmiştir.
Karar ağacı analizinde, öğrencilerin tercih ettikleri üniversitelerinden genel memnuniyet

düzeylerini ölçmek amacıyla oluşturulmuş memnuniyet sorularından Üniversitenizden Genel
Memnuniyet Dereceniz Nedir? sorusu bağımlı değişken olarak kullanılmıştır. Sürekli yapıya
sahip faktör boyutları Az, Orta ve Çok olacak şekilde kategorik hale dönüştürülerek analize
dahil edilmişlerdir. Bu sebepten ötürü bağımlı değişkende benzer yapıya dönüştürülmüştür.
Öğrencilerin üniversiteden memnuniyetleri, 548(%49,9) öğrenci tercih ettiği üniversiteden çok

memnun, 340(%31) öğrenci orta düzeyde memnun ve 210(%19,1) öğrenci az memnun olarak
sınıflanmıştır. Üç alt boyuttan oluşan ve üniversiteden memnuniyeti en iyi açıklayan bağımsız
değişken üniversitenin eğitim kalitesi olarak gözlemlenmiştir. 1.düğümde yer alan ve tercih
ettiği üniversitenin eğitim kalitesinden memnuniyet düzeyi az olan 131(%11,9) öğrencinin
85’inin(%64,9) tercih ettikleri üniversiteden memnun olma seviyelerinin de az olduğu
görülmektedir. Eğitim kalitesinden az memnun sadece 14 öğrenci üniversitesinden çok
memnun olduğunu ifade etmiştir. Eğitim kalitesinden orta derecede memnun olan 542(%49,4)
öğrencinin üniversiteden memnuniyet anlamında orta derecede memnun 222(%41), çok
memnun 217(%40) öğrenci ile iyi ayrışmadığı saptanmıştır. 2.düğümde yer alan bu öğrencileri
E-ISBN: 978-605-68882-5-0 494

bir alt boyutta kariyer planlama ve yönlendirme bağımsız değişkenin açıklamaktadır.

Üniversitelerinin kariyer planlaması ve yönlendirmesinden az ve orta derecede memnun olan
öğrencilerin 4. ve 5. düğümlerde iyi ayrışmadığı ancak 6.düğümde yer alan ve üniversitenin
kariyer planlamasından çok memnun olan 61 öğrencinin 38’inin(%62,3) üniversitesinden çok
memnun olduğu gözlemlenmektedir. 5.düğümde iyi ayrışmayan öğrencilerin 9.ve
10.düğümlerde üniversitenin statüsü bağımsız değişkeni altında ayrıştığı görülmektedir.
Tablo 2. Öğrencilerin Demografik Yapısı
ÜNİVERSİTE SAYI (%) SINIF SAYI (%)
Yıldız Teknik Üniversitesi (YTÜ) 283 (%25,8) 1. Sınıf 243 (%22,1)
İstanbul Üniversitesi (İÜ) 228 (%20,8) 2. Sınıf 277 (%25,2)
İstanbul Teknik Üniversitesi (İTÜ) 179 (%16,3) 3. Sınıf 277 (%25,2)
Boğaziçi Üniversitesi (BÜ) 154 (%14,0) 4. Sınıf 214 (19,5)
Marmara Üniversitesi (MÜ) 145 (%13,2) 4+. Sınıf 87 (%7,9)
Mimar Sinan Güzel Sanatlar Üni. 109 (%9,9)

(MSGSÜ)
Cinsiyet SAYI (%) İSTEYEREK SEÇTİM SAYI (%)
Erkek 608 (%55,4) Evet 895 (%81,5)
Kadın 490 (%44,6) Hayır 203 (%18,5)
KALINAN YER SAYI (%) DEVAM DURUMU SAYI (%)
Aile – Akraba ile 509 (%46,3) Hiç - Nadiren 179 (%16,3)
Yurtta 259 (%23,7) Bazen 284 (%25,9)
Tek başına – Öğrenci Evinde 330 (%30,0) Sık Sık – Her Zaman 635 (%57,8)
ULAŞIM SÜRESİ SAYI (%) NOT ORT. SAYI (%)
0 – 30 dk 389 (%35,4) 0-1,79 94 (%8,6)
E-ISBN: 978-605-68882-5-0 495

31 – 60 dk 359 (%32,7) 1,80-1,99 143 (%13,0)
61 – 90 dk 217 (19,8) 2,00-2,49 330 (%30,1)
90 – 120 dk 98 (%8,9) 2,50-2,99 342 (%31,1)
120 + dk 35 (%3,2) 3,00-4,00 189 (%17,2)
YAŞ SAYI (%) ORTALAMA HARÇLIK SAYI (%)
18-19 110 (%10,0) 0 – 400 TL 237 (%21,6)
20-21 424 (%38,7) 401 – 800 TL 435 (%39,6)
22-23 385 (%35,0) 801 – 1200 TL 307 (%28,0)
23+ 179 (%16,3) 1200 + TL 119 (%10,8)
Toplam 1098 (%100) Toplam 1098 (%100)
Üniversitenin statüsünden orta ve az derecede memnun olan 195 öğrencinin 96’sı(%49,2)

üniversitesinden orta derecede memnun olarak sınıflanırken, üniversitesinin statüsünden çok
memnun olan 171 öğrencinin 94’ü(%55) tercih ettiği üniversiteden çok memnun olarak
sınıflanmıştır. Eğitim kalitesinden çok memnun olan öğrencilerin yer aldığı üçüncü düğümde,
öğrencilerin net bir şekilde ayrıştığı göze çarpmaktadır. Eğitim kalitesinden çok memnun olan
425(%38,7) öğrenci arasında aynı zamanda üniversitesinden de çok memnun olan 317(%74,6)
öğrenci bulunmaktadır. Benzer şekilde 8. ve 12. düğümlerde de üniversiteden memnuniyet
anlamında öğrencilerin net bir şekilde ayrıştığı söylenebilmektedir. 8.düğümde, üniversitenin
sunduğu eğitim kalitesinden ve aynı zamanda üniversitenin statüsünden de çok memnun olan
271(%81,4) öğrencinin üniversitesinden de çok memnun olduğu şeklinde sınıflanmıştır.
E-ISBN: 978-605-68882-5-0 496

Şekil 1: Üniversiteden Memnuniyet için Karar Ağacı Sonuçları
12.düğüme bakıldığında öğrencilerin eğitim kalitesi, üniversitenin statüsü ve kariyer planlama-

yönlendirme alt faktörlerinin tümünden çok memnun olan 143(%89,9) öğrenci, tercih ettikleri
üniversiteden çok memnundur. Öğrencileri sınıflamada kullanılan bağımsız değişkenlerin ki-
kare ve p-değerleri incelendiğinde, tüm bağımsız değişkenlerin istatistiksel olarak anlamlı
olduğu söylenmektedir. Üniversiteden memnuniyet değişkeni için karar ağacı sonuçları Şekil-
Tablo 3’te verilen kazanımlara bakarak en iyi ayrışmanın sırasıyla 12, 11 ve 10. düğümlerde
meydana geldiği söylenebilir. 12.düğümde 143(%26,1) öğrenci, 11.düğümde 128(%23,4) ve
10.düğümde 94(%17,2) öğrenci üniversitelerinden çok memnun olarak sınıflanmıştır.
E-ISBN: 978-605-68882-5-0 497

Tablo 3. Memnuniyet Düzeyi İçin Kazanım Değerleri
Düğüm Kazanım
Düğüm N % N % Cevaplar Index
12 159 14,5% 143 26,1% 89,9% 180,2%
11 174 15,8% 128 23,4% 73,6% 147,4%
6 61 5,6% 38 6,9% 62,3% 124,8%
10 171 15,6% 94 17,2% 55,0% 110,1%
7 92 8,4% 46 8,4% 50,0% 100,2%
9 195 17,8% 59 10,8% 30,3% 60,6%
4 115 10,5% 26 4,7% 22,6% 45,3%
1 131 11,9% 14 2,6% 10,7% 21,4%
Öğrencilerin üniversiten çok memnun olduğu üzerine yapılan sınıflandırma, %81,9 doğruluk
oranı ile tahmin edilmiştir. Tahmin sonuçlarına göre üniversitesinden çok memnun olduğu
halde az memnun olarak sınıflanan 14 öğrenci, orta düzeyde memnun olarak sınıflanan 85
öğrenci ve üniversitesinden çok memnun olarak sınıflanan 449 öğrenci bulunmaktadır. Genel
olarak tüm öğrenciler bütün seviyelere göre sınıflandırılırken %61,7 doğruluk oranı ile tahmin
edilmiştir. Tahmin değerleri ve sınıflama düzeylerine göre öğrenci sayıları Tablo 4’te
verilmiştir.
Tablo 4. Üniversiteden Memnuniyet İçin Tahmin Değerleri
Tahmin
Gözlem Az Orta Çok Doğru %
Az 85 82 43 40,5%
Orta 32 143 165 42,1%
Çok 14 85 449 81,9%
Genel % 11,9% 28,2% 59,8% 61,7%
6. Sonuç
Öğrencilerin öğrenim gördükleri üniversitelerden aldıkları eğitim hizmetinin kalitesi,

öğrencilerin üniversiteden memnun olma algısını etkileyen en önemli etken olarak karşımıza
çıkmaktadır. Bu sonuç bir anlamda öğrencilerin eğitime verdikleri önemin bir göstergesidir.
Üniversitelerin toplumdaki statüleri öğrenciler tarafından okudukları üniversitelerin iş
hayatında gördükleri kabul olarak düşünülebilir. Öğrencilerin kariyer planlamalarında ve bu
E-ISBN: 978-605-68882-5-0 498

doğrultuda yönlendirilmeleri noktasında üniversitelerden beklentileri de bunu destekler

niteliktedir. Gelecek kaygısı içinde olan öğrencilerin beklentilerini bu yönde oluşturması,
muhakkak ki üniversitelerden taleplerini de aynı yönde oluşturacaktır. Öğrenci memnuniyetine
önem veren üniversitelerin, öğrencilerin geleceğinin bu temeller üzerinde şekilleneceğini göz
önünde bulundurmaları faydalı olacaktır. Kaliteli bir eğitim ve kariyer planlamasına sahip
üniversitelerin toplumdaki statüleri açısından pozitif anlamda kazanımlar elde edeceği ve
öğrenci nezdinde tercih edilmede ön plana çıkacağı söylenebilir.
Referanslar
[1] Baykal Ü, Sökmen S, Korkmaz Ş ve Akgün E 2002 " Öğrenci Memnuniyeti Ölçeği" Geliştirme
Çalışması Florence Nightingale Hemşirelik Dergisi 12(49) 23-32.
[2] Erdoğan M ve Uşak M 2005 Fen Bilgisi Öğretmen Adayları Memnuniyet Ölçeğinin
Geliştirilmesi GÜ, Gazi Eğitim Fakültesi Dergisi 25 (2) 35-54.
[3] Uzgören N ve Uzgören, E. 2006 Dumlupınar Üniversitesi Lisans Öğrencilerinin

Memnuniyetini Etkileyen Bireysel Özelliklerin İstatistiksel Analizi - Hipotez Testi, Ki-Kare Testi ve
Doğrusal Olasılık Modeli Dumlupınar Üniversitesi SBE. Dergisi (14).
http://sbe.dumlupinar.edu.tr/17/173-192.pdf
[4] Okumuş A ve Duygun A 2008 Eğitim Hizmetlerinin Pazarlanmasında Hizmet Kalitesinin

Ölçümü Ve Algılanan Hizmet Kalitesi ile Öğrenci Memnuniyeti Arasındaki İlişki Anadolu Üniversitesi
Sosyal Bilimler Dergisi 8(2) 17-38.
[5] Şahin A E 2009 Eğitim Fakültesinde Hizmet Kalitesinin Eğitim Fakültesi Öğrenci Memnuniyet
Ölçeği (EF-ÖMÖ) ile Değerlendirilmesi Hacettepe Üniversitesi Eğitim Fakültesi Dergisi 37 106-122.
[6] Sökmen A 2011 Öğrenci Memnuniyetine Yönelik Ankara'daki Bir Meslek Yüksekokulunda
Araştırma İşletme Araştırmaları Dergisi 3(4) 66-79.
[7] Özdemir S, Kılınç A Ç, Öğdem Z ve Er E 2013 Eğitim Fakültesi Öğrencilerinin Fakülte

Yaşamının Niteliğine İlişkin Memnuniyet Düzeylerinin Çeşitli Değişkenler Açısından İncelenmesi
Yükseköğretim ve Bilim Dergisi 3(3) 228-35.
[8] Aydın S, Görmüş A Ş ve Altıntop M Y 2014 Öğrencilerin Memnuniyet Düzeyleri İle

Demografik Özellikleri Arasındaki İlişkinin Doğrusal Olmayan Kanonik Korelasyon Analizi İle
İncelenmesi: Meslek Yüksekokulu'nda Bir Uygulama AİBÜ Sosyal Bilimler Enstitüsü Dergisi 1(14) 35-
58.
E-ISBN: 978-605-68882-5-0 499

[9] Erdoğan E ve Bulut E 2015 İşletme Bölümü Öğrencilerinin Memnuniyet Düzeylerini Etkileyen
Faktörlerin Araştırılması Uluslararası Yönetim İktisat ve İşletme Dergisi 26(11) 151-69.
[10] Bakır N O, Arslan F M ve Gegez A E 2016 Üniversite Öğrencilerinde Memnuniyet Oluşturan

Unsurların Saptanması: Marmara Üniversitesi İşletme Fakültesi Öğrencileri İle Bir Araştırma Marmara
Üniversitesi İktisadi ve İdari Bilimler Dergisi 1(38) 93-125.
[11] Uygur M ve Yanpar Y T 2017 Sınıf Öğretmenliği Adaylarının Memnuniyet Düzeyleri ve

Gelecek Beklentisi Algılarının İncelenmesi: Mersin Üniversitesi Örneği Yükseköğretim Dergisi 7(1) 1–
9.
[12] de Ville B & Neville P 2013 Decision Trees For Analytics Using SAS Enterprise Miner SAS
Institute Inc. Cary, NC, USA.
[13] Mesarić J & Šebalj D 2016 Decision Trees For Predicting The Academic Success Of Students
CRORR, Croatian Operational Research Review 7 367-88.
[14] Milanović M & Stamenković M 2016 Chaid Decision Tree: Methodological Frame and
Application Economic Themes 54(4) 563-86.
[15] Petri C 2010 Decision Trees Cluj Napoka

http://www.cs.ubbcluj.ro/~gabis/DocDiplome/DT/DecisionTrees.pdf
[16] Song Y & Lu Y 2015 Decision Tree Methods: Applications For Classification and Prediction
Shanghai Arch Psychiatry 27(2) 130-35 doi: http://dx.doi.org/10.11919/j.issn.1002-0829.215044
E-ISBN: 978-605-68882-5-0 500

Automatic Learning of Semantic Relationships or The Ontology

Construction
- Application on Arabic text-

Ali Benabdallah1, Nour Elhouda Boughari2
benabdallah.a13@gmail.com ,ali_tlemcen@yahoo.com
1
Superior School of Management –Tlemcen (ESMT)
PoBox 119, Tlemcen 13000, Algeria
2
Department of Arabic litterature, University Abou Bekr Belkaid-Tlemcen
PoBox 119, Tlemcen 13000, Algeria
Abstract
The construction of an ontology from a textual corpus begins with the extraction of concepts
constituting this ontology, and these concepts will be linked by semantic relationships. In this
paper, we propose an extraction approach of the most important elements of the ontology, based
first on a statistical method of extraction of the terms which is called “repeated segments
method”, followed by the application of a weight filter to choose the most common terms. Then,
in order to extract the semantic relationships linking the extracted concepts, we apply a machine
learning technique based on a set of syntactic and semantic features of the sentences of the
corpus. And finally we will discuss the results that can be obtained by applying our approach
on a textual capus of the language.
Keywords: Extraction of semantic relations, Artificial Learning, ontology construction,

syntactic and semantic features, Arabic Natural Language Processing.
1. Introduction
The ontology construction from textual documents is a very important sub-domain of ontology
engineering. The obtained ontology can be used in several domains of NLP (Natural Language
Processing) such as semantic information retrieval, semantic annotation of resources, automatic
indexing of documents, automatic summaries of texts, etc. The use of texts in the process of
ontologies construction is justified for two reasons: first, texts are often the bearers of
knowledge stabilized and shared by communities of practice. Moreover, even if they do not
E-ISBN: 978-605-68882-5-0 501

replace them completely, texts are more readily available than experts who lack time to
participate in the construction process [Mon08]. But it should be noted that the use of experts
is necessary especially in the validation of the ontologies obtained.
Such an ontology consists of a set of concepts that are both organized hierarchically and
structured by relationships linking these concepts. Each ontology construction process must go
through two important steps: one involves the extraction of concepts and the other concerns the
extraction of semantic relations.
The objective of our approach is to construct an ontology from the Arabic texts in an automatic
way. Beginning with the step of extracting the terms that will be the future concepts of ontology,
the semantic relations will be extracted from the texts based on a set of syntactic and semantic
features extracted from the sentences of text.
The next part is structured as follows: The first part focuses on our approach and the phases that
constitute it and the methods used to prepare our corpus, and finally we will discuss the results
that can be obtained by applying our approach on a sample of an Arabic textual corpus.
Section 1.04
2. Preprocessing the corpus:
In a process of ontology construction from texts, the stage of constitution and preparation of
the corpus is both primordial and delicate. Since, the corpus is the essential source of
information for the entire construction process [Bou03].
The questions that arise in the design of any corpus include: the type of corpus (a "specialized"
corpus is a corpus containing texts on a subject related to a domain of knowledge, for example,
('Computer science in Arabic'), the adequacy for the target project, the possibility of reusing
this corpus, size (number of words), representativeness (that is, the variety of texts, Sources,
etc.), the use of complete texts or samples, etc. [Mar03]
After collecting the corpus, it must be prepared to be ready for processing during the rest of the
construction process. The usefulness of the corpus preparation is to remove the ambiguity,
reduce the number of transactions and adapt the corpus to the objective of the next step
"extraction of candidates-terms".
This preparation step is broken down into several sub-steps which are:
E-ISBN: 978-605-68882-5-0 502

➢ Standardization: transforms the document into a more easily manipulated standard format.
Before lemmatization, the document is standardized as follows: [Maz12]
• Delete special characters and digits, for example:, ٢,٣,٤,٥,(,‫…؟‬
• Deleting Latin words and characters: Latin characters are detected by their graphs.
• Removal of single letters: single-letter words in Arabic and abbreviations. (‫)الفقرة ب‬, date
abbreviations (‫ تاريخ هجري‬:‫ ه‬,‫ تاريخ ميالدي‬:‫)م‬, vowels (‫ "و‬:‫)"حروف العلة‬, etc.
➢ Deleting empty words: consists of eliminating all non-significant words, by comparing each
recognized word with the elements of the list of empty words: "stop-list". (‫)الضمائر المنفصلة‬,
prepositions (‫)حروف العطف‬, conjunctions (‫)حروف الجر‬, etc.). Example: ‫ من‬,‫ىلى‬, ,‫ التي‬,,‫ أن‬,‫على في‬
‫لم‬ ,‫ما‬ ,‫منذ‬ ,‫انه‬ ,‫هذا‬ ,‫هذه‬ ,‫بين‬ ,,‫بعد‬ ,‫مع‬ ‫الذي‬ ,‫عن‬ ...
Generally, empty words that are very common (almost half the occurrences of a text) are not
indexed because they are not informative [Ver04]
➢ Stemming:
It is a delicate task because Arabic is a flexional and highly differentiated language; The
absence of diacritics creates ambiguity and therefore requires complex morphological rules,
and capitalization is not used in Arabic, which makes it difficult to identify proper names,
acronyms and abbreviations.
To solve the ambiguity, [Alj02] has shown that light stemming (based on deletion of suffix and
prefix) surpasses that based on root detection in the field of information retrieval. In our
approach we considered the light stemming which consists of detecting whether prefixes or
suffixes have been added to the word.
Section 1.05
3. Extractions of candidates-terms:
After the preparation of the corpus, we proceed to the extraction step of the elements of the
ontology. First, we begin to extract the terms by the method of the repeated segments, in the
following one will apply a filtering to eliminate some terms that are not considered as concepts.
The method of "repeated segments" relies on the detection of strings consisting of songs
existing several times in the same text. It is a statistical technique for extracting information
from texts. The repetition of the segments in a text indicates that these can be used to designate
E-ISBN: 978-605-68882-5-0 503

the concepts of the domain of the corpus. Segments of text can be separated by spaces or
punctuation, and can be simple (single word) or complex.
The complex terms are identified in a window of four words in the same sentence (the number
four is chosen according to the principle: a term designating a concept contains a maximum of
four words [Maz12]).
The "repeated segments" method is based on the following preposition: "A relevant term is
used several times in a specialized text". For this reason, we use the "weight filter" [Her06] to
select terms with sufficient weight. The weight is measured by the total frequency of a term in
the corpus. If this frequency is greater than a threshold: fmin (a threshold indicating relevance),
the term will be kept for the next step in the construction process, otherwise this term will be
ignored. (Fmin is chosen empirically, and depends on the size of the corpus).
4. Extraction of semantic relations
Existing works in the field of extracting semantic relationships from text can be divided into
two families: we usually distinguish works that are based on the frequency aspect of the corpus
from which they extract the related concepts, and those who exploit structural indices to detect
the linked elements, that is to say who follow a symbolic approach. [Vin04]
The symbolic methods of extracting lexical relations are based on indices collected on the
context of an occurrence of related words to decide whether to acquire it or not; the symbolic
classifier is therefore often a set of rules based on lexical, morphological, categorical, syntactic
or other indices. These techniques can themselves be classified into two main families: [Vin04]
Language approaches in which structural indicators given previously are exploited (by a
linguistic analysis for example).
❖ And approaches based on a notion of learning markers or relationships.
Section 1.06 Our approach is based on a supervised learning method of semantic relations.
We first present the task of relation extraction as a classification task. For the sake of simplicity
and clarity, we restrict our discussion to binary relations between two entities:
Given a sentence S = w1,w2, … , e1, … , wj , … , e2, … , wn
Where e1 and e2 are the entities, a mapping function fR (.) can be given as
E-ISBN: 978-605-68882-5-0 504

Where T(S) are features that are extracted from S. Essentially the mapping function fR (.) decides
whether the entities in the sentence are in a relation or not. Put in another way, the task of entity
relation extraction becomes that of entity-relation detection.
A labeled set of relationship pairs is prepared manually for learning. These pairs of relationships
are extracted from external text resources, such as a dictionary or a lexical database. The
function fR (.) is constructed as Perceptron classifier.
This classifier can be trained using a set of features selected after performing textual analysis
of the labeled sentences. On the other hand, input to the classifiers can also take the form of
rich structural representations like parse trees.
Given a set of positive and negative relation examples, syntactic and semantic features can be
extracted from the text. These extracted features serve as cues for deciding whether the entities
in a sentence are related or not.
Syntactic features extracted from the sentence include:
❖ the entities themselves,
❖ the types of the two entities,
❖ word sequence between the entities,
❖ number of words between the entities and
❖ Path in the parse tree containing the two entities.
Semantic cues include
❖ The path between the two entities in the dependency parse.
Both the semantic and syntactic features extracted are presented to the classifier in the form
of a feature vector, for training or classification. (Kambhatla, 2004) trains a log-linear model
using the features described, for the task of entity classification.
E-ISBN: 978-605-68882-5-0 505

On the other hand, (Zhao & Grishman, 2005) and (GuoDong et al., 2002) use SVMs trained on
these features using polynomial and linear kernels respectively for classifying different types
of entity relations.
5. Results and discussion
Section 1.07
5-1 Text corpus:
In order to test our approach, we constructed a corpus of text from a set of Arabic textual
documents containing definitions of technical words in electronics and computer science in
Arabic, and these are the titles of some documents that constitute our corpus:
Title of document (in Arabic) Title of document (in English) Number of words
Encyclopedic dictionary in computer 84 622

‫المعجم الموسوعي في الكمبيوتر واإللكترونيك‬
sciences and electronics
‫مصطلحات الحاسب واإلنترنت‬ Terms of Computer and Internet 3 553
Encyclopedia of terms in Internet and 16 490

‫موسوعة مصطلحات االنترنت والكمبيوتر‬
computer sciences
… … …
Table 1: Titles of documents in our textual corpus
These documents are downloaded, selected and prepared manually (by deleting tables,
diagrams, graphs, pictures ...), these documents are in "html" or "PDF" formats. The formats of
these documents were converted into "txt" format. The total number of words in our corpus is
about 304 665 words (size ≈ 1 800 kb)
5-2 Extraction of “repeated-segments”:
For extracting terms of our ontology we set the following parameters:
• Maximal Segment size = 4 words. It indicates the maximum size of a complex term. Example:
‫( بروتوكول نقل البريد البسيط‬Simple Mail Transfer Protocol)
• Weighting threshold: The weight of a term is calculated by the total frequency, is the total
number of occurrences in the corpus. Threshold weight of a simple word is = 40. Threshold
weight of a complex term is = 10. These thresholds are selected relatively to the corpus size.
E-ISBN: 978-605-68882-5-0 506

The following table shows a sample of selected segments:
Segment Frequency
‫إنترنت‬ 5278
‫كمبيوتر‬ 3045
‫معلومات‬ 2233
‫موقع‬ 1624
… …
‫الشبكة العالمية‬ 203
‫البريد اإللكتروني‬ 101
... ...
Table 2. Samples of selected segments.
5-3 Extraction de relations sémantiques :
By applying our relationship learning approach described earlier on our Arabic text corpus, our
application can learn a set of semantic relations pairs based on a learning base containing pairs
of relations chosen and filtered manually from two texts resources which are: a dictionary of
synonyms and antonyms in Arabic and a lexical database of the Arabic language which is called
Arabic WORDNET. And here are some examples of these pairs of relationships:
Relationship Hypernym Synonym Antonym
‫شفرة‬ ‫جزئي‬ ‫كلي‬

‫برنامج حاسوب‬ ‫حاسوب‬ ‫كمبيوتر‬
)software( )Computer( )Computer(
)code( )partial( )Total(
‫حاسوب‬ ‫آلة‬ ‫ابتكار‬ ‫اختراع‬ ‫اقفال‬ ‫افتتاح‬

)Computer( )innovation( )invention( )Opening(
)Machine( )lock on(
Pairs
‫آلة‬ ‫جهاز‬ ‫ارتباط‬ ‫اتصال‬ ‫اإلسراع‬ ‫التأخير‬
)Machine( )Device( )correlation( )connexion( )Accelerate( )Delay(
‫جهاز‬ ‫شيء مصنوع‬ ‫عداد‬ ‫الممتلئ‬

‫حاسب‬ ‫الفارغ‬
Anything (
)Computer( )empty(
)Device( )made (Counter) )Full of(
E-ISBN: 978-605-68882-5-0 507

‫شيء مصنوع‬ ‫جسم‬ ‫إغالق‬ ‫اقفال‬

‫التجميع‬ ‫التقسيم‬
Anything (
)Assembly( )division(
)made )Body( )Close( )lock on(
... ... ... ... ... ...
Table 3: List of relationship pairs [Benabdallah & al, 2017]
6. Conclusion
In this paper we have proposed an automatic approach to extracting the most important elements
of ontology which are semantic terms and relations. To do this, we used a corpus of texts in
Arabic and two other text resources: a dictionary and a lexical database.
Our construction process begins with a preliminary step which is the preparation of the corpus
going through normalization, the deletion of empty words and lemmatization. In order to extract
the candidates-terms, we used a statistical method "repeated segments" followed by the
application of a weight filter to choose the most frequent terms. And to connect the new
extracted concepts an artificial learning method has been adopted based on a learning base
containing a set of pairs of relationships.
References
Aljlayl M, Frieder O (2002) On Arabic search: Improving the retrieval effectiveness via a light stemming
approach. In: Proceedings of the eleventh international conference on information and knowledge
management, ACM Press, New York, NY, USA, pp 340-347, ACM DL Digital Library,
http://dl.acm.org/citation.cfm?id=584848.
Benabdallah, A., Abderrahim, M.A. & Abderrahim, M.EA. « Extraction of terms and semantic
relationships from Arabic texts for automatic construction of an ontology », Int J Speech Technol (2017)
20: 289. doi:10.1007/s10772-017-9405-5
Bourigault D, Aussenac-Gilles N (2003) Construction d’ontologies à partir de textes. ATALA

(Association pour le traitement automatique des langues)
http://www.atala.org/taln_archives/TALN/TALN-2003/taln-2003-tutoriel-002.pdf.
GuoDong, Z., Jian, S., Jie, Z., & Min, Z. (2002). Exploring various knowledge in relation extraction.
Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics (pp. 419– 444).
E-ISBN: 978-605-68882-5-0 508

Kambhatla, N. (2004). Combining lexical, syntactic, and semantic features with maximum entropy
models for extracting relations. Proceedings of the ACL 2004.
Marshman E (2003) Construction et gestion des corpus : Résumé et essai d’uniformisation du processus
pour la terminologie, In: Observatoire de linguistique Sens-Texte (OLST). University of Montréal.
http://olst.ling.umontreal.ca/pdf/terminotique/corpusentermino.pdf.
Mazari AC (2013) Vers une approche statistique pour l’extraction des éléments de l’ontologie à partir
des textes arabes. In: RML (Revue Maghrébine des langues), ISSN: 2253-0673, 8th edition, Oran
Algeria, pp 39-56.
Mondary T, Després S, Nazarenko A, Szulman S (2008) « Construction d’ontologies à partir de textes:

la phase de conceptualisation », 19èmes Journées Francophones d'Ingénierie des Connaissances,
Nancy, France, LIPN - UMR 7030 University of Paris 13 – CNRS.
Vergne J (2004) Découverte locale des mots vides dans des corpus bruts de langues inconnues, sans
aucune ressource, 7eme Journées internationales d’analyse statistique des données textuelles, GREYC
– University of Caen.
Vincent C, Pascale S,(2004) « Apprentissage semi-supervisé de patrons d’extraction de couples nom-

verbe », TAL. Volume 45 - n± 1/2004, pages 153 à 182
Zhao, S., & Grishman, R. (2005). Extracting relations with integrated information using kernel methods.
Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics (pp. 419–426).
E-ISBN: 978-605-68882-5-0 509

Sosyo-Ekonomik ve Fiziksel Değişkenlerle Matematik Başarı

Kategorisi Arasındaki İlişkinin İncelenmesi
Mehmet Tahir HUYUT
mehmettahirhuyut@gmail.com
Bitlis Eren University, Department of Medical Promotion and Marketing, Bitlis, TURKEY
Özet
Matematik dersi başarısını etkilediği düşünülen; bazı sosyal, kültürel, ve fiziksel değişkenler
ile başarı kategorisi arasındaki ilişkilerin incelenmesi amaçlanmıştır. Araştırmanın incelenmesi
için çok kategorili verilerin analizinde kullanılan yöntemlerden biri olan Çoklu Uyum Analizi
tercih edilmiştir. Bu yöntem ile kategorik değişkenlerle alt kategorileri arasındaki tüm ilişki
yapıları detaylı bir şekilde elde edilmiştir. Çalışma öncesi, anket sorularının ve kapsamının
belirlenmesi için bir ön çalışma yapılmıştır. Elde edilen anket soruları öğrencilerle birebir
görüşülerek uygulanmıştır. Çalışmanın sonucunda; eğitim dilinin anlaşılır bulunmasının önemi
görülmüş ve başarı ile eğitim dili arasında pozitif korelasyon bulunmuştur. Evdeki ders çalışma
ortamı yeterli olmayan öğrencilerin derse karşı olumsuz davranışlar içerisinde olduğu
görülmüştür. Okulun fiziksel olanaklarının başarı kategorisi ile pozitif ilişkili olduğu ve
ebeveynlerinin eğitim düzeyi düşük olan öğrencilerin daha başarılı olduğu bulunmuştur. Dersin
zorunlu olarak öğretildiğini düşünen öğrencilerin, fiziki durumdan ve arkadaştan dolayı derse
odaklanamadıkları tespit edilmiştir. Anne ve babanın okur-yazar olmasının öğrencinin
başarısına pozitif bir etki sağlamadığı görülmüştür. Yerleşim faktörünün başarı ile yüksek
ilişkisi görülmemiştir. Başarı kategorisi ile ders çalışırken internet kullanımı arasında negatif
ilişki görülmüştür. Derse odaklanamama sebeplerinin temel öğeleri olarak arkadaş ortamının
ve öğretmen faktörünün etkili olduğu saptanmıştır. Bununla birlikte sosyo-ekonomik sorunların
ve aile faktörünün derse odaklanamamaya etkisi daha az bulunmuştur. Çalışma sonucunda,
anket verilerinde çoklu kategorik değişkenler arası ilişkileri incelemede, çoklu uyum analizinin
tatminkâr sonuçlar verdiği vurgulanmıştır. Ayrıca çalışma, eğitim araştırmalarında Çoklu
Uyum Analizinin uygulanabilirliğini ve performansını da gösterecektir.
Anahtar Kelimeler: İnertia (Hareketsizlik), Çoklu Uyum Analizi, Kategorik Değişken, Boyut
İndirgeme
E-ISBN: 978-605-68882-5-0 510

Investigation of Relationship Between Socio-Economic and

Physical Variables and Mathematics Success Category
Abstract
It is aimed to investigate the relationships between success category and some social, cultural,
and physical environmental variables which are thought to affect the success of the mathematics
course. For the analysis of the research, Multiple Correspondence Analysis, which is one of the
methods used in the analysis of multi-categorical data, is preferred. With this method, all the
relations structures between the categorical variables and the subcategories are obtained in
detail. Prior to the study, a preliminary study was conducted to determine the questionnaires
and their scope. The questionnaires obtained were applied to the students individually. Results
of study as follows; the clear understanding of the language of instruction was found to be
important and there was a positive correlation between success and the language of education.
It has been observed that students who do not have adequate study environment at home have
negative behaviors towards the course. Physical facilities of the school are positively related to
success and the students having parents’ with low educational level were found to be more
successful. It was determined that the students who thought that the course was taught
compulsively could not focus on the lesson because of the friend and the physical situation. It
was seen the fact that the mother and father were literate did not have a positive effect on the
success of the student. The placement factor did not show a high correlation with success. It
was determined a negative relationship between the achievement category and internet use
when studying. It was determined that the friend environment and the teacher factor were the
main factors for the reasons of not being able to focus on the course. However, the socio-
economic problems and the family factor were less effective in focusing on the lesson. As a
result of study, it has been emphasized that multiple correspondence analysis gives preferable
results to investigate relationships among the multiple categorical variables in survey data. The
study will also show the applicability and performance of the multiple correspondence analysis
in educational research.
Keywords: Inertia, Multiple correspondence analysis, Categorical variables, Dimension

reduction
E-ISBN: 978-605-68882-5-0 511

1. Giriş
Matematik, sosyal yaşamın bir parçası olan ve insanlar tarafından iyi bir yaşamın ve iyi bir
kariyerin önemli bir basamağı olarak görülen bilim dalıdır (Arslan ve ark., 2012). Öğrencilerin
çoğunun, matematiğe karşı olumsuz gözle bakmalarını etkileyen birçok faktör olabilir.
Örneğin; matematiğin, düşüncenin doğrudan kendisini değil, düşünceyi dile getiren özel simge
ve sembolleri temsil etmesi ve dolayısıyla soyut bir dil kullanması, ailenin eğitim düzeyi,
öğrencilerin cinsiyeti, matematiksel zekâsı, öğretim şekli ve öğretmen-öğrenci ilişkisi bu
faktörlerden bazılarıdır (Meece, 1996; Dursun ve Dede, 2004 ).
Buna göre, bir öğrencinin matematik başarısını ve başarısızlığını sadece bir faktörle (örneğin,
öğrencilerin cinsiyeti ile) açıklamak mümkün değildir. Ayrıca, bu faktörlerin birbirleriyle
sürekli olarak etkileşim halinde olduğu düşünülmektedir (Meece, 1996).
Diğer yandan, değişkenler ya da özellikler arası ilişkilerin karmaşık olduğu ve bu ilişkilerin

ikili olarak ele alınması durumunda, özellikler arası gerçek yapının ortaya konulmasından
uzaklaşılacağı aşikardır.
Birçok araştırmadan elde edilen veriler çoğunlukla kategorik yapıdadır. Kategorik verilerin
analiz edilmesinde Ki-Kare testi, Olabilirlik Oran Testi ve Fisher’in Kesin Olasılık testi (Fisher
Exact Test), Gİstatistiği ve Z-testi ile Oran Testi gibi istatistik yöntemler yaygın olarak
kullanılmaktadır. Ancak bu yöntemlerin kullanılabilmesi, bazı ön şartları gerektirmektedir.
Ayrıca, adı geçen bu yöntemlerle değişkenler ve değişkenlerin seviyeleri arasında mevcut olan
ilişkilerin ayrıntılı olarak incelenmesi ve elde edilen sonuçların görsel olarak sunulabilmesi
mümkün olamamaktadır (Devillers ve Karcher, 1991; Mendeş, 2002; Aktürk, 2004). Bu
bağlamda, başarıya etkili olabilecek değişkenleri birlikte ele alarak, değerlendirme imkanı
sağlayan çok değişkenli analiz yöntemlerine ihtiyaç duyulmaktadır (Huyut ve Keskin, 2017).
Çok değişkenli istatistik analiz yöntemlerden birisi olan çoklu uyum analizi (multiple
correspondence analysis) ile iki ya da daha çok kategorik değişken arasındaki ilişki, veri
matrisinin satır ve sütun bölgelerine ayrıştırılması ile incelenir, veri setinin yapısına ilişkin
önemli bilgiler elde edilir (Huyut ve Keskin, 2017).
Bu bağlamda yukarıda sunulan bilgiler dikkate alındığında, Matematik başarısına etki eden
faktörlerin ve bu faktörler arası ilişkilerin incelenmesinde bazı eksikliklerin olduğu
E-ISBN: 978-605-68882-5-0 512

düşünülmektedir. Bu eksikliklerin başında; değişkenler genellikle ikili olarak ele alınıp

incelendiğinden, karmaşık ilişki yapılarının araştırılmasına ihtiyaç duyulmuştur. Bu durum
yapılan bu çalışmanın gerekliliğini ve sonuçlarını önemli kılmaktadır.
Çalışma da, orta öğretim öğrencilerinin matematik başarısına etki ettiği düşünülen bazı sosyo-
ekonomik ve fiziksel (çevresel) faktörlerin (değişkenlerin) başarı ile arasındaki ilişki yapısı
Çoklu Uyum Analizi yöntemi ile incelenecektir. Bu yöntemin kullanışlılığı ve yorum gücü ile
tatminkar sonuçlar vermesi, diğer disiplinler içinde ilham kaynağı olacağı düşünülmektedir.
Veri toplama aracı: Araştırmada veriler; anket yöntemi ile elde edilmiştir. Öğrencilerin
matematik başarısına etki eden sosyo-ekonomik ve fiziksel faktörler için kapsamlı bir ön
çalışma yapılmış ve bu çalışma sonucunda öğrenciler için hazırlanan ankette yer alabilecek
sorular titizlikle belirlenmiştir. Sorular öğrencilerin başarısını etkilediği düşünülen fiziksel ve
sosyal faktörlerin ele alınarak hazırlanmıştır. Güvenilirliğin sağlanması için başarıyı etkileyen
faktörler, ortak karara varıncaya kadar araştırmacılar bir arada çalışarak gerçekleştirmiştir. Aynı
şubede eğitim gören öğrencilerin ankete katılması sağlanarak, grup içi varyans minimum
seviyeye indirilmiştir. Ayrıca anket öncesi öğrencilere çalışma hakkında herhangi bir bilgi
verilmeyerek çalışmanın iç güvenirliği sağlanmıştır. Dış güvenirlik içinse, araştırma süreci
detaylı bir şekilde sunularak araştırmaya ilişkin tüm veriler araştırmacılar tarafından
korunmuştur.
Uyum Analizi nedir?
Uyum analizi açıklayıcı çok değişkenli bir analizdir. Ve n-yönlü bir tablonun satır ve sütunları
arasındaki ilişkiyi incelemek için grafiksel gösterimleri kullanır. Basit uyum analizinde, iki
kategorik değişken arasındaki ilişki yapısı incelenir. Diğer bir ifade ile basit uyum analizi
sadece iki yanlı çapraz tablolarda kullanılmaktadır. Eğer teknik üç veya daha fazla değişken
kümesine uygulanırsa, çoklu uyum analizi olarak adlandırılır.
Temel bileşenler analizinde (PCA) olduğu gibi, uyum analizi açıklanan varyans temeline
dayanan boyutlar üzerinde değişkenleri organize eder. Uyum analizi sonuçları, Faktör analiz
teknikleri ile üretilenlere benzer nitelikte bilgi sağlar ve bir tabloda yer alan kategorik
değişkenlerin yapısını keşfetmelerine izin verir. Uyum Analizinin kullanımı gittikçe
yaygınlaşmaktadır. Çünkü sonuçların daha ayrıntılı bir şekilde görselleştirilerek
yorumlanmasına izin vermektedir.
E-ISBN: 978-605-68882-5-0 513

Yöntemin Amacı
Uyum analizinde, çok boyutlu bir uzayda, kategorik değişkenleri temsil eden noktaları içeren
ve kategorik değişkenlerin kategorileri arasındaki ilişki yapısını belirlemek için değişken
kategorilerini iki boyutlu uzayda sunan bir harita elde edilir. Haritaya göre yorum yapılır.
Amaç, toplam varyansı (toplam eylemsizliği) büyük ölçüde eksenler tarafından açıklamaktır.
Veri Tipi
Analiz edilecek veriler çapraz-tablo formatında olmalıdır. Uyum analizi nitel verilere
uygulanabilir. Çapraz tablodaki frekanslar pozitif sayılar olmalıdır.
Uyum Analizinin Uygulama Adımları
Uyum analizi 2 adımdan oluşmaktadır. Her adımda 3 basamaktan oluşur.
Şekil 1. Uyum Analizi uygulama adımları
1. Adım
Birinci basamak: İlk olarak, satır ve sütun profilleri frekans tablosuna göre hesaplanır.
E-ISBN: 978-605-68882-5-0 514

İkinci basamak: Satır ve sütun profilleri ağırlıklandırılır. Ortalama satır ve Ortalama sütun
profilleri hesaplanır. Ortalama satır ve ortalama sütun profil noktaları, ağırlık merkezi olarak
adlandırılır ve orijine göre noktaların temel eksenlerinin konumlarını belirler.
Ağırlıklandırmanın Amacı
Bu ağırlık sisteminin amacı, her bir yanıtın her bir profil noktasına eşit derecede faydalı
olmasını sağlamaktır.
Üçüncü basamak: Satır profillerinin ortalama satır profilinden veya sütun profillerinin
ortalama sütun profilinden gelen ki-kare uzaklıkları hesaplanır. Eğer bir profil ortalama
profilden uzaksa, nokta orijinden uzağa yerleştirilecektir. Ortalama profile yakınsa, nokta
merkeze yakın temsil edilecektir.
Ki-kare uzaklığı;
eşitliği ile hesaplanır. Uyum analizi ki-kare uzaklığına dayanmaktadır. Ki-kare uzaklığı, öklid
uzaklığının ağırlıklandırılmış bir formu olarak düşünülebilir.
2. Adım
Birinci basamak: Toplam inertia (eylemsizlik) hesaplanır
Uyum analizinde, varyans kavramı yerine inertia (eylemsizlik) kavramı kullanılmıştır. Toplam
inertia (eylemsizlik), profil noktalarının ağırlık merkezine olan uzaklığının bir ölçüsüdür ve ⋀2
ile temsil edilir. Toplam inertia (eylemsizlik),
eşitliği ile hesaplanır.
İkinci basamak: Boyut indirgenir ve tüm noktalara en yakın düzlem bulunur
E-ISBN: 978-605-68882-5-0 515

Şekil 2. Boyut indirgeme ve toplam inertia hesaplanması
Herhangi bir düzlem için, ağırlıklı profil noktalarından düzleme olan mesafe, profil ve düzlem
arasındaki en küçük ki-kare uzaklığı olarak hesaplanır. Bu amaçla, düzlemden profilin en yakın
noktasına profilin iz düşümü olarak adlandırılır. Kalan inertia, profillerin iki-boyutlu biçime
indirgenmesiyle inertianın ne kadar kaybedildiğinin bir ölçüsüdür ve analizin amacı söz konusu
kaybı en aza indiren düzlemi bulmaktır.
Üçüncü basamak: Koordinatlar (öz değerler) bulunur.
Şekil 3. İki boyutlu uzayda koordinatların gösterilmesi
Koordinatlar, boyutlardaki noktaların konumu hakkında bilgi sağlar. Koordinatlar, temel

bileşenler analizinde olduğu gibi tekil değer ayrışımı kullanılarak bulunur. Genellikle iki
koordinat kullanılır.
Öz değerler (λ) tekil değer ayrışımı ile hesaplanır. λ’lar; λ1 ≥ λ2 ≥….λk sırasıyla
hesaplanır.
E-ISBN: 978-605-68882-5-0 516

Öz değerler, toplam hareketsizliğin boyutlar tarafından parçalanmış bir formudur. Öz değerler,

boyutların toplam inertia’yı ne kadar açıklayabildiğini ifade eder ve her bağımsız boyutun
önemini gösterir. Amaç, toplam varyansı (toplam eylemsizliği) büyük ölçüde eksenler
tarafından açıklamaktır. λ1, birinci eksenin λ2, ikinci eksenin toplam varyasyonun ne kadar
açıkladığını göstermektedir.
3. Bulgular
Çalışmada ele alınan değişkenlerin çoklu uyum analizi sonuçları Şekil1 ve Şekil 2’de
verilmiştir. Yapılan analiz sonucunda, matematik dersi başarısını etkilediği düşünülen sosyo-
ekonomik ve fiziksel değişkenlerle başarı kategorisi arasındaki çoklu ilişki yapısı şekiller de
sunulmuştur. Görsellerde, kullanılan değişkenler arasındaki ilişkiyi en yüksek oranda açıklayan
iki boyuta indirgenmiş sonuçlar verilmiştir. Bu sonuçlara göre bulgular ve tartışma aşağıda
özetlenmiştir.
Şekil1. Matematik başarısını etkilediği düşünülen sosyo-ekonomik ve fiziksel değişkenlerle

başarı kategorisi arasındaki çoklu ilişki yapısı
E-ISBN: 978-605-68882-5-0 517

Okulun fiziksel imkanlarını yeterli bulmayan öğrencilerin başarı kategorisi ile pozitif
ilişkili olduğu ve bu öğrencilerin bol soru çözdüğü görülmüştür. Ayrıca bu öğrencilerin
ailelerinden ciddi destek aldıkları tespit edilmiştir.
Ders dışı kaynaklardan faydalanan öğrencilerin, sosyo-ekonomik düzeyin dersteki başarılarını

etkilediğini düşündükleri bulunmuştur. Bununla beraber bu öğrencilerin sınıfta oturdukları
yerden olumsuz etkilendikleri saptanmıştır.
Ders çalışırken internetten faydalanan öğrencilerin daha başarısız olduğu ve ailelerinin eğitim
seviyesinin yüksek olduğu dikkat çekici bulunmuştur. Ayrıca bu öğrencilerin eğitsel bilgisayar
oyunlarıyla çok meşgul oldukları ancak bu durumun başarılarına olumlu etkisi görülmemiştir.
Düzenli bulmaca çözen öğrencilerin daha başarılı olduğu ve sorularını çözdürme imkanı
buldukları görülmüştür. Bununla beraber, bu öğrencilerin sosyo-ekonomik düzeylerinin ders
başarısına pozitif etkisinin olduğu düşünülmektedir.
Başarı kategorisi ile ders çalışırken internet kullanımı arasında negatif ilişki bulunurken, farklı
kaynaklardan faydalanma ile arasında ise pozitif ilişki bulunmuştur.
Ebeveynlerinin eğitim seviyesinin öğrencilerin başarısında herhangi bir etkisinin olmadığı

tespit edilmiştir. Ancak bu ebeveynlere sahip öğrencilerin sınıfın kalabalık olmasından ve
okulun fiziksel imkânsızlıklarından olumsuz etkilenmemesi ilginç bulunmuştur.
Okulun fiziksel olanaklarının ve öğrencinin sınıfta oturduğu yerin, başarı kategorisi ile pozitif
ilişkisi bulunmuştur. Bununla beraber, sınıfın kalabalık oluşundan olumsuz etkilenen
öğrencilerin daha başarısız olduğu saptanmıştır.
Erkek öğrencilerin, derse odaklanamama sebepleri arasında; ailevi ve sosyoekonomik sorunlar

ile fiziki durum olduğu görülmüştür. Ancak bu durumun erkek öğrencilerde matematik
başarısını olumsuz yönde etkilemediği dikkat çekici bulunmuştur. Buna karşın arkadaştan ya
da öğretmenden dolayı derse odaklanamayan kız öğrencilerin daha başarısız olduğu tespit
edilmiştir.
Başarıyı etkileyen çevresel faktörler arasında, arkadaş ve öğretmenin daha etkili olduğu
görülmüş ve bunlardan daha çok kız öğrencilerin olumsuz etkilendiği saptanmıştır
Eğitsel bilgisayar oyunlarının matematik dersini öğrenmeye katkısını etkili bulan öğrencilerin;
aynı zamanda sistemli ve disiplinli çalıştığı, konu akabinde bol soru çözdüğü bulunmuştur.
E-ISBN: 978-605-68882-5-0 518

Okulun fiziksel olanaklarının ve öğrencinin sınıfta oturduğu yerin, başarı kategorisi ile pozitif
ilişkisi bulunmuştur. Bununla beraber, sınıfın kalabalık oluşundan olumsuz etkilenen
öğrencilerin daha başarısız olduğu saptanmıştır.
Şekil 2. Değişkenlerin birbirleriyle olan korelasyonu ve aşırı sapan değişkenler
Tüm değişkenler arasında en belirgin etkiyi oluşturan Lise türü ardından ders dışı
kaynaklardan faydalanma, ebeveynin eğitim durumu ve ailenin derse verdiği önem
gelmektedir. Bunun sonucunda en başarılı lise türü Anadolu lisesi en başarısızı ise düz lise
olmuştur. Ayrıca ebeveynin eğitim seviyesi düştükçe, öğrencisine desteği azalmakta ve
dolayısıyla derse verdiği önem de düşmektedir.
Şimdiye kadar, matematik başarı puanına etki eden faktörler arası ilişkiler ikili olarak
incelenmiş, ancak bu faktörler arasındaki gerçek ilişki yapısının ortaya çıkarılması hususunda
kullanılan analiz yöntemlerinden dolayı yeterli bulgu elde edilememiştir. Çalışma, matematik
başarısına etki eden sosyo-ekonomik ve fiziksel faktörler arasındaki ilişkilerin çoklu uyum
analizi ile belirlenmesiyle, konuya geniş bir bakış açısı kazandırmış olacaktır.
Kurul (2002), okul dışı girdilerin başarının en önemli kestiricisi olduğunu ve bunlar arasında
ise, ailenin sosyal-ekonomik statüsünün başta geldiğini ifade etmiştir. Çalışmada, erkek
E-ISBN: 978-605-68882-5-0 519

öğrencilerin derse odaklanamamalarını etkileyen çevresel faktörler arasında; ailevi sorunlar ve

fiziki durum yetersizliği görülmüştür.
Fiziki durum yetersizliğinden dolayı derse odaklanamayan "ailevi sorunlara" sahip

öğrencilerin, sosyal-ekonomik problemler yaşadığı söylenebilir. Ayrıca, derse odaklanamama
sebebinin cinsiyet faktörüne göre değişiklik gösterdiği düşünülmektedir.
Ayrıca, ailelerin özellikle kız öğrencilerine daha çok yardımcı olmaları ve öğretmenlerin kız
öğrencilerle daha sağlam iletişim kurmalarının önemli olduğu düşünülmektedir.
Başarı kategorisi ile ders çalışırken internet kullanımı arasında negatif ilişki bulunurken, farklı
kaynaklardan faydalanma ile arasında ise pozitif ilişki bulunmuştur (Şekil 1. İnternet ortamı
farklı ve dikkat dağıtıcı birçok unsuru barındırdığından öğrencinin interneti kullanarak ders
çalışmasının başarısını düşürdüğü söylenebilir. Ancak, bu konuda daha kapsamlı çalışmalara
ihtiyaç vardır.
Kılıç ve ark. (2012), kültürel seviyesi yüksek olan ailelerin çocuklarının daha yüksek matematik
başarısı gösterdiğini ifade etmişlerdir. Ancak çalışmada, erkek öğrencilerin ailelerine göre,
daha yüksek eğitime sahip ebeveynlerin kız öğrencileri daha başarısız olmuştur (Şekil 1). Bu
durum, eğitimi yüksek ailelerin yaşadıkları matematik kaygılarını çocuklarına aksettirmeleri ve
öğrencilerinden daha fazla beklenti içinde olmaları ile açıklanabilir. Benzer şekilde; Yenilmez
ve Midilli (2007), velilere kendilerinin matematik konusunda kaygıları olsa bile, bu kaygıyı
çocuklarına hissettirmemelerini ve çocuklarını matematik yapmaya teşvik etmelerini
önermişlerdir. Ancak, bu konuda daha kapsamlı çalışmalara ihtiyaç vardır.
Kılıç ve ark. (2012), ekonomik seviyesi yüksek olan ailelerin çocuklarının daha yüksek
matematik başarısı gösterdiğini ifade etmişlerdir. Çalışmada bu durumu destekler sonuçlar
görülmüştür.
Kurul (2002); Kılıç ve ark. (2012), öğretmen başına düşen öğrenci sayısındaki artışın,
öğrencilerin matematik başarısını olumsuz yönde etkilediğini ifade etmişlerdir. Benzer şekilde
çalışmada, okulun fiziksel olanaklarının ve öğrencinin sınıfta oturduğu yerin, başarı kategorisi
ile pozitif ilişkisi bulunmuştur (Şekil 1). Sınıfın kalabalık olmasının başarıyı olumsuz etkilediği
söylenebilir.
Berberoğlu ve ark. (2003), yaptıkları çalışmada, okul dışı sosyal etkinliklerin başarı üzerinde
olumsuz etkileri olduğunu ifade etmişlerdir. Ancak; Özer ve Anıl (2011), bilgisayar yazılım ve
E-ISBN: 978-605-68882-5-0 520

donanım bilgisi ile öğrencilerin matematik başarıları arasında pozitif bir ilişki olduğuna dikkat
çekmişlerdir.
Çalışmada, eğitsel bilgisayar oyunlarının dersi öğrenmeye katkısı konusunda “fikrim yok”
diyen öğrencilerin, bu oyunların dersi öğrenmede “etkili” olduğunu düşünen öğrencilerden
daha başarılı oldukları görülmüştür (Şekil 1). Okul dışı aşırı sosyal etkinliklerin ve bilgisayar
oyunlarının başarı kategorisi ile negatif ilişkili olduğu düşünülmektedir.
Kaynaklar
[1] Aktürk D, 2004. Çoklu uyum analizi tekniğinin sosyal bilim araştırmalarında kullanımı. Tarım
Bilimleri Dergisi, 10 (2): 218–221.
[2] Arslan H, Çanlı H, Sabo HM, 2012. A research of the effect of attitude, achievement, and gender
on mathematic education. Acta Didactica Napocensia, 5(1): 45.
[3] Berberoğlu G, Çelebi Ö, Özdemir E, Uysal E, Yayan B, 2003. Üçüncü uluslararası fen ve
matematik çalışmasında türk öğrencilerin başarı düzeylerini etkileyen etmenler. Eğitim
Bilimleri ve Uygulama Dergisi, 2(3): 3-14.
[4] Devillers J, Karcher W, 1991. Applied Multivariate Analysis in SAR and Environmental
Studies. Doi: 10.1007/978-94-011-3198-8.
[5] Dursun Ş, Dede Y, 2004. Öğrencilerin matematikte başarısını etkileyen faktörler: Matematik
öğretmenlerinin görüşleri bakımından. Gazi Eğitim Fakültesi Dergisi, 24 (2): 217-230.
[6] Huyut MT, Keskin S, 2017. Matematik başarısına etki eden faktörlerin: çevresel faktörlerin
çoklu uyum analizi ile belirlenmesi. Türkiye Teknoloji ve Uygulamalı Bilimler Dergisi.1(2),
2017.
[7] Kılıç S, Çene E, Demir İ, 2012. Türkiye’deki matematik başarısının öğrenme stratejileri
açısından 8 ülkeyle karşılaştırılması. Kuram ve Uygulamada Eğitim Bilimleri, Educational
Sciences: Theory & Practice, 12 (4): 2585-2598.
[8] Kurul TN, 2002. Öğrenci başarısında etkili okul değişkenleri ve eğitimde verimlilik. Ankara
Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 35 (1): 49-54.
[9] Meece J 1996. Gender differences in motivation and strategy use in science: Are girls rote
learners? Journal of Research in Science Teaching, 4(33):345-453.
E-ISBN: 978-605-68882-5-0 521

[10] Mendeş M, 2002. Çoklu Uyum Analizi Tekniğinin Kullanımı. Ziraat Mühendisliği
Dergisi, 10 (2): 337.
[11] Özer Y, Anıl H, 2011. Öğrencilerin fen ve matematik başarılarını etkileyen faktörlerin
yapısal eşitlik modeliyle incelenmesi. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 41: 313-
324.
[12] Yenilmez K, Midilli P, 2007. İlköğretim öğrencileri ve velilerin matematik kaygı

düzeyleri. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 7(2): 1-16.
E-ISBN: 978-605-68882-5-0 522

İHA Görev Değiştirme Sisteminin Simülasyonu ve Uygulaması

S Çaşka1, B Gökçe2
serkan.caska@cbu.edu.tr, bgokce@aku.edu.tr
1
Manisa Celal Bayar University Mechanical and Manufacturing Engineering Department, TURKEY
2 Afyon Kocatepe University Department of Mechatronics Engineering, TURKEY
Özet
Bu çalışma, 2 adet insansız hava aracının(İHA) bir yörünge üzerinde gözlem faaliyeti yaparken
görev paylaşımı yapmasına dayalıdır. Çalışmada ele alınan İHA görev senaryosu, havadan
gözlem faaliyetlerinin yürütüldüğü yangın takibi, sivil ve askeri güvenlik faaliyetleri vb.
uygulamalarda kullanılabilecektir. İHA’lardan biri yörünge üzerinde seyir halinde görevine
devam etmekteyken bataryası belli bir seviyenin altına indiğinde diğer İHA’yı göreve
çağırmaktadır. Bu senaryo için öncelikle deneysel çalışmalarla bir İHA’nın batarya tüketiminin
yaklaşık modeli oluşturulmuştur ve hedeflenen yardımlaşma senaryosunun matlab/simulink
üzerinde simülasyonu yapılmıştır. Gerçek çalışma şartlarında aynı senaryonun uygulaması
yapılmış ve simülasyon ile gerçek çalışma koşullarında elde edilen sonuçlar tablo halinde
sunulmuştur.
Anahtar Kelimeler: İnsansız Hava Aracı, Çoklu İha Sistemlerinde İş Birliği, Yol Planlaması
Simulation and Application of a Cooperative Task Exchange

System of UAVs
Abstract
This study is based on the task changing of two unmanned aerial vehicles(UAVs) performing
an observation activity on an specified trajectory. The UAV mission scenario addressed in this
study may be used in applications such as firefighting, civilian and military security activities
where aerial surveillance activities are conducted. When one of the UAVs is on duty in its
trajectory, after the its battery falls below a certain level, it calls for the other UAV. For this
scenario, an approximate UAV battery consumption model was firstly created through
empirical studies, and the targeted cooperation scenario was simulated on matlab/simulink. The
E-ISBN: 978-605-68882-5-0 523

same scenario was applied in real working conditions and the results obtained both in simulation
and actual working conditions are presented in tabular form.
Keywords: Unmanned Aerial Vehicle, Cooperation İn Multiple Uav Systems, Path Planning
1. Giriş
İnsansız araçlar genel olarak üzerinde insan operatörü bulunmayan, uzaktan kontrol edilebilen
veya otonom olarak hareket edebilen platformlardır [1]. İnsansız araçlar, çoğunlukla insanlı
araçlarla yürütülmesi tehlikeli görevlerde kullanılmaktadır. Özellikle terörle mücadelede,
tesislerin güvenliğinin sağlanmasında, çevre araştırmalarında üniversitelerin ve endüstriyel
kuruluşların insansız araçlara olan ilgisi gün geçtikçe artmaktadır [2].
Günümüzde, robotların grup halinde etkileşimli olarak belli görevleri yerine getirmeleri üzerine
çalışmalar da yapılmaktadır [3]. Literatürdeki birçok çalışmada, İKA ve İHA’ları içeren robot
grubu gözlem faaliyetlerinde kullanmıştır [4]. İnsansız kar aracı(İKA) ve İHA’lar yardımıyla
kalabalık grupların takibini gerçekleştiren bir planlama yaklaşımları son yıllarda araştırma
konusu olmuştur [5]. Ayrıca İHA ve İKA’ların birbiri ile yardımlaşmasını sağlayarak şehir
içinde gözlem faaliyeti yürütülmesi üzerine çalışmalar da literatürde mevcuttur [6].
Bu çalışmada, iki adet dört rotorlu mini İHA ve bir İKA kullanılmıştır. Mini İHA’lar uçuş ve
haberleşme için gerekli enerjiyi çoğunlukla lithium polymer(lipo) bataryalardan
sağlamaktadır[7]. Mini İHA’lar seyir halindeyken bataryası tükendiğinde İHA’ya dolu bir
batarya sağlamak için bataryasını şarj etmek veya dolu bir batarya ile değiştirmek
gerekmektedir [8]. Bununla birlikte, İHA bataryasının şarj olması veya bataryanın
değiştirilmesi süreci oldukça zaman almaktadır ve bu durum İHA ile yürütülen faaliyetlerin
duraksamasına neden olmaktadır [9]. Bu anlamda, bir görev icra eden İHA’nın bataryası
önceden belirlenmiş bir seviyenin altına düştüğünde başka bir İHA’nın görevi devralması
yapılan İHA faaliyetinin devamlılığını sağlayacaktır [10]. Bu nedenle, bu çalışma iki adet mini
İHA ile gerçekleştirilmiştir.
2. Materyal ve Metod
Bu çalışmada önerilen sistemin uygulamaların yapmadan önce bir mini İHA’nın tablo 1’de yer
alan hız değerlerinde ve yönlerde hareket etmesi sonucunda ve mini İHA’nın askıda kalma
durumunda tükettiği % enerji miktarlarını tespit etmek amacıyla denemeler yapılmıştır. Mini
İHA’ların üzerinde kapasitesi 2200 mAh olan bataryalar takılıyken 10 saniye boyunca yatay
düzlemde hareket etme, yer düzlemine göre yukarı yönde hareket etme(z+), yer düzlemine
E-ISBN: 978-605-68882-5-0 524

doğru ya da aşağı yönde hareket etme(z-), askıda kalma durumlarında batarya tüketimi
ölçülmüştür. Bu hareketler ve durumlarda 1 saniye boyunca tükettikleri yüzde enerji miktarları
yaklaşık olarak belirlenmiştir. Mini İHA’ların askıda kalma durumunda saniyede yaklaşık
%0,34 enerji harcadığı gözlenmiştir. Mini-İHA’ların hızı 1 m/s, 2 m/s, 3 m/s, 4 m/s olduğunda
1 saniye boyunca oluşan yüzde enerji tüketimi Tablo 1’de verildiği gibidir.
Tablo 1. İHA’ların farklı doğrultularda 1 saniye süreyle hareket etmesi sonucu tükettiği enerji miktarı
Yatay z+ z-
Hız(m/s)
(%) (%) (%)
1 0.34 0.36 0.30

2 0.35 0.36 0.28
3 0.37 0.38 0.27
4 0.37 0.39 0.27
Bu çalışma kapsamında gerçekleştirilen sistemin benzetiminde uygulamasında 1 adet İKA ve

2 adet mini İHA kullanılmaktadır. 2 adet mini İHA onları taşımakla görevli bir İKA üzerinde
gözlem faaliyeti yürütülecek bölgeye gönderilmektedir. İKA hedef görev bölgesine geldiğinde
uygun bir görev-bekleme noktasında operatör tarafından durdurulmaktadır. İKA görev
noktasında durduktan sonra operatörün belirlediği bir yörünge üzerinde seyir ederek hedef
bölgede gözlem faaliyetini icra etmektedir. Yapılan uygulamada bir mini İHA gerçek çalışma
şartlarında ve simülasyon şartlarında belli bir yörünge üzerinde seyir ederek İKA üzerine iniş
yapmış ve hedef yörüngeyi bitirme süresi ve yörüngeyi tamamladığındaki bataryada kalan
enerji seviyeleri karşılaştırılmıştır. Şekil 1’de görülen görev bölgesinde İKA x,y,z=0,0,0
konumunda bulunmaktadır ve İHA’lar 8 ziyaret noktasından oluşan yörüngede seyretmek için
İKA üzerinden kalkış yapmaktadır. İHA’ların ziyaret noktalarına uğrama sırası genetik
algoritmalar metoduyla elde edilmiştir. [11]
E-ISBN: 978-605-68882-5-0 525

Şekil 1. İHA’ların için oluşturulan yörünge
Ziyaret noktalarının konumlarına ait koordinatlar Tablo 2’de gösterildiği gibidir. Toplam
yörünge uzunluğu 200 m’dir.
Tablo 2. Yörünge üzerindeki ziyaret noktalarının koodinatları

Koordinat zn 1(m) zn 2(m) zn 3(m) zn 4(m) zn 5(m) zn 6(m) zn 7(m) zn 8(m)
ekseni
x 25 25 0 -25 -25 -25 0 25
y 0 25 25 25 0 -25 -25 -25
z 20 20 20 20 20 20 20 20
Dört rotorlu mini İHA’lara ait matlab/simulink ortamında oluşturulan dinamik model denklem
(1)-(6)’da verildiği gibidir. [10]
𝑢1
𝑥̈ = −(𝑐𝑜𝑠𝜓𝑠𝑖𝑛𝛳𝑐𝑜𝑠𝜑 + 𝑠𝑖𝑛𝜓𝑠𝑖𝑛𝜑) (1)
𝑚
𝑢1
𝑦̈ = −(𝑐𝑜𝑠𝜓𝑠𝑖𝑛𝛳𝑠𝑖𝑛𝜑 − 𝑐𝑜𝑠𝜓𝑠𝑖𝑛𝜑) (2)
𝑚
𝑢1
𝑧̈ = 𝑔 − 𝑐𝑜𝑠𝛳𝑐𝑜𝑠𝜑 (3)
𝑚
𝐼𝑦− 𝐼𝑧 𝐿
𝜑̈ = 𝛳̇𝜓̇ ( ) + 𝑢2 (4)
𝐼𝑥 𝐼𝑥
𝐼𝑧− 𝐼𝑥 𝐿
𝛳̈ = 𝜑̇ 𝜓̇ ( ) + 𝑢3 (5)
𝐼𝑦 𝐼𝑦
E-ISBN: 978-605-68882-5-0 526

𝐼𝑥− 𝐼𝑦 𝑑
𝜓̈ = 𝛳𝜑̇̇ ( ) + 𝑢4 (6)
𝐼𝑧 𝐼𝑧
Mini İHA’lara ait matlab/simulink ortamında oluşturulan dinamik modelde kullanılan

parametreler Tablo 3’te verilmiştir.
Tablo 3. Benzetim ortamında oluşturulan mini İHA modeline ait parametreler

Parametre Değer
g 9,81 m/s2
m 0.9 kg
L 0.225 m
Ix 0.0125 kg*m2
Iy 0.0125 kg*m2
Iz 0.0247 kg*m2
d 0.0293 m
Bu çalışmada önerilen sistemin gerçek çalışma şartlarında test edilmesi için oluşturulan
düzenekte 2 adet Arducopter kontrol kartına sahip mini İHA ve bir adet Ardurover kontrol
kartına sahip İKA kullanılmıştır. Önerilen sistemin gerçek çalışma şartlarındaki uygulaması
için oluşturulan düzenek Şekil 2’de görüldüğü gibidir.
Şekil 2. Önerilen sistemin gerçek çalışma şartlarındaki uygulaması için oluşturulan

düzenek
E-ISBN: 978-605-68882-5-0 527

3. Sonuçlar ve Yorumlar
Gerçek çalışma şartlarında ve benzetim ortamında örnek yörünge üzerinde yapılan seyir
faaliyetinde gerçekleşen yörüngeyi tamamlama süreleri ve yörüngede seyir faaliyetini yürüten
mini İHA 1’in bataryasında kalan yüzde enerji düzeyleri Tablo 4’teverilmiştir.
Table 4. Mini İHA 1 için yörüngenin tamamlanma süreleri ve İHA üzerinde kalan enerji düzeyleri
Test Ortamı-
tamamlanan
Yörüngenin tamamlanma İKA üzerine indiğinde bataryada
tur sayısı
süresi(S) kalan enerji düzeyi(%)
Gerçek
63 71,3
Çalışma
Şartları-1.tur
Benzetim 59 73,6
Ortamı -1.tur
Gerçek
61 49,2
Çalışma
Şartları-2.tur
Benzetim 59 51,7
Ortamı -2.tur
Gerçek
60 26,1
Çalışma
Şartları-3.tur
Benzetim 59 29,8
Ortamı -3.tur
Önerilen sistemin benzetim ortamındaki uygulaması kapsamında gerçekleştirilen yörünge

üzerinde seyretme görevinin icrasında İKA üzerinde dolu şarj ile bekleyen mini İHA 2, seyir
faaliyetini yürüten mini İHA 1’in batarya seviyesi belli bir seviyenin altına indiğinde görevi
devralmak için havalanmıştır. Mini İHA 2 için görevi devralma Mini İHA 1 için ise görevi
devretme seviyesi, bir mini İHA’nın İKA’nın mevcut konumundan 1 nolu ziyaret noktasına
gidebilmesi veya 1 nolu ziyaret noktasından İKA üzerine iniş yapabilmesi için gerekli minimum
yüzde enerji düzeyi ve bir mini İHA’nın yörünge üzerinde seyri için gerekli minimum yüzde
E-ISBN: 978-605-68882-5-0 528

enerji düzeylerinin toplamı dikkate alınarak hesaplanmıştır. Başka bir ifade ile; Tablo 1 dikkate
alındığında bir mini İHA’nın 20 metre z+ yönünde hareket ettikten sonra 1 nolu ziyaret
noktasına ulaşması ve yörünge üzerinde tam bir tur seyir edebilmesi için gerekli minimum
yüzde enerji düzeyi %26,4 olarak hesaplanmaktadır. Yörüngenin başlangıcı olan 1 nolu ziyaret
notasında bataryasındaki yüzde seviyesi 26,4’ün altına düşen mini İHA 1 üçüncü turun sonunda
görevi mini İHA 2’ye devrederek İKA üzerine iniş yapmıştır. Seyir görevini devralan İHA-
2’nin hedef yörünge üzerinde seyrine ait sonuçlar Tablo 5’te görüldüğü gibidir.
Table 5. Mini İHA 2 için yörüngenin tamamlanma süreleri ve İHA üzerinde kalan % enerji düzeyleri
Test Ortamı-
tamamlanan
Yörüngenin tamamlanma süresi İKA üzerine indiğinde bataryada
tur sayısı
kalan yüzde enerji düzeyi
Gerçek
63 71,0
Çalışma
Şartları-1.tur
Benzetim 59 73,6
Ortamı -1.tur
Gerçek
61 48,7
Çalışma
Şartları-2.tur
Benzetim 59 51,7
Ortamı -2.tur
Gerçek
60 25,5
Çalışma
Şartları-3.tur
Benzetim 59 29,8
Ortamı -3.tur
Bu çalışma kapsamında geliştirilen İHA görevlendirme algoritması mini İHA’ların ve İKA’nın

anlık konumuna ve İHA’ların bataryalarının % doluluk seviyesini dikkate alarak bir mini
İHA’yı gözlem yörünge üzerinde seyir ile görevlendirmekte ve seyir halindeki mini İHA’yı
İKA üzerinde yer alan platforma iniş yapması için yönlendirmektedir. İHA görevlendirme
algoritması İHA’lara verilecek talimatları belirlemek için mini İHA’ların batarya doluluk
düzeylerini anlık olarak kontrol etmektedir. Bu çalışmada önerilen yaklaşım, insan
operatöründen uzak mesafelerde seçilen bir hedef bölgeye İHA’ların İKA üzerinde taşınmasını
E-ISBN: 978-605-68882-5-0 529

ve gözlem misyonunun İKA belirlenen bölgeye ulaştığında başlaması temeline dayanmaktadır.

Bu bakımdan, yapılan çalışma hedef bir bölge üzerinde İKA ve İKA’ların koordinasyonunu
temel alan gözlem faaliyetin uzaktan icra edilmesini sağlayan yeni bir yaklaşım önerilmektedir.
Yapılan deneysel çalışmalardan, önceden tespit edilmiş batarya tüketim değerleri ile mini
İHA’ların tüm hava koşullarında yürütülecek faaliyetlerdeki batarya tüketiminin modellenmesi
ve batarya tüketiminin gelecekteki değerlerinin tahmin edilmesinin mümkün olmadığı
anlaşılmıştır. Ayrıca, İHA’nın her turda farklı bir enerji tüketimi sergilediği görülmektedir. Bu
durumda, bir yörünge üzerinde seyreden İHA’nın batarya tüketimini tahmin etmek için değişen
hava şartlarında anlık olarak güncellenen bir yakıt tüketim katsayıları ya da modeli elde
edilmelidir.
Kaynaklar
[1] Brooks R A 1997 From Earwigs to Humans (Robotics and Autonomous Systems) vol 20 p 291
[2] Çaşka S and Gayretli A 2014 CIE44&IMSS’14 Proceedings(İstanbul) p 453
[3] Tanner H G and Christodoulakis D K 2006 45th IEEE Conference on Decision and Control (San
Diego) p 5918
[4] Khaleghi A M, Xu D, Wang Z, Li M, Lobos A, Liu J and Son Y-J 2013 A DDDAMS-based
planning and control framework for surveillance and crowd control via UAVs and UGVs (Expert
Systems with Applications) vol 40 p 7168
[5] Saska M, Krajnik T and Preucil, L 2012 9th international multi conference on systems signals and
device(Chemnitz) p 141
[6] Chaimowicz L, Cowley A, Gomez-Ibanez D, Grocholsky B, Hsieh M A, Hsu H, Keller J F, Kumar

V, Swaminathan R and Taylor C J 2005 Deploying Air-Ground Multi-Robot Teams In Urban
Environment (Multi-Robot Systems: From Swarms to Intelligent Automata) vol 3 p 223
[7] Giakoumidis N, Bak J U and Gomez J V 2012 10th International Conference on Frontiers of
Information Technology(İslamabad) p 204
[8] Suzuki K, Filho P and Morrison J 2012 Automatic Battery Replacement System for UAVs: Analysis
and Design (Journal of Intelligent and Robotic Systems) vol 65 p 563
E-ISBN: 978-605-68882-5-0 530

[9] Fujii K., Higuchi K. and Rekimoto J 2013 IEEE 10th International Conference on Ubiquitous
Intelligence & Computing and 2013 IEEE 10th International Conference on Autonomic & Trusted
Computing(Vietri sul Mere) p 216
[10] Bolandi H, Rezaei M, Mohsenipour R, Nemati, H. and Smailzadeh S M 2013 Attitude Control of
a Quadrotor with Optimized PID Controller (Intelligent Control and Automation) vol 4 p 335
[11] Goldberg D E 1989 Genetic algorithms and Walsh functions: Part I, A gentle introduction
(Complex Systems) vol 3 p 129
E-ISBN: 978-605-68882-5-0 531

Türkiye’de Doğal Kuru İncir Fiyatlarının Veri Madenciliği

Teknikleri ile Tahminlenmesi
M Gerşil1, T Özdil1, Ş Can1
mustafa.gersil@cbu.edu.tr, tozdil12@hotmail.com, sengulcan54@gmail.com
1
Manisa Celal Bayar University, TURKEY
Özet
Ülkemizde geleneksel olarak ihraç edilen ürünlerin başında kuru incir bulunmaktadır. Dünyada
kuru incir ticaretinin %50’si Türkiye tarafından yapılmaktadır. Kuru incir üretiminin en yoğun
olduğu ilimiz ise Aydın’dır. Bu çalışma kapsamında Aydın Ticaret Borsası’ ndan son üç yıldaki
en az, en çok, ortalama değer, işlem miktarı ve işlem tutarı bilgileri alınmıştır. Alınan veriler
veri madenciliği modellerine uygun olarak düzenlenmiş ve analize uygun hale getirilmiştir.
Tahmin edici veri madenciliği algoritmaları kullanılarak tahmin edilen bu değerler gerçekleşen
değerler ile karşılaştırılmış ve algoritmaların başarı performanslarının değerlendirilmesi
yapılmıştır. Performans değerlendirmesi için literatürde sıklıkla kullanılan hata oranları olan;
Mean Error (ME) – Ortalama Hata, Mean Absolute Error (MAE) – Ortalama Mutlak Hata,
Mean Square Error (MSE) – Ortalama Karesel Hata, Root Mean Square Error (RMSE) – Kök
Ortalama Karesel Hatası, Mean Absolute Percentage Error (MAPE) – Ortalama Mutlak Hata
Yüzdesi değerleri kullanılmıştır. Yapılan karşılaştırma sonrasında eldeki veri seti için zaman
serisi analizinin gerçeğe daha yakın sonuçlar verdiği görülmüştür.
Anahtar Kelimeler: Tahmin Edici Veri Madenciliği, Veri Madenciliği Algoritma

Performanslarının Karşılaştırılması
Estimation of Naturel Dry Fig Prices with Data Mining

Techniques in TURKEY
Abstract
Dried figs are at the head of traditionally exported products in our country. 50% of figs trade
worldwide is being carried out by TURKEY. Aydın is the city where dry fig production is most
performed. In this study, minimum, maximum, average value, transaction amount and
transaction amount information of the last three years were taken from Aydın Commodity
E-ISBN: 978-605-68882-5-0 532

Exchange. The data is organized in accordance with the data mining models and is adapted to
the analysis. Initially, data mining algorithms were used for estimation and these obtained
predicted values were compared with actual values. Finally, performance evaluation of
algorithms was conducted. For the evaluation of performance, Mean Error (ME), Mean
Absolute Error (MAE), Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean
Absolute Percentage Error (MAPE), which are frequently used error rates in the literature were
used. As a result, it was found that the time series analysis for the data set used gives more
accurate results.
Keywords: Predictive Data Mining, Data Mining Algorithm Performance Compromise
1.Giriş
Anavatanı Anadolu olan incir, önceleri buradan Suriye ve Filistin’e daha sonra ise Çin ve
Hindistan’a kadar yayılmıştır. İncir meyvesi, ılıman iklim kuşağında, doğada yaygın olarak
bulunmaktadır (Aydın Ticaret Borsası, 2017: 3). İncir, oldukça önemli bir gıda tüketim maddesi
olmakla birlikte hem taze hem de kurutulmuş olarak doğrudan tüketilebilen bir üründür. Kuru
incir üretimiyle Türkiye Dünya Ticaretinde lider konumdadır ve son yıllarda kuru incirin hem
üretimi hem de ihracatı da artma eğilimindedir. Dünyadaki toplam yaş incir üretiminin %26,7’si
kuru incir üretiminin ise %36,4’ü Türkiye’de gerçekleştirilmektedir. Ayrıca Dünyada incir
yetiştirilen tarım alanlarının %13,8’i de ülkemizde bulunmaktadır. Türkiye’de üretimi
gerçekleştirilen taze incirin %80’i ve ihracatı yapılan kuru incirin ise tamamı Aydın Menderes
Havzasında üretilmektedir (Kırıcı, 2018: 123).
Ege bölgesinde üretilen incirlerin %75-80’i kurutulmuş olarak ihraç edilmektedir. Bu yönüyle
kuru incir, ülkemize yıllık olarak 75-80 milyon dolar tutarında ihracat geliri getirmektedir.
Ülkemiz için bu derece önemli bir ürünün üretim faaliyetleriyle ilgili yapılacak ekonomik
analizlerin de bölge tarımına katkısı olacağı düşünülmektedir (Çobanoğlu vd. 2005: 35).
Bu çalışma kapsamında, Ülkemize büyük ihracat getirisi sağlayan kuru incir fiyatlarının geçmiş
üç yıllık satış fiyatları üzerinden fiyat tahmini yapılarak, içerisinde olduğumuz yıl gerçekleşmiş
fiyatlar ile yapılan tahminlerin karşılaştırılması yapılmaktadır. Ayrıca kullanılan veri
madenciliği tekniklerinin performans analizi de yapılarak eldeki veri seti için en başarılı tahmini
yapan teknik incelenmektedir. Bu kapsamda öncelikle ülkemizde ve dünyadaki kuru incir
üretimi ile ilgili bilgiler verilmekte ardından veri madenciliği kısaca açıklanarak tahmin edici
veri madenciliği anlatılmakta ve tahmin edici veri madenciliği tekniklerinin performanslarını
karşılaştırmada kullanılan kriterlere değinilmektedir. Sonraki adımda weka programının tahmin
E-ISBN: 978-605-68882-5-0 533

aracı kullanılarak zaman serisi ve yapay sinir ağı teknikleri ile tahmin işlemi gerçekleştirilerek
tahmin değerleri ile gerçekleşen değerler karşılaştırılmaktadır. Son adımda ise tahmin
performansları incelenmiştir.
2. Dünya’da ve Türkiye’de Kuru İncir Üretimi
Kuru incir üretimi dünya genelinde sınırlı miktarda ve az sayıda ülkede gerçekleştirilmektedir.
Yıllar bazında dünyadaki üretim miktarı değişmekle birlikte ülkemizdeki üretim miktarının ilk
sırada olduğu görülmektedir. Ülkemizde 2016 yılında 305 bin ton üretim yapılmıştır ve bu
miktar dünyadaki üretimin %29’luk bölümüne karşılık gelmektedir (Aydın Ticaret Borsası,
2017).
Tablo 1. Dünya ve Seçilmiş Ülkelerde İncir Üretim Miktarları (ton)

Ülkeler 2016 2015 2014 2013 2012
Türkiye 305.450 300.600 300.282 298.914 274.535
Mısır 167.622 172.474 176.105 176.595 171.062
Cezayir 131.798 139.137 128.620 117.100 110.058
İran 70.178 73.212 72.672 71.300 67.440
Fas 59.881 150.111 126.554 112.537 102.694
Suriye 43.098 41.652 35.301 46.443 41.224
ABD 31.600 27.397 30.300 29.937 31.751
Brezilya 26.910 29.071 28.053 28.253 28.010
İspanya 25.224 26.479 28.896 30.434 23.285
Tunus 22.500 30.000 27.000 23.500 25.000
Dünya 1.050.459 1.159.215 1.145.611 1.130.940 1.056.036
Kaynak: (Aydın Ticaret Borsası, 2017)
Akdeniz kıyılarında yaygın olarak üretilen incir için ekolojik olarak en uygun yetiştirme
koşulları Ege Bölgesindeki Büyük ve Küçük Menderes havzalarıdır. Özellikle İzmir ve Aydın
en önemli üretim merkezleri içerisinde yer almaktadır. Ege bölgesi dışında yapılan üretimler
taze olarak tüketilmekte ancak bölge içerisindeki üretimin oldukça büyük bir kısmı kurutularak
satılmaktadır. Ülkemiz, üretim açısından dünyada lider olması dolayısıyla kuru incir üretimi ve
ihracatında da lider bir konumda yer almaktadır (Aydın Ticaret Borsası, 2017).
E-ISBN: 978-605-68882-5-0 534

Tablo 2. Yıllara Göre Türkiye İncir Üretimi

Meyve Meyve
Toplu Ağaç
Toplam
Meyveliklerin Üretim Başına Veren Vermeyen
Yıl Yaşta Yaşta Ağaç
Alanı (ton) Ortalama
Ağaç Ağaç Sayısı
Verim (kg)
(dekar) Sayısı Sayısı
2017 503.304 305.689 31 9.730.212 1.018.549 10.748.761
2016 499.868 305.450 31 9.712.882 982.614 10.695.496
2015 497.181 300.600 31 9.747.412 937.511 10.684.923
2014 494.642 300.282 31 9.746.562 926.992 10.673.554
2013 494.011 298.914 31 9.647.390 859.250 10.506.640
2012 491.752 275.002 29 9.455.874 933.169 10.389.043
2011 485.295 260.508 28 9.391.060 984.323 10.375.383
2010 478.572 254.838 27 9.301.028 804.573 10.105.601
Kaynak: (Aydın Ticaret Borsası, 2017)
3. Veri Madenciliği
Veri madenciliği; büyük miktarda veri saklayan veri tabanlarından gizli ve kullanışlı bilgilerin
çıkarımı, veri ambarı içerisinde yer alan en önemli bilgilere odaklanarak işletmelere fayda
sağlama potansiyeli bulunan etkili, yeni bir teknolojidir. Çoğu zaman eldeki veriler büyük
miktarda birikir ancak bu veriler son kullanıcı için anlamsızdır. Veri madenciliği teknikleri ise
hızlı bir biçimde çalıştırılabilir. Eldeki veri kaynaklarının faydaları, veri kaynakları ve çevrimiçi
olması durumunda yeni ürün ve platformlarla entegre hale getirilebilir (Chavan vd, 2018: 1081).
Veri madenciliği uygulamalarındaki tipik bir projeye, veri toplama adımı ile başlanmaktadır.
Veriler toplandıktan sonra veri temizleme ve yeniden yapılandırma işlemleriyle veriler,
araştırma için uygun hale getirilmektedirler. Çeşitli veri madenciliği teknikleri uygulanarak
eldeki veri seti üzerinde kullanılabilecek uygun model belirlendikten sonra geçerlilik testleri
yapılarak model seçimi gerçekleştirilir. Bu model belirlendikten sonra raporlama adımına
geçilerek elde edilen sonuçlar yorumlanmaktadır (Düzgün, 2017: 7).
3.1. Tahmin Edici Veri Madenciliği
E-ISBN: 978-605-68882-5-0 535

Tahmin edici veri madenciliğinde bir model oluşturmak amacıyla veriler analiz edilir ve veri
setinin gelecekteki davranışı tahminlenmeye çalışılır. Tahmin işlemi; önemli veri sınıflarının
tanımlandığı modellerin tespit edilmesi ve gelecekteki trendlerin tahmin edilmesi için
kullanılan bir veri analizi biçimidir. Bu türdeki bir analiz elde bulunan veriyi daha iyi anlamıza
yardımcı olabilir. Buradaki tahmin işlemi bir fonksiyon olarak (Han ve Kamber, 2006);
Y= f(x)
şeklinde gösterilebilir. Burada x bir girdi y ise çıktı değeridir. Yani amaç x ve y arasındaki
ilişkinin modellendiği bir fonksiyonu öğrenmektir. Tahmin işleviyle ilgili iki adım
bulunmaktadır. Bu adımların ilki; veri dönüşümü, veri temizleme işlemlerini barındıran verinin
hazırlanmasıdır. İkinci adım ise; farklı tahmin modellerinin birbirleriyle karşılaştırılmasıdır.
Tahmin modelleri (Han ve Kamber, 2006);
• Tahmin Doğruluğu: Tahmin edicinin doğruluğu ilk defa karşılaşılan veri seti üzerinden
tahmin işleminin ne kadar doğru olduğuyla ifade edilir.
• Hız: Hesaplama aşamasında geçen süre ile ifade edilir.
• Güvenilirlik: Tahmin etme aracının gürültülü veya eksik veri içeren bir veri içerisindeki
doğru tahmin etme becerisidir.
• Ölçeklenebilirlik: Büyük veri seti içerisinde tahmin aracının verimiliğini ifade

etmektedir.
• Yorumlanabilirlik: Tahmin aracının veriyi anlama ve öngörü düzeyini ifade etmektedir.
süreçlerini kapsar.
Tahmin edici veri madenciliği tekniklerinin performansı tahmin doğruluğu, hız, güvenilirlik,
ölçeklenebilirlik ve yorumlanabilirlik kriterleri doğrultusunda hesaplansa da tahmin
modellerinin performanslarını karşılaştırmak için ayrıca; Ortalama Hata (ME), Ortalama
Mutlak Hata (MAE), Ortalama Karesel Hatası (MSE), Kök Ortalama Karesel Hatası (RMSE),
Ortalama Yüzde Hatası (MPE) ve Ortalama Mutlak Yüzde Hatası (MAPE) ölçümleri de
kullanılmaktadır (Saigal ve Mehrotra, 2012: 58).
Tahmin edici veri madenciliği yöntemleri, geçmiş verileri ve yararlı bilgilerin hangileri
olduğunu anlamıza imkan tanıyacak şekilde tasarlanmış yöntemlerdir. Bu nedenle tahmin edici
veri madenciliği araçları, gizli bilgileri bularak geçmiş verilerden öğrenilen bilgileri kullanmak
E-ISBN: 978-605-68882-5-0 536

için faydalı bilgiyi çıkarır. Bu şekilde gelecekte ne olacağı hakkında bir tahmin modeli geliştirir.
Farklı tahmin edici modeller ile veriler analiz edilir ve en iyi model belirlenir (Saigal ve
Mehrotra, 2012: 58).
4. Weka Tahmin Aracıyla Veri Tahmini
Weka açık kaynaklı programı Waikato Üniversitesi tarafından geliştirilmiştir. Weka programı
üzerinde makine öğrenimi ve istatistik ile ilgili pek çok bilgi hazır olarak gelmektedir.
Programın 3.7 versiyonu ve takipeden yeni versiyonlarında; desteklenen tahmin modellerinin
geliştirilmesi, değerlendirilmesi ve görsel olarak sunulmasına imkan tanıyan özel bir zaman
serisi analiz ortamı da sunulmaktadır. Weka zaman serisi analiz platformu, verileri standart bir
veri madenciliği algoritmasının işleyebileceği bir formata dönüştürerek zaman serisini
modelleyebilmek için makine öğrenimi/veri madenciliği metodolojisini benimsemektedir.
Trend ve mevsimsellik gibi nitelikler algoritma tarafından otomatik olarak hesaplanır. Veri
dönüşümü tamamlandıktan sonra weka programına ait algoritma eğitim aşamasını tamamlar.
Zaman serisi analizi ve tahmininde bu teknik; Arma/Arıma gibi klasik istatistiksel tekniklerden
çoğu zaman daha güçlü ve daha esnektir (Hall, 2014: 1).
4.1. Weka Tahminleme Aracı İle Zaman Serisi ve Yapay Sinir Ağı Analizi
Aydın ticaret borsasından alınan veriler analize uygun hale getirildikten sonra Weka tahmin
aracı kullanılarak tahminlenmiştir. Verilerin tahmini için literatürde sıkça kullanımı bulunan
teknikler olan zaman serisi ve yapay sinir ağı algoritmaları tercih edilmiştir.
E-ISBN: 978-605-68882-5-0 537

Tablo 3. Tahmin Değerleri ve Gerçekleşen Değerler

Tahmin Zaman Serisi Tahmin YSA Tahmin Sonucu Gerçekleşen Değer
Sırası Sonucu
1 7.1133 6.4081 5
2 8.299 6.7265 7.6
3 6.9457 6.8571 7
4 7.8886 6.7269 7.14
5 7.1989 7.0578 6.63
6 7.6936 7.0088 6.52
7 6.7962 7.2389 6
8 8.0634 7.2968 5.45
9 7.1184 7.41 4.33
10 6.5636 7.5505 4
11 7.7031 7.6367 6.56
12 8.5786 7.7933 5.25
13 7.6645 7.8943 6.13
14 8.938 8.0353 5.75
15 7.4771 8.1639 7.3
16 8.4883 8.2961 6.65
17 7.7428 8.443 6
18 8.2712 8.579 6.59
19 7.3033 8.7329 5
20 8.6613 8.8815 7.19
Grafik 1. Tahmin Edilen ve Gerçekleşen Değerlerin Grafiksel Olarak Karşılaştırılması
E-ISBN: 978-605-68882-5-0 538

4.2. Tahmin Performanslarının Karşılaştırılması
Model uygulaması ve tahmin işlemleri gerçekleştirildikten sonra model doğruluğunu ölçmek

için tahmin doğruluğu ölçümleri kullanılabilmektedir (Saigal ve Mehrotra, 2012: 65). At gerçek
değeri, Ft tahmin değerini, n değeri ise yapılan tahmin sayısını göstermektedir. Buna göre
performans ölçüm değerleri;
Tablo 4. Performans Ölçüm Değerleri Formülizasyonu

n Ortalama Hata
ME = (1 / n) (At − Ft )
t =1
n Ortalama Mutlak Hata

MAE = (1 / n) (At − Ft )
t =1
n 2 Ortalama Karesel Hata

MSE = (1 / n) (At − Ft )
t =1
RMSE = SQRT (MSE) Kök Ortalama Kare Hatası
n At − Ft ) Ortalama Mutlak Hata Yüzdesi

MAPE = (100% / n)  (
t =1 At
Tahmin sonuçları elde edilen hata oranları her iki algoritma için de 5 numaralı tabloda
gösterilmiştir.
E-ISBN: 978-605-68882-5-0 539

Tablo 5. Algoritmaların Performans Karşılaştırması

Algoritma MAE MAPE RMSE MSE
Zaman Serisi 0,7213 15,6574 0,9178 0,8436
Yapay Sinir Ağı 2,288 38,4121 2,7592 7,5589
Yapılan tahmin işlemleri sonucunda genellikle performansların karşılaştırılması RMSE’ye

bazen de MAE veya MAPE değerleriyle gerçekleştirilmektedir. Ayrıca eğer kullanılan
modellerin hata oranları benzerse daha basit veya anlaşılması daha kolay olan model tercih
edilir (Saigal ve Mehrotra, 2012: 66). Burada tüm karşılaştırma kriterlerine gore, zaman serisi
algoritmasının hata değerleri yapay sinir ağı algoritmasına göre daha küçük çıkmıştır. Buradan
zaman serisi algoritmasının yapay sinir ağı algoritmasına göre daha doğru tahminleme aracı
olduğu görülmektedir. Elde edilen sonuçların grafik gösterimleri de aynı sonucu
desteklemektedir (Bkz. Tablo 5, Grafik 1).
5. Sonuç
Dünyada kuru incir üretiminin büyük bir kısmı ülkemizde gerçekleşmektedir. Özellikle Ege
Bölgesindeki İzmir ve Aydın illerimiz kuru incir üretimi için oldukça önemli merkezlerdir. Ege
bölgesinde üretilen incirlerin %75-80’i kurutulmuş olarak ihraç edilmekte ve bu yönüyle
ülkemize yıllık olarak 75-80 milyon dolar tutarında ihracat geliri getirmektedir. Ülkemiz için
bu derece önemli bir ürünün üretim faaliyetleriyle ilgili yapılacak ekonomik analizlerin de
bölge tarımına katkısı olacağı düşünülmektedir.
Burada, Ülkemize büyük ihracat getirisi sağlayan kuru incir fiyatlarının geçmiş üç yıllık satış
fiyatları üzerinden fiyat tahmini yapılmış ve içerisinde olduğumuz yıl gerçekleşmiş fiyatlar ile
yapılan tahminlerin karşılaştırılması yapılmıştır. Tahmin işlemi için açık kaynak kodlu veri
madenciliği uygulaması olan weka programı tahminleme aracı kullanılmıştır. Tahmin sonuçları
hata ortalamarına göre karşılaştırılarak uygun tahminleme tekniği belirlenmiştir. Elde edilen
karşılaştırma sonuçlarına göre, elimizdeki kuru incir veri seti için Saigal ve Mehrotra’nın
(2012) çalışmasında da olduğu gibi tüm karşılaştırma kriterlerine göre zaman serisi
algoritmasıyla, yapay sinir ağı algoritmasına göre daha doğru tahmin değerlerinin elde edildiği
görülmüştür.
Kaynaklar
E-ISBN: 978-605-68882-5-0 540

[1] Aydın Ticaret Borsası (2017). İncir Raporu, https://aydinticaretborsasi.org.tr/yonetim/pdf/

14520181597u.pdf (Erişim:15.09.2018)
[2] Chavan, S., Jadhav, A., Suryagandh, P. ve Sharma, N. (2018). Data Mining Techniques to Improve
Customer Relationships Management, International Research Journal of Engineering and Technology
(IRJET), 5(2), 1080-1084.
[3] Çobanoğlu, F., Armağan, G., Kocataş, H., Şahin, B., Ertan, B. ve Özen, M. (2005). Aydin İlinde
İncir Üretiminin Önemi Ve Kuru İncir Üretim Faaliyetinin Ekonomik Analizi, ADÜ Ziraat Fakültesi
Dergisi 2005; 2(2) : 35 – 42.
[4] Düzgün, O. (2017). Veri Madenciliği Yöntemleri Ve İşkur İçin Uygulamaya Yönelik Model Önerisi.
Çalışma Ve Sosyal Güvenlik Bakanlığı Türkiye İş Kurumu Genel Müdürlüğü (Uzmanlık Tezi), Ankara.
[5] Hall, M. (2014). Time Series Analysis and Forecasting with Weka (Erişim: 15.09.2018)
[6] Han, J. and Kamber, M. (2006) Data Mining: Concepts and Techniques 2nd ed., Elsevier Inc.:
Morgan Kaufmann Publishers.
[7] Kırıcı, N. (2018). İncir İhracatını Etkileyen Faktörler: Aydın Örneği, İktisadi İdari ve Siyasal
Araştırmalar Dergisi, 3(6), 123-138.
[8] Saigal, S. ve Mehrotra, D. (2012). Performance Comparison Of Time Series Data Using Predictive
Data Mining Techniques. Advances in Information Mining, 4(1), 57-66.
E-ISBN: 978-605-68882-5-0 541

The Effects of Web Development Tools’ Features on User

Satisfaction and Switching Intention: A Study in Techno Parks
Ö Efiloğlu Kurt
oekurt@yalova.edu.tr
Abstract
In parallel with the rapid technological developments, firms operating in the IT sector have also
grown rapidly in recent times. Besides, having an online identity has been essential for both
individuals and institutions. Hence, IT firms have started to serve a broad range of web-based
services to their customers. Emerged as an outcome of university-industry collaboration and
known as technology development zones; techno parks are key locations where information
and technology developments/transfers are carried out. Considering their important roles, IT
firms operating in techno parks are focused as the sample of the present study. The present
study conducted survey with the managers of 100 IT firms, which are operating in techno parks
within the Marmara region of TURKEY. The study examines web development tools and
demographic characteristics of web developer firms as well as their attitudes towards web
development tools. Additionally, the impact of the features of web development tools that the
firms use on their satisfaction and switching intention has been examined.
Keywords: Web Development Tools, Techno Parks, Satisfaction, Switching Intention
1. Introduction
Firms are nowadays prompted to use more IT as response to increasing competition in business
environment and pressures for cost reduction. Previous research revealed that the use of
information technologies by firms in their infrastructure provided operational benefits such as
reduced cost and time of doing business [1,2]. In this vein, the software used by the firms are
also getting importance. Web project softwares capture an important market share. Particularly,
web development tools, which are widely used by IT firms, are import tools for accelerating
the process of developing web programs and also making the process of code organization
easier. They also possess an infrastructure and ready solutions for security problems. They are
E-ISBN: 978-605-68882-5-0 542

also open source and ready to use. Moreover, as a result of wide use of these tools, there are
also blogs or other website platforms providing solutions for common problems the users
experienced. Therefore, firms developing web applications prefer these platforms rather than
single web programming language [3].
Technoparks, where technology and R&D-oriented firms are clustered, are becoming important
locations for IT companies. Technoparks, also known as technology development regions, are
created as an outcome university-industry collaboration and their numbers have dramatically
increased in TURKEY. In this particular study, the data was collected through conducting
interviews with the managers of IT firms operating in technoparks. The study also investigated
the demographic characteristics of web developing companies and the characteristics of tools
they use. This is followed with an analysis about the impact of the particular features of web
development tools (i.e. compatibility, usability) on satisfaction and switching intention.
2. Background and hypothesis development
Switching from one product/tool to another during web development processes is an important
decision for the managers of IT firms. Previous studies investigated various factors affecting
users’ switching behaviour and in turn also firms’ sustainability and growth [2, 4, 5]. Users
mostly face a challenge when they need to take a switching decision. For instance, a new web
development tool might be user friendly or might require additional investment that increase
cost.
Usability and switching cost play important role in IS applications [6]. Another system
component, compatibility refers to the feature of a web development tool in working smoothly
with other software in different platforms. Users tend to have less switching intention, if the
tools they use are compatible with other tools/platforms of the firm [2, 7]. Accordingly, the
hypotheses related to compatibility are put forward as follows;
H1. The higher the compatibility of the tool, the lower will be user’s intention to switch
to another tool.
H2. The higher the compatibility of the tool, the higher satisfaction achieved by the user.
H3. The higher the compatibility of the tool, the lower the transaction cost will occur.
Users show less switching intention when they are satisfied with the system or the tool. A
previous study focusing on email providers showed this relationship between satisfaction and
E-ISBN: 978-605-68882-5-0 543

switching intention [8]. Accordingly, the hypothesis about the relationship between user
satisfaction and switching intention is put forward as follows;
H4. The higher the intention to switch, the lower the satisfaction achieved by the user.
Switching cost refers to cost of shifting from one product/service to another [9]. Previous
studies conceptualized this as transaction cost and argued that switching from one tool to
another required time and effort, and hence increase the cost. Accordingly, the hypothesis is
put forward as follows;
H5. The lower the transaction cost, the higher the satisfaction achieved by the user.
Usability is a multidimensional construct that includes ease of use, effectiveness and

satisfaction [10]. For instance, a design, which use a previously experienced interface, is likely
to reduce the user’s investment in learning and hence reduce the switching intention [11].
Previous studies empahsized that system usage, system quality, and system usability reduce
swiching intention particularly in firms using information systems [12, 13]. In line with these
studies, the hypotheses related to the usability are put forward as follows.
H6. The higher the usability of the tool, the lower will be user’s intention to switch to
another tool.
H7. The higher the usability of the tool, the higher the satisfaction achieved by the user.
H8. The higher the usability of the tool, the lower the transaction cost will occur.
E-ISBN: 978-605-68882-5-0 544

Figure 1 presents the conceptual model and the hypothesized relationships.
Figure 1. Conceptual model and hypothesized relationships
3. Research Methodology and Analysis
a. Data collection
The data is collected from the face-to-face questionnaires with the managers of 100 firms that
are located either in university techno parks (Yildiz Technical University, Istanbul Technical
University, Bosporus University, Kocaeli University, Uludag University and Sakarya
University) or Techno Park Istanbul and Gebze Organized Industrial Zone Techno parks in
Marmara region, TURKEY.
b. Data analysis and results
The data is analyzed by applying PLS-SEM, using Smart PLS 3 software. Moreover, the
descriptive information about demographic characteristics of the firms and the features web
development tools they use are presented.
E-ISBN: 978-605-68882-5-0 545

c. Demographics
Table 1 presents the demographic characteristics of the respondents and firms. Firms
demonstrate web development experience between 4 to 7 years. Web development teams
mostly consists of 7-9 employees. The other descriptive information can be seen from the table
below.
Table 1. Descriptive information about sample demographics
Sample demographics Frequency %
Web developing experience (firm’s)
3 years or less 25
4-9 years 45
10 or more 30
Size of the web developer team
3 or less employees 39
4-10 employees 42
11 or more 19
Education level (manager’s)
High school 1
College (2 years) 1
Faculty 90
Master degree 8
Automatic code generating tool usage
Yes 32
No 68
Usage time of the last web dev. tool
5 years or less 53
More than 5 years 46
Missing 1
E-ISBN: 978-605-68882-5-0 546

Table 2 presents the tools that the managers prefer for their web development projects. Sample firms
of the study mostly prefer using ‘framework’ tool.
100
50
0
Framework Scaffold CMS Special Not using
Developed tool
Tool
Yes 86 7 30 55 26
No 14 93 70 45 74
Yes No
Figure 2. Preferred tools in web development projects
When the respondents are asked about the names of web development tools that they use, they
mostly indicate that they prefer ‘.NET framework’. The names of the web development tools
indicated by the respondents are presented in Figure 3 below.
30
25
20
15
10
5
0
Figure 3. Name of the preferred web development tools
The answers related to the managers’ attitudes when they buy a new web development tool are
presented in Figure 4 below. Most of the respondents highlighted that they used the trial version
of the tool before buying it.
E-ISBN: 978-605-68882-5-0 547

100
80
60
40
20
0
I buy a new I buy a new I buy a new I don't buy, I
tool tool after I use tool if it's price prefer the free
it's trial. is reasonable. one.
Yes 13 88 41 43
No 87 12 59 57
Yes No
Figure 4. Attitude to a new web development tool
d. Measurement model results
The author examined measurement model by ensuring reliability and validity. Internal
reliability was evaluated by using composite reliability (CR). All CR values are above 0.7
confirming internal reliability. All items have factor loadings above 0.5, confirming reliability
of the measurement model (see table 2). The validity of the measurement model was assessed
based on convergent and discriminant validities. All constructs showed AVE values greater
than the 0.5 thresholds, ranging from 0.527 to 0.863, confirming convergent validity (see table
3).
E-ISBN: 978-605-68882-5-0 548

Table 2. Construct measurement

Outer
Construct Measures Loadings
Intention to switch
I am considering switching from my current web development tool in the next two years 0.819
The chance of switching to another web development tool in the next two years is high 0.855
I am determined to switch to another web development tool in the next two years. 0.918
Transaction cost
Terminating the relationship with my current web development tool supplier would be 0.851
very expensive
Initiating a relationship with a new web development tool supplier would be very 0.940
expensive
Usability
Using this web development tool is a frustrating experience. 0.847
I have to spend too much time correcting things with this web development tool. 0.803
Satisfaction
I don't think there are any shortcomings in the web development tools we use. 0.561
I think web development tools we use are the most suitable tools for our projects. 0.716
I think that the web development tools we use fully meet all of our needs in the projects. 0.868
Compatibility
The web development tool I am using is compatible with every platform. 0.943
The web development tool I am using can give outputs compatible with every platform. 0.915
E-ISBN: 978-605-68882-5-0 549

Table 3. Convergent validity

Composite Reliability AVE
Compatibility 0.927 0.863
Intention to switch 0.899 0.749
Satisfaction 0.764 0.527
Transaction cost 0.891 0.804
Usability 0.810 0.681
Discriminant validity was assessed with Fornell-Lacker criteria. The Fornell-Lacker criterion
compares the square root of AVE of each latent variable with the cross-loadings. A square root
of AVE higher than the cross-loading value confirms the discriminant validity of the constructs
[14]. The results presented in Table 4 confirm the discriminant validity in the constructs.
Table 4. Discriminant validity (Fornell-Lacker)

Compatibility Intention Satisfaction Transaction Usability
to switch cost
Compatibility 0.929
Intention to switch -0.195 0.865
Satisfaction 0.299 -0.261 0.726
Transaction cost -0.116 -0.088 -0.27 0.897
Usability -0.32 0.274 -0.347 0.150 0.825
e. Structural model analysis results
To test the three hypotheses in the model statistically, the author used a bootstrapping technique,
which allowed assessing the significance of path coefficients [15]. The author used a resampling
bootstrapping (5000 resamples) of 100 observations. The results can be seen from the table 5
and figure 5. R2 value of 0.236 shows moderate level of explanatory power of the model.
E-ISBN: 978-605-68882-5-0 550

Figure 5. Structural model results

*, p< 0.10; **, p<0.05; n.s. not significant. Dashed lines are insignificant.
Table 5. Hypothesis testing.
Hypothesized relationships Standardized coefficient T Statistics P Values
H1. Compatibility -> Intention to switch -0.119 n.s. 0.964 0.335
H2. Compatibility -> Satisfaction 0.168 n.s. 1.594 0.111
H3. Compatibility -> Transaction cost -0.076 n.s. 0.63 0.529
H4. Intention to switch -> Satisfaction -0.193* 1.932 0.053
H5. Transaction cost -> Satisfaction -0.237** 2.207 0.027
H6. Usability -> Intention to switch 0.235** 1.98 0.048
H7. Usability -> Satisfaction -0.204* 1.881 0.06
H8. Usability -> Transaction cost 0.125n.s. 0.984 0.325
*, p< 0.10; **, p<0.05; n.s. not significant (bolds are significant relationships)
4. Conclusion
E-ISBN: 978-605-68882-5-0 551

The findings of the study contribute to the literature by developing a deeper understanding on
the impact of web development tools on satisfaction and switching intention. The results
confirm that transaction cost and users’ intention to switch to another system negatively affects
the users’ satisfaction. As opposed to the initial hypothesized assumption, the results show a
negative relationship between usability and users’ satisfaction. The findings provide some
practical implications, as users’s satisfaction can be developed through focusing on some
antecedent features such as transaction cost.
As any research, the present study also has certain limitations that can shed light for future
research. Firstly, the study focuses on techno parks in a specific region, so the generalizability
of the results is expected to be limited. Future research can focus on other techno parks in
different contexts and countries. Secondly, the study focuses only web development tools.
Future research can extend focus through including other IS applications such as ERP,CRM.
Finally, future research can also focus on other antecedent features of users’ satisfaction and
also user’s intention to switch to another system.
References
[1] Rust, R T and Zahorik, A J (1993) Customer satisfaction, customer retention and market share,
Journal of Retailing Vol 69 No 2 pp 145-156
[2] Asimakopoulos G and Asimakopoulos S (2014). Understanding switching intention of information

systems users Industrial Management & Data Systems 114 (4) pp 583-596
[3] Prokofyeva N and Boltunova V (2017) Analysis and Practical Application of PHP Frameworks in
Development of Web Information Systems Procedia Computer Science 104 pp 51-56
[4] Yang Z and Peterson R T (2004) Customer perceived value, satisfaction, and loyalty: the role of
switching costs Psychology & Marketing Vol 21 No 10 pp 799-822
[5] Keaveney, S.M. (1995) Customer switching behaviour in service industries: an exploratory study
Journal of Marketing Vol 59 pp. 71-82
[6] Ray S Kim S S and Morris G M (2012) Online users’ switching costs: their nature and formation,
Information Systems Research Vol 23 No 1 pp. 197-213
[7] Ranganathan C Seo D and Babad Y (2006) Switching behavior of mobile users: do users’ relational
investments and demographics matter?European Journal of Information Systems Vol 15 No 3 pp 269-
276
E-ISBN: 978-605-68882-5-0 552

[8] Kim G Shin B and Lee G H (2006) A study of factors that affect user intentions toward email service
switching Information & Management Vol 43 No 7 pp 884-893
[9] Burnham T A Frels J K and Mahajan V (2003) Consumer switching costs: a typology,antecedents
and consequences Journal of the Academy of Marketing Science Vol 31 No 2 pp 109-126
[10] Dix A Finlay J Abowed G D and Beale R (2004) Human Computer Interaction Prentice Hall Harlow
[11] Smith M D Bailey J and Brynjolfsson E (1999) Understanding digital markets: review and
assessment in Brynjolfsson E and Kahin B (Eds) Understanding the Digital Economy MIT Press
Cambridge MA pp 99-136
[12] Anderson E W and Sullivan M W (1993) The antecedents and consequences of customer
satisfaction for firms Marketing Science Vol 12 No 2 pp 125-143
[13] Chen P-YS and Hitt L M (2002) Measuring switching costs and the determinants of customer
retention in internet-enabled businesses: a study of the online brokerage industry Information Systems
Research Vol 13 No 3 pp 255-274
[14] Fornell C and Larcker D F (1981) Structural equation models with unobservable variables and
measurement error: Algebra and statistics Journal of marketing research pp 382-388
[15] Henseler J Ringle C M and Sinkovics R R (2009) The use of partial least squares path modeling in
international marketing In New challenges to international marketing pp 277-319 Emerald Group
Publishing Limited.
E-ISBN: 978-605-68882-5-0 553

Bir Fazlı Şebeke Etkileşimli Evirici Tasarımı için LCL Filtre

Analizi
A. Karafil1, H. Özbay1, S. Öncü2
akif.karafil@bilecik.edu.tr, harun.ozbay@bilecik.edu.tr, soncu@karabuk.edu.tr

1
Bilecik Seyh Edebalil University, Bilecik, TURKEY
2
Karabuk University, Karabuk, TURKEY
Özet
Şebeke etkileşimli eviricilerde, şebekeye aktarılan temel frekans akımının toplam harmonik
bozulma (THD) değeri uluslararası standartlara uygun olması gerekir. Bu standartlara uyularak
akımın şebekeye aktarılabilmesi için eviricinin çıkışında mutlaka bir filtre kullanılmalıdır.
Şebeke etkileşimli eviriciler için birçok filtre yöntemi vardır. En yaygın kullanılan filtre çeşidi
LCL filtredir. LCL filtre, diğer filtrelere göre daha küçük boyutta ve maliyeti daha düşüktür.
Fakat LCL filtrenin parametrelerinin belirlenmesi daha karmaşıktır. Bu yüzden sistemin kararlı
hal durumunda kalabilmesi için parametrelerin doğru bir şekilde hesaplanarak analizleri
gerçekleştirilmelidir. Bu çalışmada tasarlanan bir fazlı eviricinin çıkış gücü, anahtarlama
frekansı, bara gerilimi vb. değerleri belirlenerek LCL filtre parametreleri hesaplanmıştır.
Hesaplanan değerlere göre LCL filtreli bir fazlı şebeke etkileşimli eviricinin PI akım
kontrolörünün uygun oransal, integral ve kazanç değerleri belirlenmiştir. Belirlenen uygun
parametre değerlerine göre kararlı durum koşulu altında LCL filtre parametrelerinin (Li, Lg ve
Cf) ± %50 değişmesi durumunda sistem performansında meydana gelen değişiklikler Matlab
programında analiz edilmiştir. Analiz sonuçlarına göre hesaplanan Li değerinin daha büyük,
hesaplanan Lg ve Cf değerlerinin ise daha küçük seçilmesinin uygun olacağı görülmüştür.
Anahtar Kelimeler: LCL Filtre, Bir Fazlı Şebeke Etkileşimli Evirici, PI Akım Kontrolör
LCL Filter Analysis for Single-Phase Grid-Connected Inverter

Design
Abstract
In grid-connected inverters the total harmonic distortion (THD) value of the fundamental
frequency current transferred to the grid must comply with international standards. A filter must
be used at the output of the inverter so that the current can be transmitted to the grid by following
these standards. There are many filter methods for grid-connected inverters. The most
E-ISBN: 978-605-68882-5-0 554

commonly used filter type is LCL filter. LCL filter is smaller in size and lower in cost than
other filters. However, it is more complicated to determine the parameters of the LCL filter.
Therefore, the parameters must be accurately calculated and analysed so that the system can
remain at steady state condition. In this study, the values such as output power, switching
frequency, dc bus voltage, etc. of a designed single-phase inverter were determined and LCL
filter parameters were calculated. According to the calculated values, appropriate proportional,
integral and gain values of the PI current controller of LCL filtered single-phase grid-connected
inverter were determined. The changes in system performance based on the determined
appropriate parameter values when the LCL filter parameters (Li, Lg and Cf) are changed by ±
50% under the steady state condition were analysed using Matlab program. According to the
results of the analysis it is seen that it will be more appropriate to select the calculated value of
Li larger and the calculated values of Lg and Cf smaller.
Keywords: LCL Filter, Single Phase Grid Connected Inverter, PI Current Controller
1. Giriş
Şebeke etkileşimli eviricilerde, şebekeye aktarılan temel frekans akımının THD değeri IEC
61727, IEEE 1547-2003 ve IEEE 929-2000 uluslararası standartlara göre % 5’in altında olması
gerekir. Bu standartlara uyularak akımın şebekeye aktarılabilmesi için eviricinin çıkışında
mutlaka bir filtre kullanılmalıdır. Evirici çıkış filtreleri L, LC, LCL ve LLCL olmak üzere dört
grupta incelenebilir [1, 2]. Şekil 1’de filtre çeşitleri gösterilmiştir.
Evirici Çıkış Filtreleri
L Filtre LC Filtre LCL Filtre LLCL Filtre
Şekil 1. Evirici filtre çeşitleri
Filtrelerin birbirlerine göre avantajları ve dezavantajları bulunmaktadır. L filtrenin transfer

fonksiyon çözümü ve tasarımı diğer filtrelere göre kolaydır. L filtrede endüktans değeri küçük
seçilirse eviricinin anahtarlama frekansının yüksek olması gerekir. Bu da sistemin donanımsal
(anahtar elemanlar, sürücü vb.) olarak maliyetini artırır ve yapımını zorlaştırır. Bu
dezavantajların giderilebilmesi için filtre endüktans değerinin artırılması gerekir. Fakat filtrenin
büyük bir endüktansa sahip olması sistemin hantallaşmasını sağlamakla birlikte maliyetini de
düşürmez. Aynı zamanda L filtre ile uluslararası standart değerlerinin elde edilmesi oldukça
E-ISBN: 978-605-68882-5-0 555

zordur [2-5]. Sistemde filtre boyutunun düşürülerek maliyetin azaltılması LC ve LCL filtreleri
ile gerçekleştirilebilir. Aynı zamanda L filtreye göre daha düşük THD değerleri elde edilir.
LC filtre, ikinci dereceden bir filtre olup genellikle güç kaynağı ve şebekeden bağımsız
sistemlerde tercih edilmektedir. Şebekeye bağlı sistemlerde kullanılan LC filtrede bazı
problemler oluşur. Bunlardan biri LC filtrede kondansatör, bobine paralel bağlandığından
yüksek frekanslarda düşük empedans elde edilse dahi yüksek frekans harmonikleri geçer. Bu
da yüksek ani akımların oluşmasına neden olur. Diğer bir problem ise şebekenin kendi
endüktansı, LC filtreye seri bağlıdır. Dolayısıyla sisteme LC filtre bağlanmış olsa dahi aslında
LCL filtre durumu oluşur. Bu yüzden LC filtrenin şebekeye bağlı bir şekilde analizinin ve
tasarımının yapılması zordur [6-8].
En yaygın kullanılan filtre çeşidi LCL filtredir. Üçüncü dereceden bir filtre olup diğer filtre
çeşitlerine göre daha küçük boyutta ve maliyeti daha düşüktür. Fakat LCL filtrenin
parametrelerinin belirlenmesi daha karmaşıktır. Örneğin L filtre için sadece akımın dalgalanma
miktarı önemli iken LCL filtrede akımın dalgalanma oranı, rezonans frekansı, güç değerleri vb.
kısımlar parametrelere etki eder. Ayrıca sistemin kararlı halde kalabilmesi için parametrelerin
doğru bir şekilde hesaplanması gerekir [9-11].
LLCL filtre ile maliyet ve boyut en düşük düzeydedir. Aynı zamanda harmonikleri daha iyi
filtre eder. Fakat sistemin kararlı hal durumunda kalması oldukça zordur [12, 13].
Bir fazlı şebeke etkileşimli evirici tasarımı için sistemin kararlı hal durumunda kalabilmesi,
maliyet ve boyut gibi faktörler düşünüldüğünde en uygun filtre çeşidinin LCL filtre olduğu
görülmektedir.
2. LCL Filtre Parametrelerinin Hesabı
Tasarlanan LCL filtreli bir fazlı şebeke etkileşimli eviricinin bağlantı şeması Şekil 2’de
gösterilmiştir.
E-ISBN: 978-605-68882-5-0 556

Idc
S1 S3
İzolasyon
LCL Filtre Transformatörü
n3 : n4
Li Lg Ig
Cdc Cf Vg
Vdc
S2 S4
Şekil 2. LCL filtreli bir fazlı şebeke etkileşimli evirici
LCL filtre parametrelerini belirlemeden önce bir fazlı eviricinin parametrelerini belirlemek
gerekir. Tablo 1’de kullanılacak parametre değerleri verilmiştir.
Tablo 1. Evirici devresi için gerekli olan parametre değerleri
Eviricinin Parametreleri
Parametre Değer
Şebeke Gerilimi (Un) 220 V
Eviricinin Çıkış Gücü (Pn) 600 W
Bara Gerilimi (UDC) 400 V
Şebeke Frekansı (f) 50 Hz
Anahtarlama Frekansı (fsw) 10 kHz
İlk hesaplanması gereken parametre, evirici tarafındaki bobinin (Li) endüktans değeridir. Bunun
için şebekeye aktarılan maksimum akımının % 20 dalgalanma oranı ile akım değişimi;
Pn 2
I L−max = a. (1)
Un
formülü ile bulunur. Devrenin empedans ve kapasite değerleri;
U n2
Zb = (2)
Pn
1
Cb = (3)
n .Zb
E-ISBN: 978-605-68882-5-0 557

Eşitlikleri ile hesaplanır. Evirici tarafındaki bobinin endüktans değeri [14, 15];
U DC
Li = (4)
16. f sw .I L−max
formülü ile bulunur. Filtre kondansatörünün değeri belirlenirken idealde bulunan Cb değerinin
% 5’i alınır. Fakat % 5’ten daha büyük bir faktör (k) de seçilebilir [9].
C f = k  Cb (5)
Şebeke tarafındaki bobinin endüktans değeri (Lg) belirlenirken şebeke ile evirici tarafındaki
bobinler arasında bir ilişki vardır. Bu ilişki değeri “r” katsayısı ile gösterilir. Bu değer 0< r ≤1
aralığındadır. Bu katsayı değeri yüksek güç uygulamalarında 1 alınabilir. Fakat şebeke
etkileşimli eviricilerde, şebeke tarafındaki endüktans değeri de düşünülerek daha küçük bir
katsayısı belirlenebilir. Bu durumda Lg değeri;
Lg = r.Li (6)
formülü ile bulunur [14-16]. Eşitlikler yardımıyla Li 3,24 mH, Cf 7,892 µF ve Lg 0,972 mH
olarak hesaplanmıştır. LCL filtre parametreleri belirlendikten sonra rezonans frekansı
hesaplanabilir. Rezonans frekansı, anahtarlama frekansından düşüktür. Çünkü LCL filtrenin
anahtarlama frekansı içerisinde filtreleme görevini yerine getirebilmesi gerekir. Rezonans
frekansı;
Li + Lg
res = (7)
Li .Lg .C f
1 Li + Lg
f res = (8)
2 Li .Lg .C f
formülü ile hesaplanır. Aynı zamanda rezonans frekansı Eşitlik (9)’da gösterilen aralıklarda yer
almalıdır [15, 16].
10 f  f res  0,5 f sw (9)
3. Evirici Kontrol Metotları
Şebeke etkileşimli eviricilerde kontrol sistemi ile gerilim, akım ve güç gibi parametreler kontrol
edilebilir. Bu parametrelerin kontrolü için birçok kontrol yöntemi yer almaktadır. Genel olarak
E-ISBN: 978-605-68882-5-0 558

kullanılan kontrolörler altı kategoriye ayrılmıştır. Şekil 3’te kullanılan kontrol metotları
gösterilmiştir [4, 17].
Kontrol Metotları
Doğrusal Doğrusal Dayanıklı Adaptif Öngörülü Akıllı

Kontrolörler Olmayan Kontrolör Kontrolör Kontrolörler Kontrolörler
Kontrolörler
P, PI, PD ve PID Kayan Kipli Deadbeat Tekrarlamalı

Kontrolörler Kontrolör Kontrolör Kontrolör
PR Kontrolör
Histerezis Model Öngörülü Yapay Sinir Ağı
Kontrolör Kontrolör Kontrolör
Bulanık Mantık
Kontrolör
Şekil 3. Evirici kontrol metotları
Doğrusal kontrolörler, geleneksel geribildirim kontrol teorisi ile analiz edilir ve tasarlanır.
Diğer kontrolörler, iyi bir dinamik tepki gösterirler ancak sistemde bir zaman gecikmesi
oluştururlar. Bu yüzden çoğunlukla doğrusal kontrol teknikleri tercih edilir. Doğrusal akım
kontrol teknikleri arasında PI en çok kullanılanlardır. Özellikle PI kontrolör, basit ve güvenilir
olması nedeniyle endüstriyel uygulamalarda da çokça kullanılmaktadır [18-20].
Bir fazlı şebeke etkileşimli eviricinin kontrolör ve LCL filtre analizinin gerçekleştirilebilmesi
için sistemin transfer fonksiyonunun çıkartılması gerekir. Şekil 4’te sistemin blok şeması
verilmiştir.
PI Kontrolör LCL Filtre

ig* e(s) Ki ic* Vi* 1 ii ic 1 Vc 1 ig
Kp+ Kc
s Ri+Lis Cfs Rg+Lgs
ig ic Vg
Şekil 4. LCL filtreli bir fazlı şebeke etkileşimli eviricinin PI kontrol döngüsü
Blok şeması PI kontrolör ve LCL filtreden oluşmaktadır. Vi* kontrolör çıkışıdır. Kontrol döngü
analizine, Mason kazanç formülü uygulanarak açık ve kapalı döngü transfer fonksiyonları
aşağıdaki gibi elde edilir [21].
E-ISBN: 978-605-68882-5-0 559

ig A0 s + A1
Go ( s ) = = (10)
i*g − ig B0 s + B1s3 + B2 s 2 + B3s
4
ig A0 s + A1
Gc ( s ) = = (11)
i*g B0 s + B1s + B2 s 2 + ( B3 + A0 ) s + A1
4 3
Burada, A0=Kp.Kc, A1=Ki.Kc, B0=Li.Lg.Cf, B1=Ri.Lg.Cf+Rg.Li.Cf+Lg.Cf.Kc,

B2=Li+Lg+Ri.Rg.Cf+Rg.Cf.Kc, B3=Ri+Rg şeklinde bulunur.
LCL filtre parametreleri, Eşitlikler (4), (5) ve (6)’dan yararlanılarak evirici tarafındaki
endüktans değeri Li 3,24 mH, şebeke tarafındaki endüktans değeri Lg 0,972 mH ve kondansatör
değeri Cf 7,892 µF olarak bulunmuştu. Evirici ve şebeke tarafındaki bobinlerin dirençleri Ri=Rg
0,01 Ω olarak eşit alınmıştır. PI kontrolörde oransal değer (Kp), integral değeri (Ki) ve sistemin
kontrol kazancı (Kc) ile gösterilmiştir. Sistemdeki oransal, integral ve kazanç değerlerinin
sistem üzerindeki etkileri Matlab programında yapılan yazılımlar ile incelenmiş ve değerler
Kc=82,61, Kp=0,202 ve Ki=1,387 olarak bulunmuştur. Bu değerlere göre kararlı durum koşulu
altında LCL filtrenin parametreleri (Li, Lg ve Cf) ± %50 değiştirilerek sistem performansı
üzerine etkisi incelenmiştir.
4. LCL Filtre Parametrelerinin Değişimi
Li değeri %50-%150 arasında değiştirilerek sistemin analizi yapılmıştır. Şekil 5’te farklı Li
değerlerine göre sıfır ve kutuplar gösterilmiştir.
Şekil 5. Değişen Li değerine göre sıfır ve kutuplar
Şekil 5’ten de görüleceği üzere sıfır ve kutuplar s düzleminin solunda yer almaktadır. Bu da
sistemin, değişen bu değerler aralığında kararlı kaldığını göstermektedir. Kökler “X” ile sıfırlar
E-ISBN: 978-605-68882-5-0 560

ise “0” ile gösterilmektedir. Li değerlerinin değişimine bağlı olarak sistemin basamak cevabı ve
kök-yer eğrisi Şekil 6 ve Şekil 7’de verilmiştir.
Şekil 6. Değişen Li değerine göre sistemin basamak cevabı
Sistemin basamak cevabı incelendiğinde Li değerinin artması sistemin hem oturma zamanını
hem de salınımını azaltmıştır.
Şekil 7. Değişen Li değerine göre kök-yer eğrisi
Kök-yer eğrisi, sistemin köklerinin s düzlemindeki yerini gösteren grafiktir. Li değeri

değiştirilerek sistemin kutuplarının nasıl hareket ettiği Şekil 7’de görülmektedir. Şekilden de
görüleceği üzere Li değerinin azalması kutupların sanal değerlerini sağ yarı düzleme doğru
hareket ettirir. Bu durum, sistemi kararsızlığa doğru iter. Li değerlerinin değişimine bağlı olarak
sistemin bode diyagramı Şekil 8’de gösterilmiştir.
E-ISBN: 978-605-68882-5-0 561

Şekil 8. Değişen Li değerine göre bode diyagramı
Bode diyagramından da görüleceği üzere değişen Li değerlerine göre kazanç marjini 0 dB

altında ve faz marjini -180⁰ nin üzerindedir. Bu durum, kapalı döngü sisteminin kararlı
Lg değeri %50-%150 arasında değiştirilerek sistemin analizi yapılmıştır. Şekil 9’da farklı Lg
Şekil 9. Değişen Lg değerine göre sıfır ve kutuplar
Şekil 9’dan da görüleceği üzere sıfır ve kutuplar s düzleminin solunda yer almaktadır. Bu da
sistemin, değişen bu değerler aralığında kararlı kaldığını göstermektedir. Lg değerlerinin
değişimine bağlı olarak sistemin basamak cevabı ve kök-yer eğrisi Şekil 10 ve Şekil 11’de
verilmiştir.
E-ISBN: 978-605-68882-5-0 562

Şekil 10. Değişen Lg değerine göre sistemin basamak cevabı
Şekil 10’dan da görüleceği üzere Lg değeri arttıkça sistemin hem oturma zamanı hem de aşımı
artmaktadır. Yani; Lg değerinin düşük olması (%50 Lg) sistemin daha hızlı bir şekilde kararlı
duruma geçmesini sağlarken aşımı da azaltmaktadır.
Şekil 11. Değişen Lg değerine göre kök-yer eğrisi
Lg değeri değiştirilerek sistemin kutuplarının nasıl hareket ettiği Şekil 11’de görülmektedir.
Şekilden de görüleceği üzere Lg değerinin artması kutupların sanal değerlerini sağ yarı düzleme
doğru hareket ettirmektedir. Lg değerlerinin değişimine bağlı olarak sistemin bode diyagramı
Şekil 12’de gösterilmiştir.
E-ISBN: 978-605-68882-5-0 563

Şekil 12. Değişen Lg değerine göre bode diyagramı
Bode diyagramından da görüleceği üzere değişen Lg değerlerine göre kazanç marjini 0 dB

Cf değeri %50-%150 arasında değiştirilerek sistemin analizi yapılmıştır. Şekil 13’te farklı Cf
Şekil 13. Değişen Cf değerine göre sıfır ve kutuplar
Cf değerlerinin değişimine bağlı olarak sistemin basamak cevabı ve kök-yer eğrisi Şekil 14 ve
Şekil 15’te verilmiştir.
E-ISBN: 978-605-68882-5-0 564

Şekil 14. Değişen Cf değerine göre sistemin basamak cevabı
Şekil 14’ten de görüleceği üzere Cf değerinin düşük olması (%50 Cf) sistemin daha hızlı bir
şekilde kararlı duruma geçmesini sağlarken salınımı da azaltmaktadır.
Şekil 15. Değişen Cf değerine göre kök-yer eğrisi
Cf değeri değiştirilerek sistemin kutuplarının nasıl hareket ettiği Şekil 15’te görülmektedir.
Şekilden de görüleceği üzere Cf değerinin artması kutupların sanal değerlerini sağ yarı düzleme
doğru hareket ettirmektedir. Cf değerlerinin değişimine bağlı olarak sistemin bode diyagramı
Şekil 16’da gösterilmiştir.
E-ISBN: 978-605-68882-5-0 565

Şekil 16. Değişen Cf değerine göre bode diyagramı
Bode diyagramından da görüleceği üzere değişen Cf değerlerine göre kazanç marjini 0 dB

5. Sonuç
Bu çalışmada şebeke etkileşimli bir fazlı eviricinin LCL filtre parametreleri hesap edilmiştir.
Kararlı durum koşulu altında LCL filtre parametreleri (Li, Lg ve Cf) ± %50 değiştirilerek
sırasıyla sıfır ve kutuplar, basamak cevabı, kök-yer eğrisi ve bode diyagramı elde edilerek
sistem performansında meydana gelen değişiklikler Matlab programında analiz edilmiştir.
Analiz sonuçlarına göre, Li değerinin hesaplanan Li değerinden daha büyük değerde seçilmesi
(%150 Li) sistemin hem oturma zamanını hem de salınımını azaltmıştır. Hesaplanan Lg ve Cf
değerlerinin daha küçük değerde seçilmesi (%50 Lg, %50 Cf) ise sistemin hem oturma zamanını
hem de aşımını azaltmıştır. Bu durumda Li değerinin daha büyük, Lg ve Cf değerlerinin ise daha
küçük seçilebileceği görülmektedir.
Kaynaklar
[1] Jana, J., Saha, H., and Bhattacharya, K. D. “A review of inverter topologies for single-phase
grid-connected photovoltaic systems.” Renewable and Sustainable Energy Reviews 72 (2017): 1256-
1270.
[2] Büyük, M., Tan, A., Tümay, M., and Bayındır, K. Ç. “Topologies, generalized designs, passive
and active damping methods of switching ripple filters for voltage source inverter: A comprehensive
review.” Renewable and Sustainable Energy Reviews 62 (2016): 46-69.
E-ISBN: 978-605-68882-5-0 566

[3] Karabacak, M., Kılıç, F., Saraçoğlu, B., Boz, A. F., & Ferikoğlu, A. “Şebeke Bağlantılı
Eviriciler için LLCL Filtre Tasarımı; Detaylı Bir Performans Analizi.” Politeknik Dergisi 19.3 (2016):
251-260.
[4] Athari, H., Niroomand, M., and Ataei, M. “Review and Classification of Control Systems in
Grid-tied Inverters.” Renewable and Sustainable Energy Reviews 72 (2017): 1167-1176.
[5] Lahlou, T., Abdelrahem, M., Valdes, S., and Herzog, H. G. “Filter design for grid-connected
multilevel CHB inverter for battery energy storage systems.” IEEE International Symposium on Power
Electronics, Electrical Drives, Automation and Motion (SPEEDAM), 2016.
[6] Husev, O., Chub, A., Romero-Cadaval, E., Roncero-Clemente, C., and Vinnikov, D. “Voltage
distortion approach for output filter design for off-grid and grid-connected PWM inverters.” Journal of
Power Electronics 15.1 (2015): 278-287.
[7] Wang, T. C., Ye, Z., Sinha, G., and Yuan, X. “Output filter design for a grid-interconnected
three-phase inverter.” IEEE 34th Annual Power Electronics Specialist Conference (PESC'03), 2003.
[8] Cha, H., and Vu, T. K. “Comparative analysis of low-pass output filter for single-phase grid-
connected Photovoltaic inverter.” IEEE Twenty-Fifth Annual Applied Power Electronics Conference
and Exposition (APEC), 2010.
[9] Reznik, A., Simoes, M. G., Al-Durra, A., and Muyeen, S. M. “LCL filter design and
performance analysis for grid-interconnected systems.” IEEE Transactions on Industry Applications
50.2 (2014): 1225-1232.
[10] Afzal, R., Jamil, M., Waqas, A., Nawaz, A., Ali, M. A., and Mailk, M. H. “Design and Analysis
of Second Order Passive Filters for Grid Connected Inverter with Series and Parallel Damping
Resistors.” Indian Journal of Science and Technology 9.21 (2016).
[11] Channegowda, P., and John, V. “Filter optimization for grid interactive voltage source
inverters.” IEEE Transactions on Industrial Electronics 57.12 (2010): 4106-4114.
[12] Wu, W., He, Y., and Blaabjerg, F. “An LLCL power filter for single-phase grid-tied inverter.”
IEEE Transactions on Power Electronics 27.2 (2012): 782-789.
[13] Buyuk, M., Inci, M., and Tumay, M. “Performance evaluation of LLCL filter for active power
filter.” IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC), 2016.
E-ISBN: 978-605-68882-5-0 567

[14] Ardashir, J. F., Sabahi, M., Hosseini, S. H., Blaabjerg, F., Babaei, E., and Gharehpetian, G. B.
“A single-phase transformerless inverter with charge pump circuit concept for grid-tied PV
applications.” IEEE Transactions on Industrial Electronics 64.7 (2017): 5403-5415.
[15] Bauer, J. “Single phase voltage source inverter photovoltaic application.” Acta Polytechnica
50.4 (2010).
[16] Kantar, E., Usluer, S. N., and Hava, A. M. “Design and performance analysis of a grid connected
PWM-VSI system.” IEEE 8th International Conference on Electrical and Electronics Engineering
(ELECO), 2013.
[17] Arulkumar, K., Vijayakumar, D., and Palanisamy, K. “Recent advances and control techniques
in grid connected PV system–A review.” International Journal of Renewable Energy Research (IJRER)
6.3 (2016): 1037-1049.
[18] Saxena, N., Singh, B., and Vyas, A. L. “Single-phase solar PV system with battery and exchange
of power in grid-connected and standalone modes.” IET Renewable Power Generation 11.2 (2017): 325-
333.
[19] Selvaraj, J., & Rahim, N. A. “Multilevel inverter for grid-connected PV system employing
digital PI controller.” IEEE Transactions on Industrial Electronics 56.1 (2009): 149-158.
[20] Saranya, S. N., Sivakumar, V. M., Thirumarimurugan, M., and Sowparnika, G. C. “An analysis
on modeling and optimal control of the heat exchangers using PI and PID controllers.” IEEE 4th
International Conference on Advanced Computing and Communication Systems (ICACCS), 2017.
[21] Liu, F., Zhou, Y., Duan, S., Yin, J., Liu, B., and Liu, F. “Parameter design of a two-current-loop
controller used in a grid-connected inverter system with LCL filter.” IEEE Transactions on Industrial
Electronics 56.11 (2009): 4483-4491.
Teşekkür
Bu çalışma Karabük Üniversitesi Bilimsel Araştırma Projeleri tarafından desteklenmiştir

(KBU-BAP-15/2-DR-005 nolu proje). Yazarlar destek için teşekkür eder.
E-ISBN: 978-605-68882-5-0 568

Fuzzy Logic Based MPPT Controller for Solar Powered EV

Battery Charger
H. Ozbay1, A. Karafil1, S. Oncu2
harun.ozbay@bilecik.edu.tr,akif.karafil@bilecik.edu.tr, soncu@karabuk.edu.tr
1
Bilecik Seyh Edebali University, Bilecik, TURKEY
2
Karabuk University, Karabuk, TURKEY
Abstract
In recent years, the importance of renewable energy sources and electric vehicles (EV) has
increased. In particular, photovoltaic systems (PV), one of the renewable energy sources, have
often preferred due to their many advantages. Today, the use of PV systems as a power source
in the charger of EV batteries has become widespread. In this study, DSP controlled and fuzzy
logic (FL) based Adaptive Perturb & Observe (P&O) Maximum Power Point Tracker (MPPT)
algorithm was developed to charge EV batteries from PV systems. Thus, the maximum possible
power from PV panels to the battery group has been transferred by the proposed 1.2 kW battery
charger. So, the switching elements in the DC-DC converter are controlled by fuzzy logic to
obtain maximum power from the PV panels. The PSIM simulation study was conducted and
simulation results were presented to evaluate the performance of the proposed system.
Keywords: PV, MPPT, Fuzzy Logic, EV Battery Charger, DSP
1. Introduction
Solar energy systems, which have the largest share in decreasing the fossil fuel dependence in
the energy sector, are considered as the primary energy source among renewable energy sources
(RES). Particularly in the countries such as TURKEY which have sharp increases in the energy
demand and which have long sunshine duration, the development and widespread use of PV
systems are supported by the government. In addition, this issue has become more important
for researchers because of its ease of use and maintenance [1]. PV systems are widely used in
many areas such as grid-connected inverters, irrigation systems, farm houses, grid-independent
systems, spacecraft and EV charging applications [2]. With the increase of EVs in the
transportation sector, it is inevitable that the charging stations will increase. This increase will
E-ISBN: 978-605-68882-5-0 569

also lead to the negative effects on the grid. The first way to prevent this is to improve the
infrastructure in energy systems. However, the implementation of this solution to the entire grid
system will be costly. Therefore, the energy demanded by EVs must be met by PVs in order to
use the existing energy systems efficiently. There are many studies on the use of PV systems to
charge EVs [3].
In PV systems that generate electricity directly from the sun, the maximum power must always
be transferred to the load. For this reason, it is aimed that the power obtained from PV panels
is at maximum level. However, the maximum power is only achieved at a certain point of
operation [4]. Furthermore, the maximum power point varies depending on environmental
conditions such as solar radiation level, contamination, shading and temperature during the day.
In PV applications, it is desired that the MPPT system is not complex, it reaches the maximum
power point (MPP) rapidly, it tracks the MPP in the right direction and it is highly efficient.
DC-DC converters are used according to the output voltage demanded for the transfer of the
maximum power produced from PV panels and transmitted to the load [5]. In the case of rapid
changes in temperature and solar radiation in PV systems, the system is required to respond
quickly and in a less oscillating manner. Conventional PI controllers are constant-gain recycling
controllers. These controllers may not be suitable for environmental changes in long-term
studies. On the other hand, fuzzy logic controllers can perform MPPT at both linear and
nonlinear load without the need for complex mathematical inequalities in modeling nonlinear
systems compared to PI controllers [6].
In this study, a DC-DC buck converter with a maximum power of 1.2 kW and a frequency of
50 kHz was designed for a PV system with a maximum voltage of 106V. Adaptive P&O fuzzy
logic control algorithm was used for maximum power transfer. The proposed system was
simulated with the PSIM program and the results were analyzed.
2. Fuzzy Logic Based MPPT Design
In recent years, many MPPT algorithms have been developed in order to find MPP for PV
systems and increase the efficiency of the system. Perturb-Observe (P&O) and Increased
Conductivity (IC) methods are two of the most commonly used methods [7]. In addition,
intelligent control methods such as fuzzy logic (FLC), neural networks (ANN) and sliding-
mode control (SMC) are also used in MPPT applications [8]. Although MPPT P&O algorithm
has superior features such as convenience, practicality and high efficiency according to other
algorithms, the system cannot react rapidly to sudden radiation and temperature changes. For
E-ISBN: 978-605-68882-5-0 570

this reason, Adaptive P&O - FLC systems are preferred which are more efficient and faster than
other algorithms by using P&O algorithm together with fuzzy logic [9]. As seen in Figure 1, in
fuzzy logic control error (e) and error change (Δe) are determined as input variables while duty
ratio (du) is determined as output variable.
Fuzzy Logic Controller

e
Fuzzy
Fuzzyfication Defuzzyfication du
Inference
Δe
Input Output
Rule Base
Fuzzy Set Fuzzy Set
Knowledge Base
Figure 1. Fuzzy logic control block
Error (e(k)) and the error change (Δe(k)), which are the two input variables of the fuzzy logic
controller are obtained by the following equations;
Ppv (k ) − Ppv (k − 1) Ppv

e(k ) = = (1)
Vpv (k ) − Vpv (k − 1) Vpv
e(k ) = e(k ) − e(k − 1) (2)
Where, Ppv(k), is the instant power of the PV panel, Ppv(k-1) is the previous power value
measured from PV panel, Vpv(k), is the instant voltage value measured from PV panel and (k-
1) is the previous voltage value measured from PV panel.
The fuzzy logic controller output depends on the shape of the output membership function on
the rule base. As seen in Table 1, The Min-Max Mamdani Method was used as an extraction
method and the Center of Gravity Method was used in the clarification process [10]. The duty
ratio (du) obtained from the fuzzy logic controller is expressed by the following equation;
  (du ) − dui i
du = i =1
n
(3)
  (du )
i =1
i
The fuzzy rules of the output membership function given in Table 1 are determined as: NB
(negative big), NM (negative middle), NS (negative small), Z (zero), PS (positive small), PM
(positive middle), PB (positive big).
Table 1. The rule base of the proposed system.
E-ISBN: 978-605-68882-5-0 571

Δe
e
NB NM NS Z PS PM PB
NB NB NB NB NM NM NS Z
NM NB NB NM NM NS Z PS
NS NB NM NM NS Z PS PM
Z NM NM NS Z PS PM PM
PS NM NS Z PS PM PM PB
PM NS Z PS PM PM PB PB
PB Z PS PM PM PB PB PB
In this study, triangular membership functions are preferred for input and output according to
the system's response [11]. The signal intervals in the membership functions are determined by
the oscillation of each signal. Figure 2 shows the input membership functions and the duty ratio
(du) produced by the controller for tracking the maximum power point.
NB NM NS Z PS PM PB
1
0.5
-15 -10 -5 0 5 10 15
Error (e)
(a)
NB NM NS Z PS PM PB
1
0.5
-9 -6 -3 0 3 6 9
Δerror (Δe)
(b)
1 NB NM NS Z PS PM PB
0.5
0.1 0.2 0.3 0.4 0.5 0.6 0.7

Duty Ratio (du)
(c)
Figure 2. (a) Error membership function (b)error change membership function (c) duty ratio
membership function.
The basic structure of the proposed Adaptive P&O - FLC algorithm is given in Figure 3 as a
flow diagram.
E-ISBN: 978-605-68882-5-0 572

Start
Buck
Measure Vpv(t),Ipv(t)
Converter
Ppv(t) = Vpv(t)*Ipv(t) n
  (du ) − dui i
du = i =1
n
e(t) = ΔPpv / ΔVpv   (du )

i =1
i
Δe(t) = e(t)-e(t-1)
Fuzzification Inference Engine Defuzzification

(delta function (Min-Max Mamdani
(centroid method)
method) method)
FLC
Figure 3. Flow chart of the Adaptive P&O – FLC algorithm.
3. EV Battery Charger Design
Buck converter is used in the designed system to charge EV battery by obtaining maximum
power from PV panels. As shown in Figure 4, a conventional buck converter has a switch (S),
a diode (D), a inductor (L), a power supply (VPV) and a load (VEV) [12].
S L
+
iL
VPV D C VEV
-
Figure 4. Conventional buck converter.
Since the designed converter will be used in the charging process of the EV battery, the
fluctuation (∆IL) in the current is selected as 5% so that the battery life is not reduced. The
maximum charging current is considered to be 25 A. The fluctuation in the output voltage
(∆VEV) is determines as 1%. The output voltage of the converter is set to 48 V according to the
EV battery types. Switching frequency (fs) is determined as 50 kHz. Accordingly, the minimum
inductor and capacitor values are calculated according to the following equations;
VEV (VPV − VEV )

Lmin = (4)
I L f sVPV
I L max du
Cmin = (5)
f s VEV
E-ISBN: 978-605-68882-5-0 573

The buck converter values for the EV battery charger obtained with the required calculations
are shown in Table 2. In addition, the catalogue information for each of the 12 PV panels (6
series 2 parallel groups) used in the designed system under 25° C temperature and 1000 W/m2
solar radiation are given in Table 3.
Table 2. Buck converter values.

Component Value
Inductor (L) 600 μH
Capacitor (C) 470 μF
Battery Voltage (VEV) 48 V
Switching Frequency (fs) 50 kHz
Table 3. PV panel specifications.

Specification Value
Maximum Power (Pmax) 100 W
Maximum Current(Imax) 5.65 A
Maximum Voltage (Vmax) 17.7 V
Short Circuit Current (Isc) 6.21 A
Open Circuit Voltage (Voc) 22 V
4. Simulation of The Proposed System and Results
Simulation of the designed solar powered EV charger system is conducted by PSIM software.
In the simulation study, all controls are made with C codes written and are designed in a way
to produce embedded code for DSP (TMS320F28335). The simulation scheme of the system
with PSIM is shown in Figure 5.
Figure 5. PSIM circuit schema of the designed system.
As it is known, solar radiation changes throughout the day. Figure 6 shows the simulation
results for power tracking at 300-650-1000 W / m² solar radiation levels. With the Adaptive
P&O - FLC MPPT algorithm, the buck converter in duty ratio has been changed between 10-
E-ISBN: 978-605-68882-5-0 574

70% and the maximum power obtained from PV panels has been tracked even during rapid
climate changes.
Pmax Pev Ppv

1500
300W/m2 650W/m2 1000W/m
1250 Pmax Pev Ppv 2
367.432
1000 367.188
366.943 Pmax Pev Ppv Pmax Pev Ppv
750 366.699
797.363 1.203125K
366.455
500 796.875 1.202148K
0.558929 1.201172K
796.387
250 Time (s)
795.898 1.200195K
0 795.41 1.199219K
1.528473 2.5
Time (s)
0 0.5 1 1.5Time (s) 2 2.5 3
Time (s)
Pmax Pev Ppv Pmax Pev Ppv
Pmax Pev Ppv
625 875 1250
500 750 1125
375 625 1000
250 500
875
125 375
750
0
0 0.015625 0.03125 1 1.00391 1.00781 2 2.00391 2.00781
Time (s) Time (s) Time (s)
Figure 6. The power tracking of Adaptive P&O FLC MPPT.
Figure 7 shows the voltage, current change and therefore the duty ratio change of the PV panel
under different solar radiation.
Vpv
140
120
100
80
60
40
300W/m2 650W/m2 1000W/m
20 2
0
0 1 2 3
Time (s)
(a)
Ipv
12
10
8
6
4
2
0
0 1 2 3
Time (s)
(b)
E-ISBN: 978-605-68882-5-0 575

du
0.55
0.5
0.45
0 1 2 3
Time (s)
(c)
Figure 7. (a) PV voltage change (b) PV current change (c) Duty ratio change.
EV battery voltage and current changes depending on maximum power tracking are shown in
Figure 8.
Vev Iev Vev Iev Vev Iev
52.57416
49.48486
60 52.57263
49.48364
49.48242 50 52.57111
52.56958
49.4812
49.47998 40 52.56805
0.6771088 0.677124 0.6771393 0.6771545 2.7317505 2.731781
Vev Iev
Time (s)
30 Vev Iev
Time (s)
7.42188 20 22.8638
7.41577 22.8577
7.40967
10 22.8516
22.8455
7.40356
0
2.7655029 2.7655334
0.6130981
Time (s)
0.6131287 0 1 2 3 Time (s)
Time (s)
Figure 8. EV battery voltage and current change.
5. Conclusions
In this study, a charger was designed for charging EV battery from PV panels. Adaptive P&O
- FLC algorithm was simulated to get maximum power transfer from the PV panels used in the
system. In the system, the power was transferred from 1.2 kW of PV panels to 300 W/m2 to
1000 W/m2 under different solar radiation. The simulation results show that the designed
system can track the maximum power point by responding rapidly to sudden changing
conditions. In addition, the overall design of the system was developed with PSIM software,
and embedded code generation was made for the TMS320F28335 (DSP) processor to be used
in experimental studies.
References
[1] Düz, Hasan. "Storing solar energy inside compressed air through a heat machine mechanism."
Gazi University Journal of Science 29.2 (2016): 245-251.
[2] Sick, Friedrich. Photovoltaics in buildings: a design handbook for architects and engineers.
Routledge, 2014.
[3] Ashique, Ratil H., et al. "Integrated photovoltaic-grid dc fast charging system for electric
vehicle: A review of the architecture and control." Renewable and Sustainable Energy Reviews 69
(2017): 1243-1257.
E-ISBN: 978-605-68882-5-0 576

[4] Chekired, F., et al. "Implementation of a MPPT fuzzy controller for photovoltaic systems on
FPGA circuit." Energy Procedia 6 (2011): 541-549.
[5] H. Özbay, A. Karafil, S. Öncü ve M. Kesler, "DSP Controlled High Frequency Battery
Charger for PV Generation Systems." 3th European Conference on Renewable Energy Systems,
2015.
[6] Balasubramanian, G., and S. Singaravelu. "Fuzzy logic controller for the maximum
power point tracking in photovoltaic system." International Journal of Computer Applications
41.12 (2012): 22-28.
[7] Onat, Nevzat. "Recent developments in maximum power point tracking technologies
for photovoltaic systems." International Journal of Photoenergy (2010): 1-11.
[8] D'Souza, Neil S., Luiz AC Lopes, and XueJun Liu. "An intelligent maximum power
point tracker using peak current control." IEEE 36th Power Electronics Specialists Conference,
PESC'05. 2005.
[9] Mahamudul, Hasan, Mekhilef Saad, and Metselaar Ibrahim Henk. "Photovoltaic system
modeling with fuzzy logic based maximum power point tracking algorithm." International
Journal of Photoenergy (2013): 1-10.
[10] Shirazi, M. K., M. Joorabian, and A. Sadeghi. "Intelligent P&O MPPT Algorithm in PV
Stand Alone for Faster Transient Response." International Journal of Energy Engineering 5.4
(2015): 74-79.
[11] Ross, Timothy J. Fuzzy logic with engineering applications. 3th Edition, John Wiley &
Sons, 2010.
[12] Bernardo, P. C. M., Z. M. A. Peixoto, and LVB Machado Neto. "A high efficient micro-
controlled buck converter with maximum power point tracking for photovoltaic systems."
International Conference on Renewable Energies and Power Quality (ICREPQ’09), Valencia
(Spain), 2009.
E-ISBN: 978-605-68882-5-0 577

Performance of Artificial Algae Algorithm on Large Scale Global

Optimization
H G Koçer1, S A Uymaz2 and G Tezel2
1
Distance Education Application and Research Center, Selçuk University, Konya, TURKEY
2
Department of Computer Engineering, Konya Technical University, Konya, TURKEY
Abstract
In recent years, real-world optimization problems have emerged with many parameters that
need to be optimized. This kind of problems are named as Large Scale Global Optimization
(LSGO) problems. Metaheuristic algorithms that known as effective approaches for solving
optimization problems have shown excellent search abilities in normal sized problems but often
lose their efficiency when applied to large and complex problems. In this paper, the
performance of the Artificial Algae Algorithm (AAA) on large-scale optimization problems has
been tested. The experiments were performed on 20 benchmark functions with 1000 dimension
of CEC2010 special session on Large Scale Global Optimization. The results obtained by AAA
were compared with DECC-CG algorithms results. The results showed that the AAA in the
original version achieved better results than the DECC-CG algorithm developed to solve LSGO
problems in 11 of 20 functions.
Keywords: Artificial Algae Algorithm, Large Scale, Lsgo, Cec2010 Benchmark
1.Introduction
Optimization is the process of choosing the best solution from the possible alternatives under
certain conditions. To be able to solve optimization problems by the computer, the problems
must be mathematically modelled. A problem can be modelled with variables and mathematical
operations. In optimization these variables are called decision variables. Number of variables
determines the size of the problem. Solving the optimization problem is to find the values of
the decision variables that achieve the most appropriate value of the objective function by
obeying each of the constraints.
With today's evolving technology and computing power, there has been an increase in the size
and complexity of the problems. As a result, a variety of large scale real-world optimization
problems have emerged in the business world, science and engineering. For example, designing
578
large scale electronic systems, scheduling problems with large number of resources, vehicle
routing in large scale traffic networks, gene recognition in bioinformatics, etc. [1].
When large scale is concerned, both the modeling and the solution process can become quite
complicated depending on the number of variables and data types. The use of metaheuristic
algorithms is the most common method for obtaining the most appropriate solution, but the
number of decision variables in large scale optimization problems makes it hard to be solved
by these algorithms because they lose their effectiveness in design and their performances
decrease.
Factors that are caused by the increase in size that can cause the poor performance are as follows
[2]:
• Increasing the search space exponentially,
• Changing the complexity and characteristics of some functions,
• Increased number of interdependent variables.
Due to all these factors, the solution requires a very large computational cost. Therefore, there
is a need to develop effective and efficient new techniques.
It is possible to make different classifications for the proposed techniques to cope with LSGO
problems. Mahdavi et al classify them into two basic approach categories: Cooperative
Coevolution (CC) algorithms with problem decomposition strategy, and non-decomposition
based methods [1]. Singh and Jana examined the proposed techniques in three categories:
standard evolutionary algorithms, CC-based evolutionary algorithms, and memetic algorithms
[3].
Metaheuristic algorithms are accepted as effective approaches to solve optimization problems.

Various metaheuristic algorithms such as Simulated Annealing (SA) [4], Evolutionary
Algorithms (EAs) [5], Genetic Algorithms (GA) [6], Differential Evolution (DE) Algorithm
[7], Ant Colony Optimization (ACO) [8], and Artificial Bee Colony (ABC) [9] have been
applied to solve large scale global optimization problems. In this paper the performance of the
Artificial Algae Algorithm (AAA) which is a bio-inspired metaheuristic optimization
algorithm, on large-scale optimization problems has been tested.
579
The rest of the paper is organized as follows. First, AAA is described briefly. Then benchmark
set used in tests, parameters of algorithms and working environment are analyzed. Finally,
results and interpretations are given and are followed by conclusions and recommendations.
2. Artificial Algae Algorithm
AAA is a meta-heuristic optimization method that developed by taking inspiration from living
behavior of micro-algae. It is a population-based algorithm and each individual in the
population represent an algal colony. An algal colony consists of algal cells living together. An
algal cell of an individual represents a parameter of the problem The algorithm consists of three
basic phases: Helical Movement, Evolutionary Process, Adaptation [10]. Brief information of
about these phases is given in general flowchart of AAA in Figure 1.
3. Experiments
All experimental works were conducted by using Matlab (Release R2010a). The computer
platform used to perform the experiments was an Intel(R) Xeon(R) CPU E5-2650 2.00 GHz
processor, 8.70 GB of RAM, and the Microsoft Windows Server 2012 operating system.
Since 2005, competitions have been organized in the LSGO field traditionally at CEC (IEEE
Evolutionary Computing Congress) private sessions. Common rules and benchmark sets were
presented in 2008, 2010 and 2013 to evaluate researchers fairly in these competitions. In this
paper, we used CEC 2010 benchmark set which consists 20 functions given in Table 1. All
functions are the minimisation problems and the optimum function values are 0 for all the
problems. Detailed information about benchmark set is provided in [2].
580
Figure 1.
General flowchart of the AAA
Table 1. CEC2010 LSGO benchmark set functions
No Name Range
F1 Shifted Elliptic Function [−100, 100]
F2 Shifted Rastrigin [−5, 5]
F3 Shifted Ackley [−32, 32]
F4 Single-group Shifted and m-rotated Elliptic [−100, 100]
F5 Single-group Shifted and m-rotated Rastrigin [−5, 5]
F6 Single-group Shifted and m-rotated Ackley [−32, 32]
F7 Single-group Shifted m-dimensional Schwefel’s Problem 1.2 [−100, 100]
F8 Single-group Shifted m-dimensional Rosenbrock [−100, 100]
F9 D/2m -group Shifted and m-rotated Elliptic [−100, 100]
F10 D/2m -group Shifted and m-rotated Rastrigin [−5, 5]
F11 D/2m -group Shifted and m-rotated Ackley [−32, 32]
F12 D/2m -group Shifted m-dimensional Schwefel’s Problem 1.2 [−100, 100]
F13 D/2m -group Shifted m-dimensional Rosenbrock [−100, 100]
F14 D/m -group Shifted and m-rotated Elliptic [−100, 100]
F15 D/m -group Shifted and m-rotated Rastrigin [−5, 5]
F16 D/m -group Shifted and m-rotated Ackley [−32, 32]
F17 D/m -group Shifted m- dimensional Schwefel’s Problem 1.2 [−100, 100]
F18 D/m -group Shifted m-dimensional Rosenbrock [−100, 100]
F19 Shifted Schwefel’s Problem 1.2 [−100, 100]
F20 Shifted Rosenbrock’s Function [−100, 100]
581
All reported results in this study were the averages over 25 simulations. For this study, the
recommendations in [10] were followed by setting the energy loss, e = 0.3, the shear force, Δ =
2 and the adaptation parameter, Ap = 0.5. Dimension of problems were 1000. Maximum fitness
evaluations (MaxFES) was set to 3e6 and population was set to 40.
Metaheuristic optimization algorithms often show sufficient search capabilities on small

optimization problems, but when applied to large and complex problems with more than a
hundred decision variables, often lose their efficacy and performance [2]. Therefore, in this
study firstly 3 benchmark functions were tested for 100, 500, 1000 dimensions to see how the
performance of AAA is affected as the size grows. MaxFES value was set to 3e5, 1.5e6 and
3e6 for 100, 500 and 1000 dimensions, respectively. The comparative results are shown in
Table 2.
Table 2. Effect of size increase on AAA performance

AAA(D=100, Fes=3e5) AAA(D=500, Fes=1.5e6) AAA(D=1000, Fes=3e6)
Best Mean Std. Best Mean Std. Best Mean Std.
F1 0.00E+00 0.00E+00 0.00E+00 1.25E-17 1.02E-16 9.30E-17 4.39E-17 3.02E-16 2.42E-16
F2 0.00E+00 1.28E+00 1.63E+00 1.37E-12 4.38E+00 3.41E+00 2.98E+00 8.14E+00 5.29E+00
F3 1.42E-14 1.73E-14 1.18E-15 3.19E-11 6.55E-04 3.28E-03 2.89E-11 5.48E-03 2.51E-02
As shown in Table 2, the AAA method has reached the optimal result for 100 dimensions in
the F1 and F2 functions, but the optimum result can not be achieved as the size grows. When
the std values of the results are taken into consideration, it is seen that the standard deviation
grows as the size increases. This situation can be caused by getting stucked in local solutions
in the exponentially increasing search space. Table 2 shows that the performance of AAA
deteriorates as the dimension of the problem increases.
AAA is a bio-inspired metaheuristic optimization algorithm and is designed for solving

optimization problems that have continuous and real decision parameters. The results obtained
by AAA are compared with DECC-CG [11]. DECC-CG is an optimization algorithm and
Cooperative Coevulation framework presented by CEC2010 LSGO Private Session organizers.
This algorithm is designed for high-dimensional optimization problems. It uses SaNSDE [12]
which is a powerful DE algorithm as a basic subcomponent optimizer. This CC framework
incorporates a random grouping scheme and adaptive weighting for problem decomposition
and coevolution. DECC-CG results were taken directly from [13] in the CEC2010 LSGO
582
Competition. All test results of algorithms are indicated in Table 3. The best, mean and std.
values for each function of the best algorithm are indicated in bold.
Test results in Table 3 indicated that:
• The first three functions of the benchmark set are separable functions and AAA obtained
the better results than DECC-CG in all separable functions F1, F2, F3.
• In Single-group m-nonseparable functions category of benchmark set, DECC-CG

obtained the better results than AAA except F8.
• Looking at the other categories to evaluate category-based success, it is not possible to

say that one of the algorithms is more successful than the other.
• As a result, the basic version of AAA is better than DECC-CG which is designed for
LSGO problems in 11 functions of 20 functions.
Table 3. Comparison of test results

DECC-CG AAA
Best Mean Std. Best Mean Std.
F1 1.63E-07 2.93E-07 8.62E-08 4.39E-17 3.02E-16 2.42E-16
F2 1.25E+03 1.31E+03 3.26E+01 2.98E+00 8.14E+00 5.29E+00
F3 1.20E+00 1.39E+00 9.73E-02 2.89E-11 5.48E-03 2.51E-02
F4 7.78E+12 1.70E+13 5.37E+12 1.23E+13 1.86E+13 4.35E+12
F5 1.50E+08 2.63E+08 8.44E+07 3.34E+08 4.32E+08 5.73E+07
F6 3.89E+06 4.96E+06 8.02E+05 1.89E+07 1.95E+07 1.90E+05
F7 4.26E+07 1.63E+08 1.37E+08 7.55E+09 1.28E+10 3.61E+09
F8 6.37E+06 6.44E+07 2.89E+07 4.15E+03 2.99E+06 3.88E+06
F9 2.66E+08 3.21E+08 3.38E+07 1.65E+08 2.13E+08 2.51E+07
F10 1.03E+04 1.06E+04 2.95E+02 5.65E+03 6.12E+03 2.64E+02
F11 2.06E+01 2.34E+01 1.78E+00 1.97E+02 2.12E+02 3.49E+00
F12 7.78E+04 8.93E+04 6.87E+03 1.45E+05 1.92E+05 2.53E+04
F13 1.78E+03 5.12E+03 3.95E+03 4.10E+02 7.55E+02 1.84E+02
F14 6.96E+08 8.08E+08 6.07E+07 4.92E+08 5.85E+08 5.07E+07
F15 1.09E+04 1.22E+04 8.97E+02 1.01E+04 1.10E+04 5.47E+02
F16 5.97E+01 7.66E+01 8.14E+00 3.93E+02 3.94E+02 8.54E-01
F17 2.50E+05 2.87E+05 1.98E+04 4.22E+05 4.99E+05 4.37E+04
F18 5.61E+03 2.46E+04 1.05E+04 2.26E+03 6.02E+03 3.67E+03
F19 1.02E+06 1.11E+06 5.15E+04 2.51E+06 3.23E+06 2.91E+05
F20 3.59E+03 4.06E+03 3.66E+02 1.62E+03 1.97E+03 1.77E+02
583
5. Conclusion
AAA is a successful bio-inspired metaheuristic optimization algorithm for continuous

problems. The performance of the AAA on large-scale optimization problems were tested in
two phases in this study.
First, the effects of size increase on performance of the AAA was tested. Test results showed
that the performance of the AAA algorithm decreases as the size grows.
Second, AAA optimization results were compared with DECC-CG. The experiments were
performed on 20 benchmark functions of CEC2010 special session on Large Scale Global
Optimization with 1000 dimensions. For a fair comparison, rules which were presented in
CEC2010 Technical Report are obeyed. In the majority of functions, std. of AAA is smaller
than the other algorithm. Small std. values implies that AAA is a rather robust algorithm. In
short it can be said that AAA in the original version achieved better results than the DECC-CG
algorithm developed to solve LSGO problems in 11 of 20 functions. As a result, the
performance of AAA in LSGO problems is promising.
For future works, the performance of AAA can be improved by applying LSGO solutions
techniques to the AAA algorithm.
6. Acknowledgments
This study was financially supported by The Coordinatorship of Scientific Research Projects of
Selçuk University [Grant no: 18101012].
References
[1] Mahdavi S, Shiri M E and Rahnamayan, S 2015 Metaheuristics in large-scale global continues
optimization: A survey Information Sciences 295 pp 407-428.
[2] Tang K, Li X, Suganthan P, Yang Z, Weise T 2009 Benchmark functions for the CEC’2010
special session and competition on large scale global Technical Report Nature Inspired Computation
and Applications Laboratory.
[3] Singh A and Jana N D 2017 A Survey on Metaheuristics for Solving Large Scale Optimization
Problems International Journal of Computer Applications 170(5) pp 1-7.
584
[4] Kirkpatrick S, Gelatt C D and Vecchi M P 1983 Optimization by simulated

annealing Science 220(4598) pp 671-680.
[5] Back T 1996 Evolutionary algorithms in theory and practice: evolution strategies, evolutionary
programming, genetic algorithms Oxford University Press.
[6] Goldberg D E and Holland J H 1988 Genetic algorithms and machine learning Machine
learning 3(2) pp 95-99.
[7] Storn R and Price K 1997 Differential evolution–a simple and efficient heuristic for global
optimization over continuous spaces Journal of global optimization 11(4) pp 341-359
[8] Dorigo M and Di Caro G 1999 Ant colony optimization: a new meta-heuristic In Proceedings
of the 1999 congress on evolutionary computation-CEC99 2 pp 1470-1477
[9] Karaboga D 2005 An idea based on honey bee swarm for numerical optimization 200 Technical
report-tr06 Erciyes University Engineering Faculty Computer Engineering Department.
[10] Uymaz S A, Tezel G and Yel, E 2015 Artificial algae algorithm (AAA) for nonlinear global
optimization Applied Soft Computing 31 pp 153-171.
[11] Yang Z, Tang K and Yao X 2008 Large scale evolutionary optimization using cooperative
coevolution Information Sciences 178(15) pp 2985-2999.
[12] Yang Z, Tang K and Yao X 2008 Self-adaptive differential evolution with neighborhood search
Evolutionary Computation (CEC) 2008 IEEE Congress on pp 1110-1116.
[13] Molina D, Lozano M, and Herrera F 2010 MA-SW-Chains: Memetic algorithm based on local
search chains for large scale continuous global optimization Evolutionary Computation (CEC) 2010
IEEE Congress on pp 1-8.
585
Comparison of Mobile Application Development Methods

Çağatay Kölüş1, Fatih Başçiftçi2
cagataykolus@gmail.com, basciftci@selcuk.edu.tr
1
Department of Information Technologies, Selçuk University, Konya, TURKEY
2
Department of Computer Engineering, Faculty of Technology, Selçuk University, Konya, TURKEY
Abstract
Today, mobile devices have become a part of our lives. The applications that can work on these
devices are being developed with development methods. The desire of users to make their
business through mobile applications keeps the mobile application industry alive. Software
developers determine development methods and work intensively to turn this sector into a vital
income destination. In this work, there are explanations about the advantages and disadvantages
of mobile application development methods over each other. The purpose of this study is to
compare mobile application development methods in terms of performance, usability, cost and
revenue so that developers can select the most appropriate platform within the framework of
the strategies to be used.
Keywords: Mobile Application Development, Native, Hybrid, Cross, Web Responsive
1. Introduction
Mobile applications are user-friendly software that can be run on mobile devices (mobile
phones, tablets, etc.) [1]. Mobile application programmers (developers) are people who develop
software for these device. The mobile application development (AD) platform is a computer
program with advanced features that developers use to develop mobile applications (Android
Studio, Xcode, etc.) AD platforms greatly simplify the development of a mobile application
with many possibilities provided by the software [2]. Every development platform offers the
software development kit (SDK), which allows the use of libraries, debuggers and emulators
[3].
With the increasing popularity of smartphones, we are becoming more and more familiar with
mobile applications. The desire of users to do everything through mobile applications keeps
this sector alive. Software developers are working intensively to to turn the trend of this sector
into earnings. The software developers use the development tools to create a mobile application
586
and publish it on a portal (Google Play Store, Apple Store etc.) where the application can be
downloaded to the mobile devices [4]. Developing the application with a user-centered design
principle carries it to higher levels [5]. The use of appropriate methods is crucial for the effective
development of mobile applications. Unlike traditional software development, mobile
application development must overcome many different challenges [6].
Growth in mobile technologies has reached an extraordinary level with the adoption of mobile
devices by users [7]. Statista is one of the leading statistical companies and shares their own
statistics on the internet. In a study conducted by Statista, information on the revenue of the
mobile application store projected from 2015 to 2020 is presented in Figure 1. In 2015, global
mobile app revenues were $ 69.7 billion. It is estimated that by 2020, mobile apps will generate
revenue of about $ 188.9 billion through app stores and ads [8].
Figure 1. Estimated mobile app store revenues between 2015-2020
2. Method
The programmers must decide which AD method will be performed during design of the
application. Mobile AD methods are:
• Native AD
• Hybrid AD
• Cross AD
• Web responsive AD
587
a. Native Application Development
Native applications are designed to work only on a specific mobile operating system. These
applications which they are called as platform applications need to be developed and compiled
for each mobile platform [9].
There are many different applications categorized in mobile application stores like as Google
Play Store, Apple Store, and Windows Store, and the number of them is growing day by day.
These applications are free and some are paid or some of them provide purchasing inside
applications. Because each native AD method has its own development languages, development
environments, and supported mobile devices, each AD method requires various expertise. Table
1 shows the comparison of mobile platforms in terms of native AD.
Table 1. Comparison of mobile platforms in terms of native AD
Google Android Apple IOS Windows Phone BlackBerry

Development
Kotlin, Java Swift, Obj-C, C C#, VB.NET Java
Languages
Development BlackBerry
Android Studio Xcode Visual Studio
Environment SDK
Executable File
.apk .app .xap .cod
Type
Google Play BlackBerry App Windows
Application Store Apple Store
Store World Phone Store
Native applications are preferred to provide the best experience for their users. Features in
native apps:
• Multi-Touch (Double-click, Enlarge and reduce, long press, etc.)
• Fast Graphic Processor (Uses the graphic processor most effectively.)
• Fluid Animation (Games, visual animations are extremely fluid.)
• Integrated Components (Easy access to components such as device location, camera

etc.)
• More Resources (There are many different AD resources on the Internet.)
588
b. Hybrid Application Development
Hybrid applications allow the development of applications for multiple environments with a
single code output using JavaScript, HTML5 ve CSS language. It works well with many devices
and different screen resolutions [10]. The biggest advantage of hybrid applications is the
additional cost and time savings associated with writing code for each mobile platform.
However, device performance problems can cause sufficient unavailability of resources.
However, inadequate use of device resources in applications requiring image, animation, or

intensive processing can cause performance problems in applications which includes image,
animation or intensive processing. In addition, Hybrid AD is limited in its use due to problems
with complex projects that require performance. The names and web sites of the hybrid AD
platforms are listed in Table 2.
Table 2. Hybrid AD Platforms
Hybrid AD Platform Name Website

React Native http://www.reactnative.com/
Sencha Touch https://www.sencha.com/
Ionic https://ionicframework.com/
Phone Gap http://phonegap.com/
http://www.appcelerator.com/mobile-
Appcelerator Titanium
app-development-products/
Framework 7 https://framework7.io/
Kendo UI http://www.telerik.com/kendo-ui
JQuery Mobile https://jquerymobile.com/
Famous https://famous.org/framework/
c. Cross Application Development
Cross AD provides frameworks for software developers to develop platform-independent

mobile applications using web standards such as HTML, JavaScript and CSS. These
frameworks are used to communicate with native code of different mobile platforms by acting
as a middle layer [11]. There are two different cross applications. These:
• Native cross-platform applications
589
• Hybrid cross-platform applications
There are different AD environments according to the project to be developed. The most
important of these are Unity 3D and Xamarin. Unity3D is a AD environment that enables
mobile game and application development. Aplications developed with C # and JavaScript
programming language and developed applications can be used on twenty-five different mobile
platforms. Applications developed using Xamarin; .NET and C # programming language is
used. This AD environment provides application output that can run on IOS, Android and
Windows Phone mobile platforms [12]. Table 3 lists the names of cross AD platforms, web
sites, and cross AD types.
Table 3. Cross AD Platforms
Cross AD Platform Name Website Type

Appcelerator Titanium https://www.appcelerator.com/ Native
NativeScript https://www.nativescript.org/ Native
https://www.qt.io/mobile-app- Native
QT
development/
RubyMotion www.rubymotion.com/ Native
Xamarin https://www.xamarin.com/ Native
Unity 3D https://unity3d.com/ Native
IONIC https://ionicframework.com/ Hybrid
Apache Cordova https://cordova.apache.org/ Hybrid
Adobe PhoneGap https://build.phonegap.com/ Hybrid
d. Web Responsive Application Development
Web responsive applications are mobile applications that are developed using web technologies
such as HTML and CSS, which are displayed on mobile web browsers. Unlike web sites, mobile
web applications look like native applications in terms of interface [13]. Web responsive AD
allows web page to look best for different screen sizes on smartphones and tablets. Applications
can be developed for multiple mobile platforms without requiring a lot of code knowledge
thanks to flexible and easy to design strucure. Web Responsive applications can be accessed by
typing the web address into the web browser without downloading the application from any AD
store. Websites detect which mobile device (phone, tablet etc.) they are logged into website and
show optimal mobile design in front of the user. Table 4 lists web responsive AD platform
names and web sites.
590
Table 4. Web Responsive AD Platform
Web Responsive AD
Website
Platform Name
Gridset https://gridsetapp.com/
Wirefy http://getwirefy.com/
http://www.adobe.com/products/edge-
Adobe Edge Inspect
inspect.html
(i) Gumby 2 http://www.gumbyframework.com/
(ii) Adobe Edge http://www.adobe.com/products/edge-
Reflow reflow.html
(iii) Bootstrap http://getbootstrap.com/
(iv) Invision http://www.invisionapp.com/
(v) Export Kit http://exportkit.com/
(vi) UXpin https://www.uxpin.com/
(vii) Marvel https://marvelapp.com/
3. Analysis and Interpretation of Results
Every mobile AD method has its own advantages and limitations. Table 5 shows the advantages of
these.
Table 5. Advantages of Mobile AD Methods
Method Advantages
• The user experience is at the top level.
• All features of the device are available.
• It also works offline.
Native AD • User preference data can be stored on the device.
• They can take part in AD stores.
• Complex applications can be used without problems.
• It also works offline.

• Applications can be developed on all mobile platforms in a
Hybrid AD short period of time.
• The code base can be used with other mobile platforms.

• Applications can be developed on all mobile platforms in a
Cross AD short period of time.
591
• There is the opportunity to reach more people.

• Web sites can be easily adapted to mobile devices.
Web Responsive • The code base can be used with other mobile platforms.
AD • The code base can be reused across mobile platforms.
• Wordpress style is supported by ready-made site-contact
providers.
Table 6 shows the limitations of mobile AD methods.
Table 6. Limitations of mobile AD methods.
Method Limitations
• Different languages and skills must be learned for each
mobile platform.
Native AD
• Application development is time consuming and costly.
• Every mobile platform requires separate adaptation.

• Their performance is low and graphically insufficient.
Hybrid AD
• It is not as fast as native applications.
• Sometimes it may not be supported in targeted

environments.
Cross AD
• Debugging can be difficult.
• Access to APIs is limited.

• He is not at AD stores. It is therefore more difficult to make
Web Responsive
money.
AD
• He does not work without the Internet.
• Ease of use is not as good as native applications.
4. Application
In this section, the applications developed by native, hybrid, cross and web responsive are
compared in terms of performance, usability, cost and profit. An application that calculates the
body mass index (BMI) has developed using all AD methods. The pseudocode of the BMI
application is given below.
Program BMI
Start
Enter Your Body Weight
Enter Your Length
BMI = Length / (Body Weight)2
If BMI < 16.0 print level 3 weakness
If BMI is between 16.0 and 16.99 print Level 2 Weakness
If BMI is between 17.0 and 18.49 print Level 1 Weakness
592
If BMI is between 18.5 and 24.99 print Normal

If BMI is between 25.0 and 29.99 print Beginning of Obesity
If BMI is between 30.0 and 34.99 print Level 1 Obese
If BMI is between 35.0 and 39.99 print Level 2 Obese
If BMI > 40.0 print Level 3 Obese
Print BMI Value
End
Obesity classification of the World Health Organization was based on the development of BMI
application. This classification is shown in table 7.
Table 7. Obesity classification
Classification BMI
Level 3 weakness <16.0
Level 2 weakness 16.0 – 16.99
Level 1 weakness 17.0 – 18.49
Normal 18.5 – 24.99
The beginning of obesity 25.0 – 29.99
Level 1 obese 30.0 – 34.99
Level 2 obese 35.0 – 39.99
Level 3 obese >40.0
a. Development of BMI Application
The AD environments in Table 8 were used in the development of the BMI application.
Table 8. AD environments used for BMI Application
Used AD Environment
Native AD Android Studio
Hybrid AD React Native
Cross AD Apache Cordova
Web Responsive AD Wordpress
Developed BMI applications contain small visual differences due to the mobile platform
difference. However, the overall appearance of the application is very close to each other. A
screenshot of the application developed with the Android Studio SDK in Native AD is shown
in figure 2.
593
Figure 2. BMI Application with Native AD Method
b. Comparison of Developed Applications
Performance, usability, cost and revenue of developed applications are compared.
When performance comparison is made, factors such as the opening time of the application and
the calculation time of the operation result are taken into consideration. Default codes that the
app contains, codes and images added to the app are affect opening time of the application.
Functions used in the calculation of the value entered and default functions of the AD platform
are affect calculation of the result. Native AD has been the most performing and web responsive
AD has been the least performance in terms of performance of developed BMI applications.
Table 9 gives a comparison of this.
Table 9. Performance Comparison
Application Calculation of
Opening Time Result
(miliseconds) (miliseconds)
Native AD 303 3
Hybrid AD 2372 18
Cross AD 1284 6
Web Responsive AD 2861 15
In comparison to the usability, it has been taken into consideration how many applications can
run smoothly on the most number of mobile platform. Accordingly, the most usable AD method
594
is cross AD, the most unusable AD method is web responsive AD. Table 10 gives a comparison
of this.
Table 10. Usability Comparison
Supported Mobile Number of

Platform Numbers With Issues
Single App (Average) (average)
Native AD 1 10
Hybrid AD 20 20
Cross AD 15 5
Web Responsive AD 40 50
When the cost comparison is made, it is taken into consideration how little it costs with
minimum time and budget. A software developer who develops 100 TRY (Turkish Lira) per
hour in the budget has been taken into consideration. Although the application developed in the
native AD supports a single mobile platform, the cost is the same as the others, but it is
disadvantageous compared to others in terms of multiple mobile platform support. Earnings
comparisons were taken in account of how much revenue it will bring. Advertisements which
are situated in application have a big impact.The most costly method is native AD and least
costly method is web responsive AD among developed applications.
When the monthly return estimate is made for the BMI application to be included in Android,
IOS and Windows AD stores hybrid AD and crossed AD have been most profitable, web
responsive AD has been least profitable. Table 11 provides a comparison of this.
Table 11. Comparison of Cost and Earnings of BMI Application
AD Time Budget Estimated Monthly

(minutes) (TRY) Earnings (TL)
Native AD 30 50 50
Hybrid AD 60 100 150
Cross AD 60 100 150
Web Responsive AD 30 50 25
When considering a larger project to see the big picture; AD development period, project
development budget and the monthly yield estimate are more understandable. An online music
application with a 5-person software development team is considered for a comprehensive
project. Table 12 gives estimates of income and expense for this application.
595
Table 12. Income and Expense for Music Application
AD Time Budget Estimated Monthly

(minutes) (TRY) Earnings (TL)
Native AD 1 15.000 15.000
Hybrid AD 2 30.000 30.000
Cross AD 2 30.000 30.000
Web Responsive AD 1 15.000 7.500
AD time is shorter in native and web responsive AD. If AD period increases, the budget
required for the project is also increasing. The high estimate of the return occurs due to high
level downloading of the application. Income of music application depends high level
downloading of application.
5. Result
In this study, mobile AD methods have compared. The advantages and disadvantages of each
method have mentioned in the comparison. The determination of the method by which the
application will be implemented may vary according to target, application content, operations
to be performed by the application, available resources and facilities.
Application fluency in performance comparison, how smoothly it can work on all platforms in
usability comparison, how little it costs with minimum time and budget in cost comparison and
amount of money which application will bring in revenue comparison have been taken into
account for developed BMI applications. Table 13 gives comparing results of the developed
BMI applications.
Table 13. Results of General Comparisons of Developed BMI Applications
Most Advantageous Most Disadvantageous

Performance Native AD Web Responsive AD
Usability Cross AD Web Responsive AD
Cost Web Responsive AD Native AD
Revenue Hybrid AD, Cross AD Web Responsive AD
For example; a native development method can be used to develop a mobile banking or an ERP
(enterprise resource planning) application. The reason of this; such applications have a lot of
processing and therefore can only work with stability using the native AD method. For example,
using components that keep the user experience at the top level, application fluency, using
596
phone’s hardware (memory, camera, microphone, etc.) efficiently, temporarily or permanently

storage of user data in native applications.
As another example, hybrid AD can be used while developing an application that displays news
content platform or market data. Rather, it may be preferable to use this method in developing
applications for information purposes. The reason for this can be summarized as the fact that
these types of applications have fewer transactions than the native application. Developed
applications are very likely to run smoothly on most mobile platforms because they do not
involve many transactions. If such applications were developed using the AD method, they
would have served only a specific mobile platform. The application developed with using
Hybrid AD can be used on many mobile platforms.
For another example, cross AD method can be used when developing a game or application for
mobile platforms. For this reason, instead of developing applications for just one mobile
platform using with native AD, it is possible to develop games or applications that will work
on many mobile platforms at the same time with using cross AD. Cross AD is more
advantageous than native AD for reasons such as the ability to output multiple mobile platforms
at the same time, and shorter development and maintenance period of the application. However,
the applications developed by the cross AD method, there are limitations such as not being
fluent, not using hardware resources (CPU, GPU resources, etc.) efficiently enough and
consuming more charge. Therefore, a choice between native AD and cross AD should be
decided according to the programmers strategy. Both AD methods have their own advantages
and limitations.
For applications that require access to and performance of hardware features, native AD may
be preferred; for applications that providing multiple mobile platform support, requiring less
hardware and data size, cross or hybrid AD may be preferred. For applications that web based
application, web responsive AD may be preferred.
Choosing between mobile AD methods is absolutely crucial. But the companies that make up
their mobile strategy should not ignore the future of the mobile market. In the future, the further
increase of mobile and mobile AD types will bring complexity. Companies should choose a
solution that is flexible, reliable, and even possible to control and monitor all applications from
a single centralized interface to support all types of applications, taking into account all the
parameters.
597
References
[1]. Islam M R, Islam M R and Mazumder T A 2010 Mobile Application and Its Global
Impact, International Journal of Engineering & Technology (IJET-IJENS)(10-6): 104-
111
[2]. Wasserman A I 2010 Software Engineering Issues for Mobile Application

Development, Future of software engineering research (FoSER’10): 397-400
[3]. Holzer A and Ondrus J 2009 Trends in Mobile Application Development, Mobile
Wireless Middleware, Operating Systems, and Applications - Workshops
[4]. Holzer A and Ondrus J 2011 Mobile Application Market: A Developer’s Perspective,
Telematics and Informatics(28):22-31
[5]. Kangas E and Kinnunen T 2005 Applying User-Centered Design to Mobile Application
Development, COMMUNICATIONS OF THE ACM (48-7): 55-59
[6]. Kumar N A, Krishna K T H and Manjula R 2016 Challenges and Best Practices in
Mobile Application Development, Imperial Journal of Interdisciplinary Research
(IJIR)(2-12): 1607-1611
[7]. Mahato R 2016 Hybrid Mobile Application Development, Thesis, Helsinki Metropolia
University of Applied Sciences, Information Technology
[8]. Statista 2015 Worldwide mobile app store revenues in 2015, 2016 and 2020 (in billion
U.S. dollars), [online], https://www.statista.com/statistics/220186/total-global-in-app-
revenue-forecast [Date of Visit: 29 November 2017].
[9]. Fling B 2009 Mobile Design and Development: Practical Concepts and Techniques For
Creating Mobile Sites and Web Apps, Weiss S., USA: O’Reilly Media
[10]. Keskin N Ö and Kılınç H 2015 Mobil Mobil öğrenme uygulamalarına yönelik
geliştirme platformlarının karşılaştırılması ve örnek uygulamalar, Açıköğretim
Uygulamaları ve Araştırmaları Dergisi(1-3): 68-90
[11]. Amatya S and Kurti A 2013 Cross-Platform Mobile Development: An

Alternative to Native Mobile Development, Master thesis, Linnaeus University,
Department of Computer Science
598
[12]. Türkmen Ş D 2017 Mobil Uygulama Geliştirme Yöntemleri [online],

http://www.ieeeTURKEYblog.com/mobil-uygulama-gelistirme-yontemleri [Date of
Visit: 2 December 2017].
[13]. McWherter J and Gowell S 2012 Professional Mobile

Application Development, USA: Wrox
599
İstatistiksel Kalite Kontrol Alanında Yayınlanmış Makale ve

Bildiri Çalışmalarının Veri Madenciliği Yöntemleriyle
İncelenmesi
Selin Yalçın1, Kerem Aytulun1
selinyalcin@beykent.edu.tr, keremaytulun@beykent.edu.tr
1
Beykent University, TURKEY
Özet
İstatistiksel kalite kontrol, üretim ve hizmet süreçlerinin istatistiksel yöntemler kullanılarak,

ölçülebilir veriler yardımı ile izlenmesi ve kontrol edilmesidir. Süreçlerin izlenmesi ve
kontrollerinin yapılması, üretim sırasında ortaya çıkabilecek sorunların önceden tahmin
edilmesini, ürün veya hizmetin kalite standartlarına uygunluğunun sağlanması, gerekli
önlemlerin alınmasını sağlayarak maliyetlerin düşürülmesini, iş gücü verimliliğinin
arttırılmasını sağlamaktadır. Bu sebeple, literatürde konu seçimi istatistiksel kalite kontrol
alanına yönelik yapılmıştır. İstatistiksel kalite kontrol alanında yapılan 1482 makale ve bildiri
çalışmaları ele alınmıştır. Makale ve bildiri çalışmaları, veri madenciliği yöntemlerinden
birliktelik kuralları kullanılarak incelenmiştir. Birliktelik kuralları, veri setindeki potansiyel
ilişkilerin ortaya çıkarılmasıdır. Makale ve bildiri çalışmalarında yer alan yayın tarihi, makale
özetleri, makalenin konu başlığı, anahtar kelimeler ve yazarların ülkeleri temel alınmıştır.
Yapılan çalışmada ortaya çıkan sonuçlara göre, doygunluk seviyesine ulaşmış ve yayın
konusunda eksikliği devam eden alanlar belirlenmiş ve gelecekteki yayınlara ışık tutması
sağlanmıştır.
Anahtar Kelimeler: İstatistiksel Kalite Kontrol, Veri Madenciliği, Literatür Taraması
Examination of Published Articles and Conference Papers About

Quality Control by Data Mining Method
Abstract
Statistical quality control is the monitoring and control of production and service processes
using statistical methods with the help of measurable data. The monitoring and control of the
processes ensures that the problems that may arise during production are predicted, that the
product or service meets the quality standards, the necessary measures are taken, the costs are
600
reduced and the labor productivity is increased. For this reason, the topic selection in the
literature was made for the field of statistical quality control. 1482 articles and conference
papers on statistical quality control are examined. Articles and conference papers were
examined by data mining methods using association rules. The rules of association are the
discovery of potential relationships in the dataset. The publication date, summaries, topic title
of the article, key words and the countries of the authors are based on the articles and conference
papers. According to the results of the study, the areas that reached saturation level and were
still lacking in publication were identified and the future publications were shed light.
Keywords: Statistical Quality Control, Data Mining, Literature Review
1. Giriş
Kalite kontrol sürecinde üretilen ürünlerin üretim miktarlarının çok fazla olması, üretim
sisteminin karmaşıklığı nedeniyle çok büyük sorunlar ortaya çıkmaktadır. Bu sorunların
ortadan kaldırılması için büyük sayıları ve rasgele değişimleri konu alan bilimsel bir temele
ihtiyaç duyulmaktadır. Bu ihtiyacı da istatistik kavramı karşılamaktadır. İstatistik kavramı,
belirsizlik ve risk altında karar vermeyi sağlamak amacıyla büyük sayıları ve tesadüfi
değişimleri inceleyen bir bilim dalıdır. Bu sebeple, kalite kontrol çalışmalarında istatistik
kullanılmaktadır [1]. Kalite kontrol, tüketicilerin istek ve ihtiyaçlarını karşılamak amacıyla
işletme içindeki çeşitli birimlerin kendi içinde oluşturduğu kalite düzeylerini ve bu kalite
düzeylerini sürdürme çabalarını birleştiren, bunu yaparken de istatistik yöntemlerini temel
alarak uygulayan bir sistemdir. Üretici, ürettiği malın niteliğini tanımlamak ve iyileştirmek için
bir denetleme yapısına ihtiyaç duymaktadır. Bu denetleme işlemi, istatistiksel kalite kontrol
diyagramları yardımı ile yapılmaktadır. Bu diyagramlar, ürünün kalite karakteristiğinin
grafiksel bir gösterimidir. Bu grafikler sayesinde, süreç yeterliliğinin belirlenmesi ve süreç
değişkenliğinin analizi yapılabilmektedir. Grafikler, bu değişkenlerin müşteri gereksinimi ile
süreç performansı üzerindeki etkisinin izlenmesi için kullanılan istatistiksel araçlardır [2].
İstatistiksel kalite kontrol, üretim ve hizmet süreçlerinin istatistiksel yöntemler kullanılarak,
ölçülebilir veriler yardımı ile izlenmesi ve kontrol edilmesidir. Süreçlerin izlenmesi ve
kontrollerinin yapılması, üretim sırasında ortaya çıkabilecek sorunların önceden tahmin
edilmesini, ürün veya hizmetin kalite standartlarına uygunluğunun sağlanması, gerekli
önlemlerin alınmasını sağlayarak maliyetlerin düşürülmesini, iş gücü verimliliğinin
arttırılmasını sağlamaktadır. Bu sebeple, literatürde konu seçimi istatistiksel kalite kontrol
alanına yönelik yapılmıştır. İstatistiksel kalite kontrol alanında veri madenciliği ile yapılan
sınırlı sayıda çalışma olduğu dikkate alınarak,
601 istatistiksel kalite kontrol alanında yapılan
çalışmalar veri madenciliği yöntemi ile incelenmiştir. Veri madenciliği, teknolojinin hızla
ilerlemesiyle büyük miktardaki verilerin işlenmesi, saklı kalmış bilgilerin açığa çıkmasını
sağlayan en önemli yöntemlerden biridir. Veri madenciliği, çok büyük miktardaki verilerin
depolandığı veri tabanlarından, hedeflerimize ulaşabilmeyi sağlayacak anlamlı verilerin
bulunması ve verilerin hedeflerimiz doğrultusunda gelecek hakkında tahmin yapmamamızı
sağlamak amacıyla kullanılmaktadır [3]. Yapılan bu çalışmadan beklenen fayda, istatistiksel
kalite kontrol alanında yapılan çalışmalar birliktelik kuralları ile incelenerek içerisinde gizli
kalmış henüz açığa çıkmamış, birbirleri ile ilişkili kuralların ortaya çıkması sağlanarak
gelecekte yapılan çalışmalara ışık tutması şeklinde özetlenebilmektedir. Birinci bölümün (giriş)
ardından, ikinci bölümde istatistiksel kalite kontrol, veri madenciliği ile ilgili literatür
taramasına yer verilmiştir. Üçüncü bölümde, çalışmada kullanılan veri madenciliği ve
birliktelik kuralları anlatılmıştır. Dördüncü bölümde, çalışmada kullanılan veriler ve bu
verilerle elde edilen sonuçlara yer verilirken, çalışmanın son bölümlerinde uygulama
sonucunda elde edilen bulgular hakkında değerlendirmeler yapılarak önerilerde bulunulmuştur.
İstatistiksel kalite kontrol alanında yapılan çalışmalar incelendiğinde, Xu vd. (2017) [4]
ürünlerin ilaç kalitesini ürün yaşam ömrüne bakarak yeniden tasarlama yaparken kapsamlı bir
literatür taraması yapmıştır. Ali ve Ahmed (2016) [5] altı sigmanın istatistiksel kavramı ve
istatistiksel kalite kontroldeki önemi hakkında kısaca bir literatür taraması sunmuşlardır. Evans
vd. (2016) [6] siber güvenlik ihlallerine karşı, siber güvenlik güvencesi ve insan unsurunun
siber güvenlik konusundaki etkisi ile ilgili literatür taraması yapmışlardır. Araştırma sonucunda
ortaya çıkan, siber güvenlik alanında ihlallerin önlenmesini sağlamak için istatistiksel kalite
kontrol yöntemlerin uygulanmasının daha sağlıklı olacağı sonucuna varmışlardır. He vd. (2015)
[7] istatistiksel kalite kontrol, biyoistatistik, deney tasarımı gibi farklı alanlardaki dinamik
problemler üzerine yapılan çalışmaları incelemiş ve belli kategorilere ayırmıştır. Foster vd.
(2015) [8] metal bileşenlerin toz yatak füzyon katkılı üretimindeki kusurların nedenlerini
literatürde incelenmiş ve parça kalitesi izleme stratejilerini özetlemiştir. Galvani ve Carpinetti
(2013) [9] üretim ve hizmet sektöründe altı sigma uygulamalarını literatür taraması yaparak
karşılaştırmışlardır. Aguirre vd. (2011) [10] esnek yol kaplama malzemeleri için
kullanılabilecek farklı kalite güvence ve kalite kontrol önlemlerini gözden geçirmişlerdir.
Neubauer ve Luko (2011) [11] ASTM Alt Komitesi E11.30 tarafından istatistiksel kalite kontrol
üzerine oluşturulan ve desteklenen standartlar incelenmiş, mevcut ve gelecekteki çalışmalardan
602
bahsetmişlerdir. Lu vd. (2009) [12] nano ölçekli uygulamalarda istatistiksel yöntemlerin

kullanıldığı bazı örnekleri incelenmiş ve inceledikleri konular arasında deneysel tasarım,
belirsizlik altında modelleme, süreç optimizasyonu ve süreç izlemesi yer almaktadır. Jones-
Farmer vd. (2009) [13] yaptıkları çalışmada, literatür incelemesinden faydalanmış ve tam
anlamıyla serbest dağılmayan Faz I kontrol diyagramları yöntemini bulmuşlardır.
Birliktelik kuralları ile yapılan çalışmalar incelendiğinde, Timor vd. (2011) [14] hazır giyim
perakende sektöründe faaliyet gösteren bir firmanın müşteri verilerini birliktelik kuralları ile
inceleyerek analiz etmiştir. Erpolat (2012) [15] Türkiye’de otomotiv sektöründe faaliyet
gösteren bir yetkili servisin müşteri verilerini birliktelik kuralları yöntemi ile incelenerek analiz
etmiştir. Doğan vd. (2014) [16] Türkiye’de sigortacılık sektöründe faaliyet gösteren bir
işletmenin müşteri verilerini birliktelik kuralları yöntemi ile incelenerek analiz edilmiştir.
Doğan (2015) [17] bir e-ticaret sitesinin kullanıcılarının şifre yapıları birliktelik kuralları ile
incelenerek analiz etmiştir. Doğrul vd. (2015) [18] trafik kazalarını azaltmak için Çankırı’da
meydana gelen trafik kazalarının verilerini birliktelik kuralları kullanarak incelemişlerdir.
Literatür taraması incelendiğinde, istatistiksel kalite kontrol alanında yapılan literatür taraması
çalışmalarının istatistiksel kalite kontrol alanının alt başlıkları olduğu göze çarpmaktadır.
Yıllara göre yapılan çalışmaların incelenmesi, kullanılan yöntemlerin sıklığı ve veri
madenciliği ile yapılan çalışmalara rastlanmaması çalışmanın özgünlüğünü ortaya
çıkarmaktadır.
3. Yöntem
3.1. Veri Madenciliği
Veri tabanları, büyük hacimlerde veri korelasyonlarından oluşmaktadır. Büyük hacimli

verilerin içerisinden gizli kalmış bilgilerin nasıl açığa çıkarılacağı çok önemli bir konudur. Veri
korelasyonundan faydalı bilgilerin keşfedilmesini sağlayan, keşfederken de geliri arttıran,
maliyetleri indirgeyen Veri Madenciliğidir. Veri Madenciliği, veri tabanlarındaki çok net
olmayan, önceden bilinmeyen bilgilerin analizler yardımıyla ilişki örüntülerinin keşfetmesidir
[19]. Bu sayede, kullanışlı, sıra dışı, beklenmeyen işe yarar sonuçlar elde edilmektedir. Veri
Madenciliği, iki ana başlıkta incelenmektedir. Birincisi, elde edilen örüntülerden sonuçları
bilinmeyen verilerin tahmini için kullanılan tahmin edici, diğeri ise eldeki verilerin
tanımlanmasını sağlayan tanımlayıcıdır.
603
Tahmin edici modeller, geçmiş bilgilerden ve tecrübelerden yararlanarak gelecekte

gerçekleşmesi muhtemel durumlar hakkında öngörü yapmaktadır. Sınıflandırma ve regresyon
tahmin edici modellerdir. Tanımlayıcı modeller, veri kümesinin içirişinde var olan ilişkilerin
ortaya çıkmasını sağlamaktadır. Bu sayede, keşfedilmemiş ilginç bilgiler oraya çıkmaktadır.
Kümeleme ve birliktelik kuralları tanımlayıcı modellerdir [20].
3.1.1. Birliktelik Kuralları
Veri madenciliğinde çok sık kullanılan ve en önemli modellerden biri olan birliktelik kuralları,
veri tabanlarında bir arada sık görülen ilişkilerin ortaya çıkarılmasını sağlamaktadır. Aynı
zamanda, her verinin diğer verilerle olan ilişkisini açıklamaktadır. Birliktelik kuralları ilk defa
1993 yılında Agwaral, Imielinski ve Swami tarafından bulunmuştur. Birliktelik kurallarının
genel formu, X =>Y şeklinde ifade edilmektedir [17]. Veri madenciliği sonrası elde edilen
birliktelik sonuçlarının anlamlılığı ilginçlik adı verilen ölçümlerle değerlendirilmektedir. Bu
ölçümlerden destek (support) ve güven (confidence) olarak adlandırılan iki ölçüt
kullanılmaktadır.
𝑋 𝑣𝑒 𝑌 ′ 𝑛𝑖𝑛 𝑏𝑖𝑟 𝑎𝑟𝑎𝑑𝑎 𝑦𝑒𝑟 𝑎𝑙𝑑𝚤ğ𝚤 𝑘𝑎𝑦𝚤𝑡𝑙𝑎𝑟𝚤𝑛 𝑠𝑎𝑦𝚤𝑠𝚤

Destek (X =>Y) = 𝑇𝑜𝑝𝑙𝑎𝑚 𝑘𝑎𝑦𝚤𝑡𝑙𝑎𝑟𝚤𝑛 𝑠𝑎𝑦𝚤𝑠𝚤
(1)
𝑋 𝑣𝑒 𝑌 ′ 𝑛𝑖𝑛 𝑏𝑖𝑟 𝑎𝑟𝑎𝑑𝑎 𝑦𝑒𝑟 𝑎𝑙𝑑𝚤ğ𝚤 𝑘𝑎𝑦𝚤𝑡𝑙𝑎𝑟𝚤𝑛 𝑠𝑎𝑦𝚤𝑠𝚤

Güven (X =>Y) = (2)
𝑋 ′ 𝑛𝚤𝑛 𝑦𝑒𝑟 𝑎𝑙𝑑𝚤ğ𝚤 𝑘𝑎𝑦𝚤𝑡𝑙𝑎𝑟𝚤𝑛 𝑠𝑎𝑦𝚤𝑠𝚤
Birliktelik sonuçlarına göre elde edilen her bir ilişkinin destek değeri, denklem (1)’de yer alan
eşitlik ile hesaplanmaktadır. Destek değeri, bir veri kümesinin tüm veri setinde bulunma
durumunu (%) ile ifade edilmesidir. Güven değeri, denklem (2)’de yer alan eşitlik ile
hesaplanmaktadır. Güven değeri, X’nın var olduğu kayıtların %’sinde Y’nin de var olduğunu
ifade etmektedir. Kullanıcı, destek ve güven değerleri için belli bir minimum eşik değeri belirler
ve eşik değerinin üstünde kalan kurallar ilginç olarak ifade edilir. Örnek vermek gerekirse,
Meyve => Cips için destek ve güven değerlerinin sırasıyla %2 ve %80 olduğu varsayıldığında,
destek değeri, veri setinde tüm kayıtlar içerisinde meyve ve cips alan müşterilerin birlikte
bulunma oranın %2 olduğunu ifade etmektedir. Güven değeri, tüm veri setinde meyve alan
müşterilerin %80’inin cipste aldığını göstermektedir [16].
4. Uygulama
Literatür incelendiğinde, ülkelerin gelişebilmelerinde önemli bir rol oynayan istatistiksel kalite
kontrol konusu ele alınmıştır.
604
İstatistiksel kalite kontrol alanında yapılan 1482 makale ve bildiri çalışmalarının yayın tarihi,
özetleri, konu başlığı, çalışmanın hangi ülkede yapıldığı, anahtar kelimeler Scopus’tan Excel’e
aktarılarak veri madenciliği yöntemlerinden biri olan birliktelik kuralları ile RapidMiner5
programında incelenmiştir.
İstatistiksel kalite kontrol alanında yapılmış çalışmaların istatistiksel analizi Grafik 1’de
gösterilmiştir. Grafik 1 incelendiğinde, 2014-2017 yılları arasında istatistiksel kalite kontrol
alanında yapılan çalışmaların giderek arttığı, 2018 yılının Mayıs ayına kadar olan sürede de
çalışmaların devam ettiği gözlemlenmektedir. Bu alandaki çalışmaların çoğunluğunun makale
çalışması olduğu da göze çarpmaktadır.
Grafik 1. İstatistiksel kalite kontrol alanınla yapılan çalışmaların yıllara göre dağılımı
60
Yayınlanan çalışmaların sayısı
50
Toplam
40
30 Makale
20 Konferans
Bildirileri
10
Tarama
0
Yıllar
Makale ve bildiri çalışmalarının özet kısımları birliktelik kuralları ile incelendiğinde elde edilen
sonuçlar Grafik 2 ’de gösterilmiştir. Grafik 2 incelendiğinde, en fazla kullanılan kelimenin
diyagram (chart) olduğu görülmektedir. İstatistiksel kalite kontrol alanında yapılan çalışmaların
çoğunluğunu diyagramların (charts) oluşturduğu sonucu çıkarılmaktadır. Örneklem (sampling),
simülasyon (simulation) gibi yöntemlerde kullanıldığı görülmektedir. Dağılımların
(distribution) istatistiksel kalite kontrol alanında sıklıkla kullanıldığı da göze çarpmaktadır.
Yapılan çalışmaların üretim (manufacturing) alanında ağırlıklı olarak uygulandığı
görülmektedir. Maliyet kelimesinin de sıklıkla kullanımı istatistiksel kalite kontrolün
maliyetleri azaltmada önemli bir yer tutuğunun kanıtı olarak görülebilmektedir. Optimizasyon
kelimesinin de yine çok fazla kullanılması faaliyetlerin optimum seviyede yapılmasının
sağlanması için istatistiksel kalite kontrolün önemli sonucuna varılmaktadır.
605
Grafik 2. Yapılan Çalışmaların Özet Kısımlarında Kullanılan Anahtar Kelimelerin Kullanım Sıklığı
1200
1000
Kelimelerin Kullanım Sıklığı
800
600
400
200
describe
performance
development
problem
plan
standard
cost
time
conception
acception
technologic
chart
monitoring
evalulation
test
manufacturing
estimation
inspection
reliablility
simulation
analysis
research
sampling
management
detection
distribution
capability
characteristic
optimation
Kelimeler
Yapılan çalışmaların anahtar kelimeleri ve hangi ülkede yapıldığı birliktelik kuralları ile
incelendiğinde elde edilen sonuçlar Tablo 1 ve Grafik 3’te gösterilmiştir. Tablo 1
incelendiğinde, İran’ın mevma ve ortalama çalışma uzunluğunun (average run length) çok
değişkenli istatistiksel kalite kontrol (multivariate statistical quality control) çalışmalarından
geldiği görülmektedir. Grafik 3 incelendiğinde, istatistiksel kalite kontrol (statistical quality
control) kelimesinin en sık kullanılan kelime olduğu, uygulanan yöntemler arasından kontrol
diyagramları (control charts) ve ortalama çalışma uzunluğunun (average run length) sıklıkla
kullanıldığı görülmektedir. Amerika Birleşik Devletlerinin istatistiksel kalite kontrol alanında
ülke bazında en çok çalışma yapan ülke olduğu, arkasından Çin ve İran’ın geldiği de göze
çarpmaktadır. Türkiye ise, istatistiksel kalite kontrol alanında uluslararası platformda 13
makale yayımı ile 20. sırada yer almaktadır. Bu sonuçlardan kaliteye verilen önemin Amerika
Birleşik Devletlerinde diğer ülkelere kıyasla daha fazla olduğu görülmektedir. İran’ın da kalite
alanına ilgili olduğu görülmektedir. İran’ın kendine özel İran Mükemmellik Modelinin olması
da bunun bir göstergesidir. Türkiye ise, kalite alanına daha fazla eğilim gösterip çalışma
yapması gerekmektedir.
Yapılan çalışmaların daha ayrıntılı incelenebilmesi için Grafik 3’e göre, Amerika Birleşik
Devletleri, Çin, İran ve Türkiye’de yapılan çalışmalar ayrı ayrı birliktelik kuralları ile
incelenmiştir. İncelenen sonuçlar, Grafik 4, Grafik 6, Grafik 8 ve Grafik 10’da gösterilmiştir.
606
Tablo 1. Anahtar Kelimelerin Birlikte Kullanılma Oranları
Kabul Sonuç Destek Güven

electronic nose china 0,013490725 0,8
multivariate control chart statistical quality control 0,010118044 1
fuzzy number statistical quality control 0,010118044 1
fuzzy number iran 0,010118044 1
fuzzy number statistical quality control, iran 0,010118044 1
statistical quality control, fuzzy number iran 0,010118044 1
iran, fuzzy number statistical quality control 0,010118044 1
robustness united states 0,006745363 0,8
profile monitoring iran 0,006745363 0,8
mewma iran 0,006745363 0,8
mewma average run length 0,006745363 0,8
statistical quality control, total quality management united states 0,006745363 0,8
united states, total quality management statistical quality control 0,006745363 0,8
mewma iran, average run length 0,006745363 0,8
quality control, six sigma united states 0,006745363 1
iran, mewma average run length 0,006745363 1
average run length, mewma iran 0,006745363 1
quality control, total quality management statistical quality control 0,005059022 1
control charts, TURKEY statistical quality control 0,005059022 1
spain, multivariate control chart statistical quality control 0,005059022 1
acceptance sampling, greece statistical quality control 0,005059022 1
singapore, normal distribution statistical quality control 0,005059022 1
quality control, total quality management united states 0,005059022 1
statistical process control, process capability united states 0,005059022 1
electronic nose, principal component analysis china 0,005059022 1
multivariate statistical quality control, mewma iran 0,005059022 1
multivariate statistical quality control, mewma average run length 0,005059022 1
quality control, total quality management statistical quality control, united states 0,005059022 1
statistical quality control, quality control, total quality management united states 0,005059022 1
united states, quality control, total quality management statistical quality control 0,005059022 1
iran, average run length, multivariate statistical quality control mewma 0,005059022 1
multivariate statistical quality control, mewma iran, average run length 0,005059022 1
iran, multivariate statistical quality control, mewma average run length 0,005059022 1
average run length, multivariate statistical quality control, mewma iran 0,005059022 1
Grafik 3. Kullanılan Anahtar Kelimelerin Kullanım Sıklığı
united kingdom
taiwan
spain
germany
italy
average run length
Kelimeler
brazil
iran
china
control charts
quality control
statistical process control
united states
statistical quality control
0 50 100 150 200 250
607
Grafik 4. Amerika Birleşik Devletlerinde Yapılan Çalışmalarda Kullanılan Anahtar Kelimelerin

Kullanım Sıklığı
30
25
Anahtar Kelimelerin Kullanım Sıklığı
20
15
10
0
ewma
robustness
mil standards
decision making
genetic algorithm
control charts
probability distribution
process monitoring
average run length
analytical run length
taguchi
six sigma
multivariate control charts
cusum
simulation
process capability
shewhart
sampling
bayes factors
design of experiments
time series
sequential sampling
total quality management
acceptance sampling
double sampling
likelihood ratio test
hotelling's t2
data mining
stochastic control/model
nonlinear regression
iso standards
p charts
quality assurance
nonparametric
manufacturing
autocorrelation
continuous sampling
multivariate quality control

principal component analysis Anahtar Kelimeler
Amerika Birleşik Devletlerinde yapılan çalışmalar ayrı olarak birliktelik kuralları ile
incelendiğinde elde edilen sonuçlar Grafik 4’te gösterilmiştir. Yapılan çalışmalarda, kontrol
diyagramlarının (control charts) en sık kullanılan yöntem olduğu ardından altı sigma (six
sigma), simülasyon (simulation), süreç yeterliliği (prosess capability) yöntemlerinin de
istatistiksel kalite kontrol alanında sıklıkla kullanıldığı görülmektedir. Kontrol diyagramları
özele indirgendiğinde Shewhart diyagramının çoğunlukla kullanıldığı görülmektedir. Göze
çarpan bir diğer sonuç ise, stokastik modellemenin (stochastic control/model) de kullanıldığı
görülmektedir. Genetik algoritma (genetic algorithm) gibi metahuristik yöntemlere de
yönelindiği göze çarpmaktadır. Metahuristik yöntemler, çok sayıda karmaşık ve çözülmesi güç
problemlerin çözümünde kullanılmaktadır. ISO standartlarının (iso standards) da çalışıldığı
görülmektedir.
Yapılan çalışmaların anahtar kelimeleri ayrıntılı olarak incelenerek bu yöntemlerin sektörel

bazda hangi alanlarda yapıldığı Grafik 5’te gösterilmiştir. Grafik 5 incelendiğinde, Amerika
Birleşik Devletlerinin daha çok üretim, kimya ve sağlık alanında çalışmalar yaptığı
görülmektedir. İmalat sanayisinde yapılan çalışmaların hizmet sektörüne göre daha fazla
olduğu söylenebilmektedir.
608
Anahtar Kelimelerin Kullanım sıklığı
1
2
3
4
5
6
7
8
9
0
electronic nose
control chart
bayesian method
principal component analysis
7%
multivariate statistical quality…
7%
simulation
3%
9%
process capability
experimental design 3%
3%
partial least squares method

sampling
11%
2%
1%
autocorrelated process
1%
categorical observations
1%
1%
data reconstruction
discriminant factor analysis
quality management
data mining
609
16%
nanomanufacturing
q control chart
35%
Anahtar Kelimeler
autocorrelation
average run length
multi class support vector machines
correlation analysis
generalized likelihood ratio test
Çevre
Enerji
Tarım
Sağlık
Eğitim
Üretim
Yazılım
markov process
Güvenlik
Bilgisayar
mcewma
Kimya ve İlaç
q control chart
run to run (r2r) control
Teknoloji ve Yenilik
time series
quality assurance
stochastic modeling
Grafik 6. Çin’de Yapılan Çalışmalarda Kullanılan Anahtar Kelimelerin Kullanım Sıklığı
time series
Grafik 5. Amerika Birleşik Devletlerinde Yapılan Çalışmaların Sektörel Bazda İncelenmesi
Çin’de yapılan çalışmalar ayrı olarak birliktelik kuralları ile incelendiğinde elde edilen sonuçlar
Grafik 6’da gösterilmiştir. Yapılan çalışmalarda, en sık elektronik burun (elektronic nose)
sistemleri üzerinde çalışıldığı görülmektedir. Elektronik burun, insanın koku alma
mekanizmasını taklit ederek çalışan sistemler olarak tanımlanmaktadır [21]. Yöntem olarak
kontrol diyagramlarının (control charts) sıklıkla kullanıldığı ardından temel bileşenler analizi
(principal component analysis) , çok değişkenli istatistiksel kalite kontrol (multivariate
statistical quality control), simülasyon (simulation) yöntemlerinin kullanıldığı görülmektedir.
Ayırma faktör analizi (discriminant factor analysis), genel olabilirlik oran testi (generalized
likelihood ratio test), Markov süreçlerinin (Markov prosess) de çalışıldığı görülmektedir.

bazda hangi alanlarda yapıldığı Grafik 7’de gösterilmiştir. Grafik 7 incelendiğinde, Çin’in daha
çok yazılım ve gıda alanında çalışmalar yaptığı görülmektedir. Bunun nedeni, istatistiksel kalite
kontrol alanında elektronik burun sistemleri (elektronic nose) üzerinde Çin’in çok fazla çalışma
yapması ile açıklanabilmektedir.
Grafik 7. Çin’de Yapılan Çalışmaların Sektörel Bazda İncelenmesi
Yazılım
2% 5% 5%
2% 29% Üretim
2% Trafik
11% Gıda
Sağlık
Güvenlik
Tarım
Çevre
13% Enerji
24% Kimya ve İlaç
7%
610
Anahtar Keliemlerin Kullanım Sıklığı
10
12
14
0
2
4
6
8
fuzzy number
average run length
mewma
control charts
statistical process control
acceptance single sampling
mcusum
multivariate statistical quality control
hotelling t2 chart
fuzzy probability of acceptance
profile monitoring
average outgoing quality
average total inspection
sıklıkla kullanıldığı görülmektedir.

fuzzy multi control chart
iso standards
multivariate process monitoring
sequential sampling plan
decomposition method
land management system
multiple deferred state sampling plan
611
process capability indices
Anahtar Kelimeler
multivariate control charts
short run process
bayesian method
acceptance double sampling
variable neighborhood search
autocorrelation
b spline smoothing method
chain sampling plan
cusum chart
economic design
ewma chart
fuzzy hypotheses testing
genetic algorithms
heuristic threshold policy
heuristic threshold policy
quality management
maximum likelihood estimation
Grafik 8. İran’da Yapılan Çalışmalarda Kullanılan Anahtar Kelimelerin Kullanım Sıklığı
fuzzy decision making
Grafik 8’de gösterilmiştir. İran’ın yaptığı çalışmalarda, diğer ülkelerden farklı olarak daha çok
çalışma uzunluğu (average run length), mevma, kontrol diyagramlarının (control charts)
bulanık mantık (fuzzy logic) çalıştığı görülmektedir. Uygulanan yöntemler arasından ortalama
İran’da yapılan çalışmalar ayrı olarak birliktelik kuralları ile incelendiğinde elde edilen sonuçlar
Grafik 9. İran’da Yapılan Çalışmaların Sektörel Bazda İncelenmesi
29%
Tarım
Enerji
Kimya
57%
Sağlık
7%
7%

bazda hangi alanlarda yapıldığı Grafik 9’da gösterilmiştir. Grafik 9 incelendiğinde, İran’da
yapılan çalışmalar daha tarım sektörüne yönelik yapıldığı göze çarpmaktadır. Bu da, yapılan
çalışmaların elektronik burun üzerinde yoğunlaşmasından kaynaklanmaktadır.
Grafik 10. Türkiye’de Yapılan Çalışmalarda Kullanılan Anahtar Kelimelerin Kullanım Sıklığı
shewhart
ewma
cutting parameters
cusum
cumulative count of conforming control charts
pareto analysis
p cusum chart
Anahtar Kelimeler
p chart
central composite design
body mass index
average run length
x r control charts
process capability
textile sector
design of experiments
fuzzy control charts
acceptable quality level
fuzzy logic
0 0,5 1 1,5 2
Anahtar Kelimelerin Kullanım Sıklığı
Türkiye’de yapılan çalışmalar ayrı olarak birliktelik kuralları ile incelendiğinde elde edilen
sonuçlar Grafik 10’da gösterilmiştir. Yapılan çalışmalarda, İran gibi bulanık mantık (fuzzy
logic) çalışıldığı görülmektedir. Yine kontrol diyagramlarının (control charts) en sık kullanılan
yöntem olduğu, deneysel tasarım (design of experiments) yönteminin kullanıldığı ardından
problem çözme tekniklerinden olan pareto analizi (pareto analysis) yöntemlerinin de
kullanıldığı görülmektedir. Kontrol diyagramları özele indirgendiğinde x-r kontrol
612
diyagramları, p diyagramları, cusum, ewma, shewhart gibi diyagramların çoğunlukla

kullanıldığı görülmektedir.
Grafik 11. Türkiye’de Yapılan Çalışmaların Sektörel Bazda İncelenmesi
10%
40% Tekstil
20%
Sağlık
Üretim
30% Çevre

bazda hangi alanlarda yapıldığı Grafik 11’de gösterilmiştir. Grafik 11 incelendiğinde,
Türkiye’de yapılan çalışmaların daha çok tekstil sektörüne yönelik yapıldığı göze çarpmaktadır.
Üretim ile ilgili yapılan çalışmaların az olması da üzerinde durulacak önemli noktalarından
biridir.
İstatistiksel kalite kontrol alanında yapılan çalışmalar yıllara göre kullanılan anahtar
kelimelerin kullanım sıklığı grup halinde birleştirilerek Tablo 2’de gösterilmiştir. Tablo 2
incelendiğinde, kontrol diyagramlarının popülaritesini kaybetmediği, düzenli olarak
çalışmalarda kullanıldığı görülmektedir. Daha çok kontrol diyagramlarından olan
cusum/mcusum, ewma/mewma/hybrid ewma, shewhart diyagramlarının kullanıldığı
görülmektedir. Zaman serilerinin (time series) 2016 yılından sonra yapılmaya başlandığı göze
çarpmaktadır. Pareto analizi gibi problem çözme tekniklerinin istatistiksel kalite kontrol
alanında çok fazla kullanılmadığı görülmektedir. Bu alanda olasılık dağılımlarına da çok sık
başvurulduğu görülmektedir.
613
Tablo 2. İstatistiksel Kalite Kontrol Alanında Yapılan Çalışmaların Yıllara Göre Kullanılan Anahtar
Anahtar Kelimeler 2018 (Mayıs Sonu) 2017 2016 2015 2014 2013 2012 2011 2010
control charts 4 10 10 7 12 8 4 4 7
simulation 3 2 1 3 3 2 0 1 0
fuzzy yaklaşımı 2 4 5 0 0 0 1 6 5
ewma/mewma/hybrid ewma 2 2 1 2 1 6 1 1 3
probability distribution 1 4 1 2 3 3 6 0 1
average run length 4 0 3 2 7 4 2 2 1
cusum/mcusum 1 2 1 0 2 3 2 0 1
process capability 0 6 5 3 1 2 1 0 1
six sigma 0 4 3 2 0 4 1 0 1
design of experiments 0 2 1 1 1 1 0 1 2
shewhart 0 1 2 1 1 0 1 0 0
time series 1 2 1 0 0 0 0 0 0
hotelling t2 chart 0 2 2 2 2 1 0 2 2
sampling 4 6 3 3 1 2 1 7 3
data mining 0 1 3 2 1 0 3 2 0
likelihood estimation 0 2 2 0 0 0 1 0 0
genetic algorithms and heuristics 0 1 0 0 1 1 0 0 3
multivariate statistical quality control 0 0 4 3 3 7 5 2 2
ISO standards 0 0 0 0 0 2 0 0 0
IPC tools 3 0 0 1 0 0 0 0 0
data analysis 0 0 2 3 5 0 0 1 0
Kelime gruplarının birleştirilmesi; control charts (control charts/synthetic chart/ x charts/k

charts/moving range control charts), fuzzy yaklaşımı (fuzzy logic/fuzzy probability of
acceptance/ fuzzy number/fuzzy hypotheses testing/fuzzy control index/fuzzy control
charts/fuzzy desicion making/fuzzy distiribution/fuzzy multi control chart/fuzzy multivariate
control chart), sampling (sampling plans/single sampling plan/acceptance sampling/double
simpling/ variables sampling plan/sequential sampling plan/gibbs sampling/ranked set
sampling/chain sampling plan/multiple deferred state sampling plan), data mining (data
mining/big data/data reconstruction/data screening/data modeling/multivariate data analysis),
likelihood estimation (likelihood ratio test/maximum likelihood estimation), genetic
algorithms and heuristics (metaheuristics/genetic algorithms/variable neighborhood
search/global optimization/stochastic control), multivariate statistical quality control
(multivariate statistical quality control/multi attribute control chart/multi criteria
optimization/multivariate time series/multiple characteristics/multivariate process
monitoring/multivariate capability indices), problem solving techniques (time intervals
histogram/pareto analysis/cause effect graphing), data analysis (exploratory factor
analysis/hypothesis testing/beta correction/black box testing/classification/composite
614
parametrical hypotheses/regression model/linear regression/anova/analysis of

variance/correlation analysis/discriminant factor analysis) şeklinde yapılmıştır.
5. Sonuç
Üretim ve hizmet süreçlerini istatistiksel yöntemler kullanarak, ölçülebilir veriler yardımı ile
izlenmesi ve kontrol edilmesini sağlayarak, üretim sırasında ortaya çıkabilecek sorunların
önceden tahmin edilmesini, ürün veya hizmetin kalite standartlarına uygunluğunun
sağlanmasını, gerekli önlemlerin alınmasını sağlayarak maliyetlerin düşürülmesini, iş gücü
verimliliğinin arttırılmasını sağlayan istatistiksel kalite kontroldür. Bu kadar önemli bir konu
olan istatistiksel kalite kontrol çalışmamızda incelenmiştir. İstatistiksel kalite kontrol alanında
yapılan 1482 makale ve bildiri çalışmalarının yayın tarihi, özetleri, konu başlığı, çalışmanın
hangi ülkede yapıldığı, anahtar kelimeler veri madenciliği yöntemlerinden biri olan birliktelik
kuralları ile RapidMiner5 programında incelenmiştir. İncelenen sonuçlarına göre, 2014-2017
yılları arasında istatistiksel kalite kontrol alanında yapılan çalışmaların giderek arttığı, 2018
yılının Mayıs ayına kadar olan sürede çalışmaların devam ettiği görüldüğünden ivmenin
artacağı öngörülmektedir. Makale ve bildiri çalışmalarının özet kısımları birliktelik kuralları ile
incelendiğinde, en fazla kullanılan kelimenin diyagram (chart) olduğu, yapılan çalışmaların
çoğunluğunu diyagramların (chart) oluşturduğu sonucu çıkarılmaktadır. Örneklem (sampling),
simülasyon (simulation) gibi yöntemlerde kullanıldığı görülmektedir. Dağılımların
(distribution) istatistiksel kalite kontrol alanında sıklıkla kullanıldığı da göze çarpmaktadır.
Yapılan çalışmaların üretim (manufacturing) alanında ağırlıklı olarak uygulandığı
görülmektedir. Maliyet kelimesinin de sıklıkla kullanımı istatistiksel kalite kontrolün
maliyetleri azaltmada önemli bir yer tutuğunun kanıtı olarak görülebilmektedir. Optimizasyon
kelimesinin de yine çok fazla kullanılması faaliyetlerin optimum seviyede yapılmasının
sağlanması için istatistiksel kalite kontrolün önemli olduğu görülmektedir. Ayrıca, Amerika
Birleşik Devletlerinin istatistiksel kalite kontrol alanında ülke bazında en çok çalışma yapan
ülke olduğu, arkasından Çin ve İran’ın geldiği de göze çarpmaktadır. Türkiye ise kalite alanına
daha fazla eğilim gösterip, çalışma yapması gerekmektedir. Amerika Birleşik Devletlerinde
göze çarpan bir diğer sonuç ise, stokastik modellemenin (stochastic control/model)
kullanıldığıdır. Genetik algoritma (genetic algorithm) gibi metahuristik yöntemlere de
yönelindiği görülmektedir. Çin’de yapılan çalışmalarda, en sık elektronik burun (elektronic
nose) sistemleri üzerinde çalışıldığı görülmüştür. İran’ın yaptığı çalışmalarda, diğer ülkelerden
de farklı olarak daha çok bulanık mantık (fuzzy logic) çalıştığı görülmektedir.
615
Türkiye’de yapılan çalışmalarda, İran gibi bulanık mantık (fuzzy logic) çalışıldığı görülmekte
ve yine kontrol diyagramlarının (control charts) en sık kullanılan yöntem olduğu sonucuna
varılmaktadır. Türkiye’nin uluslararası platformda istatistiksel kalite kontrol konusunda 13
makale çalışması yapması üzerinde durulması gereken önemli bir noktadır. Ülkelerin
gelişmesinde önemli bir rol oynayan istatistiksel kalite kontrol alanında yapılan çalışmaların
attırılması gerekmektedir. Öneri olarak, bütün akademik çalışmalara başlamadan önce
çalışılacak konunun böyle bir analize tabi tutularak incelenmesi konu hakkında daha önceden
yapılan çalışmaların daha sağlıklı görülmesini sağlayacaktır.
Kaynaklar
[1] İ. H. Özdamar, «Bulanık İstatistiksel Kalite Kontrolü ve Bir Orman Endüstrisi İşletmesinde
Uygulama,» Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı,
Doktora Tezi, pp. 1-236, 2006.
[2] İ. H. Özdamar, «Orman Ürünleri Endüstrisinde İstatistiksel Kalite Kontrol: Yonga Levha
Üretiminde Bir Çalışma,» Süleyman Demirel Üniversitesi Orman Fakültesi Dergisi, 1, pp. 79-91,
2007.
[3] S. Yalçın ve E. Ayyıldız, «Türkiye'deki Havalimanlarının K-Ortalamalar Yöntemiyle

Kümelenmesi,» 7. Ulusal Lojistik ve Tedarik Zinciri Kongresi, ULTZK 2018, pp. 572-580, 2018.
[4] B. Xu, X. Y. Shi, Z. S. Wu, Y. L. Zhang, Y. Wang ve Y. L. Qiao, «Quality by design approaches
for pharmaceutical development and manufacturing of Chinese medicine,» Zhongguo Zhongyi
Yanjiuyuan, cilt 42, no. 6, pp. 1015-1024, 2017.
[5] F. Ali ve A. Ahmed, «A review on the statistical concepts of six sigma,» American Institute of
Physics Inc., cilt 1775, 2016.
[6] M. Evans, L. A. Maglaras, Y. He ve H. Janicke, «Human behaviour as an aspect of cybersecurity

assurance,» John Wiley and Sons Inc., cilt 9, no. 17, pp. 4667-4679, 2016.
616
[7] Z. He, P. Zhou, M. Zhang ve T. N. Goh, «A review of analysis of dynamic response in design of
experiments,» John Wiley and Sons Ltd, cilt 31, no. 4, pp. 535-542, 2015.
[8] B. K. Foster, E. W. Reutzel, A. R. Nassar, C. J. Dickman ve B. T. Hall, «A brief survey of sensing

for metal-based powder bed fusion additive manufacturing,» Proceedings of SPIE - The
International Society for Optical Engineering, cilt 9489, 2015.
[9] L. R. Galvani ve L. C. Carpinetti, «Comparative analyses of six-sigma program application in

manufacturing and services process,» Producao, cilt 23, no. 4, pp. 695-704, 2013.
[10] A. Aguirre, E. Jimenez ve J. F. Espiritu, «Quality control in the pavement industry,» 61st Annual
IIE Conference and Expo Proceedings, 2011.
[11] D. V. Neubauer ve S. N. Luko, «Statistical standards and ASTM, Part 2,» Quality Engineering,
cilt 23, no. 1, pp. 100-104, 2011.
[12] J. S.-L. W. K. Lu J.-C., «A review of statistical methods for quality improvement and control in
nanotechnology,» Journal of Quality Technology, cilt 41, no. 2, pp. 148-164, 2009.
[13] L. A. Jones-Farmer, V. Jordan ve C. W. Champ, «Distribution-free phase I control charts for

subgroup location,» Journal of Quality Technology, cilt 41, no. 3, pp. 304-316, 2009.
[14] M. Timor, A. Ezerçe ve U. T. Gürsoy, «Müşteri Profilini ve Alışveriş Davranışlarını Belirlemede

Kümeleme ve Birliktelik Kuralları Analizi: Perakende Sektöründe Bir Uygulama,» Istanbul
Management Journal, cilt 22, no. 68, pp. 128-147, 2011.
[15] S. Erpolat, «Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve

FP-Growth Algoritmalarının Karşılaştırılması,» Anadolu Üniversitesi Soysal Bilimler Dergisi, cilt
12, no. 1, pp. 151-166, 2012.
617
[16] B. Doğan, B. Erol ve A. Buldu, «Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi İçin
Birliktelik Kuralı Kullanılması,» Marmara Fen Bilimleri Dergisi, cilt 3, pp. 105-114, 2014.
[17] O. Doğan, «Bir E-Ticaret Sitesi Kullanıcı Hesaplarında Şifre Yapılarının Birliktelik Kuralları ile
İncelenmesi,» İnternet Uygulalamaları ve Yönetimi, cilt 6, no. 2, pp. 49-61, 2015.
[18] G. Doğrul, D. Akar ve M. Kurt, «Trafik Kazalarının Birliktelik Kuralları ile Analizi,» Gazi
Mühendislik Bilimleri Dergisi, cilt 1, no. 2, pp. 265-284, 2015.
[19] A. S. Koyuncugil ve N. Özgülbaş, «Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve

Uygulamaları,» Bilişim Teknolojileri Dergisi, cilt 2, no. 2, pp. 21-32, 2009.
[20] H. Özçınar, «KPSS Sonuçlarının Veri Madenciliği Yolu ile Tahmin Edilmesi,» Pamukkale
Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi,
2006.
[21] Ü. Kızıl, L. Genç ve M. Saçan, «Elektronik Burun Sistemlerinin Tasarım İlkeleri,» Journal of
Agricultural Faculty of Uludag University, cilt 25, no. 1, pp. 109-118, 2011.
618
Veri Madenciliğinde Veri Kümeleri Dengeleme Yöntemlerinin
Sınıflandırma Modeli Performansı Üzerindeki Etkileri: Sağlık
Alanında Bir Uygulama
İ E Emre1, N Erol2, Y Özkan, Y İ Ayhan3, Ç Erol4
1
Marmara University, Faculty of Business, Department of Business Informatics, TURKEY
2,3
Istanbul Medeniyet University, Göztepe Education and Research Hospital, Children's Clinic, TURKEY
4
Istanbul University, Department of Informatics, TURKEY
Özet
Veri madenciliği sınıflandırma çalışmalarında, elde edilen modellerin performanslarının
karşılaştırılması, modele dayalı ön görülerin geliştirilmesi açısından önemlidir. Geliştirilen
modellerin performans açısından doğruluk ölçütü kullanılarak karşılaştırılabilmesi ve böylece
tahmin gücünün ortaya çıkarılabilmesi için, veri kümesinde sınıf özniteliği değerlerinin dengeli
dağılmış olması beklenir. Ancak her zaman bu mümkün olmamakta, veri kümelerinde
dengesizlikler ortaya çıkabilmektedir. Ön işleme aşamasında veri kümesindeki dengesizliği
gidermek için farklı yöntemler kullanılarak elde edilen performanslar karşılaştırılıp mevcut
duruma en uygun sınıflandırma algoritması seçilebilmektedir. Literatürde iki kategorili karar
değişkenine sahip dengesiz veri kümelerinde benzer çalışmalar yapıldığı görülmektedir. İkiden
fazla değişkenli dengesiz veri kümeleriyle yapılan çalışmaların daha zorlayıcı olabileceği
belirtilmektedir. Bu çalışmanın amacı, dört kategorili karar değişkenine sahip dengesiz bir veri
kümesinde, farklı dengeleme yöntemlerinin kullanılması ile hangi dengeleme yönteminin,
hangi modelin performansına daha çok etki ettiğini deneysel olarak ortaya koymaktır. Veri
kümesi, İstanbul Medeniyet Üniversitesi Göztepe Eğitim ve Araştırma Hastanesi, Çocuk
Kliniği Çocuk Kardiyolojisi Polikliniği'nde Modifiye Jones Kriterleri'ne göre akut romatizmal
ateş (ARA) şüphesi veya reaktivasyonu tanısı ile takibe alınan 297 hasta verisinden
oluşmaktadır. Ön işleme sonucunda, 201 hasta verisi ile analiz yapılmaktadır. Bu çalışmada
veri kümesinin karar değişkenindeki dengesizliğini gidermek için eğitim veri kümesine "az
sayıdaki örnekleri çoğaltarak dengeleme" (oversampling), "fazla sayıdaki örnekleri azaltarak
dengeleme" (undersampling) ve "sentetik veri üretimi" (SMOTE) yöntemleri uygulanmaktadır.
arklı dengeleme işlemlerinin uygulanması sonucunda elde edilen yeni eğitim kümelerine farklı
sınıflandırma algoritmaları (Sade Bayes sınıflandırıcı, CART, C5.0, rastgele orman)
uygulanarak modellerin performansları karşılaştırılmaktadır. Model performans değerlendirme
yöntemlerinden holdout (60 eğitim-40 test, 70 eğitim-30 test, 80 eğitim-20 test)
619
kullanılmaktadır. Sonuç olarak; holdout 60/40 yöntemi ile ayrılan, oversampling metodu ile
dengelenen veri kümesinde % 87 ile rastgele orman algoritması en yüksek doğruluk değerini
vermiştir. Dengeleme yöntemi seçiminde, her veri kümesinin kendine özgü olduğu göz önünde
bulundurulması ve algoritmalardan elde edilen performansları değerlendirmek için mümkün
olan tüm dengeleme metotlarının uygulanması tarafımızdan önerilmektedir.
Anahtar Kelimeler: Dengesiz Veri Kümesi, Veri Madenciliği, Sağlık Bilişimi
The Effects of Data Set Balancing Methods on Classification

Model Performance in Data Mining: An Application in the Field
of Health
Abstract
In data mining classification studies, comparison of the performance of the obtained models is
important in terms of developing model-based predictions. In order for the developed models
to be compared using a accuracy as performance criterion, the class attribute values are
expected to be evenly distributed in the dataset so that the predictive power can be revealed.
However, this is not always possible and imbalances may occur in the data sets. In order to
eliminate the imbalance in the data set in the preprocessing stage different methods can be
applied, the obtained performances can be compared and the most appropriate classification
algorithm can be selected. In the literature, similar studies are performed in imbalanced data
sets with two categories of decision variables. It is stated that studies with more than two
variables of imbalanced data sets may be more challenging. The aim of this study is to
empirically show which balancing method has more effect on the performance of the model by
using different balancing methods in an imbalanced data set with four categories in the target
attribute. The data set consisted of 297 patients who were followed-up with the diagnosis of
acute rheumatic fever (ARA) suspicion or reactivation according to Modified Jones Criteria in
Pediatric Cardiology Clinic of Pediatric Clinic at Istanbul Medeniyet University, Goztepe
Education and Research Hospital. As a result of preprocessing, analysis is performed with 201
patient data. In this study, oversampling, undersampling and SMOTE methods are applied to
the training data set in order to eliminate the imbalance of the target attribute. Different
classification algorithms (naive Bayes classifier, CART, C5.0, random forest) are applied to the
new training data sets obtained from different balancing methods and the performance of the
models are compared. Holdout (60 training-40 tests, 70 trainings-30 tests, 80 trainings-20 tests)
620
is used as the model performance evaluation method. As a result; random forest algorithm
performed the highest accuracy (87%), in the data set which was splitted by the holdout 60/40
method and balanced by the oversampling method. In the selection of the balancing method, it
is recommended that each data set is unique and that all possible balancing methods are could
be used to evaluate the performances obtained from algorithms.
Keywords: Imbalanced Data Set, Data Mining, Health Informatics
1.Giriş
Günlük hayatımızda farkında olarak ya da olmadan her eylemimizi kararlarımız doğrultusunda

gerçekleştiririz ancak kararlarımızın sonucunda her zaman hedefimize ulaşmamız mümkün
olmayabilir. Karar verme aşamasında bizi yönlendiren en önemli etmenlerin başında bilgi
gelmektedir. Günümüz bilgi çağında veri ve verinin işlenmesiyle elde edilen enformasyon/bilgi
karar vermenin önemli bir yapı taşı olduğu için en kıymetli cevher olarak görülmektedir.
Teknolojinin gelişmesiyle beraber depolama ve işleme araçlarındaki gelişmeler, büyük veri ile
neredeyse hazırlıksız bir şekilde tanışmamıza neden olmaktadır. Bu veriden kıymetli olan
cevheri çıkarmak için mevcut analiz yöntemlerine ilave olarak yeni yöntemler aranmaktadır.
Bu noktada, son yıllarda özellikle derin öğrenme ile makine öğrenmesi alanında yapay zekanın
belki de en sıcak yaz dönemini yaşaması bu alandaki çalışmalara önemli bir ivme
kazandırmaktadır.
Veri madenciliği çalışmalarında makine öğrenmesi algoritmaları yoğun olarak kullanıldığı için
gelişmeler adeta birbirini tetiklemektedir. Bu çalışmalarda; veri genelde, veriyi tanımlama
ve/veya tahminleme amacıyla işlenmektedir. Bu işlem, probleme (karar verme sorununa)
yönelik olarak veri seçimi, ön işleme, dönüştürme aşamaları, algoritmaların uygulanarak
performanslarının ölçülmesi ve yorumlama aşamalarını içermektedir [1–4].
Bu makalenin araştırma konusunda olan veri madenciliği sınıflandırma yöntemleri ise tahmine
yönelik bilgiye ulaşmak için kullanılmaktadır. Sınıflandırma aşamasında (Şekil 21); problem
doğrultusunda seçilen veri kümesinde probleme özgü bir karar değişkeni yer almalıdır. Bu
değişken veri kümesinin her bir satırındaki durumun ne olduğunu belirtir. Örneğin meme
kanserine neden olan etmenlerin tespitine yönelik bir veri kümesine sahip isek hastalara ait tüm
niteliklere (sütunlara) ilave olarak veri kümesinde bir de karar sütunu bulunmaktadır. Bu
sütunda hastanın meme kanseri olup olmadığı bilgisi yer almaktadır.
621
Analiz öncesinde bu veri kümesi ikiye ayrılmaktadır. Bu iki kısımdan büyük miktarda veriyi
içeren veri kümesi, eğitim amacıyla kullanılarak makineye (bilgisayara) ne yapması gerektiği
(model) öğretilir.
Makinenin öğrenip öğrenmediğini test etmek amacı ile daha önce ayrılan test veri kümesi ile
sorgulamalar yapılır. Sonuçta makinenin ne kadar öğrendiği/ön gördüğü performans olarak
ortaya konmaktadır. Modellerin performanslarını değerlendirirken genellikle doğruluk değeri
göz önüne alınır [3,4].
Şekil 21. Sınıflandırma yöntemlerindeki iş akışı [5]
Sınıflandırma çalışmalarında kritik noktalardan biri, veri kümesi karar sütunundaki

değişkenlerin benzer oranlarda dağılmasıdır. Veri dağılımının istatistik çalışmalarında olduğu
gibi veri madenciliği çalışmalarında da doğruluk değerini etkilemesi açısından çok önemli
olduğu belirtilmektedir [6]. Meme kanseri verisine sahip 100 satır varken 10 tane kanser
olmayan veri varsa eğitim ve test veri kümelerinin yanıltıcı sonuçlar içermesi söz konusu
olabilmektedir. Bu nedenle veri madenciliği sınıflandırma çalışmalarında kullanılan veri
kümelerinde karar değişkeninin eşit/dengeli dağılması analizlerin performansını olumlu
etkileyebilen ve talep edilen bir durumdur. Geleneksel modeller sınıfların dengeli bir şekilde
dağıldığını varsayar ancak gerçek hayat verisine bakıldığında genellikle dengesiz veri kümeleri
ile karşılaşılmaktadır [7]. Özellikle retrospektif çalışmalarda bu duruma rastlanmaktadır.
Kendinden sonraki çalışmalara/kullanımlara olanak sağlayabilmesi açısından, veri kümesinin
çeşitlilik ve hacim açısından da yeterli olması gerektiği aktarılmıştır [6]. Bu durum özellikle
sağlık çalışmalarında geliştirilecek sistemlerin veya modellerin sadece bir hastalık veya hastane
gibi kısıtlar çerçevesinde değil, daha geniş bir çerçevede kullanım imkanı bulabilmesi açısından
göz önünde bulundurulabilir.
622
Dengesiz veri kümesi literatürde, bir sınıfın daha fazla örnek, diğerinin ise daha az örnek ile
temsil edildiği veri kümesi olarak tanımlanmaktadır [8]. Araştırmanın konusu olan sınıfın, az
örnekle temsil edilmesi olarak da tanımlanabilmektedir [7]. Her iki tanım için de geçerli olan
şey, karar sütununda belirlenmiş/belirtilmiş olan sınıfların eşit bir şekilde dağılmadığıdır.
Dengesiz veri kümesinde örnek sayısının fazla olduğu sınıf çoğunluk sınıfı (majority class) az
olduğu sınıf ise azınlık sınıfı (minority class) olarak adlandırılır [9]. Çok sınıflı sınıflandırma
problemlerinde ise durum biraz daha farklıdır. Sınıf dağılımlarında, bir çoğunluk birden fazla
azınlık sınıfının olduğu (multiminority) durumlar veya bir azınlık birden fazla çoğunluk
sınıfının olduğu (multimajority) durumlar olabileceği belirtilmiştir [10].
Sınıflardaki örneklerin dengesizliği farklı alanlarda yapılan çalışmalarda (dolandırıcılık tespiti,

biyoenformatik, metin sınıflandırma, sağlık vb.), azınlıkta olan sınıfın araştırılmasının veya
tespit edilmesinin neredeyse hayati önem taşıdığı belirtilmektedir [11]. Öte yandan
dengesizliğin veri madenciliği çalışmalarındaki zorluklardan biri olduğu, dengeleme
yöntemlerinin bile sonuçları yanıltabildiği belirtilmektedir [12].
Veri analistleri, bu problemi gidererek veri kümesini dengelenmiş olarak algoritmalara

sunmaya çalışmaktadırlar. Veri kümesi dengeleme konusunda literatürde; “az sayıdaki
örnekleri çoğaltarak dengeleme (oversampling)”, "fazla sayıdaki örnekleri azaltarak dengeleme
(undersampling)” ve "sentetik veri üretimi (SMOTE)” yöntemleri uygulanan yöntemlerden
bazılarıdır. Oversampling yöntemi, azınlıkta olan sınıftaki örneklerin çoğaltıldığı yöntemdir.
Bu yöntem ile az sayıdaki örneklerin gerektiği kadar rastgele kopyaları oluşturularak
(çoğaltılarak) veri kümesinin dengelemesi sağlanır. Undersampling yöntemi, çoğunlukta olan
sınıftaki örneklerin azaltıldığı yöntemdir. Bu yöntem ile fazla sayıdaki örneklerin azaltılarak
veri kümesinin dengelemesi sağlanır. Sentetik veri üretme (Synthetic Minority Over-sampling
Technique – SMOTE) yöntemi azınlıkta olan sınıftaki örneklerin sentetik olarak üretilmesine
dayanır [13]. Oversampling yönteminde azınlıktaki sınıfta bulunan örnekler tekrarlı bir şekilde
çoğaltılırken SMOTE yönteminde yeni örnekler üretilmiş olur [13].
Veri kümesinin dengesiz olduğu durumlar için doğruluk değerinin uygun bir değerlendirme
ölçütü olmadığı araştırmacılar tarafından belirtilmektedir [14,15]. Bununla beraber duyarlılık
ve kesinlik değerlerinin kullanılabileceği aktarılmıştır [7]. Örneğin sağlık verisi ile çalışırken,
kişinin kanserli olup olmadığı araştırılıyorsa, sınıflandırıcı, daha fazla sayıda olan kanserli
olmayan hastaları doğru, kanserli hastaları da yanlış sınıflandırma eğiliminde olacaktır [7].
623
Literatürde iki kategorili karar değişkenine sahip dengesiz veri kümelerinde benzer çalışmalar
yapıldığı görülmektedir. Diyabetle ilgili yapılan bir çalışmada undersampling, oversampling ve
SMOTE yöntemleri ile dengeleme yapılmış; sade Bayes algoritması ile farklı doğruluk değerleri
elde edilmiştir [9].
Çalışmada duyarlılık ve kesinlik değerleri de değerlendirilmiştir. Diyabet verisi ile yapılan bir
başka çalışmada da undersampling, oversampling ve SMOTE dengeleme yöntemleri ve yapay
sinir ağları kullanılarak farklı sonuçların elde edildiği görülmektedir [16]. Ancak performanslar
değerlendirilirken sadece doğruluk değerine bakılmasının yanıltıcı olabileceği belirtilmiş; diğer
ölçütlere ait sonuçlar da paylaşılmıştır. Kalp cerrahisi ile ilgili bir veri kümesinde yapılan
çalışmada da undersampling ve oversampling uygulanmış, CART, C5 ve CHAID
algoritmalarından elde edilen sonuçlar paylaşılmıştır [15]. Başka bir çalışmada ise dengesiz veri
kümesine sınıflandırma ve regresyon ağaçları, bagging, boosting, random subspaces, dagging
ve decorate algoritmaları uygulanarak algoritmaların performansları analiz edilmiştir [17].
Sosyal medya verisi ile yapılan bir çalışmada sade Bayes, rastgele orman, sequential minimal
optimization, C4.5 ve k-en yakın komşu algoritmaları kullanılmış ve dengeli olan veri kümesinde
doğruluk değerleri daha yüksek olarak elde edilmiş; diğer ölçütlere ait sonuçlar da
paylaşılmıştır [18]. Meme kanseri veri kümesinde SMOTE yöntemi uygulamış ve k-en yakın
komşu, destek vektör makineleri, lojistik regresyon, C4.5, rastgele orman algoritmalarının
sonuçları sadece doğruluk değerlerine göre karşılaştırılmıştır [19]. İkiden fazla değişkenli
dengesiz veri kümeleriyle yapılan çalışmaların daha zorlayıcı olabileceği belirtilmiş [10]; bu
çalışmalarla ilgili olarak araştırmacılar yeni yöntem önerileri sunmaya çalışmışlardır (20, 21).
Bu çalışmanın amacı, dört kategorili karar değişkenine sahip bir veri kümesinde farklı
dengeleme yöntemlerinin kullanılması ile hangi dengeleme yönteminin, hangi modelin
performansına daha çok etki ettiğini deneysel olarak ortaya koymaktır.
2. Malzeme & Yöntem
Çalışmada, İstanbul Medeniyet Üniversitesi Göztepe Eğitim ve Araştırma Hastanesi, Çocuk

Kliniği Çocuk Kardiyolojisi Polikliniği'nden alınan veri kümesi kullanılmıştır. Veri kümesi,
Modifiye Jones Kriterleri'ne göre ARA (akut romatizmal ateş) şüphesi veya reaktivasyonu
tanısı ile takibe alınan 297 hasta verisinden oluşmaktadır. Yapılan ön işlemenin, ardından 201
hasta verisi analizlerde kullanılmıştır. Veri kümesinde 201 örnek (satır) ve 54 nitelik alanı
(sütun) bulunmaktadır.
624
Mevcut veri kümesinde, karar değişkeni/niteliği dört farklı sınıftan oluşmaktadır. Bunlar
hastalığın kalp üzerindeki etki durumunu ifade eden “değişmemiş”, “gerilemiş”, “ilerlemiş”,
“iyileşmiş” sınıflarıdır. Sınıflardaki örneklerin dağılımının dengesiz olduğu Şekil 22’de
görülmektedir. “değişmemiş” sınıfında 30, “gerilemiş” sınıfında 104, “ilerlemiş” sınıfında 21,
“iyileşmiş” sınıfında ise 46 örnek (hasta) bulunmaktadır.
120
104
100
80
60 46
40 30
21
20
0
değişmemiş gerilemiş ilerlemiş iyileşmiş
Şekil 22. Veri kümesinin ilk halindeki karar değişkeninin sınıf dağılımı.
Öncelikle, veri kümesi eğitim ve test veri kümesi olarak ikiye ayrılmıştır. Bunun için model
performans değerlendirme yöntemlerinden holdout yöntemi tercih edilmiş; veri kümesi üç
farklı orana (60 eğitim-40 test, 70 eğitim-30 test, 80 eğitim-20 test) göre ayrılmıştır. Eğitim veri
kümelerindeki dengesizlik Şekil 23’te görülmektedir. Karar sütunundaki dengesizliği gidermek
için üç farklı oranda ayrılmış olan eğitim veri kümelerine "oversampling (az sayıdaki örnekleri
çoğaltarak dengeleme)", "undersampling (fazla sayıdaki örnekleri azaltarak dengeleme)" ve
"SMOTE (sentetik veri üretimi)" yöntemleri uygulanarak eğitim veri kümeleri dengeli hale
getirilmiştir. Test veri kümeleri üzerinde bir işlem yapılmamıştır.
625
90 84
80 73
70 63
60
50
40 37
33
28
30 24
21
18 17
20 13 15
10
0
holdout 60/40 holdout 70/30 holdout 80/20
değişmemiş gerilemiş ilerlemiş iyileşmiş
Şekil 23. Eğitim veri kümelerinin ilk halindeki karar değişkeninin sınıf dağılımı.
Farklı dengeleme işlemlerinin uygulanması sonucunda elde edilen yeni eğitim setlerine 4 farklı
veri madenciliği sınıflandırma algoritması uygulanmıştır. Bu algoritmalar; sade Bayes
sınıflandırıcı [22], CART (sınıflandırma ve regresyon ağaçları) [23], C5.0 [24] ve rastgele
orman [25] algoritmalarıdır. Algoritmaların dengelenmiş eğitim veri kümelerine uygulanması
yolu ile kurulan modellerin performansları, model performans değerlendirme ölçütlerinden
doğruluk değeri temel alınarak karşılaştırılmıştır.
Veri kümelerinin orijinal halindeki eğitim ve test veri kümelerindeki örnek dağılımı ile farklı
yöntemler ile dengelendikten sonraki örnek dağılımları Tablo 1-3’te görülmektedir. Holdout
yönteminin farklı oranlarda uygulanması ile elde edilen eğitim veri kümelerindeki karar
değişkeninin sınıf dağılımlarının dengesiz olduğu görülmektedir. Dengeleme yöntemlerinin
uygulanmasının ardından eğitim veri kümesindeki karar değişkenindeki dağılım dengeli hale
getirilmiştir. Holdout yöntemi ile %60 eğitim %40 test olarak bölünen veri kümesindeki
dağılım
626
Tablo 2’de, %70 eğitim %30 test olarak bölünen veri kümesindeki dağılım Tablo 3’de, %80
eğitim %20 test olarak bölünen veri kümesindeki dağılım Tablo 4’te görülmektedir.
Tablo 2. Holdout 60/40 yöntemine göre örnek dağılımları.
Performans Dengeleme Eğitim ve test veri

Egitim veri kümesindeki karar
değerlendirme yöntemi kümelerindeki
değişkeninin sınıf dağılımı
örnek dağılımı
yöntemi
eğitim test değişmemiş gerilemiş ilerlemiş iyileşmiş
orijinal 122 18 63 13 28
undersampling 52 13 13 13 13
Holdout 60/40 79
oversampling 252 63 63 63 63
SMOTE 91 9 28 39 15

örnek dağılımı
yöntemi
orijinal 142 21 73 15 33
Holdout 70/30 59
SMOTE 105 11 37 45 12

örnek dağılımı
yöntemi
orijinal 162 24 84 17 37
Holdout 80/20 39
SMOTE 119 9 39 51 20
Çalışmada, R programlama dili [26] ve Rstudio

627programı [27] kullanılmıştır.
Veri kümelerinin dengelenmesi için aşağıdaki paketlerden yararlanılmıştır:
• Undersampling: caret [28]
• Oversampling: caret [28]
• SMOTE: DMwR [29]
Analizlerde kullanılan algoritmalar için aşağıdaki paketlerden yararlanılmıştır:
• Sade Bayes sınıflandırıcı: tunePareto [30]
• CART: rpart [31]
• C5.0: C50 [32]
• Rastgele orman: randomForest [33]
3. Bulgular
Veri kümesinin dengelenmemiş (orijinal) hali ile yapılmış analiz sonuçları Tablo 5’te
verilmiştir. En yüksek doğruluk değeri %60 eğitim %40 test olarak ayrılmış olan veri
kümesinde rastgele orman algoritması ile %86 olarak bulunmuştur.
Tablo 5. Orijinal veri kümesi ile elde edilen sonuçlar.
Performans Değerlendirme Doğruluk değerleri
Yöntemi
CART Sade Bayes C5,0 Rastgele Orman
Holdout 60/40 0,85 0,73 0,75 0,86

Holdout 70/30 0,78 0,78 0,76 0,80
Holdout 80/20 0,77 0,69 0,77 0,77
Elde edilmiş olan dengelenmiş eğitim veri kümelerine sınıflandırma algoritmalarının

uygulanması sonucunda farklı doğruluk değerleri elde edilmiştir (Tablo 6). Çalışmadaki tüm
uygulamalar arasında elde edilen en yüksek doğruluk değeri %87 olarak bulunmuştur. Bu sonuç
%60 eğitim %40 test olarak ayrılmış ve oversampling metodu ile dengelenmiş olan veri
kümesinde, rastgele orman algoritması ile elde edilmiştir.
628
Tablo 6. Dengelenmiş veri kümesi ile elde edilen sonuçlar.
Performans Değerlendirme Dengeleme Doğruluk değerleri
Yöntemi yöntemi
undersampling 0,72 0,59 0,65 0,77

Holdout 60/40 oversampling 0,71 0,70 0,78 0,87
SMOTE 0,66 0,57 0,61 0,66
undersampling 0,61 0,56 0,51 0,71
SMOTE 0,63 0,54 0,75 0,68
undersampling 0,49 0,56 0,67 0,56
SMOTE 0,62 0,54 0,74 0,59
%60 eğitim %40 test olarak bölünmüş veri kümesinden elde edilen sonuçlara algoritmalar
bazında bakıldığında, Sade Bayes (%70), C5.0 (%78) ve rastgele orman (%87) algoritmaları
için en yüksek sonuçlar oversampling yönteminin uygulandığı veri kümesinde elde edilirken,
CART algoritması için undersampling yöntemi ile (%72) elde edilmiştir.
%70 eğitim %30 test olarak ayrılmış olan veri kümesinde en iyi sonuç oversampling metodu
ile dengelenmiş veri kümesinden, rastgele orman algoritması ile %85 olarak elde edilmiştir.
Algoritmalar bazında bakıldığında, Sade Bayes (%71) ve rastgele orman (%85) algoritmaları
için en yüksek sonuç oversampling yönteminin uygulandığı veri kümesinde elde edilmiştir.
C5.0 algoritması için en yüksek sonuç (%75) SMOTE yöntemi ile CART için ise oversampling
ve SMOTE yönteminin uygulandığı veri kümesinde (%63) elde edilmiştir.
%80 eğitim %20 test olarak ayrılmış olan veri kümesinde en iyi sonuç SMOTE metodu ile
dengelenmiş veri kümesinden, C5.0 algoritması ile %74 olarak elde edilmiştir. Algoritmalar
bazında bakıldığında, CART (%64), Sade Bayes (%59) ve rastgele orman (%72) algoritmaları
için en yüksek sonuç oversampling yönteminin uygulandığı veri kümesinde elde edilmiştir.
C5.0 algoritması için en yüksek sonuç (%74) SMOTE yönteminin uygulandığı veri kümesinde
elde edilmiştir.
Her bir algoritma bazında elde edilmiş en iyi sonuçlar Tablo 7’da görülmektedir. Yapılan 12
analizin 9’unda oversampling, 3’ünde SMOTE, 1’inde undersampling yöntemi ile dengelenen
veri kümesinde en yüksek doğruluk değeri elde edilmiştir. Buna göre en yüksek sonuçlar büyük
629
oranda oversampling yöntemi ile dengelenen veri kümesinden elde edilmiştir. Bu yöntemi
sırasıyla SMOTE ve undersampling takip etmektedir.
Tablo 7. Algoritmalar bazında elde edilen en yüksek sonuçlar.
Performans Değerlendirme Doğruluk değerleri
Yöntemi
Holdout 60/40 0,72 0,70 0,78 0,87

(undersampling) (oversampling) (oversampling) (oversampling)
Holdout 70/30 0,63
0,75 0,85
(oversampling&S 0,71 (oversampling)
(SMOTE) (oversampling)
MOTE)
Holdout 80/20 0,64 0,74 0,72
0,59 (oversampling)
(oversampling) (SMOTE) (oversampling)
4. Tartışma & Sonuç
Bilginin güç ile özdeşleştirildiği günümüzde verinin işlenmesi gittikçe önem kazanmaktadır.
Ancak veri işlendiğinde her zaman elde edilen bilgi değerli bir cevher olmayabilir. Uygun
olmayan bir işleme yöntemi kullanılırsa cevher kayıp da edilebilir. Karar vermede en kritik
noktalardan biri doğru bilgiye erişmektir. Bilgiye erişirken veri işleme çalışmalarında son
yıllarda giderek artan ve birbirini takip eden gelişmeler yaşanmaktadır. Gelişmelerle beraber
yeni problemler fark edilmekte ve bunların çözümüne yönelik araştırmalar yapılmaktadır.
Dengesiz veri kümesi de doğru bilgiye erişmede veri işleme aşamasında adeta bir tümsek olarak
görülmektedir. Bu çalışmada, dört kategorili karar değişkenine sahip bir veri kümesinde farklı
dengeleme yöntemlerinin kullanılması ile hangi dengeleme yönteminin, hangi modelin
performansına daha çok etki ettiği ortaya araştırılmıştır. Sonuç olarak; holdout 60/40 yöntemi
ile ayrılan, oversampling metodu ile dengelenen veri kümesinde % 87 ile rastgele orman
algoritması en iyi performansı sergilemiştir. Tablo 7 incelendiğinde; dengeleme yöntemi olarak
oversampling yönteminin seçilmesinin daha iyi olacağı düşünülse de, her veri kümesinin
kendine özgü olduğu ve ayrı olarak değerlendirmek için mümkün olan tüm dengeleme
metotlarının uygulanması tarafımızdan önerilmektedir. Kişiselleştirilmiş tıp çalışmalarında
yapıldığı gibi tedavinin (yöntemler, algoritmalar) de veri kümesine özel seçilmesi ve iş yükünü
arttırsa da bunların denenmesi daha uygun olacaktır.
630
Verinin işlenmesi kadar hızlı işlenmesi de önemli bir noktadır. Bu noktada Tablo 5 ve Tablo 7
karşılaştırıldığında bazı algoritmalarda (Ör: CART) dengelemenin daha düşük performansa
neden olduğu görülmektedir. En iyi sonucu veren rastgele orman algoritmasında ise dengesiz
veri kümesinde % 86, dengelenmiş veri kümesinde ise % 87 oranında bir performans ile
dengelenmiş veri kümesinin daha başarılı olduğu görülmektedir. Bu açıdan bakıldığında zaman
kazanmak adına dengelemeden de analiz etmenin daha iyi olabileceği şeklinde yorum
yapılabilir. Ancak özellikle insan hayatı söz konusu olduğunda, veri işleme yöntemi algoritma
performansını milyonda bir bile arttırsa, eğer o kişi siz iseniz bu paha biçilemez bir başarıdır.
Sonuç olarak; veri işlerken, veri kümesine özgü mümkün olan tüm araçların (dengeleme
yöntemleri, performans değerlendirme yöntemleri, algoritmalar vb.) kullanılarak sonuçların
karşılaştırılmasının doğru bilgiye erişmede daha güvenilir bir yöntem olduğu düşünülmektedir.
Gelecekte ikiden fazla kategorik karar değişkene sahip farklı veri kümesi ile yapılan dengeleme
çalışmalarının arttırılarak, bu çalışmaların alan dizine örnek oluşturulması önemli bir ihtiyaç
olarak görülmektedir.
Kaynaklar
[1] Fayyad U, Piatetsky-Shapiro G and Smyth P 1996 From Data Mining to Knowledge Discovery
in Databases AI Magazine 17 37–54
[2] Fayyad U, Piatetsky-Shapiro G and Smyth P 1996 The KDD Process for Extracting
Useful Knowledge from Volumes of Data Communications of the ACM 39 27–34
[3] Özkan Y 2013 Veri Madenciliği Yöntemleri (İstanbul: Papatya Yayıncılık Eğitim)
[4] Akpınar H 2014 Data: Veri Madenciliği Veri Analizi (İstanbul: Papatya Yayıncılık
Eğitim)
[5] Olson D L and Delen D 2008 Advanced Data Mining Techniques (Berlin Heidelberg:
Springer Verlag)
[6] Gorunescu F 2011 Data Mining - Concepts, Models and Techniques vol 12 (Springer-
Verlag Berlin Heidelberg)
[7] Han J, Kamber M and Pei J 2012 Data mining: concepts and techniques (ABD:
Morgan Kaufman Publishers)
[8] Japkowicz N 2000 The Class Imbalance Problem: Significance and Strategies In
Proceedings of the 2000 International Conference on Artificial Intelligence (ICAI pp 111–117
[9] Saptono R, Winarno W and Drajati D P 2018 Comparison of Under-sampling and
Over-sampling Techniques in Diabetic Mellitus (DM) Patient Data Classification by Using
Naive Bayes Classifier (NBC) Journal of Telecommunication, Electronic and Computer
Engineering (JTEC) 10 145–8 631
[10] Wang S and Yao X 2012 Multiclass Imbalance Problems: Analysis and Potential
Solutions IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics) 42
1119–30
[11] Zheng Z, Cai Y and Li Y 2016 Oversampling Method for Imbalanced Classification
Computing and Informatics 34 1017–37
[12] Yang Q and Wu X 2006 10 Challenging Problems in Data Mining Research
International Journal of Information Technology and Decision Making 5 597–604
[13] Chawla N V, Bowyer K W, Hall L O and Kegelmeyer W P 2002 SMOTE: Synthetic
Minority Over-sampling Technique Journal of Artificial Intelligence Research 16 321–57
[14] Harrington P 2012 Machine learning in action (ABD: Manning Publications Co.)
[15] Yap B W, Rani K A, Rahman H A A, Fong S, Khairudin Z and Abdullah N N 2014
An Application of Oversampling, Undersampling, Bagging and Boosting in Handling
Imbalanced Datasets Proceedings of the First International Conference on Advanced Data
and Information Engineering (DaEng-2013) Lecture Notes in Electrical Engineering ed T
Herawan, M M Deris and J Abawajy (Springer Singapore) pp 13–22
[16] Kartal E and Özen Z 2017 Dengesiz Veri Setlerinde Sınıflandırma Mühendislikte
Yapay Zeka ve Uygulamaları ed O Torkul, S Gülseçen, G Çağıl and M K Uçar (Sakarya:
Sakarya Üniversitesi Kütüphanesi Yayınevi) pp 109–31
[17] Bulut F 2016 Sınıflandırıcı Topluluklarının Dengesiz Veri Kümeleri Üzerindeki
Performans Analizleri Bilişim Teknolojileri Dergisi 9 153
[18] Nizam H and Akın S S 2014 Sosyal medyada makine öğrenmesi ile duygu analizinde
dengeli ve dengesiz veri setlerinin performanslarının karşılaştırılması XIX. Türkiye’de İnternet
Konferansı
[19] Rani K U, Ramadevi G N and Lavanya D 2016 Performance of synthetic minority
oversampling technique on imbalanced breast cancer data 2016 3rd International Conference
on Computing for Sustainable Global Development (INDIACom) 2016 3rd International
Conference on Computing for Sustainable Global Development (INDIACom) pp 1623–7
[20] Tan A C, Gilbert D and Deville Y 2003 Multi-class protein fold classification using a
new ensemble machine learning approach Genome Informatics 14 206–17
[21] Cerf L, Gay D, Selmaoui-Folcher N, Crémilleux B and Boulicaut J-F 2013 Parameter-
free classification in multi-class imbalanced data sets Data & Knowledge Engineering 87
109–29
[22] Bayes M and Price M 1763 An Essay towards Solving a Problem in the Doctrine of
Chances. By the Late Rev. Mr. Bayes, F. R. S. Communicated by Mr. Price, in a Letter to
John Canton, A. M. F. R. S. (İngiltere: Royal Society of London)
[23] Breiman L, Friedman J, Stone C J and Olshen R A 1984 Classification and
Regression Trees (Taylor & Francis)
[24] Quinlan J R 1993 C4.5: Programs for Machine Learning (ABD: Morgan Kaufmann
Publishers Inc.)
632
[25] Breiman L 2001 Random Forests Machine Learning 45 5–32
[26] R Core Team 2018 R: A Language and Environment for Statistical Computing (R
Foundation for Statistical Computing)
[27] RStudio 2018 RStudio RStudio
[28] Kuhn M 2018 caret: Classification and Regression Training
[29] Torgo L 2010 Data Mining with R, learning with case studies (Chapman and
Hall/CRC)
[30] Müssel C, Lausser L, Kestler H and Kestler M H 2014 Package ‘TunePareto’
[31] Therneau T and Atkinson B 2018 rpart: Recursive Partitioning and Regression Trees
[32] Kuhn M and Quinlan R 2018 C50: C5.0 Decision Trees and Rule-Based Models
[33] Liaw A and Wiener M 2002 Classification and Regression by randomForest R News 2
18–22
633
Çalışanları Motive Eden Faktörlerin Belirlenmesi: Güverte
Stajyerleri Üzerinde Bir Uygulama
Murat Yorulmaz1, Nurettin Büyük1
muratyor@gmail.com, mrsuvari@hotmail.com
1
Özet
Örgütler belirledikleri amaçlarına çalışanlarıyla ulaşabilirler. Örgütsel yaşam içerisinde

çalışanlarının verimli olmasını isteyen yöneticiler, çalışanlarını motive eden faktörleri bilmekle
yükümlüdürler. Çünkü motivasyon, sadece motive edici faktörlerin uygulanmasıyla
sağlanabilir. Bu kapsamda çalışmanın amacı, denizcilik sektöründe çalışmak üzere öğrenim
gören ve mesleki bilgisini, tecrübesini artırmak için ticaret gemilerinde staj yapan güverte
stajyerlerini motive eden faktörleri belirlemektir. Bu amaca yönelik olarak Yalova Üniversitesi
Yalova Meslek Yüksekokulu Denizcilik Programlarında ticaret gemilerinde staj yapmış 120
güverte stajyerinden anket yöntemiyle veriler toplanmış ve elde edilen veriler, SPSS 21
istatistiksel paket programı yardımıyla analiz edilmiştir. Araştırma bulgularına göre, güverte
stajyerlerinin içsel motivasyon faktörleri ile dışsal motivasyon faktör algıları arasında anlamlı
farklılıklar tespit edilmiştir.
Anahtar Kelimeler: Bilimsel Etkinlik Yönetim Sistemi, Akıllı Konferans, Web Tabanlı System
Determination of The Factors Motivating For Employees: An

Application on Deck Cadets
Abstract
Organizations reach specific objectives with it's personnel. Managers who want to productive
employee in organizational life, incumbent know motivational factors to employee. Because
motivation can only be achieved by the implementation of motivating factors. The aim of
working in this context is to determine the sources of motivation for deck trainees who are
trained to work in the maritime sector and who are trained in merchant vessels to increase their
professional knowledge and experience. İntended for this purpose collected datas by
questionnaire technique from 120 deck cadets who work at the merchant ships in Yalova
634
University Maritime programs. In obtained analyzing data used SPSS 21 statistics program.
Research findings show that statisticly fixed significant differences between internal motivation
factors and external motivation factor perceptions for deck cadets.
Keywords: Scientific Event Management System, Smart Conference, Web-Based System
1. Giriş
Motivasyon en genel anlamda, bireyi belirlenmiş hedeflere ulaşmak için harekete geçiren,
yönlendiren davranış olarak tanımlanmaktadır (Greenberg ve Baron, 1997). Düren’e (2000)
göre motivasyon, bireylerdeki mevcut içsel enerjinin istenilen hedefleri gerçekleştirmek üzere
aktive edilmesi, harekete geçirilmesidir. Literatürde çalışanları motive eden faktörler içsel ve
dışsal motivasyon faktörleri olmak üzere iki grupta toplanmıştır (Jones vd., 2005; Yazıcı, 2009).
Bunlardan bireyin özellikleri, işin yapısı ve doğasıyla ilgili olanlar içsel faktörler, örgüt
tarafından sunulan ücret, yükselme ve çalışma ortamı gibi etmenler de dışsal faktörlerdir. Diğer
bir ifade ile içsel faktörler bireyin ihtiyaçlarından, ilgi ve kişisel merakından etkilerininken,
dışsal motivasyon faktörleri örgüt tarafından sunulan ödül, ceza ve terfiden etkilenir (Akbaba,
2006). İçsel ve dışsal motivasyon faktörleri içerik olarak birbirlerinden farklı olsalar da her ikisi
de birlikte çalışan motivasyonu üzerinde olumlu bir etki yapmaktadır (Wiersma, 1992).
Örgütsel amaçlara ulaşmak için çalışanların yeterince caba göstermesini sağlayacak olan içsel
ve dışsal motivasyon faktörleri arasındaki temel fark, içsel motivasyonda kontrol çalışanın
kendisinde iken, dışsal motivasyonda kontrol çevrededir. Ayrıca içsel motivasyonu sürekli
sağlayabilmek için de dışsal motivasyonu göz önünde bulundurmak gerekir (Ekinci, 2017).
İçsel veya dışsal motive edici faktörler çalışanların davranışlarının kaynağı, harekete geçiricisi
ve yönlendiricisidir. Dolayısıyla motivasyon faktörleri, amaçlara yönelik olan davranışlar için
tüm süreci etkiler.
Bireyleri harekete geçiren motivasyonun, birlerini tamamlayan üç farklı yönü vardır. Bunlar:
• Bireyi belirlenmiş hedefe yönlendiren güdüleyici durum,
• Belirlenmiş hedefe ulaşmak için gösterilen davranış,
• Belirlenmiş hedefi gerçekleştirmek (Morgan, 1989).
Motivasyonun birbirlerini tamamlayan bu üç farklı yönü bir döngü biçiminde gerçekleşir.

Motivasyon bireyi davranışa yönlendirirken, davranış hedefe öncülük eder ve istenilen hedef
yakalandığında, güdü geçici olarak giderilmiş olur. Dolayısıyla çalışanların motivasyon düzeyi
ile gerçekleştirilen üretimin ve hizmetin kalitesi
635ve etkinliği arasında olumlu bir ilişkinin olduğu
söylenebilir (Kundak vd., 2015). Çünkü çalışma hayatında motivasyonun kullanılmasının temel
nedeni, çalışanların performanslarını artırmaktır (Ağırbaş vd., 2005). Çalışanların iş yerlerinde
daha verimli olabilmesi için motivasyon düzeylerinin yüksek olması önemlidir. Bu yüzden
çalışanları motive eden faktörler araştırılmış ve ilginç sonuçlara ulaşılmıştır (Eren, 1993).
Örgütler belirledikleri amaçlarına çalışanlarıyla ulaşabilirler. Örgütsel yaşam içerisinde
çalışanlarının verimli olmasını isteyen yöneticiler, çalışanlarını motive eden faktörleri bilmekle
yükümlüdürler. Çünkü motivasyon, sadece motive edici faktörlerin bilinmesi ve yönetsel
faaliyetlere uygulanmasıyla sağlanabilir. Özellikle de gemi gibi sosyal yaşantıdan uzak, kapalı
ve kısıtlı ortamlarda çalışmak durumunda olan gemi adamlarının motivasyonu daha da önemli
olmaktadır. Bu çerçevede çalışmanın amacı, denizcilik sektöründe çalışmak üzere öğrenim
gören ve mesleki bilgisini, tecrübesini artırmak için ticaret gemilerinde staj yapan güverte
stajyerlerini motive eden faktörleri belirlemektir.
2. Yöntem
Araştırma amacına yönelik olarak, Yalova Üniversitesi Yalova Meslek Yüksekokulu
Denizcilik Programlarında ticaret gemilerinde staj yapmış 120 güverte stajyerinden anket
yöntemiyle veriler toplanmış ve elde edilen veriler, SPSS 21 istatistiksel paket programı
yardımıyla analiz edilmiştir. Araştırmada kullanılan anket formu iki bölümden oluşmaktadır.
Birinci bölümde ankete katılan güverte stajyerlerini ait yaş, cinsiyet gibi demografik sorular,
ikinci bölümde ise içsel (9) ve dışsal motivasyon faktörlerine (14) ait toplam 23 ifade yer
almaktadır. İçsel ve dışsal motivasyon faktörlerine ait ifadeler Dündar vd. (2007) çalışmasında
kullanılan geçerliliği ve güvenilirliği belirlenmiş sorulardır. Motivasyon faktörlerine ait sorular,
5’li Likert ölçeğine göre 1: kesinlikle önemsiz, 5: kesinlikle önemli şeklinde düzenlenmiştir.
3. Bulgular
Araştırmaya katılan güverte stajyerlerinin demografik özellikleri Tablo 1’de gösterilmektedir.
Buna göre araştırmaya katılan güverte stajyerlerinin %10’unu (12) kız öğrenciler oluştururken,
%90’nını (108) ise erkek öğrenciler oluşmaktadır. Katılımcıların %81,6’sı (98) 18-21 ve
%9’unun 26 ve üstü yaş aralığında olduğu görülmektedir. Araştırmaya katılan güverte
stajyerlerinin %58,3’ü (70) Deniz Ulaştırma ve İşletme Programında öğrenim görürken,
%16,66’sı (20) Deniz ve Liman İşletme Programı, %25,’i (30) Yat İşletme ve Yönetimi
Programlarında öğrenim görmektedir. Katılımcıların %91,66’sının (110) ikinci sınıf,
%8,33’ünün (10) ise birinci sınıf öğrencisi olduğu anlaşılmaktadır.
636
Tablo 1: Katılımcıların Demografik Özellikleri
Değişkenler Gruplar n %
Kız 12 10,0
Cinsiyet Erkek 108 90,0
Toplam 120 100,0
18-21 98 81,66
Yaş 22-25 13 10,83
26 ve üstü 9 7,5
Toplam 120 100,0
Deniz Ulaştırma ve İşletme 70 58,33
Program Deniz ve Liman İşletme 20 16,66
Yat İşletme ve Yönetimi 30 25,00
Toplam 120 100,0
1. 110 91,66
Sınıf 2. 10 8,33
Toplam 120 100,0
Tablo 2’de güverte stajyerlerine etki eden içsel ve dışsal motivasyon faktörlerinin ortalamaları
ve standart sapmaları gösterilmektedir. Tablo 2’deki güverte stajyerlerini motive eden içsel ve
dışsal motivasyon faktörlerinin ortalamalarından yola çıkarak, içsel motivasyon faktörleri
arasında yer alan ‘‘İş arkadaşlarımın beni onurlandıran tavır ve davranışları’’ ifadesi en düşük
ortalamaya (X=3,875) sahip, ‘‘İşimi tam anlamıyla yapabilecek yetkiye sahip olmam’’
ifadesinin ise en yüksek ortalamaya (X=4,521) sahip faktör olduğu anlaşılmaktadır. Ayrıca
Tablo 2’den dışsal motivasyon faktörleri arasında yer alan ‘‘Kişisel ve ailevi problemlerimin
çözümünde çalışma arkadaşlarımın yardımcı olması’’ ifadesi en düşük ortalamaya sahip
(X=3,675), ‘‘Yaptığım işten aldığım ücretin miktarı’’ ifadesinin ise en yüksek ortalamaya
(X=4,588) sahip faktör olduğu anlaşılmaktadır.
637
Tablo 2: Güverte Stajyerlerini Motive Eden Faktörler
Motivasyon Faktörleri SS
X
İçsel Motivasyon
1. Yaptığım işte başarılı olmak. 4,505 ,78

2
2. Yaptığım iş ile ilgili sorumluluk verilmesi. 4,100 ,67

2
3. İş arkadaşlarımın beni onurlandıran tavır ve davranışları. 3,875 ,65

8
4. Yaptığım işin yapılmaya değer bir iş olduğuna inanmak. 4,231 ,87

5
5. İşimi tam anlamıyla yapabilecek yetkiye sahip olmam. 4,521 ,65

2
6. Yaptığım işin saygın olduğuna inanmam. 4,008 ,79

8
7. Kendimi işletmenin önemli bir çalışanı olarak görmem. 3,899 ,71

0
8. Yaptığım işle ilgili bir konuda karar verebilmem. 4,143 ,64

0
9. Yöneticilerin, onurlandıran tavır ve davranışları. 4,475 ,69

7
Dışsal Motivasyon
10. İzin kullanmam gerektiğinde izin verilmesi. 3879, ,71

2
11. Çalışma ortamımda fiziksel şartların uygunluğu. 4,501 ,89

0
12. Yemek, çay - kahve gibi imkânların kalitesi. 4,220 ,87

2
13. İşyerindeki araç ve gereçlerin yeterli olması. 4,001 ,89

3
14. Çalışanlarla ilişkilerimin iyi olması. 4,012 ,86

0
15. Konularında uzman olan kişiler tarafından toplantı, seminer, konferans vb. faaliyetlerle eğitim 3,889 ,89
sağlanması. 4
16. Çalışmakta olduğum işletmenin ileriki yıllarda şu anki durumundan daha iyi olacağına inanmam. 3,854 ,59
8
638
17. Yöneticim ile ilişkilerimin iyi olması. 4,431 ,71
3
18. İşimde terfi imkânımın olması. 4,041 ,69

8
19. Yöneticimin iş arkadaşlarımla veya müşterilerle olan anlaşmazlıklarımı çözmekte yardımcı olması. 3,699 ,87
5
20. Başarımdan dolayı ekstra ücret ödenmesi. 4,443 ,89

8
21. Başarımdan dolayı ödüllendirilmem. 4,033 ,41

5
22. Kişisel ve ailevi problemlerimin çözümünde çalışma arkadaşlarımın yardımcı olması. 3,675 ,63
5
23. Yaptığım işten aldığım ücretin miktarı. 4,588 ,69

6
4. Sonuç
Çalışanları motive eden faktörleri belirlemek için yapılan bu araştırmada, örneklem olarak ele
alınan Yalova Üniversitesi Yalova Meslek Yüksekokulu Denizcilik Programların öğrenim
gören ve açık deniz stajı yapmış 120 güverte stajyerinden anket yöntemiyle veriler toplanmıştır.
Elde edilen verilerin SPSS 21 istatistik programı yardımıyla yapılan analizlerinde katılımcılara
sorulan dokuz içsel motivasyon faktörleri arasında en fazla ortalamanın “İşimi tam anlamıyla
yapabilecek yetkiye sahip olmam” ifadesinin olduğu anlaşılmıştır. Bu ifade gemi kaptanı olmak
için eğitim alan güverte stajyerleri için alınan sorumluluklarının gereği olarak, yetki sahibi
çalışanlar olmak istediklerini göstermektedir. Bunun yanında ‘‘İş arkadaşlarımın beni
onurlandıran tavır ve davranışları’’ ifadesinin en düşük ortalamaya sahip olan içsel motivasyon
faktörü olduğu ortaya çıkmıştır. Bu bulgu güverte stajyerlerinin içsel motivasyonu için iş
arkadaşlarının tavrının diğer faktörlere göre daha az önemli olduğunu göstermektedir. Aynı
şekilde güverte stajyerlerini etkileyen dışsal motivasyon faktörlerini belirlemek için yapılan
analizde 14 faktör arasında en fazla ortalamanın ‘‘Yaptığım işten aldığım ücretin miktarı’’
ifadesinin olduğu anlaşılmıştır. Bu bulgu genel anlamda, bireyleri gemide çalışmaya teşvik
eden temel unsurun alınan ücret olduğunu göstermektedir. Aynı zamanda dışsal motivasyon
faktörleri arasında bulunan “Kişisel ve ailevi problemlerimin çözümünde çalışma
arkadaşlarımın yardımcı olması” ifadesinin en düşük ortalamaya sahip olduğu anlaşılmıştır. Bu
bulgu, gemi gibi kapalı ve mahrumiyetlerin yoğun yaşandığı çalışma ortamında bulunan gemi
adamlarının, aile ve sosyal yaşantıdan uzak olmasının bir sonucudur.
639
Örgüt yöneticilerinin çalışan motivasyonunu önemsemesinin temel nedeni, motivasyonu
yüksek olan çalışanların performanslarının da yüksek olmasıdır. Dolayısıyla yöneticiler,
çalışanlarını motive eden faktörleri bilmeli ve bunları uygulamalıdırlar.
Kaynaklar
[1] Akbaba, S. (2006). Eğitimde motivasyon. Kazım Karabekir Eğitim Fakültesi Dergisi, 3, 343-
361.
[2] Ağırbaş, İ., Çelik, Y., Büyükkaşıkçı H. (2005), Motivasyon Araçları Ve İş Tatmini: Sosyal
Sigortalar Kurumu Başkanlığı Hastane Başhekim Yardımcıları Üzerine Bir Araştırma,
Hacettepe Sağlık İdaresi Dergisi, 8(3), Ankara.
[3] Düren, A. Z. (2000), 2000’li Yıllarda Yönetim, İstanbul: Alfa Basım Yayım Dağıtım.
[4] Dündar, S., Özutku, H. ve Taşpınar, F. (2007). İçsel ve dışsal motivasyon araçlarının
işgörenlerin motivasyonu üzerindeki etkisi: ampirik bir inceleme. Ticaret ve Turizm Eğitim
Fakültesi Dergisi, 2, pp.105-119.
[5] Eren, E. (1993). Yönetim Psikolojisi, Beta Basım A.Ş. İstanbul.
[6] Ekinci, N. (2017). Öğretmen Adaylarının Öğretmenlik Mesleği ve Alan Seçiminde Etkili Olan
Motivasyonel Etkenler. İlköğretim Online, 16(2).
[7] Jones-Bassett, Nigel, Lloyd, C. Geoffrey (2005), Does Herzberg’s Motivation Theory Have
Staying Power? The Journal of Management Development, Vol. 24, No: 10, pp.929-943.
[8] Morgan, C. T. (1989). Psikolojiye giriş. (Ed. S. Karataş). Ankara: Meteksan.
[9] Kundak, Z., Hanife, Üzel, Keleş, A. ve Eğicioğlu, H. (2015). Bir Üniversite Hastanesinde
hemşirelik mesleğinde iş tatmini ve motivasyon. Kocatepe Tıp Dergisi, 16(1).
[10] Wıersma, Uco J. (1992), The Effects of Extrinsic Rewards in Intrinsic Motivation: A
Meta Analysis”, Journal of Occupational and Organizational Psychology, Vol:65, No: 2, pp.
101-114.
[11] Yazıcı, H. (2009). Motivasyon. Özbay Y. ve S. Erkan (Ed.), Eğitim Psikolojisi. Pegem
Akademi.
640
Tersane Çalışanlarının İş Tatmin Düzeylerinin İncelemesi
muratyor@gmail.com, mrsuvari@hotmail.com
1
Özet
Dünya ticaretinin önemli bir parçası olan deniz ulaştırmasına olan ilgi her geçen gün
artmaktadır. Çünkü deniz ulaştırması ile büyük miktarlardaki yüklerin diğer ulaştırma
modlarına göre daha ekonomik olarak tek bir seferde gemilerle taşınması mümkündür. Deniz
ulaştırmasının bu özelliği, dikkatleri modern gemilerin inşaatına ve tersane işletmelerine
çekmiştir. Dolayısıyla gemi inşaatı ve tersane işletmeleri, uluslararası ticaretin
gerçekleşmesinde etkili olan önemli ekonomik yapılar olduklarından büyük rekabet alanları
haline gelmişlerdir. Bu çerçevede çalışma, tersane işletmelerinin faaliyetlerini başarılı biçimde
yürütülmesinde etkili olan tersane çalışanlarının iş tatmini üzerinde, kişi örgüt uyumunun
etkisini belirlemek amacıyla yapılmıştır. Bu amaca yönelik olarak da Yalova-Altınova
Tersaneler Bölgesinde faaliyette bulunan bir tersane işletmesinin kadrolu çalışanlarından anket
yöntemiyle veriler toplanmıştır. Ankete katılan 172 tersane çalışanından elde edilen verilere;
betimsel analizler, korelasyon analizi, açıklayıcı faktör analizi ve regresyon analizi SPSS 21
istatistik programı yardımıyla yapılmıştır. Araştırma bulguları, katılımcıların çoğunluğunun
erkek ve 25-30 yaş aralığından olan tersane çalışanlarının, örgütlerine karşı olan uyum
dereceleri artıkça, iş tatmin düzeylerinin de arttığını göstermektedir. Araştırma sonunda,
örgütlerin kendileri ile uyumlu çalışanları istihdam etmeleri ayrıca çalışan örgüt uyumunu
artırmak için de gerekli olan yönetsel faaliyetler vurgulanmıştır.
Anahtar Kelimeler: Deniz Işletmeciliği, Örgüt Uyumu, Iş Tatmini, Tersane Çalışanları
Investigation of Job Satisfaction Levels of Shipyard Employees

Abstract
Interest in maritime transport, an important part of world trade, is increasing day by day.
Because of sea transportation, it is possible to transport large quantities of cargo to the vessels
more economically than other modes of transport in a single pass. This feature of maritime
641
transport attracted attention to the construction of modern ships and the operation of shipyards.
Consequently, shipbuilding and shipyard operations have become major areas of competition
as they are important economic structures that are effective in the realization of international
trade.
This framework study was conducted in order to determine the effect of person organization
adaptation on the job satisfaction of shipyard employees who have been effective in the
successful operation of shipyard operations. For this purpose, a survey was conducted from the
permanent staff of a shipyard operation in the Yalova-Altınova Shipyard Zone. The data
obtained from 172 shipyard employees who participated in the survey; descriptive analysis,
correlation analysis, descriptive factor analysis and regression analysis were done with the help
of SPSS 21 statistical program. The findings of the survey show that the harmonization ratios
against the organizations of the shipyard employees of the majority of the participants and those
of the 25-30 age group indicate that the levels of job satisfaction are also increasing. At the end
of the research, it was emphasized the managerial activities which are necessary for the
organizations to employ the employees who are in harmony with themselves and to increase
the conformity of the working organization.
Keywords: Maritime Management, Organizational Adaptation, Job Satisfaction, Shipyard

Employees Investigation of Job Satisfaction Levels of Shipyard Employees
1. İş Tatmini Ve Örgüt Kültürü
Dünya ticaretindeki rekabetin gittikçe kızıştığı ve şartların sürekli zorlaştığı günümüzde,

örgütler rekabet ve başarı için çalışanlarının memnuniyetini ve örgütsel bağlılığını sağlamak
zorunda, bunun için de her geçen gün farklı uygulamalara gidilmektedir. Sözlük anlamı;
“İstenen bir şeyin gerçekleşmesini sağlama, gönül doygunluğuna erme, doyum” (TDK, 2018)
anlamını taşıyan tatmin terimi; ihtiyaçların giderilmesi sonucu oluşan doyum ile elde edilen
mutluluk hali olarak da ifade edilir (Halsey, 1988: 884). İlk olarak 1920’li yıllarda ortaya çıkan
iş tatmini kavramı 1930-1940’lı yıllarda daha çok anlaşılmaya başlanmıştır (Sevimli ve İşcan,
2005). İş tatmininin önemi, öncelikli olarak bireylerin kişisel yetki ve sorumluluklarını ortaya
koyarak sorumluluk almak ve hedefe ulaşma gayesiyle amaçlarını gerçekleştirmek
istemeleriyle ortaya çıkmaktadır.
642
Vroom iş tatminini, çalışanların işyerlerindeki görev ve rollerine karşı olan duygusal tepkileri
diye ifade ederken, çalışanların görevlerine karşı olumlu tepkilerini iş tatmini, olumsuz
tepkilerini ise iş tatminsizliği diye tanımlamaktadır (Vroom,1967). Bazı çalışmalarda bilim
insanları iş tatmini ve tatminsizliğinin çalışanın beklentileri, ortamın kendisine hangi imkanları
sunduğu ve karşısına nasıl fırsatlar çıktığı ya da ortamdan nasıl bir kazanç sağladığı ve bütün
bunların arasındaki farkın derecesi belirlediği sonucuna varmışlardır (Kaynak, 1990). Bu
minvalde iş tatmini tarif edilirken hem farklı etkileşimler göz önünde tutulmakta hem de farklı
teoriler ortaya atılmaktadır. Bunlardan; isteklendirme ve iş tatmini ilişkisini ele alan kapsam
teorileri iş tatminini tarif ederken; ihtiyaçların tatmini ve elde edilen içsel ve dışsal faktörleri
ele alır. Performans ve iş doyumu ile alakalı olan beklenti teorileri ise değerlerin ve ihtiyaçların
birbirleriyle olan ilişkilerini ele almaktadır. (Köroğlu, 2012). İş tatmini, fertlerin psikolojik
hallerine bağlı olarak değişkenlik gösterirken olumlu durumlarda kişinin olgunluğa ulaşmasını
sağlarken, aksi durumda ise bireyde hayal kırıklığı meydana getirir. Yüksek ve olumlu iş
tatmini kişide verimliliği arttırıp iç huzura erişmesine yardımcı olurken, düşük iş tatmini kişide
moral bozukluğu, işten soğumaya bağlı olarak düşük verimliliği tetiklemekte ve nihayetinde
bireyden topluluğa doğru ilerleyen silsile ile sonuçta sağlıksız bir toplumun meydana
gelmesinde etkin rol oynar (Dil, 2005). Duygusal anlamda tatmin olan kişide içsel anlamda
mutluluk ve huzurda da artış meydana gelirken çevredekilerin de fark etmesi kaçınılmazdır.
Ugboro ve Obeng iş tatminini tanımlarken; kişide, iş hayatı veya bulunduğu iş çevresi ve
ilişkide olduğu kişilerle oluşan koşullar arasındaki uyumun doğurduğu memnuniyet duygusu
ve kişinin işine ve iş yerine karşı olan pozitif yaklaşımıdır, ifadelerini kullanmaktadırlar
(Ugboro ve Obeng, 2000: 254). Yapılan araştırmalar neticesinde çalışanın işine karşı olan
davranış ve tutumlarının bir sonucu olarak iş tatminini etkileyen etkenler ortaya çıkar (Örücü
ve diğerleri, 2006). Bu etkenler; ekipsel etkenler, bireysel etkenler, örgütsel etkenler, kültürel
etkenler ve çevresel etkenlerdir. Bu etkenler bireyin hem iş hayatını hem özel hayatını kişinin
davranışlarına ve olaylara verdiği tepkiye göre olumlu veya olumsuz şekilde etkilemektedir.
Çok yoğun ve yorucu bir iş temposuna sahip olan tersaneler, yerli ve yabancı müşterilere hizmet
veren bir organizasyon olması, kaliteye ve standartlara uygun hizmet vermeleri gerektiğinden
çalışanların işinden yeterli doyum elde edememesi durumunda verimli ve uyumlu çalışması,
buna bağlı olarak da hedeflenen kaliteye ve iş verimine ulaşılması mümkün
olamayabilmektedir. Çalışanların iş doyumunun sağlanması, verilecek olan hizmetin ve
üretimin kalitesinin yükselmesinde önemli bir yere sahiptir. Çalışanların iş doyumu
643
seviyelerinin tespit edilmesi, içsel ve dışsal iş doyum düzeylerinin belirlenmesi diğer
sektörlerde olduğu gibi tersanecilik sektöründe de büyük önem taşımaktadır.
İş tatmini ile ilgili kesin olarak söylenebilecek bir durum varsa o da dinamik olduğudur (Aydın ve
diğerleri, 2014). İşletmeler çalışanlarında iş tatminine bir defa ulaştıktan sonra bir bırakmamaları
gerekmektedir. Çünkü iş tatmini hızlı bir şekilde yükselebilirken aynı hızla tekrar düşebilmekte ve
çalışanlarda motivasyon eksikliğini ortaya çıkabilmektedir. Bunun sonucu da iş tatminsizliği
oluşabilmektedir. İş tatminini sağlayan ve çalışanlarını memnun eden işletmelerde herkes çalışmak
isteyecek ve bu sayede iş sürekliliği kendiliğinden oluşacaktır. Tam tersi bir durumda da aksi olaylar
ortaya çıkacak ve en ufak bir sorunda işvereni ve hizmet bekleyenleri olumsuz yönde etkileyecektir.
Dinamik bir yapıya sahip olan tatmin duygusunu canlı bir varlığa benzetebiliriz düşük olması
durumunda düşük olması durumunda dış etkenlerden fazlaca etkilenerek kişilerde verimsizliğin
artmasına ve disiplinin elden kaybedilmesine neden olur. Bu durum da örgütte işlerin bozulmasına ve
tabiri caizse örgütün bağışıklık sisteminin çökmesine neden olur, bunun sonucunda da örgüt iç ve dış
tehditlere karşı kendini savunamaz hale gelir ve bir süre yok olmakla karşı karşıya kalır ve hatta yok
olur (Akıncı, 2002). Bu yüzden başarı ve maksimum verim bekleyen işletmeler çalışanlarının işyerine
olan bağlılığını, iş tatminin sağlamalı ve bu yönde onları teşviklendirerek çalışanların korunmaları
sağlanmalıdır. Yapılmış çalışmalarda da görüldüğü üzere çalışanların içsel ve dışsal iş tatminleri
mevcutken bunları etkileyen faktörler de karşımıza çıkmaktadır. İçsel iş tatminini etkileyen faktörlerin
başında güvenlik ve emniyet, etik ve ahlak normları, yetenek ve beceriler, sosyal sorumluluk ve sosyal
konumlar, başarılar, bağımsızlık ve yaratıcılık gelmektedir (Çavuş ve Abdıldaev, 2014). Dışsal iş
tatminini etkileyen faktörlerden bazıları ise iş arkadaşları ile olan ilişkiler, idare ile olan ilişkiler,
yönetimin karar yeteneği, takdir ve ödüllendirme, çalışma koşulları, terfi ve ücret politikası olarak
sayılabilir (Çavuş ve Abdildaev, 2014).
2. Araştırma Yöntemi
2.1. Veri Toplama Yöntemi
Bu çalışmanın amacı, tersane işletmelerinin faaliyetlerini başarılı biçimde yürütülmesinde etkili

olan tersane çalışanlarının iş tatmin düzeylerini belirlemektir. Bu amaca yönelik olarak da
teorik anlamda literatür çalışmalarından faydalanılmış ve iş tatmini kavramı açıklanmıştır.
Uygulama kısmında da Yalova-Altınova Tersaneler Bölgesinde faaliyette bulunan bir tersane
işletmelerinin kadrolu çalışanlarından anket yöntemiyle veriler toplanmıştır.
644
2.2. Ana Kütle ve Örneklem
Çalışmanın amacına yönelik olarak Marmara bölgesindeki Yalova ilinde faaliyet gösteren
tersanelerde görev yapan ve ankete katılan 172 tersane çalışanından elde edilen veriler SPSS
21 istatistik programı yardımıyla analiz edilmiştir. Araştırma bulguları, katılımcıların
çoğunluğunun erkek ve 25-30 yaş aralığında olan tersane çalışanların, içsel ve dışsal iş tatmin
düzey ortalamalarında farklılıklar araştırılmıştır. Anketin birinci bölümde demografik
özelliklerin tespitine yönelik sorular sorulmuştur. İkinci bölümde ise iş tatmini ile ilgili olarak
14 soru yer almaktadır. Ankete verilen cevaplar 5’li likert ölçeği (1: Beni hiç tatmin etmez, 2:
Beni yeterince tatmin etmez, 3: Kararsızım, 4: Beni oldukça tatmin eder, 5. Beni çok tatmin
eder) kullanılarak değerlendirilmiştir.
Örneklemimizi oluşturan çalışanların %96’sı erkek, %4’ü kadındır. Katılımcıların %17,3ü 20-
25 yaş aralığında iken, %38,2’si 25-30 yaş aralığından oluşmakta ve evren kümesinde büyük
çoğunluk olarak da %44,5 oran ile 30 yaş üstü grubunu oluşturmaktadır.
İş tatmin ölçeği kullanılarak istenen değerlere standart sapma ve ortalama değerleri

bulunmuştur. İş tatmin ölçeği, Hackman ve Oldham (1980) tarafından geliştirilen iş tanımlayıcı
ölçeğinin bir alt ölçeğidir. Türkçeye uyarlanışına yönelik çalışmaları Gödelek (1988) ve Güler
(1990) öncülük etmiştir. Bahsi geçen çalışmalardaki ölçeğin güvenirlilik seviyesi kabul
edilebilir ölçüdedir. Çalışmada, işgörenlerin işyeri ve işle ilgili değerlendirmelerini ölçmek için
kullanılan iş tatmin ölçeği 14 sorudan oluşmaktadır. Yöneltilen sorular olumlu yönde ve yarım
kalmış şekilde hazırlanmış ve ankete katılanların tamamlaması istenmiştir. Anketin ana kısmını
oluşturan birinci bölümde, veriler tanımsal istatistik yöntemleri ile değerlendirilerek ortalama
değerler ve standart sapmalar elde edilmiş ve sonuç olarak elde edilen değerler Tablo 1’de
gösterilmiştir. Standart sapma değerleri, ortalama etrafında oluşan dağılımın bir ölçüsü
olmaktadır (Sekaran 2000). Ortalama ve standart sapma değerleri en yaygın kullanılan
tanımlayıcı istatistik değerleridir. Her bir ifade için elde edilen ortalama değer çalışanların iş
tatmini ile alakalı olan değerlendirme düzeylerini ifade etmektedir.
3. Bulgular Ve Tartışma
Ölçekteki soruların hepsi olumlu yönde olduğundan ayrıca bir dönüşüme ihtiyaç
duyulmamıştır. Çıkan değerler 1’e yaklaşmasının anlamı tatmin sağlanamadığı, 5’e yaklaşması
ise tatmin seviyesinin arttığı ve tatminin sağlandığı anlamına gelir. İş tatmin ölçeğinin
645
geçerliliği daha önceki çalışmalarda test edildiği için ayrıca bir güvenirlik katsayı hesaplaması
yapılmamıştır.
Tablo 1’de de görüldüğü üzere anket sonucundan elde edilen sonuçlara baktığımızda; dördüncü
sıradaki “İş arkadaşlarım, iletişim halinde olduğum ve etkileştiğim kişiler” faktörünün ortalama
değeri 4,72 ile ilk sırada yer almakta ve çalışanların kendi aralarındaki etkileşimin iş tatmini
üzerinde olumlu bir etkisi olduğunu göstermektedir. Bu faktör denizciliğin bir alt kolu olan
tersanecilikte de ekip çalışmasının önemine vurgu yapmakta ve iş tatmini sağlanırken verimin
de artmasına katkı sağlamaktadır.
Tablo 1. Analizler sonucu her bir ifade için bulunan ortalama ve standart sapma değerleri
İlişkin Standart
İFADELER
Ortalama Sapma
1-İşyerimin bana sağladığı güvenli ortamın seviyesi 3,83 0,73

2- Aldığım maaş ve terfiler 3,42 0,54
3- İşyerimin kişisel gelişimim ve yükselmem için tanıdığı imkanlar 2,93 0,28
4- İş arkadaşlarım, iletişim halinde olduğum ve etkileştiğim kişiler 4,72 0,45
5- Amirlerimin bana gösterdiği saygı ve adaletli oluşları 2,65 0,62
6- İşimi icra ederken beklentim olan takdir edilme duygusu 3,87 0,68
7- İş anında arkadaşlarımı tanıma imkanı 3,78 0,46
8- Amirlerimin verdiği destek ve rehberlik etmesi 3,12 0,68
9- İş arkadaşlarıma yardım etme imkanı 3,60 0,35
10- İşimde özgün düşünüp, bağımsız hareket edebilme 3,17 0,43
11- Geleceğim için işyerimin bana verdiği güvence seviyesi 3,23 0,23
12- İş arkadaşlarıma yardım etme imkanı 4,30 0,53
13- İş arkadaşlarımla rekabet etme fırsatı 3,85 0,43
14- İşyeri yönetiminin tutum ve davranışları 3,14 0,41
On ikinci sıradaki “İş arkadaşlarıma yardım etme imkanı.” faktörünün ortalama değeri 4,30
olması nedeniyle ikinci en büyük beklentidir. Bir takım işi olan denizciliğin her alanın
yardımlaşma ve dayanışmanın da vazgeçilmez olduğunu görmekteyiz. Beşinci sıradaki
“Amirlerimin bana gösterdiği saygı ve adaletli oluşları” faktörünün ortalama değeri 2,65 olması
tersanelerde amirlerin çalışanlarla olan ilişkilerinin beklenenin altında olduğunu
göstermektedir. Diğer faktörlerin ortalama değerlerine baktığımızda kendi içlerindeki değerlere
göre sıralanmakta ve faktörlerin önem derecesini bize vermektedir.
Günümüz denizcilik sektörünün hızlı gelişmesi sonucu gemi üretim ve bakım-onarımın da

paralelinde hızlı gelişmesine neden olmuştur. Dolayısıyla insan gücünün de önem kazandığı
tersanecilik sektöründe iş tatmini ve personel memnuniyeti de üretimi doğrudan etkileyecek
646
şekilde önem arz etmektedir. Çalışanların beklentilerinin sektör yöneticileri tarafından dikkate
alınması ve karşılanması hem toplam kalite yönetimi hem de üretimin daha sağlıklı olması ve
artışı yönünde büyük yarar sağlayacaktır.
4. Sonuç
Denizcilik sektöründe üretim ve hizmet kalitesinin değerlendirilmesinde kullanılan bir çok

yöntem ve kriter mevcuttur. Bu çalışmada tersane sektöründe çalışanlarının iş tatmini ve iş
tatminini etkileyen etkenler çalışanların penceresinden bakarak değerlendirilmiştir. Araştırma
bulgularına çalışanların iş tatmini konusunda ortalamanın üstünde bir değerle pozitif bir
yaklaşım içinde oldukları, sadece yönetim ve ücret konusunda yeterli tatmini yaşayamadıkları
sonucu elde edilmiştir.
Çalışanların işyerinden ve yöneticilerinden olan beklentilerinin eksiksiz ve doğru bir şekilde

belirlenerek eksikliklerinin tamamlanması, üretim kalitesinin geliştirilmesine yönelik
politikaların geliştirilmesi için büyük önem arz etmektedir. Bu çalışma aynı zamanda sektör
yöneticilerinin bilgi sahibi olmaları anlamında destek ve yol gösterici olması neticesinde
tersanecilik hizmetinin geliştirilmesi ve kalitenin arttırılmasına yönelik çalışmalara da büyük
katkı sağlayacaktır. Yalova’da ki tersanecilik alanında böyle bir çalışmanın daha önce
yapılmamış çalışmamıza ayrı bir önem kazandırmıştır. Bu çalışma, tersanecilik sektöründe iş
tatmini kavramının anlaşılması açısından ayrı bir önem taşımaktadır.
Kaynaklar
[1] Hackman, J. R. ve Oldham, G. R. (1980). Work redesign. Addison-Wesley Publishing Company,

Massachusetts.
[2] Sekaran, U. (2000). Research Methods For Business: A Skill-Building Approach. New York, NY:
John Wiley & Sons, Inc.
[3] Akıncı, Z., (2002). “Turizm Sektöründe İşgören İş Tatminini Etkileyen Faktörler: Beş Yıldızlı
[4] Konaklama İşletmelerinde Bir Uygulama”, Akdeniz Üniversitesi İ.İ.B.F. Dergisi, 4: 1-25.
[5] Dil, M., (2005). “İnsan Kaynakları Yönetiminde Performans Değerlemenin İş Doyumu Üzerindeki
Etkisi ve Bir Uygulama”, Yayınlanmamış Yüksek Lisans Tezi, Dumlupınar Üniversitesi Sosyal
Bilimler Enstitüsü, Kütahya.
[6] Callahan & Fleenor, C.P.(1988). Managing Human Relations, Columbus Merriz Company.
[7] Kim, C., (2004). The Handbook of Organizational Development: A Process For Changing
Organizational Culture, Michigan.
647
[8] İşcan, Ö. F.; Sayın, U., (2010). Örgütsel Adalet, İş Tatmini Ve Örgütsel Güven Arasındaki İlişki,
Atatürk Üniversitesi İktisadi Ve İdari Bilimler Dergisi, Cilt: 24, Sayı: 4, 2010.
[9] Halsey, W., (1988). Macmillan Contemporary Dictionary, Abc Tanıtım Basımevi, First Edition,
İstanbul.
[10] ...... İşcan, Ö.F. ve Timuroğlu, K., (2007). “Örgüt Kültürünün İş Tatmini Üzerindeki Etkisi Ve Bir
Uygulama”, Atatürk Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 21 (1), Ss.119-136.
[11] ...... Kaynak,T., (1990). Organizasyonel Davranış, İstanbul Üniversitesi İşletme Fakültesi İ.İ.E
Yayın No:117,İstanbul.
[12] ...... Schein, H.E., (1976). Örgütsel Psikoloji, Eskişehir İ.T.İ.A.Yay., No:167,Eskişehir.
[13] ...... Schultz, D. & Schultz, S.E., (1998). Pschology And Work Today. Prentice-Hall Inc, 7. Edition,
New Jersey.
[14] ...... Sevimli, F. ve İşcan, Ö. F., (2005). Bireysel ve İş Ortamına Ait Etkenler Açısından İş Doyumu,
Ege Akademik Bakış Dergisi, 5(1): 55-65.
[15] ...... Ugboro, I. & Obeng, K., (2000). “Top Management Leadership, Employee Empowerment,
Job Satisfaction, And Customer Satisfaction In Total Quality Management Organizations: An
Empirical Study”, Journal Of Quality Management, 5 (2), Ss.247-272.
[16] ...... Vroom, V. H. (1967). Work And Motivation, John Wiley and Sons Inc.
[17] ...... Örücü, E., Yumuşak, S. ve Bozkır, Y., (2006). “Bankalarda Çalışan Personelin İş Tatmini ve
İş Tatminini Etkileyen Faktörlerin İncelenmesine Yönelik Bir Araştırma” Celal Bayar Üniversitesi
İ.İ.B.F. Yönetim Ve Ekonomi Dergisi, Cilt:13, Sayı:1.
[18] ...... KÖROĞLU, Ö., (2012). İçsel Ve Dışsal İş Doyum Düzeyleri İle Genel İş Doyum Düzeyi
Arasındaki İlişkinin Belirlenmesi: Turist Rehberleri Üzerinde Bir Araştırma, Doğuş Üniversitesi
Dergisi, 13 (2) 2012, 275 - 289
[19] ...... Gödelek, E. (1988). Üç Farklı İş kolunun (Tekstil, Tekstil Boya, Çimento) Psiko-Sosyal Stres
Faktörleri Yönünden Karşılaştırılması. Yayımlanmamış Doktora Tezi, Ankara Üniversitesi Sosyal
Bilimler Enstitüsü, Ankara.
[20] ...... Güler, M. (1990). Endüstri Işçilerinin Iş Doyumu Ve Iş Verimine Depresyon, Kaygı Ve Diğer
Bazı Değişkenlerin Etkisi. Yayımlanmamış Doktora Tezi, Hacettepe Üniversitesi Sosyal Bilimler
Enstitüsü, Ankara.
[21] ...... Çavuş, Ş. ve Abdıldaev, M., (2014), Kırgızistan Devlet Üniversitelerinde Çalışan Öğretim
Elemanlarının İş Doyumu, Turkish Journal of Education, 2014 Volume 3, Issue 3.
648
Denizci Eğitimci Yeterliliğine Sahip Öğretim Elemanlarının
Denizcilik Öğrencileri Tarafından Değerlendirilmesi
muratyor@gmail.com , mrsuvari@hotmail.com
1
Özet
Uluslararası bir meslek olan denizciliğin eğitimine ilişkin standartlar da uluslararası

sözleşmelerle belirlenmektedir. Türkiye’nin taraf olduğu denizcilik sözleşmelerinden biri olan
STCW (Uluslararası gemi adamlarının eğitimi, belgelendirilmesi ve vardiya standartları
hakkında sözleşme) kapsamında, denizcilik eğitiminin standartları belirlenmiştir. Söz konusu
bu standartlar içerisinde denizcilik eğitiminde görev alabilecek öğretim elemanları için
öncelikli olarak ticaret gemilerinde çalışmış olma zorunluğu yer almaktadır. Denizci eğitimci
olarak adlandırılan bu öğretim elemanlarının, mesleki bilgi- uzmanlık, iletişim, problem çözme
becerileri ve öğrencilere karşı tutumları, denizcilik öğrencilerin bakış açılarına göre ölçülmesi
bu çalışmanın amacını oluşturmaktadır. Bu amaç doğrultusunda, Yalova Üniversitesi, Yalova
MYO Deniz Ulaştırma ve İşletme Programında öğrenin gören 110 öğrenci ve İstanbul
Üniversitesi, Mühendislik Fakültesi, Deniz Ulaştırma İşletme Mühendisliği Bölümünde
öğrenin gören 140 öğrenciden anket tekniği ile veriler toplanmıştır. Araştırmaya katılmak
isteyen toplam 250 öğrenciden elde edilen veriler ile önerilen araştırma hipotezleri SPSS 21
istatistiksel paket programı kullanılarak test edilmiştir. Araştırmada, öğrenciler açısından
denizci öğretim elemanlarının mesleki bilgi-uzmanlık konusunda yeterli oldukları ancak
iletişim konusunda zorluklar yaşadıkları bulgusuna ulaşılmıştır. Çalışmanın sonunda, eğitim
kalitesini artırmak ve öğrencilerine faydalı olmak isteyen denizci eğitimci yeterliliğine sahip
öğretim elemanlarına, öğrencileriyle iletişim kurma ve empati yapabilme becerilerini
geliştirmeleri ve eleştiriye açık olmaları gerektiği vurgulanmıştır.
Anahtar Kelimeler: Denizcilik Eğitimi, Denizci Eğitimci, Öğretim Elemanları
649
Evaluation of Seafarers' Adequacy Academic Staff by Maritime
Students
Abstract
International standards for the training of an international profession, maritime, are also set out
in international agreements. One of the STCW maritime conventions to which TURKEY is a
party (Standards of Training Certification and Watchkeeping of Seafarers) within the scope of
maritime training standards are determined. In other words, among these standards, for
instructors who can take part in maritime education, priority is given to having to work on trade
vessels. The purpose of this study is to measure these faculty members, who are called as marine
educators, according to their professional knowledge-expertise, communication, problem-
solving skills and attitudes towards students, according to the point of view of marine students.
For this purpose, 110 students studying at Yalova University, Yalova Vocational Schol of
Marine Transportation and Management Program and 140 students surveyed at Istanbul
University, Faculty of Engineering, Department of Marine Transportation Engineering were
collected. The data obtained from a total of 250 students who wanted to participate in the
research and the research hypotheses proposed were tested using the SPSS 21 statistical
package program. In the research, it has been found that the maritime instructors are qualified
in occupational knowledge-expertise in terms of students but have difficulties in
communication. At the end of the study, it was emphasized that the teachers should have the
ability to communicate and empathize with their students and to be open to criticism.
Keywords: Maritime Education, Maritime Instructors, Teaching Staff
1. Giriş
1.1. Denizcilik Sektöründe Eğitimin Rolü
Denizci millet olabilmenin esası denizcilik politikası, eğitimi, ekonomisi, kültürü ve geleneği
olarak ifade edilmektedir (Çetin, 2009). Denizcilik mesleki eğitimi incelendiğinde, dikkat
edilmesi gereken noktaların başında akademik eğitimler, denizcilik eğitiminde Araştırma ve
Geliştirme (AR-GE), denizcilik eğitimi veren okulların iş birliği ve akreditasyondur (Karataş
Çetin ve Arabelen, 2012). Bahsedilen bu hususlardan birinin dahi olmaması veya yetersiz
kalması durumunda denizcilik eğitimi olumsuz yönde etkilenecek ve çağın gereklerinin yerine
getirilmesinde geri kalınmasına neden olacaktır (Çetin, 2009). Denizcilik eğitimi, yüksek
650
öğrenim kapsam ve gereklerine uygun olması zorunluluğu taşıyan aynı zamanda uluslararası
standart ve düzenlemelere tabi olan bilimsel bir eğitim öğretim alanıdır. Denizcilik eğitiminin
standartlarını Birleşmiş Milletler’in alt birimi olan Uluslararası Denizcilik Örgütü (IMO)
tarafından belirlenmektedir. IMO tarafından hazırlanan ve yayınlanan STCW’78-95
konvansiyonunda belirlenmiş olan eğitim müfredatı, eğitmenlerin özellikleri ve eğitim altyapısı
koşulları bütün taraf devletleri ve bu devletlerdeki eğitim kurumları için bağlayıcı olup denetim
zorunluluğu getirmektedir. Çok disiplinli bir yapıya sahip olması nedeniyle denizcilik sektörü
uluslar arası alandaki sıkı çalışma ortamında ayırt edici bir özelliğe sahiptir. Bu özelliği
sayesinde, denizcilik hem kara departmanında olsun hem deniz ayağında olsun hem de eğitim
aşamasında olsun çok disiplinli donanımı ve uluslararası olma özelliği, deniz taşımacılığında
belirleyici öneme sahiptir. Sözü edilen ayırt edici özellik, denizcilik eğitimine de yansıtılması
gerekmektedir (Kalkan, 2011). Uygun eğitim ortamının olması ve uygun eğitimci ve eğiticilerin
olması disiplinli bir donanım ve uluslararası ortam özelliklerinin gereklerinin yerine getirilmesi
için olmazsa olmazlardandır.
Öğrencilerin öğrenim gördüğü programların farklılıkları ve okuldan memnuniyetinde öğretim

elemanlarının mesleki bilgi ve uzmanlıkları, iletişim becerileri, problem çözme becerileri ile
öğrencilere karşı tutumlarının etkisi eğitim öğretim konusu üzerinde azımsanmayacak bir yere
sahiptir (Yorulmaz ve diğerleri, 2017). Öğretim elemanlarının kendi aralarındaki uzmanlık,
problem çözme ve öğrencilere karşı olan tutumlarındaki farklılıklar bile eğitim öğretim
konusunda ve öğrencilerin öğrenme yaklaşımında etkin bir yere sahiptir. Bu durum öğrencinin
okuldan memnuniyetini ve dolayısıyla başarısını da doğrudan etkilemektedir.
Eğitim-öğretim aşamasında öğrenmenin daha verimli olabilmesi için yerine getirilmesi gereken
en önemli ön şartlar arasında eğitimcilerin güdülenmiş olması ve eğiticilerin de yeterli tecrübe
ve eğitim becerisine sahip olması gerekmektedir. Öğrencilerin daha etkin öğrenmeye
şartlanması için yapılması gerekenler listesinde “öğrenme etkinliklerinin öğrencinin ilgilerini
çekecek şekilde düzenlenmesi ve öğrenciye öğrenme yöntemi konusunda seçenekler
sunulması” da bulunmaktadır (Presley ve McCormick, 1995). Öğrenmeyi etkileyen faktörler
arasında, öğrencilerin ders konularının içeriğine olan ilgilerinin önemi kadar öğretim
elemanlarının ve eğiticilerin de konulara vakıf olmaları vurgulanmakta ve bu ilginin öğrenme
stratejilerini etkileyebileceği belirtilmektedir (Garcia ve Pintrich,1994). Ülke sınırlarının
kalktığı ve teknolojinin hızlı gelişmesi sonucu hem mal hem de hizmet sektörüne yön verdiği
günümüzde, eğitimin önemi azımsanmayacak bir noktaya gelmiştir (Yorulmaz ve diğerleri,
651
2017). Bu durum, birçok meslek dalında ihtiyaç duyulan kalifiye ara personelin eğitilmesi ve
yetiştirilmesi amacıyla kurulmuş olan ve Yüksek Öğretim Kurumunun bünyesinde faaliyet
gösteren meslek yüksekokullarının önemini daha da artırmıştır. Meslek yüksekokullarındaki
denizcilik bölümleri ve denizcilik sektörü bu meslek gruplarının ön sıralarında yer almaktadır.
1.2. Denizcilik Bölümlerinde Öğretim Elemanlarının Etkisi
Yüksek Öğretim Kurumu bünyesinde faaliyet gösteren meslek yüksekokullarının verdiği

eğitimin hizmet kalitesini etkileyen ve üniversitelerin kuruluş aşamasına kadar dayanan ve
hizmeti etkileyen faktörler mevcuttur. Bu faktörler, akademik personel, bina, makine-teçhizat,
teknolojik altyapı, ulaşım, kütüphane ve rekabet şartları olanaklarıdır (Altınsoy, 2011). Bu
çalışmada da öğretim elemanlarının eğitimdeki rolünün hizmet kalitesine olan etkisi ele
alınmıştır.
Denizcilik programlarının her ne kadar bazı eksiklikleri olsa da, öğrencilerin denizcilik
liselerindeki eğitim deneyimleri ile bir dönem staj yapmış olmaları sonucu edindikleri tecrübe
doğrultusundaki istekleri dikkate alındığında öğretim elemanlarını değerlendirirken programa
yönelik olan memnuniyetlerini de dikkate alınması gerektiği görülmektedir. Bu durum gerçek
deniz deneyimine sahip öğrencilerin mesleklerinin gerekliliklerinin farkında bir şekilde eğitim
öğretim beklentisinde oldukları aşikardır. Böylece öğretim elemanlarının mesleki tecrübesi ve
denizci eğitimci yeterlilikleri önem arz etmekte olup öğrencilerin geleceklerini planlama
noktasında da etkili rol oynamaktadır. Yeterli bilgi ve tecrübeye sahip denizci eğitimcilerin
yönlendirmeleri ve teşvikleri ile meslek yüksekokullarından fakültelere geçişte yapılacak
yönlendirmeler yardımı ile denizcilik öğrencilerinin kendilerine üniversite eğitimi sürecinde
çeşitli planlamalar yapmak ve tercihlerini belli noktalarda değiştirme şansı vermektedir
(Şeremet, 2016). Bu kapsamda denizcilik sektörünün beklentilerine ve gidişatına bakılarak
öğrenciler tarafından yapılan değerlendirmeler, eğitim öğretim kalitesinin yükseltilmesi amacı
ve uluslar arası konvansiyonlar ve yurt dışındaki diğer eğitim kurumlarıyla olan etkileşim
sonucu devam eden globalleşme politikalarına bakıldığında karşımıza; Türkiye’deki
yükseköğretim programları arasında özel bir yeri olan denizcilik programlarının globalleşme
noktasında daha fazla yabancı öğretim elemanı çalıştırma ve öğrenci istihdam etme gibi
politikalarda biraz geride kaldığı görülmektedir (Şeremet, 2016). Uluslararası standartlara
ulaşılmak isteniyorsa özellikle yabancı konusunda özel çalışmalar yapılması gerekmektedir.
Yabancı dil konusunun önemini denizci öğrencilere ancak yeterli tecrübe ve bilgiye sahip
denizci eğitimci yeterliliği olan öğretim elemanları anlatabilir. Bu anlamda öğrencilerin yabancı
652
dil donanımlarındaki eksikliklerini tespit edilmesi ve gerekli önlemlerin alınması öncelikle
program bünyesinde sonra bölüm ve idare sorumluluğundadır. Bu da bize gösteriyor ki
denizcilik programları bu hususta kendilerini daha fazla geliştirmeleri ve uluslar arası
gerekliliklere kendilerini uydurmaları gerekmektedir. Denizci eğitimci belgelerine sahip olması
gereken öğretim elemanları, özellikle bireysel yetkinliklerini geliştirmesi ve ön plana çıkması
için çeşitli uygulamalar ve kişisel becerilerini geliştirmeleri gerekir (Şeremet, 2016). Özellikle
uygulama gerektiren dersler olan gemicilik, köprüüstü kaynak yönetimi, seyir vb. derslerde
öğrenciye örnek teşkil edebilmelidirler. Öğrencilerin bu tarz yetenek ve becerilerini
geliştirmesi sonucunda öğrencilerin denizcilik sektöründe çalışma olanaklarının artmasına
katkı sağlayacaktır.
Teknolojik gelişmelerin hızla gelişmesi ülkeler arasındaki etkileşimleri kolaylaştırmış bu

sayede bilginin ve doğrunun böylesine değişken olduğu bir dünyada, var olan bilginin öğretim
elemanından öğrenciye aktarılması önceki dönemlere göre önemli bir hız kazanmıştır. Bu
çerçevede gelişen ve değişen eğitim anlayışı ile verilen eğitim hizmetinde, öğretim elemanının
rolü artmakta ve önem kazanmaktadır (Yorulmaz ve diğerleri, 2017). Bu nedenle de eğitim
kurumları öğretim elemanlarının, öğrencilere ne kadar faydalı olduklarını sürekli
değerlendirmelidirler.
2. Araştırma Yöntemi
1.3. Veri Toplama Yöntemi
Bu çalışmadaki verilerin toplanmasında kullanılan anket yöntemi, daha önce Avcı ve Sayılır
(2006)‘in hizmet kalitesi çerçevesinde çalışanların rolüne ve yeterliliklerine ilişkin turizm
sektörüne yönelik yaptıkları çalışmada kullanılmıştır. Bahsi geçen anket eğitim sektörüne
uyarlanarak araştırmamızda kullanılmıştır. Anket iki bölüm ve toplamda 24 sorudan
oluşmaktadır. Birinci bölümde, öğrencilerin demografik özelliklerine ilişkin sorular, ikinci
bölümde ise öğretim elemanlarının mesleki bilgi- uzmanlık, iletişim, problem çözme
becerilerinin yeterliliğine yönelik sorular bulunmaktadır. İkinci bölümdeki sorular 5 Likert’li
ölçeği ( 1= kesinlikle katılmıyorum’dan 5= kesinlikle katılıyorum’a kadar) esas alınarak
oluşturulmuştur.
1.4. Ana Kütle ve Örneklem
Çalışmanın evren kümesini, Yalova Üniversitesi, Yalova MYO Deniz Ulaştırma ve İşletme
Programında öğrenim gören 215 öğrenci ve İstanbul Üniversitesi, Mühendislik Fakültesi, Deniz
653
Ulaştırma İşletme Mühendisliği Bölümünde öğrenim gören 270 öğrenci oluşturmaktadır.
Böylece hem öğrencilerin daha sağlıklı değerlendirme yapmaları, hem de daha yüksek bir anket
dönüş oranı hedeflenmiştir. Öğrencilerin ders aldıkları öğretim elemanlarını daha iyi tanımaları
yönünden daha çok bilgiye sahip olmaları nedeniyle, araştırmaya sadece son sınıfta öğrenim
gören öğrenciler dâhil edilmiştir. Hazırlanan anket formu yardımıyla toplam üç haftalık
periyotta gönüllülük esasına dayanılarak, derse gelen ve ankete katılmak isteyen Deniz
Ulaştırma ve İşletme Pogramından 110 ve Ulaştırma İşletme Mühendisliği Bölümünden 140
öğrenci olamak üzere toplam 250 öğrenciden veriler toplanmıştır. Örneklemimizi oluşturan
öğrencilerin %86’sı erkek, %14’ü kadındır. Öğrenciler açısından katılımcıların %43,2’ü 21-24
yaş aralığından oluşmakta olup daha sonra gelen büyük çoğunluk %39,8 oran ile 18-21 yaş
grubu arasındadır.
Anket uygulamasının temel kısmını oluşturan birinci bölümde, veriler tanımsal istatistik
yöntemleri kullanılarak değerlendirilmiş, ortalama değerler ve standart sapmalar elde
edilmiştir. Her bir ifade için elde edilen ortalamalar ve standart sapmalar Tablo 1’de
gösterilmiştir. Standart sapma değerleri, ortalama etrafında oluşan dağılımın bir ölçüsü
olmaktadır (Sekaran 2000). Ortalama ve standart sapma değerleri en yaygın kullanılan
tanımlayıcı istatistik değerleridir. Her bir ifade için elde edilmiş ortalama değerleri öğrencilerin
o ifadeler için olan denizci öğretim elemanlarını değerlendirme düzeylerini göstermektedir.
3. Bulgular Ve Tartışma
Tablo 1’den anket sonucunda elde edilen bulgulara baktığımızda; 22. sıradaki “Öğretim
elemanının ders verdikleri alanlarda yeterli mesleki tecrübeye ve bilgiye sahip olması”
faktörünün ortalama değeri 4,86 ile ilk sırada yer almakta ve öğretim elemanlarının deniz
tecrübesine ve denizci eğitimci yeterliliğine sahip olmasının öğrenciler üzerinde büyük etkisi
mevcuttur. Bu faktör daha etkin ders işlenmesi açısından öğrencilerin öğretim elemanlarından
bekledikleri en önemli niteliktir.
Tablo 1. Analizler sonucu her bir ifade için bulunan ortalama ve standart sapma değerleri
İlişkin Standart
No Öğretim Elemanının Yeterlilikleri
Ort. Sapma
1 Ö.E. görünüşleri (giyim ve kişisel bakım olarak). 3,94 0,93
2 Ö.E. derste eğitim materyallerinden yararlanması (tepegöz, projektör vs.). 4,64 0,44
3 Ö.E. derslere her zaman hazırlıklı gelmesi. 4,53 0,28
654
4 Ö.E. liderlik yapması. 4,72 0,56
Ö.E.akademik çalışmalarında verimli olması (kitap, makale, üretme, projeler yürütme, konferanslarda bildiri
5 3,45 0,69
sunma gibi).
6 Ö.E.akademik unvana sahip olması (Dr. Öğr. Üyesi, Doçent, Profesör gibi). 2,87 0,73
7 Ö.E.hizmet sunumunda öğrencilerde güven uyandırması. 4,08 0,46
8 Ö.E. okulun sosyal alanlarını öğrencilerle eşit kullanması. 3,92 0,70
9 Ö.E. öğrencilere hizmet konusunda eşit davranması. 4,03 0,33
10 Ö.E. ders dışı konularda da bilgi ve yardım sunması (kariyer planlama, kişisel sorunlar, sosyal ilişkiler gibi). 3,87 0,40
11 Ö.E. öğrencilere saygılı davranması. 4,33 0,03
12 Ö.E. öğrencilere dostça ve kibar davranması. 4,30 0,03
13 Ö.E. ders dışında erişimin kolay olması (doğrudan, telefon, internet vs.). 3,90 0,43
14 Ö.E. ders dışında öğrencilerle bir arkadaş gibi kaynaşabilmesi. 3,54 0,77
Ö.E. öğrencilerin isteklerine göre hizmette esneklik sağlaması (derse devam, ödevler, dersin işleniş şekli
15 4,13 0,30
gibi konularda esneklik).
16 Ö.E. dersi canlı bir tempoda yürütmesi. 4,06 0,30
17 Ö.E. ders esnasında iletişim becerilerine sahip olması (dersin iyi öğretilmesi). 4,43 0,07
18 Ö.E. öğrencilerle ilgili kayıtları doğru tutması (devam çizelgeleri, yazılı, sözlü, sunum notları gibi). 3,47 0,86
19 Ö.E. öğrencilere kendilerini özel hissetmelerini sağlayacak kişisel ilgi göstermesi. 4,49 0,75
20 Ö.E. dersin başlama, bitiş saatleri ve danışmanlıkla ilgili zaman konusunda titiz olması. 3,76 0,83
21 Ö.E. öğrencilerin başarı durumlarını değerlendirirken nesnel olması. 4,00 0,39
22 Ö.E. ders verdikleri alanlarda yeterli mesleki tecrübeye ve bilgiye sahip olması. 4,86 0,88
23 Ö.E. ders alanındaki güncel gelişmeleri izleyerek öğrencilere aktarması. 4,08 0,55
24 Ö.E. ders sırasında öğrencilerin derse katılımını sağlaması. 3,38 0,66
25 Ö.E. eğitim hizmetini amaca uygun olarak gerçekleştirmesi (dersler, ödevler, sınavlar). 4,02 0,47
26 Ö.E. uygulamalı öğrenime önem vermesi (öğrenciye uygulama yaptırma ve gösterme). 4,50 0,39
27 Ö.E. öğrencileri inceleme ve araştırma yapmaya yöneltmesi. 3,60 0,38
28 Ö.E. öğrencilere hizmet sunumunda hevesli olması. 4,07 0,23
29 Ö.E. kişisel sorunlarını derse ve öğrencilere yansıtmaması. 3,96 0,37
Dördüncü sıradaki “Öğretim elemanının liderlik yapması.” Faktörünün ortalama değeri 4,72
olup ikinci en büyük durumdur. Mesleki alanda yeterli bilgi, beceri ve tecrübeye sahip öğretim
elemanının öğrenciye liderlik yapması ve yönlendirmesi öğrenciler tarafından fark edilmiştir.
İkinci sıradaki “Öğretim elemanının derste eğitim materyallerinden yararlanması (tepegöz,
projektör vs.)” faktörünün ortalama değeri 4,64 olup öğretim elemanlarının yararlandıkları
655
öğrenmeyi kolaylaştıran ve pekiştiren faaliyet ve yöntemleri içermektedir. Yirmi altıncı
sıradaki “Öğretim elemanının uygulamalı öğrenime önem vermesi (öğrenciye uygulama
yaptırma ve gösterme)” faktörünün ortalama değeri 4,50 ile uygulama eğitimlerinin önemine
vurgu yapılmaktadır. “Öğretim elemanının derslere her zaman hazırlıklı gelmesi” faktörünün
ortalama değerinin 4,53 olması ve “Öğretim elemanının öğrencilere kendilerini özel
hissetmelerini sağlayacak kişisel ilgi göstermesi” faktörünün ortalama değerinin 4,49 olması
öğrencilerin beklenti yönlerini göstermektedir. Bunlarla birlikte Tablo 1 incelendiğinde altıncı
sırada ‘‘Öğretim elemanları akademik unvana sahip olması (Dr Öğr. Üyesi, Doçent, Profesör
gibi)’’ faktörünün ortalama değerinin 2,87 olduğu görülmektedir. Bu bulgu denizci eğitimci
yeterliliğine sahip öğretim elemanlarının akademik kariyer yapmadıklarını göstermektedir.
Diğer faktörlerin ortalama değerleri de kendi içlerinde çıkan değere göre sıralanmakta ve önem
derecesini vermektedir.
Günümüzde kalitenin müşteriler tarafından belirlendiği, bir mal veya hizmetin kaliteli olup
olmadığına müşterilerin karar verdiği görüşü yaygın kabul görmektedir (Powers 1997).
Yükseköğretim Kurumlarında müşteri pozisyonundaki en önemli çevre olan öğrenciler,
yükseköğretim kurumlarında kaliteyi belirleyen temel öğelerden birisi olan öğretim
elemanlarından beklentileri azımsanmayacak derecededir. Öğrencilerin, öğretim elemanları ile
ilgili beklentilerinin bilinmesi, öğretim elemanı alımında ve öğretim elemanlarına yönelik
eğitim programlarının geliştirilmesinde hem yol gösterici olmakta hem de eğitim kalitesinin
artmasında katkı sağlayacaktır (Akbaba ve diğerleri, 2006). Öğrenci beklentilerinin kurum
yöneticileri tarafından dikkate alınması, hem toplam kalite yönetimi hem de idari yönetim
anlamında kalitenin sağlanması çabalarında idarecilere büyük yarar sağlayacaktır. Öğretim
elemanları da öğrenci beklentilerine göre kendilerini değerlendirme ve geliştirme olanağı
bulabileceklerdir (Akbaba ve diğerleri, 2006).
4. Sonuç
Yüksek öğretim kurumlarının denizcilik bölümlerinde verilen eğitim hizmet kalitesinin

değerlendirilmesinde bir çok kriter mevcuttur. Bu çalışmada ise sadece öğretim elemanlarının
uzmanlık, ders anlatımı, kişisel becerileri ve öğrencilere karşı tutumlarının öğrencilerin bakış
açılarıyla değerlendirilmiştir. Araştırma bulgularına göre, öğretim elemanlarının problem
656
çözme becerisi, tutum ve uzmanlık özelliklerinin, öğrencilerde farklı algı oluşturduğu ve
öğretim elemanlarının öğrencilere karşı tutumlarında daha olumlu davrandıkları sonucuna
ulaşılmıştır.
Öğrencilerin aldıkları eğitim hizmetinin kalitesi ile ilgili beklentilerinin ve değerlendirme

yaparken temel aldıkları kalite faktörlerinin önem düzeylerinin eksiksiz ve doğru bir şekilde
belirlenmesi, kalitenin geliştirilmesine yönelik çabalar için büyük önem taşımaktadır. Bu
çalışmanın sonucunda yöneticilere bilgi sahibi olmaları anlamında destek sağlanması sonucu
eğitim hizmetinin geliştirilmesi ve kalitesinin arttırılmasına yönelik çalışmalarda büyük katkı
sağlayacaktır. Denizcilik alanında daha önce yapılmış bu tür çalışmaların kısıtlı sayıda olması
nedeniyle ayrı bir önem kazanan bu çalışma, yükseköğretimde kalite kavramının anlaşılması ve
geliştirilmesi yönünde daha detaylı bilgi elde etme olanağı sağladığı için büyük önem
taşımaktadır.
Bu bulgulara göre, öğretim elemanlarının, öğrencilere karşı, anlayışlı, güler yüzlü, saygılı ve
ilgili tutum sergilediklerinde ve öğretim elemanlarının mesleki bilgi ile kişisel beceri düzeyleri
arttığında hem öğrencileri araştırma yapmaya teşvik edecek hem de öğrencilere rol model olma
yolunda önemli adımlar atılmış olacaktır. Ayrıca öğretim elemanları dersleri günlük hayattan
örnekler zenginleştirdiklerinde denizcilik bölümü öğrencilerinin hem derslerden hem de
okuldan memnuniyetleri artacağını söyleyebiliriz.
Kaynaklar
[1] Akbaba, A.; Gürü, B. E.; Yaran, M.; Çimen H. (2006). Öğrencilerin Öğretim Elemanları ile
İlgili Kalite Beklentileri: Akçakoca Turizm İşletmeciliği ve Otelcilik Yüksekokulu Örneği.
Anatolia: Turizm Araştırmaları Dergisi, Cilt 17, Sayı 1, Bahar: 9-21, 2006.
[2] Altınsoy, Selcen, (2011), "Yeni Devlet Üniversitelerinin Gelişimi: Sorunlar Ve Politika
Önerileri", Yükseköğreitm ve Bilim Dergisi, s. 98-104.
[3] Çetin, O. (2009). Denizcilik Sektöründe Mukayeseli Bir Model, Güvenlik Stratejileri Dergisi.
Yıl:2009, Sayı:10, s.38.
[4] Garcia, T. ve Pintrich, R. P. (1994). Regulating motivation and cognition in the classroom: the
role of self schemas and self-regulatory strategies. Self-Regulation of Learning and
Performance, Issues and Educational Applications. Edited by Dale H. Schunk and Barry J.
Zimmerman, New Jersey: Lawrance Erlbaum Associates, Publishers.
657
[5] Kalkan, m. (2011). Denizcilik eğitiminde etkin öğrenme ortamı oluşturmada bireysel öğrenme
stratejilerinin önemi. İzmir. Dokuz eylül üniversitesi sosyal bilimler enstitüsü dergisi. cilt: 13,
sayı: 2, yıl: 2011, sayfa: 65-82
[6] Karataş Çetin, Ç ve Arabelen, G. (2012). Türkiye’de limancılık eğitimi üzerine bir
değerlendirme. Dokuz Eylül Üniversitesi Denizcilik Fakültesi Dergisi cilt:4 sayı:1, s.75-81.
2012
[7] Presley, M. ve McCormick, B. C. (1995). Cognition, teaching and assessment. New

York:.Harper Collins College Publishers.
[8] Sekaran, U. (2000). Research Methods For Business: A Skill-Building Approach. New York,
NY: John Wiley & Sons, Inc.
[9] Şeremet, M. (2016). Denizcilik Programlarının İstihdam Boyutunun Öğrenci Görüşlerine Göre
Değerlendirilmesi. Yükseköğretim ve Bilim Dergisi, Cilt 6, Sayı: 2, Ağustos 2016; s. 261-267
[10] Yorulmaz, M.; Özkan, M.; Bayar, S.; Alkan, G. (2017). Meslek yüksekokullarında
verilen eğitim hizmetinin kalitesinde öğretim elemanlarının rolüne ilişkin bir inceleme: Yalova
Meslek Yüksekokulu örneği. Akademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 50, Temmuz
2017, s.569-580
658
Biyomedikal Tüp Taşıma Sistem Hatlarının Graf Bazlı
Değerlendirilmesi
Büşra ÖZGÜR1, Resul KARA1
busratakgil@duzce.edu.tr, resulkara@duzce.edu.tr
1
Duzce University, Computer Engineering Department, TURKEY
Özet
Biyomedikal tüp taşıma sistemlerinde kullanılan pnömatik sistemler gaz basıncını kullanarak mekanik
hareket oluşturan sistemleri inceleyen endüstriyel bir bilimdir ve birçok alanda kullanılmaktadır.
Pnömatik sistemlerin kullanım alanlarından biri de hastanelerdir. Hastanelerde adına pnömatik tüp
taşıma sistemi (PTS) denilen sistemler kan, idrar vb. numunelerin bir birimden bir başka birime
taşınması için kullanılmaktadır. Bu tür sistemler tasarlanırken verimli bir şekilde çalışmaları esas
alınmalıdır. Bu çalışmada pnömatik taşıma sistemlerinde taşıma hattının oluşturulmasında en önemli
parametrelerden biri olan taşıma mesafesini kısaltarak, sistemin daha verimli çalışmasını sağlamak
için pnömatik taşıma sistemlerinin graf yapısı ve en kısa yol bulma algoritmaları ile modellenmesi
önerilmiştir. Örnek kolon-kiriş şemaları üzerinde önerilen modelleme kullanılarak modelin verim
artışına etkisi değerlendirilmiştir.
Anahtar Kelimeler: Pnömatik Sistemler; Graflar; En Kısa Yol.
Graph-Based Evaluation of Biomedical Tube Transport System Lines

Abstract
Pneumatic systems used in biomedical tube transport systems is industrially important using
mechanically moving systems with gas pressure utilized by many fields. One of the application areas
of pneumatic systems is hospitals. The systems called pneumatic tube transport system (PTS) are used
to transport samples like blood, urine etc. from one unit to another on behalf of hospitals. When
designing such systems, it is essential that system works efficiently. In this study, it is proposed to
model the pneumatic conveying systems with graphical structure and shortest path finding algorithms
in order to make the system work more efficiently by shortening the transportation distance which is
one of the most important parameters in forming the conveying line in pneumatic conveying systems.
659
Using the proposed model on the sample schemes, the effect of the model on the efficiency increase
was evaluated.
Keywords: Pneumatic Systems; Graphs; Shortest Path.
1. Giriş
Endüstride, basınçlı hava ile çalışan ve basıncın kontrol edilebildiği sistemlere pnömatik sistemler
denir. Bu sistemlerin enerji kaynağı olan hava sınırsız olarak bulunduğu için kullanım alanı da oldukça
yaygındır. [1] Teknolojinin gelişmesi ile pnömatik sistemlere olan ihtiyaç da artmaktadır. Üretim
hatlarında, hastanelerde, laboratuvarlarda, kamu kurumlarında, bankalarda ve endüstriyel alanlarda
pnömatik sistemler kullanılmaktadır. Taşınan malzemede kaybın olmaması, hizli verimli güvenli
iletime olanak sağlaması, az yer kaplaması, birçok ortamda kullanılabilir olmaları ve hareketli
parçaların az olması gibi pnömatik sistemlerin avantajlarındandır.
Pnömatik sistemler ile yüksek hızlarda dairesel, doğrusal hızlar elde etmek de mümkündür. Bunlara
ek olarak bu sistemlerin otomatik olarak kontrol edilebilmeleri ve programlanabilir sistemlerle bir
arada kullanılmaları önemlerini arttırmaktadır.[2]
Hastanelerde kullanılan pnömatik sistemler, biyomedikal tüp taşıma sistemleri için örnek olarak
verilebilir. Hastanelerde pnömatik sistemler binalarının poliklinik, acil servis, yatan hasta servisleri,
kan bankası-kan merkezi, biyokimya ve diğer laboratuvarlar arasında tahlil numunelerinin insan gücü
olmaksızın pratik bir şekilde taşınması amacıyla kullanılmaktadır.
Taşıma mesafesi, taşıma kapasitesi, ortam şartları, taşıma yönü sistem performansını etkileyen
faktörlerdir. Pnömatik sistemler de diğer sistemler gibi en verimli enerji kullanımı ile tasarlanmalıdır.
Pnömatik sistemlerden malzemenin daha kısa sürede taşınması için hızının arttırılması yalnızca enerji
maliyetini arttırmakla kalmaz, aynı zamanda taşıma hatlarının ömrünü kısaltabilir. Ayrıca Pnömatik
sistemin başarısı ile ilgili en kritik parametrelerden biri gerektiğinde taşıma hızının minimum seviyede
tutulmasıdır. Örneğin hastanelerde kullanılan bir pnömatik sistemde kan numunesinin taşınması
sırasında tüpün çok hızlı taşınması, kanın hemolizine neden olacak ve numuneden istenen sonuç
alınamayabilecektir. Bu sebeple taşıma yolunun kısaltılması yüksek hızlı taşımaya gerek kalmadan
660
taşıma süresini kısaltır. Böylece boru hattının döşenmesindeki maliyet ve enerji tüketimi azaltılmış
olacaktır.
Bu çalışmada pnömatik taşıma sistemlerinde taşıma hattının oluşturulmasında en önemli

parametrelerden biri olan taşıma mesafesini kısaltarak, sistemin daha verimli çalışmasını sağlamak
için pnömatik taşıma sistemlerinin graf yapısı ve en kısa yol bulma algoritmaları ile modellenmesi
önerilmiştir. Örnek kolon-kiriş şemaları üzerinde önerilen modelleme kullanılarak modelin verim
artışına etkisi değerlendirilmiştir. Yapılan
çalışma ile hastanelerde kullanılan pnömatik sistemlerin daha verimli bir şekilde kullanılması
amaçlanmaktadır. Bu sayede enerji tüketimi de azalmış olacaktır.
Pnömatik sistemlerin optimizasyonuna yönelik yapılan çalışmaların bir kısmı; taşıma hattında
kullanılan boru hattının çapı, kullanılan malzeme türü, sistem parametrelerinin değişimi gibi faktörler
üzerine yoğunlaşmıştır. Diğer çalışmalarda ise yapay sinir ağları kullanılarak gaz akışını belirleyen
yaklaşımlar ile sistemin performansı arttırılmaya çalışılmıştır.
Jacic L.J 1985 de “Pnömatik Dijital Sistemlerin Bilgisayar Yardımı ile Tasarımı üzerine Bir Sistem
Yaklaşımı” çalışmasında yeni bir pnömatik kontrol sistem tasarımı ve var olan sistemlerin
geliştirilmesi için gerekli aşamaları açıklamışlardır [3].
Yapılan bir başka çalışmada ise pnömatik taşıma sistemlerinin çalışmasını iyileştirmek için taşıma
hattının genişliği vb etkileri gözlemleyen teknikler geliştirilmiştir [4].
Enerji verimliliği sağlamak için yapılan bir çalışmada ise otomatik üretim makinelerinde alternatif
enerji tasarrufu yaklaşımlarının tasarım ve kontrolüne adapte edilmesi üzerine çalışılmıştır [5].
2016 da yapılan pnömatik taşıma sistemlerinde boru hatlarının yaşam döngüsü ve maliyet
modellemesini konu alan bir çalışmada pnömatik taşıma boru hatlarının tasarımında yer alan temel
maliyetlerden olan, işletme maliyeti ve sermaye maliyetini hesaplar ve minimum taşıma maliyeti ve
sermaye maliyeti için optimum boru hattı çapını formüle eder [6]. Şimdiye kadar yapılan çalışmalarda
mevcut sistem üzerinde iyileştirmeler yapılırken, bu çalışmada sistem kurulmadan sistemin daha
verimli hale getirilmesi amaçlanmaktadır.
661
1736 yılında Leonhard Euler’in Königsberg köprü problemi ile ortaya çıkan Graf Teorisi; köprü
problemini şekiller çizerek inceler. Buna göre kara parçalarını noktalarla ifade edilirken, bu kara
parçalarını birbirine bağlayan köprüleri de kara parçalarının karşılık geldiği noktaları birleştiren
çizgilerle gösterir. Bu şekilde nesnelerin noktalarla, nesneler arası ilişkilerin de çizgilerle temsil
edildiği diyagrama Graf denir [7].
Günümüzde Graf Teorisi, Matematik, Kimya, Ekoloji, Arkeoloji, Bilgisayar, Mühendislik, gibi birçok
bilim dalında yaygın olarak kullanılmaktadır. Örneğin, bir postacının tüm mektuplarını dağıtabileceği
en kısa yol güzergahını belirlemede Graf Teorisi kullanılabilir. Biz de yaptığımız bu çalışmada
biyomedikal tüp taşıma sistemlerinde taşıma hatları üzerinde graf teorisinin uygulaması
gerçekleştirilmektedir.
3.Graf Tabanlı Biyomedikal Taşıma Sistemlerinin Dizaynı
Hastanelerdeki pnömatik sistemlerin taşıma hattı kolon-kiriş şemalarına göre oluşturulur. Kolon ve
kirişlerin bulunduğu noktalar dikkate alınarak pnömatik sistem hatları bu noktalar arasına yerleştirilir.
Yapılan çalışmada graf yapısını oluşturmak için kullanılan kolon-kiriş şeması Şekil 1 de gösterilmiştir.
Şekil 1. Örnek Kolon-Kiriş Şeması
662
Bu şema esas alınarak kolon ve kirişlerin her biri bir düğümü ifade edecek şekilde düzenleme yapılarak
sistemin graf yapısı oluşturulur. Şekil 2 kolon-kiriş şemasına göre oluşturulmuş düğümleri
göstermektedir.
Şekil 2. Kolon-Kiriş Şemasına Göre Oluşturulmuş Düğümler
Düğümler arasındaki mesafeler belirlenirken, boruların uzunluğu ağırlık değerleri olarak kullanılır ve
sistem ağırlıklı-yönsüz grafik olarak modellenir. Sonraki aşamada kullanılacak en kısa yol algoritması
belirlenerek sistem modellenir.
En kısa yol problemi optimizasyonda temel bir problemdir ve bu problemin algoritmaları çok sayıda
endüstriyel komplex problemde kullanılmaktadır [8]. En kısa yol problemi, kaynaktan hedefe
minimum mesafe, zaman veya maliyet ile bir yol bulmak üzerine odaklanmıştır. 1950'lerden bugüne
kadar, en kısa yol problemi ilgili sorunlar incelenmiş ve Bellman (1958), Dijkstra (1959), Dreyfus
(1969) ve Floyd (1962) gibi bazı başarılı algoritmalar önerilmiştir [9]. Bu algoritmalardan olan
Dijkstra algoritması ağırlıklı ve yönlü graflar için geliştirilmiştir ve pozitif ağırlıklar için çalışır.
Bellman ve Ford algoritması ise negatif ağırlıklı graflar için geliştirilmiştir.
Dijkstra algoritmasının çalışması:
1. Başlangıç düğümü belirlenerek bu düğümden gidilebilecek diğer düğümler seçilir.
663
2. Bu düğümler arasından en az maliyete sahip olan işaretlenir, diğer düğümlerin bilgisi aynı kalır.
Seçilmemiş düğümler için maliyet sonsuz olarak tanımlanır
3. İkinci adımda seçilen maliyeti en az olan düğümden gidilebilen düğümler arasında aynı işlem
uygulanır. Tüm düğümlere değer atanana kadar bu işleme devam edilir.
Bellman-Ford algoritması da Dijkstra algoritmasına benzer şekilde çalışır ve buna ek olarak negatif
maliyetli kenar olup olmadığını bulur.
Şekil 3’ de Dijkstra algoritması kullanılarak modellediğimiz sistem için en kısa yol renklendirilerek
gösterilmiştir.
Şekil 3. Dijkstra algoritması kullanılarak en kısa yol gösterimi
4. Performansların Değerlendirilmesi
Dijkstra algoritması kullanılarak renklendirilmiş grafta Düğüm 1 giriş, Düğüm 12 çıkış düğümü
olarak belirlendikten sonra girişten çıkışa giden en kısa yol renklendirilmiştir. Bu işlemler Bellman-
Ford Algoritması içinde aynı sayıda düğüm ve aynı ağırlık değerleri kullanılarak hesaplanmıştır. Elde
edilen sonuçlara göre:
Yol maliyeti:
Normal koşullar altında = 27 metre
Dijkstra algoritması kullanıldığında = 16 metre (% 68 performans artışı)
664
Bellman-Ford algoritması = 16 metre (% 68 performans artışı)
Kullanılan graf yapısına bağlı olarak her iki algoritma için yaklaşık olarak aynı sonuçlar elde
edilmiştir. Burada amaç yol maliyetini düşürmek ve bu sayede verimliliği arttırmak olduğundan bu
sonuçlar bizim için oldukça anlamlıdır.
Elde ettiğimiz sonuçlara benzer şekilde; Dijkstra ve Bellman-Ford Algoritmalarının karşılaştırıldığı

başka bir çalışmada her iki algoritmanın performansı ölçüldüğünde elde edilen sonuçlar yaklaşık
olarak aynı olarak çıkmıştır. Ancak bilgisayar ağlarında kullanımına göre değerlendirildiğinde;
Djkstra algoritması Bellman-Ford algoritmasına göre daha doğru sonuçlar verdiği ve bu değerlerin hat
kapasitesinin değişimi sonucunda farklılık gösterdiği belirlenmiştir [10]. Benzer başka bir çalışmada
ise Dijkstra algoritması ile Bellman-Ford algoritmasının aynı düğüm sayılarıyla birlikte performans
analizlerini değerlendirdiğinde; düğüm sayısı arttıkça Bellman-Ford algoritmasının daha yavaş bir
şekilde sonuca ulaşıldığı gözlenmiştir. En kısa yolu bulma konusunda iki algoritmada birbirine yakın
sonuçlar vermiştir fakat network ağı için Dijkstra Algoritmasının hızının Bellman-Ford
algoritmasından çok daha iyi olduğu ve en kısa yolunun daha kısa sürede bulunacağı saptanmıştır [11].
Elde edilen sonuçlara göre; en kısa yol algoritmaları arasında bir seçim yapılması gerektiğinde hangi
algoritmanın kullanılacağına, geliştirilecek sistemin yapısına uygunluğuna göre karar verilebilir. Daha
küçük ölçekli sistemler için Dijkstra, daha geniş kapsamlı sistemler için ise Bellman-Ford algoritması
tercih edilebilir.
5. Sonuç
Elde edilen sonuçlar Pnömatik taşıma sistemlerinde graf yapısı ile modellenen sistemlere en kısa yol
algoritmalarının uygulanmasının zaman, enerji ve maliyetten tasarruf sağlayacağını göstermektedir.
Böylece sistemin verimliliği artacak, numunelerin taşıma mesafesi kısalacak ve böylece numunelerde
bozulma olmaksızın daha kısa sürede taşınabilecektir.
Bellman-Ford algoritması ve Dijkstra algoritması karşılaştırıldığında elde edilen sonuçlar yaklaşık

olarak aynıdır. Ancak bu durum kullanılan graf yapısına, hastane planına vb değişkenlere bağlı olarak
farklılık göstermektedir. Bu sistemin kurulacağı yerde hastane binasının yapısına göre en iyi sonuçları
veren algoritma seçilerek uygulanabilir.
665
Pnömatik taşıma sistemleri hastanelerde personele düşen iş yükünü azaltmakta önemli rol
oynamaktadır. Bu sebeple bu sistemlerin verimli bir şekilde çalışması büyük önem arz etmektedir.
Yapılan çalışmanın hastanelerde kullanılan biyomedikal tüp taşıma sistemleri için katkı
sağlayabileceği görülmüştür. Daha sonraki çalışmalarda pnömatik sistemlerde numunelerin taşınması
esnasında ortaya çıkabilecek problemlere çözüm bulmak amacıyla kontrol sistemlerinin iyileştirilmesi
planlanmaktadır.
Kaynaklar
[1] M.A. Sakızcı, “Pnömatik Elemanlar, Sistemler Ve Sanayide Uygulamaları”, Yüksel Lisans Tezi, Yıldız
Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, 1993.
[2] Y. Turgut,, “Bilgisayar Yardımı ile Pnömatik Devre Tasarımı”, Yüksel Lisans Tezi, Gazi Üniversitesi
Fen Bilimleri Enstitüsü, Ankara, 2001.
[3] Jacić, L. A. "Computer-Aided Design of Industrial Automation." IFAC Proceedings Volumes 18.8, s
305-310, 1985.
[4] Baker, John D., and George E. Klinzing. "Optimal performance of pneumatic transport systems."
Powder technology 104.3, s 240-247, 1999.
[5] Harris, Paul, Sean Nolan, and Garret E. O'Donnell. "Energy optimisation of pneumatic actuator systems
in manufacturing." Journal of cleaner production 72, s 35-45, 2014.
[6] Walker, Joshua, et al. "Life-Cycle Cost Modelling of Pneumatic Conveying Pipelines for the Lean
Phase Transport Condition.", 2016.
[7] F. Özkan, Bazı özel sayı dizilerinin graflar yardımıyla temsili. PhD Thesis. Selçuk Üniversitesi Fen
Bilimleri Enstitüsü, 2012.
[8] Cheng, Jianqiang, and Abdel Lisser. "Maximum probability shortest path problem." Discrete Applied
Mathematics 192, s 40-48, 2015.
[9] Sheng, Yuhong, and Yuan Gao. "Shortest path problem of uncertain random network." Computers &
Industrial Engineering 99, s 97-105, 2016.
666
[10] Ö. Demirkol ve A. Demirkol, "Dıjkstra ve Bellman-Ford En Kısa Yol Algoritmalarının
Karşılaştırılması". SAÜ Fen Bilimleri Enstitüsü Dergisi 7, s 55-62, 2003.
[11] C. Atay ve S. Seçgin, “Kablosuz Algılayıcı Ağlarda, Yönlendirme Algoritmalarının Performans

Analizi”, Akademik Bilişim, 2016.
667

ICONDATA Data Science

Uploaded by

Copyright:

Available Formats

ICONDATA Data Science

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ICONDATA Data Science

Uploaded by

Copyright:

Available Formats

1

Looking forward to see you in ICONDATA 2019,

Düzenleme Kurulu Başkanı

Düzenleme Kurulu Üyeleri

Evaluation of Performance of Some Normality Tests According to

Bilimsel çalışmalarda populasyon parametresini, örnekten hesaplanan istatistikler

Birçok ekonometrik modeller de ve borsa verileri gibi farklı alanlarda yapılan

Normallik hipotezlerinin analizi; ekonomik zaman serileri, probit modeller ya da zaman

Ayrıca, uzun yıllardır yapılan performans karşılaştırma çalışmaları referans alınmasına

Shapiro et al. (1968), çalışmalarında W (Shapiro-Wilk), b1, b2, KS (Kolmogorov- Smirnov),

Linnet (1988), Anderson-Darling, Cramer-Von Mises ve Kolmogorov-Smirnov testlerinin

D’Agostino et al. (1990), Shapiro-Wilk ve D’Agostino-Pearson K2 testlerini birçok normal

Noughabi ve Arghami (2011), Kolmogorov-Smirnov, Anderson-Darling, Kuiper, Jarque-Bera,

Bu çalışmada, materyal olarak öncelikle, değişik örneklem genişliklerinde (n = 20,30,50 ve 100

Çalışmada Kullanılan Normallik Testleri

Çalışmada incelenecek olan normallik testleri için:

μ; konum (ortalama) parametresini (location or shape parameter)

σ; ölçek (standart sapma) parametresini (scale parameter) ve

n; örneklem büyüklüğünü göstermektedir.

2. Anderson-Darling (AD) testi

4. Jarque-Bera (JB) testi

5. Gel –Gastwirth Robust Jarque-Bera (RJB) testi

6. Cramer-von Mises (CVM) testi

8. Doornik–Hansen (DH) testi

9. Bonett ve Seier (Tw) testi

10. D’ Agostino (D) testi

Çalışmada Kullanılan Simetrik dağılımlar

Dağılımlar √𝛽1 𝛽2 AD CVM KS Zc Za χ2 JB RJB DH Tw D

Dağılımlar √𝛽1 𝛽2 AD CVM KS Zc Za χ2 JB RJB DH Tw D

Dağılımlar √𝛽1 𝛽2 AD CVM KS Zc Za χ2 JB RJB DH Tw D

√𝛽1 𝛽2 AD CVM KS Zc Za χ2 JB RJB DH Tw D

Tablo6. Testlerin tüm örneklem büyüklüklerinde simetrik dağılımlarda ölçülen ortalama

Tablo7. Testlerin örneklem büyüklüğüne göre I.tip hataları

Genelde normallik testlerinin tukey ve cauchy simetrik dağılımlarında en yüksek performansta

Momentlerin ölçümlerine dayanan normallik testleri, genelde daha güçlü tahmin

Keywords: Geographic (spatial) Information Systems, Database, Graphic and Non-graphic

• Definition of user’ needs,

• Planning to be made for spatial information system,

• Collecting required data for information system,

• Storing required data for information system,

• Processing the data and realization of data analysis,

• Obtaining results at end of the analysis of spatial information systems,

• Submitting the results to users or decision makers,

Definition of Planning to Collecting Storing required Processing the

Submitting the results

2. Failure Mode and Effect Analysis (FMEA)

The benefits of the system; can be cited as:

• To improve the quality, reliability, and safety of the formed system

• To define the priorities of the activities in the system,

• To aid the definition of potential critical, and important characteristics.

• To provide forming a suitable environment for failure prevention.

• To maintain definition of corrective actions

• To define and monitor risk mitigating activities

• Probability of Occurrence (Occurrence)

• Severity or Weight (Severity)

• Designation or Detection (Detection)

RPN = (Occurrence) (O)* (Severity) (S)* (Detection) (D) (1)

Table1 RPN Risk Priority Number Assessment Table [3]

Risk priority levels (RPL) Precaution