Türkiye’de Şehir Nüfus İstatistiklerinin Veri Madenciliği Yöntemleriyle İncelenmesi

Yıl 2023, Cilt: 7 Sayı: 1, 107 - 123, 02.01.2024

Ozge Doğuç , Kevser Şahinbaş , Gökhan Silahtaroğlu

https://doi.org/10.26650/acin.1132510

Öz

Bu çalışmada, Türkiye’deki şehirlerin ve bölgelerin nasıl gruplanabileceğini analiz etmek, aralarındaki benzerlik ve farklılıkları bulmak amacıyla bir veri madenciliği modeli geliştirilmiş ve kullanılmıştır. Bu amaçla Türkiye İstatistik Kurumu’ndan (TÜİK) veriler elde edilmiş ve kategorizasyonları bulmak için bulanık c-ortalamalar kümeleme algoritması kullanılmıştır. Veri setinde eğitim, sağlık, mutluluk ve gelişmişlik düzeyleri gibi 8 kategoriden 142 değişken yer almaktadır. Sonuçlar, Türkiye’nin en büyük 3 şehri olan İstanbul, Ankara ve İzmir’in tüm kategorilerde ülkenin geri kalanından farklı olduğunu gösterdi. Ayrıca, Türkiye’nin batı ve doğu bölgelerinde yer alan şehirler çoğunlukla kendi aralarında gruplandırılarak bu iki bölge arasındaki açık fark görülmektedir. Son olarak, büyük komşuları olan küçük şehirler, büyük şehirlerin komşuları üzerindeki doğrudan etkisini göstererek diğer büyük şehirlerle gruplandırılmıştır. Bu aynı zamanda, sakinlerinin büyük şehirlerde sağlanan hizmetlere erişimi olmadığı için, büyük komşuları olmayan küçük şehirlerin genellikle izole edildiği anlamına gelir.

Anahtar Kelimeler

Veri madenciliği, kümeleme analizi, veri yönetim, demografik analiz

Analysis of City Demographics in Turkiye Using Data Mining Techniques

Öz

In this study, a data mining model has been developed and used to analyze how cities and regions in Turkey can be grouped, aiming to find similarities and differences between them. For this purpose, data is obtained from Turkish Statistical Institution (TUIK) and fuzzy c-means clustering algorithm was used to find categorizations. The data set contains 142 variables from 8 categories such as education, health, happiness, and development levels. The results showed that in all categories, the biggest 3 cities in Turkey, İstanbul, Ankara, and İzmir are different from the rest of the country. Also, cities located in the western and eastern regions of Turkey are mostly grouped among themselves, showing the clear distinction between those two regions. Finally, small cities with big neighbors are grouped with other big cities, showing the direct impact of big cities on their neighbors. This also implies that small cities with no big neighbors are often isolated, as their residents don’t have access to the services provided in the big cities.

Anahtar Kelimeler

Data mining, clustering analysis, data management, demographic analysis

Kaynakça

• Bulut, H. (2019). Türkiye‘deki illerin yaşam endekslerine göre kümelenmesi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23(1), 74-82. google scholar
• Yılancı, A. G. V. (2010). Bulanık Kümeleme Analizi İle Türkiye’deki İllerin Sosyoekonomik Açıdan Sınıflandırılması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3), 453-470. google scholar
• İncekırık, A., & Altın, E. (2021). Türkiye’deki İllerin Ulaştırma Göstergelerine Göre Clusterleme Analizi Yöntemleriyle Sınıflandırılması. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 19(3), 186-206. google scholar
• Tekin, B. (2015). Temel sağlık göstergeleri açısından Türkiye’deki illerin gruplandırılması: bir Clusterleme analizi uygulaması. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 389-416. google scholar
• Atalay, M. (2019). Clusterleme analizi ile Türkiye’deki illerin turizm verileri açısından incelenmesi. Ekonomi Maliye İşletme Dergisi, 2(2), 103-115. google scholar
• Dinçer, Ş. E. (2006). Veri madenciliğinde K-means algoritması ve tıp alanında uygulanması (Master‘s thesis, Fen Bilimleri Enstitüsü). google scholar
• Silahtaroğlu, G. (2004). Veri Madenciliğinde Clusterleme Analizi ve Öğretim Başarısının Değerlendirilmesine İlişkin Bir Uygulama (Doctoral dissertation, google scholar
• Doktora Tezi, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, İstanbul). google scholar
• Mining, H. P. D. Powerful Database Support for High Performance Data Mining. google scholar
• Höppner, F., Klawonn, F., Kruse, R., & Runkler, T. (1999). Fuzzy Cluster analysis: methods for classification, data analysis and image recognition. John Wiley & Sons. google scholar
• Moertini, V. (2002). Introduction to Five DataClustering Algorithms Clustering Algorithm. Integral, 7(2). google scholar
• Salem, S. A., & Nandi, A. K. (2005, September). New assessment criteria for Clustering algorithms. In 2005 IEEE Workshop on Machine Learning for Signal Processing (pp. 285-290). IEEE. google scholar
• Kruse, R., Borgelt, C., & Nauck, D. (1999, August). Fuzzy data analysis: challenges and perspectives. In FUZZ-IEEE’99. 1999 IEEE International Fuzzy Systems. Conference Proceedings (Cat. No. 99CH36315) (Vol. 3, pp. 1211-1216). IEEE. google scholar
• Meltem, I. Ş. I. K., & Çamurcu, A. Y. (2011). K-Means Ve Aşırı Küresel C-Means Algorıtmaları İle Belge Madenciliği. Marmara Fen Bilimleri Dergisi, 22(1),1-18. google scholar
• Ross, T. J. (2005). Fuzzy logic with engineering applications. John Wiley & Sons. google scholar
• Hekim, M., & Orhan, U. (2011). Bulanık C-Means Clusterleme Yöntemine Çıkarımlı Yaklaşım. İtüdergisi/D, 10(1). google scholar
• Atalay, A., & Tortum, A. (2010). Türkiye’deki illerin 1997-2006 yılları arası trafik kazalarına göre Clusterleme analizi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 16(3), 1997-2006. google scholar
• Kandemir, A. Ş. (2018). Bulanık Clusterleme Analizi İle Türkiye’deki İllerin Konaklama İstatistiklerine Göre Sınıflandırılması. Seyahat ve Otel İşletmeciliği Dergisi, 15(3), 657-668. google scholar
• Atalay, M., & Öztürk, Ş. (2016, September). Türkiye’deki İllerin göç ve işsizlik istatistiklerine göre Clusterlenmesi. In 2nd International Congress on Applied Sciences:“Migration, Poverty and Employment”, 23-25 Eylül, Konya/Turkey, Bildiriler Kitabı. google scholar
• Servi, T., & Erişoğlu, Ü. (2020). Türkiye’deki Şehirlerin Sosyo-Ekonomik Gelişmişlik Düzeylerinin İstatistiksel Analizi. Al Farabi Uluslararası Sosyal Bilimler Dergisi, 5(2), 174-186. google scholar
• Silahtaroğlu, G. (2008). Data mining concepts and algorithms. İstanbul: Papatya Publishing. google scholar
• Silahtaroğlu, G. (2013). Veri madenciliği: Kavram ve algoritmaları. İstanbul: Papatya Publishing. google scholar
• Arslan, İ. (2014). Türkiye’de Bölgesel Alanda Uygulanan İktisadi Politikalar (Yatırım Teşvikleri-İstihdam Analizi 1980-2006). Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi , 4 (8) . google scholar