Assessment of the Provinces in terms of Crime Types by Using The ENTROPY-CILOS-ARAS Integrated Method

Year 2024, Volume: 8 Issue: 2, 343 - 356, 31.05.2024

Şevkiye Babacan Nuri Ömürbek

https://doi.org/10.29023/alanyaakademik.1232630

Abstract

The concept of crime includes any illegal acts. There are many different types of crimes, from crimes against people to violence and crimes against property. This study aims to assess the provinces in terms of crime types by using Multi-Criteria Decision-Making (MCDM) methods. In the study, data on 26 different crime types, such as killing, injury, sexual crimes, deprivation of liberty, insult, etc., obtained from the provinces of Turkey have been used. After the weights of the data were determined by the Entropy and Cilos methods, the final weighting was carried out by using the Idocriw method. It is seen that the type of crime with the highest weight with 59% obtained by the Idocriw method is ill-treatment. By reflecting the criteria weights to the data, a weighted decision matrix was created. The ARAS method was applied to the created matrix, and the provinces in Turkey were ranked in terms of crime types. According to the ranking, the provinces of Istanbul, İzmir, Adana, Ankara, and Aydın are in the last places, while the provinces of Kırşehir, Ardahan, Tunceli, and Bayburt are in the first places.

Keywords

Crime Types, Entropy, CİLOS, IDOCRIW, ARAS

ENTROPİ-CİLOS-ARAS Bütünleşik Yöntemi ile İllerin Suç Türleri Açısından Değerlendirilmesi

Abstract

Suç, yasal olmayan veya yasalara aykırı herhangi bir eylem olarak ifade edilebilir. Kişilere karşı işlenen suçlardan, şiddet içeren suçlara ve mala karşı işlenen suçlara kadar çok farklı suç türü vardır. Bu çalışmada ülkemizdeki 81 ilin; öldürme, yaralama, cinsel suçlar, kişiyi hürriyetinden yoksun kılma, hakaret, vb. 26 suç türüne ilişkin verileri kullanılmıştır. Bu çalışmada illerin suç türleri açısından Çok Kriterli Karar Verme (ÇKKV) yöntemleri ile değerlendirilmesi amaçlanmıştır. Çalışmada 81 ilin suç türleri açısından verilerinin Entropi ağırlıkları ile Cilos ağırlıkları belirlenip nihai ağırlıklandırma yöntemi olarak da Idocriw yöntemi kullanılmıştır. Idocriw yöntemi sonucuna göre %59 ile en yüksek kriter ağırlığına sahip olan değişken kötü muameledir. Elde edilen kriter ağırlıkları verilere yansıtılarak ağırlıklandırılmış karar matrisi oluşturulmuştur. Oluşturulan matris üzerinde ARAS yöntemi uygulanmış ve 26 suç türünün işlenme düzeyine göre iller sıralanmıştır. Sıralama sonuçlarına göre son sıralarda İstanbul, İzmir, Adana, Ankara ve Aydın illeri yer alırken Kırşehir, Ardahan, Tunceli ve Bayburt illeri ilk sıralarda yer almaktadır.

Keywords

Suç türleri, Entropi, Cilos, Idocriw, ARAS

References

• Ackerman, V.W. (1998). Socioeconomic correlates of increasing crime rates in smaller communities. Professional Geographer, 50(3), 372-387.
• Adel, H., Salheen, M., & Mahmoud, R. (2016). Crime in relation to urban design. Case study: the greater Cairo region. Ain Shams Eng. J., 7(3), 925-938.
• Ayhan, İ., & Çubukçu, K.M. (2007). Suç ve kent ilişkisine ampirik bakış: literatür taraması. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(5), 30-55.
• Alacakaptan, U. (1975). Suçun unsurları. Ankara: Sevinç Matbaası.
• Aytac, M., Aytaç, S., & Bayram, N. (2007). Suç türlerini etkileyen faktörlerin istatistiksel analizi. 8. Türkiye Ekonometri ve İstatistik Kongresi. İnönü Üniversitesi, Malatya.
• Britannica, A. (1994). Genel kültür ansiklopedisi. İstanbul: Hürriyet Ofset Matbaacılık ve Gazetecilik A.Ş.
• Büyüközkan, G., & Göçer, F. (2018). An extension of ARAS methodology under interval valued intuitionistic fuzzy environment for digital supply chain. Applied Soft Computing, 69, 634–654.
• Cereška, A., & Zavadskas, E.K., Bucinskas, V., Podvezko, V., & Sutinys, E. (2018). Analysis of steel wire rope diagnostic data applying multi-criteria methods. Appl. Sci., 8(2), 260-282. doi:10.3390/app8020260.
• Cereska, A., Podvezko, V., & Zavadskas, E.K. (2016). Operating characteristics analysis of rotor systems using MCDM methods. Studies in Informatics and Control, 25(1), 58-69.
• Çalışkan, A. (2021). Türkiye’de suçlu davranış ve yaş ilişkisi: suç türleri üzerinden karşılaştırmalı bir analiz. Sosyoloji Araştırmaları Dergisi, 24(3), 237-267.
• Cinar, M., & Tas, C. (2022). Türkiye’de bölgesel işsizlik ve suç türleri ilişkisi: panel veri yaklaşımı. Business and Economics Research Journal, 13(2), 179-197.
• Çınar, Y. (2004). Çok nitelikli karar verme ve bankaların mali performanslarının değerlendirilmesi örneği. Yüksek Lisans Tezi, Ankara Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
• Çiftaslan, A.M., & Rençber, Ö.F. (2022). Idocriw ve CoCoSo yöntemleri ile sistemik önemli bankaların performans analizi: Türkiye örneği. Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Dergisi, 19(özel sayı) 54–72.
• Çubukçu, E. (2000). Affects of physical environment on crime. Çalışma makalesi, Şehir ve Bölge Planlama Bölümü, Ohio Eyalet Üniversitesi.
• Demir, G. (2020). Idocriw yöntemi. Bircan, H. ÇKKV Problemlerinde Kriter Ağırlıklandırma Yöntemleri, 51-75 Nobel Yayınevi, Ankara. Ankara: Nobel Yayınevi
• Delice, M., Duman, A., & Özel, Ş.A. (2014). Parmak izi tipi ile suç türü arasındaki ilişkisinin incelenmesi. Akademik Bakış Dergisi, 43, 3-27.
• Ecer, F. (2019). Özel sermayeli bankaların kurumsal sürdürülebilirlik performanslarının değerlendirilmesine yönelik çok kriterli bir yaklaşım: Entropi-ARAS bütünleşik modeli. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 14(2), 365-390.
• Field, S. (1992). The effect of temperature on crime. The British Journal of Criminology, 32(3), 340–351.
• Guey-Shın, S.H., Bai-You, C.H., Chi-Ting, C., Pei-Hsuan, Y., & Tsun-Kuo, C. (2011). Applying factor analysis combined with kriging and information entropy theory for mapping and evaluating the stability of groundwater quality variation in Taiwan. Int J Environ Res Public Health, 8, 1084–1109.
• Gülüm, Z., Cohen, Z.P., & Demircan, T.Y. (2017). Suça sürüklenen çocuklar ile ikamet yeri, suç yeri ve suç türü ilişkisi: İstanbul adliyesi 2. çocuk mahkemesi örneklemi. Adli Tıp Bülteni, 22(3), 155-162.
• Ihlanfeldt, K., & Mayock, T. (2010). Panel data estimates of the effects of different types of crime on housing prices. Regional Science and Urban Economics, 40(2-3), 161–172.
• Jahan, A., Mustapha, F., Sapuan, S.M., Ismail, M.Y., & Bahraminasab, M. (2012). A framework for weighting of criteria in ranking stage of material selection Process. Int J Adv Manuf Technol, 58, 411–420.
• Jee, D.H., & Kang, K.J. (2000). A method for optimal material selection aided with decision making theory. Materials & Design, 21(3), 199–206.
• Jha, R., & Singh, V.P. (2008). Evaluation of riverwater quality by entropy. KSCE Journal of Civil Engineering, 12(1), 61-69.
• Joshi, A., Sabitha A.S., & Choudhury, T. (2017). Crime analysis using k-means clustering. 3rd International Conference on Computational Intelligence and Networks (CINE), 33-39.
• Karakartal, D. (2020). Uyuşturucu madde bağımlılığı ve suç ilişkisi. Uluslararası Beşeri Bilimler ve Eğitim Dergisi, 6(14), 614 – 623.
• Karabašević, D., Stanujkić, D., & Urošević, S. (2015). The MCDM model for personnel selection based on SWARA and ARAS methods. Management Journal of Sustainable Business and Management Solutions in Emerging Economies, 20(77), 1820-0222.
• Kim, S., Joshi, P., Kalsi P.S., & Taheri, P. (2018). Crime analysis through machine learning, IEEE 9th Annual Information Technology. Electronics and Mobile Communication Conference (IEMCON), 415-420.
• Kırhasanoğlu, Ş., & Özdemir, M. (2022). BİST’te işlem gören futbol kulüplerinin covid-19 dönemi finansal performanslarının idocriw temelli analizi. Enderun Dergisi 6(1), 44-65.
• Kılıç, B., & Öner, Y. (2021). Yargıtay kararlarının suç türlerine göre makine öğrenmesi yöntemleri ile sınıflandırılması. Veri Bilim Dergisi, 4(3), 61-71.
• Liu, B., Zhang, K., & Luo, H. (2022). Evaluation of Saihanba environmental treatment based on entropy method. International Core Journal of Engineering, 8(1), 393-396.
• Mirkin, B. (1974). Problema grupovogo vibora. Moskva: Nauka (In Russian).
• Özbek, A. (2017). Çok kriterli karar verme yöntemleri ve excel ile problem çözümü. Seçkin Yayınevi, Ankara.
• Polat, A.S., & Polat, S. (2014). Yabancı turistlerin müşteki “mağdur” olarak müdahil oldukları asayiş suç türlerinin belirlenmesine yönelik bir araştırma. Seyahat ve Otel İşletmeciliği Dergisi, 11(1), 38-57.
• Shannon, C.E. (1948). A mathematical theory of communication. Bell Syst Tech J, 27(3), 379–423.
• Sathyadevan, S., & Devan M.S., & Gangadharan, S.S. (2014). Crime analysis and prediction using data mining. 2014 First International Conference on Networks & Soft Computing (ICNSC2014), 406-412.
• Tunca, M.Z., Ömürbek, N., Cömert, G.H., & Aksoy, E. (2016). OPEC ülkelerinin performanslarının çok kriterli karar verme yöntemlerinden entropi ve MAUT ile değerlendirilmesi. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 7(14), 1-12.
• Trinkūnienė, E., Podvezko, V., Zavadskas, E., Jokšienė, I., Vinogradova, I., & Trinkūnas, V. (2017). Evaluation of quality assurance in contractor contracts by multi-attribute decision-making methods. Economic Research-Ekonomska Istraživanja, 30(1), 1152-1180.
• Tüzüntürk, S. (2009). Çok boyutlu ölçekleme analizi: suç istatistikleri üzerine bir uygulama. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 71-91.
• Yılmaz, Y.C. (2021). Daimî ikametgâh ve suç türüne göre illerin (ibbs 3. düzey) kümeleme analizi ile incelenmesi. II. International Applied Statistics Conference (UYIK-2021), Tokat / Turkey, 29 June - 2 July 2021.
• Yıldız, Z. (2004). Eğitim düzeyi ile suç türü arasındaki ilişkinin araştırılması. Kuram ve Uygulamada Eğitim Yönetimi, 38(55), 278-291.
• Zavadskas, E.K., Cavallaro, F., Podvezko, V., Ubarte, L., & Kaklauskas, A. (2017). MCDM assessment of a healthy and safe built environment according to sustainable development principles: a practical neighborhood approach in Vilnius. Sustainability, 9(5), 702-732.
• Zavadskas, E.H., & Podvezko, V. (2016). Integrated determination of objective criteria weights in MCDM. International Journal of Information Technology & Decision Making, 15(2), 267-283.
• Zavadskas, E.K., Turskis, Z., & Vilutiene, T. (2010). Multiple criteria analysis of foundation installment alternatives by applying additive ratio assessment (ARAS) method. Archives of Civil and Mechanical Engineering, 10(3), 123-141.