EM Algoritmasına Göre Kümelenen Havalimanlarının Borda Sayım Yöntemi İle Değerlendirilmesi

Yıl 2020, Cilt: 34 Sayı: 2, 491 - 514, 13.04.2020

Nuri Ömürbek , Okan Dağ , Hande Eren

https://doi.org/10.16951/atauniiibd.659125

Cited By: 2

Öz

Kümeleme analizi veri tabanlarındaki verileri kümeler ya da gruplar içerisinde toplayarak birbirine benzer niteliklere sahip olan elemanların bir araya getirilmesinde kullanılan bir veri madenciliği yöntemidir. Bu çalışmada Türkiye’ de yer alan 55 havalimanından verilerine eksiksiz olarak ulaşılan 49 havalimanının kümelenmesi amaçlanmıştır. Bu havalimanlarının kümelenmesinde; uçak sayısı, ticari uçak sayısı, yük miktarı, yolcu sayısı, satış gelirleri, hizmet giderleri, yolcuya hizmet verilen alan, yolcu terminalleri toplam alan, bilgi işlem cihaz sayısı, personel sayısı, kurtarma cihaz sayısı, hava ve radar seyrüsefer sistemleri, haberleşme telsiz cihazları, en yakın merkeze uzaklık, denizden yükseklik, hava sıcaklık ortalaması, yangınla mücadele kategorisi ve araç envanteri kriterleri kullanılmıştır. Çalışmada ilk önce ENTROPİ yöntemi ile kriterlerin ağırlıkları hesaplanmış ve daha sonra kümeleme işlemi gerçekleştirilmiştir. Havalimanlarının kümelenmesinde kümeleme algoritmalarından EM algoritması kullanılmıştır. EM algoritmasına göre havalimanları 5 kümeye ayrılmıştır. Sonuç olarak elde edilen bu kümelerin BORDA Sayım yöntemi ile performans değerlendirmesi yapılmıştır.

Anahtar Kelimeler

Kümeleme, EM Algoritması, ENTROPI, BORDA Sayım Yöntemi

Kaynakça

• ADIKARIWATTAGE, V., BARROS, A.G., WIRASINGHE S.C. ve RUWANPURA J. (2012), Airport Classification Criteria Based On Passenger Characteristics and Terminal Size. Journal of Air Transport Management, 24, 36-41. Retrieved from https://www.sciencedirect.com/science/article/abs/pii/S0969699712000944
• ALPTEKİN, N. ve YEŞİLAYDIN, G. (2015), OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi İle Sınıflandırılması. Journal Of Business Research Turk, 7(4), 137-155. Retrieved from https://www.isarder.org/2015/vol.7_issue.4_article07_full_text.pdf
• ALZAND, H. R. A. ve KARACAN, H. (2014), Bölümleyici Kümeleme Algoritmalarının Farklı Veri Yoğunluklarında Karşılaştırılması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 30(1), 56-62. Retrieved from https://dergipark.org.tr/en/download/article-file/236098
• ANDERBERG, M. R. (1973), Cluster Analysis for Applications, New York: Academic Press.
• BARRETO, S., FERREIRA, C., PAIXAO, J. ve SANTOS, B.S. (2007), Using Clustering Analysis in a Capacitated Location-Routing Problem. European Journal of Operational Research, 179, 968-977. Retrieved from https://www.sciencedirect.com/science/article/abs/pii/S0377221706000786
• BANO, S. ve KHAN, M.N.A. (2018), A Survey of Data Clustering Methods. International Journal of Advanced Science and Technology, 113, 133-142. Retrieved from file:///C:/Users/Lenovo/Downloads/SurveyofDataClusteringMethods.pdf
• BAYGÜL, A. (2007), Kayıp Veri Analizinde Sıklıkla Kullanılan Etkin Yöntemlerin Değerlendirilmesi, (Yüksek Lisans Tezi). İstanbul Üniversitesi Sağlık Bilimleri Enstitüsü, İstanbul.
• BORAH, B. ve BHATTACHARYYA, D.K. (2004), An Improved Sampling-Based DBSCAN for Large Spatial Databases. In Proceedings of International Conference on Intelligent Sensing and Information Processing, 92-96. Retrieved from https://ieeexplore.ieee.org/document/1287631
• BRUZZONE, L. ve PRIETO, D. F. (2002), An Adaptive Semiparametric and Context-Based Approach to Unsupervised Change Detection in Multitemporal Remote-Sensing Images. IEEE Transactıons on Image Processıng, 11(4), 452-466. Retrieved from http://eprints.biblio.unitn.it/113/1/30.pdf
• ÇAKMAK, Z. (1999), Kümeleme Analizinde Geçerlilik Problemi ve Kümeleme Sonuçlarının Değerlendirilmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 3, 187-205. Retrieved from https://birimler.dpu.edu.tr/app/views/panel/ckfinder/userfiles/17/files/DERG_/3/187-206.pdf
• ÇELİK, H.C. ve KAHYAOĞLU, M. (2007), İlköğretim Öğretmen Adaylarının Teknolojiye Yönelik Tutumlarının Kümeleme Analizi. Türk Eğitim Bilimleri Dergisi, 5(4), 571-586. Retrieved from https://dergipark.org.tr/tr/download/article-file/256330
• ÇELİK, Ş. (2013), Kümeleme Analizi İle Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması. Doğuş Üniversitesi Dergisi, 14(2), 175-194. Retrieved from file:///C:/Users/Lenovo/Downloads/641-2159-1-PB%20(1).pdf
• DOĞAN, N. ve BAŞOKÇU, T.O. (2010), İstatistik Tutum Ölçeği İçin Uygulanan Faktör Analizi ve Aşamalı Kümeleme Analizi Sonuçlarının Karşılaştırılması. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(2), 65-71. Retrieved from https://dergipark.org.tr/en/download/article-file/65985
• ERSÖZ, F. (2009), OECD’ye Üye Ülkelerin Seçilmiş Sağlık Göstergelerinin Kümeleme ve Ayırma Analizi ile Karşılaştırılması. Türkiye Klinikleri Tıp Bilimleri Dergisi, 29(6), 1650-1659. Retrieved from file:///C:/Users/Lenovo/Downloads/tipbil29-6-42.pdf
• ESTER M., KRIEGEL H., SANDER J., ve XU X. (1996), A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases With Noise. In Proc. 2nd Int. Conf. Knowledge Discovery and Data Mining (KDD’96), 226–231.
• GÖKDALAY, M. H. ve EVREN, G. (2009), Havaalanlarının Performans Analizinde Bulanık Çok Ölçütlü Karar Verme Yaklaşımı. İTÜ Dergisi, 8(6), 157-168. Retrieved from https://docplayer.biz.tr/54458682-Havaalanlarinin-performans-analizinde-bulanik-cok-olcutlu-karar-verme-yaklasimi.html
• HAN, J. ve KAMBER, M. (2006), Data Mining: Concept and Techniques, USA: Morgan Kaufmann Publishers.
• HENRY, D.B., TOLAN, P.H, GORMAN-SMITH, D. (2005), Cluster Analysis in Family Psychology Research. Journal of Family Psychology, 19(1), 121-132. Retrieved from https://www.ncbi.nlm.nih.gov/pubmed/15796658
• HO, T. K. (1992), On Multiple Classifier Systems for Pattern Recognition. IEEE Int. Conference on Pattern Recognition (ICPR), 1-5.
• JIANG, D., TANG, C. ve ZHANG, A. (2004), Cluster Analysis for Gene Expression Data: A Survey. IEEE Transactions On Knowledge and Data Engineering. 16(11), 1370-1386. Retrieved from https://ieeexplore.ieee.org/document/1339264
• KARAMI, A. ve JOHANSSON R. (2014), Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options. Journal of Information Science and Engineering, 30, 519-534. Retrieved from http://his.divaportal.org/smash/record.jsf?pid=diva2%3A1190675&dswid=1195
• LANSDOWNE Z.F. ve WOODWARD B.S. (1996), Applying the Borda Ranking Method. Air Force. Journal of Logistics, 20(2), 27-29. Retrieved from https://apps.dtic.mil/dtic/tr/fulltext/u2/a319245.pdf#page=29
• MALIGHETTI, P., PALEARI S. ve REDONDI R. (2009), Airport Classification and Functionality Within The European Network. Problems and Perspectives in Management, 7, 183-196. Retrieved from file:///C:/Users/Lenovo/Downloads/prperman_2009_7_1(contin.)__9%20(2).pdf
• SARIMAN, G. (2011), Veri Madenciliğinde Kümeleme Teknikleri Üzerine Bir Çalışma: K-Means ve K-Medoids Kümeleme Algoritmalarının Karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15(3), 192-202. Retrieved from https://dergipark.org.tr/tr/download/article-file/193944
• SERVİ, T. (2009), Çok Değişkenli Karma Dağılım Modeline Dayalı Kümeleme Analizi, (Yüksek Lisans Tezi). Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Adana.
• SUMAN ve RANI, P. (2017), A Survey on STING and CLIQUE Grid Based Clustering Methods. International Journal of Advanced Research in Computer Science, 8(5), 1510-1512. Retrieved from https://search.proquest.com/openview/5be9b2f42d0417ecb52a9e4b4016bfbc/1?pq-origsite=gscholar&cbl=1606379
• TEKBİR, M. (2009), Aykırı Değer Tespitinde Yoğunluk Tabanlı Kümeleme Yöntemleri, (Yüksek Lisans Tezi). Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
• TOLA, V., LILLO, F., GALLEGATI, M. ve MANTEGNA, R.N. (2008), Cluster Analysis For Portfolio Optimization. Journal of Economic Dynamics and Control, 32, 235-258. Retrieved from https://arxiv.org/pdf/physics/0507006.pdf
• TURAN, F. ve TURAN, S. K. (2008), Havaalanlarının Sosyal Etkileri: Sabiha Gökçen Havaalanı Örneği. Anlara Üniversitesi, Türkiye Coğrafyası Araştırma ve Uygulama Merkezi, 5. Ulusal Coğrafya Sempozyumu, 161-166.
• TURANLI, M., ÖZDEN, Ü.H. ve TÜREDİ, S. (2006), Avrupa Birliği’ne Aday ve Üye Ülkelerin Ekonomik Benzerliklerinin Kümeleme Analiziyle İncelenmesi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 5(9), 95-108. Retrieved fromhttp://acikerisim.ticaret.edu.tr/xmlui/bitstream/handle/11467/891/M01135.pdf?sequence=1&isAllowed=y
• WANG, T. C. ve LEE, H. D. (2009), Developing a Fuzzy TOPSIS Approach Based on Subjective Weights and Objective Weights. Expert Systems with Applications, 36, 8980-8985. Retrieved from http://ir.lib.kuas.edu.tw/bitstream/987654321/13826/2/Developing+a+fuzzy+TOPSIS+approach+based+on+subjective.pdf
• WU, W. W. (2011), Beyond Travel & Tourism competitiveness ranking using DEA, GST, ANN and Borda Count. Expert Systems with Applications, 38, 12974-12982. Retrieved from https://www.sciencedirect.com/science/article/pii/S0957417411006233
• YALÇIN, S. ve AYYILDIZ, E. (2018), Analysis of Airports Using Clustering Methods: Case Study In Turkey. Journal of Management Marketing and Logistics, 5(3), 194-205. Retrieved from https://dergipark.org.tr/tr/download/article-file/551606
• YE, Q., GAO, W. ve ZENG W. (2003), Color Image Segmentation Using Density-Based Clustering. In Proc. Int. Conf. Acoustics, Speech and Signal Processing, Hong Kong, 345-348.
• ZHANG, H., GU, C. L., GU, L. W. ve ZHANG, Y. (2011), The Evaluation of Tourism Destination Competitiveness By Topsıs & Information Entropy–A Case In The Yangtze River Delta of China. Tourism Management, 32(2), 443-451. https://www.sciencedirect.com/science/article/abs/pii/S0261517710000415