Yapay Sinir Ağları Kullanarak Türkiye Traktör Satış Adedinin Tahmin Edilmesi

Year 2021, , 375 - 381, 31.12.2021

Çağdaş Civelek

https://doi.org/10.31590/ejosat.1000964

Cited By: 1

Abstract

Traktör satış tahmini, traktör üreticileri ve bayileri açısından gelecek dönemdeki planlamaların yapılması açısından büyük önem taşımaktadır. Satış tahmini pek çok değişkene bağlı olması sebebi ile oldukça zor bir problemdir. Günümüzde ise yapay sinir ağları yöntemleri ile geçmişe dönük verilerden yola çıkılarak tahmin gerçekleştirilebilmektedir. Bu çalışmada 2016-2019 yılları arasındaki seçilmiş veriler kullanılarak yapay sinir ağları ile gerçekleştirilen analizlerle traktör satış tahmini gerçekleştirilmiştir. İleri beslemeli geri yayılım yapay sinir ağı metodu kullanılarak 2 ve 3 katmanlı olarak gerçekleştirilen test sonuçlarına göre en iyi tahminin LOGSIG transfer fonksiyonunun kullanıldığı 3 katmanlı, 1. ara katmanında 2 ve 2. ara katmanında 4 nöron bulunan yapay sinir ağı tipinde en iyi sonucu verdiği belirlenmiştir.

Keywords

Tarım Traktörleri, Traktör Satış Tahmini, Yapay Sinir Ağları

Tractor Sales Forcasting for Turkey Using Artificial Neural Network

Abstract

Tractor sales forecasting has a high importance for tractor manufacturers and dealers for future planning. However, sales forecasting is not an easy problem to be solved. Nowadays, using artificial neural networks tools future predictions could be made using past data. In this study, using selected past data from 2016 to 2019 tractor sales forecasting was predicted using artificial neural network. Using feed-forward back propagation for 2 and 3 layered neural networks it was found out that the best prediction was obtained for using LOGSIG transfer function for 3-layered artificial neural network with 2 neurons in the first layer and 4 neurons in the second layer.

Keywords

Agricultural Tractors, Tractor Sales Forecasting, Artificial Neural Networks

References

• Biondi, P., Monarca, D., Panaro, A. (1998). Simple Forecasting Models for Farm Tractor Demand in Italy, France and the United States. Journal of Agricultural Engineering Research, 71, 25-35.
• Civelek, Ç. (2016). Turkey’s Demand for Agricultural Tractors. Scholars Journal of Agriculture and Veterinary Sciences. 3(1), 51-57.
• Graupe, D. (2013). Principles of Artificial Neural Networks 3rd Adition. World Scientific Publishing Co. Pte. Ltd. ISBN: 978-981-4522-73-1.
• Gurjar, A. P., Patel, S. B. (2021). Fundamental Categories of Artificial Neural Networks. Applications of Artificial Neural Networks for Nonlinear Data. ISSN: 2327-0411.
• Karaatlı, M., Ömürbek, N., Helvacıoğlu, Ö. C., Tokgöz, G. (2012). Yapay Sinir Ağları ile Otomobil Satış Tahmini. Uluslararası Yönetim İktisat ve İşletme Dergisi, 8 (17), 87-100.
• Tideswell, C., Mules, T., Faulkner, B. (2001). An Integrative Approach to Tourism Forecasting: A Glance in the Rearview Mirror. Journal of Travel Research, 40, 162-171.
• Türkiye Cumhuriyeti Merkez Bankası (2021). Gayri Safi Yurtiçi Hasıla (tarım, orman ve balıkçılık). https://evds2.tcmb.gov.tr/index.php?/evds/. Son erişim tarihi: 20.08.2021.
• Türkiye İstatistik Kurumu (2021a). Ulaştırma İstatistikleri. http://biruni.tuik.gov.tr/medas/?kn=89&locale=tr Son erişim tarihi: 20.08.2021
• Türkiye İstatistik Kurumu (2021b). Tarım Ürünleri Üretici Fiyat Endeksi. https://data.tuik.gov.tr/Bulten/DownloadIstatistikselTablo?p=uDsTTT6Lfifu3AXY4r1UOsD3KWWIsD00yOhmJ/wBUtINPVwj4hCU6Cmg59WvDe/A Son erişim tarihi: 20.08.2021
• Unakıtan, G., Akdemir, B. (2007). Tractor Demand Projection in Turkey. Biosystems Engineering, 97, 19-25. Witt, S. F., Witt, C. A. (1992). Modelling and Forecasting Demand in Tourism. London: Academic Press, 195, ISBN-0-127-60740-4.
• Yavuz, S., Deveci, M. (2012). İstatistiksel Normalizasyon Tekniklerinin Yapay Sinir Ağın Performansına Etkisi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 40, 167-187.