Yapay Sinir Ağları Yöntemiyle Konut Satışlarının İncelenmesi: Ankara İli Örneği

Öz

Konut Türkiye ekonomisinin önemli sektörlerinden biridir. Konutun anlamı, hane halklarının yaşamındaki rolü ve işlevi sosyal, ekonomik ve kültürel koşullardaki değişikliklere paralel olarak gelişmektedir. Konut heterojen bir maldır ve en temel barınma aracıdır. Ekonomide konut sektörünü ve konut satış verilerini etkileyen bir dizi faktör vardır. Konut sektöründeki konut satış rakamları aylar ve yıllar içinde dolar kuru, tüketici güven endeksi, sanayi üretim endeksi ve inşaat üretim endeksi konut sektörünü ve konut satış verilerini etkileyen faktörler arasındadır. Türkiye’nin başkenti ve üçüncü büyük şehri olan Ankara’nın nüfusunu karşılamak için konutlar önem arz etmektedir. Ankara’da konut satışları ve konut fiyatları alanlara göre farklılık göstermektedir. Günümüzde tahmin ve karar alma mekanizmalarında kullanılmakta olan Yapay Sinir Ağları (YSA), insan beyni ilham alınarak geliştirilmiş ve bilgiyi işleme teknolojisi olarak adlandırılmaktadır. Çalışmada bu faktörlerden 2013-2019 yılları arasındaki 82 ayın (2013 Ocak ayından 2019 Kasım ayına kadar), Dolar Kuru, Faiz oranı, Tüketici Güven Endeksi, Sanayi Üretim Endeksi ve İnşaat Güven Endekslerini alarak Ankara’nın İllere ve yıllara göre konut satış sayılarının YSA yöntemi ile tahmin etmek amaçlanmış. Ankara ilinin konut satış verilerini tahmin edebilmek için, İleri beslemeli ve Elman Yapay Sinir Ağlarının eğitim verileri kullanılmıştır. Model de bağımlı değişkenimiz geçmiş yıllardaki Konut satış verileri iken bağımsız değişkenlerimiz Dolar Kuru, Faiz oranı, Tüketici Güven Endeksi, Sanayi Üretim Endeksi ve İnşaat Güven Endeksleridir. Bu tahminler sonucunda İleri Beslemeli sinir ağının hatanın karesinin ortalaması toplamda r2=0,99 olarak elde edilmiştir. Diğer bir tahmin sonucunda Elman Ağının hata karesinin ortalaması ise r2=0,98 olarak bulunmuştur. İleri Beslemeli sinir ağının ürettiği verilerin konut satış verilerinin Elman sinir ağı sonucuna göre daha yakın ve daha yüksek doğrulukla sonuç ürettiği görülmekte ve İleri Beslemeli sinir ağının kullanılmasının elverişli olduğu tespit edilmiştir.

Anahtar Kelimeler

• YSA
• Konut Satışı
• Ankara İli

Investigation of Housing Sales with Artificial Neural Networks Method: The Case of Ankara Province

Abstract

Housing is one of the important sectors of Turkey economy. Housing is a heterogeneous commodity and basic shelter. There are various factors that affect housing industry and housing sales in the economy. The housing sales figures, exchange rate of dollar, consumer confidence index, industrial production index, construction production index are among the factors influencing housing industry and housing sales data. Ankara, the capital and the second largest city of Turkey, has different housing sales and housing prices. Artificial neural networks which were inspired by the functioning of the human brain have been used for taking decision and prediction. This study aims to predict housing sale prices of Ankara by taking into consideration such factors as exchange rate of dollar, rate of interest, consumer confidence index, industrial production index and construction confidence index of 82 months between 2013-2019 years (from 2013 January to 2019 November) with artificial neural network system. The dependent variable is housing sale data of previous years while the independent variables are exchange rate of dollar, rate of interest, consumer confidence index, industrial production index and construction confidence indexes. As a result of these predictions, the error mean square of the feedforward neural network is estimated at r2=0,99. The error mean square of the Elman network is estimated at r2=0,98. It is determined that housing sale data by the feedforward neural network provide a more accurate result than that of Elman network and the feedforward neural network is stated as more useful.

Keywords

• ANN
• Housing Sale
• Ankara Province

References

1. Abıdoye, B.,R., & Chan, P., A. (2017). Modeling property values in Nigeria using artificial neural network. Journal of Property Research 34 (1). pp. 36-53.
2. Adıyaman, F. (2007). Talep Tahmininde Yapay Sinir Ağlarının Kullanılması. İTÜ Fen Bilimleri Enstitüsü Yüksek Lisans Tezi.
3. Arı, A., & Berberler, M. E. (2017). Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı. ACTA INFOLOGICA , 65.
4. Boyacıoğlu, E. (2010). Kent ve Konut. TMMOB Mimarlar Odası Ankara Şubesi.
5. Caridad, j., Rey, F. J., & Nunez, J. M. (2013). Artificial neural networks for predicting real estate prices. https://www.researchgate.net/publication/282158904_Artificial_neural_networks_for_predicting_real_estate_prices 15(1) p.29-44.
6. Demirel, B. S., Reyhan, O., Atasever, H.Ü., & Kesikoğlu, M., H. (2016). Daire Tipi Konutların Değerlemesinde Yapay Sinir Ağlarının Kullanımı, 6. Uzaktan Algılama-Cbs Sempozyumu (Uzal-Cbs 2016), 5-7 Ekim 2016, Adana s.97-104.
7. Eşkinat , R., & Tepecik, F. (2012). İnşaat Sektörüne Küresel Bir Bakış. Afyon Kocatepe Üniversitesi, İİBF Dergisi 14 (1).
8. Gallego, J. and Esperanza, M. (2004), Artificial Intelligence Applied to Real Estate Valuation, An Example for The Appraisal of Madrid, Catastro, 255-265.

9. Ge, J., & Hokao, K. (2006, October). Research on residential lifestyles in Japanese cities from the viewpoints of residential preference, residential choice and residential satisfaction. Landscape and Urban Planning .
10. Gökler, L. A. (2017). Ankara’da Konut Fiyatları Farklılaşmasının Hedonik Analiz Yardımıyla İncelenmesi. Megoran 12(2): 304-3015.
11. Huang , W., Lai, K. K., Nakamori, Y., Wang, Y., & Yu, L. (2007). Neural Networks In Fınance And Economıcs. International Journal of Information Technology & Decision Making, 115.
12. Karaatlı, M., Helvacıoğlu, Ö. C., Ömürbek, N.& Tokgöz, G. (2012). Yapay Sinir Ağları Yöntemi ile Otomobil Satış Tahmini. Uluslararası yönetim İktisat ve İşletme Dergisi 8(17).
13. Khallafallah, A. (2008) Neural Network-Based Model for Predicting Housing Market Performance Sınghua Scıence And Technology 13(1) pp325-328.
14. Rossini, P. (1998). Improving the Results of Artificial Neural Network Models for Residential Valuation . Fourth Annual Pacific-Rim Real Estate Society Conference Perth, Western Australia, 19-21 January 1998.
15. Sat, A. C., Üçer, A. G., Varol, Ç., & Yenigül, S. B. (2017). Sürdürülebilir Kentler İçin Çok Merkezli Gelişme: Ankara Metropoliten Kenti İçin Bir Değerlendirme . Ankara Araştırmaları Dergisi, 5 (1), s. 98-107.
16. Soylu, E. (2016). Bataryaların Kondisyonlarını İzleyerek Yapay Sinir Ağları İle Batarya Türü ve Şarj Durumu Tahmini. Karabük Üniversitesi,Fen Bilimleri Enstitüsü/Bilgisayar Mühendisliği Doktora Tezi . Karabük.
17. Türk, E. & Kıanı, F. (2019). Yapay Sinir Ağları ile Talep Tahmini Yapma: Beyaz Eşya Üretim Planlaması için YSA Uygulaması, İstanbul Sabahattin Zaim Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 1(1) s.30-37.
18. Uğur, O. L., Baykan, N. U., & Korkmaz, S. (2011). Yığma Konutların Maliyet Tahmininde Yapay Sinir Ağlarının (YSA) Kullanılması TMMOB İnşaat Mühendisleri Odası 6. İnşaat Yönetimi Kongresi, 25-26-27 Kasım 2011. Bursa.
19. Uğurlar, A., & Eceral, T. Ö. (2014, Nisan ). Ankara’da Mevcut Konut (Mülk ve Kiralık)Piyasasına İlişkin Bir Değerlendirme. Gazi Üniversitesi Bilimsel Araştırma Projeleri Birimi 48/2012-03 kodlu Bilimsel Araştırma Projesi. İdealkent.
20. Uysal , A. (2014). Yapay Sinir Ağları Kullarak Anahtarlamalı Relüktans Motorlarda Hata Tespit ve Teşhisi. Karabük Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalında Doktora Tezi . Karabük.
21. Uysal , D. (2017). Sosyal Bilimler de Yapay Sinir Ağlarının Kullanımı ve Bir Uygulama . Yüksek Lisans. Karabük Üniversitesi Sosyal Bilimler Enstitüsü İktisat Ana Bilim Dalı Karabük .
22. Yılmazel, Ö., Afşar, A.& Yılmazer, S. (2018) Konut Fiyat Tahmininde Yapay Sinir Ağları Yönteminin Kullanılması. UİİİD-IJEAS, 2018 (20):285-300 ISSN 1307-9832
23. Yurdakul, E. M. (2014). Türkiye'de İthalatın Gelişimi ve İthalatın Yapay Sinir Ağları Yöntemi İLe Tahmin Edilebilirliğine Yönelik Bir Analiz. Doktora Tezi. Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü İktisat Anabilim Dalı.