A Data Mining Application for Performance Evaluation Cabin Crew Members in an Airline Company

Year 2018, , 154 - 170, 31.12.2018

Büşra Yıldız Korkmaz , Uğur Özcan

https://doi.org/10.31466/kfbd.476189

Abstract

Nowadays, the companies are in competition fiercely both for keeping market and catching the developing technology. The fierce competition environment aims to keep current customers and gain new customers. The impact of cabin crew is great that serving which is beyond the expectations of passengers in airline company. Performance evaluations of 3764 cabin crew members were examined in 2015 in an airline company. The levels of scorecard are determined as a result of making these evaluations. The objective of this study is making meaningful rule between evaluation scores based on competence and demographic features for the levels of scorecard in 2015. In this study, WEKA was used, which is developed in open source code JAVA, and decision tree algorithms which is one of data mining methods. It was explored that Random Forest algorithm was the best algorithm and second one was J48 algorithm in terms of true positive rate in generated decision tree algorithms. This study was interpreted according to the J48 algorithm because Random Forest algorithm output was not suitable for this study due to nonvisual output and complex structure in steps of the algorithm. In addition, it was used for attribute selection with Ranker method in “InfoGainAttributeEval” algorithm and the results was detected similar to J48 algorithm outputs. In this regard, it was determined that the most important attribute affecting cabin crew scorecard levels was “Continuous learning and personal development” and no meaningful rule between demographic attributes and scorecard level.

Keywords

Performance Evaluation, Cabin Crew, Data Mining, Decision Tree, Airline

Bir Havayolu İşletmesinde Kabin Ekiplerinin Performans Değerlendirmesine İlişkin bir Veri Madenciliği Uygulaması

Abstract

Günümüzde işletmeler gerek piyasaya tutunmak gerekse her geçen gün gelişmekte olan teknolojiyi yakalamak adına yoğun bir rekabet içerisindedirler. Yoğun rekabet ortamı mevcut müşteriyi tutma ve yeni müşteri kazanma amacını da beraberinde getirmektedir. Havayolu işletmelerinde yolculara beklentilerinin ötesinde hizmet sunma noktasında kabin ekibinin etkisi büyüktür. Bir havayolu işletmesinde 3764 kabin memurunun 2015 yılında performans değerlendirmeleri incelenmiştir. Yapılan bu performans değerlendirmelerinin sonucunda karne düzeyleri belirlenmektedir. Bu çalışmanın amacı 2015 yılındaki karne düzeyleri için; kabin memurlarının yetkinlik bazlı değerlendirme puanları ile demografik özellikleri arasında anlamlı bir kural oluşturmaktır. Bu çalışmada, açık kaynak kodlu JAVA dilinde geliştirilmiş WEKA programı ile veri madenciliği yöntemlerinden karar ağacı algoritmaları kullanılmıştır. Oluşturulan karar ağacı algoritmalarından sınıflandırma doğruluğu açısından en başarılı algoritma olarak Random Forest ve ikinci olarak J48 algoritması tespit edilmiştir. Random Forest algoritma çıktısı görsel bir sonuç vermeyip algoritma adımlarını görülmeyecek şekilde vererek karmaşık bir yapı oluşmasından dolayı çalışma J48 algoritmasına göre yorumlanmıştır. Ayrıca, WEKA programında nitelik seçimi özelliği ile InfoGainAttributeEval algoritması ile  “Ranker” metodu uygulanması sonucunda çıktıların J48 algoritması çıktıları ile aynı doğrultuda olduğu tespit edilmiştir. Bu bağlamda kabin memurlarının karne düzeylerini en çok etkileyen niteliğin “sürekli öğrenme ve kişisel gelişim” olduğu ve demografik özellikler ile karne düzeyi arasında anlamlı kural olmadığı tespit edilmiştir.

Keywords

Performans Değerlendirme, Kabin memuru, Veri Madenciliği, Karar Ağaçları, Havayolu

References

• Alataş, B., Akın, E., (2004). Veri madenciliğinde yeni yaklaşımlar. Ya/Em-2004- Yöneylem Araştırması/Endüstri Mühendisliği XXIV Ulusal Kongresi, Gaziantep-Adana.
• Alkoç, H., (2004). Havayolu İşletmelerinin Hizmet Kalite Açısından Değerlendirilmesi Üzerine Bir Pilot Araştırma: Türk Hava Yolları Uygulaması, İstanbul Üniversitesi, Pazarlama Anabilim Dalı, Yüksek Lisans Tezi, İstanbul.
• Argüden, Y., Erşahin, B., (2008). Veri Madenciliği Veriden Bilgiye, Masraftan Değere. İstanbul: ARGE Danışmanlık A.Ş, s.22-23.
• Chen, Y., L., Tang, K., Shen, R., J., and Hu, Y., H., (2005). Market basket analysis in a multiple store environment. Decision support systems, 40(2): 339-354.
• Dolgun, M., Ö., (2006). Büyük alışveriş merkezleri için veri madenciliği uygulamaları. Yüksek Lisans Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 23-27.
• Emekci, F., Sahin, O. D., Agrawal, D., El Abbadi, (2007). Privacy preserving decision tree learning over multiple parties, Data & Knowledge Engineering, 63, 348-361.
• Furnham, A., (1991). Personality and occupational success: 16PF correlates of cabin crew performance. Personality and Individual Differences, 12(1), 87-90.
• Gencer, C., & Çetin, T. (2011). Kurumsal Performans Karnesi ve Havacılık Sektöründe Bir Uygulama. Savunma Bilimleri Dergisi, 10(2), 105-121.
• Gobena M., (2000). Flight Revenue Information Support System for Ethiopian Airlines. A Thesis Submitted in Partial Fulfillment of the requirement for the Degree of M.Sc.I.S. Addis Ababa University: Addis Ababa.
• Hatipoğlu, S. ve Işık, E. S., (2015). Havayolu Ulaşımında Hizmet Kalitesinin Ölçülmesi: İç Hatlarda Bir Uygulama. KSÜ Sosyal Bilimler Dergisi, 12(2), 293-312.
• Hsu, M. H., 2(008). A personalized English learning recommender system for ESL students, Expert Systems with Applications, 34, 683 – 688.
• Kalıkov, A., 2(006). Veri madenciliği ve bir e-ticaret uygulaması. Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 22-38.
• Mitra, S., Acharya, T., (2003). Data mining : multimedia, soft computing , and bioinformatics John Wiley & Sons Publisher.
• Nameghi, E. N., & Ariffin, A. A. M. (2013). The measurement scale for airline hospitality: Cabin crew's performance perspective. Journal of Air Transport Management, 30, 1-9.
• Okumuş, A , Asil, H . (2007). Havayolu Taşımacılığında Yerli ve Yabancı Yolcuların Memnuniyet Düzeylerine Göre Beklentilerinin İncelenmesi. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (13), 152-175.
• Özekes, S., 2(001). Veri Madenciliği Modelleri ve Uygulama Alanları. İstanbul Ticaret Üniversitesi Dergisi, 2003: 65-82.
• Özekes, S., ve Çamurcu, A.Y., (2002). Veri Madenciliğinde Sınıflama ve Kestirim Uygulaması. T.C. Marmara Üniversitesi Fen Bilimleri Dergisi, 18, 159-174.
• Piatetsky-Shapiro, G., (1990). Knowledge Discovery in Real Databases: A Report on the IJCAI-89 Workshop. AI Magazine, 11(5): 68-70.
• Pritscher, L. and Feyen, H., (2011). Data Mining and Strategic Marketing in the Airline Industry. http://www.luc.ac.be/iteo/articles/pritscher1.pdf
• Seow, H. V., Thomas, L. C., (2007). To ask or not to ask, that is the question. European Journal of Operational Reserch, 183, 1513 – 1520.
• Yılmaz, A. K., Durak, M. Ş., Özdemir, E., Kiracı, K., & Tanrıverdi, G., (2017). Eskişehir ilinde havayolu yolcu potansiyelinin belirlenmesi üzerine bir karar ağacı uygulaması. Anadolu University of Sciences & Technology-B: Theoretical Sciences, 5(1).