Meyve bahçelerinin çoklu regresyon analizi ve yapay sinir ağları ile değerlemesi

Abstract

Tarım arazileri gıda üretiminin temel faktörüdür ve sınırlı bir kaynaktır. Bu yüzden tarım arazilerinin korunması ve sürdürülebilirliği açısından arazi kullanımı ve yönetimi büyük öneme sahiptir. Tarım arazilerinin yönetilmesinde önemli bir konu da tarımsal değerlemedir. Tarım arazilerinin değerlemesi kamulaştırma, vergilendirme, toplulaştırma, kredilendirme, sigortalandırma gibi farklı amaçlar doğrultusunda yapılmaktadır ve elde edilen değer hem mülk sahiplerini hem de kurumları ilgilendirmektedir. Bu yüzden tarımsal değerleme sürecinin objektif ve bilimsel bir şekilde yürütülmesi gerekir. Bu çalışmada, Isparta ili Uluborlu ilçesinde bulunan kiraz bahçelerinin değerlemesinde istatistiksel yöntemlerden Çoklu Regresyon Analizi (ÇRA) ve modern yöntemlerden Yapay Sinir Ağları (YSA) kullanılmıştır. Kiraz bahçelerinin değerini etkileyen faktörler arazi alanı, arazi yapısı, kiraz cinsi, kadastro yol bağlantısı, köy merkezine uzaklığı, su temini ve sulama metodu olarak belirlenmiş ve 100 adet kiraz bahçesi için bu faktörlere ilişkin veriler elde edilmiştir. ÇRA ve YSA ile kiraz bahçelerinde değer tahmini yapılmıştır. Elde edilen değerler belirtme katsayısı (R2), Ortalama Mutlak Hata (MAE) ve Kök Ortalama Kare Hata (RMSE) performans metrikleri kullanılarak incelenmiş ve sırasıyla ÇRA için 0.94, 0.033, 0.045 ve YSA için 0.96, 0.027, 0.037 şeklinde hesaplanmıştır. Coğrafi Bilgi Sistemleri (CBS) yardımıyla kiraz bahçelerinin piyasa değeri ile tahmin edilen değerlerine ait haritalar üretilmiştir. Performans metrikleri ve değer haritaları incelendiğinde YSA yönteminin kiraz bahçelerinin değer tahmininde daha başarılı olduğu tespit edilmiştir.

Keywords

• Tarımsal Değerleme
• Çoklu Regresyon Analizi
• Yapay Sinir Ağları
• Coğrafi Bilgi Sistemleri
• Değer Haritaları

Valuation of fruit orchards with multiple regression analysis and artificial neural networks

Abstract

Agricultural land is a key factor in food production and a finite resource. Therefore, land use and management are of great importance for the conservation and sustainability of agricultural land. An important issue in the management of agricultural land is agricultural valuation. Agricultural land valuation is carried out for different purposes such as expropriation, taxation, consolidation, lending, insurance, etc. and the value obtained concerns both property owners and institutions. Therefore, the agricultural valuation process should be carried out in an objective and scientific manner. In this study, Multiple Regression Analysis (MRA), one of the statistical methods, and Artificial Neural Networks (ANN), one of the modern methods, were used in the valuation of cherry orchards in Uluborlu district of Isparta province. The factors affecting the value of cherry orchards were determined as land area, land structure, cherry type, cadastral road connection, distance to the village center, water supply and irrigation method and data on these factors were obtained for 100 cherry orchards. Value estimation was made for cherry orchards with MRA and ANN. The obtained values were analyzed using the coefficient of determination (R2), Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) performance metrics and calculated as 0.94, 0.033, 0.045 for MRA and 0.96, 0.027, 0.037 for ANN, respectively. With the help of Geographic Information Systems (GIS), maps of the market value and predicted values of cherry orchards were produced. When the performance metrics and value maps were analyzed, it was found that the ANN method was more successful in estimating the value of cherry orchards.

Keywords

• Agricultural Valuation
• Multiple Regression Analysis
• Artificial Neural Network
• Geographic Information Systems
• Value Maps

References

1. Akyüz, A. Ö., Kumaş, K., Ayan, M., & Güngör, A. (2020). Antalya ili meteorolojik verileri yardımıyla hava sıcaklığının yapay sinir ağları metodu ile tahmini. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 10(1), 146-154. https://doi.org/10.17714/gumusfenbil.511481
2. Altun, Ö. (2022). Yapay zekâ yöntemleriyle hazine taşınmazlarının değerlemesi: Yapay sinir ağları ile kamu konutları üzerine bir uygulama. Türkiye Arazi Yönetimi Dergisi, 4(2), 62-73. https://doi.org/10.51765/tayod.1133588
3. Aylak, B. L., Oral, O., & Yazıcı, K. (2021). Yapay zeka ve makine öğrenmesi tekniklerinin lojistik sektöründe kullanımı. El-Cezeri, 8(1), 74-93. https://doi.org/10.31202/ecjse.776314
4. Başer, U., & Kılıç, O. (2016). Arazi fiyatını etkileyen faktörlerin belirlenmesi:(Samsun ili, Ladik ilçesi) [Kongre sunumu]. XII. Ulusal Tarım Ekonomisi Kongresi, Isparta, Türkiye.
5. Çınar, G., Altınok, A. C., Özcan, H. & Aslan, F. (2018). Aydın ilinde tarımsal arazi değerini etkileyen faktörlerin hedonik fiyatlandırma modeli ile tahmin edilmesi. [Kongre sunumu]. AHTAMARA, Van, Türkiye.
6. Çınar, S., & Ünel, F. B. (2022). 2/B orman vasfını yitirmiş araziden tarım arazisine dönüşen taşınmazların toplu değerlemesi. Geomatik, 7(2), 112-127. https://doi.org/10.29128/geomatik.900457
7. Çodur, M. Y. & Tortum, A. (2009). Modelling car ownership in Turkey using neural networks. Proceedings of the Institution of Civil Engineers-Transport, 162(2), 97-106. https://doi.org/10.1680/tran.2009.162.2.97
8. Demircan, V., Hatırlı, S. A., & Aktaş, A. R. (2004). Isparta İlinde kirazın pazarlama yapısı ve sorunları. SDÜ Fen Bilimleri Enstitüsü Dergisi, 8(1), 26-33.

9. Doğan, O., Bande, N., Genç, Y., & Akyön, F. C. (2022). Keçiören/Ankara özelinde konut rayiç değerlerinin yapay sinir ağları metodu kullanılarak tahmini. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (35), 113-128. https://doi.org/10.18092/ulikidince.941952
10. Doğan, O., Bande, N., Genç, Y., & Koç, F. (2023). Yapay sinir ağları metodu ile konut özellikleri yeniden sayısallaştırılarak rayiç değerinin tahmin edilmesi: Keçiören/Ankara örneği. Türkiye Arazi Yönetimi Dergisi, 5(1), 9-19. https://doi.org/10.51765/tayod.1219413
11. Engindeniz, S. (2001). Meyve arazilerinin değer takdirinde uygulanabilecek esaslar: İzmir’in Tire ilçesinde incir arazilerinin değer takdiri üzerine bir araştırma. TZOB Yayın.
12. Engindeniz, S. (2007). Meyve arazilerinde gelir yöntemine göre değer takdiri: Antepfıstığı örneği. Ege Üniversitesi Ziraat Fakültesi Dergisi, 44(3), 75-87.
13. Engindeniz, S., Yercan, M., & Adanacioglu, H. (2010). The valuation of olive orchards: A Case study for Turkey. Journal of Applied Horticulture, 12(1), 81-84.
14. Er, B., Kurugöllü, S., & Ünel, F. B. (2022). Tarım arazilerinin yapay sinir ağları ve çoklu lineer regresyon analizi ile toplu taşınmaz değerlemesi: Mersin, Mezitli-Bozön mahallesi örneği. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 4(1), 5-14. https://doi.org/10.56130/tucbis.898579
15. Erdoğan, M., & Kaya, İ. (2020). A new approach for rule estimation of fuzzy inference system: A Case study for public transport maintenance system. Konya Journal of Engineering Sciences, 8(4), 906-915. https://doi.org/10.36306/konjes.669505
16. Ereeş, E. (2010). İzmir’in Menderes ilçesindeki seraların değerlemesi üzerine bir araştırma, Yayın No. 266070) [Yüksek Lisans tezi, Ege Üniversitesi], YÖK Ulusal tez Merkezi.
17. Gündoğmuş, M. E., & Uyar, T. (2016). Kestane bahçelerinde gelir yöntemine göre değerleme: Aydın ili Nazilli ilçesi örneği. Tekirdağ Ziraat Fakültesi Dergisi, 13(1), 107-117.
18. Gündoğmuş, M. E., & Taşçı, M. (2017). Hünnap (Zizyphus Jujube Mill.) bahçelerinde gelir yöntemine göre değerleme: Denizli ili Çivril ilçesi örneği. Tekirdağ Ziraat Fakültesi Dergisi, 14(2), 42-53.
19. İlhan, A. T., & Öz, S. (2020). Yapay sinir ağlarının gayrimenkullerin toplu değerlemesinde uygulanabilirliği: Gölbaşı ilçesi örneği. Hacettepe Üniversitesi Sosyal Bilimler Dergisi, 2(2), 160-188.
20. İnan, O. (2017). Ceviz bahçelerine gelir yöntemine göre değer biçilmesi: İstanbul ili Silivri ilçesi örneği, (Yayın No. 476613) [Yüksek Lisans tezi, Namık Kemal Üniversitesi], YÖK Ulusal tez Merkezi.
21. Karaduman, H. (2023). Coğrafi bilgi sistemleri ile tarım arazilerinin değerlemesi: Aksaray örneği, (Yayın No. 784968) [Yüksek Lisans tezi, Aksaray Üniversitesi], YÖK Ulusal tez Merkezi.
22. Karakayacı, Z., & Oğuz, C. (2006). Küreselleşme çerçevesinde tarım arazileri değerlemesinde kamulaştırma kanunu uygulaması; Konya ili Ereğli İlçesi örneği. Türkiye VII. Tarım Ekonomisi Kongresi, Antalya, Türkiye.
23. Karakayacı, Z., Oğuz, C., & Reis, S. (2016). Konya ili Çumra ilçesindeki tarım arazilerinin değerlerini etkileyen faktörlerin farklı yaklaşımlarla analizi. Tarım Ekonomisi Dergisi, 22(2), 17-27.
24. Karakayacı, Z. (2023). Konya ili tarım arazileri için kapitalizasyon oranı ve değer tespiti. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 26(3), 664-672. https://doi.org/10.18016/ksutarimdoga.vi.1166338
25. Karakoyun, M., & Hacıbeyoğlu, M. (2014). Biyomedikal veri kümeleri ile makine öğrenmesi sınıflandırma algoritmalarının istatistiksel olarak karşılaştırılması. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 16(48), 30-42.
26. Kuşkapan, E., Çodur, M. K., & Çodur, M. Y. (2022). Türkiye’deki demiryolu enerji tüketiminin yapay sinir ağları ile tahmin edilmesi. Konya Journal of Engineering Sciences, 10(1), 72-84. https://doi.org/10.36306/konjes.935621
27. Nabiyev, V. V. (2012). Yapay zekâ: İnsan-bilgisayar etkileşimi. Seçkin Yayıncılık.
28. Narin, S., Doğan, O., Bande, N., & Genç, Y. (2023). Keçiören/Ankara özelinde konut rayiç değerlerinin tahmininde çoklu regresyon analizi ve yapay sinir ağları yöntemlerinin karşılaştırılması. International Journal of Engineering Research and Development, 15(2), 828-839. https://doi.org/10.29137/umagd.1297672
29. Okan, N. (2013). Şeftali bahçelerinde ağaç ve arazi değerlerinin saptanması: İzmir’in Selçuk ilçesi örneği, (Yayın No. 371307) [Yüksek Lisans tezi, Ege Üniversitesi], YÖK Ulusal tez Merkezi.
30. Ongun, U., Gövdere, B., & Kaygısız, A. D. (2015). Isparta İli kırsal alanlarında yapılabilecek kırsal turizm türlerinin kırsal kalkınmaya etkisi. International Journal of Social and Economic Sciences, 5(1), 122-131.
31. Özoğlu, B., Seyfi, Ç., Kaya, G., Çavuş, E., & Şener, A. (2007). Uluslararası Değerleme Standartları Mesleki Uygulama Çerçevesi. Alp Yayınevi.
32. Özüdoğru, H. (1998). Meyve bahçelerinde değer biçme; Ankara ili Çubuk ilçesi bir vişne bahçesi örneği, (Yayın No. 76861) [Yüksek Lisans tezi, Ankara Üniversitesi], YÖK Ulusal tez Merkezi.
33. Öztürk, G., Engindeniz, S., & Bayraktar, Ö. V. (2017). İzmir'deki sulanabilir tarım arazilerinin değerini etkileyen faktörlerin analizi. Selcuk Journal of Agriculture and Food Sciences, 31(3), 75-87. https://doi.org/10.15316/SJAFS.2017.38
34. Rehber, E. (2012). Tarımsal değerleme ve bilirkişilik (Değerleme Uzmanlığı). Ekin Basım Yayın Dağıtım.
35. Sherrick, B. J. (2018). Understanding farmland values in a changing interest rate environment. Choices, 33(1), 1-8.
36. Tabar, M. E., Başara, A. C., & Şişman, Y. (2021). Çoklu regresyon ve yapay sinir ağları ile Tokat ilinde konut değerleme çalışması. Türkiye Arazi Yönetimi Dergisi, 3(1), 1-7. https://doi.org/10.51765/tayod.832227
37. Tarım ve Orman Bakanlığı. (2022). Tarım Ürünleri Piyasaları, Erişildi 21 Kasım 2023, https://arastirma.tarimorman.gov.tr/tepge/Menu/27/Tarim-Urunleri-Piyasalari
38. Toprak, M. F., & Güngör, O. (2023). Kayseri’de çoklu regresyon ve coğrafi ağırlıklı regresyon yöntemleri ile konutların toplu değerlemesi. Turkish Journal of Remote Sensing and GIS, 4(1), 114-124. https://doi.org/10.48123/rsgis.1255881