Research Article
BibTex RIS Cite

Türkiye'de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi

Year 2019, Volume: 18 Issue: 35, 1 - 16, 30.06.2019

Abstract

Şirketlerin rekabet
piyasasındaki başarıları geleceklerini tahmin etme yeteneklerine  bağlıdır. Bu yüzden talep tahmini şirketlerin
kısa ve uzun dönemli hedeflerine ulaşmasında önemli bir rol oynar.  Bu çalışmada yapay sinir ağları ile talep tahmin
problemi ele alınmıştır. Bu bağlamda Türkiye’nin öncü elektronik perakende şirketlerinden
birinin ‘notebook’ ürün grubu için geçmiş dönemlere ait satış verileri kullanılarak
yapay sinir ağı ile gelecek dönemler için satış tahminlemesi yapılmıştır. Uygulama
sonucunda yapay sinir ağı kullanılarak yapılan modellemenin  tahmin hatalarının incelenmesiyle elde edilen
sonuçlara ve değerlendirmelere yer verilmiştir.

References

  • Acar, N., 1989. Üretim Planlaması Yöntem ve Uygulamaları, Yeniçag, Ankara.
  • Arbib, M.A., 2003. The handbook of brain theory and neural networks, second edition. Massachusetts Institute of Technology. USA.
  • Asilkan, Özcan ve Irmak, Sezgin (2009). _kinci El Otomobillerin Gelecekteki Fiyatlarının Yapay Sinir Agları ile Tahmin Edilmesi, Süleyman Demirel Üniversitesi _ktisadi ve _dari Bilimler Fakültesi Dergisi, 14(2) 2009: 375-391.
  • Ataseven, Burçin (2007). Satıs öngörü modellemesi olarak YSA’nın kullanımı: PETK_M’de Uygulanması, Yüksek Lisans Tezi, Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü, Manisa.
  • Avcı, Emin (2009). Yapay Sinir Agları Modelleri _le Hisse Senedi Getiri Tahminleri, Marmara Üniversitesi _ktisadi ve _dari Bilimler Fakültesi Dergisi, 26(1) 2009: 443-461.
  • Aydoğan, Burak; Ayat, Berna; Öztürk, Mehmet N.; Çevik, Özkan E. ve Yüksel, Yalçın (2010). Current velocity forecasting in straits with artificial neural networks, a case study: Strait of Istanbul, Ocean Engineering, 37 (2010) 443– 453.
  • Barghash, M.A. ve Santarisi, N.S., 2004. Pattern recognition of control charts using artificial neural networks – analysing the effect of the training parameters, Journal of Intelligent Manufacturing, 15, 635-644.
  • Bolt, G., 1994. Market and sales forecasting : a total approach, Kogan Page,Londra.
  • Cahow, Eric E. (2004). Forecast of demand for chronic care nursing home services: 20052025, Doktora Tezi, Brandeis University, Waltham Massachusetts, USA.
  • Carlson, RL and Umble, M (1980). Statistical demand functions for automobiles and their use for forecasting in an energy crisis. The Journal of Business, 53,2-10.
  • Çelik, Burak (2008). YSA Metodolojisi ile Zaman Serisi Analizi: Teori ve Uygulama, Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  • Çuhadar, Murat, Güngör, İbrahim ve Göksu, Ali (2009). Turizm Talebinin Yapay Sinir Ağları ile Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya iline Yönelik Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1) 2009: 99-114.
  • Denton, J. W., 1995. How good are neural networks for casual forecasting The Journal of Business Forecasting Methods&Systems, 14, p.17
  • Es, H. Yapay Sinir Ağları ile Türkiye Net Enerji Talep Tahmini, Gazi Üniversitesi, Fen Bilimleri Enstitisü, Endüstri Mühendisliğ Ana Bilim Dalı, Yüksek Lisans Tezi, 2013.
  • Fildes, R., (2006), ―The forecasting journals and their contribution to forecasting research: Citation analysis and expert opinion‖, International Journal of Forecasting, 22(3):415– 432.
  • Freeman, J.A. ve Skapura, D.M., 1991. Neural networks algorithms, applications, and programming techniques. Addison-Wesley Publishing Company. USA.
  • Fuente, D.A., 2004. Artificial neural networks, the tutorial. Universidad Politecnica de Madrid. Erişim Adresi: http://www.gc.ssr.upm.es/inves/neural/ ann1/anntutorial. html. Erişim tarihi: Şubat 2005.
  • Gavcar, Erdogan, Sen, Selim ve Aytekin, Alper (1999). Türkiye’de Kullanılan Kagıt- Karton Türlerinin Talep Tahminlerinin Belirlenmesi. Tr. Journal of Agriculture and Forestry, TÜB_TAK, 23. 203-211.
  • Griffiths, William E., Newton, Lisa S. and O’Donnell, Christopher J. (2010). Predictive densities for models with stochastic regressors and inequality constraints: Forecasting local-area wheat yield, International Journal of Forecasting, 26 (2010) 397–412.
  • Hajirezaie, Mehdi, Hussein, Seyyed, Barfourosh, Ahmad and Karimi, Behrooz (2010). Modeling and evaluating the strategic effects of improvement programs on the manufacturing performance using neural Networks, African Journal of Business Management, 4(4): 414-424.
  • Hu, Clark (2002). Advanced Tourism Demand Forecasting: ANN and Box-Jenkins Modelling, Doktora Tezi, Purdue University, MI, USA.
  • İnsel, Aysu, Sualp, M. Nedim ve Karakaş, Mesut (2010). A comparative analysis of the ARMA and neural network models: A case Turkish economy, İktisat İşletme ve Finans, 25(290)2010: 35-64.
  • Jones, Spencer S. (2008). Measuring, Modeling, and Forecasting Demand in The Emergency Department, Doktora Tezi, The University of Utah, USA.
  • Kobu B., 1984. Üretim yönetimi. İ.Ü. İşletme Fakültesi, İstanbul.
  • Matuyama, K., Sumita, T. ve Wakayama, D., (2009), ―Periodic forecast and feedback to maintain target inventory level‖, International Journal of Production Economics, 118(1):298-304.
  • Murray, G., 2003. Artificial neural networks. Erişim adresi http://www.swin.edu.au/bioscieleceng/ciscp/anns.html. Erişim tarihi: Ocak 2005.
  • Sahoo, G.B., Schladow, S.G. and Reuter, J.E. (2009). Forecasting stream water temperature using regression analysis, artificial neural network, and chaotic non-linear dynamic models, Journal of Hydrology, 378 (2009) 325–342.
  • Serttaş, Z. Türkiye’ de Perakende Sektöründe Talebi Etkileyen Etmenler veYapay Sinir Ağlarıyla Talep Tahmini Uygulaması, Yıldız TeknikÜniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği, Yüksek Lisans Tezi, 2011.
  • Shamseldin, Asaad Y (2010). Artificial neural network model for river flow forecasting in a developing country, Journal of Hydro informatics, 12 (1): 2235.
  • Sun, Xiaodong, Gauri, Dinesh and Webster, Scott (2010). Forecasting for cruise line revenue management. Journal of Revenue and Pricing Management, 29 Ocak 2010; doi:10.1057/rpm.2009.55
  • Şahin, Ş.Ö., 2002. Yapay sinir ağları yardımı ile dinamik bir senaryo analizi, Yüksek Lisans Tezi, İ.T.Ü. Fen Bilimleri Enstitüsü, İstanbul.
  • Tebo, A., 1994. Artificial neural networks: a developing science. Erişim adresi : http://www.spie.org/app/publications/magazines/oerarchive/september/neural_net.html. Erişim Tarihi: Ocak 2005.
  • Tekin, M., 1996. Üretim Yönetimi, Arı Ofset Matbaacılık, Konya.
  • Thall, N., 1992. Neural Forecasts: A Retail Sales Booster, Discount Merchandiser, 32, p. 41.
  • Veelenturf, L.P.J., 1995. Analysis and applications of artificial neural networks. Prentice Hall Internaional (UK) Limited. United Kingdom.
  • Wong, Bo K, Bodnovich, Thomas A, Selvi, Yakup (1997). Neural network applications in business: A review and analysis of the literature (1988-95), Decision Support Systems 19 (1997): 301-320.
  • Zhoumcmahon, S.L, Walton, T.A and Lewis, A (2002). Forecasting operational demand for an urban water supply zone. Journal of Hydrology, 259(1): 189-202.
Year 2019, Volume: 18 Issue: 35, 1 - 16, 30.06.2019

Abstract

References

  • Acar, N., 1989. Üretim Planlaması Yöntem ve Uygulamaları, Yeniçag, Ankara.
  • Arbib, M.A., 2003. The handbook of brain theory and neural networks, second edition. Massachusetts Institute of Technology. USA.
  • Asilkan, Özcan ve Irmak, Sezgin (2009). _kinci El Otomobillerin Gelecekteki Fiyatlarının Yapay Sinir Agları ile Tahmin Edilmesi, Süleyman Demirel Üniversitesi _ktisadi ve _dari Bilimler Fakültesi Dergisi, 14(2) 2009: 375-391.
  • Ataseven, Burçin (2007). Satıs öngörü modellemesi olarak YSA’nın kullanımı: PETK_M’de Uygulanması, Yüksek Lisans Tezi, Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü, Manisa.
  • Avcı, Emin (2009). Yapay Sinir Agları Modelleri _le Hisse Senedi Getiri Tahminleri, Marmara Üniversitesi _ktisadi ve _dari Bilimler Fakültesi Dergisi, 26(1) 2009: 443-461.
  • Aydoğan, Burak; Ayat, Berna; Öztürk, Mehmet N.; Çevik, Özkan E. ve Yüksel, Yalçın (2010). Current velocity forecasting in straits with artificial neural networks, a case study: Strait of Istanbul, Ocean Engineering, 37 (2010) 443– 453.
  • Barghash, M.A. ve Santarisi, N.S., 2004. Pattern recognition of control charts using artificial neural networks – analysing the effect of the training parameters, Journal of Intelligent Manufacturing, 15, 635-644.
  • Bolt, G., 1994. Market and sales forecasting : a total approach, Kogan Page,Londra.
  • Cahow, Eric E. (2004). Forecast of demand for chronic care nursing home services: 20052025, Doktora Tezi, Brandeis University, Waltham Massachusetts, USA.
  • Carlson, RL and Umble, M (1980). Statistical demand functions for automobiles and their use for forecasting in an energy crisis. The Journal of Business, 53,2-10.
  • Çelik, Burak (2008). YSA Metodolojisi ile Zaman Serisi Analizi: Teori ve Uygulama, Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  • Çuhadar, Murat, Güngör, İbrahim ve Göksu, Ali (2009). Turizm Talebinin Yapay Sinir Ağları ile Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya iline Yönelik Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1) 2009: 99-114.
  • Denton, J. W., 1995. How good are neural networks for casual forecasting The Journal of Business Forecasting Methods&Systems, 14, p.17
  • Es, H. Yapay Sinir Ağları ile Türkiye Net Enerji Talep Tahmini, Gazi Üniversitesi, Fen Bilimleri Enstitisü, Endüstri Mühendisliğ Ana Bilim Dalı, Yüksek Lisans Tezi, 2013.
  • Fildes, R., (2006), ―The forecasting journals and their contribution to forecasting research: Citation analysis and expert opinion‖, International Journal of Forecasting, 22(3):415– 432.
  • Freeman, J.A. ve Skapura, D.M., 1991. Neural networks algorithms, applications, and programming techniques. Addison-Wesley Publishing Company. USA.
  • Fuente, D.A., 2004. Artificial neural networks, the tutorial. Universidad Politecnica de Madrid. Erişim Adresi: http://www.gc.ssr.upm.es/inves/neural/ ann1/anntutorial. html. Erişim tarihi: Şubat 2005.
  • Gavcar, Erdogan, Sen, Selim ve Aytekin, Alper (1999). Türkiye’de Kullanılan Kagıt- Karton Türlerinin Talep Tahminlerinin Belirlenmesi. Tr. Journal of Agriculture and Forestry, TÜB_TAK, 23. 203-211.
  • Griffiths, William E., Newton, Lisa S. and O’Donnell, Christopher J. (2010). Predictive densities for models with stochastic regressors and inequality constraints: Forecasting local-area wheat yield, International Journal of Forecasting, 26 (2010) 397–412.
  • Hajirezaie, Mehdi, Hussein, Seyyed, Barfourosh, Ahmad and Karimi, Behrooz (2010). Modeling and evaluating the strategic effects of improvement programs on the manufacturing performance using neural Networks, African Journal of Business Management, 4(4): 414-424.
  • Hu, Clark (2002). Advanced Tourism Demand Forecasting: ANN and Box-Jenkins Modelling, Doktora Tezi, Purdue University, MI, USA.
  • İnsel, Aysu, Sualp, M. Nedim ve Karakaş, Mesut (2010). A comparative analysis of the ARMA and neural network models: A case Turkish economy, İktisat İşletme ve Finans, 25(290)2010: 35-64.
  • Jones, Spencer S. (2008). Measuring, Modeling, and Forecasting Demand in The Emergency Department, Doktora Tezi, The University of Utah, USA.
  • Kobu B., 1984. Üretim yönetimi. İ.Ü. İşletme Fakültesi, İstanbul.
  • Matuyama, K., Sumita, T. ve Wakayama, D., (2009), ―Periodic forecast and feedback to maintain target inventory level‖, International Journal of Production Economics, 118(1):298-304.
  • Murray, G., 2003. Artificial neural networks. Erişim adresi http://www.swin.edu.au/bioscieleceng/ciscp/anns.html. Erişim tarihi: Ocak 2005.
  • Sahoo, G.B., Schladow, S.G. and Reuter, J.E. (2009). Forecasting stream water temperature using regression analysis, artificial neural network, and chaotic non-linear dynamic models, Journal of Hydrology, 378 (2009) 325–342.
  • Serttaş, Z. Türkiye’ de Perakende Sektöründe Talebi Etkileyen Etmenler veYapay Sinir Ağlarıyla Talep Tahmini Uygulaması, Yıldız TeknikÜniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği, Yüksek Lisans Tezi, 2011.
  • Shamseldin, Asaad Y (2010). Artificial neural network model for river flow forecasting in a developing country, Journal of Hydro informatics, 12 (1): 2235.
  • Sun, Xiaodong, Gauri, Dinesh and Webster, Scott (2010). Forecasting for cruise line revenue management. Journal of Revenue and Pricing Management, 29 Ocak 2010; doi:10.1057/rpm.2009.55
  • Şahin, Ş.Ö., 2002. Yapay sinir ağları yardımı ile dinamik bir senaryo analizi, Yüksek Lisans Tezi, İ.T.Ü. Fen Bilimleri Enstitüsü, İstanbul.
  • Tebo, A., 1994. Artificial neural networks: a developing science. Erişim adresi : http://www.spie.org/app/publications/magazines/oerarchive/september/neural_net.html. Erişim Tarihi: Ocak 2005.
  • Tekin, M., 1996. Üretim Yönetimi, Arı Ofset Matbaacılık, Konya.
  • Thall, N., 1992. Neural Forecasts: A Retail Sales Booster, Discount Merchandiser, 32, p. 41.
  • Veelenturf, L.P.J., 1995. Analysis and applications of artificial neural networks. Prentice Hall Internaional (UK) Limited. United Kingdom.
  • Wong, Bo K, Bodnovich, Thomas A, Selvi, Yakup (1997). Neural network applications in business: A review and analysis of the literature (1988-95), Decision Support Systems 19 (1997): 301-320.
  • Zhoumcmahon, S.L, Walton, T.A and Lewis, A (2002). Forecasting operational demand for an urban water supply zone. Journal of Hydrology, 259(1): 189-202.
There are 37 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Research Articles
Authors

Didem Vural

Emel Şeyma Küçükaşçı

Berk Ayvaz

Publication Date June 30, 2019
Submission Date January 7, 2019
Published in Issue Year 2019 Volume: 18 Issue: 35

Cite

APA Vural, D., Küçükaşçı, E. Ş., & Ayvaz, B. (2019). Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 18(35), 1-16.
AMA Vural D, Küçükaşçı EŞ, Ayvaz B. Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi. June 2019;18(35):1-16.
Chicago Vural, Didem, Emel Şeyma Küçükaşçı, and Berk Ayvaz. “Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı Ile Modellenmesi”. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi 18, no. 35 (June 2019): 1-16.
EndNote Vural D, Küçükaşçı EŞ, Ayvaz B (June 1, 2019) Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi 18 35 1–16.
IEEE D. Vural, E. Ş. Küçükaşçı, and B. Ayvaz, “Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi”, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, vol. 18, no. 35, pp. 1–16, 2019.
ISNAD Vural, Didem et al. “Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı Ile Modellenmesi”. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi 18/35 (June 2019), 1-16.
JAMA Vural D, Küçükaşçı EŞ, Ayvaz B. Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi. 2019;18:1–16.
MLA Vural, Didem et al. “Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı Ile Modellenmesi”. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, vol. 18, no. 35, 2019, pp. 1-16.
Vancouver Vural D, Küçükaşçı EŞ, Ayvaz B. Türkiye’de Perakende Sektöründe Elektronik Ürünlere Olan Talebin Yapay Sinir Ağı ile Modellenmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi. 2019;18(35):1-16.