Araştırma Makalesi
BibTex RIS Kaynak Göster

Uluslararası Turist Gelişlerinin Kaba Küme Temelli Yaklaşımla Tahmin Edilmesi

Yıl 2020, Ejosat Özel Sayı 2020 (ARACONF), 80 - 87, 01.04.2020
https://doi.org/10.31590/ejosat.araconf11

Öz

Turizm, uluslararası ticaretin önemli oyuncularından biri haline gelmektedir ve aynı zamanda birçok gelişmekte olan ülke için ana gelir kaynaklarından birini temsil etmektedir. Son yıllarda dünyanın en hızlı büyüyen ekonomik sektörlerinden biri olan turizm sektörü küresel gayri safi yurtiçi hasılaya yüzde 10' dan fazla katkı sağlayarak 10 işten 1'ini oluşturmuştur. Sanayileşmiş ve gelişmiş ülkelerde turizmin küresel olarak yaygınlaşması, inşaattan tarıma, telekomünikasyona kadar ilgili birçok sektörde ekonomik ve istihdam katkı sağlamaktadır. Turizm sektörü büyümeyi ve kalkınmayı teşvik ederek, istihdam yaratarak, yoksulluğu azaltarak milyonlarca insanın hayatında fark yaratmaktadır. Böylelikle ekonomik büyümenin önemli güçlerinden biri olduğu kanıtlanmış ve ekonomik büyümeye önemli ölçüde katkı sağlamıştır. Turizmin ekonomik gelişmeye katkısı, sunulan hizmetinin kalitesine ve gelirine bağlıdır. Dünya Turizm Örgütü özellikle gelişmekte olan ülkelerin daha da karmaşık hale gelen ulusal ve uluslararası pazarlarda turizm sektörünün sürdürülebilir hale getirmenin önemini vurgulamaktadır. Emek yoğun bir sektör olan turizm sektöründe yer alan işletmeler ve bunların tedarikçileri turizm talebinin tahmin bilgisine ihtiyaç duymaktadır. Turizm talebinin doğru tahmin edilmesi, turizm işletmelerinin başarısı için son derece önemlidir. Literatürde, kaba küme teorisi, bilgi veri tabanının karmaşıklığını azaltmak için yaygın olarak kullanılan bir yaklaşımdır. Bu çalışmada, Dünya Ekonomik Forumu “Seyahat ve Turizm Rekabet Edebilirlik Endeksi” verilerinden uluslararası turist gelişleri kaba küme teorisine dayanan kural türetme algoritmasıyla tahmin edilmiştir. Çalışmada ülkeler 88 nitelik için aldığı değer bilgisi ışığında değerlendirilmiştir. Ülkelerin turist sayıları tahmininde kaba küme temelli kural türetme algoritması olan LEM2 algoritması uygulanmıştır. Uygulama sonucunda uluslararası turist gelişlerinin yüksek başarımla öngörebilen kurallar elde edilmiştir. Elde edilen sonuçlara göre kaba küme teorisine dayanan kural türetme algoritmaları uluslararası turist gelişlerinin ve davranış biçimlerinin öngörülmesini sağlayabilecek uygun bir yöntemdir.

Kaynakça

  • Acuna, E., & Rodriguez, C. (2004). The treatment of missing values and its effect on classifier accuracy. In Classification, clustering, and data mining applications (pp. 639-647). Springer, Berlin, Heidelberg.
  • Crotti, R., & Misrahi, T. (2017). The travel & tourism competitiveness report 2017. Paving the way for a more sustainable and inclusive future. In World Economic Forum: Geneva, Switzerland (p. 2017).
  • Dimitras, A. I., Slowinski, R., Susmaga, R., & Zopounidis, C. (1999). Business failure prediction using rough sets. European Journal of operational research, 114(2), 263-280. https://data.worldbank.org/
  • Jackson, E. A., & Tamuke, E. (2019). Predicting disaggregated tourist arrivals in Sierra Leone using ARIMA model.
  • Jensen, R., & Shen, Q. (2004). Fuzzy–rough attribute reduction with application to web categorization. Fuzzy sets and systems, 141(3), 469-485.
  • Li, X., Pan, B., Law, R., & Huang, X. K. (2017). Forecasting tourism demand with composite search index. Tourism Management, 59, 57–66.
  • Olson, D. L., & Delen, D. (2008). Advanced data mining techniques. Springer Science & Business Media.
  • Pawlak, Z., Grzymala-Busse, J., Slowinski, R., & Ziarko, W. (1995). Rough Sets, Communications of the ACM. Emerg. Technol. AI, 38(11), 89-95.
  • Pawlak, Z. (1997). Rough set approach to knowledge-based decision support. European journal of operational research, 99(1), 48-57.
  • Sabu MK, Raju G, (2011) Rule induction using Rough Set Theory—An application in agriculture. In 2011 Int. Conf.on Comp Com. and Elect.l Tech. (ICCCET) IEEE, p. 45-49.
  • Shen, L., & Loh, H. T. (2004). Applying rough sets to market timing decisions. Decision support systems, 37(4), 583-597.
  • Skowron, A., & Dutta, S. (2018). Rough sets: past, present, and future. Natural computing, 17(4), 855-876.
  • Sun, S., Wei, Y., Tsui, K. L., & Wang, S. (2019). Forecasting tourist arrivals with machine learning and internet search index. Tourism Management, 70, 1-10.

Rough Sets-Based Prediction Model For International Tourist Arrivals

Yıl 2020, Ejosat Özel Sayı 2020 (ARACONF), 80 - 87, 01.04.2020
https://doi.org/10.31590/ejosat.araconf11

Öz

Tourism is becoming one of the major players in international trade and also represents one of the main sources of income for many developing countries. Globalization of tourism in industrialized and developed countries contributes economically and employment in many related sectors from construction to agriculture to telecommunications. The tourism sector makes a difference in the lives of millions of people by promoting growth and development, creating jobs, reducing poverty. Thus, it has been proven to be one of the important powers of economic growth and has contributed significantly to economic growth. The contribution of tourism to economic development depends on the quality and income of the service. The World Tourism Organization emphasizes the importance of making the tourism sector sustainable, especially in national and international markets, which are becoming more complex in developing countries. Accurate prediction of tourism demand is of utmost relevance for the success of tourism businesses. In literature, the rough set theory has been widely used approach to reduce the complexity of the knowledge database. In this study, it is aimed to predict international tourist arrivals with rule extraction algorithm based on rough set theory. “Travel and Tourism Competitiveness Index” dataset collected by the World Economic Forum were used. In the study, the rule extraction algorithm, LEM2, was applied to the dataset and the rules that can predict the arrivals of international tourists with high performance were obtained. According to the results obtained, rule derivation algorithms based on the rough set theory are an efficient method that can provide predictions of international tourist arrivals and behaviors.

Kaynakça

  • Acuna, E., & Rodriguez, C. (2004). The treatment of missing values and its effect on classifier accuracy. In Classification, clustering, and data mining applications (pp. 639-647). Springer, Berlin, Heidelberg.
  • Crotti, R., & Misrahi, T. (2017). The travel & tourism competitiveness report 2017. Paving the way for a more sustainable and inclusive future. In World Economic Forum: Geneva, Switzerland (p. 2017).
  • Dimitras, A. I., Slowinski, R., Susmaga, R., & Zopounidis, C. (1999). Business failure prediction using rough sets. European Journal of operational research, 114(2), 263-280. https://data.worldbank.org/
  • Jackson, E. A., & Tamuke, E. (2019). Predicting disaggregated tourist arrivals in Sierra Leone using ARIMA model.
  • Jensen, R., & Shen, Q. (2004). Fuzzy–rough attribute reduction with application to web categorization. Fuzzy sets and systems, 141(3), 469-485.
  • Li, X., Pan, B., Law, R., & Huang, X. K. (2017). Forecasting tourism demand with composite search index. Tourism Management, 59, 57–66.
  • Olson, D. L., & Delen, D. (2008). Advanced data mining techniques. Springer Science & Business Media.
  • Pawlak, Z., Grzymala-Busse, J., Slowinski, R., & Ziarko, W. (1995). Rough Sets, Communications of the ACM. Emerg. Technol. AI, 38(11), 89-95.
  • Pawlak, Z. (1997). Rough set approach to knowledge-based decision support. European journal of operational research, 99(1), 48-57.
  • Sabu MK, Raju G, (2011) Rule induction using Rough Set Theory—An application in agriculture. In 2011 Int. Conf.on Comp Com. and Elect.l Tech. (ICCCET) IEEE, p. 45-49.
  • Shen, L., & Loh, H. T. (2004). Applying rough sets to market timing decisions. Decision support systems, 37(4), 583-597.
  • Skowron, A., & Dutta, S. (2018). Rough sets: past, present, and future. Natural computing, 17(4), 855-876.
  • Sun, S., Wei, Y., Tsui, K. L., & Wang, S. (2019). Forecasting tourist arrivals with machine learning and internet search index. Tourism Management, 70, 1-10.
Toplam 13 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Mihrimah Özmen 0000-0002-2648-5865

Yayımlanma Tarihi 1 Nisan 2020
Yayımlandığı Sayı Yıl 2020 Ejosat Özel Sayı 2020 (ARACONF)

Kaynak Göster

APA Özmen, M. (2020). Uluslararası Turist Gelişlerinin Kaba Küme Temelli Yaklaşımla Tahmin Edilmesi. Avrupa Bilim Ve Teknoloji Dergisi80-87. https://doi.org/10.31590/ejosat.araconf11