Flight Ticketing Analysis With Data Mining Methods

Yıl 2019, Cilt: 3 Sayı: 2, 153 - 168, 11.02.2020

Muhammed Metin Uluyardımcı , Metin Zontul

Öz

Data mining used in many sectors also has great potential in terms of airline companies. Data mining methods
are used effectively in strategic decisions that directly touch the critical customer. The process of processing the
data into information is called data mining. Association rules and Apriori algorithm are frequently used methods
in the field of data mining.
In this thesis, firstly data mining was explained and after the introduction of the methods to be used in the study,
the ticketing data of the passengers of the 2016 summer and winter periods of Turkish Airlines were discussed. After
pre-processing and cleaning processes, 824 rules were applied to the flight ticketing data consisting of 2036113
lines by using Association Rules and Apriori Algorithm. By interpreting the obtained rules and evaluating the effects
of the rules, suggestions are presented that can contribute positively to the customer experience.

Anahtar Kelimeler

Data Mining, Apriori Algorithm, Association Rules, Flight Ticketing

Veri Madenciliği Yöntemleri ile Uçuş Biletleme Analizi

Öz

Birçok sektörde kullanılan veri madenciliği hava yolu şirketleri açısında da büyük potansiyel barındırmaktadır. Kritik
öneme sahip müşteriye direkt dokunan stratejik kararlarda, veri madenciliği yöntemleri etkin kullanılmaktadır.
Verinin işlenip bilgiye dönüştürülme sürecine veri madenciliği denir. Birliktelik kuralları ve Apriori algoritması veri
madenciliği alanında sıklıkla kullanılan yöntemlerdir.
Bu tez çalışmasında, öncelikle veri madenciliği açıklanmış ve çalışmada kullanılacak yöntemler tanıtıldıktan sonra
Türk Hava Yollarının 2016 yılı yaz ve kış dönemlerine ait yolcuların biletleme verileri ele alınmıştır. Veri ön işleme
ve temizleme süreçlerinden sonra 2036113 satırdan oluşan uçuş biletleme verisine Birliktelik kuralları ve Apriori
Algoritması uygulanarak 824 adet kural ortaya çıkarılmıştır. Elde edilen kurallar yorumlanarak ve kuralların etkileri
değerlendirilerek müşteri deneyimine olumlu katkı sağlayabilecek öneriler sunulmuştur.

Anahtar Kelimeler

Veri Madenciliği, Apriori Algoritması, Birliktelik Kuralları, Uçuş Biletleme

Kaynakça

• Agrawal, R., Srikant, R. (1993). Fast Algorithms For Mining Association Rules, Conference on Very Large Databases, Santiago, Chile. 487-499.
• Akpınar, H. (2000). Veri Tabanlarında Bilgi Keşfi ve Veri Madenciliği, İstanbul Üniversitesi, İşletme Fakültesi Dergisi, C.XXIX, No.1, s.1-22.
• Al-Rubaiee, B. (2018). Data Mining and an Application in The Open Education System of Anadolu University, Master Thesis, Graduate School of Sciences.
• Altun, M. (2017). Veri Madenciliği ve Uygulama Alanları, Doktora Semineri Raporu, Akdeniz Üniversitesi, Eğitim Bilimleri.
• Berry, M. J. A. ve Linoff, G. S. (2004). Data Mining Techniques for Marketing, Sales and Customer Relationship Management, Wiley Publishing, Inc., Indianapolis.
• Döşlü A. (2008). Veri Madenciliğinde Market Sepet Analizi ve Birliktelik Kurallarının Belirlenmesi, Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
• Eker, M. E. (2016). Veri Madenciliğinde Apriori Algoritmasının Sınav Verileri Üzerinde Uygulanması, Yüksek Lisans Tezi, Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü.
• Farboudi, S. (2009). Tıp Bilişiminde İstatistiksel Veri Madenciliği, Yüksek Lisans Tezi, Hacette Üniversitesi, Fen Bilimleri Enstitüsü.
• Fayyad, U., Piatetsky-Shapiro, G., Smyth, P. (1996). From Data Mining To Knowledge Discovery In Databases, AI Magazine, sayı 17, syf. 37-54.
• Gülce, A. C. (2010). Veri Medenciliğinde Apriori Algoritması ve Apriori Algoritmasının Farklı Veri Kümelerinde Uygulanması, Yüksek Lisans Tezi, Trakya Üniversitesi, Fen Bilimleri Enstitüsü.
• Jacobs, P. (1999). Data Mining: What General Managers Need to Know, Harvard Management Update 4, 8.
• Jain, R. (2017). Applıcatıon Of Data Mınıng Technıques For Predıctıng Students Academic Performance: A Study, Internatıonal Journal of Innovation in Engineering Research & Management, Vol. 04, No.3, June 2017.
• Kılınç, Y. (2009). Mining Association Rules For Quality Related Data In An Electronics Company,Master Thesis, Middle East Technical University, Industrial Engineering.
• Lai, C., Lu, Jin. (2018). Evaluating the Efficiency of Currency Portfolios Constructed By the Mining Association Rules, Asia Pacific Management Review, Vol. 23, Issue 3, pp.161-234
• Öğüt, M. (2005). Örneklere Dayalı Bir Sınıflandırma Algoritma Tasarımı ve Uygulaması, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü.
• Özçakır F. C. (2006), Müşteri İşlemlerindeki Birlikteliklerin Belirlenmeside Veri Madenciliği Uygulaması, Yüksek Lisans Tezi, Marmara Üniversitesi, Fen Bilimleri Enstitüsü.
• Özkan, Y. (2008). Veri Madenciliği Yöntemleri, Papatya Yayıncılık Eğitim.
• Sadıqmal F. (2015). Implementation of Some Medical Data Using Apriori Algorithm, Master Thesis, Sakarya University, Institute Of Scıence And Technology.
• Sönmez, F. (2018). Anomaly Detection Using Data Mining Methods in IT Systems: A Decision Support Application, Sakarya University Journal Of Science, 22(4): 1190-1123
• Ulaş, M. A. (1999). Market Basket Analysis For Data Mining, Master Thesis, Bogaziçi University, Computer Engineering.
• Xu, C., Bao, J., Wang, C., Liu, P. (2018). Association Rule Analysis of Factors Contributing to Extraordinarily Severe Traffic Crashes in China, Journal of Safety Research, Volume 67, Pages 65-75.
• Yıldız, B. (2010). Impacts Of Frequent Itemset Hiding Algorithms On Privacy Preserving Data Mining, Master Thesis, İzmir İnstitute of Technology, Computer Engineering.
• Zaimoğlu, E. A. (2018). Veri Madenciliği Teknikleri Kullanılarak Sosyal Ağlar Aracılığı İle Bilgisayar ve Bilişim Mühendisliği Mezun Öğrenci Profillerinin Belirlenmesi, Yüksek Lisans Tezi, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü.