Evaluation of the Logistics Performance of Turkey and European Union Countries with the Entropy-Based CoCoSo Method

Öz

The establishment of the Logistics Performance Index (LPI) by the World Bank has played a significant role in fostering international trade and improving competitiveness. The LPI rankings are an important resource for comparing countries' logistics performances and developing solutions. This research endeavors to assess the logistics performance of both Turkey and European Union (EU) member states using the Entropy-based CoCoSo method. Initially, the weights assigned to various criteria by the World Bank were determined through the Entropy method, with infrastructure emerging as the most important criterion. The logistics performance rankings of Turkey and EU countries were conducted using the CoCoSo method. Finland ranked first, while Hungary ranked last. Comparison of the rankings derived from this study with the World Bank's 2023 LPI rankings revealed minimal changes in the standings of most countries, indicating the reliability of the integrated methodology employed in this research for assessing countries' logistics performance.

Anahtar Kelimeler

• Logistics Management
• Logistics Performance Index
• Entropy
• CoCoSo

Entropi Tabanlı CoCoSo Yöntemi ile Türkiye ve Avrupa Birliği Ülkelerinin Lojistik Performanslarının Değerlendirmesi

Öz

Dünya Bankası, uluslararası ticareti teşvik etmek ve rekabet gücünü artırmak amacıyla Lojistik Performans Endeksi (LPI)’ni oluşturarak önemli bir adım atmıştır. LPI sıralamaları, ülkelerin lojistik performanslarını karşılaştırmak ve çözüm önerileri geliştirmek adına önemli bir kaynaktır. Bu çalışma, Entropi tabanlı CoCoSo yöntemi ile Türkiye ve Avrupa Birliği ülkelerinin lojistik performanslarının değerlendirilmesini amaçlamaktadır. Bu doğrultuda, ilk olarak Dünya Bankası’nın belirlemiş olduğu kriterlerin ağırlıkları Entropi yöntemi ile belirlenmiştir ve en önemli kriter altyapı olmuştur. Daha sonra Türkiye ve AB ülkelerinin lojistik performans sıralamaları CoCoSo yöntemi ile gerçekleştirilmiştir. İlk sırada Finlandiya yer alırken, Macaristan son sırada yer almaktadır. Çalışmada elde edilen sıralamalar, Dünya Bankası 2023 LPI sıralamaları ile karşılaştırıldığında Finlandiya ve Almanya’nın sıralamasında değişiklik gözlenmemişken diğer ülkelerin sıralamasında çok küçük değişiklikler görülmüştür. Bu durum, çalışmada kullanılan entegre yöntemin ülkelerin lojistik performanslarını değerlendirmede güvenilir bir araç olduğunu göstermiştir.

Anahtar Kelimeler

• Lojistik Yönetimi
• Lojistik Performans Endeksi
• Entropi
• CoCoSo

Kaynakça

1. Altıntaş, F. F. (2021). Avrupa Birliği ülkelerinin lojistik performanslarının CRITIC tabanlı WASPAS ve COPRAS teknikleri ile analizi. Türkiye Sosyal Araştırmalar Dergisi, 25(1), 117-146. Erişim adresi: https://dergipark.org.tr/en/pub/tsadergisi/issue/61177/738279
2. Asl, M. B., Khalilzadeh, A., Youshanlouei, H. R. and Mood, M. M. (2012). Identifying and ranking the effective factors on selecting Enterprise Resource Planning (ERP) system using the combined Delphi and Shannon Entropy approach. Procedia - Social and Behavioral Sciences, 41, 513 – 520. https://doi.org/10.1016/j.sbspro.2012.04.063
3. Eraslan, S. (2015). A Decision Making Method via TOPSIS on Soft Sets. Journal of New results in Science, 4(8), 57-70. Erişim adresi: https://dergipark.org.tr/en/pub/jnrs/issue/27522/123293
4. Göğebakan, M. (2022). Ülkelerin lojistik performanslarının Entropi tabanlı TOPSIS yöntemine göre sıralanması. Akıllı Ulaşım Sistemleri ve Uygulamaları Dergisi, 5(2), 146-156. https://doi.org/10.51513/jitsa.1128888
5. Gök-Kısa, A. C. ve Perçin, S. (2018). Bütünleşik Entropi ağırlık-Vikor yöntemi ile bilişim teknolojisi sektöründe performans ölçümü. Ekonomik ve Sosyal Araştırmalar Dergisi, 14(1), 1-13. Erişim adresi: https://dergipark.org.tr/en/pub/esad/issue/38984/456587
6. Hwang, C. L. ve Yoon, K. (1981). Multiple attributes decision making methods and applications. Berlin: Springer-Verlag.
7. Kırbaç, G. (2023). Analyzing of global logistics performance index (LPI) in terms of logistics and supply chain activities in Turkey. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 10(4), 1208-1219. Erişim adresi: https://dergipark.org.tr/en/pub/asead/issue/80484/1365711
8. Kısa, A. C. G. ve Ayçin, E. (2019). OECD ülkelerinin lojistik performanslarının SWARA tabanlı EDAS yöntemi ile değerlendirilmesi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 301-325. https://doi.org/10.18074/ckuiibfd.500320

9. Manavgat, G. ve Demirci, A. (2021). Lojistik performans endeksi tutarlılığının sıralı lojistik regresyon modeliyle incelenmesi. Yaşar Üniversitesi E-Dergisi, 16(64), 1856-1871. https://doi.org/10.19168/jyasar.934418
10. Martí, L., Puertas, R. and García, L. (2014). The importance of the logistics performance index in international trade. Applied Economics, 46(24), 2982-2992. https://doi.org/10.1080/00036846.2014.916394
11. Martí, L., Martín, J. C. and Puertas, R. (2017). A DEA-logistics performance index. Journal of Applied Economics, 20(1), 169-192. https://doi.org/10.1016/S1514-0326(17)30008-9
12. Mešić, A., Miškić, S., Stević, Ž. and Mastilo, Z. (2022). Hybrid MCDM solutions for evaluation of the logistics performance index of the Western Balkan countries. Economics, 10(1), 13-34. https://doi.org/10.2478/eoik-2022-0004.
13. Miškić, S., Stević, Ž., Tadić, S., Alkhayyat, A. and Krstić, M. (2023). Assessment of the LPI of the EU countries using MCDM model with an emphasis on the importance of criteria. World Review of Intermodal Transportation Research, 11(3), 258-279. https://doi.org/10.1504/WRITR.2023.132501
14. Oğuz, S., Alkan, G. ve Yılmaz, B. (2019). Seçilmiş Asya ülkelerinin lojistik performanslarının TOPSIS yöntemi ile değerlendirilmesi. IBAD Sosyal Bilimler Dergisi, (Özel Sayı), 497-507. https://doi.org/10.21733/ibad.613421
15. Organ, A. ve Kaçaroğlu, M. O. (2020). Entropi ağırlıklı TOPSIS yöntemi ile Türkiye’deki vakıf üniversiteleri’nin değerlendirilmesi. Pamukkale İşletme ve Bilişim Yönetimi Dergisi, 7(1), 28-45. Erişim adresi: https://dergipark.org.tr/en/pub/pibyd/issue/55091/700108
16. Özmen, M. (2019). Logistics competitiveness of OECD countries using an improved TODIM method. Sādhanā, 44, 1-11. https://doi.org/10.1007/s12046-019-1088-y
17. Pelit, İ. (2023). Türkiye’nin lojistik performans endeksinin incelenmesi. Uluslararası Ekonomi ve Yenilik Dergisi, 9(1), 37-49. https://doi.org/10.20979/ueyd.1185216
18. Rezaei, J., van Roekel, W. S., and Tavasszy, L. (2018). Measuring the relative importance of the logistics performance index indicators using Best Worst Method. Transport Policy, 68, 158-169. https://doi.org/10.1016/j.tranpol.2018.05.007
19. Satılmış, K. (2023). Çok kriterli karar verme teknikleriyle ülkelerin lojistik performans düzeylerinin karşılaştırılması (Yayımlanmış Yüksek Lisans Tezi). Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
20. Stojanović, I., and Puška, A. (2021). Logistics performances of gulf cooperation council’s countries in global supply chains. Decision Making: Applications in Management and Engineering, 4(1), 174-193. https://doi.org/10.31181/dmame2104174s
21. The World Bank 2023 LPI Report. Erişim adresi: https://lpi.worldbank.org/sites/default/files/202304/LPI_2023_report_with_layout.pdf
22. Türkmen, S. (2023). Lojistik performans endeksinde alt kriter olan gümrüklerin ve diğer sınır kuruluşlarının yaptıkları işlemlerin verimliliğinin incelenmesi (Yayımlanmamış Yüksek Lisans tezi). Ankara Hacı Bayram Veli Üniversitesi, Lisansüstü Eğitim Enstitüsü, Ankara
23. Ulutaş, A. and Karaköy, Ç. (2019). An analysis of the logistics performance index of EU countries with an integrated MCDM model. Economics and Business Review, 5(4), 49-69. https://doi.org/10.18559/ebr.2019.4.3
24. Wang, C. N., Le, T. Q., Chang, K. H. and Dang, T. T. (2022). Measuring road transport sustainability using MCDM-based Entropy objective weighting method. Symmetry, 14(5), 1033. https://doi.org/10.3390/sym14051033
25. Yazdani, M., Zarate, P., Kazimieras Zavadskas, E. and Turskis, Z. (2019). A Combined Compromise Solution (CoCoSo) method for multi-criteria decision-making problems. Management Decision, 57(9), 2501-2519. https://doi.org/10.1108/MD-05-2017-0458
26. Yıldırım, B. F., and Adıgüzel Mercangöz, B. (2020). Evaluating the logistics performance of OECD countries by using fuzzy AHP and ARAS-G. Eurasian Economic Review, 10(1), 27-45. https://doi.org/10.1007/s40822-019-00131-3
27. Yu, M. M., and Hsiao, B. (2016). Measuring the technology gap and logistics performance of individual countries by using a Meta-DEA–AR model. Maritime Policy & Management, 43(1), 98-120. https://doi.org/10.1080/03088839.2015.1037372
28. Yüksel, B. (2022). OECD ülkelerinin lojistik performanslarının makroekonomik performanslarına etkisi (Yüksek Lisans tezi). Kayseri Üniversitesi, Kayseri. Erişim adresi:https://avesis.kayseri.edu.tr/yonetilen-tez/477a125b-9fa4-4337-a0a7-9c7fc1a073ff/oecd-ulkelerinin-lojistik-performanslarinin-makroekonomik-performanslarina-etkisi
29. Yürüyen, A. A., Ulutaş, A. ve Özdağoğlu, A. (2023). Lojistik işletmelerinin performansının bir hibrit ÇKKV modeli ile değerlendirilmesi. Business & Management Studies: An International Journal, 11(3), 731-751. https://doi.org/10.15295/bmij.v11i3.2245
30. Wang, Y. J. ve Lee, H. S. (2007). Generalizing TOPSIS for Fuzzy Multiple-Criteria Group Decision-Making. Computers & Mathematics with Applications, 53(11), 1762-1772. https://doi.org/10.1016/j.camwa.2006.08.037