MEREC-CORR VE SAW TEMELLİ LOJİSTİK PERFORMANS DEĞERLENDİRME

Öz

Ülkelerin dış ticaretlerini artırma ve yatırım çekmeleri hususunda, lojistik performansları öne çıkmaktadır. Diğer ülkelerle ekonomik ilişkilerini geliştiren ülkelerin ekonomik büyüme oranları da artmaktadır. Dünya Bankası tarafından geliştirilen lojistik performans endeksi bu noktada birçok ülkenin dikkate aldığı bir çerçevedir. Çalışmada, Türkiye ile Türkiye’nin ticaret ve yatırım konusunda bölgesindeki en büyük rakipleri haline gelen ve Vişegrad dörtlüsü olarak ifade edilen Çekya, Macaristan, Polonya ve Slovakya’nın lojistik performansları, lojistik performans endeksi bağlamında karşılaştırılmıştır. Endekste yer alan altı kriterin önem düzeyleri çalışmada önerilen MEREC-Corr yaklaşımıyla belirlenirken, ülkelerin 2010-2018 periyodunu kapsayan beş farklı dönemdeki endeks değerlerine göre sıralamaları SAW yöntemiyle gerçekleştirilmiştir. Çalışma kapsamında toplamsal normalizasyon ve SAW yöntemine göre geliştirilen duyarlılık analizi ile ülkelerin hangi kriter boyutunda ne miktarda yapacağı iyileştirmelerin sıralamadaki yerlerini değiştireceği elde edilmiştir. Bu noktada çalışmanın son dönemindeki duruma göre Türkiye’nin gümrük işlemleri boyutunda gerçekleştireceği iyileştirmeler ile lojistik performans konusunda rakipleri arasında daha üst konuma erişebileceği ortaya çıkmıştır.

Anahtar Kelimeler

• MEREC-Corr
• LPI
• Duyarlılık Analizi.

MEREC-CORR AND SAW BASED LOGISTICS PERFORMANCE EVALUATION

Öz

In terms of increasing foreign trade and attracting investment, the logistics performances of the countries come to the fore. The economic growth rates of the countries that develop their economic relations with other countries are also increasing. The logistics performance index developed by the World Bank is a framework that many countries consider at this point. In the study, the logistics performances of Turkey and Czechia, Hungary, Poland and Slovakia, which have become the biggest competitors of Turkey in trade and investment in the region and expressed as the Visegrad four, were compared in the context of the logistics performance index. While the importance levels of the six criteria in the index were determined by the MEREC-Corr approach proposed in the study, the ranking of the countries according to the index values in five different periods covering the 2010-2018 period was carried out with the SAW method. With the sensitivity analysis developed according to the linear sum normalization and SAW method within the scope of the study, it was obtained that the improvements made by the countries in which criterion and in what amount would change their place in the ranking. At this point, according to the ranking in the last period of the study, it has emerged that Turkey can reach a higher rank among its competitors in terms of logistics performance with the improvements to be made in the dimension of customs procedures.

Anahtar Kelimeler

• MEREC-Corr
• LPI
• Sensitivity Analysis

Kaynakça

1. Altıntaş, F. F. (2021). Avrupa Birliği ülkelerinin lojistik performanslarının crıtıc tabanlı waspas ve copras teknikleri ile analizi. Türkiye Sosyal Araştırmalar Dergisi, 25(1), 117-146.
2. Arı, Y. O. (2021). Uluslararası sosyal, politik ve ekonomik endeksler ışığında vişegrad grubu ülkeleri ve Türkiye analizi. Pearson Journal International Conference on Social Sciences & Humanities s. 161-177.
3. Candan, G. (2019). Lojistik performans değerlendirmesi için bulanık ahp ve gri ilişkisel analiz yöntemleri ile bütünleşik bir yaklaşım. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 7(5), 277-286.
4. Çakır, S. (2017). Measuring logistics performance of OECD countries via fuzzy linear regression. Journal of Multi‐Criteria Decision Analysis, 24(3-4), 177-186.
5. Diakoulaki, D., Mavrotas, G., & Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method. Computers & Operations Research, 22(7), 763-770.
6. Dünya Bankası, (2022). Logistics performance index. 1 Haziran 2022 tarihinde https://lpi.worldbank.org/ adresinden erişildi.
7. Hwang, C. L., & Yoon, K. (1981). Methods for multiple attribute decision making. In multiple attribute decision making (pp. 58-191). Springer, Berlin, Heidelberg.
8. Isik, O., Aydin, Y., & Kosaroglu, S. M. (2020). The assessment of the logistics performance index of CEE Countries with the new combination of SV and MABAC Methods. LogForum, 16(4), 549-559.

9. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2021). Determination of objective weights using a new method based on the removal effects of criteria (MEREC). Symmetry, 13(4), 525-545.
10. Kisa, A. C. G., & 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.
11. Manavgat, G., & Demirci, A. (2021). Lojistik performans endeksi tutarlılığının sıralı lojistik regresyon modeliyle incelenmesi. Yaşar Üniversitesi E-Dergisi, 16(64), 1856-1871.
12. Mercangöz, B. A., Yildirim, B. F., & Yildirim, S. K. (2020). Time period based COPRAS-G method: application on the Logistics Performance Index. LogForum, 16(2), 239- 250.
13. Mukhametzyanov, I. (2021). Specific character of objective methods for determining weights of criteria in MCDM problems: Entropy, CRITIC and SD. Decision Making: Applications in Management and Engineering, 4(2), 76-105.
14. Oğuz, S., Alkan, G., & Yılmaz, B. (2019). Seçilmiş Asya ülkelerinin lojistik performanslarının TOPSİS yöntemi ile değerlendirilmesi. IBAD Sosyal Bilimler Dergisi,(Özel Sayı), 497, 507.
15. Orhan, M. (2019). Türkiye ile Avrupa Birliği ülkelerinin lojistik performanslarının Entropi ağırlıklı EDAS yöntemiyle karşılaştırılması. Avrupa Bilim ve Teknoloji Dergisi, (17), 1222-1238.
16. Ozmen, M. (2019). Logistics competitiveness of OECD countries using an improved TODIM method. Sādhanā, 44(5), 1-11.
17. Özdağoğlu, A., Ulutaş, A., & Keleş, M. K. (2022). Lojistik değerlendirme ölçütlerine göre ülke sıralamaları: farklı yöntemlerin sıralama üzerindeki etkisi. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 512-541.
18. Rezaei, J., van Roekel, W. S., & Tavasszy, L. (2018). Measuring the relative importance of the logistics performance index indicators using Best Worst Method. Transport Policy, 68, 158-169.
19. Senir, G. (2021). Comparison of domestic logistics performances of Turkey and European Union countries in 2018 with an integrated model. LogForum, 17(2), 193- 204.
20. Stojanović, I., & 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.
21. Ulutaş, A., & Karaköy, Ç. (2019a). G-20 Ülkelerinin lojistik performans endeksinin çok kriterli karar verme modeli ile ölçümü. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 20(2), 71-84.
22. Ulutaş, A., & Karaköy, Ç. (2019b). An analysis of the logistics performance index of EU countries with an integrated MCDM model. Economics and Business Review, 5(4), 49-69.
23. Yalçın, B., & Ayvaz, B. (2020). ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE LOJİSTİK PERFORMANSIN DEĞERLENDİRİLMESİ. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 19(38), 117-138.
24. Yıldırım, B. F., & Mercangoz, B. A. (2020). Evaluating the logistics performance of OECD countries by using fuzzy AHP and ARAS-G. Eurasian Economic Review, 10(1), 27-45.