Forecasting Amount of Export Demand with Artificial Neural Networks Method: A Comparative Analysis of ARIMA and ANN

Öz

Decision-making is the requirement of all businesses in the future to maintain and improve the existing situation to predict future events and are required to produce appropriate solutions within the framework of a good plan. The purpose of the forecast, businesses may face situations in the future to predict before, using different data and techniques to enable measures to be taken before. In this study, using artificial neural network model from statistical techniques to forecast demand, product of dried apricots belong to Malatya exports was applied to forecast demand. According to the results of the error test, the model is reliable and consistent

Anahtar Kelimeler

• Production Planning, Demand, Forecasting, ANN

Yapay Sinir Ağları Metodu İle İhracat Miktarlarının Tahmini: ARIMA ve YSA Metodunun Karşılaştırmalı Analizi

Öz

Karar verme zorunluluğunda olan tüm işletmeler, gelecekte mevcut durumlarını muhafaza etmek ve geliştirebilmek için gelecekteki olayları tahmin etmek ve iyi bir plan çerçevesinde uygun çözümler üretmek zorundadırlar. Tahminin amacı işletmelerin gelecekte karşılaşabilecekleri durumları önceden öngörmek, çeşitli veri ve teknikleri kullanarak önceden önlemler alınmasını sağlamaktır. Bu bağlamda yapılan çalışmada, istatistiksel talep tahmin tekniklerinden yapay sinir ağı modeli kullanılarak, Malatya ili kuru kayısı ürününe ait ihracat miktarlarının tahmini uygulaması yapılmıştır. Uygulama sonrası yapılan hata testi sonuçları, modelin yaptığı tahminlerin güvenilir ve tutarlı olduğunu göstermiştir

Anahtar Kelimeler

• Üretim planlaması, Talep, Tahminleme, YSA

Kaynakça

1. Akgül, Işıl (2003). Zaman Serilerinin Analizi ve ARI- MA Modelleri, Der Yayınları, İstanbul s. 138.
2. Aksoy, Hafzullah ve Dahamsheh, Ahmad (2009). Artificial neural network models for forecasting month- ly precipitation in Jordan, Stock Environ Res Risk Assess (2009) 23: 917–931.
3. Asilkan, Özcan ve Irmak, Sezgin (2009). İkinci El Otomobillerin Gelecekteki Fiyatlarının Yapay Sinir Ağ- ları ile Tahmin Edilmesi, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2) 2009: 375-391.
4. Avcı, Emin (2009). Yapay Sinir Ağları Modelleri İle Hisse Senedi Getiri Tahminleri, Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26(1) 2009: 443-461.
5. Bağırkan, Ş. (1982) İstatistiksel Analiz, Önsöz Basım ve Yayıncılık, İstanbul
6. Bayır, F. (2006) “Yapay Sinir Ağları ve Tahmin Mo- dellemesi Üzerine Bir Uygulama” Yayınlanmamış Yüksek Lisans Tezi, İstanbul, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü.
7. Benli, Yasemin Keskin (2005). Bankalarda Mali Başa- rısızlığın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması, Gazi Üniversitesi Endüstriyel Sanat- lar Eğitim Fakültesi Dergisi Sayı: 16, ss. 31-46.
8. Bolt, G.J. (1981) Market and Sales Forecasting, A Total Approach, Second Edition, London, Kogan Page Limited.

9. Çağlar, T. (2007) “Talep Tahmininde Kullanılan Yöntemler ve Fens Teli Üretimi Yapan Bir İşletmede Uy- gulanması” Yayınlanmamış Yüksek Lisans Tezi, Kırıkkale, Kırıkkale Üniversitesi, Fen Bilimleri Enstitüsü.
10. Çelik, B. (2008) “YSA Metodolojisi ile Zaman Serisi Analizi: Teori ve Uygulama” Yayınlanmamış Yüksek Lisans Tezi, İstanbul, Marmara Üniversitesi Sosyal Bilimler Enstitüsü.
11. 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.
12. Çuhadar, Murat; Güngör, İbrahim; Göksu, Ali (2009).Turizm Talebinin Yapay Sinir Ağları İle Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama. Süleyman Demirel Üniversitesi iktisadi ve idari Bilimler Fakültesi Dergisi, 14(1): 99-114.
13. Efendigil, T. (2008) “Müşteri Odaklı Sistemler için YSA ve Bulanık Çıkarım Tabanlı Karar Destek Sistemi Yaklaşımı” Yayınlanmamış Doktora Tezi, İstanbul, Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü.
14. Efendigil, T., Önüt, S., ve Kahraman, C. (2009) “A decision support system for demand forecasting with artificial neural networks and neuro-fuzzy models: A comparative analysis” Expert Systems with Applications, 36(2009): 6697-6707.
15. Ermiş, M. (2005) “Lojistik Sistemlerinin Yapay Sinir Ağları ile Modellenmesi, Gerçeklenmesi ve Kontrolü”, Doktora Tezi, İstanbul, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
16. Güneri, Nuray ve Keskin Benli, Yasemin (2012), “Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü”, Ege Aka- demik Bakış Dergisi, Cilt: 12, Ekim 2012, Sayı 4: 541- 547.
17. Güngör, E. (2007). Yapay Sinir Ağları Yardımı İle Makine Arızalarının Önceden Tahmin Edilmesi, Yüksek Lisans Tezi, Kocaeli, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü.
18. Gürbüz, Tolga (2008). Yapay Sinir Ağları Yaklaşımıyla Türkiye’deki Ulaştırma Talebinin Tahmini, Yüksek Lisans Tezi, Kırıkkale Üniversitesi Fen Bilimleri Enstitüsü, Kırıkkale.
19. Haykin, S. (1999). Neural Networks: A Comprehensive Foundation, Second Edition, New Jersey, Prentice-Hall.
20. Hu, C. (2002). Advanced Tourism Demand Forecast- ing: ANN and Box-Jenkins Modelling, DoktoraTezi, Pur- due University, MI, USA.
21. Jones, Spencer S. (2008). Measuring, Modeling, and Forecasting Demand in The Emergency Department, Dok- tora Tezi, The University of Utah, USA.
22. Kaynar, O., Taştan, S. ve Demirkoparan, F. (2010) “Ham Petrol Fiyatlarının Yapay Sinir Ağları İle Tahmini”, Ege Akademik Bakış, 10(2): 561-575.
23. Kellova, Andrea (2008). Statistical Approach to Short- Term Electricity Forecasting, Dissertation (DoktoraTezi), Charles Universitiy, Prague.
24. Kirby, Howard R., Watson, Susan M. and Dougherty, Mark S. (1997). Should we use neural networks or statis- tical models for short-term motorway traffic forecasting? International Journal of Forecasting, 13 (1997) 43-50.
25. Kobu, B. (1994). Üretim Yönetimi, 8. Baskı, İstanbul, Avcıol Basım-Yayım.
26. Küçükkocaoğlu, Güray, Benli, Yasemin Keskin ve Küçüksözen, Cemal (2007). Finansal Bilgi Manipülasyo- nunun Tespitinde Yapay Sinir Ağı Modelinin Kullanımı, İMKB Dergisi, Cilt: 9, Sayı: 36.
27. Lewis, Colin D. (1982). Industrialand Business Fo- recasting Methods. Butterworths Publishing: London, 1982, s. 40
28. Monks, J.G. (1996) İşlemler Yönetimi Teori ve Problemler. (Çeviren: Sevinç Üreten), Ankara, Nobel Ya- yın Dağıtım.
29. Mucuk, İ. (1987) Modern İşletmecilik, 3. Basım, İstan- bul, Türkmen Kitabevi.
30. Mucuk, İ. (2001) Temel İşletme Bilgileri, 1. Basım, İs- tanbul, Türkmen Kitabevi.
31. Muhlemann, A., Oakland J. and Lockyer, K. (1994) Production and Operations Management, 6th Edition, London, Pitman Publishing.
32. Öztemel, E. (2006) Yapay Sinir Ağları, 2. Baskı, İstan- bul, Papatya Yayıncılık.
33. Stephen F. Witt ve ChristineWitt (1992).Modelin- gand Forecasting Demand in Tourism. Academic Press: London, s. 137
34. Şahin, M. (1978) Üretim Yönetiminde Simülasyon Analizi ve Uygulaması, Eskişehir, İktisadi ve Ticari İlimler Akademisi Yayınları No:194/124.
35. Tekin, M. (2009) Üretim Yönetimi Cilt 1, 6. Baskı, Konya, Günay Ofset.
36. Tenkorang, F.A. (2006) “Projecting World Fertilizer Demand in 2015 and 2030”, Yayınlanmamış Doktor- aTezi, USA, Purdue University, West Lafayette, Indiana.
37. Toktaş, İ. ve Aktürk, N. (2004) “Makine Tasarım İşleminde Kullanılan Yapay Zeka Teknikleri ve Uygula- maları”, Makine Teknolojileri Elektronik Dergisi, 2004(2): 7-20.
38. Tosunoğlu, Nuray Güneri ve Benli, Yasemin Keskin (2012). Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü, Ege Akademik Bakış, Cilt: 12, Sayı: 4, ss. 541-547.
39. Tsai, Tsung-Hsien; Lee, Chi-Kang and Wei, Chi- en-Hung (2009). Neural network based temporal feature models for short-term railway passenger demand fore- casting, Expert Systems with Applications, 36(2009) 3728- 3736.
40. Whitby, B. (2005) Yapay Zekâ Yeni Başlayanlar İçin Kılavuz, (Çeviren: Çiğdem Karabağlı), İstanbul, İletişim Yayınları.
41. Yaşar, Ahmet Bora (2009). Kent içi Otobüs Taşımacılı- ğında Talep Tahmini, Yüksek Lisans Tezi, Pamukkale Üni- versitesi Fen Bilimler Enstitüsü, Denizli.
42. Yu, Lean; Wang, Shouyangand Lai, Kin K. (2008). Forecasting crude oil price with an EMD-based neural network ensemble learning paradigm, Energy Economics, 30(2008): 2623-2635.