Türkiye’deki İllerin İnsani Gelişmişlik Endeksine göre Farklı Kümeleme Teknikleri ile Sınıflandırılması

Yıl 2025, Sayı: 42, 175 - 197, 25.06.2025

Uğur Özdemir , Özlem Yorulmaz

https://doi.org/10.26650/ekoist.2024.42.1666599

Öz

İnsani gelişme, bir toplumun refahını yalnızca ekonomik büyüme ile değil aynı zamanda bireylerin yaşam kalitesini belirleyen eğitim ve sağlık boyutlarını da dikkate alan bir paradigmadır. Bu çerçevede insani gelişmeyi ölçmek amacıyla kullanılan temel göstergelerden biri Birleşmiş Milletler Gelişim Programı (UNDP) tarafından yayımlanan İnsani Gelişme Endeksi’dir (İGE). Türkiye, 2023 İGE raporuna göre “çok yüksek insani gelişme” kategorisinde yer almakla beraber iller düzeyinde İGE değerlerinde farklılıklar gözlemlenmektedir. Bu durum, illerin gelişmişlik düzeylerinin daha detaylı bir şekilde analiz edilmesini gerekli kılmıştır. Bu kapsamda, Türkiye’deki 81 ilin 2023 dönemi İGE verileri (eğitim, sağlık, gelir) kullanılarak hiyerarşik kümeleme (Ward yöntemi), k ortalama, k medoids, bulanık k ortalama ve k kırpılmış ortalama gibi farklı kümeleme yöntemleriyle iller sınıflandırılmıştır. Ayrıca, 20152023 dönemini kapsayan panel veri ile panel K ortalama yöntemi de analizlere dâhil edilmiştir. Elde edilen sonuçlara göre Ward tekniği, k medoids, bulanık c ortalama ve panel K ortalama yöntemlerinde en uygun küme sayısı 7 olarak belirlenirken, k ortalamalar ve k kırpılmış ortalamalar yöntemlerinde ise küme sayısı 6 olarak tespit edilmiştir. Kümeleme sonuçlarına göre İstanbul, Ankara, İzmir, Kocaeli gibi metropoller İGE bileşenleri açısından en gelişmiş kümede yer alırken, Ağrı, Batman, Diyarbakır, Iğdır, Mardin, Siirt, Şanlıurfa ve Van illeri de en az gelişmiş kümede yer almıştır. Batı bölgelerinden doğuya doğru gidildikçe gelişmişliğin azaldığı gözlenmiştir. Bu çalışma ile İGE bileşenleri perspektifinden illeri farklı kümeleme yöntemleri ile sınıflandırarak bölgesel eşitsizlik konusuna ışık tutmak hede f lenmiştir.

Anahtar Kelimeler

Hiyerarşik kümeleme , Bulanık c ortalama , K kırpılmış ortalamalar , Panel K ortalamalar , İnsani Gelişme Endeksi (İGE)

Classification of Provinces in Türkiye According to the Human Development Index Using Different Clustering Techniques

Öz

Human development is a paradigm that evaluates the welfare of a society not only through economic growth but also by considering dimensions that determine individuals’ quality of life, such as education and health. In this context, one of the key indicators used to measure human development is the Human Development Index (HDI), published by the United Nations Development Programme (UNDP). According to the 2023 HDI report, Türkiye is categorised as having “very high human development”; however, significant disparities are observed among provinces in terms of HDI values. This situation necessitates a more detailed analysis of the development levels of the provinces. Within this framework, the 2023 HDI component data (education, health, income) of 81 provinces in Türkiye were used to classify the provinces using various clustering techniques, including hierarchical clustering (Ward’s method), k means, k medoids, fuzzy c means, and trimmed k means. In addition, a panel K means approach was applied based on data from the 2015–2023 period. According to the results obtained, the most sui e number of clusters was determined as 7 in the Ward technique, k medoids, fuzzy c means and panel K means methods, while the number of clusters was determined as 6 in the k means and trimmed k means methods. According to the clustering results, while metropolises such as İstanbul, Ankara, İzmir and Kocaeli were in the most developed cluster in terms of HDI components, Ağrı, Batman, Diyarbakır, Iğdır, Mardin, Siirt, Şanlıurfa and Van provinces were in the least developed cluster. It was observed that development decreased from the western regions to the east. This study aimed to shedlight on the issue of regional inequality by classifying the provinces using different clustering methods from the perspective of HDI components.

Anahtar Kelimeler

Hierarchical clustering , Fuzzy c means , Robust trimmed K means , Panel K means , Human Development Index

Kaynakça

• Adıgüzel, A. (2013). Kız çocuklarının okullaşma engelleri ve çözüm önerileri (Şanlıurfa örneği). EKEV Akademi Dergisi, 17(56), 325-344. google scholar
• Akyüz, B., & Çetin, E. (2022). İnsani gelişme endeksi ve Vıkor yöntemine göre Türkiye'deki illerin sıralaması. Verimlilik Dergisi, (1), 60-77. https://doi.org/10.51551/verimlilik.824462. google scholar
• Alpar, R. (2011). Uygulamalı çok değişkenli istatistiksel yöntemler. Detay Yayıncılık. google scholar
• Babuska, R. (2001). Fuzzy and neural controls DISC Course Lecture Notes. Delft. google scholar
• Baltagi, B. (2005). Econometric analysis of panel data (3rd ed.). John Wiley&Sons. google scholar
• Barro, R. (2001). Human capital and growth. The American Economic Review, 91(2),12-17. google scholar
• Barro, R., & Lee, J. (2013). A new data set of educational attainment in the world, 1950-2010. Journal of Development Economics, (104), 184-198. google scholar
• Bezdek, J. (1981). Pattern recognition with fuzzy objective function algorithms. Plenum Press. google scholar
• Bezdek, J., Ehrlıch, R., & Full, W. (1984). FCM: the fuzzy c-means clustering algorithm. Computers & Geosciences, 10(2-3), 191-203. google scholar
• Bostan, H. (2021). Türkiye’de iç göçlerin toplumsal yapıda neden olduğu değişimler, meydana getirdiği sorunlar ve çözüm önerileri. google scholar
• İstanbul Üniversitesi Press Coğrafya Dergisi, 35(1), 1-16. https://doi.org/10.26650/JGEOG330955. google scholar
• Camkıran, C., & Çilingirtürk, A. (2024). Ülkelerin dünya yönetişim göstergelerine göre panel kümeleme ile sınıflandırılması. Holistgence Publications, 131-149. google scholar
• Chatfield, C., & Collins, A. J. (1980). Introduction to multivariate analysis. Chapman and Hall. google scholar
• Celeux, G., & Govaert, G. (1992). A classification EM algorithm for clustering and two stochastic versions. Journal of Computational Statistics and Data Analysis, 14(3), 315-332. google scholar
• Çelikyılmaz, A., & Türksen, I.B. (2009). Modeling uncertainty with fuzzy logic: with recent theory and applications: Berlin Springer-Verlag. google scholar
• Deniz, M., & Üzülmez, M. (2023). Coğrafi bilgi sistemleri ile okullara erişebilirlik analizi: Gümüşhane şehri. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 14(1), 210-223. google scholar
• Demir, S. (2006). Birleşmiş Milletler kalkınma programı insani gelişme endeksi ve Türkiye açısından değerlendirme. Ankara. https://www. sbb.gov.tr/wp-content/uploads/2022/08/Birlesmis-Milletler-Kalkinma-Programi-Insani-Gelisme-Endeksi-ve-Turkiye-Acisindan- Degerlendirme.pdf. google scholar
• Demir, S. (2011). Türkiye’nin insani gelişme endeksi ve endeks sıralamasının analizi. Ankara. https://sbb.gov.tr/wp content/ uploads/2018/11/Turkiyenin_Insani_Gelisme_EndeksiveEndeksSiralamasininAnalizi.pdf google scholar
• Despotis, D. (2005). A reassessment of the human development index via data envelopment analysis. Journal of the Operational Research Society, 56(8), 969-980. google scholar
• Djouzı, K., & Beghdad-Bey, K. (2019). A review of clustering algorithms for big data, Conference: 2019 International Conference on Networking and Advanced Systems (ICNAS), 1-6. google scholar
• Doğan, İ. (2002). Kümeleme analizi ile seleksiyon. Turkish Journal of Veterinary and Animal Sciences, 26 (1), 47-53. google scholar
• Döring, C. L., & Kruse, R. (2006). Data analysis with fuzzy clustering methods. Computational Statistics & Data Analysis, 51(1), 192-214. google scholar
• Dunn, J.C. (1974). Well-Separated clusters and optimal fuzzy partitions. Journal of Cybernetics, (4), 95-104. google scholar
• Düşündere, A. (2020). 81 ilde insani gelişme endeksi ve Türkiye’nin 2020 küresel performansı, Türkiye Ekonomi Politikaları Araştırma Vakfı. google scholar
• Erilli, A. (2014). TR72 bölgesi ilçelerinin sosyo-ekonomik verilere göre bulanık kümeleme analizi ile sınıflandırılması. Ekonomik ve Sosyal Araştırmalar Dergisi, 10(2), 33-45. google scholar
• Fukuda-Parr, S. (2003). The human development paradigm: operationalizing Sen’s ideas on capabilities. Feminist Economics, 9(2-3), 301-317. google scholar
• Garcıa-E., & Luis A. (2010). A review of robust clustering methods. Advances in Data Analysis and Classification, 4(2-3), 89-109. google scholar
• Genolini, C., & Falissard, B. (2011). KmL: K-means for longitudinal data. Computer Methods and Programme in Biomedicine, 104(3), 112-121. google scholar
• Gersho, A., & Gray, R.M. (1991). Vector quantization and signal compression. Kluwer Academic Publishers Norwell. google scholar
• Gülel, F., Çağlar, A., Uyar, S., Karadeniz, O., & Yeşilyurt, M. (2017). Türkiye’de illere göre insani gelişme endeksi, Pamukkale Üniversitesi SBE Dergisi, (27), 208-216. google scholar
• Günsoy, G. (2005). İnsani gelişmenin iller bazında farklılaşması: Eskişehir üzerine bir inceleme. ZKÜ Sosyal Bilimler Dergisi, (13), 1-13. google scholar
• Gürbüz, M., Karabulut, M., & Sandal, E. (2007). Türkiye’de bölgesel farklılıkların kırsal ölçekte analizi. TÜİK, İstatistik Araştırma Dergisi, 5(1), 99-112. google scholar
• Güven, O. (2024), Bölgeler arası ekonomik gelişmişlik farklılıklarını etkileyen faktörler. Bölgesel Kalkınma Dergisi, 2(1), 80-92. https:// doi.org/10.61138/bolgeselkalkinmadergisi.1415395. google scholar
• Han, J., & Kamber, M. (2006). Data mining concepts and techniques. Morgan Kaufmann Publishers Inc. google scholar
• Haq, M. (1996). Reflections on human development. Oxford University Press. google scholar
• Harritan, J., & Wong, M. (1979). Algorithm AS 136: A K-Means clustering algorithm. Applied Statistics, 28(1), 100-108. google scholar
• Hickel, J. (2020). What does degrowth mean? A few points of clarification. Economics and Climate Emergency, 18(7), 1105-1111. google scholar
• Höppner, F., Klawonn, F., Rudolf, K., & Runkler, T. (1999). Fuzzy cluster analysis. Wiley Publishers. google scholar
• Ilgar, R. (2023), Türkiye’de eğitimde yaşanan bölgesel farklılıklar. Uluslararası Sosyal Bilimler Dergisi Eğitim Dergisi, 9(2), 20-45. https:// doi.org/10.47615/issej.1329419. google scholar
• James, C. R. (2005). Estimates of regional and global life expectancy, 1800–2001. Population and Development Review, 31(3), 537-543. google scholar
• Jerven, M. (2013). Poor numbers: how we are misled by African development statistics and what to do about it. Cornell University Press. google scholar
• Johnson, R. A., & Wıchern, D. W. (1998). Applied multivariate statistical analysis. Prentice Hall. google scholar
• Kalkınma Bakanlığı. (2011). Türkiye’nin insani gelişme endeksi ve endeks sıralamasının analizi. https://sbb.gov.tr/wp-content/uploads/ 2018/11/Turkiyenin_Insani_Gelisme_EndeksiveEndeksSiralamasininAnalizi.pdf google scholar
• Kaufman, L., & Rousseeuw, P. J. (1990). Finding groups in data an introduction to cluster analysis. John Wiley & Sons. google scholar
• Kaufman, L., & Rousseeuw, P. J. (1987). Clustering by means of medoids. Statistical Data Analysis Based on The L1–Norm and Related Methods, edited by Y. Dodge, North-Holland, 405–416. google scholar
• Kanbir, Ö. (2022). Türkiye’de insani gelişme: iller ve bölgeler temelinde bir analiz. Giresun Üniversitesi İİBF Dergisi, 8(2), 1-24. https:// doi.org/10.46849/guiibd.1115142. google scholar
• Larasatı, S., Nisa, K., & Herawatı, N. (2021). Robust principal component trimmed clustering of Indonesian provinces based on human development index indicators. Journal of Physics: Conference Series, 1-8. google scholar
• Lııde, Y., & Buzo, A. (1980). An algorithm for vector quantizer design. IEEE Transactions on Communications, 28(1), 84-95. google scholar
• Macqueen, J. B. (1967). Some methods for classification and analysis of multivariate observations, Statistics, University of California Press, 5(1), 281-297. google scholar
• Meral, İ., Yıldırım, U., & Aytekin, İ. (2023). Türkiye’de iller bazında insani gelişim endeksi değerlerinin hesaplanması ve insani gelişim açısından Türkiye’nin değerlendirilmesi. Politik Ekonomik Kuram, 7(2), 412-426. https://doi.org/10.30586/pek.1352455. google scholar
• Meydan, M., & Sarı, V. (2018). İnsani gelişme endeksi ve alt endekslerinin Türkiye’deki iller için ölçülmesi. Kent Araştırmaları Dergisi, 24(9), 387-429. https://doi.org/10.31198/idealkent.450118. google scholar
• Naes, T., & Mevik, B. H. (1999). The flexibility of fuzzy clustering illustrated by examples. Journal of Chemometrics, (13), 435–444. google scholar
• Oeppen, J., & Vaupel, W. (2002). Broken limits to life expectancy. Policy Forum, 296(5570), 1029-1031. google scholar
• Özdamar, K. (2004). Paket programlar ile istatistiksel veri analizi (10.baskı). Nisan Yayınları. google scholar
• Ranis, G., Stewart, F., & Ramirez, A. (2000). Economic growth and human development. World Development, 28(2), 197- 219. google scholar
• Riley, James C. (2005). Estimates of regional and global life expectancy, 1800–2001. Population and Development Review, 31(3), 407-603. google scholar
• Ruspini, E.H. (1973). New experimental results in fuzzy clustering. Information Sciences, (6), 273-284. google scholar
• Sarul, S. (2025). Ülkelerin insani gelişmişlik ölçüsüne göre seviyelerinin belirlenmesinde kümeleme algoritmalarının kullanılmasına ilişkin bir uygulama. Black Sea Journal of Engineering and Science, 8(1), 161-171. https://doi.org/10.34248/bsengineering.1581168. google scholar
• Saxena, A., Prasad, M., Gupta, A., Bharill, N., Patel, O., & Tiwari, A., (2017). A review of clustering techniques and developments. Neurocomputing, 267, 664-681. google scholar
• Sen, A. (1999). Development as freedom. Oxford University Press. google scholar
• Sharma, S. (1996). Applied multivariate techniques. John Wiley & Sons. google scholar
• Stıglıtz, J. E., Sen, A.F., & Jean, P. (2009). Mismeasuring our lives why GDP doesn’t add up. The New Press. google scholar
• Tatlıdil, H. (1996). Uygulamalı çok değişkenli istatistiksel analiz. Cem Ofset. google scholar
• Türkiye İstatistik Kurumu [TUİK]. (2023). Enflasyon ve Fiyat İstatistikler. Erişim adresi: https://data.tuik.gov.tr. google scholar
• Timm, N. H. (2002). Applied multivariate analysis. Springer. google scholar
• Unıted Nations Development Programme, [UNDP]. (1990). Human Development Report 1990, Oxford University Press. google scholar
• Unıted Nations Development Programme, [UNDP]. (2023). Human Development Report 2023, Oxford University Press. google scholar
• Ünal, Ç., (2008). İnsani gelişmişlik endeksine göre Türkiye’nin bölgesel farklılıkları. Coğrafi Bilimler Dergisi, 6 (2), 89-113. google scholar
• Yavuz, N., & Sevüktekin, M. (2021). Veri madenciliğinde iki aşamalı kümeleme ile insani gelişme endeks incelenmesi. Fırat Üniversitesi Sosyal Bilimler Dergisi, 32(3), 1153-1168. google scholar
• Yakut, S., & Ergüt, Ö. (2024). Kümeleme analizine farklı yaklaşımlar ve sosyal bilimler alanında uygulamalar. Holistenge Publications. google scholar
• Yang, M. (1993). A survey of fuzy clustering. Mathematical and Computer Modelling, 18(11), 1-16. google scholar
• Yılancı, V. (2010). Bulanık kümeleme analizi ile Türkiye’deki illerin sosyoekonomik açıdan sınıflandırılması. Süleyman Demirel Üniversitesi İİBF Dergisi, 15(3), 453-470. google scholar
• Yorulmaz, Ö. (2016). Dayanıklı istatistiksel yöntemler ve R uygulamaları. Beta Yayınevi. google scholar