Kümeleme Analizi ile Vakıf Üniversitelerinin Memnuniyet Gruplandırması ve FUCOM-PROMETHEE Yöntemiyle Sıralanması

Öz

Günümüzde Çok Kriterli Karar Verme Yöntemleri (ÇKKVY) birden fazla seçeneğin ve kriterin olduğu karar verme problemlerini çözmede giderek daha yaygın bir şekilde kullanılmaktadır. Özellikle ağırlıklandırma yöntemlerinin entegre biçimde kullanılması hem sağlıklı sonuçlar elde edilmesi hem de yöntemlerde yer alan ağırlık katsayılarının etkin biçimde değerlendirilmesi açısından önem arz etmektedir. Kümeleme analizi ise çeşitli verilerin benzer özelliklerine göre gruplara ayrılmasında kullanılan bir tekniktir. Kümeleme analizi ile benzer özelliğe sahip olguları gruplandırmak mümkündür. Bu çalışmada amaç, Türkiye’deki Vakıf Üniversitelerinin memnuniyete göre kümeleme analiziyle gruplandırılmasından sonra, ÇKKVY ile bu kurumların sıralanmasıdır. Böylelikle, çeşitli gruplara ayrılan Vakıf Üniversiteleri hem kendi içlerindeki kümelere ayrılmış hem de genel olarak sıralanmıştır. Kümeleme analizi sonucunda, Vakıf Üniversiteleri dört adet kümeye ayrılmıştır. Daha sonra Üniversitelerin FUCOM-PROMETHEE entegreli ÇKKVY ile sıralama sonuçları elde edilmiştir. Bu sonuçlara göre, her bir küme ve üniversitelerin genel sıralaması incelenmiş ve Türkiye Üniversite Memnuniyet Araştırması (TÜMA) 2024 verileriyle karşılaştırılmıştır. Çalışma sonucunda, TÜMA 2024 raporu sıralaması ile FUCOM-PROMETHEE yöntemi sıralaması arasında yüksek düzeyde anlamlı ilişki tespit edilmiştir. Bu sonuçlara göre, bu yöntem ile gerçek sıralama arasında benzer sonuçlara ulaşılmıştır. Kümeleme analizi sonucunda ise Üniversitelerin sıralamasına genel olarak uygun kümeler oluşmuştur.

Anahtar Kelimeler

• Kümeleme Analizi
• Çok Kriterli Karar Verme
• FUCOM
• PROMETHEE

Classification of Foundation Universities' Satisfaction through a Cluster Analysis and Ranking with the FUCOM-PROMETHEE Method

Abstract

The multi-criteria decision-making methods (MCDM) are increasingly being used to solve decision-making problems with multiple options and criteria. The integrated use of weighing methods is particularly important both for obtaining reliable results and for effectively evaluating the weight coefficients included in the methods. Cluster analysis is a technique used to divide various data into groups based on their similar characteristics. The aim of this study is to categorize Foundation Universities in Turkey using cluster analysis based on satisfaction and then rank these institutions using the MCDM. Thus, Foundation Universities, divided into various groups, are both separated into clusters within themselves and ranked overall. As a result of the cluster analysis, Foundation Universities were divided into four clusters. Subsequently, the ranking results of the universities were obtained using the FUCOM-PROMETHEE integrated multi-criteria decision-making method. According to these results, each cluster and the overall ranking of universities were examined and compared with the TÜMA 2024 data. The study found a highly significant correlation between the TÜMA 2024 report ranking and the FUCOM-PROMETHEE method ranking. According to these results, similar outcomes were reached between this method and the actual ranking. As a result of the clustering analysis, clusters that are generally consistent with the ranking of universities have been formed.

Keywords

• Cluster Analysis
• Multi-Criteria Decision Making
• FUCOM
• PROMETHEE

Kaynakça

1. Akın, Y. K. (2008). Veri madenciliğinde kümeleme algoritmaları ve kümeleme analizi. Doktora tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim dalı.
2. Azadnia, A. H., Ghadimi, P., Saman, M. Z. M., Wong, K. Y., & Sharif, S. (2011). Supplier selection: A hybrid approach using ELECTRE and Fuzzy clustering. A. AbdManaf, A. Zeki, M. Zamani, S. Chuprat, & E. ElQawasmeh (Eds.), Informatics engineering and information science, PT II (Vol. 252, pp. 663–676).
3. Blashfield, R. K., & Aldenferder, M. S. (1978). The literature on cluster analysis. Multivariate Behavioral Research, 13, 271–295.
4. Brans, J. P., & Mareschal, B. (2005). Promethee methods. J. R. Figueira, S. Greco, & M. Ehrogott (Eds.), Multiple criteria decision analysis: State of the art surveys. Springer. https://doi.org/10.1007/0-387-23081-5_5
5. Brans, J. P., & Vincke, P. (1985). A preference ranking organization method: The PROMETHEE method for MCDM. Management Science, 31(6), ss.647-656.
6. Dağdeviren, M. & Erarslan, E. (2008). PROMETHEE sıralama yöntemi ile tedarikçi seçimi. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 23(1), 69-75.
7. Değirmenci, N., & Yakıcı Ayan, T. (2020). OECD ülkelerinin sağlık göstergeleri açısından bulanık kümeleme analizi ve TOPSIS yöntemine göre değerlendirilmesi. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 38(2), 229–241. https://doi.org/10.17065/huniibf.592991
8. Ecer, F. (2021). FUCOM sübjektif ağırlıklandırma yöntemi ile rüzgâr çiftliği yer seçimini etkileyen faktörlerin analizi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 27(1), 24–34.

9. Erdoğmuş, N. (2019). Geleceğin Türkiyesinde yükseköğretim. İstanbul: İlke Yayınları.
10. Gözükara, İ. (2015). Vakıf üniversitelerinin akademik kriterler açısından kümeleme analizi ile incelenmesi. İşletme Araştırmaları Dergisi, 7(4), 156–171.
11. Güler, E., Avci, S., & Aladag, Z. (2023). Earthquake risk prioritization via two-step cluster analysis and SWARA-ELECTRE methods. Sigma Journal of Engineering and Natural Sciences-Sigma Mühendislik ve Fen Bilimleri Dergisi, 41(2), 356–372. https://doi.org/10.14744/sigma.2022.00105
12. Gündoğdu, H., & Aytekin, A. (2020). Yönetişim göstergeleri bağlamında ülkelerin kümeleme analizi ve Aras ile değerlendirilmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 66, 301–318.
13. Kaufman, L., & Rousseeuw, P. J. (1990). Finding groups in data: An introduction to cluster analysis. New York: John Wiley and Sons.
14. Kazerooni, M., Raoufi, M., & Fayek, A. R. (2020). Framework to analyze construction labor productivity using fuzzy data clustering and multi-criteria decision-making. P. B. Tang, D. Grau, & M. Elasmar (Eds.), Construction research congress 2020: Computer applications (48–57).
15. Mohammadi, M., & Rezaei, J. (2020). Bayesian best-worst method: A probabilistic group decision making model. Omega, 96, 102075. https://doi.org/10.1016/J.OMEGA.2019.06.001
16. Özdağoğlu, A., Keleş, M. K., & Genç, V. (2021). FUCOM ve PROMETHEE yöntemleri ile ticari araç seçimi: Peyzaj firmasında bir uygulama. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 25(Özel Sayı), 231–253. https://doi.org/10.53487/ataunisosbil.825910
17. Özdamar, K. (2004). Paket programlar ile istatistiksel veri analizi 2. Eskişehir: Kaan Kitabevi.
18. Özer, A., Öztürk, M., & Kaya, A. (2010). İşletmelerde etkinlik ve performans ölçmede VZA, kümeleme ve TOPSIS analizlerinin kullanımı: İMKB işletmeleri üzerine bir uygulama. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 14(1), 233–260.
19. Pamucar, D., Stevic, Z., & Sremac, S. (2018). A new model for determining weight coefficients of criteria in MCDM models: Full consistency method (FUCOM). SYMMETRY-BASEL, 10(9). https://doi.org/10.3390/sym10090393
20. Shelebaf, A., & Tabatabaei, S. (2020). A novel method for clustering in WSNs via TOPSIS multi-criteria decision-making algorithm. Wireless Personal Communications, 112(2), 985–1001. https://doi.org/10.1007/s11277-020-07087-7
21. Şimşek, A., Avcı, S., Özcan, B., & Aladağ, Z. (2021). Kuzey Kafkasya sosyoekonomik yapısının kümeleme ve çok kriterli karar verme yöntemleri ile analizi. MANAS Sosyal Araştırmalar Dergisi, 10(1), 295–310. https://doi.org/10.33206/mjss.806549
22. Tatlıdil, H. (2002). Uygulamalı çok değişkenli istatistiksel analiz. Ankara: Ziraat Matbaacılık A.Ş.
23. Wang, J.-J., Jing, Y.-Y., Zhang, C.-F., & Zhao, J.-H. (2009). Review on multi-criteria decision analysis aid in sustainable energy decision-making. Renewable and Sustainable Energy Reviews, 13(9), 2263–2278. https://doi.org/https://doi.org/10.1016/j.rser.2009.06.021