AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ

Öz

Enerji kaynakları ve kullanımı her zaman ülkelerin göz ardı edemeyeceği bir konu olmuştur. Çalışmada enerji kullanımları açısından en yüksek ikinci değere sahip olan Avrupa Bölgesi ülkeleri bulanık kümeleme yöntemleri ile incelenmiştir. Veriler Avrupa Bölgesi içerisinde yer alan ülkelerin 1990-2017 yılları arasındaki Dünya Bankası veri tabanında bulunan 13 adet enerji verisinden oluşmaktadır. Uygulamada R programlama dilinde bulanık kümeleme yöntemleri, küme geçerlilik indeksleri ve görselleştirme yöntemleri kullanılmıştır. Bulanık kümeleme sonuçları üç ana küme altında toplanacak şekilde elde edilmiştir. Kümeler enerji kullanımı düzeyine göre yüksek, orta ve düşük olacak şekilde belirlenmiştir. Yüksek düzey enerji kullananlar ülkeler Almanya, Fransa, İngiltere, İtalya, İspanya şeklindedir. Polonya, Türkiye ve Ukrayna orta düzey enerji kullanan ülkeler arasındadır. Diğer ülkeler ise düşük düzey enerji kullanımı kümesindedir. Çalışmadan elde edilen sonuçların, enerji politikalarına katkı sağlaması beklenmektedir.

Anahtar Kelimeler

• Avrupa Ülkeleri
• Enerji
• Bulanık Küme Geçerlilik İndeksi
• Bulanık Kümeleme

ANALYSİS of EUROPEAN REGİON COUNTRİES by FUZZY CLUSTERİNG METHODS in TERMS of ENERGY USE

Öz

Energy resources and their use have always been an issue that countries cannot ignore. The study examined the countries of the European region that have the second highest value in terms of energy use. The study data covers 13 pieces of energy data from the World Bank database of countries within the European region between 1990-2017. Fuzzy clustering methods, cluster validity indexes and visualization methods were used in the R programming language. Fuzzy clustering results were obtained in such a way that they are grouped under three main clusters. Clusters are determined to be high, medium and low according to the level of energy use. Germany, France, England, Italy, and Spain are among the countries that consume a lot of energy. Poland, Turkey, and Ukraine are among the countries that consume medium amounts of energy. Other countries are in the cluster of low energy use. The results obtained from the study are expected to contribute to energy policies.

Anahtar Kelimeler

• European Countries
• Energy
• Fuzzy Set Validity Index
• Fuzzy Clustering

Kaynakça

1. Aksoy M. (2016). Dünyanın Enerji Görünümü, İHH İnsani ve Sosyal Araştırmalar Merkezi, Araştırma Raporları.
2. Atal, S. (2015). Bulanık kümeleme analizi ve OECD ülkelerinin gelişmişlik bakımından kümelendirilmesi (Master's thesis, ESOGÜ, Fen Bilimleri Enstitüsü).
3. Avrupa Çevre Ajansı, (2019). Avrupa’da Enerji — Mevcut durum. https://www.eea.europa.eu/tr/isaretler/isaretler-2017-avrupa2019da-enerjinin-gelecegini/makaleler/avrupa2019da-enerji-2014-mevcut-durum
4. Bezdek, J.C. (1974). Cluster validity with fuzzy sets. J. Cybern., 3: 58-73.
5. Bezdek J.C., (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum. NY. https://isbnsearch.org/isbn/0306406713
6. Bluszcz, A. (2017). European economies in terms of energy dependence. Quality & Quantity, 51(4), 1531-1548.
7. Bocquillon, P., & Maltby, T. (2020). EU energy policy integration as embedded intergovernmentalism: the case of Energy Union governance. Journal of European Integration, 42(1), 39-57.
8. Brodny, J., & Tutak, M. (2020). Analyzing similarities between the European Union countries in terms of the structure and volume of energy production from renewable energy sources. Energies, 13(4), 913.

9. Campello, R. J., & Hruschka, E. R. (2006). A fuzzy extension of the silhouette width criterion for cluster analysis. Fuzzy Sets and Systems, 157(21), 2858-2875.
10. Erilli, N.A. (2009). Kümeleme Analizine Bulanık Yaklaşım Algoritmaları ve Uygulamaları, 19 Mayıs Üniv., Fen Bilimleri Enst., Yayınlanmamış Yüksek Lisans Tezi, Samsun.
11. Erilli, N. A., & Karaköy, Ç. (2015). Türk Cumhuriyetlerinin Bulanık Kümeleme Analizi ile Belirlenen Ekonomik Göstergelerle Sınıflandırılması. International Conference on Eurasian Economies, Session 6B: Bölgesel Ekonomiler II, 305-310.
12. European Statiscal System, Eurostat Documents, (12 February 2019). Renewable energy in the EU. https://ec.europa.eu/eurostat/data/database
13. Fan, J. L., Wu, C. M., & Ma, Y. L. (2000, August). A modified partition coefficient. In WCC 2000-ICSP 2000. 2000 5th International Conference on Signal Processing Proceedings. 16th World Computer Congress 2000 (Vol. 3, pp. 1496-1499). IEEE.
14. Ferraro, M.B. & Giordani, P. (2015). A toolbox for fuzzy clustering using the R programming language. Fuzzy Sets and Systems, 279, 1-16. http://dx.doi.org/10.1016/j.fss.2015.05.001
15. Hathaway RJ, Bezdek JC., (2003). Pattern Recognition Letters 24, 1563–1569.
16. Huband JM, Bezdek JC. In: J.M. Zurada et al. (eds.), (2008). WCCI 2008, LNCS 5050, pp. 293–308.
17. http://cran.r-project.org/web/packages/fclust/index.html, Erişim(12/12/2019)
18. https://www.iea.org/reports/renewables-2019, Erişim (10/11/2019)
19. Kassambara, A. & Mundt, F. (2017). factoextra: Extract and Visualize the Results of Multivariate Data Analyses. R package version 1.0.5. https://CRAN.R-project.org/package=factoextra
20. Klawonn F., Chekhtman V., Janz E., (2003). Visual inspection of fuzzy clustering results. In Benitez J.M., Cordon O., Hoffmann, F., Roy R. (Eds.): Advances in Soft Computing - Engineering Design and Manufacturing, pp. 65-76. Springer, Londo
21. Klawonn F, H¨oppner F., (2003). In: Advances in intelligent data analysis (LNCS 2779, pp. 254-264).
22. Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M. & Hornik, K.(2017). cluster: Cluster Analysis Basics and Extensions. R package version 2.0.6. https://CRAN.R- project.org/package=cluster
23. Parobek, J., Paluš, H., Kalamárová, M., Loučanová, E., Šupín, M., Križanová, A., & Štofková, K. R. (2016). Energy Utilization of Renewable Resources in the European Union―Cluster Analysis Approach. BioResources, 11(1), 984-995.
24. Krishnapuram, R., Joshi, A., Nasraoui, O., & Yi, L. (2001). Low-complexity fuzzy relational clustering algorithms for web mining. IEEE transactions on Fuzzy Systems, 9(4), 595-607.
25. Sepehr, M. J., Haeri, A., & Ghousi, R. (2019). A cross-country evaluation of energy efficiency from the sustainable development perspective. International Journal of Energy Sector Management.
26. Xie L., Beni G., (1991). A Validity Measure For Fuzzy Clustering, IEEE Trans. On Pattern Analysis And Machine Int. 13(4),pp 841-846.
27. Türe, H., & Başer, F. (2015). Bulanık C-Ortalama Kümeleme Algoritması İle Ülke Risk Değerlendirmesi. Ekonometri ve Istatistik Dergisi, (23), 16-33.
28. Türkiye Cumhuriyeti Enerji ve Tabi Kaynaklar Bakanlığı, (2019). Enerji Verimliliği. Erişim (10/11/2019)
29. Yorkan, A. (2009). Avrupa Birliği'nin Enerji Politikası ve Türkiye'ye Etkileri. Bilge Strateji, 1(1), 24-39.
30. Zippel, W. (2006). “Enerji Kaynaklarını Çeşitlendirme Yaklaşımları Altında AB’nin Enerji Politikası”, Avrupa ve Orta Asya Arasındaki Enerji Köprüsü Türkiye, Editörler: Werner Gumpel-Alpay Hekimler, Konrad-Adenauer-Stiftung Yayını, Ankara.