COVID–19 SALGINI İLE MÜCADELEDE KÜMELEME ANALİZİ İLE ÜLKELERİN SINIFLANDIRILMASI

Yıl 2020, Cilt: 19 Sayı: 37 - Bahar (Covid19-Özel Ek), 369 - 389, 27.06.2020

Mert Demircioğlu Sevgi Eşiyok

Öz

Ülkelerin sağlık harcamaları, sağlık ekipman kapasiteleri ve sağlık kaynakları gibi göstergeler sağlık sonuçlarını etkileyen en önemli kriterlerdir. Bu nedenle tüm dünya ülkeleri için bu kriterlere ayrılan payların benzerliklerinin incelenmesi, ülkelerin sağlık kriterlerine göre sınıflandırılması sonuçların analiz edilmesi açısından yol gösterici olmaktadır. Araştırmanın amacı, 2019 yılının son aylarından beri dünya gündeminin en önemli konularından biri haline gelen COVID-19 salgını sonuçlarının ülkeler bazında incelenmesidir. Araştırmada OECD ve AB üyesi olan 36 ülkenin son dönem sağlık verileri değerlendirilmiş, benzerlik gösteren ülkeler tespit edilmiş ve Türkiye’nin bu ülkeler içerisindeki yeri belirlenmeye çalışılmıştır. Verilerin analizinde kümeleme algoritmalarından olan K-ortalamalar yöntemi kullanılmış ve değerler WEKA yazılımı ile çözümlenmiştir. K-ortalamalar yöntemi ile analiz sonucunda ülkeler, ikili, üçlü ve dörtlü kümelere ayrılmıştır.

Anahtar Kelimeler

Kümeleme Analizi, Hiyerarşik Olmayan Kümeleme, Sağlık Göstergeleri, COVID-19

Kaynakça

• Aggarwal1, G., Jain S. (2019). “Analysis of Genes Responsible for The Development of Cancer Using Machine. Learning.” International Conference on Inventive Systems and Control (ICISC 2019)
• Ahamad, M. , Ahmed, M. , Uddin, M. (2016) “Clustering As Data Mining Technique in Risk Factors Analysis of Diabetes, Hypertension and Obesity.” EJERS, European Journal of Engineering Research and Science,1- 6.
• Akbuğday, B. (2019) “Classification of Breast Cancer Data Using Machine Learning Algorithms”, Medical Technologies National Conference (TIPTEKNO).
• Alptekin, N. (2014). “Comparison of Turkey and European Union Countries’ Health Indicators by Using Fuzzy Clustering Analysis.” International Journal of Business and Social Research, 4-10
• Alptekin, N. ve Yeşilaydın, G. (2015). OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi ile Sınıflandırılması. İşletme Araştırmaları Dergisi, 7(4), 137-155.
• Altıntaş, T. (2012). Türkiye ve Avrupa Birliği’ne Üye Ülkelerin Sağlık Göstergeleri Açısından Çok Değişkenli İstatistik Yöntemlerle Karşılaştırılması. Doktora Tezi, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
• Barlin, S. F. (2010). Türkiye’de Sağlık Harcamalarının Ekonomik Kalkınma Üzerine Etkileri. Yüksek Lisans Tezi, Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Maliye Anabilim Dalı, Balıkesir.
• Çelik, Ş. (2013). “Kümeleme Analizi ile Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması”, Doğuş Üniversitesi Dergisi, 14(2), 175-194.
• Çetintürk, İ., Gençtürk, M. (2020). “OECD Ülkelerinin Sağlik Harcama Göstergelerinin Kümeleme Analizi ile Sınıflandırılması”, Süleyman Demirel Üniversitesi Vizyoner Dergisi, 11-26.
• Çınaroğlu, S., Avcı, K. (2014). “İstatistiki Bölge Birimlerinin Seçilen Sağlık Göstergeleri Bakımından Kümelenmesi”, Hacettepe Sağlık İdaresi Dergisi, 17-2.
• Ersöz, F. (2009). “OECD'ye Üye Ülkelerin Seçilmiş Sağlık Göstergelerinin Kümeleme ve Ayırma Analizi ile Karşılaştırılması.”, Türkiye Klinikleri Journal of Medical Sciences, 29(6), 1650-1659.
• Gemici, B. (2012). Veri Madenciliği ve Bir Uygulaması. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Ekonometri Anabilim Dalı Ekonometri Programı Yüksek Lisans Tezi, İzmir.
• Girginer, N. (2013).” Çok Boyutlu Ölçekleme ve Kümeleme Analizi ile Sağlık Göstergeleri Bakımından Türkiye’nin AB Üyesi Ülkelerle Karşılaştırılması”, İktisat İşletme ve Finans Dergisi, 28(32), 55-72.
• Han, J., Kamber, M. ve Pei J. Data Mining: Concepts and Techniques, 2001. Academic Press, San Diego, California, USA.
• Hemant, P., Pushpavathi, T. (2012). “A Novel Approach to Predict Diabetes By Cascading Clustering and Classification”. Third International Conference on Computing, Communication and Networking Technologies (ICCCNT'12)
• İşler, Y., Narin, A. (2012). “WEKA Yazılımında K-ortalama Algoritması Kullanılarak Konjestif Kalp Yetmezliği Hastalarının Teşhisi”. SDU Teknik Bilimler Dergisi, 2-4.
• Jackson, J. (2002). “Data Mining: A Conceptual Overview”. Communications of the Association for Information Systems, 8, 267:296.
• Karacan, H., Yeşilbudak, M. (2010). “Kullanıcı Merkezli İnteraktif Veri Madenciliği: Bir Literatür Taraması”. Bilişim Teknolojileri Dergisi, 3,1, 17-21.
• Kolay, N., Erdoğmuş, P. (2016). “Makine Öğrenmesi Teknikleri ile Göğüs Kanserinin Sınıflandırılması”. Tıp Teknolojileri Kongresi.
• Kumar, N., Khatri, S. (2017). “Implementing WEKA for Medical Data Classification and Early Disease Prediction”. IEEE International Conference on Computational Intelligence and Communication Technology (IEEE-CICT 2017).
• Kurasova, O., Marcinkevicius, V., Medvedev, V., Rapecka, A.ve Stefanovic, P. (2014) “Strategies for Big Data Clustering”. IEEE 26th International Conference on Tools with Artificial Intelligence.
• Madhulatha, T. (2012). “An Overview on Clusterıng Methods”. IOSR Journal of Engineering, 2(4).
• Marinov, M., Yoo, I., Alafaireet, P., Pena, K., Gopidi, R., Chang, J., Hua, L. (2012). “Data Mining in Healthcare and Biomedicine a Survey of The Literature.” J Med Syst, 36
• Mitrpanont, J., Sawangphol,W., Vithantirawat, T., Paengkaew, P., Suwannasing, P. Daramas, A., Chen, Y.(2017). “Study on Using Python vs Weka on Dialysis Data Analysis”. 2nd International Conference on Information Technology (INCIT)
• Mut, S., Akyürek, Ç. E. (2017). “OECD Ülkelerinin Sağlık Göstergelerine Göre Kümeleme Analizi ile Sınıflandırılması”. International Journal of Academic Value Studies, 3(12), 411-422.
• Özkan, Dr. Y. (2008). Veri Madenciliği Yöntemleri, Papatya Yayıncılık Eğitim, 1. Baskı, İstanbul.
• Prabadevi, B., Deepa, N., Krithika L.B, Vinod, V. (2020). “Analysis of Machine Learning Algorithms on Cancer Dataset.”
• Ramkumar, N., Prakash, S., Ashok kumar, S., Sangeetha, K. (2017).” Prediction of Liver Cancer Using Conditional Probability Bayes Theorem”. International Conference on Emerging Trends in Information Technology and Engineering (IC-ETITE).
• Sığırlı, D., Ediz, B., Cangür, Ş., Ercan, İ. ve Kan, İ. (2006). “Türkiye ve Avrupa Birliği’ne Üye Ülkelerin Sağlık Düzeyi Ölçütlerinin Çok Boyutlu Ölçekleme Analizi ile Incelenmesi”. İnönü Üniversitesi Tıp Fakültesi Dergisi, 13(2), 81-85.
• Silitonga, P. (2017) “Clustering of Patient Disease Data by Using K-Means Clustering”. International Journal of Computer Science and Information Security (IJCSIS),15- 7.
• Sneha, V., Basavaraju, D., Tanvi, T. (2018). “Effective Analysis and Diagnosis of Liver Disorder”. International Conference on Communication and Signal Processing.
• Sonğur, C. (2016). “Sağlık Göstergelerine Göre Ekonomik Kalkınma ve İşbirliği Örgütü Ülkelerinin Kümeleme Analizi”. Sosyal Güvenlik Dergisi, 6(1)
• Uzun, R., İŞLER, Y., TOKSAN, M. (2019). “WEKA Yazılım Paketinin Siğil Tedavi Yöntemlerinin Başarısının Tahmininde Kullanımı”. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 7
• Watomakin, D., Emanuel, A. (2019.). “Comparison of Performance Support Vector Machine Algorithm and Naive Bayes for Diabetes Diagnosis.” 2019 5th International Conference on Science in Information Technology (ICSITech).
• worldometers.info/coronavirus/ (Erişim Tarihi: 01.06.2020)
• https://www.oecd.org/ (Erişim Tarihi: 01.06.2020)
• https://en.wikipedia.org/wiki/List_of_countries_by_hospital_beds (Erişim Tarihi: 01.06.2020)
• https://data.worldbank.org/ (Erişim Tarihi: 01.06.2020)
• https://www.who.int/ (Erişim Tarihi: 01.06.2020)
• https://coronavirus.jhu.edu/map.html (Erişim Tarihi: 01.06.2020)