Classification of Cities in Turkey According to Socio-Economic Data by Fuzzy C-Means Method: Comparison of the Periods of 2002-2008-2013

Öz

The comparison of regions within the country has an important place in the determination of the applicability of existing policies and the continuation of necessary work by producing new policies. Socio-economic data are used that give the closest comparative results in order to balance the illusions and regions in a country. In this study, the socio-economic indicators belonging to the ones in Turkey are classified using Fuzzy C-Means method which is frequently used in fuzzy clustering analysis. For the year 2002, the data were used by the State Planning Organization (Ministry of Development), and for 2008 and 2013 TUIK data were used. The main headings of the analyzed variables are; socio-economic data, Demographic data, Financial data, Employment data, Health data, Infrastructure data, Training data and Agriculture data. The results of the study are interpreted with the correlation coefficients between the classification percentages of the related variables and the related years.

Anahtar Kelimeler

• Fuzzy Clustering Analysis,Socio-Economic Data

Sosyo-Ekonomik Verilere Göre İllerin Bulanık C-Ortalamalar Yöntemi ile Sınıflandırılması: 2002-2008-2013 Dönemleri Karşılaştırması

Öz

Ülke içinde illerin veya bölgelerin karşılaştırılması, mevcut politikaların uygulanabilirliğinin tespiti ve yeni politikalar üretilerek gerekli çalışmaların devamı için önemli bir yer tutmaktadır. Bir ülkedeki iller ve bölgeler arasında denge sağlanması amacıyla, karşılaştırması en doğruya yakın sonuçlar veren sosyo-ekonomik veriler kullanılmaktadır. Bu çalışmada Türkiye’deki illere ait sosyo-ekonomik göstergeler, bulanık kümeleme analizinde sıkça kullanılan Bulanık C-Ortalamalar (FCM) yöntemi kullanılarak sınıflandırılmıştır.  MATLAB 2009 paket programı ile yapılan çalışmada; 2002 yılı için Devlet Planlama Teşkilatı (Kalkınma Bakanlığı) verileri, 2008 ve 2013 yılları için TÜİK verileri kullanılmıştır. Analizi yapılan değişkenlerin ana başlıkları; Sosyo-ekonomik veriler, Demografik veriler, Mali veriler, İstihdam verileri, Sağlık verileri, Altyapı verileri, Eğitim verileri ve Tarım verileridir. Çalışmanın sonucu ilgili değişkenlere ait sınıflama yüzdeleri ve ilgili yıllar arasındaki korelasyon katsayıları hesaplanmıştır ve yorumlanmıştır.

Anahtar Kelimeler

• Bulanık Kümeleme Analizi,Sosyo-Ekonomik Veri

Kaynakça

1. Albayrak, A.S., (2005). Türkiye’de İllerin Sosyoekonomik Gelişmişlik Düzeylerinin Çok Değişkenli İstatistik Yöntemlerle İncelenmesi, ZKÜ Sosyal Bilimler Dergisi Cilt 1, Sayı 1.
2. Atik, H., (2015), Türkiye’de 6360 ve 6447 Sayılı Kanunlarla Kurulan Büyükşehirlerin Göreli Kalkınma Düzeyleri, TİSK Akademi, 10 (20), ss. 370-389.
3. Bezdek J.C., (1981). Pattern recognition with fuzzy objective function algorithms. NY: plenum press.
4. Bezdek J. C., (1974). Cluster validity with fuzzy sets. J. Cybernetics, 3, 58-73.
5. Çakır, T., Sözen A. ve Yücesu, S., (2009). Türkiye’nin Sosyo-Ekonomik Göstergeleri ile Enerji Göstergeleri Arasındaki Çok Değişkenli Veri Analizi İle İrdelenmesi. Uluslararası İlişkiler Akademik Dergisi, 5(20), ss. 27-56.
6. De Oliveira, J.V. ve Pedrycz, W. (2007). Advances in Fuzzy Clustering and its Applications. Wiley, West Sussex.
7. Dunn, J.C. (1974). A Fuzzy Relative Isodata Process and its Use in Detecting Compact Well-Separated Clusters. Journal of Cybern, 3, 32-57.
8. Eraydın, K., Gül, E., Çevik, B. ve Demir, E., (2012). Türkiye’de İllerin Gelişmişlik Düzeyi Araştırması. Türkiye İş Bankası, İktisadi Araştırmalar Bölümü, İstanbul.

9. Erilli N.A., Tunç T., Öner Y. ve Yolcu U, (2009). İllerin Sosyo-Ekonomik Verilere Dayanarak Bulanık Kümeleme Analizi ile Sınıflandırılması. E-Journal of New World Sciences Academy, v.4, n.1.
10. Erilli N.A., Yolcu U., Eğrioğlu E., Aladağ Ç.H. ve Öner Y., (2011). Determining The Most Proper Number Of Cluster in Fuzzy Clustering By Artificial Neural Networks. Expert Systems with Applications, 38, 2248-2252.
11. Erilli N. A., (2014), Tr72 Bölgesi İlçelerinin Sosyo-Ekonomik Verilere Göre Bulanık Kümeleme Analizi İle Sınıflandırılması. Ekonomik ve Sosyal Araştırmalar Dergisi, Cilt 10, Yıl 10, Sayı 2.
12. Erilli, N.A. (2009). Kümeleme Analizine Bulanık Yaklaşım Algoritmaları ve Uygulamaları. 19 Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Yayınlanmamış Yüksek Lisans Tezi, Samsun.
13. Ersungur, Ş.M., Kızıltan, A. ve Polat, Ö., (2007). Türkiye’de Bölgelerin Sosyo-Ekonomik Gelişmişlik Sıralaması: Temel Bileşenler Analizi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt:21, Sayı:2.
14. Filiz Z. (2005). İllerin Sosyo-Ekonomik Gelişmişlik Düzeylerine Göre Gruplandırılmasında Farklı Yaklaşımlar. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, Cilt: 6 Sayı: 1 Haziran.
15. Karabulut M., Gürbüz M. ve Sandal E.K. (2004). Hiyerarşik Kluster (küme) Tekniği Kullanılarak Türkiye’de İllerin Sosyo-Ekonomik Benzerliklerinin Analizi. Coğrafi Bilimler Dergisi, Cilt:2, Sayı:2.
16. Kaygısız, Z., Saraçlı, S. ve Dokuzlar, K., (2005). İllerin Gelişmişlik Düzeyini Etkileyen Faktörlerin Path Analizi Ve Kümeleme Analizi İle İncelenmesi. VII. Uluslararası Ekonometri ve İstatistik Sempozyumu, İstanbul Üniversitesi İktisat Fakültesi, Ekonometri Bölümü- İstanbul, 26–27 Mayıs.
17. Kılıç İ., Saraçlı S. ve Kolukısaoğlu S. (2011). Sosyo-ekonomik Göstergeler Bakımından İllerin Bölgesel Bazda Benzerliklerinin Çok Değişkenli Analizler İle İncelenmesi. İstatistikçiler Dergisi, sayı:4, s. 57-68.
18. Koç, S., (2001). Türkiye’de İllerin Sosyo-Ekonomik Özelliklere Göre Sınıflandırılması. V. Ulusal Ekonometri ve İstatistik Sempozyumu, Çukurova Üniversitesi, İktisadi ve İdari Bilimler Fak., Ekonometri Bölümü 19-21 Eylül.
19. Kwon S.H., (1998). Cluster Validity Index For Fuzzy Clustering. Elec. Letters, 34(22), pp 2176-2178.
20. Naes T. ve Mevik T.H., (1999). The Flexibility Of Fuzzy Clustering Illustred By Examples. Journal Of Chemo Metrics. Öztemel E., (2006). Yapay Sinir Ağları. Papatya Yayıncılık, İstanbul.
21. Özdemir A.İ. ve Altıparmak A., (2005). Sosyo-ekonomik Göstergeler Açısından İllerin Gelişmişlik Düzeyinin Karşılaştırmalı Analizi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı: 24, Ocak - Haziran, ss. 97-110.
22. Rezaee M.R., Lelieveldt B.P.F. ve Reiber J.H.C., (1998). A New Cluster Validity Index For The FCM. Pattern Recognition Lett., 19 p. 237-246.
23. Sintas A.F., CAdenas J.M. ve Martin F., (1999). Membership Functions in The Fuzzy C-Means Algorithm. Fuzzy Sets and Systems 101.
24. Şahinli F., (1999). Kümeleme Analizine Fuzzy Set Teorisi Yaklaşımı. Gazi Üniversitesi, Yayınlanmamış Yüksek Lisans Tezi, Ankara.
25. Tatlıdil H., (2002). Uygulamalı Çok Değişkenli İstatistiksel Analiz. Akademi Matbaası, Ankara.
26. Yılancı V. (2010). Bulanık Kümeleme Analizi İle Türkiye’deki İllerin Sosyoekonomik Açıdan Sınıflandırılması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C.15, S.3 s.453-470.
27. Yıldız B. E., Sivri U., Berber M., (2010). Türkiye’de İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması. Uluslararası Bölgesel Kalkınma Sempozyumu, 7-9 Ekim Yozgat, 693-705.
28. Xie L., Beni G., (1991). A Validity Measure for Fuzzy Clustering. IEEE Trans. On Pattern Analysis and Mnchine Int. 13(4),pp 841-846