Determination of the Agricultural Mechanization Level in the TRA1 Subregion and Forecasting of Tractor and Livestock Equipment Assets Using the ARIMA Model

Year 2025, Volume: 9 Issue: Special, 122 - 130, 28.12.2025

Mustafa Çomaklı , Nur Ertek Tosun

https://doi.org/10.31015/2025.si.20

Abstract

The main power source for operating agricultural machinery, other than self propelled machines, is the tractor. Therefore, forecasts of mechanization levels are of great importance in the development of future planning. In this study, it was aimed to forecast the agricultural and livestock mechanization equipment assets of the TRA1 Subregion for the next four years. Based on four fundamental agricultural mechanization level indicators for the provinces of the TRA1 Subregion obtained from the Turkish Statistical Institute (TURKSTAT), forecasts for the years 2025-2028 were made using the ARIMA model. According to the analysis results, the total number of tractors in the TRA1 Subregion is expected to increase by 9.05% between 2025 and 2028, reaching 27966 units. The number of single axle tractors is expected to decrease during the 2025-2028 period, along with a decline in the population of two axle tractors in the 25.76-36.80 kW group. The number of high power two axle tractors is expected to increase in the coming period, while those in the 8.10-17.66 kW range are anticipated to show a fluctuating trend. By 2028, the largest increase in the number of livestock related machinery is expected for tractor drawn mowers, hay rakes, balers, and milking machines, while the smallest increase is anticipated for corn silage machines and manure spreaders. A decrease is expected in the number of forage silage machines and milking facilities, whereas a significant increase is anticipated in the number of feed preparation machines. In the TRA1 Subregion, where the potential for forage crop production is high, improving productivity and ensuring sustainability in agricultural production require that the equipment and machinery used in livestock farming be made accessible through government support programs.

Keywords

Agricultural Mechanization level , ARIMA Model , TRA1 Subregion

References

• Altıkat, S. (2023). Türkiye'nin Yeni Yüzyılında Tarım Alet ve Makina Parkı ve Mekanizasyon Düzeyi. Journal of Agriculture, 6(2), 135-145. https://doi.org/10.46876/ja.1390246
• Altuntaş, E. (2020). Türkiye’deki tarım makineleri kullanım projeksiyonunun tahmini. Uluslararası Tarım ve Yaban Hayatı Bilimleri Dergisi, 6(3), 506-516. https://doi.org/10.24180/ijaws.728023
• Aybek A., Kuzu H. & Karadöl H. (2021). Türkiye’nin ve tarım bölgelerinin tarımsal mekanizasyon düzeyindeki değişimlerin son on yıl (2010-2019) ve gelecek yıllar (2020-2030) için değerlendirilmesi. KSÜ Tarım ve Doğa Dergisi. 24(2): 319-336. https://doi.org/10.18016/ksutarimdoga.vi.747163
• Başaran Caner, C. & Engindeniz, S. (2020). Türkiye’de Pamuk Üretiminin ARIMA Modeli ile Tahmini. Tarım Ekonomisi Dergisi, 26(1), 63-70. https://doi.org/10.24181/tarekoder.681079
• Bayram, M., & Altuntaş, E. (2016). Tokat ili’nin 2003 ve 2013 yılları için mekanizasyon özelliklerindeki değişiminin incelenmesi. Tarım Makinaları Bilimi Dergisi, 12(3), 213-220.
• Biondi, P., Monarca, D. & Panaro, A. (1998). Simple Forecasting Models for Farm Tractor Demand in Italy, France and the United States. Journal of Agricultural Engineering Research, 71, 25-35. https://doi.org/10.1006/jaer.1998.0292
• Box, G.E., Jenkins, G.M., Reinsel, G.C. & Ljung, G.M. (2016). Time Series Analysis: Forecasting and Control. 5th Edition, John Wiley and Sons Inc. Hoboken, New Jersey, USA.
• Civelek, Ç. (2021). Yapay Sinir Ağları Kullanarak Türkiye Traktör Satış Adedinin Tahmin Edilmesi. Avrupa Bilim ve Teknoloji Dergisi, (31), 375-381. https://doi.org/10.31590/ejosat.1000964
• Çiftçi, F. (2024). Türkiye'de Buğday Üretim Miktarının Geleceğini Tahmin Etmede Veri Madenciliği Yöntemlerinin Kullanımı. Wheat Studies, 13(1), 1-11
• Çomaklı, M. & Ertek Tosun, N. (2024). Estimation of Agricultural Mechanization Levels in Erzurum and Its Districts Using ARIMA Model. International Conference on Food, Agriculture and Animal Sciences 19-22 December, Erzurum, Türkiye
• Dertlioğlu, U. & Altuntaş, E. (2023). Amasya İlinin Tarımsal Makinalaşma Düzeyinin 2016-2021 Yılları Arasındaki Değişiminin İncelenmesi. Tarım Makinaları Bilimi Dergisi, 19(1), 36-52.
• Duru, Ö. (2007). Zaman serileri analizinde ARIMA modelleri ve bir uygulama. Yayımlanmamış Yüksek Lisans Tezi, İstanbul Üniversitesi, SBE, İstanbul.
• Gökdoğan, O. (2012). Türkiye ve Avrupa Birliği'nin Tarımsal Mekanizasyon Düzeyi Göstergelerinin Karşılaştırılması. Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, 9(2), 1-4.
• Gül, E. N., Özgöz, E. & Altuntaş, E. (2022). Tokat ilinin tarımsal mekanizasyon düzeyi, toprak işleme alet ve makinaları ve ekim makinaları projeksiyonu. Gaziosmanpaşa Bilimsel Araştırma Dergisi, 11(2), 12-24.
• Gül, E. N., Ersoy, H., & Altuntaş, E. (2023). Adana ve Mersin İllerinin Tarımsal Mekanizasyon Düzeyi, Toprak İşleme ve Ekim Makinaları Projeksiyonu. Tarım Makinaları Bilimi Dergisi, 19(3), 215-233.
• Kim, B., Shin, S. Y., Kim, Y. Y., Yum, S. & Kim, J. (2013). Forecasting Demand of Agricultural Tractor, Riding Type Rice Transplanter and Combine Harvester by using an ARIMA Model. Journal of Biosystems Engineering, 38(1), 9-17. https://doi.org/10.5307/JBE.2013.38.1.009
• KUDAKA. 2012. Kuzeydoğu Anadolu Kalkınma Ajansı TRA1 Düzey 2 Bölge Planı Tarım Sektörü Raporları. chromeextension://efaidnbmnnnibpcajpcglclefindmkaj/https://kudaka.gov.tr/assets/upload/dosyalar/kudaka_bolge_plani_2014_2023.pdf
• Kumar, M., Mehta, C. R., Jyoti, B., Tamhankar, M. B. & Babu, V. B. (2025). Technology Forecasting of Agricultural Implements for Central India using Structural Time Series Model. Journal of Agricultural Engineering, India, 62(1). https://doi.org/10.52151/jae2025621.1907
• Ma, L., Hu, C., Lin, R., & Han, Y. (2018). ARIMA model forecast based on EViews software. In IOP conference series: Earth and environmental science (Vol. 208, No. 1, p. 012017). IOP Publishing. https://doi:10.1088/1755-1315/208/1/012017
• Malaslı, M. Z., Özmen, T. B. & Çelik, A. (2016). Zaman serileri yöntemiyle orta anadolu bölgesinin (TR-7) 2023 yılı traktör varlığı ve güç büyüklüğü tahmini. Nevşehir Bilim ve Teknoloji Dergisi, 5, 385-394. https://doi.org/10.17100/nevbiltek.211026
• Özgüven, M. M., Türker, U. & Beyaz, A. (2010). Türkiye’nin tarımsal yapısı ve mekanizasyon durumu. Journal of Agricultural Faculty of Gaziosmanpaşa University (JAFAG), 2010(2), 89-100.
• Sabancı, A. & Y. Akıncı. (1994). Dünyada ve Türkiye'de Tarımsal Mekanizasyon Düzeyi ve Son Gelişmeler, Tarımsal Mekanizasyon 15. Ulusal Kongresi Bildiri Kitabı, 404-413, Antalya.
• Saygılı, Y. S. & Çakmak, B. (2023). TR31 Bölgesi Tarımsal Mekanizasyon Düzeyinin İncelenmesi. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 6(3), 1820-1833.
• Senthamarai Kannan, K. & Karuppasamy, K. M. (2020). Forecasting for agricultural production using Arima Model. PalArch’s Journal of Archaeology of Egypt/Egyptology, 17(9), 5939-5949.
• Sındır, A. (2022). Türkiye'de kırsal kalkınma politikaları ve 2007-2013 dönem hibe desteği sağlanan kırsal kalkınma projelerinin etki analizi. Akdeniz Üniversitesi / Sosyal Bilimler Enstitüsü / İktisat Ana Bilim Dalı
• Sims, B. & Kienzle, J. (2017). Sustainable agricultural mechanization for smallholders: what is it and how can we implement it? Agriculture, 7(6), 50. https://doi.org/10.3390/agriculture7060050
• TOB. 2025. Tarım ve orman Bakanlığı, Tarımsal Destekler, https://www.tarimorman.gov.tr/Konular/Tarimsal-Destekler. 4.11.2025
• TURKSTAT (2025). Turkish Statistical Institute Agricultural Machinery and Equipment Statistics. https://data.tuik.gov.tr/Kategori/GetKategori?p=tarim-111
• Uzundumlu, A. S., Bilgiç, A. & Ertek, N. (2019). Türkiye’nin fındık üretiminde önde gelen illerin 2019-2025 yılları arasındaki fındık üretimlerinin ARIMA modeliyle tahmin edilmesi. Akademik Ziraat Dergisi, 8(Özel Sayı), 115-126. https://doi.org/10.29278/azd.591588
• Yıldırım, H. & Alkan, B. (2018). Türkiye için bir makroekonomik belirsizlik endeksi önerisi. Bankacılar Dergisi, 104, 6-25.
• Zhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing, 50, 159-175. https://doi.org/10.1016/S0925-2312(01)00702-0