A DIFFERENT PERSPECTIVE TO REAL ESTATE VALUATION WITH FUZZY LOGIC MODELING

Öz

The aim of the study is to investigate the feasibility of fuzzy logic modeling in real estate valuation and the effects of reducing the variables in the prepared data set. The data set is consisted of 120 valuation reports prepared for buildings located in various districts of Izmir. In the selection of variables for the model, saving time and economic sources, minimizing bureaucratic procedures are taken in consideration. In this context, a quality reduction process was applied to the variables and statistically the most accurate model with minimum variables was tested. Statistical analyzes showed that, fuzzy logic modeling predicts the value of real estates faster and with lower margin of error. The results of the study indicated that quality reduction with fuzzy logic modeling can be an alternative method in real estate valuation processes.

Anahtar Kelimeler

• Real Estate Valuation
• Fuzzy Logic
• Multiple Regression
• Stepwise Regression.

BULANIK MANTIK MODELLEMESİ İLE TAŞINMAZ DEĞERLEMEYE FARKLI BİR BAKIŞ

Öz

Bu çalışmada taşınmaz değerlemede bulanık mantık modellemesinin uygulanabilirliğinin ve hazırlanan veri setindeki değişkenlerin azaltılmasının yöntem üzerindeki etkilerinin araştırılması amaçlanmaktadır. Araştırma sahası olarak İzmir ili muhtelif ilçelerinde 120 tane bağımsız bölümün değerleme raporu kullanılmıştır. Değişkenler seçilirken, zaman ve ekonomik açıdan kazanım sağlanması, bürokratik işlemlerin en aza indirilmesi göz önünde bulundurulmuştur. Bu kapsamda değişkenlere nitelik azaltma işlemi uygulanmış olup, en az değişken ile istatistiksel olarak en başarılı veri setine ulaşılmıştır. Yapılan istatistiksel analizler taşınmaz değerlemede, bulanık mantık modellemesinin daha hızlı ve düşük hata payı ile tahminde bulunduğunu göstermektedir. Çalışmanın bulguları bir bütün olarak değerlendirildiğinde; nitelik azaltma işlemi kullanılarak, bulanık mantık modellemesinin taşınmaz değerlemede alternatif bir yöntem olarak kullanılabileceği düşünülmektedir.

Anahtar Kelimeler

• Taşınmaz Değerleme
• Bulanık Mantık
• Çoklu Regresyon
• Stepwise Regresyonu

Kaynakça

1. Anand, M. S.,Tyagi, B., 2012. Design and Implementation of Fuzzy Controller on FPGA, International Journal of Intelligent Systems and Applications, 4(10): 35-42.
2. Borst, R.A., 1991. Artificial Neural Networks: The Next Modelling/Calibration Technology For The Assessment Community, Property Tax Journal, 10(1), 69-94.
3. Bostancı, B., Bakır, Y. N., Doğan, U., Güngör, K. M., 2017. Research on GIS-Aided Housing Satisfaction Using Fuzzy Decision-Making Techniques”, Journal of the Faculty of Engineering and Architecture of Gazi University, 32(4): 1193-1207.
4. Budzyński, T.,and Wilkowski, W., 2006. Application of Artificial Neural Networks for Real Estate Valuation”, 23 FIG Cangress, Munich, Germany, 8-13 October.
5. Canaz Sevgen, S., ve Aliefendioğlu Tanrıvermiş, Y., 2020. Mass Apprasial With A Machine Learning Algorithm:
6. Random Forest Regression, Bilişim Teknolojileri Dergisi, 13(3), 301-311.
7. Cechin, A., Souto, A., and González, M. A., 2000. Real Estatevalue at Porto Alegre City Using Artificial Neural networks, Unisinos University, Brazil, 237-242.
8. Çakır, P. ve Sesli, F. A., 2013. Arsa Vasıflı Taşınmazların Değerine Etki Eden Faktörlerin ve Bu Faktörlerin Önem Sıralarının Belirlenmesi”, Harita Teknolojileri Elektronik Dergisi, 5(3): 1-16.

9. Demirel, B., Yelek, A., Alağaş, H. M., Eren, T., 2018. Taşınmaz Değerleme Kriterlerinin Belirlenmesi ve Kriterlerin Önem Derecelerinin Çok Ölçütlü Karar Verme Yöntemi ile Hesaplanması”, Kırıkkale University Journal of Social Sciences, 8(2): 665-682.
10. Derinpınar, M. A., ve Aydınoğlu, A. Ç. 2015. Bulanık Mantık ile Coğrafi Bilgi Teknolojilerini Kullanarak Taşınmaz Değerlemesi, 15. Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara.
11. Dikmen, S. U., Saraç, E., 2012. Estimation of the Selling Price of Apartment Units Using Artificial Neural Networks”, Third International Conference on Construction in Developing Countries, Bangkok, Thailand.
12. Elmas, Ç., 2011. Yapay Zeka Uygulamaları, 2, Seçkin Yayıncılık, Ankara.
13. Erdem, N., 2017. Türkiye’de Taşınmaz Değerleme Alanında Yapılan Lisansüstü Tezlerinin İçerik Analizi”, Akademik Platform Mühendislik ve Fen Bilimleri Dergisi, 6(1): 112-126.
14. Eren, E.,Tüdeş, T. ve Yomralıoğlu, T., 1999. Coğrafi Bilgi Sistemlerinde Raster Tekniği İle Kent Taşınmaz Değer Haritalarının Üretilmesi, Yerel Yönetimlerde Kent Bilgi Sistemi Uygulamaları Sempozyumu, Trabzon, 231-239.
15. Es, H. A., Kalender, F. Y. Ve Hamzaçebi, C., 2014. Forecasting the net Energy Demand of Turkey by Artifical Neural Networks”, Journal of theFaculty of Engineering and Architecture of Gazi University, 26(3): 495-504.
16. Esen, Y., 2014. Kamulaştırma Bedel Tespitinde Uygulanan Kriterlerin İrdelenmesi –İzmir Örneği, Doktora Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü.
17. Esperanza, M.,and Gallego, J., 2004. Artificial Intelligence Applied to Real Estate Valuation an Example for the Appraisal of Madrid”, Catastro, 255-265.
18. García, N., Gámez, M., and Alfaro, E., 2008. ANN+GIS: An Automated System for Property Valuation”, Science Direct Neuro computing, 71: 733-742
19. Güner, N. Ve Çomak, E., 2014. Lise Öğrencilerinin Matematik Dersine Yönelik Tutumlarının Bulanık Mantık Yöntemi ile İncelenmesi, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 20(5): 189-196.
20. Hong, J., Choi, H., Kim, W., 2020. A House Price Valuation Based On The Random Forest Approach: The Mass Appraisal Of Residential Property In South Korea, International Journal of Strategic Property Management, 24(3), 140-152.
21. Işıklı, M., 2019. Coğrafi Bilgi Sistemleri ile Taşınmaz Değerlemesi”, Yapı Bilgi Modelleme, 1(1): 27-32.
22. Jang, J. S. R., Sun, C.T. and Mizutani, E., 1996. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence”, PrenticeHall, A. B. D.
23. Kayaalp, G. T., Çelik Güney, M. Ve Cebeci, Z., 2015. Çoklu Doğrusal Regresyon Modelinde Değişken Seçiminin Zootekniye Uygulanışı”, Çukurova Üniversitesi Ziraat Fakültesi Dergisi, 30 (1): 1 – 8.
24. Khalafallah, A., 2008. Neural Network Based Model For Predicting Housing market Performance, Tsinghua Science and Technology, 13: 325-328.
25. Kim, G. H., An, S. H., and Kang, K. I., 2004. Comparison of Construction Costestimating Models Based on Regression Analysis, Neural Networks, and Case-Based Reasoning”, Building and Environment, 39:1235-1242.
26. Koçak, Ç., Yiğit, T., 2020. Teknoloji Bağımlılığının Bulanık Mantık ile Sınıflandırılması, Mühendislik Bilimleri ve Tasarım Dergisi, 8(5): 126 – 132.
27. Köktürk, E., 2009. Taşınmaz Değerleme: Durum Saptaması ve Yönelimler, Türkiye Mühendis ve Mimar Odaları Birliği Harita ve Kadastro Mühendisleri Odası 12. Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara
28. Kuzugüdenli, E., 2018. Bulanık Mantık Yöntemiyle Kızılçamda Verimliliğin Modellenmesi, Mühendislik Bilimleri ve Tasarım Dergisi, 6(3): 426 – 434.
29. Nas Bulut, B., 2011. YSA ve DVM Yöntemleri ile Taşınmaz Değerlemesi İçin Bir Yaklaşım Geliştirme”, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü.
30. Nişancı, R., 2005. Coğrafi Bilgi Sistemleri İle Nominal Değerleme Yöntemine Dayalı Piksel Tabanlı Kentsel Taşınmaz Değer Haritalarının Üretilmesi, Doktora Tezi, Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
31. Özgür, B., Kara, R., 2020. Hastane Pnömatik Sistemlerinin Bulanık Mantıkla Modellenmesi, Mühendislik Bilimleri ve Tasarım Dergisi, 8(5): 25 – 34.
32. Özkan, G., Yalpır, Ş., and Uygunol, O., 2007. An Investigation on the Price estimation of Residable Real Estates by Using Artificial Neural Network and Regression Methods”, XIIth Applied Stochastic Models and Data Analysis International Conference (ASMDA).
33. Rossini, P., 1997. Application of Artificial Neural Networks to The Valuation of Residential Property, 3. Annual Pacific-Rim Real Estate Society Conference, Palmerston North, New Zealand.
34. Saraç, E., 2012. “Yapay Sinir Ağları Metodu ile gayrimenkul Değerleme”, Yüksek Lisans Tezi, İstanbul Kültür Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
35. Şen, Z., 2009. Bulanık Mantık İlkeleri ve Modelleme”, Genişletilmiş 3. Baskı, Su Vakfı Yayınları.
36. Tabar, M. E., ve Şişman, Y., 2020. Bulanık Mantık ile Arsa Değerleme Modelinin Oluşturulması. Türkiye Arazi Yönetimi Dergisi, 2(1), 18-24.
37. Worzala, E.,Lenk, M., and Silva, A., 1995. An Exploration of Neural Networks And It Sapplication to Real Estate Valuation”, The Journal of Real Estate Research, 10(2): 185-201.
38. Yalpır, Ş., 2007. Bulanık Mantık Metodolojisi İle Taşınmaz Değerleme Modelinin Geliştirilmesi ve Uygulaması: Konya Örneği, Doktora Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü.
39. Yalpır, Ş., Bünyan Ünel, F., 2016. Türkiye 'de ve Uluslararası Çalışmalarda Arsa Değerlemede Kullanılan Kriterlerin İrdelenmesi ve Faktör Analizi ile Azaltımı, Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 6, 303 – 322.
40. Yomralıoğlu, T., Nişancı, R., Çete, M., Candaş, E., 2011. Dünya'da ve Türkiye'de Taşınmaz Değerlemesi, Türkiye’de Sürdürülebilir Arazi Yönetimi Çalıştayı, Okan Üniversitesi.
41. Yücel, A., 2010. Tedarikçi Seçimi Probleminde Bütünleşik Sinirsel Bulanık Mantık Yaklaşımı, Doktora Tezi, Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
42. Zurada, J. M.,Levitan, A. S., and Guan, J., 2006. Non-Conventional Approaches to Property Value Assessment”, Journa of Applied Business Research, 22(3): 1-14.