BRICS-T ülkelerinin lojistik performanslarının MEREC ve MABAC yöntemleri ile değerlendirilmesi

Öz

Küresel ticaret dengelerinde ön plana çıkmak isteyen devletler, lojistik altyapıya verdiği önemi artırmaktadır. Bu bağlamda, lojistik kapasitesini iyileştirmeyi amaçlayan ülkeler, ilerleme sağlamadan evvel mevcut durum analizi yapmalarını ve uluslararası standartlara göre konumlarını belirlemelerini sağlayacak bir kıyaslama aracına ihtiyaç duymaktadır. Bu araçlardan biri Dünya Bankası tarafından geliştirilen Lojistik Performans Endeksi (LPI)’dir. Endeks ülkelerin lojistik süreçlerini ve performanslarını ölçmek için 6 temel kriterden oluşmaktadır. Bu kriterler sayesinde ülkelerin ticaret lojistiği yetenekleri değerlendirilebilmektedir. Çalışmada BRICS ülkeleri ve Türkiye’nin lojistik performansının değerlendirmesi ve Türkiye’nin bu ülkeler arasındaki konumunun belirlenmesi amaçlanmaktadır. Gümrük performansı, lojistik kalitesi ve yeterliliği, altyapı kalitesi, takip ve izleme yeteneği, uluslararası gönderi ve zamanındalık kriterlerinin kullanıldığı çalışmada kriter ağırlıkları MEREC yöntemi ile elde edilmiştir. Lojistik kalitesi ve yeterliliği kriteri en çok öneme sahip olan kriter olarak belirlenmiştir. Ülkelerin lojistik performanslarının değerlendirmesinde ise MABAC yöntemi kullanılmıştır. Birleşik Arap Emirlikleri ilk sırada yer alarak en iyi performansa sahip ülke olarak belirlenmiştir. Türkiye ise dördüncü sırada yer almıştır.

Anahtar Kelimeler

• Lojistik Performans
• MEREC
• MABAC
• Çok Kriterli Karar Verme
• BRICS

Evaluation of logistics performance of BRICS-T countries using MEREC and MABAC methods

Öz

Countries seeking to gain prominence in global trade balances are increasing the importance they place on logistics infrastructure. In this context, countries seeking to improve their logistics capacity need a benchmarking tool that will enable them to analyze their current situation and determine their position against international standards before making progress. One such tool is the Logistics Performance Index (LPI), developed by the World Bank. The index consists of six key criteria to measure countries' logistics processes and performance. These criteria allow for the assessment of countries' trade logistics capabilities. The study aims to assess the logistics performance of the BRICS countries and Turkey and determine Turkey's position among these countries. The study used criteria such as customs performance, logistics quality and adequacy, infrastructure quality, track and trace capability, international shipment and timeliness. The MEREC method was used to determine the criteria weights. Logistics quality and adequacy was determined to be the most important criterion. The MABAC method was used to evaluate countries' logistics performance. The United Arab Emirates ranked first, indicating the best performance, while Turkey ranked fourth.

Anahtar Kelimeler

• Logistics Performance
• Multi-Criteria Decision Making
• MEREC
• MABAC
• BRICS

Kaynakça

1. Akandere, G. (2021). Kuşak Yol Ülkelerinin Lojistik ve Çevresel Performansının Analizi. Gaziantep University Journal of Social Sciences, 20(4), 1893-1915.
2. Alhadidi, T. I., Awad, F. A., Hindawi, R., & Alazmi, A. (2025). Assessing the operational features of bus rapid transit at innovative roundabouts: an integrated BWM-MABAC method. Innovative Infrastructure Solutions, 10(9), 406. https://doi.org/10.1007/s41062-025-02210-8
3. Altın, H. (2021). Analysis of The Financial Performances of Companies Trading in Borsa Istanbul by MABAC Method. Uluslararası Ekonomi İşletme ve Politika Dergisi, 5(2), 211-234. https://doi.org/10.29216/ueip.929743
4. Altıntaş, F. F. (2021). Avrupa Birliği Ülkelerinin Lojistik Perfromanslarının CRITIC Tabanlı WASPAS ve COPRAS Teknikleri ile Analizi. Türkiye Sosyal Araştırmalar Dergisi, 25(1), 117-146.
5. Altıntaş, F. F. (2022a). G7 Ülkelerinin Lojistik Etkinlik ve Verimlilik Performanslarının Değerlendirilmesi. Verimlilik Dergisi, 1, 78-93. https://doi.org/10.51551/verimlilik.734258
6. Altıntaş, F. F. (2022b). G7 Ülkelerinin Siber Güvenlik Performanslarının Analizi: Entropi Tabanlı MABAC Yöntemi İle Bir Uygulama. Güvenlik Bilimleri Dergisi, 11(1), 263-286. https://doi.org/10.28956/gbd.1109776
7. Ayçin, E., & Gök Kısa, A. C. (2019). OECD Ülkelerinin Lojistik Performanslarının SWARA Tabanlı EDAS Yöntemi ile Değerlendirilmesi. Cankiri Karatekin Universitesi Iktisadi ve Idari Bilimler Fakultesi Dergisi, 9(1), 301-325. https://doi.org/10.18074/ckuiibfd.500320
8. Bektaş, S. (2023). MEREC ve MABAC Yöntemleri İle Bist 100’de İşlem Gören Enerji Firmalarının Finansal Performanslarının Değerlendirilmesi. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 24(2), 115-128. https://doi.org/10.24889/ifede.1340829

9. Candan, G. (2019). Lojistik Performans Değerlendirmesi İçin Bulanık AHP ve Gri İlişkisel Analiz Yöntemleri İle Bütünleşik Bir Yaklaşım. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 7(5), 277-286. https://doi.org/10.18506/anemon.506769
10. Chatterjee, P., Mondal, S., Boral, S., Banerjee, A., & Chakraborty, S. (2017). A Novel Hybrid Method For Non-Traditional Machining Process Selection Using Factor Relationship And Multi-Attributive Border Approximation Method. Facta Universitatis, Series: Mechanical Engineering, 15(3), 439-456. https://doi.org/10.22190/FUME170508024C
11. Cristopher, M. C. (2016). Logistics and Supply Chain Management. FT Press.
12. Çemberci, M., Civelek, M. E., & Canbolat, N. (2015). The Moderator Effect of Global Competitiveness Index on Dimensions of Logistics Performance Index. Procedia - Social and Behavioral Sciences, 195, 1514-1524. https://doi.org/10.1016/j.sbspro.2015.06.453
13. Çınaroğlu, E. (2022). Entropi Destekli MABAC Yöntemi ile AB Ülkeleri Dijital Dönüşüm Performansı Analizi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 12(Dijitalleşme), 18-34.
14. Ecer, F. (2020). Çok Kriterli Karar Verme. Seçkin.
15. Ecer, F., & Hashemkhani Zolfani, S. (2022). Evaluating Economic Freedom Via A Multi-Criteria Merec-Dnma Model-Based Composite System: Case of Opec Countries. Technological and Economic Development of Economy, 28(4), 1158-1181. https://doi.org/10.3846/tede.2022.17152
16. Eş, A., & Eğilmez, G. (2024). Bütünleşik Entropy-CoCoSo Yöntemi ile G20 Ülkelerinin Lojistik Performans Endekslerinin Değerlendirilmesi. Içinde H. M. Arslan (Ed.), Bütünleşik Çok Kriterli Karar Verme Yöntemleri ve Güncel Uygulamaları. Özgür Yayınları. https://doi.org/10.58830/ozgur.pub468.c1972
17. Eygü, H., & Kılınç, A. (2020). OECD Ülkelerinin Lojistik Performans Endekslerinin Ridge Regresyon Analizi ile Araştırılması. Trakya Üniversitesi Sosyal Bilimler Dergisi, 22(2), 899-919. https://doi.org/10.26468/trakyasobed.688737
18. Goswami, S. S., Mohanty, S. K., & Behera, D. K. (2022). Selection of a green renewable energy source in India with the help of MEREC integrated PIV MCDM tool. Materials Today: Proceedings, 52(3), 1153-1160. https://doi.org/10.1016/j.matpr.2021.11.019
19. Görgün, M. G. (2020). Lojistik Performans Kriterlerinin Sağlanmasında Türk Lojistik Sektörünün Durumu. EKEV AKADEMİ Dergisi, 24(1), 229-246.
20. Güçlü, P., & Oudoum Mohamed, M. (2024). MEREC, Veri Zarflama Analizi ve EATWIOS Yöntemlerinin Hibrit Kullanımı ile Afrika Ülkelerinin Lojistik Performanslarının Değerlendirilmesi. Sinop Üniversitesi Sosyal Bilimler Dergisi, 8(2), 1033-1071. https://doi.org/10.30561/sinopusd.1495650
21. Jana, C. (2021). Multiple attribute group decision-making method based on extended bipolar fuzzy MABAC approach. Computational and Applied Mathematics, 40(6), 227. https://doi.org/10.1007/s40314-021-01606-3
22. Kale, M. V., & Tilki, İ. (2024). Dünya Ülkelerinin Lojistik Performanslarının Çok Kriterli Karar Verme Yöntemi ile Değerlendirilmesi: 2023 Yılı Dünya Bankası Raporu ile Karşılaştırmalı Analizi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 80, 13-30. https://doi.org/10.51290/dpusbe.1387317
23. Kalem, R. N., & Akpınar, M. E. (2022). Personnel Performance Assessment using Entropy based MABAC Method: An Application in the Food Sector. Equinox Journal of Economics Business and Political Studies, 9(1), 89-106. https://doi.org/10.48064/equinox.1063776
24. Kara, K., Özyürek, H., Yalçın, G. C., & Burgaz, N. (2024). Enhancing Financial Performance Evaluation: The MEREC-RBNAR Hybrid Method for Sustainability-Indexed Companies. Journal of Soft Computing and Decision Analytics, 2(1), 236-257. https://doi.org/10.31181/jscda21202444
25. Kara, K., Yalçın, G. C., Acar, A. Z., Simic, V., Konya, S., & Pamucar, D. (2024). The MEREC-AROMAN method for determining sustainable competitiveness levels: A case study for Turkey. Socio-Economic Planning Sciences, 91, 101762. https://doi.org/10.1016/j.seps.2023.101762
26. Kara, K., Yalçın, G. C., Kaygısız, E. G., & Edinsel, S. (2024). Assessing the Academic Performance of Turkish Universities in 2023: A MEREC-WEDBA Hybrid Methodology Approach. Journal of Operations Intelligence, 2(1), 252-272. https://doi.org/10.31181/jopi21202422
27. Karaköy, Ç., & Ölmez, U. (2019). Balkan Ülkelerinin LPI Değerlerinin Değerlendirilmesi. 4th International Symposium on Innovative Approaches in Social, Human and Administrative Sciences Proceedings, 178-180. https://doi.org/10.36287/setsci.4.8.031
28. Kaya, S. K., Ayçin, E., & Pamucar, D. (2023). Evaluation of social factors within the circular economy concept for European countries. Central European Journal of Operations Research, 31(1), 73-108. https://doi.org/10.1007/s10100-022-00800-w
29. Keleş, N. (2023). A Multi-Criteria Decision-Making Framework Based on the MEREC Method for the Comprehensive Solution of Forklift Selection Problem. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 18(2), 573-590. https://doi.org/10.17153/oguiibf.1270016
30. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2021). Determination of Objective Weights Using a New Method Based on the Removal Effects of Criteria (MEREC). Symmetry, 13(4), 1-20. https://doi.org/10.3390/sym13040525
31. Koç Ustalı, N., & Tosun, Ö. (2020). Investıgatıon of Logistic Performance of G-20 Countries Using Data Envelopment Analysis And Malmquist Total Factor Productivity Analysis. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(3), 755-781. https://doi.org/10.30798/makuiibf.792066
32. Liu, D., Qiao, L., Liu, C., Liu, B., & Liu, S. (2024). Evaluation of Urban Quality Improvement Based on the MABAC Method and VIKOR Method: A Case Study of Shandong Province, China. Sustainability, 16(8), 3308. https://doi.org/10.3390/su16083308
33. Lukić, R. (2021). Analysis of trade efficiency in Serbia based on the MABAC method. Ekonomski pogledi, 23(2), 1-18. https://doi.org/10.5937/ekopogl2102001L
34. Lukić, R. (2023). Analysis of the Performance of The Serbian Economy Based on The MEREC-WASPAS Method. Marsonia:Journal of Social and Humanities Research, 2(1), 39-52.
35. Luo, S., & Liang, W. (2019). Optimization of roadway support schemes with likelihood-based MABAC method. Applied Soft Computing, 80, 80-92. https://doi.org/10.1016/j.asoc.2019.03.020
36. Martí, L., Martín, J. C., & Puertas, R. (2017). A Dea-Logistics Performance Index. Journal of Applied Economics, 20(1), 169-192. https://doi.org/10.1016/S1514-0326(17)30008-9
37. Martí, L., Puertas, R., & García, L. (2014). The importance of the Logistics Performance Index in international trade. Applied Economics, 46(24), 2982-2992. https://doi.org/10.1080/00036846.2014.916394
38. Mastilo, Z., Štilić, A., Gligović, D., & Puška, A. (2024). Assessing the Banking Sector of Bosnia and Herzegovina: An Analysis of Financial Indicators through the MEREC and MARCOS Methods. Journal of Central Banking Theory and Practice, 13(1), 167-197. https://doi.org/10.2478/jcbtp-2024-0008
39. Mishra, A. R., Saha, A., Rani, P., Hezam, I. M., Shrivastava, R., & Smarandache, F. (2022). An Integrated Decision Support Framework Using Single-Valued-MEREC-MULTIMOORA for Low Carbon Tourism Strategy Assessment. IEEE Access, 10, 2441111-2443232. https://doi.org/10.1109/ACCESS.2022.3155171
40. Mohamed, M., Salam, A., Ye, J., & Yong, R. (2024). Single-Valued Neutrosophic MCDM Approaches Integrated with MEREC and RAM for the Selection of UAVs in Forest Fire Detection and Management. Neutrosophic Systems with Applications, 19, 1-14. https://doi.org/10.61356/j.nswa.2024.19319
41. Oğuz, A., & Satır, H. (2024). Analyzing Profitability Performance with the Integrated MEREC-COBRA Method: The Case of BIST Retail Companies. Business and Economics Research Journal, 15(1), 33-50. https://doi.org/10.20409/berj.2024.433
42. Oğuz, S., Alkan, G., & Yılmaz, B. (2019). Seçilmiş Asya Ülkelerinin Lojistik Performanslarının TOPSİS Yöntemi ile Değerlendirilmesi. IBAD Sosyal Bilimler Dergisi, Özel Sayı, 497-507. https://doi.org/10.21733/ibad.613421
43. Orhan, M. (2019). Türkiye ile Avrupa Birliği Ülkelerinin Lojistik Performanslarının Entropi Ağırlıklı Edas Yöntemiyle Karşılaştırılması. European Journal of Science and Technology, 17, 1222-1238. https://doi.org/10.31590/ejosat.657693
44. Özdağoğlu, A., Ulutaş, A., & Keleş, M. K. (2022). Lojistik Değerlendirme Ölçütlerine Göre Ülke Sıralamaları: Farklı Yöntemlerin Sıralama Üzerindeki Etkisi. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 512-541. https://doi.org/10.30798/makuiibf.913369
45. Pala, O. (2023). MEREC-CORR ve SAW Temelli Lojistik Performans Değerlendirme. Dicle Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(25), 117-135. https://doi.org/10.53092/duiibfd.1130928
46. Pamučar, D., & Ćirović, G. (2015). The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approximation area Comparison (MABAC). Expert Systems with Applications, 42(6), 3016-3028. https://doi.org/10.1016/j.eswa.2014.11.057
47. Rani, P., Mishra, A. R., Saha, A., Hezam, I. M., & Pamucar, D. (2022). Fermatean fuzzy Heronian mean operators and MEREC‐based additive ratio assessment method: An application to food waste treatment technology selection. International Journal of Intelligent Systems, 37(3), 2612-2647. https://doi.org/10.1002/int.22787
48. Shanmugasundar, G., Sapkota, G., Čep, R., & Kalita, K. (2022). Application of MEREC in Multi-Criteria Selection of Optimal Spray-Painting Robot. Processes, 10(6), 1172. https://doi.org/10.3390/pr10061172
49. Shi, M., Li, X., & Xu, C. (2024). Two-stage site selection of hydrogen refueling stations coupled with gas stations considering cooperative effects based on the CRITIC-ITFAHP-MABAC method: A case study in Beijing. International Journal of Hydrogen Energy, 49, 1274-1292. https://doi.org/10.1016/j.ijhydene.2023.09.168
50. Simić, V., Ivanović, I., Đorić, V., & Torkayesh, A. E. (2022). Adapting Urban Transport Planning to the COVID-19 Pandemic: An Integrated Fermatean Fuzzy Model. Sustainable Cities and Society, 79, 103669. https://doi.org/10.1016/j.scs.2022.103669
51. Sofyalıoğlu, Ç., & Kartal, B. (2013). A Comparison and some Suggestions for Turkey’s and Eurasian Economic Community Countries’ Logistic Performance Index Scores. 524-531. https://doi.org/10.36880/C04.00766
52. Son, N. H., & Hieu, T. T. (2023). Selection of welding robot by multi-criteria decision-making method. Eastern-European Journal of Enterprise Technologies, 121(3), 66-72. https://doi.org/10.15587/1729-4061.2023.269026
53. Sonar, H. C., & Kulkarni, S. D. (2021). An Integrated AHP-MABAC Approach for Electric Vehicle Selection. Research in Transportation Business & Management, 41, 100665. https://doi.org/10.1016/j.rtbm.2021.100665
54. Sukamto, S., Fitriansyah, A., & Nugrah, R. A. (2023). Decision Support System For Selection Of Pesticides For Chili Plants Using The Mabac Method. Jurnal Teknik Informatika (Jutif), 4(5), 1109-1118. https://doi.org/10.52436/1.jutif.2023.4.5.977
55. Şahin Macit, N. (2023). Critic Tabanlı Mabac ve Marcos Yöntemleri ile 19 Orta Doğu Ülkesinin Lojistik Performanslarının İncelenmesi. Içinde K. Ç. Nüket (Ed.), Sosyal Bilimler Üzerine Araştırmalar I. Özgür Yayın.
56. TDK. (2020). Güncel Türkçe Sözlük. https://sozluk.gov.tr/
57. The World Bank. (2023). The Logistics Performance Index and Its Indicators.
58. Türkoğlu, M., & Duran, G. (2023a). Çok Kriterli Karar Verme Yöntemleri ile Bölgesel Kapsamlı Ekonomik Ortaklık (RCEP) Ülkelerinin Lojistik Performanslarının Değerlendirilmesi. Ekonomi Bilimleri Dergisi, 15(1), 45-69. https://doi.org/10.55827/ebd.1247297
59. Türkoğlu, M., & Duran, G. (2023b). G20 Ülkelerinin Lojistik Performanslarının CRITIC Tabanlı GIA Ve WASPAS Uygulaması İle Değerlendirilmesi. Hukuk ve İktisat Araştırmaları Dergisi, 15(1), 50-72. https://doi.org/10.53881/hiad.1247196
60. Ulutaş, A., & Karaköy, Ç. (2019). G-20 Ülkelerinin Lojistik Performans Endeksinin Çok Kriterli Karar Verme Modeli ile Ölçümü. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 20(2), 71-84.
61. Ulutaş, A., Stanujkić, D., Karabašević, D., Popović, G., & Novaković, S. (2022). Pallet truck selection with MEREC and WISP-S methods. Strategic Management, 27(4), 23-29. https://doi.org/10.5937/StraMan2200013U
62. Wang, J., Darwis, D., Dedi Gunawan, R., & Ariany, F. (2025). Optimizing E-Commerce Platform Selection Using Root Assessment Method and MEREC Weighting. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 6(1), 1-12.
63. Wang, J., Darwis, D., Setiawansyah, S., & Rahmanto, Y. (2024). Implementation of MABAC Method and Entropy Weighting in Determining the Best E-Commerce Platform for Online Business. JITEKH, 12(2), 58-68. https://doi.org/10.35447/jitekh.v12i2.1000
64. Wang, Q., Cheng, T., Lu, Y., Liu, H., Zhang, R., & Huang, J. (2024). Underground Mine Safety and Health: A Hybrid MEREC–CoCoSo System for the Selection of Best Sensor. Sensors, 24(4), 12855. https://doi.org/10.3390/s24041285
65. Wei, G., Wei, C., Wu, J., & Wang, H. (2019). Supplier Selection of Medical Consumption Products with a Probabilistic Linguistic MABAC Method. International Journal of Environmental Research and Public Health, 16(24), 50822. https://doi.org/10.3390/ijerph16245082
66. Widodo, E., Prathivi, R., & Hadi, S. (2023). Evaluating the Popularity of Programming Languages in Indonesia using the MABAC Method. Jurnal Transformatika, 21(1), 50-59. https://doi.org/10.26623/transformatika.v21i2.7001
67. Xu, X.-G., Shi, H., Zhang, L.-J., & Liu, H.-C. (2019). Green Supplier Evaluation and Selection with an Extended MABAC Method Under the Heterogeneous Information Environment. Sustainability, 11(23), 6616. https://doi.org/10.3390/su11236616
68. Zorlu, K., Dede, V., Zorlu, B. Ş., & Serin, S. (2023). Quantitative assessment of geoheritage with the GAM and MEREC-based PROMETHEE-GAIA method. Resources Policy, 84, 103796. https://doi.org/10.1016/j.resourpol.2023.103796