GELİŞMEKTE OLAN ÜLKELERİN LOJİSTİK PAZAR PERFORMANSLARINA GÖRE KÜMELENMESİ

Yıl 2025, Cilt: 20 Sayı: 79, 474 - 487, 31.07.2025

Aslıhan Turgut

https://doi.org/10.19168/jyasar.1581854

Öz

Lojistik performans ile ülkelerin ekonomik kalkınmaları arasında güçlü bir ilişki vardır. Bu yüzden ülkelerin lojistik performanslarının değerlendirilmesi önem arz etmektedir. Bu çalışmada gelişmekte olan ülkelerin lojistik performansları açısından kümelenmesi amaçlanmıştır. Çalışmada Çeviklik Gelişmekte Olan Pazarlar Lojistik Endeksi 2024 verileri WEKA programı Canopy algoritması ile analiz edilmiştir. Sonuçta 50 ülke 5 kümeye ayrılmıştır. Küme 1 lojistik performans açısından en iyi performans gösteren ülkelerden, Küme 2 lojistik performans açısından en kötü performans gösteren ülkelerden oluşmaktadır. Türkiye 28 ülke ile birlikte Küme 0’da yer almaktadır. Türkiye lojistik performans açısından henüz istenilen seviyelere ulaşamamıştır. Kısa vadede Küme 1’e girmek için çağın gerekliliği olarak lojistikte yeni nesil teknoloji kullanımı artırılmalı ve lojistik altyapıyı güçlendirilmelidir.

Anahtar Kelimeler

Lojistik , Lojistik Performans , Gelişmekte Olan Ülkeler , Canopy Algoritması , Kümeleme Analizi

CLUSTERING OF DEVELOPING COUNTRIES ACCORDING TO THEIR LOGISTICS MARKET PERFORMANCE

Öz

There is a strong relationship between logistics performance and the economic development of countries. It is therefore important to assess the logistics performance of countries. This study aims to cluster developing countries in terms of their logistics performance. In the study, data from the Agility Emerging Markets Logistics Index 2024 were analysed using the Canopy algorithm of the WEKA programme. As a result, 50 countries were grouped into 5 clusters. Cluster 1 consists of the best performing countries in terms of logistics performance and Cluster 2 consists of the worst performing countries in terms of logistics performance. Turkey is in Cluster 0 with 28 countries. Turkey has not yet reached the desired level of logistics performance. In order to enter Cluster 1 in the short term, the use of new generation technologies in logistics should be increased and the logistics infrastructure should be strengthened.

Anahtar Kelimeler

Logistics , Logistics Performance , Developing Countries , Canopy Algorithm , Cluster Analysis

Kaynakça

• Aboul-Dahab, K., & Ibrahim, M. A. (2020). Investigating the efficiency of the logistics performance index (LPE) weighting system using the technique for order of preference by similarity to ideal solution (TOPSIS) method. International Journal of Science and Research, 9(6), 269-277.
• Agility Emerging Markets Logistics Index.( 2024). https://www.agility.com/en/logistics-execs-wary-of-2024-recession-and-overreliance-on-china/ (Erişim tarihi: 05.02.2024).
• Altıntaş, F. F. (2022). Lojistik Performans Endeksi Kapsamında Ülkelerin K-Ortalamalar Kümeleme Analizi ile İncelenmesi. Yaşar Üniversitesi E-Dergisi, 17(68), 878-891.; 884- 887.
• Avşar, İ. İ. (2023). Lojistik Performans Endeksine Göre Seçilmiş Ülkelerin K-ortalamalar Yöntemi ile Kümelenmesi: Türkiye’nin Durumu. Karadeniz Ekonomi Araştırmaları Dergisi, 4(1), 44-61.
• Ay Türkmen M. & Aynaoğlu Y. (2017), Küresel Rekabet Endeksi Göstergelerinin Küresel İnovasyon Endeksi Üzerindeki Etkisi, BMIJ, (2017), 5(4): 257-282.
• Beysenbaev, R., & Dus, Y. (2020). Proposals for improving the logistics performance index. The Asian Journal of Shipping and Logistics, 36(1), 34-42.
• Burmaoglu, S. (2012). Ulusal Inovasyon Göstergeleri ile Ulusal Lojistic Perfomansi Arasindaki Iliski: AB Ülkeleri Üzerine Bir Arastirma/Relation Between National Innovation Indicators and National Logistics Performance: A Research on EU Countries. Ege Akademik Bakis, 12(2), 193.
• Çelik, Ş., Şengül, T., Şengül, Ö., & İnci, H. (2018). Türkiye'de illere göre hayvansal ve bitkisel ürünlerin kümeleme analizi ile incelenmesi. Journal of Awareness, 3(5), 385-398.
• 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.
• Dağ, O. (2023). OECD Ülkelerinin İhraç ve İthal Edilen Ürün Gruplarına Göre Kümelenmesi. Gazi Mühendislik Bilimleri Dergisi, 9(4), 186-200.
• Dalmaijer, E. S., Nord, C. L., & Astle, D. E. (2022). Statistical power for cluster analysis. BMC bioinformatics, 23(1), 1-28.
• Danaci, T., & Nacar, R. (2017). Comparing the foreign trade and logistic performance of Turkey and EU members with cluster analysis. PressAcademia Procedia, 3(1), 31-36.
• Demircioğlu, M., & Eşiyok, S. (2020). Covıd–19 Salgını ile Mücadelede Kümeleme Analizi İle Ülkelerin Sınıflandırılması. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19(37), 369-389.
• Eren, H., & Ömürbek, N. (2021). OECD ülkelerinin lojistik performanslari açisindan kümelenmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26(2), 153-166.
• Gani, A. (2017). The logistics performance effect in international trade. The Asian Journal of Shipping and Logistics, 33(4), 279-288.
• Giray, S., & Gülel, F. E. (2014). Avrupa ülkelerinin intihar oranlarına göre sınıflandırılması. Süleyman Demirel Üniversitesi Fen-Edebiyat Fakültesi Sosyal Bilimler Dergisi, 2014(31), 235-247.
• Göçer, A., Özpeynirci, Ö., & Semiz, M. (2022). Logistics performance index-driven policy development: An application to Turkey. Transport policy, 124, 20-32.
• Hamarat, B., Şahin, Ö. U., & Kevşek, H. (2020). OECD, AB ve G-10 Ülkelerinin Yaşam Kalitesi Göstergelerine Göre Benzerliklerinin Belirlenmesi: Bulanık Kümeleme Analizi. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (38), 84-112.
• Israfilov, N., Druzyanova, V., Ermakova, M., & Sinitsyna, A. (2023). Key Directions for Transforming Supply Chain Management in Emerging Markets during the Post-COVID-19 Pandemic Period. Operatıons and Supply Chaın Management, 16(4), 498-508.
• Işik, Ö., Aydin, Y., & Koşarolu, S. (2020). The assessment of the logistics performance index of CEE countries with the new combination of SV and MABAC methods. LogForum. 16 (4), 549-559.
• Janno, J., Mochalina, E. P., Ivankova, G. V., Labanova, O., Latonina, M., Safulina, E., & Uukkivi, A. (2021). The impact of initial data on the logistics performance index estimation: Estonian and Russian study. LogForum, 17(1).
• Kara K., Bentyn Z., &Yalçın C. G., (2022). Determining the logistics market performance of developing countries by Entropy and MABAC methods. LogForum, 18 (4), 421-434.
• Kara, K. (2023). Clustering of Developing Countries in Terms of Logistics Market Development with Fuzzy Clustering and Discriminant Analysis. Yaşar Üniversitesi E-Dergisi, 18(69), 19-40.
• Kargı, V. S. A. (2022). Evaluation of Logistics Performance of The OECD Member Countries with Integrated Entropy and Waspas Method. Yönetim ve Ekonomi Dergisi, 29(4), 801-811.
• Kıral, G., & Çelik, C. (2018). Panel veri analizi ve kümeleme yöntemi ile Türkiye’de konut talebinin incelenmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 32(4), 1009-1026.
• Koltan, Ş., & Patır, S. (2011). Kümeleme analizi ve pazarlamada kullanımı. Akademik Yaklaşımlar Dergisi, 2(1),91-113.
• Lopez-Martinez-Carrasco, A., Juarez, J. M., Campos, M., & Canovas-Segura, B. (2021). A methodology based on Trace-based clustering for patient phenotyping. Knowledge-Based Systems, 232, 107469.
• Martí, L., Puertas, R., & García, L. (2014). The importance of the Logistics Performance Index in international trade. Applied economics, 46(24), 2982-2992.
• Mešić, A., Miškić, S., Stević, Ž., & Mastilo, Z. (2022). Hybrid MCDM solutions for evaluation of the logistics performance index of the Western Balkan countries. Economics, 10(1), 13-34.
• Naik, A., & Samant, L. (2016). Correlation review of classification algorithm using data mining tool: WEKA, Rapidminer, Tanagra, Orange and Knime. Procedia Computer Science, 85, 662-668.
• Oğuz, S., Alkan, G., & Yılmaz, B. (2019). Seçilmiş Asya ülkelerinin lojistik performanslarının TOPSİS yöntemi ile değerlendirilmesi. IBAD Sosyal Bilimler Dergisi, 497-507.
• Okur, C., & Dener, M. (2021). Makine öğrenme metotları kullanılarak ksa ddos saldırıları tespiti. El-Cezeri, 8(3), 1550-1564.
• Popa, I., Paraschiv, D. M., & Voicu-Dorobanţu, R. (2010). A Dynamic Cluster Analysis Of The Logistics Performance Index. A Romanian Case Study. Revista Economică, 177.
• Rezaei, J., van Roekel, W. S., & Tavasszy, L. (2018). Measuring the relative importance of the logistics performance index indicators using Best Worst Method. Transport Policy, 68, 158-169.
• Stahl, D., & Sallis, H. (2012). Model‐based cluster analysis. Wiley Interdisciplinary Reviews: Computational Statistics, 4(4), 341-358.
• Stević, Ž., Erceg, Ž., & Kovačević, B. (2022). The Impact of Sensıtıvıty Analysıs on The Evaluatıon of The Logıstıcs Performance Index. Novi Ekonomist, 16(31).
• Turanlı, M., Özden, Ü.H. & Türedi, S. (2006). Avrupa Birliği’ne Aday ve Üye Ülkelerin Ekonomik Benzerliklerinin Kümeleme Analiziyle İncelenmesi, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, (9), 95-108.
• Ulkhaq, M. M. (2023). Clustering countries according to the logistics performance index. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 10(1).
• 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.
• Yıldız, A., Aydoğan, K., & Kartum, G. (2020). Türkiye’nin Uluslararası Lojistik Performans Endeksindeki Konumunun Kümeleme Analizi ile Araştırılması. Turkish Studies-Social, 15(3), 1659-1679.
• Yildirim, B. F., & Adiguzel Mercangoz, B. (2020). Evaluating the logistics performance of OECD countries by using fuzzy AHP and ARAS-G. Eurasian Economic Review, 10(1), 27-45.