Bulanık Kümeleme Analizi İle Canlı Hayvan Sayılarının Yıllara Göre Sınıflandırılması: Türkiye 2001-2022 Yılları Arası

Yıl 2025, Cilt: 7 Sayı: 1, 34 - 51, 30.06.2025

Cengiz Gazeloğlu

Öz

Tarım ekonomisinin kritik bir parçası olan hayvancılık sektörü, kırsal kalkınma ve sürdürülebilir ekonomik büyüme açısından büyük önem taşıyor. Türkiye, geniş mera alanları ve coğrafi konumu nedeniyle önemli bir hayvancılık potansiyeline sahip olup, sığır, manda, koyun ve keçi gibi hayvan türleri et, süt ve diğer hayvansal ürünler ihtiyacının karşılanmasında önemli rol oynamaktadır. Bu çalışmada 2001-2022 yılları arasında Türkiye'de bulunan koyun, manda ve keçiler çeşitli istatistiksel yöntemlerle analiz edilerek tarım politikalarının oluşturulması ve sektörün geleceğine ilişkin stratejik kararların alınması açısından değerlendirilmiştir. Türkiye hayvancılık sektöründe son yıllarda çeşitli yapısal değişiklikler ve modernizasyon çalışmaları yürütülmektedir. Bu değişimlerin etkilerini ve hayvan varlıklarındaki sayısal değişimleri incelemek amacıyla 2001-2022 yılları arasındaki yıllık hayvan varlığı verileri bulanık kümeleme analizi kullanılarak analiz edilmiştir. Bulgular, tarım politikalarının geliştirilmesi ve hayvancılık sektörünün verimliliğinin artırılması açısından önemli bilgiler sunmaktadır. Bulanık küme analizi, verilerin iki ayrı kümeye ayrıldığını göstermiştir; 2001-2012 yılları birinci kümeye, 2013-2022 yılları ise ikinci kümeye aittir. Bu sonuçlar, 2012 yılının hayvancılık verilerinde önemli değişimlerin yaşandığı bir yıl olduğunu ortaya koyuyor. Diskriminant analizi sonuçlarına göre kümelemenin %96 oranında doğru tahmin edilmesi, bulanık kümeleme analizinin doğruluğunu ve etkinliğini göstermektedir. Çalışmanın bulguları, Türkiye'de hayvancılık sektörünün dinamiklerinin daha iyi anlaşılması ve gelecekteki tarım politikalarının oluşturulmasında yol gösterici bilgiler sağlaması açısından değerlendirilebilir. Bu çalışma hayvancılık sektöründe verimlilik ve sürdürülebilirlik konularına odaklanmakta ve sektörün geleceğine yönelik stratejik planlama açısından önemli bir referans oluşturmaktadır.

Anahtar Kelimeler

Doğrusal Ayırma Analizi , Türkiye , Hayvan Sayısı , Bulanık Kümeleme

Classification of Livestock Numbers By Years With Fuzzy Clustering Analysis: Turkiye Between 2001-2022

Öz

As a critical part of the agricultural economy, the livestock sector is important for rural development and sustainable economic growth. Turkey has a significant livestock potential thanks to its large pasture areas and geographical location, and animal species such as cattle, buffalo, sheep, and goats play a key role in meeting the needs for meat, milk, and other animal products. In this study, sheep, buffalos, and goats in Turkey between 2001 and 2022 were analyzed with various statistical methods and evaluated in terms of establishing agricultural policies and making strategic decisions about the sector’s future. In recent years, various structural changes and modernization studies have been carried out in Turkey's livestock sector. To examine the effects of these changes and the numerical changes in animal assets, annual animal assets data between 2001 and 2022 were analyzed using fuzzy clustering analysis. The findings provide important information for developing agricultural policies and increasing the productivity of the livestock sector. Fuzzy cluster analysis showed that the data was divided into two distinct clusters: the years 2001-2012 belong to the first cluster, and the years 2013-2022 belong to the second cluster. These results reveal that 2012 was a year of significant change in livestock data. According to the discriminant analysis results, 96% of the clustering was predicted correctly, which shows the accuracy and effectiveness of fuzzy clustering analysis. The findings of the study can be evaluated to better understand the dynamics of the livestock sector in Turkey and to provide guiding information in the formulation of future agricultural policies. This study focuses on efficiency and sustainability issues in the livestock sector and constitutes an important reference for strategic planning for the future of the sector.

Anahtar Kelimeler

Linear Discriminant Analysis , Turkey , Number of Livestock , Fuzzy Clustering

Kaynakça

• Bezdek, J. C. (1981), Pattern recognition with fuzzy objective function algorithms. Plenum Press, New York.
• Calinski, R. B., and Harabasz, J. (1974), A dendrite method for cluster analysis, Communications in Statistics, 3, 1-27 . Demirbaş, N. (2019), Kırsal kalkınmada hayvancılığın rolü. Tarım ve Ekonomi Dergisi, 12(3), 45-58.
• Dinçer, K. S., and Özdamar, K. (1992), Kümeleme çözümlemesinde uygun kümeleme ölçütlerinin karşılaştrlması. Hacettepe Fen ve Mühendislik Bilimleri Dergisi, 14, 17-33.
• Doğan, S., and Demirci, R. (2017), Türkiye’de sığır ve koyun varlıklarının bölgesel dağılımı. Tarım Ekonomisi Dergisi, 23(1), 45-59.
• Dunn, J. C. (1973), A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters. Journal of Cybernetics, 3(3), 32-57.
• Erilli, N. A., Yolcu, U., Eğrioğlu, E., Aladağ, C. H., and Öner, Y. (2011), Determining the most proper number of clusters in fuzzy clustering by using artificial neural networks. Expert Systems with Applications, 38(3), 2248-2252.
• Everitt, B. (1974), Cluster analysis, Heinmann, Netherlands.
• Gün, S. (2020), Türkiye’de hayvancılık sektörünün ekonomik analizi. Ziraat Mühendisliği Dergisi, 45(1), 29-41.
• Güneş, T., and Tuncer, B. (2020), Türkiye'de hayvancılık sektörünün ekonomik analizi. Anadolu Tarım Bilimleri Dergisi, 35(2), 123-135.
• Hoppner, F., Klawonn, F., Kruse, R., and Runkler, T. (1999), Fuzzy cluster analysis: Methods for classification, data analysis and image recognition. John Wiley & Sons.
• Huang. Z. (1998). Extensions to the k-Means Algorithm for Clustering Large Data Sets with Categorical Values. Data Mining and Knowledge Discovery. 2(3). 283-304.
• Jain. A. K.. Murty. M. N.. & Flynn. P. J. (1999). Data Clustering: A Review. ACM Computing Surveys (CSUR). 31(3). 264-323.
• Jain, A. K., and Dubes, R. C. (1988), Algorithms for clustering data, Prentice Hall, New Jersey.
• Karakaya, A., and Çetin, K. (2021), Türkiye hayvancılık sektöründe yapısal değişim ve modernizasyon. Tarım Politikaları Araştırma Dergisi, 10(1), 88-102.
• Kaufman, L., and Rousseeuw, P. J. (1990), Finding groups in data: An introduction to cluster analysis, Wiley, New Jersey.
• Kuo. R. J.. Huang. S. J.. & Chou. S. F. (2005). A New Fuzzy Multiple Criteria Decision-Making Model for Selection of Optimal Product/Process Designs. Expert Systems with Applications. 28(1). 1-12.
• Marriot, F. H. C. (1971), Practical problems in a method of cluster analysis, Biometrics, 27, 501-514.
• Özdamar, K. (2004), Paket programlar ile istatistiksel veri analizi (Çok değişkenli analizler). Kaan Kitabevi, Eskişehir.
• Özdemir, S. (2018), Sosyal sürdürülebilirlik ve hayvancılık: Türkiye örneği. Sosyal Bilimler Dergisi, 15(4), 67-83.
• Pal, N. R., and Bezdek, J. C. (1995), On cluster validity for the fuzzy c-means model. IEEE Transactions on Fuzzy Systems, 3(3), 370-379.
• Ross, T. J. (2010), Fuzzy logic with engineering applications. John Wiley & Sons, USA.
• Şahin, M. (2022). Tarım politikalarının oluşturulmasında hayvan varlıklarının önemi. Ekonomik Araştırmalar ve Yorumlar Dergisi, 29(3), 98-110.
• Şahin, M., and Hamarat, B. (2002). G-10 Avrupa Birliği ve OECD ülkelerinin sosyo-ekonomik benzerliklerinin fuzzy kümeleme analizi ile belirlenmesi. ODTÜ VI. International Conference in Economics, 11-14.
• Şeker, M., and Bayraktar, A. (2019), Türkiye'de hayvancılık sektörünün gelişimi ve kırsal kalkınmaya etkisi. Anadolu Tarım Bilimleri Dergisi, 34(2), 211-223.
• Tarım ve Orman Bakanlığı. (2021), Türkiye hayvancılık istatistikleri. Tarım ve Orman Bakanlığı Yayınları, Ankara.
• Tatlıdil, H. (2002), Uygulamalı çok değişkenli istatistiksel analiz. Akademi Matbaası.
• Yavan, S., and Gazeloğlu, C. (2022), Yerel yönetimlerde cinsiyete duyarlı bütçelemenin hiyerarşik kümeleme analizi ile incelenmesi: Aydın ilçe belediyeleri örneği. Çağdaş Yerel Yönetimler Dergisi, 31(1), 165-200.
• Yılmaz, H., and Aydın, Z. (2018), Hayvancılıkta verimlilik ve sürdürülebilirlik: Türkiye üzerine bir inceleme. Kırsal Ekonomi ve Tarım Politikaları Dergisi, 6(3), 52-67.