Mikrobiyolojik risk temelli hastane yeri seçimi: bulanık entropi ağırlıklı Tip-2 bulanık TOPSIS yaklaşımı

Öz

Bu çalışma, sağlık hizmetlerinin etkin sunumu açısından stratejik öneme sahip olan hastane yeri seçimi problemini, mikrobiyolojik risk temelli çok kriterli karar verme (ÇKKV) yaklaşımıyla ele almaktadır. Araştırma alanı olarak Şanlıurfa’nın Halfeti ilçesi seçilmiş ve karar süreci; çevresel, ekonomik ve sosyal boyutları dikkate alan altı farklı kriter çerçevesinde değerlendirilmiştir. Çalışma kapsamında değerlendirilen kriterler: mikrobiyolojik risk, nüfus yoğunluğu ve talep, arazi maliyeti, ulaşılabilirlik, altyapı yeterliliği ve çevresel/afet riski olarak belirlenmiştir. Kriter ağırlıkları nesnel olarak Bulanık Entropi yöntemiyle belirlenmiş; alternatifler yerlerin değerlendirilmesinde ise belirsizlik ve uzman görüşlerindeki çeşitliliği daha etkin şekilde modelleyebilmek adına Aralık Tip-2 Bulanık TOPSIS yöntemi uygulanmıştır. Analiz sonuçları, Halfeti ilçe merkezinin (A1) tüm kriterler bağlamında en uygun hastane yeri olduğunu ortaya koymuştur. Özellikle mikrobiyolojik risk (ağırlık: 0.268) ve çevresel/afet riski (ağırlık: 0.415) kriterlerinin belirleyici rol oynadığı tespit edilmiştir. Buna karşılık, nüfus yoğunluğu ve ulaşılabilirlik gibi sosyal kriterlerin görece düşük ağırlıklara sahip olması, bölgedeki demografik yapının ve altyapı dağılımının etkilerini yansıtmaktadır. Elde edilen bulgular, benzer kırsal ve yarı-kırsal bölgelerde yapılacak sağlık yatırımlarına yönelik karar verme süreçlerinde belirsizlik altında güvenilir ve bütüncül bir değerlendirme yaklaşımı sunmaktadır. Araştırma, yalnızca hastane yeri seçimi özelinde değil, aynı zamanda afet yönetimi, çevre planlaması ve kamusal altyapı yatırımları gibi alanlarda da aralık tip-2 bulanık mantık temelli modellerin uygulanabilirliğini vurgulamaktadır.

Anahtar Kelimeler

• Aralık tip-2 bulanık TOPSIS
• Bulanık Entropi yöntemi
• Hastane yeri seçimi
• Mikrobiyolojik risk değerlendirmesi
• Çok Kriterli Karar Verme (ÇKKV)

Hospital site selection based on microbiological risk: a fuzzy entropy weighted ınterval Type-2 fuzzy TOPSIS approach

Abstract

This study addresses the hospital site selection problem -strategically vital for the effective delivery of healthcare services-through a microbiological risk-based multi-criteria decision-making (MCDM) approach. The research focuses on the Halfeti district of Şanlıurfa, Türkiye, evaluating five candidate locations based on six comprehensive criteria: microbiological risk, population density and demand, land cost, accessibility, infrastructure adequacy, and environmental/disaster risk. Criterion weights were objectively determined using the Fuzzy Entropy method, while the ranking of alternatives was conducted using the Interval Type-2 Fuzzy TOPSIS method to better capture uncertainty and the variability of expert opinions. The analysis revealed that the Halfeti district center (A1) is the most suitable location for a hospital when all criteria are considered. Among the criteria, microbiological risk (weight: 0.268) and environmental/disaster risk (weight: 0.415) emerged as the most influential, indicating the critical role of health and safety concerns in site prioritization. In contrast, social criteria such as population density and accessibility received relatively lower weights, reflecting the specific demographic and infrastructural characteristics of the region. The findings offer a robust and comprehensive evaluation framework under uncertainty, which can be applied to similar healthcare investment decisions in rural or semi-urban settings. Moreover, the study highlights the broader applicability of Interval Type-2 fuzzy logic-based models in areas such as disaster management, environmental planning, and public infrastructure investments.

Keywords

• Interval type-2 fuzzy TOPSIS
• Fuzzy Entropy method
• Hospital site selection
• Microbiological risk assessment
• Multi-Criteria Decision Making (MCDM)

Kaynakça

1. [1] Govindan K., Khodaverdi R., Jafarian A. “A fuzzy multi criteria approach for measuring sustainability performance of a supplier based on triple bottom line approach”. Journal of Cleaner Production, 47, 345–354, 2013.
2. [2] Awasthi A., Chauhan S. S., Goyal S. K. “A fuzzy multicriteria approach for evaluating environmental performance of suppliers”. International Journal of Production Economics, 126(2), 370–378, 2011.
3. [3] Mendel J. M. Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New Directions. New Jersey, ABD, Prentice-Hall, 2001.
4. [4] Mendel J. M., John R. I. B. “Type-2 fuzzy sets made simple”. IEEE Transactions on Fuzzy Systems, 10(2), 117–127, 2002.
5. [5] Herrera-Viedma E., Cabrerizo F. J., Kacprzyk J., Pedrycz W. “A review of soft consensus models in a fuzzy environment”. Information Fusion, 17, 4–13, 2014.
6. [6] Başar G., Der O. “Multi-objective optimization of process parameters for laser cutting polyethylene using fuzzy AHP-based MCDM methods”. Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering, 09544089251319202, 2025. https://doi.org/10.1177/09544089251319202
7. [7] Tekman N., Ordu M. “The Rise and Fall of Regions: A Hybrid Multi-Criteria Analysis of Türkiye’s Regional Economies’ Sustainable Performance”. Sustainability, 17(11), 5222, 2025. https://doi.org/10.3390/su17115222
8. [8] Ilgin M. A., Gupta S. M., Battaïa O. “Use of MCDM techniques in environmentally conscious manufacturing and product recovery: State of the art”. Journal of Manufacturing Systems, 37, 746-758, 2015. https://doi.org/10.1016/j.jmsy.2015.04.010

9. [9] Öztürk M. “A Hybrid Approach for Battery Selection Based on Green Criteria in Electric Vehicles: DEMATEL-QFD-Interval Type-2 Fuzzy VIKOR”. Sustainability, 17(14), 6277, 2025. https://doi.org/10.3390/su17146277
10. [10] Boyacı A. Ç., Şişman A. “Pandemic hospital site selection: a GIS-based MCDM approach employing Pythagorean fuzzy sets”. Environmental Science and Pollution Research, 29(2), 1985-1997.
11. [11] Kahraman C., Gundogdu F. K., Onar S. Ç., Oztaysi B. “Hospital location selection using spherical fuzzy TOPSIS”. 11th Conference of the European Society for Fuzzy Logic and Technology (EUSFLAT), 77–82, Atlantis Press, 2019.
12. [12] Senvar O., Otay I., Bolturk E. “Hospital site selection via hesitant fuzzy TOPSIS”. IFAC-PapersOnLine, 49(12), 1140–1145, 2016.
13. [13] Miç P., Antmen Z. F. “A healthcare facility location selection problem with fuzzy TOPSIS method for a regional hospital”. Avrupa Bilim ve Teknoloji Dergisi, (16), 750–757, 2019.
14. [14] Meniz B., Usun S. O., Bas S. A., Yafez E., Ozkok B. A. “Integration of Type-2 fuzzy TOPSIS and Quality Function Deployment to address patient satisfaction in healthcare”. Applied Soft Computing, 113187, 2025.
15. [15] Başdeğirmen A., Çal D. Y. “Şehir hastanelerinin entropi temelli maut yöntemi ile kapasite değerlendirmesi”. Oğuzhan Sosyal Bilimler Dergisi, 3(1), 78–90, 2021.
16. [16] Organ A., Tekin B. “Şehir Hastanesi Kuruluş Yeri Seçimi İçin Entropi ve Gri İlişkisel Analiz Yaklaşımı: Denizli İli Örneği”. Adnan Menderes Üniversitesi Sosyal Bilimler Dergisi, 4(3), 256–278, 2017.
17. [17] Akyüz G., Kılınç E. “Kuruluş yeri seçiminde bulanık TOPSIS yönteminin kullanımı: Sağlık sektöründe bir uygulama”. Akademik Sosyal Araştırmalar Dergisi, 4(33), 590–608, 2016.
18. [18] Ayvaz B., Kuşakcı A. O. “Tedarikçi seçimi için TOPSIS tabanlı ikizkenar yamuk tip-2 bulanık çok kriterli karar verme metodu: Tekstil sektöründe bir uygulama”. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi (PAJES), 23(1), 70–80, 2017.
19. [19] Malayoğlu A. Entropi tabanlı TOPSIS yöntemi ile sağlık sektöründe finansal performans analizi (Yüksek Lisans Tezi). Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, Türkiye, 2024.
20. [20] Sütçü M. “Analitik Hiyerarşi Karar Verme Süreci ile Hastane Yeri Seçimi Problemi: Türkiye'de Bir Uygulama”. Avrupa Bilim ve Teknoloji Dergisi, (45), 144–150, 2022.
21. [21] Kaya S., Kahraman C. “A fuzzy multicriteria approach to hospital location selection”. Expert Systems with Applications, 38(8), 10346–10353, 2011.
22. [22] Demir E., Demirel T., Kaplan M. “Fuzzy TOPSIS approach for health care facility location selection”. Applied Soft Computing, 46, 187–198, 2016.
23. [23] Wang J.-J., Chang C.-J. “Application of TOPSIS in hospital emergency department site selection”. Expert Systems with Applications, 33(4), 870–880, 2007.
24. [24] Zavadskas E. K., Turskis Z., Tamosaitiene J. “Multi-criteria decision-making methods for hospital site selection”. Technological and Economic Development of Economy, 20(2), 345–361, 2014.
25. [25] Liao T. W., Kao W. L. “DEMATEL and ANP-based approach for hospital planning and site selection”. Journal of Medical Systems, 34(4), 601–611, 2010.
26. [26] Chen Y., Li J., Wang Y. “Interval type-2 fuzzy TOPSIS approach for healthcare facility location planning”. Computers & Industrial Engineering, 113, 517–528, 2017.
27. [27] Gupta A., Barua M. K. “A hybrid fuzzy AHP-GRA method for hospital site selection”. Journal of Cleaner Production, 258, 120655, 2020.
28. [28] Kabir M. A., Farid M. “Application of WASPAS method in healthcare infrastructure planning”. International Journal of Advanced Computer Science and Applications, 10(3), 187–194, 2019.
29. [29] Singh R., Singh A. K. “A combined AHP and TOPSIS approach for hospital location and capacity planning”. International Journal of Health Planning and Management, 33(1), 114–125, 2018.
30. [30] Zhai D., Mendel J. M. “Uncertainty measures for general type-2 fuzzy sets”. Information Sciences, 181(3), 503–518, 2011.
31. [31] Chen S. M., Lee L. W. “Fuzzy multiple attributes group decision-making based on the ranking values and the arithmetic operations of interval type-2 fuzzy sets”. Expert Systems with Applications, 37(1), 824–833, 2010.
32. [32] Wang T. C., Lee H. D. “Developing a fuzzy TOPSIS approach based on subjective weights and objective weights”. Expert Systems with Applications, 36(5), 8980–8985, 2009.
33. [33] Szmidt E., Kacprzyk J. “Group decision making under intuitionistic fuzzy preference relations”. In IPMU: Information Processing and Management of Uncertainty in Knowledge-Based Systems (Paris, 6–10 July 1998), 172–178, 1998.
34. [34] Gezen Ucar M. “Integrated entropy-based MCDM methods for investigating the effectiveness of Turkey’s energy policies”. Energy Systems, 1–30, 2024.
35. [35] Chen S. H., Wang S. T., Chang S. M. “Some properties of graded mean integration representation of LR type fuzzy numbers”. Tamsui Oxford Journal of Mathematical Sciences, 22(2), 185–208, 2006.
36. [36] Büyüközkan G., Çifçi G. “Evaluation of the green supply chain management practices: A fuzzy ANP approach”. Production Planning & Control, 23(6), 405–418, 2012.
37. [37] Zeng S., Zhang H. “A new method for fuzzy multi-criteria decision making with interval type-2 fuzzy sets”. Fuzzy Optimization and Decision Making, 6(4), 337–352, 2007.
38. [38] Triantaphyllou E. Multi-criteria Decision Making Methods. Springer US, 2000.
39. [39] Zadeh L. A. “The concept of a linguistic variable and its application to approximate reasoning-I”. Information Sciences, 8(3), 199–249, 1975.
40. [40] Yavuz M., Ecer F. “A multi-criteria decision-making model for evaluating rural health service quality using integrated entropy and TOPSIS methods”. Journal of Multi-Criteria Decision Analysis, 26(3–4), 147–159, 2019.
41. [41] Shannon C. E. “A mathematical theory of communication”. Bell System Technical Journal, 27(3), 379–423, 1948.
42. [42] Deng H., Yeh C.-H., Willis R. J. “Inter-company comparison using modified TOPSIS with objective weights”. Computers & Operations Research, 27(10), 963–973, 2006.
43. [43] Bacanlı Ü. G., Baran T., Dikbaş F. “Paylaştırılmış entropi kavramının kuraklık ölçütü olarak kullanılabilirliği”. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi (PAJES), 23(3), 232–237, 2017.
44. [44] Mendel J. M., Liu F. “Type-2 fuzzy logic systems”. IEEE Transactions on Fuzzy Systems, 15(1), 1–19, 2007.
45. [45] Tzeng G. H., Huang J. J. Multiple Attribute Decision Making: Methods and Applications. Boca Raton, FL, ABD, CRC Press, 2011.