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 interval Type-2 fuzzy TOPSIS approach

Öz

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.

Anahtar Kelimeler

• 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 SS, Goyal SK. “A fuzzy multicriteria approach for evaluating environmental performance of suppliers”. International Journal of Production Economics, 126(2), 370-378, 2011.
3. [3] Tan WW, Chua TW. “Uncertain rule-based fuzzy logic systems: Introduction and new directions (Mendel JM; 2001) [Book review]”. IEEE Computational Intelligence Magazine, 2(1), 72-73, 2007.
4. [4] Mendel JM, John RIB. “Type-2 fuzzy sets made simple”. IEEE Transactions on Fuzzy Systems, 10(2), 117-127, 2002.
5. [5] Herrera-Viedma E, Cabrerizo FJ, 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, 239(4), 2295-2309, 2025.
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.
8. [8] Ilgin MA, Gupta SM, 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.

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.
10. [10] Boyacı AÇ, 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 FK, Onar SÇ, Oztaysi B. “Hospital location selection using spherical fuzzy TOPSIS”. 11th Conference of the European Society for Fuzzy Logic and Technology (EUSFLAT 2019), Prague, Czech Republic, 9–13 September 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 ZF. “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 SO, Bas SA, Yafez E, Ozkok BA. “Integration of Type-2 fuzzy TOPSIS and quality function deployment to address patient satisfaction in healthcare”. Applied Soft Computing, 177, 113187, 2025.
15. [15] Başdeğirmen A, Çal DY. “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 için entropi ve gri ilişkisel analiz yaklaşımı: Denizli ili 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 AO. “Tedarikçi seçimi için TOPSIS tabanlı ikizkenar yamuk tip-2 bulanık çok kriterli karar verme metodu: Tekstil sektöründe bir uygulama”. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 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] Tripathi A. K. “Hospital site selection by integrating AHP and TOPSIS with GIS: a case study of Prayagraj, India”. GeoJournal, 90, 165, 2025.
22. [22] Ahmadi-Javid A, Seyedi P, Syam SS. “A survey of healthcare facility location”. Computers & Operations Research, 79, 223-263, 2017.
23. [23] Çelikbilek Y. “Group decision making for hospital location selection using VIKOR under fuzzy environment”. İstanbul Gelişim Üniversitesi Sağlık Bilimleri Dergisi, (5), 435-450, 2018.
24. [24] Tuzkaya UF, Yılmazer KB, Tuzkaya G. “Location selection of emergency logistics centers using an integrated DEMATEL-ANP approach”. World Scientific Proceedings Series on Computer Engineering and Information Science-Uncertainty Modeling in Knowledge Engineering and Decision Making, 2012. https://doi.org/10.1142/9789814417747_0024
25. [25] Chen CT, Hung WZ. “Evaluating the service quality of hospital by using TOPSIS with interval type-2 fuzzy sets”. Proceedings of 2017 International Conference on Fuzzy Theory and its Applications (iFUZZY), Pingtung, Taiwan, 12-15 November 2017.
26. [26] Şen H, Demiral MF. “Hospital location selection with grey system theory”. European Journal of Economics and Business Studies, 2(2), 66-79, 2016.
27. [27] Mishra AR, Rani, P. “Multi-criteria healthcare waste disposal location selection based on Fermatean fuzzy WASPAS method”. Complex & Intelligent Systems, 7, 2469–2484, 2021.
28. [28] Chauhan A, Singh A. “A hybrid multi-criteria decision making method approach for selecting a sustainable location of healthcare waste disposal facility”. Journal of Cleaner Production, 139, 1001-1010, 2016.
29. [29] Zhai D, Mendel JM. “Uncertainty measures for general type-2 fuzzy sets”. Information Sciences, 181(3), 503–518, 2011.
30. [30] Chen SM, Lee LW. “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.
31. [31] Wang TC, Lee HD. “Developing a fuzzy TOPSIS approach based on subjective weights and objective weights”. Expert Systems with Applications, 36(5), 8980–8985, 2009.
32. [32] Szmidt E, Kacprzyk J. “Group decision making under intuitionistic fuzzy preference relations”. Information Processing and Management of Uncertainty in Knowledge-Based Systems (IPMU), Paris, France, 6–10 July, 1998.
33. [33] Gezen Ucar M. “Integrated entropy-based MCDM methods for investigating the effectiveness of Turkey’s energy policies”. Energy Systems, 1, 1–30, 2024.
34. [34] Chen SH, Wang ST, Chang SM. “Some properties of the graded mean integration representation of LR type fuzzy numbers”. Tamsui Oxford Journal of Mathematical Sciences, 22(2), 185-208, 2006.
35. [35] Büyüközkan G, Çifçi G. “Evaluation of the green supply chain management practices: A fuzzy ANP approach”. Production Planning & Control, 23(6), 405-418, 2012.
36. [36] Çelik E, Gül M, Aydın N, Gümüş AT, Gündoğdu AF. “A comprehensive review of multi criteria decision making approaches based on interval type-2 fuzzy sets”. Knowledge-Based Systems, 85, 329-341, 2015.
37. [37] Triantaphyllou E. Multi-Criteria Decision Making Methods. Multi-criteria Decision Making Methods: A Comparative Study. Applied Optimization, Vol 44, 5-21, Boston, MA, Springer, 2000.
38. [38] Zadeh LA. “The concept of a linguistic variable and its application to approximate reasoning-I”. Information Sciences, 8(3), 199–249, 1975.
39. [39] Chen L, Chen T, Lan T, Chen C, Pan J. “The contributions of population distribution, healthcare resourcing, and transportation infrastructure to spatial accessibility of health care”. Inquiry, 60, 00469580221146041, 2023.
40. [40] Shannon CE. “A mathematical theory of communication”. Bell System Technical Journal, 27(3), 379-423, 1948.
41. [41] Deng H, Yeh CH, Willis RJ. “Inter-company comparison using modified TOPSIS with objective weights”. Computers & Operations Research, 27(10), 963–973, 2006.
42. [42] Bacanlı ÜG, Baran T, Dikbaş F. “Paylaştırılmış entropi kavramının kuraklık ölçütü olarak kullanılabilirliği”. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 23(3), 232–237, 2017.
43. [43] Karnik NN, Mendel JM, Liang Q. “Type-2 fuzzy logic systems”. IEEE Transactions on Fuzzy Systems, 7(6), 643-658, 1999.
44. [44] Tzeng GH, Huang JJ. Multiple Attribute Decision Making: Methods and Applications. 1st ed. Boca Raton, FL, USA, CRC Press, 2011.