TÜRKİYE’DE ANLAŞMALI BOŞANARAK AYLIK ALANLARIN DAVRANIŞ KALIPLARI ÜZERİNE VERİ MADENCİLİĞİ UYGULAMASI

Yıl 2022, Sayı: 22, 928 - 950, 28.07.2023

Nihal Yaşasınoğlu , Hamza Yaşasınoğlu , Meral Ebegil

https://doi.org/10.21441/sosyalguvence.1193892

Öz

Son yıllarda internet ve bilişim teknolojilerinin gelişmesiyle beraber özel şirketlerin ve Kamu kurumlarının veri tabanlarında tutulan verilerin sayısı muazzam oranda artmaktadır. Bununla beraber, karar alıcılar hedefledikleri kitleye daha iyi hizmet sunabilmek ya da yönettikleri şirketlerin karlılığını artırabilmek için veri tabanlarında tutulan verilerden daha detaylı ve kapsamlı bilgiler talep etmektedir. Günümüzde bu ihtiyacı gidermek için veri madenciliği teknikleri kullanılmaktadır. Veri madenciliği farklı araştırma konularında kullanılmak üzere pek çok farklı algoritma içermektedir. Bu algoritmaları kullanarak bir model oluşturmak ve modelde yer alan değişkenler ile bu değişkenlerin çıktıya etkilerini açıklamak ise veri madenciliğinde esastır. Veri madenciliği sınıflama yöntemi kullanarak benzer özellikler gösteren gözlemleri kategorilere ayırmak ( tasnif etmek ) mümkündür. Bir örneği ise anlaşmalı boşanan çiftleri kategorilere ayırmak olabilir. Türkiye’de boşanan çiftlerin bir kısmı, sosyal güvenlik mevzuatında bulunan boşluğu kullanarak anne veya babadan dolayı kazanılan ölüm aylığını alabilmek için fiiliyatta gerçek olmayan sahte boşanma yapmaktadır. Mevzuatta bulunan hükümlere göre, evlendikten sonra boşanan kız çocukları da yetim sayılmaktadır ve yetim aylığı almaya hak kazanmaktadır. Ancak 5510 sayılı kanunun gelir ve aylık bağlanmayacak haller başlıklı 56 ncı maddesinin son fıkrasında eşinden boşandığı halde, boşandığı eşiyle fiilen birlikte yaşadığı belirlenen eş ve çocukların, bağlanmış olan gelir ve aylıkların kesileceği açıkça belirtilmiştir. Her ne kadar Türkiye’de bu şekilde yaşayan çiftlerin tespiti geleneksel denetim yoluyla yapılmaya çalışılsa da ilgili birimlerin bugüne kadar tespit edemediği benzer davranış gösteren kişiler bulunmaktadır. Veri madenciliği sınıflama teknikleri kullanılarak, bu kişilerin ortak özellikleri ve davranışlarını belirleyerek bir model oluşturmak ve kişilerin tespitinde ilgili birimlere yardımcı olmak ise bu çalışmanın temel amacıdır.

Anahtar Kelimeler

Veri madenciliği, CART algoritması, anlaşmalı boşanma, sınıflama

Kaynakça

• Akça, F. (2014). Veri Madenciliği İle Fen Fakülteleri Öğrenci Profillerinin İncelenmesi: Gazi Üniversitesi Örneği. (Yayımlanmamış yüksek lisans tezi). Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
• Alan, M.A. (2014). Karar Ağaçlarıyla Öğrenci Verilerinin Sınıflandırılması. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 28(4), 101-112.
• Ayık, Y., Z., Özdemir, A., Yavuz, U., (2007). Lise Türü Ve Lise Mezuniyet Başarısının, Kazanılan Fakülte İle İlişkisinin Veri Madenciliği Tekniği İle Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(2), 441-454.
• Baradwaj, B. K., Pal, S. (2011). Mining Educational Data to Analyze Students’ Performance. International Journal of Advanced Computer Science and Applications, 2(6), 63-69.
• BUDAK, E., Ç., (2013). Üniversite Öğrencileri İçin Bilgisayar Okuryazarlığını Etkileyen Faktörlerin Etkisinin Veri Madenciliği İle Analizi. Online Academic Journal of Information Technology, 4(11), 58-70.
• Çığşar, B. (2017). Kredi Risklerinde Veri Madenciliği Sınıflandırma Algoritmaları. (Yayımlanmamış yüksek lisans tezi). Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Adana.
• Demirel, B. (2010). Veri Madenciliğinde CHAID Algoritmasının Sosyal Güvenlik Kurumu Veri Tabanına Uygulanması. (Yayımlanmamış yüksek lisans tezi). Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
• Du, W., Zhan, Z. (2003). Using randomized response techniques for privacy-preserving data mining. İnternational conference on knowledge discovery and data mining, Washington, DC.
• Dunham, M., H., (2003). Data Mining Introductory and Advanced Topics. New Jersey: Pearson Education, 3,5.
• Ekdemir, Ş.H., (2005). Avrupa Birliği- Türkiye Sosyal Güvenlik Normları. Ankara: Ajans-Türk Basın ve Basım Emel, G., G., TAŞKIN, Ç., (2005).
• Veri Madenciliğinde Karar Ağaçları Ve Bir Satış Analizi Uygulaması. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(2), 222-239.
• Gemici, B. (2012). Veri Madenciliği Ve Bir Uygulaması. (Yayımlanmamış yüksek lisans tezi). T.C. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, İzmir.
• Kıran, Z., B., (2010). Lojistik Regresyon Ve Cart Analizi Teknikleriyle Sosyal Güvenlik Kurumu İlaç Provizyon Sistemi Verileri Üzerinde Bir Uygulama. (Yayımlanmamış yüksek lisans tezi). Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
• Larose, D., T., (2005). Discovering Knowledge İn Data: an introduction to data mining. New Jersey: John Wiley&Sons, 109,110.
• Ngai, E. W. T., Xiu, Li, Chau, D. C. K. (2009). Application of data minning techniques in customer relationship management: A literatüre review and classification. Expert Systems with Applications, 36, 2592-2602.
• Özkan, Y., (2008). Veri Madenciliği Yöntemleri (Birinci Basım). İstanbul: Papatya Yayıncılık Eğitim, 53.
• Shafer, J., Agrawal, R., Mehta, M., (1996). SPRİNT: A scalable parallel classiffier for data mining. Proceedings of the 22th International Conference on Very Large Data Bases, San Francisco: Morgan Kaufmann Publishers, 544-555.
• Silahtaroğlu, G., (2008). Kavram ve Algoritmalarıyla Temel Veri Madenciliği (Birinci Basım). İstanbul: Papatya Yayıncılık Eğitim, 83.
• YAŞASINOĞLU, N., (2019). Türkiye'de Anlaşmalı Boşanma İle Sosyal Güvenlik Kurumundan Aylık Alanlar Üzerine Veri Madenciliği Cart Algoritması Uygulaması. (Yayımlanmamış yüksek lisans tezi). Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
• Zhang, S., Zhang C., Yang, Q. (2003). Data preparation for data mining. Applied Artificial Intelligence, 17, 375.
• 5510 Sayılı Sosyal Sigortalar ve Genel Sağlık Sigortası Kanunu. (2006, 31 Mayıs). Resmi Gazete (Sayı:26200). Erişim Adresi: https://www.mevzuat.gov.tr/mevzuat?MevzuatNo=5510&MevzuatTur=1&MevzuatTertip=5.