Araştırma Makalesi

### Housing Valuation Study in Tokat Province with Multiple Regression and Artificial Neural Networks

Yıl 2021, Cilt: 3 Sayı: 1, 1 - 7, 28.05.2021

### Öz

Valuation is the determination of the amount that a property will be processed at a certain date. Valuation can be done for many purposes. These; can be listed as buying and selling, transfer, tax assessment, expropriation, inheritance distribution, investment, financing and credit. There are various methods of valuation. These methods are examined under 3 main groups as traditional, statistical and modern valuation methods. Statistical and modern methods involve less initiative as they depend on a mathematical model. Because in traditional valuation methods, valuation experts try to make value calculations by only estimating an price. However, one of the most important issues in the valuation area is the need to ensure that the information provided to the customer is clear. The aim of the article is to provide an overview of regression analysis, one of the statistical valuation methods, and artificial neural networks, one of the modern valuation methods, and to compare the accuracy values. Matlab software was used for artificial neural network modeling and Minitab software was used for regression analysis. The accuracies of the obtained values were determined by the average absolute percent error (MAPE) formula.

### Kaynakça

• Akış, B. (2013). İstatistiki yöntemlerle değer belirleme ve değer haritası üretimi Selçuklu örneği Selçuk Üniversitesi, Yüksek Lisans Tezi, Fen Bilimleri Enstitüsü, Harita Mühendisliği ABD, Konya.
• Atik, M., Köse, Y., Yilmaz, B. & Erbaş, M. (2015). Şehirlerin İlerleme Yönlerinin Gayrimenkul Değerleri Üzerindeki Etkisinin Ölçülmesi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 443-458.
• Box, G. E. & Jenkins, G. M. (1976). Time series analysis, control, and forecasting. San Francisco, CA: Holden Day, 3226(3228), 10.
• Bre, F., Gimenez, J. M. & Fachinotti, V. D. (2018). Prediction of wind pressure coefficients on building surfaces using artificial neural networks. Energy and Buildings, 158, 1429-1441.
• Brown, R. K. (1965). Real estate economics: an introduction to urban land use: Houghton Mifflin.
• Büyükkaraçığan, N., Altınışık, İ. & Uzun, H. (2017). Türkiye’de Gayrimenkul Değerleme Çalışmalarında Karşılaşılan Sorunlar ve Çözüm Önerileri. Selçuk Üniversitesi Sosyal ve Teknik Araştırmalar Dergisi(14), 77-91.
• Canan, S. (2006). Yapay sinir ağları ile GPS destekli navigasyon sistemi, Doktora Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği ABD, Konya.
• Chatterjee, S. & Hadi, A. S. (2015). Regression analysis by example: John Wiley & Sons.
• Del Giudice, V., De Paola, P. & Cantisani, G. B. (2017). Valuation of real estate investments through Fuzzy Logic. Buildings, 7(1), 26.
• Erdem, N. (2017). Türkiye için bir taşınmaz değerleme sistemi yaklaşımı. Geomatik, 2(1), 18-39.

### Çoklu Regresyon ve Yapay Sinir Ağları ile Tokat İlinde Konut Değerleme Çalışması

Yıl 2021, Cilt: 3 Sayı: 1, 1 - 7, 28.05.2021

### Öz

Değerleme, en basit şekliyle bir mülkün belirli bir tarihte işleme alınacağı tutarın belirlenmesidir. Değerleme, birçok amaç dahilinde yapılabilir. Bunlar; alım-satım, devir, vergi
tahakkuku, kamulaştırma, miras dağıtımı, yatırım, finansman ve kredi olarak sıralanabilir. Değerlemenin çok çeşitli yöntemleri vardır. Bu yöntemler geleneksel, istatistiksel ve modern değerleme yöntemleri olarak 3 ana grup altında incelenir. İstatistiksel ve modern yöntemler matematiksel bir modele bağlı olduğu için daha az inisiyatif içermektedir. Çünkü geleneksel değerleme yöntemlerinde değerleme uzmanları, değer hesaplamalarını yalnızca bir fiyat tahmininde bulunarak yapmaya çalışırlar. Oysa değerleme alanının en önemli konularından biri, müşteriye sunulan bilgilerin açık ve net olmasını sağlama ihtiyacıdır. Makalenin amacı, istatistiksel değerleme yöntemlerden biri olan regresyon analizi ile modern değerleme yöntemlerinden biri olan yapay sinir ağları hakkında genel bir bakış sağlamak ve doğruluk değerlerinin karşılaştırılmasıdır. Yapay sinir ağları modellemesi için Matlab, regresyon analizi için Minitab yazılımı kullanılmıştır. Elde edilen değerlerin doğrulukları, ortalama mutlak yüzde hata (MAPE) formülüyle belirlenmiştir.

### Kaynakça

• Akış, B. (2013). İstatistiki yöntemlerle değer belirleme ve değer haritası üretimi Selçuklu örneği Selçuk Üniversitesi, Yüksek Lisans Tezi, Fen Bilimleri Enstitüsü, Harita Mühendisliği ABD, Konya.
• Atik, M., Köse, Y., Yilmaz, B. & Erbaş, M. (2015). Şehirlerin İlerleme Yönlerinin Gayrimenkul Değerleri Üzerindeki Etkisinin Ölçülmesi. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 443-458.
• Box, G. E. & Jenkins, G. M. (1976). Time series analysis, control, and forecasting. San Francisco, CA: Holden Day, 3226(3228), 10.
• Bre, F., Gimenez, J. M. & Fachinotti, V. D. (2018). Prediction of wind pressure coefficients on building surfaces using artificial neural networks. Energy and Buildings, 158, 1429-1441.
• Brown, R. K. (1965). Real estate economics: an introduction to urban land use: Houghton Mifflin.
• Büyükkaraçığan, N., Altınışık, İ. & Uzun, H. (2017). Türkiye’de Gayrimenkul Değerleme Çalışmalarında Karşılaşılan Sorunlar ve Çözüm Önerileri. Selçuk Üniversitesi Sosyal ve Teknik Araştırmalar Dergisi(14), 77-91.
• Canan, S. (2006). Yapay sinir ağları ile GPS destekli navigasyon sistemi, Doktora Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği ABD, Konya.
• Chatterjee, S. & Hadi, A. S. (2015). Regression analysis by example: John Wiley & Sons.
• Del Giudice, V., De Paola, P. & Cantisani, G. B. (2017). Valuation of real estate investments through Fuzzy Logic. Buildings, 7(1), 26.
• Erdem, N. (2017). Türkiye için bir taşınmaz değerleme sistemi yaklaşımı. Geomatik, 2(1), 18-39.

### Ayrıntılar

Birincil Dil Türkçe Mühendislik Araştırma Makaleleri Mehmet Emin TABAR ONDOKUZ MAYIS ÜNİVERSİTESİ 0000-0002-3234-5340 Türkiye Aslan Cihat BAŞARA ONDOKUZ MAYIS ÜNİVERSİTESİ 0000-0001-6644-6097 Türkiye Yasemin ŞİŞMAN ONDOKUZ MAYIS ÜNİVERSİTESİ 0000-0002-6600-0623 Türkiye 28 Mayıs 2021 Yıl 2021 Cilt: 3 Sayı: 1

### Kaynak Göster

 APA TABAR, M. E., BAŞARA, A. C., & ŞİŞMAN, Y. (2021). Çoklu Regresyon ve Yapay Sinir Ağları ile Tokat İlinde Konut Değerleme Çalışması. Türkiye Arazi Yönetimi Dergisi, 3(1), 1-7. https://doi.org/10.51765/tayod.832227