Konut değerleme tahmininde yapay sinir ağları ve çoklu regresyon analizi yöntemlerinin kıyaslanması: Yenimahalle/Ankara örneği

Yıl 2024, Cilt: 6 Sayı: 1, 21 - 31, 26.02.2024

Orhan Doğan , Serkan Narin , Yunus Genç , Nassirou Bande , , Orhan Gazi Odacıoğlu

https://doi.org/10.51765/tayod.1384421

Cited By: 1

Öz

Konutların satış fiyatlarını belirlemede çok sayıda etkenin rol oynaması nedeniyle, piyasa değerlerinin doğru bir şekilde tahmin edilmesi oldukça kritik bir konudur. Bu makale çalışmasında, konutların birden fazla değişkene bağlı olarak belirlenen piyasa değerlerinin hızlı ve doğru bir şekilde tahmin edilmesi amacıyla, hem istatistiksel bir yöntem olan Çoklu Regresyon Analizi (ÇRA) hem de yapay zekâ tekniklerinden biri olan Yapay Sinir Ağı (YSA) kullanılarak oluşturulan modellerin sonuçları kıyaslanmıştır. Bu çalışma kapsamında, Ankara'nın Yenimahalle ilçesinde bulunan farklı mahallelerdeki satılık konut ilanları incelenmiştir. Bu ilanlar, Türkiye'deki bir e-ticaret sitesi üzerinden toplanmış ve toplam 220 adet satılık konutu içermektedir. Bir konutun piyasa değerini belirlemede en efektif olan 9 adet parametre seçilerek ÇRA ve YSA yöntemlerini çalıştırabilecek modeller oluşturulmuştur. Veriler incelendiğinde seçilen YSA metodunun ÇRA'ya göre regresyon ve doğruluk oranı bakımından daha başarılı sonuçlar verdiği görülmüştür.

Anahtar Kelimeler

Yapay Zekâ, Yapay Sinir Ağları, Çoklu Regresyon Analizi, Konut Değerleme, Konut Satışı

Comparison of expert opinion and artificial neural network models in housing price prediction

Öz

In this study, the features and geographical locations of housing within the Batıkent Region in the Yenimahalle district of Ankara province have been examined for their effects on housing prices. For modeling purposes, both nominal valuation and Artificial Neural Networks (ANN) have been utilized, while Geographic Information System (GIS) have been employed for geographical analyses. Price predictions with high accuracy and precision were made for the housing in the region. In modeling, according to Nominal and ANN methods, the R2 value was found to be 0.76 and 0.89, respectively. More successful market results were predicted with ANN. In nominal valuation, it has been observed that the mathematical model created with expert opinion has achieved significant success in predicting market value and that the model could potentially be sustainable with future updates

Anahtar Kelimeler

Housing Price, Nominal Valuation, Artificial Neural Networks, GIS, Prediction

Kaynakça

• Açlar, A. (1989). Taşınmaz değerlemesi ders notları. Yıldız Teknik Üniversitesi, Harita Mühendisliği, İstanbul.
• Akkaya, Ş., & Pazarlıoğlu, M.V. (1998). Ekonometri II. Erkam Matbaacılık.
• Baltacıoğlu, A. K., Öztürk, B., Civalek, Ö., & Akgöz, B. (2010). Is artificial neural network suitable for damage level determination of RC-structures. International Journal of Engineering and Applied Sciences, 2(3), 71-81.
• Baltacıoğlu, A. K., Yavaş, A., Civalek, Ö., Öztürk, B., & Akgöz, B. (2010). Yapıların deprem hasarlarının hızlı tespitinde bulanık kural tabanlı uzman sistemlerin kullanımı. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 12(1), 65-74.
• Bande, N., Doğan, O., Genç, Y., & Akyön, F. Ç. (2022). Yenimahalle/Ankara özelinde konut fiyatlarının yapay sinir ağları metodu ile belirlenmesi. 7. Uluslararası Erciyes Bilimsel Araştırmalar Kongresi, Kayseri, Türkiye.
• Dastres, R., & Soori, M. (2021). Artificial neural network systems. International Journal of Imaging and Robotics, 21(2), 13-25.
• Doğan, O., Bande, N., Genç, Y., & Akyön, F. Ç. (2022). Keçiören/Ankara özelinde konut rayiç değerlerinin yapay sinir ağları metodu kullanılarak tahmini, Uluslararası İktisadi ve İdari İncelemeler Dergisi, 35, 113-128. https://doi.org/10.18092/ulikidince.941952
• Doğan, O., Bande, N., Genç, Y., & Koç, F. (2023b). Yapay sinir ağları metodu ile konut özellikleri yeniden sayısallaştırılarak rayiç değerinin tahmin edilmesi: Keçiören/Ankara örneği, Türkiye Arazi Yönetimi Dergisi, 5(1), 09-19. https://doi.org/10.51765/tayod.1219413
• Doğan, O., Bande, N., Genç, Y., Akyön, F. Ç., & Tanç, R. (2023a). The importance of digitization in estimating housing fair value with the artificial neural networks method: The case of Yenimahalle/Ankara/Türkiye. Brilliant Engineering, 1, 4768, 1-10.
• Elmas, Ç. (2007). Yapay zekâ uygulamaları, Seçkin Yayıncılık.
• Güngör, E. (1999). Gayrimenkul değerlemesi ve Türkiye’de sermaye piyasalarında gayrimenkul ekspertiz şirketlerine yönelik düzenlemeler yapılmasına ilişkin öneriler. T.C. Başbakanlık Sermaye Piyasası Kurulu Kurumsal Yatırımcılar Dairesi.
• MATLAB. (2023) MathWorks, Erişildi: 09 Nisan 2023, https://nl.mathworks.com/products/matlab.html
• Narin, S., Doğan, O., Bande, N., & Genç, Y. (2023). Keçiören/Ankara özelinde konut rayiç değerlerinin tahmininde çoklu regresyon analizi ve yapay sinir ağları yöntemlerinin karşılaştırılması. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 15(2), 828-839. https://doi.org/10.29137/umagd.1297672
• Özkan, G., Yalpır, Ş., & Uygunol, O. (2007). An investigation on the price estimation of residable real estates by using ANN and regression methods. The 12th Applied Stochastic Models and Data Analysis International Conference (ASMDA), Chania, Crete, Greece.
• Öztemel, E. (2003). Yapay sinir ağları. Papatya Yayıncılık.
• Rossini, P.A. (1997). Artificial neural networks versus multiple regression in the valuation of residential property. Australian Land Economics Review, 3(1), 1-12.
• Sahibinden. (2020). Gayrimenkul, vasıta, alışveriş ürünleri ve hizmetlerinin e-ticaret sitesi. Erişildi: 25 Aralık 2020, https://www.sahibinden.com/
• Saraç, E. (2012). Yapay sinir ağları metodu ile gayrimenkul değerleme, (Yayın No. 312251) [Yüksek Lisans tezi, İstanbul Kültür Üniversitesi], YÖK Ulusal tez Merkezi.
• Tabanoğlu, M. (2019). Konut yapılarının rayiç değerlerinin yapay sinir ağları metodu kullanılarak tahmin edilmesi: Düzce ili örneği, (Yayın No. 578499), [Yüksek Lisans Tezi, Düzce Üniversitesi], YÖK Ulusal tez Merkezi.
• Tabar, M. E., Başara, A. C., & Şişman, Y. (2021). Çoklu regresyon ve yapay sinir ağları ile Tokat ilinde konut değerleme çalışması. Türkiye Arazi Yönetimi Dergisi, 3(1), 01-07. https://doi.org/10.51765/tayod.832227
• Tanty, R., & Desmukh T.S. (2015). Application of artificial neural network in hydrology- A review. International Journal of Engineering Research & Technology (IJERT), 4(6), 184-188. Teknogezen. (2022). Yapay sinir ağları. Erişildi: 02 Şubat 2022, http://teknogezegen.com/yapay-sinir-aglari/
• TÜİK. (2022). Türkiye İstatistik Kurumu. Erişildi: 02 Şubat 2022, http://www.tuik.gov.tr/
• Wilkowski, W. & Budzyński, T. (2006). Application of artificial neural networks for real estate valuation. XXIII FIG Congress, Munich, Germany.
• Yalpır, Ş. (2007). Bulanık mantık metodolojisi ile taşınmaz değerlenme modelinin geliştirilmesi ve uygulaması: Konya örneği, (Yayın No. 212452), [Doktora Tezi, Selçuk Üniversitesi], YÖK Ulusal tez Merkezi.
• Zurada, J. M., Levitan, A. S., & Guan, J. (2006). Non- conventional approaches to property value assessment. Journal of Applied Business Research, 22(3), 1-14. https://doi.org/10.19030/jabr.v22i3.1421