Mass Real Estate Valuation of Agricultural Lands with Artificial Neural Networks and Multiple Linear Regression Analysis: Example of Mersin, Mezitli-Bozön Mahallesi

Öz

The aim of this study is to estimate closest to market value for agricultural lands in Mersin province, Mezitli district Bozön neighbourhood, which is one of the important centres of Turkey in agriculture. That for, the criteria affecting the market value in the study area were identified and the prices of the agricultural lands for sale or sold were determined. Data belonging to the criteria reached were gathered and arranged in matrix format. The analysis process was started after normalized data. Multiple Linear Regression Analysis, one of the statistical valuation methods, and Artificial Neural Networks, one of the modern valuation methods, were used in the analysis of market values. To determine the best model from the two methods, they were compared with performance analyses which were R2, Mean Absolute Percentage Error, Mean Absolute Error, and Root Mean Squared Error. As the best model, performance results of Artificial Neural Networks were found 0.97; 0.17; 0.03 and 0.01 respectively. In addition, three different value maps were generated with Kriging method by using Geographical Information Systems software. When the value maps are evaluated visually, it has been determined that Artificial Neural Networks are the closest to the market value. This study enabled to be used as a base in the agricultural sector by estimating the value of agricultural lands with objective data.

Anahtar Kelimeler

• Agricultural Land
• Geographical Information Systems
• Artificial Neural Networks
• Multiple Linear Regression Analysis
• Kriging Method
• Valuation Maps

Tarım Arazilerinin Yapay Sinir Ağları ve Çoklu Lineer Regresyon Analizi ile Toplu Taşınmaz Değerlemesi: Mersin, Mezitli- Bozön Mahallesi Örneği

Öz

Bu çalışmanın amacı, tarımda Türkiye’nin önemli merkezlerinden olan Mersin ili, Mezitli ilçesi Bozön Mahallesi’nde tarım arazileri için piyasa değerine en yakın tahmini yapmaktır. Bunun için çalışma bölgesinde piyasa değerini etkileyen kriterler belirlenerek satılık veya satılmış tarım arazilerinin fiyatları tespit edilmiştir. Ulaşılan kriterlere ait veriler toplanarak matris formatında düzenlenmiş ve normalize edilerek analiz sürecine geçilmiştir. Piyasa değerlerinin analizinde; istatistiki değerleme yöntemlerinden Çoklu Lineer Regresyon Analizi ve modern değerleme yöntemlerinden Yapay Sinir Ağları kullanılmıştır. İki yöntemden en iyi modeli belirlemek için R2, Ortalama Mutlak Yüzde Hata, Ortalama Mutlak Hata ve Karesel Ortalama Hata olan performans analizleri ile karşılaştırılmış ve en iyi model olarak Yapay Sinir Ağlarına ait performans sonuçları sırasıyla 0.97; 0.17; 0.03 ve 0.01 olarak bulunmuştur. Ayrıca Coğrafi Bilgi Sistemi yazılımı kullanılarak Kriging yöntemi ile üç farklı değer haritası oluşturulmuştur. Değer haritaları görsel olarak değerlendirildiğinde piyasa değerine en yakın olanın Yapay Sinir Ağları olduğu tespit edilmiştir. Bu çalışma, objektif verilerle tarım arazilerinin değer tahmini yapılarak tarım sektöründe altlık olarak kullanılmasına olanak sağlamıştır.

Anahtar Kelimeler

• Tarımsal Arazi
• Coğrafi Bilgi Sistemleri
• Yapay Sinir Ağları
• Çoklu Lineer Regresyon Analizi
• Kriging Yöntemi
• Değerleme Haritası

Kaynakça

1. Alpaslan H İ (2015). TMS/TFRS Kapsamında Gayrimenkul Değerleme ve Gerçeğe Uygun Değerin Tespitinde Emsal Karşılaştırma ve Gelir İndirgeme Yöntemleri Üzerine Bir Uygulama. Nevşehir Hacı Bektaş Veli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 4, 17-35.
2. Ambika B J, Bindush U S, Chandra Mouli C V & Hemnath Sai D (2020). Multı-Layer Artıfıcıal Neural Network for Estimating. Real-Estate Prıces, 11(0976), 29–30.
3. Çoşar G Ö & Engindeniz S (2011). Tarım Arazilerinin Değerlemesinde Coğrafi Bilgi Sisteminden Yararlanma Olanakları. Ege Üniversitesi Ziraat Fakültesi Dergisi, 48(3), 283–90.
4. Çuhadar M, Güngör İ, Göksu A (2009). Turizm Talebinin Yapay Sinir Ağları ile Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 99-114.
5. Deveci E & Yılmaz İ (2009). Coğrafi Bilgi Sistemleri Yardımıyla Taşınmaz Mal Değerlemesi: Afyonkarahisar İl Merkezi Örneği. Harita Teknolojileri Elektronik Dergisi, 33–47.
6. Engindeniz S, Cansu B & Betül S (2015). Tarım Arazilerinin Kamulaştırma Bedellerinin Saptanmasında Gelir Yönteminin Uygulanmasıyla İlgili Anlaşmazlıklar. TMMOB Harita Mühendisleri Odası, 15. Türkiye Harita Bilimsel Ve Teknik Kurultayı, 25–28 Mart 2015, Ankara.
7. Ergin M (2013). Gayri̇menkul Türlerine Göre Değerleme Raporlarının Analizi. Yüksek Lisans Tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul, 228s.
8. Karakayacı Z (2011). Tarım Arazilerinin Değerlemesinde Coğrafi Bilgi Sistemlerinin Kullanılması: Konya İli Çumra İlçesi Örneği. Doktara Tezi, Selçuk Üniversitesi, Sosyal Bilimler Enstitüsü, Konya, 302 s.

9. MGM, (2021). İllere Ait Mevsim Normalleri, Meteoroloji Genel Müdürlüğü (MGM), [15 Mart 2021] https://www.mgm.gov.tr/veridegerlendirme/il-ve-ilceler-istatistik.aspx?m=MERSIN
10. Mülayim Z G (2001). Tarımsal Değer Biçme ve Bilirkişilik. Yetkin Yayınları, ISBN 978-975-464-054-0.
11. Öztürk G, Engindeniz S & Bayraktar Ö V (2017). İzmir Deki Sulanabilir Tarım Arazilerinin Değerini Etkileyen Faktörlerin Analizi. Selcuk Journal of Agricultural and Food Sciences,31(3), 75–87.
12. Saraç E (2012). Yapay Sinir Ağları Metodu ile Gayrimenkul Değerleme. Yüksek Lisans Tezi, İstanbul Kültür Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 84 s.
13. Sisman Y, Elevli S & Sisman A (2013). Arsa ve Arazi Değerlemede Yapay Değişkenli Regresyon Uygulaması: Samsun-Antalya Örneği. 14. Uluslararası Ekonometri, Yöneylem Araştırması ve İstatistik Sempozyumu, Saraybosna.
14. Toprak F (2004). Akarsularda Boyuna Dispersiyon Katsayılarının Bulanık Mantık Yöntemi ile Belirlenmesi. Doktora Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 153s.
15. Unel F B & Yalpır S (2013). Grouping and Analysing of Real Estate Valuatıon Approaches. International Journal of Multidisciplinary Thought, 3(1), 171–182.
16. Üngüt B (2017). Gayrimenkul Değerleme İklimi. Yüksek Lisans Tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, İstanbul, 127 s.
17. Yavuz S & Deveci M (2013). İstatiksel Normalizasyon Tekniklerinin Yapay Sinir Ağın Performansına Etkisi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 40, 167-187.
18. Yayar R & Karaca S S (2014). Konut Fiyatlarına Etki Eden Faktörlerin Hedonik Modelle Belirlenmesi: TR83 Bölgesi Örneği. Ege Akademik Bakış, 14(4), 509-518.
19. Yomralıoğlu T, Nişanci R & Uzun B (2007). Raster Tabanlı Nominal Değerleme Yöntemine Dayalı Arsa-Arazi Düzenlemesi Uygulaması. TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı, 2–6 Nisan 2007, Ankara.