BibTex RIS Kaynak Göster

VERİ MADENCİLİĞİNDE KÜMELEME ANALİZİ ÜZERİNE BİR UYGULAMA: ORTADOĞU VE KUZEY AFRİKA ÜLKELERİNDE FİNANSAL ERİŞİM

Yıl 2020, Cilt: 11 Sayı: 56, 85 - 108, 06.04.2022

Öz

Bilişim teknolojileri biriken verileri saklayabilme özelliğine sahiptir ve tüm bu saklanan verilerin anlamlandırılması aşamasında veri madenciliği devreye girmektedir. Veri madenciliği, verilerden önceden bilinemeyen anlamlı bilgileri tahmin etme tekniklerini içermektedir ve karar verme sürecinde birçok alanda yaygın bir şekilde kullanılmaktadır. Bu sebeple çalışmada, veri madenciliğine dair detaylı bilgi verilmesi ve Ortadoğu ve Kuzey Afrika OKA bölgesinde finansal erişimi açıklayan sekiz farklı temel değişken ile 18 ülkenin benzerliklerinin veya farklılıklarının ortaya konulması hedeflenmiştir. Ülkelerin, finansal erişim düzeyini açıkladığı düşünülen değişkenler kapsamında sınıflandırılmasında hiyerarşik kümeleme yöntemi kullanılmıştır. Analizde WEKA 3.9.3. programı tercih edilmiş ve sonuçlar yorumlanmıştır

Kaynakça

  • Albayrak, A. S. 2009 . “Türkiye’de Yerli ve Yabancı Ticaret Bankalarının Finansal Etkinliğe Göre Sınıflandırılması: Karar Ağacı, Lojistik Regresyon ve Diskriminant Analizi Modellerinin Bir Karşılaştırılması”. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14 : 113-139.
  • Aşan, Z. 2007 . “Kredi Kartı Kullanan Müşterilerin Sosyo-Ekonomik Özelliklerinin Kümeleme Analizi ile İncelenmesi”. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 17 : 256-267.
  • Bilen, H. 2009 . Bankacılık Sektöründe Personel Seçimi ve Performans Değerlendirilmesine İlişkin Veri Madenciliği Uygulaması. Yüksek Lisans Tezi Ankara: Gazi Üniversitesi Fen Bilimleri Enstitüsü.
  • Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. ve Zanasi, A., 1998 . Discovering Data Mining: From Concept to Implementation. Upper Saddle River: Prentice Hall.
  • Çalış, A., Kayapınar, S. ve Çetinyokuş, T. 2014 , “Veri Madenciliğinde Karar Ağacı Algoritmaları ile Bilgisayar ve İnternet Güvenliği Üzerine Bir Uygulama”. Endüstri Mühendisliği Dergisi, 25 3-4 : 2-19.
  • Çalış, A. ve Baynal, K. 2016 . “Kümeleme Analizi ile Bankacılık Sektöründe Satış Stratejilerinin Belirlenmesi”, Beykent Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 9 1 : 13-41.
  • Doğan, B. 2008 . “Bankaların Gözetiminde Bir Araç Olarak Kümeleme Analizi: Türk Bankacılık Sektörü İçin Bir Uygulama”, Doktora Tezi Kadir Has Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
  • Ganesh, S. 2002 . “Data mining: Should it be included in the statistics curriculum?", The 6th International Conference on Teaching Statistics ICOTS 6 , Cape Town, Güney Afrika.
  • Kaygın Y. C., Tazegül A., Yazarkan H. 2016 . “İşletmelerin Finansal Başarılı ve Başarısız Olma Durumlarının Veri Madenciliği ve Lojistik Regresyon Analizi İle Tahmin Edilebilirliği”, Ege Akademik Bakış, 16 1 , s.147-159.
  • Ketchen, D.Jr. ve Shook, C.L. 1996 . “The Application of Cluster Analysis in Strategic Management Research: An Analysis and Critique”, Strategic Management Journal, 17 6 , pp. 441-458.
  • Kohavi, R., 2000 . “Data Mining and Visualization”, National Academy of Engineering NAE US Frontiers of Engineering 2000, pp.1-8.
  • Oğuzlar, A. 2003 “Veri Önişleme”, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı 21/ Temmuz-Aralık, s. 67–76.
  • Özdamar, K. 2004 . Paket Programlar ile İstatistiksel Veri Analizi 2, Eskişehir: Kaan Kitabevi.
  • Özkan, Y. 2008 . Veri Madenciliği Yöntemleri, 1. Baskı, Papatya Yayıncılık Eğitim, İstanbul.
  • Sarıman, G. 2011 . “Veri Madenciliğinde Kümeleme Teknikleri Üzerine Bir Çalışma: K-Means ve K-Medoids Kümeleme Algoritmalarının Karşılaştırılması”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15 3 : 192-202.
  • Sumathi, S., Sivanandam, S.N. 2006 . Introduction to Data Mining and Its Applications. Berlin: Springer.
  • Ünlükaplan, Y. 2008 . Çok Değişkenli İstatistiksel Yöntemlerin Peyzaj Ekolojisi Araştırmalarında Kullanımı. Yayınlanmamış Doktora Tezi Adana: Çukurova Üniversitesi Fen Bilimleri Enstitüsü.
  • Zhao Chung-Mei ve Luan, J. 2006 . “Data Mining: Going Beyond Traditional Statistics”, New Directions for Institutional Research, 131 : 7–16.
  • MIT, 2005. www.eecs.mit.edu.tr, Erişim Tarihi: 07.07.2020.
Yıl 2020, Cilt: 11 Sayı: 56, 85 - 108, 06.04.2022

Öz

Information technologies have the ability to store the accumulated data, and data mining comes into play during the interpretation of all these stored data. Data mining includes techniques to predict meaningful information from data that cannot be known beforehand, and it is widely used in many areas in the decision-making process. For this reason, the study aims to provide detailed information on data mining and to reveal the similarities or differences of 18 countries with eight different basic variables that explain financial access in the Middle East and North Africa OKA region. The hierarchical clustering method was used to classify the countries within the scope of variables that are thought to explain the level of financial access. In the analysis, WEKA 3.9.3 program was preferred and the results were interpreted

Kaynakça

  • Albayrak, A. S. 2009 . “Türkiye’de Yerli ve Yabancı Ticaret Bankalarının Finansal Etkinliğe Göre Sınıflandırılması: Karar Ağacı, Lojistik Regresyon ve Diskriminant Analizi Modellerinin Bir Karşılaştırılması”. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14 : 113-139.
  • Aşan, Z. 2007 . “Kredi Kartı Kullanan Müşterilerin Sosyo-Ekonomik Özelliklerinin Kümeleme Analizi ile İncelenmesi”. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 17 : 256-267.
  • Bilen, H. 2009 . Bankacılık Sektöründe Personel Seçimi ve Performans Değerlendirilmesine İlişkin Veri Madenciliği Uygulaması. Yüksek Lisans Tezi Ankara: Gazi Üniversitesi Fen Bilimleri Enstitüsü.
  • Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. ve Zanasi, A., 1998 . Discovering Data Mining: From Concept to Implementation. Upper Saddle River: Prentice Hall.
  • Çalış, A., Kayapınar, S. ve Çetinyokuş, T. 2014 , “Veri Madenciliğinde Karar Ağacı Algoritmaları ile Bilgisayar ve İnternet Güvenliği Üzerine Bir Uygulama”. Endüstri Mühendisliği Dergisi, 25 3-4 : 2-19.
  • Çalış, A. ve Baynal, K. 2016 . “Kümeleme Analizi ile Bankacılık Sektöründe Satış Stratejilerinin Belirlenmesi”, Beykent Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 9 1 : 13-41.
  • Doğan, B. 2008 . “Bankaların Gözetiminde Bir Araç Olarak Kümeleme Analizi: Türk Bankacılık Sektörü İçin Bir Uygulama”, Doktora Tezi Kadir Has Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
  • Ganesh, S. 2002 . “Data mining: Should it be included in the statistics curriculum?", The 6th International Conference on Teaching Statistics ICOTS 6 , Cape Town, Güney Afrika.
  • Kaygın Y. C., Tazegül A., Yazarkan H. 2016 . “İşletmelerin Finansal Başarılı ve Başarısız Olma Durumlarının Veri Madenciliği ve Lojistik Regresyon Analizi İle Tahmin Edilebilirliği”, Ege Akademik Bakış, 16 1 , s.147-159.
  • Ketchen, D.Jr. ve Shook, C.L. 1996 . “The Application of Cluster Analysis in Strategic Management Research: An Analysis and Critique”, Strategic Management Journal, 17 6 , pp. 441-458.
  • Kohavi, R., 2000 . “Data Mining and Visualization”, National Academy of Engineering NAE US Frontiers of Engineering 2000, pp.1-8.
  • Oğuzlar, A. 2003 “Veri Önişleme”, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı 21/ Temmuz-Aralık, s. 67–76.
  • Özdamar, K. 2004 . Paket Programlar ile İstatistiksel Veri Analizi 2, Eskişehir: Kaan Kitabevi.
  • Özkan, Y. 2008 . Veri Madenciliği Yöntemleri, 1. Baskı, Papatya Yayıncılık Eğitim, İstanbul.
  • Sarıman, G. 2011 . “Veri Madenciliğinde Kümeleme Teknikleri Üzerine Bir Çalışma: K-Means ve K-Medoids Kümeleme Algoritmalarının Karşılaştırılması”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15 3 : 192-202.
  • Sumathi, S., Sivanandam, S.N. 2006 . Introduction to Data Mining and Its Applications. Berlin: Springer.
  • Ünlükaplan, Y. 2008 . Çok Değişkenli İstatistiksel Yöntemlerin Peyzaj Ekolojisi Araştırmalarında Kullanımı. Yayınlanmamış Doktora Tezi Adana: Çukurova Üniversitesi Fen Bilimleri Enstitüsü.
  • Zhao Chung-Mei ve Luan, J. 2006 . “Data Mining: Going Beyond Traditional Statistics”, New Directions for Institutional Research, 131 : 7–16.
  • MIT, 2005. www.eecs.mit.edu.tr, Erişim Tarihi: 07.07.2020.
Toplam 19 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Araştırma Makalesi
Yazarlar

Şerife Akıncı

Yayımlanma Tarihi 6 Nisan 2022
Yayımlandığı Sayı Yıl 2020 Cilt: 11 Sayı: 56

Kaynak Göster

APA Akıncı, Ş. (2022). VERİ MADENCİLİĞİNDE KÜMELEME ANALİZİ ÜZERİNE BİR UYGULAMA: ORTADOĞU VE KUZEY AFRİKA ÜLKELERİNDE FİNANSAL ERİŞİM. Düşünce Dünyasında Türkiz, 11(56), 85-108.