Research Article
Yapay Zekâ ve İstatistiksel Yöntemler ile Küresel Ticarette Rekabet Ölçütü Olan Lojistik Performans İndeksine (LPI) Etken Parametrelerin Ülke Bazlı İncelenmesi ve Tahmin Modellerinin Geliştirilmesi
Abstract
Firmalar ürettikleri ürünleri pazarlamak için birçok farklı yöntem geliştirmektedir. Ürünün, üreticiden tüketiciye ulaşana kadar sürecin her aşaması rekabet piyasasında incelenmesi gereken önemli birer unsur olmaktadır. İncelenen bu süreçler lojistik ana teması altında toplanmaktadır. Bu çalışmada ülkelerin lojistik alt yapısı hakkında önemli bilgi veren ve küresel ölçekte karşılaştırma imkânı sunan lojistik performans indeksi (LPI) kavramı incelenmektedir. LPI’ne etki eden parametreler gözden geçirilmekte ve bu bağlamda liman alt yapı kalitesi, layner taşımacılığı, gümrük giderleri, havayolu yük taşımacılığı, ihracat miktarı değişkenleri incelenmektedir. Bu değişkenlerin LPI ile ilişkisi istatistiksel olarak ele alınmaktadır. Çalışmanın son aşamasında ise istatistiksel olarak anlamlı olan girdiler göz önünde bulundurularak sayısal veriler ışığında LPI için yapay zekâ ve çok değişkenli lineer regresyon (MLR) yöntemleri kullanılarak tahmin modelleri geliştirilmektedir.
References
- Bayraktutan Y, Tüylüoğlu Ş, Özbilgin M. Lojistik sektöründe yoğunlaşma analizi ve lojistik gelişmişlik endeksi: Kocaeli örneği. Journal of Alanya Faculty of Business/Alanya Isletme Fakültesi Dergisi 2012; 4(3): 61-71.
- Gergin R E, Baki B. Türkiye'deki bölgelerin lojistik performanslarının bütünleştirilmiş AHS ve TOPSIS yöntemiyle değerlendirilmesi. Business & Economics Research Journal 2015; 6(4): 115-135.
- Ulutaş A, Karaköy Ç. An analysis of the logistics performance index of EU countries with an integrated MCDM model. Economics and Business Review 2019; 5(4): 49-69.
- Güner S ve Coskun E. Comparison of ımpacts of economic and social factors on countries' logistics performance: a study with 26 OECD countries. Research in Logistics and Production 2012; 2(4): 329-343.
- Uca N, Civelek M E, Çemberci M. The effect of the components of logistics performance index on gross domestic product: conceptual model proposal. Eurasian Business&Economics Journal 2015;1: 86-93.
- https://www.indexmundi.com/facts/indicators/IQ.WEF.PORT.XQ (10.10.2019)
- https://datacatalog.worldbank.org/liner-shipping-connectivity-index-maximum-value-2004-100 (10.10.2019)
- https://datacatalog.worldbank.org/burden-customs-procedure-wef-1extremely-inefficient-7extremely-efficient (10.10.2019)
- https://datacatalog.worldbank.org/air-transport-freight-million-ton-km-1 (10.10.2019)
- https://www.imf.org/external/np/sta/bop/bopman.pdf (10.10.2019)
- https://datacatalog.worldbank.org/search?search_api_views_fulltext_op=AND&query=Commercial%20service%20exp orts%20(current%20US$)&nid=&sort_by=search_api_relevance&sort_order=DESC (10.10.2019)
- https://www.indexmundi.com/facts/indicators/TX.VAL.FOOD.ZS.UN (10.10.2019)
- https://datacatalog.worldbank.org/manufactures-exports-merchandise-exports-0 (10.10.2019)
- https://www.indexmundi.com/facts/indicators/TX.VAL.MRCH.CD.WT (10.10.2019)
- https://www.indexmundi.com/facts/indicators/LP.LPI.OVRL.XQ (10.10.2019)
- https://www.worldbank.org/ (10.10.2019)
- Dal K, Cansiz OF, Ornek M, Turedi Y. Prediction of footing settlements with geogrid reinforcement and eccentricity. Geosynthetics International 2019; 26 (3): 1-12.
- Unes F, Joksimovic D, Kisi O. Plunging flow depth estimation in a stratified dam reservoir using neuro-fuzzy technique. Water Resour. Manage 2015; 29: 30055-3077.
- Jang JSR, Sun CT, Mizutani E. Neurofuzzy and soft computing: a computational approach to learning and machine intelligence IEEE Transactions on Automatıc Control 1997; 42(10): 1482-1484.
- https://www.mathworks.com/help/fuzzy/gaussmf.html (21.11.2019)
- Karayiannis N, Venetsanopoulos A N. (2013). Artificial neural networks: learning algorithms, performance evaluation, and applications (Vol. 209). Springer Science & Business Media.
Year 2020,
Volume: 32 Issue: 2, 571 - 582, 24.09.2020
Abstract
References
- Bayraktutan Y, Tüylüoğlu Ş, Özbilgin M. Lojistik sektöründe yoğunlaşma analizi ve lojistik gelişmişlik endeksi: Kocaeli örneği. Journal of Alanya Faculty of Business/Alanya Isletme Fakültesi Dergisi 2012; 4(3): 61-71.
- Gergin R E, Baki B. Türkiye'deki bölgelerin lojistik performanslarının bütünleştirilmiş AHS ve TOPSIS yöntemiyle değerlendirilmesi. Business & Economics Research Journal 2015; 6(4): 115-135.
- Ulutaş A, Karaköy Ç. An analysis of the logistics performance index of EU countries with an integrated MCDM model. Economics and Business Review 2019; 5(4): 49-69.
- Güner S ve Coskun E. Comparison of ımpacts of economic and social factors on countries' logistics performance: a study with 26 OECD countries. Research in Logistics and Production 2012; 2(4): 329-343.
- Uca N, Civelek M E, Çemberci M. The effect of the components of logistics performance index on gross domestic product: conceptual model proposal. Eurasian Business&Economics Journal 2015;1: 86-93.
- https://www.indexmundi.com/facts/indicators/IQ.WEF.PORT.XQ (10.10.2019)
- https://datacatalog.worldbank.org/liner-shipping-connectivity-index-maximum-value-2004-100 (10.10.2019)
- https://datacatalog.worldbank.org/burden-customs-procedure-wef-1extremely-inefficient-7extremely-efficient (10.10.2019)
- https://datacatalog.worldbank.org/air-transport-freight-million-ton-km-1 (10.10.2019)
- https://www.imf.org/external/np/sta/bop/bopman.pdf (10.10.2019)
- https://datacatalog.worldbank.org/search?search_api_views_fulltext_op=AND&query=Commercial%20service%20exp orts%20(current%20US$)&nid=&sort_by=search_api_relevance&sort_order=DESC (10.10.2019)
- https://www.indexmundi.com/facts/indicators/TX.VAL.FOOD.ZS.UN (10.10.2019)
- https://datacatalog.worldbank.org/manufactures-exports-merchandise-exports-0 (10.10.2019)
- https://www.indexmundi.com/facts/indicators/TX.VAL.MRCH.CD.WT (10.10.2019)
- https://www.indexmundi.com/facts/indicators/LP.LPI.OVRL.XQ (10.10.2019)
- https://www.worldbank.org/ (10.10.2019)
- Dal K, Cansiz OF, Ornek M, Turedi Y. Prediction of footing settlements with geogrid reinforcement and eccentricity. Geosynthetics International 2019; 26 (3): 1-12.
- Unes F, Joksimovic D, Kisi O. Plunging flow depth estimation in a stratified dam reservoir using neuro-fuzzy technique. Water Resour. Manage 2015; 29: 30055-3077.
- Jang JSR, Sun CT, Mizutani E. Neurofuzzy and soft computing: a computational approach to learning and machine intelligence IEEE Transactions on Automatıc Control 1997; 42(10): 1482-1484.
- https://www.mathworks.com/help/fuzzy/gaussmf.html (21.11.2019)
- Karayiannis N, Venetsanopoulos A N. (2013). Artificial neural networks: learning algorithms, performance evaluation, and applications (Vol. 209). Springer Science & Business Media.
There are 21 citations in total.
Details
| Primary Language | Turkish |
|---|---|
| Journal Section | MBD |
| Authors | |
| Publication Date | September 24, 2020 |
| Submission Date | March 19, 2020 |
| Published in Issue | Year 2020 Volume: 32 Issue: 2 |
