Araştırma Makalesi
BibTex RIS Kaynak Göster

Classification of countries in terms of tourism statistics using fuzzy clustering analysis

Yıl 2011, Cilt: 4 Sayı: 1, 31 - 38, 30.06.2011

Öz

In this study, it was aimed to classify 30 countries, which include samples from almost all the regions or

continents of the world, with fuzzy clustering analysis by using the tourism statistics given with nine variables

belonging to the year 2007. In the study, average Silhouette Coefficient, Dunn Coefficient and Nonfuzziness Index

known as normalized Dunn Coefficient were computed for each cluster number (k=2,3,4,…). In addition to this,

by using cluster membership functions determined for each cluster number, discriminant analysis was applied to

the data set belonging to the countries and correct classification percentages were determined. With the help of

these obtained parameters, the most appropriate cluster structure and number was tried to be determined.

Kaynakça

  • M.R. Anderberg, 1973, Cluster Analysis for applications, Academic Press, New York.
  • A.C.G. Atba , 2008, Kümeleme analizinde küme say s n n belirlenmesi üzerine bir çal (ma, Ankara Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
  • J.C. Bezdek, S.K. Pal, 1992, Fuzzy Models For Pattern Recognition: Methots That Search For Structures in Data, IEEE Press, New York.
  • R.B. Calinski, J. Harabasz, 1974, A dendirite method for cluster analysis, Communications in Statistics, 3, 1-27.
  • K.S. Dinçer, K. Özdamar, 1992, Kümeleme çözümlemesinde uygun kümeleme ölçütlerinin kar la t r lmas , Hacettepe Fen ve Mühendislik Bilimleri Dergisi, 14, 17–33.
  • N.A. Erilli, U. Yolcu, E. E+rio+lu, C.H. Alada+, Y. Öner, 2011, Determining the most proper number of cluster in fuzzy clustering by using artificial neural networks, Expert Systems with Applications, 38/3, 2248- 2252.
  • B. Everitt, 1974, Cluster Analysis, Heinmann, London.
  • D. Geler, 2005, Sosyo-ekonomik de)i(kenliklerine göre illerin kümelenmesi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
  • L. Kaufman, P.J. Rousseeuw, 1990, Finding Groups Data: An Introduction to Cluster Analysis, John Wiley and Sons Inc, New York.
  • K l ç, 2008, Canl a) rl k ve baz vücut ölçüleri kullan larak Karayaka ve Bafra (Sak z x Karayaka G1) koyunlar n n çok de)i(kenli istatistiksel yöntemler ile incelenmesi. Ankara Üniversitesi Sa+l k Bilimleri Enstitüsü, Doktora Tezi, Ankara.
  • S. Koç, 2001, 'llerin sosyo-ekonomik özelliklere göre s n fland r lmas , Çukurova Üniversitesi 5. Ulusal Ekonometri ve statistik Sempozyumu, Çukurova Üniversitesi, Adana.
  • F.H.C. Marriot, 1971, Practical Problems in a method of Cluster Analysis, Biometrics, 27, 501-514.
  • K. Özdamar, 2004, Paket Programlar ile 'statistiksel Veri Analizi (Çok De)i(kenli Analizler), Kaan Kitabevi, Eski ehir.
  • S. Sharma, 1996, Applied Multivariate Techniques, John Wiley and Sons Inc, New York.
  • M. 6ahin, B. Hamarat, 2002, G-10 Avrupa Birli)i ve OECD Ülkelerinin Sosyo-Ekonomik Benzerliklerinin Fuzzy Kümeleme Analizi 'le Belirlenmesi, ODTÜ VI. International Conference in Economics, 11-14.
  • L. Terlemez, 2001, Kümeleme analizi ile Avrupa Birli)ine aday ülkelerin ekonomik durumlar n n incelenmesi, Anadolu Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Eski ehir.
  • WTO, 2009, Compendium of Tourism Statistics-Data 2003-2007, World Tourism Organization (UNWTO), Madrid.
  • WTO, 2010, UNWTO World Tourism Barometer. Interim Update April 2010, http://www.unwto.org.
  • V. Y lanc , 2010, Bulan k kümeleme analizi ile Türkiye’deki illerin sosyoekonomik aç dan s n fland r lmas , Süleyman Demirel Üniversitesi 'ktisadi ve 'dari Bilimler Fakültesi Dergisi, 15/3, 453-470.

Bulanık kümeleme analizi ile ülkelerin turizm istatistikleri bakımından sınıflandırılması

Yıl 2011, Cilt: 4 Sayı: 1, 31 - 38, 30.06.2011

Öz

 Bu çalışmada,
dünyanın hemen her bölgesinden veya kıtasından örneklerin yer aldığı 30
ülkenin, 2007 yılına ait dokuz değişken ile verilen turizm istatistikleri
kullanılarak bulanık kümeleme analizi ile sınıflandırılması amaçlanmıştır.
Çalışmada, her bir küme sayısı (k=2,3,4,…) için ortalama gölge istatistiği,
Dunn katsayısı ve normalleştirilmiş Dunn katsayısı olarak bilinen Nonfuzziness Index hesaplanmıştır.
Bununla birlikte, her bir küme sayısı için belirlenen küme üyelik fonksiyonları
kullanılarak ülkelere ait veri setine Diskriminant Analizi uygulanmış ve doğru
sınıflandırılma oranları saptanmıştır. Elde edilen bu parametreler vasıtası ile
en uygun küme yapısı veya sayısı belirlenmeye çalışılmıştır.

Kaynakça

  • M.R. Anderberg, 1973, Cluster Analysis for applications, Academic Press, New York.
  • A.C.G. Atba , 2008, Kümeleme analizinde küme say s n n belirlenmesi üzerine bir çal (ma, Ankara Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
  • J.C. Bezdek, S.K. Pal, 1992, Fuzzy Models For Pattern Recognition: Methots That Search For Structures in Data, IEEE Press, New York.
  • R.B. Calinski, J. Harabasz, 1974, A dendirite method for cluster analysis, Communications in Statistics, 3, 1-27.
  • K.S. Dinçer, K. Özdamar, 1992, Kümeleme çözümlemesinde uygun kümeleme ölçütlerinin kar la t r lmas , Hacettepe Fen ve Mühendislik Bilimleri Dergisi, 14, 17–33.
  • N.A. Erilli, U. Yolcu, E. E+rio+lu, C.H. Alada+, Y. Öner, 2011, Determining the most proper number of cluster in fuzzy clustering by using artificial neural networks, Expert Systems with Applications, 38/3, 2248- 2252.
  • B. Everitt, 1974, Cluster Analysis, Heinmann, London.
  • D. Geler, 2005, Sosyo-ekonomik de)i(kenliklerine göre illerin kümelenmesi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
  • L. Kaufman, P.J. Rousseeuw, 1990, Finding Groups Data: An Introduction to Cluster Analysis, John Wiley and Sons Inc, New York.
  • K l ç, 2008, Canl a) rl k ve baz vücut ölçüleri kullan larak Karayaka ve Bafra (Sak z x Karayaka G1) koyunlar n n çok de)i(kenli istatistiksel yöntemler ile incelenmesi. Ankara Üniversitesi Sa+l k Bilimleri Enstitüsü, Doktora Tezi, Ankara.
  • S. Koç, 2001, 'llerin sosyo-ekonomik özelliklere göre s n fland r lmas , Çukurova Üniversitesi 5. Ulusal Ekonometri ve statistik Sempozyumu, Çukurova Üniversitesi, Adana.
  • F.H.C. Marriot, 1971, Practical Problems in a method of Cluster Analysis, Biometrics, 27, 501-514.
  • K. Özdamar, 2004, Paket Programlar ile 'statistiksel Veri Analizi (Çok De)i(kenli Analizler), Kaan Kitabevi, Eski ehir.
  • S. Sharma, 1996, Applied Multivariate Techniques, John Wiley and Sons Inc, New York.
  • M. 6ahin, B. Hamarat, 2002, G-10 Avrupa Birli)i ve OECD Ülkelerinin Sosyo-Ekonomik Benzerliklerinin Fuzzy Kümeleme Analizi 'le Belirlenmesi, ODTÜ VI. International Conference in Economics, 11-14.
  • L. Terlemez, 2001, Kümeleme analizi ile Avrupa Birli)ine aday ülkelerin ekonomik durumlar n n incelenmesi, Anadolu Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Eski ehir.
  • WTO, 2009, Compendium of Tourism Statistics-Data 2003-2007, World Tourism Organization (UNWTO), Madrid.
  • WTO, 2010, UNWTO World Tourism Barometer. Interim Update April 2010, http://www.unwto.org.
  • V. Y lanc , 2010, Bulan k kümeleme analizi ile Türkiye’deki illerin sosyoekonomik aç dan s n fland r lmas , Süleyman Demirel Üniversitesi 'ktisadi ve 'dari Bilimler Fakültesi Dergisi, 15/3, 453-470.
Toplam 19 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

İbrahim Kılıç

Oktay Emir

Gonca Kılıç Bu kişi benim

Yayımlanma Tarihi 30 Haziran 2011
Yayımlandığı Sayı Yıl 2011 Cilt: 4 Sayı: 1

Kaynak Göster

IEEE İ. Kılıç, O. Emir, ve G. Kılıç, “Bulanık kümeleme analizi ile ülkelerin turizm istatistikleri bakımından sınıflandırılması”, JSSA, c. 4, sy. 1, ss. 31–38, 2011.