Journals / Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2023 / Cilt: 6 Sayı: 3

Forecast of Turkey's Import and Export by Data Mining Methods

Türkiye’nin İthalat ve İhracatının Veri Madenciliği Yöntemleriyle Tahmini

Pages
1890–1907
Publication Date
2023-12-04
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The study shows that according to the MAPE criterion, Turkey's import data can be estimated with a lower error rate than export data.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:In today's world, where economic processes are changing rapidly, foreign trade is gaining importance day by day.
📊
Key Findings & Data:Data for the years 1969-2022 in Turkey were used for the estimation.
💡
Conclusion & Impact:The study shows that according to the MAPE criterion, Turkey's import data can be estimated with a lower error rate than export data.
🔬Design:Research Article
📍Scope:2022 Verileri
⚙️Variables:İthalat · ihracat · Veri madenciliği

Abstract

In today's world, where economic processes are changing rapidly, foreign trade is gaining importance day by day. Countries consider exports as an important tool for economic development. Export efforts are carefully monitored by the countries' policy makers. One of the measures that countries cannot do without is imports. Estimating import and export data for countries is useful for managers. In this study, Turkey's import and export data were estimated. Data for the years 1969-2022 in Turkey were used for the estimation. Linear regression, MLPRegressor, Gaussian Process Regression, RBF Regressor and Support Vector Regression methods were used for estimation. The SmoReg algorithm provided the lowest result with a MAPE value of 8.69% for the export estimate. The MLPRegressor algorithm provided the lowest result with a MAPE value of 13.19% for the imports estimate. The study shows that according to the MAPE criterion, Turkey's import data can be estimated with a lower error rate than export data.

Özet

Ekonomik süreçlerin hızla değiştiği günümüz dünyasında dış ticaret her geçen gün daha da önemli hale gelmekte olup ülkeler ekonomik kalkınma açısından ihracatı önemli bir araç olarak görmektedirler. İhracata yönelik çabalar ülkelerin politika yapıcıları açısından dikkatle izlenmektedir. Yine ülkelerin vaz geçemediği eylemlerden bir tanesi de ithalattır. Ülkeler açısından hem ithalat hem de ihracat verilerinin tahmin edilebilmesi yöneticilere avantaj sağlayacaktır. Çalışmada Türkiye’nin ithalat ve ihracat verileri tahmin edilmiştir. Tahmin için Türkiye’nin 1969-2022 yılları arasındaki verileri kullanılmıştır. Tahmin çalışmasında; Lineer Regresyon, MLPRegressor, Gaus Süreç Regresyon, RBF Regressor ve Destek Vektör Regresyon yöntemleri kullanılmıştır. İhracat tahmininde test verilerine göre %8,6987 MAPE değeriyle SmoReg algoritması en iyi sonucu vermiştir. İthalat tahmininde %7,6685 MAPE değeriyle yine SmoReg algoritması en düşük sonucu vermiştir. Çalışma MAPE kriterine göre Türkiye’nin ithalat verilerinin ihracat verilerine göre daha düşük hata oranıyla tahmin edilebildiğini göstermektedir.

🔖

Cite This Article

AVŞAR, İ. İ., ECEMİŞ, O. (2023). Forecast of Turkey's Import and Export by Data Mining Methods. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 6 Sayı: 3, 1890–1907. https://ajindex.com/articles/1021103

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Abuzir S., Abuzir Y. Data mining for CO2 emissions prediction In Italy. Mühendislik Bilimleri ve Araştırmaları Dergisi 2021; 3(1): 59-68.
  2. Acı M., Ayyıldız Doğansoy G. Makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak e-perakende sektörüne yönelik talep tahmini. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 2022; 37(3): 1325-1340.
  3. Akgün K., Bulut Özek M. Eğitsel veri madenciliği yöntemi ile ilgili yapılmış çalışmaların incelenmesi: İçerik analizi. Uluslararası Eğitim Bilim ve Teknoloji Dergisi 2020; 6(3):197-213. Akgün Z. Veri madenciliği ile yazılım hata tespiti. El-Cezeri 2016; 3(2). DOI: 10.31202/ecjse.264197 Aksu G., Doğan N. Veri madenciliğinde kullanılan güncel bir analiz programı: WEKA. Journal of Measurement and Evaluation in Education and Psychology 2019; 10(1): 80-95.
  4. Alaeddinoğlu M., Aydın T., Dal D. Birliktelik kuralları ile mekânsal-zamansal veri madenciliği. Erzincan University Journal of Science and Technology 2014; 5(2): 191-212.
  5. Albayrak YS., Yılmaz ÖK. Veri madenciliği: Karar ağacı algoritmaları ve İMKB verileri üzerine bir uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 2009; 14(1): 31-52. Artsın M. Veri madenciliği ve bilgi keşfi (Kitap özeti). Açıköğretim Uygulamaları ve Araştırmaları Dergisi 2019; 5(3): 174-180
  6. Aslan N., Terzi N. Gelişmiş ve gelişen ülkelerde uluslararası ticaret- ücret ilişkisi ve Türkiye uygulaması. Öneri Dergisi 2007; 7(27): 217-233.
  7. Atsalakis G., Frantzis D., Zopounidis C. Energy’s exports forecasting by a neuro-fuzzy controller. Energy Syst 2015; 6: 249–267.
  8. Ayanoğlu CC., Kurt M. Metal Sektöründe veri madenciliği yöntemleri ile bir iş kazası tahmin modeli önerisi. Ergonomi 2019; 2(2): 78-87. Aydemir E. Ders geçme notlarının veri madenciliği yöntemleriyle tahmin edilmesi. Avrupa Bilim ve Teknoloji Dergisi 2019; 15: 70-76.
  9. Aydemir E., Kaysi F., Yavuz M. İlaç satış verileri kullanılarak ağaç algoritmaları ile elde edilen gelirin tahmin edilmesi. Computer Science 2020; 5(1): 14-21.
  10. Basak D., Pal S., Patranabis D. Support vector regression, neural ınformation processing – Letters and Reviews 2007; 11(10): 203-224. Bayat M. Uluslararası ticarette rekabet gücü elde etmede küçük ve orta boy işletmelerin rolü ve önemi/ Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 2013; 8(16): 567-575.
  11. Boonyakunakorn P., Pastpipatkul P., Sriboonchitta S. Forecasting Thailand’s Exports to ASEAN with non-linear models. In: Kreinovich, V., Sriboonchitta, S., Chakpitak, N.