SavedAdd your journal

Journals / Sayıştay Dergisi / 2026 / Sayı: 132

Kümeleme Analizi ile Türkiye’deki İllerin Mahalli İdareler Bütçe Gelirlerine Göre Sınıflandırılması

Ahmet Dündar(MUŞ ALPARSLAN ÜNİVERSİTESİ SOSYAL BİLİMLER MESLEK YÜKSEKOKULU)0000-0002-2123-0564
Pages
101–130
Publication Date
2024-06-12
🏛️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)

Ayrıca Türkiye’de kişi başına düşen mahalli idareler bütçe gelirlerinin nasıl dağılım gösterdiği tespit edilmiş ve bütçe gelirleri arasında en büyük ve en küçük payın hangi parametrelere ait olduğu belirlenmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Mahalli idareler varlık ve hizmet anlamında süreklilik sağlayabilmek için gelirlerinin önemli bir kısmını oluşturan öz kaynaklara ihtiyaç duymaktadır.
📊
Key Findings & Data:Bu araştırma, 2020-2021-2022 yıllarına ve bu yılların ortalamasına ait Türkiye’de il bazında kişi başına düşen mahalli idareler bütçe gelirlerinin nasıl bir dağılım gösterdiğini tespit etmek ve uygulanan k-means kümeleme analizlerinin sonuçlarını karşılaştırmak amacıyla gerçekleştirilmiştir.
💡
Conclusion & Impact:Ayrıca Türkiye’de kişi başına düşen mahalli idareler bütçe gelirlerinin nasıl dağılım gösterdiği tespit edilmiş ve bütçe gelirleri arasında en büyük ve en küçük payın hangi parametrelere ait olduğu belirlenmiştir.
🔬Design:Araştırma Makalesi
📍Scope:2020-2021 Verileri
⚙️Variables:Kümeleme Analizi · K-Ortalamalar · Mahalli İdareler

Özet

Mahalli idareler varlık ve hizmet anlamında süreklilik sağlayabilmek için gelirlerinin önemli bir kısmını oluşturan öz kaynaklara ihtiyaç duymaktadır. Bu öz kaynaklar taşınır ve taşınmaz mallarının kirası, vergiler, sermaye gelirleri, alınan bağışlar ve yardımlar gibi kaynaklardır. Ekonomik olarak güçlü durumda olan mahalli idareler, kendilerinden beklenen kamu hizmetlerinin yanı sıra çeşitli sosyal hizmetler de sunarak toplumsal refahın artmasına katkıda bulunmaktadırlar. Bu araştırma, 2020-2021-2022 yıllarına ve bu yılların ortalamasına ait Türkiye’de il bazında kişi başına düşen mahalli idareler bütçe gelirlerinin nasıl bir dağılım gösterdiğini tespit etmek ve uygulanan k-means kümeleme analizlerinin sonuçlarını karşılaştırmak amacıyla gerçekleştirilmiştir. T.C. Hazine ve Maliye Bakanlığı Muhasebat Genel Müdürlüğü ve Türkiye İstatistik Kurumundan elde edilen veriler kümeleme analizine tabi tutulmuştur. Araştırmanın bulgularına göre farklı yılların analizlerinin benzer sonuçlar ortaya koyduğu görülmüştür. Ayrıca Türkiye’de kişi başına düşen mahalli idareler bütçe gelirlerinin nasıl dağılım gösterdiği tespit edilmiş ve bütçe gelirleri arasında en büyük ve en küçük payın hangi parametrelere ait olduğu belirlenmiştir.

🔖

Cite This Article

Dündar, A. (2024). Kümeleme Analizi ile Türkiye’deki İllerin Mahalli İdareler Bütçe Gelirlerine Göre Sınıflandırılması. Sayıştay Dergisi, Sayı: 132, 101–130. https://doi.org/10.52836/sayistay.1365855

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (32)

  1. Alpar, R. (2013). Uygulamalı Çok Değişkenli İstatistiksel Yöntemler. Ankara: Detay Yayıncılık.
  2. Barbak, A. (2015). Türkiye’de Kamu Mali Yönetiminin Yapısal Uyarlanması: Bütçe Reformu ve Kamu Örgütlenmesinde Dönüşüm. Niğde Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(1), 1-27.
  3. Cura, S. (2003). Türkiye’de Mali Şeffaflığı Sağlamaya Yönelik Bir Uygulama: Analitik Bütçe Sınıflandırılması. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 18(1), 139-154.
  4. Çakmak, Z., Uzgören, N. ve Keçek, G. (2005). Kümeleme Analizi Teknikleri ile İllerin Kültürel Yapılarına Göre Sınıflandırılması ve Değişimlerin İncelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (12), 15-36.
  5. Demirbaş, T. (2017). Mahalli İdare Düzeyinde Mali Kuralların İncelenmesi. U. U. International Journal of Social Inquiry, 8(2), 1-32.
  6. Edizdoğan, N., Çetinkaya, Ö. ve Gümüş, E. (2020). Kamu Maliyesi. (11th. ed.). Bursa: Ekin Basım Yayın Dağıtım.
  7. Ghosh, S. ve Dubey, S. K. (2013). Comparative Analysis of K-Means and Fuzzy C-Means Algorithms. International Journal of Advanced Computer Science and Applications, 4(4).
  8. Hamerly, G. ve Elkan, C. (2003). Learning the k in k-means. In NIPS’03: Proceedings of the 16th International Conference on Neural Information Processing Systems 16, 281-288.
  9. Han, J., Kamber, M. ve Pei, J. (2011). Data Mining: Concepts and Techniques. (3th ed.). London/Newyork/Tokyo: Morgan Kaufmann Publishers.
  10. Hulbert, C. ve Vammalle, C. (2016, October). Monitoring Sub-Central Governments’ Debts: Practices and Challenges in Oecd Countries. In Workshop RIFDE-GEN.
  11. Kantardzic, M. (2011). Data Mining: Concepts, Models, Methods and Algorithms. (2th ed.). New Jersy/Canada: IEEE Press.
  12. Kamu Mali Yönetimi ve Kontrol Kanunu (10.12.2003). Kanun No: 5018, Kabul tarihi: 24.12.2003, Tertip: 5, Cilt: 42. (Erişim: 19.06.2023), https://www.mevzuat.gov.tr/mevzuatmetin/1.5.5018.pdf
  13. Khan, S. S. ve Ahmad, A. (2004). Cluster Center Initialization Algorithm for K-means Clustering. Pattern Recognition Letters, 25(11), 1293-1302.
  14. Likas, A., Vlassis, N. ve Verbeek, J. J. (2003). The Global k-means Clustering Algorithm. Pattern Recognition, 36(2), 451-461.
  15. MacQueen, J. (1967, June). Some Methods for Classification and Analysis of Multivariate Observations. In Lucien L., Jerzy, N. (Eds.). Proceedings of the Fifth Berkeley Symposium On Mathematical Statistics And Probability, 1(14), pp. 281-297. California: University of California Press.
  16. Mahalli İdareler Bütçe ve Muhasebe Yönetmeliği (27.05.2016). Sayı: 29724 (Mükerrer). (Erişim:19.06.2023), https://www.resmigazete.gov.tr/eskiler/2016/05/20160527M1-1.htm
  17. Mamat, A. R., Mohamed, F. S., Mohamed, M. A., Rawi, N. M. ve Awang, M. I. (2018). Silhouette index for determining optimal k-means clustering on images in different color models. Int. J. Eng. Technol, 7(2), 105-109.
  18. Na, S., Xumin L. ve Yong, G. (2010). “Research On K-Means Clustering Algorithm: An Improved K-Means Clustering Algorithm. In 2010 Third International Symposium on Intelligent Information Technology and Security ınformatics, Jian, China, 2010, pp. 63-67.
  19. Ozgonenel, O., Thomas, D. W. P., Yalcin, T. ve Bertizlioglu, I. N. (2012, April). Detection of Blackouts By Using K-Means Clustering in A Power System. In 11th IET International Conference on Developments in Power Systems Protection (DPSP 2012) pp. 1-6. IET.
  20. Özarı, Ç., Eren, Ö. ve Alıcı, A. (2019), K-Ortalamalar Yönteminin Başlangıç Merkez Seçim Sorunsalı Üzerine Bir Çalışma, BMIJ, (2019), 7(2): 1117-1135.
  21. Pehlivan, O. (2018). Kamu Maliyesi. Trabzon: Celepler Matbaacılık.
  22. Struyf, A., Hubert, M. ve Rousseeuw, P. (1997). Clustering in an Object-Oriented Environment. Journal of Statistical Software, 1, 1-30.
  23. T.C. Çevre, Şehircilik ve İklim Değişikliği Bakanlığı (2020). 2020 Yılı Mahalli İdareler Genel Faaliyet Raporu. Ankara: Yerel Yönetimler Genel Müdürlüğü.
  24. T.C. Çevre, Şehircilik ve İklim Değişikliği Bakanlığı (2021). 2021 Yılı Mahalli İdareler Genel Faaliyet Raporu. Ankara: Yerel Yönetimler Genel Müdürlüğü.
  25. T.C. Çevre, Şehircilik ve İklim Değişikliği Bakanlığı (2022). 2022 Yılı Mahalli İdareler Genel Faaliyet Raporu. Ankara: Yerel Yönetimler Genel Müdürlüğü.
  26. T.C. Hazine ve Maliye Bakanlığı. (2021). Vergi Usul Kanunu Genel Tebliği. Sayı: 31375, Sıra No: 524.
  27. T.C. Maliye Bakanlığı Muhasebat Genel Müdürlüğü (2018). Mali İstatistik Yönetmeliği.(Erişim: 11.01.2024), https://ms.hmb.gov.tr/uploads/sites/3/2019/02/Mali-I%CC%87statistik-Yo%CC%88netmelig%CC%86i-02-05-2018.pdf
  28. T.C. Maliye Bakanlığı Muhasebat Genel Müdürlüğü (2019). Genel Yönetim Sektörü Mali İstatistikler Kılavuzu. Ankara.
  29. Ter-Minassian, T. (2007). Fiscal Rules For Subnational Governments: Can They Promote Fiscal Discipline?. OECD Journal on Budgeting, 6(3), 1-11.
  30. Tortop, N., Aykaç, B., Yayman, H. ve Özer, M. A. (2008). Mahalli İdareler (2. Baskı). Ankara: Nobel Yayın Dağıtım. Türk, İ. (2010). Kamu Maliyesi. Ankara: Orhan Kitabevi.
  31. Wang, J. ve Su, X. (2011). An Improved K-Means Clustering Algorithm. In 2011 IEEE 3rd International Conference on Communication Software and Networks, pp. 44-46. IEEE.
  32. Wang, X. ve Xu, Y. (2019). An Improved Index for Clustering Validation Based on Silhouette Index and Calinski-Harabasz Index. In IOP Conference Series: Materials Science and Engineering. IOP Publishing.