SavedAdd your journal

Journals / Gazi Üniversitesi Fen Fakültesi Dergisi / 2026 / Cilt: 7 Sayı: 1

Karar Verme Birimlerinin Ayırt Edilebilirlik Sorunu Üzerine Çok Kriterli Karar Verme Tabanlı Bir Yaklaşım

Emre Koçak(Gazı University)0000-0001-6686-9671
Pages
77–96
Publication Date
2026-05-26
🏛️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)

İki farklı veri setine uygulanan bu yaklaşımla değişken bilgileri kaybedilmeden VZA yönteminin ayrımcılık yeteneği iyileştirilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Veri Zarflama Analizi (VZA), çoklu girdi ve çoklu çıktıya sahip karar verme birimlerinin (KVB) göreceli performansını değerlendirmek için kullanılan parametrik olmayan bir matematiksel programlama yöntemidir.
📊
Key Findings & Data:Verimli ve verimsiz olmak üzere ele alınan KVB iki gruba ayrılabilse de tüm KVB’leri birbirinden ayırt etmek ve tam bir sıralama elde etmek VZA yönteminin en önemli dezavantajlarından biridir.
💡
Conclusion & Impact:İki farklı veri setine uygulanan bu yaklaşımla değişken bilgileri kaybedilmeden VZA yönteminin ayrımcılık yeteneği iyileştirilmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Veri Zarflama Analizi · Çok Kriterli Karar Verme · WENSLO

Özet

Veri Zarflama Analizi (VZA), çoklu girdi ve çoklu çıktıya sahip karar verme birimlerinin (KVB) göreceli performansını değerlendirmek için kullanılan parametrik olmayan bir matematiksel programlama yöntemidir. Verimli ve verimsiz olmak üzere ele alınan KVB iki gruba ayrılabilse de tüm KVB’leri birbirinden ayırt etmek ve tam bir sıralama elde etmek VZA yönteminin en önemli dezavantajlarından biridir. VZA çalışmalarında modele yeni bir değişken eklemek ağırlık alanının boyutunu artırıp daha geniş verimli KVB kümelerine neden olur. Bu durumun sonucunda ise ele alınan modelin ayırt edicilik gücü azalır. Değişken bilgilerini kaybetmeden VZA modelinin ayrımcılık yeteneğini geliştirmek için bu çalışmada Çok kriterli karar verme (ÇKKV) yaklaşımı önerilmiştir. Bu yaklaşımda, her bir spesifikasyonun alternatif bir değişken kombinasyonunu içerdiği tüm olası VZA model spesifikasyonlarını dikkate alınmıştır ve tüm olası VZA model spesifikasyonları için verimlilikler hesaplanmıştır. VZA skorlarının karar matrisi olarak değerlendirildiği bu yaklaşımda, iki farklı ağırlıklandırma ve beş farklı ÇKKV yöntemi birlikte kullanılarak oluşturulan on farklı ağırlık-ÇKKV yöntemine ilişkin skor ve sıralama elde edilmiştir. Ayrıca ÇKKV yöntemleri kullanılarak elde edilen farklı sıralamalar, Copeland yöntemi kullanılarak birlikte değerlendirilmiş ve KVB’lere ait genel ortak bir sıralama belirlenmiştir. İki farklı veri setine uygulanan bu yaklaşımla değişken bilgileri kaybedilmeden VZA yönteminin ayrımcılık yeteneği iyileştirilmiştir.

🔖

Cite This Article

Koçak, E. (2026). Karar Verme Birimlerinin Ayırt Edilebilirlik Sorunu Üzerine Çok Kriterli Karar Verme Tabanlı Bir Yaklaşım. Gazi Üniversitesi Fen Fakültesi Dergisi, Cilt: 7 Sayı: 1, 77–96. https://doi.org/10.63716/guffd.1885917

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (34)

  1. Charnes, A., Cooper, W.W. ve Rhodes, E. (1978). Measuring the efficiency of decision making units, European Journal of Operational Research, 2 (6), 429-444.
  2. Banker, R.D., Charnes, A. ve Cooper, W.W. (1984). Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science, 30 (9), 1078-1092.
  3. Lozano, S. (2012). Information sharing in DEA: A cooperative game theory approach, European Journal of Operational Research, 222 (3), 558-565.
  4. Li, F., Zhu, Q., Chen, Z. ve Xue, H. (2018). A balanced data envelopment analysis cross-efficiency evaluation approach, Expert Systems with Applications, 106, 154-168.
  5. Jenkins, L. ve Anderson, M. (2003). A multivariate statistical approach to reducing the number of variables in data envelopment analysis, European Journal of Operational Research, 147 (1), 51-61.
  6. Cinca, C.S. ve Molinero, C.M. (2004). Selecting DEA specifications and ranking units via PCA, Journal of the Operational Research Society, 55 (5), 521-528.
  7. Soleimani-damaneh, M. ve Zarepisheh, M. (2009). Shannon’s entropy for combining the efficiency results of different DEA models: Method and application, Expert Systems with Applications, 36 (3), 5146-5150.
  8. Sinuany-Stern, Z., Mehrez, A. ve Hadad, Y. (2000). An AHP/DEA methodology for ranking decision making units, International Transactions in Operational Research, 7 (2), 109-124.
  9. Hosseinzadeh Lotfi, F., Fallahnejad, R. ve Navidi, N. (2011). Ranking efficient units in DEA by using TOPSIS method, Applied Mathematical Sciences, 5 (17), 805-815.
  10. Hosseinzadeh Lotfi, F., Rostamy mal khalifeh, M. ve Heydari Alvar, M. (2012). A New Method for Ranking Efficient DMUs Based on TOPSIS and Virtual DMUs, International Journal of Research in Industrial Engineering, 1 (1), 1-9.
  11. Rakhshan, S.A. (2017). Efficiency ranking of decision making units in data envelopment analysis by using TOPSIS-DEA method, Journal of the Operational Research Society, 68 (8), 906-918.
  12. Rakhshan, S.A., Kamyad, A.V. ve Effati, S. (2015). Ranking decision-making units by using combination of analytical hierarchical process method and Tchebycheff model in data envelopment analysis, Annals of Operations Research, 226 (1), 505-525.
  13. Akbarian, D. (2015). Ranking All DEA-Efficient DMUs Based on Cross Efficiency and Analytic Hierarchy Process Methods, Journal of Optimization, 594727.
  14. Chitnis, A. ve Vaidya, O.S. (2016). Efficiency ranking method using DEA and TOPSIS (ERM-DT): case of an Indian bank, Benchmarking, 23 (1), 165-182.
  15. Si, Q. ve Ma, Z. (2019). DEA cross-efficiency ranking method based on grey correlation degree and relative entropy, Entropy, 21 (10), 966.
  16. Mehdiabadi, A., Rohani, A. ve Amirabdollahiyan, S. (2013). Ranking industries using a hybrid of DEA-TOPSIS, Decision Science Letters, 2 (4), 251-256.
  17. Sozen, A., Mirzapour, A. ve Çakir, M.T. (2015). Selection of the best location for solar plants in Turkey, Journal of Energy in Southern Africa, 26 (4), 52-63.
  18. Ersoy, Y. (2021). Performance Evaluation in Distance Education by Using Data Envelopment Analysis (DEA) and TOPSIS Methods, Arabian Journal for Science and Engineering, 46 (2), 1803-1817.
  19. Peng, C., Feng, D. ve Guo, S. (2021). Material selection in green design: A method combining DEA and TOPSIS, Sustainability, 13 (10), 5497.
  20. Zavadskas, E.K., Dalić, I. ve Stević, Ž. (2021). Application of novel DEA-SWARA-WASPAS model for efficiency assessment of agricultural products, Journal of Smart Environments and Green Computing, 1, 32-46.
  21. Shannon, C.E. (1948). A Mathematical Theory of Communication, Bell System Technical Journal, 27 (3), 379-423.
  22. Monghasemi, S., Nikoo, M.R., Khaksar Fasaee, M. A. ve Adamowski, J. (2015). A novel multi criteria decision making model for optimizing time-cost-quality trade-off problems in construction projects, Expert Systems with Applications, 42 (6), 3089-3104.
  23. Şahin, M. (2021). A comprehensive analysis of weighting and multicriteria methods in the context of sustainable energy, International Journal of Environmental Science and Technology, 18 (6), 1591-1616.
  24. Pamucar, D., Ecer, F., Gligoric, Z., Gligoric, M. ve Deveci, M. (2024). A Novel WENSLO and ALWAS Multicriteria Methodology and Its Application to Green Growth Performance Evaluation, IEEE Transactions on Engineering Management, 71, 9510-9525.
  25. Hwang, C.L. ve Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications, Springer-Verlag, New York.
  26. Chen, C.T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment, Fuzzy Sets and Systems, 114 (1), 1-9.
  27. Opricovic, S. ve Tzeng, G.H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS, European Journal of Operational Research, 156 (2), 445-455.
  28. Zavadskas, E. K., Turskis, Z., Antucheviciene, J. ve Zakarevicius, A. (2012). Optimization of weighted aggregated sum product assessment, Elektronika ir Elektrotechnika, 122 (6), 3-6.
  29. Chakraborty, S., Zavadskas, E.K. ve Antucheviciene, J. (2015). Applications of WASPAS method as a multi-criteria decision-making tool, Economic Computation and Economic Cybernetics Studies and Research, 49(1), 5-22.
  30. Ghorabaee, M.K., Zavadskas, E.K., Olfat, L. ve Turskis, Z. (2015). Multi-Criteria Inventory Classification Using a New Method of Evaluation Based on Distance from Average Solution (EDAS), Informatica, 26 (3), 435-451.
  31. Ghorabaee, M.K., Zavadskas, E.K., Turskis, Z. ve Antucheviciene, J. (2016). A new combinative distance-based assessment (CODAS) method for multi-criteria decision-making, Economic Computation and Economic Cybernetics Studies and Research, 50 (3), 25-44.
  32. Pamučar, D. ve Ćirović, G. (2015). The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approximation area Comparison (MABAC), Expert Systems with Applications, 42 (6), 3016-3028.
  33. Saari, D.G. ve Merlin, V.R. (1996). The Copeland method, Economic Theory, 8 (1), 51-76.
  34. Liang, L., Wu, J., Cook, W.D. ve Zhu, J. (2008). The DEA game cross-efficiency model and its nash equilibrium, Operations Research, 56 (5), 1278-1288.