Journals / İşletme Ekonomi ve Yönetim Araştırmaları Dergisi / 2022 / Cilt: 5 - Sayı: 1

APPROPRIATE NORMALIZATION TECHNIQUE AND ARTIFICIAL NEURAL NETWORK ANALYSIS FOR AUTOMOBILE SALES FORECAST

UYGUN NORMALİZASYON TEKNİĞİ VE YAPAY SİNİR AĞLARI ANALİZİ ile OTOMOBİL SATIŞ TAHMİNLEMESİ

Pages
19–45
Publication Date
2022-01-21
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)

It has been determined that ANN gives better results compared to Holt-Winters' method.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:In this study, new automobile sales in Turkey were estimated using Artificial Neural Networks (ANN), which is an artificial intelligence-based forecasting method, and Holt-Winters, which is an exponential smoothing method.
📊
Key Findings & Data:In the study, the dependent variable is the number of sales of automobiles, while the independent variables are the exchange rate, consumer confidence index, gross domestic product (GDP), and real sector confidence index.
💡
Conclusion & Impact:It has been determined that ANN gives better results compared to Holt-Winters' method.
🔬Design:Research Article
📍Scope:2015 Verileri
⚙️Variables:Yapay Sinir Ağı (YSA) · Holt Winters’ · talep tahmini

Abstract

In this study, new automobile sales in Turkey were estimated using Artificial Neural Networks (ANN), which is an artificial intelligence-based forecasting method, and Holt-Winters, which is an exponential smoothing method. In the study, the dependent variable is the number of sales of automobiles, while the independent variables are the exchange rate, consumer confidence index, gross domestic product (GDP), and real sector confidence index. Various normalization methods have been approved on the monthly data between 2015 and 2020 received from the Turkish Statistical Institute (TSI), the Central Bank of the Republic of Turkey, and the Automobile Distributors Association, multiple regression analysis has been performed and the coefficient of variation has been examined. The feed-forward backpropagation algorithm of ANN has been analyzed by using the statistical Z-Score normalization method which ensures the minimum error performance. The network architecture and parameters were determined based on historical data and sales quantity of new automobile were estimated in 2019-2020. The estimation results were evaluated according to various error performances and the reasons for the estimation errors were interpreted. It has been determined that ANN gives better results compared to Holt-Winters' method.

Özet

Bu çalışmada, yapay zekâ temelli tahmin yöntemlerinden Yapay Sinir Ağları (YSA) ve bir üstel düzeltim yöntemi olan Holt Winters’ ile Türkiye’de sıfır otomobil satış adetlerinin tahminlemesi gerçekleştirilmiştir. Çalışmada, bağımlı değişken “otomobil satış adetleri” iken; bağımsız değişkenler “döviz kuru, tüketici güven endeksi, gayrisafi yurt içi hasıla (GSYHİ) ve reel kesim güven endeksi” olarak seçilmiştir. Türkiye İstatistik Kurumu (TÜİK), Türkiye Cumhuriyeti Merkez Bankası ve Otomobil Distribütörleri Derneği’nden alınan 2015 – 2020 yılları arasındaki aylık veriler üzerinde çeşitli normalizasyon yöntemleri denenmiş, çoklu regresyon analizi yapılmış ve değişkenlik katsayısı hesaplanmıştır. Minimum hata performansı gösteren istatiksel normalizasyon yöntemi (Z-Skor) seçilerek geçmiş verilerden hareketle ağ mimarisi ve çeşitli parametreler belirlenmiş ve YSA’nın ileri beslemeli geri yayılım algoritması kullanılarak 2019 ve 2020 yıllarında gerçekleşen sıfır otomobil satış adetleri tahmin edilmiştir. Ardından, YSA’nın performansı çeşitli performans göstergelerine göre Holt Winters’ yöntemi ile karşılaştırılarak yorumlanmıştır. YSA’nın Holt Winters’ yöntemine kıyasla daha iyi sonuç verdiği tespit edilmiş ve tahminlerdeki sapmaların sebepleri yorumlanmıştır.

🔖

Cite This Article

HAN, G., SÖNMEZ, E. F., AVCI, S., ALADAĞ, Z. (2022). APPROPRIATE NORMALIZATION TECHNIQUE AND ARTIFICIAL NEURAL NETWORK ANALYSIS FOR AUTOMOBILE SALES FORECAST. İşletme Ekonomi ve Yönetim Araştırmaları Dergisi, Cilt: 5 - Sayı: 1, 19–45. https://ajindex.com/articles/772553

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Albayrak, Ş. G. (2018). Türkiye'de reel kesim güven endeksi ve imalat sanayi kapasite kullanım oranı arasındaki ilişki üzerine ampirik bir uygulama (2007-2017). Akademi Sosyal Bilimler Dergisi, 5(15), 18-27. Erişim Adresi: https://dergipark.org.tr/en/pub/asbider/issue/41362/500080
  2. Alper, E., ve Mumcu, A. S. (2000). Türkiye’de Otomobil Talebinin Tahmini. İstanbul:
  3. Boğaziçi Üniversitesi,
  4. Ekonomi Bölümü, Ekonomi ve Ekonometri Merkezi. Erişim Adresi: https://core.ac.uk/download/pdf/7362337.pdf
  5. Akyurt, İ. (2015). Talep tahmininin yapay sinir ağlarıyla modellenmesi: yerli otomobil örneği. Ekonometri ve İstatistik, 23, 147-157. Erişim Adresi: https://dergipark.org.tr/tr/download/article-file/411177
  6. Asilkan, Ö., ve Irmak, S. (2009). İkinci el otomobillerin gelecekteki fiyatlarının yapay sinir ağları ile tahmin edilmesi. Süleyman Demirel Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi. 14(2), 375-391. Erişim Adresi: https://dergipark.org.tr/en/pub/sduiibfd/issue/20830/223124 Aslay F., ve Özen Ü. (2013). Meteorolojik paramatreler kullanılarak yapay sinir ağları ile toprak sıcaklığının tahmini. Politeknik Dergisi, 16(4), 139-145. Erişim Adresi: https://dergipark.org.tr/tr/pub/politeknik/issue/33068/367992
  7. Ataseven, B. (2013). Yapay sinir ağlari ile öngörü modellemesi. Öneri Dergisi, 10(39), 101-115. Doi: 10.14783/od.v10i39.1012000311 Birgili, E., ve Düzer, M. (2010). Finansal analizde kullanılan oranlar ve firma değeri ilişkisi: imkb’de bir uygulama. Muhasebe ve Finansman Dergisi, 46, 74-83. Erişim Adresi: https://dergipark.org.tr/en/pub/mufad/issue/35625/395935
  8. Büker, S., ve Çelikkol, H. (2019). Döviz kuru riski yönetim teknikleri ve sdş ortağı kobi’lerin bu tekniklerden yararlanabilme olanakları. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 59, 123-139. Erişim Adresi: https://dergipark.org.tr/en/pub/dpusbe/issue/43067/486450
  9. Büyükuysal, M. Ç., ve Öz, İ. İ. (2016). Çoklu doğrusal bağıntı varlığında en küçük karelere alternatif yaklaşım: Ridge regresyon. Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi, 6(2), 110-114. Erişim Adresi: https://dergipark.org.tr/tr/pub/duzcesbed/issue/24384/258502
  10. Büyükcangaz, H., Değirmenci, H., ve Kartal, S. (2018). Bursa bölgesi sulama şebekelerinin istatistiksel yöntemlerle değerlendirilmesi. Türk Tarım ve Doğa Bilimleri Dergisi, 5(4), 501-508. Erişim Adresi: https://dergipark.org.tr/en/pub/duzcesbed/issue/24384/258502
  11. Çelik, B. (2019). Tüketici tercihlerinin yapay sinir ağları yöntemiyle tahmini: perakende sektöründe