SavedAdd your journal

Journals / Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2019 / Cilt: 24 - Sayı: 3

COMPARISON OF CLASSIFICATION ALGORITHMS USED FOR ESTIMATION OF DEVELOPMENT LEVELS OF COUNTRIES

ÜLKELERİN GELİŞMİŞLİK SEVİYELERİNİN TAHMİNİNDE KULLANILAN SINIFLANDIRMA ALGORİTMALARININ KARŞILAŞTIRILMASI

Esranur DEMİRCİ
Meltem KARAATLI
Pages
703–714
Publication Date
2019-07-30
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)

For the study, WEKA (Waikato Environment for Knowledge Analysis) program developed with Java programming language at Waikato University which is used in data mining was used.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Several factors such as economy, health, technology and education affect the development levels of countries.
📊
Key Findings & Data:Gross capital formation, life expectancy at birth, prevalence of malnutrition, advanced technology exports, industrial added value (including construction), population growth, urban population, GDP per capita, gross domestic product, total unemployment (as the percentage of labor force), inflation (GDP deflator) and gross capital were determined as the set of variables used in the study.
💡
Conclusion & Impact:For the study, WEKA (Waikato Environment for Knowledge Analysis) program developed with Java programming language at Waikato University which is used in data mining was used.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Veri Madenciliği · Sınıflandırma · Gelişmişlik

Abstract

Several factors such as economy, health, technology and education affect the development levels of countries. In this study, classification algorithms, used in estimating development levels of countries are compared, considering a number of variables. Gross capital formation, life expectancy at birth, prevalence of malnutrition, advanced technology exports, industrial added value (including construction), population growth, urban population, GDP per capita, gross domestic product, total unemployment (as the percentage of labor force), inflation (GDP deflator) and gross capital were determined as the set of variables used in the study. For the study, WEKA (Waikato Environment for Knowledge Analysis) program developed with Java programming language at Waikato University which is used in data mining was used.

Özet

Ülkelerin gelişmişlik düzeylerini ekonomi, sağlık, teknoloji, eğitim gibi birçok faktör etkilemektedir. Bu çalışma da birçok değişken dikkate alınarak ülkelerin gelişmişlik seviyelerinin tahmininde kullanılan sınıflandırma algoritmalarının karşılaştırması yapılmıştır. Brüt sermaye oluşumu, doğumda beklenen yaşam süresi, yetersiz beslenme yaygınlığı, ileri teknoloji ihracatı, sanayi (inşaat dahil) katma değeri, nüfus artışı, kentsel nüfus, kişi başına gayri safi milli hasıla (GSMH), gayri safi yurtiçi hasıla, toplam işsizlik (toplam işgücünün yüzdesi), enflasyon (GSYH deflatörü) ve brüt sermaye çalışmada kullanılan değişkenler seti olarak belirlenmiştir. Uygulama için veri madenciliğinde kullanılan Waikato Üniversitesinde Java programlama diliyle geliştirilmiş olan WEKA (Waikato Environment for Knowledge Analysis) programı tercih edilmiştir

🔖

Cite This Article

DEMİRCİ, E., KARAATLI, M. (2019). COMPARISON OF CLASSIFICATION ALGORITHMS USED FOR ESTIMATION OF DEVELOPMENT LEVELS OF COUNTRIES. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 24 - Sayı: 3, 703–714. https://ajindex.com/articles/802982

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. AKÇA, H. ve Ela, M. (2012). “Türkiye’de Eğitim, Doğurganlık ve İşsizlik İlişkisinin Analizi”, Maliye Dergisi, 163, 223-242.
  2. AKPINAR, H. (2006). “Veri Tabanlarındaki Bilgi Keşfi ve Veri Madenciliği”, İstanbul Üniversitesi işletme Fakültesi Dergisi”, 29(1), 1-22.
  3. ALAN, M.A. (2012). “Veri Madenciliği ve Lisansüstü Öğrenci Verileri Üzerine Bir Uygulama”, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 33, 165-174.
  4. ARGÜDEN, Y. ve Erşahin, B. (2008). Veri Madenciliği: Veriden Bilgiye, Masrafdan Değere. Alkim Kağıt Sanayi ve Ticaret A.Ş., İstanbul.
  5. ASİLKAN, Ö. (2008). Veri Madenciliği Kullanılarak İkinci El Otomobil Pazarında Fiyat Tahmini, Doktora Tezi, Akdeniz Üniversitesi Sosyal Bilimler Enstitüsü, Antalya. BABAOĞLU, A. (2015). Veri Madenciliği Yöntemleri ve Bir Uygulama, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya. BEN-David, A. (2008). “Comparison of classification accuracy using Cohen’s Weighted Kappa”, Expert Systems with Applications: An International Journal, 34(2), 825-832.
  6. BRUNO, M. ve Easterly, W. (1998). “Inflation Crises and Long-run Growth”, Journal of Monetary Economics, 41(1), 3-26.
  7. ÇEŞTEPE, H., Vergil, H. ve Ergun, H. (2012). “Hizmet Ticaretinin Büyümeye Etkisi: Gelişmiş ve Gelişmekte Olan Ülkeler Üzerine Bir Panel Veri Analizi”, Business and Economics Research Journal, 3(4), 91-105.
  8. COŞKUN, C. ve Baykal, A. (2011). “Veri Madenciliğinde Sınıflandırma Algoritmalarının Bir Örnek Üzerinde Karşılaştırılması”, Akademik Bilişim’11 - XIII. Akademik Bilişim Konferansı Bildirileri, 1–8.
  9. DANACI, M., Çelik, M. ve Akkaya, E. (2010). “Veri Madenciliği Yöntemleri Kullanarak Meme Kanseri Hücrelerinin Tahmin ve Teşhisi”, Akıllı Sistemlerde Yenilikler ve Uygulama Sempozyumu, 9-12.
  10. ERDEN Özsoy, C. ve Tosunoğlu, T.B. (2017). “GSYH’ nin Ötesi: Ekonomik Gelişmenin Ölçümünde Alternatif Metrikler”, Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 26(1), 285-301.
  11. ERKEKOĞLU, H. (2007). “AB’ye Tam Üyelik Sürecinde Türkiye’nin Üye Ülkeler Karşısındaki Göreli Gelişme Düzeyi: Çok Değişkenli İstatistiksel Bir Analiz”, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 14(2), 28-50.
  12. EROĞLU, K. ve Palabaş, T. (2016). “Kronik Böbrek Hastalığı Tespitinde Farklı Sınıflandırma Yöntemleri ve Farklı Topluluk Algoritmalarının Birlikte Kullanımının Sınıflandırma Performansına Etkisi”, Elektrik-Elektronik Mühendisliği Odası, 512-516.
  13. GÖKTAŞ Yılmaz, Ö. (2005). “Türkiye Ekonomisinde Büyüme ile İşsizlik Oranları Arasındaki Nedensellik İlişkisi”, İs