Dergiler / Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi / 2018 / Cilt: 1 Sayı: 32

CRITIC ve MDL TEMELLİ EDAS YÖNTEMİ İLE TR-61 BÖLGESİ BANKALARININ PERFORMANS DEĞERLENDİRMESİ

Özen Akçakanat(SÜLEYMAN DEMİREL ÜNİVERSİTESİ)0000-0002-7223-3028
Esra Aksoy(SÜLEYMAN DEMİREL ÜNİVERSİTESİ)0000-0003-1395-2337
Türker Teker(SÜLEYMAN DEMİREL ÜNİVERSİTESİ)0000-0002-4692-3439
Sayfa
1–24
Yayın Tarihi
2018-12-26
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak, 2012-2017 yılı değişim oranına göre en iyi performans gösteren iller sırasıyla Isparta, Antalya ve Burdur çıkmıştır

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Günümüzde bankacılık piyasası gelişen teknoloji ile birlikte sürekli olarak kendini yenileyen bir piyasadır.
📊
Temel Bulgular & Veri:Bu çalışmada TR-61 Bölgesinde yer alan illerin (Antalya, Isparta, Burdur), çok kriterli karar verme yöntemlerinden EDAS yöntemi ile il bazlı değerlendirilmesi amaçlanmıştır.
💡
Sonuç & Katkı:Sonuç olarak, 2012-2017 yılı değişim oranına göre en iyi performans gösteren iller sırasıyla Isparta, Antalya ve Burdur çıkmıştır
🔬Tür:Araştırma Makalesi
📍Kapsam:2012-2017 Verileri
⚙️Değişkenler:Bankalar · Çok Kriterli Karar Verme · Modifiye Edilmiş Dijital Mantık (MDL)

Özet

Günümüzde bankacılık piyasası gelişen teknoloji ile birlikte sürekli olarak kendini yenileyen bir piyasadır. Finansal sektörlerin başında gelen bankacılık sektörü ülke ekonomisinde önemli bir yere sahip olduğu kadar dış ülkelerin ekonomisinde de önemli bir konumda bulunmaktadır. Bankalar bu nedenle ekonomik büyüme çerçevesinde önemli bir yere sahiptir. Bu çalışmada TR-61 Bölgesinde yer alan illerin (Antalya, Isparta, Burdur), çok kriterli karar verme yöntemlerinden EDAS yöntemi ile il bazlı değerlendirilmesi amaçlanmıştır. Belirlenen kriterlerin verileri, 2012-2017 yılları arasındaki değişim oranları olarak alınmıştır. Uygulamada kriter olarak nüfus sayısı, şube sayısı, bankada çalışan kişi sayısı ve kredi/mevduat oranı kullanılmıştır. Kriter ağırlıklandırmada Modifiye Edilmiş Dijital Mantık (MDL) ve CRITIC yöntemleri kullanılarak, ağırlıklandırma yöntemlerinin sonuca etkisi de ele alınmıştır. Elde edilen kriter ağırlıkları EDAS yönteminde kullanılarak ayrı ayrı hesaplaması yapılmıştır ve iki farklı kriter ağırlığıyla yapılan hesaplama da sıralama aynı bulunmuştur. Sonuç olarak, 2012-2017 yılı değişim oranına göre en iyi performans gösteren iller sırasıyla Isparta, Antalya ve Burdur çıkmıştır

🔖

Bu Makaleye Atıf Yap

Akçakanat, Ö., Aksoy, E., Teker, T. (2018). CRITIC ve MDL TEMELLİ EDAS YÖNTEMİ İLE TR-61 BÖLGESİ BANKALARININ PERFORMANS DEĞERLENDİRMESİ. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 1 Sayı: 32, 1–24. https://ajindex.com/articles/1224280

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (27)

  1. Aghaei H.A., Beheshtinia, M.A., Amalnick, M.S., Gholimotlagh, M. and Fartash, K. (2014). “Studying Technology Road Mapping Development and Selecting the Appropriate Model for Aircraft Design and Manufacturing Industry”, International Journal of Scientific Studies, 1(2), 43-54.
  2. Alemi-Ardakani, M., S.Milani, M., Yannacopoulos, S. and Shokouhi, G. (2016). “On The Effect of Subjective, Objective and Combinative Weighting in Multiple Criteria Decision Making: A Case Study on Impact Optimization of Composites”, Expert Systems with Applications, 46, 426-438.
  3. Arıcıgil Çilan Ç., Can, M. (2013). Banka Şubelerinin Performanslarini Etkileyen Faktörlerin Kanonik Korelasyon Analizi İle İncelenmesi, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi Eyi 2013 Özel Sayısı, 285-296.
  4. Beheshti Nia, M.A. and Nematiabozar, V. (2016). A Novel Hybrid Fuzzy Multi-Criteria DecisionMaking Model for Supplier Selection Problem (A Case Study in Advertising Industry), Journal of Industrial and Systems Engineering, 9(4), 65-79.
  5. Bulğurcu, B. ve Coşkun, İ.T. (2017). Bütünleşik Bir Yöntem: MDL-MOOSRA, 18. Uluslararası Ekonometri Yöneylem Araştırması ve İstatistik Sempozyumu Özet Bildiri, 05-07 Ekim, Trabzon/Türkiye.
  6. Chauhan A. and Vaish, R. (2013). Fluid Selection of Organic Rankine Cycle Using Decision Making Approach”, Journal of Computational Engineering, 1-10.
  7. Çakır, E., Elektronik Belge Yönetim Sistemi (EBYS) Yazılımı Seçiminde Çok Kriterli Karar Verme Yöntemleri: Bir Belediye Örneği, Business, Economics and Management Research Journal - BEMAREJ, 2018, 1(1), 15-30.
  8. Çalışkan, E., Eren, T. (2016). Bankaların Performanslarının Çok Kriterli Karar Verme Yöntemiyle Değerlendirilmesi, Ordu Üniv. Bil. Tek. Derg., 6(2),85-107.
  9. Çetinceli, K., Ömürbek, V., Aksoy, E. (2018). Finansal Kurumların Modifiye Edilmiş Dijital Mantık (MDL) Temelli Gri İlişkisel Analiz İle Performans Değerlendirmesi, Süleyman Demirel Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 23(2), 425-438.
  10. Demircioğlu, M. Coşkun, İ.T. (2018). CRITIC-MOOSRA Yöntemi ve Ups Seçimi Üzerine Bir Uygulama, Ç.Ü. Sosyal Bilimler Enstitüsü Dergisi, 27(1), 183-195.
  11. Diakoulaki, D., Mavrotas, G., & Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method. Computers & Operations Research, 22(7), 763-770.
  12. Fayazbakhsh, K., Abedian, A., Dehghan Manshadi, B. and Khabbaz, R. S. (2009). “Introducing a Novel Method for Materials Selection in Mechanical Design Using Z-Transformation in Statistics for Normalization of Material Properties”, Materials and Design, 30(10): 4396-4404.
  13. Ghorabaee, M. K., Amiri, M., Zavadskas, E. K., Turskis, Z., (2017). Multi-Criteria Group Decision-Making Using an Extended EDAS Method With Interval Type-2 Fuzzy Sets, Economics and Management, Online Erişim: 20 Mart 2017, ISSN: 2336-5604, doi: 10.15240/tul/001/2017-1-004.
  14. Ghorabaee, M. K., Zavadskas, E. K., Amiri, M., Turskis, Z., (2016). Extended EDAS Method For Fuzzy Multi-Criteria Decision-Making: An Application To Supplier Selection, International Journal of Computers Communications & Control, 11(3), 358-371.
  15. Ghorabaee, M. K., Zavadskas, E. K., Olfat, L., 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.
  16. Jahan, A., Mustapha, F., Sapuan, S. M., Ismail, M. Y., & Bahraminasab, M. (2012). A Framework For Weighting Of Criteria In Ranking Stage Of Material Selection Process, The International Journal of Advanced Manufacturing Technology, 58(1), 411-420.
  17. Kahraman, C., Ghorabaee, M. K., Zavadskas, E. K., Onar, S. C., Yazdani, M., Oztaysi, B., (2017). “Intuitionistic Fuzzy EDAS Method: an Application to Solid Waste Disposal Site Selection, Journal of Environmental Engineering and Landscape Management, 25(1), 1-12.
  18. Nakıboğlu, G. Ve Bulğurcu, B. (2017). “İşletmelerin Çevresel Sürdürülebilirlik Göstergelerine Yönelik Farklı Bir Değerlendirme: Modifiye Edilmiş Dijital Mantık (MDL)”, Uluslararası İktisadi ve İdari İncelemeler Dergisi, 16. UİK Özel Sayısı,709-728.
  19. Öner, M., Demirel Arıcı N. (2018). Türk Bankacılık Sektörünün Etkinlik ve Verimlilik Analizi: 2012-2017 VZA ve Malmquist TFV Endeksi Uygulaması, Bankacılar Dergisi, 106, 18-36.
  20. Rathi, R., Khandujab, D. And Sharma, S.K. (2015). “Six Sigma Project Selections Using Fuzzy TOPSIS Decision Making Approach”, Management Science Letters, 5(5): 447–456.
  21. Taşkın, F. Dilvin. (2011). Türkiye’de Ticari Bankaların Performansını Etkileyen Faktörler, Ege Akademik Bakış Dergisi, 11(2), 28-298.
  22. Türkiye Bankalar Birliği 2017-2018 Faaliyet Raporu https://www.tbb.org.tr/Content/Upload/Dokuman/7516/Faaliyet_Raporu_2017-2018.pdf
  23. Ulutaş, A., Cengiz, E. (2018), CRITIC ve EVAMIX Yöntemleri İle Bir İşletme İçin Dizüstü Bilgisayar Seçimi, Uluslararası Sosyal Araştırmalar Dergisi,11 (55), 881- 887.
  24. Ulutaş, A. (2017). EDAS Yöntemi Kullanılarak Bir Tekstil Atölyesi İçin Dikiş Makinesi Seçimi, İşletme Araştırmaları Dergisi, 9/2 (2), 169-183.
  25. Uzun, U., Murat Berberoğlu, M. (2018). İnternet Bankaciliği Hizmetlerinin Banka Performansi Üzerine Etkisi, Uiiid-Ijeas, (20),51-62 Issn 1307-9832.
  26. Vujıcic, M.D. Papic,M.Z., Blagojevic,M.D. (2017). Comparative Analysis Of Objective Techniques For Criteria Weighing İn Two Mcdm Methods On Example Of An Air Conditioner Selection, Tehnika –Menadzment, 67(3), 422-429.
  27. Fayazbakhsh, K., Abedian, A., Dehghan Manshadi, B. and Khabbaz, R. S. (2009). “Introducing a Novel Method for Materials Selection in Mechanical Design Using Z-Transformation in Statistics for Normalization of Material Properties”, Materials and Design, 30(10): 4396-4404.