Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarak, veri ayrım oranına bağlı olarak yerli turist doluluk oranlarında ELM, yabancı turist doluluk oranlarında MLP ve toplam doluluk oranlarında SARIMA modeli en iyi tahmin performansını göstermiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, Türkiye’deki konaklama işletmelerinin doluluk oranlarını tahmin etmek amacıyla zaman serisi analiz yöntemleri ile makine öğrenmesi tekniklerinden Aşırı Öğrenme Makinesi (ELM) ve Çok Katmanlı Algılayıcı (MLP) yöntemleri kullanılmıştır. Çalışmada 2000-2024 yılları arasındaki konaklama işletmelerine ait veriler analiz edilmiş olup, farklı eğitim- test veri oranları (%80-%20, %70-%30 ve %60-%40) ile modellerin performansları değerlendirilmiştir. Performans ölçütleri olarak Ortalama Mutlak Hata (MAE) ve Karekök Ortalama Hata (RMSE) kullanılmıştır. Sonuç olarak, veri ayrım oranına bağlı olarak yerli turist doluluk oranlarında ELM, yabancı turist doluluk oranlarında MLP ve toplam doluluk oranlarında SARIMA modeli en iyi tahmin performansını göstermiştir. Bu bulgular, konaklama sektöründe daha doğru kapasite planlamasına ve stratejik karar alma süreçlerinin iyileştirilmesine önemli katkılar sağlayabilir.
Abstract
In this study, Extreme Learning Machine (ELM) and Multilayer Perceptron (MLP) methods from time series analysis methods and machine learning techniques are used to predict the occupancy rates of accommodation establishments in Turkey. In the study, the data of accommodation establishments between 2000-2024 were analysed and the performances of the models were evaluated with different training-test data ratios (80%-20%, 70%-30% and 60%-40%). Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) were used as performance measures. As a result, depending on the data separation rate, ELM model showed the best forecasting performance for domestic tourist occupancy rates, MLP model for foreign tourist occupancy rates and SARIMA model for total occupancy rates. These findings can make significant contributions to more accurate capacity planning and improvement of strategic decision-making processes in the hospitality industry.