Logo Logo
  • Ana Sayfa
  • Hakkında
  • Kategoriler
    • Genel
    • İstatistik
    • Makine Öğrenme
    • Model Geliştirme
    • Sağlık
    • Teknoloji
  • Tüm Yazılarım
  • İletişim

İletişim

  • Email buluttevfik@gmail.com

Site Haritası

  • Ana Sayfa
  • Hakkında
  • İletişim

Sosyal Medya Adresleri

Çok Kriterli Karar Verme (ÇKKV) Modellerinde Kriterlerin Ağırlıklandırılmasına Yönelik Bir Model Önerisi: Normalize Edilmiş Maksimum Değerler [NMD] Metodu (Normalized Maximum Values [NMV] Method)

  • ANA SAYFA
  • Blog Details
Haziran 21 2017
  • Model Geliştirme

Mevcut durumda çoklu karar verme modellerinde analiz aşamasına geçilmeden önce karşılaşılan problemlerin başında kriterlerin ağırlıklarının nasıl belirleneceğidir. Literatürde ağırlıkların belirlenmesine yönelik bir çok yöntem ve yaklaşım bulunmakla birlikte bunların büyük bir çoğunluğu kriter ağırlıkları belirlenirken belirli şartların ve varsayımların yerine getirilmesini öngörür. Bazılarında ağırlık belirlemeden önce önceden önem sırasının belirlenmesi istenmekte, bazılarında ise belirleyeceğiniz kriterlere yönelik hiyerarşik bir düzen, araştırma yapılması, likert ölçeklerinin kullanılması, uzman görüşlerine başvurulması gibi işlemler istenmektedir. Literatürde yaygın olarak kullanılan ağırlıklandırma (weighting) yöntemleri ise şunlardır;

  • Delphi Tekniği
  • SAW
  • Oran Metodu
  • AHP
  • ANP
  • ROC
  • Borda Kuralı
  • Critic Yöntem
  • Swing
  • MAU
  • Likert Ölçekleri
  • Uzman Görüşleri
  • SMART ve Türevleri
  • Entropi

Geliştirilen modelde ise yukarıda istenen özelliklerden hiç biri istenmemektedir. Diğer bir deyişle, kriterleri belirlediniz ancak önem sırasını ve ağırlığını belirleyemiyorsanız geliştirdiğim model bu noktada bahse konu problemlerin ortadan kaldırılmasına yardımcı olacaktır. Geliştirilen modelin uygulama adımları 4 aşamadan oluşmaktadır:

Adım 1: Alternatiflerin ve kriterlerin olduğu karar matrisinin oluşturulması

Bu görselin boş bir alt özelliği var; dosya ismi: image-23.png

Adım 2: Karar matrisi değerlerinin oransal değerlere dönüştürülmesi

Bu aşamada oluşturulan karar matrisindeki her bir kriter kendi içindeki kriter toplamlarına oranlanır. Bunun nedeni, aşırı dağılım (overdispersion)’ların önüne geçmeye yönelik ilk adım atılarak veri setini olabildiğinde karşılaştırılabilir seviyeye çekmektir.

Bu görselin boş bir alt özelliği var; dosya ismi: image-24.png

Adım 3: Maksimum Kriter Değerlerinin Belirlenmesi ve Normalize Edilmiş Değerlerin Hesaplanması

Bu aşamada ilk olarak her bir kritere ait değer serisi içerisinden maksimum değer belirlenir. Daha sonra her bir kritere ait değer serisinin ortalaması, standart sapması hesaplanarak normalize edilmiş değerleri elde edilir.

Adım 4: Kriter Ağırlıklarının (Weighting) Belirlenmesi

Bu aşamada her bir kritere ait değer serisi için önceki adımda hesaplanan normalize edilmiş değerler bütün kriterlerin normalize edilmiş değerlerine oranlanarak ağırlıklandırılmış değer (weighted value) elde edilmiş olur ve ağırlıklandırma işlemi tamamlanmış olur. Bundan sonraki aşama, analiz için karar verilecek çoklu karar verme modelini belirlemektir.

Belirtilen adımların örnekleştirilmesi ve somutlaştırılması adına Microsoft Excel 2016 versiyonu üzerinde hazırlamış olduğum ağırlıklandırma işlemine ilişkin simülasyon çalışmasını xlsx formatında aşağıdaki linkten indirebilirsiniz. 20.02.2021 tarihinde çalışma içerisinde simülasyona imkan tanıyan ayrı bir sayfa ekledim farklılaşmaları görebilmeniz açısından. Simülasyon kısmında tekrarlı basit tesadüfi örnekleme tekniği kullanarak alternatiflere sentetik kriter değerleri üretilmiştir. F9 tuşuna basılı tutarak yeni alternatif değerleri üreterek farklılaşmaları görebilirsiniz.

Ağırlıklandırma (Weighting)İndir

Excel dökümanında formüllerin ve sayfa düzeninin bozulmaması adına formüller ve excel çalışma sayfası şifrelenmiştir. Şifre: tb. Şifreyi kaldırarak kendi çalışmalarınız için düzenleyebilir ve uyarlayabilirsiniz.

Faydalı olması ve farkındalık oluşturması dileğiyle…

Not: Emeğe saygı adına alınan kaynağın ve indirilen excel dökümanının başka bir mecrada ya da ortamda kullanılması halinde alındığı yer adının belirtilmesini rica ederim.

Yararlanılan Kaynaklar

  • Microsoft Office Excel 2016. Microsoft
Önceki yazı Sonraki Yazı
AğırlıkAlternatifÇKKVÇok Kriterli Karar Verme YöntemiKriterMCDMNMDNMVNormalize Edilmiş Maksimum Değerler MetoduNormalized Maximum ValuesOperation ResearchWeightingYöneylem Araştırması

Yorum Yaz Cevabı iptal et

Son Yazılar

  • Kanada Sağlık Sisteminde Bekleme Süreleri
  • Araştırma Metodolojisi Notları-II
  • Araştırma Metodolojisi Notları-I
  • Microsoft Excel’de Bulut Endeks-Beta [BE-β] Simülasyonu
  • R’da Statik ve Dinamik Haritalama Vaka Çalışmaları: Türkiye Örneği

Son Yorumlar

  1. Küresel İnovasyon Endeksi 2021 Yılı Raporu ve Türkiye - winally.com - Küresel İnovasyon Endeksi’nde Türkiye Ne Durumda?
  2. R’da Birliktelik Kuralları | canözkan - Apriori Algoritması Üzerine Bir Vaka Çalışması: A Case Study on Apriori Algorithm
  3. Tevfik BULUT - Python’da Şans Oyunları Perspektifinden Olasılık : Probability from Perspective of the Chance Games in Python
  4. Ahmet Aksoy - Python’da Şans Oyunları Perspektifinden Olasılık : Probability from Perspective of the Chance Games in Python
  5. Tevfik BULUT - Z Tablosuna Göre Güven Aralığının Hesaplanmasına Yönelik Bir Simülasyon Çalışması: A Simulation Study for Calculating Confidence Interval by Z Table

Arşivler

  • Ocak 2023
  • Ekim 2022
  • Eylül 2022
  • Nisan 2022
  • Mart 2022
  • Ekim 2021
  • Eylül 2021
  • Ağustos 2021
  • Temmuz 2021
  • Haziran 2021
  • Mayıs 2021
  • Nisan 2021
  • Şubat 2021
  • Ocak 2021
  • Aralık 2020
  • Kasım 2020
  • Ekim 2020
  • Eylül 2020
  • Ağustos 2020
  • Temmuz 2020
  • Haziran 2020
  • Mayıs 2020
  • Nisan 2020
  • Mart 2020
  • Şubat 2020
  • Ocak 2020
  • Aralık 2019
  • Kasım 2019
  • Ekim 2019
  • Eylül 2019
  • Ağustos 2019
  • Mayıs 2019
  • Şubat 2019
  • Aralık 2018
  • Eylül 2018
  • Ağustos 2018
  • Temmuz 2018
  • Mayıs 2018
  • Nisan 2018
  • Ekim 2017
  • Temmuz 2017
  • Haziran 2017
  • Mayıs 2017
  • Ocak 2017

Kategoriler

  • Genel
  • İstatistik
  • Makine Öğrenme
  • Model Geliştirme
  • Sağlık
  • Teknoloji

Kategoriler

  • Genel
  • İstatistik
  • Makine Öğrenme
  • Model Geliştirme
  • Sağlık
  • Teknoloji

Etiketler

Accuracy Basit Tesadüfi Örnekleme Bernoulli Olasılık Dağılımı Confusion Matrix Coronavirus Doğruluk Doğruluk Oranı Dünya Sağlık Örgütü EDA Epidemi Epidemiyology Epidemiyoloji Exploratory Data Analysis Exploratory Data Analysis (EDA) F1 Forecast Keşifsel Veri Analizi Kitle Olasılık Fonksiyonu Koronavirüs Koronavirüs Salgını Olasılık Olasılıklı Örneklem OSB Pandemi Point Estimation Point Forecast Prevalance Prevalans Probability Sampling R Recall Salgın Sağlık Bakanlığı Simple Random Sampling Tahmin TBATS TURKEY TÜRKİYE Veri Madenciliği WHO World Health Organization Yapay Zeka ÇKKV Örneklem Örneklem Büyüklüğü
Logo

Burada, gazete ve dergilerde yayınlanan çalışmalarımın tamamı çalışmakta olduğum kurumdan bağımsız olarak özel hayatımda yaptığım çalışmalardır. Dolayısıyla, burada yer alan çalışmalardan emeğe saygı adına kaynak gösterilmesi suretiyle azami ölçüde herkes yararlanabilir.

Site Haritası

  • Ana Sayfa
  • Hakkında
  • Blog
  • İletişim

Linkler

  • winally.com

Bana Ulaşın

Bu sayfa, bazı temel bilgilerin ve bir iletişim formunun yer aldığı bir iletişim sayfasıdır. Suç teşkil edecek, yasadışı, tehditkar, rahatsız edici, hakaret ve küfür içeren, aşağılayıcı, küçük düşürücü, kaba, müstehcen, ahlaka aykırı, kişilik haklarına zarar verici ya da benzeri niteliklerde içeriklerden doğan her türlü mali, hukuki, cezai, idari sorumluluk içeriği gönderen Kişilere aittir.

  • Email: buluttevfik@gmail.com

© Copyright 2022 Tevfik Bulut