İçindekiler
Dergi Arşivi

Türkiye’deki Organize Sanayi Bölgelerinin Performanslarının TOPSIS Yöntemiyle Değerlendirilmesi

Tevfik BULUT / Sanayi ve Teknoloji Uzmanı (Sanayi Bölgeleri Genel Müdürlüğü)

 

Giriş
Kalkınma planları ile birlikte hayata geçirilen organize sanayi bölgeleri (OSB’ler); kentleşme politikalarının yönlendirilmesinde, sanayinin organize edilmesinde, ulusal ölçekte yeni yatırımların ve istihdamın artırılmasında ve bölgesel gelişmişlik farklılıklarının azaltılmasında önemli rol üstlenmektedir.

Günümüzde OSB’lerin sayısının artması ve mevcut OSB’lerin genişleme trendinde olması hem merkezi yönetim hem de OSB’ler açısından yönetim ve denetim araçları gereksinimini ve performans değerlendirmesini gerekli kılmaktadır.

Karar alıcıların sürekli olarak çok kriterli ve kompleks farklı problemlerle karşılaşmaları ve bu problemlere en kısa sürede çözüm bulmak zorunda olmalarından dolayı çok kriterli karar verme yöntemleri, yaygın bir kullanım alanına sahiptir. Çok kriterli karar verme yöntemleri, n sayıdaki alternatifler açısından en uygun olanı seçme ve değerlendirmede özel sektörden kamu sektörüne kadar karar alıcıların karar vermesine yardımcı olur.

Çok kriterli karar verme problemlerini çözmek için geçmişten günümüze değin farklı alanlarda yaygın bir biçimde kullanılmakta olan çok kriterli karar verme yöntemlerinden TOPSIS yönteminin ülkemizdeki kullanım alanlarına örnek olarak, çimento fabrikalarının finansal performanslarının değerlendirilmesi (Ertuğrul, 2009), bankaların üretim firmalarının kredibilitesini değerlendirmesi (İç, 2010), bankacılık sektöründeki finansal performansın değerlendirilmesi (Seçme, 2009), yatırımların finansal açıdan değerlendirilmesi (Tolga, 2008), teknoloji firmalarının finansal performanslarının değerlendirilmesi (Dumanoğlu, 2010), otomotiv firmalarının performans ölçümü (Yurdakul ve İç, 2003), havayolları işletmelerinin performanslarının değerlendirilmesi (Akkaya, 2004) çalışmaları gösterilebilir.

Çalışmada mevcut veri setlerine göre Türkiye’de tüzel kişilik kazanmış organize sanayi bölgelerinin 7 çeyreklik (2015 1. çeyrek-2016 3. çeyrek) dönemlerine ait doluluk oranı, istihdam sayısı, üretimdeki firma sayısı, sanayi parsel alanı, üretime geçilen parsel alanı verileri analiz kriterleri olarak belirlendikten sonra analiz yöntemi olarak çok kriterli karar verme (ÇKKV) yöntemlerinden biri olan TOPSIS yöntemi kullanılmıştır. Çalışmanın ikinci ve üçüncü bölümünde TOPSIS yöntemi, uygulama adımları ve sonuçlarından bahsedildikten sonra dördüncü ve son bölümünde, OSB’lerin başarı sıralaması çeyrek dönemler itibari ile ortaya çıkarılıp yorumlanmış ve bir çizgi grafiği ile OSB’lerin performansı gösterilmiştir.

2.TOPSIS Yöntemi
TOPSIS kelimesi, Technique for Order Preference by Similarity to Ideal Solution kelimelerinin baş harflerinden oluşmaktadır. Karar verme sürecinde kullanılan yöntemlerden birisi olan TOPSIS, alternatifler arasından en iyi seçimin yapılmasına imkân tanıyan bir tekniktir. Bu yöntemle karar verirken seçilen bir alternatifin ideal çözüme yakın olması ve ideal olmayan çözüme (negatif ideal) de uzak olması beklenir (Lai ve diğerleri, 1994). TOPSIS, 1981 yılında Hwang ve Yoon tarafından geliştirilmiş çok amaçlı karar verme yöntemlerinden birisidir (Hwang ve Yoon, 1981).

Çalışmanın uygulama bölümünde çoklu karar verme tekniklerinden biri olan TOPSIS yöntemi kullanılmıştır. TOPSIS yöntemine göre performans değerlendirmesi aşağıdaki aşamalara göre yapılır (Yıldırım ve Önder, 2015).

Adım 1: Karar matrisinin (A) oluşturulması
Karar matrisi karar verici tarafından oluşturulması gereken bir matristir. Oluşturulan bu matris mxp boyutlu bir matris olacaktır. Karar verici satırlarda karar noktalarını gösterirken sütunlarda ise faktörlere yer verir. Bu matris aşağıdaki gibi gösterilebilir;



Adım 2: Normalize matrisin elde edilmesi
Karar matrisi oluşturulduktan sonra her bir aij değerlerinin(a11,a21,a31…am1) kareleri alınarak bu değerlerin toplamından oluşan sütun toplamları elde edilir ve her bir aij değeri ait olduğu sütun toplamının kareköküne bölünerek normalizasyon işlemi gerçekleştirilir. Bu işlem ile ilgili notasyon aşağıda gösterilmiştir;



Normalize matris aşağıdaki gibi elde edilir;



Adım 3: Ağırlıklandırılmış normalize matrisin (V) elde edilmesi
Normalize edilmiş matrise ait her bir değer wij gibi bir değerle ağırlıklandırılır. Ağırlıklandırma işlemi TOPSIS yönteminin sübjektif yönünü ortaya koymaktadır. Çünkü ağırlıklandırma işlemi faktörlerin önem derecesine göre yapılmaktadır. TOPSIS yönteminin tek sübjektif parametresi ağırlıklardır.Burada dikkat edilmesi gereken husus wij değer toplamlarının 1’e eşit olmasıdır. Yani ∑_(i=1)^n-w_(i=1) olacaktır. Normalize matris ile elde edilen nij değerleri wij ağırlıkları ile çarpılarak ağırlıklandırılmış normalize matris (V matrisi) elde edilir.



Adım 4: İdeal (A*) ve negatif ideal (A¯) çözümlerinin oluşturulması
Ağırlıklandırılmış normalize matris (V matrisi) elde edildikten sonra problemin yapısına bağlı kalmak koşuluyla yani amacımız maksimizasyon ise her bir sütuna ait maksimum değerler tespit edilir. Bu maksimum değerler ideal çözüm değerlerimizdir. Daha sonra ise yine her bir sütuna ait minimum değerler elde edilir. Bu da negatif ideal çözüm değerleridir. Eğer amacımız minimizasyon ise elde edilen değerler tam tersi olacaktır. İdeal ve negatif ideal çözüm değerlerinin elde edilmesi ile ilgili notasyon aşağıdaki gibi gösterilmiştir;

İdeal çözüm değerleri:



Negatif ideal çözüm değerleri:


Adım 5: İdeal (A*) ve negatif ideal (A¯) noktalara olan uzaklık değerlerinin hesaplanması
İdeal ve ideal olmayan noktalara olan uzaklık değerleri hesaplanırken öklidyen uzaklık kullanılmaktadır. Koordinat düzleminde x ve y koordinatları bilinen iki nokta arasındaki mesafenin bulunmasında yani öklidyen uzaklığın hesaplanmasında (Alpar, 2011);

formülünden faydalanılmaktadır. Burada;
xik: i. Gözlemin k. değişken değeri
xjk: j. Gözlemin k. değişken değeri
p: değişken sayısını göstermektedir.
İdeal çözüme en yakın öklidyen uzaklık ile negatif ideal çözüme en uzak uzaklık tespit edilmeye çalışılır. Bu formül ideal ve ideal olmayan noktalara olan uzaklığın hesaplanabilmesi için genelleştirilecek olursa aşağıdaki gibi bir hesaplama yolu izlenir;

İdeal uzaklık:



Negatif ideal uzaklık:



Burada karar noktası sayısı kadar Si* ve Si- olacaktır.
Adım 6: İdeal çözüme göreli yakınlığın (Ci*) hesaplanması
Her bir karar noktasının ideal çözüme göreli yakınlığının hesaplanmasında ideal ve ideal olmayan noktalara uzaklıklardan yararlanılır. İdeal çözüme göreli yakınlık Ci* ile sembolize edilir. Burada Ci* değeri 0≤Ci*≤1 aralığında değer alır ve Ci*=1 ilgili karar noktasının ideal çözüme mutlak çözüm yakınlığını gösterirken, Ci*=0 ise ilgili karar noktasının negatif ideal çözüme mutlak yakınlığını gösterir.

 

3.ARAŞTIRMA

Bu çalışmada OSB’lerden alınan veriler kullanılarak TOPSIS yöntemiyle performans değerlendirmesi yapılmıştır. Yapılan çalışmada doluluk oranı, istihdam sayısı, üretimdeki firma sayısı, sanayi parsel alanı, üretime geçilen parsel alanı başlığı altında toplam 5 kriter belirlenmiştir. Bu 5 kriter ile 7 çeyrek dönem üzerinden başarı sıralaması yapılmıştır.

3.1.Veri Hazırlama
Çalışmada organize sanayi bölgelerinden elde edilen 7 çeyrek dönemlik (2015 1. çeyrek-2016 3. çeyrek) veriler kullanılmıştır. Elde edilen veriler bilgisayar ortamında Microsoft Office Excel 2010 kullanılarak hesaplanmıştır.

3.2.Yöntemin Uygulanması
Yöntem, aşağıda görüldüğü gibi 6 adımda gerçekleştirilmiştir.
Adım 1: Karar matrisinin oluşturulması
TOPSIS yöntemine karar matrisinin oluşturulmasıyla başlanacaktır. Bunun için performans göstergeleri 5 kriter olarak belirlenmiştir.

 Tablo 1. Karar Matrisi

Ağırlık

0,2

0,2

0,2

0,2

0,2

Dönemler

Doluluk
Oranı (%)

İstihdam
Sayısı

Üretimdeki Firma Sayısı

Sanayi Parsel
Alanı (m2)

Üretime Geçilen Parsel Alanı (m2)

2015 1. Çeyrek

65,91

1.499.866

27.821

494.921.311

476.490.000

2015 2. Çeyrek

65,82

1.529.212

27.911

500.364.911

479.810.000

2015 3. Çeyrek

64,68

1.530.406

27.950

500.536.831

481.200.000

2015 4. Çeyrek

64,92

1.575.842

28.324

523.622.091

486.310.000

2016 1. Çeyrek

67,00

1.607.211

27.308

525.369.220

491.700.000

2016 2. Çeyrek

66,74

1.607.681

28.976

521.953.920

492.420.000

2016 3. Çeyrek

62,62

1.637.904

29.406

526.919.320

495.150.000

Adım 2: Karar matrisinin normalleştirilmesi
Sütunlardaki her değer ilgili sütundaki değerlerin kareler toplamının kareköküne bölünmesiyle tek paydaya indirgenerek normalleştirilmiş karar matrisi elde edilmiştir.

Tablo 2. Karar Matrisinin Normalleştirilmesi

Dönemler

Doluluk
Oranı (%)

İstihdam
Sayısı

Üretimdeki Firma Sayısı

Sanayi Parsel
Alanı (m2)

Üretime Geçilen Parsel Alanı (m2)

2015 1. Çeyrek

0,381

0,361

0,372

0,364

0,370

2015 2. Çeyrek

0,380

0,368

0,373

0,368

0,373

2015 3. Çeyrek

0,374

0,368

0,374

0,368

0,374

2015 4. Çeyrek

0,375

0,379

0,379

0,385

0,378

2016 1. Çeyrek

0,387

0,387

0,365

0,387

0,382

2016 2. Çeyrek

0,386

0,387

0,388

0,384

0,383

2016 3. Çeyrek

0,362

0,394

0,393

0,388

0,385

Adım 3: Normalleştirilmiş karar matrisinin ağırlıklandırılması
Standart matris kriterleri ağırlık katsayıları (W) ile çarpılmış ağırlıklandırılmış karar matrisi elde edilmiştir.

Tablo 3. Karar Matrisinin Ağırlıklandırılması

Dönemler

Doluluk
Oranı (%)

İstihdam
Sayısı

Üretimdeki Firma Sayısı

Sanayi Parsel
Alanı (m2)

Üretime Geçilen Parsel Alanı (m2)

2015 1. Çeyrek

0,0762

0,0722

0,0744

0,0729

0,0741

2015 2. Çeyrek

0,0761

0,0736

0,0747

0,0737

0,0746

2015 3. Çeyrek

0,0748

0,0737

0,0748

0,0737

0,0748

2015 4. Çeyrek

0,0750

0,0759

0,0758

0,0771

0,0756

2016 1. Çeyrek

0,0774

0,0774

0,0731

0,0773

0,0764

2016 2. Çeyrek

0,0771

0,0774

0,0775

0,0768

0,0766

2016 3. Çeyrek

0,0724

0,0788

0,0787

0,0776

0,0770

Adım 4: Pozitif ve negatif ideal çözümlerin oluşturulması
Ağırlıklı karar matrisinde her sütundan ideal çözüm için ideal ve negatif ideal çözüm için negatif ideal değerler seçilerek ideal (A*) ve negatif ideal (A-) çözüm setleri belirlenir ve aşağıdaki tabloda ilk satır pozitif ideal, ikinci satır ise negatif ideal çözüm setini göstermektedir.

 Tablo 4. İdeal Çözümler

A*

0,0774

0,0788

0,0787

0,0776

0,0770

A-

0,0724

0,0722

0,0731

0,0729

0,0741

Adım 5: Uzaklık değerlerinin hesaplanması
Her faktöre ait sütundaki değerlerden pozitif ideal ve negatif ideal değerler çıkarılarak pozitif ideal ve negatif ideal çözüme uzaklık değerleri hesaplanır.

Tablo 5. Pozitif İdeal Çözüme Uzaklık Değerleri 

Dönemler

Doluluk
Oranı (%)

İstihdam
Sayısı

Üretimdeki Firma Sayısı

Sanayi Parsel
Alanı (m2)

Üretime Geçilen Parsel Alanı (m2)

2015 1. Çeyrek

0,000002

0,000044

0,000018

0,000022

0,000008

2015 2. Çeyrek

0,000002

0,000027

0,000016

0,000015

0,000006

2015 3. Çeyrek

0,000007

0,000027

0,000015

0,000015

0,000005

2015 4. Çeyrek

0,000006

0,000009

0,000008

0,000000

0,000002

2016 1. Çeyrek

0,000000

0,000002

0,000032

0,000000

0,000000

2016 2. Çeyrek

0,000000

0,000002

0,000001

0,000001

0,000000

2016 3. Çeyrek

0,000026

0,000000

0,000000

0,000000

0,000000

 Tablo 6. Negatif İdeal Çözüme Uzaklık Değerleri 

Dönemler

Doluluk
Oranı (%)

İstihdam
Sayısı

Üretimdeki Firma Sayısı

Sanayi Parsel
Alanı (m2)

Üretime Geçilen Parsel Alanı (m2)

2015 1. Çeyrek

0,0000145

0,0000000

0,0000019

0,0000000

0,0000000

2015 2. Çeyrek

0,0000137

0,0000020

0,0000026

0,0000006

0,0000003

2015 3. Çeyrek

0,0000057

0,0000022

0,0000030

0,0000007

0,0000005

2015 4. Çeyrek

0,0000071

0,0000134

0,0000074

0,0000178

0,0000023

2016 1. Çeyrek

0,0000257

0,0000267

0,0000000

0,0000201

0,0000056

2016 2. Çeyrek

0,0000227

0,0000269

0,0000199

0,0000158

0,0000061

2016 3. Çeyrek

0,0000000

0,0000441

0,0000315

0,0000222

0,0000084

Adım 6:İdeal çözüme göre nispi yakınlığın hesaplanması
Her döneme ait uzaklık değerlerinin kareleri toplamının karekökleri alınarak her dönemin pozitif ve negatif ideal çözümlere olan ortalama uzaklıkları hesaplanır. En son yakınsaklık oranları (C) ilgili dönemin negatif ortalama uzaklığının pozitif ve negatif ortalama uzaklıkları toplamına bölünerek bulunur. Yüksek yakınlık, sıralamada öncelik anlamına gelmektedir.

Tablo 7. Çözüme Yakınlık Sırası

Dönemler

Si*

Si-

Ci*

%

Sıralama

2015 1. Çeyrek

0,010

0,004

0,2939

36

7

2015 2. Çeyrek

0,008

0,004

0,3499

43

5

2015 3. Çeyrek

0,008

0,003

0,2945

36

6

2015 4. Çeyrek

0,005

0,007

0,5799

70

4

2016 1. Çeyrek

0,006

0,009

0,6023

73

3

2016 2. Çeyrek

0,002

0,010

0,8227

100

1

2016 3. Çeyrek

0,005

0,010

0,6704

81

2

Yakınsama oranlarına göre dönemlerin başarı sıralaması Tablo 8’de görülmektedir.

Tablo 8. Dönemlerin Başarı Sıralaması

Dönemler

Si*

Si-

Ci*

%

Sıralama

2016 2. Çeyrek

0,002

0,010

0,8227

100

1

2016 3. Çeyrek

0,005

0,010

0,6704

81

2

2016 1. Çeyrek

0,006

0,009

0,6023

73

3

2015 4. Çeyrek

0,005

0,007

0,5799

70

4

2015 2. Çeyrek

0,008

0,004

0,3499

43

5

2015 3. Çeyrek

0,008

0,003

0,2945

36

6

2015 1. Çeyrek

0,010

0,004

0,2939

36

7

 

TOPSIS yöntemi kullanılarak 7 çeyrek dönemlik (2015 1. çeyrek-2016 3. çeyrek) süreçte elde edilen performans sonuçlarına göre OSB’lerin en başarılı dönemi 2016 yılının 2. çeyreği tespit edilmiştir.

4.SONUÇ VE DEĞERLENDİRME
Çalışmada organize sanayi bölgelerinin 7 çeyrek dönemlik süreçte (2015 1. çeyrek-2016 3. çeyrek) performansı TOPSIS Yöntemiyle değerlendirilmiş ve her bir dönemin başarı durumu sıralanmıştır. OSB’lerin son 7 çeyrek dönemlik süreçte 5 kriter uygulanmıştır. Bu çerçevede, OSB’lerin en başarılı dönemi 2016 yılının 2. çeyreği olduğu görülmüştür. OSB’lerin en başarılı olduğu dönem 2016 2. çeyrek (%100) dönemine göre başarı yüzdeleri alındığında başarı düzeyi en düşük dönem, 2015 1. çeyrek (%36)’tir. Başarı düzeyi dönemler itibariyle Şekil 1’de gösterilmiştir.


Şekil 1.Dönemler İtibariyle Başarı Düzeyleri

Dönemler itibariyle sonuçlar incelendiğinde, OSB’lerin yakınlık değerleri açısından doğrusal olmayan bir başarı grafiği mevcuttur. Bunun sebebi olarak, ulusal ve uluslararası ekonomik gelişmeler, özellikle 2016 3. çeyrekteki keskin düşüş için geçerli olan 15 temmuz darbe girişimi ve asgari ücretteki artış ile OSB’lerin almış olduğu finansal ve ekonomik kararlar gösterilebilir. Çok kriterli karar verme yöntemlerinin kullanılmasıyla merkezde politika yapıcıların ve OSB’lerin alacağı kararların etkin ve verimli olması sağlanabilir ve doğru alternatiflerin seçilerek OSB’lerin performansı artırılabilir.

Kaynakça
1. Akkaya, G.C., (2004), Finansal Rasyolar Yardımıyla Havayolları İşletmelerinin Performansının Değerlendirilmesi, DEÜ., İ.İ.B.F. Dergisi, Cilt:19, Sayı:1
2. Alpar, R., “Uygulamalı Çok Değişkenli İstatistiksel Yöntemler”, Üçüncü Baskı, Detay Yayıncılık, Ankara, 2011.
3. Dumanoğlu S., Ergül N., “İMKB’de İşlem Gören Teknoloji Şirketlerinin Mali Performans Ölçümü”, Mufad Journal, Sayı 48, Ekim 2010.
4. Ertuğrul, İ., Karakaşoğlu, N., (2009), Performance Evaluation Of Turkish Cement Firms With Fuzzy Analytic Hierarchy Process And TOPSIS Methods, Expert Systems With Applications 36.
5. Hwang C. L., Yoon K., “Multiple Attribute Decision Making: Methods and Application” Springer, NewYork, 1981.
6. İç, Y.T., Yurdakul, M., (2010), Developments Of A Quick Credibilty Scoring Decision Support System Using Fuzzy TOPSIS, Expert Systems With Apllications 37.
7. Lai ve diğerleri, “TOPSIS for MODM. European Journal of Operational Research”, Cilt:76, 1994.
8. Seçme, N.,Y., Bayrakdaroğlu, A., Kahraman, C., (2009), Fuzzy Performance Evaluation In Turkish Banking Sector Using Analytic Hierarchy Process And TOPSIS, Expert Systems With Applications 36.
9. Tolga, A.Ç., (2008), Fuzzy Multicriteria R&D Project Selection With A Real Options Valuation Model, Journal Of Intelligent & Fuzzy Systems 19.
10. Yıldırım B. F., Önder E., “Çok Kriterli Karar Verme Yöntemleri”, İkinci Baskı, Dora Yayıncılık, Bursa, 2015.
11. Yurdakul, M., İç, Y.T., (2003), Türk Otomotiv Firmalarının Performans Ölçümü ve Analizine Yönelik TOPSIS Yöntemini Kullanan Bir Örnek Çalışma, Gazi Üni., Müh. Mim. Fakültesi Dergisi, Cilt;18, No.1.