T.C.
SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
TÜRKĠYE’DE YAġAYAN BĠREYLERĠN YAġAM MEMNUNĠYETĠ DÜZEYLERĠNĠN BULANIK ÇOK KRĠTERLĠ KARAR VERME
YÖNTEMLERĠYLE BELĠRLENMESĠ Zeynep GÜRSOY
DOKTORA TEZĠ Ġstatistik Anabilim Dalı
Ocak-2016 KONYA Her Hakkı Saklıdır
iv ÖZET
DOKTORA TEZĠ
TÜRKĠYE’DE YAġAYAN BĠREYLERĠN YAġAM MEMNUNĠYETĠ DÜZEYLERĠNĠN BULANIK ÇOK KRĠTERLĠ KARAR VERME
YÖNTEMLERĠYLE BELĠRLENMESĠ Zeynep GÜRSOY
Selçuk Üniversitesi Fen Bilimleri Enstitüsü Ġstatistik Anabilim Dalı
DanıĢman: Doç. Dr. Nimet YAPICI PEHLĠVAN 2016, 161 Sayfa
Jüri
Doç. Dr. Nimet YAPICI PEHLĠVAN Prof. Dr. AĢır GENÇ
Prof. Dr. Halil AYDOĞDU Doç. Dr. Tahsin KARABULUT Yrd. Doç. Dr. Neslihan ĠYĠT
YaĢam memnuniyeti, bireylerin yaĢam kalitesinin en önemli göstergelerinden biridir. Bu nedenle, bireylerin hem özel yaĢamlarından hem de temel yaĢam alanlarındaki kamu hizmetlerinden duydukları memnuniyetin ölçülmesi büyük önem arz etmektedir. Ancak, gerek kiĢisel memnuniyet gerekse kamu hizmetlerinden duyulan memnuniyet oldukça karmaĢık ve birçok etkenin birlikte değerlendirilmesini gerektiren bir konudur. Karar vericilerin sözel değerlendirmeleri nedeniyle karar sürecinde ortaya çıkan belirsizlikler, matematiksel olarak bulanık sayılar ile ifade edilmektedir. Bu süreçte ortaya çıkan sorunların aĢılmasında, karar verme sürecindeki alternatiflerin ve kriterlerin birlikte değerlendirilmesinde “Çok Kriterli Karar Verme Yöntemleri” kullanılmaktadır. Doktora tez çalıĢmasında bireylerin hem kiĢisel hem de kamu hizmetlerinden memnuniyet düzeylerinin belirlenmesi amacıyla; Bulanık Çok Kriterli Karar Verme yöntemlerinden Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS yöntemleri kullanılmıĢtır. Analizlerde; Türkiye Ġstatistik Kurumu tarafından yayımlanan 2013 YaĢam Memnuniyeti AraĢtırmasında yer alan sağlık, eğitim, evlilik, gelir vb. kiĢisel memnuniyete iliĢkin 14 değiĢken, güvenlik hizmetleri, ulaĢtırma hizmetleri, belediye hizmetleri, il özel idare hizmetleri vb. kamusal memnuniyete iliĢkin 38 değiĢkenden oluĢan mikro veriler kullanılmıĢtır. Ġstatistiki Bölge Birimleri Sınıflandırması (NUTS 3) düzeyinde 81 il için, Türkiye’de yaĢayan bireylerin kiĢisel ve kamusal memnuniyet düzeylerinin sıralaması Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS yöntemlerine göre oluĢturulmuĢtur.
Anahtar Kelimeler: Bulanık TOPSIS, Bulanık MULTIMOORA, Bulanık ARAS, KiĢisel memnuniyet, Kamusal memnuniyet, YaĢam Memnuniyet AraĢtırması
v ABSTRACT Ph.D THESIS
DETERMINATION OF THE LIFE SATISFACTION LEVEL OF INDIVIDUALS LIVING IN TURKEY FUZZY WITH MULTI-CRITERIA DECISION MAKING
METHODS Zeynep GÜRSOY
THE GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCE OF SELÇUK UNIVERSITY
DOCTOR OF PHILOSOPHY IN STATISTICS
Advisor: Assoc. Prof. Nimet YAPICI PEHLĠVAN
2016, 161 Pages Jury
Assoc. Prof. Nimet YAPICI PEHLĠVAN Prof. Dr. AĢır GENÇ
Prof. Dr. Halil AYDOĞDU
Assoc. Prof. Tahsin KARABULUT Asst. Prof. Neslihan ĠYĠT
Life satisfaction is one of the important indicators for individuals’ life quality. Therefore measuring individuals’ satisfaction of both private life and public service in basic life area is great importance. However, both personal satisfaction and public service satisfaction is a subject that is substantially complex and requires to be considered many factors together. Because of decision makers’ verbal assessment, uncertainties resulted in the decision process are represented mathematically by fuzzy numbers. "Multiple Criteria Decision Making Technices" are used for overcoming the problems that arise in this process and assessing the criterias and alternatives in decision making processes. In this study, for the purpose of determining the level of individuals’ personal and public service satisfaction Fuzzy TOPSIS, Fuzzy MULTIMOORA and Fuzyy ARAS multiple criteria decision making technices were used. In analysis; micro data were used that comprise from 14 variables regarding individual satisfaction such as health, education, marriage, income etc. and 38 variables regarding public service satisfaction such as security service, transport service, municipal service, special provincial administration service etc. which take part in 2013 Life Satisfaction Survey published by TÜĠK. Personal and public sevice satisfaction levels of indivudials live in Turkey, are put in order according to the each 3 methods for 81 provinces by Statistical Classification of Territorial Units (NUTS 3).
Keywords: Fuzzy TOPSIS, Fuzzy MULTIMOORA, Fuzzy ARAS, Individuals satisfaction, Life Satisfaction Survey, Public services satisfaction
vi ÖNSÖZ
Bu doktora tez çalıĢması Selçuk Üniversitesi Fen Fakültesi Ġstatistik Bölümü öğrencisi Zeynep GÜRSOY yönetiminde hazırlanarak, Selçuk Üniversitesi Fen Bilimleri Enstitüsü’ne sunulmuĢtur.
ÇalıĢmanın bütün aĢamalarında her türlü bilgi ve deneyimini paylaĢarak bana yol gösteren değerli danıĢman hocam Doç. Dr. Nimet YAPICI PEHLĠVAN’a teĢekkürü bir borç bilirim.
Çok değerli vakitlerini ve bilgilerini benden esirgemeyen değerli hocalarım Prof. Dr. AĢır GENÇ’e, Prof. Dr. Halil AYDOĞDU’ya ve Doç. Dr. Tahsin KARABULUT’a ayrı ayrı teĢekkür ederim.
Her konuda desteğini esirgemeyen Daire BaĢkanım Sn. Meral DAġKIRAN’a, tezime baĢlama konusunda beni yüreklendiren ve her türlü desteği sağlayan TÜĠK Ankara Bölge Müdürü Sn. Dr. Nurettin KAYA’ya ve tez çalıĢmamda çok büyük katkıları olan kıymetli Grup Sorumlum Sn. Levent AHĠ’ye, değerli mesai arkadaĢlarıma, hayatımın her anında yanımda olan sevgili anneme, babama ve kardeĢime teĢekkür ederim.
Bu tez çalıĢmasını, hayatımdaki en önemli varlığım olan kıymetli eĢim Ali Rıza GÜRSOY’a ve evimizin neĢe kaynağı canım oğlum Ata Doruk GÜRSOY’a armağan ediyorum.
Zeynep GÜRSOY KONYA-2016
vii ĠÇĠNDEKĠLER ÖZET ... iv ABSTRACT ... v ÖNSÖZ ... vi ĠÇĠNDEKĠLER ... vii ġEKĠLLER DĠZĠNĠ ... ix ÇĠZELGELER DĠZĠNĠ ... x SĠMGELER ve KISALTMALAR ... xi 1. GĠRĠġ ve ÖNCEKĠ ÇALIġMALAR ... 1 1.1. GiriĢ ... 1 1.2. Kaynak AraĢtırması ... 3
2. YAġAM MEMNUNĠYETĠ ARAġTIRMASI ... 9
2.1. YaĢam Memnuniyeti AraĢtırmasının Amacı, Tarihçesi, Kapsamı, Örnekleme ve Veri Derleme Yöntemleri ... 9
2.2. AraĢtırmanın Kavramları ... 10 2.2.1. Cinsiyet ... 11 2.2.2. YaĢ ... 12 2.2.3. Sosyal ĠliĢkiler ... 12 2.2.4. Gelir ... 13 2.2.5. Eğitim ... 14
2.6. Türkiye’de YaĢam Memnuniyetine ĠliĢkin YapılmıĢ Olan ÇalıĢmalar ... 14
3. BULANIK ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ... 16
3.1. Bulanık Kümeler ve Bulanık Aritmetik ĠĢlemler ... 16
3.1.1.Bulanık Sayılarda α- Kesme Kümeleri Ġçin Aritmetik ĠĢlemler ... 19
3.1.2. Bulanık Kümelerde Aritmetik ĠĢlemler ... 20
3.2. Çok Kriterli Karar Verme Yöntemleri ... 22
3.3. Bulanık TOPSIS Yöntemi ... 23
3.4. Bulanık MULTIMOORA Yöntemi ... 27
3.5. Bulanık ARAS Yöntemi ... 28
4. YAġAM MEMNUNĠYETĠ ARAġTIRMASI-2013 ve 2014 SONUÇLARI ... 31
4.1.YaĢam Memnuniyeti AraĢtırması 2014 Genel Sonuçları ... 31
4.2. YaĢam Memnuniyeti AraĢtırması-2013 Ġl Düzeyi Sonuçları ... 37
5. BULANIK ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE YAġAM MEMNUNĠYETĠ ARAġTIRMASI-2013 ĠL DÜZEYĠNDE DEĞERLENDĠRMESĠ ... 44
viii
5.1.Bulanık TOPSIS Yöntemi Sonuçları ... 44
5.2.Bulanık MULTIMOORA Yöntemi Sonuçları ... 54
5.3. Bulanık ARAS Yöntemi Sonuçları ... 74
6. SONUÇ ve ÖNERĠLER ... 80
KAYNAKLAR ... 84
EKLER ... 89
ÖZGEÇMĠġ ... 150
ix
ġEKĠLLER DĠZĠNĠ
ġekil 3.1. Klasik kümenin grafik gösterimi………17
ġekil 3.2. Bulanık kümenin grafik gösterimi………..18
ġekil 3.3. Üçgensel bulanık sayıların gösterimi………..19
ġekil 3.4. Yamuksal bulanık sayıların gösterimi……….20
ġekil 4.1. Genel mutluluk düzeyi (2003-2014)….……….……….31
ġekil 5.1. ĠBBS/NUTS Düzey 3’e göre Bulanık TOPSIS yönteminden elde edilen kiĢisel memnuniyet dereceleri………52
ġekil 5.2. ĠBBS/NUTS Düzey 3’e göre Bulanık TOPSĠS yönteminden elde edilen kamusal memnuniyet dereceleri……….53
ġekil 5.3. Ağırlıklı Bulanık MULTIMOORA-MOORA Oranı yöntemi kullanılarak ĠBBS/NUTS Düzey 3’e göre kiĢisel memnuniyet dereceleri……….…………66
ġekil 5.4. Ağırlıklı Bulanık MULTIMOORA-MOORA Oranı yöntemi kullanılarak ĠBBS/NUTS Düzey 3’e göre kamusal memnuniyet dereceleri……….…….67
ġekil 5.5. Ağırlıksız Bulanık MULTIMOORA-MOORA Oranı yöntemi kullanarak ĠBBS/NUTS Düzey 3’e göre kiĢisel memnuniyet dereceleri……….68
ġekil 5.6. Ağırlıksız Bulanık MULTIMOORA-MOORA Oranı yöntemi kullanılarak ĠBBS/NUTS Düzey 3’e göre kamusal memnuniyet dereceleri………..69
ġekil 5.7. Ağırlıksız Bulanık MULTIMOORA-MOORA Referans Noktası yöntemiyle ĠBBS/NUTS Düzey 3’e göre kiĢisel memnuniyet dereceleri……….70
ġekil 5.8. Ağırlıksız Bulanık MULTIMOORA-MOORA Referans Noktası yöntemiyle ĠBBS/NUTS Düzey 3’e göre kamusal memnuniyet dereceleri……….71
ġekil 5.9. Ağırlıklı Bulanık MULTIMOORA-MOORA Referans Noktası yöntemiyle ĠBBS/NUTS Düzey 3’e göre kiĢisel memnuniyet dereceleri………72
ġekil 5.10. Ağırlıklı Bulanık MULTIMOORA-MOORA Referans Noktası yöntemiyle ĠBBS/NUTS Düzey 3’e göre kamusal memnuniyet dereceleri……….73
ġekil 5.11.Bulanık ARAS yöntemiyle ĠBBS/NUTS Düzey 3’e göre kiĢisel memnuniyet dereceleri…………...……….78
ġekil 5.12.Bulanık ARAS yöntemiyle ĠBBS/NUTS Düzey 3’e göre kamusal memnuniyet dereceleri…………...………79
x
ÇĠZELGELER DĠZĠNĠ
Çizelge 3.1. Kriterlerin önem ağırlıkları için kullanılan dilsel değiĢkenler ve bulanık
sayı karĢılıkları ... 24
Çizelge 3.2. Alternatiflerin kriterler altında değerlendirilmesinde kullanılan dilsel değiĢkenler ve bulanık sayı karĢılıkları ... 25
Çizelge 4.1. Cinsiyet, yaĢ grubu, eğitim durumu ve medeni duruma göre mutluluk düzeyi (%) ... 32
Çizelge 4.2. Mutluluk kaynağı, 2004-2014 (%) ... 33
Çizelge 4.3. Genel olarak kamu hizmetlerinden memnuniyet, 2003-2014 (%) ... 34
Çizelge 4.4. Umut düzeyi, 2003-2014 (%) ... 35
Çizelge 4.5. Son bir yıldaki ekonomik geliĢmelerin bireyler üzerindeki etkisi ... 36
Çizelge 4.6. Ġllere ve cinsiyete göre mutluluk düzeyi, 2013 (%) ... 38
Çizelge 4.7. Ġllere ve yaĢ grubuna göre mutluluk düzeyi, 2013 ... 39
Çizelge 4.8. Ġllere ve medeni duruma göre mutluluk düzeyi, 2013 ... 40
Çizelge 5.1. KiĢisel memnuniyete iliĢkin Bulanık TOPSIS yöntemi ile Türkiye'deki illerin sıralaması ... 48
Çizelge 5.2. Kamusal memnuniyete iliĢkin Bulanık TOPSIS yöntemi ile Türkiye'deki illerin sıralaması ... 50
Çizelge 5.3. KiĢisel Memnuniyete iliĢkin AğırlıklandırılmamıĢ Bulanık MULTIMOORA yöntemiyle Türkiye’deki illerin sıralaması ... 58
Çizelge 5.4. Kamusal Memnuniyete iliĢkin AğırlıklandırılmamıĢ Bulanık MULTIMOORA yöntemiyle Türkiye’deki illerin sıralaması ... 60
Çizelge 5.5. KiĢisel Memnuniyete iliĢkin Ağırlıklı Bulanık MULTIMOORA yöntemiyle Türkiye’deki illerin sıralaması ... 62
Çizelge 5.6. Kamusal Memnuniyete iliĢkin Ağırlıklı Bulanık MULTIMOORA yöntemiyle Türkiye’deki illerin sıralaması ... 64
Çizelge 5.7. KiĢisel Memnuniyete iliĢkin Bulanık ARAS yöntemiyle illerin sıralaması76 Çizelge 5.8. Kamusal Memnuniyete iliĢkin Bulanık ARAS yöntemiyle illerin sıralanması ... 77
xi
SĠMGELER ve KISALTMALAR ̃: Bulanık Küme
: Yakınlık katsayısı,
: Bulanık Pozitif Ġdeal Çözümden Olan Uzaklık : Bulanık Negatif Ġdeal Çözümden Olan Uzaklık ̃: Bulanık Karar Matrisi
̃: Normalize EdilmiĢ Bulanık Karar Matrisi ̃: Optimallik Fonksiyon Değeri
̃ : Bulanık Karar Matrisi ̅̃: Normalize Karar Matrisi
̃ : Ağırlıklı Normalize EdilmiĢ Bulanık Karar Matrisi, ̃ : Bulanık Ağırlıklar Vektörü
ARAS: Toplamsal Oran Değerlendirmesi (Additive Ratio ASsesment) ÇKKV: Çok Kriterli Karar Verme
ĠBBS (NUTS): Ġstatistiki Bölge Birimleri Sınıflaması (The Nomenclature of Territerial Units for Statistics)
KI: KiĢisel Memnuniyet KA: Kamusal Memnuniyet
MULTIMOORA: Oran Analizi ile Çok Amaçlı Optimizasyon (Multi-Objective Optimization by Ratio Analysis)
TOPSIS: Ġdeal Çözüme Benzerlik ile Tercih Sıralama Tekniği (Technique for Order Preference by Similarity to Ideal Solution)
TÜĠK: Türkiye Ġstatistik Kurumu
1. GĠRĠġ ve ÖNCEKĠ ÇALIġMALAR
Bu bölümde, tez çalıĢmasında ele alınan YaĢam Memnuniyeti AraĢtırması ve Bulanık Çok Kriterli Karar Verme (ÇKKV) Yöntemleri hakkında genel bilgiler verilmiĢ ve ayrıntılı literatür taraması yapılmıĢtır.
1.1. GiriĢ
Türkiye’deki Ġstatistiki Bölge Birim Sınıflaması ĠBBS-NUTS 3 düzeyinde 81 ilin kiĢisel memnuniyet düzeylerinin ve kamu hizmetlerinden memnuniyet düzeylerinin belirlenmesi amacıyla yapılan bu çalıĢmada; Türkiye Ġstatistik Kurumu’nun 2013 yılında yapmıĢ olduğu YaĢam Memnuniyeti AraĢtırması mikro verileri kullanılmıĢtır. Ancak, memnuniyet gibi net olarak ifade edilmeyen sözel kavramların nitelenebilmesi için “çok memnun”, “memnun”, “orta”, “memnun değil”, “hiç memnun değil” dilsel değiĢkenler kullanılmıĢ ve “Çok Kriterli Karar Verme Yöntemleri”ni bulanık ortamda uygulamanın daha doğru sonuçlar verebileceği düĢünülmüĢtür. Bu amaçla, çalıĢmada öncelikli olarak, Bulanık Çok Kriterli Karar Verme Yöntemleri detaylı olarak incelenmiĢ ve Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS yöntemlerinin uygulanmasına karar verilmiĢtir. Bu yöntemlerin temel prensibi, pozitif ideal çözüme en yakın ve negatif ideal çözüme en fazla uzaklığı sahip olan alternatifi seçmektir.
TÜĠK tarafından yapılan 2013 YaĢam Memnuniyeti AraĢtırması sonucunda elde edilen mikro veriler incelendiğinde, çalıĢmanın amacına ve yöntemlerin uygulanabilirliğine en uygun olan değiĢkenler seçilmiĢtir. Seçilen bu değiĢkenler, bireylerin gerek kiĢisel gerekse kamu hizmetlerinden memnuniyet düzeylerinin ölçülmesi için değerlendirilmiĢ ve Likert 5’li ölçeklendirme yöntemiyle bireyler tarafından cevaplandırılan değiĢkenler ise kriter olarak belirlenmiĢtir.
Belirlenen kriterler dikkate alındığında, bireylerin kiĢisel memnuniyete iliĢkin sağlık, evlilik, eğitim, oturduğu konut, oturduğu semt, iĢ, iĢinden elde ettiği kazanç, aylık hane halkı geliri, kendine ayırdığı zaman, iĢe geliĢ-gidiĢ için harcadığı zaman, akrabalarıyla iliĢkiler, arkadaĢlarıyla iliĢkiler, komĢularıyla olan iliĢkiler ve çalıĢtığı iĢle ilgili iliĢkilerden memnun olma durumunu değerlendiren 14 değiĢken kullanılmıĢtır.
Kamusal memnuniyete iliĢkin değiĢkenler değerlendirildiğinde ise, sağlık, güvenlik, adalet, eğitim, Sosyal Güvenlik Kurumu, ulaĢtırma, elektronik ortamda sunulan kamu hizmetlerinden memnun olma durumu değerlendiren değiĢkenler ve bunun yanı sıra gerek belediyenin gerekse il özel idarenin çöp, kanalizasyon, toplu taĢıma, zabıta, yol/kaldırım, yeĢil alan miktarı, hava kirliliği ile mücadele, sağlık, spor merkezi olanağı, imar/iskan/ruhsat iĢlemleri, engellilere yönelik düzenlemeler, hasta ve yoksullara yardımlar, sergi, festival gibi faaliyetler, meslek edindirme kursları, ıĢıklandırma hizmeti, temizlik, itfaiye, cenaze, sokak levhaları, gıda tesisleri hizmetlerinden memnuniyetini sorgulayan 38 değiĢken kullanılmıĢtır.
Çok Kriterli Karar Verme Yöntemlerinin uygulamalarında, karar vericilerin yargılarını sözel olarak ifade ettikleri ya da objektif yargılarda bulunmadıkları sıkça gözlenmektedir. Bunun yanı sıra, elde edilen değerlendirmeler her zaman kesin ve tam bilgi içermeyebilmektedir. Bu tür karar modellerinde analizler bulanık mantık yaklaĢımı ile yapılabilmektedir. Bulanık mantığın karar verme sürecindeki uygulamaları genellikle klasik karar verme teorilerinin bulanıklaĢtırılması ile gerçekleĢtirilmektedir. Bulanık mantıkla tanımlanan karar problemlerinde, klasik problemlerde olduğu gibi bulanık olmayan “en iyi” karara ulaĢmak amaçlanmaktadır.
ÇalıĢmanın Birinci Bölümü’nü giriĢ ve literatür taraması oluĢturmaktadır. Ġkinci Bölüm’de, Türkiye Ġstatistik Kurumu’nun 2003 yılından itibaren gerçekleĢtirmiĢ olduğu YaĢam Memnuniyeti AraĢtırması hakkında genel bilgiler verilerek araĢtırmanın amacı, kapsamı, örnekleme ve derleme yöntemleri incelenmiĢtir. Ayrıca, YaĢam Memnuniyeti AraĢtırması’nda fertlere uygulanan ankette yer alan sorulara iliĢkin kavramlar açıklanmıĢ ve Türkiye’de YaĢam Memnuniyetine iliĢkin bugüne kadar yapılmıĢ olan çalıĢmalara da bu bölümde yer verilmiĢtir.
Üçüncü bölümde, bulanık kümeler ve bulanık aritmetik iĢlemler, Çok Kriterli Karar Verme yöntemleri, Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS yöntemleri ayrıntılı bir Ģekilde açıklanmıĢtır.
Dördüncü bölümde, Türkiye Ġstatistik Kurumu tarafından yayımlanan YaĢam Memnuniyeti AraĢtırması 2013 ve 2014 yıllarına iliĢkin sonuçlar açıklamalı olarak verilmiĢtir.
BeĢinci bölümde, YaĢam Memnuniyeti AraĢtırması 2013 mikro verilerinden yararlanarak Türkiye’deki 81 ilin kiĢisel ve kamusal memnuniyet düzeylerini belirlemek amacıyla Bulanık Çok Kriterli Karar Verme yöntemlerinden Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS yöntemleri ile çözüm yapılmıĢtır.
Sonuç ve Öneriler bölümünde, Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS yöntemleri kullanılarak NUTS 3 düzeyinde Türkiye’deki 81 ilin kiĢisel ve kamusal memnuniyet sıralaması için genel bir değerlendirme yapılmıĢtır.
1.2. Kaynak AraĢtırması
Literatürde birçok Çok Kriterli Karar Verme yöntemi mevcuttur. Doktora tez çalıĢmasında, Bulanık Çok Kriterli Karar Verme yöntemlerinden Bulanık TOPSIS, Bulanık MULTIMOORA ve Bulanık ARAS ele alınmıĢtır.
Çok Kriterli Karar Verme yöntemlerinden TOPSIS yöntemi, dilsel belirsizliğin olduğu durumlarda kullanılabilen bir grup karar verme yöntemidir ve Hwang ve Yoon (1981) tarafından geliĢtirilmiĢtir. TOPSIS yönteminin temel prensibi, alternatifler arasında tercih yaparken, pozitif ideal çözüme en yakın ve negatif ideal çözüme en uzak alternatiflerin bulunması ve bir sıralama yapılmasıdır.
Ahluwalia ve ark. (1993) makale çalıĢmasında, sanayide kullanılan rulmanların bilgisayar destekli seçimi için hata payı, esneklik, montaj, demontaj vb. 16 kriteri dikkate alarak TOPSIS yöntemini kullanmıĢlardır.
Shyur (2006) makalesinde, yazılım geliĢtirme projelerinde önemli bir rolü olan COTS (ticari kullanıma hazır) ürünü seçiminde ÇKKV yöntemlerinden ANP ve TOPSIS yöntemini kullanmıĢtır.
Özkan (2007) tez çalıĢmasında, AHP, ELECTRE ve TOPSIS yöntemlerini iĢletmeler için hayati önemi olan personel seçimine uygulamıĢ ve gerçek hayattaki sonuçlar karĢılaĢtırmıĢtır.
Bashiri ve Ramazani (2009) makale çalıĢmasında, çoklu tepki optimizasyonu için yeni bir yöntem geliĢtirmiĢlerdir. Çoklu tepki problemi, veri toplamak, modeli oluĢturmak ve optimizasyon adımlarını içermektedir. Optimizasyon sonucunda elde ettikleri çözümlerin derecelendirilmesi ve en iyi çözüme ulaĢabilmek için TOPSIS yöntemini kullanmıĢlardır.
Supçiller ve ark. (2011) makale çalıĢmasında, kalite, maliyet, teslimat ve hizmet kriteri ana kriterler olarak alınmıĢ ve bir iĢletme için en uygun tedarikçinin seçimi probleminde AHP ve TOPSIS yöntemlerini uygulamıĢlardır.
Shahroudi ve ark. (2012) makale çalıĢmasında, TOPSIS yöntemi kullanılarak, ücret, zaman, kalite, araç, ekipman ve uzaklık kriterleri altında değerlendirilen beĢ tedarikçi arasından en uygun olanının seçilmesi ile ilgili bir uygulama yapmıĢlardır.
Sarı (2014) doktora tez çalıĢmasında, otomotiv sektöründe lastik üretimi yapan bir iĢletmede, farklı nitelikte iki ayrı dıĢ alım için, iki farklı bütünleĢik tedarikçi seçim iĢlemi yöntemi ile karĢılaĢtırmalı olarak en iyi tedarikçi seçim iĢlemi gerçekleĢtirilmiĢtir. ÇalıĢmada her iki grup hizmet alımı için TOPSIS yöntemi kullanarak karĢılaĢtırmalı olarak tedarikçi seçimi yapılmıĢtır. OluĢturulan modellere sanal tedarikçiler eklenerek, tedarikçi sayısındaki artıĢın kurulan modeller üzerindeki etkisi ortaya konulmuĢtur.
Barros ve Wanke (2015), Afrika’daki havaalanlarının verimliliğini ölçmek için TOPSIS yöntemini uygulamıĢlardır.
Chen (2000) makale çalıĢmasında, dilsel değerlendirmelerle ifade edilen alternatiflerin oranları ve kriter ağırlıkları üçgensel bulanık sayılarla ifade edilmiĢ ve Bulanık TOPSIS algoritmasının adımları detaylı biçimde açıklanmıĢtır.
Zhang ve Lu (2003), karar vericilerin önceliklerindeki bulanıklığı çözmek için bütünleĢik grup karar verme yöntemini uygulamıĢlardır. Wang ve El-hag (2006), lineer olmayan programlama problemlerinin çözümünde α-kesmelere dayalı Bulanık TOPSIS yöntemini kullanmıĢ ve bulanık ağırlıklı ortalama yöntemi ile karĢılaĢtırmıĢlardır.
Ecer (2007) doktora tez çalıĢmasında, bulanık ortamda grup kararı vermede yararlanılan Bulanık TOPSIS yöntemini tanıtarak insan kaynağı seçiminde adayların değerlendirilmesine yönelik bir uygulama sunulmuĢtur.
Ashtiani ve ark. (2009) makale çalıĢmasında, aralık-değerli bulanık kümelere dayalı Bulanık TOPSIS yöntemini önermiĢtir. ÇalıĢmada, Chen (2000) tarafından ifade edilen bilgilerle ve örneklerin çözüm yöntemiyle ilgili değiĢiklikler önermiĢlerdir.
Çelik ve ark. (2009) makale çalıĢmasında, Bulanık TOPSIS yöntemini kullanarak Türkiye’deki deniz ulaĢım ağının içindeki konteynır limanlarındaki rekabet stratejilerinin seçimi için bir uygulama sunmuĢlardır. ÇalıĢmada, Ġzmir, Mersin, HaydarpaĢa, Ambarlı ve Gemport limanları alternatifler olarak belirlenmiĢ; servisin derecesi ve kalitesi, alt yapısal karakteristikler, operasyonel prensipler ve politikalar olmak üzere üç ana baĢlıkta 21 kriter
belirlenmiĢtir. Uygulama TOPSIS yöntemlerinin sonuçları ile oluĢturulan SWOT Analizi yapılmıĢtır.
Kaya ve Kahraman (2010), Bulanık TOPSIS yöntemi kullanarak enerji planlaması ile ilgili bir çalıĢma yapmıĢlardır. ÇalıĢmada, en iyi enerji teknolojisini seçmek için nicel ve nitel değerlendirme kriterleri kullanılmıĢ ve enerji planlama uzmanları tarafından kriterlerin ağırlıklandırma çalıĢması için dilsel terimlerle değerlendirme yapılmıĢtır.
Maghdevari ve ark. (2014) makale çalıĢmasında, Bulanık TOPSIS yöntemi kullanılarak, kömür madeninde çalıĢanların sağlığı ve güvenliği için kontrol ölçümleri ve karar vericilerin desteklenmesi amacıyla riskler değerlendirilmiĢtir. Bunun için Ġran’da Hashouni, Hojedk ve Babnizu’de yer alan büyük kömür madenleri hakkında bilgiler toplamıĢlardır. Bu amaçla, 86 risk tanımlanarak jeomekanik, jeokimyasal, elektrik, mekanik, kimyasal, çevre, kiĢisel ve sosyal-kültürel ve yönetimsel risk olmak üzere 7 kategoride sınıflanmıĢtır.
Roszkowska ve ark. (2014) makale çalıĢmasında, kötü yapılaĢma müzakerelerinde, inĢaat sürecinde hangi müzakerenin tercih edileceğini seçmek için TOPSIS yöntemi kullanılmıĢtır.
MOORA (Multi-Objective Optimization By Ratio Analysis) yöntemi, ilk olarak Brauers ve Zavadskas (2006) tarafından tanıtılmıĢtır. GeçiĢ ekonomisinde özelleĢtirme ile ilgili yapmıĢ oldukları çalıĢmada, MOORA Oran Analizi yöntemini kullanmıĢlardır.
Balezentis ve ark. (2011a) makalesinde, çok boyutlu kriterle objektif olarak uluslar arası iyi-yaĢam karĢılaĢtırması yapmayı amaçlanmıĢtır. Bu çalıĢmada, eĢdeğer hanehalkı kullanılabilir medyan geliri, yoksulluk oranı, göç oranı, doğumda yaĢanan ölüm oranı, hekimlerin yoğunluğu, doğumda beklenen yaĢam süresi, suç oranı, okullaĢma oranı, sosyal korumaya yapılan yatırım, sera gazı emisyonu, en son seçimlerdeki seçmen katılım oranı, kalabalıklaĢma oranı olmak üzere 12 değiĢken ele alınarak MULTIMOORA yöntemiyle Avrupa Birliği üyesi 25 ülkenin yaĢanabilirlik düzeylerinin sıralaması yapılmıĢtır.
Kildiene (2013) makalesinde, MULTIMOORA yöntemi kullanılarak Avrupa Birliği üye ülkelerinde inĢaat iĢletmeleri için fırsatlar değerlendirilmiĢtir. ÇalıĢmada MULTIMOORA yöntemi, Oran Sistemi, Referans Noktası ve Tam Çarpımsal Form olmak üzere üç bölümden oluĢmuĢtur.
Brauers ve ark. (2011) makale çalıĢmasında, öncelikle Bulanık MULTIMOORA yöntemini tanıtılarak Avrupa Birliği üyesi ülkelerin değerlendirilmesi için MULTIMOORA yöntemi kullanılmıĢ ve çok amaçlı optimizasyon uygulaması yapılmıĢtır. ÇalıĢmada, üye ülkeleri 3 grupta sınıflandırarak kiĢi baĢına milli gelir, uzun süreli iĢsizlik, yoksulluk oranı vb. kriterler kullanarak değerlendirme yapmıĢlardır.
Balezentis ve ark. (2011b) makalesinde, dilsel mantık ve karar vermeyle birlikte Bulanık MULTIMOORA yöntemi geliĢtirilmesi amaçlanmıĢtır. Ayrıca, insan kaynakları yönetimi veya diğer iĢ kararları verme alanlarda Bulanık MULTIMOORA yöntemi uygulamalarına yer verilmiĢtir.
Liu ve ark. (2014) makale çalıĢmasında, yaygın olarak havacılık, otomotiv ve sağlık sektörlerinde değerlendirme aracı olarak kullanılan hata modu ve etki analizi, MULTIMOORA yöntemi kullanılarak bulanık ortamda değerlendirilmiĢtir.
Zavadskas ve ark. (2015) makale çalıĢmasında, aralık değerli sezgisel bulanık kümelerin avantajları hakkında bilgi verdikten sonra mühendislik probleminde grup karar verme için aralık değerli sezgisel Bulanık MULTIMOORA yöntemini kullanmıĢlardır.
Zavadskas ve Turskis (2010a) makale çalıĢmasında, yeni bir ÇKKV yöntemi olan ARAS yöntemini tanıtmıĢtır. Uygulama olarak, ofis için mikroklima değerlendirme örneği ele alınmıĢtır. Alternatifler değerlendirilmesinde hava debisi, hava devir hızı, hava sıcaklığı, hava nemi ve yoğunlaĢma kriter olarak alınarak ARAS yöntemi ile çözüm yapılmıĢtır.
Zavadskas ve ark. (2010b) çalıĢmasında, vakıf binaları için tesisat seçim problemi ARAS yöntemi kullanılarak değerlendirilmiĢtir. Değerlendirmede uzman görüĢlerini referans alarak, tesisat ücreti, süresi, risk endeksi, avantajların endeksi, kararların devredilebilirliği, bakım karmaĢıklığı olmak üzere 6 kriter ve 3 alternatif teknik belirlenmiĢtir.
Turskis ve Zavadskas (2010) makale çalıĢmasında, ARAS yöntemini Gri Sistem Teorisi ile geniĢleterek oluĢturdukları ARAS-G yöntemini kullanmıĢlardır. Ele alınan 4 olası alternatif tedarikçi ve teslim fiyatı, finansal pozisyon, performans, standartlar ile ilgili sertifikalar, üretim özellikleri, ticari güç olmak üzere 6 kriter üzerinden elde edilen değerlendirmeler bir dilsel değerlendirme tablosu kullanılarak gri sayılara çevrilmiĢ ve ARAS-G yöntemi ile tedarikçi seçimi yapılmıĢtır.
Kaklauskas ve ark. (2013) makale çalıĢmasında, standart bir ev renevasyonu için bilgi tabanlı bir model geliĢtirilerek, en ideal renevasyon projesi seçiminde ARAS yöntemini kullanmıĢtır.
Darji ve Rao (2014) makale çalıĢmalarında, Ģeker imalatı endüstrisi için malzeme seçimi karar problemini ARAS, OCRA, EVAMIX ve geliĢtirilmiĢ TODIM yöntemi kullanarak çözmüĢlerdir.
Shariati ve ark. (2014), çalıĢmalarında atık boĢaltım yeri seçimi için ARAS yöntemini grup kararlarını göz önünde bulunduracak biçimde modellemiĢlerdir. G-ARAS adını verdikleri modele bulanık mantığı entegre ederek, karar problemine çözüm getirmiĢlerdir.
Kutut ve ark. (2014), ARAS ve AHP yöntemlerini birlikte kullandıkları çalıĢmalarında Avrupa kentlerinde kültür mirası kapsamında korumaya alınacak tarihi yapıların öncelik sıralamasını belirlemeye çalıĢmıĢlardır. Bu tarihi yapılar değerlendirilirken arkeolojik, tarihsel, ekonomik ve sosyal kriterler dikkate alınmıĢtır.
Yıldırım (2015), makale çalıĢmasında, ARAS yöntemi incelenmiĢ ve yerel literatüre yeni bir alternatif yöntem olarak detaylı biçimde açıklanmıĢtır. Ayrıca; kullanım alanı, mesafe, oda sayısı, yeĢil alan, bina yaĢı kriterleri üzerinden 5 alternatif değerlendirerek konut seçimi problemine uygulanmıĢtır.
Turskis ve ark. (2011), lojistik merkezi konumunu seçmek için Bulanık ARAS yöntemini kullanmıĢlardır. ÇalıĢmada; ulaĢım, inĢaat, ekonomi, teknoloji ve sürdürülebilir kalkınma gibi farklı sorunları çözmek için yeni geliĢtirilen Bulanık ARAS yöntemini sunmuĢlardır. Yatırım maliyeti, çalıĢma süresi, geniĢleme imkanı ve talep pazarına yakınlığı olmak üzere 4 kriter ve lojistik merkez için 4 alternatif belirlemiĢlerdir.
Turkskis ve ark. (2012) makalesinde, Vilnius kentinde tehlikeli olmayan atık yakma tesisi için uygun Ģantiye alternatifleri arasından seçim yapmak için Bulanık ARAS ve AHP yöntemi ile değerlendirme yapılmıĢtır. ÇalıĢmada, mühendislik faktörleri, kentsel faktörler ve sosyal faktörler olmak üzere 3 ana faktör içerisinde toplanan 10 kriter değerlendirmeye alınmıĢ ve 7 alternatif Ģantiye Bulanık ARAS yöntemiyle değerlendirilmiĢtir.
Keršulienė ve Turskis (2014), bir iĢletme için muhasebe departmanı Ģefi seçim sürecinde Bulanık ARAS yöntemini kullanmıĢlardır. Eğitim, çalıĢma bilgisi, sorumluluklar, stratejik düĢünme, liderlik, özel konumda çalıĢma motivasyonu, bilgisayar bilgisi ve
müĢterilerle çalıĢma yeteneği olmak üzere 8 kriter belirlenmiĢtir. Bu kriterler beĢ uzman tarafından değerlendirilerek kriter ağırlıkları hesaplanmıĢ ve bu pozisyona baĢvuran 3 aday için Bulanık ARAS yöntemiyle değerlendirme yapılmıĢtır.
2. YAġAM MEMNUNĠYETĠ ARAġTIRMASI
Bu bölümde; YaĢam Memnuniyeti AraĢtırması (YMA)’nın amacı, kapsamı, tarihçesi, yöntemi ele alınıp ve diğer ülkelerde yaĢam memnuniyeti ve mutluluk üzerine yapılan çalıĢmalar hakkında bilgi verilmiĢtir. YMA ile ilgili tanım ve kavramlar Türkiye Ġstatistik Kurumu’nun hazırlamıĢ olduğu kaynaklardan yararlanılarak açıklanmıĢtır.
2.1. YaĢam Memnuniyeti AraĢtırmasının Amacı, Tarihçesi, Kapsamı, Örnekleme ve Veri Derleme Yöntemleri
YaĢam Memnuniyeti AraĢtırması’nın amacı Türkiye’deki bireylerin öznel mutluluk algılaması, sağlık, sosyal güvenlik, örgün eğitim, çalıĢma hayatı, gelir, kiĢisel güvenlik ve adalet hizmetleri, kiĢisel geliĢim gibi temel yaĢam alanlarındaki memnuniyeti ölçmek ve bu memnuniyetin zaman içindeki değiĢimini takip etmektir.
YaĢam Memnuniyeti AraĢtırması ilk olarak 2003 yılında Hanehalkı Bütçe Anketi’ne ek bir modül olarak gerçekleĢtirilmiĢtir. 2004 yılından itibaren ise bağımsız bir anket olarak uygulanmaya baĢlanmıĢtır. 2004 yılında alan uygulaması öncesinde, ilk soru kâğıdı üzerinde bazı değiĢikliklere ihtiyaç duyulmuĢtur. 2003 yılı verileri elde edildikten sonra, bazı soruların gözlem sayısının değerlendirme yapılabilmesi için yetersiz olduğu görülmüĢ ve bu sorular 2004 yılındaki soru kâğıdından çıkarılmıĢtır. 2004 yılından sonra belediye hizmetleri ve Türkiye’nin Avrupa Birliği üyeliği konusunda görüĢlerin derlenmesi amacıyla yeni sorular soru kâğıdına eklenmiĢ ve yapılan bu değiĢiklikler yıllar içinde korunmuĢtur.
YaĢam Memnuniyeti AraĢtırması’nın coğrafi kapsamı ve kapsadığı kitle Ģu Ģekilde açıklanabilir.
Coğrafi kapsam: Türkiye Cumhuriyeti sınırları içinde bulunan tüm yerleĢim yerleri kapsama dahil edilmiĢtir. Bu yerleĢim yerleri kent-kır tanımı dikkate alınarak iki tabakaya ayrılmıĢtır. Nüfusu 20 001 ve daha fazla olan yerleĢim yerleri kentsel yerler, nüfusu 20 000 ve daha az olan yerleĢim yerleri kırsal yerler olarak tanımlanmıĢtır. AraĢtırma, daha önceki yıllarda Türkiye toplamı-kır-kent tahmini verebilecek Ģekilde tasarlanmakta iken, 2013 yılında ilk defa, il düzeyinde tahmin verebilecek Ģekilde tasarlanmıĢtır. 2013 yılında araĢtırmanın örneklem büyüklüğü, Ġstatistiki Bölge Birimleri Sınıflaması (ĠBBS) Düzey 3 (81 il) bazında tahmin
üretecek Ģekilde hesaplanmıĢtır. 2013 yılından sonra tüm Türkiye bazında tahminler vermeye devam edilecektir.
Kapsanan kitle: Anket çalıĢmasında Türkiye Cumhuriyeti sınırları içinde yaĢayan 18 ve daha yukarı yaĢtaki T.C. vatandaĢları kapsanmıĢtır. AraĢtırmada kurumsal nüfus olarak tanımlanan yaĢlılar evi, huzurevi, hapishane, askeri kıĢla, hastane, otel, çocuk yuvalarında bulunan nüfus ile göçer nüfus kapsam dıĢı tutulmuĢtur.
AraĢtırmanın örnekleme çerçevesi Ulusal Adres Veri Tabanı’dır. Nihai örnekleme birimi hanehalkı ve hanehalkındaki 18 yaĢ üzerindeki bireylerdir. Örnekleme yöntemi olarak tabakalı iki aĢamalı sistematik küme örneklemesi yöntemi kullanılmaktadır. YMA, yılda bir kez yapılmak üzere tasarlanmıĢtır ve veriler yüz yüze görüĢme yöntemiyle derlenmektedir (TÜĠK, 2013).
2.2. AraĢtırmanın Kavramları
YaĢam Memnuniyeti AraĢtırması, Türkiye Ġstatistik Kurumu’nun toplumsal içerikli ve aynı zamanda öznel öğeler içeren ilk araĢtırmasıdır. Bu araĢtırmada mutluluk ve memnuniyet kavramları üzerinde durulmuĢtur. Mutluluk, acı, keder ve ızdırabın yokluğu ve bunların yerine sevinç, neĢe ve tatmin duygularının varlığıyla karakterize edilen durum; hayattan genel olarak memnun olma hali olarak tanımlanırken memnuniyet ise ihtiyaçların ve isteklerin karĢılanmasından doğan tatmin duygusu olarak tanımlanmaktadır (http://www.tuik.gov.tr/PreTablo.do?alt_id=1068, 20.11.2015).
YMA’da, bireysel mutluluk ve memnuniyetin yanı sıra bireylerin kamu hizmetlerinden memnuniyeti de ölçülmektedir. Kamu Kurumları tarafından verilen hizmetlerin kalitesinin, bireylerin yaĢam koĢulları ve mutluluk düzeylerini etkilediği düĢünülmektedir. YMA’da bireylerin gelecekten beklentileri ve umut düzeylerini ölçmeye yönelik sorular da yer almaktadır.
YaĢam memnuniyeti ile ilgili geniĢ çaplı araĢtırmalar, hangi demografik yaĢam memnuniyetini tahmin etmede kullanıldığını bulmaya yöneliktir. Bununla birlikte araĢtırmacılar, katılımcıları nadir olarak demografik gruplara (yaĢ, gelir, cinsiyet) ayırdıklarından, gerçek deneyimler ortaya çıkmamaktadır. Dolayısıyla tüm bu araĢtırmalar birbiriyle uyumlu olmak zorundadır. ĠĢin önemli bir kısmı yaĢam memnuniyetinin “nesnel”
belirleyicilerine odaklanmıĢtır; bu kapsamda memnuniyet, hem nispeten kontrol edilebilen (gelir, meslek, eğitim, evlilik vs.) hem kontrol edilemeyen (kültür vs.) unsurları ve kiĢilerin belirli durumlarını (cinsiyet, yaĢ) kapsamaktadır (Kahyaoğlu, 2008).
YaĢam Memnuniyeti AraĢtırması birçok kavramdan oluĢmaktadır. Bu kavramlardan en önemlileri cinsiyet, yaĢ, sosyal iliĢkiler, gelir ve eğitim’dir.
2.2.1. Cinsiyet
Literatürde yapılan bazı çalıĢmalarda gelire bağlı olmayan cinsiyet gibi bazı değiĢkenlerin de mutluluk ve yaĢam memnuniyeti üzerine etkisi araĢtırılmaktadır. Cinsiyet açısından yapılan araĢtırmalarda genelde kadınlar erkeklere göre daha mutlu çıkmaktadır. Fakat Easterlin’e göre yıllara göre kadınların mutluluklarında erkeklere göre bir düĢüĢ görülmektedir. Gençlik dönemlerinde yaĢıtları olan erkeklere göre daha mutlu olan kadınlar, yaĢları ilerledikçe daha mutsuz olmaktadırlar. Veenhoven, kadın ve erkeklerde mutluluk farkının çok olmadığını öne sürmektedir. Frey ve Stutzer ise, kadınların daha az mutlu olmasının iĢ yaĢantısında karĢılaĢtıkları dıĢlanmadan ileri geldiğini ortaya çıkarmıĢtır. Groot ve Van den Maassen yaptıkları çalıĢmalarda, kadınların duygularını aĢırı düzeyde yaĢadıklarını yani mutlu ise aĢırı düzeyde mutlu, mutsuz ise aĢırı düzeyde mutsuz olduklarını ortaya çıkarmıĢlardır (Gökdemir, 2011).
Literatürde yer alan paradoksa göre, kadın bireylerin depresyon oranları erkeklere göre daha yüksek olmasına karĢın mutluluk düzeyleri erkek bireylerden daha yüksektir. Aynı zamanda birçok çalıĢmada yaĢam memnuniyeti açısından cinsiyet farkı gözetilmez. Bu kompleks yapı, erkek ve kadınların deneyimleri göz önünde bulundurularak çözülebilmektedir. Kadınlar, geçirdikleri pozitif ve negatif deneyimleri erkeklere göre daha sıklık ve yoğunlukta anlatırlar. Bu durum kadınların daha büyük sevinç ve daha derin üzüntü yaĢamalarına yol açar, bu da duygularını erkeklere göre daha fazla yaĢadıklarını göstermektedir.
Benzer yaĢam memnuniyeti düzeylerine rağmen, kadın ve erkeklerin yaĢam memnuniyetleri farklı kaynaklardan beslenmektedir. Yapılan bazı araĢtırmalara göre, arkadaĢ çevresi, aile, iĢ hayatı, sivil toplum örgütleri vb. gibi sosyal kaynakların hem kadın hem de erkek bireylerin yaĢam memnuniyetlerini tahmin etmede etkili bir rol üstlendiğini ancak bu sosyal kaynakların kadınların yaĢam memnuniyetlerini daha tahmin edici olduğunu
bulmuĢlardır. Sosyal içerikli konularda, kadınlar hem katılımcı hem de yol gösterici pozisyonunda yer alırken erkekler genellikle spor, politika ve otorite konularında ön plana çıkmaktadırlar (Kahyaoğlu, 2008).
2.2.2. YaĢ
Birçok araĢtırmada yaĢ arttıkça yaĢam memnuniyetinin azalmadığını göstermektedir. Çok sayıda çalıĢmadan elde edilen bulgular, genel beklentinin aksine yaĢam memnuniyetinin yaĢla beraber düĢmediğini kanıtlamıĢtır. Yapılan bazı araĢtırmalarda, kaydedilen yaĢam memnuniyetinin genel olarak insan ömrü boyunca sabit kaldığını, sadece 20-80 yaĢ arasında az bir artıĢ gösterdiğini bulunmuĢtur.
Ġnsan ömrü boyunca yaĢam memnuniyeti seviyesine iliĢkin bu ĢaĢırtıcı farksızlığın ağırlıklı açıklaması, insanların yaĢamları boyunca meydana gelen belirgin değiĢimlere olağanüstü bir adaptasyon kapasitesi taĢımasından kaynaklanmaktadır. Bazı çalıĢmalarda ise, daha yaĢlı katılımcılar kendilerine gerçekçi ve idealist bakıĢları arasında gençlere oranla ufak tutarsızlıklar göstermiĢlerdir. Örnek olarak, bir bayan zamanla üç çocuk sahibi olmanın getirdiği ağır finansal koĢulları görüp iki tane çocuk sahibi olmayı tercih edebilmektedir. Bu durum, kadın bireylere yaĢam tarzlarındaki gerçekçi ve idealist bakıĢlar arasındaki tutarsızlığın azaltılmasında yardımcı olmaktadır. Bir baĢka alternatif görüĢ ise, kadınların yaĢlandıkça hedeflerine daha büyük bir sıklıkla eriĢebilmesi ve aile, kariyer baĢarısı ve finansal rahatlık gibi ideallerine daha çabuk yaklaĢabilmesidir (Kahyaoğlu, 2008).
Bazı araĢtırmalar ise bu genel görüĢün aksini savunmaktadır. Örneğin, Selim (2008), Dünya Değerler Anketini kullanarak Türkiye’deki mutluluk ve memnuniyeti araĢtırmak için sıralı lojit model kurmuĢtur. Bu modele göre, yaĢam memnuniyeti ile gelirin ve sağlık durumunun etkisinin pozitif olduğunu fakat yaĢın negatif etkisi olduğu belirtilmiĢtir.
2.2.3. Sosyal ĠliĢkiler
Literatürdeki araĢtırmalar, güçlü sosyal iliĢkiler ile yaĢam memnuniyeti arasında kuvvetli bir iliĢki bulunduğunu göstermektedir. Bechetti ve ark. (2009), 82 ülkede 100.000’den fazla bireyle yaptıkları görüĢme sonucunda insan iliĢkilerine harcanan zamanın mutluluk üzerine pozitif bir etkisi olduğu hipotezini doğrulamıĢlardır.
Headey ve ark. tarafından yapılan çalıĢmada, beĢ veya daha fazla arkadaĢı olduğunu belirten katılımcıların daha az arkadaĢı olduğunu belirten katılımcılara göre daha mutlu oldukları tespit edilmiĢtir. Sosyal iliĢkilerin durumuna ek olarak, cinsiyet değiĢkeninin yakın iliĢkilerin kalitesinin belirlenmesinde oldukça önemli bir yere sahip olduğu da bilinmektedir. Bu konuda kadın bireyler, erkek bireylere oranla daha yüksek ve daha kaliteli iliĢkiler sağlamaktadır. Bu nedenle gerek kadınlar gerekse erkekler, kadın bireyler ile olan arkadaĢlıkların erkek bireylerin arkadaĢlıklarına göre daha yakın, doyurucu ve destekleyici olduğunu belirtmektedir. Bu durum, kadın bireylerle daha çok empati dahilinde bir iletiĢimin kurulmasından kaynaklanmaktadır. Batı toplumlarında evlilik, diğer ailevi ve arkadaĢ iliĢkilerine göre yaĢam memnuniyeti açısından daha etkilidir. Bazı araĢtırmalarda, evli kadınların yaĢam memnuniyetinin evli erkeklerden farklı olmadığı bulunmuĢtur. Ancak, evli erkeklerin evli kadınlara oranla bekârlarda olduğu gibi daha yüksek memnuniyete sahiptir. Aynı evde yaĢayan ama evli olmayan çiftlerin, özellikle toplumcu kültürlerde, evli çiftlere göre daha az yaĢam memnuniyeti içinde olduğunu göstermiĢtir (Kahyaoğlu, 2008).
2.2.4. Gelir
Gelir ve yaĢam memnuniyeti arasında karmaĢık bir iliĢki bulunmaktadır. Mutluluk üzerine yapılan çalıĢmalar, herhangi bir zamanda ve herhangi bir yerde daha yüksek gelire sahip olan kiĢiler diğer bireylere göre yaĢamlarından daha memnun olduğunu göstermiĢtir. Çünkü, gelir arttıkça kiĢilerin ihtiyacı olan mal ve hizmeti alımları artmaktadır dolayısıyla gelir ve mutluluk arasında pozitif yönlü bir iliĢki meydana gelmektedir (Frey ve ark., 2002).
Bunu destekleyen literatürde bir çok çalıĢma vardır. Requena (1995), makale çalıĢmasında, Ġspanya ve Amerika’daki Sosyal Anket sonuçlarını kullanarak iki ülke arasında mutluluk kıyaslaması yapılmıĢtır. Bu çalıĢmaya göre, kiĢilerin sosyo ekonomik durumuna göre mutluluk seviyeleri incelenmiĢ ve gelirle birlikte mutluluğun da arttığı belirtilmiĢtir.
Becchetti ve ark. (2009) makale çalıĢmasında ise, kiĢisel gelir ile mutluluk arasındaki iliĢki iki temel faktörün etkili olduğunu belirtmiĢlerdir. Bunlar, kiĢinin gelir seviyesinin ulusal gelir dilimleri içindeki durumu ve sahip olunan gelir ile ihtiyaç duyulan mallara sahip olunabilme olduğunu belirtmiĢlerdir.
Literatürde genellikle zengin bireylerin fakir bireylere göre daha mutlu, yaĢamından daha memnun olduğu görülmektedir fakat bunun tersi durumların nadir de olsa görüleceğine de literatürde değinilmektedir.
Örneğin Brickman ve ark (1978) makalesinde, piyango kazananlar üzerinde bir araĢtırma yapılmıĢ ve gelirde beklenmeyen bir artıĢın kiĢilerin memnuniyet ve mutluluk düzeylerinde nasıl farklılık olduğu araĢtırılmıĢtır. Buna göre, hem piyango kazananların hem de kontrol gruplarda geçmiĢ dönemle Ģimdiki dönem arasında memnuniyet seviyesi bakımından belirgin bir fark görülmemiĢ hatta piyango kazananların daha az mutlu olduğu sonucuna varılmıĢtır.
2.2.5. Eğitim
Genel olarak, araĢtırmalar, eğitim ve yaĢam memnuniyeti arasında az bir iliĢki olduğunu ortaya koymaktadır. Ancak, gelir ve iĢ istatistiksel olarak kontrol edildiğinde bu iliĢki kaybolmaktadır. Bu da genel olarak, eğitim ve yaĢam memnuniyeti arasındaki iliĢkinin daha yüksek eğitim düzeyine sahip bireylerin daha yüksek gelir elde etmesine bağlı olduğunu göstermiĢtir (Kahyaoğlu, 2008).
Castriota (2006), Dünya Bankası’nın Dünya Değerler AraĢtırması verilerini kullanarak 118.000 bireyin bilgileri doğrultusunda yaptığı çalıĢma sonucunda, gelirin mutluluk üzerindeki pozitif etkisinden hareketle diğer tüm özelliklerin aynı olduğu durumda, gelirdeki artıĢın yaratacağı marjinal faydanın düĢük eğitimli insanlar için daha yüksek olduğunu belirtmiĢtir.
Selim (2008), cinsiyet ve eğitim değiĢkenlerinin yaĢam memnuniyeti üzerindeki etkisini araĢtırmıĢ ve beklenenin aksine kadınlar arasında orta eğitim seviyesinin yaĢam memnuniyetine negatif etkisi olduğunu belirtilmiĢtir.
2.6. Türkiye’de YaĢam Memnuniyetine ĠliĢkin YapılmıĢ Olan ÇalıĢmalar
Türkiye’de yaĢam memnuniyetine iliĢkin yapılan çalıĢmalar oldukça kısıtlı sayıdadır ve genellikle yaĢam kalitesi kavramı üzerine yoğunlaĢmaktadır. YaĢam memnuniyeti temel alınarak yapılan çalıĢmalardan biri Güler ve Emeç (2006) tarafından yapılan “YaĢam Memnuniyeti ve Akademik BaĢarıda Ġyimserlik Etkisi” adlı çalıĢmadır. Pozitif psikoloji alanında yapılan bu çalıĢmada, üniversite öğrencilerinin iyimserlik yönelimlerinin yaĢam
memnuniyeti düzeyleri ve akademik baĢarılarını belirleme etkisi araĢtırılmaktadır. Örneklemi oluĢturan 443 üniversite dördüncü sınıf öğrencisine; iyimserlik yönelimi, yaĢam memnuniyeti, akademik baĢarı, aylık hanehalkı geliri, geleceğe yönelik iĢsizlik beklentisi, ikamet durumu, kız/erkek arkadaĢının olması ve diğer genel demografik bilgileri içeren bir anket uygulanmıĢtır. Anket sonuçlarına göre, erkek öğrencilerin yaĢam memnuniyeti puanının kız öğrencilere göre daha düĢük elde edildiği ve kız öğrencilerin erkek öğrencilere oranla yaĢamlarından daha memnun olduğu görülmüĢtür. ÇalıĢmada ayrıca, yaĢamının büyük bölümünü kentte geçiren öğrencilerin yaĢam memnuniyeti kırsal bölgede yaĢamıĢ olan öğrencilere göre daha yüksek çıkmıĢtır. YaĢamlarının önemli bölümünü kırsal bölgede geçirmiĢ olan öğrencilerin kentte geçirmiĢ olanlara göre yaĢam memnuniyetlerinin daha düĢük olmasını, modern yaĢam tarzını görüp bu yaĢam tarzına ayak uyduramamak ile açıklamak mümkün olabilir. Son olarak, aylık harcama miktarı ile finansal durum arasındaki iliĢki, maddi durumu iyi olup yüksek miktarda harcama yapabilen öğrencilerin yaĢam memnuniyetlerinin daha yüksek olduğunu göstermiĢtir.
Giray (2011) doktora tez çalıĢmasında, TÜĠK’in YaĢam Memnuniyeti Anketi (2008) verilerinden yararlanılarak sosyo demografik özellikler ile mutluluk algısı arasındaki iliĢki yapısı Doğrusal Olmayan Kanonik Korelasyon Analizi ile incelemiĢtir. Bireylerin mutluluk derecelerinin, yaĢam memnuniyetleri konusunda en önemli gösterge olsa da, tek baĢına yeterli olmadığını ve mutluluğa etki eden değerlerin yani bir anlamda mutluluk algısının da analizin iĢleyiĢine dahil edilmesi gerektiği belirtilmiĢtir. ÇalıĢma sonucunda, genç, evli ve ev kadınlarının; tüm yaĢamlarını göz önünde bulundurduklarında yaĢam memnuniyetlerinin orta üst mutluluk seviyesinde olduğu görülmüĢtür. Kentte ikamet eden, ortaokul mezunu, çalıĢan ve 700-900 TL arası gelire sahip olan erkekler de tüm yaĢamlarını göz önünde bulundurduklarında yaĢam memnuniyetlerinin orta üst mutluluk seviyesinde olduğu ve kendilerini en çok mutlu eden kiĢilerin tüm aileleri olduğu görülmüĢtür. Ayrıca ilkokul mezunu, orta yaĢlı, emeklilerin de mutluluk seviyesinin orta-üst mutluluk seviyesinde olduğu ve kendilerini en mutlu eden kavramın sağlık olduğu görülmüĢtür.
3. BULANIK ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ
Bu bölümde, öncelikle bulanık kümeler ve bulanık aritmetik iĢlemler ile ilgili tanımlar açıklanmıĢtır. Daha sonra, Çok Kriterli Karar Verme Yöntemlerine iliĢkin genel bilgiler verilmiĢ ve Bulanık Çok Kriterli Karar Verme Yöntemlerinden Bulanık TOPSIS, Bulanık MULTIMOORA, Bulanık ARAS ayrıntılı bir Ģekilde ele alınmıĢtır.
3.1. Bulanık Kümeler ve Bulanık Aritmetik ĠĢlemler
Bulanık mantık, belirsizliğin var olduğu ya da tam olmayan bilgilerle optimal kararlara ulaĢılması gereken durumlarda uygulanabilmektedir. Karar süreçlerinde belirsizlik, sözel bilginin bulunmasından kaynaklanabilir ve subjektif (nesnel) düĢüncelerin yer aldığı modellerde ortaya çıkabilir. Bu durumda, belirsizliklerin ortadan kaldırılması ya da belirsizliğin varlığı kabul edilip analizin buna göre uyarlanması daha etkin sonuçlar sağlamaktadır. Analitik çözümlerin bulanık mantık ile yapılması, karar vericiye daha esnek bir karar ortamı sunmaktadır. Bulanık mantık uygulanarak, sözel olarak sunulmuĢ olan bilgiler sayısal karĢılıkları elde edilerek çözüme dahil edilmektedir. Uzman görüĢleri ve anket sonuçları gibi kiĢisel görüĢlerin modele dahil edilmesi, en iyi çözümün cevaplayıcı grubundaki değiĢime göre farklılaĢmasına neden olmaktadır. Bu durumda optimal kabul edilen karar, bir sonraki uygulamada değiĢebilecek ya da karar verici aynı kalsa bile görüĢleri alınan uzmanların yargılarını değiĢtirmesi optimal kararı etkileyebilecektir (Aydın, 2009).
Bulanık mantık, derecelendirme üzerine kurulmuĢtur. Bulanık modeller sayısal modellerdeki taleplerde ve değiĢkenlerin ölçülebilirliğinde sabit ve kesin kurallar olması nedeniyle L. A. Zadeh (1965) tarafından, alternatif bir yaklaĢım olarak ortaya atılmıĢtır. Bu tarihten itibaren önemi gittikçe artarak günümüze kadar gelen bulanık mantık, belirsizliklerin anlatımı ve belirsizliklerle çalıĢılabilmesi için kurulmuĢ bir matematiksel düzen olarak tanımlanmaktadır (Klir ve Yuan, 1995).
Ġstatistikte ve olasılık kuramında, üzerinde çalıĢılan teorik problemlerin belirsizliklerden mümkün olduğunca arındırılmıĢ olması beklenmektedir. Ancak, gerçek dünya problemleri teorik problemlere oranla daha fazla belirsizlik içerdiği gibi, zaman zaman bu belirsizliklerin ortadan kaldırılması ya da göz ardı edilmesi mümkün olmamaktadır. Bu tür durumlarda belirsizliklerle çalıĢmak gerekmektedir (Aydın, 2009).
Bulanık mantığın temelini bulanık kümeler oluĢturmaktadır. Bir bulanık küme, μ(x) üyelik fonksiyonuyla ifade edilen elemanlardan oluĢan ve bu elemanlar kümeye tam olarak ait ise “1” üyelik derecesine, hiç ait değillerse “0” üyelik derecesine sahip olan ya da kısmi aitlik söz konusu ise 0 ile 1 arasında üyelik derecesine sahip olan elemanlardır (Ural, 2006).
Bulanık Küme: U, elemanları “x” ile gösterilen bir evrensel küme olarak tanımlansın. U’nun klasik bir alt kümesi olan için üyelik, karakteristik fonksiyonu ile gösterilir ve
( ) {
(3.1) olarak ifade edilir.
Klasik kümelerde kısmi üyelik söz konusu değil iken kısmi üyelik değerleri bulanık kümeler ile ifade edilmektedir.
Eğer küme değerinin gerçekten [0,1] aralığında (0 ve 1 dahil) olmasına izin verilirse, kümesi “Bulanık Küme” olarak adlandırılır ve
̃ , - (3.2)
Ģeklinde gösterilir.
ġekil 3.1’de, klasik kümenin, ġekil 3.2’de ise bulanık kümenin grafiksel olarak gösterimi verilmiĢtir (Lee, 2005).
ġekil 3.2. Bulanık kümenin grafik gösterimi Bulanık Sayı: Bir ̃ bulanık kümesinin bir bulanık sayı olabilmesi için
1. ̃ bulanık kümesi normal olmalı yani kümenin yüksekliği 1’e eĢit olmalıdır. 2. ̃ bulanık kümesi dıĢbükey (konveks) olmalıdır.
3. Üyelik derecesi 1’e eĢit olan en az bir eleman ( ̅) bulunmalıdır. ( ̃ ) ̅ 4. Üyelik fonksiyonunu gösteren ̃ parçalı ve sürekli bir fonksiyon olmalıdır.
koĢullarını sağlaması gerekir (Öztürk, 2011).
BirleĢim: ̃ ve ̃, evrensel kümesinin iki bulanık alt kümesi olmak üzere ̃ ⋃ ̃, ̃ ve ̃ kümelerinin her ikisinin kapsandığı bulanık kümelerin en küçüğüdür. BirleĢim, “veya” birleĢtiricisine karĢılık gelmektedir ve ̃ ⋃ ̃ için üyelik fonksiyonu,
̃ ⋃ ̃( ) * ̃( ) ̃( )+ = ̃( ) ̃( ) (3.3) eĢitliği ile tanımlanır (Lai ve Hwang, 1992).
KesiĢim: ̃ ve ̃, evrensel kümesinin iki bulanık alt kümesi olmak üzere ̃ ⋂ ̃, ̃ ve ̃ kümelerinin her ikisinin kapsandığı en büyük bulanık alt kümedir. KesiĢim, “ve” birleĢtiricisine karĢılık gelmektedir ve ̃ ⋂ ̃ için üyelik fonksiyonu,
̃ ⋂ ̃( ) * ̃( ) ̃( )+ = ̃( ) ̃( ) (3.4) eĢitliği ile tanımlanır (Lai ve Hwang, 1992).
Tümleme: ̃, evrensel kümesinin bulanık alt kümesi olmak üzere ̃ bulanık kümesinin tümleyeni ( ̃), ̃( ) ̃( ) üyelik fonksiyonu ile tanımlanır (Zimmermann,1993).
3.1.1.Bulanık Sayılarda α- Kesme Kümeleri Ġle Aritmetik ĠĢlemler
̃ ve ̃ iki bulanık sayı olsun. ̃ ve ̃’nin α-kesme kümeleri, ̃ =[ ] ve ̃ =[ ] , - olmak üzere toplama, çıkarma, çarpma ve bölme iĢlemleri,
Toplama: ̃ ̃ [ ] (3.5) Çıkarma: ̃ ̃ [ ] (3.6) Çarpma: ̃ ̃ [ ] (3.7)
Bölme: ̃ ̃ [ ] (3.8)
biçiminde tanımlanır (TürkĢen, 2011).
ÇeĢitli üyelik fonksiyonları ile tanımlanan bulanık sayılar içinde en sık kullanılanları üçgensel ve yamuksal bulanık sayılardır.
̃ ( )biçiminde gösterilen üçgensel bulanık sayı olmak üzere, ̃’nın üyelik fonksiyonu, ̃( ) { ( ) olarak gösterilir.
EĢitlik (3.9)’da en küçük olası değeri a1, en olası değeri a2, en büyük olası değer ise a3 ile göstermektedir. Üçgensel bulanık sayının gösterimi ġekil 3.3’de verilmektedir.
̃ (a1,a2, a3, a4) biçiminde gösterilen yamuksal bulanık sayı olmak üzere, ̃ nın üyelik fonksiyonu,
̃( ) { ( ) Ģeklinde tanımlanır.
Yamuksal bulanık sayı gösterimi ġekil 3.4’de verilmektedir (Lee, 2005).
ġekil 3.4. Yamuksal bulanık sayı gösterimi 3.1.2. Bulanık Kümelerde Aritmetik ĠĢlemler
i) Üçgensel bulanık sayılarda aritmetik iĢlemler:
̃ (a1,b1,c1) ve ̃ = (a2, b2 ,c2 ) iki üçgensel bulanık sayı olmak üzere,
Toplama: A( )B (a1a , b2 1b , c2 1c )2 (3.11) Çıkarma: A( )B (a1c , b2 1b , c2 1a )2 (3.12) Çarpma:
̃>0, ̃ >0: ̃( ) ̃ ( a1 a2, a1 b2+ a2 b1, a1 c2+ a2 c1 ) (3.13)
̃<0, ̃ <0: ̃( ) ̃ ( a1 a2, -a1 c2 -a2 c1, - a1 b2 - a2b1) (3.15)
Bölme iĢlemi:
̃>0, ̃ >0: ̃( ) ̃ ( a1/a2, (a1 c2 +a2 b1)/ a22, (a1 b2+ a2 c1 )/ a22) (3.16)
̃<0, ̃ >0: ̃( ) ̃ ( a1/a2, (a2 b1 – a1 b2)/ a22, (a2 c1 – a1 c2 )/ a22) (3.17)
̃<0, ̃ <0: ̃( ) ̃ ( a1/a2, (-a1 b2 - a2 c1)/ a22, (-a1 c2 - a2 b1 )/ a22) (3.18)
olarak tanımlanmaktadır (Lai ve Hwang,1992).
Üçgensel bulanık sayılarda aritmetik iĢlemlerin özellikleri Ģu Ģekilde verilir.
i) Ġki üçgensel bulanık sayının toplanması ve çıkarılması ile yine bir üçgensel bulanık sayı elde edilir.
ii) Çarpma, tersini alma ve bölme iĢlemleri sonucunda bir üçgensel bulanık sayı elde edilemeyebilir.
iii) Maksimum ve minimum iĢlemleri sonucu, bir üçgensel bulanık sayı olmak zorunda
değildir (Lee, 2005).
ii) Yamuksal bulanık sayılarda aritmetik iĢlemler:
1 1 1 1
A(a , b , c , d ) ve B(a , b , c , d )2 2 2 2 iki yamuksal bulanık sayı olmak üzere,
Toplama: A( )B (a1a , b2 1b , c2 1c , d2 1d )2 (3.19) Çıkarma: A( )B (a1d , b2 1c , c2 1b , d2 1a )2 (3.20) Çarpma: ̃>0, ̃ >0: ̃( ) ̃ ( a1 a2, b1 b2, a1 c2+a2 c1- c1 c2, b1 d2 + b2 d1 - d1 d2) (3.21) ̃<0, ̃ >0: ̃( ) ̃ ( a1 b2, b1 a2 , b2 c1 – a1 d2 + c1 d2 , a2 d1- b1 c2 - d1 c2) (3.22) ̃<0, ̃ <0: ̃( ) ̃ ( b1 b2, a1 a2 –b1 d2 -b2 d1- d1 d2, - a1 c2 – a2 c1+ c1 c2) (3.23) Bölme: ̃>0, ̃ >0: ̃( ) ̃ (a1/b2, b1/a2 , (a1 d2 +b2 c1)/ [b2 (b2+ d2)],(b1 c2+ a2 d1 )/ [a2 (a2-c2)]) (3.24)
̃<0, ̃ >0:
̃( ) ̃ (a1/a2, b1/b2 , (a2 c1 – a1 c2)/ [a2 (a2 - c2)],(b2 d1- b1 d2 )/ [b2 (b2+d2)]) (3.25)
̃<0, ̃ <0:
̃( ) ̃ (b1/a2, a1/b2 , (-b1 c2 - a2 d1)/ [a2 (a2-c2)],(a1 d2- b2 c1 )/ [a2 (b2+d2)]) (3.26)
Ģeklindedir (Lai ve Hwang,1992).
Yamuksal bulanık sayılarda aritmetik iĢlemlerin özellikleri Ģu Ģekildedir;
i) Bulanık sayıların toplanması ve çıkarılması ile bir yamuksal bulanık sayı elde edilebilir.
ii) Çarpma, tersini alma ve bölme iĢlemleri sonucunda bir yamuksal bulanık sayı elde edilemeyebilir.
iii) Bulanık sayıların maksimum ve minimum iĢlemleri sonucunda her zaman bir bulanık yamuksal sayı elde edilemeyebilir (Lee, 2005).
3.2. Çok Kriterli Karar Verme Yöntemleri
Çok Kriterli Karar modellerinin gerçek uygulamalarında, karar vericilerin yargılarını sözel olarak ifade ettiği ya da objektif yargılarda bulunmadığı sıkça gözlenmektedir. Bunun yanı sıra, elde edilen değerlendirmeler her zaman kesin ve tam bilgi içermeyebilmektedir. Bu tür karar modellerinde, analizler bulanık mantık yaklaĢımı ile yapılabilmektedir. Bulanık mantık yardımıyla karar verme sürecindeki uygulamaları genellikle klasik karar teorilerinin bulanıklaĢtırılması ile gerçekleĢtirilmektedir. Bulanık mantık yardımıyla tanımlanan karar problemlerinde, klasik problemlerde olduğu gibi bulanık olmayan “en iyi” karara ulaĢmak amaçlanmaktadır. Ancak, bulanık teori sonucunda elde edilen karar optimal karar iddiasında olmaktan çok, her alternatifin hangi olabilirlikte optimal olabileceğini belirlemeyi amaçlamaktadır. Problemlerde parametrelerin ya da değiĢkenlerin kesin olarak bilinmediği durumlarda ve değerlendirmelerin sözel olduğu durumlarda bulanık teori ile geliĢtirilen yöntemlerin uygulanması önerilmektedir (Klir ve Yuan, 1995).
Karar verme, bir amacı yada amaçları gerçekleĢtirmek için en uygun alternatif ya da alternatifleri seçme sürecidir. Karar verme kiĢiden kiĢiye değiĢtiği için, subjektif bir süreçtir ve
belirsizlikler içermektedir. Karar verme süreci belirsiz ve kesin olmayan durumlarda kullanılamadığından, bu gibi durumlarda bulanık karar verme yöntemleri kullanılmaktadır. ÇKKV yöntemlerinin aĢamaları:
- Alternatiflerin tanımlanması, - Kriterlerin belirlenmesi,
- Kriterlerin kıyaslanması ve alternatiflerin kriterlere göre değerlendirilmesi, - Uygun bir ÇKKV yönteminin kullanılması,
- Optimal çözümün bulunması,
- Nihai çözüm uygun değilse yeni bilgilerin toplanması ve adımların tekrarlanması olarak verilebilir (Opricovic ve Tzeng, 2007).
Literatürde, ÇKKV problemlerinin çözümü için kullanılan çeĢitli yöntemler mevcuttur ve bu yöntemlerin en önemli avantajı, nicel ve nitel kriterleri bir arada değerlendirmeye imkân sağlamalarıdır.
Bu çalıĢmada, uygulamada sıklıkla kullanılan ÇKKV yöntemlerinin bulanık ortamda ele alındığı Bulanık TOPSIS, Bulanık MOORA ve Bulanık ARAS yöntemleri ayrıntılı biçiminde incelenmiĢtir.
3.3. Bulanık TOPSIS Yöntemi
Ġlk olarak Hwang ve Yoon (1981) tarafından geliĢtirilen TOPSIS (Ġdeal Çözüme Benzerlik ile Tercih Sıralama Tekniği- Technique for Order Preference by Similarity to Ideal Solution) yönteminin temeli, pozitif ideal çözüme en yakın ve negatif ideal çözüme en uzak alternatifin belirlenmesine dayanır.
Bulanık TOPSIS yöntemi, dilsel belirsizliğin olduğu ve grup kararı vermeyi gerektiren problemlerin çözümünde oldukça kullanıĢlıdır. Karar vericiler, karar kriterlerinin önem düzeyini ve bu karar kriterlerine göre her bir alternatifi değerlendirirler. Bulanık TOPSIS yönteminde, her bir alternatifin her bir kritere göre aldığı dilsel değerlendirme puanları bulanık karar matrisinin oluĢturulmasında kullanılır. Kriter ağırlıkları göz önünde bulundurularak bulanık pozitif ve bulanık negatif ideal çözümler elde edilir. Her bir alternatife iliĢkin yakınlık katsayıları hesaplanır ve böylece belirlenen kriterlere göre alternatiflerin tercih sıralaması yapılmıĢ olur (Chen, 2000).
Ġnsan yargıları genelde belirsizdir ve sayısal değerlerle ifade etmek mümkün olmayabilir. Daha gerçekçi bir yaklaĢım, sayısal değerler yerine dilsel değerlerin kullanılması ile olabilir. Diğer bir ifadeyle, problemdeki karar kriterlerinin önem düzeyleri dilsel değiĢkenlerle ifade edilebilir. Bulanık TOPSIS yöntemi, hem nitel hem de nicel karar kriterlerinin kriter değerleriyle ilgilenen esnek bir yapıya sahip bulanık ortamlarda grup kararı vermeye yardımcı bir yöntemdir. Yöntemin uygulanabilmesi için karar vericilere, karar kriterlerine ve alternatiflere ihtiyaç duyulur. Karar vericiler, karar kriterleri ve alternatiflerle ilgili düĢüncelerini sözel olarak ifade eder. Bulanık TOPSIS yönteminin temelinde, karar vericilerin alternatifleri değerlendirirken kullandıkları karar kriterlerinin farklı ağırlıklara sahip olabilmesi yer alır. Bulanık TOPSIS yöntemi yardımıyla karar vericilerin karar kriterleri ve alternatifler hakkındaki değerlendirmeleri üçgensel veya yamuksal bulanık sayılara dönüĢtürülerek, her bir alternatifin yakınlık katsayısı hesaplanır. Hesaplanan yakınlık katsayıları yardımıyla alternatifler sıralanır (Ecer, 2007).
Bulanık TOPSIS yönteminde, çeĢitli araĢtırmacılar tarafından önerilen karar kriterlerinin değerlendirilmesinde kullanılan dilsel değerler ve üçgensel bulanık sayı karĢılıkları Çizelge 3.1’de, alternatiflerin değerlendirilmesinde kullanılan dilsel değerler ve üçgensel bulanık sayı karĢılıkları Çizelge 3.2’de verilmiĢtir.
Çizelge 3.1. Kriterlerin önem ağırlıkları için kullanılan dilsel değiĢkenler ve bulanık sayı karĢılıkları
Dilsel değiĢken Üçgensel bulanık sayı
Çok düĢük (ÇD) (0, 0, 0.2)
DüĢük (D) (0, 0.2, 0.4)
Orta (O) (0.3, 0.5, 0.7)
Yüksek (Y) (0.8, 0.8, 1)
Çizelge 3.2. Alternatiflerin kriterler altında değerlendirilmesinde kullanılan dilsel değiĢkenler ve bulanık sayı karĢılıkları
Dilsel değiĢken Üçgensel bulanık sayı
Çok düĢük (ÇD) (0, 0, 20)
DüĢük (D) (0, 20, 40)
Orta (O) (30, 50, 70)
Yüksek (Y) (60, 80, 100)
Çok yüksek (ÇY) (80, 100, 100)
Chen (2000) tarafından önerilen Bulanık TOPSIS yöntemi algoritması: Adım1: Bulanık karar matrisi oluĢturulur ve bulanık ağırlık vektörü elde edilir. ̃ * ̃ ̃ ̃ ̃ ̃ ̃ ̃ ̃ ̃ + ̃ , ̃ ̃ ̃ - (3.27) alternatifleri ve kriterleri göstermek üzere,
̃ : kriterine göre alternatifinin bulanık değerlendirmesini,
̃ : kriterinin bulanık önem ağırlığını
göstermektedir ve ̃ ( ) ve ̃ ( ) üçgensel bulanık sayılar ile ifade edilebilmektedir.
Adım 2: Bulanık karar matrisinden elde edilen normalize edilmiĢ bulanık karar matrisi,
̃ , ̃ - (3.28)
elde edilir. EĢitlik (3.29)’da ̃ değerleri,
̃ ( ),
, (3.29)
̃ (
),
(3.30)
eĢitliklerinden hesaplanır.
EĢitlik (3.29)’te B fayda kriterleri kümesini, EĢitlik (3.30)’da C maliyet kriterleri kümesini göstermektedir. Normalizasyon iĢlemi, üçgensel bulanık sayıların [0, 1] aralığında olması özelliğini sağlamaktadır.
Adım 3: Her bir kriterin ağırlıkları göz önünde bulundurularak ağırlıklı normalize edilmiĢ bulanık karar matrisi,
̃ , ̃ - (3.31)
oluĢturulur. Burada, ̃ değerleri,
̃ ̃ ̃ (3.32)
eĢitliğinden hesaplanır.
Adım 4: Bulanık pozitif ideal çözüm,
( ̃ ̃ ̃ ) (3.33)
ve bulanık negatif ideal çözüm,
( ̃ ̃ ̃ ) (3.34)
biçiminde verilir. EĢitlik (3.33)-(3.34)’te, ̃ =(1, 1, 1) ve ̃ =(0, 0, 0) olarak tanımlanır.
Her bir alternatifin bulanık pozitif ideal çözümden olan uzaklığı
∑ ( ̃ ̃ ), i= 1, 2,…,m (3.35)
ve bulanık negatif ideal çözümden olan uzaklığı
∑ ( ̃ ̃ ), i= 1, 2,…,m (3.36) eĢitliklerinden hesaplanır. EĢitlik (3.35) ve EĢitlik (3.36)’da, d (
.
,.
) iki bulanık sayı arasındaki uzaklığı göstermekte ve Vertex yöntemiyle hesaplanmaktadır.̃ ( ) ve ̃ ( ) üçgensel bulanık sayıları arasındaki uzaklık Vertex yöntemi kullanılarak
( ̃ ̃) √ ,( ) ( ) ( ) - (3.37)
eĢitliğinden hesaplanır. Adım 5: Yakınlık katsayısı,
i=1, 2,…,m (3.38)
olarak hesaplanır. Yakınlık katsayısı 0 ile 1 arasında ( ) değer alır ve alternatifler azalan Ģekilde sıralanır (Chen 2000; Paksoy ve ark., 2013).
3.4. Bulanık MULTIMOORA Yöntemi
Bulanık MULTIMOORA (Oran Analizi ile Çok Amaçlı Optimizasyon- Multi-Objective Optimization by Ratio Analysis) yöntemi, Brauers ve ark. (2011) tarafından önerilmiĢtir. Elemanlar ̃ ( ̃ ̃ , ̃ ) biçiminde gösterilen üçgensel bulanık sayılardan oluĢan bulanık karar matrisi X oluĢturulur. Burada xij, i. alternatifin j. kritere göre bulanık değerlendirme puanını gösterir. Bulanık MULTIMOORA yönteminde Bulanık oran sistemi, Bulanık referans noktası ve Bulanık Tam Çarpımsal Form olmak üzere üç farklı değerlendirme yapılır.
Bulanık MOORA Oranı Sistemi: Bulanık MOORA oran sisteminde, öncelikle normalizasyon iĢlemi yapılır. Bunun için,
̃ ( ̃ ̃ , ̃ ) ( √∑ √∑ √∑ ), (3.39)
eĢitliği kullanılır. EĢitlik (3.39)’da alternatiflerin sayısını, kriterlerin sayısını göstermektedir. Daha sonra, her bir alternatif ( ) için oranlar toplanarak *
i
y oran değerleri
̃ ∑ ̃ ∑ ̃ (3.40)
hesaplanır (Balezentis ve ark, 2012). EĢitlik (3.40)’da j1,...,g maksimum yapılacak kriterlerin sayısını, j g 1,...,n minimum yapılacak kriterlerin sayısını göstermektedir.
