Süt sığırı işletmelerinde buzağı kayıplarına etki eden yönetimsel faktörlerin belirlenmesi ve makine öğrenmesi ile kayıp riskinin tahmin edilmesi
Determination of management factors affecting calf mortality in dairy farms and prediction of loss risk using machine learning
- Tez No: 1021814
- Danışmanlar: DOÇ. DR. SELVİNAZ YAKAN
- Tez Türü: Yüksek Lisans
- Konular: Veteriner Hekimliği, Veterinary Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ağrı İbrahim Çeçen Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Zootekni Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, süt sığırı işletmelerinde buzağı kayıplarına etki eden yönetimsel faktörlerin belirlenmesi ve bu faktörlere dayalı olarak makine öğrenmesi yöntemleri ile buzağı kaybı riskinin tahmin edilmesi amacıyla yürütülmüştür. Araştırmanın materyalini farklı ölçeklerde faaliyet gösteren süt sığırı işletmelerinden anket yöntemiyle elde edilen veriler oluşturmuştur. Çalışma kesitsel ve tanımlayıcı-analitik niteliktedir. Elde edilen bulgular, buzağı kayıplarının büyük ölçüde doğumdan sonraki ilk günler ve özellikle neonatal dönem (ilk 28 gün) içerisinde yoğunlaştığını göstermiştir. Özellikle kolostrumun gecikmeli veya yetersiz verilmesi, doğum sonrası bakım eksiklikleri ve yetersiz hijyen uygulamaları ile buzağı kaybı arasında istatistiksel olarak anlamlı ilişkiler belirlenmiştir (P < 0.05). Buzağı kayıplarına etki eden faktörlerin belirlenmesinde çok aşamalı analiz yaklaşımı kullanılmıştır. Ki-kare analizinde anlamlı bulunan değişkenler lojistik regresyon modeline dahil edilmiş ve bazı faktörlerin buzağı kaybı riskini artırdığı (OR>1), bazılarının ise koruyucu etki gösterdiği (OR<1) belirlenmiştir. Makine öğrenmesi analizlerinde, modellerin performansı ROC eğrisi altında kalan alan (AUC) ile değerlendirilmiştir. Sonuçlara göre, lojistik regresyon ve Random Forest modelleri en yüksek performansı göstermiş (AUC = 0.794); bu modelleri destek vektör makineleri (SVM, AUC = 0.773) izlemiştir. Buna karşılık, karar ağacı modelinin düşük performans sergilediği (AUC = 0.597) belirlenmiştir. Bu bulgular, Random Forest ve lojistik regresyon modellerinin buzağı kaybı riskini tahmin etmede orta-yüksek düzeyde başarılı olduğunu göstermektedir. İstatistiksel analizler ile makine öğrenmesi modellerinin sonuçları karşılaştırıldığında, her iki yaklaşımın büyük ölçüde birbiriyle uyumlu olduğu görülmüştür. Özellikle istatistiksel olarak anlamlı bulunan kolostrum yönetimi, doğum uygulamaları ve barınak hijyeni gibi faktörlerin Random Forest modelinde de yüksek değişken önemine sahip olması bulguların metodolojik tutarlılığını ortaya koymuştur. Sonuç olarak, buzağı kayıplarının büyük ölçüde yönetimsel hatalara bağlı olarak erken dönemde ortaya çıktığı belirlenmiştir. Bu çalışma, klasik istatistiksel analizler ile makine öğrenmesi yöntemlerini birlikte kullanarak hem açıklayıcı hem de tahmin edici bir yaklaşım sunması açısından özgünlük taşımaktadır. Elde edilen sonuçlar, yüksek riskli işletmelerin erken dönemde belirlenmesine olanak sağlayarak, önleyici yönetim stratejilerinin geliştirilmesine bilimsel bir temel sunmaktadır.
Özet (Çeviri)
This study was conducted to identify the management factors affecting calf mortality in dairy farms and to predict calf loss risk using machine learning approaches based on these factors. The study material consisted of survey data obtained from dairy farms operating at different scales. The research was designed as a cross-sectional and descriptive-analytical study, and the data were collected between November and December 2025. The findings indicated that calf mortality predominantly occurred during the early postnatal period, particularly within the neonatal phase (first 28 days). This pattern was identified through the combined evaluation of variables related to postnatal care practices, timing of colostrum administration, and disease occurrence. In particular, delayed or insufficient colostrum feeding, inadequate postnatal care, and poor hygiene practices were found to be significantly associated with calf mortality (P < 0.05). A multi-stage analytical approach was used to determine the factors affecting calf mortality. Variables found to be significant in Chi-square analysis were included in the logistic regression model, and it was determined that some factors increased the risk of calf mortality (OR > 1), while others had a protective effect (OR < 1). However, some variables that were not statistically significant (P > 0.05) were found to have limited contribution to the model. In machine learning analyses, model performance was evaluated using the area under the receiver operating characteristic curve (AUC). According to the results, logistic regression and Random Forest models showed the highest performance (AUC = 0.794), followed by support vector machines (SVM, AUC = 0.773). In contrast, the decision tree model demonstrated low performance (AUC = 0.597) and weak discriminative ability. These findings indicate that Random Forest and logistic regression models achieved moderate-to-high predictive performance in estimating calf mortality risk. When the results of statistical analyses and machine learning models were compared, it was observed that both approaches were largely consistent with each other. In particular, factors such as colostrum management, calving practices, and housing hygiene, which were found to be statistically significant, also had high variable importance in the Random Forest model, confirming the methodological consistency and reliability of the findings. In conclusion, calf mortality was found to occur predominantly in the early period and largely due to management-related factors. This study is original in that it integrates classical statistical analyses with machine learning methods, providing both explanatory and predictive insights. The findings offer a scientific basis for the early identification of high-risk farms and the development of preventive management strategies.
Benzer Tezler
- Sinop ili Gerze ilçesi süt sığırı işletmelerinde buzağı bakım, besleme ve sağlık uygulamalarının değerlendirilmesi
Evaluation of calf care, feeding and health practices in dairy cattle farms in Gerze district of Sinop province
SONER BAŞER
Yüksek Lisans
Türkçe
2025
Veteriner HekimliğiOndokuz Mayıs ÜniversitesiHayvan Besleme ve Beslenme Hastalıkları Ana Bilim Dalı
PROF. DR. İSMAİL KAYA
- Burdur ili Çavdır ilçesi sığır yetiştiriciliği yapan işletmelerde bazı sürü yönetim uygulamaları ve buzağı kayıplarının mevcut durumunun değerlendirilmesi
Evaluation of some herd management practices and calf losses in cattle farming enterprises in Çavdır district of Burdur province
ABDULLAH BEKTAŞ
Yüksek Lisans
Türkçe
2024
Veteriner HekimliğiBurdur Mehmet Akif Ersoy ÜniversitesiVeterinerlik Zootekni Ana Bilim Dalı
DOÇ. DR. YAHYA ÖZTÜRK
- Buzağı kayıpları konusundaki üretici davranışlarının incelenmesi: Konya ili Karapınar ilçesi örneği
Investigation of producer behaviors on calf losses: The case of Karapinar district of Konya province
BENAY KAPLAN
- Neonatal dönem simmental buzağılara uygulanan ticari esansiyel yağ karışımı uygulamasının büyüme, gelişme ve sağlık parametreleri üzerine etkisi
The effect of the supplementation of essential oil mixture applied to simmental calves in the neonatal period on growth, development and health parameters
FATMA EMİR
- Afyonkarahisar süt sığırı işletmelerinde bazı döl verimi parametrelerine etkili çevresel faktörler ve ekonomik kayıplar
Environmental factors affecting on some fertility parameters and the economic losses in Afyonkarahisar dairy enterprises
İBRAHİM GÜLTEKİN
Yüksek Lisans
İngilizce
2019
Veteriner HekimliğiAfyon Kocatepe ÜniversitesiVeterinerlik Zootekni Ana Bilim Dalı
PROF. DR. MUSTAFA TEKERLİ