Makine öğrenmesi ve çok kriterli karar verme yöntemleriyle havayolu yolcu memnuniyetinin analizi
Analysis of airline passenger satisfaction using machine learning and multi-criteria decision-making methods
- Tez No: 1022340
- Danışmanlar: DR. ÖĞR. ÜYESİ EMİRCAN ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Sivil Havacılık, Civil Aviation
- Anahtar Kelimeler: Elektronik pazarlama, Havacılık yönetimi, Müşteri tatmini, Sivil havacılık, Yapay zeka ve makine öğrenmesi dersi, Çok kriterli karar verme, Electronic marketing, Aviation management, Customer satisfaction, Civil aviation, Artificial intelligence and machine learning course, Multi criteria decision making
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Havacılık Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Havacılık sektöründeki yoğun rekabet, havayolu işletmelerinin yolcu memnuniyetini belirleyen kriterleri objektif ve güvenilir biçimde ölçmesini zorunlu kılmaktadır. Bu çalışmanın amacı, makine öğrenmesi ve çok kriterli karar verme (ÇKKV) yöntemlerini bütünleştiren hibrit bir yaklaşımla havayolu yolcu memnuniyetini analiz etmek ve Avrupa'nın önde gelen 18 havayolu işletmesinin hizmet kalitesi performanslarını karşılaştırmalı olarak değerlendirmektir. Skytrax platformundan elde edilen 1.927 yolcu değerlendirmesinin kullanıldığı çalışmada, altı hizmet kalitesi kriterinin nihai önem ağırlıkları; entropi yöntemi ile 1000 bağımsız tekrarla kararlılığı doğrulanan çok katmanlı algılayıcı (ÇKA) ve SHAP tabanlı açıklanabilir yapay zekâ entegrasyonundan elde edilen ağırlıkların aritmetik ortalamasıyla belirlenmiştir. Elde edilen hibrit ağırlıklar, alternatiflerin sıralanması amacıyla RAWEC yöntemine girdi olarak aktarılmış; sonuçların metodolojik güvenilirliği ise VIKOR, TOPSIS, WASPAS, CoCoSo, MABAC, MARCOS ve COPRAS yöntemleriyle yürütülen karşılaştırmalı duyarlılık ve korelasyon analizleriyle kanıtlanmıştır. Bulgular, yer hizmetlerinin yolcu memnuniyetini belirlemede en etkili kriter olduğunu ve Aegean Airlines'ın en yüksek hizmet kalitesi performansını sergilediğini ortaya koyarak, makine öğrenmesi ve ÇKKV literatürüne yöntemsel ve uygulamalı özgün bir katkı sunmaktadır. Çalışma, entropi ve SHAP tabanlı ağırlıklandırma yaklaşımlarının bütünleştirilmesiyle, makine öğrenmesi ve ÇKKV literatürüne hem yöntemsel hem de uygulamalı bir katkı sunmaktadır.
Özet (Çeviri)
Intense competition in the aviation industry makes it essential for airlines to measure the criteria that determine passenger satisfaction in an objective and reliable manner. The aim of this study is to analyze airline passenger satisfaction using a hybrid approach that integrates machine learning and multi criteria decision making (MCDM) methods, and to comparatively evaluate the service quality performance of 18 leading European airlines. In this study, which utilized 1,927 passenger reviews obtained from the Skytrax platform, the final importance weights of six service quality criteria were determined using the arithmetic mean of weights derived from a multi layer perceptron (MLP) and SHAP based explainable artificial intelligence integration, whose stability was verified using the entropy method with 1,000 independent repetitions. The resulting hybrid weights were fed into the RAWEC method to rank the alternatives; the methodological reliability of the results was demonstrated through comparative sensitivity and correlation analyses conducted using the VIKOR, TOPSIS, WASPAS, CoCoSo, MABAC, MARCOS, and COPRAS methods. The findings reveal that ground services are the most influential factor in determining passenger satisfaction and that Aegean Airlines demonstrated the highest service quality performance, thereby offering a methodological and practical original contribution to the literature on machine learning and MCDM. By integrating entropy and SHAP based weighting approaches, this study offers both a methodological and practical contribution to the literature on machine learning and MCDM.
Benzer Tezler
- Makine öğrenmesi ve çok kriterli karar verme yöntemleriyle veri odaklı bütünleşik performans analizi
Data driven integrated performance analysis using machine learning and multi criteria decision making methods
ASLI ÖZŞEN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KOKANGÜL
- Sınıflandırma problemlerinde veri dengeleme ve özellik seçiminin makine öğrenmesi algoritmalarının performansına etkisinin çok kriterli karar verme ile değerlendirilmesi
Evaluation of the effect of data balancing and feature selection on the performance of machine learning algorithms in classification problems with multi-criteria decision making
ÖZLEM AKARÇAY PERVİN
Doktora
Türkçe
2025
İstatistikSelçuk Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NİMET YAPICI PEHLİVAN
- Bölgesel enerji potansiyeline göre kümeleme ve bulanık çok kriterli karar verme ile yenilenebilir enerji alternatiflerinin analizi: rüzgar enerjisi santrali yer seçimi için model önerisi
Assessment of renewable energy alternatives based on regional energy potential through clustering and fuzzy multi-criteria decision making: A site selection model for wind power plants
SELEN AVCI AZKESKİN
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ZERRİN ALADAĞ
- Kripto para fiyatlarının tahmininde makine öğrenmesi modellerinin karşılaştırmalı analizi ve ÇKKV teknikleri ile en iyi yöntemin belirlenmesi
Comparative analysis of machine learning models for cryptocurrency price prediction and selection of the optimal method using MCDM techniques
YUNUS EMRE KORKMAZ
- Sefer planı geçiş izi limiti belirlenmesinde bulanık temelli hibrit bir model önerisi
A fuzzy-based hybrid model proposal for passage planning cross track limit determination
ABDULHAMİT AYTEN
Yüksek Lisans
Türkçe
2025
Deniz BilimleriOrdu ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. REMZİ FIŞKIN