Tarımda dijital dönüşüm: Küçük ölçekli çiftçiler için yapay zekâ tabanlı mobil uygulama modeli
Digital transformation in agriculture: An ai-based mobile application model for small-scale farmers
- Tez No: 1023824
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN BODUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye'de tarım sektörü ekonomik ve sosyal açıdan önemli bir konumda olup tarımsal üretimin büyük bir bölümü küçük ölçekli çiftçiler tarafından gerçekleştirilmektedir. Ancak bu çiftçiler, karar verme süreçlerinde ihtiyaç duydukları bilgilere erişimde çeşitli zorluklarla karşılaşmaktadır. Bu tez çalışmasında, Türkiye koşullarındaki tarımsal ürünler için en yüksek performansa sahip fiyat tahmin modelinin belirlenmesi ve bu modelin mobil uygulamaya entegre edilerek küçük ölçekli çiftçilerin kullanımına sunulması amaçlanmıştır. Bu doğrultuda, hal.gov.tr web sitesinden elde edilen 649 560 adet veri ile oluşturulan veri kümesi üzerinde gerekli ön işleme ve öznitelik mühendisliği işlemleri gerçekleştirilmiştir. Ardından DT, GB, KNN, LR, RF ve XGBoost makine öğrenmesi algoritmaları kullanılarak fiyat tahmin modelleri geliştirilmiş ve modeller MAE, MAPE, Naive MAE, R^2 ve RMSE performans metrikleri ile değerlendirilmiştir. Ayrıca en yüksek performansa sahip model üzerinde SHAP analizi uygulanarak değişkenlerin fiyat tahmini üzerindeki etkileri incelenmiştir. Analiz sonuçları, XGBoost modelinin %28,64 MAPE, 21,96 TL MAE değerleri ile en yüksek performansa sahip olduğunu ve Naive yaklaşımına kıyasla MAE değerinde %20,13 oranında (5,54 TL) iyileşme sağladığını göstermiştir. SHAP analizi sonucunda ise“Trend7 Fiyat”,“Momentum1 Fiyat”ve“ZScore Fiyat”değişkenlerinin fiyat tahmini üzerinde en yüksek etkiye sahip bağımsız değişkenler olduğu tespit edilmiştir. XGBoost modelinin küçük ölçekli çiftçiler tarafından kolaylıkla erişilebilir şekilde kullanılabilmesi amacıyla Flutter SDK kullanılarak bir mobil uygulama geliştirilmiş ve model uygulamaya entegre edilmiştir. Elde edilen sonuçlar, XGBoost modelinin tarımsal ürün fiyatlarının tahmininde başarılı sonuçlar verdiğini ve mobil uygulama entegrasyonu sayesinde küçük ölçekli çiftçiler için erişilebilir ve etkin bir karar destek aracı olarak kullanılabileceğini göstermiştir.
Özet (Çeviri)
The agricultural sector in Türkiye holds a significant economic and social position, with a large portion of agricultural production being carried out by small-scale farmers. However, these farmers face various difficulties in accessing the information they need during their decision-making processes. This thesis aims to determine the highest-performing price prediction model for agricultural products under Turkish conditions and to integrate this model into a mobile application for the use of small-scale farmers. Accordingly, necessary data preprocessing and feature engineering procedures were performed on a dataset comprising 649 560 records obtained from the hal.gov.tr website. Subsequently, price prediction models were developed using DT, GB, KNN, LR, RF, and XGBoost machine learning algorithms and these models were evaluated using MAE, MAPE, Naive MAE, R^2 and RMSE performance metrics. Furthermore, SHAP analysis was applied to the best-performing model to examine the impact of variables on price prediction. The analysis results demonstrated that the XGBoost model achieved the highest performance with a MAPE of 28.64%, a MAE of 21.96 TL and providing a 20.13% (5.54 TL) improvement in the MAE value compared to the Naive approach. The SHAP analysis revealed that the variables“Trend7 Fiyat”,“Momentum1 Fiyat”, and“ZScore Fiyat”had the most significant impact on price prediction. To make the XGBoost model easily accessible to small-scale farmers, a mobile application was developed using the Flutter SDK and the model was integrated into the application. The findings indicated that the XGBoost model yields successful results in forecasting agricultural product prices and can serve as an accessible and effective decision support tool for small-scale farmers through mobile application integration.
Benzer Tezler
- Tarımsal üretim süreçlerinin optimizasyonuna yönelik yeni bir model ve karar destek sistemi tasarımı
Design of a new model and decision support system for the optimization of agricultural production processes
BÜNYAMİN GÖL
Doktora
Türkçe
2025
Yönetim Bilişim SistemleriDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ÇİĞDEM TARHAN
- Designing a microcontroller-based system for agricultural data monitoring
Tarımsal verilerin takibi amaçlı mikrodenetleyici tabanlı sistem tasarımı
GÖKTAN KIRAĞ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiMuğla Sıtkı Koçman ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT TENRUH
- Gıda hakkı temelli agroekolojik hukuk
Agroecological law based on the right to food
DOLUNAY ÇÖREK AKYILDIZ
Doktora
Türkçe
2026
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. ZEYNEP ÖZLEM ÜSKÜL ENGİN
- Endüstri 4.0 perspektifinde Türkiye'de tarım sektöründe dijital dönüşüm: Mevcut durum tespitine yönelik nitel bir araştırma
Digital transformation in the agricultural sector in Turkey in the perspective of industry 4.0: A qualitative research to determine the current situation
İBRAHİM GÖNEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜZİDE KARAKUŞ
- Tarıma dayalı sanayi işletmelerinde kurumsallaşma düzeyinin dijital dönüşüm sürecine etkisi: Şanlıurfa ili örneği
The effect of the level of institutionalization in agriculture-based industrial enterprises on the digital transformation process: The example of Şanlıurfa province
MEHMET UÇMAN
Yüksek Lisans
Türkçe
2024
Anestezi ve ReanimasyonÇukurova Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. MUSA ŞANAL