Estimation of success of entrepreneurship projects with data mining
Girişimcilik projelerinin başarısının veri madenciliği algoritmaları ile tahmini
- Tez No: 527611
- Danışmanlar: DR. ÖĞR. ÜYESİ ALPTEKİN DURMUŞOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye'deki işletmelerin % 99,8'i küçük ve orta ölçekli işletmeler (KOBİ) olduğu için ekonomide önemli bir yere sahiptirler. KOBİ'lerin, özellikle de yeni kurulan KOBİ'lerin hayatta kalması önemlidir. Girişimcilerin başarısı için KOSGEB 3 yıl süreli destek vermektedir. Bununla birlikte, desteklenen girişimcilik projeleri hala başarısız olmakta ve bu projeler için ayrılan kaynağın israfına neden olmaktadır. Bu çalışma, veri madenciliği algoritmaları ile girişimcilik projelerinin başarı ve başarısızlık durumlarını tahmin etmeyi amaçlamaktadır. Böylece, tahmin doğruluğu artacak ve projeler hakkındaki kararlar bilimsel yaklaşıma dayandırılacaktır. Çalışmada kullanımak üzere 2012-2014 yılları arasında KOSGEB Gaziantep Müdürlüğü tarafından değerlendirilen projeler; yaş, cinsiyet, deneyim, eğitim, ortaklık yapısı, pazar, yer, sektör, personel ve sermaye özelliklerine göre analiz edilmiştir. Bu özelliklerin bir sonucu olarak, girişimci projelerinin başarılı olup olmadıklarına bakılmıştır. Girişimcilik projelerinden elde edilen veriler, ön işleme tabi tutularak WEKA 3.9.2 yazılımına uyarlanmıştır. Veriler C4.5, Naive Bayes, Logistic Regression, Random Forest ve Support Vector algoritmaları 10-katlamalı çarpraz doğrulama yöntemi kullanılarak sınıflandırılmıştır. Sınıflandırma sonuçları kıyaslanmıştır ve en başarılı tahmini yapan algoritma %70,75 doğruluk ile C4.5 algoritması olmuştur. C4.5 algoritması sonucunda ağacı etkileyen özellikler sırasıyla sermaye, ortak, konum ve yaş olarak bulunmuştur. Ağacı etkilemeyen özellikler ise cinsiyet, eğitim, pazar, sektör ve personeldir.
Özet (Çeviri)
Small and medium-sized enterprises (SMEs) have an important place in the economy due to the fact that 99.8% of businesses in Turkey are SMEs. It is important to survive for SMEs, especially newly founded enterprises. In order to help SMEs survive, KOSGEB provides the entrepreneurs with 3 year-support. However, the supported entrepreneurship projects still fail and cause to the waste of allocated resources for these projects. This study aimed to prevent waste of resource and to estimate the success and failure of proposed entrepreneurship projects with data mining algorithms. Thereby, the accuracy of the estimates increased and decisions about the projects were based on a scientific approach. As data of the study, the projects evaluated by KOSGEB Gaziantep Directorate between 2012-2014 were analyzed by taking some features such as age, gender, experience, education, partnership structure, market, location, sector, personnel, and capital into consideration. As a result of the analysis of the data, it has been examined whether entrepreneurial projects were successful or not. The data obtained from the entrepreneurship projects were pre-processed and adapted to WEKA 3.9.2 software. The dataset was classified using 10-fold cross-validation with C4.5, Naive Bayes, Logistic Regression, Random Forest and Support Vector algorithms. The results of the classification were compared and the C4.5 algorithm was found as the most successful algorithm with 70.75% prediction accuracy. In consequence of the C4.5 algorithm, the features affecting the tree were found as capital, partner, location, and age, respectively. The features that did not affect the tree were gender, education, market, sector, and personnel.
Benzer Tezler
- Filiz girişim (Startup) yatırımlarının hisse senedi değerlerine etkisinin olay çalışması ile analizi
Assessing the impact of investments to Startups on stock prices with event study
CANBERK YILMAZ
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEÇKİN POLAT
- Estimation of success of energy efficieny support program applications for SME's with data mining
KOBİ'lere yönelik enerji verimliliği destek program başvurularının başarısının veri madenciliği ile tahmini
HANDE DEMİROĞLU
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKE BEREKETLİ
- Estimation of development effort and success criteria using machine learning methods for outsourced software projects
Dış kaynak yazılım geliştirme projelerinin geliştirme eforları ve başarı kriterlerinin makine öğrenimi ile tahminlemesi
EMRAH KIVANÇ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CEMAL OKAN ŞAKAR
- Nitel bağımlı değişkenli panel veri modelleri ile İMKB`de işlem gören hisse senetlerinin başarısının tahmini
Estimation of the stock return success of firms in ISE with qualitative dependent variable panel data models
NURCAN METİN