Geri Dön

Türkiye'nin dış turizm talebinin yapay sinir ağları ile tahminlenmesi ve diğer tahmin yöntemleri ile karşılaştırmalı analizi

Forecasting Türkiye's outbond tourism demand with artificial nueral networks and comparative analysis with other forecastiong methods

PDF İndir

  1. Tez No: 884356
  2. Yazar: ZEYNEP KURTULAY
  3. Danışmanlar: PROF. DR. İSMAİL KIZILIRMAK
  4. Tez Türü: Doktora
  5. Konular: Turizm, Tourism
  6. Anahtar Kelimeler: Yapay Sinir Ağları, Turizm Talebi, Talep Tahmini, Yapay Zeka, Artificial Neural Networks, Tourism Demand, Demand Forecast, Artificial Intelligence
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Turizm İşletmeciliği Ana Bilim Dalı
  12. Bilim Dalı: Turizm İşletmeciliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Turizm, sağladığı döviz getirisi ile ülkelerin cari açıklarının kapatılmasına yardımcı olan, istihdam yaratan ve bölgesel gelişmişlik farklarının azaltılmasında başvurulan bir sektördür. Ülkelerin, turizmin bu olumlu etkilerinden yararlanabilmesi için doğru stratejiler belirlemesi son derece önemlidir. Doğru stratejilerin belirlenmesi ise, turizm talebinin gerçeğe en yakın şekilde tahminlenmesi ile mümkün olabilmektedir. Ancak turizm sektörü dış etkilere son derece duyarlıdır ve kısa sürede talepte büyük dalgalanmalar görülebilmektedir. 2019 yılında ortaya çıkan ve etkisi azalarak da olsa devam eden Covid-19 pandemisi, bu durumun en güncel örneğidir. Bu ve benzeri durumlar, talep tahmininde kullanılan klasik yöntemlere ek olarak bilgisayar destekli adaptif yöntemlerin yaygınlaşmasında etkili olmaktadır. İnsanlar yüzyıllardır“düşünen makine”yaratma arzusuyla çalışmalar gerçekleştirmektedir. Önceleri basit işlemleri yerine getirmesi için tasarlanan bilgisayarlar, bugün cep telefonları, saatler hatta arabalar ve evlerde kullanılmakta ve insan hayatını kolaylaştırmaktadır. Bunun bir sonucu olarak geliştirilen sistemler, verilen bilgileri işleyip aralarındaki bağlantıları keşfeden, tahmin yapabilen, değişen durumlara kolaylıkla uyum sağlayabilen ve gerekli durumda eksik bilgiyle bile işlem yapabilen hale gelmiştir. Makine öğrenmesi gerçekleştiren bu modellerin kullanım alanı her geçen gün artmaktadır. Gerçekleştirilen bu çalışmada 2002 (Ocak)-2023 (Ağustos) döneminde Türkiye'ye gelen ve Bakanlık İşletme Belgeli tesislerde konaklayan yabancı turist sayıları Matlab R2023b ve SPSS 25.0 istatistik paket programları ile analiz edilmiş, yapay sinir ağları ve diğer tahmin yöntemlerinin tahmin performansı kıyaslanmıştır.

Özet (Çeviri)

Tourism is an industry that reduces nations' current account deficits through foreign exchange income, provides employment possibilities, and helps to reduce regional development deficiencies. It is essential for governments to develop appropriate policies in order to take advantage of the positive impacts of tourism. The success of such strategies is dependent on effectively forecasting tourism demand in order to align it with reality. However, the tourist industry is very vulnerable to external factors, which cause considerable variations in demand over short time periods. The most recent example of this phenomenon is the COVID-19 pandemic, which appeared in 2019 and continues to have lasting effects. These and similar circumstances are effective for spreading computer-assisted adaptive approaches in addition to traditional demand forecasting methods. For decades, people have worked with the intention of creating a“thinking machine.”Computers, which were formerly meant to execute simple processes, are now included in cell phones, watches, and even automobiles and houses, making life easier for people. As a result, these systems can process given information and discover connections between them, make predictions, quickly adjust to changing conditions, and perform even with limited understanding when necessary. The usage area of these models that use machine learning is rising day by day. The number of foreign tourists who visited Turkey and stayed in facilities with a Certificate of Tourism Management by Ministry from 2002 (January) to 2023 (August) was analyzed by using the Matlab R2023b and SPSS 25 package programs, and the forecasting performance of artificial neural networks and other methods was compared.

Geri Dön