Enstitüler / Institutes
Permanent URI for this communityhttps://hdl.handle.net/11727/1390
Browse
4 results
Search Results
Item Borsa İstanbul’da işlem gören enerji şirketlerinin finansal durumlarının TOPSIS yöntemiyle incelenmesi ve sürdürülebilirlik açısından borsa performanslarının değerlendirilmesi(Başkent Üniversitesi Sosyal Bilimler Enstitüsü, 2024) Büyükyılmaz, Samet; Ak, AyşegülBu çalışmanın iki amacı bulunmaktadır. Birinci amacı: Aralık 2023 tarihinde Borsa İstanbul Elektrik Endeksinde (BİST XELKT) yer alan 30 adet enerji şirketinin (AHGAZ, AKENR, AKFYE, AKSEN, AKSUE, ALFAS, ARASE, AYDEM, AYEN, BIOEN, CANTE, CATES, CONSE, CWENE, ENERY, ENJSA, ESEN, GWIND, HUNER, IZENR, KARYE, MAGEN, NATEN, NTGAZ, ODAS, PAMEL, SMRTG, TATEN, ZEDUR ve ZOREN) finansal performanslarının çok kriterli karar verme yöntemlerinden TOPSIS yöntemiyle ölçülüp karşılaştırılmasıdır. Bu amaç doğrultusunda şirketlerin 2020-2021-2022 dönemini içeren yıllık verilerden oluşan Uluslararası Finansal Raporlama Standartları’na uyumlu bilanço ve gelir tablolarındaki finansal verileri kullanılarak “Cari Oran, Asit-Test Oranı, Finansman Oranı, Aktif Devir Hızı, Alacak Devir Hızı, Aktif Karlılığı, Öz Kaynak Karlılığı, Finansal Kaldıraç Oranı, KVYK / Aktif Toplamı, Finansman Giderleri / Net Satışlar” oranları hesaplanmış ve TOPSIS tekniği kullanılmıştır. Bu yöntemin ağırlıklı standart karar matrisinin oluşturulması aşamasında kullanılan performans kriterlerinin ağırlık değerleri, CRITIC ağırlıklandırma yöntemi ile hesaplanmıştır. Sonrasında bu oranlar, şirketlerin performansını belirten bir puana dönüştürülmüştür. Bu puanlarla şirketlerin sıralaması ve derecelendirmesi bulunarak karşılaştırma yapılmıştır. Halka açık şirketler mali verilerini Kamuyu Aydınlatma Platformu (KAP) üzerinden yayınladığı için bu çalışmada mali veriler KAP’tan alınmıştır. Verilerin toplanması ve analizi aşamalarında Microsoft Office 365 Excel programı kullanılmıştır. Sonucunda ise, 2020 yılında ideal çözüme en yakın(finansal performans olarak en yüksek) şirket ARASE, 2021 yılında tekrardan ARASE ve 2022 yılında IZENR olmuştur. İlgili üç yıla genel olarak baktığımızda ise en yüksek performansı IZENR gösterirken NTGAZ onu takip etmiştir. İkinci amacı ise: Aralık 2023 tarihinde hem BİST Elektrik(XELKT) hem de BİST Sürdürülebilirlik(XUSRD) Endeksinde yer alan yukarıdaki 30 şirket içerisinde bulunan 9 şirketin (AKENR, AKSEN, AYDEM, ENJSA, ESEN, GWIND, MAGEN, NATEN ve ZOREN) BİST Sürdürülebilirlik Endeksine alınmalarının duyurulmasının hisse senedi getirileri üzerinde herhangi bir etkisinin olup olmadığını incelemektir. Bu durumu incelemek için Olay Çalışması yöntemi kullanılmıştır. Sonucunda ise; ülkemizde piyasanın yarı güçlü formda etkin olmadığı ve kamuya açıklanan bilgiler ile anormal negatif getirilerin olabileceği sonucuna ulaşılmıştır. This study has two objectives. First objective is: To measure and compare the financial performances of 30 energy companies (AHGAZ, AKENR, AKFYE, AKSEN, AKSUE, ALFAS, ARASE, AYDEM, AYEN, BIOEN, CANTE, CATES, CONSE, CWENE, ENERY, ENJSA, ESEN, GWIND, HUNER, IZENR, KARYE, MAGEN, NATEN, NTGAZ, ODAS, PAMEL, SMRTG, TATEN, ZEDUR and ZOREN) in the Borsa Istanbul Electricity Index (BIST XELKT) in December 2023 by using TOPSIS method, one of the multi-criteria decision making methods. For this objective, “Current Ratio, Acid-Test Ratio, Financing Ratio, Asset Turnover Ratio, Receivables Turnover Ratio, Return on Assets, Return on Equity, Financial Leverage Ratio, STL / Total Liabilities, Financial Expenses / Net Sales” ratios were calculated using the financial data in the balance sheets and income statements of the companies in accordance with International Financial Reporting Standards, which consist of annual data covering the period 2020-2021-2022 and TOPSIS method was used. The weight values of the performance criteria used in the construction of the weighted standard decision matrix of this method were calculated by CRITIC weighting method. Afterwards, these ratios were converted into a score indicating the performance of the companies. With these scores, the ranking and rating of the companies were found and a comparison was made. Since publicly traded companies publish their financial data through the Public Disclosure Platform (PDP), financial data in this study are obtained from the PDP. Microsoft Office 365 Excel programme was used for data collection and analysis. As a result, ARASE was the company closest to the ideal solution (with the highest financial performance) in 2020, ARASE again in 2021 and IZENR in 2022. When we look at the three years in general, IZENR showed the highest performance, followed by NTGAZ. The second objective is: To examine whether the announcement of the inclusion of 9 companies (AKENR, AKSEN, AYDEM, ENJSA, ESEN, GWIND, MAGEN, NATEN and ZOREN) in the BIST Sustainability Index among the above 30 companies included in both the BIST Electricity (XELKT) and BIST Sustainability (XUSRD) Indices in December 2023 has any effect on stock returns. Event Study method was used to examine this situation. As a result, it is concluded that the market in Türkiye is not efficient in the semi-strong form and there may be abnormal negative returns due to publicly disclosed informationItem Çok kriterli karar verme yaklaşımları ile farklı sektörlerde çevikliği sağlayan kritik başarı faktörlerinin analizi(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Yılmaz, YiğithanGünümüzün rekabetçi ve hızla değişen iş dünyasında, proje yönetimi organizasyonların başarısında kritik bir rol oynar. Belirsizliklerin ve karmaşık süreçlerin yoğun olduğu projelerde, çeviklik kavramı etkili çözümler sunarak firmalara rekabet avantajı sağlar. Çeviklik, projelerde değişimlere hızla uyum sağlama ve müşteri beklentilerini karşılama becerisi olarak tanımlanabilir. Bu çalışma, otomotiv, savunma sanayi ve tüketici elektroniği sektörlerinde üretim ve satış sonrası projelerde çevikliğin önemini ve bu çevikliği artıran kritik başarı faktörlerini incelemektedir. Çalışmada, çok kriterli karar verme yöntemlerinden Analitik Hiyerarşi Prosesi (AHP) ile kritik başarı faktörlerinin ağırlıkları belirlenmiş; bu ağırlıklar kullanılarak TOPSIS (Technique for Order Preference by Similarity to Ideal Solution), VIKOR (Vise Kriterijumska Optimizacija I Kompromisno Resenje) ve MOORA (Multi-objective Optimization By Ratio Analysis) yöntemleriyle sektörlerdeki firmalar sıralanmıştır. Profesyonellerin görüşleri doğrultusunda karar matrisleri oluşturularak analizler yapılmıştır. Elde edilen sonuçlar karşılaştırılarak sektörlerin ve firmaların çeviklik performansları değerlendirilmiştir. Sonuç olarak, incelenen sektörlerde çevikliği en çok etkileyen kritik başarı faktörleri tespit edilmiştir. Bulgular, firmaların çevikliği artırarak rekabet avantajı sağlamalarına ve proje yönetim süreçlerini geliştirmelerine katkı sunmaktadır. Çalışmanın, sektörel bazda çeviklik yönetimi literatürüne ve uygulamaya değer katması hedeflenmektedir.In today's competitive and rapidly changing business world, project management plays a critical role in organizational success. In projects characterized by uncertainty and complex processes, agility offers effective solutions and provides companies with a competitive advantage. Agility is defined as the ability to quickly adapt to changes and meet customer expectations. This study examines the importance of agility in production and after-sales projects within the automotive, defense, and consumer electronics sectors, as well as the critical success factors that enhance it. Using the Analytic Hierarchy Process method, one of the Multi-Criteria Decision-Making (MCDM) techniques, the study determined the weights of critical success factors. Based on these weights, companies in the sectors were ranked using TOPSIS (Technique for Order Preference by Similarity to Ideal Solution), VIKOR (Vise Kriterijumska Optimizacija I Kompromisno Resenje), and MOORA (Multi-objective Optimization By Ratio Analysis) methods. Decision matrices were created from professional input, and the results were analyzed and compared to assess sector and company agility performance. The thesis identifies the critical success factors most influencing agility in the studied sectors. These findings help companies enhance agility, gain a competitive edge, and improve project management processes. The study aims to contribute significant value to both the literature and practice in managing agility on a sectoral basis.Item İleri teknoloji ürünleri için teknoloji yönetimi özelinde yatırım önceliklendirilmesi: Savunma sanayi sektör incelemesi(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2024) Ünsal, Beyza; Dinler, EsraÜlke kalkınması için, sınırlı kaynakların doğru kullanımı, teknoloji seçiminde stratejik bir vizyonun oluşturulması ve bu vizyon doğrultusunda yapılan yatırımlar, kritik bir öneme sahiptir. Doğru teknoloji önceliklendirmesi ile bu teknolojilere yapılan stratejik yatırımlar, bir ülkenin ekonomik büyümesini desteklerken aynı zamanda küresel düzeyde rekabet edebilirliğine katkı sağlar. Yatırım kararları sürecinde, sadece mevcut ihtiyaçları değil, aynı zamanda gelecekteki talepleri de göz önünde bulundurulmalıdır. Böylelikle, bir ülkenin kalkınma hedeflerine ulaşabilmesi için yapılan yatırımlar uzun vadeli bir vizyon çerçevesinde oluşturulabilir. Teknoloji seçimi, kaynak yönetimi ve teknoloji yönetimi gibi stratejik konularda etkili kararlar almak, günümüzde sınırlı kaynaklarla çalışan kurumlar ve ülkeler için bir gerekliliktir. Bu tezin temel amacı, kaynakların doğru yönetilmesi için kritik teknolojilere yatırım yapan organizasyonların perspektifinden hareketle, çok kriterli karar verme yöntemi kullanarak karar vericiler için destek modeli oluşturmaktır. Bulanık-AHP, WEDBA ve TOPSIS yöntemleri kullanarak farklı sektörlere ait çeşitli alanlarda hizmet sunan teknolojiler karşılaştırılmıştır. Teknoloji; olgunluk, katma değer, stratejik önem, yetkinlik ve pazar potansiyeli faktörleri üzerinden değerlendirilmiş ve teknoloji önceliklendirmesi modeli geliştirilmesi hedeflenmiştir. Bu model, kaynakların doğru yönetilmesi, sürdürülebilir kalkınma hedeflerine uygun teknoloji tercihleri ve rekabet avantajı elde etmek isteyen kurum/kuruluş ve ülkeler için stratejik bir rehberlik sunmayı amaçlamaktadır. For the country's development, the correct use of limited resources, creating a strategic vision in technology selection, and the investments made in line with this vision are critical. Strategic investments in these technologies with correct technology prioritization support a country's economic growth while contributing to its global competitiveness. The primary purpose of this study is to create a support model for decision-makers using a multi-criteria decision-making method from the perspective of organizations that invest in critical technologies for the correct management of resources. Using Fuzzy-AHP, WEDBA and TOPSIS methods, technologies providing services in various fields from different sectors were compared. Technology: It was evaluated based on maturity, added value, strategic importance, and market potential factors, and it was aimed to develop a technology prioritization model. This model aims to provide strategic guidance for institutions/organizations and countries that want to manage resources correctly, make technology choices aligned with sustainable development goals, and gain competitive advantage.Item Hata içeren yazılım modüllerinin tespitinde kullanılan makine öğrenme algoritmalarının çok kriterli karar verme yöntemleriyle sıralanması(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2024) Alper Işık, Merve; Mamak Ekinci, Elmas BurcuYazılım projelerindeki en önemli sorunlardan biri hata içeren yazılım modülleri olmaktadır. Bu modüller için en önemli unsurlar, programda hatalara neden olabilen, performansı azaltabilen ve programın çökmesine yol açabilen kod parçaları olmaktadır. Bu modüllerin, yazılım döngüsünün başlarında fark edilmesi ve düzeltilmesi, yazılım projelerinin başarısı için çok büyük önem taşımaktadır. Hata içeren yazılım modüllerinin yazılım döngüsünün erken safhalarında fark edilmesi için istatistiksel analiz yöntemleri ve makine öğrenme algoritmaları gibi farklı yöntemler bulunmaktadır. Yapılan çalışmalara göre bu yöntemleri kullanarak, hata içeren yazılım modüllerinin erken tespit edilmesi ve düzeltilmesinin yazılım projelerinin başarı şansını artırdığını, daha az maliyetli olduğunu ve yazılım döngüsünün daha verimli yönetilebileceğini ortaya koymaktadır. Bu yöntemlerin kullanılması ve yazılım döngüsünün en başından itibaren uygulanması, yazılım projelerinin başarısını arttırabilmekte ve maliyetlerini düşürebilmektedir. Bu çalışmada hata içeren yazılım modüllerinin tespitinde kullanılan makine öğrenme algoritmalarının seçimi problemi ele alınmıştır. Bu kapsamda, C++ programlama dilinde kodlanan NASA’nın kamusal alan (public domain) olan KC1 hata veri kümesi kullanılarak Naive Bayes, Bagging, Stacking, IBk (Knn), Logistic Regression, Random Tree, Random Forest, SMO ve Neural Networks makine öğrenme algoritmalarının hata yönünden performansları WEKA uygulaması ile incelenmiştir. Analiz sonucunda, Kappa İstatistikleri (Kappa Statistics), Doğru Sınıflandırılmış Örnekler (Correctly Classified Instances), Ortalama Mutlak Hata (Mean Absolute Error), Hata Kareler Ortalamasının Karekökü (Root Mean Squared Error), Bağıl Mutlak Hata (Relative Absolute Error) ve Kök Bağıl Kare Hatası (Root Relative Squared Error) değerleri elde edilmiştir. Bu metrikler, belirlenen makine öğrenme algoritmalarının sıralanması probleminde kullanılan ÇKKV yöntemleri için kriterler olarak belirlenmiştir. Çalışmada ÇKKV yöntemlerinden CRITIC, ARAS ve TOPSİS yöntemleri kullanılmıştır. Yapılan sıralama sonucunda hata metriklerini minimize eden en iyi makine öğrenme algoritması k-En Yakın Komşu (kNN) olarak bulunmuştur. One of the most important problems in software projects is software modules containing errors. The most important elements for these modules are pieces of code that can cause errors in the program, reduces the performance of the program and cause the program to crash. Recognizing and fixing these modules early in the software cycle is of great importance for the success of software projects. There are different methods such as statistical analysis methods and machine learning algorithms to detect software modules containing errors in the early stages of the software cycle. Studies show that early detection and correction of software modules containing errors by using these methods increases the chance of success of software projects, software can be managed more efficiently and software projects can be less costly. Using these methods and applying them from the very beginning of the software cycle can increase the success of software projects and reduce their costs. In this study, the problem of selecting machine learning algorithms used in detecting software modules containing errors is discussed. In this context, Naive Bayes, Bagging, Stacking, IBk (Knn), Logistic Regression, Random Tree, Random Forest, SMO and Neural Networks machine learning algorithms were used by using NASA's public domain KC1 error dataset, coded in C++ programming language. Their performance in terms of errors was examined with the WEKA application. As a result of the analysis, Kappa Statistics, Correctly Classified Instances, Mean Absolute Error, Root Mean Squared Error, Relative Absolute Error and Root Relative Error. Root Relative Squared Error values were obtained. These metrics were determined as criteria for MCDM methods used in the problem of ranking specified machine learning algorithms. CRITIC, ARAS and TOPSIS methods, which are among the MCDM methods, were used in the study. As a result of the sorting, the best machine learning algorithm that minimizes error metrics was found to be k-Nearest Neighbor (kNN).