Konutların satış fiyatlarını belirlemede çok sayıda etkenin rol oynaması nedeniyle, piyasa değerlerinin doğru bir şekilde tahmin edilmesi oldukça kritik bir konudur. Bu makale çalışmasında, konutların birden fazla değişkene bağlı olarak belirlenen piyasa değerlerinin hızlı ve doğru bir şekilde tahmin edilmesi amacıyla, hem istatistiksel bir yöntem olan Çoklu Regresyon Analizi (ÇRA) hem de yapay zekâ tekniklerinden biri olan Yapay Sinir Ağı (YSA) kullanılarak oluşturulan modellerin sonuçları kıyaslanmıştır. Bu çalışma kapsamında, Ankara'nın Yenimahalle ilçesinde bulunan farklı mahallelerdeki satılık konut ilanları incelenmiştir. Bu ilanlar, Türkiye'deki bir e-ticaret sitesi üzerinden toplanmış ve toplam 220 adet satılık konutu içermektedir. Bir konutun piyasa değerini belirlemede en efektif olan 9 adet parametre seçilerek ÇRA ve YSA yöntemlerini çalıştırabilecek modeller oluşturulmuştur. Veriler incelendiğinde seçilen YSA metodunun ÇRA'ya göre regresyon ve doğruluk oranı bakımından daha başarılı sonuçlar verdiği görülmüştür.
In this study, the features and geographical locations of housing within the Batıkent Region in the Yenimahalle district of Ankara province have been examined for their effects on housing prices. For modeling purposes, both nominal valuation and Artificial Neural Networks (ANN) have been utilized, while Geographic Information System (GIS) have been employed for geographical analyses. Price predictions with high accuracy and precision were made for the housing in the region. In modeling, according to Nominal and ANN methods, the R2 value was found to be 0.76 and 0.89, respectively. More successful market results were predicted with ANN. In nominal valuation, it has been observed that the mathematical model created with expert opinion has achieved significant success in predicting market value and that the model could potentially be sustainable with future updates
Primary Language | Turkish |
---|---|
Subjects | Land Management |
Journal Section | Research Articles |
Authors | |
Early Pub Date | February 26, 2024 |
Publication Date | |
Submission Date | November 2, 2023 |
Acceptance Date | January 24, 2024 |
Published in Issue | Year 2024 Volume: 6 Issue: 1 |