DİZÜSTÜ BİLGİSAYAR SEÇİMİ: DEA, TOPSIS ve VIKOR ile KARŞILAŞTIRMALI BİR ANALİZ

Transkript

1 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014 The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014 DİZÜSTÜ BİLGİSAYAR SEÇİMİ: DEA, TOPSIS ve VIKOR le KARŞILAŞTIRMALI BİR ANALİZ LAPTOP SELECTION: A COMPARATIVE ANALYSIS wth DEA, TOPSIS and VIKOR Mehmet PEKKAYA Bülent Ecevt Ünverstes, İİBF, İşletme Bölümü, Say. Yön. AD, ZONGULDAK (mehpekkaya@gmal.com) Mesut AKTOGAN Blgsayar Mühends, Bülent Ecevt Ünverstes nde Uzman ve SBE Öğrencs, ZONGULDAK (mesutaktogan@hotmal.com) ÖZ Gelşmelere bağlı olarak, özellkle dzüstü ve tablet blgsayarlar gb taşınablr blgsayarlara olan lg, Türkye çn sayısal olarak nüfusuna yakın olduğu düşünüleblr. Bu çalışmada, dzüstü blgsayarlar çn seçm sıralaması yapma ve dzüstü blgsayar seçmnde dkkate alınan krter önem dereceler DEA ve çok krterl karar verme teknkleryle ncelenmştr. AHP ve AHP-DEA bleşm krter önem dereceler belrlenmesnde önerlrken; dzüstü blgsayar seçm sıralamaları çn DEA, TOPSIS ve VIKOR yöntemler temelnde 7 senaryo üzernden sıralamalar yapılmıştır. Analz sonuçlarına göre, ağırlıklandırma AHP le olup sıralama TOPSIS ve ağırlıklandırma AHP-DEA bleşm le olup sıralama VIKOR olan senaryoların dzüstü blgsayar seçm sıralamalarında kullanışlı olduğuna karar verlmştr. Anahtar Sözcükler: Dzüstü blgsayar seçm, AHP, DEA, TOPSIS, VIKOR ABSTRACT Dependng on the developments, there s a tendency especally portable computer such as laptop, tablet computers that may be consdered numercally close to the populaton for Turkey. In ths study, makng the choce orderng and the prortes of the crtera for laptops have been nvestgated va DEA and mult crtera decson makng technques. AHP and composton of AHP-DEA has been suggested for determnng prortes of crtera; selecton orderng of laptop s conducted va 7 scenaros that based on DEA, TOPSIS and VIKOR methods. Accordng to the analyss, sortng va TOPSIS wth the AHP n weghtng and sortng va VIKOR wth AHP-DEA composton n weghtng, has decded for laptop selecton rankng. Keywords: Laptop selecton, AHP, DEA, TOPSIS, VIKOR ISSN:

2 Mehmet PEKKAYA ve Mesut AKTOGAN 1. Grş Günümüzde, kşsel veya kurumsal olarak hemen tüm çalışanlar çn blgsayar gerekl ve ayrılmaz br teknolojk araç olmuştur. Türkye de çoğu çalışanın ş ortamında veveya kşsel olarak kullandığı blgsayarlar, öğrencnn kşsel olarak kullandığı blgsayarlar düşünüldüğünde, nüfusa eşdeğer sayıda blgsayarın kullanıldığı düşünüleblr. Tcar hayat, blm ve teknolojdek gelşmelere de bağlı olarak karmaşık ve tekrarlı hesaplamaların kısa sürede ve hatasız yaptırılması, blgsayarlara taleb arttırmaktadır. Blgsayar alesne olan bu talep, kşsel blgsayar, dzüstü blgsayar (DB), netbook, ultrabook, tablet, akıllı blgsayar gb zamanla değşen br terch yelpazesnde olduğu görülmektedr. Masaüstü blgsayar yerne dzüstü ve tablet blgsayarlar gb taşınablr blgsayarların kullanımı her gün daha da terch edlr duruma gelmektedr Bu çalışma, çok sayıda alternatf markamodele sahp DB lerde seçm sıralama yapma şlem çn ncel karar yöntemler uygulanablrlğn göstermektedr. DB harcnde dğer blgsayar ales ürünler çn de benzer şeklde çalışmalar yapılablr. Güncel uygulamalar çn yeterl kapasteye sahp ve uygun fyatlı DB seçm, DB almak steyen kullanıcı çn öneml br sorundur. Bu çalışmanın k amacı vardır. Brncs, DB alımında dkkate alınan başlıca krterlern önem derecelernn belrlenmesdr. İknc amacı se DB seçm çn alternatfler terch sıralaması yapan bazı ncel yaklaşımları karşılaştırmalı olarak değerlendrmektr. Bu anlamda, çalışmamızda ver zarflama analz (Data Envelopment Analyss, DEA) ve çok krterl karar verme (ÇKKV) yöntemlernden bazıları analzlerde kullanılmıştır. Lteratürde, bu çeşt DB seçmde bu yöntemler genelde yalnız kullanmakta veveya bu çalışmaya göre daha az sayıda krterler dkkate alınarak analzler yapılmakta olduğu gözlenmştr. Çalışmamız, (1) DB seçmnde dkkate alınan krterlern önem derecelernn belrlenmes; (2) ÇKKV ve DEA dan elde edlen ağırlık katsayılar üzernden yen br ağırlıklandırma önerlmes; (3) 58 adet gb çok sayıda alternatf (karar verme brm, KVB) arasından 18 alt krter gb çok sayıda krtern dkkate alarak seçm sıralaması yapılablrlğ; (4) karşılaştırmalı olarak 3 farklı yöntem çn 7 farklı senaryo üzernden sıralama yapılması ve karşılaştırılmalı değerlendrlmes açısından lteratüre katkı yapacağı düşünülmüştür. Bu yöntemlern terch edlme gerekçeler kısaca aşağıdak gb özetleneblr. DB lern teknk özellklerne göre çok farklı donanımlara sahp olması ve farklı markaların sunduğu çok sayıda seçenekler, söz konusu teknk özellklerekrterlere göre DB seçmn etknlk analzyle değerlendrlebleceğn gösterr. DB lere at teknk özellklern krterlern çıktılar ve DB ye ödenen parasal mktar grd olarak değerlendrlerek, DB seçm problem etknlk analzlernde yaygın olarak kullanılan DEA le uygulamalar yapılmaktadır. Ayrıca kullanıcı çn, DB lern markamodellere göre dkkate alınan çok sayıda krtern varlığı, DB seçmn ÇKKV problem olarak dkkate alınableceğn göstermektedr. Başlıca ÇKKV yöntemler, analtk hyerarş sürec (Analytcal Herarchy Process, AHP), TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton), ANP (Analytc Network Process), ELECTRE (Elmnaton et Chox Tradusant la REalte), VIKOR (VIseKrterjumska Optmzacja I Kompromsno Resenje), PROMETHEE (Preference Rankng Organzaton METHod for Enrchment Evaluaton), GRA (Grey Relatonal Analyss) olarak sıralanablr (Pekkaya ve Başaran, 2011). Çalışmamızda, DEA yanısıra ÇKKV teknklernden ÇKPM (Çok krterl puanlama model), AHP, TOPSIS ve VIKOR yöntemler kullanılmıştır. AHP, krterlern önem derecelernn belrlenmesnde, TOPSIS ve VIKOR DB lern seçm sıralamasında kullanılmıştır. KVB sayısının çok olması, ELECTRE ve PROMETHEE gb yöntemlernn seçm sıralaması hesaplamaları açısından kullanılablrlğn zorlaştırdığından, bu çalışmada TOPSIS ve VIKOR gb seçm sıralama sürecn daha pratk yapan yöntemlere yer verlmştr. 108

3 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Analzlerde kullanılan krter puanlarına at verler çn Gold ve Hızlıal nternet stelernden elde edlrken, krter önem dereceler ve marka puanlamasında uzman görüşü alınmıştır. DB konusunda çok alternatf marka, model, tp olması çalışmada bazı kısıtlamalara gdlmesne neden olmuştur. Her blgsayar alternatf çn standart ver elde etmek çn araştırmada sadece DB ler üzernde durulmuş, ayrıca bazı karşılaşılan problemlerden dolayı şletm sstem Wndows ve şlemcs ntel olan seçenekler araştırmaya dahl edlmştr. Blgsayar seçm üzernde lteratürde az sayıda blmsel çalışma olup rastlanan lk çalışmaların analzlernde AHP kullandıkları gözlenmştr (Zvran, 1993; Borthck ve Schener, 1988). Düzakın ve Demrtaş (2005), 18 ram, 23 şlemc, 9 sabt dsk, 17 ekran kartı arasından seçm çn 8-13 kadar grdçıktı değşken kullanılarak ayrı ayrı DEA kullanarak blgsayar donanım parçası seçm sıralamaları gerçekleştrmşlerdr. Ertuğrul ve Karakaşoğlu (2010), 8 krter ağırlığının belrlenmesnde Bulanık AHP kullanmış ve 5 DB alternatfnn sıralanmasında ELECTRE yöntem kullanılmıştır. Erpolat ve Cnemre (2011), 51 adet DB seçm sıralamasında 9 krter dkkate almış, ağırlık kısıtlamasız DEA ve ağırlık kısıtlamalı DEA le değerlendrmeler yapmışlardır. Çalışmanın knc bölümü kullanılan modellern teors üzernde dururken, üçüncü bölümde konu le uygulama bulgularına yer verlmştr. Sonuç bölümünde, bulgular değerlendrlmştr. 2. DEA ve Bazı ÇKKV Yöntemler 2.1. Etknlk ve DEA Vermllk ve performans brbrne yakın kavramlardır. Vermllk, üretlen mal ve hzmetlern etkenlk ve etkllk ölçümlerne; performans se belrl amaçları, hedefler, görev ve sorumlulukları yerne getreblme oranı olarak fade edleblr. Vermllk, çıktı toplamının grd toplamına oranı olarak modelleneblr. Grdlern azaltılarak veya çıktıların artırılması suretyle vermllğn artırılableceğ söyleneblr. Performans ölçümünde, değşkenlern ağırlıklandırılarak tek çıktı ve tek grd oranı üzernden hesaplanan oran analz nn yanısıra parametrk yöntemler ve parametrk olmayan yöntemler olmak üzere üç yaklaşım vardır. Parametrk yöntemlerden en yaygın olarak kullanılan, grdler ve çıktılar arasında fonksyon tahmn edlerek değerlendrlen regresyon analz ken 1957 de Farel tarafından ortaya atılan ve 1978 de Charnes vd. tarafından gelştrlen DEA parametrk olmayan yöntemlerden en çok blnendr (Düzakın ve Demrtaş, 2005; Erpolat ve Cnemre, 2011). Çok sayıda grdye karşılık tek çıktı olduğu durumlarda, DEA ya göre terch edlmes gereken parametrk yöntemlerden regresyon analzdr. Ancak uygulamada, çıktı değşken sayısı brden fazla olduğu durumlarda, verlern orjnal ölçü brmleryle çok sayıda çıktıyı modele alan DEA nın terch edldğ görülmektedr. DEA, alternatfler arasında görel faktör etknlğ belrlemek üzere kullanılır. Alternatfler arasında etkn olarak belrlenen br KVB nn, KVB lern tam sayım yapılması durumunda mutlak verml olarak belrlenmeyeblr. Grd ve çıktı sayıları KVB den fazla olursa, DEA etknlk ayrıştırma gücü zayıflamakta ve çoğu KVB etkn olmaktadır. Bu sorunu aşmak çn KVB sayısının grd-çıktı toplamının 2 veya 3 katı olması önerlr (Ramanathan, 2006). DEA da, her KVB çn kısıtlar dahlnde ayrı ayrı doğrusal programlama model çözülmekte, KVB lere at etknlk skoru 0 le 1 arasında değer almaktadır. Etknlğ 1,00 olan KVB, görel etkn olduğu kabul edlr. DEA, model çözümünde değşkenlere uygun ağırlıklar ataması çn k kısıt dkkate alınmaktadır: ağırlıklar belrlenrken hçbr KVB nn etknlğ %100 ü geçmemes ve ağırlıklar negatf değere sahp olmamasıdır. 109

4 Mehmet PEKKAYA ve Mesut AKTOGAN Tablo 1. Başlıca Etknlk Ölçüm Modeller Model Amaç Fonksyon Kısıtlar Çıktı (Y r ) grd (X ) oranın maksmze eden klask doğrusal programlama model; 1978 de Chanes vd. tarafından gelştrlen (çıktı odaklı) CCR model; toplam etknlğ hesaplar de Banker vd. tarafından gelştrlen BCC model; teknk etknlğ hesaplar. h h makk. h = s r = 1 m uy r vrx rk rk s makk. = uryrk r = 1 s makk. r rk r = 1 = u Y -n 0 s r = 1 m uy r vx rj j s m uy r - vx vx # 1; ur, v $ 0 rj rk r = 1 m k # 0 ; = 1; ur, v $ 0 s m uy r rj - vx j + n r = 1 m vx Not: Xj $ 0, Yrj $ 0, KVB j = 1,2,...,n ; çıktılar r = 12,,..., s ; grdler 2,,... m Kaynak: Adler vd. (2002) ve Ulucan (2002) den düzenlenmştr AHP k r 0 # 0 = 1; u, v $ f AHP, kl karşılaştırmalarla krter ağırlıklarının belrlenmesnde ve krterlere göre alternatfler arasında seçm sıralaması yapmak çn KVB puanlamaların hesaplanmasında kullanılan, Saaty (1980) tarafından gelştrlen br yöntemdr. AHP, çok farklı alanda özelkle krter ağırlıklarının belrlenmes ve ÇKKV problemlernn seçm sıralama şlemnde ağırlık grds sağlaması amacıyla yaygın olarak kullanılmaktadır (Pekkaya ve Çolak 2013; Pekkaya ve Başaran, 2011; Hamzaçeb ve Pekkaya, 2011). Tablo 2. AHP de Krterlern Değerlendrme Ölçeğ Puan Tanım Açıklama 1 Eşt derecede öneml Her k krter de amaca eşt etkde bulunur. 3 Orta derecede öneml Br krter dğerne göre braz daha fazla terch edlr. 5 Güçlü derecede öneml Br krter dğerne göre çok daha fazla terch edlr. 7 Çok güçlü derecede öneml Br krter dğerne göre çok güçlü şeklde terch edlr. 9 Son derece öneml Br krter dğerne göre mümkün olan en yüksek derecede terch edlr. 2,4,6,8 Ara değerlerdr AHP, krterlere göre önem derecelernn belrlenmesnde, duyarlılığı yüksek ve genel kabul görmüş br kl karşılaştırma ölçeğ kullanmaktadır (Tablo 2). Ayrıca, krterlern kl karşılaştırmalarını yapan cevaplayıcı çn çapraz tutarlılıkları br bütün olarak endekse çevrmekte (Tablo 3 de CR) ve tutarlı olmayan brm görüşler değerlendrmeye dahl etmemektedr. AHP de krterlern önem derecelernn hesaplaması Tablo 3 de özetlenmştr. İlk 3 adım, ağırlıkların 110

5 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp hesaplanmasını gerçekleştrrken, son k adım se kl karşılaştırmalardak çapraz tutarlıkları kontrol eder. Tutarlılığın sağlanması çn tutarlılık oranının 0,10 nun altında olması beklenr. Bu açıdan AHP, yargıların oran ölçeğnde krter ağırlıklarına çevrlmesnde güçlü br ncel yöntem olarak kabul edlr (Pekkaya ve Çolak, 2013). Tablo 3. AHP le Krter Ağırlıkların Belrlenme Aşamaları Adım İşlem Açıklama R V R V 1 a12 a1j b11 b12 b1j S g W S g W Görüş alınarak, Tablo 2 dek ölçeğe uygun S1 a12 1 g a2jw Sb21 b22 g b2jw 1 B = S h h j h W = S h h j h W olarak 19, 18,, 8, 9 şeklnde 17 farklı skora S W S W sahp B=[b j ] matrs oluşturulur. 1 a1j 1 a2j g 1 b1 b2 g bj T X T X 2 c j = b j n bj B matrs kend sütun toplam değerleryle normalze edlerek [c j ] matrs elde edlr. 3 n j w = 1 n c j C matrsn satır değerler toplamı krter sayısına (n) bölünerek her br krter çn ağırlık değerler (W sütun matrs) hesaplanmış olur. 4 n wd m = D=B*W D matrs değerlernn kend ağırlığına oranlarının ortalaması (λ) hesaplanır. İkl karşılaştırmalara at B matrs le W çarpılarak D matrs oluşturulmuştur. 5 ^m -nh ^n-1h CR = RI RI: Rassallık ndeks Kaynak: Hamzaceb ve Pekkaya (2011) dan uyarlanmıştır. B matrsndek kl karşılaştırmaların tutarlılığı (CR) hesaplanır. Tutarlılık 0,10 dan küçük olmalıdır. n : RI:,58,90 1,12 1,24 1, ÇKPM ÇKPM, ağırlıklar ve en deale uzaklıklardan zyade krter bazlı KVB puanları kullanılarak hesaplanan, seçm sıralamasında en bast ve pratk kullanıma sahp ÇKKV yöntemlerndendr. Kısaca, krter temell normalze edlen karar matrs (A) verlernn, KVB temelnde toplam KVB skorlarının hesaplanmasına dayanır. Br krtern olduğundan daha büyük etk vermemes çn, ölçü brmler veya ölçüm aralığı farklı olan krter verler çn doğrusal veya vektörel normalzasyon kullanılır. ÇKPM yöntemyle her br KVB puanlarının P j = a j w le hesaplanablr (Ayaş ve Pekkaya, 2008) ÇKPM göre KVB lernn puan hesaplamaları normalzasyonlar da dkkate alınarak Tablo 4 de gösterlmştr. 111

6 Mehmet PEKKAYA ve Mesut AKTOGAN Tablo 4. KVB lernn ÇKPM Göre Puanlarının Hesaplanması Büyük sayı terch Doğrusal Normalzasyon le n aj - mn( a) edlen se Pj = mak ( a ) mn ( a ) - $ w Vektörel Normalzasyon le P j = a n j j j = 1 a 2 j $ w n 1 aj n mak( a) - aj Pj = j edlen se Pj = mak ( a ) mn ( a ) $ w 2 - ( 1 aj) Küçük sayı terch j = 1 $ w Not: KVB (seçenek) sayısı j, krter sayısı ve karar matrs elemanları a j dır TOPSIS ve VIKOR TOPSIS yöntem, Hwang ve Yoon nun 1981 dek çalışması referans alınarak 1992 de Chen ve Hwang tarafından gelştrlmştr (Jahanshahloo vd., 2006). TOPSIS ve ÇKPM, dğer ÇKKV yöntemlerne göre daha pratk sıralama yapmakta olduğundan terch edlmektedr. En pratk br süreçlerle hesaplama yapması açısından ÇKPM, deal çözüme en yakın ve negatf deal çözüme en uzak olma prensbne dkkate alarak alternatflern seçm sıralamasını yapması yönünden TOPSIS avantajlıdır. TOPSIS yöntemnn aşamaları Tablo 5 de sıralanmıştır. VIKOR, 1998 de Oprcovc tarafından ÇKKV yöntem olarak uygulanablrlğ sunulmuştur (Oprcovc ve Tzeng, 2004). Aynı ölçeğe sahp olmayan ve brbryle çelşeblen krterlern olduğu karmaşık problemlern çözümlenmes çn gelştrlen br ÇKKV yöntem olarak fade edlr (Oprcovc ve Tzeng, 2004; Chang, 2010). Tablo 5 de Q hesaplamasından görüldüğü üzere VIKOR, grup fayda değer ve breysel en büyük pşmanlık değer arasında uygulamacının ağırlıklandırmasına bağlı olarak bleşk puan hesaplamaktadır. Her br krter temelnde KVB lernn en deal noktaya olan uzaklıkları veya pşmanlıkları dkkate alınmakta, uygulamacının steğne bağlı olarak en büyük pşmanlık değerne daha fazla önem verleblmektedr. Bu durum, deal noktaya uzak olan KVB n, en yüksek pşmanlıkla da besleyerek seçmden uzaklaştırmaktadır. TOPSIS ve VIKOR yöntemlernn her ks de, her br krter temelnde KVB seçm sıralaması çn deal referans noktaya olan uzaklıklar toplamını dkkate almaktadır. Bu k yöntemn öneml farkı normalzasyonda ve uygulamacıya göre VIKOR un pşmanlığa vereceğ önemde yatmaktadır. Normalzasyon açısından TOPSIS; vektörel normalzasyon üzernden hesaplama yaparken, VIKOR doğrusal normalzasyon üzernden seçm sıralamalarını hesaplar. Doğrusal olmayan yapılarda TOPSIS n daha gerçekç sıralama yapableceğ söyleneblr. VIKOR yöntem se yüksek pşmanlığın uygulamacı çn belrleyc olduğu durumlarda uygulamacıya esneklk sağlamaktadır. 112

7 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Tablo 5. TOPSIS ve VIKOR Yöntemlernn Süreçler TOPSIS Hücre elemanları a j olmak üzere karar matrs (A) hazırlanır. A matrs elemanları standardze edlr. r j = a j n a 2 j Ağırlıklı standardze karar matrs aşağıdak formülle oluşturulur. Buradak w, toplamları 1 veren, her br krtere at ağırlıklardır. v = w $ r j j ; Krter temell, KVBlerde en çok stenen deal (A * ) ve en stenmeyen negatf deal (A - ) çözümler belrlenr. Buradak J faydayı, J se malyet temsl etmektedr. * ' A = #_ mak vj j! J),( mn vj j! J- - ' A = #_ mn vj j! J),( mak vj j! J - Her alternatfn, deal ve deal olmayan çözüm setnden sapmalar hesaplanır. n n * * - - Dj = ( vj - v) ; Dj = ( vj -v ) 2 VIKOR Hücre elemanları f j olmak üzere karar matrs hazırlanır. Her br krter çn en y (f *) ve en kötü (f - ) değerler belrlenr. * f = mak( f ); f - j j = mn( fj) j Her br KVB ne yönelk ortalama grup fayda değer çn S ve en büyük pşmanlık değer çn R hesaplanır. n * * w( f - fj) w( f - fj) S j = * - ; R j = Mak * - ( f - f) ( f - f) Grup fayda değerne verlen ağırlığın (v) artığı breysel pşmanlığa ağırlık (1- v) olarak atanarak Q j hesaplanır. S j (R j ) nn mnmumu S * (R * ) ken S j (R j ) nn maksmumu S - (R - ) dr. * * vs ( j- S ) ( 1 -v)( Rj-R ) Q j = - * + - * ( S - S ) ( R - R ) S j, R j ve Q j değerler ayrı ayrı küçükten büyüğe doğru sıralanır. Q j göre sıralamalar temel alınır ve sıralamadak lk KVB ye A, sonrakler B, C, olarak smlendrlr. 6-7 Her KVBn deal çözüme bağıl uzaklıkları hesaplanır. C * - D ( D * - j = j j-dj) İdeal çözüme bağıl uzaklıklara göre terch sıralaması, büyük sayıdan küçük sayıya doğru yapılır. Not: KVB ler: j= 1,2,, J ve krterler: = 1,2, n. Kaynak: Pekkaya ve Başaran (2011) ve Yararlı (2010:23-42). Karar verc çn aşağıdak k şartın tatmn edlmes beklenr. 1) Kabul edleblr avantaj (C1 çn); Q(B)-Q(A) DQ; DQ=(1(J-1)) 2) Kabul edleblr stkrar (C2 çn); Sıralamanın tamamında S j, R j ve Q j aynı sırada yer alır. 3. Dzüstü Blgsayar Seçm Sıralaması Üzerne Br Uygulama 3.1. Seçenekler ve Krterler Temelnde Verler DB seçm sıralaması üzerne yapılan uygulamada, çoğu krter çn Gold (2013) ve Hızlıal (2013) web stelernden elde edlmş olan pyasa verler kullanılmıştır. Sadece marka ana krterne at alt krterlern puanlandırılmasında (parça kaltes, görüntüdzayn ve servs hzmet) ve krter ağırlıklarının hesaplanmasında kullanılmak üzere krterlern kl karşılaştırmasında çoğunluğu blgsayar mühends olan 42 uzmanın görüşü alınmıştır. Bahs geçen 42 uzmanın çoğu blgsayar mühends ken gers blgsayarblg şlem konusunda ünverstede uzman kadrosunda görev yapan veya kendn bu konuda gelştren akademsyenlerden oluşmaktadır. 113

8 Mehmet PEKKAYA ve Mesut AKTOGAN Tablo 6. DB Seçmnde Dkkate Alınan Krterler ve Puanlar Ana Krterler Alt Krterler İsm İsm Örneğn 1 İşlemc türü İ7 çn 7; İ3 çn 3, Hız: Çalışma hızını 2 İşlemc hızı 2,6 Mhz çn 2,6; 1,7 MHz çn 1,7 belrleycler 3 Sabt dsk hızı 5400 Rpm çn 5,4; 7200 Rpm çn 7,2 Marka: Marka majına at puan Kapaste: Hdd, Ram ve ekran kartı kapasteler Görüntü: Ekran özellkler ÇevDğ: Çevre donanımları ve dğer özellkler 6 Fyat: Modeln fyatı 18 Modeln fyatı 4 Parça kaltes 1-10 arası marka puanı 5 Görüntüdzayn 1-10 arası marka puanı 6 Servs hzmet 1-10 arası marka puanı 7 Sabt dsk 750 Gb çn 7,5; 500 Gb çn 5 8 Ram 8 Gb çn 8; 4 Gb çn 4 9 Ekran kartı 2 Gb çn 2; 1 Gb çn 1; tümleşk se 0 10 Çözünürlük 1366x768 çn 1,057 (=1366* ) 11 Boyutlar 15,6 ve 14 çn 1, dğerler çn Kart okuyucu 3 n 1 çn 3 vb., en yüksek (Mult reader) 8 13 Pl Pl dayanma süres 5 saat se 5 14 CDDVD Bast DVD yazıcı çn 1; en yüksek (Blueray) 8 15 Kamera Varsa 1, yoksa 0 16 Fzksel ağırlık Yön değştrlerek; 2,7 kg çn 2,3 (=5-2,7) 17 USB portu 2 adet 2.0 usb ve 1 adet 3.0 usb varsa 7 (=2*2+3) Web stelernden alınmış en ucuz 2 fyatın ortalaması Not: Marka alt boyut puanları, uzman görüşlernden elde edlrken dğer verler, Gold ve Hızlıal stelernden (www. gold.com.tr; alınmıştır. Teknk özellklerde ÇKKV çn büyük sayı terch edlrken DEA çn çıktı ve DB fyatı ÇKKV çn küçük sayı terch edlrken DEA çn grddr. DB terchnde özellkle dkkate alınan ana krterlere at yapı, uzman ön görüşü ve lteratürde kullanılan krterler dkkate alınarak belrlenmştr. Altı ana krter le 18 alt krter sm ve çerkler Tablo 6 da raporlanmıştır. Tablodak Örneğn sütunundan da görüldüğü üzere, alt krterlere at verlen puanlamalarda, mümkün olduğunca krtere at orjnal sayı skorunu koruyan değerler atanmıştır. Marka alt krterlerne at puanlamalar çn 11 farklı marka 3 alt krter temelnde ayrı ayrı 1-10 ölçeğnde uzmanların puanları kullanılmıştır. Fyat ve fzksel ağırlığa at krterlerde, uygulamacı açısından düşük skor arzulanırken dğer krterler çn yüksek skorlar DB nn terch edlmesne neden olduğu blnmektedr. DB seçm ağırlık krterne at değerler 5 gb yüksek br sayıdan çıkartılarak, krter çn yüksek skorlar arzu edleblr duruma getrlerek, DB fzksel ağırlığı krter dğer krterlerle aynı yönlü yapılmıştır. Bu anlamda DEA çn fyat krter grd ve dğer krterler se ödenen paraya bağlı olarak elde edlen fayda bağlamında çıktı krterler olarak dkkate alınmıştır. TOPSIS ve VIKOR a göre hesaplamalarda se fyat krter çn arzulanan düşük puan ken dğer krterlerde arzulanan yüksek puan temelnde analzler gerçekleştrlmştr. Örneğn ekran boyutu kşye göre farklı kşsel terchler üzernden hareket edleblr. Ancak bu krter çn, uzman görüşü alınarak da 15,6 ve 14 ekran boyutu çn 1 skoru, dğer ekran boyutlarının DB lere daha yüksek fyata neden olabldğnden dğer ekran boyutlarına uzman yargısına dayanarak 2 skoru verlmştr. Bu özel durum, kşsel yargının karıştığı örneğn CDDVD krter puanlamalarında da dkkate alınmıştır. 114

9 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Analzde kullanılmak üzere Gold ve Hızlıal stelernden, her blgsayar alternatf çn standart ver elde etmek çn araştırmada sadece DB ler KVB olarak dkkate alınmış, şletm sstem Wndows ve şlemcs ntel olan KVB ler üzernde analzler yapılmıştır. Pyasadak alternatflerden, mevcut krter verlerne ulaşılmış olan 58 adet DB veya KVB belrlenmştr. Analzlere dahl edlen bu 58 KVB Ek 1 de lstelenmştr. Bu KVB lerden, DEA sonucunda etkn olarak belrlenenlere at teknk özellkler Ek 2 de sunulmuştur Krterlern Önem Dereceler DB terchnde özellkle dkkate alınan ana 6 krter çn br tane ve lk 5 ana krtere at alt krterler çn ayrı ayrı beş tane olmak üzere toplam 6 adet kl karşılaştırma tablosu uzmanlar tarafından doldurulmuştur. Uzmanların 6 adet kl karşılaştırma tablosundan, altışar ağırlık matrs elde edlmştr. Tutarlılık oranı Saaty (1980) yaklaşımının sıkı tutulmasından ve blg kaybetmemek çn Dodd vd. (1993) ne göre rastsal yapıda olmadığı düşünülen brm görüşlere at verler tutarlı kabul edlerek AHP ağırlıkları hesaplanmıştır (Pekkaya ve Çolak, 2013). Örneğn 6 ana krtere at ağırlıklar, Dodd vd. toleranslı tutarlıklar dkkate alındığında 36 uzman görüşü üzernden belrlenmştr. Örneğe dayalı AHP varsayımlarının olmaması yanısıra Saaty ve Vargas (2006:4) ın 30 brmn ortak görüşünden oldukça başarılı br sonuç çıkarılableceğn göstermes, 36 uzman görüşünden elde edlen blglern AHP çn yeterl olduğunu göstermektedr. Tablo 7 dek AHP le belrlenmş her 6 ağırlık matrs hesaplaması; anlamlı tutarlığa sahp olduğu kabul edlen brmlern kl karşılaştırma skorlarının geometrk ortalamalarından oluşturulan tek kl karşılaştırma matrs üzernden gerçekleştrlmştr. Böylece, tablodak ağırlık matrs çn kullanılan verlerdek tutarlılıklar 0,10 nun altında olmuştur. Tablo 7. DB Seçmnde Krterlern Önem Dereceler Ana Krter ve Ağırlığı (AHP) Hız 0,27418 Marka 0,13247 Kapaste 0,14801 Görüntü 0,13662 İsm Ana Krterdek Ağırlık (AHP) Genel Ağırlığı (AHP) DEA Katsayı Ortalamaları AHP-DEA Ortalaması Puan Sıra Puan Sıra Puan Sıra Puan Sıra 1 İşlemc türü 0, , , , İşlemc hızı 0, , , , Sabt Dsk hızı 0, , , , Parça Kaltes 0, , , , Görüntüdzayn 0, , , , Servs hzmet 0, , , , Sabt dsk 0, , , , Ram 0, , , , Ekran kartı 0, , , , Çözünürlük 0, , , , Boyutlar 0, , , ,

10 Mehmet PEKKAYA ve Mesut AKTOGAN Tablo 7 devamı 5 6 ÇevDğ 0,10054 Fyat 0, Kart okuyucu 0, , , , Pl 0, , , , CDDVD 0, , , , Kamera 0, , , , Ağırlık 0, , , , USB portu 0, , , , Modeln fyatı 1, , , , Not: DEA katsayı ortalamaları, Sen2 de (Tablo 9 da açıklanmıştır) DEA le çözümde elde edlen 58 KVB krterlerne atanan katsayıların krter temell ortalamalarının, orjnal kend değşken verlernn ortalamaları le çarpımından elde edlmştr. AHP-DEA ortalaması se AHP le standartlaştırılmış DEA katsayılarının artmetk ortalamalarıdır. AHP den elde edlen ana krterlern önem dereceler dkkate alındığında, DB alımında %27,42 DB nn şlem gerçekleştrme hızı ve %20,82 DB nn fyatı etkl olmaktadır. Sonrasında %14,80 le DB nn depolama kapastes gelrken DB nn görüntü özellkler ve markası se sırasıyla %13,66 ve %13,25 dkkate alınmalıdır. Çevresel donanıma se % 10,05 önem verlmektedr. Bu durum, kullanıcıların DB alırken %48,24 DB hızına at özellkler ve fyatına bakıldığını göstermektedr. Alt krterler dkkate alındığında en öneml konuma fyat (%20,82) yerleşrken bunu DB hızı (%15,42) zlemekte ve DB hızından özellkle şlemc hızının kastedldğ görülmektedr. 18 adet alt krterden ekran çözünürlüğü (%10,28), parça kaltes (%7,55), ekran kartı kapastes (%7,54), şlemc türü (%6,55), ram kapastes (%5,79) ve sabt dsk hızı (%5,45) le dkkate alınması gereken dğer özellkler olarak sıralanmaktadır. CDDVD özellğ (%0,76), kart okuyucular (%0,81), kamera (%1,07), DB nn görüntüsüdzaynı (%1,67), sabt dsk kapastes (1,88) ve DB fzksel ağırlığı (%2,09) satın almalarda pek dkkate alınmayan krterler olarak değerlendrlmştr. AHP le belrlenen önem dereceler, uzmanların görüşler doğrultusunda olması gereken ağırlıklar olarak düşünüleblr. Ancak frmalar, müşterlern stek taleplerne göre pyasaya ürün sürmekte ve fyatlarını belrlemekte olduğu kabul edleblr. Bu durumda, DB ye verlen bedel grds karşılığından DB özellklern alınan çıktılar olarak değerlendren DEA, pyasa verlernden hang krterlere daha çok önem verldğ blgsn vereblr. DEA etknlk skorları hesaplama aşamasında, her KVB çn ayrı yapılan doğrusal programlama çözüm sürecnde brm bazında krterlere yapılan atamalar gerçekleştrmektedr. DEA optmzasyon sürecnde, dğer seçeneklere göre KVB ye at krter puanlarından ayırt edc skora sahp olanlara katsayı ataması yaptığından hareketle, atanan katsayıların etknlkte öneml krter olduğu düşünülmüştür. Bu anlamda, krter temelnde KVB ler çn Sen2 de krterlere atanan katsayıların, krtern önem derecesnde belrleyc krter olduğu kabul edleblr. Sen2 de krterlere atanan katsayıların ortalamaları ölçü brmnden arındırma amaçlı olarak krterlern ortalama pyasa ham verleryle çarpılarak Tablo 7 dek DEA Katsayı Ortalamaları elde edlmştr. Bu değerlern, pyasa kullanıcıları tarafından dkkate alınan ağırlıklar hakkında blg verdğ düşünüleblr. Elde edlen bu katsayılar, AHP ağırlıklarıyla karşılaştırıldığında çalışmaya orjnallk kattığı düşünüleblr. DEA katsayı ortalamalarına göre, pyasa kullanıcıları ve bu bağlamda frmalar, en çok DB fyatını dkkate alırken, sonrasında sırasıyla şlemc türü, sabt dsk kapastes, parça kaltes ve ekran kartı kapastes gb özellklere önem verdğ söyleneblr. AHP le elde edlen önem dereceler le DEA katsayı ortalamalarının bazı açılardan çelştğ Tablo 8 dek 0,05 de statstksel olarak anlamlı olmayan ve zayıf düzeydek 116

11 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp ,316 Spearman korelasyon değeryle de desteklenmektedr. Bu durumda, uzmanların daha çok blgsayarın ş hayatı çn brm fyat-teknk özellkler temelnde karşılaştırma yaparken, pyasa kullanıcılarının daha çok breysel olarak görüntüdzayn, sabt dsk kapastes, kart okuyucu, CD DVD gb özelkler daha çok önem verdğ söyleneblr. Pearson Korelasyonlar DEA Katsayı Ortalamaları AHP-DEA Ortalaması AHP Ağırlığı Tablo 8. Ağırlıklar Arasındak Korelasyonlar DEA Katsayı Ortalamaları Spearman Sıra Korelasyonlar DEA Katsayı,712 * Ortalamaları AHP-DEA,840 *,979 * Ortalaması AHP Ağırlığı,316 DEA Katsayı Ortalamaları,856 *,709 * Not: Korelasyonlar, krterlern ağırlıkkatsayı serlernden hesaplanmış olup, statstksel olarak 0,01 de anlamlı olanlar yıldızlanmıştır. Kolmogorov-Smrnov testne göre sadece AHP sers %5 de normal dağıldığı kabul edlrken, dğer serler normal dağılmadığından Spearman sıra korelasyon katsayılarının dkkate alınması uygun olacaktır. Bu çalışmada öner olarak, DEA katsayı ortalamaları dkkate alınarak AHP den elde edlen önem dereceleryle yenlenerek AHP-DEA Ortalaması le yen br ağırlıklandırma değerler elde edlmştr. Bu değerler, normalze edlmş DEA katsayı ortalamaları [yen(w)= wtoplam(w)] le AHP ağırlıklarının artmetk ortalaması alınmak suretyle elde edlmştr. AHP-DEA ortalaması sersndek ağırlıklar, AHP ağırlıkları ve DEA katsayı ortalamaları le anlamlı ve yüksek korelasyona sahp olduğu Tablo 8 de gözlenmştr. Bu yüksek korelasyonlar, AHP-DEA ortalama sersnn, krter ağırlık sern temsl edebleceğn göstermektedr. Böylece, Tablo 9-10 da gözlenen DB seçm sıralamasında Sen4 de TOPSIS yöntemyle sıralamada ve Sen7 de VIKOR yöntemyle sıralamada AHP-DEA ortalama sers, krterlern ağırlıkları olarak kullanılmıştır Senaryolara Göre Dzüstü Blgsayar Seçm Sıralamaları DB lern seçm sıralamasında DEA, TOPSIS, VIKOR olmak üzere 3 farklı yöntem ve 7 farklı senaryo kullanılmıştır (Tablo 9). Sen1 ve Sen2 CCR model üzernden DEA; Sen3 ve Sen4 de TOPSIS; Sen5, Sen6 ve Sen7 de se VIKOR üzernden sıralama yapılmıştır. Sen3, Sen5 ve Sen6 da AHP den elde edlen ağırlıklar kullanılmışken, Sen4 ve Sen7 de AHP-DEA ortalama ağırlıkları üzernden seçm sıralamaları yapılmıştır. Tablo 9 da belrtlen senaryolara göre elde edlen DB seçm sıralamaları Tablo 10 da raporlanmıştır. Ser skorları arasındak uyum uyumsuzluk açısından, KVB sayısı 30 un üzernde olduğu çn serler arasındak lşk düzey çn Pearson korelasyon katsayıları hesaplanmış ve Tablo 11 de sunulmuştur. DEA le yapılan sıralamalarda, Sen1 de 6 ana krter kullanıldığında görel etkn KVB sayısı 11 ken Sen2 de 18 alt krtere göre görel etkn KVB sayısı 24 olarak hesaplanmıştır. Sen1, sıralamalarda ayrışmayı daha y sağladığı görülürken, krterler üzernde daha ayrıntılı blgy Sen2 vermektedr. Sen1 ve Sen2 sonuçlarına göre lk 11 KVB nn görel etkn olduğu belrlenmş, bu sonucu Sen3, Sen4 ve Sen7 de oldukça desteklemektedr. Görel etkn KVB lere at teknk özellkler Ek 2 dedr. 117

12 Mehmet PEKKAYA ve Mesut AKTOGAN Tablo 9. DB Seçm Sıralamaları çn Senaryolar Senaryo Sen1 Sen2 Sen3 Sen4 Sen5 Sen6 Sen7 Yöntem ve Açıklamalar Altı ana krterlere at normalze edlmş puanlar dkkate alınarak 58 KVB seçm sıralaması puanları, CCR model üzernden DEA uygulanarak elde edlmştr. DEA, seçeneğe göre çok sayıda değşken olması durumunda, seçm sıralamasında çok sayıda etkn KVB verdğ blnmekte ve Tablo 10 dak Sen2 den de görülmektedr. Sen2 dek gb toplam 18 krter yerne 6 ana krtere ndren Sen1 de yapılarak bu problem aşılmaya çalışılmıştır. Ana krterlere at puanlar, AHP le belrlenmş alt krter ağırlıkları, vektörel normalze edlmş karar matrs kullanılarak ÇKPM le hesaplanmıştır. Ver yapısını oldukça koruyan ve en pratk ÇKKV yöntem olması açısından, ana krtere puan hesaplamaları çn Sen1 de ÇKPM kullanılmıştır. Toplam 58 KVB ve 18 krtere at ham verler kullanılarak CCR model üzernden DEA uygulanmıştır. Ham verler üzernden DEA uygulanması ve 18 krtere at katsayıların elde edlmes açısından Sen1 e göre Sen2 daha avantajlı olmakta; Sen2 nn 24 KVB etkn olarak belrlenmesne neden olmakta ve seçm sıralamasında ayrışmayı zayıflatmaktadır. KVB lern etknlk ayrışmasında Sen1 daha başarılı sonuçlar sunmuştur. Toplam 58 KVB, AHP le belrlenen 18 krtere at önem dereceler le TOPSIS yöntem kullanılarak seçenekler arasında seçm sıralamaları yapılmıştır. Sen3 den farklı olarak, AHP den elde edlen ağırlıklar yerne AHP-DEA ortalama sers kullanılarak TOPSIS le seçm sıralaması yapılmıştır. Toplam 58 KVB, AHP le belrlenen 18 krtere at önem dereceler le VIKOR yöntem (v=0,5) kullanılarak seçenekler arasında seçm sıralaması yapılmıştır. Buradak v=0,5 le grup faydası ve olumsuzluktan kaçınmayı temsl eden pşmanlığa eşt ağırlık verlmştr. Toplam 58 KVB, AHP le belrlenen 18 krtere at önem dereceler le VIKOR yöntem (v=0,2) kullanılarak seçenekler arasında seçm sıralaması yapılmıştır. Buradak v=0,2 le grup faydasına %20 ve pşmanlığa %80 önem verlmştr. Sen5 den farklı olarak, AHP den elde edlen ağırlıklar yerne AHP-DEA ortalama sers kullanılarak VIKOR le sıralama yapılmıştır. Korelasyonlar ncelendğnde, AHP ağırlıkları kullanılan VIKOR le gerçekleştrlen Sen5 ve Sen6 seçm sıralamaları dğer sıralamalara göre farklı yapıda olduğu görülmektedr. Bu açıdan, Sen5 ve Sen 6 yı dğerlernden ayırmak gerekr. Söz konusu ayrışan sonuçlar, VIKOR yöntemnn pşmanlığa daha çok önem vermesnden ve ağırlıklara yüksek duyarlılığa sahp olmasından kaynaklandığı söyleneblr. Ayrıca Sen5 n kabul edleblr stkrar şartını (C2) da sağlamaması, Sen5 n sonuçlarına temknl yaklaşılması gerektğn ortaya koymaktadır. Ayrıca, br DB nn br boyuttak skoru krter deal puanına ağırlıklandırılmış en büyük uzaklığa sahp pşmanlık skoru, hem grup faydasında hem de breysel pşmanlıkta k kere cezalandırılarak KVB nn seçm sıralamasında altlara düşmesne neden olduğu dkkate alınmalıdır. 118

13 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Tablo 10. DB lern Senaryolara Göre Seçm Sıralamaları Kod Sen1 Sen2 Sen3 Sen4 Sen5 Sen6 Sen7 Puan Sıra Puan Sıra Puan Sıra Puan Sıra Puan Sıra Puan Sıra Puan Sıra 1 Exp_2 1, , , , , , , Del_7 1, , , , , , , Del_1 1, , , , , , , Exp_3 1, , , , , , , Hp_1 1, , , , , , , Hp_6 1, , , , , , , Len_1 1, , , , , , , As_4 1, , , , , , , Exp_1 1, , , , , , , Del_3 1, , , , , , , Sny_6 1, , , , , , , Sms_2 0, , , , , , , Del_4 0, , , , , , , As_7 0, , , , , , , Sms_4 0, , , , , , , Acr_3 0, , , , , , , Hp_3 0, , , , , , , Tsh_1 0, , , , , , , Tsh_2 0, , , , , , , Sms_3 0, , , , , , , Tsh_5 0, , , , , , , Acr_2 0, , , , , , , Del_5 0, , , , , , , Csp_2 0, , , , , , , As_6 0, , , , , , , Hp_5 0, , , , , , , Csp_3 0, , , , , , , Del_2 0, , , , , , , Hp_2 0, , , , , , , Hp_7 0, , , , , , , Csp_5 0, , , , , , , Sms_5 0, , , , , , , As_2 0, , , , , , , Csp_1 0, , , , , , ,

14 Mehmet PEKKAYA ve Mesut AKTOGAN Tablo 10 devamı 35 As_3 0, , , , , , , Csp_4 0, , , , , , , Del_6 0, , , , , , , As_5 0, , , , , , , Sny_2 0, , , , , , , Sny_3 0, , , , , , , Del_8 0, , , , , , , As_8 0, , , , , , , Acr_1 0, , , , , , , As_10 0, , , , , , , Tsh_3 0, , , , , , , Sny_5 0, , , , , , , Sny_7 0, , , , , , , Sms_6 0, , , , , , , Sny_4 0, , , , , , , As_9 0, , , , , , , Tsh_4 0, , , , , , , Sms_1 0, , , , , , , Sny_1 0, , , , , , , Hp_4 0, , , , , , , Sms_7 0, , , , , , , As_1 0, , , , , , , As_11 0, , , , , , , Fj_1 0, , , , , , , Not: VIKOR senaryolarında, kabul edleblr avantaj (C1) Sen5, Sen6 ve Sen7 çn sağlanmış, kabul edleblr stkrar (C2) Sen6 ve Sen7 çn sağlanmıştır. Tablo 11. Senaryolara Göre Pearson Korelasyonları Sen1 Sen2 Sen3 Sen4 Sen5 Sen6 Sen2,907 * Sen3,769 *,785 * Sen4,684 *,684 *,897 * Sen5 -,043 -,003,026 -,316 * Sen6,110,191,385 *,142,813 * Sen7,754 *,783 *,917 *,836 *,201,491 * Not: Senaryolardan elde edlmş puanlar (yönlern uyarlamak çn, VIKOR senaryolarındak puanlar 1 den çıkartılarak korelasyon analzlernde kullanılmıştır) statstksel olarak 0,05 de anlamlı olanlar yıldızlanmıştır. 120

15 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Sen3, AHP le belrlenen krter ağırlıkları kullanılarak TOPSIS üzernden hesaplanan seçm sıralamasını vermektedr. Pratk ve lteratürde benzer seçmler çn genel kabul görmüş br yöntem olması açısından terch edleblr br yöntemdr. Ancak, TOPSIS n ağırlık çeştlenmesne duyarlılığı yüksek olması (Olson, 2004:722) ve AHP yargı yoğun olması bu senaryonun zayıf yönlerdr. VIKOR un karmaşık yapıdak ve brbryle çelşen krterlerde çözüm sunması açısından TOPSIS den kaynaklanan bu sorunu aşacağı düşünüleblr (Oprcovc ve Tzeng, 2004). Ancak Sen5 ve Sen6 sonuçları, VIKOR tarafından dkkate alınan yoğun pşmanlığın sıralama sonuçlarını çok değştrdğ gözlenmştr. Bu durumda, AHP den elde edlen ağırlıkların DEA katsayılarıyla brleştrlerek oluşturulan AHP-DEA ortalama sersnn ağırlık olarak kullanıldığı Sen4 ve Sen7 nn önem seçm sıralamasında artmaktadır. Fakat Tablo 11 dek korelasyon tablosuna göre, Sen3 ün Sen4 e göre seçm sıralamasını daha y temsl ettğ dğer senaryolarla arasındak lşkden görüleblr. Korelasyon tablosu sonuçları, Sen3 ve Sen7 seçm sıralama sonuçlarının Sen5 ve Sen6 harcndek dğer serlerle oldukça yüksek lşk çnde olduğunu doğrulamaktadır. 4. Sonuç Günümüzde, kşsel veya kurumsal olarak tcar hayat, blm ve teknolojdek gelşmelere de bağlı olarak, blgsayar taleb her geçen gün arttırmaktadır. Breyn veya kurumun htyacı doğrultusunda fyatdonanım anlamında ve kaynakların verml kullanılması açısından en uygun blgsayar seçm önemldr. Çalışmanın amacı, DB seçmnde dkkate alınan krtelern önem derecelernn belrlenmes, AHP-DEA bleşm br yaklaşım da çeren farklı yöntem önerlmes ve senaryolarla karşılaştırmalı seçm sıralamalarının değerlendrlmes olarak özetleneblr. DB seçm sıralaması çn DEA ve ÇKKV yöntemlernden TOPSIS ve VIKOR kullanılmıştır. Lteratürde, bu çeşt blgsyar seçmde genelde daha az sayıda KVB ve krterler dkkate alınarak analzler yapılmıştır. Çalışmamız, (1) DB seçmnde dkkate alınan krterlern önem derecelernn belrlenmes; (2) ÇKKV ve DEA dan elde edlen ağırlıkkatsayılar üzernden yen br ağırlıklandırma önerlmes; (3) lteratüre göre daha çok sayıda KVB n ve daha çok sayıda krter dkkate alarak seçm sıralaması yapması; (4) 7 farklı senaryoda 3 farklı yöntem üzernden seçm sıralama yapılması ve karşılaştırılmalı değerlendrlmes açısından lteratüre katkı yapacağı düşünülmektedr. Bu çalışmada, DB alımında dkkate alınan başlıca krterlern önem derecelernn belrlenmesnde AHP yöntem uygulanarak ve ayrıca AHP-DEA bleşm br süreç önerlerek DB seçm krterler çn ağırlıkların belrlenebleceğ gösterlmştr. AHP-DEA bleşm süreçle ağırlıkların belrlenmes, uzman görüşü ve pyasanın terch eğlmn çeren br ağırlıklandırma olarak değerlendrlmştr. Ağırlıklandırma sonuçları, DB seçmnde başta DB fyat ve DB şlem hızına at krterlern ön planda tutulması gerektğn göstermştr. Ekran çözünürlüğü, parça kaltes ve DB kapaste özellklernn de oldukça dkkate alınması gerektğ oran ölçeğnde yüzdesel olarak elde edlmştr. KVB ne göre değşkenkrter sayısının yüksek olması, DEA de etkn KVB sayısını artırmakta ve sıralama açısından KVB arasındak ayrışmayı azaltmaktadır. DEA ya göre gerçekleştrlen seçm sıralamasında KVB de ayrışma, daha az krterle (Sen1) daha y yapılmıştır. Ancak daha çok krterle yapılan Sen2, KVB etknlğnn değerlendrlmesnde değşkenkrter temell olarak uygulamacıya daha fazla blg vermektedr. VIKOR yöntemnn pşmanlığa daha fazla önem vermes ve ağırlıklara yüksek duyarlılığa sahp olması, AHP ağırlıkları kullanılarak VIKOR le gerçekleştrlen seçm sıralamaları dğer sıralamalara göre farklı yapıda olduğu göstermştr. Ayrıca bu çalışma, VIKOR gb tatmn edlmes 121

16 Mehmet PEKKAYA ve Mesut AKTOGAN gereken şartların olduğu br yönteme, çok sayıda KVB nn olduğu seçm sıralama çn problem oluşturduğundan daha temknl yaklaşılması gerektğn göstermştr. AHP-DEA brleşmden elde edlen ağırlık katsayılarıyla üstesnden gelnerek dğer VIKOR senaryolarına göre daha geçerl seçm sıralaması Sen7 de elde edlmştr. Ancak AHP den elde edlen ağırlıklarla uygulanan TOPSIS sürecnn, AHP-DEA brleşmden elde edlen katsayılar kullanılarak uygulanan TOPSIS sürecnden daha terch edleblr olduğu gözlenmemştr. Araştırma bulguları ışığında, Sen1, Sen3, Sen 4 ve Sen7 nn KVB seçm sıralamasının daha anlamlı sonuçlar verdğ, seçm yapmadan önce özellkle Sen3 (ağırlıklandırma AHP, seçm sıralama TOPSIS) veveya sen7 ye (ağırlıklandırma AHP-DEA bleşm, seçm sıralama VIKOR) göre sıralamaya bakılması gerektğne karar verleblr. Kaynakça Adler, N., L.Fredman ve Z.Snuany-Stern (2002). Revew of Rankng Methods n the Data Envelopment Analyss Context, European Journal of Operatonal Research, 140, Ayaş, N. ve M. Pekkaya (2008). Türk Sgorta Sektörünün Avrupa Brlğ Ülkelerne Göre Çok Krterl Puanlama Model le Karşılaştırılması, Türkye-Avrupa Brlğ Sektörel Rekabet Analzler, Ed.: S. Bekmez, Ankara:Nobel Yay., Bortck, A.F. ve J.H. Schener (1998). Selecton of Small Busness Computer Systems: Structurng a Mult- Crtera Approach, Journal of Informaton Systems, Fall 1988, Chang, C.-L. (2010). A Modfed VIKOR Method for Multple Crtera Analyss, Envron Mont Assess, 168, Dodd, F. J., H.A. Donegan, ve T.B.M. McMaster (1993). A Statstcal Approach to Consstency n AHP, Mathl. Comput. Modellng, 18(6), Düzakın, E. ve S. Demrtaş (2005). En Uygun Performansa Sahp Kşsel Blgsayarların Oluşturulmasında Ver Zarflama Analznn Kullanımı, Ç.Ü. Sos.Bl. Ensttüsü Dergs, 14(2), Erpolat, S. ve N. Cnemre (2011), Notebook Seçmnde Hbrt br Yaklaşım: Analtk Hyerarş Yöntemne Dayalı Ver Zarflama Analz, İ.Ü. İşletme Fakültes Dergs, 40(2), Ertuğrul, İ. ve N. Karakaşoğlu (2010). Electre ve Bulanık AHP Yöntemler le Br İşletme İçn Blgsayar Seçm, Dokuz Eylül Ünv. İktsad ve İdar Blmler Fakültes Dergs,25(2), Hamzaçeb, C. ve M. Pekkaya (2011). Determnng of Stock Investments wth Grey Relatonal Analyss, Expert Systems wth Applcatons, 38(8), August 2011, Jahanshahloo, G.R., F.H. Lotf ve M. Izadkhah (2006). An Algorthmc Method to Extend TOPSIS for Decson- Makng Problems wth Interval Data, Appled Mathematcs and Computaton, 175(2), Olson, D.L. (2004); Comparson of Weghts n TOPSIS Models, Mathematcal and Computer Modellng, 40, Oprcovc, S. ve G.-H. Tzeng (2004); Compromse Soluton by MCDM Methods: A Comparatve Analyss of VIKOR and TOPSIS, European Journal of Operatonal Research, 156, Pekkaya, M. ve N. Çolak (2013). Ünverste Öğrenclernn Meslek Seçmn Etkleyen Faktörlern Önem Derecelernn AHP le Belrlenmes, The Journal of Academc Socal Scence Studes, 6(2), February 2013, Pekkaya, M. ve S. Başaran (2011). Konaklama İşletmeler Hzmet Kaltes Boyutları Önem Derecelernn AHP le Belrlenmes ve İşletmelern Hzmet Kaltesne Göre TOPSIS le Sıralanması, Mal Ufuklar, 5(15),

17 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Ramanathan, R. (2006), Data Envelopment Analyss for Weght Dervaton and Aggregaton n the Analytc Herarchy Process, Computers & Operatons Research, 33, Saaty, T.L. (1980). The Analytc Herarchy Process, New York: McGraw-Hll. Saaty, T.L. ve L.G. Vargas (2006). Decson Makng wth Analytc Network Process. New York: Sprnger. Ulucan, A. (2002). İSO500 Şrketlernn Etknlklernn Ölçülmesnde Ver Zarflama Analz Yaklaşımı: Farklı Grd Çıktı Bleşenler ve Ölçeğe Göre Getr Yaklaşımları İle Değerlendrmeler, A.Ü. Syasal Blgler Fakültes Dergs, 57(2), Yararlı, K. (2010). Karar Verme Yöntemler, Ankara:Detay Yayıncılık. Zvran, M. (1993). A Comprehensve Methodology for Computer-Famly Selecton, Journal of Systems and Software, 22(1), Gold, tarh tbaryle Hızlıal, tarh tbaryle. 123

18 Mehmet PEKKAYA ve Mesut AKTOGAN Ek 1. Analzlere Dahl Edlen DB ler No Kod Model No Kod Model 1 Acr_1 Acer V5-471PG-53338G50MASS 30 Exp_3 Exper Karzma A5V-C53 2 Acr_2 Acer E1-571G-53234G50MNKS 31 Hp_1 Hp C6G55EA G6-2212ST 3 Acr_3 Acer V3-571G-53216G75MAII 32 Hp_2 Hp D4M67EA DV6-7200ET 4 As_1 Asus G46VW-CZ093H 33 Hp_3 Hp G6-2203ST 5 As_2 Asus K56CB-XO029H 34 Hp_4 Hp C1X36EA 14nc 6 As_3 Asus K55VD-SX023H Hp_5 Hp C6D34EA U 14nc 7 As_4 Asus S550CM-CJ026H 36 Hp_6 Hp G6-2212ET C6G54EA 8 As_5 Asus K56CA-XX008H 37 Hp_7 Hp DV6-7200ET C0V57EA QM 9 As_6 Asus N56VZ-S4283H QM 38 Len_1 Lenovo Z As_7 Asus K55VJ-SX235H 39 Sms_1 Samsung NP530U4C-S03TR C5 11 As_8 Asus K55VD-SX640H 40 Sms_2 Samsung NP300E5C-U07TR 12 As_9 Asus N56VZ-S4250H 41 Sms_3 Samsung NP350V5C-S0JTR 13 As_10 Asus X301A-RX150H 13.3nc 42 Sms_4 Samsung NP350E7C-S01TR 14 As_11 Asus G75VX-CV056H 17.3nc 43 Sms_5 Samsung NP350V5C-S0ETR 15 Csp_1 Casper Nrvana Cn.mg Sms_6 Samsung NP550P5C-S05TR 16 Csp_2 Casper Nrvana CN.GLI3210A 45 Sms_7 Samsung NP700G7C-S02TR 17 Csp_3 Casper Nrvana CN.GLI3120B 46 Sny_1 Sony Vao VPCEH2KFXB 18 Csp_4 Casper Nrvana CN.GLI3120A 47 Sny_2 Sony Vao SVE1512P1EB Csp_5 Casper Nrvana CN.GLI3632A 48 Sny_3 Sony Vao SVE1512H6EW Del_1 Dell 3521 N22W45C 49 Sny_4 Sony Vao SVE1712W1EB 21 Del_2 Dell 3521 G53W81C 50 Sny_5 Sony Vao SVE1512S1EW 22 Del_3 Dell 3521 B00W23C 51 Sny_6 Sony Vao SVE1112M1EB Syah 23 Del_4 Dell 5521 R33W81C Kırmızı 52 Sny_7 Sony Vao SVE1512H1EW Del_5 Dell Inspron 3521 B21W45C 53 Tsh_1 Toshba L850-1R5 25 Del_6 Dell Inspron 7520 S61W81C 54 Tsh_2 Toshba L850-1R6 26 Del_7 Dell 3521 X21W45C 55 Tsh_3 Toshba P855-34D 27 Del_8 Dell Inspron 7520 S61P81 56 Tsh_4 Toshba L750-1MP Kırmızı 28 Exp_1 Exper Ultranote A4B-C06 57 Tsh_5 Toshba C Exp_2 Exper Ultranote Q5V-C15 58 Fj_1 Fujıtsu Lfebook U7720MF021TR 5 Not: Fyat (TL) ve özellkler, Mayıs 2013 de Gold ve Hızlıal stelernden alınmıştır. 124

19 Ekonomk ve Sosyal Araştırmalar Dergs, Clt 10, Yıl 10, Sayı 1, 2014, ss The Internatonal Journal of Economc and Socal Research, Vol. 10, Year 10, No. 1, 2014, pp Ek 2. Sen1 ye Göre Görel Etkn olan 11 KVB Krter İşT İş.H DH Sa.D Ram EkrK Çöz. Boy KO Pl DVD Kam Agır USB Fyat As_4 5 1,7 5,4 7, , , Del_1 3 1,9 5, , , Del_3 1 1,1 5,4 3, , , Del_7 3 1,8 5, , , Exp_1 1 1,8 5,4 3, , , Exp_2 5 2,6 5,4 7, , , Exp_3 3 1,8 5,4 3, , , Hp_1 5 2,5 5, , , Hp_6 5 2,5 5, , , Len_1 5 2,5 5, , , Sny_6 5 1,7 5, , , Not: Etkn KVBlern, marka alt krterler harcndek ham puanlardır. 125

20