Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 29, 244-260, 2011 Research Artcle / Araştırma Makales PERFORMANCE EVALUATION USING AHP - VIKOR AND AHP - TOPSIS APPROACHES: THE CASE OF SERVICE SECTOR Hasan DİNÇER 1, Al GÖRENER 2* 1 Beykent Ünverstes, Bankacılık ve Sgortacılık Programı, Beylkdüzü-İSTANBUL 2 Beykent Ünverstes, Lostk Yönetm Programı, Beylkdüzü-İSTANBUL Receved/Gelş: 06.09.2010 Revsed/Düzeltme: 01.02.2011 Accepted/Kabul: 17.02.2011 ABSTRACT In ncreasng compettve condtons, performance measurement and evaluaton of enterprses ganed bg mportance. In ths study, weghts of performance crtera of the publc, prvately and foregn-owned bank groups n Turkey were calculated wth the help of analytcal herarchy process (AHP); and then, performance evaluaton va VIKOR (Vse Krterumska Optmzaca I Kompromsno Resene) and TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton) methods has been done. Keywords: AHP, VIKOR, TOPSIS, performance evaluaton. MSC numbers/numaraları: 90B50. PERFORMANS DEĞERLENDİRMESİNDE AHP - VIKOR VE AHP - TOPSIS YAKLAŞIMLARI: HİZMET SEKTÖRÜNDE BİR UYGULAMA ÖZET Rekabetn gttkçe arttığı günümüz koşullarında, şletmelern performanslarını ölçmeler ve değerlendrmeler büyük önem kazanmıştır. Bu çalışmada; Türkye dek kamu, özel ve yabancı sermayel banka gruplarının performans ölçümüne lşkn değerlendrme krterlernn ağırlıkları, analtk hyerarş sürec (AHP) yardımıyla hesaplanmış, sonrasında VIKOR (Çok krterl optmzasyon ve uzlaşık çözüm) ve TOPSIS (İdeal çözüme dayalı sıralama teknğ) yöntemler kullanılarak lgl brmlern performans değerlendrmeler yapılmıştır. Anahtar Sözcükler: AHP, VIKOR, TOPSIS, performans değerlendrme. 1. GİRİŞ Küreselleşme le brlkte, ürün ve hzmetlern pyasa sunuş bçmlernde öneml farklılıkların ortaya çıktığı gözlenmektedr. Özellkle 1990 lı yılların başından tbaren; letşm teknololerndek gelşmeler sayesnde; rekabetn gerekllğ olan hız, esneklk ve sürekl yleştrme gb kavramlar daha fazla öneme sahp hale gelmştr. Bu noktada frmaların kend durumlarını, sayısal verlere dayalı olarak zlemelernn, br başka deyşle performanslarını peryodk olarak ölçmelernn gerekllğ daha fazla ortaya çıkmıştır. Ürün / hzmet kaltes, fnansal parametreler, ş gücü, ener kullanımı, yen ürün / hzmet gelştrme, ekpman vermllğ gb sektöre göre değşen performans krterlernn zlenmes ve ortaya çıkan sonuçlar ışığında yleştrmeler yapılması günümüzün rekabet şartlarında kaçınılmaz hale gelmştr. * Correspondng Author/Sorumlu Yazar: e-mal/e-let: algorener@beykent.edu.tr, tel: (212) 444 19 97 244
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 Hzmet sektöründe performans değerlendrlmesne yönelk farklı yaklaşımlar mevcut olmakla brlkte, son dönemde karma yaklaşımların ön plana çıktığı görülmektedr [1, 2, 16, 34, 46, 49]. Ölçme modelnn oluşturulması ve uygulanması safhalarında, ölçüm krterlernn analz uygun metotlarla gerçekleştrlrse elde edlen sonuçlar, daha gerçekç olmaktadır. Bu çalışma kapsamında; kamu, özel ve yabancı sermayel mevduat bankaları, AHP-VIKOR ve AHP-TOPSIS tabanlı performans değerlendrme model kullanılarak ncelenmştr. Üç banka grubu brbr le karşılaştırılmıştır. Performans ölçüm krterlerne lşkn sayısal verler net olarak ednlebldğnden ve krterler kend çnde bağlantılı alt krterlere sahp ana krter kümeler olarak hyerarşk br yapıda fade edlebldğnden, krterlern ağırlıklandırılmasında AHP yöntem kullanılmıştır. VIKOR teknğnn kullanılma neden se; kolay anlaşılır ve uygulanablr olması, gerçekç çözümler vermes [1, 2] ve performans değerlendrlmes alanında bu teknğn kullanıldığı sınırlı sayıda çalışma yapılmış olmasıdır. Özellkle bankacılık alanında performans değerlendrlmes konusunda AHP ve VIKOR teknklernn brlkte kullanıldığı tek br çalışmaya [3] rastlanılmıştır. Bunun yanı sıra, VIKOR metodunun sonuçları, daha sık kullanılmış br yöntem olan TOPSIS metodu le karşılaştırılmıştır. TOPSIS yöntemnde vektör normalzasyonu kullanılarak, k referans nokta arasında şlemler gerçekleştrlmekte, bu noktalara olan uzaklıklarının görecel önemler dkkate alınmamaktadır. VIKOR yöntemnde se dğer çözüm alternatflernden belrgn derecede uzaklaştığı kanıtlanan, en y çözüme veya deal çözüme yakın uzlaşık çözüm kümesne ulaşmak amacıyla doğrusal normalzasyon kullanılmaktadır [1]. Performans ölçüm model kapsamında, ana krterler; sermaye yeterllğ, blanço yapısı, lkdte, karlılık, gelr ve gder yapısı, sektör payları, grup payları le şube odaklı verler şeklnde sıralanmıştır. Toplamda otuz br krter dkkate alınarak performans ölçüm şlem gerçekleştrlmştr. Performans ölçümünde kullanılan verler, Türkye Bankalar Brlğ nn lgl ver tabanlarından elde edlmştr. Çalışmamız kapsamında öncelkle, bankacılıkta performans ölçümüne lşkn lteratür ncelenmş, bu blgler ışığında çalışma grubu tarafından oluşturulan ana ve alt krterlern ağırlıkları, AHP yardımıyla tespt edlmştr. Krterler çerçevesnde tespt edlen verler VIKOR ve TOPSIS yöntemleryle le analz edlerek performans sıralaması yapılmıştır. 2. LİTERATÜR TARAMASI Bankacılık alanında performans değerlendrme konusunda, çeştl yöntemlern kullanıldığı çalışmalar mevcuttur. Hunak ve Jakovčevć [4], AHP yöntemn kullanarak banka performansının, fnansal temele göre değerlendrlmesne lşkn çalışma gerçekleştrmşlerdr. Kaya [5], çalışmasında 1997 ve 2000 yıllarını baz alarak, Türkye çn oluşturulan CAMELS değerlendrme sstem üzernden yapılan çeştl analzlere yer vermştr. Türkye de faalyet gösteren bankaları gruplayarak performans analz gerçekleştrmştr. Hussan ve dg. [6], fnansal olmayan krterlern de performansa etk ettğ br değerlendrme br model gelştrmşlerdr. Mercan ve dg. [7], performans değerlendrme çn ver zarflama analz destekl br model gelştrmşlerdr. Albayrak ve Erkut[8]yapmış oldukları çalışmada AHP yöntemn kullanarak, fnansal ve fnansal olmayan verlerle banka performansını analz etmşlerdr. Ünsal ve Duman [9] se, temel bleşenler yaklaşımını kullanarak Türkye dek bankaların performanslarını ölçmüşlerdr. Tate ve Gou [10] yapmış oldukları çalışmada, banka şubelernde çsel performans ölçümüne dayalı br matematksel model gelştrmşlerdr. Aysan ve Ceyhan [11], regresyon analz bazlı br modelle türk bankacılık sektörünü analz etmşlerdr. Rav ve dg. [12] se çalışmalarında; regresyon, vektör destek maknes ve yapay snr ağları destekl modellerle banka performansının tahmnne yönelk metotlar gelştrmşlerdr. Bayrakdaroğlu ve Ege [13] çalışmalarında AHP destekl br model kurarak, fnansal performans ölçümü gerçekleştrmşlerdr. Ertuğrul ve Karakaşoğlu [14], yapmış oldukları çalışmada, banka şubelernn performansını ölçmek amacıyla VIKOR yöntemn kullanmışlardır. Ho ve Wu [15], nternet bankacılığı performansının değerlendrleblmes çn, ver zarflama 245
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 analz teknğn kullanmışlardır. Seçme ve dg. [16], Türk bankacılık sektöründek beş bankanın performansını değerlendrdkler çalışmalarında AHP ve TOPSIS yöntemlern kullanmışlardır. 3. ANALİTİK HİYERARŞİ SÜRECİ (AHP) Analtk Hyerarş Sürec (AHP); 1977 ve 1980 yıllarında Saaty tarafından gelştrlerek, çok krterl karar verme problemlernn çözümünde kullanılmaya başlanmış olan br karar verme mekanzmasıdır [17, 18]. AHP, karmaşık çok krterl problemlernn; ana hedef, krterler, alt krterler ve alternatfler arasındak lşky gösteren, hyerarşk br yapıda modelleneblmesne olanak veren br süreçtr. Bu yöntem le, çok krterl br seçm problemnde krterlern amaca katkısının belrleneblmes çn krter ağırlıkları hesaplanablr ve bu değerlerden hareketle en uygun karar alternatf seçleblr. Bu yöntemde, Saaty nn [19] gelştrmş olduğu 1-9 puanlı terch ölçeğ kullanılarak, kararı etkleyen krterler ve bu krterler kapsamında alternatflern karşılaştırılmaları yapılır. AHP de her kararı etkleyen krterler ve alternatfler, karar verme grubu tarafından kl karşılaştırmalara tab tutulur, bunun sonucunda krterlern önem ağırlıkları belrlenr. Alternatfler arasından seçm yapılacaksa, her br krter ışığında alternatflern ayrı ayrı karşılaştırılmaları sonucunda, alternatflern nsp önem ağırlıkları belrlenerek, ağırlığı en yüksek olan alternatf seçlr. Karar verc grup, kl karşılaştırmalarla faktörler karşılaştırır ve bunların hedefe olan katkılarının ne kadar olduğunu belrler [20, 21, 22]. AHP teknğ, brçok alanda kullanılmış olup günümüzde halen güncellğn koruyan br yöntemdr. Çok krterl karar verme problemlernn çözümünde, tekl olarak veya dğer yöntemlerle bütünleşk br şeklde kullanılablmektedr. AHP nn günümüze kadar kullanıldığı alanlara örnek olarak; malat süreçler yönetm [22,23], makne ve aparat seçm [24, 25, 26]; tedarkç seçm [17, 18, 27, 28, 29, 30], satın alma karar sürec [31,32], bakım yöntem seçm [33, 34], stratek yönetm [35], proe yönetm [36, 37]), bankacılık [8, 38, 39], yer seçm kararları [40], kalte yönetm [41, 42, 43, 44] alanları verleblr. 3.1. AHP Uygulama Adımları 1. Adım: Problem tanımlanır. Amaç, krterler ve alternatfler fade edlr. 2. Adım: 1-9 puan ölçeğ kullanılarak hyerarş çersnde yer alan bleşenlern nsp önem ağırlıklarının belrlenmes amacıyla, karar verc grup tarafından kl karşılaştırmaların yapılması aşamasıdır. Karşılaştırma matrsler oluşturulur. Değerlendrmeye alınacak n adet krter var se, krternn krterne göre önemn belrlemek üzere A matrs oluşturulur. Matrs elemanları arasında; a =1/a ve a =1 lşks bulunmaktadır. Karşılaştırma matrsnn köşegen üzerndek bleşenler ( = olduğundan) 1 değern alır. Krterlern kl karşılaştırmalarından Çzelge 1 dek önem ölçeğ kullanılır. Örneğn; brnc krter knc krtere göre, karar verc grup tarafından çok daha öneml görünüyorsa, bu durumda karşılaştırma matrsnn brnc satır knc sütun bleşen ( =1, =2), 5 değern alacaktır. İkl krter karşılaştırmaları, karşılaştırma matrsnn tüm değerler 1 olan köşegennn üstünde kalan değerler çn yapılır. Köşegenn altında kalan bleşenler çn se a = 1 / a eştlğ kullanılır. Çzelge 1. İkl Karşılaştırma Ölçeğ [19] Önem Açıklama Değerler 1 Her k krtern eşt öneme sahp olması durumu 3 Brnc krtern knc krterden öneml olması durumu 5 Brnc krtern knc krterden çok öneml olması durumu 7 Brnc krtern knc krtere göre çok güçlü br öneme sahp olması 9 durumu Brnc krtern knc krtere göre mutlak üstün br öneme sahp olması 2, 4, 6, 8 durumu Ara değerler ( htyaç duyulduğunda kullanılablmektedr.) 246
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 3. Adım: İkl karşılaştırmalardan hareketle öncelk vektörler hesaplanır. Öncelk vektörü (1) nolu eştlkle hesaplanablr: w n a w 1 n Öncelk vektörü olarak adlandırılan W sütun vektörü elde edlr. Bu vektör, krterlern önem ağırlıklarını fade etmektedr. 4. Adım: Tutarlılık oranlarının hesaplanmasını çerr. Karar verme grubunun yapmış olduğu karşılaştırmalardak tutarlılığın ölçüleblmes çn öz vektör yöntem kullanılablr. Bu yöntemde; Tutarlılık Oranı (CR) nın hesaplanması gerekr, Hesaplanan CR değernn 0,10 dan küçük olması karar vercnn yaptığı karşılaştırmaların tutarlı olduğunu gösterr. CR değernn 0,10 dan büyük olması karşılaştırmaların tutarsız olduğunu veya hesaplama hatası olduğunu fade eder. Bu durumda, karşılaştırmalar tekrar gözden geçrlmeldr [21]. CR değer; Tutarlılık ndeksnn (CI), Rassal ndeks (RI) değerne bölünmes suretyle elde edlr. CI CR RI max n CI n 1 Tutarlılık ndeks şu şeklde hesaplanır: Bu eştlkte; max en büyük özdeğer, n se krter sayısını fade etmektedr. max hesaplanablmes çn A vektörü le w vektörü çarpılır. Bunun sonucunda elde edlen D sütün vektörünün elemanlarının, w değerlerne bölünerek elde edlmesyle oluşan değerler(e ) toplanır, bu toplam krter sayısına bölünerek max elde edlr. a a. Axw.. an n 11 21 1 1 max n E a a a 12 22... n2............ a1 n w1 a 2n w2.. x.... ann wn d E w ( 1,2,..., n) Her n boyutundak matrs çn, rastsal olarak oluşturulmuş matrslern ortalama tutarlılık değerler hesaplanmış ve rastsal ndeks (RI) olarak adlandırılmıştır. Saaty [21] tarafından hazırlanan Rastsal İndeks Çzelge 2 de verlmştr. Bu adıma kadar yapılan şlemlerle, karar verme problemnn çözümüne etk eden krterlern ağırlıkları belrleneblmektedr. Bu adım sonrasında karşılaştırma matrsler kullanılarak alternatflern analz yapılableceğ gb, AHP dışındak farklı karar verme metotlarına geçlerek krter ağırlıklarının, bu metotlarda grd olarak kullanılması sağlanablr. Çzelge 2. Krter sayısına bağlı olarak rastsal ndeks değerler n 1 2 3 4 5 6 7 8 9 10 RI 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 (1) (2) (3) (4) 247
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 5. Adım: Tüm krterler ayrı ayrı dkkate alınarak, karar alternatflernn bu krterler kapsamındak kl karşılaştırmaları yapılır. n (krter sayısı) kadar matrs oluşturulur. Alternatf sayısı m le gösterlrse, her br karşılaştırma matrsn boyutunun m x m olması gerekldr. 6. Adım: Alternatflere at ağırlıklı puanların hesaplanması gerçekleştrlr. Alternatflern analz sonucu oluşan n tane m x 1 boyutlu sütun vektörü, m x n boyutlu karar matrsn oluşturur. Bu matrs, krter karşılaştırmaları sonucu elde edlen w sutun vektörü le çarpılarak, yen br sutün vektörü elde edlr. Bu vektörün her br elemanı, karar alternatflernn puanlarını gösterr. Toplamı 1 olacak şeklde ortaya çıkan bu değerler çersnde, en büyük puana (öneme) sahp alternatf en uygun alternatftr. 4. VIKOR METODU İlk olarak Oprcovc[45] fade edlen VIKOR yöntem, 2004 yılında Oprcovc ve Tzeng[46] tarafından çok krterl karar verme problemlernn çözümünde kullanılmaya başlanmıştır. Vse Krterumska Optmzaca I Kompromsno Resene fadesnn kısaltılmış yazımı olan VIKOR un dlmzdek anlamı se; çok krterl optmzasyon ve uzlaşık çözümdür. Yöntemn temelnde, alternatfler çerçevesnde ve değerlendrme krterler kapsamında br uzlaşık çözümün oluşturulması vardır. Bu uzlaşık çözüm, deal çözüme en yakın çözümdür[2]. Yöntemde, alternatfler çn çok krterl sıralama ndeks oluşturarak, belrl koşullar kapsamında deal çözüme en yakın kararın verlmes söz konusudur. İdeal alternatfe yakınlık değerler karşılaştırılarak uzlaşık sıralamaya ulaşılır[1]. Çok krterl karar verme problemlerne lşkn uygulamalar dkkate alındığında, bu alanda VIKOR yöntemnn kullanımının, Oprcovc ve Tzeng n yaptığı çalışma le[46] lteratüre grdğ fade edleblr. TOPSIS ve VIKOR yöntemlernn karşılaştırılmalı analznn yapıldığı bu çalışmada yazarlar, her k yöntem karşılaştırmışlar ve VIKOR yöntemnn karar verclern fkrlern daha y yansıtabldğn belrtmşlerdr. Tzeng ve dg.[47] yapmış oldukları çalışmada alternatf yakıtların değerlendrmes konusunu ele almışlar, VIKOR ve TOPSIS yöntemlern kullanmışlardır. Krterlernn ağırlıklarının belrlenmes aşamasında se AHP teknğyle çalışmışlardır. Oprcovc ve Tzeng[1], genşletlmş VIKOR yöntemn; TOPSIS, PROMETHEE ve ELECTRE yöntemleryle karşılaştırmışlardır. Bara tp seçm problemn ele alan araştırmacılar, TOPSIS yöntemnn vektör normalzasyonu kullanarak, k referans nokta arasında şlemler gerçekleştrdğn, bu noktalara olan uzaklıklarının görecel önemlernn dkkate alınmadığına değnmşlerdr. VIKOR yöntemnn se deal çözüme en yakına ulaşmak amacıyla doğrusal normalzasyonu kullandığını fade etmşlerdr. PROMETHEE yöntemyle VIKOR yöntemnn sonuçlar açısından brbrne yakın değerler verdğn fade etmşler, her k yöntemnde maksmum grup faydasını kullandığını ancak VIKOR yöntemnn mnmum pşmanlığı da dkkate aldığını belrtmşlerdr. ELECTRE II yöntemnn görecel olarak VIKOR yöntemyle benzer sonuçlar verdğn tespt etmşlerdr. Yang ve Wang[48], ürün ömrü üzerne yaptıkları çalışmalarında AHP ve VIKOR yöntemlern kullanmışlardır. Chu ve dğ.[2], blg yönetm alanında yaptıkları çalışmada; bu alandak faalyetlerde ortaya çıkan çok krterl karar verme problemlernde, TOPSIS, SAW ve VIKOR yöntemlernn kullanımını ncelemşlerdr. TOPSIS ve VIKOR yöntemlernn daha gerçekç çözümler sunduğunu, ayrıca VIKOR yöntemnn uygun stratelern seçm bakımından daha kolay uygulanabldğn fade etmşlerdr. Lxn ve dğ.[49], tedark zncr yönetm alanında yaptıkları çalışmalarından ANP ve VIKOR yöntemlern kullanmışlardır. Ertuğrul ve Karakaşoğlu[14], yapmış oldukları çalışmada, ege bölgesndek 18 banka şubesnn performansını ölçmek amacıyla on adet krter belrlemş ve VIKOR yöntemyle performans ölçümü yapmışlardır. Wua ve dğ.[3], banka performansının ölçülmes amacıyla üç bankayı bulanık ortamda analz etmş, AHP ve VIKOR yöntemlern kullanmışlardır. Oprcovc[50], 2009 yılında yapmış olduğu başka br çalışmasında se yöntem su kaynakları planlamasında kullanmıştır. 248
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 Datta ve dğ.[51] le Sanaye ve dğ.[52], yapmış oldukları çalışmalarda tedarkç seçm problemne VIKOR yöntemn uygulamışlardır. Yöntemn adımları şu şeklde özetleneblr: 1. Adım: Her br değerlendrme krter çn en y ( f *) ve en kötü( f - ) değerler belrlenr. krter değerlendrme açısından fayda anlamında br krter se, = 1,2,,n çn; f * ve f - aşağıdak gb fade edleblr. f max f * f mn f 2. Adım: Her br değerlendrme brm çn S ve R değerler hesaplanır. w, krter ağırlıklarını temsl etmektedr. S R n w ( f 1 * max[ w ( f f ) /( f f * ) /( f f * * ) f 3. Adım: Her br değerlendrme brm çn Q değerler hesaplanır. )] (5) (6) (7) Q v ( S J * S )/( S * S ) (1 v)( R J * R )/( R * R ) (8) 8 numaralı denklemde, S* = mn S ; S - = max S ; R* = mn R ; R - = max R değerlern fade etmektedr. v değer se krterlern çoğunluğunun ağırlığını, br başka deyşle maksmum grup faydasını göstermektedr. v değer, maksmum grup faydasını sağlayan strate çn ağırlığı fade ederken, (1- v ) değer karşıt görüşteklern mnmum pşmanlığının ağırlığını fade etmektedr[1]. Genellkle v = 0,5 kullanılır [49]. 4. Adım: Hesaplanan Q, S, R değerler sıralanır. En küçük Q değerne sahp değerlendrme brm, alternatf grubu çersndek en y seçenek olarak fade edlr. 5. Adım: Elde edlen sonucun geçerl kabul edleblmes çn k koşul sağlanmalıdır. Ancak bu şeklde mmmum Q değerne sahp alternatf, en y veya en uygun olarak ntelendrleblr. Koşul 1 (C1) - Kabul edleblr avanta: En y ve en yye en yakın seçenek arasında belrgn br fark olduğunu fade eden koşuldur. Q(P 2 ) - Q(P 1 ) D(Q) Bu eştszlkte P 1, en düşük Q değerne sahp olan brnc en y alternatf, P 2 se en y knc alternatftr. D(Q)= 1 / ( -1) ) şeklnde fade edlmektedr., değerlendrme brm sayısını göstermektedr. Değerlendrme brm sayısı 4 ten küçükse D(Q)= 0,25 alınır[53]. Koşul 2 (C2) - Kabul edleblr stkrar: En y Q değerne sahp P 1 alternatf S ve R değerlernn az br tanesnde en y skoru elde etmş olmalıdır. Belrtlen k koşuldan br tanes sağlanamazsa uzlaşık çözüm kümes şu şeklde önerlr: - 2.Koşul sağlanmıyorsa P 1 ve P 2 alternatfler, - 1.Koşul sağlanmıyorsa P 1, P 2,, P M alternatfler Q(P M ) - Q(P 1 ) D(Q) eştszlğ dkkate alınarak fade edlr[46]. (9) 249
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 5. TOPSIS METODU TOPSIS(Technque for Order Preference by Smlarty to Ideal Soluton), karar alternatflernn deal çözüme yakınlığı ve negatf deal çözüme uzaklıklarını dkkate alan br karar verme teknğdr[54]. Lteratür ncelendğnde araştırmacılar tarafından, tess yer seçm[55], tedarkç seçm[56], performans ölçümü ve değerlendrlmes[57], makne seçm[58], dış kaynak kullanımı[59] gb farklı alanlardak çok krterl karar verme problemlernn çözümünde kullanıldığı görülmektedr. Bu yöntemde, çok krterl karar verme problemne lşkn çözüm alternatf seçenekler ve değerlendrme krterler berlrlendkten sonra, satırlarında alternatfler, sütunlarında se değerlendrme krterler yer alan karar matrs oluşturulur. Karar matrsndek a elemanı, alternatfnn krterne göre değern temsl etmektedr. Matrstek m, karar noktası sayısını, n se değerlendrme krter sayısını fade etmektedr. Karar matrsnn elemanları kullanılarak (10) numaralı denklem yardımıyla standartlaştırılmış karar matrs oluşturulur. Değerlendrme krterlerne lşkn ağırlık değerler le standartlaştırılmış karar matrsnn elemanları çarpılarak, ağırlıklandırılmış standart karar matrs elde edlr. Sonrasında, deal ve negatf deal çözümlern oluşturulmasına geçlr. r a m 1 a 2 = 1,2, m ; = 1,2, n (10) * * * A v1,..., v (max v I'), (mn v I'' ) J J A v1,..., v (mn v I'), (max v I'') J İdeal çözüm setlernn oluşturulablmes çn ağırlıklandırılmış standart karar matrsndek değerlendrme faktörlernn(sütun değerlernn) en büyükler seçlr. (11) ve (12) numaralı denklemlerde I, fayda sağlayacak krter olarak fade edlrken, I se malyet oluşturacak(negatf fayda sağlayacak) krter olarak fade edleblr. Bu aşamadan sonra, ökld uzaklık ölçümüyle ayırım ölçüler hesaplanır. Her br alternatfn deal çözümden ne kadar sapma gösterdğn fade eden D * değer denklem (13) te gösterlmştr. Benzer şeklde negatf deal çözüme lşkn D - değerde denklem (14) te fade edlmştr. Son olarak, alternatf çözümlern terch sıralamasını fade etmek çn deal çözüme görecel yakınlık değerler (CC * ) hesaplanır. CC *, 0 le 1 arası br değerdr. En yüksek CC * değerne sahp alternatf, deal çözüme en yakın çözüm olarak fade edlmektedr [46]. (11) (12) D * n 1 * 2 ( v v ) = 1,2,3,, J. (13) D CC * n 1 ( v v ) D D D * 2 = 1,2,3,, J. (14) = 1,2,3,, J. (15) 250
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 6. PERFORMANS DEĞERLENDİRME MODELİ 6.1. Uygulamanın Çerçeves Öncelkle, problemn çözümünde karar verc olarak görev alacak takım oluşturulmuştur. Sektör deneym olan uzmanlar ve akademsyenlerden oluşan gruba, araştırmada kullanılablecek metotlar ve sayısal teknkler zah edlmştr. Performans analz yapılacak olan, banka grupları oluşturulmuştur. Kamu, özel ve yabancı bankalar olarak gruplandırma yapılmıştır. Sonrasında performans değerlendrme krterlernn belrlenmes sürecne geçlmştr. Tespt edlen krterlern ağırlıklandırılmasında AHP yöntem kullanılmıştır. Elde edlen bu değerler yardımıyla, VIKOR ve TOPSIS teknkler le performansı değerlendrlecek banka grupları krterler kapsamında analz edlmş ve sonuca ulaşılmıştır. 6.2. Uygulama Adımları Problemnn çözümünde kullanılacak olan modele lşkn adımlar Şekl 1 de fade edlmştr. 6.2.1. Problemn Tanımlanması Çalışma kapsamındak amaç; performans ölçme ve değerlendrme problemnn uygun model le çözümlenmesdr. Üç banka grubu; tespt edlen krterler kapsamında değerlendrlecektr. 6.2.2. Çalışma Grubunun Oluşturulması Sektörel deneym olan uzmanlar ve akademsyenlerden oluşan karar verme grubu oluşturulmuştur. 6.2.3. Performansı Ölçülecek Brmlern İfade Edlmes Performansı değerlendrlecek brmler; Türkye de faalyet gösteren, kamu sermayel mevduat bankaları, özel sermayel mevduat bankaları ve yabancı bankalardır. 6.2.4. Ana ve Alt Krterlern Belrlenmes Performansın ölçümüne yönelk krterler oluşturulurken lgl lteratür ve karar verme grubunu görüşler dkkate alınmıştır. Çalışma kapsamında performans ölçümü çn 8 ana krter ve 31 alt krter belrlenmştr. 251
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 Şekl 1. AHP- VIKOR ve AHP- TOPSIS Tabanlı Performans Değerlendrme Model 252
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 A A1 A2 A3 A4 B B1 B2 B3 B4 B5 C C1 C2 C3 D D1 D2 D3 E E1 E2 E3 E4 E5 F F1 F2 F3 G G1 G2 G3 H H1 H2 H3 H4 H5 Çzelge 3. Performans Değerlendrme Krterler Sermaye Yeterllğ Özkaynaklar / (Kred + Pyasa + Operasyonel Rske Esas Tutar) Özkaynaklar / Toplam Aktfler Özkaynaklar / (Mevduat + Mevduat Dışı Kaynaklar) Blanço ç Dövz Pozsyonu / Özkaynaklar Blanço Yapısı Toplam Mevduat / Toplam Aktfler Fnansal Varlıklar (Net) / Toplam Aktfler Toplam Kredler / Toplam Aktfler Takptek Kredler (net) / Toplam Kredler Duran Aktfler / Toplam Aktfler Lkdte Lkt Aktfler / Toplam Aktfler Lkt Aktfler / Kısa Vadel Yükümlülükler Lkt Aktfler / (Mevduat + Mevduat Dışı Kaynaklar) Karlılık Net Dönem Karı (Zararı) / Toplam Aktfler Net Dönem Karı (Zararı) / Özkaynaklar Net Faalyet Karı(Zararı) / Toplam Aktfler Gelr ve Gder Yapısı Özel Karşılıklar Sonrası Net Faz Gelr / Toplam Aktfler Faz Dışı Gelrler (Net) / Toplam Aktfler Faz Gelrler / Toplam Gelrler Faz Gderler / Toplam Gderler Dğer Faalyet Gderler / Toplam Aktfler Sektör Payları Toplam Aktfler Toplam Kredler Toplam Mevduat Grup Payları Toplam Aktfler Toplam Kredler Toplam Mevduat Şube Odaklı Verler Şube Başına Toplam Aktf Şube Başına Toplam Mevduat Şube Başına Kred Şube Başına Personel Şube Başına Net Kar 6.2.5. Krterler Arası Kıyaslamaların Yapılması Çzelge 1 dek karşılaştırma ölçeğ dkkate alınarak krterler arası kıyaslamalar gerçekleştrlmştr. Ana krter kümes ve tüm alt krter kümelernn kl karşılaştırmaları yapılmıştır. İkl karşılaştırmalara lşkn yargılar, karar verme ekb tarafından grup çalışmasıyla belrlenmştr. Blanço Yapısı ana krternn alt krterler arasında yapılan kl karşılaştırmalar, örnek olması açısından Çzelge 4 te belrtlmştr. Tüm krter grupları çn, benzer karşılaştırmalar gerçekleştrlmştr. 253
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 6.2.6. Tutarlılık Analzlernn Yapılması Oluşturulan tüm kl karşılaştırma matrslernn tutarlılık analzler yapılarak tutarlılık oranları (CR) hesaplanmıştır. Tüm CR değerlernn 0,10 dan küçük olması tutarlı karşılaştırmaların yapıldığının göstergesdr. Çzelge 4 te verlen kl karşılaştırma matrs çn CR değer 0,014 tür. Çzelge 4. Blanço Yapısı (B) Ana Krter Altındak Krterler İçn İkl Karşılaştırmalar 6.2.7. Öneml Krterlern Tespt Edlmes Krterler B1 B2 B3 B4 B5 B1 1 2 1 2 5 B2 1/2 1 2 1/2 3 B3 1 1/2 1 2 5 B4 1/2 2 1/2 1 3 B5 1/5 1/3 1/5 1/3 1 İkl karşılaştırmalar sonucu elde edlen krter ağırlıkları Çzelge 5 te verlmştr. Elde edlen 31 adet alt krter ağırlıkları kullanılarak VIKOR ve TOPSIS yöntemleryle performans ölçümü gerçekleştrlecektr. Çzelge 5. Ana ve Alt Krter Ağırlıkları Sermaye Yeterllğ 0,3830 Gelr Gder Yapısı 0,1161 A1 0,2176 E1 0,0199 A2 0,0744 E2 0,0112 A3 0,0274 E3 0,0375 A4 0,0636 E4 0,0375 Blanço Yapısı 0,0572 E5 0,0099 B1 0,0172 Sektör Payları 0,0572 B2 0,0116 F1 0,0286 B3 0,0142 F2 0,0143 B4 0,0109 F3 0,0143 B5 0,0031 Grup Payları 0,0184 Lkdte 0,2218 G1 0,0092 C1 0,1016 G2 0,0046 C2 0,1063 G3 0,0046 C3 0,0139 Şube Odaklı Verler 0,0302 Karlılık 0,1160 H1 0,0020 D1 0,0464 H2 0,0050 D2 0,0464 H3 0,0050 D3 0,0232 H4 0,0091 H5 0,0091 6.2.8. Performansı Değerlendrlecek Brmlere İlşkn Verler Bu adımda performansı ölçülecek brmlere at krter değerler fade edlmştr. Özel, Kamu ve Yabancı bankalarının performanslarını değerlendrmek çn bu bankalara lşkn verler elde edlmş, her gruptak banka sayısına göre ortalama alınarak performansı ölçülecek her brm çn değerler fade edlmştr. 2008 yılına at verler kullanılmıştır. 254
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 6.2.9. Her Br Krter İçn En İy ve En Kötü Değerlern Tespt Tüm performans ölçme brmlernn her br krter kapsamındak en y ( f * ) ve en kötü ( f - ) değerlernn tespt yapılmıştır (Çzelge 6). Çzelge 6. Krterler İçn En İy ( f * ) ve En Kötü (f - ) Değerler Krterler f * - f Krterler f * - f A1 16,6641 16,3789 E1 5,0381 3,1050 A2 12,5770 8,3394 E2 2,4541 1,1346 A3 16,5197 10,0224 E3 91,8545 82,0317 A4 147,6119 10,8069 E4 81,9518 61,9925 B1 77,6473 57,4766 E5 4,5261 1,9480 B2 42,5395 18,6873 F1 52,3613 14,8466 B3 61,7681 41,9711 F2 54,5123 17,6428 B4 1,0023 0,4734 F3 51,1462 13,2825 B5 4,1602 2,3323 G1 54,1197 15,3451 C1 28,4913 22,2993 G2 56,8315 18,3934 C2 50,7811 35,4887 G3 51,1462 13,2825 C3 36,5252 25,1486 H1 86,1546 51,5229 D1 1,8805 1,3215 H2 66,7528 29,6136 D2 22,5493 10,5071 H3 46,6214 31,8247 D3 2,3626 1,6974 H4 19,9444 17,9358 H5 1,6166 0,6809 6.2.10. Her Brm çn S ve R Değerlernn Bulunması S ve R değerler Çzelge 7 de fade edlmştr. 6.2.11. Q Değerlernn Hesaplanması Çzelge 7. S ve R değerler Kamu Özel Yabancı Bankaları Bankalar Bankalar S 0,6925 0,5246 0,2965 R 0,1812 0,2176 0,0464 Tüm seçenekler çn hesaplanan Q değerler Çzelge 8 de fade edlmştr. v =0,5 olarak alınmıştır. Çzelge 8. Brmlere at Q değerler Kamu Bankaları Özel Bankalar Yabancı Bankalar 0,8935 0,7880 0 6.2.12. Q Değerlerne Göre Sıralamanın Yapılması Tüm brmlere at Q, S ve R değerlernn küçükten büyüğe doğru sıralanışı Çzelge 9 da verlmştr. 255
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 Çzelge 9. S, R ve Q değerlerne Göre En İy Bankalar Sıralama 1 2 3 S Yabancı Bankalar Özel Bankalar Kamu Bankaları R Yabancı Bankalar Kamu Bankaları Özel Bankalar Q Yabancı Bankalar Özel Bankalar Kamu Bankaları 6.2.13. VIKOR Yöntemne Göre En İy Performansa Sahp Brmn Seçm En düşük Q değerne sahp banka grubu performansı en yüksek olarak fade edlr. Analz sonucunda, Yabancı Bankalar grubunun performansı, en y performans olarak ortaya çıkmıştır. 6.2.14. Koşulların Kontrolü 1.Koşul çn; Performans açısından brnc sıradak ve knc sıradak brmlern Q değerlernn farkına ve performansı ölçülen brm sayısına bağlı br hesaplama yapılmalıdır. Seçenek sayısı ( ) = 3 olduğundan D(Q)= 0,25 alınır[53]. (9) numaralı denklemden; 0,7889 0 0,25 eştszlğ ortaya çıkmaktadır. Bu sonuca göre, 1.Koşul geçerldr. 2. Koşul çn; En y Q değerne sahp seçenek, S ve R değerlernn az br tanesnde en y değer elde etmş olmalıdır. Bu koşul dkkate alındığında yabancı bankalar grubunun, performans değerlendrme sonucu oluşan S ve R değerler bakımından da en y performansa sahp olduğu söyleneblr. Çzelge 10. Ağırlıklandırılmış Karar Matrs ve Sapma Değerler Değerlendrme Krterler Performansı Değerlendrlen Brmler A1 A2 A3 A4 B1 B2 B3 B4 B5 C1 C2 C3 D1 D2 D3 E1 E2 E3 Kamu Bankaları 0,125 0,033 0,011 0,005 0,012 0,009 0,007 0,004 0,001 0,049 0,049 0,006 0,030 0,035 0,015 0,010 0,004 0,023 Özel Bankalar 0,125 0,044 0,017 0,005 0,009 0,006 0,008 0,006 0,002 0,063 0,063 0,009 0,028 0,025 0,014 0,009 0,009 0,020 Yabancı Bankalar Krter Ağırlıkları 0,127 0,050 0,019 0,063 0,009 0,004 0,010 0,008 0,002 0,063 0,070 0,009 0,021 0,017 0,011 0,015 0,006 0,022 0,218 0,074 0,027 0,064 0,017 0,012 0,014 0,011 0,003 0,102 0,106 0,014 0,046 0,046 0,023 0,020 0,011 0,037 Performansı Değerlendrlen Brmler Değerlendrme Krterler Sapma Değerler E4 E5 F1 F2 F3 G1 G2 G3 H1 H2 H3 H4 H5 D * D - Kamu Bankaları 0,025 0,003 0,014 0,005 0,008 0,004 0,002 0,003 0,001 0,004 0,003 0,005 0,006 0,068 0,025 Özel Bankalar 0,021 0,005 0,024 0,013 0,011 0,008 0,004 0,004 0,001 0,003 0,003 0,005 0,006 0,061 0,035 Yabancı Bankalar 0,019 0,008 0,007 0,004 0,003 0,002 0,001 0,001 0,001 0,002 0,002 0,006 0,003 0,032 0,067 Krter Ağırlıkları 0,037 0,010 0,029 0,014 0,014 0,009 0,005 0,005 0,002 0,005 0,005 0,009 0,009 6.2.15. TOPSIS Yöntem Kapsamında Standart Karar Matrsnn Oluşturulması Performansı ölçülecek brmlern krterler kapsamındak değerler göz önüne alınarak, tüm brmler çn ağırlıklandırılmış standart karar matrsler oluşturulmuştur. İdeal çözümlerden sapma 256
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 değerler hesaplanmıştır. Banka gruplarının değerlendrlmesne lşkn ağırlıklandırılmış standart karar matrs Çzelge 10 da verlmştr. 6.2.16. Görecel Yakınlık Değerlernn Hesaplanması ve En Yüksek Performansa Sahp Grubun Belrlenmes Son olarak, performansı ölçülen banka grupları çn deal çözüme görecel yakınlık değerler (CC * ) hesaplanmıştır. İdeal çözüme görecel yakınlığı en yüksek olan grup, en y performansa sahp banka grubu olarak fade edlmştr (Çzelge 11). Çzelge 11. İdeal Çözüme Yakınlık Değerlerne Göre Sıralama Performans Sıralaması Banka Grubu CC 1 Yabancı Bankalar 0,6743 2 Özel Bankalar 0,3620 3 Kamu Bankaları 0,2699 TOPSIS yöntem le yapılan analz sonucunda da en y performansa sahp grup, Yabancı Bankalar grubu olarak karşımıza çıkmıştır. 7. SONUÇ Performans ölçüm krterlernn analznde AHP teknğnn, alternatflern değerlendrlmesnde se VIKOR ve TOPSIS yöntemlernn kullanıldığı modele göre, her k yöntemde de yabancı bankaların dğer gruplara oranla daha y br performansa sahp olduğu görülmektedr. Bunun öneml nedenlernden br, son dönemlerde brçok yabancı bankanın, özel sermayel bankaları kend bünyesne katmış olması olarak fade edleblr. Bunun yanı sıra yen hzmet gelştrme, ulaşılablrlk, breysel ve kurumsal müşter memnunyet odaklı çalışma vb. faktörlernde performans üzernde etkl olması muhtemeldr. İlerleyen çalışmalarda bu faktörlern rdelenmesnn yanı sıra, fnansal olmayan bazı verlernde performans değerlendrme modelne dâhl olması ve performans krter sayısının arttırılması söz konusu olablr. Ayrıca kesn yargılarla ve net rakamlarla fade edlemeyen krterler çn de bulanık küme teors, farklı çok krterl karar verme metotları le brlkte kullanılablr. REFERENCES / KAYNAKLAR [1] Oprcovc, S. & Tzeng, G.H., Extended VIKOR Method n Comparson wth Other Outrankng Methods, European Journal of Operatonal Research, 178(2), 514-529, 2007. [2] Chu, M.T., Shyu, J., Tzeng, G.H. & Khosla, R., Comparson Among Three Analytcal Methods for Knowledge Communtes Group Decson Analyss, Expert Systems wth Applcatons, 33(4), 1011-1024, 2007. [3] Wua, H.Y., Tzeng, G.H. & Chen, Y.H., A Fuzzy MCDM Approach For Evaluatng Bankng Performance Based On Balanced Scorecard, Expert Systems wth Applcatons, 36(6), 10135-10147, 2009. [4] Hunak, T. & Jakovčevć, D., AHP Based Model for Bank Performance Evaluaton and Ratng, ISAHP 2001 Proceedngs, 149-157, 2001. [5] Kaya, Y. T., Türk Bankacılık Sektöründe CAMELS analz, Bankacılık Düzenleme ve Denetleme Kurum- Çalışma Raporları-6, 2001. [6] Hussan, M., Gunasekaran, A. & Islam, M. M., Implcatons of Non-Fnancal Performance Measures n Fnnsh Banks. Manageral Audtng Journal, 17(8), 452-463, 2002. 257
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 [7] Mercan, M., Resman, A., Yolalan, R. & Emel, A. B., The Effect of Scale and Mode of Ownershp on The Fnancal Performance of Turksh Bankng Sector: Result of a DEA- Based Analyss, Soco-Economc Plannng Scences, 37(3), 185 202, 2003. [8] Albayrak, Y.E. & Erkut, H., Banka Performans Değerlendrmede Analtk Hyerarş Süreç Yaklaşımı, tüdergs/d mühendslk, 4(6), 47-58, 2005. [9] Ünsal, A. & Duman, S., Türkye dek Bankaların Performanslarının Temel Bleşenler Yaklaşımı İle Karşılaştırmalı Analz, VII. Ulusal Ekonometr ve İstatstk Sempozyumu Bldrler Ktabı, 1-20, 2005. [10] Tate, E.G. & Gou, P.M., Internal Performance Evaluaton: The Case Of Bank Branches, Internatonal Journal of Servce Industry Management, 19(3), 302-324, 2008. [11] Aysan, A.F. & Ceyhan S.P., What Determnes The Bankng Sector Performance n Globalzed Fnancal Markets? The Case of Turkey, Physca A, 387, 1593 1602, 2008. [12] Rav, V., Kurnawan, H., Tha, P. N. K. & Kumar, P. R., Soft Computng System for Bank Performance Predcton, Appled Soft Computng, 8(1), 305 315, 2008. [13] Bayrakdaroğlu, A. & Ege, İ., Türkye dek Bankaların Performansının Analtk Hyerarş Sürec le Değerlendrlmes Üzerne Br Model Öners, TÜİK- 17. İstatstk Araştırma Sempozyumu Bldrler Ktabı, 32-49, 2008. [14] Ertuğrul, İ., & Karakaşoğlu, N., Banka Şube Performanslarının VIKOR Yöntem İle Değerlendrlmes, Endüstr Mühendslğ Dergs, 20(1),19-28, 2009. [15] Ho, C.B. & Wu, D.D., Onlne Bankng Performance Evaluaton Usng Data Envelopment Analyss and Prncpal Component Analyss, Computers & Operatons Research, 36, 1835-1842, 2009. [16] Seçme, N.Y., Bayrakdaroğlu, A. & Kahraman, C., Fuzzy performance evaluaton n Turksh Bankng Sector Usng Analytc Herarchy Process and TOPSIS, Expert Systems wth Applcatons, 36(9), 11699 11709, 2009. [17] Barbarosoğlu, G. & Yazgaç, T., An Applcaton of The Analytc Herarchy Process to The Suppler Selecton Problem, Producton and Inventory Management, 38(1), 14-21, 1997. [18] Tam, M.C.Y. & Tummala, V.M.R., An Applcaton of the AHP n Vendor Selecton of a Telecommuncatons System, Omega, 29(2), 171-182, 2001. [19] Saaty T.L. & Vargas, L.F., Predcton, Proecton and Forecastng, Kluwer Academc, Boston, 1991. [20] Saaty, T.L., A Scalng Method for Prortes n Herarchcal Structures, Journal of Mathematcal Psychology, 15, 234-281, 1977. [21] Saaty, T.L., The Analytc Herarchy Process, McGraw-Hll, New York, 1980. [22] Beyazd, O., Use of AHP n Decson-Makng For Flexble Manufacturıng Systems, Journal of Manufacturng Technology Management, 16(7), 808-819, 2005. [23] Wabalcks, R.N., Justfcaton of FMS wth the Analytc Herarchy Process, Journal of Manufacturng Systems, 7(3),175-182, 1988. [24] Zone-Chng, L. & Chu-Been, Y., Evaluaton of Machne Selecton by the AHP Method, Journal of Materals Processng Technology, 57(3), 253-258, 1996. [25] Ayağ, Z. & Özdemr, R.G., A Fuzzy AHP Approach to Evaluatng Machne Tool Alternatves, Journal of Intellgent Manufacturng, 17(2), 179-190, 2006. [26] Durán, O. & Aguloa, J., Computer-Aded Machne-Tool Selecton Based on a Fuzzy- AHP Approach, Expert Systems wth Applcatons, 34(3), 1787-1794, 2008. [27] Dağdevren, M. & Eren, T., Tedarkç Frma Seçmnde Analtk Hyerarş Proses ve 0-1 Hedef Programlama Yöntemlernn Kullanılması, Gaz Ün. Mühendslk-Mmarlık Fak. Dergs, 16(1-2), 41-52, 2001. [28] Kahraman, C., Cebec, U. & Ulukan, Z., Mult-Crtera Suppler Selecton Usng Fuzzy AHP, Logstcs Informaton Management, 16(6), 382-394, 2003. 258
H. Dnçer, A. Görener Sgma 29, 244-260, 2011 [29] Lu, F.H.F. & Ha, H.L., The Votng Analytc Herarchy Process Method for Selectng Suppler, Internatonal Journal of Producton Economcs, 97, 308 317, 2005. [30] Şevkl, M., Koh, S.C.L., Zam, S., Demrbag, M. & Tatoglu, E., Hybrd Analytcal Herarchy Process Model for Suppler Selecton, Industral Management & Data Systems, 108(1), 122-142, 2008. [31] Byun, D.H., The AHP Approach for Selectng an Automoble Purchase Model, Informaton and Management, 38 (5), 289-297, 2001. [32] Terz, Ü., Hacaloğlu, S.E. & Aladağ, Z., Otomobl Satın Alma Problem İçn Br Karar Destek Model, İstanbul Tcaret Ün.-Fen Blmler Dergs, 5(10), 43-49, 2006. [33] Kodal, R. & Chandra, S., Analytcal Herarchy Process for Justcaton of Total Productve Mantenance, Producton Plannng & Control, 12(7), 695 705, 2001. [34] Bertoln, M. & Bevlacqua, M., A Combned Goal Programmng-AHP Approach to Mantenance Selecton Problem, Relablty Engneerng and System Safety, 91, 839-848, 2006. [35] Yüksek, İ. & Akın, A., Analtk Hyerarş Proses Yöntemyle şletmelerde Strate Belrleme, Doğuş Ünverstes Dergs, 7(2), 254-268, 2006. [36] Lbertore, M.J., An Extenson of Analytc Herarchcal Process for Industral R&D Proect Selecton and Resource Allocaton, IEEE Transactons on Engneerng Man., 34(1), 12-18, 1987. [37] Al Harb, K,M., Applcaton of AHP n Proect Management, Internatonal Journal of Proect Management,19(1), 19-27, 2001. [38] Arbel, A. & Orgler,Y.E., An Applcaton of AHP to Bank Strategc Plannng: The Mergers and Acqustons Process, European Journal of Operatonal Research,48(1), 27-37, 1990. [39] Ta, H.P. & Har, K.Y., A Study of Bank Selecton Decsons n Sngapore Usng the Analytcal Herarchy Process, Internatonal Journal of Bank Marketng, 18, 170-180, 2000. [40] Chuang, P.T., Combnng The Analytc Herarchy Process And Qualty Functon Deployment for a Locaton Decson From a Requrement Perspectve, The Internatonal Journal of Advanced Manufacturng Technology, 18(11), 842-849, 2001. [41] Armacost, R. L., Componaton, P. J., Mullens, M. A. & Swart, W.W., An AHP Framework for Prortzng Customer Requrements n QFD: An Industralzed Housng Applcaton, IIE Transactons, 26(4), 72 79, 1994. [42] Ahre, S.L. & Rana, D. S., Selecton of TQM Plot Proects Usng an MCDM Approach, Internatonal Journal of Qualty & Relablty Management, 12(1), 61-81, 1995. [43] Chn, K.S., Chu,S. & Tummala, V.M.R., An Evaluaton of Success Factors Usng AHP To Implement ISO 14001-Based EMS, Internatonal Journal of Qualty & Relablty Management, 16(4), 341-362, 1999. [44] Tsaur, S.H, Chang, T.Y. & Yen, C.H., The Evaluaton of Arlne Servce Qualty by Fuzzy MCDM, Toursm Management, 23, 107-115, 2002. [45] Oprcovc, S., Mult-Crtera Optmzaton of Cvl Engneerng Systems, Faculty of Cvl Engneerng, Belgrade, 1998. [46] Oprcovc, S. & Tzeng, G.H., Compromse Soluton by MCDM Methods: A Comparatve Analyss of VIKOR and TOPSIS, European Journal of Operatonal Research, 156(2), 445-455, 2004. [47] Tzeng, G.H., Ln, C.W. & Oprcovc, S., Mult-Crtera Analyss of Alternatve-Fuel Buses for Publc Transportaton, Energy Polcy, 33, 1373-1383, 2005. [48] Yang,C. & Wang, T., VIKOR Method Analyss of Interactve Trade n Polcy-Makng, The Busness Revew, 6(2), 77-85, 2006. 259
Performance Evaluaton Usng AHP - Vkor and Sgma 29, 244-260, 2011 [49] Lxn, D., Yng, L. & Zhguang, Z., Selecton of Logstcs Servce Provder Based On Analytc Network Process and VIKOR Algorthm, Networkng, Sensng and Control, ICNSC 2008- IEEE Internatonal Conference Proceedngs, 1207-1210, 2008. [50] Oprcovc, S., A Compromse Soluton n Water Resources Plannng, Water Resources Management, 23, 1549-1561, 2009. [51] Datta, S., Mahapatra, S.S., Baneree. S. & Bandyopadhyay, A., Comparatve Study on Applcaton of Utlty Concept and VIKOR Method for Vendor Selecton, Proceedngs of AIMS Internatonal Conference on Value-based Management, 614-622, 2010. [52] Sanaye, A., Mousav, S.,F. & Yazdankhah, A., Group Decson Makng Process For Suppler Selecton Wth VIKOR Under Fuzzy Envronment, Expert Systems wth Applcatons, 37(1), 24-30, 2010. [53] Chen, L.Y. & Wang T., Optmzng Partners Choce n IS/IT Outsourcng Process: The Strategc Decson of Fuzzy VIKOR, Internatonal Journal of Producton Economcs, 120(1), 233-242, 2009. [54] Hwang, C.L. & Yoon, K. Multple Attrbute Decson Makng: Methods and Applcaton, Sprnger Publcatons, Berln, 1981. [55] Chu, T. C. Faclty Locaton Selecton Usng Fuzzy TOPSIS Under Group Decsons, Internatonal Journal of Uncertanty, Fuzzness and Knowledge-Based Systems, 10, 687-701, 2002. [56] Shahanagh, K. & Yazdan, S.A., Vendor Selecton Usng a New Fuzzy Group TOPSIS Approach, Journal of Uncertan Systems, 3(3), 221-231, 2009. [57] Yurdakul, M. & İç, Y.T., Türk Otomotv Frmalarının Performans Ölçümü ve Analzne Yönelk TOPSIS Yöntemn Kullanan Br Örnek Çalışma, Gaz Ün. Mühendslk- Mmarlık Fak. Dergs, 18(1), 1-18, 2003. [58] Yurdakul, M. & ĺç, Y.T., Analyss of The Beneft Generated By Usng Fuzzy Numbers n a TOPSIS Model Developed for Machne Tool Selecton Problems, Journal of Materals Processng Technology, 209, 310-317, 2009. [59] Bottan, E. & Rzz, A., A Fuzzy TOPSIS Methodology to Support Outsourcng of Logstcs Servces", Supply Chan Management: An Internatonal Journal, 11(4), 294 308, 2006. 260