ANALĠTĠK HĠYERARġĠ YAKLAġIMI ĠLE ÜRETĠCĠ KARARLARININ ANALĠZĠ (TOKAT ĠLĠ DOMATES ÜRETĠCĠLERĠ ÖRNEĞĠ) Berrin DAL. Yüksek Lisans Tezi

ANALĠTĠK HĠYERARġĠ YAKLAġIMI ĠLE ÜRETĠCĠ KARARLARININ ANALĠZĠ (TOKAT ĠLĠ DOMATES ÜRETĠCĠLERĠ ÖRNEĞĠ) Berrin DAL Yüksek Lisans Tezi Tarım Ekonomisi Anabilim Dalı

T.C. GAZĠOSMANPAġA ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ TARIM EKONOMĠSĠ ANABĠLĠM DALI YÜKSEK LĠSANS TEZĠ ANALĠTĠK HĠYERARġĠ YAKLAġIMI ĠLE ÜRETĠCĠ KARARLARININ ANALĠZĠ (TOKAT ĠLĠ DOMATES ÜRETĠCĠLERĠ ÖRNEĞĠ ) Berrin DAL TOKAT 2013 Her hakkı saklıdır

ÖZET Yüksek Lisans Tezi ANALĠTĠK HĠYERARġĠ YAKLAġIMI ĠLE ÜRETĠCĠ KARARLARININ ANALĠZĠ (TOKAT ĠLĠ DOMATES ÜRETĠCĠLERĠ ÖRNEĞĠ) Berrin DAL GaziosmanpaĢa Üniversitesi Fen Bilimleri Enstitüsü Tarım Ekonomisi Anabilim Dalı DanıĢman: Doç. Dr. Halil KIZILASLAN Bu çalıģmada, Tokat ili Merkez ilçede domates üretimi yapan iģletmeler için karar destek sistemi geliģtirilmesi amaçlanmıģtır. AraĢtırmada anket çalıģması yoluyla sağlanan orjinal nitelikli verilerden yararlanılmıģtır. Tokat ili Merkez ilçede domates üretimi yapan iģletmelerden tabakalı örnekleme yöntemine göre belirlenen 84 iģletme ile anket çalıģılması yapılmıģtır. Verilerin analizinde Analitik HiyerarĢi Süreci yöntemi kullanılmıģ bunun içinde Expert Choice programından yararlanılmıģtır. ÇalıĢmada domates üreticileri için uygun üretim sisteminin belirlenmesi problem olarak seçilmiģ ve problemin çözümü için hiyerarģik yapı oluģturulmuģtur. Alternatifler sırık domates ve yer domatesi, kriterler ise fiyat, verim, pazarlama, maliyet ve sürdürülebilirlik olarak ele alınmıģtır. AraĢtırma bulgularına göre Tokat ili domates üreticileri için, uygun üretim sisteminin %61 lik değerle sırık domates olduğu sonucuna ulaģılmıģtır. Fiyat, verim ve pazarlama kriterleri açısından daha önemli olarak belirlenen sırık domates, maliyet ve sürdürülebilirlik kriterleri açısından ise daha az öneme sahip olarak belirlenmiģtir. Üreticilerin sırık domates üretiminde yüksek verime ulaģtığı, daha çok kar elde ettiği ve pazarlama imkanlarının daha kolay olduğu belirlenmiģtir. Maliyet ve sürdürülebilirlik yönünden ise desteklenmesi gerektiği sonucuna ulaģılmıģtır. Bu nedenle, üreticiler sırık domates üretimine yönlendirilmeli, üreticiye teģvik ve destekler sağlanmalıdır. Kaynakların gelecek nesillere en etkin Ģekilde aktarılması için ise, bilinçli girdi kullanımı konusunda üreticilerin bilgilendirilmesine yönelik çalıģmalara ağırlık verilmelidir. 2013, 91 sayfa Anahtar Kelimeler: Karar Verme, Çok Kriterli Karar Verme, Analitik HiyerarĢik Süreç, Domates, Üretici Kararları i

ABSTRACT Master s Thesis THE ANALYSIS OF GROWER DECISIONS WITH THE ANALYTIC HIERARCHY PROCESS METHOD (THE CASE OF TOMATO GROWERS IN TOKAT PROVINCE) Berrin DAL GaziosmanpaĢa University Institute of Science Department of Agricultural Economics Supervisor: Assoc. Dr. Halil KIZILASLAN This study aimed at developing a decision support system for the farms growing tomato in the Central County of Tokat Province. The research used data of original quality obtained through a survey. The survey was applied to 84 farms determined by the stratified sampling method among the farms growing tomato in the Central County of Tokat Province. The Analytic Hierarchy Process method was employed in data analysis. To do this, the Expert Choice software was used. The determination of an appropriate growing system for tomato growers was chosen as the problem in the study and a hierarchical structure was formed for the solution. Alternatives were stake-tomato and determinate tomato and the criteria were price, yield, marketing, cost and sustainability. According to the research findings, it was concluded that the appropriate growing system for the tomato growers in Tokat Province was stake-tomato with a result of 61 %. While stake-tomato was found significant with respect to price, yield and marketing criteria, it was found to be less significant regarding cost and sustainability. It was determined that growers obtained high yield and made more profit, and the marketing possibilities were easier with stake-tomato. It was concluded that stake tomato should be supported with respect to cost and sustainability. Therefore, growers should be oriented towards stake-tomato growing and they should be supplied with subsidy and support. In order to transfer resources to future generations in the most effective way, studies are needed to inform the growers on effective input use. 2013, 91 page Key words: Decision-Making, Multi-Criteria Decision Making, Analytic Hierarchical Process, Tomato, Grower Decisions ii

ÖNSÖZ ÇalıĢmamda bilgi ve tecrübelerinden faydalandığım, değerli katkılarını benden esirgemeyen danıģman hocam Doç. Dr. Halil KIZILASLAN a, teģekkürlerim sonsuzdur. ÇalıĢmam boyunca bana destek olan hocam Doç. Dr. Meral UZUNÖZ ve Doç. Dr. Ziya Gökalp GÖKTOLGA ya teģekkürlerimi sunarım. ÇalıĢmamı hazırlarken emeği geçen, yardımlarını hiçbir zaman esirgemeyen AraĢ. Gör. Rüveyda KIZILOĞLU na çok teģekkür ederim. ÇalıĢmam boyunca bana yardımcı olan, her zaman desteğini yanında hissettiğim eģim Öğr. Gör. Tarık DAL a, yoğun çalıģmam süresince gösterdiği sabırdan dolayı kızım BaĢak Damla DAL a, anneme ve babama çok teģekkür ederim. Ayrıca çalıģmamda emeği geçen Öğr. Gör. Ali Ġhsan TOĞLACI, Öğr. Gör. Ersin DURSUN, Öğr. Gör. Altuğ ÇAĞATAY ve Dursun ġakar a ayrı ayrı teģekkür ederim. Ayrıca araģtırmam gereği anket sorularına sabırla cevap veren değerli yöre çiftçilerine teģekkürlerimi sunarım. Berrin DAL Haziran 2013 iii

ĠÇĠNDEKĠLER Sayfa ÖZET... Ġ ABSTRACT... ĠĠ ĠÇĠNDEKĠLER... ĠV KISALTMALAR DĠZĠNĠ... VĠĠ ġekġller DĠZĠNĠ... VĠĠĠ TABLOLAR DĠZĠNĠ... ĠX 1. GĠRĠġ... 1 1.1. ÇalıĢmanın Önemi... 1 1.2. ÇalıĢmanın Amacı... 2 1.3. ÇalıĢmanın Kapsamı... 3 2. LĠTERATÜR TARAMASI... 4 3. MATERYAL VE YÖNTEM... 9 3.1. Materyal... 9 3.2. Yöntem... 9 3.2.1. Örnekleme AĢamasında Uygulanan Yöntemler... 9 3.2.1.1. Örneğe Giren Köylerin Belirlenmesinde Uygulanan Yöntem... 9 3.2.1.2. Örneğe Giren ĠĢletmelerin Seçiminde Uygulanan Yöntem... 9 3.2.2. Analiz AĢamasında Uygulanan Yöntem... 11 4. KARAR VERME SÜRECĠ VE ÇOK KRĠTERLĠ KARAR VERME... 13 4.1. Karar Verme... 13 4.2. Karar Verme Süreci... 14 4.3. Karar Verme Yöntemleri... 15 4.3.1. Tek Kriterli Karar Verme... 15 4.3.2. Çok Kriterli Karar Verme... 15 4.3.2.1. Çok Kriterli Karar Verme Süreci... 16 iv

4.3.2.2. Çok Kriterli Karar Verme Yöntemlerinin Amacı ve Önemi... 18 4.3.2.3. Çok Kriterli Karar Verme Yöntemleri... 18 4.3.2.3.1. Ağırlıklı Toplam Yöntemi (ATY)... 19 4.3.2.3.2. Ağırlıklı Çarpım Yöntemi (AÇY)... 19 4.3.2.3.3. Analitik HiyerarĢi Süreci (AHS)... 20 4.3.2.3.4. DüzeltilmiĢ Analitik HiyerarĢi Süreci (Revize AHY)... 20 4.3.2.3.5. Electre (Uyum-Uyumsuzluk Yöntemi)... 20 4.3.2.3.6. TOPSIS... 21 4.3.2.3.7. Bulanık (Fuzzy) Analitik HiyerarĢi Süreci... 21 4.3.2.3.8. Analitik ġebeke Süreci (Analytic Network Process-ANP)... 21 4.3.2.3.9.PROMETHEE... 21 4.3.2.4. Grup Karar Verme Teknikleri... 22 4.3.2.4.1. Beyin Fırtınası... 22 4.3.2.4.2. Nominal Grup Tekniği... 22 4.3.2.4.3. Delfi Tekniği... 23 4.3.2.4.4. Bilgisayar Destekli Grup Karar Verme... 23 4.3.2.4.5. Diğer Teknikler... 24 4.4. Karar Modelleri... 24 4.4.1. Belirlilik Halinde Karar Verme... 24 4.4.2. Risk Halinde Karar Verme... 26 4.4.3. Belirsizlik Halinde Karar Verme... 27 4.4.5. Rekabet Halinde Karar Verme... 29 5. ANALĠTĠK HĠYERARġĠ SÜRECĠ... 30 5.1. Analitik HiyerarĢi Süreci... 30 5.2. Analitik HiyerarĢi Süreci Yönteminin AĢamaları... 31 5.2.1. Problemin Tanımlanması... 32 5.2.2. HiyerarĢinin Kurulması... 32 5.2.3. AHS de Ġkili KarĢılaĢtırma Matrislerinin OluĢturulması... 33 5.2.4. Öncelik Vektörünün Hesaplanması... 35 5.2.5. Tutarlılık Oranının Hesaplanması ve Kontrolü... 37 5.2.6. Ağırlıkların BirleĢtirilerek Sonuca UlaĢtırılması... 38 v

5.3. AHS nin Avantajları ve Dezavantajları... 40 5.3.1. Analitik HiyerarĢi Süreci Yönteminin Avantajları... 40 5.3.2. Analitik HiyerarĢi Süreci Yönteminin Dezavantajları... 41 6. ARAġTIRMA BÖLGESĠ HAKKINDA GENEL BĠLGĠLER... 42 6.1. Nüfus Yapısı... 42 6.2. Tarımsal Yapı... 43 6.2.1. Arazi Varlığı ve Dağılımı... 43 6.2.2. Bitkisel Üretim... 46 6.2.3. Hayvancılık... 54 7. ARAġTIRMA BULGULARI VE TARTIġMA... 56 7.1. ĠĢletme Büyüklüğü Ġtibariyle Sosyo-Ekonomik Yapı... 56 7.1.1. Ġncelenen ĠĢletmelerde Nüfus ve ĠĢgücü Varlığı... 56 7.1.2. Ġncelenen ĠĢletmelerde Arazi Varlığı ve Tasarruf ġekli... 60 7.1.3. Ġncelenen ĠĢletmelerde Arazi Kullanım Durumu ve Dağılımı... 61 7.2. Uygun Üretim Sisteminin Belirlenmesinde Analitik HiyerarĢi Süreci Yönteminin Uygulanması... 64 7.2.1. Problemin OluĢturulması... 64 7.2.2. Analitik HiyerarĢi Süreci Yönteminin Probleme Uygulanması... 64 8. SONUÇ VE ÖNERĠLER... 72 KAYNAKLAR... 75 EKLER... 84 vi

KISALTMALAR DĠZĠNĠ Kısaltmalar AÇY AHP AHS ANP ATY ÇKKV EC TÜĠK Açıklama Ağırlıklı Çarpım Yöntemi Analitik HiyerarĢi Prosesi Analitik HiyerarĢi Süreci Analytic Network Proses Ağırlıklı Toplam Yöntemi Çok Kriterli Karar Verme Expert Choice Yazılım Programı Türkiye Ġstatistik Kurumu vii

ġekġller DĠZĠNĠ ġekil Sayfa ġekil 5.1. Bir HiyerarĢi Örneği... 33 ġekil 27.1. Problem Ġçin HiyerarĢik Ağaç Modeli... 65 viii

TABLOLAR DĠZĠNĠ Tablo Sayfa Tablo 3.1. Populasyonu OluĢturan ĠĢletmelerin Tabakalara Göre Dağılımı ve Örneğe Seçilen ĠĢletme Sayısı... 11 Tablo 3.2. ĠĢgücü Erkek Birimine Çevirmede Kullanılan Katsayılar... 12 Tablo 35.1. AHS de Kullanılan 1-9 Temel Ölçeği... 34 Tablo 45.2. Rassallık Ġndeksi... 38 Tablo 56.1. Cinsiyete Göre Ġl Ve Ġlçe Merkezleri, Belde ve Köylerin Nüfusu ve Nüfus Yoğunluğu... 42 Tablo 6.2. Yıllık Nüfus ArtıĢı... 42 Tablo 76.3. Tokat Ġlinde Arazi Varlığı ve Dağılımı... 43 Tablo 86.4. Tarıma ElveriĢli Arazinin Dağılımı... 44 Tablo 96.5. Arazi Varlığı Dağılımı... 45 Tablo 106.6. Tokat ili ve Merkez Ġlçe Tarla Ürünleri Üretim Alanı, Üretim Miktarı ve Verim... 46 Tablo 116.7. Tokat Ġli ve Merkez Ġlçe Sebze Ürünleri Ürün Grupları Üretim Alanı, Üretim Miktarı ve Verim... 49 Tablo 126.8. Yıllara Göre (2000-2012) Domates Üretim Alanı ve Üretim Miktarları... 51 Tablo 136.9. Tokat Ġli ve Merkez Ġlçe Meyve Ürünleri Ürün Grupları Üretim Alanı, Üretim Miktarı ve Verim... 52 Tablo 146.10. Tokat Ġli ve Merkez Ġlçe Hayvan Varlığı... 55 Tablo 157.1. Ġncelenen ĠĢletmelerde Nüfusun YaĢ ve Cinsiyete Göre Dağılımı... 56 Tablo 167.2. Ġncelenen ĠĢletmelerde ĠĢletme Yöneticilerinin YaĢı ve Öğrenim Süresi... 57 Tablo 177.3. Ġncelenen ĠĢletmelerde ĠĢletme BaĢına DüĢen Yedi ve Daha Yukarı YaĢtaki Nüfusun Eğitim Düzeyi... 58 Tablo 187.4. Ġncelenen ĠĢletmelerde ĠĢgücü Mevcudu ve Kullanım Durumu... 60 Tablo 197.5. Ġncelenen ĠĢletmelerde Ortalama Arazi Mevcudu ve Tasarruf ġekli... 61 Tablo 207.6. Ġncelenen ĠĢletmelerde Arazi Kullanım Durumu ve ĠĢletme Arazisi... 62 Tablo 217.7. Ġncelenen ĠĢletmelerde Üretilen Bazı Ürünlerin Üretim Alanı, Verim... 63 Tablo 227.8. Kriterlerin KarĢılaĢtırma Matrisi... 66 Tablo 237.9. Kriterlerin Göreli Önem Değerleri... 67 ix

Tablo 247.10. Fiyat Kriterine Göre Alternatiflerin KarĢılaĢtırılması Matrisi ve Göreli Önem Değerleri... 67 Tablo 257.11.Verim Kriterine Göre Alternatiflerin KarĢılaĢtırılması Matrisi ve Göreli Önem Değerleri... 68 Tablo 267.12. Pazarlama Kriterine Göre Alternatiflerin KarĢılaĢtırılması Matrisi ve Göreli Önem Değerleri... 69 Tablo 277.13. Maliyet Kriterine Göre Alternatiflerin KarĢılaĢtırılması Matrisi ve Göreli Önem Değerleri... 69 Tablo 287.14. Sürdürülebilirlik Kriterine Göre Alternatiflerin KarĢılaĢtırılması Matrisi ve Göreli Önem Değerleri... 70 Tablo 297.15. Alternatiflerin Göreli Önem Değerleri... 71 x

1. GĠRĠġ 1.1. ÇalıĢmanın Önemi Hayat, kiģisel ya da iģ yaģamında olsun, verilen kararlarla yön bulmaktadır. Genellikle, hangi kararın verildiği kadar, ne zaman karar verildiği de önemlidir. Ġnsan, yaģam, dünya ve tarih, her zaman bu kritik zamanların farkına varılmasına yardım eden dersler ile doludur. Bu hayat dersleri ise deneyerek ve örnekler ile öğrenilir. Çok çabuk karar vermek zararlı olabilir, ancak kararı çok fazla geciktirmek de kaçırılan fırsatlar anlamına gelebilmektedir. Önemli olan nokta, karar vermeye sistematik ve kapsamlı bir yaklaģımdır. Karar verme yaģam kalitesini arttırmaya ve hayatın amacına ulaģmaya bir temel oluģturur (Saaty, 2001). Tokat ili ekonomisi geniģ ölçüde tarıma dayanmaktadır. 2010 yılı verilerine göre 384671 hektar tarım arazisine sahip Tokat ta, bitkisel ve hayvansal üretim faaliyetleri yoğun olarak gerçekleģtirilmektedir (Anonim, 2010a). Bitkisel üretim dalında buğday, Ģekerpancarı ve domates ile Ģeftali, elma gibi meyveler, hayvansal üretimde ise sığır besiciliği ve süt sığırcılığı önemli üretim faaliyetlerdir. Tokat ili Türkiye domates talebinin önemli oranlarda karģılandığı illerden biridir. Tokat ilinde, tarla ürünleri iģlenebilir tarım arazisinin yaklaģık %68,36 sını, sebzeler ise %4,42 sini kaplamaktadır. Sebze üretim faaliyeti içerisinde ise, domates 2010 yılı verilerine göre 71255 da üretim alanı ve 456025 ton üretim miktarı ile ilk sırada yer almaktadır (Anonim, 2010a). Tarımsal üretim karmaģık bir yapıya sahiptir. Çiftçilerin hangi ürünleri, hangi yöntemle ve ne miktarda üreteceklerine böylesi karmaģık yapı içinde karar vermeleri gerekmektedir. Bu kararlar, tarımın teknik konularını, tarımsal üretim planlamasını ve bunun gerektirdiği tarımsal faaliyetlerin kayıt altına alınmasını kapsamaktadır. Bu bağlamda, çiftçilerin karar önceliklerinin belirlenmesi önem arz etmektedir (Günden ve Miran, 2008a).

2 Her alanda olduğu gibi tarım sektöründe de karar verme ile karģı karģıya kalınmaktadır. Hangi ürün, ne miktarda, hangi yöntemlerle üretilecek gibi birçok konuda karar verme ile karģılaģılmaktadır. Bu kararları alırken en uygun olanı seçebilmek önemlidir. Bu bakıģ açısından hareketle, araģtırmanın, üreticilerin karar verme önceliklerinin belirlenmesinde ve daha sonra yörede yapılacak çalıģmalarda yardımcı olacağı düģünülmektedir. 1.2. ÇalıĢmanın Amacı Türkiye domates talebinin büyük oranlarda karģılandığı illerden birisi Tokat ilidir. Tokat ilinde sebze üretiminde domates ilk sırayı alırken, bunun %17 si merkez ilçeden karģılanmaktadır. Bu çalıģmada karar verme, Çok Kriterli Karar Verme (ÇKKV) ve ÇKKV yöntemlerinden ve modern karar destek yöntemlerinden biri olan AHS yöntemi incelenmiģtir. Analitik HiyerarĢik Süreç (AHS) yönteminin çalıģma konusu olarak seçilmesindeki amaç karar vericilere pek çok karmaģık karar probleminin çözümünde yardımcı olacak, anlaģılması ve uygulanması kolay bir yöntem sunmaktır. Üreticilerin temel iģletmecilik kararlarına çiftçilerin verdiği öncelik düzeyini ve bu kararların alınmasındaki etkili olan kriterleri AHS kullanarak belirlemektir. AHS de belirlenen problem için kriterler, alt kriterler ve alternatifler belirlenerek bir hiyerarģik yapı oluģturulur. Amaç karmaģık görünen problemi hiyerarģik yapıya dönüģtürerek çözülmesini kolaylaģtırmaktır. AHS de sonuçların tutarsız çıkması durumunda hiyerarģik yapının yeniden düzenlenmesi, kriterlerin değiģtirilebilmesi mümkündür. ÇalıĢmada çok kriterli karar verme süreci geliģtirilmesi ve tarım sektörü için bir karar destek sistemi uygulamasına yer verilmeye çalıģılmıģtır. Domates üretimi yapan iģletmelerin sırık domatesini mi, yer domatesini mi tercih edeceklerini belirlemede bazı kriterler kullanılmıģtır. Bu kriterler fiyat, verim, pazarlama, maliyet ve sürdürülebilirliktir. Bu ölçütlere göre uygun üretim sisteminin belirlenmesi amaçlanmıģtır.

3 1.3. ÇalıĢmanın Kapsamı Tokat ili Merkez ilçesinde domates üreten iģletmelerde yapılmıģ olan bu araģtırma sekiz ana baģlıktan oluģmaktadır. Ġlk olarak giriģ bölümünde çalıģmanın önemi, amacı ve kapsamı açıklanmıģtır. Ġkinci bölümde ise konu ile ilgili literatür çalıģmalarına yer verilmiģtir. Üçüncü bölümde, araģtırmada kullanılan materyal ve yöntem açıklanmıģtır. Dördüncü bölümde, karar verme ve çok kriterli karar verme kavramları üzerinde durulmuģ, beģinci bölümde ise, AHS anlatılmıģtır. Altıncı bölümde, araģtırma bölgesini tanıtmak amacıyla bölgeye ait genel bilgilere yer verilmiģtir. Yedinci bölümde, araģtırma bulgularına yer verilmiģ, birincil ve ikincil kaynaklardan sağlanan veriler ıģığında analizler yapılmıģ ve incelenmiģtir. Sonrasında problem tespit edilmiģ ve AHS yöntemi kullanılarak hiyerarģik ağaç modeli oluģturulmuģtur. Sekizinci ve son bölümde ise, araģtırma neticesinde ortaya çıkan sonuçlar özetlenmiģ ve öneriler geliģtirilmiģtir.

2. LĠTERATÜR TARAMASI Karar verme tekniklerinden biri olan Analitik HiyerarĢi Süreci (AHS) yöntemi ile ilgili literatür incelendiğinde çok sayıda çalıģma yapıldığı görülmektedir. Bu çalıģmalar genel olarak tedarikçi seçimi, proje seçimi, alt yüklenici seçimi gibi projelerde stratejik boyutlara sahip sorunlarda alınacak kararı belirlemede uygulanmıģtır. Literatürde AHS ile ilgili tarım alanında uygulamaları da mevcuttur ve bu çalıģmaların giderek artıģ gösterdiği görülmektedir. AHS diğer yöntemlerle birleģtirilerek kullanılabilme esnekliğine sahip olduğundan dolayı literatürde AHS nin farklı yöntemlerle beraber kullanıldığı pek çok çalıģma bulunmaktadır. Bunlardan bazıları AHS ve Hedef Programlama, AHS ve Doğrusal Programlama, Bulanık AHP ve Dinamik Programlama, AHP ve Bulanık Mantıktır. Literatürde yapılan çalıģmada veri tabanlarından, dergilerde yayınlanan makalelerden, doktora ve yüksek lisans tezlerinden yararlanılmıģtır. Saaty (1982), Decision-making with the AHP: Why is The Principal Eigenvector Necessary baģlıklı çalıģmasında karar vermede özvektörlerinin gerekliliğini kanıtlamıģtır. Alphonce (1996), Application of the Analytic Hierarchy Process in Agriculture in Developing Countries baģlıklı makalesinde AHP nin geliģen ülkelerdeki tarımın beģ karar alanını sunmaktadır. BeĢ hiyerarģi bu makalede AHP uygulanabilen geliģen ülkelerde geniģ alanlı çoklu kriterli tarımsal karar verme gösteriliģi ile sunulmuģtur. ÇalıĢma tanıtıcı yapı, gelecek iyileģtirmelere ve eklemelere yardımcı olmaktadır. Saat (2000), Çok Amaçlı Karar Vermede Bir YaklaĢım: Analitik HiyerarĢi Yöntemi baģlıklı makalesinde AHP hakkında tarihsel geliģim süreçlerinden ve kullanım alanlarını ele almıģtır. Ġç ve Yurdakul (2000), Analitik HiyerarĢi Süreci (AHP) Yöntemini Kullanan Bir Kredi Değerlendirme Sistemi baģlıklı çalıģmalarında kredi değerlendirme sistemine ait nicel faktörleri içeren bir model geliģtirilmiģ ve bu modele AHP uygulanmıģtır. ÇalıĢma da kriter, alt kriter ve ölçüm kriterleri olarak hiyerarģik yapıda sınıflandırılmıģtır. Kuru üzüm ve Atsan (2001), Analitik HiyerarĢi Yöntemi ve ĠĢletmecilik Alanındaki Uygulamaları baģlıklı çalıģmalarında Analitik HiyerarĢi Yöntemi konusunda yapılacak

5 çalıģmalara katkı sağlamak amacıyla yöntemin kavramsal temeli, analitik süreci ve iģletmecilik alanındaki uygulamalarına yönelik bir incelemeden oluģmaktadır. ÇalıĢmada üniversiteyi bitiren ve iģe baģlayacak öğrencilerin hangi Ģehri seçmek isteyeceklerinde dair bir örnek oluģturulmuģtur. Yaralıoğlu (2001), Performans Değerlendirmede Analitik HiyerarĢi Proses baģlıklı makalesinde iģletmelerde personel motivasyonunu artırılabilmesi için kullanılan performans değerlendirme yöntemlerine alternatif olarak AHP incelenmiģtir. AHP algoritması, performans değerlendirmeye uygun bir karar hiyerarģisi ile birlikte düzenlenerek oluģturulan model bir örnek üzerinde çözülmüģtür. Lai, Wong ve Cheung (2002), yaptıkları çalıģmada bir Ģirketin yazılım seçimi probleminde AHP yi kullanmıģlar, bunun için Ģirketten altı kiģinin katılmasıyla hiyerarģik ağaç ve ikili karģılaģtırmalar yaparak çözüm bulunmasını sağlamıģlardır. Sağır, Özdemir (2002), Bir ĠĢletmede Analitik HiyerarĢi Süreci Kullanılarak Performans Değerleme Sistemi Tasarımı baģlıklı çalıģmalarında AHP sistemi kullanılarak performans değerlendirme sistemi kurulmuģtur. Tasarlanan sistemi test amacıyla belirli sayıda iģçi, farklı kiģiler tarafından ve farklı zamanlarda değerlendirilmiģtir. Cengiz ve Çelem (2003), Kırsal Kalkınmada Analitik HiyerarĢi Süreci Yönteminin Kullanımı baģlıklı çalıģmalarında kırsal kalkınmanın çok kapsamlı bir kavram olduğunu ve kalkınma çalıģmalarında problemin açık ve net olarak ortaya konulması, analiz edilmesi ve birçok kriterin uzman kiģiler tarafından değerlendirilmesi gerektiğini söylemektedir. ÇalıĢmasında Analitik HiyerarĢi Süreci Yöntemini uygulamıģ ve AHS yönteminin kırsal kalkınma çalıģmalarında kullanılmasının yararlı olacağı sonucuna varmıģtır. Cengiz (2003), Peyzaj Değerlerinin Korunmasına Yönelik Kırsal Kalkınma Modeli Üzerine Bir AraĢtırma: Seben Ġlçesi (Bolu) Alpağut Köyü Örneği baģlıklı çalıģmasında sürdürülebilir kırsal kalkınma için alan kullanım planlarının önemini vurgulamaktadır. AraĢtırmada örnek seçilen köyde kırsal kalkınma boyutunda, alan kullanım alternatifinin seçim ve değerlendirilmesi gerçekleģtirilmiģtir. ÇalıĢmada ayrıca AHS yöntemini uygulamıģtır. Dağdeviren ve ark., (2004), ĠĢ Değerlendirme Sürecinde Analitik HiyerarĢi Prosesi ve Uygulaması baģlıklı çalıģmalarında da Analitik HiyerarĢi Prosesi (AHP) ile bir iģ

6 değerlendirme sistemi tasarlanmıģ ve geliģtirilen sistem bir elektrik iģletmesindeki farklı iģlerin değerlendirilmesinde kullanılmıģtır. Yurdakul (2004), AHP as a Strategic Decision-making Tool to Justify Machine Tool Selection baģlıklı çalıģmasında alternatif üretim sistemleri içerisinden en uygun olanını saptamayı amaçlamıģtır. ÇalıĢmada bu sonuca ulaģmak için AHP yöntemi ile karar verme analizi uygulanmıģtır. Sonuç olarak ilgili karar için Ģirket yönetimini tatmin edici ve makine araçlarında uygulanabilir kararlar elde edilmiģtir. Ada ve ark. (2005), Stratejik Rekabet Üstünlüğü Sağlamada Tedarikçi Seçiminin Analitik HiyerarĢik Süreç Ġle GerçekleĢtirilmesi baģlıklı çalıģmalarında uygun tedarikçi seçiminde AHS yöntemini kullanmıģlardır. Susuz (2005), Analitik HiyerarĢi Prosesine Dayalı Optimum Tedarikçi Seçim Modeli baģlıklı çalıģmasında AHP metodu kullanılarak seçilen bir iģletmede belirli bir ürüne iliģkin aylık tedarikçileri kapasiteleri, hammaddeye iliģkin önerdikleri miktar iskontoları, ana firma talep, bütçe ve iģleme kapasitesi kısıtlarının yer aldığı iki matematiksel model oluģturulmuģ ve optimum karar verilmesi analizi yapılmıģtır. Karabat (2007), Manisa Ġli Bağ Alanlarında Kullanılan Tarımsal Ġlaçların Gıda Güvenliğine Etkisinin KoĢullu Değerleme Yöntemiyle Analizi ve Üretici Duyarlılığınızın Belirlenmesi Üzerine Bir AraĢtırma baģlıklı çalıģmasında bağcıların tarımsal ilaç kullanımı konusundaki tutum ve davranıģları ile tarımsal ilaçların gıda güvenliğine olan etkilerinin analiz edilmiģtir. ÇalıĢmada Analitik HiyerarĢi Sürecinden yararlanılarak üreticilerin kaliteli sofralık ve kuru üzüm hedefine ulaģmak için geleneksel ve çevre dostu olarak adlandırılan tarım ilaçlarını tercih etme öncelikleri hesaplanmıģtır. Çobanoğlu (2007), Türkiye Kuru ve Taze Ġncir Üretim, Ġç ve DıĢ Pazarlamasında Bazı Kalite Güvence Sistemlerinin Uygulanabilirliği Üzerine Bir AraĢtırma baģlıklı çalıģmasında kuru incir üreticilerinin organik tarım sistemine yönelmesinde etkili olan kriterler ve etki düzeyleri Analitik HiyerarĢi Süreci ile analiz edilmiģtir. ÇalıĢmada konvansiyonel ve organik olarak üretilen kuru incir ile konvansiyonel ve EUREPGAP sertifikalı olarak üretilen taze incir üretim sisteminde yer alan; üreticiler, tüccarlar, toptancılar, Haller, paketleme tesisleri ve ihracat yapan firmalar karģılaģtırmalı olarak analiz edilmiģtir. Ayrıca kuru incir üreticilerinin organik, taze incir üreticilerinin EUREPGAP kalite güvence sistemini benimsemelerine etki eden faktörler

7 belirlenmiģtir. Bununla birlikte, paketleme tesisi ve kuru incir ihracatı yapan firmalar ile taze incir ihracatı yapan firmaların HACCP, EUREPGAP, organik tarım sistemi gibi önemli kalite güvence sistemlerini benimsemelerinde etkili olan faktörler tespit edilmiģtir. Saaty (2008), Decision Making With The Analytic Hierarchy Process baģlıklı çalıģmasında AHP metodu ile karar alma sistemini incelenmiģtir. Günden ve Miran (2008a), Çiftçilerin Temel ĠĢletmecilik Kararlarının Öncelik ve Destek Alma Açısından Analizi baģlıklı çalıģmalarında teknik yardım alma, planlama ve kayıt tutma gibi temel iģletmecilik konularında çiftçilerin karar önceliklerini ve bu kararların alınmasında destek beklediği kurumların tercih derecelerini AHP kullanarak belirlemiģtir. Çiftçilerin karar önceliğini ve kurum tercihini etkileyen faktörleri belirlemek için ise Tobit model kullanılmıģtır. Günden ve Miran (2008b), Bulanık Analitik HiyerarĢi Süreci Kullanılarak Çiftçi Kararlarının Analizi baģlıklı çalıģmalarında teknik yardım alma, planlama ve kayıt tutma gibi temel iģletmecilik konularında çiftçilerin karar önceliklerini ve bu kararların alınmasında destek beklediği kurumların tercih derecelerini Bulanık AHP kullanarak belirlemiģtir. Çobanoğlu ve IĢın (2009), Organik Kuru Ġncir Üreticilerinin Organik Tarım Sistemi Tercihini Etkileyen Kriterlerin Analitik HiyerarĢi Süreci Ġle Analizi baģlıklı çalıģmalarında kuru incir üreticilerinin organik tarım sistemine yönelmesinde etkili olan kriterler ve etki düzeyleri Analitik HiyerarĢi Süreci ile analiz edilmiģtir. Demirel ve ark., (2009), Multi-Criteria Evaluation of Land Cover Policies Using Fuzzy AHP and Fuzzy ANP: The Case of Turkey baģlıklı çalıģmasında çok kriterli problemleri değerlendirmede kullanılan Bulanık AHP ve Bulanık ANP (Analytic Network Proses) ile ilgili bilgiler verilmektedir. Ayrıca çalıģmada uygulama olarak, Türkiye'deki tarım iģlerini ve arsa kullanım oranları probleminde alternatif seçeneklerden en uygun karar verme analizi yer almaktadır. Canhasi (2010), Analitik HiyerarĢi Süreci adlı yüksek lisans tezinde çok amaçlı ve çok ölçütlü bir karar verme tekniği olan Analitik HiyerarĢi Sürecinin teorisinin kapsamlı biçimde açıklamıģ ve güçlü bir uygulamayla konunun önemini vurgulamıģtır. Zuluğ (2010), Coğrafi iģaretli Gıdalara ĠliĢkin Tüketici Tercihleri Üzerine Bir AraĢtırma: Ġstanbul Örneği baģlıklı çalıģmasında coğrafi etiketli gıda ürünlerine iliģkin

8 Türkiye ve dünyada yer alan uygulamalara hem teorik hem de pratik açıdan değinilmiģ, Ġstanbul ili kapsamında coğrafi etiketli ürünlere iliģkin tüketici tercihleri incelenmiģtir. AHP ve Bulanık EĢli KarĢılaĢtırma Yöntemi birlikte kullanılmıģtır. BulmuĢ (2010), Analitik HiyerarĢi ve Hedef Programlama Yöntemleri Kullanılarak Sivas Ġlinde Üretim Deseninin Analiz Edilmesi baģlıklı çalıģmasında Sivas ilinde fakirliği azaltmak amacıyla tarımsal sektörlerin seçimi ve seçilen sektörlere toplam bütçenin ideal paylaģtırılma yöntemini anlatırken Analitik HiyerarĢi Süreci ve Hedef Programlama yöntemlerini kullanmıģtır. Polat (2011), Yemeklik Yağ Sektöründe Tüketici DavranıĢlarını Etkileyen Faktörlerin Analizi baģlıklı çalıģmasında yemeklik yağ seçimini etkileyen faktörler çok değiģkenli analiz yöntemleri ve Analitik HiyerarĢi Yöntemi kullanılarak analiz edilmiģtir.

3. MATERYAL ve YÖNTEM 3.1. Materyal ÇalıĢmanın ana materyalini, Tokat ili Merkez ilçede domates yetiģtiriciliği yapan iģletmeler oluģturmuģtur. Bu iģletmelere iliģkin ana popülasyon belirlendikten sonra uygun örnekleme yöntemi kullanılarak örnek hacmi belirlenmiģtir. Belirlenen örnek iģletmeler ile yüz yüze görüģmelerden elde edilen orijinal veriler kullanılmıģtır. AraĢtırma verileri 2010 yılı üretim bilgilerini içermektedir. ÇalıĢmanın teorik yapısı ile ilgili olarak makale, kitap, tez vb. türü çalıģmalar için kütüphane çalıģması yapılmıģtır. Ayrıca konu ile ilgili kamu kurum ve kuruluģların yayın ve istatistiklerinden yararlanılmıģtır. 3.2. Yöntem 3.2.1. Örnekleme AĢamasında Uygulanan Yöntemler 3.2.1.1. Örneğe Giren Köylerin Belirlenmesinde Uygulanan Yöntem AraĢtırma bölgesi olarak Tokat ili Merkez ilçede domates yetiģtiriciliği yapan köyler seçilmiģtir. Ġlk aģamada Gıda, Tarım ve Hayvancılık Tokat Ġl Müdürlüğü nden elde edilen verilere göre 2010 yılında Tokat ili Merkez ilçede domates yetiģtiriciliği yapan 42 köy olduğu tespit edilmiģtir. Bu köylerden kaç tanesi ile çalıģılması gerektiği Gayeli Örnekleme Yöntemine ile belirlenmiģtir. Popülasyonu oluģturan toplam köy sayısının % 25 i ile çalıģılması yeterli bulunarak, 11 köy ile anket yapılmasına karar verilmiģtir. Anket uygulanan iģletmelerin bulundukları 11 köy Ģunlardır: Büyükbağlar, Büyükyıldız, Çerçi, Çöreğibüyük, Emirseyit, GaziosmanpaĢa, Güryıldız, Kızılköy, Küçükbağlar, Söngüt, TaĢlıçiftlik. 3.2.1.2. Örneğe Giren ĠĢletmelerin Seçiminde Uygulanan Yöntem Ġkinci aģamada ise örneğe giren 11 köyden domates üretimi ile uğraģan tarım iģletmelerinden kaç tanesine anket uygulanacağı ve bu iģletmelerin hangileri olacağı belirlenmiģtir.

10 Örneğe alınan köylerde domates üreten iģletme sayıları ve bu iģletmelerin üretim yaptıkları toplam arazi miktarları Gıda, Tarım ve Hayvancılık Tokat Ġl Müdürlüğü kayıtlarından yararlanılarak elde edilmiģtir. Böylece örnekleme çerçevesi oluģturulmuģtur. Örnekleme çerçevesinde yer alan iģletmelerin domates ekim alanları dikkate alınarak varyasyon katsayısı hesaplanmıģtır. Varyasyon katsayısı eģitlik 1.1 de verilen formül kullanılarak hesaplanmıģtır: (Çiçek ve Erkan, 1996) CV=(S/ )*100 (1.1) CV: Varyasyon katsayısı S: Verilerin standart sapması : Verilerin aritmetik ortalaması Varyasyon katsayısı % 75 den yüksek bulunmuģtur. Bunun için tabakalı örnekleme yöntemi kullanılmıģtır. Buna göre % 95 güven aralığı ve ortalamadan % 5 sapma (t tablo değeri=l,96) ile yapılması gereken anket sayısı belirlenmiģtir. Örneklemede Neyman Yöntemi kullanılmıģ ve örnek hacmi eģitlik 1.2 de verilen formülle hesaplanmıģtır: (Çiçek ve Erkan, 1996) n = (1.2) Formülde; n = Örnek hacmini = h ıncı tabakaya ait örnekleme çerçevesindeki iģletme sayısını - h ıncı tabakadaki verilerin standart sapmasını N= örnekleme çerçevesindeki toplam iģletme sayısını t= güven aralığı için tablo değerini D= ortalamadan %5 oranında sapmayı (d/z) ifade etmektedir. Z= t dağılım çizelgesindeki serbestlik derecesi ve belirli bir güven sınırına ait değeri Belirlenen örnek hacimlerinin tabakalara dağıtılmasında eģitlik 1.3 te verilen formül kullanılmıģtır.

11 = (1.3) Buna göre belirlenen örnek sayısı Tablo 3.1 de verilmiģtir: Tablo 3.1. Populasyonu oluģturan iģletmelerin tabakalara göre dağılımı ve örneğe seçilen iģletme sayısı Tabaka No Alt-Üst Sınırlar (da) Arazi Var. Ort. (da) Tabaka. ĠĢl. Sayısı (Nh) Standart Sapma (Sh) (Sh*Nh) Nh*(Sh)² Örneğe Giren ĠĢl. Sayısı (adet) I 1-9 4,84 180 2,41 433,32 1043,17 37 II 10+ 18,53 55 9,79 538,24 5267,22 47 11,68 235 971,56 6310,39 84 Tablo 3.1 den de anlaģılacağı gibi Tokat ili Merkez ilçedeki 235 adet iģletme arasından 84 adet iģletme ile çalıģılması uygun bulunmuģtur. Yapılacak toplam anket sayısı ve her bir tabakadaki anket sayıları belirlendikten sonra, anketler bu tabakalardaki köyler arasında dağıtılmıģtır. Örneğe çıkan 84 adet iģletmenin 37 tanesi 1. tabakada, 47 tanesi ise 2. tabakada yer almaktadır. 3.2.2. Analiz AĢamasında Uygulanan Yöntem ÇalıĢmanın bu aģamasında iģletmelerin nüfus, iģgücü, eğitim durumu incelenmiģtir. Nüfus durumunun belirlenmesinde iģletmelerde bulunan nüfus cinsiyete ve yaģlara göre belirlenmiģtir. Nüfusun eğitim düzeyi belirlenirken, yedi yaģ ve üzeri aile fertleri dikkate alınmıģtır. Aile iģgücünü potansiyelinin belirlenmesinde erkek iģgücü birimi (EĠB) dikkate alınmıģtır. Erkek iģgücü birimi ergin(15-49 yaģ arası) bir iģçinin günde ortalama 10 saat, yılda 300 gün çalıģması ile ortaya koyduğu iģgücüdür (Aras, 1988). ĠĢletmelerde aile iģgücü potansiyeli belirlenirken, fiilen çalıģabilir nüfustan, devamlı hastalık, askerlik ve eğitim gibi çalıģmayı engelleyici unsurlardan dolayı çalıģamayan nüfus çıkartılmıģ ve fiilen çalıģan nüfus cinsiyet ve yaģı dikkate alan katsayılar Tablo 3.2 yardımı ile EĠB çevrilmiģtir. Öğrenim çağındaki nüfusun en fazla yılda 100 gün çalıģabileceği varsayılmıģtır (Uzunöz, 2002).

12 Geçici ve daimi olarak çalıģtırılan yabancı iģgücü, iģçinin yaģ ve cinsiyeti ile çalıģtığı gün sayısı üzerinden hesaplanmıģtır. Ailede kullanılabilir iģgücü miktarından, iģletmede kullanılan aile iģgücü miktarı ile iģletme dıģında çalıģan aile iģgücü miktarı çıkartılarak atıl iģgücü belirlenmiģtir. Tablo 3.2. ĠĢgücü erkek birimine çevirmede kullanılan katsayılar YaĢ Grupları Katsayılar Erkek Kadın 0-6 - - 7-14 0,50 0,50 15-49 1,00 0,75 50-64 0,75 0,50 65+ - - Kaynak: ErkuĢ ve ark., 1995 ÇalıĢmada çok kriterli karar verme yöntemlerinden biri olan Analitik HiyerarĢi Süreci yöntemi kullanılmıģtır. Ayrıca çalıģmanın amaçlarına yönelik geliģtirilecek karar destek sistemi bilgisayar ortamında yapılmıģtır. AHS yöntemini uygulamak için öncelikle karar vericinin amacı doğrultusunda kriterlerini ve alt kriterlerini belirlemesi ve hiyerarģik yapının oluģturulması gerekmektedir. Bu doğrultuda ilk aģamada amaç ve bu amaç doğrultusunda kriterler ve alternatifler belirlenmiģtir. Böylece karar için hiyerarģik bir yapı oluģturulmuģtur. Örneğe çıkan 84 iģletme ile yapılan anketler sonucunda ikili karģılaģtırmalar matrisi oluģturulmuģtur. Matristen elde edilen veriler Expert Choice (EC) yazılım programında analiz edilmiģtir. Expert Choice yazılım paketi Analitik HiyerarĢi Süreci yönteminin yazılım programı olarak Expert Choice firması tarafından geliģtirilmiģtir. EC, karmaģık problemlerin analizinde kullanılan bir karar destek aracıdır. Karar vericilerin çok basit ve kolay bir biçimde karar problemini hiyerarģik bir yapıda görüntülemelerine, gerekli ikili yargıları yapmalarına, otomatik olarak özdeğer yaklaģımı ile göreli öncelikleri hesaplamalarına olanak vermektedir. Karar verici ikili karģılaģtırma yaparken sözel, sayısal veya grafiksel karģılaģtırma seçeneklerinden istediğini tercih edebilir. Ayrıca, bireysel veya grup bazında analiz yapmaya elveriģli bir programdır. Dünyanın her yerinde çok yüksek sayıda özel firma ve kamu kuruluģu, çok farklı uygulama alanlarında Expert Choice yazılımını kullanmaktadır (Expert Choice Tutorials, 2000; Kuruüzüm ve Atsan, 2001).

4. KARAR VERME SÜRECĠ ve ÇOK KRĠTERLĠ KARAR VERME 4.1. Karar Verme Doğadaki tüm canlılar, hayatlarının her anında çeģitli kararlar vermek zorundadır. Verdikleri kararlar bu canlıların faaliyetlerini, davranıģlarını ve yaģamlarını etkilemekte ve yönlendirmektedir. Örneğin, iģ baģvurularının değerlendirilmesinde, üniversite seçiminde, otel, restoran, hastane gibi kuruluģların yer seçiminde, yeni bir ev, araba ya da bilgisayar alımında, yaģamak için en iyi Ģehirlerin sıralanmasında ve vergi alanında uygun vergi kombinasyonunun seçiminde karar verme durumuyla karģılaģılır (Hacıköylü, 2006; Aydın, 2008). Karar, iģletme yönetiminin bir kavramı olarak bir seçimi ifade etmektedir. Yönetici veya her hangi bir kiģinin her hangi bir konuda seçim yapması karardır. Seçme, tercih etme, tavır koyma, benimseme karar verme ile ilgilidir. Konu üzerinde düģünülüp çare ya da çözüm diye benimsenen yol, kararı ifade etmektedir. Karar verici kim olursa olsun karar verme bir seçim yapmadır. Kararın tek kiģi veya bir grup tarafından alınıyor olması kararın bu niteliğini değiģtirmez (Ünal, 2010). Karar verme, karar vericinin mevcut alternatiflerle karģı karģıya kaldığı durumda, bu alternatifler arasından, kendisince belirlenmiģ belli ölçütlere göre kendi amaç veya amaçlarına uygun bir veya birkaçını seçme sürecidir (Evren ve Ülengin, 1992; Tekin, 1995; Ġpekçi Çetin, 2002). Karar verme, karar verme eylemini inceleyen analitik ve sistematik bir yaklaģımdır. Ġyi bir karar; matematiksel temele dayanmalı, eldeki tüm verileri ve muhtemel alternatifleri dikkate almalı ve bunlara sistematik bir yaklaģım getirebilmelidir (Render ve Stair, 1991; Özdağoğlu, 2008). Bir baģka tanıma göre karar verme, genellikle bir problemin varlığını bilerek, o problemin değiģik çözüm yollarını bulup, bu çözüm yollarının sonuçlarını ayrı ayrı değerlendirip en uygun olanını, en etkili olanını seçmektir (Ofluoğlu, 2006; Rençber, 2010). Karar verme, en genel manada bir seçenek kümesinden en az bir amaç veya kritere göre en uygun alternatifin seçimidir. Bu manada eğer gidilebilecek yalnızca bir

14 yol varsa, diğer bir değiģle seçim yapma imkanı yoksa karar verme de söz konusu değildir (Koçel, 2003; Ünal, 2010). 4.2. Karar Verme Süreci Karar verme süreci, karar vermek için kullanılan teknik ve yöntemlerin iģlevsel düzenini ve bu süreçte izlenen yolu ifade etmektedir. Karar verme süreci ile ilgilenen bir bilim dalı olan karar teorisi, ekonomi, istatistik, felsefe, psikoloji, idari bilimler ve yöneylem araģtırması gibi farklı disiplinlerden önemli ölçüde etkilenmiģtir. Karar teorisinin öncelikli hedefi, karar verme sürecindeki belirsizliği ve karmaģıklığı azaltmak suretiyle olası alternatiflerin sistematik biçimde değerlendirilmesi için karar vericilere yardım etmektir (Güngör, 2008). Kararların tam zamanında alınması da çok önemlidir. Ayrıca alınan her karar, her zaman istenilen sonuca ulaģtırmayabilir. Bu risk her zaman vardır. Bu durum, kontrol edilemeyen değiģkenlerden, daha iyi bir alternatifi sürece katmamaktan, kısıtlardan vs. ileri gelebilir. Bu nedenle de etkin ve doğru kararlar alabilmek için karar verme sürecinin aģamalarının çok iyi bilinmesi ve uygulanması gerekmektedir (Aydın, 2008). Karar verme sürecinde izlenmesi gereken altı temel adım vardır (Heizer ve Render, 2003; Özdağoğlu, 2008) : 1. Eldeki problemin ve problem üzerinde etkisi olan faktörlerin belirlenmesi: Pek çok durumda en zor aģamayı oluģturur. Bu ilk adım, problemin açık, kısa ve özlü olarak ortaya konmasıdır. 2. Karar ölçütlerinin ve hedeflerin belirlenmesi: Yöneticilerin bu aģamada spesifik ve ölçümlenebilir hedefler ortaya koyması gerekmektedir. 3. Hedefler ve eldeki değişkenler arasında bir model veya ilişkinin formüle edilmesi: Bu aģamada söz konusu durumun bir model ile ortaya konması gerekmektedir. Model; bir objenin, bir sistemin veya bir fikrin temsilini ifade etmektedir. Modelin amacı; sistemi açıklamak ve sistemi daha iyi anlamak için karar vericilere yardımcı olmaktır. Modellerin tahmin aracı olma yanında, düģünmeye yardım etme, denemelere olanak verme gibi fonksiyonları da vardır. 4. Çözüm alternatiflerinin tanımlanması ve değerlendirilmesi: Bu aģama, karar problemine olabildiği kadar çok çözüm alternatifi üretmeyi içermektedir. Çok sayıda çözüm alternatifi olması yöneticilerin tercih ettiği bir durumdur.

15 5. En iyi alternatifin seçilmesi: Belirlenen hedeflerle en tutarlı ve söz konusu hedefleri en üst düzeyde tatmin eden alternatif karar probleminin çözümü olarak tanımlanır. 6. Kararın uygulanması: Seçilen alternatifin uygulanması aģamasıdır. Bu aģama, uygulama planını ve çeģitli görev atamalarını içermektedir. 4.3. Karar Verme Yöntemleri 4.3.1. Tek Kriterli Karar Verme Tek kriterli karar verme problemi en basit karar verme problemidir. Kullanıcı tek bir amaç doğrultusunda nihai karara ulaģır. Karar verme alanında yapılan ilk çalıģmalar tek ölçütlü karar problemleriyle baģlamıģtır (Bulut, 2009). Burada karar problemine iliģkin tek bir amaç söz konusudur. Bu nedenle de karar verici çeģitli kısıtlayıcı koģulları da göz önünde bulundurarak problemin niteliğine göre amacın en büyüklenmesine veya da en küçüklenmesine çalıģacaktır. Karar verici böyle bir durumda karar probleminin çözümü için yöneylem araģtırması konusu içindeki pek çok yöntemden ( örneğin doğrusal programlama, doğrusal olmayan programlama gibi ) yararlanabilmekte ve amacını gerçekleģtirecek en iyi optimal çözüme ulaģabilmektedir. Dolayısıyla tek amaçlı karar verme problemlerinin çözümü kolaydır. Ancak, gerçek hayatta karģılaģılan karar problemlerinde karar vericiler pek çok amacı optimize etmek durumundadır ve bu durumda karar verme olayı karmaģık bir yapıya dönüģmektedir. Bu durum da çok amaçlı karar verme yöntemlerinin geliģmesine yol açmıģtır (Karakaya, 2003; Aydın, 2008). 4.3.2. Çok Kriterli Karar Verme Karar verme, günlük hayatın ayrılmaz bir parçasıdır. Ġnsanlar araba alırken, ev alırken, herhangi bir yatırım yapmayı düģünürken vb. durumlarda bazı faktörlere göre karar verirler. Karar verme iģlemi birbiriyle çatıģan faktörlere bağlı olduğu için kolay bir iģlem değildir. Karar vericiyi etkileyen faktörlerin sayısının çokluğu, çoğu zamanda bu faktörlerin birbirine zıt olduğu karar verme sürecini zorlaģtırır. Karar verici karar noktaları arasından yapacağı seçimde eğer tek bir değerlendirme faktörüne sahipse, değerlendirme faktörünün niteliğine göre en büyük avantajlı ya da en küçük

16 dezavantajlı olan karar noktasını kolaylıkla seçebilir (Yaralıoğlu, 2010). Fakat karar verici için bu karar noktalarını belirlemek her durum için kolay olmayabilir ( Bakan, 2011). Çok kriterli karar verme (ÇKKV) problemleri tüm mümkün alternatiflerin çeģitli değiģkenlere (kriterler) göre değerlendirilmesi sonucu en uzlaģık sonucun bulunmasıdır. Çoğu ÇKKV, insan fikirlerinin ve belirsizlik içeren yargılarının kullanılması sonucu değerlendirilmesi yapılan hem nitel hem de nicel değiģkenleri kapsar (Li ve Yang, 2004; Aplak, 2010). ÇKKV yöntemleri, 1960 lı yıllarda karar verme iģlerine yardımcı olacak bir takım araçların gerekli görülmesiyle geliģtirilmeye baģlanmıģtır. Seçimde ulaģılmak istenen hedefi birçok parametrenin belirlediği ve seçim için değerlendirilecek alternatiflerin her birinin kendine has avantajlarının bulunduğu durumlarda karar verme iģi çok zor bir durum alacaktır. Böyle durumlarda kararı verecek olan kiģi ya tüm bu kararsızlık sıkıntısından kurtulmak için, sağlıklı olup olmadığını önemsemeden bir karara varacak; ya da uzun ve rasyonel olmayan analizler sonunda kuģku içerisinde bir karara varacaktır (HeriĢçakar, 1999). Ancak karar verici tüm parametrelerin etkileri ve alternatiflerin her birinin sağlayacağı avantajlar hakkında bilgi sahibi olarak bir nebze olsun rasyonel karar vermeyi gerçekleģtirebilir (Bakan, 2011). 4.3.2.1. Çok Kriterli Karar Verme Süreci Günümüzde verilecek kararlar üzerinde genellikle birden fazla ve birbirleriyle çeliģen kriterlerin etkili olduğu bilinen bir gerçektir. Ancak alternatiflerin değerlendirilmesini sağlayan kriterlerin sayısı arttıkça etkili ve doğru karar verme de o derece güçleģmektedir. ĠĢte bu gibi durumlarda çok kriterli karar verme sürecinin etkin bir Ģekilde uygulanması bu sorunun giderilebilmesinde çok önemlidir. Ayrıca ÇKKV sürecinde kullanılan modellerden beklenen, soruna iliģkin doğru ve kesin cevabı vermesinin yanı sıra problemin önemli özelliklerine de derinlemesine yaklaģım getirmesidir (Gök, 2006). ÇKKV süreci, son karar üzerinde etkisi olabilecek birden fazla soyut ya da somut öğeyi barındıran, karar vericinin tercihlerine göre bu öğelere, bilimsel yöntemlerle desteklenen karar analizi tekniklerinin uygulanması sonucunda en doğru kararın verilmesi süreci olarak tanımlanabilir (Gök, 2006).

17 ÇKKV süreci aģağıdaki aģamalardan oluģmakta ve kısaca aģağıdaki gibi açıklanmaktadır (Kocamustafaoğulları, 2007): 1. Amaçların Belirlenmesi - Amaçlar, iyileģtirmeyi, geliģtirmeyi hedeflediğimiz yönlerde olmalıdır. - Ġyi kararlara, açık ve herkesçe anlaģılır amaçlarla ulaģılır. - Amaçlar, belli, üzerinde uzlaģılmıģ, gerçekçi, zamana bağlı ve ölçülebilir olmalıdır. - Farklı zaman dilimleri için farklı amaçlar belirlenir. - Yakın, orta ve uzun vade arasında farklılıklar gözetilir, aynı konuda farklı problemler kurulur. 2. Kriterlerin Oluşturulması - Kapsayıcı olmalıdır: Kriterlerin düzeyi bilinirse amaca ne kadar ulaģıldığı da anlaģılabilir. - Ölçülebilir olmalıdır: Karar vericinin öncelikleri kriterin her düzeyi için ölçülebilmelidir. - Yeterli olmalıdır: Kriterler birden fazla tekrar ederek sonucu etkilememelidir. - Minimal olmalıdır: Karar problemi, mümkün olan en basit Ģekilde ifade edilmelidir. 3. Alternatiflerin Belirlenmesi - Alternatifler, amaca göre geliģmeye yönelik olmalıdır. - Birçok alternatif zaten önceden bellidir. - Amaçlara ve kriterlere göre yeni alternatifler de yaratılabilir. 4. Alternatiflerin Kriterlere Göre Değerlendirilmesi - Her alternatif, her kriter üzerinden değerlendirilir. - Numerik olmayan tercihler de numerik değerlendirmeye dönüģtürülebilir. - Bazı metotlarda da alternatifler kriterler üzerinden ikili karģılaģtırma ile değerlendirilir. 5. Genel Değerlendirme ve Karar - Alternatiflerin birbirlerine göre önemleri (ağırlıkları) saptanır. - Bir alternatifin toplam puanı, o alternatiflerin kriterler üzerinden aldığı puanların toplamıdır.

18 - Analizden gelen sonuç karar vericinin değerlendirmesine sunulur. 6. Kararın İncelenmesi ve Geri Dönüm - Karar vericinin değerlendirmesiyle gerekli noktalarda değiģiklikler yapılır. - Duyarlılık analizi özellikle yakın sonuçlarda, hangi kriter puan değeri değiģikliklerinde sonucun yani seçimin farklılaģacağını gösterir. 4.3.2.2. Çok Kriterli Karar Verme Yöntemlerinin Amacı ve Önemi Çok kriterli karar verme yöntemlerini kullanmaktaki amaç alternatif ve parametre (kriter) sayılarının fazla olduğu durumlarda karar verme mekanizmasını kontrol altında tutabilmek ve karar sonucunu mümkün olduğu kadar kolay ve çabuk elde etmektir (HeriĢçakar, 1999). Çok kriterli yöntemlerde öncelikli iģlem çok kriter içerisinde ağırlıklarına göre seçim yapmaktır. BaĢka bir deyiģle yöntemde kullanılacak doğru kriterlerin doğru ağırlıkla belirlenmesidir (Eleren, 2007). Ayrıca değerlendirme kriterleri kümesine göre en yüksek skora (ağırlığa) sahip olan değerleri seçmek ve verilen amaca uygun en tutarlı hale getirmektir (Beccali ve ark., 1998; Bakan, 2011). ÇKKV yöntemlerini kullanmaktaki amaç seçenek ve kriter sayılarının fazla olduğu durumlarda karar verme mekanizmasını kontrol altında tutabilmek ve böylece karar sonucunu daha kolay ve çabuk elde etmektir. Çünkü yöntemlerden her biri seçenekler içinden daha kolay ve çabuk seçim yapılmasına olanak sağlayan sayısal teknikler kullanmaktadır (Canhasi, 2010). Seçim kararı, tek faktörün değil, çok sayıda iç ve dıģ faktörün etkisi ile oluģmakta, dolayısıyla karmaģık bir yapı göstermektedir. Bu nedenle, bu süreç, sadece tek değiģkene veya tek kritere göre değil, çok sayıda değiģkene ve bunların ortaklaģa etkilerine göre tanımlanmalıdır. Bu nedenle çok kriterli karar verme yöntemlerine her alanda baģvurulmaktadır (Ofluoğlu ve ark., 2006; Bakan, 2011). 4.3.2.3. Çok Kriterli Karar Verme Yöntemleri Karar metotlarının ve çeģitlerinin süregelen ani artıģı ile birlikte, karģılaģtırılmalı değerlerinin anlaģılması önem kazanmıģtır. Metotların her biri, bir kesikli alternatif kararlar kümesinden seçimin yapılmasında karar vericiye yardım etmek üzere sayısal teknikleri kullanmaktadır (Triantaphyllou, 2000; Özdemir, 2009).

19 ÇKKV yöntemleri, tüm dünyada finansın matematikleģmesiyle birlikte önem kazanmaya baģlamıģtır. Özellikle çok sayıda ve birbiriyle çeliģen amaçların/kriterlerin mevcut olduğu durumda, çok sayıda seçenek söz konusu olduğunda ÇKKV yöntemlerine baģvurulur. Çok Kriterli Karar Verme yöntemleri, birden fazla birbiriyle çatıģan faktörlerin (amaç, hedef, kriter vb.) eģanlı olarak dikkate alınması gereken durumlarda karar vericileri destekleyecek ve onlara yardımcı olacak uygun metodolojilerin geliģtirilmesi aģamasında kullanılmaktadır (Zopounidis ve Doumpos, 2002; Güngör, 2007). Literatürde ÇKKV problemlerinin çözümü için kullanılan farklı yöntemler olup bu yöntemlerin hiç birisi diğerlerine göre tam üstünlük sağlayamamaktadır. Bu yöntemlerin en önemli avantajı nicel ve nitel kriterleri bir arada değerlendirmeye imkân sağlamalarıdır (Dağdeviren ve ark., 2007). Uygulamalarda sıklıkla kullanılan ÇKKV yöntemleri Ģu Ģekilde sıralanabilir: 4.3.2.3.1. Ağırlıklı Toplam Yöntemi (ATY) Ağırlıklı toplam yöntemi, en çok bilinen ve en yaygın olarak kullanılan karar verme yöntemlerinden bir tanesidir (Triantaphyllou ve Lin, 1996). Bu yöntemde, her bir kritere göre alternatifin değeri, gerçek sayısal değerdir ve o kriterin ağırlığı ile çarpılarak tüm kriterler için bu değerlerin toplamları alınır ve sonuç değerleri bulunur. Bu değerler arasından maksimum değeri sağlayan alternatif, en iyi alternatif olarak seçilir (KarakaĢoğlu, 2008). 4.3.2.3.2. Ağırlıklı Çarpım Yöntemi (AÇY) Ağırlıklı çarpım yönteminde, alternatifleri sıralamak için çarpma iģlemi kullanılmaktadır. Her bir alternatif, diğer alternatiflerle, her bir kriter için belirlenen oranla çarpılarak karģılaģtırılır. Ağırlıklı çarpım yöntemi, ağırlıklı toplam yöntemine oldukça benzemektedir. Ağırlıklı çarpım yöntemine boyutsuz analiz de denilmektedir. Bunun nedeni bu yöntemin yapısının, ölçü birimlerinin elimine edilmesine izin vermesidir. Bu yüzden ağırlıklı çarpım yöntemi, tek ve çok boyutlu karar problemlerinde kullanılabilmektedir (Triantaphyllou ve Lin, 1996).

20 4.3.2.3.3. Analitik HiyerarĢi Süreci (AHS) AHS yöntemi, karmaģık çok kriterli karar verme problemlerinde uygulanabilen, nicel ve nitel kriterlerin aynı anda değerlendirilebilmesine olanak sağlayan, karar vericilerin tutarlılığını ölçen ve grup karar verme sürecini destekleyebilen bir yöntemdir (Can, 2006). AHS yöntemi, beģinci bölümde detaylı olarak ele alınacaktır. 4.3.2.3.4. DüzeltilmiĢ Analitik HiyerarĢi Süreci (Revize AHY) Belton ve Gear, 1983 yılında orijinal yaklaģımdan çok daha tutarlı olmasını sağlamak için Analitik HiyerarĢi Süreci yöntemi üzerinde bir değiģiklik önermiģler ve Revize Analitik HiyerarĢi Süreci yöntemini oluģturmuģlardır. Sıralamadaki tutarsızlığın Analitik HiyerarĢi Süreci yöntemi kullanıldığında meydana geldiğini ispatlamıģlardır. Analitik HiyerarĢi Süreci yönteminde uygulanan seçeneklerin göreli değerlerini toplamak yerine, her bir göreli değerin göreli değerlerin maksimum değerine bölünmesi gerektiğini ortaya koymuģlardır (Triantaphyllou, 2000). 4.3.2.3.5. Electre (Uyum-Uyumsuzluk Yöntemi) ELECTRE metodu Bernard Roy tarafından 1960 larda ortaya atılmıģtır. Sonraki yıllarda Nijkamp, Delft ve Voogd tarafından geliģtirilmiģtir (Yoon ve Hwang, 1995). Uyumluluk, uyumsuzluk ve üst sıralama gibi kavramları kullanmaktadır (Roy ve Vanderpooten, 1997). Yöntem, çeģitli alternatiflerin belirlenen kriterlere uyum ya da uyumsuzluklarını her bir kriter için belirlenen eģik değerleri aracılığıyla değerlendirir (Atıcı ve Ulucan,2009; Ünal, 2010). ELECTRE yönteminin temeli, her bir kriter altında incelenen seçenekler arasında ikili karģılaģtırmalar kullanarak bir sıralama iliģkisi (outranking relations) oluģturmasıdır (Triantaphyllou, 2000). ELECTRE, öne geçme veya baskınlık iliģkisine dayanan bir yöntemdir, her bir ölçüt için bir verimlilik bir de önem ölçüsü tespit edilir. Tayin edilen verimlilik ölçüleri üzerinden her bir seçeneğe not verilir (Karacasu ve Yayla, 2004).

21 4.3.2.3.6. TOPSIS TOPSIS (For the Technique for Order Preference by Similarity to Ideal Solution) yöntemi, 1980 yılında Yoon ve Hwang tarafından Electre yöntemine bir seçenek olarak geliģtirilmiģtir. Yöntemin temeli, geometrik anlamda ideal çözüme en kısa uzaklıkta ve negatif-ideal çözüme en uzak olan seçeneğin seçilmesine dayanır (Canhasi, 2010). 4.3.2.3.7. Bulanık (Fuzzy) AHP Gerçek hayatın karmaģıklığı ve algılama kapasitemizin sınırlı olması sonucu, kesin olarak kavranamayan çok sayıda çeģitli nesneler sadece sübjektif görüģlerle değerlendirilebilir. Bulanık AHP yönteminde, böyle karmaģık nesnelere iliģkin karar vermenin üstesinden gelmek için nesneyi nitelendiren genel özellikler (örneğin güzellik) bulanık özellik olarak ele alınır. Karar verici tercihini günlük yaģamda kullanılan dildeki ifadelerle ifade edebilir. Yöntem, bu tercihleri mevcut verilerle (istatistiksel analiz ve anketler) birleģtirir. Bulanık AHP yönteminde ikili karģılaģtırma matrisindeki sayılar bulanık aritmetik ve bazı yöntemlerle tek sayılara çevrilir ve yöntem bulanık değerlerin ortalamasını gösteren optimal çözümü bulur (Can, 2006). 4.3.2.3.8. Analitik ġebeke Süreci (Analytic Network Process-ANP) Bu yöntem Saaty tarafından hiyerarģik yapıda kurulmayan karar verme problemleri için geliģtirilmiģtir. Çünkü üst düzey öğelerle alt düzey öğeler arasında, etkileģim ve bağımlılık iliģkisi bulunabilir. Saaty, karģılaģılan karar verme probleminde eğer kriterler ve alternatifler birbirinden bağımsızsa AHP nin, birbirine bağımlıysa ANP nin kullanılmasını önermiģtir. ANP çok kriterli karar verme probleminde, bir aktivite kümesine göreli ağırlıklar verilebilmesini sağlamaktadır. Bu yöntem de AHP gibi alternatifler ve kriterlerin ikili karģılaģtırmasına dayanır. ANP deki en önemli unsur Ģebeke üzerinde birbiriyle bağımlılık iliģkilerinin bulunmasıdır (Niemira ve Saaty, 2004). 4.3.2.3.9. PROMETHEE PROMETHEE yöntemi, alternatifleri farklı tercih fonksiyonları temelinde değerlendirerek alternatiflere iliģkin kısmi önceliklerin ve tam önceliklerin elde

22 edilmesini sağlayarak ayrıntılı analizlerin yapılmasını sağlamaktadır (Dağdeviren ve Eraslan, 2008). Bu metotta alternatifler çeģitli kriterler açısından değerlendirilir ve her kriterin yapısına uygun olarak seçilen tercih fonksiyonundan faydalanılır. Bu tekniğin, Electre tekniğinde olduğu gibi çeģitli ihtiyaçlara uygun PROMETHEE I, PROMETHEE II ve PROMETHEE-DDSS türleri geliģtirilmiģtir ( Atıcı ve Ulucan, 2009; Ünal, 2010). 4.3.2.4. Grup Karar Verme Teknikleri Grup karar verme, bireysel olarak karar vermeden daha farklı bir süreçtir. Grup ortak bir amacı olan birey ya da alt gruplardan oluģmuģ olabileceği gibi, grup üyelerinin birbiriyle çatıģan amaçlan da olabilir. Grup karar verme ile geliģtirilen teknikler problem çözmekten ziyade problem belirlemeye yöneliktir. Bu bölümde grup karar verme sürecine yönelik olarak geliģtirilmiģ olan teknikler incelenmiģtir (Can, 2006). 4.3.2.4.1. Beyin Fırtınası Farklı bireylerin bir problemin olanaklı çözümlerini bulmak için bir araya geldiği bu grup tekniği farklı bireylerin anlık çağrıģımlar sonucu sentez yaparak fikir üretmeleri üzerine kuruludur. Genel olarak yarım saate yakın oturumlardan oluģan panellerden oluģan bu teknikte fikirlerin akıģım sağlayan bir yönetici, ortaya çıkan fikirleri listeleyen bir kaydedici ve oturumun diğer üyeleri rol alır. Beyin fırtınasında, kısa sürede çok sayıda fikir üretilebilir. Katılımcıların özel bilgi ya da deneyime sahip olması gerekli değildir ve farklı disiplinlerden gelen katılımcıların olduğu durumlarda daha baģarılıdır. 4.3.2.4.2. Nominal Grup Tekniği Problem tanımlamak ve çözmek için bir araya gelen örgütlü grup toplantılarıdır. Küçük grup toplantılarında ortaya çıkan sorunları önlemek için kullanılır. Bu yöntemde birey eğilimleri dengelenir ve katılım artar. Genellikle 2-3 saat süren oturumlar Ģeklindedir. Bu teknikte, bir araya gelen bireyler önce bireysel olarak fikirler üretirler. Sırayla her birey fikirlerini gruba sunar. Bu fikirlerin tartıģılması sonrasında, her üye en uygun 5-7 arası sıralar. Grup yöneticisi oylan topladıktan sonra, oylamanın sonuçlan ve uygunluğu tartıģılır. Bu yöntem küçük grup toplantılarıyla fikirler geliģtirilmesi, problem

23 belirlenmesi ve çözümünde kullanılabilir, fakat gündelik sorunların çözümünde, getiriģi belli olmayan problemlerde ve oybirliği gerektiren durumlarda uygulanamaz. 4.3.2.4.3. Delfi Tekniği 1950 yılında RAND firması tarafından geliģtirilen bu teknik, öznel olmayan fikirlerin bulunduğu bir ortamda grubun fikirlerinin birleģtiği görüģ noktalarını bulmak amacıyla aģama aģama uygulanır. Ġlk uygulamaları askeri alanda gerçekleģtirilmiģtir. Bu teknikte sözlü geri bildirim söz konusudur ve fikirlerin paylaģılmasını daha sağlıklı hale getirmek için katılım anonim olarak gerçekleģtirmektedir. Teknik birbirini takip eden aģamalar Ģeklinde uygulanır. Ġlk aģamada, tüm üyeler gerekli gördükleri gelecekle ilgili önemli konuları listelerler, ikinci aģamada, tüm üyelerin ortak listesi hazırlanır ve bunlarla ilgili tahminler yapılmak üzere yeniden üyelere verilir. Üyeler tahminlerini dayandırdıkları istatistiksel bilgi ve kanıtları da belirler. Bu aģamanın istatistiksel sonuçları birleģtirildikten sonra üyelere gönderilir. Üçüncü aģamada üyeler bu sonuçlara göre tahminlerini güncelleyebilirler. Bu aģama, yeterli görülen sonuç elde edilene kadar devam eder. Bu teknik standartların belirlenmesi, teknoloji öngörüsü, proje önceliklendirme gibi alanlarda geniģ kullanıma sahiptir. Nesnel deneyim ve hükümlerin bulunduğu durumlarda uygun olup, karmaģık, geniģ ve çoklu disiplinli problemlerde ve çok sayıda kiģinin fikrine baģvurulması gerektiği durumlarda kullanılabilir. Bu tekniğin baģlıca dezavantajları çok fazla iģgücü gerektirmesi, pahalı ve zaman alıcı olması ve katılım eksikliğidir. Bunun dıģında geleceğin dikkate alınmayıp mevcut olayların daha önemli görülmesi, yanlıģ tahmin yapan üyeler sebebiyle yanlıģ sonuca varılması gibi sistematik hatalara neden olabilir. 4.3.2.4.4. Bilgisayar Destekli Grup Karar Verme Grup karar verme süreci için kullanılan çeģitli bilgisayar paket programlan mevcut olup bunlara örnek olarak Grup Karar Destek Sistemleri, web tabanlı uygulamaları verilebilir. Bunların avantajı, grafiksel destek sağlamaları, duyarlılık analizi ve değiģiklikler yapılabilmesi ve karmaģık problemlerin çözümüne olanak vermeleridir.

24 4.3.2.4.5. Diğer Teknikler Bu yöntemlerin dıģında daha çok demokratik rejimlerde uygulanan bir yöntemde oylama prosedürleridir. Oylamada çok sayıda katılımcı mevcuttur ve sonuçtan hepsinin tatmin olması gerekmemektedir. 4.4. Karar Modelleri Bir karar probleminin var olabilmesi için; karar vericinin ulaģmak istediği bir amacının olması, bu amaca ulaģmada izlenebilecek alternatif stratejilerinin bulunması ve alternatifler içinden hangisinin amacı gerçekleģtirebileceği konusunda kuģku içinde bulunulması gerekmektedir. Bu nedenle de bir karar probleminin elemanlarını genel olarak karar verici, kısıtlar, amaçlar, kriterler, alternatifler, sonuçlar ve karar vericinin öncelikleri oluģturur (Aydın, 2008). Karar verme aģamasında oluģturulan modeller arasındaki farklılıklar, beklenen çıktıların değerlendirilmesi ve karar vericinin duruma bakıģ açısı ve aynı zamanda tecrübe seviyesinden kaynaklıdır (Güngör, 2008). Karar alma süreçlerine bağlı olarak karar vermek için karar modellerinin bilinmesi gerekir. Karar alma sürecinde kararın alındığı karar ortamı bilinmezse, sağlıklı, isabetli ve rasyonel kararlar alınabilmesi mümkün olmaz (Tekin, 2004; Bakan, 2011). BaĢlıca 5 çeģit karar verme modeli vardır. Bunlar; - Belirlilik altında karar verme - Risk altında karar verme - Belirsizlik altında karar verme - Kısmi bilgi altında karar verme - Rekabet altında karar verme 4.4.1. Belirlilik Halinde Karar Verme Belirlilik halinde karar verme en basit karar verme durumlarından biridir. Çünkü karar probleminin hiçbir öğesi Ģansa bırakılmamıģtır. Belirlilik halinde karar vermenin iki öğesi vardır. Stratejiler ve bu stratejilerin uygulanması sonucu ortaya çıkabilecek sonuçlarıdır. Stratejilerin hangi koģullar altında gerçekleģeceğinin kesin olarak bilindiği

25 durumlarda verilen kararlara belirlilik halinde karar verme denir ( Tütek ve GümüĢoğlu, 1994; Karaca, 2011). Karar verme durumuna ait değerlendirilmesi gereken tüm faktörlerin açık olduğu ve bilindiği varsayımı halinde belirlilik halinde karar verme söz konusudur. Gerçek hayatta, böylesi bir belirlilik oldukça ender görülür. Ancak, tam bilgi varsayımından hareketle, bir analiz için belirlenecek üst sınırının saptanması bazı durumlarda yararlı olabilmektedir (Güngör, 2008). Karar sorunu hiçbir açıdan Ģansa bırakılmamıģtır, tüm gerçeklerin bilindiği varsayımı halindir ve ortaya çıkabilecek doğal olaylar açıkça bilinmektedir. Gerçekte, böylesi bir belirlilik de oldukça ender görülür. Ancak, böylesi bir tam bilgi varsayımından hareketle, bir araģtırmaya verebilecek bedelin üst sınırının saptanması bazen yararlı olmaktadır (Canhasi, 2010). Belirlilik altında herhangi bir kararın verilebilmesi için karar verme problemindeki bütün hareket biçimlerinin sonuçları ve hangi mümkün durumun meydana geleceği kesinlikle bilinmesi gerekir (Turanlı, 1988; Alp, 2008). Belirlilik durumunda verilecek kararlar için ortaya konulan her seçeneğin sonuçlarına iliģkin tam bir bilgi vardır. Belirlilik durumunda karar vermek çok kolaydır. Çünkü her seçeneğin belirli bir sonucu vardır. Belirlilik ortamında herhangi bir kararın verilebilmesi için karar vermede kullanılacak bütün uygun seçenekler ve bunların sonuçları tam olarak bilinmelidir. Tüm uygun seçeneklerin ortaya konulmasında güçlüklerle karģılaģılabilir. Seçeneklerin eksik ortaya konulması olumsuz sonuçlar verilmesine neden olabilir. Karar vericinin gelecekle ilgili olarak tam doğru bir öngörüde bulunulabiliyor olması gerekir. Ancak uygulamada karģılaģılan pek çok durumda bu mümkün değildir (Rençber, 2010).

26 4.4.2. Risk Halinde Karar Verme Risk halinde karar vermede verilecek belirli bir karara iliģkin değiģik sayıda koģullar söz konusudur. Her seçeneğin her koģul altında ulaģacağı sonuçlar belirli bir olasılıkla oluģur. Karar verme, yani alternatiflerin seçimi belirli olasılıklara dayandırılarak yapılır. Bu Ģartlar altında verilen karara risk halinde karar verme denir (Chankong ve Haimes, 1983). Her bir seçeneğin belirli bir sonuca götüreceğinin bilindiği, ancak karar verici tarafından bilinen bu sonuçların birer olasılık olduğu ortamdır. Risk kavramında önemli olan ölçülebilme ve kestirilebilmedir. Bir iģletmede çeģitli nedenlerle ortaya çıkacak risklerin doğuracağı zararların önceden kestirilebilmesi için risk planlaması yapılmalıdır ve riskin maliyeti hesaplanmalıdır (Güngör, 2008). Riskli koģullar altındaki karar vermede alternatiflerin farklı durumlara göre alacağı değerler, olasılıklı olarak bilinmektedir. Bu nedenle de yönetici riskli koģullarda karar verirken beklenen değeri en yüksek olan alternatifi seçme yoluna gidecektir (Aydın, 2008). Risk durumunda karar vermede karar verici, sorunun çözümünü sağlayacak seçeneklerin belli bir olasılık (risk) değerine bağlı olarak meydana geleceğini kabul etmektedir ( Bağırkan, 1983; Çelik, 2006). Risk halinde karar verilirken ilk olarak, doğal durumların alabileceği olasılık değerleri belirlenir. Doğal durumların ortaya çıkma olasılıkları bilindiğinde karar vericiler, farklı karar ölçütlerine göre en iyi stratejiyi belirleyebilecektir. Risk halinde karar vermede kullanılabilen baģlıca karar ölçütleri aģağıdaki gibi sıralanabilir ( Karaca, 2011). - En Büyük Olasılık Ölçütü ( Enolanaklılık) - En Ġyi Beklenen Değer Karar Ölçütü - Hırs Düzeyi Ölçütü - Tam Bilginin Beklenen Değeridir

27 4.4.3. Belirsizlik Halinde Karar Verme Belirsizlik ortamında karar verme, en karmaģık tipte olanıdır. Tam belirsizlik durumunda, karar verme teknikleri kullanılamaz hale gelirler; ortam, risk ile belirsizlik arasındaysa kullanılabilirler. Risk ortamında karar verme ile belirsizlik durumunda karar verme arasındaki en önemli fark ise belirsizlik durumunda ortamların meydana gelebilmelerine iliģkin olasılıkların bilinmemesidir (Yozgat, 1994; Karamahmutoğlu, 2010). Belirsizlik halinde karar verme, bir kararı izleyen çıktıların gerçekleģme olasılıkları belirli değildir. Böylesi tümü ile belirsiz bir ortama, gerçek hayatta ender rastlanılır. Genellikle konu ile ilgililerin tecrübe ve birikimlerine dayanılarak bu olasılıklar kestirilebilir. Bu durumda ise risk altında karar verme sorunu ortaya çıkar. Ayrıca, geçmiģ dönemlerin verilerini temel alarak da çıktıların olasılıkları belirlenebilir. Böyle bir yaklaģım yanlı kiģisel yargılara bağlı olarak ortaya konan olasılıklardan daha tutarlı sonuçlar verebilir ( Tekes, 2002; Güngör, 2008). Belirsizlik altında karar ölçütünde mümkün durumlar olasılıkları bilinmez, ancak hareket biçimlerinin sonuçları tahmin edilebilir. Bu ölçüt, yöneticinin psikolojik yapısını ve değer yargılarını yansıtmaktadır (Turanlı, 1988; Alp, 2008). Belirsizlik ortamında karar vermede, sonuçlara belli bir olasılık değerinin verilmesi için karar veren, iki tür olasılık dağılmasından bir tanesini kullanır. Bunlardan biri, olaylara iliģkin önceki deneyler veya bilgilerden yararlanılarak hesaplanan olasılıkların oluģturduğu objektif baģlangıç olasılık dağılması; diğeri ise olaylara iliģkin önceden hiçbir deney ve bilginin olmadığı durumlarda, sonuçlara iliģkin olasılıklar kiģisel inançlara veya varsayımlara göre belirlenen olasılık dağılmasıdır. Ġkinci olasılık dağılmasında olasılıklar sübjektif değerlere göre tespit edilmektedir. Böyle durumlarda sübjektif baģlangıç olasılık dağılması, sonuçların olasılıklarını belirlemiģ olacaktır. Sübjektif baģlangıç olasılık dağılmasıyla bulunan olasılık değerleri kiģisel yargılara bağlı olduğundan aynı olay için farklı olasılıklar saptanabilmektedir. Bu bakımdan sübjektif baģlangıç olasılık dağılmasıyla saptanan olasılıklar değiģken karakterlidirler (Bağırkan, 1983). Belirsizlik durumunda karar verme süreci, doğa durumlarının ortaya çıkma olasılıklarının hesaplanamadığı problem durumlarına entegredir. Böyle bir problem

28 durumunda, risk unsurları mevcut olmasına rağmen risk analiz edilemez ve ölçülemez. Böyle durumlarda risk ile baģa çıkmanın en iyi yolu karar ölçütlerinin uygun olarak seçilmesinden geçer (Chankong ve Haimes, 1983). Karar vericilerin belirsizlik halinde karar vermelerine yardımcı olan baģlıca karar ölçütleri Ģunlardır ( Karaca, 2011). - Ġyimserlik (Maximax) Ölçütü, - Kötümserlik (Maximin) Ölçütü, - Hurwitz in genelleģtirilmiģ iyimserlik Ölçütü, - Laplace eģit olasılık Ölçütü, - PiĢmanlık (Savage) Ölçütüdür. 4.4.4. Kısmi Bilgi Halinde Karar Verme Olayların ortaya çıkma olasılıklarının yalnız dağılımı ve standart ölçütlerinin bazıları biliniyorsa kısmi bilgi halinde karar verme söz konusudur (Alp, 2008). Rastlantısal değiģkenin değerleri ve bu değerlerin ortaya çıkma olasılıkları arasındaki iliģkiler olasılık dağılımının Ģeklini belirler. Olasılık dağılımı kesikli ve sürekli olmak üzere iki Ģekildedir. Kesikli dağılım kendi içerisinde binom, geometrik, hipergeometrik, multinom, poisson olmak üzere beģe ve sürekli dağılım ise üssel ve normal olmak üzere ikiye ayrılır ( Tütek ve GümüĢoğlu, 1994; Karaca, 2011). Olasılık dağılımının Ģekli bilindiği zaman ve dağılımın parametreleri ile karakteristikleri hakkında bilgi varsa karar problemi kısmi bilgi halinde karar vermeyi gerektiren bir problemdir. Risk halinde karar problemlerimde karar verici en iyi tahminin bulunduğu ön olasılıklara sahiptir. Karar vericinin en iyi kararı verebilmesi için olaylar hakkında ek bilgi isteyebilir. Bu yeni bilgiler düzeltilebilir veya olaylar hakkında daha geçerli olasılık tahminlerine dayalı nihai kararlar verilebilmesi için ön olasılıklar güncelleģtirilir (Halaç, 2000; Alp, 2008; Karaca, 2011).

29 4.4.5. Rekabet Halinde Karar Verme Günümüz piyasa koģullarında rekabetin üst düzeyde olması sebebiyle, iģletmelerin iç problemlerine en iyi çözümü bulması kendi geliģimleri ve devamlılıkları açısından yeterli olmayacaktır. Bundan dolayı kontrolü dıģında olan durumlarda dahi rakipleri karsısında kendisine en çok getiriyi getirecek stratejiyi belirlemesi gerekecektir (Tekes, 2002; Güngör, 2008). Rekabet halinin var olduğu, çatıģmalarla dolu ekonomik yaģamda rasyonel bir karar vericinin karar verme iģlemi, büyük ölçüde diğer karar vericilerin veya rakiplerin eylemlerine bağlıdır (Doğan, 1985; Karaca, 2011). Serbest ekonomilerin teoride de olsa temel özelliklerinden birisi rekabet halidir. Faaliyet gösteren her iģletmenin rakibi hatta rakipleri vardır. Bu nedenle iģletmenin kendi iç problemlerine en iyi çözümü bulabilmesi ve iģletme geliģimini sağlayabilmesi için rakiplerini dikkate almalıdır (Karayalçın, 1993; Karaca, 2011). Kontrolü kendi dıģında olan rakiplere karģı iģletmenin kendisini ayarlaması ve rakipler karģısında avantaj sağlayacak stratejiler geliģtirmesi ve bu stratejileri uygulaması gerekir. ĠĢte bu tür problemlerin çözümünde oyun kuramı yaygın bir biçimde kullanılmaktadır ( Karaca, 2011). Rekabete dayalı karar verme problemleri bu grupta incelenir. Oyun teorisinde, rakiplerin strateji veya seçenekleri karar matrisinde yer almaktadır. Taraflar kazançlarını arttırabilmek için mücadele ederler, gerektiğinde rakiplerine daha fazla kaybettirebilmek için bir miktar kaybetmeyi bile göze alabilirler. Bu nedenle de oyun teorisinde asıl amaç rakipten daha fazla kazanç elde etmektir. (Aydın, 2008; Rençber, 2010).

5. ANALĠTĠK HĠYERARġĠ SÜRECĠ 5.1. Analitik HiyerarĢi Süreci Analitik HiyerarĢi Süreci yöntemi, ilk olarak 1968 yılında Myers ve Alpert ikilisi tarafından ortaya atılmıģ ve 1977 de ise Profesör Thomas Lorie Saaty tarafından bir model olarak geliģtirilerek karar verme problemlerinin çözümünde kullanılabilir hale getirilmiģtir. AHS, karar hiyerarģisinin tanımlanabilmesi durumunda kullanılan, kararı etkileyen faktörler açısından karar noktalarının yüzde dağılımlarını veren bir karar verme ve tahminleme yöntemi olarak açıklanabilir (Yaralıoğlu, 2001). AHS, karmaģık durumlarda doğal karar verme süreçlerini basitleģtirerek ve hızlandırarak, daha etkin karar almamızı sağlar. KarmaĢık durumlarda karar verirken hiyerarģi kullanmak büyük yarar sağlar, ayrıca karar alma süreci kısalmıģ olur. AHS, karmaģık bir süreci bileģenlerine ayırma, bileģenleri düzenleyerek gruplar haline getirme ve bu grupları bir hiyerarģik yapı oluģturacak Ģekilde ayrı ayrı seviyelerde yerleģtirmeden ibarettir. Temel olarak AHS, karmaģık bir durumu bileģenlerine ayırır, bu bileģen veya değiģkenleri hiyerarģik bir düzende sıralar. Her bir değiģkenin göreceli önem düzeyine iliģkin kiģisel yargılara rakamsal değerler atar ve hangi değiģkenlerin daha yüksek önceliği olduğunu, kararın sonucunu etkileyecek olan değiģkenlerin öncelik düzeyini ortaya koymak için söz konusu yargıları sentezler (Saaty, 1999). AHS, çok sayıda alternatif arasında seçim ya da sıralama yaparken, çok sayıda karar vericinin bulunabildiği, çok kriterli, çok amaçlı, belirlilik ya da belirsizlik durumunda karar vermede kullanılır (Göksu ve Güngör, 2008). AHS çoklu kriterler içeren kompleks problemleri çözmek için tasarlanmıģtır. Süreç, karar vericinin, belirlediği her bir kriterin göreceli önemlerin belirlemesine ve daha sonra her bir kritere göre karar alternatifleri arasında seçim yapmasına gereksinim duyar (Sipahi ve Berber, 2002).

31 AHS kavramsal karģılaģtırmalar ile gerçek hayatta çok karģılaģıldığını ve bu nedenle bir çeģit matematiksel yaklaģımın kullanılmasının söz konusu kararlaģtırma iģlemini kolaylaģtıracağı düģüncesine dayanmaktadır. AHS nitel ve nicel faktörleri birleģtirme olanağı sunan güçlü ve kolay bir yöntemdir (Canhasi, 2010). AHS de modelin kurulması ve uygulanması için geçmiģ verilere, ileri düzeyde matematik bilgisine, somut ve soyut kriterler bir arada kullanılabileceğinden çok fazla sayıda varsayım yapmaya gerek yoktur. En önemlisi de kararı alacak ve uygulayacak olan kiģiler karar sürecinde yer aldığı için ve kendi değerlendirmelerini de modele yansıtabildikleri için sonuçları daha iyi anlarlar, yorumlarlar ve benimserler. Bu durum da sonuçların uygulanma olasılığını diğer modellere göre arttırır. AHS kolay anlaģılır ve güçlü bir yöntem olduğundan karar teorisinde yaygın uygulama alanına sahiptir. Bu modelin her alanda kolaylıkla uygulanabilmesinin baģlıca sebebi ise değiģik koģulların her birinde aynı Ģekilde kullanılabilmesidir (Aydın, 2008). 5.2. Analitik HiyerarĢi Süreci Yönteminin AĢamaları AHS ile karar verme süreci aģağıdaki aģamalardan oluģur: 1) KarmaĢık ve düzensiz bir problemi parçalara (alt ögelere) ayrılması, bir baģka deyiģle, problemin temel öğelerini ve bu öğeler arasındaki iliģkileri gösteren bir modelin oluģturulması. 2) Ġlgili alt ögeleri gruplayıp düzenleyerek hiyerarģik bir yapı oluģturulması. Burada oluģturulan hiyerarģik yapı öğeler arasındaki fonksiyonel bağımlılık iliģkisini yansıtacak Ģekilde olmalıdır. Bu iliģkileri oluģtururken değerlendirmeler probleme iliģkin olarak elde edilen bilgileri ve karar vericinin duygularını da yansıtmalıdır. 3) Aynı gruptaki diğer alt ögelere bağlı olarak yani alt ögenin algılanan önemine dayalı olarak, her bir alt ögeye sayısal değerler verilmesi, bir baģka deyiģle, değerlendirmelerin anlamlı sayılarla ifade edilmesi. 4) HiyerarĢinin alt ögelerinin önceliğini belirlemek için bu değerlerin kullanılması. 5) Karar alternatiflerini belirlemek için bu önceliklerin birleģtirilmesi, genel sonuç için daha önceki aģamada elde edilen değerlerin sentez edilmesi. 6) Daha önce alt ögelere verilen sayısal değerleri değiģtirerek nihai kararın duyarlılığının analiz edilmesi, bir baģka deyiģle, sübjektif değerlerde değiģiklik yaparak verilen kararın incelenmesi (Saaty, 1994; Albayrakoğlu, 1996 ve Saat, 2000).

32 5.2.1. Problemin Tanımlanması Karar verme probleminin tanımlanması, iki aģamadan oluģur. Birinci aģamada karar noktaları saptanır. Diğer bir deyiģle karar kaç sonuç üzerinden değerlendirilecektir sorusuna cevap aranır. Ġkinci aģamada ise, karar noktalarını etkileyen faktörler belirlenir. Özellikle sonucu etkileyecek faktörlerin sayısının doğru belirlenmesi ve her bir faktörün detaylı tanımlarının yapılması, ikili karģılaģtırmaların tutarlı ve mantıklı yapılabilmesi açısından önemlidir (BulmuĢ, 2010). 5.2.2. HiyerarĢinin Kurulması Her seviyede üst sıralara çıkıldıkça azalma eğilimi gösteren ve bir üst sırada yer alanın amacına uygun birçok karģılaģtırmadan meydana gelen, derecelendirme vazifesini gören yapıya hiyerarģi denir. HiyerarĢide en üst basamakta yer alan amaç, çok kriterli, objektif kararların yanında sübjektif karar vermeyi de gerektiren, kriterleri, alt kriterleri ve alternatifleri bulunan bir yapıya sahip olmalıdır (Göksu ve Güngör, 2008). HiyerarĢilerin tasarımı, problem alanı ile ilgili bilgi ve deneyim gerektirir. Ġki karar verici aynı probleme iliģkin iki ayrı tasarım geliģtirebilir, öte yandan iki karar verici probleme iliģkin aynı hiyerarģiyi geliģtirebilir. HiyerarĢiler oluģturulurken hiyerarģiyi tasarlayan kiģi/kiģiler aģağıdaki hususları dikkate almalıdır (Saaty, 1990). - Problem mümkün olduğunca öğelerdeki değiģime duyarlılığı kaybetmeden temsil edilmeli, - Problemin çevresi dikkate alınmalı, - Çözüme katkıda bulunacak nitelik ve katkıların belirlenmesi, - Problemle iliģkili katılımcıların belirlenmesidir. ġekil 5.1 de hiyerarģi örneği verilmiģtir. AHS de en üstünde amaç olmak üzere kriterler, ana kriterler ve alternatifleri belirleyerek hiyerarģi oluģturulur. Kurulan modelin doğruluğu ve güvenilirliği açısından hiyerarģik yapının modeli en iyi yansıtmasına dikkat edilmelidir (Aslan, 2009).

33 AMAÇ KRİTERLER Kriter 1 Kriter 2 Kriter 3 Kriter 4 ALTERNATİFLER Alternatif 1 Alternatif 2 Alternatif 3 ġekil 5.1. Bir hiyerarģi örneği 5.2.3. AHS de Ġkili KarĢılaĢtırma Matrislerinin OluĢturulması Amaç, kriter ve alt kriterler tespit edildikten sonra kriterlerin ve alt kriterlerin kendi aralarındaki önem derecelerinin belirlenmesi için ikili karģılaģtırmalar matrisleri oluģturulur. Bu aģamada temel gaye; kriterlerin ve alt kriterlerin göreli önemlerinin tespiti ve bu önemlerin genel amaca (hedefe) olan etkisinin belirlenmesidir (Aytürk, 2006). EĢli karģılaģtırma, iki seçeneğin/kriterin birbirleriyle karģılaģtırılması anlamına gelir ve karar vericinin yargısına dayanır. EĢli karģılaģtırmada, A kriterinin B kriterine göre ne kadar önemli olduğu, Tablo 5.1 de gösterilen 1-9 puanlı tercih ölçeğiyle belirlenmektedir. Önem derecesinde yer almayan 2, 4, 6, 8 gibi değerler, ara değerlerdir ( Günden ve Miran, 2008b).

34 Tablo 35.1. AHS de kullanılan 1-9 temel ölçeği ÖNEM DEĞERLERĠ TANIM ( a ij ) 1 Zayıf derecede önem 3 Güçlü önem 5 Çok güçlü veya kanıtlanmıģ 7 önem Kesin önem 9 Çok yakın skala değerleri 2, 4, 6, 8 arasındaki ara değerler Eğer i aktivitesi j aktivitesi ile karģılaģtırıldığında Sıfır olmayan yukarıdaki "0" olmayan karģılıklar değerlerden biri tayin ediliyorsa, j ile i karģılık değerine sahiptir. Kaynak : Saaty, 1990 AÇIKLAMA Ġki aktivite de amaca eģit olarak katkıda bulunmaktadır. Tecrübe ve yargı çok az bir Ģekilde bir aktiviteyi diğerine karģı daha çok favori tutar. Tecrübe ve yargı güçlü bir Ģekilde bir aktiviteyi diğerine karģı daha çok favori tutar. Bir aktivite diğerine karģı çok güçlü bir Ģekilde tercih edilir ve üstünlüğü pratikte örneklerle kanıtlanmıģtır. Bir aktiviteyi diğerine göre seçmenin en yüksek Ģekilde olduğu durumdur ve bu üstünlüğü gösteren kanıt çok büyük bir güvenilirliğe sahiptir. UzlaĢma gerektiğinde kullanılmak üzere iki ardıģık yargı arasındaki değerlerdir. Tercih değerleri birbirine çok yakın ise kullanılır. Mantıklı tahmin Faktörler arası karģılaģtırma matrisi, nxn boyutlu bir kare matristir. Bu matrisin köģegeni üzerindeki matris bileģenleri 1 değerini alır. KarĢılaĢtırma matrisinin köģegeni üzerindeki bileģenler, yani i=j olduğunda, 1 değerini alır. Çünkü bu durumda ilgili faktör kendisi ile karģılaģtırılmaktadır. Faktörlerin karģılaģtırılması, birbirlerine göre sahip oldukları önem değerlerine göre birebir ve karģılıklı yapılır. Faktörlerin birebir karģılıklı karģılaģtırılmasında Tablo 5.1 deki 1-9 temel ölçeği kullanılır. Örneğin birinci faktör üçüncü faktöre göre karģılaģtırmayı yapan tarafından daha önemli görünüyorsa,

35 bu durumda karģılaģtırma matrisinin birinci satır üçüncü sütun bileģeni (i=1j=3), 3 değerini alacaktır. Aksi durumda yani birinci faktörün üçüncü faktörle karģılaģtırılmasında, daha önemli tercihi üçüncü faktörden yana kullanılacaksa bu durumda karģılaģtırma matrisinin birinci satır üçüncü sütun bileģeni 1/3 değerini alacaktır. Aynı karģılaģtırmada birinci faktörle üçüncü faktörün karģılaģtırılmasında faktörler eģit öneme sahip oldukları yönünde tercih kullanılıyorsa bu durumda bileģen 1 değerini alacaktır. KarĢılaĢtırmalar, karģılaģtırma matrisinin tüm değerleri 1 olan köģegeninin üstünde kalan değerler için yapılır. KöĢegenin altıda kalan bileģenler için ise eģitlik 5.1 de verilen formülü kullanmak yeterli olacaktır (Yaralıoğlu, 2001). A = [ ] (5.1) EĢitlik 5.1 de verilen örnek dikkate alınırsa karģılaģtırma matrisinin birinci satır üçüncü sütun bileģeni (i=1 j=3) 3 değerini alıyorsa, karģılaģtırma matrisinin üçüncü satır birinci sütun bileģeni (i=3 j=1) 1/3 değerini alacaktır (Yaralıoğlu, 2001). 5.2.4. Öncelik Vektörünün Hesaplanması Ġkili karģılaģtırma matrisinden öncelik vektörü elde edilir. Öncelik vektörü matrisin asıl öz vektörüdür. Niteliksel özelliklere verilen ağırlıklar olarak ifade edilen karar öncelikleri, ikili karģılaģtırmalar matrisinin öz vektörü seklinde ortaya çıkar. Öz vektör yardımıyla kriterin göreli önemi en alt kriterden en üst kritere kadar belirlenmektedir. Böylece hiyerarģinin en alt düzeyinde bulunan seçeneklerin en üst düzeyde yer alan amaca uygunluğu toplam göreli üstünlüklerden hesaplanabilmektedir (Güngör, 2008). KarĢılaĢtırılan her elemanın önceliğinin (göreli öneminin) hesaplanmasına sentezleme denilmektedir. Sentezleme aģaması, normalizasyonu içermektedir. En yaygın olarak kullanılan normalizasyon yönteminde, her sütunun elemanları, o sütunun toplamına bölünür. Elde edilen değerlerin satır ortalaması alınır (Günden ve Miran, 2008a).

36 Her ne kadar karģılaģtırma matrisi seçeneklerin önem seviyelerini gösterse de seçeneklerin bütün içerisindeki ağırlıklarını veya önceliklerini göstermekte yetersizdir. Bu nedenle eģitlik 5.2 de görüldüğü gibi seçeneklerin % önem dağılımları B vektörü gibi bir sütun vektörü ile oluģturulur (Dağdeviren, 2002; BulmuĢ, 2010). [ ] (5.2) B sütun vektörü ise eģitlik 5.3 te verilen formül yardımıyla ile hesaplanır. (5.3) Yukarıdaki iģlem her bir seçenek kadar tekrarlandığında seçenek sayısı kadar B sütun vektörü elde edilecektir. n tane B sütun vektörü, bir matris formatında bir araya getirildiğinde ise, eģitlik 5.4 te verilen C matrisi oluģturulacaktır (Dağdeviren ve ark., 2004; BulmuĢ, 2010). C = (5.4) [ ] C matrisinden yararlanarak, seçeneklerin birbirlerine göre önem değerlerini gösteren % önem dağılımları elde edilebilir. Bunun için eģitlik 5.5 te verilen formülde gösterildiği gibi C matrisini oluģturan satır bileģenlerinin aritmetik ortalaması alınır ve Öncelik Vektörü olarak adlandırılan W sütun vektörü elde edilir (Al-Harbi, 2001; BulmuĢ, 2010). (5.5)

37 W vektörü eģitlik 5.6 da gösterilmiģtir (Ku, Edward C.S. ve Fan, Yi Wen, 2009; BulmuĢ, 2010). [ ] (5.6) 5.2.5. Tutarlılık Oranının Hesaplanması ve Kontrolü AHS yönteminde ikili karģılaģtırma matrislerindeki öğelerin göreli önemleri belirlendikten sonra sıra karar vericinin hiyerarģideki öğeleri ikili olarak karģılaģtırırken tutarlı davranıp davranmadığını ölçmek için her bir ikili karģılaģtırma matrisindeki yargıların Tutarlılık Oranı nın hesaplanmasına gelir. Bu aģamanın uygulanmasındaki amaç ise alınacak nihai kararın kalitesini, doğruluğunu, geçerliliğini ve güvenilirliğini araģtırmaktır (Saat, 2000). AHS de bütün karar verme sürecinin ve hiyerarģisinin tutarlılık derecesi de hesaplanabilmektedir. Bu oran bütün karar verme sürecinin tutarlılık ölçüsünü de vermektedir. Bu orana bakarak hiyerarģinin geçerliliği hakkında bilgi edinmek mümkündür. Tutarlılık Oranı (TO) adı verilen bu ölçü, karar vericilerin ikili karģılaģtırmalardaki yanlıģ değerlendirmelerini tespit etmeye imkân vermektedir. Bu imkân yalnızca dikkatsizce yapılan hataların azaltılabilmesini sağlamakla kalmaz, aynı zamanda karar vericinin bir ya da daha fazla sayıdaki karģılaģtırmasındaki hatalarını ya da yaptığı abartmalı değerlendirmeleri göstermektedir. 0,10 olan bir tutarlılık oranı (TO için kabul edilebilir üst sınırdır) kabaca ifade etmek gerekirse, ögelerin tamamen rassal bir Ģekilde karģılaģtırılmıģ olma olasılığının %10 olduğunu ifade etmektedir. TO 0,10 dan daha büyükse karar vericiye karģılaģtırmalarını tekrar gözden geçirmesi tavsiye edilir. Bunun nedeni karar vericinin bazı değerlendirmelerinin çeliģkili olmasıdır (Topel, 2006). AHS de tutarlılığı hesaplamak için ikili karģılaģtırmalar matrisi ile elde edilen göreli önemler vektörü çarpılarak yeni bir vektör elde edilmektedir. En son vektörün birinci elemanı, göreli önemler vektörünün birinci elemanına, ikinci elemanı ikinci elemanına vs. bölünerek bir 3.vektör elde edilmektedir. Bu son vektörün elemanları toplanarak

38 toplam eleman sayısına bölündüğünde, en büyük özdeğer ( ) için tahmini bir değer elde edilmektedir ne kadar n (matrisin oluģturulmasında yer alan faaliyet sayısı) değerine yakınsa, sonuçta o kadar tutarlı olacaktır (Topel, 2006). değeri bulunduktan sonra tutarlılık oranını bulmak için, Tutarlılık Ġndeksi, Rassallık Ġndeksine bölünür. Elde edilen oran 0,10 dan daha küçük ise yapılan iģlemlerin tutarlı olduğuna karar verilir. Tutarlılık Ġndeksi ve Tutarlılık Oranı eģitlik 5.7 de verilen formüller yardımıyla bulunur (Göksu ve Güngör, 2008). Tutarlılık Ġndeksi = (5.7) Tutarlılık Oranı = Oak Ridge Ulusal Laboratuvarında yüzü aģkın örnek üzerinde yapılan kapsamlı bir saha çalıģması sonucu 1 ila 15 boyutundaki matrisler için Rassallık Ġndeksi Tablo 5.2 deki gibi bulunmuģtur (Topel, 2006). Tablo 45.2. Rassallık Ġndeksi n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 RĠ 0,0 0,0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,561 1,57 1,59 5.2.6. Ağırlıkların BirleĢtirilerek Sonuca UlaĢtırılması AHS de her bir ikili karģılaģtırma matrisinin tutarlılığı da sağlandıktan sonra sıra karar probleminin çözümünden elde edilecek nihai kararın verilmesine gelir. Bu aģamada, her bir değerlendirme faktörü açısından karar noktalarının önem dağılımları için sütun vektörü hesaplanır. Bunun için öncelikle karģılaģtırma matrisinin sütunlarındaki sütun toplamlarına bölünür, satır toplamları bulunur ve bu değerlerin aritmetik ortalamaları alınarak sütun vektörünün elemanları elde edilir. Bu vektör i. değerlendirme faktörü açısından seçeneklerin % önemini vermektedir. Benzer

39 Ģekilde diğer değerlendirme faktörleri için de aynı iģlemler tekrarlanarak karar noktalarının önem dağılımları eģitlik 5.8 de gösterildiği gibi hesaplanır (BulmuĢ, 2010). [ ] (5.8) Daha sonra ise karar noktalarındaki sonuç dağılımı bulunur. Bu aģamada ise K karar matrisi S sütun vektöründen meydana gelir ve mxn boyutludur. Bu aģamada öncelikle, yukarıda anlatılan n tane mx1 boyutlu S sütun vektöründen meydana gelen ve mxn boyutlu olan K karar matrisi oluģturulur. Karar matrisi eģitlik 5.9 da gösterilmiģtir(al-harbi, 2001; BulmuĢ, 2010). K = (5.9) [ ] Sonuçta karar matrisi W sütun vektörü (öncelik vektörü) ile eģitlik 5.10 da gösterildiği gibi çarpıldığında ise m elemanlı L sütun vektörü elde edilir. L sütun vektörü karar noktalarının % dağılımını verir. Diğer bir deyiģle vektörün elemanlarının toplamı 1 dir. Bu dağılım aynı zamanda karar noktalarının önem sırasını da gösterir (Al- Harbi, 2001; BulmuĢ, 2010). L = X = (5.10) [ ] [ ] [ ] Elde edilen ağırlıklara göre alternatiflerin toplam ağırlıkları bulunur. Karar verici elde ettiği ağırlıklara göre kararını verir (BulmuĢ, 2010).

40 5.3. AHS nin Avantajları ve Dezavantajları Çok Kriterli Karar Verme yöntemlerinden biri olan AHS yöntemini diğer yöntemlerden ayıran en önemli özelliklerinden biri karar vericinin çok kriterli karar verme probleminin karar hiyerarģisi formunda daha rahat bir Ģekilde görebilmesini sağlamasıdır. Ayrıca hesaplanmasının kolay olması ve sonucun elde edilmesi aģamasında uzmanlık gerektirmediğinden dolayı, AHS yöntemi, diğer çok kriterli karar verme yöntemlerine göre daha fazla kullanım alanında yaygınlaģmıģtır (Güngör, 2007). AHS yönteminin avantajlarının yanında dezavantajları da bulunmaktadır. Öncelikle AHS yönteminin avantajlarını, daha sonrada dezavantajları ele alınacaktır. 5.3.1. Analitik HiyerarĢi Süreci Yönteminin Avantajları AHS nin avantajlarından birisi karar vermede ya da sorun çözümünde grup katılımına olanak sağlamasıdır. AHS nin temeli, baģkaları tarafından kabul edilen fikirleri, yargıları ve gerçekleri; sorunun gerçek görünümü olarak değerlendirmesidir. Grup katılımı, kararı geçerli kılmak için ön koģul olsa da, grup büyüklüğünün artması uygulama güçlüğü yaratabilmektedir. Yöntem sayesinde bireyler ortak bir çözüme ulaģabilmek için, bilgilerini bilimsel ya da içgüdüsel olarak modele dahil ederler. Ancak bu bilgiler, yöntem sayesinde mantıksal bir süreçte iģlem görmüģ olurlar (Yenginol, 2000; Özdağoğlu, 2008). AHS nin esas özellikleri ve avantajların Ģöyle sıralanabilir: ( Saaty, 1999) Model Tekliği ve Benzersizliği: AHS birçok karar verme problemine uygulanabilecek nitelikte anlaģması kolay olan esnek bir yöntemdir. KarmaĢıklık: AHS karar verme sürecinde kullanılan faktörlere iliģkin hem yerel hem de küresel ağırlıkları incelemeye fırsat verir. Bağımlılık: AHS de tek yönlü bir bağımlılık söz konusudur. HiyerarĢik Yapılanma: AHS karar verme problemlerinin hiyerarģik yapılanmasında birinci seviyede amaç, ikinci seviyede faktörler, üçüncü seviyede de alternatifler yer alır. Ölçme: AHS, karar verme sürecinde kullanılan faktörleri ikili karģılaģtırmalar kullanarak ölçer ve her faktör ve alt faktör için bir ağırlık değeri hesaplar.

41 Uyumluluk: AHS, karar verme sürecinde kullanılan ikili karģılaģtırma karar matrisinin tutarlığını inceler ve daha hassas ve mantıklı sonuçlar alınmasını sağlar. BirleĢtirmek: AHS her alternatif için bir öncelik değeri hesaplar. ÖdünleĢim: AHS, karar verme sürecinde kullanılan faktörlere bağlı olarak alternatif önceliklerini belirler ve sonucunda bu öncelikleri birleģtirir. Yargı ve Grup Uyumu: AHS karar verme sürecinde birden fazla karar vericinin yargılarını birleģtirmeye imkân sağlar. Sürecin Tekrarı: AHS karar vericilerinin yargılarını karar verme sürecinde değiģtirmesine imkân sağlayan esnek bir yöntemdir, ayrıca karar verme sürecinde kullanılan faktör ve alt faktörlerin değiģtirilmesine de imkan sağlar. 5.3.2. Analitik HiyerarĢi Süreci Yönteminin Dezavantajları AHS nin avantajları olduğu kadar dezavantajları da söz konusudur. Bu dezavantajlar Ģöyle sıralanabilir: (Güngör, 2007) Yeni bir seçenek eklendiğinde veya çıkarıldığında diğer seçenekler arasındaki mevcut sıralama bozulabilir. Bu durum literatürde sıra değiģimi olarak adlandırılır. AHS yöntemi doğru kararı garanti etmez. AHS daha iyi ve daha çabuk karar verilmesine ve grup kararları söz konusu olduğunda fikir birliğine ulaģılmasını sağlar. HiyerarĢik yapının oluģturulmasının öznel doğası, kesin doğruya ulaģmayı engeller. HiyerarĢik yapıda artıģ olduğu zaman ikili karģılaģtırma matrislerinin sayısında da artıģ olur. Bu da modeli kurmak için daha fazla zaman ve efor harcanmasını gerektirir.

6. ARAġTIRMA BÖLGESĠ HAKKINDA GENEL BĠLGĠLER 6.1. Nüfus Yapısı Tokat ilinin nüfusu 2010 Adrese Dayalı Nüfus Kayıt Sistemi sonuçlarına göre, 617812 kiģidir. Nüfusun 363944 kiģisi Ģehirlerde yaģarken, 253858 kiģi belde ve köylerde yaģamaktadır. Türkiye de nüfus yoğunluğu %96 iken Tokat ta %62 dir (Tablo 6.1). Tablo 56.1. Cinsiyete göre il ve ilçe merkezleri, belde ve köylerin nüfusu ve nüfus yoğunluğu (Anonim, 2010b) Toplam Ġl ve Ġlçe Merkezleri Belde ve Köyler Toplam Erkek Kadın Toplam Erkek Kadın Toplam Erkek Kadın NY Türkiye 73722988 37043182 36679806 56222356 28308856 27913500 17500632 8734326 8766306 96 Tokat 617812 310193 307609 363944 184543 179401 253858 125650 128208 62 Tokat nüfusunun yaklaģık %60 ı il ve ilçe merkezlerinde, %40 ı ise belde ve köylerde yaģamaktadır. Kadın ve erkek nüfus ise hemen hemen eģittir (Tablo 6.1). Tablo 6.2. Yıllık nüfus artıģı (Anonim, 2010b) Toplam Nüfus Yıllık Nüfus ArtıĢı ( ) 2008 2009 2010 2008 2009 2010 Türkiye 71517100 72561312 73722988 13,10 14,50 15,88 Tokat 617158 624439 617812-6,52 11,73-10,9 Tablo 6.2 de yıllık nüfus artıģı verilmiģtir. Türkiye de nüfus sürekli artmakta iken, Tokat ilinde tam tersine azalma görülmektedir.

43 6.2. Tarımsal Yapı 6.2.1. Arazi Varlığı ve Dağılımı Tablo 6.3 de Tokat ilinin yüzölçümü dağılımı gösterilmiģtir. Tablo incelendiğinde orman arazisinin %38,61 ile ilk sırada, tarım dıģı arazinin %10,69 ile son sırada yer aldığı görülmektedir. Tarım arazisi %38,29 luk payla ikinci sırada gelirken, bunu %12,42 lik payla Çayır- Mera arazileri izlemektedir. Tablo 76.3. Tokat ilinde arazi varlığı ve dağılımı (Anonim, 2010a) ARAZĠNĠN DAĞILIMI ALAN(HA) ĠL ARAZĠSĠNE ORANI % Tarım arazisi 384671 38,29 Çayır- Mer a arazileri 124744 12,42 Orman arazisi 387880 38,61 Tarım dıģı alan 107443 10,69 GENEL TOPLAM 1004740 100,00 Tokat ili tarım arazisinin %68,36 gibi büyük bir bölümünü tarla arazisi oluģturmaktadır. Bunu sırasıyla tarıma elveriģli boģ alan, nadas alanı, sebze arazisi, meyvelik ve ağaçlık arazi izlemektedir. Tarıma elveriģli arazinin durumu Tablo 6.4 de verilmiģtir.

44 Tablo 86.4. Tarıma elveriģli arazinin dağılımı (Anonim, 2010a) ARAZĠNĠN CĠNSĠ MĠKTARI (Da) TARIM YAPILAN ARAZĠYE ORANI % Tarla 2629460 68,36 Sebze 169962 4,42 Meyve 143491 3,73 Kavak ve Söğüt 17652 0,46 Nadas 312012 8,11 Tarıma elveriģli boģ alan 574139 14,92 TOPLAM 3846716 100,00 2010 yılı verilerine göre Tokat ili ilçelere göre arazi varlığı dağılımı Tablo 6.5 de verilmiģtir. Zile ve Merkez ilçeleri en fazla tarıma elveriģli araziye sahipken, BaĢçiftlik ilçesi en az tarıma elveriģli araziye sahiptir. Tarla arazisinde ise yine Zile ve Merkez ilçeleri en fazla ekilen alana sahipken, en fazla meyve arazisi Merkez ve Erbaa ilçelerindedir. Sebze ekilen arazilerin en fazla olduğu ilçe ise Erbaa ilçesidir. Tarıma elveriģli olduğu halde kullanılmayan arazi en fazla Erbaa ve ReĢadiye ilçelerindedir.

45 Tablo 96.5. Arazi varlığı dağılımı (Anonim, 2010a) İLÇE ADI EKİLEN TOPLAM TARLA SULANAN SULAN- MAYAN SEBZE MEYVE MEYVE BAĞ TOPLAM KAVAK SÖĞÜT ALANI NADAS İŞLENEN TOPLAM TARIM ALANI TARIMA ELVERİŞLİ BOŞ ALAN TOPLAM TARIM ALANI TOPLAM SULU ALAN ORMAN ALANI ÇAYIR MER A ALANI TARIM DIŞI ALAN GENEL TOPLAM ALMUS 135.780 50.000 85.780 1.633 4.685 25 4.710 1.596 5.210 148.929 70.000 218.929 52.823 491.440 122.341 111.980 944.690 ARTOVA 87.378 42.210 45.168 8 640 640 400 24.000 112.426 26.254 138.680 43.698 145.200 71.000 71.000 425.880 BAŞÇİFLİK 37.162 2.030 35.132 150 168 168 40 5.304 42.824 19.376 62.200 2.348 52.590 26.314 22.140 163.244 ERBAA 349.980 120.250 229.730 47.370 30.470 12.450 42.920 1.250 24.508 466.028 121.885 587.913 188.600 420.000 71.750 39.987 1.111.000 MERKEZ 374.454 171.964 202.490 33.693 27.650 19.952 47.602 3.200 110.000 568.949 65.500 634.449 220.916 940.330 197.920 206.142 1.966.450 NİKSAR 242.001 107.249 134.752 27.375 4.734 6.045 10.779 4.276 8.334 292.765 88.160 380.925 138.170 462.440 52.310 40.820 934.116 PAZAR 84.330 55.511 28.819 25.886 2.310 2.650 4.960 200 350 115.726 414 116.140 80.744 33.550 110.560 10.600 270.850 REŞADİYE 150.767 1.647 149.120 1.714 4.371 6 4.377 1.760 82.804 241.422 118.418 359.840 1.647 471.290 253.350 156.440 1.240.920 SULUSARAY 83.188 5.707 77.481 20 257 257 1.800 20.612 105.877 7.753 113.630 5.974 93.500 35.250 33.540 275.920 TURLAL 276.257 113.751 162.506 28.380 2.525 810 3.335 480 7.500 315.952 42.338 358.290 143.490 423.230 85.360 64.270 931.150 YEŞİLYURT 80.510 17.800 62.710 110 920 920 950 12.090 94.580 10.850 105.430 10.942 75.980 20.290 47.060 248.760 ZİLE 727.653 238.000 489.653 3.623 5.143 17.680 22.823 1.700 11.300 767.099 3.191 770.290 244.998 269.250 201.000 270.460 1.511.000 TOPLAM 2.629.460 926.119 1.703.341 169.962 83.873 59.618 143.491 17.652 312.012 3.272.577 574.139 3.846.716 1.134.350 3.878.800 1.247.445 1.074.439 10.047.400 Toplam Tarım Alanına Oranı (%) Toplam Alana Oranı (%) 68,36 24,08 44,28 4,42 3,73 0,46 8,11 85,08 14,92 26,17 9,22 16,95 1,69 0,93 0,59 1,43 0,18 3,11 32,57 5,71 38,29 11,29 38,61 12,42 10,69 100,00

46 6.2.2. Bitkisel Üretim Tokat ilinde 10047400 dekarlık toplam arazinin 2629460 dekarlık kısmını tarla arazisi oluģturmaktadır. Tablo 6.6 da Tokat ili ve Merkez ilçede üretilen tarla ürünleri üretim alanı, miktarı ve verimleri verilmiģtir. Tablo 6.6 incelendiğinde, Tokat ilinde üretilen ürün çeģidinin fazla olduğu görülmektedir. En fazla ekilen araziye sahip ürün grubu tahıllar ve tahıllar grubundan buğdaydır. Buğday 1482707 da ile ilk sırada yer alırken bunu 266975 da ile Arpa ve 162945 da Fiğ(Dane) ile izlemektedir. Tablo 106.6. Tokat ili ve Merkez ilçe tarla ürünleri üretim alanı, üretim miktarı ve verim (Anonim, 2010a) Ürün Grubu TAHILLAR BAKLAGĠLLER Tokat Merkez Ürün Ekilen Verim Ekilen Üretim Üretim(Ton) Verim Alan(Da) (Kg/Da) Alan(Da) (Ton) Buğday 207970 345 71039,36 30000 280 8120 (Durum) Buğday 1274737 348 442263,21 115000 300 33900 (Diğer) Arpa (Biralık) 15200 295 4340,00 12000 280 3220 Arpa (Diğer) 251475 268 67133,32 75000 250 18500 Çavdar 3194 213 681,35 100 200 20 Yulaf (Dane) 5266 176 925,10 1600 180 288 Mısır (Dane) 28278 686 19391,50 700 280 560 Çeltik- Pirinç 2393 683 1635,08 - - - Tritikale 39717 412 16344,64 6000 280 1680 (Dane) TOPLAM 1828230-623753,56 240400-66288 Bakla 120 170 20,40 120 170 20 (Yemeklik) Nohut 92814 127 11801,00 9000 100 900 Fasulye 20250 154 3117,20 1100 120 132 (Kuru) Mercimek 5046 135 681,30 500 100 50 (YeĢil)

47 Tablo 6.6. Tokat ili ve Merkez ilçe tarla ürünleri üretim alanı, üretim miktarı ve verim (Anonim, 2010a) (devam) Tokat Merkez Ürün Grubu Ürün Ekilen Alan(Da) Verim (Kg/Da) Ürün Grubu Ürün Ekilen Alan(Da) Verim (Kg/Da) Fig (Dane) 162945 100 16325,72 27126 70 1899 Burçak 53 120 6,34 40 100 4 (Dane) BAKLAGĠLLER Buy 35 100 3,50 - - - (Çemen) TOPLAM 281263-31955,46 37886-3005 Tütün 30950 108 3330,25 100 80 8 ġekerpancarı 141842 4945 701215,81 31516 5500 173338 HaĢhaĢ 12237 87 1070,39 - - - ENDÜSTRĠ (Kapsül) BĠTKĠLERĠ TOPLAM 185029-705616,45 31616-173346 Ayçiçeği 55050 357 19650,50 250 350 88 (Yağlık) Ayçiçeği 95 550 52,25 - - - (Çerezlik) YAĞLI Kolza 686 170 116,95 1 250 0 TOHUMLULAR (Kanola) HaĢhaĢ 12.237 88 1078,53 - - - (Tohum) Aspir 57 118 6,75 1 150 - TOPLAM 55888-20904,98 252-88 Soğan (Kuru) 43340 2898 125590,00 7500 2000 15000 Sarımsak 4805 759 3645,00 4500 750 3375 (Kuru) YUMRULU Patates (Diğer) 30363 2407 73075,25 4500 2900 13050 BĠTKĠLER Hayvan Pancarı 782 5106 3993,00 400 6000 2400 TOPLAM 79290 206303,25 16900-33825 Mısır (Hasıl) 10 3000 30,00 - - - Mısır (Sılajlık) 1.EkiliĢ 19095 4553 86802,50 8000 5500 44000 Mısır (Sılajlık) YEM BĠTKĠLERĠ 2.EkiliĢ 18325 4193 76837,50 2500 4000 10000 YeĢil Ot - - - - (Ton) Kuru Ot Yonca 89780 (Ton) 364016,00 26000 5000 130000 Tohum (Ton) - - - -

48 Tablo 6.6. Tokat ili ve Merkez ilçe tarla ürünleri üretim alanı, üretim miktarı ve verim (Anonim, 2010a) (devam) Tokat Merkez Ürün Grubu Ürün Ekilen YEM BĠTKĠLERĠ DĠĞER ÜRÜNLER Alan(Da) Korunga 19588 Sorgum 5 Fiğ 69192 Tritikale (YeĢil Ot) 1510 Verim (Kg/Da) YeĢil Ot (Ton) Kuru Ot Ürün Grubu (Ton) 16154,35 YeĢil Ot (Ton) Kuru Ot (Ton) YeĢil Ot (Ton) Kuru Ot Ürün Ekilen Alan(Da) Verim (Kg/Da) 843,44 5000 700 3500 40,00 (Ton) 40860,20 YeĢil Ot (Ton) Kuru Ot (Ton) 907,50 - - - - - - - - - - 590,53 6750 700 4725 - - - 600,99 1500 600 900 - - - Yem ġalgamı 100 6000 600,00 100 6000 600 Yulaf Ot) (YeĢil 50 500 25,00 50 500 25 TOPLAM 217655 586273,05 49900-193750 Süpürge Otu 430 420 180,60 - - - TOPLAM 430-180,60 - - - GENEL TOPLAM 2629460-2174987,36 376954-470302 Not 2.Ürün Slajlık Mısır Alana Dahil Değildir. HaĢhaĢ(Kapsul) EkiliĢ alanı, HaĢhaĢ (Tohum) ekiliģ alanı kapsamında olduğundan yazılmamıģtır.

49 Tablo 116.7. Tokat ili ve Merkez ilçe sebze ürünleri ürün grupları üretim alanı, üretim miktarı ve verim (Anonim, 2010a) ÜRÜN GRUBU YAPRAĞI YENENLER BAKLAGĠLLER ÜRÜN ADI Lahana (Beyaz) Lahana (Kırmızı) Lahana (Karayaprak) Marul (Göbekli) Marul (Kıvırcık) Marul (Aysberg) Ekilen Alan (Da) Tokat Verim (Kg/Da) Üretim (Ton) Ekilen Alan (Da) Merkez Verim (Kg/Da) Üretim (Ton) 2427 3370 8178 600 5000 3000 125 3010 376 100 3500 350 682 667 455 50 1000 50 1625 4427 7193 1300 5000 6500 1705 4015 6845 1200 5000 6000 - - - - - - Ispanak 6164 1653 10186 2500 2500 6250 Pırasa 2391 3388 8100 1500 4000 6000 Semizotu 3 2000 6 3 2000 6 Tere 50 1700 85 30 2500 75 Dereotu 50 1300 65 20 2500 50 Nane 95 1442 137 35 3000 105 Maydonoz 255 1495 381 100 3000 300 Roka 50 2000 100 50 2000 100 Madımak 25 2500 63 25 2500 63 TOPLAM 15622-42108 7513-28849 Fasulye (Taze) Bakla (Taze) Barbunya Fasulye 26835 1455 39057 4000 1800 7200 695 1833 1274 600 2000 1200 5695 1036 5897 1500 900 1350 TOPLAM 33225-46228 6100-9750

50 Tablo 6.7. Tokat ili ve Merkez ilçe sebze ürünleri ürün grupları üretim alanı, üretim miktarı ve verim (Anonim, 2010a) (devam) ÜRÜN GRUBU ÜRÜN ADI Ekilen Alan (Da) Tokat Verim (Kg/ Da) Üretim (Ton) Ekilen Alan (Da) Merkez Verim (Kg/ Da) Üretim (Ton) Bamya 1861 452 841 5 500 3 Balkabağı 421 2862 1205 100 5000 500 Kavun 5560 2665 14817 100 2500 250 Karpuz 12025 3480 41913 75 3500 263 Kabak (Sakız) 2443 2782 6797 2000 3000 6000 Hıyar (Sofralık) 8070 2774 22387 4500 3000 13500 MEYVESĠ YENENLER Hıyar (TurĢuluk) 393 1275 501 200 1500 300 Patlıcan 2070 2732 5655 450 5000 2250 Domates (Sofralık) 58185 6973 405710 10000 7500 75000 Domates (Salçalık) 13070 3850 50315 220 3750 825 Biber (Dolmalık) 7473 1506 11252 900 3000 2700 Biber (Sivri) 7317 1452 10434 350 3000 1050 Biber (Salçalık) 905 3280 2969 600 4000 2400 TOPLAM 119793-574795 19500-105041 YUMRUSU YENENLER Soğan (Taze) 864 2473 2136 400 3000 1200 Sarımsak (Taze) 20 1000 20 - - - Havuç 34 1176 40 - - - Turp (Bayır) 95 1682 160 10 3000 30 Turp (Kırmızı) 163 2067 337 50 3000 150 Kırmızı Pancar 5 2000 10 5 2000 10 DĠĞER TOPLAM 1181-2703 465-1390 Karnıbahar 70 3000 210 70 3000 210 Brokoli 71 1993 142 70 2000 140 Mantar (Kültür) M ² 0,4 10000 4,00 - - - TOPLAM 141-356 140-350 GENEL TOPLAM 169962,40-666189 33718-145380 Tokat ilinde yetiģtirilen sebzelerin çoğunluğunu domates ve fasulye oluģturmaktadır. Domates ekilen alanda 71255 da ilk sırada yer alırken, fasülye 26835 da ile ikinci, biber ise, 15695 da ile üçüncü sırada yer almaktadır (Tablo 6.7).

51 Toplam domates üretim alanı 71255 da olan Tokat ilinde, Merkez ilçenin payı %14 tür. 2010 yılında Tokat ilinde üretilen toplam domates miktarı 456025 tondur. Merkez ilçede ise 75825 ton domates üretildiği görülmektedir. Ġlin domates üretiminin %17 si merkez ilçede üretilmektedir (Tablo 6.7). Tablo 126.8. Yıllara göre (2000-2012) domates üretim alanı ve üretim miktarları (Anonim, 2013) Yıllar Ġndeks Üretim Miktarı Ġndeks Üretim Alanı (da) 2000=100 (Ton) 2000=100 2000 72490 100 388367 100 2001 76190 105,10 352520 90,77 2002 80120 110,53 423237 108,98 2003 80020 110,39 479816 123,55 2004 78630 108,47 433415 111,60 2005 81990 113,11 518506 133,51 2006 85822 118,39 524892 135,15 2007 85719 118,25 510661 131,49 2008 82630 113,99 540540 139,18 2009 74090 102,21 479218 123,39 2010 71260 98,30 456025 117,42 2011 76740 105,86 513886 132,32 2012 76340 105,31 499892 128,72 Tablo 6.8 de Tokat ilinde yıllara göre (2000-2012) domates üretim alanı ve üretim miktarları verilmiģtir. 2012 yılında 2000 yılına oranla, domates üretim alanı %5,31, üretim miktarı ise %28,72 artıģ gösterdiği görülmektedir.

52 Tablo 136.9. Tokat ili ve Merkez ilçe meyve ürünleri ürün grupları üretim alanı, üretim miktarı ve verim (Anonim, 2010a) TOKAT MERKEZ Ürün Grubu Toplu Meyve Meyve Toplu Meyveli Üretim Veren Veren Meyvelikler Verim kler Verim Üretim Ürün Adı Ağaç Ağaç Kapladığı (kg/da) Kapladı (kg/da) (ton) (ton) Sayısı Sayısı Alan (Da) ğı Alan (adet) (adet) (Da) Armut 3236 35 4668,73 132152 2010 40 3386 84649 Ayva 235 41 522,70 12610 80 50 250 5000 Elma (Golden) 2873 46 3606,36 78431 1500 20 425 21228 Elma (Starking) 2947 57 5011,79 88136 1500 50 1259 25170 YumuĢak Çekirdekliler Elma (Amasya) 798 56 2281,32 40992 300 60 1010 16827 Elma(Grannysmith) 1620 49 1151,61 23431 900 60 110 1841 Elma (Diğer) 3425 45 3417,12 76074 2300 50 2275 45503 MuĢmula - 13 71,60 5660 - - - - TOPLAM 15134-20731,23 457486 8680-8714 20021 8 TaĢ Çekirdeklile Erik 1208 28 2225,23 80488 670 30 1468 48948 Kayısı 228 16 187,69 11953 23 20 81 4061 Zerdali - 12 8,98 721-10 5 500

53 Tablo 6.9. Tokat ili ve Merkez ilçe meyve ürünleri ürün grupları üretim alanı, üretim miktarı ve verim (Anonim, 2010a) (devam) Üzümsü Meyveler Sert Kabuklular TaĢ Çekirdekliler Ürün Grubu TOKAT MERKEZ Meyve Toplu Toplu Veren Verim Meyvelikler Verim Üretim Meyvelikler Üretim Ürün Adı Ağaç (kg/ Kapladığı (kg/da) (ton) Kapladığı (ton) Sayısı da) Alan (Da) Alan (Da) (adet) Meyve Veren Ağaç Sayısı (adet) Kiraz 6062 39 8227,32 213634 4200 40 5834 145862 Kızılcık 90 15 416,40 28041-10 125 12500 ġeftali (Nektarin) 425 19 322,64 17090-16 241 2050 ġeftali (Diğer) 11644 32 13112,69 407486 7867 40 11058 276442 ViĢne 8048 23 6256,51 274567 3500 40 2883 72064 TOPLAM 27705-30757,45 1033980 16260-21536 562427 Ceviz 14088 31 3482,67 112945 2700 80 391 4882 Badem 32 20 395,96 19467 10 20 342 17105 Fındık 26280 2 1998,10 995300 - - - - Kestane - 10 1,40 140 - - - - TOPLAM 40400-5878,13 1127852 2710-733 21987 Çilek(örtü altı dahil) 524 977 511,78 - - - - - Dut - 41 1682,93 40616-50 1454 29080 Ġncir - 21 56,25 2650 - - - - Nar 100 9 28,15 3115 - - - - Trabzon Hurması - 50 23,75 475 - - - - Üzüm (ġaraplık) 35853 655 23500,30-17910 619 11089 - Üzüm (Sofralık Çekirdekl 23765 488 11608,30-2042 618 1262 - i) TOPLAM 60242-37411,46 46856 19952-13805 29080 Zeytin 10 6 5 800 - - - - Toplam 10 6 5 800 - - - - GENEL TOPLAM 143491-94783,07 2666974 47602-44788 813712

54 Tablo 6.9 da görüldüğü gibi üretimi en fazla yapılan ürün üzümdür. Aynı zamanda kapladığı alan ve elde edilen verimde de üzüm ilk sırada yer almaktadır. Üretimi en fazla yapılan ikinci ürün elma olurken, üçüncü sırada ise Ģeftali gelmektedir. Tokat ilinde meyvecilik ilin meyve ihtiyacını karģılamasının yanında meyve iģleyen sanayilere hammadde temini açısından önemli bir üretim faaliyeti konumundadır. 6.2.3. Hayvancılık Tablo 6.10 da Tokat ili 2010 yılı hayvan varlığı gösterilmiģtir. Ġlde hayvancılık önemli bir yere sahiptir. Toplam büyükbaģ hayvan varlığı 230556 adet iken, küçükbaģ hayvan varlığı ise 224480 adettir.

55 Tablo 146.10. Tokat ili ve merkez ilçe hayvan varlığı (Anonim, 2010a) KüçükbaĢ HAYVAN TÜRLERĠ Koyun Keçi Hayvan Varlığı (adet) Tokat Merkez Yerli/Diğer 190256 39750 Merinos 575 0 T. Keçisi 0 0 K. Keçisi 33649 11950 TOPLAM 224480 51700 Saf Kültür 54648 13750 BüyükbaĢ Sığır Kültür Melezi 99548 18000 Yerli/Diğer 69629 12485 Manda 6731 906 TOPLAM 230556 45141 At 1628 345 Tektırnaklı Katır 266 168 EĢek 8006 3280 TOPLAM 9900 3793 Tavuk Et Tavuğu 40000 0 Y.Tavuğu 257563 45000 Kanatlı Hindi 6120 300 Kaz 8655 480 Ördek 4618 260 Arı(Kovan Sayısı) TOPLAM 316956 46040 Eski Usul 463 0 Yeni Usul 35802 5100 TOPLAM 36265 5100

7. ARAġTIRMA BULGULARI VE TARTIġMA 7.1. ĠĢletme Büyüklüğü Ġtibariyle Sosyo-Ekonomik Yapı 7.1.1. Ġncelenen ĠĢletmelerde Nüfus ve ĠĢgücü Varlığı Tarım kesiminde küçük aile iģletmelerinin temel karakteristik özelliklerinden biri, bu iģletmelerde iģgücünün büyük bir kısmının, hatta tamamının çiftçi ve ailesi tarafından temin edilmesidir (Gündüz, 2007). Ġncelenen iģletmelerde nüfusun yaģ ve cinsiyete göre dağılımı Tablo 7.1 de verilmiģtir. Ġncelenen iģletmelerde 15-49 yaģ arası nüfus oranı diğer yaģ gruplarından daha fazladır (4,62 kiģi, %50,52). Kızılaslan (1996) çalıģmasında, 15-49 yaģ arası nüfus oranını diğer yaģ gruplarından fazla olarak belirlemiģtir (4,02 kiģi, %55,52). Tablo 157.1. Ġncelenen iģletmelerde nüfusun yaģ ve cinsiyete göre dağılımı (kiģi ve %) ĠġLETME BÜYÜKLÜK GRUPLARI YaĢ Grupları l. Grup (37) II. Grup (47) Genel (84) E K T % E K T % E K T % 0-6 6 2 8 5,03 9 6 15 6,55 15 5 23 5,93 7-14 11 24 35 22,01 19 20 39 17,03 30 44 74 19,07 15-49 37 38 75 47,17 61 60 121 52,84 98 98 196 50,52 50-64 19 12 31 19,50 24 17 41 17,90 43 29 72 18,55 65+ 5 5 10 6,29 6 7 13 5,68 11 12 23 5,93 TOPLAM 78 81 159 100 119 110 229 100 197 191 388 100 ĠĢletme BaĢına 2,11 2,19 4,30 2,53 2,34 4,87 2,35 2,27 4,62 Ort. KiĢi Faal Nüfus Oranı (%) 66,67 70,74 69,07 E: Erkek K: Kadın T: Toplam

57 Faal nüfus oranı, 15-64 yaģ grubuna dahil aile fertleri sayısının toplam nüfusa oranlanması ile elde edilmiģtir. Bu oran 1.Grup iģletmelerde %66,67, 2. Grup iģletmelerde %70,74, genel ortalamada ise %69,07 olarak belirlenmiģtir (Tablo 7.1). Yörede yapılan benzer çalıģmalarda faal nüfus oranını Sayılı (1996) %69,15, Uzunöz (2002) %63,04, Gündüz (2007) %56,82 olarak bulmuģtur. Ġncelenen iģletmelerde iģletme yöneticisinin ortalama yaģı 49 olarak belirlenmiģtir. Aynı zamanda eğitimlerinin ilkokul düzeyinde olduğu görülmektedir. Öğrenim süresi ise 5,18 yıldır (Tablo 7.2). Benzer çalıģmasında Gündüz (2007), iģletme yöneticilerinin ortalama yaģını 50 nin altında bulmuģtur. Tablo 167.2. Ġncelenen iģletmelerde iģletme yöneticilerinin yaģı ve öğrenim süresi ĠġLETME BÜYÜKLÜK GRUPLARI l. Grup (37) ll. Grup (47) Genel (84) YaĢ (Ortalama) 48,51 49,91 49,30 Öğrenim Süresi (Yıl) 5,24 5,13 5,18 Kızılaslan (1997), Tokat ili Merkez ilçede yaptığı çalıģmasında iģletme yöneticilerinin ortalama öğrenim süresi 4,57 yıl olarak belirlerken, Uzunöz, (2002) 5,41 yıl, Gündüz, (2007) 5,35 yıl olarak belirlemiģtir. Tablo 7.3 de yedi ve yukarı yaģtaki nüfusun eğitim düzeyine iliģkin değerler verilmiģtir. Tabloya bakıldığında yedi ve yukarı yaģtaki nüfusun okur yazarlık oranının yüksek olduğu görülmektedir (iģletmeler ortalaması %98,33). Ayrıca erkek nüfusun ve kadın nüfusun okur yazarlık oranı birbirine yakın olarak belirlenmiģtir.

58 Tablo 177.3. Ġncelenen iģletmelerde iģletme baģına düģen yedi ve daha yukarı yaģtaki nüfusun eğitim düzeyi ĠġLETME BÜYÜKLÜK GRUPLARI l. Grup (37) ll. Grup (47) Genel (84) Öğrenim Durumu Okur yazar değil E % K % T % E % K % T % E % K % T % 0,08 4,00 0,03 1,42 0,11 2,67 0,04 1,88 0,02 0,95 0,06 1,34 0,06 2,78 0,02 1,09 0,08 1,85 Okur- yazar 0,06 3,00 0,24 11,38 0,30 7,30 0,11 4,72 0,19 8,57 0,30 6,68 0,08 3,39 0,21 9,83 0,29 6,73 Ġlkokul 1,43 71,50 1,43 67,77 2,86 69,59 1,43 63,21 1,47 65,72 2,89 64,36 1,43 66,66 1,45 66,67 2,88 66,82 Ortaokul 0,27 13,50 0,30 14,22 0,57 13,87 0,49 21,70 0,45 20,00 0,94 20,94 0,39 18,33 0,38 17,49 0,77 17,87 Lise 0,16 8,00 0,11 5,21 0,27 6,57 0,19 8,49 0,11 4,76 0,30 6,68 0,18 8,33 0,11 4,92 0,29 6,78 Yüksekokul - - - - - - - - - - - - - - - - - - Toplam 2,00 100,00 2,11 100,00 4,11 100,00 2,26 100 2,23 100,00 4,49 100,00 2,14 100,00 2,18 100,00 4,31 100,00 Okur yazarlık oranı (%) 95,95 98,63 97,32 97,91 99,23 98,56 97,35 98,84 98,33

59 Erkek ve kadın nüfusta tüm gruplarda ilkokul düzeyinde eğitim durumu en yüksek orandır. 1. grup iģletmelerde erkek nüfusun %71,50 si, kadın nüfusun ise %67,77 si ilkokul mezunudur. 2. grup iģletmelerde ise erkek nüfusun %63,21 i, kadın nüfusun ise %65,72 si ilkokul mezunudur. 1. grupta erkek nüfusunun ilkokul mezunu oranı kadın nüfusuna göre fazla iken, 2. grupta ise kadın nüfusun oranı erkek nüfusa göre daha fazladır. Bu durum toplamda sırasıyla %66,66 ve %66,67 dir (Tablo 7.3). ĠĢletmeler ortalaması itibariyle erkek ve kadın nüfusun sırasıyla %2,78 ve %1,09 u okur yazar değil, %3,39 ve %9,83 ü okur yazar, %66,66 ve %66,67 si ilkokul, %18,33 ve %17,49 u ortaokul, %8,33 ve %4,92 si lise mezunudur. Her iki grupta da yüksekokul mezununa rastlanmamıģtır (Tablo7.3). Tablo 7.4 de incelenen iģletmelerde iģgücü mevcudu ve oransal dağılımı verilmiģtir. ĠĢgücü mevcudu belirlenirken öncelikle kullanılabilir aile iģgücü tespit edilmiģtir. Her iki gruptaki iģletmelerde kullanılabilir iģgücünün yarıdan fazlasını iģletme faaliyetlerinde kullanmaktadır (1. grup %53,90, 2. grup %52,12). ĠĢgücünün çok az bir kısmı iģletme dıģındaki tarım faaliyetlerinde kullanılırken, tarım dıģı faaliyetlerde 1. grup iģletmelerde %15,48, 2. grup iģletmelerde ise %17,69 luk kısmı kullanılmaktadır. ĠĢletmelerin sahip olduğu iģgücü kapasitesinin önemli bir kısmı kullanılamamaktadır. Atıl kalan bu kısım 1. grup iģletmelerde %30,09, 2. grup iģletmelerde ise %29,41 dir (Tablo 7.4).

60 Tablo 187.4. Ġncelenen iģletmelerde iģgücü mevcudu ve kullanım durumu (ortalama erkek iģgünü ve %) ĠġLETME BÜYÜKLÜK GRUPLARI l. Grup (37) ll. Grup (47) Genel (84) EĠG % EĠG % EĠG % ĠĢletme DıĢında Kullanılan Aile ĠĢgücü Tarımda 5,36 0,53 9,5 0,78 7,08 0,63 Tarım DıĢında 158,08 15,48 214,17 17,69 190,65 16,90 ĠĢletmede Kullanılan Aile ĠĢgücü(A) 550,20 53,90 631,44 52,12 595,65 52,80 Kullanılmayan (Atıl) ĠĢgücü 307,23 30,09 356,33 29,41 334,7 29,67 ĠĢletmede Kullanılabilir Aile ĠĢgücü 1020,87 100 1211,44 100 1128,08 100 ĠĢletmede Kullanılan Aile ĠĢgücü(A) 550,20 93,13 631,44 89,11 595,65 90,70 ĠĢletmede Kullanılan Geçici Ücretli ĠĢgücü(B) ĠĢletmede Kullanılan Devamlı Ücretli ĠĢgücü(B) ĠĢletmede Kullanılan Toplam ĠĢgücü (A+B) 40,61 6,87 77,13 10,89 61,64 9,30 0,00 0,00 0,00 0,00 0,00 0,00 590,81 100 708,57 100 656,69 100 Ġncelenen iģletmelerde her iki grupta da daimi ücretli iģgücü kullanılmamaktadır. 2. grup iģletmelerde (%10,89) geçici iģgücü 1. grup iģletmelere (%6,87) oranla daha fazladır. ĠĢletmelerde kullanılan geçici iģgücü iģletme büyüklük grupları ile birlikte artıģ gösterirken, iģletmede kullanılan aile iģgücü ise oransal olarak azalma göstermektedir (Tablo 7.4). 7.1.2. Ġncelenen ĠĢletmelerde Arazi Varlığı ve Tasarruf ġekli Ġncelenen iģletmelerde arazi varlığı ve tasarruf Ģekli Tablo 7.5 de verilmiģtir. ĠĢletme baģına düģen ortalama iģletme arazisi 1.grupta 22,91 dekar iken 2.grupta 40,38, genel ortalamada ise 32,68 dekardır.

61 Tablo 197.5. Ġncelenen iģletmelerde ortalama arazi mevcudu ve tasarruf Ģekli (da ve %) ĠġLETME BÜYÜKLÜK GRUPLARI l. Grup (37) ll. Grup (47) Genel (84) da % da % da % Toplam Mülk Arazi 22,18 96,81 34,68 85,88 29,17 89,26 MÜLK ARAZĠ Mülk Araziden Ortağa ve Kiraya Verilen - - - - - - Bizzat ĠĢletilen Arazi 22,18 96,81 34,68 85,88 29,17 89,26 Kiraya ve Ortağa Tutulan Arazi 0,73 3,19 5,70 14,12 3,51 10,74 ĠĢletme Arazisi 22,91 100 40,38 100 32,68 100 ĠĢletme arazisini mülk arazi ile kiraya ve ortağa tutulan arazi oluģturmaktadır. Her iki grup iģletmelerde de mülk araziden ortağa ve kiraya verilen araziye rastlanılmamıģtır. Uzunöz (2002), çalıģmasında mülk araziden ortağa ve kiraya verilen araziye rastlanılmadığını belirtmiģtir. Kızılaslan (1996), benzer çalıģmasında domates üreten iģletmelerin iģlediği arazinin %73,30 unu, mülk, %12,37 sini kiralanan ve %14,33 ünün de ortakçılık Ģeklinde iģlendiği saptanmıģtır. 7.1.3. Ġncelenen ĠĢletmelerde Arazi Kullanım Durumu ve Dağılımı Ġncelenen iģletmelerde arazi kullanım durumu olarak tarla arazisi, meyve arazisi, sebze arazisi ve ağaçlık arazi saptanmıģtır. ĠĢletmelerde arazi kullanım durumu ve dağılımı Tablo 7.6 da verilmiģtir. 1. grup iģletmelerde toplam iģletme arazisinin (22,91 da), 9,16 da ını, 2. Grup iģletmelerde toplam arazinin (40,38 da), 18,79 da ını, genel ortalamada (32,68 da) ise 14,55 da ını tarla arazisi oluģturmaktadır. Gruplar itibariyle ve genel olarak sırasıyla meyvelik arazi 6,81 da, 4,37 da ve 5,43 da; sebze arazisi 6,09 da, 16,34 da ve 11,83 da; ağaçlık arazi ise 0,85 da, 0,88 da ve 0,87 da ını oluģturmaktadır (Tablo 7.6).

62 Tablo 207.6. Ġncelenen iģletmelerde arazi kullanım durumu ve iģletme arazisi (da ve %) ĠġLETME BÜYÜKLÜK GRUPLARI l. Grup (37) ll. Grup (47) Genel (84) da % da % da % Sulu 3,47 15,15 6,89 17,06 5,39 16,49 Tarla Arazisi Kıraç 5,69 24,84 11,89 29,45 9,16 28,03 Toplam 9,16 39,98 18,79 46,53 14,55 44,52 Meyve 4,74 20,69 3,52 8,72 4,06 12,42 Meyvelik Arazi Bağ 2,07 9,04 0,85 2,11 1,37 4,19 Toplam 6,81 29,73 4,37 10,82 5,43 16,62 Sırık Domates 2,77 12,09 10,43 25,83 7,05 21,57 Sebze Arazisi Yer Domatesi 1,64 7,16 4,43 10,97 3,2 9,79 Diğer Sebze 1,69 7,38 1,49 3,69 1,58 4,84 Toplam 6,09 26,58 16,34 40,47 11,83 36,20 Ağaçlık Arazi 0,85 3,71 0,88 2,18 0,87 2,66 TOPLAM ĠġLETME ARAZĠSĠ 22,91 100 40,38 100 32,68 100 Her iki grupta da toplam iģletme arazisi içindeki en büyük payı tarla arazisinin aldığı görülmektedir. Bunu 1. Grup iģletmelerde sırasıyla meyvelik arazi, sebze arazisi ve ağaçlık arazi izlerken; 2. grupta ise sebze arazisi, meyvelik arazi ve ağaçlık arazi izlemektedir. Genel ortalamada ise tarla arazisinden (%44,52) sonra sebze arazisi (%36,20), meyvelik arazi (%16,62) ve ağaçlık arazi (%2,66) gelmektedir (Tablo 7.6). ĠĢletmelerin sahip oldukları sebze üretim alanlarında büyük oranda domates üretimi vardır. Özellikle 2. grup iģletmelerde toplam iģletme arazisi içindeki en büyük payı domates almaktadır. Sırık domates ve yer domatesi üretim alanı ve toplam iģletme arazisi içindeki payı sırasıyla; 1. grup iģletmelerde sırık domateste 2,77 da ve %12,09; yer domatesinde 1,64 da ve %7,16 iken, 2.grup iģletmelerde ise sırık domateste 10,43 da

63 ve %25,83; yer domatesinde 4,43 da ve %10,97, genel ortalamada ise sırık domateste 7,05 da ve %21,57; yer domatesinde ise 3,2 da ve %9,79 olduğu görülmektedir (Tablo 7.6). Yörede domates yetiģtirilen alanı Gündüz, (2007) 8,64 da (sırık) ve 1,48 da (yer), Uzunöz, (2002) ise 2,36 da (sırık) ve 1,36 da (yer) olarak hesaplamıģtır. Kızılaslan, (1996) ise 11,43 (sırık ve yer) da olarak belirlemiģtir. 7.1.4. Ġncelenen ĠĢletmelerde Üretim Deseni Ġncelenen iģletmelerin üretim deseni Tablo 7.7 de verilmiģtir. ĠĢletmeler ortalamasında sırık domates veriminin (7506,99 kg/da) yer domatesine (637,82 kg/da) göre daha fazla olduğu görülmektedir. Tablo 217.7. Ġncelenen iģletmelerde üretilen bazı ürünlerin üretim alanı (da), verim (kg/da) l. Grup (37) ll. Grup (47) Genel (84) Ekilen Verim Üretim Ekilen Verim Üretim Ekilen Verim Üretim Alan(da) (kg/da) (kg) Alan(da) (kg/da) (kg) Alan(da) (kg/da) (kg) Sırık Domates 2,77 6 590,89 18256,76 10,43 7354,78 78297,87 7,05 7506,99 51851,19 Yer Domatesi 1,64 520,76 854,05 4,43 611,61 2825,53 3,2 637,82 1957,14 Buğday 4,99 725,10 3618,24 10,98 705,26 7663,83 8,34 697,98 5881,85 Pancar 1,95 4608,46 8986,49 2,51 5154,34 13744,68 2,26 5475,97 11648,81 Fasulye 0,73 2517,59 1837,84 0,27 2554,56 744,680 0,48 2758,07 1226,19 Soğan 0,5 583,78 291,89 0,73 530,05 367,02 0,63 502,77 333,93 Biber 0,46 587,54 270,27 0,26 579,94 150 0,35 576,92 202,98

64 Ġncelenen iģletmelerde üretilen diğer ürünlerin verimleri ise buğdayda 697,98 kg/da, pancarda 5475,97 kg/da, fasulyede 2758,07 kg/da, soğanda 502,77 kg/da ve biberde 576,92 kg/da olarak belirlenmiģtir (Tablo 7.7). 7.2. Uygun Üretim Sisteminin Belirlenmesinde Analitik HiyerarĢi Süreci Yönteminin Uygulanması 7.2.1. Problemin OluĢturulması Bu bölümde, AHS yöntemi ile çözülecek problem, kriterler ve alternatifler belirlenmiģtir. Problemin amacı, üreticilerin temel iģletmecilik kararlarına çiftçilerin verdiği öncelik düzeyini ve bu kararların alınmasında etkili olan tercihleri Analitik HiyerarĢi Süreci (AHS) yöntemini kullanarak belirlemektir. Çiftçiler için doğru zamanda doğru kararı vermek çok önemlidir. Bu yüzden üretilecek ürün, kullanılacak yöntem, elde edilecek ürün miktarı ve ürünlerin pazarlanması gibi birçok konuda karar verme ile karģı karģıya kalmaktadır. Tokat ilinde domates üretimi gerek Tokat ili için gerekse Türkiye nin domates talebini karģılamaya yönelik olarak önemli bir yere sahiptir. Bundan dolayı domates üretiminde çiftçilerin karar öncelikleri belirlenerek, çok kriterli karar verme süreci geliģtirilmesi ve tarım sektörü için bir karar destek sistemi uygulamasına yer verilmeye çalıģılmıģtır. Domates üretimi yapan iģletmelerin sırık domatesini mi yoksa yer domatesini mi tercih edeceklerini belirlemede bazı kriterler dikkate alınmıģtır. Bu kriterler fiyat, verim, pazarlama, maliyet ve sürdürülebilirliktir. Bu kriterlere göre uygun üretim sisteminin belirlenmesi amaçlanmıģtır. 7.2.2. Analitik HiyerarĢi Süreci Yönteminin Probleme Uygulanması OluĢturulan problem, kriterler ve alternatifler ġekil 7.1 de hiyerarģik ağaç modelinde gösterilmiģtir. Uygun üretim sisteminin belirlenmesi problemin ana amacıdır ve hiyerarģinin en üst basamağındadır. HiyerarĢinin ikinci basamağında fiyat, verim, pazarlama, maliyet ve sürdürülebilirlik kriterleri bulunmaktadır. Son basamakta ise alternatifler yani sırık domates ve yer domatesi yer almaktadır. Örnekleme sonucu belirlediğimiz 84 iģletme ile yapılan anket çalıģmasından elde edilen veriler sonucunda ikili karģılaģtırmalar matrisleri oluģturulmuģtur. Ġkili karģılaģtırmalar

65 belirlenirken Thomas L. Saaty tarafından önerilen 1-9 temel ölçeği kullanılmıģtır. Ġkili karģılaģtırmalar 5. bölümde detaylı olarak açıklanmıģtır. Ġlgili kiģiler tarafından kriterler ve alternatifler 1-9 temel ölçek doğrultusunda değerlendirilerek ikili karģılaģtırma matrisi elde edilmiģtir. Bu matrisler geometrik ortalama yaklaģımı ile birleģtirilerek grup karģılaģtırma karar matrisleri oluģturulmuģtur. UYGUN ÜRETİM SİSTEMİ FİYAT VERİM PAZARLAMA MALİYET SÜRDÜRÜLEBİLİRLİK SIRIK DOMATES YER DOMATESİ ġekil 27.1. Problem için hiyerarģik ağaç modeli Elde edilen karar matrisleri Expert Choice 11 programına aktarılmıģtır. Öncelikle kriterler, daha sonrada her bir kriter için alternatifler karģılaģtırılmıģtır. Tablolarda siyah renkle belirtilen değerler satır elemanları lehine, kırmızı renkle belirtilen değerler ise sütun elemanları lehine üstünlük olduğunu göstermektedir. Tablo 7.8 de fiyat ve verim karģılaģtırmasına bakıldığında fiyat kriterinin verim kriterine göre 1,39 kat daha önemli olduğu anlaģılmaktadır. Fiyat ve pazarlama kriterinin karģılaģtırılmasında, fiyat kriteri pazarlama kriterinden 4,27 kat daha önemlidir. Fiyat ve sürdürülebilirlik karģılaģtırmasında da fiyat kriteri sürdürülebilirlikten 4,02 kat daha önemli olarak bulunmuģtur.

66 Verim kriterine baktığımızda verim kriteri, pazarlama kriterine göre 4,71; sürdürülebilirlik kriterine göre ise 3,92 kat daha önemlidir. Maliyet ve pazarlama karģılaģtırması incelendiğinde ise maliyet kriteri pazarlama kriterine göre 3,75; sürdürülebilirlik kriterine göre ise 3,62 kat daha önemlidir. Tablo 7.8 de ki matrise bakıldığında köģegenlerin 1 değerini aldığını görmekteyiz. Bunun sebebi, her bir kriter kendisi ile karģılaģtırıldığında eģit öneme sahip olacağı için 1 ile gösterilmektedir. KöĢegenlerin altında kalan değerler ise karģılaģtırmanın tersi olan değerlerdir. Örneğin, 1. satır 2. sütun da ki fiyat-verim karģılaģtırmasında 1,39 iken; 2. satır 1. sütun verim-fiyat karģılaģtırması 1/1,39 yani 0,72 olmaktadır. Her bir kriter için aynı iģlem yapılmıģtır ve matriste gösterilmiģtir. Tablo 227.8. Kriterlerin karģılaģtırma matrisi Fiyat Verim Pazarlama Maliyet Sürdürülebilirlik Fiyat 1 1,39 4,27 1,1 4,02 Verim 0,72 1 4,71 1,19 3,92 Pazarlama 0,23 0,21 1 3,75 1,81 Maliyet 0,91 0,84 0,27 1 3,62 Sürdürülebilirlik 0,25 0,26 0,55 0,28 1 Tutarlılık Oranı: 0,02 Dikkat edilmesi gereken en önemli değer tutarlılık oranıdır. Tutarlılık oranı ikili karģılaģtırma değerleri matrise girilirken Expert Choice programı tarafından otomatik olarak hesaplanmaktadır. Tutarlılık oranını 0,10 un altında olması gerekmektedir. Kriterlerin karģılaģtırılması matrisinde tutarlılık oranı 0,02 çıkmıģtır. Bu oran 0,10 un altında olduğu için kriterler için karģılaģtırma matrisi tutarlıdır kararı verilir. Tutarlılık oranının 0,10 dan büyük çıkması durumunda karar vericinin kriterlerini yeniden gözden geçirmesi gerekmektedir. KarĢılaĢtırma matrislerinin EC programındaki görünümü ve göreli önem değerleri Ek 1 de verilmiģtir.

67 Tablo 237.9. Kriterlerin göreli önem değerleri Kriterler Ağırlıklar Fiyat 0,313 Verim 0,284 Pazarlama 0,079 Maliyet 0,259 Sürdürülebilirlik 0,065 Ġkili karģılaģtırmalar yapıldıktan sonra Expert Choice programı tarafından otomatik olarak hesaplanan kriterlerin göreli önemleri Tablo 7.9 da verilmiģtir. Buna göre en önemli kriter 0,313 değeri ile fiyat kriteridir. Fiyattan sonra verim(0,284), maliyet(0,259), pazarlama(0,079) ve sürdürülebilirlik(0,065) gelmektedir. Çobanoğlu (2007), çalıģmasında pazarlama ölçütünü (birinci değerlendirme 0,4686; ikinci değerlendirme 0,3128) iki ayrı değerlendirmede de öncelikli ağırlıklı olarak bulmuģtur. Fiyat ölçütü ise ilk değerlendirmede (0,1667) ikinci sırada, ikinci değerlendirmede (0,1870) ise üçüncü sırada yer almaktadır. Kriterlerin karģılaģtırması yapıldıktan sonra her bir kritere göre alternatiflerin karģılaģtırması yapılmıģtır. Tablo 7.10 da fiyat kriterine göre alternatiflerin karģılaģtırılması ve öncelikli ağırlıkları verilmiģtir. Fiyat kriteri için sırık domates yer domatesinden 4,85 kat daha önemli bulunmuģtur. Sırık domates 0,829 puan öncelik ağırlığına sahiptir. Tutarlılık oranı 0,10 un altında olduğu için matrisin tutarlı olduğu görülmüģtür. Tablo 247.10. Fiyat kriterine göre alternatiflerin karģılaģtırılması matrisi ve göreli önem değerleri Sırık Domates Yer Domatesi Ağırlık Sırık Domates 1 4,85 0,829 Yer Domatesi 0,21 1 0,171 Tutarlılık Oranı: 0,00

68 Ġncelenen iģletmelerde sırık domatesin birim fiyatı 0,52 TL/kg, yer domatesinin birim fiyatı 0,44 TL/kg olarak belirlenmiģtir. Tablo 7.11 de ise verim kriterine göre alternatiflerin karģılaģtırılması ve öncelikli ağırlıkları görülmektedir. Verim kriteri için sırık domates yer domatesinden 4,48 kat daha önemli bulunmuģtur. Sırık domates 0,818 puan öncelik ağırlığına sahiptir. Tutarlılık oranı 0,10 un altında olduğu için matrisin tutarlı olduğu görülmüģtür. Tablo 257.11.Verim kriterine göre alternatiflerin karģılaģtırılması matrisi ve göreli önem değerleri Sırık Domates Yer Domatesi Ağırlık Sırık Domates 1 4,48 0,818 Yer Domatesi 0,22 1 0,182 Tutarlılık Oranı: 0,00 AraĢtırma bulgularına göre sırık domates verimi (7506,99 kg/da) yer domatesine (637,82 kg/da) göre çok fazla olarak belirlenmiģtir (Tablo 7.7). Ġncelenen iģletmelerden 74 tanesi sırık domates üretirken 10 tanesi ise yer domatesi üretmektedir. 40 tanesi ise hem sırık domates hem de yer domatesi üretimi yapmaktadır. Tablo 7.12 de ise pazarlama kriterine göre alternatiflerin karģılaģtırılması ve öncelikli ağırlıkları görülmektedir. Pazarlama kriteri için sırık domates yer domatesinden 3,68 kat daha önemli bulunmuģtur. Sırık domates 0,786 puan öncelik ağırlığına sahiptir. Tutarlılık oranı 0,10 un altında olduğu için matrisin tutarlı olduğu görülmüģtür. Sırık domates raf ömrü uzun olması, yola dayanıklı olması gibi sebeplerle pazarlamada daha çok tercih edilmektedir.

69 Tablo 267.12. Pazarlama kriterine göre alternatiflerin karģılaģtırılması matrisi ve göreli önem değerleri Sırık Domates Yer Domatesi Ağırlık Sırık Domates 1 3,68 0,786 Yer Domatesi 0,27 1 0,214 Tutarlılık Oranı: 0,00 Tablo 7.13 de ise maliyet kriterine göre alternatiflerin karģılaģtırılması ve öncelikli ağırlıkları görülmektedir. Sırık domateste girdi kullanımı daha fazladır. Gübreleme, ilaçlama, sulama ve bakım sırık domateste yoğun olarak yapıldığından girdi maliyetleri artmaktadır. Maliyet kriteri için yer domatesi sırık domatesten 4,67 kat daha önemli bulunmuģtur. Sütun elemanı lehine önemli olduğu için bu değer kırmızı renkle gösterilmiģtir. Yer domatesi 0,823 puan öncelik ağırlığına sahiptir. Tutarlılık oranı 0,10 un altında olduğu için matrisin tutarlı olduğu görülmüģtür. Maliyet kriterinde yer domatesi daha önemli bulunmuģtur. Tablo 277.13. Maliyet kriterine göre alternatiflerin karģılaģtırılması matrisi ve göreli önem değerleri Sırık Domates Yer Domatesi Ağırlık Sırık Domates 1 4,67 0,177 Yer Domatesi 0,22 1 0,823 Tutarlılık Oranı: 0,00 Tablo 7.14 de ise sürdürülebilirlik kriterine göre alternatiflerin karģılaģtırılması ve öncelikli ağırlıkları görülmektedir. Sürdürülebilir tarım, uzun dönemde doğal

70 kaynakların korunmasının yanısıra çevreye zarar vermeyen tarımsal teknolojilerin kullanıldığı bir tarımsal yapının oluģturulmasıdır (Turhan, 2005). Tablo 287.14. Sürdürülebilirlik kriterine göre alternatiflerin karģılaģtırılması matrisi ve göreli önem değerleri Sırık Domates Yer Domatesi Ağırlık Sırık Domates 1 5,21 0,161 Yer Domatesi 0,19 1 0,839 Tutarlılık Oranı: 0,00 Sürdürülebilirlik kriteri için yer domatesi sırık domatesten 5,21 kat daha önemli bulunmuģtur. Sütun elemanı lehine önemli olduğu için bu değer kırmızı renkle gösterilmiģtir. Yer domatesi 0,839 puan öncelik ağırlığına sahiptir. Tutarlılık oranı 0,10 un altında olduğu için matrisin tutarlı olduğu görülmüģtür. Domates üreticileri sırık domates mi yoksa yer domatesimi üreteceklerini belirlerken maliyet ve sürdürülebilirlikten çok fiyat, verim ve pazarlama unsurlarını dikkate almaktadır. Fiyat (0,829), verim (0,818) ve pazarlama (0,786) kriterleri açısından sırık domates oldukça kuvvetli önem ağırlığına sahiptir. Maliyet (0,823) ve sürdürülebilirlik (0,839) kriterlerinde ise yer domatesi öncelikli öneme sahiptir. AHS yöntemi ile uygun üretim sistemi belirlenirken önce kriterlerin karģılaģtırması, sonra her bir kritere göre alternatiflerin karģılaģtırılması yapılmıģtır. Ġkili karģılaģtırma matrisleri EC programına girildikten sonra program tutarlılık oranını ve öncelik ağırlıklarını hesaplamaktadır. Kriterlere göre alternatiflerin göreli önem değerleri ve kriterlerin göreli önem değerlerinin birleģtirilmesiyle alternatiflerin göreli önem değerleri elde edilir. Yani nihai sonuca varılır. Alternatiflerin göreli önem değerleri, kriterlerin göreli önem değerlerindeki ilgili ağırlıkla çarpılarak bulunduğu satırın toplamı alınır. Böylece alternatiflerin kendi aralarında ağırlıkları belirlenir. Alternatiflerin birleģtirilmesi beģinci

71 bölümde detaylı olarak açıklanmıģtır. Alternatiflerin göreli önem değerleri Tablo 7.15 de verilmiģtir. Tablo 297.15. Alternatiflerin göreli önem değerleri Puan Sırık Domates 0,611 Yer Domatesi 0,389 Nihai kararda ise, sırık domates (0,611) puan önceliğiyle, yer domatesine (0,389) göre daha kuvvetli önem ağırlığına sahip olarak belirlenmiģtir.

72 8. SONUÇ VE ÖNERĠLER Bu çalıģmada, Analitik HiyerarĢi Süreci yöntemi kullanılarak, üreticilerin temel iģletmecilik kararlarına, çiftçilerin verdiği öncelik düzeyini ve bu kararların alınmasında etkili olan kriterleri belirlemek için karar destek sistemi geliģtirilmiģtir. Bu sistemde uygun üretim sisteminin belirlenmesi amaçlanmıģtır. AraĢtırmada birincil ve ikincil verilerden yararlanılmıģ, birincil veriler Tokat ili Merkez ilçede domates üretimi yapan iģletmelerden anket yolu ile sağlanmıģtır. Ġkincil veriler ise Türkiye Ġstatistik Kurumu (TÜĠK) ve Gıda, Tarım ve Hayvancılık Tokat Ġl Müdürlüğü nden elde edilmiģtir. Anket uygulanan köy sayısı ve köyler gayeli örnekleme yöntemi ile, anket uygulaması yapılacak iģletme sayısı ise tabakalı örnekleme yöntemi ile belirlenmiģtir. Tabakalı örnekleme yöntemi ile belirlenen 84 adet iģletme ile anket çalıģması yapılmıģtır. ÇalıĢma 2010 yılı üretim bilgilerini kapsamaktadır. Öncelikle Tokat ili Merkez ilçede domates üretimi yapan 84 iģletmenin sosyo-ekonomik yapıları ve genel nitelikleri ortaya konulmuģtur. Daha sonra Analitik HiyerarĢi Süreci yöntemi ile uygun üretim sistemi belirlenmiģtir. Uygun üretim sistemini belirlemek için hiyerarģik model oluģturulmuģtur. Modelin en üstünde amaç yani uygun üretim sisteminin belirlenmesi, ikinci basamakta ise fiyat, verim, pazarlama, maliyet ve sürdürülebilirlik kriterleri, alt basamağında ise alternatifler yani sırık domates ve yer domatesi yer almıģtır. HiyerarĢik model oluģturulduktan sonra elde edilen veriler sonucunda ikili karģılaģtırma matrisleri oluģturulmuģtur. Bu matrisler EC programına girilmiģtir. Program ikili karģılaģtırmaların tutarlılık oranını ve göreli önem değerlerini vermektedir. EC programı özellikle karmaģık problemlerin çözümünde yani kriterlerin, alt kriterlerin ve alternatiflerin fazla olduğu durumlarda kolaylık sağlamaktadır.

73 Ġncelenen iģletmelerde ortalama nüfus 4,62 kiģidir. Faal nüfus oranı ise %69,07 olarak belirlenmiģtir. ĠĢletme yöneticilerinin ortalama yaģı 49, öğrenim süresi ise 5 yıl olarak bulunmuģtur. Yedi ve yukarı yaģtaki nüfusun okur yazarlık oranı %98,33 tür. ĠĢletmelerde aile iģgücü potansiyelinin %52,80 i iģletmede kullanılmaktadır. Atıl iģ gücü ise %29,67 dir. Ortalama iģletme arazisi 32,68da olarak belirlenmiģtir. Bunun %89,26 sını mülk arazi, %10,74 ünü ise kiraya ve ortağa tutulan arazi oluģturmaktadır. ĠĢletme arazilerinin %44,52 sini tarla arazisi, %16,62 sini meyvelik arazi, %36,20 sini sebze arazisi ve %2,66 sını ağaçlık arazi oluģturmaktadır. ĠĢletme arazisinin yaklaģık %22 sinde sırık domates, %10 unda ise yer domatesi yetiģtirilmektedir. Tokat halkı için çiftçilik önemli bir gelir kaynağıdır. Üretici için ürünün fiyatı kadar verimliliği de çok önemlidir. Üretici üründen yüksek verim elde etmek ve en çok karı almak ister. Sırık domatesten elde edilen verim yer domatesine göre oldukça fazladır. Sırık domates verimi 7506,99 kg/da, yer domatesi verimi ise 637,82 kg/da olarak belirlenmiģtir. Sırık domateste girdi kullanımı fazladır. Yüksek verim elde edebilmek için fazla gübre kullanımı, bitki koruma amacıyla kimyasal ilaç kullanımı, sulama ve bakım sırık domates üretiminde daha yoğun yapılmaktadır. Bu da girdi maliyetlerini artırmaktadır. Bu noktada sürdürülebilirlik kavramı ortaya çıkmaktadır. Sürdürülebilirlik, çevreye zarar vermeden kaynakların en etkin Ģekilde gelecek nesillere aktarılması olduğundan, fazla gübre veya kimyasal kullanımı vb. gibi girdiler çevreye zarar verebilir. Bunun için gübreleme veya ilaçlamada, kullanımın Ģekline ve miktarına dikkat edilmelidir. Doğru Ģekilde ve doğru miktarda kullanım yapılmalıdır. Bu konularda çiftçiler bilgilendirilmeli, yanlıģ girdi kullanımı yerine bilinçli kullanıma teģvik edilmelidir. Yer domatesinde ise daha az girdi kullanımı söz konusudur. Az girdi kullanımı daha az maliyet demektir. Ürün verimliliği az olmasına rağmen yer domatesi, maliyetinin düģüklüğü ve geleneksel bir üretim tarzının benimsenmesinden dolayı halen tercih edilmektedir. Yer domatesinde yoğun üretim tekniği söz konusu değildir. Yani çiftçi daha az girdi kullanımı ile daha az maliyet ile ne kadar ürün elde ederse ona razı olmaktadır.

74 Türkiye de olduğu kadar Tokat ili ekonomisinde de önemli bir yere sahip olan domates çiftçiler için önemli bir gelir kaynağıdır. Domates üretiminde sırık domates yer domatesine göre daha çok tercih edilmektedir. Yüksek verim, daha çok kar, pazarlama kolaylığı, raf ömrü daha uzun ve yola daha dayanıklı olması, gibi bazı sebepler çiftçiyi sırık domates üretmeye yöneltmektedir. EC programından elde ettiğimiz verilere göre sırık domates fiyat (0,829), verim (0,818) ve pazarlama (0,786) kriterleri açısından daha önemli bulunmuģtur. Yer domatesi ise maliyet (0,823) ve sürdürülebilirlik (0,839) kriterleri açısından önemli bulunmuģtur. Kriterlerin karģılaģtırılmasında ise fiyat (0,313), verim (0,284) ve maliyet (0,259) kuvvetli derecede öncelikli öneme sahipken; pazarlama (0,079) ve sürdürülebilirlik (0,065) daha düģük öneme sahiptir. Kriterlerin ve alternatiflerin ağırlıkları birleģtirilerek sonuca ulaģıldığında ise sırık domates %61 (0,611) puan ile öncelikli öneme sahip olarak belirlenmiģtir. Yer domatesi ise %39 (0,389) puan ile ikinci sırada yer almıģtır. Sırık domates fiyat, verim ve pazarlama kriterlerinde öncelikli öneme sahiptir. Ayrıca kriterlerin karģılaģtırılmasında öncelikli öneme sahip olan fiyat ve verim sırık domates içinde ilk iki sırada yer almaktadır. Alternatiflerin karģılaģtırılmasında ise sırık domates %61 puan ile öncelikli öneme sahiptir. Sırık domates yer domatesine göre göreli öneme sahiptir ve sırık domates yer domatesine göre daha çok tercih edilmektedir. AraĢtırma bulguları da bunun doğruluğunu desteklemektedir. Sonuç olarak Tokat ili domates üreticileri için uygun üretim sisteminin sırık domates olduğu görülmektedir. Sırık domates fiyat, verim ve pazarlama kriterleri açısından daha önemli bulunmuģtur. Maliyet ve sürdürülebilirlik kriterleri açısından ise, desteklenmesi gerekmektedir. Bundan dolayı, üreticiler sırık domates üretimine yönlendirilmeli, üreticiye teģvik ve destekler sağlanmalıdır. Kaynakların gelecek nesillere en etkin Ģekilde aktarılması için ise, bilinçli girdi kullanımı konusunda üreticilerin bilgilendirilmesine yönelik çalıģmalara ağırlık verilmelidir.

75 KAYNAKLAR Ada, E. Kazançoğlu, Y. ve Aracıoğlu, B. 2005. Stratejik Rekabet Üstünlüğü Sağlamada Tedarikçi Seçiminin Analitik HiyerarĢik Süreç Ġle GerçekleĢtirilmesi. V. Ulusal Üretim AraĢtırmaları Sempozyumu, Ġstanbul Ticaret Üniversitesi, 25-27. Albayrakoğlu, M. M., 1996. Justification of New Manufacturing Technology: A Strategic Approach Using The Analytical Hierarchy Process", Production & Inventory Management Journal, First Quarter, pp. 71-76. Al-Harbi Al Subhi, K. M., 2001. Application of the AHP Project Management. [International Journal of Project Management], (19/1), 19-27. Alphonce, C. B. 1996. Application of the Analytic Hierarchy Process in Agriculture in Developing Countries. Department of Management Information Systems, University College Dublin, Dublin 4. Ireland. (Received 6 June 1995: accepted 5 March 1996). Alp, S., 2008. Doğrusal Hedef Programlama Yöntemi Kullanılarak Kentiçi Otobüsle Toplu TaĢıma Sistemi Ġçin Bir Model OluĢturulması ve Uygulanması. ( Doktora Tezi), Marmara Üniversitesi Sosyal Bilimler Enstitüsü, Ġstanbul. Anonim, 2010a. Gıda, Tarım ve Hayvancılık Tokat Ġl Müdürlüğü (02.04.2012). Anonim, 2010b. Türkiye Ġstatistik Kurumu http://www.tuik.gov.tr (10.10.2012). Anonim, 2013. Gıda, Tarım ve Hayvancılık Tokat Ġl Müdürlüğü (03.07.2013). Aplak, H. S., 2010. Karar Verme Sürecinde Bulanık Mantık Bazlı Oyun Teorisi Uygulaması. (Doktora Tezi), Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara. Aras, A., 1988. Tarım Muhasebesi, E.Ü. Ziraat Fakültesi Yayınları Yayın No: 486, E.Ü. Basımevi, Bornova-Ġzmir. Aslan, E., 2009. Bulanık Analitik HiyerarĢi Prosesi Yöntemi Yardımıyla Tedarikçi Seçimi ve Üretim Sektöründe Bir Uygulama. (Yüksek Lisans Tezi), Dokuz Eylül Üniversitesi Sosyal Bilimleri Enstitüsü. Atıcı, K. B. ve Ulucan, A., 2009. Enerji Projelerinin Değerlendirilmesi Sürecinde Çok Kriterli Karar Verme YaklaĢımlarını ve Türkiye Uygulamaları, H.Ü. Ġktisadi ve Ġdari Bilimler Dergisi, 27(1): 161-186.

76 Aydın, G., 2008. Analitik HiyerarĢi Prosesi ve Bir sanayi ĠĢletmesinde Uygulanması. (Yüksek Lisans Tezi), Kocaeli Üniversitesi, Sosyal Bilimleri Enstitüsü, Kocaeli. Aytürk, S., 2006. Askeri Savunma Sistemlerinde Analitik HiyerarĢi ve Analitik ġebeke Prosesi ile Hafif Makineli Tüfek Seçimi. (Yüksek Lisans Tezi), Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara. Bağırkan, ġ.,1983. Karar Verme, Der Yayınları, Ġstanbul. Bakan, H. 2011. Analitik HiyerarĢi Yöntemiyle Üniversite Kurulması Uygun Olan Ġlçelerin Belirlenmesi. (Yüksek Lisans Tezi), Muğla Üniversitesi Sosyal Bilimler Enstitüsü, Muğla. Beccali, M., Cellura, M. ve Ardente, D., 1998. Decision Making in Energy Planning: The ELECTRE Multicriteria Analysis Approach Compared to a Fuzzy-Sets Methodology. Energy Conversion and Management, Cilt 39, Sayı 16-18, s.1869-1881. BulmuĢ, C., 2010. Analitik HiyerarĢi ve Hedef Programlama Yöntemleri Kullanılarak Sivas Ġlinde Üretim Deseninin Analiz Edilmesi (Yüksek Lisans Tezi), Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü, Sivas. Bulut, K. 2009. Türkiye de Kullanılan UlaĢtırma Modlarının Çok Kriterli Karar Verme Yöntemleri Ġle Değerlendirilmesi. (Yüksek Lisans Tezi), Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Kayseri. Can, C. Ġ. 2006. Çok Kriterli Karar Verme Süreci Ġçin Bir Karar Destek Sistemi GeliĢtirilmesi ve Savunma Sanayinde Uygulaması. (Yüksek Lisans Tezi), Hacettepe Üniversitesi Sosyal Bilimler Enstitüsü, Ankara. Canhasi, E., 2010. Analitik HiyerarĢi Süreci. (Yüksek Lisans Tezi), Mimar Sinan Güzel Sanatlar Üniversitesi Fen Bilimleri Enstitüsü, Ġstanbul. Cengiz, T., 2003. Peyzaj Değerlerinin Korunmasına Yönelik Kırsal Kalkınma Modeli Üzerine Bir AraĢtırma: Seben Ġlçesi (Bolu) Alpağut Köyü Örneği. (Doktora Tezi), Ankara Üniversitesi Fen Bilimleri Enstitüsü, Ankara. Cengiz, T. ve Çelem, H., 2003. Kırsal Kalkınmada Analitik HiyerarĢi Süreci Yönteminin Kullanımı. Kafkas Üniversitesi Artvin Orman Fakültesi Dergisi, 1-2: 144-153.

77 Chankong, V. ve Haimes Y. Y., 1983. Multiobjective Decision Making: Theory and Methodology, North-Holland. Çelik, L., 2006. Karar Destek Sistemlerinin Karar Verme Sürecindeki Rolü (Otomotiv Sektöründe Faaliyet Gösteren Bir ĠĢletmede Ġncelenmesi). (Yüksek Lisans Tezi), Marmara Üniversitesi Sosyal Bilimler Enstitüsü, Ġstanbul. Çiçek, A. ve Erkan, O., 1996. Tarım Ekonomisinde AraĢtırma ve Örnekleme Yöntemleri. GaziosmanpaĢa Üniversitesi Ziraat Fakültesi Yayınları No:12, Ders Notları Serisi No:6 Tokat. Çobanoğlu, F., 2007. Türkiye Kuru ve Taze Ġncir Üretim, Ġç ve DıĢ Pazarlamasında Bazı Kalite Güvence Sistemlerinin Uygulanabilirliği Üzerine Bir AraĢtırma. (Doktora Tezi), Ege Üniversitesi Fen Bilimleri Enstitüsü, Ġzmir. Çobanoğlu, F. Ve IĢın, F., 2009. Organik Kuru Ġncir Üreticilerinin Organik Tarım Sistemi Tercihini Etkileyen Kriterlerin Analitik HiyerarĢi Süreci Ġle Analizi. Tarım Ekonomisi Dergisi. 15(2): 63-71. Dağdeviren, M., 2002. Analitik HiyerarĢi Projesi ile Yeni Bir Analitik ĠĢ Değerlendirme Tekniğinin GeliĢtirilmesi. (Yüksek Lisans Tezi), Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara. Dağdeviren, M., Akay, D. ve Kurt, M., 2004. ĠĢ Değerlendirme Sürecinde Analitik HiyerarĢi Prosesi ve Uygulaması. Gazi Üniversitesi Müh. Mim. Fak. Dergisi. 19(2): 131-138. Dağdeviren, M., Eraslan, E., 2008. PROMETHEE Sıralama Yöntemi ile Tedarikçi Seçimi. Gazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi, Cilt: 23, No:1, s.69-75. Dağdeviren, M., Eraslan, E., Kurt, M., 2007. Makina Seçimi Problemi için TOPSIS, AHP, ELECTRE ve PROMETHEE Yöntemleri ile KarĢılaĢtırmalı Bir Analiz. Yöneylem AraĢtırması ve Endüstri Mühendisliği 27. Ulusal Kongresi Bildiriler Kitabı, Ġzmir, s.562-567. Demirel, T., MuĢdal, H., Demirel, N. Ç. ve Yücenur, N. G., 2009. Multi- Criteria Evaluation of Land Cover Policies Using Fuzzy AHP and Fuzzy ANP: The Case of Turkey, Human and Ecological Risk Assesment, Ġstanbul. Doğan, M., 1985. ĠĢletmelerde Karar Verme Teknikleri. Bilgehan Basımevi, Ġzmir.

78 Eleren, A., 2007. KuruluĢ Yeri Seçiminin Fuzzy Topsis Yöntemiyle Belirlenmesi: Deri Sektörü Örneği. Akdeniz Ġ.Ġ.B.F. Dergisi, 13, s.280-295. ErkuĢ, A. ve Ark., 1995. Tarım Ekonomisi, Ankara Üniversitesi Ziraat Fakültesi Eğitim, AraĢtırma, GeliĢtirme Vakfı Yayınları No:5 Bizim Büro Basımevi, Ankara. Evren, R. ve Ülengin, F., 1992. Yönetimde Karar Verme. Ġstanbul Teknik Üniversitesi Yayını, Sayı:1478, Ġstanbul. Expert Choice Software Tutorials (2000), Expert Choice Inc., Pittsburgh. Gök, M. 2006. Analitik HiyerarĢi Yöntemini Kullanan Bir Karar Destek Yazılımının GeliĢtirilmesi. (Yüksek Lisans Tezi), Muğla Üniversitesi Fen Bilimleri Enstitüsü, Muğla. Göksu, A. ve Güngör, Ġ. 2008. Bulanık Analitik HiyerarĢik Proses ve Üniversite tercih Sıralamasında Uygulanması. Süleyman Demirel Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi Dergisi, 13(3). 1-16. Günden, C. ve Miran, B., 2008(a). Çiftçilerin Temel ĠĢletmecilik Kararlarının Öncelik ve Destek Alma Açısından Analizi. Tekirdağ Ziraat Fakültesi Dergisi, 5: 67-80. Günden, C. ve Miran, B., 2008(b). Bulanık Analitik HiyerarĢi Süreci Kullanılarak Çiftçi Kararlarının Analizi. Ege Üniversitesi Ziraat Fakültesi Dergisi, 45(3): 195-204. Gündüz, O., 2007. Tokat Ġli Merkez Ġlçede Domates YetiĢtiren ĠĢletmelerde KarĢılaĢılan Riskler ve Optimum ĠĢletme Organizasyonunun Riskli KoĢullarda Tespiti. (Doktora Tezi), GaziosmanpaĢa Üniversitesi Fen Bilimleri Enstitüsü, Tarım Ekonomisi Anabilim Dalı, Tokat. Güngör, S., 2007. Kredi Taleplerinin Değerlendirilmesinde Analitik HiyerarĢi Süreci Yöntemi ve Uygulanabilirliği Üzerine Bir AraĢtırma. (Yüksek Lisans Tezi), Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, Ġzmir. Güngör, U., 2008. Ġmalat Programı OluĢturmada Ürün Önceliklerinin Belirlenmesi Ġçin Bir Model OluĢturulması. (Yüksek Lisans Tezi), Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Kocaeli. Hacıköylü, B.E., 2006. Analitik HiyerarĢi Karar Verme Süreci ile Anadolu Üniversitesi nde Beslenme ve Barınma Yardımı Alacak Öğrencilerin Belirlenmesi. (Yüksek Lisans Tezi), Anadolu Üniversitesi Sosyal Bilimler Enstitüsü. EskiĢehir.

79 Halaç, O., 2000. Kantitatif Karar Verme Teknikleri (Yöneylem AraĢtırması), 5. Baskı, Ġstanbul: Alfa Basım Yayım Dağıtım. Heizer, J. ve Render, B., 2003. Operations Management, 8th Edition. Pearson Education Inc. New Jersey. HeriĢçakar, E. 1999. Gemi Ana Makine Seçiminde Çok Kriterli Karar Verme Yöntemleri AHP ve SMART Uygulaması. Gemi ĠnĢaatı ve Deniz Teknolojileri Teknik Kongresi 99 Bildiriler Kitabı, s.240-256, Ġstanbul. Ġç, T. Y., ve Yurdakul, M., 2000. Analitik HiyerarĢi Süreci (AHS) Yöntemini Kullanan Bir Kredi Değerlendirme Sistemi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 15, Sayı:1 Sayfa:1-14, Ankara. Ġpekçi Çetin E., 2002. Çok Amaçlı Karar Verme Konusunda Yeni YaklaĢımlar ve Okul Öncesi Eğitime ĠliĢkin Bir Uygulama. (Yüksek Lisans Tezi), Akdeniz Üniversitesi Sosyal Bilimler Enstitüsü, Antalya. Karabat, S., 2007. Manisa Ġli Bağ Alanlarında Kullanılan Tarımsal Ġlaçların Gıda Güvenliğine Etkisinin KoĢullu Değerleme Yöntemiyle Analizi ve Üretici Duyarlılığınızın Belirlenmesi Üzerine Bir AraĢtırma. (Doktora Tezi), Ege Üniversitesi Fen Bilimleri Enstitüsü, Ġzmir. Karaca, Y., 2011. Çok Kriterli Karar Verme Metodları ve Analitik HiyerarĢi Süreci ile Matematik Eğitimi Alanında Bir Uygulama. (Yüksek Lisans Tezi), Bozok Üniversitesi Sosyal Bilimler Enstitüsü, Yozgat. Karacasu, M. ve Yayla, N., 2004. Kentiçi Otobüs TaĢımacılığında ÖzelleĢtirme Ġçin Bir Karar Destek Modeli Önerisi: EskiĢehir Örneği. ĠTÜ Dergisi /d, Mühendislik, 3(6): 59-70. KarakaĢoğlu, N., 2008. Bulanık Çok Kriterli Karar Verme Yöntemleri ve Uygulama. (Yüksek Lisans Tezi), Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü, Denizli. Karakaya, K., 2003. Ġstanbul Boğazından Gemilerin Emniyetli GeçiĢinin Analitik HiyerarĢi Prosesi Kullanarak Analizi. (Yüksek Lisans Tezi), Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Kocaeli. Karamahmutoğlu, Y., 2010. Analitik Ağ Süreci ve Türk Sigorta Sektörüne Uygulanması. (Yüksek Lisans Tezi), Marmara Üniversitesi Bankacılık ve Sigortacılık Enstitüsü, Ġstanbul.

80 Karayalçın, Ġ., 1993. Yöneylem Harekat AraĢtırması, MenteĢ Kitapevi, Ġstanbul, 3.Baskı. Kızılaslan, H., 1996. Türkiye de Uygulanan Bitkisel Tohumluk Politikasının Tokat ili Üreticileri Üzerindeki Etkileri. (Doktora Tezi), GaziosmanpaĢa Üniversitesi Fen Bilimleri Enstitüsü Tarım Ekonomisi Anabilim Dalı, Tokat. Kızılaslan, N., 1997. Tokat ili Merkez ilçede Tarımsal Kalkınma Kooperatiflerine Katılım Üzerine Bir AraĢtırma. (Doktora Tezi), GaziosmanpaĢa Üniversitesi Fen Bilimleri Enstitüsü Tarım Ekonomisi Anabilim Dalı Tokat. Kocamustafaoğulları, E., 2007. Çok Kriterli Karar Verme Semineri. Çok Amaçlı Karar Verme, Tepav, 1-37, Alıntı Tarihi: 18.05.2011 http://www.tepav.org.tr/tur/admin/dosyabul/upload/cok_amacli_karar_verme.pdf Koçel, T., 2003. ĠĢletme Yöneticiliği, Beta Yayınları, GeniĢletilmiĢ 9. Baskı, Ġstanbul. Ku, E. C. S. ve Fan, Y. W., 2009. The decision making in selecting online travel agencies: an application of analytic hierarchy process. Journal of Travel & Tourism Marketing, 26(5), 482-493. Kuruüzüm, A. ve Atsan, N., 2001. Analitik HiyerarĢi Yöntemi ve ĠĢletmecilik Alanındaki Uygulamaları. Akdeniz Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi Dergisi 1: 83-105. Lai, Vincent S., Wong, Bo K; Cheung, Waiman, 2002. Group decision making in a multiple criteria environment: A case using the AHP in software selection. European Journal of Operational Research. Amsterdam: Feb 16, Vol. 137, Iss. 1; s. 134. Li, D. F. ve Yang, J. B., 2004. Fuzzy linear programming technique for multiattribute group decision making in fuzzy environments. Information Sciences, 158: 263 275. Niemira, M.P. ve Saaty T.L., 2004. An Analytic Network Process Model for Financial- Crisis Forecasting. International Journal of Forecasting, 20, 573-587. Ofluoğlu, G., 2006. Ġnsan Kaynağı Seçiminde Çok Ölçütlü Karar Verme Yöntemleri: EtkileĢimli Beklenti Düzeyi YaklaĢımı. Kamu-ĠĢ,. 105-125. Ofluoğlu, G., Büyükyılmaz, O. ve Kolton, ġ., 2006. Ġnsan Kaynağı Seçiminde Çok Ölçütlü Karar Verme Yöntemleri: EtkileĢimli Beklenti Düzeyi YaklaĢımı. Kamu-ĠĢ, Cilt 9, Sayı 1, s.105-125.

81 Özdağoğlu, A., 2008. Bulanık Analitik Serim Süreci YaklaĢımı ile Çok Ölçütlü Karar Verme ve Bir ĠĢletme Uygulaması. (Doktora Tezi), Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, Ġzmir. Özdemir, Y., 2009. Turizm Yatırımlarının Bulanık Çok Amaçlı Değerlendirilmesi. (Yüksek Lisans Tezi), Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, Ġstanbul. Polat, F., 2011. Yemeklik Yağ Sektöründe Tüketici DavranıĢlarını Etkileyen Faktörlerin Analizi. (Doktora Tezi), Ankara Üniversitesi Fen Bilimleri Enstitüsü, Ankara. Rençber, Ö. F., 2010. Büyük Çaplı Projelerde Karar verme: Analitik HiyerarĢi Süreci Uygulanması. (Yüksek Lisans Tezi), Gebze Yüksek Teknoloji Enstitüsü, Sosyal Bilimler Enstitüsü, Gebze. Render, B. ve Stair Ralph, M.,1991. Ouantitative Analysis For Management, 4th Edition, Allyn and Bacon, Massachusetts. Roy, B. ve Vanderpoten, D. 1997. An Overview on the European School of MCDA: Emergence, Basic Features and Current Works. European Journal of Operational Research, 99( 1): 26-27. Sağır Özdemir, M., 2002. Bir ĠĢletmede Analitik HiyerarĢi Süreci Kullanılarak Performans Değerleme Sistemi Tasarımı. Endüstri Mühendisliği Dergisi, 13(2): 2-11. Saat, M., 2000. Çok Amaçlı Karar Vermede Bir YaklaĢım: Analitik HiyerarĢi Yöntemi. Gazi Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi Dergisi 2: 149-162. Saaty, T.L., 1982. Decision Making for Leaders; The Analytical Hierarchy Process for Decisions in a Complex World, Belmont, CA: Wadsworth. Translated to French, Indonesian, Spanish, Korean, Arabic, Persian, and Thai, latest edition, revised, (2000), Pittsburgh: RWS Publications. Saaty, T. L., 1990. Multicriteria Decision Making: The Analytic Hierarchy Process, RWS Publications, 2nd Edition, Pittsburgh, s.54. Saaty, T. L., 1994. How to Make a Decision: The Analytic Hierarchy Process ", Interfaces, C:24, S:6 ( November-December), ss. 19-43. Saaty, T. L., 1999. Decision Making For Leaders- The Analytic Hierarchy Process For Decisions in A Comlex World, 3rd Edition, PWZ Publications, Pittsburg, s.5.

82 Saaty, T. L., 2001. Decision Making With Dependence and Feedback: Analytic Network Process, RWS Publications. Saaty, T.L., 2008. Decision making with the analytic hierarchy process. International Journal of Services Sciences, 1, 83-98. Sayılı, M., 1996. Tokat Ġli Kazova Yöresi Tarla Analizlerinde Kapitalizasyon Faiz Oranının Belirlenmesi Üzerine Bir AraĢtırma. GaziosmanpaĢa Üniversitesi Fen Bilimleri Enstitüsü Tarım Ekonomisi Anabilim Dalı, Tokat. Sipahi, S. ve Berber, A., 2002. DönüĢümsel Liderlik Perspektifinin AHP Tekniği ile Analizi, Ġ.Ü. ĠĢletme Fak. Dergisi, 31(1): 10. Susuz, Z., 2005. Analitik HiyerarĢi Prosesine Dayalı Optimum Tedarikçi Seçim Modeli. (Yüksek Lisans Tezi), Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Adana. Tekes, M., 2002. Çok Ölçütlü Karar Verme Yöntemleri ve Türk Silahlı Kuvvetleri'nde Kullanılan Tabancaların Bulanık Uygunluk Ġndeksli Analitik HiyerarĢi Prosesi ile KarĢılaĢtırılması. (Yüksek Lisans Tezi), ĠTÜ Fen Bilimleri Enstitüsü, Ġstanbul, 4-5,12-14. Tekin, M., 1995. Kantitatif Karar Verme Teknikleri, Kuzucular Ofset, Konya Tekin, M., 2004. Sayısal Yöntemler, 5. Baskı, Konya. Topel, A., 2006. Analitik HiyerarĢi Prosesinin Bulanık Mantık Ortamındaki Uygulamaları-Bulanık Analitik HiyerarĢi Prosesi. (Yüksek Lisans Tezi), Ġstanbul Üniversitesi Sosyal Bilimleri Enstitüsü, Ġstanbul. Triantaphyllou, E., 2000, Multi-Criteria Decision Making Methods: A Comparative Study, Kluwer Academic Publishers, Netherlands. Triantaphyllou, E. ve Lin, C.T., 1996. Development and Evaluation of Five Fuzzy Multiattribute Decision-Making Methods, International Journal of Approximate Reasoning, 14: 281-310. Turanlı, M. 1988. Pazarlama Yönetiminde Karar Alma, 2. Baskı, Ġstanbul: Beta Basım Yayım. Turhan, ġ., 2005. Tarımda Sürdürülebilirlik ve Organik Tarım, Tarım Ekonomisi Dergisi, 11(1):13-24. Tütek, H. H. ve GümüĢoğlu, ġ. 1994. Sayısal Yöntemler Yönetsel YaklaĢım. Beta Basım Yayım, 2. Baskı, Ġstanbul.

83 Uzunöz, M., 2002. GeliĢmiĢlik Açısından Farklı Ġki Yöredeki Tarım ĠĢletmelerinin Toplumsal ve Tarımsal Yapısının Üretim Sistemleri ve Gelire Etkileri Üzerine Bir AraĢtırma (Tokat Ġli Kazova ve Artova Bölgesi Örneği). (Doktora Tezi), GaziosmanpaĢa Üniversitesi Fen Bilimleri Enstitüsü Tarım Ekonomisi Anabilim Dalı, Tokat. Ünal, Ö. F., 2010. Analitik HiyerarĢi Prosesi ile Yetkinlik Bazlı Ġnsan Kaynakları Yöneticisi Seçimi. (Doktora Tezi), Süleyman Demirel Üniversitesi Sosyal Bilimleri Enstitüsü, Isparta. Yaralıoğlu, K., 2001. Performans Değerlendirmede Analitik HiyerarĢi Proses. Dokuz Eylül Üniversitesi Ġ.Ġ.B.F. Dergisi, 16(1). 129-142. Yaralıoğlu, K., 2010. Karar Verme Yöntemleri, Detay Yayıncılık, Ankara. Yenginol, F., 2000. Yeni Ürün GeliĢtirmede MüĢteri Ġstek Ve Ġhtiyaçlarını Teknik Karakteristiklere DönüĢtürmeyi Sağlayan Bir Yöntem: Kalite Fonksiyon Göçerimi. (Doktora Tezi), Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, Ġzmir. Yoon, K. P. ve Hwang, C. L., 1995. Multiple Attribute Decision Making, SAGE Üniversitesi Yayını, California. Yurdakul, M., 2004. AHP a strategic decision - making tool to justify machine tool selection, Journal of Materials Processing Technology, 365-376, Ankara. Yozgat, U., 1994. Yönetimde Karar Verme Teknikleri, Beta Basım Yayım, Ġstanbul. Zopounidis, C. ve Doumpos, M., 2002.Multi-criteria Decision Aid in Financial Decision Making: Methodologies and Literature Review. Journal of Multi- Criteria Decision Analyis, 11: 167. Zuluğ, A., 2010. Coğrafi iģaretli Gıdalara ĠliĢkin Tüketici Tercihleri Üzerine Bir AraĢtırma: Ġstanbul Örneği. (Doktora Tezi), Ege Üniversitesi Fen Bilimleri Enstitüsü, Ġzmir.

84 EKLER EXPERT CHOĠCE PROGRAMINDAN ELDE EDĠLEN ÇIKTILAR Kriterlerin ve Alternatiflerin Göreli Önem Değerlerinin Expert Choice Programındaki Görünümü Kriterlerin KarĢılaĢtırma Matrisinin Expert Choice Programındaki GörünüĢü

85 Kriterlerin Ġkili KarĢılaĢtırma Matrisinin Grafiksel Görünümü Kriterlerin Göreli Önem Değerlerinin Expert Choice Programındaki GörünüĢü Fiyat Kriterinin Alternatiflere Göre Ġkili KarĢılaĢtırma Matrisinin Grafiksel Görünümü Fiyat Kriterine Göre Alternatiflerin Göreli Önem Değerlerinin Expert Choice Programındaki GörünüĢü