ÖZET XIII. Uluslararası İzmir Tekstil ve Hazır Giyim Sempozyumu BİR KONFEKSİYON İŞLETMESİNDE ANAHTAR MÜŞTERİNİN TOPSIS ÇOK KRİTERLİ KARAR VERME METODU KULLANILARAK BELİRLENMESİ Eda Acar, Mücella Güner Ege Üniversitesi, Mühendislik Fakültesi, Tekstil Mühendisliği Bölümü, Bornova, İzmir, Türkiye eda.acar@ege.edu.tr Müşteriler firmaların en değerli varlığı ve elde edeceği başarının ana kaynağı olarak merkeze yerleştirilmekte ve her türlü kararın odak noktası olarak kabul edilmektedir. Günümüzün ekonomik, sosyal ve teknolojik koşullarının yarattığı büyük rekabet ise işletmeleri müşteri seçimi konusunda yeni stratejilere yönelmek zorunda bırakmıştır. Artan bu rekabete ayak uydurmanın yolu ise doğru ve firmanın belirlediği kriterlere en uygun ve arzu edilen müşterinin seçilmesinden geçmektedir. Bu beklentiler doğrultusunda, bu çalışmada bir konfeksiyon işletmesinden gerekli veriler alınarak, 4 adet müşteri ve bu müşterilerin değerlendirilmesinde kullanılan 5 adet seçim kriterinden oluşan bir karar matrisi ele alınmıştır. Müşterilerin dönüş hızı, sipariş çeşitliliğinin fazla olması, kar marj oranı, numune onay hızı ve siparişin firmaya uygunluğu seçim kriterleri olarak kullanılmıştır. Bu karar matrisindeki verileri kullanarak, müşteri seçimi problemini çözmek amacıyla TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) metodu uygulanmıştır. İşlem adımları için Microsoft Excel 2007 hesaplamalarından yararlanılmıştır. Elde edilen sıralamada 1. müşterinin firma açısından en uygun müşteri olduğu belirlenmiştir. Anahtar Kelimeler: Çok ölçütlü karar verme, Müşteri seçimi, TOPSIS Metodu, Sıralama 1. GİRİŞ İşletmeler var oldukları süre boyunca seçim yapmak durumundadırlar. Giderek zorlaşan ve değişime uğrayan hayat şartları işletmeleri en iyi seçim yapmaya zorlamaktadır. Bu seçim aşaması birden fazla alternatifi barındırdığı için karar verme sürecinde en sağlıklı sonuca ulaşmada sezgisel olarak yorumlamak yerine bilimsel metotlara başvurulması artık bir zorunluluktur. Bu amaçla birden fazla çok ölçütlü karar verme yöntemi bulunmaktadır. TOPSIS yöntemi alternatiflerin bir arada düşünüldüğü çok ölçütlü karar verme yöntemlerinden birisidir. Bu çalışmada ilk olarak TOPSIS yönteminin değişik sektördeki problemlerin çözümü için kullanıldığı alanlara yönelik olarak literatür incelemesi verilecek, metot ve materyal açıklandıktan sonra uygulama kısmında çalışma için seçilmiş olan işletmenin müşteri alternatiflerinin TOPSIS yöntemi ile tercih sıralaması belirlenecektir. Çalışmada müşteri dönüş hızı, kar marj oranı, numune onay hızı, siparişin firmaya uygunluğu ve sipariş çeşitliliği değerlendirme kriterleri olarak belirlenmiş ve bu kriterler birarada göz önüne alınarak tercih sıralaması belirlenmiştir. 2. LİTERATÜR İNCELEMESİ Karar verme problemlerinin çözümü için literatürde yer alan çalışmalar incelendiğinde TOPSIS yönteminin alternatifleri değerlendirme amacıyla sıklıkla kullanıldığı görülmektedir. Bu bölümde TOPSIS yönteminin kullanılmış olduğu bazı çalışmalara yer verilecektir. İstanbul Menkul Kıymetler Borsası nda (İMKB) işlem gören 13 ana metal sanayi işletmesinin 2006-2010 dönemine ait mali tabloları kullanılmış, TOPSIS yöntemi ile işletmelerin finansal performansları değerlendirilmiştir [1]. Gıda işletmesindeki karar vericilerle yapılan görüşmeler sonucu elde edilen bilgilerle, belirsizlik ortamında, işletme için uygun olan 137
tedarikçi kriterlerini göz önünde bulundurarak, alternatifler arasından yapılacak tedarikçi seçimi bulanık TOPSIS yöntemi ile gerçekleştirilmiştir [2]. Trafik kazaları sonuçlarına göre ölümlü, yaralanmalı ve maddi hasarlı olmak üzere üç gruba ayrılmış TOPSIS ve AHP yöntemleri birlikte kullanılarak kazaların nedenleri ve sonuçları arasındaki ilişki matematiksel olarak incelenmiştir [3]. Bankacılık sektöründe yaklaşık on beş senedir faaliyet gösteren bir bankanın, hiç şubesinin bulunmadığı Güneydoğu Anadolu Bölgesi ndeki beş aday şehir arasından en doğru tercih yapabilmesine yönelik olarak bulanık TOPSIS yöntemiyle en iyi aday şehir belirlenmiştir [4]. Performans değerleme ölçütlerinden olan EVA ve TOPSIS yöntemlerinin hisse senedi piyasa değerindeki değişimle paralel hareket etme gücünü sınayarak sektördeki şirketlerin performans ölçütleri açısından karşılaştırılması yapılmıştır [5]. 2007-2010 dönemine ait üçer aylık GSYİH, ihracat ve turizm verileri kullanılarak Türkiye ekonomisi üzerine etkisi TOPSIS yöntemi ile analiz edilmiş, 2008 yılı ile 2009 yılının son çeyreği arasında küresel krizin etkileri ortaya çıkarılmıştır [6]. Türkiye de otomotiv sanayiinde faaliyet gösteren ve İstanbul Menkul Kıymetler Borsası nda (İMKB) işlem görmekte olan beş büyük ölçekli otomotiv firmasının bilançoları kullanılarak hesaplanan finansal oranlar ile, firmaların derecelendirilmesine yönelik bir çalışma yapılmıştır [7]. Tekstüre iplik üretimi yapan bir firmada sistemdeki gecikmelerin kaynaklarını, aksaklıklar gibi sorunların çözümüne katkı sağlayacağı düşünülen en uygun ERP yazılımının seçimi TOPSIS ve AHP teknikleri kullanılarak belirlenmiştir [8]. Meslek seçimi problemiyle yüzyüze kalan bir çok sektörde çalışma olanağı bulunan Endüstri Mühendisliği öğrencilerine yönelik kariyer planlama sürecinde yardımcı olabilmek için Bulanık AHP ve Bulanık TOPSIS yöntemi kullanılarak rasyonel bir seçim yapılmasına yardımcı olunmuştur [9]. Dört karar verici (müşteri) tarafından dört sanal mağazanın web sitesi, dizayn, ürün çeşitliliği, müşteri hizmetleri ve bilgi zenginliği kriterleri baz alınarak bulanık TOPSIS yöntemine göre sıralaması yapılmıştır [10]. Literatür araştırmalarından da anlaşılacağı üzere değişik sektörlerde alternatiflerin değerlendirilmesi amacıyla TOPSIS yöntemi kullanılarak yapılmış birçok çalışma örneği bulunmaktadır. 3. MATERYAL VE METOT 3.1 Amaç Çalışmanın amacı bir konfeksiyon işletmesinden alınan veriler sonucunda belirlenen kriterlere göre TOPSIS metodu kullanılarak müşterilerin sıralanması ve buna bağlı olarak anahtar müşteri seçiminin yapılmasıdır. 3.2 Materyal Tekstil sektöründe ihracat yapan bir firmanın müşterileri çalışmada materyal olarak kullanılmış, yetkili kişilerle yapılan görüşmeler sonrasında müşteriler ve firmanın müşterilerini değerlendirirken göz önüne almakta olduğu kriterler ile ilgili olarak gerekli bilgiler alınmıştır. 3.3 Metot TOPSIS metodu Hwang and Yoon (1981) tarafından geliştirilmiştir [11]. Yöntemin ana fikri seçilen alternatifin pozitif ideal çözümden en kısa mesafede ve negatif ideal çözümden en 138
uzak mesafede bulunması kavramına dayanmaktadır. Aşağıda TOPSIS yönteminin adımları tanımlanmıştır [12]. Adım 1 : Karar matrisi (D) oluşturulur. Karar matrisinin satırlarında i, i=1,2,...,m alternatifler, sütunlarında ise j, j=1,2,...,n ölçütler yer almaktadır. Bu matris karar vericiler tarafından oluşturulur ve Denklem (1) deki gibi gösterilir: Yukarıdaki matrisde m karar noktası sayısını, n değerlendirme faktörü sayısını verir. Adım 2 : Normalize karar matrisi (R) oluşturulur. Normalizasyon işleminin gerçekleştirilmesinde farklı teknikler bulunmaktadır. Vektör normalizasyonu sıklıkla kullanılan bir yöntem olarak ortaya çıkmaktadır. Normalize edilmiş karar matrisi için vektör normalizasyonu Denklem (2) de belirtilmiştir. (1) R matrisi denklem (3) teki gibi elde edilir: (2) Adım 3 : Ağırlıklı normalize karar matrisi (Y) oluşturulur. n Öncelikle değerlendirme kriterlerine ilişkin ağırlık değerleri ( w i ) belirlenir ( i 1) 1 wi. Daha sonra matrisinin her bir sütunundaki elemanlar ilgili wi değeri ile çarpılarak oluşturulan Y matrisi Denklem (4) teki gibidir. (3) (4) 139
Adım 4 : Pozitif ideal ( A *) ve negatif ideal ( A ) çözümler oluşturulur. İdeal çözüm seti için sütun değerlerinin en büyükleri (ilgili ölçüt minimizasyon yönlü ise en küçüğü) seçilir. Pozitif ideal çözüm setinin bulunması Denklem (5) te gösterilmiştir. Denklem (5) kullanılarak hesaplanacak olan set Denklem (6) da gösterildiği gibi oluşur. (5) Negatif ideal çözüm seti ise, sütun değerlerinin en küçükleri (ilgili değerlendirme faktörü maksimizasyon yönlü ise en büyüğü) seçilerek bulunur. Negatif ideal çözüm setinin bulunması Denklem (7) de gösterilmiştir. (6) Denklem (7) yardımıyla hesaplanacak olan set Denklem (8) de gösterilmiştir. (7) Her iki formülde de J fayda (maksimizasyon), J ise kayıp (minimizasyon) değerini göstermektedir. Adım 5 :. Her alternatifin pozitif ideal çözüm ve negatif ideal çözüme uzaklıkları hesaplanır. Her bir alternatife ilişkin ölçüt değerinin pozitif ideal ve negatif ideal çözüm setinden uzaklıklarının belirlenmesinde Euclidian Uzaklık Yaklaşımı kullanılmaktadır. Alternatiflere ilişkin elde edilen uzaklık değerleri ise Pozitif İdeal çözüme uzaklık ( S i *) ve negatif ideal çözüme uzaklık ( S i ) olarak gösterilmektedir. Pozitif ideal çözüme uzaklık ( S i *) değerinin hesaplanması Denklem (9) da sunulmuştur. (8) (9) Negatif ideal çözüme ( S i ) uzaklığın hesaplanması ise Denklem (10) daki gibidir. (10) Adım 6 : İdeal çözüme göreceli yakınlık değerleri hesaplanır. 140
Her bir alternatifin ideal çözüme göreceli yakınlığının ( Ci *) hesaplanmasında bir önceki aşamada bulunan uzaklık ölçüleri kullanılmaktadır. İdeal çözüme göreceli yakınlık değerinin hesaplanması Denklem (11) de sunulmuştur. Burada Ci * değeri O Ci * 1 aralığındadır ve büyük Ci * değeri daha iyi bir alternatif olduğunu açıklar. Ci *= 1 alternatifin pozitif ideal çözüm noktasında, Ci *= 0 alternatifin negatif ideal çözüm noktasında olduğunu gösterir. 4. ANAHTAR MÜŞTERİ SEÇİMİ (UYGULAMA) Doğru müşteri seçiminin işletmenin devamlılığına ve karlılığına büyük etkisi bulunmaktadır. Firma isteklerine, beklentilerine en uygun müşteri seçimi beraberinde başarıyı da getirecektir. Bu yüzden seçim kriterlerine göre müşterilerin sıralanması ve en iyilerinin belirlenmesi gerekmektedir. Bu çalışmada müşteri seçimi problemini çözmek amacıyla TOPSIS yöntemi kullanılmıştır. Firmayla yapılan görüşmeler sonucunda belirlenmiş olan alternatif dört müşteri çalışmada A1, A2, A3, A4 olarak sembolize edilmiştir. Müşteri değerlendirirken göz önüne alınmakta olan kriterler firmada yetkili kişilerle yapılan görüşmeler sonucunda belirlenmiş ve bu kriterlerin açılımı aşağıdaki gibi belirtilmiştir. 1. Müşteri (bilgi) dönüş hızı (MDH) : Müşterinin üretim konusunda bilgili olması, dosyalarını revize etmesi olarak tanımlanmıştır. 2. Sipariş çeşitiliğin fazla olması (SÇ) : Adet ve model bazında gelen siparişin çok çeşitli olması bant sisteminin değişmesine, makine ve çalışanların yer değişikliğine, tüm bunlara bağlı olarak zaman kaybına ve günlük üretim miktarında düşüşlere yol açmaktadır. 3. Kar marjı oranı (KMO) : Müşterinin firmayı üretim konusunda ne kadar zorladığıyla doğrudan ilgilidir. 4. Numune onay hızı (NOH) : Müşterinin ürünün özellikleri konusunda ne istediğini belirlemiş olması ve firmaya sürekli baştan numune yapmak zorunda bırakmaması olarak tanımlanmıştır. 5. Siparişin firmaya uygunluğu (SU) : Gelen siparişin makine, ekipman, işçi bakımından firmanın koşullarına uygun olup olmamasıdır. Bu çalışma için görüşülen firmanın üretimi genelde kot ağırlıklı olduğu için ince kumaşlarla çalışılmakta zorlanılmaktadır. Bu gibi siparişler de makine kulvarını yavaşlamakta, ve çok narin kumaşlar için yıkama esnasında yırtılma gibi sorunlarla karşı karşıya bırakmaktadır. Bu kriterler arasından müşteri dönüş hızının, kar marj oranının, numune onay hızının ve siparişin firmaya uygunluğunun yüksek, sipariş çeşitliliğinin düşük olması beklenmektedir. Tablo 2 de, alternatif müşteriler ve değerlendirme de kullanılan kriterlerden oluşan karar matrisi verilmektedir. Bu başlangıç matrisi müşterilerin 100 puan üzerinden firmadaki üç yetkili kişi tarafından değerlendirilip aritmetik ortalamasının alınmasıyla elde edilmiştir. Alternatif müşterilerin hiçbirinin, firmanın belirlemiş olduğu kriterleri tam olarak (11) 141
karşılamadığı görülmektedir. Dolayısıyla, bütün bu özellikler için en yüksek tatmin derecesine sahip en iyi alternatifi belirlemek amaçlanmaktadır. TOPSIS metodunu uygulayabilmek için, ilk olarak, her bir müşteri için farklı değerlendirme kriterlerinin izafi ağırlıklarının belirlenmesi gerekmektedir. Bu amaçla, uygulama yapılan firma yetkililerinin tecrübelerine dayanarak belirlemiş oldukları ağırlık değerleri wmdh = 0.15, wsç = 0.3, wkmo = 0.1, wnoh = 0.2, wsu = 0.25 şeklindedir. Bu ağırlık değerlerinden en önemli kriterlerin; sipariş çeşitliliğinin fazla olması, siparişin firmaya uygunluğu ve numune onay hızı olduğu anlaşılmaktadır. Daha az önem derecesine sahip kriterler ise müşteri bilgi dönüş hızı ve kar marj oranı olarak belirlenmiştir (Tablo 1.). Tablo 1. Müşteri seçim kriterleri ve kriterlerin ağırlık değerleri Sembol Müşteri Seçim Kriterleri Kriterlerin ağırlık değerleri MDH Müşteri (bilgi) dönüş hızı 0.15 SÇ Sipariş çeşitiliği 0.3 KMO Kar marjı oranı 0.1 NOH Numune onay hızı 0.2 SU Siparişin firmaya uygunluğu 0.25 Ağırlıklar belirlendikten sonra, Tablo 2 de verilen karar matrisi, Denklem (2) kullanılarak normalize edilmiştir (Tablo 3.). Normalizasyon işleminden sonra, karar matrisi, yukarıda belirtilen ağırlıklar ile çarpılmıştır. Ağırlıklandırılmış ve normalize edilmiş karar matrisi (Y) Tablo 4 te verilmektedir. Tablo 2. Anahtar müşteri seçimi için karar matrisi (D) Müşteri MDH SÇ KMO NOH SU A1 85 65 80 70 95 A2 84 75 87 80 75 A3 93 83 85 60 85 A4 76 78 80 75 79 Tablo 3. Normalize edilmiş karar matrisi (R) Müşteri MDH SÇ KMO NOH SU A1 0,501 0,430 0,481 0,488 0,566 A2 0,495 0,496 0,523 0,558 0,447 A3 0,548 0,549 0,512 0,418 0,506 A4 0,448 0,516 0,482 0,523 0,471 142
Tablo 4. Ağırlıklandırılmış ve normalize edilmiş karar matrisi (Y) Müşteri MDH SÇ KMO NOH SU A1 0,075 0,129 0,048 0,097 0,141 A2 0,074 0,148 0,052 0,111 0,111 A3 0,082 0,164 0,051 0,083 0,126 A4 0,067 0,154 0,048 0,104 0,117 Denklem (5) ve (7) kullanılarak elde edilen pozitif ideal ve negatif ideal çözümler Tablo 5 te verilmektedir. Tablo 5. İdeal ve negatif ideal çözümler MDH SÇ KMO NOH SU A + 0,082 0,129 0,052 0,111 0,141 A - 0,067 0,164 0,048 0,083 0,111 Denklem (9) ile her bir alternatifin pozitif ideal çözüme uzaklık ( S i *) değeri, Denklem (10) ile negatif ideal çözüme ( S i ) uzaklık değerleri hesaplanır. Bu değerlerden yararlanarak her alternatif için Denklem (11) de gösterilen ideal çözüme göreceli yakınlık değeri ( Ci *) bulunabilecektir. 5. BULGULAR Bu çalışmada TOPSIS metodu kullanılarak elde edilen sonuçlara göre en iyi alternatif A1 iken en kötü alternatif ise A3 olarak belirlenmiştir. Her bir karar noktası için pozitif ve negatif ideal çözüme uzaklık ve ideal çözüme göreceli yakınlık değeri Tablo 6 da verilmiştir. Buna göre sıralama açısından 0.75 puanla A1 ilk sırada, 0.47 puanla A2 ikinci sırada, 0.37 puanla A4 üçüncü sırada ve 0.30 puanla A3 son sıradadır. A1 kriterlere en uygun müşteri olarak belirlenmiştir. Tablo 6. S i *, Si ve Ci * değerleri Müşteri S i * S i Ci * Sıra A1 0,016 0,049 0,75 1 A2 0,036 0,033 0,47 2 A3 0,047 0,021 0,30 4 A4 0,039 0,023 0,37 3 TOPSIS metoduyla elde edilen sıralama Şekil 1 de verilmiştir. 143
0,8 0,6 0,4 0,2 0 Ci* 1 2 3 4 Müşteriler Ci* Şekil 1. Müşterilerin ideal çözüme göre yakınlık değerleri 6. SONUÇ VE ÖNERİLER Rekabetin yoğun bir şekilde yaşandığı günümüzde işletmeler faaliyetlerine devam edebilmek, üstünlük sağlayabilmek için en doğru kararı vermek durumundadırlar. Kuruluş yeri seçiminden, tedarikçi seçimi, işçi seçimi, makine ve teçhizat seçimi, malzeme seçimi, teknoloji seçimi, yatırım kararları, stratejilerin değerlendirilmesine kadar pek çok konuda bir seçimle karşı karşıya kalmaktadırlar. TOPSIS yöntemi alternatifler arasından tercih yapabilmek için kullanılan çok ölçütlü karar verme yöntemlerinden birisidir. Çalışmada uygulama yapılan işletme için 4 alternatif müşteri ve 5 seçim kriterinden oluşan problem TOPSIS metodu kullanılarak çözülmüştür ve bu metodun seçim aracı olarak uygulanabilirliği gösterilmiştir. Firma yöneticilerince belirlenen ve müşteri değerlendirirken göz önüne alınmakta olan kriterlerde en yüksek puanı alan ve minimize edilmesi beklenen siparişin çeşitliliği kriteri için (Tablo 1.) en düşük puan, ikinci önemli kriter olan siparişin uygunluğu için en yüksek puan verilmiş olan A1 müşterisi (Tablo 2.) firma için en uygun müşteri olarak belirlenmiştir. A2 müşterisi ise kar marjı oranı ve numune onay hızı değerlendirme kriterlerinde en yüksek puanı alarak ikinci sırada yer almaktadır. Üçüncü sırada müşteri dönüş hızı ve kar marjı oranı kriterleri için en düşük puana sahip A4 müşterisi gelmekte ve son sırada ise değerlendirme kriterleri arasında en yüksek ağırlığa sahip olan minimizasyon yönlü siparişin çeşitliliği ile maksimizasyon yönlü müşteri dönüş hızı kriterleri için en yüksek puanı alan A3 müşterisi yer almaktadır. PROMETHEE veya ELECTRE gibi diğer çok kriterli karar verme yöntemleri seçim aşamasında kullanılabilir ve çıkan sonuçlar birbiriyle kıyaslanabilir. Ayrıca karar verme sürecinde kriterlerin ağırlıklandırılmasında AHP yöntemi, belirsizlik nedeniyle de bulanık teori kullanılarak bütünleştirilebilir. 7. KAYNAKLAR [1] UYGURTÜRK, H., ve KORKMAZ, T., Finansal Performansın TOPSIS Çok Kriterli Karar Verme Yöntemi İle Belirlenmesi : Ana Metal Sanayi İşletmeleri Üzerine Bir Uygulama, Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2012, Cilt. 7, Sayı.2, s 95-115. 144
[2] ÖZÇAKAR, N. ve DEMİR, H., Bulanık TOPSIS Yöntemiyle Tedarikçi Seçimi, İşletme İktisadı Enstitüsü Yönetim Dergisi, 2011, Sayı.69. [3] ALP, S. ve ENGİN, T., Trafik Kazalarının Nedenleri Ve Sonuçları Arasındaki İlişkinin TOPSIS ve AHP Yöntemleri Kullanılarak Analizi Ve Değerlendirilmesi, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 2011, Sayı.19, s 65-87. [4] ÇINAR, N. T., Kuruluş Yeri Seçiminde Bulanık TOPSIS Yöntemi ve Bankacılık Sektöründe Bir Uygulama, KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 2010, s 37-45. [5] ÖZDEMİR, N., Halka Açık Finansal Kiralama ve Faktoring Şirketlerinin Performans Ölçümü ve Analizinde Kullanılan EVA ve TOPSİS Yöntemlerinin Hisse Senedi Değerleri ile Karşılaştırmalı Analizi, Finans Politik ve Ekonomik Yorumlar Dergisi, Cilt. 48, Sayı.561. [6] ERDOĞAN, S., Küresel Kriz Döneminde İhracat Ve Turizm Gelirleri İle Büyümenin Türkiye Ekonomik Performansına Etkisi: TOPSIS Yöntemi İle Analiz, SÜ İİBF Sosyal ve Ekonomik Araştırmalar Dergisi, 2010, Cilt. 14, Sayı.20. [7] YURDAKUL, M. ve İÇ, Y., Türk Otomotiv Firmalarının Performans Ölçümü Ve Analizine Yönelik TOPSIS Yöntemini Kullanan Bir Örnek Çalışma, Gazi Üniversitesi Mühendislik- Mimarlık Fakültesi Dergisi, 2003, Cilt. 18, Sayı.1, s 1-18. [8] ÖZGÜL, Ö. ve YAZGAN, H., Bir İşletme İçin TOPSIS Ve AHP Yöntemleri İle ERP Yazılımının Seçimi, 26. Yöneylem Araştırması ve Endüstri Mühendisliği Konferansı, 2006. [9] ÇİL, F., Meslek Seçimi Probleminde Çok Özellikli Karar Verme Ve Çözüme Yönelik Geliştirilen Bireysel Kariyer Planlama Programı, http://www.ituemk.org/dosyalar/2006_3.pdf adresinden edinilebilir. [10] DÜNDAR, S. ve ECER, F., Fuzzy TOPSIS Yöntemi İle Sanal Mağazaların Web Sitelerinin Değerlendirilmesi, İktisadi ve İdari Bilimler Dergisi, 2007, Cilt. 21, Sayı. 1. [11] HWANG, C.L. ve YOON, K., Multiple Attribute Decision Making: Methods and Applications, Springer-Verlag, 1981, New York. [12] SHIH, H.S., SHYUR, H.J. ve Lee, E.S., An Extension of TOPSIS for Group Decision Making. Mathematical and Computer Modelling, 2007, 45(7), pp 801-813. 145