Presented at the 4th International Symposium on Innovative Approaches in Social, Human and Administrative Sciences (ISAS WINTER-2019 (SHS)), Samsun, Turkey, Nov 22, 2019

SETSCI Conference Proceedings, 2019, 11, Page (s): 178-180 , https://doi.org/10.36287/setsci.4.8.031

Published Date: 23 December 2019    | 2213     15

Lojistik performans endeksleri (LPI) dünya bankası tarafından her iki yılda bir ülkelere yapılan anketler sonucunda yayınlanmaktadır. LPI’leri 1 ile 5 arasında değerler alarak, skoru beşe yakın olan ülkenin performansının diğerlerine göre daha yüksek olduğunu ortaya koymaktadır. Lojistik performanslar, ülkeler için önemli bir yere sahiptir. Uluslararası sermayenin ülkeye çekilmesinde öne çıkan kriterlerden birisidir. Çok uluslu şirketler ülkelere yatırım yaparken LPI değerlerine bakarak yatırım kararı vermektedirler. Çalışmada Balkan ülkelerinin lojistik performans endeksleri analiz konusu yapılmıştır. Balkan ülkelerinin genel özelliği ise ticaretlerinin birbirleri arasında olmasıdır. Türkiye ile Balkan ülkelerinin ortak özelliklerinden biri ise Türkiye’nin bir bölümünün Balkan ülkeleri sınırlarında yer alması ve ticari partner olmasıdır. Ticaret partnerleri olan söz konusu ülkelerin lojistik performans endeksleri ÇKKV (çok kriterli karar verme) yöntemlerinden olan Entropi ve OCRA yöntemleri ile analiz edilmiştir. Entropi yöntemi ile kriterlerin ağırlıkları bulunurken, OCRA yöntemi ile ülkeler sıralanmıştır. Çalışmada kullanılan OCRA yöntemi, literatürde çok fazla kullanılmamıştır. Bundan dolayı bu çalışmada kullanılması tercih edilmiştir.      

Keywords - ÇKKV, OCRA, Entropi, Lojistik, LPI

[1] Çakır, S. (2017). Measuring logistics performance of OECD countries via fuzzy linear regression. Journal of Multi‐Criteria Decision Analysis, 24(3-4), 177-186.
[2] Yildirim, B. F., & Mercangoz, B. A. (2019). Evaluating the logistics performance of OECD countries by using fuzzy AHP and ARAS-G. Eurasian Economic Review, 1-19.
[3] Ozmen, M. (2019). Logistics competitiveness of OECD countries using an improved TODIM method. Sādhanā, 44(5), 108.
[4] Oğuz, S., Alkan, G., & Yılmaz, B. (2019). Seçilmiş Asya Ülkelerinin Lojistik Performanslarının TOPSİS Yöntemi ile Değerlendirilmesi. IBAD Sosyal Bilimler Dergisi, 497-507.
[5] Kısa, A. C. G., & Ayçin, E. (2019). OECD ülkelerinin lojistik performanslarının SWARA tabanlı EDAS yöntemi ile değerlendirilmesi. Çankırı Karatekin Üniversitesi İİBF Dergisi, 9(1), 301-325.
[6] Görçün, Ö.F. (2019). Orta Asya Türk Cumhuriyetlerinin Lojistik ve Taşımacılık Performansları ve Verimliliklerinin Analizi için Hibrid bir Çok Kriterli Karar Verme Modeli. MANAS Sosyal Araştırmalar Dergisi, 8(3), 2775-2798.
[7] Topak, M. S., & Çanakçıoğlu, M. (2019). Banka Performansının ENTROPİ ve COPRAS Yöntemi İle Değerlendirilmesi: Türk Bankacılık Sektörü Üzerine Bir Araştırma. Mali Çözüm Dergisi, 29, 107-132.
[8] Wang, T. C. & Lee, H. D. (2009). Developing a fuzzy TOPSIS approach based on subjective weights and objective weights. Expert systems with applications, 36(5), 8980-8985.
[9] Ulutaş, A. (2019). Entropi ve MABAC Yöntemleri ile Personel Seçimi. OPUS Uluslararası Toplum Araştırmaları Dergisi, 13(19), 1552-1573.
[10] Parkan, C. (1994). Operational competitiveness ratings of production units. Managerial and Decision Economics, 15(3), 201-221.
[11] Parkan, C., & Wu, M. L. (2000). Comparison of three modern multicriteria decision-making tools. International Journal of Systems Science, 31(4), 497-517.
[12] Ercan, E., & Kundakçı, N. (2017). Bir tekstil işletmesi için desen programı seçiminde ARAS ve OCRA yöntemlerinin karşılaştırılması. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 19(1), 83-105.
[13] https://lpi.worldbank.org/ (Veriye Ulaşım Tarihi: 10/10/2019)