K-ortalamalar Kümeleme Analizi İle Belediyelerin Çevre Hizmetlerinin Değerlendirilmesi

Abstract

Halkın yerel ihtiyaçlarını karşılamak üzere kurulan, kuruluş esasları kanunla belirlenen yerel yönetim türle-rinden biri de belediyelerdir. Belediyelerin amacı, beledi-ye sorumluluk ve görevleri kapsamındaki hizmetlerini belediye nüfusunun tamamına ulaştırmaktır. Belediyele-rin birçok görev ve sorumluluğu bulunmakla birlikte bu çalışmada, Türkiye’deki 81 il belediyesi, çevre hizmetleri açısından değerlendirilmiştir. Bu çalışmada, Türkiye İstatistik Kurumu (TÜİK) tarafından 2001-2016 yılları arasında yayımlanan belediye hizmetleri ile ilgili istatis-tikler kullanılmıştır. Bu çerçevede, altı adet kriter ele alınmıştır. Kriterlerin ağırlıklarını belirlemek için Çok Kriterli Karar Verme Yöntemlerinden AHP kullanılmıştır. Belirlenen ağırlıklar, ilgili yılların değerleri ile çarpılarak ağırlıklandırılmış bir değer elde edilmiştir. İlgili yılın ağırlıklandırılmış değeri, tek boyutlu kümeleme analizi ile kümelendirilmiştir. İllerin yıllar bazında belediye performanslarının değişimi analiz edilmiştir.

Full text

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
Nisan 2020, C. 15, S. 1, 209 – 230.
209
K-ortalamalar Kümeleme Analizi İle Belediyelerin
Çevre Hizmetlerinin Değerlendirilmesi
Günay Kılıç
1
İbrahim Budak
2
Arzu Organ
3
1. Giriş
Yerel yönetimler örgütlendikleri her coğrafi alan içinde bu alanı paylaşan insanların yerel
düzeyde ihtiyaçlarını gidermek için kurulmuş kuruluşlardır. Ekonomik, kültürel ve toplumsal an-
lamda birçok görevi bulunan yerel yönetimlerin sağlık, ulaşım, kentsel altyapı, imar, su ve kana-
lizasyon, temizlik ve katı atık yönetimi gibi görevler ön plana çıkmaktadır (Güven ve Şimşek,
2018: 126). Türkiye’de yerel yönetimler Büyükşehir Belediyeleri, Belediyeler, İl Özel İdaresi ve
Köy Yönetiminden oluşur. Belediyelerin diğer yerel yönetim çeşitlerine nazaran daha etkili ol-
malarının sebebi mevzuatta daha fazla yetki ve sorumluluk verilmesidir (Zengin, 2009: 117-
118).
1
Ögr. Gör. Pamukkale Üniversitesi, Rektörlük, Bilgi İşlem Daire Başkanlığı. gkilic@pau.edu.tr, Yazar ORCID bilgisi:
https://orcid.org/0000-0003-2236-7535
2
Dr. Öğrencisi, Pamukkale Üniversitesi, Sosyal Bilimler Enstitüsü. ibrahimbudak04@gmail.com, Yazar ORCID bilgisi:
https://orcid.org/0000-0001-7762-6114
3
Doç. Dr. Pamukkale Üniversitesi, İİBF, İşletme Bölümü. aorgan@pau.edu.tr, Yazar ORCID bilgisi: https://or-
cid.org/0000-0002-2400-4343
K-ortalamalar Kümeleme Analizi İle Belediyelerin Çevre
Hizmetlerinin Değerlendirilmesi
Öz
Halkın yerel ihtiyaçlarını karşılamak üzere kurulan, kuru-
luş esasları kanunla belirlenen yerel yönetim türlerinden
biri de belediyelerdir. Belediyelerin amacı, belediye so-
rumluluk ve görevleri kapsamındaki hizmetlerini belediye
nüfusunun tamamına ulaştırmaktır. Belediyelerin birçok
görev ve sorumluluğu bulunmakla birlikte bu çalışmada,
Türkiye’deki 81 il belediyesi, çevre hizmetleri açısından
değerlendirilmiştir. Bu çalışmada, Türkiye İstatistik Ku-
rumu (TÜİK) tarafından 2001-2016 yılları arasında yayım-
lanan belediye hizmetleri ile ilgili istatistikler kullanılmış-
tır. Bu çerçevede, altı adet kriter ele alınmıştır. Kriterlerin
ağırlıklarını belirlemek için Çok Kriterli Karar Verme Yön-
temlerinden AHP kullanılmıştır. Belirlenen ağırlıklar, ilgili
yılların değerleri ile çarpılarak ağırlıklandırılmış bir değer
elde edilmiştir. İlgili yılın ağırlıklandırılmış değeri, tek bo-
yutlu kümeleme analizi ile kümelendirilmiştir. İllerin yıllar
bazında belediye performanslarının değişimi analiz edil-
miştir.
Using K-means Cluster Analysis for Assessment of Envi-
ronmental Services of Municipalities
Abstract
Municipalities are one of the local government types es-
tablished by law, established to meet the local needs of
the people. The purpose of municipalities; to deliver the
services of the municipality to the entire municipal popu-
lation. In this study, although many duties and responsibil-
ities of municipalities in 81 provinces in Turkey is evaluated
in terms of municipal environmental services. In this study,
statistics on municipal services published between 2001-
2016 by Turkish Statistical Institute (TUIK) were used. In
this context, six criteria are discussed. One of the Multi Cri-
teria Decision Methods, AHP was used to determine the
weight of the criteria. The weighted weights are multiplied
by the values of the relevant years and a weighted value is
obtained. The weighted value of the relevant year was
clustered with one-dimensional clustering analysis. The
changes in municipal performances of provinces were an-
alyzed.
Anahtar Kelimeler: K-ortalamalar, Belediye, Çevre, AHP
Keywords: K-means, Municipality, Environment, AHP
Başvuru : 27.03.2019
Kabul : 18.01.2020

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
210
Belediyelerde ve Büyükşehir Belediyelerinde çevre sağlığının korunması, katı atık toplamak
ve imha etmek, su ve kanalizasyon hizmetlerinin sağlanması, sağlıklı ve planlı kentleşmeyi de-
netlemek gibi görevler çevresel görevler arasında sayılabilir (Zengin, 2009: 119).
Çevresel görevlerin belediyelerce ne oranda gerçekleştirildiğini araştıran bir çalışmada, İçme
suyu, Arıtma Tesisi, Toplanan Tehlikeli Atık Miktarı, Toplanan Akü Miktarı gibi çevresel hizmet-
leri temsil eden göstergeler belirlenmiş ve bu göstergeler ile belediyeleri kümelenmiştir (Zülfi-
kar ve Beken 2014: 84). Bu çalışmada, daha önceki yapılan çalışmadan farklı olarak Atık Bertaraf
Yöntemine Göre Atık Miktar Bertaraf Edilen Atık Miktarı (%), Atık Hizmeti Verilen Belediye Nü-
fusunun Toplam Belediye Nüfusuna Oranı (%), Atık su Arıtma Tesisi ile Hizmet Verilen Belediye
Nüfusunun Toplam Belediye Nüfusuna Oranı(%) , Kanalizasyon Şebekesi ile Hizmet Verilen Be-
lediye Nüfusunun Toplam Belediye Nüfusuna Oranı (%), İçme ve Kullanma Suyu Arıtma Tesisi
ile Hizmet Verilen Belediye Nüfusunun Toplam Belediye Nüfusuna Oranı (%) ve İçme ve Kul-
lanma Suyu Şebekesi ile Hizmet Verilen Belediye Nüfusunun Toplam Belediye Nüfusuna Oranı
(%) olmak üzere altı kriter belirlenmiştir.
Türkiye’de bulunan 81 il belediyesine ait veriler TÜİK’ten alınmış ve 2001 -2016 yılları ara-
sında illerin durumu değerlendirilmiştir. Belirlenen altı kriterin ağırlıklandırmasında Çok Kriterli
Karar Verme Yöntemlerinde sıkça kullanılan yöntemlerden olan Analitik Hiyerarşi Prosesi (AHP)
kullanılmıştır. Belediyelerin her bir yıla ait çevrecilik değerleri, olması gereken değerden uzak-
lıkları ile o kritere ait ağrılıklar çarpılmış, elde edilen değerler toplanarak ağırlıklandırılmış top-
lam çevrecilik hata değerleri bulunmuştur. İlgili yıllarda, illerin Türkiye sıralamaları bu değere
göre belirlenmiştir. Toplam çevrecilik hata değerleri, 2001-2016 yılları arasındaki her bir yıl için
kümeleme analizi ile gruplanmıştır. Kümeleme yöntemi olarak, kümeleme problemlerinde sıkça
kullanılan ‘K-ortalamalar yöntemi’ seçilmiştir. K-ortalamalar yönteminde en uygun küme sayısı
Elbow yöntemi ile belirlenmiştir. İllerin yıllar içinde hangi kümeye ait olduğu ve hangi kümeye
geçiş yaptığına bakılmıştır. Küme merkezlerinin yıllara göre değişimi ise çalışmanın diğer bir so-
nucudur.
2. Literatür Analizi
Kümeleme analizi, Elbow Yöntemi ve AHP ile ilgili literatür çalışmalarından bazıları aşağıdaki
gibidir.
Cieszynska ve ark. (2012) tarafından yapılan çalışmada, Baltık Denizi'nin güney kıyısında,
Gdansk Belediyesinin yer aldığı bölgede 8 yıllık bir izleme programına dayanarak su kalitesi de-
ğerlendirilmesi yapılmıştır. Çalışmada, 8 su sahasında 15 farklı bölgedeki yüzey suyu incelen-
miştir. Su kalitesinin belirlenmesi için 8 parametre belirlenmiştir. Araştırma sırasında elde edi-
len geniş veri seti için kümeleme analizi kullanılmıştır. Çalışma, kullanılan parametreler ile arazi
kullanımının su kalitesi üzerinde bir etkisi olduğunu göstermektedir (Cieszynskavd., 2012:
2017–2029).
Bholowalia ve Kumar (2014) tarafından yapılan çalışmada, Kümeleme analizi ile yüz binlerce
küçük ve uygun maliyetli sensör düğümünden oluşan WSN’nin sensör düğümlerinin sanal alt
grupları belirlenmeye çalışılmıştır. Kümeleme analizi yapılırken optimum “K” sayısını belirlemek
için Elbow yöntemini kullanılmıştır. Elbow yönteminin “K” sayısını belirlemede etkili ve hızlı ol-
duğu vurgulanmıştır (Bholowalia ve Kumar, 2014: 17-24).
Syakur ve ark. (2018) tarafından yapılan çalışmada, en iyi müşteri kümesinin belirlenme-
sinde kümeleme analizi ve Elbow yöntemi kullanılmıştır. Mal üretimi, satış analizi ve satış poli-
tikası için müşteri profili gruplandırılmıştır. Optimum küme sayısını bulmak için toplam karesel

Nisan 2020, C. 15, S. 1
211
hatanın düşük olduğu Elbow yöntemi kullanılmıştır. Bu şekilde “k” sayısı üç olarak belirlenmiştir
(Syakur vd., 2018: 1-6).
Nydick ve Hill (1992) tarafından yapılan çalışmada, tedarikçi seçim problemi ele alınmıştır.
Bir tedarikçi seçiminde yaygın ve etkili kriterlerden bazıları kalite, fiyat, teslimat ve hizmettir.
Bu kriterlerin önem derecelerini belirlemek için Analitik Hiyerarşi Süreci kullanılmıştır. Kriterler-
den önem derecesi en yüksek olan kalite iken önem derecesi en düşük olan kriter teslimattır.
Ayrıca bu kriterlerin satın alma fonksiyonları için önemli olduğu vurgulanmıştır (Nydick ve Hill,
1992: 31-36).
Mustafa ve Al-Bahar (1991) tarafından yapılan çalışmada, AHP ile proje risk değerlendirmesi
yapılmıştır. Bir inşaat projesinin teklif aşamasında proje risklerini analiz etmek ve değerlendir-
mek müteahhitler için önemlidir. Bu yönüyle AHP, karar vericiye bir problemi mantıklı ve rasyo-
nel bir şekilde formüle etmede yardımcı olmak için esnek, kolay anlaşılır bir yol sağlamaktadır.
Bu çalışmada, ele alınan projenin genel olarak düşük riskli bir proje olduğu gösterilmiştir (Mus-
tafa ve Al-Bahar, 1991: 46-52).
Ramanathan (2001) tarafından yapılan çalışmada, çevresel etki değerlendirmesi için AHP
kullanılmıştır. Yapılan sosyo-ekonomik değerlendirmede çeşitli uzman görüşlerinden faydalanıl-
mıştır. Çalışmada kullanılan fiyat, konum ve yaş kriteri, AHP yöntemi ile analiz edilerek kriterle-
rin ağırlıkları belirlenmiştir. Önem derecesi en yüksek kriter fiyat iken en düşük kriter yaş olarak
belirtilmiştir. Çalışmanın çevre etki değerlendirmesinde AHP yönteminin avantajlı olduğu vur-
gulanmıştır (Ramanathan, 2001: 27-35). Ayrıca, bu çalışmaların yanı sıra, Belediye Hizmet Kali-
tesinin değerlendirilmesi, güzergâh seçimi, toplu ulaşım sistemlerinin performansı (Bostancı,
2016: 110-130; Hamurcu ve Eren, 2015: 410-419; Güner, 2017: 33-48) gibi çalışmalar da vardır.
3. Kümeleme Analizi
Küme analizi gruplanmamış verileri alır ve bu verileri gruplara koymak için otomatik teknik-
ler kullanır. Kümeleme, denetlenmez ve bir öğrenme seti gerektirmez. Sınıflandırma ile ortak
bir metodolojik temeli paylaşır. Başka bir deyişle, sınıflandırma ile ilgili matematiksel modellerin
çoğu, küme analizine de uygulanabilir (Olson ve Delen, 2008: 16).
Kümeleme teknikleri, tahmin edilecek bir sınıf olmadığında uygulanır, örnekler doğal grup-
lara bölünür. Tanımlanan gruplar sınırlı olduğu durumda olabilir; böylece herhangi bir örnek
yalnızca bir gruba ait olur. Bununla birlikte bir örnek birkaç gruba düşebilecek şekilde üst üste
gelebilir. Bir örnek her bir gruba belli olasılık ile dâhil olduğu durum da olabilir. Kümelemenin
hiyerarşik olduğu durumlar da bulunmaktadır. Hiyerarşik kümelerde üst düzeyde gruplama ya-
pılır ve bu grupların her biri daha ileri düzeyde - belki de bireysel örneklere kadar alt kümelere
bölünür. Hangi kümeleme yönteminin yapılacağı, genellikle mevcut kümeleme araçları tarafın-
dan belirlenir. Sayısal alanlarda kümeler oluşturan, örnekleri ayrık kümelere bölen algoritmalar
geliştirilmiştir. Yenilemeli mesafeye dayalı klasik kümeleme tekniği ise, K- ortalamalar küme-
leme tekniğidir (Witten vd., 2016: 137).
Kümeleme teknikleri, metin dosyaları ve topluluk tespiti gibi doğada birçok alanda yaygın
olarak kullanılmaktadır. Kümeleme, bir kümenin içindeki nesnelerin benzer olması veya farklı
kümelerdeki nesnelerin önceden belirlenmiş kriterlere göre farklı gruplara ayrılmasını amaçla-
yan denetimsiz bir sınıflandırma tekniğidir. Kümeleme algoritmaları, bölümleme yöntemleri, hi-
yerarşik yöntemler, yoğunluk temelli yöntemler, grid tabanlı yöntemler ve model tabanlı yön-
temleri olarak özetlenebilir. Pek çok araştırmacı, farklı türlerde ağırlıklandırma yöntemleriyle K-
ortalama algoritmalarını genişletmiş ve kullanmıştır (Huang vd., 2014: 293).

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
212
3.1. K-ortalamalar
Klasik kümeleme tekniğine, K-ortalamalar denir. Bu teknikte, k sayısı önceden belirlenir.
Daha sonra, küme merkezleri olarak rastgele noktalar seçilir. Tüm örnekler, normal öklid uzaklık
metriğine göre en yakın küme merkezlerine atanır. Bundan sonra, her kümedeki örneklerin
merkezi hesaplanır. Hesaplanan merkezler, kendi kümeleri için yeni merkez değerleri olarak alı-
nır. Son olarak, tüm süreç yeni küme merkezleriyle tekrarlanır. Yineleme, küme merkezlerinin
sabitlendiği ve sonsuza dek aynı kalacağı ardışık turlarda her kümeye noktalar atanana kadar
devam eder. Bu kümeleme yöntemi basit ve etkilidir. Küme merkezini merkez olarak seçmenin,
küme noktalarının her birinden merkeze olan toplam kare mesafesini en aza indirdiğini kanıtla-
mak kolaydır. Yineleme sabitlendikten sonra, her nokta en yakın küme merkezine atanır. Bu
sayede, tüm noktaların içinde bulunduğu küme merkezlerine olan uzaklıklarının toplamı en aza
indirilmektedir. Her bir küme için toplam mesafenin az olduğu durumda, bütün kümelerde top-
lam mesafenin en düşük olduğu kesin değildir. İlk küme merkezi seçimine çok bağımlı olduğu
bu durumda farklı küme merkezleri seçilerek toplam hatanın azaltılması sağlanmaya çalışılır. K-
ortalamalar yönteminde kümeleme işlemini hızlandırmak için kümelenecek düzlemler önceden
belirlenirse sistem daha hızlı çalışır ama kümeleme performansı düşer (Witten vd., 2016: 137-
138).
K–ortalama yönteminde k=2 sayısı ile kümelemeyi başlatarak kümelemeyi önce 2 ye bölerek
hiyerarşik bir yapı gibi kullanılabilir. k sayısını tespit etmek için kesin bir yöntem olmamakla
birlikte 2 den başlayarak her seferinde bir arttırarak en uygun küme sayısını tespit etmeye çalı-
şan yöntemler de vardır (Witten vd., 2016: 139).
K- ortalama, genel kümeleme için çok popüler bir yöntemdir(Zha vd., 2002: 1057). K-ortala-
malar algoritması birçok çalışmada kullanılmıştır. K-ortalamalar yöntemindeki en uygun küme
sayısını araştıran bir çalışmada, küme içi ve kümeler arası mesafeler ile küme sayısı belirlen-
meye çalışılmıştır. Çalışmada, küme içi uzaklıklar küme merkezleri arasındaki uzaklıklara bölün-
müş ve bu bölümün en küçük olduğu durumda kümelemenin en iyi olacağı ifade edilmiştir. Uy-
gun küme sayısı renkli resim bölümlendirilmesine uygulanmıştır (Ray ve Turi, 1999: 137-143).
K-ortalamalar formülasyonu ile Eşitlik (3.1) ‘de gösterilen amaç fonksiyonu  minimize edil-
meye çalışılır (Tucker vd., 2010: 600).
     


 (3.1)
= Bir veri noktaları kümesidir.
= Bir Sj kümesinin merkezidir.
= Bir kümeye ait bir veri noktasını temsil eder.
 = Kullanıcı tarafından önceden belirtilen küme sayısı.
3.2. Elbow Yöntemi
Literatürde, K-ortalamalar kümeleme analizinde en uygun k sayısını belirleyen yöntemler
önerilmiştir. Bu yöntemlere, Başparmak Kuralı, Elbow Yöntemi, Bilgi Ölçütü Yaklaşımı, Bilgi Te-
orik Bir Yaklaşım, Silueti Kullanarak k Seçme ve Çapraz Doğrulama örnek olarak verilebilir (Ko-
dinariya ve Makwana, 2013: 91).
Bu çalışmada, en uygun küme sayısını belirlemede seçilen yöntem, en eski yöntemden biri
olan Elbow yöntemidir. Yöntem, görsel bir yöntemdir. Şöyle ki, k = 2 ile başlanarak küme sayısı,
her adımda 1 yükseltilerek kümeler ve eğitim hatası hesaplanır. k için bir birimlik değişimde

Nisan 2020, C. 15, S. 1
213
maliyet çarpıcı bir şekilde düştüğü nokta tespit edilir. Küme sayısı değiştirmeye devam edilir ve
bundan sonraki değişimde hata aynı doğrultuda devam eder veya artar ise bulunan bu değer
istenen k değeridir (Kodinariya ve Makwana, 2013: 92). Elbow yönteminin küme sayısının 3 ol-
duğu gösterimi Şekil 3’te verilmiştir (Kodinariya ve Makwana, 2013: 92).
Şekil 1: Elbow Yöntemi ile k Sayısının Belirlenmesi
4. Analitik Hiyerarşi Süreci
Analitik Hiyerarşi Süreci (AHP) ikili karşılaştırmalar yoluyla bir ölçüm teorisidir ve kriterleri
ağılıklarını belirlemek için uzmanların kararlarına dayanmaktadır. Karşılaştırmalar, bir elemanın
verilen öznitelik bakımından diğerine ne kadar baskın olduğunu temsil eden ölçek kullanılarak
yapılmaktadır (Saaty, 2008: 83). AHP, Çok Kriterli Karar Verme yöntemlerinden birisidir. Nicel
ve nitel performansın ölçümü için sayısal bir ölçekli bir yöntem sunmaktadır. Ölçek, ‘en az veri-
len’ değer için 1/9, ‘eşit’ değer için 1 ve ‘kesinlikle daha önemli’ değer için 9 değeri arasında
değişmektedir. AHP yönteminde uygulanması gereken temel adımlar aşağıdaki gibidir (Vaidya
ve Kumar, 2006: 2):
1. Problem belirlemek,
2. Bütün kriterleri, alternatifleri ve sonuçları göz önünde bulundurmak,
3. Çalışmayı etkileyen kriterleri tanımlamak,
4. Problemi, amaç, kriterler, alt kriterler ve alternatifler hiyerarşisine göre yapılandırmak,
5. Her bir elemana karşılık gelen değerleri sayısal ölçekle belirlemek. Bu, n ( n - 1) / 2
adet karşılaştırma gerekir; burada n, unsur sayıdır ve her bir unsur kendisi hariç diğer unsurlar
ile kıyaslanmalıdır.
6. Her bir kriter/alternatif için maksimum karşılaştırma değeri, tutarlılık indeksi (CI), tu-
tarlılık oranı (CR) ve normalize edilmiş değerleri bulmak için hesaplamalar yapmak,
7. Maksimum karşılaştırma değeri, CI ve CR yeterliyse, normalize edilmiş değerlere dayalı
olarak karar verilir. Aksi halde, bu değerler istenilen aralıkta oluncaya kadar işlemi tekrarlamak.
0246810 12
Toplam Hata
Küme Sayısı

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
214
5. Uygulama
Çalışmanın uygulama kısmı iki alt bölümden oluşmaktadır. Birinci bölümde, belediyelerin
çevrecilik performansları ağırlıklandırılmış toplam hata ile değerlendirilmiştir. İkinci bölümde
ise belediyeler, birinci bölümde elde edilen hata değerleri kullanılarak tek boyutlu kümeleme
analizi ile değerlendirilmiştir.
5.1 Belediyelerin Çevrecilik Hatalarının Değerlendirilmesi
Belediyelerin çevresel hizmetlerine göre performanslarının ölçümünü açıklamadan önce bu
ölçüm için belirlenen kriterleri açıklamak gerekmektedir. Çalışmada daha önce belirtilen altı kri-
ter şunlardır.
Atığın Bertaraf Edilme Oranı (k1): Belediyede toplanan atıkların bertaraf edilme şekilleri şun-
lardır: Belediye veya büyükşehir belediye çöplüğünde depolama, başka belediye çöplüğünde
depolama, açıkta yakma, gömme, düzenli depolama, kompost tesisine gönderilme ve diğer ber-
taraf işlemleri. Bir belediye toplanan atığın hepsini bertaraf etmelidir. Bertaraf edilen miktar
(ton/yıl) toplanan atığa (ton/yıl) bölünerek her bir yıl için yüzdesel değerler elde edilmiştir.
Atık Hizmeti Verilen Belediye Nüfusunun Oranı (k2) : Belediyeler hizmet verdiği belediye
nüfusunun tamamına atık toplama hizmeti veremeyebilir. Bu kriterde ilgili yılda yüzdesel olarak
belediyelerin hizmet atık hizmeti verdiği nüfusun toplam belediye nüfusa oranı bilgisi vardır.
Atık Su Arıtma Tesisi ile Hizmet Verilen Belediye Nüfusunun Oranı (k3) : Belediyeler hizmet
verdiği belediye nüfusunun tamamına atık su arıtma tesisi ile hizmet veremeyebilir. Bu kriterde
ilgili yılda belediyelerin atık su arıtma tesisi ile hizmet verdiği nüfusunun toplam belediye nüfu-
suna oranı bilgisi vardır.
Kanalizasyon Şebekesi ile Hizmet Verilen Belediye Nüfusunun Oranı (k4) : Belediyeler hiz-
met verdiği belediye nüfusunun tamamına kanalizasyon şebekesi ile hizmet veremeyebilir. Bu
kriterde ilgili yılda belediyelerin kanalizasyon şebekesi ile hizmet verdiği nüfusun toplam bele-
diye nüfusuna oranı bilgisi vardır.
İçme Suyu Arıtma Tesisi ile Hizmet Verilen Belediye Nüfusunun Oranı (k5) : Belediyeler hiz-
met verdiği belediye nüfusunun tamamına içme suyu arıtma tesisi ile hizmet veremeyebilir. Bu
kriterde ilgili yılda belediyelerin içme suyu arıtma tesis ile hizmet verdiği nüfusun toplam bele-
diye nüfusuna oranı bilgisi vardır.
İçme ve Kullanma Suyu Şebekesi ile Hizmet Verilen Belediye Nüfusunun Oranı (K6) : Beledi-
yeler hizmet verdiği belediye nüfusun tamamına içme ve kullanma suyu şebekesi ile hizmet ve-
remeyebilir. Bu kriterde ilgili yılda belediyelerin içme ve kullanma suyu şebekesi ile hizmet ver-
diği nüfusun toplam belediye nüfusa oranı bilgisi vardır.
Çalışmada belirlenen bütün kriterler yüzdesel olarak tutulmaktadır. Bütün kriterler fayda
kriteri olduğundan çevre hizmetleri açısından belediyelerin başarılı olması için bu değerlerin
100 ya da 100’e yakın olması beklenmektedir. İstanbul ili 2012 yılında bütün değerlerde 100’ü
yakalamış ve çalışmadaki belirlenen kriterlere göre çevrecilik hizmetleri açısından hatasız bir yıl
geçirmiştir.
Tablo 1’de TÜİK’ten alınan veriler ile oluşturulan 2016 yılı karar matrisi görülmektedir.
2001-2016 yılları arasında tüm illerin çevrecilik değerlerine (TÜİK, 2019) adresinden ulaşılabilir.

Nisan 2020, C. 15, S. 1
215
Tablo 1: TÜİK Belediye Çevrecilik Matrisi
İller
Yıl
k1
k2
k3
k4
k5
k6
Adana
2016
94,13
100,00
95,00
95,00
86,00
98,00
Adıyaman
2016
100,00
98,00
60,80
96,00
1,00
100,00
Afyonkarahisar
2016
99,72
99,00
77,80
96,00
42,00
97,00
Ağrı
2016
100,00
100,00
0,00
86,00
58,00
94,00
Aksaray
2016
87,67
97,00
15,10
89,00
66,00
98,00
Amasya
2016
100,00
100,00
35,20
99,00
0,00
99,00
Ankara
2016
46,73
100,00
96,00
96,00
97,00
100,00
Antalya
2016
88,18
98,00
80,00
80,00
0,00
100,00
Ardahan
2016
99,97
98,00
0,00
76,00
0,00
98,00
Artvin
2016
97,68
100,00
0,00
91,00
25,00
97,00
Aydın
2016
95,15
97,00
75,00
75,00
19,00
97,00
Balıkesir
2016
95,05
99,00
69,90
85,00
44,00
99,00
Bartın
2016
96,07
99,00
7,80
97,00
72,00
99,00
Batman
2016
98,65
97,00
84,30
95,00
4,00
97,00
Bayburt
2016
100,00
99,00
78,90
95,00
0,00
100,00
Bilecik
2016
96,10
100,00
8,30
98,00
0,00
98,00
Bingöl
2016
99,31
98,00
63,20
96,00
0,00
97,00
Bitlis
2016
100,00
99,00
36,20
87,00
1,00
99,00
Bolu
2016
93,17
95,00
88,20
100,00
75,00
100,00
Burdur
2016
89,55
100,00
79,20
90,00
0,00
100,00
Bursa
2016
90,83
100,00
98,00
98,00
67,00
100,00
Çanakkale
2016
92,15
100,00
84,90
96,00
46,00
99,00
Çankırı
2016
100,00
98,00
5,70
97,00
73,00
99,00
Çorum
2016
95,03
99,00
81,70
98,00
55,00
100,00
Denizli
2016
93,79
100,00
70,00
70,00
0,00
99,00
Diyarbakır
2016
97,68
98,00
95,00
95,00
91,00
97,00
Düzce
2016
100,00
100,00
75,00
90,00
80,00
99,00
Edirne
2016
95,84
100,00
10,00
95,00
47,00
97,00
Elazığ
2016
99,57
98,00
64,80
89,00
1,00
99,00
Erzincan
2016
100,00
100,00
2,70
93,00
0,00
100,00
Erzurum
2016
100,00
90,00
77,30
80,00
68,00
100,00
Eskişehir
2016
93,05
99,00
98,00
98,00
78,00
100,00
Gaziantep
2016
95,87
100,00
85,80
95,00
65,00
100,00
Giresun
2016
99,96
96,00
30,60
81,00
2,00
93,00
Gümüşhane
2016
100,00
93,00
53,40
95,00
6,00
96,00
Hakkari
2016
100,00
99,00
0,00
25,00
0,00
91,00
Hatay
2016
98,97
99,00
31,40
75,00
1,00
97,00
Iğdır
2016
100,00
100,00
0,00
77,00
0,00
92,00
Isparta
2016
90,44
100,00
82,00
99,00
52,00
100,00
İstanbul
2016
93,23
100,00
98,70
100,00
97,00
100,00
İzmir
2016
91,66
100,00
100,00
100,00
86,00
100,00
Kahramanmaraş
2016
98,93
98,00
9,00
65,00
1,00
98,00
Karabük
2016
99,38
100,00
86,90
98,00
46,00
100,00
Karaman
2016
89,82
100,00
85,40
89,00
0,00
100,00
Kars
2016
100,00
100,00
11,50
90,00
43,00
97,00
Kastamonu
2016
96,48
98,00
24,00
92,00
39,00
96,00
Kayseri
2016
97,61
99,00
86,50
94,00
0,00
99,00
Kırıkkale
2016
100,00
100,00
78,10
98,00
91,00
100,00
Kırklareli
2016
96,79
100,00
81,90
97,00
28,00
99,00
Kırşehir
2016
99,34
98,00
86,70
95,00
0,00
100,00
Kilis
2016
91,17
100,00
71,40
100,00
89,00
100,00
Kocaeli
2016
91,19
100,00
99,00
99,00
93,00
100,00
Konya
2016
96,40
100,00
55,20
70,00
14,00
99,00
Kütahya
2016
98,89
100,00
66,50
97,00
19,00
100,00
Malatya
2016
96,82
98,00
73,20
88,00
0,00
100,00

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
216
Manisa
2016
95,57
99,00
26,00
87,00
39,00
96,00
Mardin
2016
94,95
89,00
1,30
80,00
0,00
76,00
Mersin
2016
93,41
99,00
73,10
82,00
69,00
99,00
Muğla
2016
90,38
99,00
77,00
77,00
38,00
100,00
Muş
2016
100,00
97,00
0,00
73,00
0,00
97,00
Nevşehir
2016
97,43
99,00
71,90
92,00
37,00
98,00
Niğde
2016
97,43
97,00
50,60
81,00
14,00
98,00
Ordu
2016
90,85
87,00
79,00
79,00
46,00
73,00
Osmaniye
2016
99,55
96,00
50,20
77,00
0,00
96,00
Rize
2016
98,20
98,00
60,30
81,00
60,00
90,00
Sakarya
2016
91,98
99,00
49,90
60,00
63,00
100,00
Samsun
2016
72,46
83,00
77,80
78,00
86,00
95,00
Siirt
2016
99,66
99,00
64,40
96,00
54,00
98,00
Sinop
2016
88,09
96,00
0,00
98,00
30,00
100,00
Sivas
2016
97,35
100,00
74,90
98,00
50,00
100,00
Şanlıurfa
2016
99,59
97,00
6,90
60,00
68,00
95,00
Şırnak
2016
100,00
99,00
0,00
87,00
0,00
87,00
Tekirdağ
2016
94,26
100,00
43,90
86,00
9,00
100,00
Tokat
2016
99,88
99,00
50,00
95,00
1,00
98,00
Trabzon
2016
93,30
100,00
59,10
80,00
69,00
85,00
Tunceli
2016
100,00
97,00
57,50
92,00
0,00
98,00
Uşak
2016
89,30
100,00
75,70
96,00
38,00
96,00
Van
2016
96,04
97,00
36,40
80,00
16,00
98,00
Yalova
2016
92,92
100,00
93,20
95,00
89,00
100,00
Yozgat
2016
99,97
99,00
45,90
95,00
6,00
100,00
Zonguldak
2016
97,31
99,00
53,40
88,00
69,00
99,00
Kaynak: TÜİK, https://biruni.tuik.gov.tr/medas/?locale=tr (Erişim Tarihi: 03.01.2019 )
Tablo 1 ‘de boş olan alanlar ‘0’ değeri yazılarak, analiz için sayısallaştırılmıştır. Veri seti,
2001-2016 yılları arasında benzer 10 adet tablodan oluşmaktadır. 2001-2004 arası her yıl yayın-
lanan veriler 2004 ten sonra çift yıllarda yayınlanmıştır. Veriye erişim tarihinde 2018 verileri
henüz yayınlanmadığından veri setinin en güncel yılı (2016) örnek olarak verilmiştir. Belediye-
lerin çevresel hizmetlerini ölçebilmek için bu karar matrislerinin yanı sıra, hizmet ölçümünde
kullanılan kriterlerin önem dereceleri belirlenmelidir. Bu bağlamda, alanında uzman akademis-
yenler ile görüşülüp AHP ile kriterlerin önem dereceleri belirlenmiştir. Uzman kişilerin görüşle-
rinin geometrik ortalamaları alınarak Tablo 2’deki karar matrisi oluşturulmuştur.
Tablo 2: Çevresel Hizmet Kriterleri için AHP İkili Karşılaştırma Matrisi
Kriter
k1
k2
k3
k4
k5
k6
k1
1,00
0,33
1,00
2,08
0,30
0,38
k2
3,00
1,00
1,26
1,59
0,63
0,63
k3
1,00
0,79
1,00
1,44
0,79
0,79
k4
0,48
0,63
0,69
1,00
0,55
0,79
k5
3,30
1,59
1,26
1,82
1,00
2,00
k6
2,62
1,59
1,26
1,26
0,50
1,00
Tablo 2’deki verilere göre AHP adımları uygulanmıştır. Uygulanan adımlara göre uzman gö-
rüşlerinin tutarlılığı hesaplanmıştır(CR=0,052). Tutarlılık değeri 0,1 den küçük olduğu için verilen
cevaplar anlamlıdır. Kriterlerin AHP ile belirlenen ağırlıkları Tablo 3’te verilmiştir.

Nisan 2020, C. 15, S. 1
217
Tablo 3: Kriterlerin AHP ile Belirlenen Ağırlıkları
k1
k2
k3
k4
k5
k6
0,112189
0,179734
0,147481
0,108632
0,261931
0,190034
Tablo 3 incelendiğinde k5 kriterinin diğerlerine göre daha önemli olduğu, en az öneme sahip
olan kriterin ise k4 olduğu görülmektedir. Kriterlerin ağırlıklarının farklı çıkması çevrecilik hiz-
metleri değerlendirilirken uzman görüşünden yararlanmasına olanak vermiştir. Belirlenen kriter
ağırlıkları belediyenin toplam ağırlıklandırılmış hatasını hesaplamak için kullanılmıştır. Belediye-
lerin Tablo 1 deki ölçümlerin referans değerden (100) uzaklıkları bir hata değeri olarak kabul
edilmiştir. Bu hata değerleri kriterlerin ağırlıkları ile çarpılarak ağırlıklandırılmış hata değerleri
elde edilmiştir. Ağırlıklandırılmış hatalar toplanmış her bir il için ilgili yılın toplam hatası hesap-
lanmış ve sıralamalar bu toplam hata değerine göre yapılmıştır. Tablo 4’te ilgili yıllarda tüm il-
lerin ağırlıklandırılmış toplam hataları görülebilir.
Tablo 4: İllerin Yıllara Göre Ağırlıklandırılmış Toplam Çevrecilik Hataları
İller
2001
2002
2003
2004
2006
2008
2010
2012
2014
2016
Adana
42,29
39,17
30,01
19,60
12,49
6,58
7,68
7,86
10,34
5,99
Adıyaman
45,31
43,14
42,75
42,31
40,56
42,45
42,50
42,03
42,31
32,51
Afyonkarahisar
41,88
41,30
41,50
40,04
39,23
37,71
32,11
26,48
20,88
19,68
Ağrı
51,11
46,97
47,23
45,93
41,02
39,34
43,46
42,31
35,27
28,41
Aksaray
40,89
38,11
43,74
41,37
29,57
34,83
38,44
31,96
25,80
24,92
Amasya
44,49
46,34
44,70
41,56
41,45
40,40
40,81
40,96
41,09
36,05
Ankara
7,06
7,46
5,49
6,11
5,47
4,31
2,67
2,00
2,88
7,79
Antalya
45,51
44,54
43,44
43,34
41,16
39,44
36,99
31,32
31,88
33,00
Ardahan
51,04
48,58
47,68
47,72
49,63
45,08
45,79
46,11
44,45
44,29
Artvin
47,33
46,33
42,60
40,97
35,43
33,37
34,69
34,02
32,73
36,20
Aydın
36,27
36,82
36,58
35,03
35,24
32,38
31,42
27,38
27,58
29,27
Balıkesir
41,50
39,64
35,25
28,31
22,93
22,21
24,21
21,48
22,31
21,66
Bartın
44,26
44,05
40,85
41,30
42,14
29,94
29,66
23,79
22,34
22,07
Batman
46,19
43,92
43,19
42,98
42,72
42,55
42,23
30,06
31,94
29,27
Bayburt
41,46
41,65
41,35
41,43
41,05
40,69
40,60
40,55
40,01
30,03
Bilecik
41,78
41,67
41,74
41,16
40,79
40,66
41,21
41,16
41,54
40,75
Bingöl
50,05
49,83
44,87
44,27
42,99
42,62
43,55
42,99
33,25
33,06
Bitlis
48,37
48,50
47,59
45,55
45,78
44,04
45,33
42,77
38,28
37,12
Bolu
40,11
39,74
39,03
38,79
40,11
38,97
18,62
11,53
10,25
9,95
Burdur
44,95
43,90
42,45
42,34
42,75
42,68
40,55
37,23
31,46
31,52
Bursa
22,18
16,89
15,06
15,18
12,13
10,73
10,52
6,81
7,07
10,19
Çanakkale
34,70
33,98
34,33
34,75
33,48
32,52
30,99
28,77
23,14
17,88
Çankırı
46,83
45,04
44,44
44,44
42,43
40,45
40,14
22,15
25,58
21,85
Çorum
34,19
30,00
24,93
24,82
21,92
26,40
22,34
20,99
19,73
15,44
Denizli
44,87
43,46
43,17
42,87
42,19
37,36
33,02
32,26
33,71
34,76
Diyarbakır
45,06
30,55
27,51
18,75
20,55
19,56
14,36
14,31
8,95
4,83
Düzce
23,09
17,68
18,98
17,05
10,61
17,54
13,22
9,80
10,21
10,20
Edirne
29,98
30,75
31,16
27,91
30,18
27,30
31,09
25,46
24,63
28,74
Elazığ
35,00
34,19
33,61
33,58
30,74
31,59
31,56
30,51
32,48
32,92
Erzincan
38,87
38,00
37,59
37,41
36,30
35,04
33,54
32,18
31,74
41,30
Erzurum
43,26
42,69
42,21
42,02
41,66
39,88
23,07
22,56
25,51
15,70
Eskişehir
12,22
12,43
10,65
15,50
11,20
11,00
8,39
6,07
6,64
7,23
Gaziantep
19,77
22,00
22,27
20,20
12,98
15,72
10,20
17,63
12,33
12,27
Giresun
51,12
50,44
49,10
50,35
48,07
48,04
41,93
41,01
39,57
40,02
Gümüşhane
45,08
43,89
43,81
42,88
43,67
43,85
43,44
43,36
40,25
34,06
Hakkari
55,69
52,07
51,30
49,59
52,45
49,81
53,36
51,64
51,15
50,98
Hatay
46,28
48,33
45,55
44,61
42,16
40,89
39,74
39,29
38,93
39,63
Iğdır
45,88
43,32
39,12
38,96
39,37
40,17
46,16
47,13
48,19
44,96
Isparta
27,40
27,57
27,19
26,60
23,08
20,91
20,44
19,85
15,49
16,41

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
218
İstanbul
10,02
8,11
8,67
5,04
3,95
4,68
5,71
0,00
0,32
1,74
İzmir
26,40
24,33
24,20
23,64
23,13
20,93
9,59
17,14
8,52
4,60
Kahramanmaraş
47,49
46,50
45,19
45,37
43,84
43,72
43,45
43,05
45,15
44,01
Karabük
37,18
32,98
29,17
26,99
28,02
25,43
24,34
14,16
21,08
16,36
Karaman
42,62
40,42
40,06
39,29
39,96
34,08
33,18
32,40
30,31
30,68
Kars
46,26
45,10
43,33
43,11
40,64
41,10
38,39
32,30
31,05
29,64
Kastamonu
38,46
38,30
39,08
38,10
37,91
34,86
33,11
32,79
31,21
29,57
Kayseri
44,72
44,07
34,10
33,53
29,41
29,88
28,46
28,09
28,79
29,47
Kırıkkale
24,40
23,56
22,57
20,70
18,45
18,61
18,17
18,13
17,68
5,80
Kırklareli
41,15
40,98
39,93
39,82
35,67
35,07
35,25
35,39
25,56
22,40
Kırşehir
47,24
46,03
45,43
45,04
43,51
44,05
36,79
34,91
32,41
29,13
Kilis
43,01
42,65
41,88
41,88
42,13
26,20
16,90
18,55
6,24
8,09
Kocaeli
21,72
22,74
22,71
6,37
12,94
3,56
4,13
3,02
2,35
3,08
Konya
42,01
39,76
38,68
38,85
39,50
37,31
30,66
25,98
29,41
32,99
Kütahya
34,37
33,32
32,71
32,65
31,63
30,37
28,98
29,32
27,13
26,61
Malatya
44,72
43,97
43,30
34,46
31,19
31,40
31,35
31,22
35,20
32,17
Manisa
36,81
37,44
36,71
37,56
35,19
31,74
30,31
28,75
37,12
29,74
Mardin
49,67
45,93
47,30
46,38
45,80
44,71
43,73
42,90
47,09
50,03
Mersin
30,37
31,34
31,46
29,13
25,13
20,44
20,09
15,53
16,12
15,15
Muğla
44,90
43,35
41,44
38,08
38,10
37,77
36,23
31,37
30,89
23,39
Muş
56,40
52,93
52,85
52,83
50,64
49,22
49,33
47,01
45,35
44,98
Nevşehir
42,91
42,12
41,92
41,50
40,47
39,11
34,23
26,51
22,40
22,36
Niğde
44,65
43,45
43,35
44,97
38,38
37,46
39,88
36,79
37,85
33,08
Ordu
52,40
50,94
48,69
45,30
37,58
42,19
40,92
36,48
34,34
28,02
Osmaniye
47,42
45,50
39,46
39,08
37,56
35,90
35,35
35,83
37,01
37,57
Rize
55,55
43,76
43,39
38,23
30,06
28,80
27,97
27,53
27,11
20,86
Sakarya
32,52
31,70
27,66
17,69
16,90
10,01
12,28
18,89
18,58
22,50
Samsun
28,32
28,61
27,21
24,93
23,72
26,30
23,77
22,50
27,63
16,43
Siirt
43,33
43,35
43,20
41,91
42,56
41,83
36,24
29,01
11,41
18,33
Sinop
42,02
40,32
40,50
40,49
40,53
39,88
43,04
42,03
33,10
35,36
Sivas
43,83
43,06
42,75
42,20
42,41
32,38
21,18
18,82
17,47
17,31
Şanlıurfa
38,68
37,20
27,05
25,70
28,40
27,22
28,12
28,17
34,29
27,99
Şırnak
51,38
50,54
49,22
45,84
43,73
44,58
44,08
44,22
43,54
45,00
Tekirdağ
41,57
38,55
37,84
37,24
40,60
40,78
40,71
37,61
25,67
34,27
Tokat
44,89
44,20
43,35
42,31
41,76
39,66
36,74
34,77
34,49
34,42
Trabzon
39,95
37,72
37,87
36,03
34,23
31,36
23,94
21,50
22,67
19,93
Tunceli
43,68
42,27
43,36
42,61
42,48
42,43
42,53
42,43
34,02
34,25
Uşak
43,35
42,57
42,53
42,35
37,89
33,79
33,95
23,62
21,12
22,22
Van
42,62
42,71
42,35
39,91
39,36
32,79
40,53
38,43
37,02
34,92
Yalova
19,45
20,05
11,53
10,20
7,17
15,18
12,47
2,08
2,40
5,22
Yozgat
46,83
44,82
43,96
44,63
40,29
41,19
39,67
37,33
35,61
33,33
Zonguldak
28,48
31,57
27,21
24,97
23,79
25,07
25,26
23,69
21,95
16,97
Tablo 4 incelendiğinde belediyelerin çevrecilik performanslarının yıllara göre değişimi görül-
mektedir. Hatanın değerinin bir önceki yıla göre düşmesi belediyenin bir önceki yıla göre daha
iyi çevrecilik değerleri elde ettiği anlamına gelmektedir. Çalışma toplam çevrecilik hatası açısın-
dan, Diyarbakır, Adana, Kilis, Rize ve Bolu İllerinin 2001 yılından 2016 yılına kadar sayısal an-
lamda en çok gelişme gösteren ilk 5 il olduğu görülmektedir. Erzincan, Mardin illerinin, 2016
yılındaki verilerinin 2001 yılından daha geride olduğu ortaya çıkmaktadır. Her bir yıla göre kendi
arasında sıralandığında illerin ilgili yıllardaki Türkiye sıralamalarının bulunduğu Tablo 5 elde edi-
lir.

Nisan 2020, C. 15, S. 1
219
Tablo 5: İllerin Yıllar İçinde Türkiye Sıralaması
İller
2001
2002
2003
2004
2006
2008
2010
2012
2014
2016
Adana
38
31
19
10
7
4
4
7
12
7
Adıyaman
59
48
52
57
51
68
68
68
74
53
Afyonkarahisar
35
38
43
43
42
47
38
31
21
25
Ağrı
75
72
73
76
55
51
73
70
61
40
Aksaray
29
28
64
48
23
39
54
46
35
36
Amasya
49
70
68
51
58
57
63
65
72
67
Ankara
1
1
1
2
2
2
1
2
4
9
Antalya
60
62
63
65
57
52
52
44
48
56
Ardahan
74
75
76
78
79
78
78
78
76
76
Artvin
68
69
51
45
33
36
45
52
52
68
Aydın
21
23
27
28
32
33
36
33
38
44
Balıkesir
32
32
26
21
14
16
23
21
25
28
Bartın
48
59
40
47
62
26
30
28
26
30
Batman
62
57
55
63
69
69
67
41
49
43
Bayburt
31
39
41
49
56
60
61
64
70
49
Bilecik
34
40
44
46
54
59
65
67
73
73
Bingöl
73
76
69
66
71
70
74
74
54
57
Bitlis
71
74
75
74
76
74
77
72
67
69
Bolu
28
33
33
36
47
49
15
9
11
11
Burdur
56
56
49
58
70
71
60
59
46
51
Bursa
7
4
5
5
6
6
8
6
7
12
Çanakkale
19
21
25
27
29
34
33
38
29
23
Çankırı
65
64
67
67
66
58
58
23
33
29
Çorum
17
13
11
14
13
21
19
20
20
16
Denizli
53
53
54
61
64
45
39
48
55
64
Diyarbakır
57
14
16
9
12
12
12
11
9
4
Düzce
8
5
6
7
4
10
11
8
10
13
Edirne
14
15
20
20
25
23
34
29
30
41
Elazığ
20
22
23
25
26
30
37
42
51
54
Erzincan
26
27
29
31
35
41
42
47
47
74
Erzurum
43
45
47
54
59
54
20
25
31
17
Eskişehir
3
3
3
6
5
7
5
5
6
8
Gaziantep
5
7
7
11
9
9
7
14
14
14
Giresun
76
77
78
80
78
79
66
66
69
72
Gümüşhane
58
55
65
62
73
73
71
76
71
60
Hakkari
80
80
80
79
81
81
81
81
81
81
Hatay
64
73
72
68
63
62
56
63
68
71
Iğdır
61
49
35
38
44
56
79
80
80
77
Isparta
11
11
13
18
15
14
17
19
15
19
İstanbul
2
2
2
1
1
3
3
1
1
1
İzmir
10
10
10
13
16
15
6
13
8
3
Kahramanmaraş
70
71
70
73
75
72
72
75
77
75
Karabük
23
19
18
19
20
18
24
10
22
18
Karaman
39
36
38
40
46
38
41
50
42
50
Kars
63
65
58
64
53
63
53
49
44
47
Kastamonu
24
29
34
34
39
40
40
51
45
46
Kayseri
52
60
24
24
22
25
28
35
40
45
Kırıkkale
9
9
8
12
11
11
14
15
18
6
Kırklareli
30
37
37
41
34
42
46
55
32
33
Kırşehir
67
68
71
71
72
75
51
54
50
42
Kilis
42
44
45
52
61
19
13
16
5
10
Kocaeli
6
8
9
3
8
1
2
4
2
2
Konya
36
34
32
37
45
44
32
30
41
55
Kütahya
18
20
22
23
28
27
29
40
37
37
Malatya
51
58
57
26
27
29
35
43
60
52

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
220
Manisa
22
25
28
32
31
31
31
37
65
48
Mardin
72
67
74
77
77
77
75
73
79
80
Mersin
15
16
21
22
19
13
16
12
16
15
Muğla
55
51
42
33
40
48
48
45
43
35
Muş
81
81
81
81
80
80
80
79
78
78
Nevşehir
41
41
46
50
49
50
44
32
27
32
Niğde
50
52
60
70
41
46
57
58
66
58
Ordu
78
79
77
72
37
66
64
57
58
39
Osmaniye
69
66
36
39
36
43
47
56
63
70
Rize
79
54
62
35
24
24
26
34
36
27
Sakarya
16
18
17
8
10
5
9
18
19
34
Samsun
12
12
15
15
17
20
21
24
39
20
Siirt
44
50
56
53
68
65
49
39
13
24
Sinop
37
35
39
44
50
55
70
68
53
66
Sivas
47
47
53
55
65
32
18
17
17
22
Şanlıurfa
25
24
12
17
21
22
27
36
57
38
Şırnak
77
78
79
75
74
76
76
77
75
79
Tekirdağ
33
30
30
30
52
61
62
61
34
62
Tokat
54
61
59
56
60
53
50
53
59
63
Trabzon
27
26
31
29
30
28
22
22
28
26
Tunceli
46
42
61
60
67
67
69
71
56
61
Uşak
45
43
50
59
38
37
43
26
23
31
Van
40
46
48
42
43
35
59
62
64
65
Yalova
4
6
4
4
3
8
10
3
3
5
Yozgat
66
63
66
69
48
64
55
60
62
59
Zonguldak
13
17
14
16
18
17
25
27
24
21
Tablo 5’te bütün yıllardaki sıralamalar bir arada değerlendirildiğinde; İstanbul, Ankara, Ko-
caeli, Yalova, Eskişehir en iyi beş il olarak görülmektedir. Hakkâri, Muş, Ardahan, Şırnak, Mardin
son 5 sırdaki iller olarak göze çarpmaktadır. Tablo 5 yardımı ile Türkiye’de 2001 – 2016 yılları
arasındaki il belediyelerin çevrecilik performansına bakılabilir. İl bazında yıllar içinde artışlar ve
düşüşler gözlenmiştir. Türkiye’de belediyelerin çevrecilik verileri bir arada değerlendirildiğinde
yıllara göre ortalamalarının toplam çevrecilik hatalarının düştüğü tespit edilmiştir. Yıllara göre
değişim Şekil 2’ de verilmiştir.
Şekil 2: Ortalama Toplam Hatanın Yıllara Göre Değişimi
Şekil 2 incelendiğinde, Türkiye genelinde belediye çevre hizmetlerinin yıllar geçtikçe bir ön-
ceki yıla göre daha iyiye gitmiştir. Bir önceki veri noktasına göre en yüksek gelişme (% ~7,36 )
ile 2012 yılında olmuştur.
39,96 38,57 37,15
35,61 34 32,62 31 28,72 27,29 25,96
0
5
10
15
20
25
30
35
40
45
2000 2002 2004 2006 2008 2010 2012 2014 2016 2018

Nisan 2020, C. 15, S. 1
221
5.2. Kümeleme Analizi ile Belediyelerin Çevrecilik Hatalarının Değerlendirilmesi
Kümeleme analizi, benzer verileri gruplamaya yarar. Her bir ilin benzer çevrecilik verilerin-
den oluşan toplam çevrecilik hataları, her yıl için tek boyutlu kümeleme analizi ile kümelenmiş-
tir. Bu sayede, kümeleme analizi performans ölçümü için kullanılmıştır.
Kümeleme analizinde daha önce açıklanan ve kümeleme problemlerinde sıkça kullanılan K-
ortalamalar algoritması kullanılmıştır. K-ortalamalar kümeleme analizinde kullanılacak olan en
uygun ‘k’ sayısını belirlemek için Elbow yöntemi kullanılmıştır. Elbow yöntemi ile her bir yıl
içinde toplam çevrecilik hatalarının 5 kümeye bölünmesi gerektiği tespit edilmiştir. Yılların top-
lam çevrecilik hata değerlerine kümelerin merkezlerinin değişimi Şekil 3’te verilmiştir.
Şekil 3: Küme Merkezlerinin Yıllara Göre Değişimi
Şekil 3 incelendiğinde, ilgili yıllardaki küme merkezleri genelde yıllara göre azalmaktadır. Kü-
meleme analizi ile çalışılan yıllarda illerin dâhil olduğu kümeler tespit edilmiştir. En iyiden en
kötü kümeye doğru sıralaması 1,2,3,4,5 şeklindedir. İllerin o yılda dâhil olduğu kümeler, Tablo
7’ de verilmiştir.
Tablo 7: İllerin Yıllara Göre Dâhil Olduğu Kümeler
Coğrafi Bölge
İller
2001
2002
2003
2004
2006
2008
2010
2012
2014
2016
Akdeniz
Adana
3
3
2
2
1
1
1
1
1
1
Güneydoğu Anadolu
Adıyaman
4
4
4
4
4
5
5
5
5
4
Ege
Afyonkarahisar
3
3
4
4
4
4
3
3
2
2
Doğu Anadolu
Ağrı
5
4
5
5
4
5
5
5
4
3
İç Anadolu
Aksaray
3
3
4
4
3
4
4
4
2
3
Karadeniz
Amasya
4
4
4
4
4
5
4
5
4
4
İç Anadolu
Ankara
1
1
1
1
1
1
1
1
1
1
Akdeniz
Antalya
4
4
4
4
4
5
4
4
3
4
Doğu Anadolu
Ardahan
5
5
5
5
5
5
5
5
5
5
Karadeniz
Artvin
4
4
4
4
3
4
3
4
3
4
Ege
Aydın
3
3
3
3
3
4
3
3
3
3
Marmara
Balıkesir
3
3
3
2
2
2
2
2
2
2
Karadeniz
Bartın
4
4
4
4
4
3
3
3
2
2
Güneydoğu Anadolu
Batman
4
4
4
4
4
5
5
3
3
3
Karadeniz
Bayburt
3
4
4
4
4
5
4
5
4
3
0,00
10,00
20,00
30,00
40,00
50,00
60,00
2000 2005 2010 2015 2020
Küme Merkez Değerleri
Yıllar
5. Küme
4. Küme
3. Küme
2. Küme
1. Küme

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
222
Marmara
Bilecik
3
4
4
4
4
5
4
5
4
5
Doğu Anadolu
Bingöl
5
5
4
5
4
5
5
5
3
4
Doğu Anadolu
Bitlis
4
5
5
5
5
5
5
5
4
4
Karadeniz
Bolu
3
3
4
3
4
5
2
1
1
1
Akdeniz
Burdur
4
4
4
4
4
5
4
4
3
3
Marmara
Bursa
1
1
1
1
1
1
1
1
1
1
Marmara
Çanakkale
2
2
3
3
3
4
3
3
2
2
İç Anadolu
Çankırı
4
4
4
5
4
5
4
2
2
2
Karadeniz
Çorum
2
2
2
2
2
3
2
2
2
2
Ege
Denizli
4
4
4
4
4
4
3
4
3
4
Güneydoğu Anadolu
Diyarbakır
4
2
2
2
2
2
1
2
1
1
Karadeniz
Düzce
1
1
2
1
1
2
1
1
1
1
Marmara
Edirne
2
2
3
2
3
3
3
3
2
3
Doğu Anadolu
Elazığ
2
2
3
3
3
4
3
3
3
4
Doğu Anadolu
Erzincan
3
3
3
3
3
4
3
4
3
5
Doğu Anadolu
Erzurum
4
4
4
4
4
5
2
2
2
2
İç Anadolu
Eskişehir
1
1
1
1
1
1
1
1
1
1
Güneydoğu Anadolu
Gaziantep
1
1
2
2
1
2
1
2
1
1
Karadeniz
Giresun
5
5
5
5
5
5
4
5
4
5
Karadeniz
Gümüşhane
4
4
4
4
4
5
5
5
4
4
Doğu Anadolu
Hakkari
5
5
5
5
5
5
5
5
5
5
Akdeniz
Hatay
4
5
4
5
4
5
4
5
4
5
Doğu Anadolu
Iğdır
4
4
4
3
4
5
5
5
5
5
Akdeniz
Isparta
2
2
2
2
2
2
2
2
2
2
Marmara
İstanbul
1
1
1
1
1
1
1
1
1
1
Ege
İzmir
2
2
2
2
2
2
1
2
1
1
Akdeniz
Kahramanmaraş
4
4
4
5
4
5
5
5
5
5
Karadeniz
Karabük
3
2
2
2
3
3
2
2
2
2
İç Anadolu
Karaman
3
3
4
4
4
4
3
4
3
3
Doğu Anadolu
Kars
4
4
4
4
4
5
4
4
3
3
Karadeniz
Kastamonu
3
3
4
3
4
4
3
4
3
3
İç Anadolu
Kayseri
4
4
3
3
3
3
3
3
3
3
İç Anadolu
Kırıkkale
2
2
2
2
2
2
2
2
2
1
Marmara
Kırklareli
3
3
4
4
3
4
3
4
2
2
İç Anadolu
Kırşehir
4
4
4
5
4
5
4
4
3
3
Güneydoğu Anadolu
Kilis
4
4
4
4
4
3
2
2
1
1
Marmara
Kocaeli
1
1
2
1
1
1
1
1
1
1
İç Anadolu
Konya
3
3
3
3
4
4
3
3
3
4
Ege
Kütahya
2
2
3
3
3
3
3
3
3
3
Doğu Anadolu
Malatya
4
4
4
3
3
4
3
4
4
4
Ege
Manisa
3
3
3
3
3
4
3
3
4
3
Güneydoğu Anadolu
Mardin
5
4
5
5
5
5
5
5
5
5
Akdeniz
Mersin
2
2
3
2
2
2
2
2
2
2
Ege
Muğla
4
4
4
3
4
4
4
4
3
2
Doğu Anadolu
Muş
5
5
5
5
5
5
5
5
5
5
İç Anadolu
Nevşehir
4
4
4
4
4
5
3
3
2
2
İç Anadolu
Niğde
4
4
4
5
4
4
4
4
4
4
Karadeniz
Ordu
5
5
5
5
4
5
4
4
3
3
Akdeniz
Osmaniye
4
4
4
3
4
4
3
4
4
4
Karadeniz
Rize
5
4
4
3
3
3
3
3
3
2
Marmara
Sakarya
2
2
2
1
2
1
1
2
2
2
Karadeniz
Samsun
2
2
2
2
2
3
2
2
3
2
Güneydoğu Anadolu
Siirt
4
4
4
4
4
5
4
3
1
2
Karadeniz
Sinop
3
3
4
4
4
5
5
5
3
4
İç Anadolu
Sivas
4
4
4
4
4
4
2
2
2
2
Güneydoğu Anadolu
Şanlıurfa
3
3
2
2
3
3
3
3
3
3
Güneydoğu Anadolu
Şırnak
5
5
5
5
4
5
5
5
5
5

Nisan 2020, C. 15, S. 1
223
Marmara
Tekirdağ
3
3
3
3
4
5
4
4
2
4
Karadeniz
Tokat
4
4
4
4
4
5
4
4
3
4
Karadeniz
Trabzon
3
3
3
3
3
4
2
2
2
2
Doğu Anadolu
Tunceli
4
4
4
4
4
5
5
5
3
4
Ege
Uşak
4
4
4
4
4
4
3
3
2
2
Doğu Anadolu
Van
3
4
4
4
4
4
4
4
4
4
Marmara
Yalova
1
1
1
1
1
2
1
1
1
1
İç Anadolu
Yozgat
4
4
4
5
4
5
4
4
4
4
Karadeniz
Zonguldak
2
2
2
2
2
3
2
3
2
2
Tablo 7 incelendiğinde, gelişme göstererek daha iyi kümeye geçen veya gerileyerek daha
kötü kümeye geçen iller gözlenebilir. Çalışmada, İstanbul, Ankara, Bursa ve Eskişehir her yıl bi-
rinci kümede olmayı başarmışlardır. Bu illerden sonra gelen en başarılı beş il ise Kocaeli, Yalova,
Düzce, Gaziantep ve Adana’dır. Ardahan, Hakkâri, Muş illeri ise sürekli 5. Kümede yer alarak
analiz edilen yıllarda daha iyi bir kümeye geçme başarısı gösterememişlerdir. Bu illeri takip eden
Şırnak, Mardin, Giresun, Bitlis, Kahramanmaraş, Hatay, Bingöl ve Ağrı illeri de kümeleme analizi
açısından başarısız bulunmuş iller olarak sıralanmaktadır. Coğrafi bölgeler olarak incelendi-
ğinde, Marmara bölgesinin kümeleme analizinde en başarılı bölge olduğu görülmektedir. Mar-
mara bölgesini İç Anadolu, Ege, Karadeniz, Akdeniz, Güneydoğu Anadolu ve Doğu Anadolu böl-
geleri takip etmektedir.
Tablo 7’de ağırlıklandırılmış toplam çevrecilik hatalarına göre tek boyutlu kümeleme yapıl-
mıştır. Ağırlıklandırılmış çevrecilik hataları toplanmadan altı kriter bir arada değerlendirilerek
kümeleme analizi de yapılabilir. Örnek olarak, Tablo 8’de 2016 yılı için ağırlıklandırılmış çevre-
cilik hata matrisi görülmektedir.
Tablo 8: 2016 Yılı Ağırlıklandırılmış Çevrecilik Hata Matrisi
İller
Yıl
k1
k2
k3
k4
k5
k6
Adana
2016
0,66
0,00
0,74
0,54
3,67
0,38
Adıyaman
2016
0,00
0,36
5,78
0,43
25,93
0,00
Afyonkarahisar
2016
0,03
0,18
3,27
0,43
15,19
0,57
Ağrı
2016
1,38
0,54
12,52
1,19
8,91
0,38
Aksaray
2016
0,00
0,00
9,56
0,11
26,19
0,19
Amasya
2016
5,98
0,00
0,59
0,43
0,79
0,00
Ankara
2016
1,33
0,36
2,95
2,17
26,19
0,00
Antalya
2016
0,00
0,36
14,75
2,61
26,19
0,38
Ardahan
2016
0,26
0,00
14,75
0,98
19,64
0,57
Artvin
2016
0,54
0,54
3,69
2,72
21,22
0,57
Aydın
2016
0,00
0,00
14,75
1,52
11,00
1,14
Balıkesir
2016
0,56
0,18
4,44
1,63
14,67
0,19
Bartın
2016
0,44
0,18
13,60
0,33
7,33
0,19
Batman
2016
0,15
0,54
2,32
0,54
25,15
0,57
Bayburt
2016
0,00
0,18
3,11
0,54
26,19
0,00
Bilecik
2016
0,44
0,00
13,52
0,22
26,19
0,38
Bingöl
2016
0,08
0,36
5,43
0,43
26,19
0,57
Bitlis
2016
0,00
0,18
9,41
1,41
25,93
0,19
Bolu
2016
0,77
0,90
1,74
0,00
6,55
0,00
Burdur
2016
1,17
0,00
3,07
1,09
26,19
0,00
Bursa
2016
1,03
0,00
0,29
0,22
8,64
0,00
Çanakkale
2016
0,70
0,00
4,42
3,26
26,19
0,19
Çankırı
2016
0,26
0,36
0,74
0,54
2,36
0,57
Çorum
2016
0,00
0,00
3,69
1,09
5,24
0,19
Denizli
2016
0,47
0,00
13,27
0,54
13,88
0,57
Diyarbakır
2016
0,05
0,36
5,19
1,19
25,93
0,19
Düzce
2016
0,00
0,00
14,35
0,76
26,19
0,00

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
224
Edirne
2016
0,00
1,80
3,35
2,17
8,38
0,00
Elazığ
2016
0,78
0,18
0,29
0,22
5,76
0,00
Erzincan
2016
0,46
0,00
2,09
0,54
9,17
0,00
Erzurum
2016
0,00
0,72
10,24
2,06
25,67
1,33
Eskişehir
2016
0,00
1,26
6,87
0,54
24,62
0,76
Gaziantep
2016
0,00
0,18
14,75
8,15
26,19
1,71
Giresun
2016
0,12
0,18
10,12
2,72
25,93
0,57
Gümüşhane
2016
1,07
0,00
2,65
0,11
12,57
0,00
Hakkari
2016
0,00
0,00
14,75
2,50
26,19
1,52
Hatay
2016
0,12
0,36
13,42
3,80
25,93
0,38
Iğdır
2016
0,07
0,00
1,93
0,22
14,14
0,00
Isparta
2016
1,14
0,00
2,15
1,19
26,19
0,00
İstanbul
2016
0,00
0,00
13,05
1,09
14,93
0,57
İzmir
2016
0,40
0,36
11,21
0,87
15,98
0,76
Kahramanmaraş
2016
0,27
0,18
1,99
0,65
26,19
0,19
Karabük
2016
0,99
0,00
4,22
0,00
2,88
0,00
Karaman
2016
0,99
0,00
0,15
0,11
1,83
0,00
Kars
2016
0,40
0,00
6,61
3,26
22,53
0,19
Kastamonu
2016
0,12
0,00
4,94
0,33
21,22
0,00
Kayseri
2016
0,36
0,00
2,67
0,33
18,86
0,19
Kırıkkale
2016
0,00
0,00
3,23
0,22
2,36
0,00
Kırklareli
2016
0,07
0,36
1,96
0,54
26,19
0,00
Kırşehir
2016
0,36
0,36
3,95
1,30
26,19
0,00
Kilis
2016
0,50
0,18
10,91
1,41
15,98
0,76
Kocaeli
2016
0,57
1,98
14,56
2,17
26,19
4,56
Konya
2016
0,74
0,18
3,97
1,96
8,12
0,19
Kütahya
2016
1,08
0,18
3,39
2,50
16,24
0,00
Malatya
2016
0,00
0,54
14,75
2,93
26,19
0,57
Manisa
2016
0,29
0,18
4,14
0,87
16,50
0,38
Mardin
2016
0,29
0,54
7,29
2,06
22,53
0,38
Mersin
2016
1,03
2,34
3,10
2,28
14,14
5,13
Muğla
2016
0,05
0,72
7,34
2,50
26,19
0,76
Muş
2016
0,20
0,36
5,85
2,06
10,48
1,90
Nevşehir
2016
0,90
0,18
7,39
4,35
9,69
0,00
Niğde
2016
3,09
3,06
3,27
2,39
3,67
0,95
Ordu
2016
0,04
0,18
5,25
0,43
12,05
0,38
Osmaniye
2016
1,34
0,72
14,75
0,22
18,34
0,00
Rize
2016
0,30
0,00
3,70
0,22
13,10
0,00
Sakarya
2016
0,64
0,00
8,27
1,52
23,84
0,00
Samsun
2016
0,01
0,18
7,37
0,54
25,93
0,38
Siirt
2016
0,75
0,00
6,03
2,17
8,12
2,85
Sinop
2016
0,00
0,54
6,27
0,87
26,19
0,38
Sivas
2016
1,20
0,00
3,58
0,43
16,24
0,76
Şanlıurfa
2016
0,44
0,54
9,38
2,17
22,00
0,38
Şırnak
2016
0,79
0,00
1,00
0,54
2,88
0,00
Tekirdağ
2016
0,00
0,18
7,98
0,54
24,62
0,00
Tokat
2016
0,30
0,18
6,87
1,30
8,12
0,19
Trabzon
2016
0,88
0,00
2,23
0,43
14,14
0,19
Tunceli
2016
0,00
0,36
13,91
0,33
7,07
0,19
Uşak
2016
0,56
0,18
2,70
0,22
11,79
0,00
Van
2016
0,76
0,00
0,19
0,00
0,79
0,00
Yalova
2016
0,94
0,00
0,00
0,00
3,67
0,00
Yozgat
2016
0,05
0,54
13,73
4,35
8,38
0,95
Zonguldak
2016
0,00
0,18
14,75
1,41
26,19
2,47
Çalışmaya konu olan yıllara ait Tablo 8’e benzer 10 adet çevrecilik hata matrisi bulunmakta-
dır. Her bir yıl kendi içinde kümeleme analizine tabi tutulmuş ve illerin her bir yıldaki 6 kriterin

Nisan 2020, C. 15, S. 1
225
birlikte değerlendirildiği kümeleme sonuçları elde edilmiştir Yapılan analizde küme sayısı tek
boyutlu kümeleme analizindeki gibi 5 olarak alınmıştır. Kümelemeler sıralanırken, kümelerdeki
toplam hataların küme elemanlarına bölümü ile elde edilen ortalama küme puanları kullanıl-
mıştır. Çalışmanın daha önceki kısmına benzer şekilde en iyi küme 1 en kötü 5 olarak alınmıştır.
Sonuçlar Tablo 9’da verilmiştir.
Tablo 9: Kriterlerin Birlikte Değerlendirildiğinde İllerin Yıllara Göre Dâhil Olduğu Kümeler
Coğrafi Bölge
İller
2001
2002
2003
2004
2006
2008
2010
2012
2014
2016
Akdeniz
Adana
3
5
2
1
1
1
1
1
1
1
Güneydoğu Anadolu
Adıyaman
3
5
5
5
5
4
4
4
5
5
Ege
Afyonkarahisar
3
5
5
5
4
3
3
2
2
3
Doğu Anadolu
Ağrı
4
5
5
5
5
4
4
4
3
4
İç Anadolu
Aksaray
2
2
4
3
2
2
5
2
3
4
Karadeniz
Amasya
3
5
5
5
5
4
4
4
5
5
İç Anadolu
Ankara
1
1
1
1
1
1
1
1
1
1
Akdeniz
Antalya
4
4
3
4
4
3
3
3
4
5
Doğu Anadolu
Ardahan
4
5
5
5
5
5
5
5
5
5
Karadeniz
Artvin
3
5
5
5
2
2
4
2
3
4
Ege
Aydın
2
4
3
4
4
3
3
3
4
3
Marmara
Balıkesir
3
5
4
3
2
2
1
2
2
3
Karadeniz
Bartın
3
5
5
5
5
2
1
2
3
4
Güneydoğu Anadolu
Batman
3
5
5
5
5
4
4
3
4
5
Karadeniz
Bayburt
3
5
5
5
5
4
4
4
5
5
Marmara
Bilecik
3
5
5
5
5
4
4
4
5
5
Doğu Anadolu
Bingöl
5
5
5
5
5
4
4
4
4
5
Doğu Anadolu
Bitlis
4
5
5
5
5
4
5
4
5
5
Karadeniz
Bolu
3
5
5
5
5
4
1
1
1
1
Akdeniz
Burdur
3
5
5
5
5
4
4
3
4
5
Marmara
Bursa
1
1
1
1
1
1
1
1
1
2
Marmara
Çanakkale
1
3
4
3
2
2
4
2
2
3
İç Anadolu
Çankırı
3
5
5
5
5
4
4
2
3
4
Karadeniz
Çorum
2
2
2
3
2
3
1
2
2
2
Ege
Denizli
3
5
5
5
5
3
2
3
4
5
Güneydoğu Anadolu
Diyarbakır
3
3
2
1
2
2
1
1
1
1
Karadeniz
Düzce
1
1
1
1
1
1
1
1
1
1
Marmara
Edirne
1
3
2
3
2
2
4
2
3
4
Doğu Anadolu
Elazığ
2
4
3
2
3
3
2
3
4
5
Doğu Anadolu
Erzincan
2
4
3
4
4
3
2
3
4
5
Doğu Anadolu
Erzurum
3
5
5
5
5
4
1
2
3
2
İç Anadolu
Eskişehir
1
1
1
1
1
1
1
1
1
1
Güneydoğu Anadolu
Gaziantep
1
2
3
2
1
1
1
1
1
2
Karadeniz
Giresun
5
5
5
5
5
5
3
4
5
5
Karadeniz
Gümüşhane
3
5
5
5
5
4
4
4
5
5
Doğu Anadolu
Hakkâri
5
5
5
5
5
5
5
5
5
5
Akdeniz
Hatay
4
5
5
4
4
3
3
4
5
5
Doğu Anadolu
Iğdır
4
4
3
4
4
3
5
5
5
5
Akdeniz
Isparta
1
2
2
3
2
2
1
2
2
2
Marmara
İstanbul
1
1
1
1
1
1
1
1
1
1
Ege
İzmir
2
2
3
2
3
3
1
1
1
1
Akdeniz
Kahramanmaraş
3
5
5
5
5
4
4
4
5
5
Karadeniz
Karabük
3
4
3
2
3
3
2
1
2
3
İç Anadolu
Karaman
2
4
3
4
4
3
2
3
4
5
Doğu Anadolu
Kars
3
5
5
5
5
4
4
2
3
4
Karadeniz
Kastamonu
3
5
4
5
5
2
4
2
3
4
İç Anadolu
Kayseri
3
5
3
2
3
3
2
3
4
5
İç Anadolu
Kırıkkale
1
3
2
1
1
1
1
2
3
1

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
226
Marmara
Kırklareli
3
5
5
5
5
4
4
4
2
3
İç Anadolu
Kırşehir
4
5
5
5
5
5
3
3
4
5
Güneydoğu Anadolu
Kilis
3
5
5
5
5
2
1
2
1
1
Marmara
Kocaeli
1
2
2
1
1
1
1
1
1
1
İç Anadolu
Konya
3
5
4
5
5
4
3
3
4
5
Ege
Kütahya
2
4
3
2
3
3
3
3
4
3
Doğu Anadolu
Malatya
3
5
5
2
3
3
2
3
4
5
Ege
Manisa
2
4
3
4
4
3
3
2
5
4
Güneydoğu Anadolu
Mardin
4
5
5
5
5
5
4
4
5
5
Akdeniz
Mersin
1
3
2
3
2
1
1
1
1
2
Ege
Muğla
4
4
3
4
4
3
3
3
2
3
Doğu Anadolu
Muş
5
5
5
5
5
5
5
5
5
5
İç Anadolu
Nevşehir
3
5
5
5
5
4
3
3
2
3
İç Anadolu
Niğde
2
4
3
4
4
3
3
3
4
5
Karadeniz
Ordu
5
5
4
3
2
2
5
2
3
3
Akdeniz
Osmaniye
4
5
3
4
4
3
3
3
4
5
Karadeniz
Rize
5
3
4
3
2
2
1
2
3
2
Marmara
Sakarya
1
3
2
1
2
1
1
1
1
2
Karadeniz
Samsun
1
3
2
3
2
2
1
2
3
1
Güneydoğu Anadolu
Siirt
3
5
5
5
5
4
3
3
1
2
Karadeniz
Sinop
3
5
5
5
5
4
4
4
3
4
İç Anadolu
Sivas
3
5
5
5
5
2
1
2
2
2
Güneydoğu Anadolu
Şanlıurfa
2
4
2
3
2
2
1
2
3
4
Güneydoğu Anadolu
Şırnak
4
5
5
5
5
4
4
4
5
5
Marmara
Tekirdağ
3
5
5
5
5
4
4
4
3
5
Karadeniz
Tokat
3
5
5
5
5
4
3
3
4
5
Karadeniz
Trabzon
2
2
4
3
2
2
1
2
3
2
Doğu Anadolu
Tunceli
3
5
5
5
5
4
4
4
4
5
Ege
Uşak
3
5
5
5
4
3
3
3
2
3
Doğu Anadolu
Van
2
4
3
4
4
3
3
3
4
5
Marmara
Yalova
1
1
1
1
1
1
1
1
1
1
İç Anadolu
Yozgat
3
5
5
5
5
4
4
4
5
5
Karadeniz
Zonguldak
1
3
2
3
2
2
1
2
2
2
Tablo 9, Tablo 7’ye benzer şekilde illerin yıllara ait kümeleme analizine göre değişimini gös-
termektedir. Tablo 7’de 6 kriterin çevrecilik hataları toplanmış ve tek boyutlu kümeleme analizi
sonuçları verilmiştir. Tablo 9’da ise 6 kriterin birlikte değerlendirildiği çevrecilik hatalarına göre
illerin kümeleri görülmektedir.
Tablo 9 ve Tablo 7’de aynı yıllara ait sıralamalara spearman korelasyon testi uygulandığında,
yıllara ait korelasyon sonuçları Tablo 10’da verilmiştir.
Tablo 10: Korelasyon Sonuçları
2001
2002
2003
2004
2006
2008
2010
2012
2014
2016
Ortalama
Korelasyon Sonuçları
0,90
0,83
0,85
0,83
0,89
0,86
0,87
0,89
0,92
0,90
0,87
Tablo 10 incelendiğinde tek boyutlu kümeleme analizi ile çok boyutlu kümeleme analizinin
sonuçları arasındaki benzerlik bulunduğu görülmüştür. Bütün yılların kümeleme sıralamaları
arasındaki korelasyonların ortalaması 0,87 bulunmuştur. Çok kriterin birlikte değerlendirildiği
kümeleme analizi ve tek boyutlu kümeleme analizi arasında pozitif yönde güçlü bir ilişki olduğu
söylenebilir.
6. Sonuç
Verilen hizmetler açısından kurumları değerlendirmek için Çok Kriterli Karar Verme yöntem-
lerine ve uzman görüşlerine sıkça başvurulmaktadır. Ayrıca benzer hizmet veren kurumlar belirli
özelliklerine göre kümeleme analizi ile gruplanmaktadır. Bu çalışmada, belediyelerin çevresel

Nisan 2020, C. 15, S. 1
227
hizmetleri ele alınmış ve çevresel hizmetleri ölçmek için altı kriter belirlenmiştir. Belirlenen altı
kriterin AHP ile önem dereceleri belirlenmiştir. Bu önem dereceleri Türkiye’deki 81 il belediye-
sinin çevrecilik ölçüm değerleri ile birlikte değerlendirilmiştir. Bu değerlendirme sonucunda be-
lediyelerin yıllar içinde Türkiye sıralamaları elde edilmiştir. Bu çalışmada da tek boyutlu küme-
leme analizi ile belediyelerin sıralanmasında kullanılan değerler ile gruplandırılmıştır. En uygun
küme sayısı, Elbow yöntemi ile ‘5’ olarak bulunmuştur. En iyi kümenin 1 en kötü kümenin 5
olduğu durumda kümeleme analizi performans ölçüm aracı olarak kullanılmıştır. Çalışmada ele
alınan yıllarda en iyi kümede İstanbul, Ankara, Bursa ve Eskişehir şehirleri; en kötü kümede ise
Ardahan, Hakkâri, Muş şehirleri bulunmaktadır. Bu çalışmada kümeleme analizi gruplandırma-
nın yanı sıra performans ölçüm aracı olarak kullanılmıştır. Çalışmada illerin yanı sıra coğrafi böl-
gelerin de kümeleme analizi ile performansı değerlendirilmiştir. Marmara bölgesi en başarılı
bölge olarak ortaya çıkmıştır.
İllerin yıllar içinde çevrecilik performansı, belediyelerin çevreci hizmetlerinin kalitesini de
gösterdiği söylenebilir. Yıllar içinde değişen yönetimlerin veya belediye başkanlarının etkisine
bakılarak yerel yönetimde belediye ve belediye başkanları performanslarına siyasi bir yorum
getirilebilir. Büyükşehir belediyelerinin diğer şehir belediyelerine göre performansları incelene-
rek, büyükşehir olmanın etkisi ölçülebilir. Siyasi parti değişimin belediyeler üzerindeki etkisini
ölçmek için yıllar içindeki parti değişimlerine bakılabilir. Belediye başkanın değişmesine göre
performansına bakarak belediye başkanları hakkında fikir sahibi olunabilir. Bu çalışmada uz-
manlar tarafından belirlenen kriterlerin ağırlıkları, aynı kriterleri kullanacak benzer çalışmalarda
kullanılabilir.

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
228
Kaynaklar
Bholowalia, Purnima; Kumar, Arvind (2014) “EBK-means: A Clustering Technique Based on Elbow Method and K-Means
in WSN”, International Journal of Computer Applications, 105(9), 17-24.
Bostancı, Bülent (2016), “Belediye Hizmet Kalitesinin Bulanık AHS Ağırlıkları ile Nominal Değerlemesi”, Electronic Jour-
nal of Map Technologies, 8(2), 110-130.
Cieszynska, Monika; Wesolowski, Marek; Bartoszewicz, Maria; Michalska, Malgorzata; Nowacki, Jacek (2012), “Appli-
cation of Physicochemical Data for Water-Quality Assessment of Watercourses in the Gdansk Municipality (South
Baltic coast)”, Environmental Monitoring and Assessment, 184(4), 2017-2029.
Güner, Samet (2017), “Toplu Ulaşım Sistemlerinde Operasyonel Etkinlik ve Hizmet Kalitesi Analizi”, Journal of Transpor-
tation and Logistics, 2(2), 33-48.
Güven, Ahmet; Şimşek, Gül (2018), “Yerel Yönetimlerin Sosyo Ekonomik Gelişimi ve Tanıtımı Açısından Film Platolarının
Önemi: Midwood Örneği”, Journal of Turkish Court of Accounts/Sayistay Dergisi, (108).
Hamurcu, Mustafa; Eren, Tamer (2015), “Ankara Büyükşehir Belediyesi’nde Çok Ölçütlü Karar Verme Yöntemi ile Mo-
noray Güzergâh Seçimi”, Transist, 8, 410-419.
Huang, Xiaohui; Ye, Yunming; Guo, Huifeng; Cai, Yi; Zhang, Haijun; Li, Yan (2014), “DSK-means: a New Kmeans-Type
Approach to Discriminative Subspace Clustering”, Knowledge-Based Systems, 70, 293-300.
Kodinarıya, Trupti M.; Makwana, Prashant R (2013), “Review on determining number of Cluster in K-Means Clustering”,
International Journal, 1(6), 90-95.
Mustafa, Mustafa A.; Al-Bahar, Jamal F. (1991), “Project Risk Assessment Using the Analytic Hierarchy Process”, IEEE
Transactions on Engineering Management, 38(1), 46-52.
Nydıck, Robert L.; Hill, Ronald P. (1992), “Using the Analytic Hierarchy Process to Structure the Supplier Selection Pro-
cedure”, International Journal of Purchasing and Materials Management, 28(2), 31-36.
Olson, David L.; Delen, Dursun (2008), Advanced Data Mining Techniques. Springer Science & Business Media.
Ramanathan, R. (2001), “A Note on the Use of The Analytic Hierarchy Process for Environmental Impact Assessment”,
Journal of Environmental Management, 63(1), 27-35.
Ray, Siddheswar; Turi, Rose H. (1999, December), “Determination of Number of Clusters in K-Means Clustering and
Application in Colour Image Segmentation”. In Proceedings of The 4th International Conference on Advances in
Pattern Recognition and Digital Techniques, 137-143.
Saaty, Thomas L. (2008), “Decision Making with the Analytic Hierarchy Process”. International Journal of Services Sci-
ences, 1(1), 83-98.
Syakur, M. A.; Khotimah, B. K.; Rochman, E. M. S.; Satoto, B. D. (2018, April), “Integration K-Means Clustering Method
and Elbow Method for Identification of the Best Customer Profile Cluster”, In IOP Conference Series: Materials
Science and Engineering, IOP Publishing, 336(1), 1-6.
Tucker, Conrad S.; Kim, Harrison. M.; Barker, Douglas E.; Zhang, Yuanhui (2010), “A ReliefF Attribute Weighting and X-
means Clustering Methodology for Top-Down Product Family Optimization”, Engineering Optimization, 42(7), 593-
616.
Türkiye İstatistik Kurumu (TÜİK), https://biruni.tuik.gov.tr/medas/?locale=tr (Erişim Tarihi: 03.01.2019 )
Vaidya, Omkarprasad S.; Kumar, Sushil (2006), “Analytic Hierarchy Process: An Overview of Applications”, European
Journal of Operational Research, 169(1), 1-29.
Witten, Ian H.; Frank, Eibe; Hall, Mark A. (2016), Data Mining: Practical Machine Learning Tools and Techniques, Mor-
gan Kaufmann.
Zengin, Eyüp (2009), “Yerel Yönetimler ve Çevre”, Journal of Qafqaz University, 26, 116-123.
Zha, Hongyuan; He, Xiaofeng; Ding, Chris; Gu, Ming; Simon, Horst (2002), “Spectral Relaxation for K-Means Clustering”,
In Advances in Neural Information Processing Systems, 1057-1064.
Zülfikar, Haluk; Beken, Nalan (2014), “Belediyeler ve Çevre Hizmetleri Üzerine Analitik Bir Bakış: Türkiye Örneği”. Sosyal
Siyaset Konferansları Dergisi, (66-67), 75-100.

Nisan 2020, C. 15, S. 1
229
Extended Summary
Using K-means Cluster Analysis for Assessment of Environmental Services of Municipalities
Municipalities have become important and indispensable units of public administration in all countries. While
these units provide services such as cleaning, sewerage, garbage collection and transportation to meet the daily needs
of the public, they also carry out many important tasks such as education, health and infrastructure, which are of great
importance for the country's development. In addition to the increasing service demands of the urban population as a
result of rapid urbanization, population growth and migration, new service demands of the population, which emerged
through technological development, are also met by local governments. The idea of the provision of services by local
and closest administrative units around the world increases the importance of local administrations (municipalities).
In this study, although municipalities have many duties and responsibilities, 81 provinces municipalities in Turkey
is evaluated in terms of environmental services. In this study, Turkey Statistical Institute (TSI), published by the related
municipal services between the years 2001-2016 statistics were used.
In order to measure the environmental services of municipalities; waste disposal rate, proportion of municipal
population served with waste service, proportion of municipal population served by waste water treatment plant, pro-
portion of municipal population served by sewerage network, proportion of municipal population served by drinking
water treatment plant, service by drinking and utility water network the proportion of the given municipal population
was determined as criteria.
Analytical Hierarchy Process (AHP), which is one of the Multi Criteria Decision Making (CCP) methods, was used to
determine the weights of the criteria The result of AHP shows that , the proportion of municipal population served by
drinking water treatment plant has the highest weight, while the proportion of municipal population served by
sewerage network has the lowest weight. Total environmental errors were calculated by multiplying the weights of all
criteria and the values of the related years. Decreasing the error of the year comparing to previous year means that;
the municipality has achieved better environmental values than the previous year.
According to calculated total environmental error; Diyarbakır, Adana, Kilis, Rize and Bolu provinces were determi-
ned to be the top 5 provinces showing the most development from year 2001 to 2016. When the rankings in all years
are evaluated together, in terms of environmental performance; Istanbul, Ankara, Kocaeli, Yalova, Eskisehir are seen
as the top five provinces. Hakkâri, Mus, Ardahan, Şırnak and Mardin are the last 5 provinces. According to calculated
total environmental error of all Turkey municipalities, there is a decrease in the relevant years.
In this study, clustering analysis was also used to evaluate the environmental errors of municipalities. With cluste-
ring analysis, the data is divided into similar groups. Total environmental errors, which consist of similar environmental
data of each province, were clustered with one-dimensional clustering analysis for each year. The K-means algorithm,
which is frequently used in clustering problems, is used in this study. Elbow method was used to determine the most
appropriate ‘k’ number in the K-means cluster analysis. It was determined that total environmental errors should be
divided into 5 clusters in each year. Clustering analysis identified clusters including provinces in the years studied. We
set the ranking from one to five, 1 best cluster, 5 worst cluster. According to the clustering analysis, when the clusters
including the provinces are examined, it can be observed that the provinces have moved to a better cluster or a lower
cluster. Istanbul, Ankara, Bursa and Eskisehir have managed to be in the first cluster each year. Şırnak, Mardin, Giresun,
Bitlis, Kahramanmaraş, Hatay, Bingöl and Ağrı were also sorted to be unsuccessful in terms of cluster analysis. When
the geographical regions are analyzed, it is seen that Marmara region is the most successful region in cluster analysis.
Marmara region was followed by İç Anadolu, Ege, Karadeniz, Akdeniz, Güney Anadolu and Doğu Anadolu regions.
In this study, weighted environmental errors were evaluated together with six criteria and multidimensional clus-
tering analysis was performed. Clusters including provinces were also determined by multidimensional analysis. It was
observed that the analysis yielded similar results with the one-dimensional clustering analysis. The similarity was reve-
aled by correlation results. The average of the correlations between two clustering analyzes was found (0,87). Thus, it
can be said that there is a strong positive relationship between the two analyzes.
As a result, environmental services of municipalities are discussed. Six criteria have been identified to measure
environmental services. With municipal statistics and AHP weights, environmentalism services in Turkey's 81 provinces
are calculated. These measurements were obtained over the years as a result of municipal rankings in Turkey. In this
study, the values used in the ranking of municipalities are grouped with one-dimensional clustering analysis. The best
number of clusters was found to be 5 by Elbow method. Cluster analysis was used as a performance measurement tool
when the best cluster named “1” and the worst cluster named “5”. In this study, Istanbul, Ankara, Bursa and Eskisehir
were the best cities in clustering analysis in the years discussed; Ardahan, Hakkâri and Muş are the worst cities in the

Eskişehir Osmangazi Üniversitesi İİBF Dergisi
230
worst clusters. In the study, the performance of geographic regions was also evaluated by cluster analysis. Marmara
region has emerged as the most successful region. As a result of this study, municipalities which has poor performance
can take consideration in to the criteria so can improve their environmental services. Thus, managers who increase this
environmental service may be more advantageous in future elections.
In the future it may be improved by adding different criteria in addition to this study. Different weighting methods
can be used other than AHP. With the help of the results obtained, the performance of the provinces can be evaluated
and the results can be compared. With the findings obtained, the superiority and weaknesses of the provinces against
each other can be examined and decisions can be taken by the municipal administration. At the same time, political
party leaders can make decisions about mayors and their administrations based on environmentalism measures.