Conference Paper
BibTex RIS Cite

AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ

Year 2021, Volume: 16 Issue: 1, 121 - 135, 29.06.2021
https://doi.org/10.48145/gopsbad.796137

Abstract

Enerji kaynakları ve kullanımı her zaman ülkelerin göz ardı edemeyeceği bir konu olmuştur. Çalışmada enerji kullanımları açısından en yüksek ikinci değere sahip olan Avrupa Bölgesi ülkeleri bulanık kümeleme yöntemleri ile incelenmiştir. Veriler Avrupa Bölgesi içerisinde yer alan ülkelerin 1990-2017 yılları arasındaki Dünya Bankası veri tabanında bulunan 13 adet enerji verisinden oluşmaktadır. Uygulamada R programlama dilinde bulanık kümeleme yöntemleri, küme geçerlilik indeksleri ve görselleştirme yöntemleri kullanılmıştır. Bulanık kümeleme sonuçları üç ana küme altında toplanacak şekilde elde edilmiştir. Kümeler enerji kullanımı düzeyine göre yüksek, orta ve düşük olacak şekilde belirlenmiştir. Yüksek düzey enerji kullananlar ülkeler Almanya, Fransa, İngiltere, İtalya, İspanya şeklindedir. Polonya, Türkiye ve Ukrayna orta düzey enerji kullanan ülkeler arasındadır. Diğer ülkeler ise düşük düzey enerji kullanımı kümesindedir. Çalışmadan elde edilen sonuçların, enerji politikalarına katkı sağlaması beklenmektedir.

References

  • Aksoy M. (2016). Dünyanın Enerji Görünümü, İHH İnsani ve Sosyal Araştırmalar Merkezi, Araştırma Raporları.
  • Atal, S. (2015). Bulanık kümeleme analizi ve OECD ülkelerinin gelişmişlik bakımından kümelendirilmesi (Master's thesis, ESOGÜ, Fen Bilimleri Enstitüsü).
  • Avrupa Çevre Ajansı, (2019). Avrupa’da Enerji — Mevcut durum. https://www.eea.europa.eu/tr/isaretler/isaretler-2017-avrupa2019da-enerjinin-gelecegini/makaleler/avrupa2019da-enerji-2014-mevcut-durum
  • Bezdek, J.C. (1974). Cluster validity with fuzzy sets. J. Cybern., 3: 58-73.
  • Bezdek J.C., (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum. NY. https://isbnsearch.org/isbn/0306406713
  • Bluszcz, A. (2017). European economies in terms of energy dependence. Quality & Quantity, 51(4), 1531-1548.
  • Bocquillon, P., & Maltby, T. (2020). EU energy policy integration as embedded intergovernmentalism: the case of Energy Union governance. Journal of European Integration, 42(1), 39-57.
  • Brodny, J., & Tutak, M. (2020). Analyzing similarities between the European Union countries in terms of the structure and volume of energy production from renewable energy sources. Energies, 13(4), 913.
  • Campello, R. J., & Hruschka, E. R. (2006). A fuzzy extension of the silhouette width criterion for cluster analysis. Fuzzy Sets and Systems, 157(21), 2858-2875.
  • Erilli, N.A. (2009). Kümeleme Analizine Bulanık Yaklaşım Algoritmaları ve Uygulamaları, 19 Mayıs Üniv., Fen Bilimleri Enst., Yayınlanmamış Yüksek Lisans Tezi, Samsun.
  • Erilli, N. A., & Karaköy, Ç. (2015). Türk Cumhuriyetlerinin Bulanık Kümeleme Analizi ile Belirlenen Ekonomik Göstergelerle Sınıflandırılması. International Conference on Eurasian Economies, Session 6B: Bölgesel Ekonomiler II, 305-310.
  • European Statiscal System, Eurostat Documents, (12 February 2019). Renewable energy in the EU. https://ec.europa.eu/eurostat/data/database
  • Fan, J. L., Wu, C. M., & Ma, Y. L. (2000, August). A modified partition coefficient. In WCC 2000-ICSP 2000. 2000 5th International Conference on Signal Processing Proceedings. 16th World Computer Congress 2000 (Vol. 3, pp. 1496-1499). IEEE.
  • Ferraro, M.B. & Giordani, P. (2015). A toolbox for fuzzy clustering using the R programming language. Fuzzy Sets and Systems, 279, 1-16. http://dx.doi.org/10.1016/j.fss.2015.05.001
  • Hathaway RJ, Bezdek JC., (2003). Pattern Recognition Letters 24, 1563–1569.
  • Huband JM, Bezdek JC. In: J.M. Zurada et al. (eds.), (2008). WCCI 2008, LNCS 5050, pp. 293–308.
  • http://cran.r-project.org/web/packages/fclust/index.html, Erişim(12/12/2019)
  • https://www.iea.org/reports/renewables-2019, Erişim (10/11/2019)
  • Kassambara, A. & Mundt, F. (2017). factoextra: Extract and Visualize the Results of Multivariate Data Analyses. R package version 1.0.5. https://CRAN.R-project.org/package=factoextra
  • Klawonn F., Chekhtman V., Janz E., (2003). Visual inspection of fuzzy clustering results. In Benitez J.M., Cordon O., Hoffmann, F., Roy R. (Eds.): Advances in Soft Computing - Engineering Design and Manufacturing, pp. 65-76. Springer, Londo
  • Klawonn F, H¨oppner F., (2003). In: Advances in intelligent data analysis (LNCS 2779, pp. 254-264).
  • Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M. & Hornik, K.(2017). cluster: Cluster Analysis Basics and Extensions. R package version 2.0.6. https://CRAN.R- project.org/package=cluster
  • Parobek, J., Paluš, H., Kalamárová, M., Loučanová, E., Šupín, M., Križanová, A., & Štofková, K. R. (2016). Energy Utilization of Renewable Resources in the European Union―Cluster Analysis Approach. BioResources, 11(1), 984-995.
  • Krishnapuram, R., Joshi, A., Nasraoui, O., & Yi, L. (2001). Low-complexity fuzzy relational clustering algorithms for web mining. IEEE transactions on Fuzzy Systems, 9(4), 595-607.
  • Sepehr, M. J., Haeri, A., & Ghousi, R. (2019). A cross-country evaluation of energy efficiency from the sustainable development perspective. International Journal of Energy Sector Management.
  • Xie L., Beni G., (1991). A Validity Measure For Fuzzy Clustering, IEEE Trans. On Pattern Analysis And Machine Int. 13(4),pp 841-846.
  • Türe, H., & Başer, F. (2015). Bulanık C-Ortalama Kümeleme Algoritması İle Ülke Risk Değerlendirmesi. Ekonometri ve Istatistik Dergisi, (23), 16-33.
  • Türkiye Cumhuriyeti Enerji ve Tabi Kaynaklar Bakanlığı, (2019). Enerji Verimliliği. Erişim (10/11/2019)
  • Yorkan, A. (2009). Avrupa Birliği'nin Enerji Politikası ve Türkiye'ye Etkileri. Bilge Strateji, 1(1), 24-39.
  • Zippel, W. (2006). “Enerji Kaynaklarını Çeşitlendirme Yaklaşımları Altında AB’nin Enerji Politikası”, Avrupa ve Orta Asya Arasındaki Enerji Köprüsü Türkiye, Editörler: Werner Gumpel-Alpay Hekimler, Konrad-Adenauer-Stiftung Yayını, Ankara.

ANALYSİS of EUROPEAN REGİON COUNTRİES by FUZZY CLUSTERİNG METHODS in TERMS of ENERGY USE

Year 2021, Volume: 16 Issue: 1, 121 - 135, 29.06.2021
https://doi.org/10.48145/gopsbad.796137

Abstract

Energy resources and their use have always been an issue that countries cannot ignore. The study examined the countries of the European region that have the second highest value in terms of energy use. The study data covers 13 pieces of energy data from the World Bank database of countries within the European region between 1990-2017. Fuzzy clustering methods, cluster validity indexes and visualization methods were used in the R programming language. Fuzzy clustering results were obtained in such a way that they are grouped under three main clusters. Clusters are determined to be high, medium and low according to the level of energy use. Germany, France, England, Italy, and Spain are among the countries that consume a lot of energy. Poland, Turkey, and Ukraine are among the countries that consume medium amounts of energy. Other countries are in the cluster of low energy use. The results obtained from the study are expected to contribute to energy policies.

References

  • Aksoy M. (2016). Dünyanın Enerji Görünümü, İHH İnsani ve Sosyal Araştırmalar Merkezi, Araştırma Raporları.
  • Atal, S. (2015). Bulanık kümeleme analizi ve OECD ülkelerinin gelişmişlik bakımından kümelendirilmesi (Master's thesis, ESOGÜ, Fen Bilimleri Enstitüsü).
  • Avrupa Çevre Ajansı, (2019). Avrupa’da Enerji — Mevcut durum. https://www.eea.europa.eu/tr/isaretler/isaretler-2017-avrupa2019da-enerjinin-gelecegini/makaleler/avrupa2019da-enerji-2014-mevcut-durum
  • Bezdek, J.C. (1974). Cluster validity with fuzzy sets. J. Cybern., 3: 58-73.
  • Bezdek J.C., (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum. NY. https://isbnsearch.org/isbn/0306406713
  • Bluszcz, A. (2017). European economies in terms of energy dependence. Quality & Quantity, 51(4), 1531-1548.
  • Bocquillon, P., & Maltby, T. (2020). EU energy policy integration as embedded intergovernmentalism: the case of Energy Union governance. Journal of European Integration, 42(1), 39-57.
  • Brodny, J., & Tutak, M. (2020). Analyzing similarities between the European Union countries in terms of the structure and volume of energy production from renewable energy sources. Energies, 13(4), 913.
  • Campello, R. J., & Hruschka, E. R. (2006). A fuzzy extension of the silhouette width criterion for cluster analysis. Fuzzy Sets and Systems, 157(21), 2858-2875.
  • Erilli, N.A. (2009). Kümeleme Analizine Bulanık Yaklaşım Algoritmaları ve Uygulamaları, 19 Mayıs Üniv., Fen Bilimleri Enst., Yayınlanmamış Yüksek Lisans Tezi, Samsun.
  • Erilli, N. A., & Karaköy, Ç. (2015). Türk Cumhuriyetlerinin Bulanık Kümeleme Analizi ile Belirlenen Ekonomik Göstergelerle Sınıflandırılması. International Conference on Eurasian Economies, Session 6B: Bölgesel Ekonomiler II, 305-310.
  • European Statiscal System, Eurostat Documents, (12 February 2019). Renewable energy in the EU. https://ec.europa.eu/eurostat/data/database
  • Fan, J. L., Wu, C. M., & Ma, Y. L. (2000, August). A modified partition coefficient. In WCC 2000-ICSP 2000. 2000 5th International Conference on Signal Processing Proceedings. 16th World Computer Congress 2000 (Vol. 3, pp. 1496-1499). IEEE.
  • Ferraro, M.B. & Giordani, P. (2015). A toolbox for fuzzy clustering using the R programming language. Fuzzy Sets and Systems, 279, 1-16. http://dx.doi.org/10.1016/j.fss.2015.05.001
  • Hathaway RJ, Bezdek JC., (2003). Pattern Recognition Letters 24, 1563–1569.
  • Huband JM, Bezdek JC. In: J.M. Zurada et al. (eds.), (2008). WCCI 2008, LNCS 5050, pp. 293–308.
  • http://cran.r-project.org/web/packages/fclust/index.html, Erişim(12/12/2019)
  • https://www.iea.org/reports/renewables-2019, Erişim (10/11/2019)
  • Kassambara, A. & Mundt, F. (2017). factoextra: Extract and Visualize the Results of Multivariate Data Analyses. R package version 1.0.5. https://CRAN.R-project.org/package=factoextra
  • Klawonn F., Chekhtman V., Janz E., (2003). Visual inspection of fuzzy clustering results. In Benitez J.M., Cordon O., Hoffmann, F., Roy R. (Eds.): Advances in Soft Computing - Engineering Design and Manufacturing, pp. 65-76. Springer, Londo
  • Klawonn F, H¨oppner F., (2003). In: Advances in intelligent data analysis (LNCS 2779, pp. 254-264).
  • Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M. & Hornik, K.(2017). cluster: Cluster Analysis Basics and Extensions. R package version 2.0.6. https://CRAN.R- project.org/package=cluster
  • Parobek, J., Paluš, H., Kalamárová, M., Loučanová, E., Šupín, M., Križanová, A., & Štofková, K. R. (2016). Energy Utilization of Renewable Resources in the European Union―Cluster Analysis Approach. BioResources, 11(1), 984-995.
  • Krishnapuram, R., Joshi, A., Nasraoui, O., & Yi, L. (2001). Low-complexity fuzzy relational clustering algorithms for web mining. IEEE transactions on Fuzzy Systems, 9(4), 595-607.
  • Sepehr, M. J., Haeri, A., & Ghousi, R. (2019). A cross-country evaluation of energy efficiency from the sustainable development perspective. International Journal of Energy Sector Management.
  • Xie L., Beni G., (1991). A Validity Measure For Fuzzy Clustering, IEEE Trans. On Pattern Analysis And Machine Int. 13(4),pp 841-846.
  • Türe, H., & Başer, F. (2015). Bulanık C-Ortalama Kümeleme Algoritması İle Ülke Risk Değerlendirmesi. Ekonometri ve Istatistik Dergisi, (23), 16-33.
  • Türkiye Cumhuriyeti Enerji ve Tabi Kaynaklar Bakanlığı, (2019). Enerji Verimliliği. Erişim (10/11/2019)
  • Yorkan, A. (2009). Avrupa Birliği'nin Enerji Politikası ve Türkiye'ye Etkileri. Bilge Strateji, 1(1), 24-39.
  • Zippel, W. (2006). “Enerji Kaynaklarını Çeşitlendirme Yaklaşımları Altında AB’nin Enerji Politikası”, Avrupa ve Orta Asya Arasındaki Enerji Köprüsü Türkiye, Editörler: Werner Gumpel-Alpay Hekimler, Konrad-Adenauer-Stiftung Yayını, Ankara.
There are 30 citations in total.

Details

Primary Language Turkish
Journal Section Research Article
Authors

Ahmet Sel 0000-0003-1914-5878

Publication Date June 29, 2021
Submission Date September 16, 2020
Acceptance Date May 12, 2021
Published in Issue Year 2021 Volume: 16 Issue: 1

Cite

APA Sel, A. (2021). AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ. Sosyal Bilimler Araştırmaları Dergisi, 16(1), 121-135. https://doi.org/10.48145/gopsbad.796137
AMA Sel A. AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ. JSSR. June 2021;16(1):121-135. doi:10.48145/gopsbad.796137
Chicago Sel, Ahmet. “AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ Ile ANALİZİ”. Sosyal Bilimler Araştırmaları Dergisi 16, no. 1 (June 2021): 121-35. https://doi.org/10.48145/gopsbad.796137.
EndNote Sel A (June 1, 2021) AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ. Sosyal Bilimler Araştırmaları Dergisi 16 1 121–135.
IEEE A. Sel, “AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ”, JSSR, vol. 16, no. 1, pp. 121–135, 2021, doi: 10.48145/gopsbad.796137.
ISNAD Sel, Ahmet. “AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ Ile ANALİZİ”. Sosyal Bilimler Araştırmaları Dergisi 16/1 (June 2021), 121-135. https://doi.org/10.48145/gopsbad.796137.
JAMA Sel A. AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ. JSSR. 2021;16:121–135.
MLA Sel, Ahmet. “AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ Ile ANALİZİ”. Sosyal Bilimler Araştırmaları Dergisi, vol. 16, no. 1, 2021, pp. 121-35, doi:10.48145/gopsbad.796137.
Vancouver Sel A. AVRUPA BÖLGESİ ÜLKELERİNİN ENERJİ KULLANIMLARI AÇISINDAN BULANIK KÜMELEME YÖNTEMLERİ ile ANALİZİ. JSSR. 2021;16(1):121-35.


Creative Commons Lisansı
Bu eser Creative Commons Atıf 4.0 Uluslararası Lisansı ile lisanslanmıştır.