Kümeleme yöntemleri; verinin kümelere nasıl atandıklarına, başka bir deyişle,
hangi türde bölünmeler oluşturduklarına göre ayrılırlar. Klasik kümeleme yöntemlerinde
her birim kesin olarak bir kümeye atanmak zorundadır. Bu yöntemler, veri setini eksiksiz
olarak boş olmayan ve ikili ayrık alt gruba ayrıştıran bölünmeler üretir. Zadeh tarafından
geliştirilen bulanık küme teorisi ile açıklanan “üyelik fonksiyonu” ile kesin olarak ait olma
durumu ortadan kalkmış ve klasik kümelemeye alternatif olan Bulanık Kümeleme Yöntemi
ortaya çıkmıştır. Bulanık kümeleme yönteminin kullanımı, belirsiz küme üyelikleri
hakkında bilgi sağlar. Bulanık kümeleme, her bir birimin sadece tek bir kümeye atanma
zorunluğunu ortadan kaldırarak, her bir birimin belli üyelik dereceleriyle tüm kümelere üye
olduğu bir kümeleme yöntemine dönüştürür.
Bu tez çalışmasında Ekononomik İşbirliği ve Kalkınma Örgütü (OECD- The
Organization for Economic Co-operation and Development) üyesi 34 ülkenin sosyoekonomik
yapılarını gösteren 30 değişkene ait veriler kullanılmıştır. Ülkelerin ekonomik
performansını gösteren makro-ekonomik ve sosyo-kültürel göstergeler ile örgütlenmede
yer alan bu ülkelerin gelişmişlik bakımından hangileriyle benzeştiğinin, hangileriyle
farklılaşma gösterdiğinin ortaya konulması hedeflenmiştir. Bu amaçla bulanık kümeleme
analizinden yararlanılmıştır. Bulanık kümeleme analizi hem MATLAB hem de R paket
programları kullanılarak gerçekleştirilmiş, sonuçlar karşılaştırılmıştır. Ek olarak aynı
veriye klasik kümeleme yöntemlerinden olan k-medoid kümeleme yöntemi uygulanarak
bulanık kümeleme sonuçları ile karşılaştırılmıştır. Uygulama sonucunda bulanık kümeleme
ve k-medoid kümeleme yöntemleri ile OECD ülkeleri gelişmiş ve daha az gelişmiş olmak
üzere iki ayrı kümeye ayrılmıştır. Ülkelerin yer aldıkları kümeler bulanık kümeleme
yöntemi ve k-medoid kümeleme yöntemine göre farklılık göstermiştir.
Clustering methods split up according to how data is assigned to clusters, in other
words, what kinds of groups they create. In classical clustering methods, each unit
certainly has to be assigned to one cluster. These methods generate the groups which
seperate the data set to completely non-empty and dual discrete subgroup. With
“Membership Function” described by the fuzzy set theory developed by Zadeh, definitely
belonging situation disappeared and Fuzzy Clustering Method which is an alternative to
classical clustering arose. The use of fuzzy clustering method provides information about
improper cluster memberships. Fuzzy clustering eliminates the necessity that each unit is
assigned to only one cluster, converts to a clustering method which each unit is a member
of all clusters with certain degrees of membership.
In this thesis study, the datas belonging to 30 variables which shows the socioeconomic
structures of 34 countries that are members of The Organization for Economic
Co-operation and Development(OECD) were used. Revealing that these countries in the
organization are similar to which of these, shows differentiation with which of these in
terms of development with macro-economic and socio-cultural indicators showing
economic performances of countries was aimed. For this purpose, fuzzy clustering analysis
was used. Fuzzy clustering analysis was performed by using both MATLAB and R
packaged softwares, the results were compared. Additionally, k-medoids clustering method
which is one of classical clustering methods was applied to the same data, compared with
the results of fuzzy clustering. As a result of the application, OECD countries were divided
into two seperate clusters including developed and least developed with fuzzy clustering
and K-medoids clustering. The clusters which the countries located in varied depending on
fuzzy clustering method and k-medoids clustering method.
