Yapay Sinir Ağları ve Bulanık Mantıkla Gayrimenkul Değerleme Modelinin Oluşturulması: Samsun Örneği

Abstract

Taşınmaz değerleme ülkemizde gün geçtikçe önemi daha da anlaşılan ve akademik çalışmalara konu olan bir alandır. Bu alan için oluşturulacak bir modelleme; vergilendirme, kamulaştırma, kredi vb. gibi önemli işler için yapılacak değer tespitinin daha doğru ve daha objektif olmasını sağlayacaktır. Bu modelleme bir çok farklı yöntemle yapılabilir. Bilgisayar teknolojilerinin gelişmesiyle modellemeler yapay zeka ile hızlı ve yüksek doğruluklu olarak oluşturulabilmektedir. Bu modellemenin oluşturulabileceği başlıca yapay zeka yöntemleri; destek vektör makinesi, genetik algoritmalar, kaotik modelleme, robotik, yapay sinir ağları ve bulanık mantıktır. Bulanık mantık, düşünceyi taklit eden ve taşınmaz değerleme konusunda sözel verilen de oluşturulan modele katılmasını sağlayan bir yöntemdir bu da taşınmaz değerleme konusu için bulanık mantık yönteminin oldukça kullanılabilir olduğunu gösterir. Diğer bir yapay zeka yöntemi olan yapay sinir ağları da girdi ve çıktı verileri arasında ağırlıklarla bağlantı kurarak değerin hızlı ve güvenilir olarak belirlenmesine yardımcı olan bir yöntemdir. Çalışmada yapay zeka yöntemlerinden olan bulanık mantık ve yapay sinir ağları taşınmaz değerleme üzerinde kullanılmıştır. Bu yöntemlerden elde edilen değerler rapor değerleriyle karşılaştırılarak yapay zeka yöntemlerinin taşınmaz değerleme modeli oluşturulmasındaki hızı ve doğruluğu incelenmiştir. Her iki yöntem ayrı ayrı Matlab üzerinde kullanılarak taşınmaz değerleme modelleri oluşturulmuştur. Oluşturulan modelleme için, Samsun ilinin merkez ilçeleri olan Atakum, İlkadım ve Canik'te seçilen taşınmazlar kullanılmıştır. Değerleme bölgesi olarak seçilen Atakum Mimarsinan Mahallesi, İlkadım Fevzi Çakmak Mahallesi ve Canik Hasköy Mahallesi'nde taşınmazlar homojen olarak bir bölgeden alınmıştır. Her bir modelleme için sekiz adet kriter belirlenmiştir. Bu kriterler; alan, oda sayısı, bina yaşı, kat kriteri, ısıtma tipi, banyo sayısı ve balkon sayısıdır. Kriterler puanlanmış ve maksimum-minimum normalizasyonu kullanılarak puanlar normalize edilmiştir. Normalize edilen puanlar her bir mahalle için oluşturulan yazılım ortamına girilerek modellemeler oluşturulmuş ve taşınmazların yaklaşık değerleri belirlenmiştir. Sonuç verileri, taşınmaz değerleme raporlarındaki değerlerle karşılaştırılarak yöntemlerin taşınmaz değerleme alanında kullanılabilirliği gösterilmiştir.Real estate appraisal is an area whose importance increased day by day in our country and subject to academic studies. A real estate valuation model offers more precise and more objective assessment of value for significant works such as taxation, expropriation and credit. This model can be made in many different ways. With the development of computer technologies, high accuracy models can be generated rapidly using artificial intelligence. The main artificial intelligence methods that this modeling can create are support vector machine, genetic algorithms, chaotic modeling, robotics, neural networks and fuzzy logic. Fuzzy logic is a method that imitates human thought and allows non graphic data on real estate valuation to be included in the model. This implies that the Fuzzy logic approach is extremely functional in the valuation of real estate. Artificial neural networks, another form of artificial intelligence, are a method that allows rapid and accurate evaluation of value by creating a relation between the input and output data. In the study, fuzzy logic and artificial neural networks, which are artificial intelligence methods were used on real estate valuation. By comparing the values obtained from these methods with the report values, the speed and accuracy of artificial intelligence methods in establishing an real estate appraisal model was examined. Models of the real estate appraisal values were created by using both methods seperately on Matlab. The created model was constructed by using real estate properties selected in Atakum, İlkadım and Canik, the central districts of Samsun. One neighborhood is selected from each central district. Atakum Mimarsinan, İlkadım Fevzi Çakmak and Canik Hasköy were selected as valuation zones and the real estate were taken from a region homogeneously. Eight criteria have been determined for each model. These are area, number of rooms, age of the building, the floor where the apartment is located, total number of floors, type of heating, number of bathrooms and balconies. Criteria were scored and scores were normalized using maximum-minimum normalization. Models were created by entering the normalized scores into the software environment created for each neighborhood, and then, approximate values of real estates were determined. The results data were compared with the data in the real estate valuation reports and the usability of the methods in the real estate appraisal area was shown.