Akademik Veri Yönetim Sistemi
Icsas 5th International Conference on Applied Sciences, İzmir, Türkiye, 15 - 17 Ağustos 2025, ss.97-107, (Tam Metin Bildiri)
Bu çalışma, IKEA Endonezya'ya ait sandalye ürünlerinden oluşan bir veri seti kullanılarak, yapay sinir ağı tabanlı modellerle satış tahminleri yapmayı amaçlamaktadır. Veri setinde ürün adı, ürün açıklaması, kategori bilgisi ve fiyat gibi çeşitli öznitelikler yer almakta olup, bu değişkenler modelin satış miktarlarını tahmin etmesi için temel girdiler olarak değerlendirilmiştir. Çalışmanın temelinde, çok katmanlı algılayıcı (Multi-Layer Perceptron - MLP) mimarileri yer almakta ve farklı katman yapılarına sahip modeller karşılaştırmalı olarak incelenmiştir. Hedef, en düşük hata oranıyla en yüksek doğruluğu sağlayan mimariyi belirlemektir. Model eğitim sürecinde performansı değerlendirmek için RMSE (Kök Ortalama Kare Hatası), MAE (Ortalama Mutlak Hata), MAPE (Ortalama Mutlak Yüzde Hatası) ve R² (determinasyon katsayısı) gibi metrikler kullanılmıştır. Deneysel sonuçlar, dört katmandan oluşan MLP-4L (256-128-64-1) modelinin diğer modellere kıyasla daha başarılı olduğunu ortaya koymaktadır. Bu model, neredeyse hatasız tahminler yaparak R² değerini 1.0000 seviyesine çok yakın bir noktada tutmayı başarmıştır. Bu da modelin, karmaşık ilişkileri doğru biçimde öğrenme kapasitesinin oldukça yüksek olduğunu göstermektedir. Ayrıca, bazı modellerde Dropout gibi düzenlileştirici tekniklerin kullanılması sayesinde aşırı öğrenmenin (overfitting) önüne geçilmiş ve modelin genelleme kabiliyeti önemli ölçüde artırılmıştır. Basit yapılar düşük doğruluk sergilerken, aşırı karmaşık modellerin ise öğrenme süreci zorlaşmış ve bu durum tahmin başarısını olumsuz etkilemiştir. Dolayısıyla, model mimarisi tasarımı bu tür uygulamalarda büyük önem taşımaktadır. Sonuç olarak, yapay sinir ağı tabanlı yaklaşımların satış tahmininde oldukça etkili olduğu görülmektedir. Bu çalışma, e-ticaret platformlarında karar destek sistemlerinin daha doğru ve güvenilir şekilde geliştirilmesine katkı sunmaktadır. Ayrıca, bu yöntem sayesinde işletmeler ürün taleplerini daha isabetli öngörebilir, stok-planlama süreçlerini daha verimli ve stratejik şekilde yürütebileceği düşünülmektedir.