TÜRKİYE'NİN IRAK'A AYLIK TAVUK ETİ İHRACATININ TAHMİNİ İÇİN ZAMAN SERİSİ MODELLERİ İLE YAPAY SİNİR AĞI MODELLERİNİN KARŞILAŞTIRILMASI

Özet

Tarım ürünleri ihracatının doğru bir şekilde tahmin edilmesi, özellikle dalgalanma ve siyasi belirsizliklerin yoğun olduğu piyasalarda etkili ticaret planlaması açısından kritik öneme sahiptir. Bu çalışma, Türkiye’nin Irak’a yönelik aylık tavuk eti ihracatını tahmin etmede geleneksel zaman serisi modelleri ile yapay sinir ağı modellerinin tahmin performansını karşılaştırmaktadır. Ocak 2010–Aralık 2020 dönemine ait aylık ihracat verileri, UN Comtrade ve Türkiye İstatistik Kurumu (TÜİK) kaynaklarından elde edilmiş olup, Otoregresif Bütünleşik Hareketli Ortalama (ARIMA) modeli ile İleri Beslemeli Yapay Sinir Ağı (FFNN) modeli kullanılarak analiz edilmiştir. ARIMA modeli Box–Jenkins metodolojisi çerçevesinde oluşturulurken, yapay sinir ağı modeli gecikmeli ihracat değerlerini girdi olarak kullanan denetimli öğrenme yaklaşımıyla eğitilmiştir. Tahmin doğruluğu MAE, RMSE, AIC ve R² ölçütleri kullanılarak değerlendirilmiştir. Bulgular, tavuk eti ihracatının özellikle bölgesel istikrarsızlık dönemlerinde doğrusal olmayan ve dalgalı bir yapı sergilediğini ortaya koymaktadır. Ampirik sonuçlar, FFNN modelinin ARIMA modeline kıyasla daha düşük tahmin hataları ve daha yüksek uyum iyiliği sağladığını göstermektedir. Bu bulgular, yapay sinir ağı tabanlı modellerin Türkiye–Irak arasındaki tavuk eti ihracatının tahmininde daha güvenilir bir araç sunduğunu ve ihracatçılar ile politika yapıcılar için karar alma süreçlerini destekleyebileceğini göstermektedir.