Yusuf UZUN 1 , Gülay TEZEL 2 , Pınar PEKTEKİN 3

1. KONYA İLİ SEYDİŞEHİR İLÇESİNDE YAŞAYAN ENGELLİLERE AİT VERİLERİN VERİ MADENCİLİĞİ METODU İLE ANALİZİ Yusuf UZUN1, Gülay TEZEL2, Pınar PEKTEKİN3 (1) Necmettin Erbakan Üniversitesi, Seydişehir Meslek Yüksekokulu, Seydişehir, KONYA (2) Selçuk Üniversitesi, Mühendislik Mimarlık Fakültesi, Bilgisayar Mühendisliği Bölümü, KONYA (3) Bahçeşehir Üniversitesi, Bilgisayar Teknolojileri ve Programlama Bölümü, İSTANBUL

2. ÖZET • Seydişehir Kaymakamlığı tarafından Konya’nın Seydişehir ilçesinde yaşayan engellilere yönelik bir engelli tespit çalışması yapılmıştır. • İlçedeki toplam engelli sayısı 1022 kişi olarak tespit edilmiştir. • Engellilerle ilgili sağlıklı bilgilerin bulunmaması pek çok hizmeti planlayıp programlayabilme konusunda önemli bir sorun teşkil etmektedir. • Yapılan çalışmada engellilerin kişisel bilgileri, engelliliğine dayalı bilgiler, kullandıkları yardımcı cihazlar, sosyal durumları, eğitim ve çalışma durumlarına ait bilgiler tespit edilmiştir. • Bu veriler üzerinde veri madenciliği yöntemlerinden karar ağacı algoritması uygulanarak bir takım analiz çalışmaları gerçekleştirilmiştir. • Veri madenciliği, büyük hacimli veri yığınları içerisinden karar çıkarımı yapabilmek için potansiyel olarak faydalı olabilecek, uygulanabilir ve anlamlı bilgilerin çıkarılmasını sağlayan bir yöntemdir. • Yapılan analizler sonucunda engellilerle ilgili konularda alınacak sağlıklı kararların üretilmesini etkileyen faktörler belirlenmiş, çeşitli engelli profilleri çıkartılmış ve meseleyi esaslı olarak ele almak için gerekli sonuçlar tespit edilmiştir.

3. VERİ MADENCİLİĞİ • Veri madenciliği, büyük hacimli veri yığınları içerisinden karar alabilmek için potansiyel olarak faydalı olabilecek, uygulanabilir ve anlamlı bilgilerin çıkarılmasında kullanılan yöntemdir. • Veri madenciliği mevcut problemleri çözmek, kritik kararları almak veya geleceğe yönelik tahminleri yapmak için gerekli olan bilgileri elde etmeye yarayan bir araçtır. • Ortaya çıkarılması hedeflenen bilgiler üstü kapalı, çok net olmayan, önceden bilinmeyen, daha önce keşfedilmemiş ancak potansiyel olarak kullanışlı anlamlı ve kritik bilgilerdir. • Veri madenciliğinin iki temel fonksiyonu vardır: tahmin veya öngörü fonksiyonları (sınıflandırma, regresyon vb.), tanımlama fonksiyonları (kümeleme, birliktelik analizi, sıralı dizi analizi vb.). • Tahmin veya öngörü fonksiyonları geçmiş verilerden yararlanarak, gelecek ile ilgili bir sonucu tahmin etmek için kullanılan fonksiyonlardır. • Tanımlama fonksiyonlarının amacı ise veri setinde yer alan veriler arasındaki ilişkileri, bağlantıları ve davranışları bulmaktır.

4. Veri İşleme Sürecinde Veri Madenciliğinin Yeri

5. Karar Ağacı Algoritması • Veri madenciliği yöntemlerinden biri olan karar ağaçları; kurgulanmasının, yorumlanmasının, veri tabanları ile entegrasyonun kolaylığı ve güvenilirliklerinin iyi olması nedenleriyle en yaygın kullanılan öngörü yöntemlerinden ve sınıflandırma tekniklerinden biridir. • En önemli sınıflama araçlarından biri olan karar ağaçlarında, öğrenme algoritması basittir. Ortaya konan özbilginin gösterimi kolaylıkla anlaşılabilir. • Karar ağaçları yalnızca kararları göstermezler, aynı zamanda kararların açıklamasını da içerirler. Karar ağacını oluşturan eğitim süreci tümevarımdır. • Karar ağaçları bilgi keşfi sırasında pek çok test gerçekleştirerek, hedefi tahmin etmede en iyi sırayı bulmaya çalışırlar. • Her bir test karar ağacındaki dalları oluşturur ve bu dallar da diğer testlerin gerçekleşmesine neden olur. Bu durum, test işleminin bir yaprak düğümünde sonlanana kadar devam eder. • Kökten hedef yaprağa kadar olan yol, hedefi sınıflandıran “kural” olarak adlandırılır. Kurallar “eğer-sonra” (if-then) yapısındadır.

6. Karar Ağacı Algoritması

7. MATERYAL VE YÖNTEM • Konya ili Seydişehir ilçesinde yaşayan engelli vatandaşlar hakkında detaylı bilgiye sahip olmak üzere Seydişehir Kaymakamının talimatı üzerine 2012 yılında çalışmalar başlatılmıştır. • Gerçekleştirilen veri toplama çalışmaları birebir yüz yüze engelliler ve aileleri ile yapılan görüşmeler sonucunda elde edilmiştir. Elde edilen veriler Seydişehir Kaymakamlığı bünyesinde tedarik edilen engelli takip yazılımına girilmiştir. • Seydişehir ilçesinin 2010 yılı itibariyle köy, kasaba ve ilçe toplam nüfusu 64294 olarak tespit edilmiştir. Yapılan tespit çalışmasında Seydişehir genelinde engelli sayısı 1022 olarak saptanmış ve buda Seydişehir nüfusunun %1,58’ne tekabül etmektedir. • Engelli tespit işleminde engellilerin kişisel bilgileri, engelliliklerine ilişkin bilgiler (engel gurubu, engel nedeni vs.), kullandığı araç ve gereçler, sosyal durumları (kimle yaşadıkları vs.), eğitim ve çalışma durumları, sosyal güvenceleri gibi bilgiler toplanmıştır.

8. MATERYAL VE YÖNTEM • Engellilere ait veri kümesinde 8 değerden oluşan engel grubu (ortopedik, görme, işitme, dil ve konuşma, zihinsel, ruhsal ve duygusal, süreğen hastalık ve diğerleri) özelliği ve 5 değerden oluşan engelli raporu (“hayır”, “%40’a kadar”, “%40-70 arası”, “%70 üzeri”, “belirtilmemiş”) özellikleri ayrı ayrı sınıf etiketi olarak kullanıldı. • Elde edilen veriler, SPSS 18.0 uygulamasında ham veri halinde toplandı. Toplanan ham veriler SPSS Clementine uygulamasıyla veri madenciliği metotlarında kullanılmıştır. • Veri madenciliği yöntemlerinden karar ağacı sınıflandırma analizi yapılmıştır. • Uygulamada niteliklerin birbirleri üzerindeki etkilerini sergileyen bağımlılık ağları grafiğini üretebilme özelliğinden dolayı karar ağacı algoritması tercih edilmiştir. Bu analiz için C5.0 (Quinlan) karar ağacı algoritması kullanılmıştır. • C5.0 her düğümden çıkan çoklu dallar ile ağaç oluşturur. Dalların sayısı tahmin edicinin kategori sayısına eşittir. Tek bir sınıflayıcıda birden çok karar ağacını birleştirir. Ayırma işlemi için bilgi kazancı kullanır. Budama işlemi her yapraktaki hata oranına dayanır.

9. BULGULAR VE DEĞERLENDİRME • Tespit çalışmasına katılan engellilere ait bazı demografik özellikler tabloda gösterilmiştir.

10. Engel Durumlarına Göre Dağılım O:Ortopedik, G:Görme, İ:İşitme, S:Süreğen, DK:Dilsel ve Konuşma, Z:Zihinsel, RD: Ruhsal veya Duygusal, DG:Diğer

11. Sınıflandırma Analizleri • C5.0 karar ağacı algoritması ile yapılan sınıflandırmada veri kümesine ait 18 özellik girdi olarak kullanılmıştır. İlk olarak engel durumu özelliği hedef sınıf olarak kullanılmıştır. Yapılan analiz çalışmasında beş derinliğe sahip bir karar ağacı modeli elde edilmiştir. • Araştırmada karar ağacı algoritmasından elde edilen sınıflandırma yapısı incelendiğinde elde edilen bilgilerden bazıları aşağıda belirtildiği gibidir; • Engel durumlarına göre yardımcı cihaz kullanmayan engellilerin sayısı 863’tür. Bunların 203’ü zihinsel, 183’ü ortopedik, 58’i ruhsal ve duygusal diğerleride birden fazla engel durumunda olan bireylerden oluşmaktadır. • Yardımcı cihaz kullanmayan engellilerin 471’i bekar, 58’i dul ve 289’u evlidir. • Bekar olanların büyük bir çoğunluğunu zihinsel engelliler ve ortopedik engelliler oluşturmaktadır. • Dul olanların büyük bir çoğunluğunu ortopedik, ruhsal veya duygusal ve zihinsel engelliler oluşturmaktadır. • Evli olanların büyük bir çoğunluğu ise ortopedik, görme, işitme ve dilsel konuşma yönünden engeli olan bireylerden oluşmaktadır. Evli olanların yine büyük bir çoğunluğu köy ve kasabalarda yaşamaktadırlar.

12. Sınıflandırma Analizleri • Gevrekli kasabasında ikamet edipte yardımcı cihaz kullanmayan 20 engelliden 15’inin doğum sonrasında trafik kazası veya geçirmiş olduğu hastalıklardan dolayı engelli oldukları tespit edilmiştir. Bunlar sırasıyla görme, ruhsal ve duygusal, ortopedik ve süreğen hastalıklardan oluşan engellilerden oluşmaktadır. • Taraşçı kasabasında ikamet edipte yardımcı cihaz kullanmayan 27 engellinin 24’ünün eğitimli 3’ünün eğitimsiz olduğu görülmüştür. Eğitimli olanların 19’u ilkokul mezunu 5’i ise lise veya ortaokul mezunudur. • Çavuş kasabasında ikamet edipte yardımcı cihaz kullanmayan 12 engellinin 11’i kendi ailesi ile beraber 1’i ise anne ve babası ile yaşamaktadır. • Yardımcı cihaz olarak beyaz baston, koltuk değneği, protez, tekerlekli sandalye ve diğer yardımcı cihazları kullananların sayısı 109’dur. Bunların büyük bir çoğunluğunu ortopedik engelliler oluşturmaktadır. • Yardımcı cihaz olarak ortez kullananların sayısı 4’tür bunlarında hepsi ilçe merkezinde yaşamaktadır. • Yardımcı cihaz olarak işitme cihazı kullananların sayısı 43’tür. Bunların 22’si anne ve babası ile 21’i ise eşi, çocukları, yalnız, anne veya babasından biriyle kalmaktadır.

13. Sınıflandırma Analizleri • Son olarak engelli raporu özelliği hedef sınıf olarak kullanılmıştır. Yapılan analiz çalışmasında yedi derinliğe sahip bir karar ağacı modeli elde edilmiştir. • Araştırmada karar ağacı algoritmasından elde edilen sınıflandırma yapısı incelendiğinde elde edilen bilgilerden bazıları aşağıda belirtildiği gibidir; • 1022 engelliden 86 kişi %40’a kadar, 301 kişi %40-%70 arası, 354 kişi %70 üzeri rapora sahip ve 103 kişi ise rapor durumunu belirtmemiş. 178 kişinin ise raporu bulunmamaktadır. • Engelli bireylerin günlük aktivitelerini 219’u az yardım alarak, 281’i başkalarına tam bağımlı olarak, 498’i ise yardım almadan gerçekleştirdikleri tespit edildi. 24 kişi ise durumlarını belirtmemiş. • Günlük aktivitelerinde az yardım alanların 113’ü ilçe merkezinde yaşamaktadır. Bunların 88’i %40 ve üzeri rapora sahiptir. 106 kişi ise köy ve kasabada yaşamaktadır. Bunlarında büyük bir çoğunluğu %40 ve üzeri engele sahiptir.

14. Sınıflandırma Analizleri • Günlük aktivitelerinde yardım almayan 498 engellinin 275’i ilçe merkezinde yaşamaktadır. • Bunlarında 171’i %40’ın üzerinde engelli raporuna sahiptir. Engel durumları incelendiğinde büyük bir çoğunluğu ortopedik, işitme, görme ve zihinsel engelliler oluşturmaktadır. • Sadece görme engeli olan 29 engelliden 10 kişinin anne ve babası akraba 19 kişinin ise akraba olmadıkları tespit edildi. • Sadece ortopedik engeli olan 86 engellinin 73’ünün eğitimli olduğu görülmüştür. • Yardım almayan ve sadece zihinsel engelli olan 46 engellinin 32’si anne ve babası ile, 5’i yalnız, 4’ü anne veya babasından biriyle ve 5’i ise diğer akrabalarıyla yaşamaktadır. Anne ve babası ile yaşayan 32 kişiden 28’i evde bakım yardımı almamaktadır. • Yardım almayan ve sadece işitme engeli olan 14 kişiden 10’u 2022 engelli maaşı almamaktadır.

15. SONUÇ • Bu çalışmada, Konya’nın Seydişehir ilçesinde yaşayan engellilerin demografik özellikleri tespit edilmiştir. • Çalışmada veri madenciliğinin büyük hacimli veri yığınları içerisinden karar alabilme ve anlamlı bilgileri çıkarabilme yeteneğinden faydalanılmaya çalışıldı. • Veri madenciliği ile bu tespitleri yapabilmek için tarama verileri üzerinde çalışma yapıldı. • 1022 engelliye ait verilerin değerlendirilmesiyle, örneklemin engellilik durumları ile demografik özellikleri arasındaki tahmin edilemeyen ilişkiler ortaya çıkarılmaya çalışıldı. • Aynı zamanda engellilerin rapor durumlarının diğer demografik özelliklerle olan ilişkileri de tespit edilmeye çalışıldı. • Çalışmadan elde edilen bulgular, engellilere yönelik kararların alınmasında önemli bilgiler sunmaktadır. • Bu çalışma aynı zamanda Seydişehir Kaymakamlığı için hazırlanacak engelli envanter raporları içinde kaynak teşkil edecek ve daha sağlıklı kararlar alınmasında yardımcı olacaktır.

16. TEŞEKKÜRLER…