Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Emine Ceren ÖZAY
Danışman: Erman Çakıt
Özet:
Günümüzde elektrik birim fiyatlarının artmasıyla birlikte kaçak elektrik kullanımı artmakta ve müşterilerin kaçak elektrik faturalarını ödeme oranları düşmektedir. Kaçak elektrik tüketimi yapan müşteriler genel olarak faturalarını ödememe eğiliminde olduğundan bu müşterilerden tahsilat yapılıp yapılamayacağını belirlemek güçtür. 2004 yılında başlayan özelleştirmeler ile Türkiye 21 elektrik dağıtım bölgesine ayrılmış olup özelleştirme sonrasında kaçak elektrik tüketimin tespitinin yapılması, faturalandırılması ve tahsilatı, elektrik dağıtım şirketlerinin sorumluluğu olarak belirlenmiştir. Bu sorumluluğun karşılığında dağıtım şirketleri kaçak elektrik faturalarının tahsilat miktarı üzerinden belirli oranda gelir sağlamaktadır. Bu nedenle dağıtım şirketleri için hem şirket kazancının arttırılması hem de nakit akışının iyileştirilmesi için kaçak elektrik kullanımı yapan müşterilerin ödeme potansiyellerinin tespit edilmesi önemli hale gelmiştir. Bu çalışmada, Türkiye’de faaliyet gösteren üç elektrik dağıtım şirketine ait kaçak elektrik kullanımı yapan müşterilerin, 2020 yılı verileri kullanılarak borçlarını ödeyip, ödemeyecekleri makine öğrenmesi algoritmaları ile analiz edilmiştir. Müşterilerin geçmiş ödeme alışkanlıkları, borç miktarları, demografik verileri, bölge kaçak oranları girdi değişkeni olarak kullanılmıştır. Çıktı değişkeni ise öder/ ödemez şeklinde ikili kategorik olarak dikkate alınmıştır. Veri kümesine uygun olan denetimli öğrenme sınıflandırma yöntemlerinden; lojistik regresyon, destek vektör makineleri, yapay sinir ağları, k-en yakın komşu algoritması, rastgele ormanlar, gradyan artırma makineleri, aşırı gradyan artırma, hafif gradyan artırma makineleri algoritmaları kullanılarak modeller oluşturulmuştur. Model performanslarını artırmak ve aşırı öğrenmenin önüne geçmek için kkatlamalı çapraz doğrulama ve hiper parametre ayarlama yapılmıştır. Ayrıca karar ağacı tabanlı topluluk yöntemleri olan rastgele ormanlar, gradyan artırma, aşırı gradyan artırma, hafif gradyan artırma algoritmaları için değişken önem düzeyleri belirlenmiştir. Model tahmin performans değerleri ve değişken önem düzeyi analizi sonuçları değerlendirildiğinde en iyi sonuç veren model olarak gradyan artırma makineleri modeli belirlenmiştir. Müşteri ödeme durumu analizinin sadece kredi sağlayan kuruluşların problemi olmaktan çıkıp diğer sektörlerde de uygulanabileceğini gösteren bu çalışma; bundan sonraki benzer çalışmalara yol göstererek literatüre bu anlamda katkı sağlayacaktır.
Anahtar Kelimeler : Borç tahsilatı, kredi risk analizi, makine öğrenmesi, denetimli öğrenme