Sakarya Üniversitesi Bitirme Tezim
Merhaba ! Bu yazımda sizlere üniversitede çok keyif alarak gerçekleştirdiğim bitirme tezimden bahsedeceğim.
Öncelikle sizlere bitirme tezi konumuzdan ve ekip üyelerimizden bahsetmek istiyorum; Bitirme tezi konumuz “ Bulanık Mantık kullanarak Astım ve Tüberküloz arasında Teşhis koyabilen bir Karar Mekanizması “ geliştirmekti. Bu proje için benimle birlikte 4 kişilik bir ekip oluşturuldu. 1 senelik yoğun çalışmanın sonunda ekip arkadaşlarım Sena KASIM, Özgün KARADUMAN ve Yunus Emre KOÇ ile birlikte %93.62 başarı oranı ile çalışan uygulamamızı tamamlamayı başardık.
Ayrıca tez çalışmamızın planlanmasında, araştırılmasında, yürütülmesinde ve oluşturulmasında bizden ilgi ve desteğini asla esirgemeyen; engin bilgi ve tecrübelerinden bolca yararlandığımız, yönlendirme ve bilgilendirmeler ile birlikte çalışmamızı destekleyen ve bilimsel temeller ışığında şekillendiren sayın hocalarımız Prof. Dr. Nejat YUMUŞAK ve Dr.Öğr.Üyesi Mustafa AKPINAR’a bizlerle paylaştıkları değerli bilgileri için sonsuz teşekkürlerimizi sunarız.
Peki nedir bu Bulanık Mantık ?
Bulanık Mantık bildiğimiz 1 ve 0’ları içeren mantıktan farklı olarak 1 ve 0 arasındaki değerleri ( sonsuz değerleri ) de kapsayabilen ve bilgisayarın da insanlara yakın düşünebilmesini sağlayan mantık biçimidir. Kısaca “ Evet “ veya “ Hayır “ gibi kesin sonuçlar bildirmek yerine bulanık mantık içerisinde belirsizlik yani “ Olabilir “ gibi durumları da barındırabilmektedir. Bulanık mantığın oluşturulmasındaki amaç ise bilgisayarların insana en yakın biçimde düşünebilmesini ve mantık yürütmesini sağlayabilmektir.
Her uygulamada olduğu gibi bulanık mantıkta da bazı avantaj ve dezavantajlar bulunmaktadır. Aşağıdaki kısa listede bunlardan bazılarını sizler için listeledim.
Bulanık Teorinin Avantajları
- İnsan düşünme tarzına yakın olması,
- Uygulanışının matematiksel modele ihtiyaç duymaması,
- Yazılımın basit olması dolayısıyla ucuza mal olması.
Bulanık Teorinin Dezavantajları
- Uygulamada kullanılan kuralların oluşturulmasının bulanika bağlılığı,
- Üyelik fonksiyonlarının deneme – yanılma yolu ile bulunmasından dolayı uzun zaman alabilmesi,
- Kararlılık analizinin yapılışının zorluğu (benzeşim yapılabilir).
Verilerin Analizi
Veri analizi, aynı yapıyı ya da niteliği ölçen değişkenleri bir araya toplayarak ölçmeyi az sayıda veri ile açıklamayı amaçlayan bir istatistiksel tekniktir.
İyi Bir Veri Analizi İçin;
- Değişken azaltma olmalı,
- Üretilen yeni değişken ya da veriler arasında ilişkisizlik sağlanmalı,
- Ulaşılan sonuçlar (elde edilen veriler) anlamlı olmalıdır.
Veri Analizi Aşamaları ve Sonuçları
Problem tanımı ve veri toplama: Bu aşama veri analizi için gerekli olan hazırlık çalışmalarını kapsayan ilk aşamadır. Bu aşamada veri analizinin amacı ve veri analizinde kullanılacak olan değişkenlerin teori, mevcut araştırmalar ve araştırmacının bilgi ve tecrübeleri veya yaptığı ön çalışmalar ışığında geliştirilmesi ve uygun ölçüm araçları ile ölçülmesi ve makul yöntemlerle verilerin toplanması işlemleri yapılmaktadır.
Korelasyon matrisinin oluşturulması: veri analizinin ikinci aşaması analiz sürecinin başladığı aşama olup, bu aşamada korelasyon matrisi oluşturulur. Korelasyon matrisi veri analizinde yer alan değişkenler arasındaki ilişkiyi gösteren bir matristir.
Regresyon denklemlerinin oluşturulması: Üçüncü aşama ise oluşturulan korelasyon matrisindeki en büyük değerleri seçilip aralarındaki ilişkileri bulmak için regresyon denklemleri oluşturuldu.
Veri sayısına karar verme: Dördüncü aşama ise, oluşturulan regresyon denklemlerinin 0,05 ten büyük olan anlamlı veriler seçilip bu işlem bitene kadar tekrar edilir.
Bu aşamalar ışığında, elimizde bulunan 2 adet hastalığa ( Astım ve Tüberküloz ) ait 94 hasta ve teşhis koyulması için gerekli olan 38 farklı belirtiyi işledik.
Yaptığımız istatiksel çalışmalar sonunda tanı koymada yalnızca “Hırıltı” belirtisinin tek başına yeterli olduğunu gördük. Ancak hırıltıya göre baktığımızda 94 hastaya ait olan tanılardan 6 tanesini yanlış bulduğunu gördük ve tekrardan regresyon analizi yaptık. Bu sefer sadece regresyon değerlerine bakmak yerine denklemimizin anlamlı olup olmadığını da kontrol ettik ve anlamlı çıkan denklemlerimizin 0,05 ten büyük çıkmayan sonuçlarını da işleme kattık.
Son aşamada ise 3 farklı belirti ( Bunlar AST, ALT ve Hırıltıdır) kullanmanın daha doğru sonuçlar ürettiğini gördük ve hesaplamalarımıza 3 belirtiyi dahil ettik.
Örnek Uygulama;
Yukarıda girilen örnek değerler sonucunda hastaya “ Astım “ Teşhisi konulmuştur.
Önemli Not : Bu uygulama eğitim amaçlı olarak örnek veriler ile gerçekleştirilmiş olup, yeterli sayıda örnek veri işlenmediğinden gerçek hayatta kullanmaya uygun değildir.