Gelişen teknoloji ve küreselleşmeyle birlikte ülkeler arasında insan ve ürün açısından giriş çıkışlar artmaya başlamıştır. Bu geçişlerde, ürünlerin ülkeler arasında aktarılması ile oluşan dış ticaret işlemlerinde ülkelerin belirli bölgelerinde yer alan sınır kapıları büyük önem taşımaktadır. Mal giriş çıkışının yapıldığı sınır kapıları gümrük olarak adlandırılmakta ve geçecek ürüne göre takip edilen süreçler farklılaşabilmektedir. Türkiye’de ise süreçlerin kontrol edilebilmesi için gümrük noktalarında üç farklı hat kullanılmaktadır: kırmızı hat, sarı hat ve mavi hat. Kırmızı ve mavi hatlarda sırasıyla istisnasız tüm ürünler kontrol edilmekte ya da yetkilendirilmiş kişi sertifikasına sahip olanlar için kontrolsüz geçiş hakkı sağlanmaktadır. Sarı hatlarda ise ürünler gümrük memuru tarafından mevzuat ve yönergeye göre riskli ya da risksiz olarak sınıflandırılmakta ve bu sınıflandırma sonucuna göre gelen mallar kontrol edilmekte ya da edilmemektedir. Yapılan bu çalışmada sarı hat için ürünlerin riskli ya da risksiz olduğunu belirleyebilmek amacıyla makine öğrenmesi ve yapay sinir ağları yöntemleri kullanılarak model geliştirilecektir. Bu doğrultuda makine öğrenmesi başlığı altında yer alan k-en yakın komşu, lojistik regresyon, destek vektör makineleri, karar ağaçları, rassal orman ve naif Bayes yöntemleri ve yapay sinir ağları başlığı altında yer alan çok katmanlı algılayıcı (multi layer perceptron-MLP) yöntemi kullanılmıştır. Elde edilen sonuçlar incelendiğinde karar ağacı yönteminin mevcut veri seti için en iyi sonuçları verdiği gözlemlenmiştir.
With the developing technology and globalization, the entrances and exits of people and products between countries have begun to increase. Border gates located in some certain areas of the countries have great importance in foreign trade transactions that occur by transferring products between countries during these transitions. Border gates where goods are entered and exited are called customs and the processes followed can be differ according to the product to be passed. In Turkey, three different lines are used at customs points to control the processes: red, yellow, and blue. On the red and blue lines, respectively, all products are controlled without exception or the right of uncontrolled passage is provided for those with an authorized person certificate. On the yellow lines, on the other hand, the products are classified as risky or risk-free by the customs officer according to the legislation and directive, and the incoming goods are controlled or not according to the results of this classification. In this study, a model will be developed for the yellow line using machine learning (ML) and artificial neural network (ANN) methods in order to determine whether the products are risky or risk-free. In this direction, k-nearest neighbor, logistic regression, support vector machines, decision trees, random forest, and naive Bayes methods under the ML title and multi-layer perceptron (MLP) method under the ANN title were used. When the results were examined, it was observed that the decision tree method gave the best results for the existing data set.
