Cilt 14 Sayı 2 (2026): Business & Management Studies: An International Journal
Makaleler

PROVAN yöntemi ile G8 ülkelerinin lojistik performanslarının değerlendirilmesi

PDF
  • Saime Balalan,
  • Alptekin Ulutaş
Saime Balalan
Yüksek Lisans Mezunu, Malatya, Türkiye
Alptekin Ulutaş
Prof. Dr., İnönü Üniversitesi, İ.İ.B.F., Uluslararası Ticaret ve İşletmecilik, Malatya ,Türkiye

Yayınlanmış 25.06.2026

Anahtar Kelimeler

  • MCDM, Logistics Performance, LPI, PSI, SD, SV, MEREC, PROVAN
  • ÇKKV, Lojistik Performans, LPI, PSI, SV, SD, MEREC, PROVAN

Nasıl Atıf Yapılır

PROVAN yöntemi ile G8 ülkelerinin lojistik performanslarının değerlendirilmesi. (2026). Business & Management Studies: An International Journal, 14(2), 898-914. https://doi.org/10.15295/bmij.v14i2.2763

Telif Hakkı (c) 2026 Saime Balalan- Alptekin Ulutaş

Creative Commons License

Bu çalışma Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License ile lisanslanmıştır.

Nasıl Atıf Yapılır

PROVAN yöntemi ile G8 ülkelerinin lojistik performanslarının değerlendirilmesi. (2026). Business & Management Studies: An International Journal, 14(2), 898-914. https://doi.org/10.15295/bmij.v14i2.2763

Öz

Lojistik, ürün ve hizmetlerin üretim noktasından başlayarak tüketim noktasına kadar süren faaliyetlerinin doğru, etkin ve verimli bir şekilde akışını sağlayan, planlayan ve yöneten bir süreçtir. Bu süreçlerin takibinin yapılması ve verimliliklerinin ölçülmesi hem rekabet hem de stratejik açıdan önemlidir. Dünya Bankası da bu anlamda lojistik performans ölçümü gerçekleştirerek ülkelerin mevcut konumları hakkında bilgi edinmelerini sağlamaktadır. Bu makale, G8 ülkelerinin lojistik performanslarını Dünya Bankası’nın 2023 yılında yayınlamış olduğu Lojistik Performans Endeksi (LPI) raporundan yola çıkarak ve Çok Kriterli Karar Verme (ÇKKV) yöntemlerini bir arada kullanarak değerlendirmektedir. Çalışmada yer alan ÇKKV yöntemleri hiçbir çalışmada beraber kullanılmamıştır. Bu bakımdan çalışma özgündür. Sıralama aşamasında kullanılmak üzere dört farklı ÇKKV yöntemi (PSI, SV, SD, MEREC) ile ağırlıklar belirlenmiştir. Bu doğrultuda daha doğru ve güvenilir verilerin elde edilmesi amaçlanmıştır.

Bu çalışmada sıralama yapmak için yeni bir ÇKKV yöntemi olan PROVAN yöntemi kullanılmıştır. Literatürde PROVAN yöntemi ile yapılan Türkçe bir çalışma bulunmamaktadır. Bu açıdan çalışma literatürdeki boşluğu doldurmayı amaçlamaktadır. Elde edilen sonuçlar doğrultusunda G8 ülkeleri içinde en iyi performansa sahip ülke Almanya iken Rusya’nın ise en kötü performansa sahip ülke olduğu tespit edilmiştir.

PDF

Referanslar

  1. Akbulut Acar, E., & Ulutaş, A., & Yürüyen, A.A., &Balalan, S., Hibrit bir ÇKKV modeli ile G20 ülkelerinin lojistik performansının ölçülmesi, bmij (2024) 12 (1): 1-21 https://doi.org/10.15295/bmij.v12i1.2300
  2. Akbulut, O. Y., & Şenol, Z. (2021). Bütünleşik SD ve PROMETHEE ÇKKV yöntemleri ile portföy optimizasyonu: BİST gıda, içecek ve tütün sektöründe ampirik bir uygulama. Muhasebe ve Finansman Dergisi, 92, 161-182. https://doi.org/10.25095/mufad.935545
  3. Akyüz, G., & Aka, S. (2017). Çok kriterli karar verme teknikleriyle tedarikçi performansı değerlendirmede toplamsal bir yaklaşım. Yönetim ve Ekonomi Araştırmaları Dergisi, 15(2), 28-46. https://doi.org/10.11611/yead.277893
  4. Altıntaş, F. F. (2022). G7 ülkelerinin lojistik etkinlik ve verimlilik performanslarının değerlendirilmesi. Verimlilik Dergisi (1), 78-93. https://doi.org/10.51551/verimlilik.734258
  5. Altıntaş, F. F. (2021). G7 ülkelerinin bilgi performanslarının analizi: COCOSO yöntemi ile bir uygulama. Journal Of Life Economics. 8(3):337-347, https://doi.org/10.15637/jlecon.8.3.06
  6. Arslan, H. M. (ed.) (2024). Bütünleşik çok kriterli karar verme yöntemleri ve güncel uygulamaları (1. Baskı) Özgür Yayınları, Gaziantep, https://doi.org/10.58830/ozgur.pub468
  7. Aydın Ünal, E. (2019). Özel sermayeli ticari bankalarının finansal performansının SD ve WASPAS yöntemleri ile ölçülmesi. Ekonomi Politika Ve Finans Araştırmaları Dergisi, 4 (3), 384-400. https://doi.org/10.30784/epfad.650513
  8. Aydın, Y. (2020). A hybrid multi-criteria decision making (MCDM) model consisting of SD and COPRAS methods in performance evaluation of foreign deposit banks. Equinox Journal of Economics Business and Political Studies, 7(2), 160-176.
  9. Bilgin, T., & Kazancı Sunaoğlu, Ş. (2022). Lojistik performans ve uluslararası ticaret ilişkisi üzerine alanyazın incelemesi. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (53), 325-344. https://doi.org/10.30794/pausbed.1105239
  10. Biswas S., Khawash N., Chatterjee P., Zavadskas E. K. (2026). Preference using root value based on aggregated normalizations (PROVAN): A data-driven method for socio-economic and innovation assessment. Socio-Economic Planning Sciences 103 (2026) 102343. https://doi.org/10.1016/j.seps.2025.102343
  11. Bozkurt, C., & Mermertaş, F. (2019). Türkiye ve G8 ülkelerinin lojistik performans endeksine göre karşılaştırılması. İşletme ve İktisat Çalışmaları Dergisi, 7(2), 107-117.
  12. Erenel Yaşlıca, B. ve Gündüz, Ş. (2024). Lojistik performans ve küresel rekabet gücü arasındaki ilişki: Kurumsal yönetişimin aracı rolü. Uluslararası Yönetim İktisat Ve İşletme Dergisi, 20(2), 359-391. https://doi.org/10.17130/ijmeb.1381493
  13. Gelmez, E., & Eren, H. (2025). Avrupa ülkelerinin yeşil büyüme performanslarının CRITIC-MEREC tabanlı WASPAS yöntemi ile değerlendirilmesi. Verimlilik Dergisi, 59(4), 827-852. https://doi.org/10.51551/verimlilik.1703921
  14. Gligoric, M., Gligoric, Z., Lutovac, S., Negovanovic, M. ve Langovic, Z. (2022). Novel hybrid MPSI–MARA decision-making model for support system selection in an underground mine. Systems, 10(248). https://doi.org/10.3390/systems10060248
  15. Gökdemir, T. (2025). Lojistik performans endeksinin çok kriterli karar verme yaklaşımları ile analizi: G-8 ülkeleri örneği. Fiscaoeconomia, 9(3), 1289-1304. https://doi.org/10.25295/fsecon.1573651
  16. Karaköy, Ç., Er Çakmaktepe, N., & Ulutaş, A. (2023). Eski S.S.C.B. ülkelerinin ekonomik özgürlük endekslerinin SD ve CoCoSo yöntemleri ile analizi. İstanbul Gelişim Üniversitesi Sosyal Bilimler Dergisi, 10(1), 276-290. https://doi.org/10.17336/igusbd.897535
  17. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E.K., Turskis, Z. ve Antucheviciene, J. (2021). "Determination of objective weights using a new method based on the removal effects of criteria (MEREC)", Symmetry, 13(4), 525. https://doi.org/10.3390/sym13040525
  18. Özdağoğlu, A., Ulutaş, A. ve Keleş, MK (2022). Lojistik değerlendirme ölçütlerine göre ülke sıralamaları: Farklı yöntemlerin sıralama üzerindeki etkisi. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 512-541. https://doi.org/10.30798/makuiibf.913369
  19. Sirkeci, R., & Tomris Küçün, N. (2025). Ulusal lojistik performans çalışmalarına yönelik bibliyometrik bir değerlendirme. Stratejik Yönetim Araştırmaları Dergisi, 8(1), 32-46. https://doi.org/10.54993/syad.1607593
  20. Ulutaş, A., & Karaköy, Ç. (2019). G-20 ülkelerinin lojistik performans endeksinin çok kriterli karar verme modeli ile ölçümü. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 20(2), 71-84. https://doi.org/10.37880/cumuiibf.615882
  21. World Bank. (2023). Logistics Performance Index Report 2023. https://lpi.worldbank.org/report
  22. Yürüyen, A.A., & Ulutaş, A., & Özdağoğlu, A. (2023). Lojistik işletmelerinin performansının bir hibrit ÇKKV modeli ile değerlendirilmesi. Business & Management Studies: An International Journal, 11 (3): 731- 751, https://doi.org/10.15295/bmij.v11i3.2245
  23. Zavadskas, E. K., & Podvezko, V. (2016). Integrated determination of objective criteria weights in MCDM. International Journal of Information Technology & Decision Making, 15(02), 267-283. https://doi.org/10.1142/S0219622016500036