S. Ümit DikmenSaraç, Erhan2014-08-262014-08-262012-05http://hdl.handle.net/11413/628Gayrimenkul, dünya ekonomisinin en önemli yapı taşlarından birisidir. Gayrimenkullerin doğru olarak değerlendirilmesi düzgün bir ekonomik yapı için önemlidir. Günümüzde gayrimenkul değerlemesi için ağırlıklı olarak emsal karşılaştırma, gelir yöntemi ve maliyet yöntemleri kullanılmaktadır. Bu çalışmada konutların değerlemesi için bir yapay sinir ağları modeli geliştirilmiştir. Modelin geliştirilmesi aşamasında Sermaye Piyasası Kurulu (SPK) ve Bankacılık Düzenleme ve Denetleme Kurumu (BDDK) lisanslı bir gayrimenkul değerleme firmasının İstanbul ilinin farklı ilçelerinde konumlu toplam 400 değerleme raporu analiz edilmiştir. Raporlardan gayrimenkulün değerini etkileyen 12 parametre seçilerek sayısallaştırılmıştır. Sayısallaştırılan veriler ile yapay sinir ağı oluşturulup 28 farklı model denenmiştir. Modellerin başarı oranları değişken olup Çok Katmanlı Algılayıcı (MLP) modeli yaklaşık %94 korelasyon ve %87 doğruluk payı ile değere ulaşmıştır.Real Estate is one of the most important building blocks of the world's economy. Accurate assessment of real estate is important for a proper economic structure. Nowadays, precedent comparison, income method and cost method are mainly used for the valuation of real estate. In this thesis an artificial neural network model was developed for real estate appraisal. 400 reports which are from different district of İstanbul were analyzed from Capital Markets Board (CMB) and Banking Regulation and Supervision Agency (BRSA) licensed real estate appraisal firm during the development of the model. Reports are digitized by selecting of 12 parameters which affected the value of property. Artificial neural network which is created using digitized data were tested with 28 different models. Success rate of the all models are different each other, Multilayer Perceptron (MLP) has reached approximately 94% correlation and 87% accuracy of value.trinşaat mühendisliğiYapay sinir ağlarıCivil EngineeringArtificial neural networksThesis