Yöntemler · Sıralama
MARA (Magnitude of the Area for the Ranking of Alternatives)
MARA, her seçeneği hayali bir "ideal seçenekle" karşılaştırıp aradaki farkı bir doğru parçasının altında kalan alan olarak ölçer; bu alan ne kadar küçükse seçenek o kadar öndedir.
Temel yöntemin veri türü: Kesin (Classical)
Yöntem Nedir?
MARA, elinizde sayısal bir karar tablosu olduğunda seçenekleri tek bir sıraya dizen bir sıralama yöntemidir. Çıktısı her seçenek için bir alan puanı (R) ve bu puana göre küçükten büyüğe sıradır; en küçük alan en iyi seçeneği gösterir. Gligorić ve arkadaşları tarafından 2022'de, yeraltı maden galerisi tahkimat sistemi seçimi problemi için önerilmiştir. Ağırlıkları dışarıdan alır, üretmez.
Yöntemin Felsefesi
MARA'nın fikri, iki seçeneği tek bir sayıyla değil iki doğrusal fonksiyonun altında kalan alanla karşılaştırmaktır. Yöntem önce hayali bir ideal seçenek kurar: her kriterde görülen en iyi ağırlıklı değerden oluşan bu seçenek gerçekte yoktur. Sonra hem ideal seçeneğin hem gerçek seçeneğin kriterlerini iki gruba ayırır: fayda kriterleri ve maliyet kriterleri. Her seçenek için bu iki grubun toplamından basit, doğrusal bir fonksiyon kurulur; bu fonksiyon 0 ile 1 arasında bir eksende "seçeneğin fayda ile maliyet arasındaki konumunu" temsil eder. İki fonksiyonun (idealin fonksiyonu ile gerçek seçeneğin fonksiyonu) arasındaki alan, seçeneğin idealden ne kadar uzak olduğunu gösterir.
Bu fikrin bir sonucu vardır: MARA telafi edicidir, çünkü fayda ve maliyet kriterleri gruplar halinde toplanır ve bir kriterdeki zayıflık aynı gruptaki başka bir kriterle örtülebilir. Aynı zamanda yöntem kriterleri tek tek değil, fayda ve maliyet olmak üzere iki büyük gruba ayırarak ele alır. Bu yüzden aynı gruptaki kriterlerin göreli ağırlıkları alan hesabında TOPSIS'teki kadar ayrıştırılmış görünmez; bu, MARA'yı "gruplar arası denge" arayan bir yöntem olarak okumaya yakınlaştırır.
Yöntem Nasıl Çalışır?
Yöntem dokuz adımda ilerler; ilk üçü hazırlık, kalanı alan hesabıdır.
Birinci ve ikinci adım, matris ve ölçek eşitleme. Karar matrisi kurulur, sonra her sütun doğrusal biçimde eşitlenir: fayda kriterinde değer sütunun en büyüğüne bölünür, maliyet kriterinde sütunun en küçüğü değere bölünür.
Üçüncü adım, ağırlıklama. Eşitlenmiş her değer kriterin ağırlığıyla çarpılır.
Dördüncü adım, ideal seçenek. Her kriterde ağırlıklı değerlerin en büyüğü alınarak hayali ideal seçenek kurulur.
Beşinci ve altıncı adım, gruplama. İdeal seçeneğin kriterleri fayda ve maliyet olarak iki gruba ayrılır; aynı ayrım her gerçek seçenek için de yapılır.
Yedinci adım, grup toplamları. İdeal seçeneğin fayda grubu toplamı ile maliyet grubu toplamı, her gerçek seçeneğin fayda grubu toplamı ile maliyet grubu toplamı ayrı ayrı hesaplanır.
Sekizinci adım, iki doğrusal fonksiyon. İdeal seçenek için ve her gerçek seçenek için, fayda ve maliyet grup toplamlarından 0 ile 1 arasında tanımlı birer doğrusal fonksiyon kurulur.
Dokuzuncu adım, alan farkı. İki fonksiyonun altında kalan alanların farkı hesaplanır; bu fark ne kadar küçükse (idealin altındaki alana ne kadar yakınsa) seçenek o kadar öndedir. Seçenekler küçükten büyüğe sıralanır.
Adımların formülleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
Alan puanı, bir seçeneğin ideal seçenekten ne kadar uzaklaştığını gösteren birimsiz bir sayıdır; yüzde ya da olasılık değildir. Sıfıra yakın bir alan, seçeneğin ideale çok yakın olduğunu gösterir; büyük bir alan geniş bir uzaklığı gösterir. Değer başka bir analizdeki alan değeriyle karşılaştırılmaz, çünkü ideal seçenek her analizde o analizin kendi verisinden kurulur.
Alan puanının küçük olması "mükemmel" değil "bu seçenek kümesinde ideale en yakın" demektir. İki seçenek arasındaki küçük fark, TOPSIS'te olduğu gibi sağlam bir sıralama değil ağırlıklara duyarlı bir sıralamadır.
Bu nedenle:
"MARA en iyi seçeneği buldu"
yerine:
"Bu ağırlıklar ve bu seçenek kümesiyle ideale en yakın seçenek şudur; sıra fayda ve maliyet gruplarının ağırlığına duyarlıdır"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
MARA kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da şu an yalnız bu kesin sürüm bulunur; başka veri türünde uzantısı yoktur. Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, boş hücre olmadan doldurulmuş bir tablo, her kriter için yön bilgisi ve toplamı 1 olan ağırlıklar. MARA ağırlık üretmez, ister. En az iki seçenek ve iki kriter gerekir; üç ile on iki kriter arası rahat çalışır.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Kriterleriniz sayısalsa, tablo tam doluysa ve bir kriterdeki zayıflığın başka bir kriterdeki güçle karşılanmasını kabul ediyorsanız MARA uygun bir seçimdir. Tipik alanları ekipman ve tahkimat sistemi seçimi, tedarikçi değerlendirmesi ve lojistik performans karşılaştırmasıdır.
Bir kriterde asla taviz verilemiyorsa MARA uygun değildir; alan farkı fayda ve maliyet gruplarının toplamından geldiği için bir kriterdeki ciddi zayıflık aynı gruptaki başka bir kriterle örtülebilir. Kriterler arasında güçlü bağ varsa bu bağ önce ele alınmalıdır.
Sayısal tablo, telafi kabul, amaç sıralamak → MARA
Fayda-maliyet dengesi değil tek tek kriter karşılaştırması isteniyor → TOPSIS, MAIRCA
Bir kriterde taviz yok → Önce eleme, sonra sıralama
Sıralama değil ağırlık gerekiyor → AHP, BWM, SWARA (öznel) · Entropy, CRITIC (nesnel)
Güçlü Yanları
MARA'nın üstünlüğü, ölçütleri fayda ve maliyet olmak üzere iki büyük gruba indirgeyip karşılaştırmayı bir geometrik alan farkına dönüştürmesidir; bu, seçenekler arasındaki dengeyi görsel olarak da anlatılabilir hale getirir. Hesap yükü küçüktür ve seçenek sayısı arttığında aynı yapıda çalışmaya devam eder. Yöntem, kaynak makalesinde yeraltı maden tahkimat sistemi gibi güvenliğin doğrudan etkilendiği bir karar probleminde geliştirilmiş ve sınanmıştır.
Zayıf Yanları
Sınırlılıkları yapısından gelir. Birincisi, tam telafi varsayımı: bir kriterdeki ciddi zayıflık aynı gruptaki (fayda ya da maliyet) başka bir kriterle örtülebilir. İkincisi, MARA 2022'de önerilmiş yeni bir yöntemdir; TOPSIS ya da VIKOR kadar geniş bir bağımsız uygulama ve eleştiri literatürüne henüz sahip değildir. Çok kriterli karar yöntemlerinin sayısının hızla artması ve her yeni yöntemin kendi makalesi dışında ne kadar bağımsız sınandığının izlenmesi genel bir güçlük olarak literatürde tartışılmaktadır (Guitouni ve Martel, 1998; Zavadskas, Turskis ve Kildienė, 2014). Üçüncüsü, yöntem kriterleri fayda ve maliyet olmak üzere iki büyük grupta ele aldığı için aynı gruptaki kriterlerin göreli ağırlığı, alan hesabının son adımında TOPSIS'teki kadar ayrıştırılmış görünmeyebilir. Dördüncüsü, kriterler bağımsız kabul edilir.
Sık Yapılan Hatalar
En yaygın hata kriter yönünü yanlış işaretlemektir; bir maliyet kriteri fayda kriteri gibi işaretlenirse ideal seçenek yanlış kurulur ve sıra anlamsızlaşır.
İkinci hata, alan puanını yüzde ya da kesinlik derecesi gibi okumaktır; puan yalnız bu seçenek kümesini birbirine göre sıralar. Üçüncü hata, ağırlıkları gerekçesiz eşit vermek ve bunu "tarafsızlık" olarak sunmaktır; MARA'da ağırlık değişimi sırayı belirgin biçimde etkileyebilir. Dördüncü hata, bir kriterde asla taviz verilemeyecek bir durumda telafi edici bir yöntem seçmiş olmaktır.
Temel ilke şudur:
MARA sonucu, seçtiğiniz ağırlıkların ve fayda-maliyet gruplamasının bir özetidir; alan farkı küçükse sıra tartışmalıdır ve rapor bunu göstermelidir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir. Birinci vaka DecisionMind'ın öğretici doğrulama örneğidir; sayılar Python ile bağımsız olarak yeniden hesaplanmış ve manifestteki değerlerle birebir eşleşmiştir. Diğer vakalar öğretici kurgudur.
1. Lojistik: Üç güzergâh adayı arasında performans karşılaştırması (öğretici örnek)
Bir lojistik firması üç güzergâh adayı arasında seçim yapacaktır. Üç ölçüt vardır (C1, C2, C3), üçü de "çoğu iyi"dir. Ağırlıklar C1'e 0,40, C2 ve C3'e 0,30'ar olarak belirlenmiştir.
| Güzergâh | C1 | C2 | C3 |
|---|---|---|---|
| A1 | 3,0 | 2,0 | 5,0 |
| A2 | 1,0 | 5,0 | 4,0 |
| A3 | 4,0 | 3,0 | 3,0 |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,40 | 0,30 | 0,30 |
Yöntem önce her sütunu eşitler ve ağırlıklandırır, sonra ideal güzergâhı kurar: en yüksek ağırlıklı C1 (A3'ün değeri), en yüksek ağırlıklı C2 (A2'nin değeri) ve en yüksek ağırlıklı C3 (A1'in değeri). Üç ölçüt de fayda kriteri olduğu için maliyet grubu boştur; karşılaştırma yalnız fayda grubunun toplamı üzerinden yapılır.
| Güzergâh | Alan puanı (R) | Sıra |
|---|---|---|
| A3 | 0,12 | 1 |
| A1 | 0,14 | 2 |
| A2 | 0,18 | 3 |
Sonuç şöyle okunur. A3 birinci sıradadır çünkü en ağır ölçüt olan C1'de (0,40) en yüksek değere sahiptir ve diğer iki ölçütte de dengeli bir performans gösterir. A2 üçüncü sıradadır çünkü C1'de en düşük değere sahiptir ve bu ölçütün ağırlığı en yüksektir.
Firma burada tereddüt eder: ağırlıklar C1=0,20, C2=0,50, C3=0,30 olarak değiştirildiğinde (yani C2'ye, A2'nin en güçlü olduğu ölçüte, en yüksek ağırlık verildiğinde) sıra tamamen değişir: A2 birinci sıraya çıkar (alan 0,105), A3 ikinci kalır (0,16), A1 üçüncü sıraya düşer (0,175). Ağırlıklar C1=0,20, C2=0,30, C3=0,50 olduğunda ise A1 birinci sıraya çıkar (0,115) ve A3 üçüncü sıraya düşer (0,16); yani başlangıçta birinci olan A3, iki farklı ağırlık senaryosunda da sona düşebilmektedir. Bu, MARA'nın sıralamasının hangi kritere ne kadar ağırlık verildiğine ne kadar bağlı olduğunu gösterir.
Raporda: "Verilen ağırlıklarla (C1=0,40, C2=0,30, C3=0,30) A3 ideale en yakın güzergâhtır (alan 0,12); C1 ağırlığı düşürülüp C2 ya da C3 öne çıkarıldığında sıra tamamen değişmektedir."
Kaynak: Bu tablo ve sayılar DecisionMind'ın MARA motorunun doğrulama örneğidir; makalenin kendi verileri değildir. Yöntemin kendisi Gligorić ve arkadaşları (2022) tarafından yeraltı maden galerisi tahkimat sistemi seçimi problemi için önerilmiştir; Türkçe literatürde BRICS ülkelerinin lojistik performans karşılaştırmasına da uygulanmıştır (Yürüyen ve Ulutaş, 2025).
2. Havacılık: Bölgesel havayolu için yer hizmetleri tedarikçisi seçimi
Bir bölgesel havayolu üç yer hizmetleri tedarikçisi arasında seçim yapacaktır. Dört ölçüt vardır: zamanında kalkış oranı puanı, personel eğitim düzeyi puanı, ekipman yaşı (azı iyi) ve sözleşme bedeli (azı iyi). Ağırlıklar operasyon müdürlüğünce belirlenmiştir.
Yöntem dört tedarikçiyi eşitler, ağırlıklandırır, ideal tedarikçiyi kurar ve her tedarikçinin fayda ve maliyet gruplarının toplamından alan farkını hesaplar; sonuç, zamanında kalkış oranında en iyi olan ama sözleşme bedeli en yüksek olan tedarikçiyi birinci sıraya koyar, çünkü zamanında kalkış oranının ağırlığı yüksektir.
Müdürlük burada tereddüt eder: bütçe kısıtı devreye girerse bedel ağırlığının artırılması gerekip gerekmediğini tartışır; bu durumda sıranın değişip değişmeyeceği ayrıca sınanmalıdır.
Raporda: "Mevcut ağırlıklarla en küçük alan farkına sahip tedarikçi zamanında kalkış performansında öne çıkmaktadır; bedel ağırlığı artırıldığında sıra değişebilir."
3. Su Yönetimi: Belediyenin içme suyu arıtma teknolojisi seçimi
Bir belediye üç içme suyu arıtma teknolojisi arasında seçim yapacaktır. Üç ölçüt vardır: arıtma verimliliği puanı (çoğu iyi), enerji tüketimi (azı iyi) ve kurulum maliyeti (azı iyi). Ağırlıklar çevre mühendisliği ekibince belirlenmiştir.
Yöntem üç teknolojiyi eşitler, ideal teknolojiyi kurar ve her teknolojinin fayda grubu (yalnız arıtma verimliliği) ile maliyet grubu (enerji ve kurulum) toplamlarından alan farkını hesaplar. Diyelim ki sonuç, verimliliği en yüksek ama enerji tüketimi de en yüksek olan teknolojiyi ikinci sıraya koydu; en düşük maliyetli teknoloji ise verimlilikte geride kaldığı için üçüncü sırada kaldı.
Ekip burada tereddüt eder: enerji tüketimi ağırlığı artırılırsa hangi teknolojinin öne çıkacağını sorar; bu, maliyet grubunun toplam ağırlığının fayda grubuna göre ne kadar büyüdüğüne bağlıdır.
Raporda: "Mevcut ağırlıklarla birinci sıradaki teknoloji verimlilik ve maliyet arasında dengeli bir konumdadır; enerji tüketimi ağırlığı artırıldığında sıra değişmektedir."
4. Yapılmaması Gereken
Birinci vakadaki tabloda C1 yanlışlıkla "azı iyi" işaretlenseydi, ideal güzergâh en düşük C1 değerine sahip A2'den kurulur ve A3'ün C1'deki üstünlüğü aleyhine dönerdi. İkinci yanlış, alan puanını 0,12 gibi bir yüzde ya da olasılık olarak sunmaktır; puan yalnız bu üç güzergâhı birbirine göre sıralar. Üçüncü yanlış, hangi ağırlık senaryosunun kullanıldığını belirtmeden "MARA A3'ü seçti" demektir; oysa C2 ya da C3 ağırlığı öne çıkarıldığında A3 üçüncü sıraya düşebilmektedir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/mara
Gligorić, M., Gligorić, Z., Lutovac, S., Negovanović, M., & Langović, Z. (2022). Novel hybrid MPSI–MARA decision-making model for support system selection in an underground mine. Systems, 10(6), 248. DOI: 10.3390/systems10060248
Yürüyen, A. A., & Ulutaş, A. (2025). BRICS Ülkelerinin Lojistik Performanslarının Entegre Çok Kriterli Karar Verme Yöntemleriyle Analizi. In G. Demir (Ed.), Sosyal Bilimlerde Stratejik Karar Verme: Çok Kriterli Karar Verme Yöntemleri ile Uygulamalar. Özgür Yayınları. DOI: 10.58830/ozgur.pub768 (Not: DOI, kitabın bütününe kayıtlıdır; bölüm yazarları ayrı olarak Crossref'te görünmez, ayrıntı onay notlarında.)
Guitouni, A., & Martel, J.-M. (1998). Tentative guidelines to help choosing an appropriate MCDA method. European Journal of Operational Research, 109(2), 501–521. DOI: 10.1016/S0377-2217(98)00073-3
Zavadskas, E. K., Turskis, Z., & Kildienė, S. (2014). State of art surveys of overviews on MCDM/MADM methods. Technological and Economic Development of Economy, 20(1), 165–179. DOI: 10.3846/20294913.2014.892037