Mobilya yüzyıllardır insanlığın kültürel zenginliğinin bir yansıması olmuştur. Aynı zamanda dünya ekonomisinde mobilya endüstrisi önemli bir yere sahiptir. Fakat bu endüstride rekabet hızlı bir şekilde artmaktadır. Mobilya ürünü için estetik, fonksiyonellik, dayanıklılık ve maliyet açısında çok farkı türleri vardır. Mobilya tercihleri yaşa, cinsiyete sosyal çevreye göre değişebilmektedir. Tüketiciler genellikle ilk olarak mobilyanın estetik görünüşüne göre karar vermektedir. Bazı durumlarda sadece görünüş nedeni ile bile mobilya ürünü red edilebilmektedir. Veri madenciliği bir çok alanda kullanılmakta ve önemli değerler oluşturmaktadır. Veri bilimi üzerine yapılan bilimsel çalışmalar hızla artmaktadır. Veri analizi iş dünyasının da ilgisini çekmektedir. Mobilya tasarımında geometrik formlar kritik bir rol oynar. Bu çalışmada Sinop üniversitesi öğrencilerinden anket yolu ile veriler elde edilmiştir. Ankete öğrencilerin özellikleri (cinsiyet, yaş, memleket) ve mobilya tasarımda en çok kullanılan geometrik form (kare, daire, üçgen ve türevler) tercihleri sorulmuştur. Daha sonra elde edilen veriler karar ağacı algoritmaları kullanılarak anlamlı bilgiler elde edilmiştir. Çalışma sonucunda belirli bölümlerdeki üniversitesi öğrencilerinin mobilyada geometrik form eğilimleri belirlenmiştir.  

Keywords - Mobilya, Form, Algoritma, Tasarım, Veri Madenciliği

[1] M.H.A. Wahab, S. Ahmad, M. Masri, and A.B.A. Hamid, “Malay Furniture: Design, function and meaning,” Procedia-Social and
Behavioral Sciences, vol. 202, pp. 285-293, 2015.
[2] S. Jacobs, B. Cambre, M. Huysentruyt, and A. Schramme, “Multiple pathways to success in small creative businesses: The case of Belgian
furniture designers,” Journal of Business Research, vol. 69, pp. 5461-5466, 2016.
[3] J. Zhou, and X. Chen, “Convertible furniture design,” Computers & Graphics, vol. 70, pp. 165-175, 2018.
[4] M.J. Shaw, C. Subramaniam, G.W. Tan, and M.E. Welge, “Knowledge management and data mining for marketing,” Decision Support
Systems, vol. 31, pp. 127-137, 2001.
[5] N.M. Rémy, T.T. Martial, and T.D. Clémentin, “The prediction of good physicians for prospective diagnosis using data mining,” Informatics in Medicine Unlocked, vol. 12, pp. 120-127, 2018.
[6] (2018).[Online].Avaliable:http://www.e2matrix.com/blog/2017/10/14/data-mining-tools/ [7] P. Ristoski, C. Bizer and H. Paulheim, “Mining the web of linked data
with rapidminer,” Web Semantics: Science, Services and Agents on the World Wide Web, vol. 35, pp. 142-151, 2015.
[8] A. Naik, and L. Samant, “Correlation review of classification algorithm using data mining tool: WEKA, Rapidminer, Tanagra, Orange and Knime,” Procedia Computer Science, vol. 85, pp. 662-668, 2016.
[9] A.K. Yadav, H. Malik, and S.S. Chandel, “Application of rapid miner in ANN based prediction of solar radiation for assessment of solar energy resource potential of 76 sites in Northwestern India,” Renewable and Sustainable Energy Reviews, vol. 52, pp. 1093-1106, 2015.
[10] J. Smardzewski, J. (2015). Classification and Characteristics of Furniture, In Furniture Design Springer, Cham, 2015.
[11] T. Lan, Y. Zhang, C. Jiang, G. Yang, and Z. Zhao, “Automatic identification of Spread F using decision trees,” Journal of Atmospheric and Solar-Terrestrial Physics, vol. 179, pp. 389-395, 2018.