ÖZET: Bu çalışmada, Bayesian yapısal zaman serisi (BSTS) ve Oto-regressif entegre hareketli ortalama (ARIMA) olmak üzere iki tahmin modeli, 1971-2020 yılları arasında TÜRKİYE'nin enerji üretimi verilerini tahmin etmek amacıyla karşılaştırılmıştır. Modeller kömür, gaz, hidrolik ve petrol üretimi ile GSMH gibi çeşitli enerji kaynaklarına ve Dünya Bankası veritabanından elde edilen verilere uygulanmıştır. Temel amaç, bu modellerin enerji üretimi trendlerini tahmin etme doğruluğunu değerlendirmektir. Güvenilir ve kapsamlı sonuçlar elde etmek için analiz ve modelleme işlemleri R ve SPSS yazılımları kullanılarak gerçekleştirilmiştir. Bu karşılaştırmada MAPE, MAE, RMSE ve R² gibi değerlendirme metrikleri de kullanılmıştır. BSTS modelleri, önceki bilgilerin dahil edilmesine ve belirsizliklerin nicelendirilmesine imkan sağlayan Bayesian bir çerçeve içermektedir ve zaman serisi tahmininde yaygın olarak kullanılan geleneksel ARIMA modelleri ile karşılaştırılmıştır. Modellerin doğruluğunu değerlendirmek için veri seti eğitim ve test alt kümelerine ayrılmış ve böylece model hatalarının değerlendirilmesi mümkün olmuştur. Sonuçlar, BSTS modelinin TÜRKİYE'nin enerji üretimi zaman serisi verilerini tahmin etmede ARIMA modelinden daha iyi performans gösterdiğini göstermiştir. BSTS modelinin benimsediği Bayesian yaklaşım, enerji üretimi dinamiklerindeki doğal belirsizlikler ve karmaşıklıkları dikkate alarak, ARIMA modelinin Box-Jenkins yaklaşımına kıyasla daha fazla güvenilirlik ve doğruluk sağlamıştır. Sonuç olarak, BSTS modeli 2021-2028 yılları için enerji üretimini tahmin etmek amacıyla seçilmiştir. Ayrıca, bu çalışma TÜRKİYE'deki GSMH'yi etkileyen faktörleri incelemek için çoklu doğrusal regresyon analizinden yararlanarak mevcut literatüre katkı sağlamaktadır.

ABSTRACT: In this study, two forecasting models, Bayesian structural time series (BSTS) and Autoregressive integrated moving average (ARIMA), were compared for predicting energy production data in TÜRKİYE from 1971 to 2020. The models were applied to various energy sources such as coal, gas, hydraulic, and oil production, as well as GDP, using data obtained from the World Bank database. The primary aim was to assess the accuracy of these models in forecasting energy production trends. To ensure reliable and comprehensive results, the analysis and modeling processes were conducted using R and SPSS software. MAPE, MAE, RMSE, and R² were also used for this comparison. The BSTS models, which incorporate a Bayesian framework enabling the inclusion of prior information and uncertainty quantification, were contrasted with the conventional ARIMA models commonly used for time series forecasting. To evaluate the models' accuracy, the dataset was divided into training and testing subsets, allowing for the assessment of model errors. The findings indicated that the BSTS model performed better than the ARIMA model in estimating the time series data of energy production in TÜRKİYE. The Bayesian approach employed by the BSTS model, which accounts for the inherent uncertainties and complexities in energy production dynamics, demonstrated greater reliability and accuracy compared to the Box-Jenkins approach of the ARIMA model. As a result, the BSTS model was selected to forecast energy production from 2021 to 2028. Furthermore, this study contributes to the existing literature by utilizing multiple linear regression analysis to examine the factors influencing GDP in TÜRKİYE.