Determining the Premiums of General Health Insurance by Fuzzy Rule Base

As of 2008, under the name of Social Security Reform, Health Transformation program has been launched in Turkey and nobody has been aimed to remain out of the system. Even though this system provides comprehensive advantages to citizens, it also has some drawbacks about premium calculations. In the current system, premiums are calculated by using fixed ratios for different income levels. However, this causes inequalities among the citizens. Therefore, in this article, the elimination of inequalities and the establishment of fairer premium system that provides an interdisciplinary perspective about the general health insurance was aimed to present. As a methodology fuzzy logic that provides fuzzy grading among individuals was determined. The scope of the application has been limited to individuals who are considered as poor, who have no social security and who are insured on a voluntary basis. Premiums were calculated by fuzzy rules based on expert opinion with the help of MATLAB Fuzzy Logic Designer Toolbox for 4,650 people participating in the TURKSTAT's income survey. Then, total premium will be paid by the number of 9,749,855 people was estimated by weighting the calculated premiums. As a result, the premiums were calculated more fairly and the situations that create inequalities among the citizens were abolished. In addition, besides income and expenses, age was used for equitable calculation in order not to make voluntarily insured be advantageous. When literature was examined, it was thought that this article will contribute to the interdisciplinary literature since fuzzy logic applications are very rare in social sciences.

Bulanık Kural Tabanı ile Genel Sağlık Sigortası Primlerinin Hesaplanması

2008 yılı itibari ile Türkiye'de Sosyal Güvenlik Reformu adı altında Sağlıkta Dönüşüm programı başlatılmıştır ve kimsenin sistem dışında kalmaması amaçlanmıştır. Sistem vatandaşlara kapsamlı avantajlar sunmasına rağmen, prim hesaplamaları noktasında bazı dezavantajlara da sahiptir. Mevcut sistemde, primler farklı gelir düzeyleri için sabit oranlar kullanılarak hesaplanmaktadır. Bu durum vatandaşlar arasında eşitsizliklere yol açmaktadır. Bu nedenle, makalede, eşitsizliklerin giderilmesi ve daha adil bir prim sistemi oluşturulması için genel sağlık sigortası hakkında disiplinler arası bir bakış açısı sunulması amaçlanmıştır. Yöntem olarak bireyler arasında bulanık derecelendirme sağlayacak olan bulanık mantığın kullanılması uygun görülmüştür. Uygulamanın kapsamı yoksul olarak nitelendirilen bireyler, sosyal güvencesi olmayan bireyler ve isteğe bağlı sigortalılar ile sınırlandırılmıştır. Primler, TÜİK' in gelir araştırmasına katılan 4.650 kişi için uzman görüşüne dayalı olarak bulanık kurallarla MATLAB Bulanık Mantık aracı kullanılarak hesaplanmıştır. Daha sonra, hesaplanan primlerin ağırlıklandırılmasıyla 9.749.855 kişinin ödeyeceği toplam prim elde edilmiştir. Dilsel değişkenlerle derecelendirilen kişi başına düşen aylık harcanabilir gelir kullanılarak daha adil derecelendirme sağlanmış ve eşitsizlikler ortadan kaldırılmıştır. Buna ek olarak, gelir ve giderlerin yanı sıra, isteğe bağlı sigortalıların avantajlı olmamalarını sağlamak için yaş değişkeni çalışmaya dâhil edilmiştir. Sonuç olarak, primler daha adil bir şekilde hesaplanarak vatandaşlar arasında eşitsizlik yaratan durumlar ortadan kaldırılmıştır. Literatür incelendiğinde, bulanık mantık sosyal bilimlerde oldukça az uygulandığından, bu makale disiplinler arası literatüre katkıda bulunacaktır.

Kaynakça

Alper, Y. (2015). Türk Sosyal Güvenlik Sistemi Sosyal Sigortalar Hukuku. Bursa: Dora Basım-Yayın Dağıtım.

Alptekin, N. and Yeşilaydın, G. (2015). OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi ile Sınıflandırılması. İşletme Araştırmaları Dergisi. 7, 4. 137-155.

Baran, A., Kılağız Y., and Keleş, A. (2010). Bulanık Uzman Sistem Yaklaşımı ile Yeşil Kart Başvuru Değerlendirme Sistemi. Atatürk University Journal of Economics and Administrative Sciences 2. 1. 63-76.

Bates, J. H. T. and Young M. P. (2003). Applying Fuzzy Logic to Medical Decision Making in the Intensive Care Unit. American Journal of Respiratory and Critical Care Medicine. 167. 7. 948-952.

Baykal, N. and Beyan T. (2004). Bulanık Mantık İlke ve Temelleri. Ankara: Bıçaklar Kitabevi.

Boz Eravcı, D. (2016). Bulanık Mantık ile Silikozisin Tespit Edilmesi. Unpublished Master Thesis, Ankara University, Institute of Health Science. Ankara.

Bulğurcu, B. (2014). Sinirsel Bulanık Mantık Yaklaşımı ile Öngörü Modellemesi: İşsizlik Oranı Için Türkiye Örneği. Unpublished Master Thesis. Çukurova University. Institute of Social Sciences. Adana.

Chen, G. and Pham T. T. (2000). Introduction to Fuzzy Sets, Fuzzy Logic and Fuzzy Control Systems. USA: CRC Press.

Circular Letter No 2012/07 (2012). B.02.1.SYD.0.73.00.00.010.06.01-591 (2012/07) sayılı Genelgesi. [http://www. aile.gov.tr/data/5404eb05369dc3119090f8 53/genelge_07.pdf]. (Erişim: 6 March 2016).

Coleman, C. P. (2006). Advanced Fuzzy Logic Technologies in Industrial Applications. (Ed: Ying Bai, Hanqi Zhuang and Dali Wang). USA: Springer.

Çallı, M. (2012). 5510 sayılı Kanuna Göre Genel Sağlık Sigortası Kapsamında Olup Genel Sağlık Sigortasından Yararlanamayanlar: Denizli Örneği. Unpublished Master Thesis. Pamukkale University, Institute of Social Sciences. Denizli.

Dixon, B. (2005). Groundwater Vulnerability Mapping: A GIS and Fuzzy Rule-Based Integrated Tool. Applied Geography. 25: 327-347.

Ertuğrul, İ. (1996). Bulanık Mantık ve Bir Üretim Planlamasında Uygulama Örneği. Unpublished Master Thesis,. Pamukkale University. Institute of Social Sciences. Denizli.

Feng, G. (2006). A Survey on Analysis and Design of Model-Based Fuzzy Control Systems. IEEE Transactions on Fuzzy Systems. 14. 5. 676-697.

Güzel, A., Okur A. R., and Caniklioğlu N. (2014). Sosyal Güvenlik Hukuku. İstanbul: Beta Yayıncılık.

Hürriyet News (2012). GSS’de Yeni Dönem! E- devlet ile GSS Prim Borcu Sorgulaması Nasıl Yapılır?. [http:// www. hurriyet.com.tr/gssde-yeni-donem-e-devlet -ile-gss-prim-borcu-sorgulamasi-nasilyapilir- 40058576]. (Erişim: 10 May 2016).

Imriyas, K., Pheng L. S., Ai Lin T., and Lean C. S. (2006). A Fuzzy Expert System for Computing Worker’s Compensation Insurance Premiums in Construction: A Conceptual Framework. Architectural Science Review. 49, 3. 270-284.

Karadeniz, O. (2012a) Türkiye’de Sağlıkta Dönüşüm Sürecinde Genel Sağlık Sigortası: Kapsam ve Mali Sürdürülebilirlik Açısından Bir Değerlendirme. Sosyal Güvenlik Dünyası, 82. 6-18.

Karadeniz, O. (2012b). Extension of Health Services Coverage for Needy in Turkey: From Social Assistance to General Health Insurance. Journal of Social Security. 2, 2. 103-123.

Lee, C. C. (1990). Fuzzy Logic in Control Systems: Fuzzy Logic Controller- Part I. IEEE Transactions on Systems. 20, 2. 404- 418.

Lin, Y.C., Lai H.H., and Yeh C. H. (2007). Consumer-Oriented Product Form Design Based on Fuzzy Logic: A Case Study of Mobile Phones. International Journal of Industrial Ergonomics. 37.531-543.

Lotfi, M. M. and Torabi S. A. (2011). A Fuzzy Goal Programming Approach for Midterm Assortment Planning in Supermarkets. European Journal of Operations Research. 213. 430-441.

Mamdani, E. H. (1974). Application of Fuzzy Algorithms for Control of Simple Dynamic Plant. In Proceedings of the Institution of Electrical Engineers. 121, 12. 1585-1588.

Mathworks Inc (2017), MATLAB Overview. [https://www.mathworks.com/ products/matlab.html]. (Erişim: 25 February 2018).

Mendel, J. M. (1995). Fuzzy Logic Systems for Engineering: A Tutorial. Proceedings of IEEE. 83, 3. 345-377.

NTV News (2017). 10 Soruda Genel Sağlık Sigortası (GSS) Prim Borçları Nasıl Silinecek? [http://www.ntv.com.tr/galeri/ ekonomi/10-soruda-genel-saglik-sigortasigss- prim-borclari-nasil-silinecek, YAui9 T8G8kGOz qTRw13CCA]. (Erişim: 5 June 2017).

Ohayon, M. M. (1999). Improving Decisionmaking Processes with the Fuzzy Logic Approach in the Epidemiology of Sleep Disorders. Journal of Psychosomatic Research. 47, 4. 297-311.

Özçil, A., Ertuğrul, İ., Öztaş T., and Öztaş G. Z. (2015). Combi Boiler System Modeling with Fuzzy Inference Mechanism and Fuzzy Copras Method. Fuzzy Systems (FUZZ-IEEE) 2015 IEEE International Conference on. 1-8.

Öztaş, G. Z. (2016). Bulanik Kural Tabani ile Genel Sağlık Sigortası Açısından Yoksulluk Sınırlarının ve Prim Miktarlarının Belirlenmesi Üzerine Bir Uygulama. Unpublished Master Thesis. Pamukkale University. Institute of Social Sciences. Denizli.

Pekten, A. (2006). Genel Sağlık Sigortası Sistemi ve Getirdiği Yenilikler. Sayıştay Dergisi. 61.119-138.

Pena-Reyes, C. A., and Sipper M. (1999). A fuzzy-Genetic Approach to Breast Cancer Diagnosis. Artificial Intelligence in Medicine. 17. 131-155.

Pfluger, N., Yen J., and Langari R. (1992). A Defuzzification Strategy for a Fuzzy Logic Controller Employing Prohibitive Information in Command Formulation. IEEE. 717-723.

Republic of Turkey Ministry of Health (2008). İlerleme Raporu Türkiye Sağlıkta Dönüşüm Programı. [http://sbu.saglik.gov .tr/Ekutuphane/kitaplar/turkiyeSDP.pdf]. (Erişim: 4 March 2016).

Republic of Turkey Ministry of Labor and Social Security (2017). Asgari Ücretin Net Hesabı ve İşverene Maliyeti. 01.01.2017- 31.12.2017.

[https://www.csgb.gov.tr/home/Contents/Is tatistikler/AsgariUcret]. (Erişim: 6 June 2017).

Republic of Turkey The Official Gazette (2006). 16.06.2006 tarih ve 26200 Nolu Resmi Gazete’de Yayımlanan 5510 Sosyal Sigortalar ve Genel Sağlık Sigortası Kanunu. [http://www.resmigazete.gov.tr/ main.aspx?home=http://www.resmigazete. gov.tr/eskiler/2006/06/20060616.htm&mai n=http://www.resmigazete.gov.tr/eskiler/2 006/06/20060616.htm]. (Erişim: 10 March 2016).

Schmöcker, J. D., Ahuja S., and Bell M. G. H. (2008). Multi-Objective Signal Control of Urban Junctions- Framework and a London Case Study. Transportation Research Part C: Emerging Technologies. 16, 4. 454-470.

Sözer, A. N. (2015). İşçi, Bağımsız Çalışan ve Kamu Görevlileri Bakımından Türk Sosyal Sigortalar Hukuku. İstanbul: Beta Yayıncılık.

Şen, Z. (2010). Fuzzy Logic and Hydrological Modelling. USA: CRC Press. Teodorović, D., and Lučić, P. (2006). Intelligent Parking Systems. European Journal of Operational Research, 175. 1666-1681.

Tuncay, A. C. and Ekmekçi Ö. (2015). Sosyal Güvenlik Hukuku Dersleri. İstanbul: Beta Yayıncılık. Turkish Statistical Institute (TURKSTAT) (2012) Household Budget Survey Micro DataSet.

TÜBİTAK-BİLGEM Information Technologies Institute (2014). Software and Data Engineering Department, Integrated Social Assistance Services Project General Health Insurance Income Identification Transactions Document. [http://butunlesik. yte.bilgem.tubitak.gov.tr /wp-content/uplo-ads/dokumanlar/ butunlesik-egt-vo2-genel-saglik-_sigortasigelir- tespiti-islemleri.pdf]. (Erişim: 4 March 2016).

Yager, R. R. and Zadeh L. A. (1992). An Introduction to Fuzzy Logic Applications In Intelligent Systems, New York: Springer.

Yen, J., and Langari R. (1998). Fuzzy Logic Intelligence, Control and Information. USA: Prentice Hall. Zadeh, L. A. (1965). Fuzzy Sets. Information and Contro. 8. 338-353.

Zadeh, L. A. (1994). Soft Computing and Fuzzy Logic. IEEE Software. 11, 6. 48-56.

Zadeh, L. A. (2008). Is There a Need for Fuzzy Logic?. Information Sciences.178. 2751-2779.

Zoroğlu, C. (2015). Bulanık Uzman Sistem Kullanarak Tıkayıcı Uyku Apne Hipopne Sendromunun Ciddiyet Seviyesinin Tahmini. Unpublished Master Thesis, İstanbul Technical University. Institute of Science. İstanbul.

Kaynak Göster