Son yıllarda, insan kaynaklı atıkların geri dönüştürülerek kazanç sağlanması ve dolaylı olarak çevre kirliliği artışının azaltılması önemli bir problem haline gelmiştir. Geri dönüşüm için popüler uygulamalardan bir tanesi geri dönüşüm noktalarının belirlenerek insanların geri dönüşebilecek atıklarının bu noktalara bırakmalarını teşvik etmektir. Ancak bu noktaların insanların erişiminin çok kolay olacak şekilde belirlenmesi çok önemlidir. Bu çalışmada bina konumları ve binalarda bulunan hane sayıları da dikkate alınarak en optimum geri dönüşüm noktaları çok boyutlu K-ortalamalar algoritması kullanılarak belirlenmiştir. Gerçekleştirilen deneyler sonucunda daha önce manuel belirlenen geri dönüşüm noktalarına nazaran önerilen yöntem ile belirlenen noktalara erişimin daha kolay olduğu görülmüştür. Dahası önerilen yöntemden hane sayısını dikkate almayarak geri dönüşüm noktalarını belirleyen K-ortalamalar algoritmasına göre daha iyi sonuçlar elde edilmiştir. Önerilen yöntem ile belirlenen geri dönüşüm noktaları, manuel olarak belirlenen noktalardan ve K-ortalamalar algoritması ile belirlenen noktalardan ortalama Öklid mesafesi metriğinde sırasıyla 0,0527 ve 6,9576 daha azdır. Ayrıca önerilen yöntem en uzak mesafe metriğinde 43,4813 değeri ile en düşük mesafe değerine sahiptir.
In recent years, it has become an important problem to recycle man-made wastes to generate profit and indirectly reduce the increase in environmental pollution. One of the popular practices for recycling is to determine recycling points and encourage people to leave their recyclable waste at these points. However, it is very important that these points are easily accessible to people. In this study, the optimum recycling points are determined using the multidimensional K-means algorithm, taking into account the building locations and the number of households in the buildings. As a result of the experiments, it has been observed that it is easier to access the points determined by the proposed method compared to the recycling points determined manually. Moreover, better results were obtained from the proposed method compared to the K-means algorithm that determines the recycling points by ignoring the number of households. The recycling points determined by the proposed method are 0.0527 and 6.9576 less than the manually determined points and the points determined by the K-means algorithm in the average Euclidean distance metric, respectively. In addition, the proposed method has the lowest distance value with a value of 43.4813 in the farthest distance metric
