Günümüzde birçok kurum personel yemek hizmetlerini dış alım metoduyla profesyonel yemek şirketlerden temin etmektedir. Bu hizmet karşılığı yemek şirketlerine talep ettikleri yemek miktarı kadar ücret ödemektedirler. Yemeklerin cinsine, çıktığı güne, şirket çalışanlarının davranışlarına ve çalışan sayısına göre günlük tüketim miktarı değişmesine rağmen çoğu kurum kişisel tahminlerle karar vermekte ve israf oluşmaktadır. Bu çalışmada bir üniversite yemekhane sisteminden alınan veriler WEKA açık kaynak kodlu yazılımı vasıtasıyla Yapay Sinir Ağı, Destek Vektör Makinası ve Regresyon analizi metotları kullanımı ile günlük talep miktarının tahmini yapılmış ve ilgili metotların performans karşılaştırılması sunulmuştur. Yapılan çalışma ile üniversite gibi farklı davranışlara sahip tüketici tipine göre farklı metotların baskın olduğu ve seçilecek metot ile atık yemek miktarının minimize edilebileceği önerilmiştir.
Nowadays many organizations outsource food services from a professional catering company. They pay the bill for catering services as the amount their food demand. Despite changing daily consumption amount according to types of the food, day, behaviors of company employees and a number of employees, a decision which is about the amount of food demand is made by the personal judgment in the most organization and thus serviced foods are run to waste. In this study, the data of a university’s refectory is obtained and artificial neural networks, support vector machine and linear regression methods in WEKA tool are used to predict the amount of daily food consumption. Also, the performance of the prediction methods is presented in this study. This paper proposes that different methods are dominant according to the type of consumer with different behaviors such as the university has a student, lecturer, and another staff and selected method by artificial intelligence techniques provides that the amount of waste food can be minimized.