A Brief Analysis of the TBMM

The last general elections in Turkey were held on June 12, 2011. The 24th Congress of the Grand National Assembly of Turkey (TBMM) had 536 parliamentarians in October 2014. Here I provide, for instructional purposes, a simple and descriptive study of the representatives, using R. I owe thanks to Sercan Pekel for helping me put together the data.

First, we have to get the data into R. The data reside in a csv file. Storing data in a spreadsheet is quite convenient, and is perhaps more recommendable for the inexperienced student because working with a text file initially may be rather error-prone.

tbmm  <- read.csv("TBMM.csv", header = T, sep = ",")

After reading the data into R, we might want to see the structure thereof. For this we can issue the command str():

str(tbmm)
## 'data.frame':    536 obs. of  5 variables:
##  $ Name      : Factor w/ 534 levels "ABDÜLKADIR AKSU",..: 345 397 307 39 498 316 170 42 46 410 ...
##  $ Birthdate : int  1952 1968 1943 1965 1962 1976 1966 1954 1948 1941 ...
##  $ Sex       : Factor w/ 2 levels "M","W": 1 1 1 1 1 1 2 1 1 1 ...
##  $ Profession: Factor w/ 45 levels "","ACADEMICIAN",..: 29 38 11 12 27 29 29 12 11 17 ...
##  $ Lang      : int  1 1 3 1 1 2 1 1 1 2 ...

R tells us it is a data frame with 5 variables. Name is a factor variable, so are Sex and Profession. Birthdate and Lang (languages spoken by the deputies), on the other hand, are integers.

Given this data set, we might, for example, be interested in the age distribution of the deputies. This can be calculated by finding the difference between 2014 and their year of birth. In R, assigning calculated values to a vector is very practical because it allows the analyst to use those values without having to re-compute them.

age <- 2014 - tbmm$Birthdate  # Calculate their ages

Getting the summary statistics is easy enough:

summary(age)  # Compute descriptive statistics for age
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   30.00   47.00   53.00   53.16   59.00   80.00

The average age is 53 years. That the mean and the median are very close to each other is an indication of a nearly normal distribution. Now that we have “age” as a vector, we can visualize the age distribution of the deputies:

hist(age, col = "green", main = "The Ages of Parliamentarians",
     xlab = "Age")  # Histogram with frequencies

 

The Ages of Parliamentarians
The Ages of Parliamentarians

 

The histogram indicates quite a nice, nearly normal distribution. Just in case we might be interested in the densities, we have to create the histogram with a slight change in the code:

Density Plot of the Ages of the Parliamentarians
Density Plot of the Ages of the Parliamentarians
hist(age, col = "green", main = "The Ages of Parliamentarians", freq = F, xlab = "Age")
lines(density(age), col = "red", lwd = 3)  # Fit a density curve to the histogram

 

The argument freq=F creates a histogram with densities rather than frequencies. The density() command adds a density line to the histogram, as seen above.

Although the histogram is quite revealing, one can also check normality by producing a quantile-quantile plot. If one wanted to add a line to the normality plot, the qqline() command would get the job done:

qqnorm(age)  # Checking for normality
qqline(age)  # Add a theoretical distribution line

 

Q-Q Plot
Q-Q Plot

The distribution of the ages is not bad. However, if we wanted to check the normality of the variable numerically, then we would load the “e1071” (assuming that it is already installed) package and use the skewness() command.

library(e1071)
skewness(age)
## [1] 0.1714109

Now let’s create a new data frame by including the age vector, and call it tbmm2:

tbmm2 <- data.frame(tbmm, age)  # Create a data frame with the new var, age

After forming a new data frame, we can now look at some other characteristics of the members of parliament:

agebysex_w <- subset(table(age, tbmm2$Sex), tbmm$Sex == "W")
agebysex_m <- subset(table(age, tbmm2$Sex), tbmm$Sex == "M")

We have just created two subsets of the data, one for women and another for men. There are 75 female and 461 male members of parliament. Next, we can examine the age distribution of the female representatives:

hist(agebysex_w, col = "pink")  # Ages of female representatives

 

Ages of Female Deputies
Ages of Female Deputies

A similar histogram for the males can be produced using the same syntax:

hist(agebysex_m, col = "blue")  #  Ages of male representatives

 

Ages of Male Deputies
Ages of Male Deputies

Now we have a pretty good idea about their ages, and if we think we might do some further work on the males and the females, we might want to create some subsets for the respective categories:

list_w <- subset(tbmm2, Sex == "W")  # Create a list of female reps
list_m <- subset(tbmm2, Sex == "M")  # Create a list of male reps

Just out of curiosity, one might wonder who the female representatives are. For this, it is enough to type the name of the newly created vector, list_w:

list_w
##                       Name Birthdate Sex    Profession Lang age
## 7             FATOŞ GÜRKAN      1966   W        LAWYER    1  48
## 27            FATMA SALMAN      1970   W    ACCOUNTANT    0  44
## 31           İLKNUR İNCEÖZ      1973   W        LAWYER    1  41
## 39    AYŞE GÜLSÜN BİLGEHAN      1957   W   ACADEMICIAN    2  57
## 48             ÜLKER GÜZEL      1944   W       PLANNER    1  70
## 56          AYLİN NAZLIAKA      1968   W BUSINESSWOMAN    1  46
## 58         TÜLAY SELAMOĞLU      1966   W     ARCHITECT    2  48
## 61            NURDAN ŞANLI      1954   W BUSINESSWOMAN    1  60
## 62      EMİNE ÜLKER TARHAN      1963   W         JUDGE    1  51
## 63             ZUHAL TOPÇU      1960   W   ACADEMICIAN    1  54
## 75      GÖKCEN ÖZDOĞAN ENÇ      1976   W    SPECIALIST    1  38
## 87             SEMİHA ÖYÜŞ      1960   W        LAWYER    1  54
## 90       AYŞE NEDRET AKOVA      1948   W        LAWYER    1  66
## 92           TÜLAY BABUŞCU      1976   W    PHARMACIST    1  38
## 121   CANAN CANDEMİR ÇELİK      1974   W        LAWYER    1  40
## 126       TÜLİN ERKAL KARA      1969   W    TRANSLATOR    2  45
## 127            SENA KALELİ      1956   W BUSINESSWOMAN    2  58
## 148        NURCAN DALBUDAK      1979   W    TECHNICIAN    1  35
## 153         NURSEL AYDOĞAN      1958   W      ENGINEER    1  56
## 154             EMİNE AYNA      1968   W                  1  46
## 157             OYA ERONAT      1962   W      ENGINEER    1  52
## 160         MİNE LÖK BEYAZ      1973   W     ARCHITECT    1  41
## 162             LEYLA ZANA      1961   W    JOURNALIST    1  53
## 169           SERMİN BALIK      1972   W BUSINESSWOMAN    1  42
## 177   FAZİLET DAĞCI ÇIĞLIK      1973   W      ENGINEER    4  41
## 183              ÜLKER CAN      1963   W    PHARMACIST    1  51
## 184         RUHSAR DEMİREL      1963   W        DOCTOR    1  51
## 186           DERYA BAKBAK      1972   W     ARCHITECT    1  42
## 216          PERVİN BULDAN      1967   W                  1  47
## 223        SABAHAT AKKİRAY      1955   W        ARTIST    1  59
## 225          MERAL AKŞENER      1956   W   ACADEMICIAN    0  58
## 230   AYŞE NUR BAHÇEKAPILI      1954   W        LAWYER    1  60
## 233              NİMET BAŞ      1965   W        LAWYER    1  49
## 242         TÜRKAN DAĞOĞLU      1945   W        DOCTOR    1  69
## 243           GÜLAY DALYAN      1962   W      ENGINEER    1  52
## 244    AYŞE ESER DANIŞOĞLU      1962   W   ACADEMICIAN    2  52
## 245           ALEV DEDEGİL      1958   W ADMINISTRATOR    1  56
## 257        HALİDE İNCEKARA      1959   W ADMINISTRATOR    1  55
## 262         TÜLAY KAYNARCA      1969   W    JOURNALIST    0  45
## 268            SEDEF KÜÇÜK      1958   W ADMINISTRATOR    2  56
## 273             MELDA ONUR      1964   W    JOURNALIST    3  50
## 280            ŞAFAK PAVEY      1976   W      DIPLOMAT    7  38
## 284   MİHRİMAH BELMA SATIR      1961   W        LAWYER    1  53
## 285          SEVİM SAVAŞER      1953   W   ACADEMICIAN    1  61
## 286       FATMA NUR SERTER      1948   W   ACADEMICIAN    1  66
## 289      BİHLUN TAMAYLIGİL      1966   W     ECONOMIST    2  48
## 293          BİNNAZ TOPRAK      1942   W   ACADEMICIAN    1  72
## 297         SEBAHAT TUNCEL      1975   W    TECHNICIAN    0  39
## 306     BİRGÜL AYMAN GÜLER      1961   W   ACADEMICIAN    1  53
## 311         İLKNUR DENİZLİ      1964   W      ENGINEER    1  50
## 313            HÜLYA GÜVEN      1951   W        DOCTOR    1  63
## 317    ŞÜKRAN GÜLDAL MUMCU      1951   W BUSINESSWOMAN    1  63
## 330    SEVDE BAYAZIT KAÇAR      1974   W FILM PRODUCER    1  40
## 343        MÜLKİYE BİRTANE      1964   W       TEACHER    4  50
## 349     PELİN GÜNDEŞ BAKIR      1972   W   ACADEMICIAN    1  42
## 370      AZİZE SİBEL GÖNÜL      1966   W     ARCHITECT    1  48
## 385          GÜLAY SAMANCI      1977   W        LAWYER    0  37
## 387       AYŞE TÜRKMENOĞLU      1965   W        LAWYER    0  49
## 398            ÖZNUR ÇALIK      1965   W    PHARMACIST    1  49
## 407              SAKİNE ÖZ      1964   W     ARCHITECT    1  50
## 413 GÖNÜL BEKİN ŞAHKULUBEY      1970   W    PHARMACIST    2  44
## 416        GÜLSER YILDIRIM      1963   W                  0  51
## 422  ÇİĞDEM MÜNEVVER ÖKTEN      1961   W       TEACHER    2  53
## 457          AYŞENUR İSLAM      1958   W   ACADEMICIAN    1  56
## 462            TÜLAY BAKIR      1947   W        DOCTOR    2  67
## 476 MESUDE NURSUNA MEMECAN      1957   W      ENGINEER    1  57
## 491    ZEYNEP ARMAĞAN USLU      1969   W   ACADEMICIAN    1  45
## 493            SELMA IRMAK      1971   W                  1  43
## 500          ÖZLEM YEMİŞÇİ      1971   W BUSINESSWOMAN    1  43
## 501          CANDAN YÜCEER      1973   W        DOCTOR    1  41
## 506           DİLEK YÜKSEL      1977   W     ECONOMIST    1  37
## 512      SAFİYE SEYMENOĞLU      1964   W     ARCHITECT    1  50
## 515    DİLEK AKAGÜN YILMAZ      1963   W        LAWYER    1  51
## 523           GÜLŞEN ORHAN      1970   W ARCHAEOLOGIST    3  44
## 524           AYSEL TUĞLUK      1965   W        LAWYER    0  49

Just as we computed the summary statistics for all the representatives, we can compute them for males and females separately as well:

summary(list_w$age)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   35.00   44.00   50.00   50.37   56.00   72.00

Similarly, for men we use the other vector:

summary(list_m$age)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   30.00   47.00   54.00   53.61   59.00   80.00

It is seen that men have a slightly higher mean age than women. Earlier we have seen that the average of all the deputies is 53 years. The summary statistics also told us that the youngest is 30 years old, and the oldest 80. We might want to know who they are. Subsetting our data would give us the answer we need:

youngest  <- tbmm2[ which(tbmm2$age == 30), ]

By typing the name of the vector, youngest, we can see who he is:

youngest
##                     Name Birthdate Sex Profession Lang age
## 270 MUHAMMET BİLAL MACİT      1984   M SPECIALIST    1  30

Of course creating a new vector for the youngest individual may not be of much use. However, if we think we might want to get the name and the associated data quickly in a future analysis, this can be done by assigning that person to a vector.

The same operation can be performed for the oldest member of parliament:

oldest  <- tbmm2[ which(tbmm2$age == 80), ]
oldest
##                 Name Birthdate Sex Profession Lang age
## 249 OSMAN OKTAY EKŞİ      1934   M JOURNALIST    1  80

The oldest member of the parliament turns out to be the well-known journalist, Oktay Ekşi.

By going over the data we can see that one of the representatives speaks 10 languages. That is certainly an interesting case. However, considering that even speaking three languages is not a very common phenomenon, we might want to see how many of the deputies can speak more than three languages:

tbmm2[ which(tbmm2$Lang > 3), ]
##                            Name Birthdate Sex  Profession Lang age
## 28          MEHMET KERİM YILDIZ      1965   M      DOCTOR    4  49
## 57          NAZMİ HALUK ÖZDALGA      1948   M    ENGINEER    4  66
## 59              SEYİT SERTÇELİK      1964   M ACADEMICIAN   10  50
## 72                 MEHMET GÜNAL      1964   M   ECONOMIST    4  50
## 73             YUSUF ZİYA İRBEÇ      1959   M   ECONOMIST    7  55
## 177        FAZİLET DAĞCI ÇIĞLIK      1973   W    ENGINEER    4  41
## 240              MUHAMMED ÇETİN      1963   M ACADEMICIAN    4  51
## 280                 ŞAFAK PAVEY      1976   W    DIPLOMAT    7  38
## 296                  FAİK TUNAY      1981   M BUSINESSMAN    5  33
## 335 YILDIRIM MEHMET RAMAZANOĞLU      1956   M      DOCTOR    5  58
## 343             MÜLKİYE BİRTANE      1964   W     TEACHER    4  50
## 376               LÜTFÜ TÜRKKAN      1959   M BUSINESSMAN    4  55
## 390                   CEM ZORLU      1963   M ACADEMICIAN    4  51
## 414                   EROL DORA      1964   M      LAWYER    4  50
## 487       MEHMET KASIM GÜLPINAR      1969   M  BUREAUCRAT    4  45
## 492          MEHMET EMİN DÜNDAR      1959   M      DOCTOR    4  55
## 519              MUSTAFA BİLİCİ      1969   M  ACCOUNTANT    4  45
## 522             BURHAN KAYATÜRK      1970   M    ENGINEER    5  44

Whoa! There is quite an impressive group of people that are polyglots. Since we do not have a chance to verify the truth of these findings, we have to accept our findings at their face value.

Since we ended up with so many people that speak a multitude of languages, we might want to put this subset in a vector so that next time we are intereted in knowing how many there are of them or who they are, we can quickly get the information we need:

polyglots  <- tbmm2[ which(tbmm2$Lang > 3), ]

We can now perform the same operation to see how many deputies speak no languages:

no_speak <- tbmm2[ which(tbmm2$Lang < 1), ]
no_speak
##                         Name Birthdate Sex    Profession Lang age
## 27              FATMA SALMAN      1970   W    ACCOUNTANT    0  44
## 53             SALİH KAPUSUZ      1954   M   BUSINESSMAN    0  60
## 74              OSMAN KAPTAN      1946   M    BUREAUCRAT    0  68
## 81          UĞUR BAYRAKTUTAN      1965   M        LAWYER    0  49
## 96     MEHMET CEMAL ÖZTAYLAN      1954   M     ECONOMIST    0  60
## 98  MUHAMMET RIZA YALÇINKAYA      1955   M      ENGINEER    0  59
## 99             AYLA AKAT ATA      1976   M        LAWYER    0  38
## 104         FAHRETTİN POYRAZ      1968   M       AUDITOR    0  46
## 105           BAHATTİN ŞEKER      1956   M   BUSINESSMAN    0  58
## 110              VAHİT KİLER      1966   M   BUSINESSMAN    0  48
## 124             KEMAL EKİNCİ      1948   M      ENGINEER    0  66
## 131                 İSMET SU      1959   M        LAWYER    0  55
## 134             TURHAN TAYAN      1943   M        LAWYER    0  71
## 144               SALİM USLU      1955   M        WORKER    0  59
## 147            İLHAN CİHANER      1968   M    PROSECUTOR    0  46
## 149             ADNAN KESKİN      1942   M        LAWYER    0  72
## 168               ŞUAY ALPAY      1960   M        LAWYER    0  54
## 174     SEBAHATTİN KARAKELLE      1950   M       TEACHER    0  64
## 188           MEHMET ERDOĞAN      1956   M   BUSINESSMAN    0  58
## 191              MEHMET SARI      1968   M   BUSINESSMAN    0  46
## 199 SELAHATTİN KARAAHMETOĞLU      1952   M    PHARMACIST    0  62
## 206              HASAN AKGÖL      1965   M    TECHNICIAN    0  49
## 207       ADNAN ŞEFİK ÇİRKİN      1962   M        FARMER    0  52
## 222               CELAL ADAN      1951   M      ENGINEER    0  63
## 225            MERAL AKŞENER      1956   W   ACADEMICIAN    0  58
## 239          SÜLEYMAN ÇELEBİ      1953   M    TECHNICIAN    0  61
## 250              EKREM ERDEM      1948   M       TEACHER    0  66
## 260               ATİLA KAYA      1957   M   BUSINESSMAN    0  57
## 261                EROL KAYA      1959   M ADMINISTRATOR    0  55
## 262           TÜLAY KAYNARCA      1969   W    JOURNALIST    0  45
## 277      SIRRI SÜREYYA ÖNDER      1962   M        ARTIST    0  52
## 297           SEBAHAT TUNCEL      1975   W    TECHNICIAN    0  39
## 300    ABDULLAH LEVENT TÜZEL      1961   M        LAWYER    0  53
## 308                 MUSA ÇAM      1953   M        WORKER    0  61
## 316          MUSTAFA MOROĞLU      1958   M   BUSINESSMAN    0  56
## 320         MEHMET ALİ SUSAM      1956   M       CHEMIST    0  58
## 321             AYDIN ŞENGÜL      1968   M  CITY PLANNER    0  46
## 334            NEVZAT PAKDİL      1950   M    BUREAUCRAT    0  64
## 340             MEVLÜT AKGÜN      1966   M        LAWYER    0  48
## 347              HAKKI KÖYLÜ      1948   M    PROSECUTOR    0  66
## 355              SADIK YAKUT      1956   M         JUDGE    0  58
## 360             TURGUT DİBEK      1966   M        LAWYER    0  48
## 369              NİHAT ERGÜN      1962   M    ACCOUNTANT    0  52
## 383              ATILLA KART      1954   M        LAWYER    0  60
## 385            GÜLAY SAMANCI      1977   W        LAWYER    0  37
## 387         AYŞE TÜRKMENOĞLU      1965   W        LAWYER    0  49
## 403             UĞUR AYDEMİR      1967   M    ACCOUNTANT    0  47
## 406               HASAN ÖREN      1953   M   BUSINESSMAN    0  61
## 410       HÜSEYİN TANRIVERDİ      1956   M       TEACHER    0  58
## 415            MUAMMER GÜLER      1949   M    BUREAUCRAT    0  65
## 416          GÜLSER YILDIRIM      1963   W                  0  51
## 420                  İSA GÖK      1963   M        LAWYER    0  51
## 447             İDRİS YILDIZ      1950   M      ENGINEER    0  64
## 454            HAYATİ YAZICI      1952   M         JUDGE    0  62
## 464            MUSTAFA DEMİR      1961   M     ARCHITECT    0  53
## 484              FARUK ÇELİK      1956   M       TEACHER    0  58
## 497             BüLENT BELEN      1956   M    ACCOUNTANT    0  58
## 507              KORAY AYDIN      1955   M      ENGINEER    0  59
## 524             AYSEL TUĞLUK      1965   W        LAWYER    0  49
## 527            MUHARREM İNCE      1964   M       TEACHER    0  50
## 534        ALİ İHSAN KÖKTÜRK      1963   M        LAWYER    0  51
## 535            KÖKSAL TOPTAN      1943   M        LAWYER    0  71

We can see that 62 representatives do not speak any languages, and 18 speak more than 3.

Now that we have examined the age distribution and the knowledge of languages in the parliament, we have some idea about the characteristics of the people that have been elected to represent the people in Turkey.

As indicated at the outset, this was a simple exercise in calculating descriptive statistics using R, and also a quick and rather superficial examination of the members of parliament in Turkey.

Before we end our session, we can save this whole work that we have done in an RData file:

save.image("tbmm.RData")

Finally, good housekeeping is always a good habit to develop:

remove(list=ls())

Note: The data can be downloaded from: https://github.com/Locomarinero/TBMM/blob/master/tbmm24.txt

Advertisements

Alternatif Tatiller: Albir

Kışın yurtdışında tatil yapmak ya da birkaç günlüğüne kafa dinlemek için sakin bir yerlere gitmeyi ama ılıman bir yerlerde dinlenmeyi düşünüyorsanız, İspanya’da Alicante yakınlarındaki Albir, iyi bir seçenek olabilir.

Albir, daha çok kuzey Avrupalılar’ın oturduğu küçük ve sakin bir yerleşim. İspanya’nın Costa Blanca olarak anılan sahilinde gürültüden uzak, düzgün ve fiyatların uygun olduğu bir yer. Kuzeyinde, otobüsle 1 saat 45 dakikada gidilen Valencia, güneyinde Alicante’nin bulunduğu bu ufak kentte ihtiyacı karşılayacak kadar süpermarket ve mağaza bulunuyor.

Albir'de deniz kıyısı boyunca uzanan kordon (Paseo de las Estrellas), özellikle sabah erken saatte ve akşamüstü yürüyüşleri için ideal.
Albir’de deniz kıyısı boyunca uzanan kordon (Paseo de las Estrellas), özellikle sabah erken saatte ve akşamüstü yürüyüşleri için ideal.

Şarap sevenler için süpermarket raflarında gayet ucuz fakat zevkle içilebilen şarap her zaman mevcut. Daha da meraklısı, La Bodega del Albir’de her türlü zevk ve keseye hitap eden daha bol şarap çeşidi içinden seçimini yapabilir.

Albir'deki mimari örneklerinden.
Albir’deki mimari örneklerinden.

Albir’in en hoş vakit geçirilebilecek yerlerinden biri, sahildeki kordon. Burada promenad yapmaya müsait düzgün bir yaya yolu olan Paseo de las Estrellas, sahil boyunca kuzeyde, birkaç kilometre ötedeki Altea’ya kadar uzanıyor. Sahil boyunca uzanan bu kaldırımın bir yanında masmavi mare nostrum, öbür yanında ise dar bir yol ve yol boyunca dizilmiş kafeler, lokantalar var.

Albir’in oldukça geniş ve cazip bir plajı var. Mavi Bayraklı olan plajın yazın dolup taşıyor olduğunu tahmin etmek hiç zor değil. Gayet geniş ve güzel bir plaj, birkaç kilometre güneydeki Benidorm’da da mevcut. Kışın güneşli havalarda plaja sandalyesini atıp güneşlenenleri görmek mümkün.

Albir’de kıyı boyunca yürümek ve Akdeniz’in adeta sonsuza kadar uzanan ufkuna bakmak, yörenin tertemiz havasını solumak, son derece dinlendirici ve rahatlatıcı. Sahilin bittiği ve çapa biçimindeki anıtın bulunduğu yerde her sabah erken saatte bir grup insan, müzik eşliğinde yoga yapıyor. Kıyı boyunca yürüyüş yapanlar, koşanlar ve köpeğini gezdirenler de sayıca az değil.

Sabah erken saatte müzik eşliğinde yoga seansı.
Sabah erken saatte müzik eşliğinde yoga seansı.

Albir’de emlâk piyasasının oldukça hareketli olduğunu, emlâkçı sayısından ve vitrinlere konmuş ilanlardan anlamak mümkün. Kuzey Avrupalılar’ın bir kısmı burada yerleşik olarak yaşıyor, bir kısmı da ikinci konut sahibi olarak yılın bir kısmını burada geçiriyor. Çoğu 65-70 yaşın üzerinde olan bu kimseler, besbelli ki, emekliliklerini Albir’in sakin ve temiz ortamında geçirmekten memnun. Burada sayıca hiç de az olmayan kuzeylilerin kendilerine özel klinikleri, okul ve kiliseleri de var.

Albir'de pazar günleri kurulan açık hava pazarı.
Albir’de pazar günleri kurulan açık hava pazarı.

Albir’de döner kebaptan Çin, Hint ve Japon mutfağına kadar pek çok tür damak zevkine hitap eden lokanta bulmak mümkün.

Fener civarındaki dağda ilginç oluşumlar görmek mümkün.
Fener civarındaki dağda ilginç oluşumlar görmek mümkün.

Ulaşımın da oldukça rahat olduğu söylenebilir. Belediye otobüsleri ile Benidorm, L’Alfas del Pi ve Altea gibi yakındaki yerleşimlere ulaşmak gayet kolay ve ekonomik. Kışın nüfusun nisbeten az olması dolayısıyla fazla trafik gürültüsü de olmadığından Albir kısa bir tatil için gayet müsait bir ortam oluşturuyor. Alicante’den trenle başka yerlere gitmek mümkün. Fiyatlar makul ve trenler de rahat ve temiz. Albir ile Alicante arası 48 km, Alicante havaalanı ile Albir arası ise 58 km.

Albir’in tarihi Roma dönemine kadar uzanmaktadır. 2009 yılında bulunan bir mezardan çıkarılan bir çocuk tabutu, önemli arkeolojik bulgulardan biri olarak ilgi çekmiş. Daha sonra bir yeraltı ısıtma sistemi (hypocaust), su depoları ve başka bazı bulgulara rastlanması, burada önemli bir yerleşimin bulunmuş olması ihtimalini güçlendiriyor. Daha sonraki yüzyıllarda Arap işgali ile birlikte burada önemli bir tarım üretimi başlamış.

Albir’de yapılabilecek en bariz şeylerden biri, mevsim yaz ise denize girmek ve bol bol güneşlenmek olabilir fakat ben kışın nasıl vakit geçirilebileceğini anlatacağım.

Benidorm'un plajı kışın bile insanı çeken bir güzellikte.
Benidorm’un plajı kışın bile insanı çeken bir güzellikte.

Seçeneklerden biri, yakındaki Benidorm’a gidip kıyıdaki kordonda dolaşmak ve denize nazır bir kafede veya lokantada oturup güzel bir yemek yemek olabilir. Benidorm’un ne yazık ki bundan başka fazla bir cazibesi olduğu söylenemez. Yüksek binalarla ve gökdelenlerle dolu bu kentin denizinden ve son derece geniş ve güzel kumsalından başka pek de ilginç bir tarafı ne yazık ki yok.

Benidorm, denize girmek ve güneşlenmek isteyenler için cazip bir seçenek.
Benidorm, denize girmek ve güneşlenmek isteyenler için cazip bir seçenek.

Bir diger ve daha ilginç alternatif ise, Albir’den 25 km kadar uzaktaki Guadalest köyüne gitmek olabilir. Bu köy, 8. yüzyılda Araplar tarafından oluşturulmuş olup bugün sarp bir kayalık üzerinde bulunan kalesi, bölgeyi gözetlemek ve kontrol altında tutmak amacıyla inşa edilmiş. Bu kalenin, köyün en ilginç ve görülmeye değer yönlerinden biri olduğu, şüphe götürmez. Vaktiyle Arapların oturduğu evleri görmek de bir diger ilgi çekici unsur.

Albir’den o kadar dahi uzaklaşmak istemeyenler için sadece birkaç kilometre uzakta, gerek otobüsle ve gerekse kıyıdan yürüyerek gidilebilecek olan Altea, bir diger hoş seçenek.

Altea, denize nazır bir tepede kurulmuş olan bir köy. Aşağıda, deniz kenarında ise köyün daha modern ve apartman tarzı binalarla dolu kısmı var. Burası, Altea’nın tatil ve eğlenceye dönük kısmı. Denizin hemen yanındaki bu kısımda lokanta ve barlar, yiyip içme ihtiyacını fazlasıyla karşılıyor. Ancak, bu kentleşmiş köyün esas ilginç ve çekici olan kısmı, tepedeki esas yerleşim. Buraya dik sokaklardan, merdivenlerden çıkarak varılabiliyor. Arada durup dinlenebileceğiniz ve aşağıdaki manzarayı seyredebileceğiniz teras tarzı yerler de mevcut. Tepeye vardığınızda kendinizi köy meydanında buluyorsunuz. Meydanda bir köy kahvesi ve bir de kilise var. Köy meydanı havadar bir yer. Burada açık havada oturup bir bira ya da kahve içmek insana büyük bir zevk veriyor. Meydana çıkan dar sokaklara dalıp köyün sakin ortamında dolaşmak da ayrı bir zevk. Bu dar sokaklardan birinde Rico ve Nuno’nun küçük ve mütevazı görünümdeki atelyesinden alacağınız bir yapıt, Altea’dan hoş bir anı olarak evinizin duvarını süsleyebilir. Bu tipik Akdeniz köyü, gerek manzarası, gerek lokanta ve kafeleriyle ve gerekse otel ve pansiyonlarıyla turistler için sakin ve ekonomik bir alternatif.

Altea'nın tipik sokaklarından biri.
Altea’nın tipik sokaklarından biri.

Albir ya da Altea’da kalanların bir seçeneği de Albir’deki deniz fenerinin bulunduğu tepeye yürüyerek çıkmak. Burası denizden 110 m kadar yükseklikteki bir tepe. Fener, sarp bir kayalık üzerine 1863’te inşa edilmiş.

Altea'nın dar ve yokuş sokaklarından biri.
Altea’nın dar ve yokuş sokaklarından biri.

Fener ve buraya çıkan yol, çam ormanı ve maki tarzı bitkilerle dolu bir Serra Gelada doğa parkının içinde yer alıyor. Bitki örtüsü çam ağaçları, Avrupa’ya özgü bir palmiye türü olan chamaerops humilis, sakız ağacı, orkide çeşitleri ve pek çok gölge bitkisinden oluşuyor.

Fenere çıkan yol, hiking için güzel bir fırsat.
Fenere çıkan yol, hiking için güzel bir fırsat.

Buradaki bazı kayalarda 100 milyon yıl kadar önce yaşamış bazı deniz canlıların fosilleri de bulunuyor. Bugün bu bölgede 50 tür balık bulunuyor; Akdeniz bölgesinin sadece bu kısmında yetişen bazı bitki türleri mevcut.

Fener
Fener

Bu bölgedeki koylar, Benidorm ve l’Olla adaları, 16-18. yüzyıllarda Berberi korsanların saklandıkları yerler imiş. Tepede fenerin hemen yakınında bulunan gözetleme kulesi kalıntıları da buralara dadanan korsanları gözetlemek amacıyla yapılmış. Kalenin kulesi Bağımsızlık Savaşı (1808-14) yıllarında tahrip olmuş fakat kalıntıları halen görülebiliyor.

Albir ve Roldan'ın Dilimi
Albir ve Roldan’ın Dilimi

Bu tepeden bakıldığında karşıda, 1406 m yüksekliğinde, bu bölgenin en yüksek ikinci dağı olan Puig Campana dağı görülüyor. Bu dağın bir özelliği, ilginç bir söylenceye konu olması. Bu söylenceye Roldan’ın Dilimi deniyor çünkü dağın tepesinde, bıçakla bir dilim düzgünce kesilip alınmış gibi bir oluşum var. Roldan, Franklar’ın kralı Şarlman’ın komutanlarından biridir. Roldan bu bölgeye gelir ve burada bir bakireye aşık olur. Fakat Roldan lânetlenir ve buna göre güneşin en son ışığı kızın tenine değdiği anda ölecektir. Umutsuzluğa kapılan Roldan, Puig Campana’nın zirvesine tırmanır, kılıcını çeker ve sevgilisinin ömrünü uzatabilmek için dağdan bir dilim keser. Güneş Puig Campana’nın arkasında battığında kız ölür ve Roldan, deliye dönmüş olarak dilimleyerek kestiği kaya parçasını alır ve denize fırlatır. Bu da Benidorm Adası’nı oluşturur.

Albir ve Roldan'ın Dilimi (sol üstte, dağın tepesine yakın).
Albir ve Roldan’ın Dilimi (sol üstte, dağın tepesine yakın).

İşte fenerin bulunduğu tepeden ve Albir’den görünen bu ilginç dağın ve dilimlenmiş görünümlü tepenin trajik hikayesi böyle.

Fenere doğru çıkarken yolun solunda, deniz tarafında bazı bina kalıntıları mevcut. Bunlar, 19. yüzyıl ortalarından 20. yüzyıl başlarına kadar yapılmış bir madencilik faaliyetinin kalıntıları. Madeni işleten Soler-Devesa ailesi, bugün hâlâ la Mina (Madenci) adıyla anılıyor. Madenin ustabaşılığını yapan Miguel Soler Devesa, eşi Esperanza’yı işçilerin başında bırakarak 1888 yılında Cezayir’e göç ediyor.

Bu ilginç öykülere konu olan Serra Gelada, muhteşem manzarası, temiz havası ve göz alıcı doğasıyla Albir’de geçirilecek bir tatilin olmazsa olmaz bir parçasını oluşturuyor.

Albir’den dağa doğru yürürken yüksek sokaklardaki müstakil evlerin mimarisi de ayrı bir ilgi alanı olabilir. Bazıları biraz sıradan bir karakterde olsa da, diger pek çoğu ilginç mimari özellikler içeren, çoğuna ad verilmiş evleri seyrederek tepeye tırmanmak, gezintiyi daha da ilginç kılıyor. Özellikle mimariyle ilgilenenler için İspanya’da görülecek çok şey var.

Sonuç olarak Albir, kışın soğuktan birkaç günlüğüne uzaklaşarak stres atmak için uygun ve ekonomik bir seçenek.