การพัฒนาตัวแบบการพยากรณ์คาดการณ์คำสั่งซื้อสินค้าโดยใช้เทคนิคเหมืองข้อมูล
คำสำคัญ:
เทคนิคเหมืองข้อมูล, ตัวแบบการพยากรณ์คาดการณ์, คำสั่งซื้อสินค้าบทคัดย่อ
งานวิจัยในครั้งนี้ มีวัตถุประสงค์ เพื่อทดสอบตัวแบบพยากรณ์คาดการณ์คำสั่งซื้อสินค้า และหาประสิทธิภาพของระบบ ที่ผู้วิจัยสร้างขึ้นด้วยวิธีการ Cross Validation 10 Folds ผ่านเทคนิคเหมืองข้อมูล และหาผลสำรวจความพึงพอใจของผู้ประกอบการที่ได้ทดลองใช้ระบบตัวแบบพยากรณ์คาดการณ์คำสั่งซื้อสินค้าโดยใช้เทคนิคเหมืองข้อมูล จากเกณฑ์คะแนน 5 ระดับ โดยใช้สถิติพื้นฐาน คือ การหาค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน พบว่า เทคนิคต้นไม้ตัดสินใจ (Decision Tree (J48)) มีค่าความถูกต้องมากที่สุดและสูงกว่าเทคนิคอื่น คิดเป็นร้อยละ 84.84 รวมถึงมีค่าผิดพลาดน้อยที่สุดคิดเป็นร้อยละ 15.16 รองลงมาเป็นเทคนิคค้นหาเพื่อนใกล้บ้าน (K-Nearest Neighbors) มีค่าความถูกต้องคิดเป็นร้อยละ 81.60 มีค่าผิดพลาดคิดเป็นร้อยละ 18.40 และเทคนิคนาอีฟเบย์ (Naïve Bayes) มีค่าความถูกต้องน้อยที่สุดคิดเป็นร้อยละ 74.11 ซึ่งมีค่าผิดพลาดมากที่สุดคิดเป็นร้อยละ 25.89
ดังนั้นจึงนำวิธีการ Cross Validation 10 Folds ผ่านเทคนิคต้นไม้ตัดสินใจ (Decision Tree (J48)) ไปใช้ในการจำแนกประเภทข้อมูลการเรียนรู้ของคำสั่งซื้อสินค้า โดยมีผลคะแนนความพึงพอใจต่อการพัฒนาระบบตัวแบบพยากรณ์คาดการณ์คำสั่งซื้อโดยใช้เทคนิคเหมืองข้อมูลต่อประสิทธิภาพของระบบ จากการทดลองใช้ของผู้ประกอบการในเขตภาคกลาง จำนวน 50 ร้านค้า มีค่าเฉลี่ยอยู่ที่ 4.12 และส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.10 ระดับคะแนนแปลผลอยู่ในเกณฑ์ดี
เอกสารอ้างอิง
Ahmad, N. B. Hj. Shamsuddin and S. M. (2010). A comparative analysis of mining techniques for Automatic detection of student's learning style. Intelligent Systems Design and Applications, Cairo, Egypt, pp. 877-882.
Assawamekin, N. (2018). Basic principles of software engineering, Publisher: SE-ED Education, Bangkok.
Chankaew, K. and Piriyaphonsiri, J. (2017). Decision support system for purchasing life insurance. Hat Yai National and International Academic Conference, Hat Yai University, No.8, pp. 370-380.
Office of the National Economic and Social Development Council Office of the Prime Minister. (2022). National Economic and Social Development Plan No. 13 (2023-2027). Royal Gazette.
Pakdeewattanakul, K. (2010). Decision support system scripture and expert system, Publisher: KTP.
Pantoo, O. (2016). Synthesis of an adaptive e-learning model with a mentor system electronics Using the VARK learning model analyzed using data mining methods. Doctor of Philosophy in Information Technology, Graduate School King Mongkut's University of Technology Klao Phra Nakhon Nuea.
Pharasamrit, Y., Phubunop, J. and Phongsiri, W. (2013). Comparison of data mining algorithms to analyze factors affecting students' learning levels. Journal of Science and Technology Mahasarakham University, Vol. 9, pp. 281-289.
Wilailak, S., Charoenphantarak, W. and Wichadakul, D. (2015). Using data mining techniques to predict student academic performance Demonstration School of Kasetsart University Kamphaeng Saen Campus Educational Research and Development Center. Veridian E-Journal Science and Technology Silpakorn University, Vol. 2, No. 2, pp. 1-17.
