การออกแบบแบบจำลองการพยากรณ์ผลผลิตมันสำปะหลังในเขตพื้นที่ จังหวัดนครราชสีมาด้วยเทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้มีวัตถุประสงค์เพื่อออกแบบแบบจำลองการพยากรณ์ของผลผลิตมันสำปะหลังด้วยเทคนิคเหมืองข้อมูลในเขตพื้นที่เพาะปลูกจังหวัดนครราชสีมา ซึ่งเป็นข้อมูลย้อนหลังตั้งแต่ พ.ศ. 2555 – 2559 ประกอบด้วยคุณลักษณะ (attribute) 8 คุณลักษณะมาสร้างแบบจำลองการพยากรณ์ โดยผ่านกระบวนการคัดเลือกปัจจัยที่มีอิทธิพลต่อการพยากรณ์ (Feature selection) ซึ่งใช้วิธีวิธีการวิเคราะห์องค์ประกอบ จากนั้นนำไปพัฒนาแบบจำลองเพื่อการพยากรณ์ โดยใช้เทคนิคโครงสร้างต้นไม้ เทคนิคโครงข่ายประสาทเทียม เทคนิคเครือข่ายเบย์ และเทคนิคซัพพอร์ตเวกเตอร์แมชชีน พบว่าประสิทธิภาพของแบบจำลองโดยใช้เทคนิคเครือข่ายเบย์ให้ค่าความถูกต้องเมื่อทดสอบด้วยวิธีการแบ่งข้อมูลแบบสุ่มด้วยการแบ่งร้อยละ ได้แสดงค่าความแม่นยำ ค่าความระลึกได้ และค่าการวัดประสิทธิภาพในภาพรวมดีที่สุด มีค่าดังนี้ 0.673, 0.606, 0.685 และ 0.629 ตามลำดับ เมื่อเทียบกับค่าความผิดพลาดของรากที่สองของค่าความคลาดเคลื่อนเฉลี่ยกำลังสอง และยังวัดค่าความแม่นยำ โดยใช้เกณฑ์ในการเปรียบเทียบจากรากที่สองของค่าความคลาดเคลื่อนเฉลี่ยกำลังสองและค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย มีค่าดังนี้ 0.303 และ 0.201 ตามลำดับ แสดงให้เห็นว่าค่าความคลาดเคลื่อนน้อยแบบจำลองที่ได้ยิ่งมีความแม่นยำของการทำนายดี
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวารสารวิทยาศาสตร์และเทคโนโลยีถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวารสารวิทยาศาสตร์และเทคโนโลยีถือเป็นลิขสิทธิ์ของวารสารวารสารวิทยาศาสตร์และเทคโนโลยีหากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารวารสารวิทยาศาสตร์และเทคโนโลยี ก่อนเท่านั้น
References
Cios, K., Pedrycz, W., Swiniarski, R., & Kurgan, L. (2007). Data Mining: A Knowledge Discovery Approach. New York : Springer.
Han, J., & Kamber, M.. (2006). Data Mining Concepts and Techniques. California : Morgan Kaufmann. 2nd ed.
Larose, D.T. (2005). Discovery Knowledge in Data : An Introduction to Data Mining. New York : John Wiley.
กรมส่งเสริมการเกษตร. (2548.). การปลูกมันสำปะหลัง. โรงพิมพ์สำนักพิมพ์การถ่ายทอดเทคโนโลยี. กรุงเทพฯ : กรมส่งเสริมการเกษตร.
ขนิษฐา กุลนาวิน, ชมัยพร เจริญพร, ปานจิตร์ หลงประดิษฐ์ และ ภัทรสินี ภัทรโกศลและคณะ. (2557). การศึกษาเปรียบเทียบเทคนิคเหมืองข้อมูลใช้ในการทำนายผลผลิตพืชไร่ทางการเกษตร: กรณีศึกษาข้าวไทย. วารสารวิจัย มข. ปีที่ 19 ฉบับที่ 1 มกราคม – กุมภาพันธ์ 2557 หน้า 31-43.
ชุติมา อุตมะมุณีย์ และ ประสงค์ ปราณีตพลกรัง. การพัฒนาตัวแบบระบบสนับสนุนการตัดสินใจแบบอัตโนมัติออนไลน์สำหรับการเลือกสาขาวิชาเรียนของนักศึกษาระดับอุดมศึกษา. Journal of Information Science and Technology, 1(2), 2553. หน้า 39-48.
ปิยะพร แซ่ลิ้ม, วิวรรณ กาญจนวจี, พัชนา สุวรรณแสน และ ณพฐ์ โสภีพันธ์ (2562). การพยากรณ์ผลผลิตข้าวหอมมะลิ ในจังหวัดนครราชสีมา. วารสารวิจัยวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครราชสีมา ปีที่ 4 ฉบับที่ 2 (กรกฎาคม - ธันวาคม 2562) หน้า 25-37
เพชรน้อย สิงห์ช่างชัย. (2549). หลักการและการใช้สถิติการวิเคราะห์ตัวแปรหลายตัว สำหรับการวิจัยทางการพยาบาล. พิมพ์ครั้งที่ 3. สงขลา : ชานเมืองการพิมพ์.
วิรชา วิรัชกุล และ ธวัชชัย งามสันติวงศ์ (2558). การเปรียบเทียบประสิทธิภาพระหว่างเทคนิค Decision Tree C4.5 , k-NN และ Naive Bayes เพื่อใช้พยากรณ์ผลสอบมาตรฐานด้านเทคโนโลยีสารสนเทศ มหาวิทยาลัยราชภัฏนครปฐม. (วิทยานิพนธ์ปริญญามหาบัณฑิต). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
อรนงค์ บุเกตุ และ พุธษดี ศิริแสงตระกูล (2556). แบบจำลองการพยากรณ์ปริมาณอ้อยของภาคตะวันออกเฉียงเหนือ โดยการใช้โครงข่ายประสาทเทียม. วารสารวิทยาศาสตร์ มข. ปีที่ 41 ฉบับที่ 1มกราคม – มีนาคม 2556 หน้า 213-225.