การพัฒนาระบบสนับสนุนการตัดสินใจสำหรับการวางแผนการผลิตทุเรียนจังหวัดอุตรดิตถ์ด้วยเทคนิคการพยากรณ์
คำสำคัญ:
การพยากรณ์, โครงข่ายประสาทเทียม, เนอีฟเบย์, เคเนียเรสเนเบอร์, ต้นไม้ตัดสินใจบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) เพื่อเปรียบเทียบประสิทธิภาพของแบบจำลองการพยากรณ์สำหรับการพยากรณ์ปริมาณผลผลิตทุเรียน และ 2) เพื่อพัฒนาระบบสนับสนุนการตัดสินใจสำหรับการวางแผนการผลิตทุเรียนจังหวัดอุตรดิตถ์ ด้วยเทคนิคการพยากรณ์ โดยใช้ข้อมูลปริมาณผลผลิตทุเรียนของจังหวัดอุตรดิตถ์ ขนาดของพื้นที่เก็บเกี่ยวผลผลิต
ราคาผลผลิตเฉลี่ย/กิโลกรัม และข้อมูลปัจจัยที่เกี่ยวข้องกับปริมาณผลผลิต ได้แก่ ปริมาณน้ำฝนเฉลี่ย อุณหภูมิเฉลี่ย อุณหภูมิสูงสุดเฉลี่ย อุณหภูมิต่ำสุดเฉลี่ย ความเร็วลมสูงสุดเฉลี่ย และลมกระโชก ตั้งแต่ปี พ.ศ. 2553-2566 ในการสร้างแบบจำลองพยากรณ์ โดยเลือก 4 เทคนิควิธี ได้แก่ โครงข่ายประสาทเทียม (Artificial Neural Network) เนอีฟเบย์ (Naïve Bayes) เคเนียเรสเนเบอร์ (K-Nearest Neighbor) และต้นไม้ตัดสินใจ (Decision Tree) ผลการประเมินประสิทธิภาพแบบจำลองการพยากรณ์ โดยใช้การวัดความแม่นยำของการพยากรณ์ (Accuracy) จากค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Error: MAE) ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Square Error: MSE) และค่ารากของความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error: RMSE) พบว่าแบบจำลองต้นไม้ตัดสินใจ มีค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ ค่าคลาดเคลื่อนกำลังสองเฉลี่ย และค่ารากของความคลาดเคลื่อนกำลังสองเฉลี่ยต่ำที่สุด รองลงมาคือแบบจำลองเคเนียเรสเนเบอร์ เนอีฟเบย์ และโครงข่ายประสาทเทียมตามลำดับ จึงนำเทคนิควิธีแบบจำลองต้นไม้ตัดสินใจไปประยุกต์ใช้ในการพัฒนาระบบสนับสนุนการตัดสินใจสำหรับการวางแผนการผลิตทุเรียนจังหวัดอุตรดิตถ์ โดยผลการประเมินการใช้งานระบบอยู่ในระดับดี มีค่าเฉลี่ยเท่ากับ 4.49
Downloads
เอกสารอ้างอิง
Uttaradit Provincial Agricultural. (2023). Growing important economic crops in Uttaradit Province. Strategic group, Department of Agricultural Extension, Uttaradit Province.
Khunjade, S. (2018). Environmental factors affecting the production of Monthong Durian in Chanthaburi Province. Kehakaset Magazine, 42(10), 117-119.
Jitdee, P., and Aor-isoon, C. (2009). Durian production in Muang Laplae. Academic documents on durian production, Laplae, Uttaradit Province: Office of Agricultural Research and Development.
Department of Agricultural. (2020). Durian production. https://www.doa.go.th/share/attachment.php?aid=2973
Department of Agricultural Extension. (2023). Agricultural production information service system. Ministry of Agriculture and Cooperatives. https://production.doae.go.th/service/site/
Srinin, P. (2018). Forecasting system for durian yield cv. Monthong based on influence factors of climatic data [Research report]. Faculty of Science and Arts, Burapha University.
Pacharawongsakda, E. (2022). Practical data science with rapidminer studio. Nonthaburi: IDC.
Boonrawd, P., and Phonyiam K. (2017). A cassava price forecasting model using a multi-layer artificial neural network. Thai Science and Technology Journal, 25(3), 533-543.
Bualerd, P. (2019). Recommendation system for precision agriculture using data mining technique [Unpublished bachelor’s thesis]. King Mongkut’s University of Technology North Bangkok.
Sinsomboonthong, S. (2020). An efficiency comparison in prediction of khao dokmali 105 paddy rice classification with data mining techniques. Thai Science and Technology Journal, 28(3), 394-402.
Best, J. W. (1977). Research in Education (3rd ed). Englewood cliffs: N.J.: Prentice-Hall Inc.
Vijitwanna, S. (2022). Correlation in statistics: How to use. Journal of Humanities and Social Sciences, Rajapruk University, 8(2), 1-15.
Yuk, W., and Thongkam, J. (2018). Comparison of time series techniques for predicting gold and oil prices. RMUTI Journal Science and Technology, 11(2), 154-167.
Charoenngam, N., and Dhamcharoen, V. (2018). Prediction of durian quantity by modeling durian quantity in Chanthaburi province [Research report]. Rambhai Barni Rajabhat University.
Limtrakul, P., Jaroenpuntaruk, V., and Pornpatcharapong, W. (2016). Development of a model to predict cassava yield using data mining. Science and Technology, 3(3), 15-36.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivs 4.0 International (CC-BY-NC-ND 4.0) เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดอ่านหน้านโยบายของวารสารสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเข้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
