การประยุกต์ใช้การวิเคราะห์อนุกรมเวลาในการพยากรณ์ราคาสุกรพันธุ์ลูกผสม ของประเทศไทย APPLICATION OF TIME SERIES ANALYSIS TO FORECAST CROSSBRED SWINE PRICE IN THAILAND
คำสำคัญ:
ราคาสุกรพันธุ์ลูกผสม, การพยากรณ์, วิธีวินเทอร์, การพยากรณ์รวมบทคัดย่อ
วัตถุประสงค์ในการศึกษาครั้งนี้ คือ สร้างตัวแบบพยากรณ์ที่เหมาะสมสำหรับข้อมูลราคาสุกรพันธุ์ลูกผสมรายเดือนของประเทศไทย เพื่อใช้เป็นข้อมูลพื้นฐานในการวางแผนการผลิตให้สอดคล้องกับความผันผวนของราคาสุกร โดยใช้ข้อมูลจากสำนักงานเศรษฐกิจการเกษตร ตั้งแต่เดือนมกราคม พ.ศ. 2551 ถึงเดือนธันวาคม พ.ศ. 2562 มาสร้างตัวแบบพยากรณ์ทั้งหมด 3 วิธี ได้แก่ วิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลังของวินเทอร์แบบบวก วิธีบอกซ์-เจนกินส์ และการพยากรณ์รวม เพื่อเลือกวิธีที่เหมาะสมที่สุด จากเกณฑ์ค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยและค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยในการวัดความคลาดเคลื่อนของการพยากรณ์ ผลการศึกษาพบว่า วิธีที่แม่นยำที่สุด คือ การพยากรณ์รวม โดยค่าพยากรณ์เดือนมกราคม ถึงเดือนธันวาคม ปี พ.ศ. 2563-2564 จากวิธีนี้ได้ว่า ราคาสุกรพันธุ์ลูกผสมในช่วงเดือนพฤษภาคม ถึงเดือนสิงหาคมมีราคาสูงอยู่ในช่วง 67.06-68.47 บาทต่อกิโลกรัม และช่วงเดือนธันวาคม ถึงมกราคมมีราคาต่ำ ซึ่งอยู่ในช่วง 60.47-60.80 บาทต่อกิโลกรัม จากผลการพยากรณ์เกษตรกรและผู้ที่เกี่ยวข้องสามารถนำไปใช้ในการวางแผนการผลิตสุกรให้สอดคล้องกับช่วงที่ราคาต่ำและสูง
Downloads
เอกสารอ้างอิง
The Swine Raisers Association of Thailand. (2019). Situation and trend of swine industry. Retrieved January 25, 2020, from https://www.swinethailand.com
Jiraporn Ruangthaweesil. (2014). Swine business. Retrieved January 22, 2020, from file:///C:/Users/BBB/Desktop/economic_20161206154257.pdf
Render, Barry., Ralph M. Stair, JR., & Michael E. Hanna. (2012). Quantitative analysis for management. 11th ed. U.S.A.: Pearson Education.
Kamonpan Chalerwong. (2013). The forecast of hip meat price by Box-Jenkins method. Speacial Problem, M.S. (Mathematics). Department of Mathematics Faculty of Science Burapha University.
Warangkhana Riansut. (2019). A Comparison of forecasting models of live swine Price. Rajamangala University of Technology Srivijaya Research Journal, 11(2), 349-365.
Pudchaya Sittisorn, & Jatupat Mekparyup. (2017). Forecasting of crossbred pig price with Box- Jenkins method. Science and Technology RMUTT Journal, 7(2), 206-217.
Sittikorn Khamrod, Danusorn Thanapala, Weerachai Khanthongkham, & Kittipong Srikhaetai. (2018, June). The forecasting model for price of crossbred flattening pigs weighted over 100 kgs. Proceedings of PIM 8th National and 1st International Conference Challenges and Opportunities of ASEAN: Innovation, Integrative and Inclusive Development, Nonthaburi, Thailand. pp. A1-A9.
Warangkhana Keerativibool. (2014). A Comparison of forecasting methods between Box-Jenkins and Holt’s exponential smoothing methods for predicting the retail prices of hip meat. KKU Science Journal, 42(2), 532-543.
Office of Agricultural Economics. (2019). Crossbred swine price. Retrieved December 10, 2019, from http://www.oae.go.th
Trull, Oscar., Juan Carlos García-Díaz., & Alicia Troncoso. (2020). Initialization methods for multiple seasonal Holt–Winters forecasting models. Mathematics, 268(8), 1-16.
Tanusree, Deb Roy, & Kishore Das K. (2012). Time series analysis of Dibrugarh air temperature. Journal of Atmospheric and Earth Environment, 1(1), 30-34.
Gerretsadikan, Amaha, & M.K. Sharma. (2011). Modeling and forecasting of rainfall data of Mekele for Tigrayregion (Ethiopia). Statistics and Applications, 9(1&2), 31-53.
Pankratz, Alan. (1983). Forecasting with Univariate Box-Jenkins: Concepts and cases. New York: John Wiley & Sons, Inc.
Cools, Mario., Elke Moons, & Geert Wets. (2009, January). Investigating the variability in daily traffic counts through use of ARIMAX and SARIMAX models: Assessing the effect of holidays on two site locations. Journal of the Transportation Research Board, 2136(1), 57-66.
Aburto, Luis., & Richard Weber. (2007, January). Improved supply chain management based on hybrid demand forecasts. Applied Soft Computing, 7(1), 136-144.
Arunraj, Nari S., Diane Ahrens, & Michael Fernandes. (2016, April). Application of SARIMAX model to forecast daily sales in food retail industry. International Journal of Operations Research and Information Systems (IJORIS), 7(2), 1-21.
Box, George E.P., Gwilym M. Jenkins, & Gregory C. Reinsel. (2008). Time series analysis: Forecasting and control. 4th ed. New York: Jonh Wiley & Sons, Inc.
Nasiru, Suleman, Albert Luguterah, & Lea Anzagra. (2013). The efficacy of ARIMAX and SARIMA models in predicting monthly currency in circulation in Ghana. Mathematical Theory and Modeling, 3(5), 73-81.
Shukla, Manish, & Sanjay Jharkharia. (2011, January). Applicability of ARIMA models in wholesale vegetable market: An investigation. Proceedings of the 2011 International Conference on Industrial Engineering and Operations Management, Kuala Lumpur, Malaysia. pp. 1125-1130.
Mookda Manmin. (2006). Time series and forecasting. Bangkok: Four Printing CO., LTD. [21] Warangkhana Keerativibool. (2015). Forecasting the white shrimp Litopenaeus Vannamei Prices. Srinakharinwirot Science Journal, 31(1), 123-140.
Warangkhana Riansut. (2019). Selection of the appropriate forecasting models for the meat type chickens prices. KKU Science Journal, 47(3), 563-575.
Warangkhana Keerativibool. (2014). Forecasting model for the export value of Thai jasmine rice. Burapha Science Journal, 19(1), 78-90.
Warangkhana Riansut. (2016, January-June). Forecasting the prices of paddy rice at 15% moisture content. The Science Journal of Phetchaburi Rajabhat University, 13(1), 14-25.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivs 4.0 International (CC-BY-NC-ND 4.0) เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดอ่านหน้านโยบายของวารสารสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเข้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
