เทคนิคการทำเหมืองข้อมูลแบบการสร้างกฎความสัมพันธ์ในการจัดการร้านอาหาร
Article Sidebar
Main Article Content
Abstract
งานวิจัยนี้มีวัตถุประสงค์เพื่อประยุกต์ใช้กฎความสัมพันธ์ในการวิเคราะห์เมนูอาหารที่ลูกค้าสั่งซื้อเพื่อเป็นข้อมูลให้กับเจ้าของร้านยำจัดจ้านใช้ประกอบการตัดสินใจ โดยใช้หลักการการทำเหมืองข้อมูลในรูปแบบกฎความสัมพันธ์ แสดงความสัมพันธ์ของเหตุการณ์หรือวัตถุที่เกิดขึ้นพร้อมกัน ซึ่งวิเคราะห์ข้อมูลจากการสั่งซื้ออาหารของลูกค้า จำนวนทั้งหมด 1,574 รายการ จำแนกเป็นรายการสั่งทานที่ร้าน 1,041 รายการ และสั่งทานกลับบ้าน 533 รายการ ในช่วง 1 มีนาคม 2562 – 30 มิถุนายน 2562 เป็นเวลา 4 เดือน เตรียมข้อมูลโดยการคัดเลือก กลั่นกรอง และแปลงรูปข้อมูล บันทึกและจัดเก็บด้วยโปรแกรม Microsoft Excel 2016 นำหลักการวิเคราะห์เหมืองข้อมูล CRISP-DM มาใช้เป็นมาตรฐานสำหรับการทำเหมืองข้อมูลด้วยรูปแบบการสร้างกฎความสัมพันธ์โดยเทคนิค Association Rule ใช้อัลกอริทึม Apriori ที่ใช้หารูปแบบของข้อมูลที่เกิดขึ้นร่วมกันบ่อย ๆ (Frequent ItemSet) และคำนวณหากฎความสัมพันธ์ด้วย Weka version 3.8 เพื่อนำมาวิเคราะห์ความสัมพันธ์ของเมนูอาหารที่มีความสัมพันธ์กันมากที่สุด พบว่ากฎความสัมพันธ์ที่มีค่าความเชื่อมั่นในกฎความสัมพันธ์ที่เหมาะสมที่สุดในชุดข้อมูลของงานวิจัยชิ้นนี้คือ 0.01 และค่าความเชื่อมั่นในสินค้าเท่ากับ 0.40 และพบว่า ข้าวเป็นชุดรายการที่ถูกนับในทุกกฎความสัมพันธ์ ดังนั้น ข้าวจึงเป็นวัตถุดิบในการเตรียมความพร้อมในแต่ละวันมากที่สุด ผลสรุปจากการวิจัยนำมาพัฒนาแอปพลิเคชันด้วย Thunkable Classic เพื่อให้เจ้าของร้านสามารถนำไปใช้จริงได้
Article Details
- The original content that appears in this journal is the responsibility of the author excluding any typographical errors.
- The copyright of manuscripts that published in PKRU SciTech Journal is owned by PKRU SciTech Journal.
References
กรุงเทพธุรกิจ. (2561). ส่องธุรกิจร้านอาหาร ปี 61 ขยายตัวและรุนแรงขึ้น. [ออนไลน์], สืบค้นจาก https://www.bangkokbiznews.com/blog/detail/644162 (15 มีนาคม 2562).
จีระนันต์ เจริญรัตน์. (2559). การวิเคราะห์กฎความสัมพันธ์ของการสั่งอาหารด้วยเทคนิคเหมืองข้อมูล กรณีศึกษาร้านอาหารบ้านฟ้าโปร่ง จ.สกลนคร (หน้า 90-98). ใน การประชุมวิชาการระดับชาติราชมงคลสุรินทร์
วิชาการ ครั้งที่ 8. สุรินทร์.
Agrawal, R., Mannila, H., Srikant, R., Toivonen, H., & Verkamo, A. I. (1996). Fast discovery of association rules (pp. 307-328). In Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P., &
Uthurusamy, R. (eds). Advances in knowledge discovery and data mining. AAAI Press, California.
วิภาวรรณ บัวทอง. (2557). Association Rule. [ออนไลน์], สืบค้นจาก https://wipawanblog. files. wordpress.com/2014/06/chapter-4-association-rule.pdf (5 พฤษภาคม 2562).
เอกสิทธิ์ พัชรวงศ์ศักดา. (2557). การวิเคราะห์ข้อมูลด้วยเทคนิคดาต้าไมน์นิงเบื้องต้น. (พิมพ์ครั้งที่ 1). กรุงเทพฯ: เอเชียดิจิตอลการพิมพ์.
อนุชา โสมาบุตร. (2560). คู่มือการพัฒนาแอพ Android ด้วย Thunkable. [ออนไลน์], สืบค้นจาก https://www.slideshare.net/TomKhunakorn/thinkable (15 ตุลาคม 2562).