Classification Techniques Comparison for Predicting Graduate Trend
Article Sidebar
Main Article Content
Abstract
The objective of this research was to develop a model for predicting graduation trends by using classification data mining techniques. Three algorithms including Naive Bayes, Decision Tree (J48), and K–Nearest Neighbor (KNN) were used in this study. The dataset used in this research was the academic achievement of the core courses in semester 1 of the academic year 2017 of 175 students in the Department of Business Computing, Phuket Vocational College. Three methods comprising 5-folds cross-validation, 10-folds cross-validation, and the percentage split of 66, were used to evaluate the model performance. The Decision Tree model's assessment using 5-folds and 10-folds cross-validation revealed the model's best performance with 87.40 percent accuracy, 87.50 percent precision, 87.40 percent recall, and 86.70 percent F-measure.
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
สำนักงานคณะกรรมการการอาชีวศึกษา. (2556). นโยบาย เป้าหมาย ยุทธศาสตร์การผลิต และพัฒนากำลังคนอาชีวศึกษา พ.ศ. 2555-2569. [ออนไลน์] สืบค้นจาก https://www.vec.go.th/ (6 สิงหาคม 2564).
ปริญญา มีสุข. (2559). ปัจจัยที่ส่งผลต่อการตัดสินใจออกกลางคันของนักเรียนอาชีวศึกษา เขตภาคกลาง 1. วารสารบัณฑิตศึกษา มหาวิทยาลัยราชภัฎวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์, 10(3), 72-83.
สนุ่น มีเพชร. (2563). ปัญหาการจัดการเรียนการสอนของสถาบันอาชีวศึกษาเกษตร. วารสารสหวิทยาการมนุษยศาสตร์, 3(3), 380-388.
สนุ่น มีเพชร. (2561). การแก้ปัญหาการออกกลางคันของผู้เรียนวิทยาบัยการอาชีพ สังกัดสถาบันการอาชีวศึกษา ภาคตะวันออกเฉียงเหนือ 3. วารสารการบริหารและนิเทศการศึกษา มหาวิทยาลัยมหาสารคาม, 9(1), 75-82.
Fauziastuti, V. T., & Rakhman, L. A. (2019). A review of students’ graduation classification: A comparison of Naive Bayes classifier and K-nearest neighbour. Atlantis Press Sarl, 410, 219-221.
รุ่งโรจน์ บุญมา, และนิเวศ จิระวิชิตชัย. (2562). การจำแนกประเภทผู้ป่วยโรคเบาหวานโดยใช้เทคนิคเหมืองข้อมูลและการเลือกคุณลักษณจากความสัมพันธ์ของข้อมูล. วารสารวิชาการซายน์เทค มหาวิทยาลัยราชภัฏภูเก็ต, 3(2), 11-19.
อนัตต์ชัย ชุติภาสเจริญ, และจรัญ แสนราช. (2561). การเปรียบเทียบประสิทธิภาพของอัลกอริทึมและการคัดเลือกคุณลักษณะที่เหมาะสมเพื่อการพยากรณ์โอกาสความสำเร็จในการโอนเงินข้ามประเทศของบุคคลทั่วไป. วารสารวิจัย มหาวิทยาลัยขอนแก่น (ฉบับบัณฑิตศึกษา) สาขามนุษยศาสตร์และสังคมศาสตร์, 6(3), 105-113.
ภาภรณ์ เหล่าพิลัย, และจรัญ แสนราช. (2562). การวิเคราะห์การลาออกกลางคันของนักศึกษาระดับปริญญาตรีโดยใช้เทคนิควิธีการทำเหมืองข้อมูล. วารสารวิทยาศาสตร์ แห่งมหาวิทยาลัยราชภัฏเพชรบุรี, 16(2), 61-71.
ชณิดาภา บุญประสม, และจรัญ แสนราช. (2561). การวิเคราะห์การลาออกกลางคันของนักศึกษาระดับปริญญาตรีโดยใช้เทคนิควิธีการทำเหมืองข้อมูล. วารสารวิชาการครุศาสตร์อุตสาหกรรม พระจอมเกล้าพระนครเหนือ, 9(1), 142-151.
พฤฒิพงศ์ เพ็งศิริ, พันธนา ก้อนเชื้อรัตน์, ชัชฎา ชวรางกูร, และอัจฉาพรรณ คชเดช. (2560). การวิเคราะห์ความสัมพันธ์ของปัจจัยข้อมูลนักศึกษาที่มีผลต่อระดับผลการเรียนด้วยเทคนิคต้นไม้ตัดสินใจ กรณีศึกษานักศึกษามหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ. การประชุมวิชาการระดับชาติมหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ, 1, 463-471.
รัชพล กลัดชื่น, และจรัญ แสนราช. (2561). การเปรียบเทียบประสิทธิภาพอัลกอริทึมและการคัดเลือกคุณลักษณะที่เหมาะสมเพื่อการทำนายผลสัมฤทธิ์ทางการเรียนของนักศึกษาระดับอาชีวศึกษา. วารสารวิจัยมหาวิทยาลัยเทคโนโลยีธัญบุรี, 17(1), 1-10.
ภรันยา ปาลวิสุทธิ์. (2559). การเพิ่มประสิทธิภาพเทคนิคต้นไม้ตัดสินใจบนชุดข้อมูลที่ไม่สมดุล โดยวิธีการสุ่มเพิ่มตัวอย่างกลุ่มน้อยสำหรับข้อมูลการเป็นโรคติดอินเทอร์เน็ต. วารสารเทคโนโลยีสารสนเทศ, 12(1), 54-63.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM-1.0 Step-by-step data mining guide. USA: SPSS Inc.
Shearer, C. (2000). The CRISP-DM model: the new blueprint for data mining. Journal of Data Warehousing, 5(4), 13-22.
Bhatia, P. (2019). Data mining and data warehousing. UK: Cambridge University Press.
วทัญญุตา นีลาภาตระกูล, และชุติมา เบี้ยวไข่มุข. (2562). การศึกษาปัจจัยที่สัมพันธ์กับการตัดสินใจลาออกและการเปรียบเทียบประสิทธิภาพตัวแบบพยากรณ์การลาออกของพนักงาน กรณีศึกษา บริษัทประกันภัย. วารสารวิชาการสมาคมสถาบันอุดมศึกษาเอกชนแห่งประเทศไทย ในพระราชูปถัมภ์ สมเด็จพระเทพรัตนราชสุดาฯ สยามบรมราชกุมารี, 8(1), 46-63.
จีระนันต์ เจริญรัตน์. (2559). การวิเคราะห์ปัจจัยที่ส่งผลต่อการพ้นสภาพของนักศึกาที่มีผลการเรียนปกติโดยใช้ต้นไม้ตัดสินใจ. วารสารมหาวิทยาลัยราชภัฏสกลนคร, 8(2), 256-267.