การเปรียบเทียบเทคนิคการจำแนกประเภทข้อมูลสำหรับทำนายแนวโน้ม การสำเร็จการศึกษาของนักเรียน

Main Article Content

ศิรินทรา เสือพิทักษ์
บุญมี นิสสัยดี
วิภาวรรณ บัวทอง

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองในการทำนายแนวโน้มการสำเร็จการศึกษาด้วยเทคนิคการทำเหมืองข้อมูลแบบจำแนกประเภทข้อมูล โดยใช้ 3 อัลกอริทึม ได้แก่ นาอีฟเบย์ ต้นไม้ตัดสินใจ และเพื่อนบ้านใกล้เคียง ชุดข้อมูลที่ใช้ในการทำวิจัยครั้งนี้คือ ผลการเรียนวิชาพื้นฐานในภาคเรียนที่ 1 ของนักเรียนระดับประกาศนียบัตรวิชาชีพแผนกวิชาคอมพิวเตอร์ธุรกิจประจำปีการศึกษา 2560 วิทยาลัยอาชีวศึกษาภูเก็ต จำนวน 175 คน ใช้วิธีการประเมินประสิทธิภาพของแบบจำลอง 3 แบบ คือ การตรวจสอบแบบข้ามจำนวน 5 กลุ่ม การตรวจสอบแบบข้ามจำนวน 10 กลุ่ม และการสุ่มด้วยการแบ่งเป็นร้อยละที่ร้อยละ 66 ผลการเปรียบเทียบประสิทธิภาพของอัลกอริทึมทั้ง 3 ชนิด แสดงให้เห็นว่าเทคนิคการทำเหมืองข้อมูลแบบจำแนกประเภทข้อมูลโดยใช้อัลกอรึทึมต้นไม้ตัดสินใจให้ค่าการประเมินประสิทธิภาพของแบบจำลองดีที่สุด ซึ่งผลการประเมินแบบจำลองด้วยวิธีการตรวจสอบแบบข้ามจำนวน 5 กลุ่ม และการตรวจสอบแบบข้ามจำนวน 10 กลุ่ม ให้ผลลัพธ์เท่ากัน คือ ค่าความถูกต้อง ร้อยละ 87.40 ค่าความแม่นยำ ร้อยละ 87.50 ค่าเรียกคืน ร้อยละ 87.40 และค่าประเมินผลโดยรวม ร้อยละ 86.70

Article Details

How to Cite
เสือพิทักษ์ ศ., นิสสัยดี บ., & บัวทอง ว. (2021). การเปรียบเทียบเทคนิคการจำแนกประเภทข้อมูลสำหรับทำนายแนวโน้ม การสำเร็จการศึกษาของนักเรียน. วารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต, 5(2), 42–50. สืบค้น จาก https://ph01.tci-thaijo.org/index.php/pkruscitech/article/view/245231
บท
บทความวิจัย

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.