การประยุกต์ใช้แบบจำลองกฎการพยากรณ์ปัจจัยที่มีผลต่อการสำเร็จการศึกษาของนิสิต คณะสถาปัตยกรรมศาสตร์ ผังเมืองและนฤมิตศิลป์ มหาวิทยาลัยมหาสารคาม โดยการทำเหมืองข้อมูล

Main Article Content

วราริญทร์ ปัญญาวงษ์

บทคัดย่อ

เทคนิคในเหมืองข้อมูลโดยส่วนใหญ่สามารถสร้างกฎการจำแนกซึ่งเป็นการสร้างแบบจำลอง กฎการพยากรณ์ที่มีประสิทธิภาพ แต่ไม่สามารถสร้างแบบจำลองกฎการพยากรณ์ที่มีประสิทธิภาพ งานวิจัยนี้จึงมีจุดประสงค์เพื่อศึกษาปัจจัยที่มีผลต่อการเลือกเรียนต่อระดับปริญญาตรี และสร้างแบบจำลองในการพยากรณ์การสำเร็จการศึกษาระดับปริญญาตรี โดยข้อมูล ถูกรวบรวมจากคณะสถาปัตยกรรมศาสตร์ ผังเมืองและนฤมิตศิลป์ มหาวิทยาลัยมหาสารคาม 6 หลักสูตร ในปีการศึกษา 2557-2559 จำนวน 929 ระเบียน ในการนี้เทคนิค Decision Table, Decision Rule, Repeated Incremental Pruning to Produce Error Reduction (RIPPER) และ OneR ได้ถูกนำมาใช้ใน การสร้างแบบจำลองเพื่อการพยากรณ์ ในการวัดประสิทธิภาพแบบจำลอง 10-fold cross validation ได้ถูกนำมาใช้ในการแบ่งข้อมูลออกเป็น ชุดข้อมูลเรียนรู้ และชุดข้อมูลทดสอบ โดยประสิทธิภาพของ แบบจำลองที่สร้างจากแต่ละเทคนิคใช้ ค่าความเที่ยงตรง (Precision) ค่าความระลึก (Recall) และ ค่า F-measure จากการศึกษาพบว่าปัจจัยที่มีผลต่อการเลือกเรียนต่อระดับปริญญาตรี 5 ลำดับแรก คือ 1) อำเภอ 2) ประเภทวิชา 3) เพศ 4) เกรดเฉลี่ยกลุ่มสุขศึกษา พลศึกษา และ 5) อาชีพมารดา ส่วนการสร้างแบบจำลองเทคนิค RIPPER สามารถสร้างแบบจำลองกฎพยากรณ์ที่ ประสิทธิภาพกว่า Decision Table, Decision Rule, and OneR ซึ่งมีความถูกต้อง (Precision) เท่ากับ ร้อยละ91  ค่าความระลึก (Recall) เท่ากับ ร้อยละ91.10  และค่า F-measure เท่ากับ ร้อยละ90.90

Article Details

บท
บทความวิจัย

References

สายชล สินสมบูรณ์ทอง. (2558). การทำเหมืองข้อมูล (Data Mining). กรุงเทพฯ: จามจุรีโปรดักส

สมฤทัย กลัดแก้ว. (2557). ระบบสนับสนุนการตัดสินใจการเลือกตำแหน่งงานให้สอดคล้องกับ ความสามารถของบัณฑิต. การศึกษาอิสระปริญญาวิทยาศาสมหาบัณฑิต สาขาระบบสนับสนุน การตัดสินใจ คณะวิทยาศาสตร์ มหาวิทยาลัยรามคำแหง.

เสกสรรค์ วิลัยลักษณ์ วิภา เจริญภัณฑารักษ์ และดวงดาว วิชาดากุล. (2558). การใช้เทคนิคการทำ เหมืองข้อมูลเพื่อพยากรณ์ผลการเรียนของนักเรียน โรงเรียนสาธิตแห่งมหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน ศูนย์วิจัยและพัฒนาการศึกษา. Veridian EJournal Science and Technology Silpakorn University, 2(2 (กรกฎาคม - ธันวาคม)), 1 - 17. Retrieved from

ชุติมา อุตมะมุณีย์ และประสงค์ ปราณีตพลกรัง. (2553). การพัฒนาตัวแบบระบบสนับสนุนการตัดสินใจ แบบอัตโนมัติออนไลน์สำหรับการเลือกสาขาวิชาเรียนของนักศึกษาระดับอุดมศึกษา. Journal of Information Science and Technology, 1(2 (JUL-DEC)), 39 - 48.

นิภาพร ชนะมาร และพรรณี สิทธิเดช. (2557). การวิเคราะห์ปัจจัยการเรียนรู้ด้วยการคัดเลือกคุณสมบัติ และการพยากรณ์. วารสารมหาวิทยาลัยราชภัฏสกลนคร, 6(12 (กรกฎาคม – ธันวาคม)), 34 - 35.

Osiris Villacampa. (2015). Feature Selection and Classification Methods for Decision Making: A Comparative Analysis. Ph.D. dissertation, Information Systems, College of Engineering and Computing, Nova Southeastern University,

Jiawei Han and Micheline Kamber. (2006). Data Mining: Concepts and Techniques Second Edition. San Francisco: Morgan Kaufmann.

Group, T. G. (2010). What is data mining? Retrieved from http://www.gartner.comPangNing Tan Michael Steinbach and Vipin Kumar. (2006). Introduction to Data Mining.Boston: Pearson Addison Wesley.

David Hand Heikki Mannila and Padhraic Smyth. (2001). Principles of Data Mining. Retrieved from ftp://gamma.sbin.org.pub/doc/books/Principles_of_Data_Mining.pdf