| ชื่อบทความ |
การพัฒนาเเบบจำลองเพื่อการตัดสินใจรับซื้อโคขุน โดยใช้เทคนิคการทำเหมืองข้อมูล กรณีศึกษากลุ่มวิสาหกิจชุมชนโคเนื้อบ้านบูเกะจือฆา
|
|
|
|
| ชื่อผู้แต่ง |
อับดุลเลาะ บากา(1*), สุลัยมาน เภอโส๊ะ(1), ฟูไดละห์ ดือมอง(1) และอรรถพล อดุลยศาสน์(1) (Abdulloh Baka(1*), Sulaiman Persoh(1), Fudailah Demong(1) and Attapol Adulyasas(1))
|
| หน่วยงาน |
คณะวิทยาศาสตร์เทคโนโลยีและการเกษตร มหาวิทยาลัยราชภัฏยะลา อําเภอเมือง จังหวัดยะลา(1)(Faculty of Science Technology and Agriculture, Yala Rajabhat University, Yala)(1) *Corresponding author: abdulloh.b@yru.ac.th
|
| ชื่อวารสาร |
วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม ปีที่ 10 ฉบับที่ 1 มกราคม – เมษายน 2567
|
| บทคัดย่อ |
กลุ่มวิสาหกิจชุมชนโคเนื้อบ้านบูเกะจือฆาเป็นกลุ่มที่ดำเนินธุรกิจแปรรูปผลิตภัณฑ์เนื้อโคขุนแช่แข็ง ซึ่งบ่อยครั้งที่เกษตรกรบางรายประสบปัญหาขาดทุนจากการเลือกซื้อโคขุนที่ผิดพลาด เนื่องจากขาดความเชี่ยวชาญในการเลือกซื้อโคขุนเพื่อเข้ามาแปรรูป ดังนั้นผู้วิจัยจึงได้พัฒนาแบบจำลองเพื่อการตัดสินใจรับซื้อโคขุน โดยใช้เทคนิคการทำเหมืองข้อมูล 5 วิธี ประกอบด้วย Decision Tree (C4.5), Iterative Dichotomiser 3 (ID3), Naive Bayes (NB), Random Forest (RF) และ K-Nearest Neighbors (k-NN) ทำการวิเคราะห์ด้วยโปรแกรม RapidMiner Studio กรณีศึกษากลุ่มวิสาหกิจชุมชนโคเนื้อบ้านบูเกะจือฆา โดยใช้ข้อมูลการรับซื้อโคขุนตั้งแต่ปี พ.ศ 2561 - 2565 จำนวน 416 แถวข้อมูล มีการกำจัดข้อมูลที่ผิดพลาด มีการคัดเลือกคุณลักษณะของข้อมูล มีการแบ่งช่วงข้อมูล และใช้ 10-Fold Cross Validation ในการแบ่งข้อมูลออกเป็นชุดข้อมูลสอนและชุดข้อมูลทดสอบ โดยใช้ค่าความถูกต้องในการวัดประสิทธิภาพการพยากรณ์ของแบบจำลอง ผลการทดลองพบว่า เทคนิคการทำเหมืองข้อมูลด้วยวิธีการของ RF มีค่าความถูกต้องสูงที่สุดคือ 98.53% และได้กฎความสัมพันธ์จำนวน 9 กฎ รองลงมาเป็น C4.5, NB, ID3 และ k-NN คือ 97.02%, 95.00%, 94.75% และ 93.54% ตามลำดับ โดยมีคุณลักษณะข้อมูลสำคัญคือ น้ำหนักก่อนเชือด ความยาวลำตัว ลักษณะฟัน ความสูง สายพันธ์ กลุ่มเครือข่าย ลักษณะขุน ระยะเวลา อายุ และราคารับซื้อ ในการเรียนรู้และสร้างแบบจำลองเพื่อการตัดสินใจรับซื้อโคขุน
|
| คำสำคัญ |
เหมืองข้อมูล, ต้นไม้ตัดสินใจ, การคัดเลือกคุณลักษณะข้อมูล, การแบ่งช่วงข้อมูล
|
| ปี พ.ศ. |
2567
|
| ปีที่ (Vol.) |
10
|
| ฉบับที่ (No.) |
1
|
| เดือนที่พิมพ์ |
มกราคม - เมษายน
|
| เลขที่หน้า (Page) |
99-117
|
| ISSN |
ISSN 3027-7280 (Online)
|
| DOI |
10.14456/mitij.2024.6
|
| ORCID_ID |
0009-0007-0171-6309
|
| ไฟล์บทความ |
https://mitij.mju.ac.th/ARTICLE/R67006.pdf
|
| | |
| เอกสารอ้างอิง | |
| |
กรมส่งเสริมการเกษตร. (2566). รายงานสรุปประเภทกิจการวิสาหกิจชุมชน. ค้นเมื่อ 2 กุมภาพันธ์ 2566 ค้นจาก https://smce.doae.go.th/ProductCategory/SmceCategory.php.
|
| |
เกรียงศักดิ์ รักภักดี, ปราโมทย์ นามวงศ์, ไมตรี ริมทอง, และวชิระ โมราชาติ. (2560). ระบบสนับสนุนการตัดสินใจเพื่อการเดินทางท่องเที่ยวในจังหวัดอุบลราชธานีผ่านระบบดาวเทียมบอกพิกัด. วารสารวิจัยและพัฒนา มหาวิทยาลัยราชภัฏบุรีรัมย์ ปีที่ 12 ฉบับที่ 2 กรกฎาคม-ธันวาคม 2560.
|
| |
ปะพาดา ณ วิเชียร, ภาคภูมิ มันแอ, ญาณพัฒน์ ชูชื่น, และสุภาวดี มากอ้น. (2563). การเพิ่มประสิทธิภาพ Feature Selection สำหรับการจำแนกกลุ่มบทความวิจัย. วารสารวิชาการวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏสงขลา ปีที่ 1 ฉบับที่ 1 มกราคม-มิถุนายน 2563.
|
| |
พีรศุษม์ ทองพ่วง เเละจรัญ เเสนราช. (2564). การเปรียบเทียบประสิทธิภาพการจำเเนกข้อมูลเพื่อทำนายการได้รับทุนการศึกษาของนักศึกษาระดับปริญญาตรี โดยใช้เทคนิคการทำเหมืองข้อมูล. วารสาร journal of Professional Routine to Research Volume 8, กรกฏาคม - ธันวาคม 2564.
|
| |
ภรัณยา ปาลวิสุทธิ์. (2559). การเพิ่มประสิทธิภาพเทคนิคต้นไม้ตัดสินใจบนชุดข้อมูลที่ไม่สมดุลโดยวิธีการสุ่มเพิ่มตัวอย่างกลุ่มน้อย สำหรับข้อมูลการเป็นโรคติดอินเทอร์เน็ต. วารสารเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ ปีที่ 12 ฉบับที่ 1 มกราคม-มิถุนายน 2559.
|
| |
วนัสดา สิริวุฒิชาภิรัชต์, สุนทรียา จอมผักเเว่น, รัตนา ลีรุ่งนาวารัตน์, เเละพรทิพย์ เหลียวตระกูล. (2564). ระบบสนับสนุนการตัดสินใจสำหรับการเลี้ยงโคเนื้อ วารสารเเม่โจ้เทคโนโลยีสารสนเทศเเละนวัตกรรม มหาวิทยาลัยเเม่โจ้ ปีที่ 7 ฉบับที่ 2 กรกฏาคม-ธันวาคม 2564.
|
| |
วัชรวิทย์ มีหนองใหญ่. (2557). ปัจจัยที่มีผลต่อความนุ่มของเนื้อโค. วารสารแก่นเกษตร มหาวิทยาลัยขอนแก่น ปีที่ 42 ฉบับที่ 3 ปี 2557.
|
| |
สุระสิทธิ์ ทรงม้า. (2559). การเปรียบเทียบประสิทธิภาพการจำแนกข้อมูลด้วยเทคนิคต้นไม้ตัดสินใจรุ่นที่ 3 ที่ใช้เทคนิคการแบ่งช่วงข้อมูลที่แตกต่างกัน. วารสาร SDU RESEARCH JOURNAL OF SCIENCES AND TECHNOLOGY ปีที่ 8 ฉบับที่ 3 กันยายน – ธันวาคม 2559.
|
| |
C. Kaewchinporn. (2010). Data Classification with Decision Tree and Clustering Techniques. Thesis in Computer Science, King Mongkut’s Institute of Technology Ladkrabang, Thailand.
|
| |
C?ceres, E. N., Pistori, H., Turine, M. A. S., Pires, P. P., Soares, C. O., & Carromeu, C. (2011). Computational precision livestock-position paper. In II Workshop of the Brazilian Institute for Web Science Research (No. 02-03, p. 9).
|
| |
F. Duemong, L. Preechaveerakul and S. Vanichayobon. (2009). FIAST : A Novel Algorithm for Mining Frequent Itemsets. In Proceedings of 2009 International Conference on Future Computer and Communication, Kuala Lumpur, Malasia, pp.140-144.
|
| |
Gonzalez-Araya and Marcela C. (2016). Turning pork into profits in Chile: a decision support system for production planning in a Chilean swine slaughterhouse. OR/MS Today, vol. 43, no. 2.
|
| |
L. Breiman and R. Forests. (2001). Machine Learning, Vol. 45, No. 1, pp.5-32, 2001.
|
| |
Liu, B., Hsu, W., and Ma, Y. (1998). Integrating classification and association rule mining. Proceedings of the 4th International Conference on Knowledge Discovery and Data Mining, p. 80-86.
|
| |
R. Quinlan. (1986). Induction of decision trees. Machine Learning, Vpl. 1, No. 1, pp. 81-106.
|
| |
Richard, J. R. and Geatz, M. W. (2003). Data Mining a Tutorial-Based Primer. Pearson Education Inc.
|
| |
Wong A. K. C., and Chiu, D. K. Y. (1987). Synthesizing Statistical Knowledge from Incomplete Mixed-Mode Data. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 9, pp. 796-805.
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|