ยางพาราเป็นสินค้าเกษตรสำคัญของประเทศไทย โดยมูลค่าการส่งออกมีความผันผวนตามปัจจัยทางเศรษฐกิจหลายด้าน เช่น ราคายางในตลาดโลก อัตราแลกเปลี่ยน ราคาน้ำมันดิบ และภาวะเศรษฐกิจมหภาค อย่างไรก็ตาม งานวิจัยที่ผ่านมาในด้านการพยากรณ์สินค้าโภคภัณฑ์มักใช้แบบจำลองเศรษฐมิติแบบดั้งเดิมหรือเทคนิคการเรียนรู้ของเครื่องเพียงวิธีเดียว และยังขาดการบูรณาการตัวแปรเศรษฐกิจหลายมิติร่วมกับเทคนิคแบบรวมกลุ่มเพื่อเพิ่มความแม่นยำในการพยากรณ์ งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบแบบจำลองการเรียนรู้ของเครื่องสำหรับพยากรณ์มูลค่าการส่งออกยางพาราของประเทศไทย โดยใช้ข้อมูลรายเดือนช่วงปี พ.ศ. 2555–2565 จำนวน 132 ตัวอย่าง และ 14 ตัวแปร ดำเนินการตามกรอบ CRISP-DM และประยุกต์ใช้เทคนิค k-Nearest Neighbors, Random Forest, Neural Network และ Voting Ensemble โดยแบ่งข้อมูลเป็นชุดฝึก 70% และชุดทดสอบ 30% และประเมินผลด้วย MSE, RMSE, MAE, MAPE และ R² ผลการศึกษาพบว่าแบบจำลอง Voting Ensemble มีประสิทธิภาพสูงสุด โดยให้ค่าความคลาดเคลื่อนต่ำที่สุด (MSE = 3,723,671.862; RMSE = 1,929.6818; MAE = 1,502.4775; MAPE = 0.1083) และค่า R² สูงสุด (0.8259) งานวิจัยนี้แสดงให้เห็นถึงศักยภาพของเทคนิคแบบรวมกลุ่มในการบูรณาการปัจจัยเศรษฐกิจหลายมิติเพื่อเพิ่มความแม่นยำในการพยากรณ์ และสามารถใช้เป็นแนวทางสนับสนุนการตัดสินใจด้านการส่งออก การวางแผนการผลิต และการกำหนดนโยบายในอุตสาหกรรมยางพาราของประเทศไทย