การประชุมวิชาการระดับชาติมหาวิทยาลัยทักษิณ 2559 - page 254

253
031
การเปรียบเทียบเทคนิคการจาแนกประเภทสาหรั บการทานายผลการสาเร็จการศึกษาตามระยะเวลา
The Comparison of Classification Techniques for Predicting an On-time Graduation
นพมาศ ปักเข็ม1* สิ รยา สิทธิสาร1 และปรี ดาภรณ์ กาญจนสาราญวงศ์2
Noppamas Pukkhem1*, Siraya Sitthisarn1 and Preedaporn Kanjanasamranwong2
บทคัดย่อ
บทความนี้ นาเสนอการเปรียบเทียบประสิ ทธิภาพการทางานของเทคนิ คการทาเหมืองข้อมูลซึ่งเป็นเทคนิคที่ใช้ในการ
ค้นหาความรู้จากฐานข้อมูลขนาดใหญ่โดยใช้เทคนิคการจาแนก 3 ประเภท ได้แก่ เทคนิคต้นไม้การตั ดสินใจ (Decision Tree)
เทคนิ ค K-NN (K-Nearest Neighbors) และเทคนิคโครงข่ายประสาทเที ยม ( Artificial Neural Network) โดยใช้อัลกอริ ทึม
การจาแนกประเภท 9 อั ลกอริ ทึม ในการจาแนกประเภทนิสิ ตที่สามารถสาเร็จการศึกษาได้ ตามเวลา และไม่ได้ ตามเวลา
โดยใช้ข้อมูลของนิ สิตระดับปริญญาตรีที่สาเร็จการศึกษา 55 คุณลักษณะ จานวน 394 ข้ อมูล ใน 6 สาขาวิชา 12 หลักสูตร
ของคณะวิทยาศาสตร์ มหาวิทยาลัยทักษิณ โดยจากผลการทดลองพบว่าอัลกอริทึม 7-Nearest Neighbors ของเทคนิค K-NN
แบบถ่วงน้าหนัก (Distance-Weighted K-NN) ให้ค่าความแม่ นยาในการจาแนกประเภทสูงสุดทั้งในกรณีแยกตามสาขาวิชา
และรวมข้อมูลนิ สิตทั้งคณะ ด้วยค่าความแม่นยา 97.8261% ค่าความผิดพลาด (MEA) 0.158 และมีการคัดเลือกปัจจั ยที่ใช้ใน
การจาแนกประเภททั้งหมด 18 ปัจจัย ซึ่งจากผลการทดลองดังกล่าวจะช่วยให้สามารถนาไปพัฒนาระบบการจาแนกประเภท
ด้วยตัวจาแนกประเภทที่ มีค่าความแม่นยาสูงได้ ต่อไป
คาสาคั ญ: การสาเร็จ การศึกษาเหมืองข้อมูล อัลกอริทึมการจาแนกประเภท
Abstract
This paper proposes the performance comparison of data mining technique that is a process to
discover knowledge from a large database. There are Decision Tree, K-Nearest Neighbor and Artificial Neural
Network with 9 classification algorithms to classify an on-time graduation. In this study, 394 records of
graduated students in 6 departments, 12 programs, of faculty of science, Thaksin University,were used as
a training/testing data set. The processof predictivemodelingconsist of data collection with 55 students’
attributes. The comparison results showed the highest performance is 7-Distance-Weighted NN algorithm
with accuracy 97.8261% and the MEA is 0.158. The selected feature in this work is 11 factors. As the result
of the experiment, we able to develop the graduation prediction system with a high performance classification
algorithm.
Keywords: Graduation, Data Mining, Classification Algorithm
1 ผศ.ดร., สาขาวิชาคอมพิวเตอร์และเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์ มหาวิทยาลัยทักษิณ พั ทลุง 93210
2 อ., สาขาวิชาคณิตศาสตร์ และสถิติ คณะวิ ทยาศาสตร์ มหาวิทยาลัยทักษิณ พัทลุง 93210
Corresponding author: E-mail address:n_nop@hotmail.com