การประชุมวิชาการระดับชาติมหาวิทยาลัยทักษิณ 2559 - page 261

260
สรุปและอภิปรายผลการวิจัย
งานวิจัยนี้ ได้เปรียบเทียบการทางานของเทคนิ คการจาแนกประเภทซึ่งเป็ นอัลกอริทึมทางเหมื องข้อมูล 3 เทคนิค
ได้แก่ ต้นไม้การตัดสินใจ เพื่อนบ้านใกล้ สุดจานวน K เพื่อนบ้ าน และโครงข่ายประสาทเทียม ซึ่งประกอบไปด้วย 9 อั ลกอริทึม
จากการทาลองพบว่าการจาแนกประเภทด้วยเทคนิค Distance-Weighted K-NN โดยการกาหนดค่า K = 5, 7 และ 9 จะให้ ค่า
ความแม่นยาในการจาแนกประเภทเท่ากันในทุกขนาดข้อมูลที่ มีขนาดเดียวกัน เนื่องจากการใช้ระยะทางในการถ่วงน้าหนักจะมี
ผลให้มีนัยสาคัญต่อความแม่นยามากขึ้น โดยการกาหนด K= 7 จะให้ ค่าความผิดพลาดน้อยที่สุด โดยในภาพรวม จากข้อมูล
394 ชุด จะให้ค่าความแม่นยาที่ 97.8261 และค่าความผิดพลาดที่ 0.158 จึงเหมาะที่จะเลือกเป็นค่าพื้นฐานในอัลกอริทึ ม
และสามารถระบุปัจจั ยที่มีผลต่อการจาแนกประเภท ดังนี้ ได้ คุณลั กษณะที่เป็ นปัจจัยต่อการจาแนกประเภท 18 คุณลักษณะ
ดังนี้ เกรดเฉลี่ยมัธยมศึ กษาตอนปลาย GPAปี1ภาคเรียน1 GPAปี1ภาคเรียน2 GPAปี2ภาคเรียน1 GPAปี2ภาคเรียน2
กลุ่มวิชาที่ถนั ด เพศ จานวนพี่น้อง โรคประจาตั ว รายได้บิดา รายได้มารดา ระดับการศึ กษาบิดา ระดับการศึ กษามารดา
สถานะภาพบิดา-มารดา สถานภาพผู้ปกครอง รายได้ผู้ปกครอง จานวนชั่ วโมงการใช้งานเครือข่ายออนไลน์ในแต่ละวั น การ
ทางานระหว่างศึกษา โดยผลจากงานวิจัยจะช่วยให้ ทราบถึงปัญหาในการไม่ สาเร็จการศึกษาตามหลักสูตร ทั้งในด้านผลการเรียน
ในที่ผ่านมา หรือปัจจั ยสาคัญที่ มีผลต่ อการศึกษาอื่นๆ ที่เกี่ ยวข้องตามสภาพแวดล้อมของนิสิต เพื่อนาไปปรับปรุ งระบบการเรียน
การสอนให้ดียิ่งขึ้นได้
กิตติกรรมประกาศ
ผู้วิจั ยขอขอบคุณสานักงานคณะกรรมการวิจัยแห่งชาติที่จัดสรรทุ นวิจัยประจาปี 2558 และขอบคุณหน่วยวิจัยการ
จัดการความรู้และเทคโนโลยีเว็บเชิ งความหมายที่ให้การสนั บสนุนงานวิ จัยชิ้นนี้ รวมถึงนิสิตที่สาเร็จการศึกษาประจาปี 2556
ทุกท่านที่กรุณาให้ข้อมูลสาหรับใช้ในงานวิ จัยนี้
เอกสารอ้างอิง
[1] Tan, P. N., Steinbach, M. and Kumar, V.(2006). Introduction to Data Mining, Addison-Wesley, USA.
[2] Richard, J. R. and Geatz, M. W. (2003). Data Mining A Tutorial-Based Primer , Pearson Education Inc.
[3] บุญเสริม กิจศิริกุ ล. (2547). รายงานวิจัยฉบับสมบูรณ์ เรื่อง “อั ลกอริทึมเหมืองข้อมู ล”, ภาควิชาวิ ศวกรรมคอมพิวเตอร์,
คณะวิศวกรรมศาสตร์, จุ ฬาลงกรณ์มหาวิทยาลัย.
[4] Matthew, N. A. and Sajjan G. S.,(2011). “Comparative Analysis of Serial Decision Tree Classification
Algorithms”, International Journal of Computer Science and Security, Issue(3), 230-240.
[5] Daniel, T. L. Discovering Knowledge in Data. New York : A JOHN WILEY & SONS, INC., ; 2005.p.2.
[6] Wu, X., Kumar, V. and Quianlan, J. R. (2008) Top 10 algorithms in data mining. KnowlInfSyst 14:1-37.
[7] Pukkhem, N. (2014) "A Semantic-based Approach for Representing Successful Graduate Predictive
Rules", In Proceedings of 16th International Conference on Advanced Communications Technology
(ICALT2014), Korea.
[8] WEKA Tutorial, (2013) Retrieved fromhttp://www.cs.waikato.ac.nz/ml/weka/documentation.html.