Please use this identifier to cite or link to this item:
https://ir.stou.ac.th/handle/123456789/12775Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | วิภา เจริญภัณฑารักษ์ | th_TH |
| dc.contributor.author | จรัญ พันธ์พูล, 2521- | th_TH |
| dc.contributor.other | มหาวิทยาลัยสุโขทัยธรรมาธิราช. สาขาวิชาวิทยาศาสตร์และเทคโนโลยี | th_TH |
| dc.date.accessioned | 2024-09-17T02:06:29Z | - |
| dc.date.available | 2024-09-17T02:06:29Z | - |
| dc.date.issued | 2559 | - |
| dc.identifier.uri | https://ir.stou.ac.th/handle/123456789/12775 | en_US |
| dc.description.abstract | การวิจัยครั้งนี้มีวัตถุประสงค์ (1) เพื่อพัฒนาแบบจำลองการทำนายพฤติกรรมการยืมเงินของลูกหนี้เงินยืมของสำนักงานหลักประกันสุขภาพแห่งชาติ (สปสช.) (2) เพื่อประเมินความแม่นยำแบบจำลอง และ (3) เพื่อพัฒนาระบบสนับสนุนการทำนายพฤติกรรมการยืมเงินของลูกหนี้เงินยืมของสำนักงานหลักประกันสุขภาพแห่งชาติ วิธีการดำเนินการวิจัยมีดังนี้ 1) วิเคราะห์ระบบการยืมเงินของสำนักงานหลักประกันสุขภาพแห่งชาติ 2) สร้างแบบจำลองการทำนายพฤติกรรมของลูกหนี้เงินยืมโดยใช้วิธี การจำแนกประเภท (Classification) ด้วยโปรแกรมเวก้า (WEKA-Waikato Environment for Knowledge Analysis) เวอร์ชั่น 3.8.0 เลือกใช้อัลกอริธึม 3 ชนิดคือ Naive Bayes, Sequential Minimal Optimization (Support Vector Machine) (SMO (SVM)) และ J48 (C4.5) ข้อมูลที่ใช้คือข้อมูลลูกหนี้เงินยืมของ สปสช. ระหว่างปี พ.ศ.2548 ถึงปี พ.ศ.2559 3) ประเมินความถูกต้องของแบบจำลองด้วยคอนฟิวชั่น แมทริกซ์ (Confusion Matrix) Precision, Recall, F-Measure และ Root Mean Squared Eror (RMSE) เพื่อหาอัลกอริธึมที่เหมาะสมที่สุดในการทำนาย และ 4) พัฒนาระบบสนับสนุนการทำนายพฤติกรรมการยืมเงินของลูกหนี้เงินยืมในรูปแบบของเว็บไซต์ภายในสำนักงาน (Intranet) โดยใช้ภาษาโปรแกรมพีเฮชพี (PHP) ในการพัฒนาร่วมกับระบบจัดการ (MySQL) เพื่อให้เจ้าหน้าที่ของสปสช.ใช้ในการบริหารจัดการได้สะดวกยิ่งขึ้น ผลของการวิจัยพบว่า แบบจำลองที่ถูกสร้างขึ้นด้วยอัลกอริซึม J48 (C4.5) มีค่าPrecision เท่ากับ 0.599 ค่า Recall เท่ากับ 0.516 ค่า F-Measure เท่ากับ 0.555 และค่า RMSE เท่ากับ 0.2602 ซึ่งค่าการประเมินมีความถูกต้องที่สุด เมื่อเปรียบเทียบกับแบบจำลองที่สร้างจากอัลกอริธึมอื่นๆ ข้อเสนอแนะในการวิจัยคือ ควรปรับปรุงและพัฒนาระบบให้เชื่อมต่อแพลตฟอร์มต่างๆ เช่นอุปกรณ์พกพา และควรบูรณาการระบบสนับสนุนการทำนายพฤติกรรมการยืมเงินของลูกหนี้เงินยืม กับระบบงานอื่นของสำนัก/กองทุนอื่นๆ ของสำนักงานหลักประกันสุขภาพแห่งชาติต่อไป | th_TH |
| dc.format | application/pdf | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | มหาวิทยาลัยสุโขทัยธรรมาธิราช | th_TH |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) | en_US |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | en_US |
| dc.source | Born digital | en_US |
| dc.subject | แบบจำลอง--พยากรณ์ | th_TH |
| dc.subject | การสื่อสารข้อมูล--พยากรณ์ | th_TH |
| dc.subject | การศึกษาอิสระ--เทคโนโลยีสารสนเทศและการสื่อสาร | th_TH |
| dc.title | การพัฒนาแบบจำลองเพื่อทำนายพฤติกรรมการยืมเงินของลูกหนี้เงินยืมของสำนักงานหลักประกันสุขภาพแห่งชาติ (สปสช.) | th_TH |
| dc.title.alternative | Development of the predictive model of debtor behavior for the National Health Security Office (NHSO) | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | th_TH |
| dc.degree.level | ปริญญาโท | th_TH |
| dc.degree.discipline | สาขาวิชาวิทยาศาสตร์และเทคโนโลยี | th_TH |
| dc.degree.grantor | มหาวิทยาลัยสุโขทัยธรรมาธิราช | th_TH |
| dc.description.abstractalternative | The objectives of this research were as follows: (1) to develop a model to predict the behavior of debtors in borrowing money of the National Health Security Office (NHSO); (2) to evaluate the accuracy of the model and (3) to develop an application of the prediction model to facilitate users of the system. Research methodology consisted of following step. 1) To analyze requirement of the current system- debtor system of NHSO. 2) To develop the predictive of debtor behavior in borrowing money of NHSO using classification method with WEKA (Waikato Environment for Knowledge Analysis) choosing the most accurate algorithm from three algorithms among Naïve Bayes, Sequential Minimal Optimization (Support Vector Machine) (SMO (SVM)) and J48 (C4.5). Dataset for prediction drawn from NHSO data between year 2005 to year 2016 separated into two groups as of 4,000 records for training dataset and 2,230 records for testing dataset. 3) To evaluate the accuracy of the model based on confusion matrix using Precision, Recall, F-Measure and RMSE.4)To develop the application of the prediction model via intranet of NHSO was developed. PHP programming language was used for website development and MySQL was used for database management system. The results showed that the most accurate algorithm was J48 (C4.5) with Precision of 0.599, Recall of 0.516, F-Measure of 0.555 and RMSE of 0.2602. Research recommendations were as follows: to develop the application to support more platforms connected with mobile devices and to integrate the application of the prediction model with other systems of NHSO | en_US |
| Appears in Collections: | Science Tech - Independent study | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| fulltext_154876.pdf | เอกสารฉบับเต็ม | 6.86 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
