Please use this identifier to cite or link to this item:
https://ir.stou.ac.th/handle/123456789/318Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | วิภา เจริญภัณฑารักษ์, อาจารย์ที่ปรึกษา | th_TH |
| dc.contributor.advisor | วิทยา พรพัชรพงศ์, อาจารย์ที่ปรึกษา | th_TH |
| dc.contributor.author | ปรีชา ลิ้มตระกูล, 2520- | - |
| dc.contributor.other | มหาวิทยาลัยสุโขทัยธรรมาธิราช. สำนักบัณฑิตศึกษา | th_TH |
| dc.date.accessioned | 2022-08-08T06:26:29Z | - |
| dc.date.available | 2022-08-08T06:26:29Z | - |
| dc.date.issued | 2558 | - |
| dc.identifier.uri | http://ir.stou.ac.th/handle/123456789/318 | - |
| dc.description | วิทยานิพนธ์ (วท.ม.(เทคโนโลยีสารสนเทศและการสื่อสาร))--มหาวิทยาลัยสุโขทัยธรรมาธิราช, 2558 | th_TH |
| dc.description.abstract | การวิจัยครั้งนี้มีวัตถุประสงค์ 1) เพื่อพัฒนาตัวแบบการพยากรณ์ผลผลิตมันสำปะหลังด้วยเทคนิคการทำเหมืองข้อมูล 2) เพื่อพัฒนาระบบสารสนเทศการพยากรณ์ผลผลิตมันสำปะหลัง การสืบค้นข้อมูล และการประเมินความพึงพอใจของผู้ใช้งานระบบผ่านเว็บไซต์ โดยใช้ข้อมูลปัจจัยการผลิตมันสำปะหลังจากสำนักงานเกษตรจังหวัดกำแพงเพชร เพื่อสร้างตัวแบบพยากรณ์ โดยใช้เทคนิคการจำแนกประเภทข้อมูล (Classification) ด้วยวิธีต้นไม้ตัดสินใจ (Decision Tree) โดยจะใช้อัลกอริทึม จำนวน 5 ตัว ได้แก่ J48, Random Tree, Simple Cart, Naïve Bayes, และ LAD Tree แล้วทำการทดสอบตัวแบบการพยากรณ์ด้วยวิธี Cross-validation Test พบว่ายังให้ค่าแม่นยำเพียง 70.96% ซึ่งผู้วิจัยเห็นว่ายังไม่ดีพอ จึงได้ปรับปรุงวิธีการทดสอบโดยการแบ่งชุดข้อมูลออกเป็น 2 ส่วน ได้แก่ ข้อมูลเรียนรู้ (Training Set) และข้อมูลทดสอบ (Test Set) จำนวน 5 ชุด แล้วทำการสร้างตัวแบบการพยากรณ์ด้วยอัลกอริทึม J48, Random Tree, Simple Cart, Naïve Bayes และ LAD Tree อีกครั้ง พบว่ามีค่าความแม่นยำสูงขึ้นกว่าวิธี Cross-validation Test ในทุกอัลกอริทึม ดังนั้นผู้วิจัยจึงเลือกตัวแบบการพยากรณ์ที่ให้ค่าความแม่นยำสูงสุด ในส่วนของข้อมูลทดสอบ (Test Set) อัลกอริทึม J48 ให้ค่าความแม่นยำสูงสุดที่ 75.64% อัลกอริทึม Simple Cart ให้ค่าความแม่นยำสูงสุดที่ 80.12% และอัลกอริทึม LAD Tree ให้ค่าความแม่นยำสูงสุดที่ 89.55 % ส่วนอัลกอริทึม Random Tree และอัลกอริทึม Naïve Bayes ให้ค่าความแม่นยำต่ำกว่า 70% จึงไม่นำมาพิจารณา จากนั้นนำอัลกอริทึมทั้งสามตัวที่ให้ค่าความแม่นยำสูงสุดไปพัฒนาตัวแบบการพยากรณ์ผลผลิตมันสำปะหลังด้วยเทคนิคการทำเหมืองข้อมูล ระบบสารสนเทศ และการสืบค้นข้อมูล ในรูปแบบเว็บแอพพลิเคชั่น ซึ่งระบบสามารถสืบค้น ปรับปรุง เพิ่มเติม บันทึก และแสดงรายงานข้อมูลมันสำปะหลังได้และผลการตอบแบบประเมินความพึงพอใจผ่านเว็บไซต์ของระบบสารสนเทศดังกล่าว จากเจ้าหน้าที่สำนักงานเกษตรจังหวัดกำแพงเพชร ผู้ใช้งานทั่วไป และผู้ดูแลระบบ รวมทั้งสิ้น 30 คน มีความพึงพอใจในการใช้งานระบบดังกล่าวเฉลี่ยที่ 91% ซึ่งถือว่าอยู่ในระดับที่ดีมาก | th_TH |
| dc.format | application/pdf | en_US |
| dc.language.iso | th | th_TH |
| dc.publisher | มหาวิทยาลัยสุโขทัยธรรมาธิราช | th_TH |
| dc.relation.uri | https://www.doi.org/10.14457/STOU.the.2015.22 | en_US |
| dc.rights | 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 | มหาวิทยาลัยสุโขทัยธรรมาธิราช. สาขาวิชาวิทยาศาสตร์และเทคโนโลยี--วิทยานิพนธ์ | th_TH |
| dc.subject | มหาวิทยาลัยสุโขทัยธรรมาธิราช. แขนงวิชาเทคโนโลยีสารสนเทศและการสื่อสาร--วิทยานิพนธ์ | th_TH |
| dc.title | การพัฒนาตัวแบบการพยากรณ์ผลผลิตมันสำปะหลังด้วยเทคนิคการทำเหมืองข้อมูล | th_TH |
| dc.title.alternative | Development of a model to predict cassava yield using data mining techniques | th_TH |
| dc.type | Thesis | th_TH |
| dc.identifier.DOI | 10.14457/STOU.the.2015.22 | en_US |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | th_TH |
| dc.degree.level | ปริญญาโท | th_TH |
| dc.degree.discipline | สาขาวิชาวิทยาศาสตร์และเทคโนโลยี | th_TH |
| dc.degree.grantor | มหาวิทยาลัยสุโขทัยธรรมาธิราช | en_US |
| dc.description.abstractalternative | The objective of this research were 1) to development of model to predict the yield of cassava using data mining techniques, 2) to develop a forecast yield of cassava. With queries system to evaluate satisfaction of users of the system through the website. The process on data from the Kamphaengphet Provincial Agriculture Extension Office. A predictive model was based on techniques Classification with a decision tree, using an algorithm of five, including the J48, Random Tree, Simple Cart, Naïve Bayes, and LAD Tree. Then tested the predictive models provide a technical Cross-validation The result found that the accuracy was only 70.96%. Which was not good enough. Thevefove, testing methods had improved by splitting the series into two parts Including training set and 5 test set and then create predictive models. Using the folloning: Algorithm J48, SimpleCart, LAD Tree, Random Tree and Naïve Bayes again. The model obtained from Training set method were more accurate than from Cross-validation Test ins in all algorithms used, which were J48, Random Tree, Simple Cart, NaïveBayes, and LAD Tree Thus the selection of predictive models that provided the highest accuracy. In terms of Test Set, Algorithm J4 8 for maximum accuracy at 75.64%, Simple Cart with 80.12%, and LAD Tree with 89.55% while algorithms Random Tree and Naïve Bayes the accuracy lower than 70% were not taken into consideration. Then only the first three models were used to implement the development of model to predict the yield of cassava. The model was integrated with the web-based information system for information search on cassava, which was designed and developed in this research to provide basic information such as update, add, and reports The for decision suppost respondents were rated their satisfaction over the site of such information. Officials of Kamphaengphet Provincial Agriculture Extension, users, and administrator a total of 30 people. There was satisfaction in the use of such systems by averaging the responses to a satisfaction rating of over 91%, which was considered very good | en_US |
| Appears in Collections: | Science Tech - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| fulltext_150207.pdf | เอกสารฉบับเต็ม | 21.61 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
