ปีงบประมาณ
2562
ประเภททุนวิจัย
สนับสนุนการขอผลงานทางวิชาการ
ลักษณะงานวิจัย
โครงการวิจัยเดี่ยว
ผู้รับผิดชอบ
เจษฎาพร ปาคำวัง และ วรชัย ศรีเมือง
หน่วยงาน
คณะวิทยาศาสตร์และเทคโนโลยี
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) เพื่อศึกษาข้อมูลของนักศึกษาในการเลือกเรียนที่ มหาวิทยาลัยราชภัฏเพชรบูรณ์ 2) เพื่อทำนายปัจจัยที่มีผลต่อการเลือกเรียนที่มหาวิทยาลัยราชภัฏเพชรบูรณ์ การทดลองการวัดประสิทธิภาพด้านความถูกต้องจากการทำนายการตัดสินใจของนักศึกษาในการเลือกเรียนที่มหาวิทยาลัยราชภัฏเพชรบูรณ์ ด้วยเทคนิคโครงข่ายประสาทเทียมและต้นไม้ตัดสินใจ แสดงให้เห็นว่า เทคนิคต้นไม้ตัดสินใจ J48 ขั้นตอนการแบ่งชุดข้อมูล 5K สามารถให้ค่าความถูกต้องสูงสุดที่ 96.73 % มีค่าความผิดพลาด 3.26 % ใช้เวลาในการฝึกสอน 1.24 วินาที เวลาในการทดสอบ 1.98 วินาที ซึ่งในเทคนิคโครงข่ายประสาทเทียมเพอร์เซ็ปตรอนหลายชั้น Multi Layer Perceptron (MLP) จะต้องกำหนดการแบ่งชุดข้อมูล จำนวน 10K มีค่าความถูกต้องสูงสุดที่ 95.10 % ค่าความผิดพลาด 4.89 % ใช้เวลาในการฝึกสอน 16.73 วินาที เวลาในการทดสอบ 2 นาที 51.71 วินาที เพราะข้อมูลที่นำมาใช้ในการดำเนินการวิจัยในครั้งนี้มีความซับซ้อน ดังนั้นเทคนิคต้นไม้ตัดสินใจ J48 เหมาะสมกับการหาคำตอบในงานลักษณะนี้ได้ดีเป็นอย่างมาก และใช้เวลาได้น้อยกว่า เทคนิคโครงข่ายประสาทเทียม พอสมควร
ผลการวิเคราะห์ความพึงพอใจที่มีผลต่อการตัดสินใจของนักศึกษาในการเลือกเรียนที่มหาวิทยาลัยราชภัฏเพชรบูรณ์ 1.ด้านภาพลักษณ์ของมหาวิทยาลัยราชภัฏเพชรบูรณ์ มีคะแนนเฉลี่ย 4.07 อยู่ในระดับความพึงพอใจ มาก 2.ด้านบรรยากาศ สิ่งแวดล้อมของมหาวิทยาลัยราชภัฏเพชรบูรณ์ มีคะแนนเฉลี่ย 4.05 อยู่ในระดับความพึงพอใจ มาก 3.ด้านคุณภาพหลักสูตรของมหาวิทยาลัยราชภัฏเพชรบูรณ์ มีคะแนนเฉลี่ย 4.07 อยู่ในระดับความพึงพอใจ มาก 4.ด้านคุณภาพของของอาจารย์และนักศึกษา มีคะแนนเฉลี่ย 4.09 อยู่ในระดับความพึงพอใจ มาก 5. ด้านค่านิยม และการยอมรับทางสังคม มีคะแนนเฉลี่ย 4.07 อยู่ในระดับความพึงพอใจ มาก 6. ด้านการประชาสัมพันธ์ มีคะแนนเฉลี่ย 4.03 อยู่ในระดับความพึงพอใจ มาก 7. ด้านสวัสดิการและการให้บริการ มีคะแนนเฉลี่ย 4.07 อยู่ในระดับความพึงพอใจ มาก สรุปภาพรวมทำนายการตัดสินใจของนักศึกษาในการเลือกเรียนที่มหาวิทยาลัยราชภัฏเพชรบูรณ์ ด้วยเทคนิคโครงข่ายประสาทเทียมและต้นไม้ตัดสินใจ มีคะแนนเฉลี่ย 4.07 อยู่ในระดับความพึงพอใจ มาก
This research aims to study the 1) to students in the phetchabun rajabhat University option 2) to predict the factors that affect the phetchabun rajabhat University students. The results of experiments to measure the accuracy of performance to predict the decision of students to choose classes that phetchabun rajabhat University. With artificial neural network and decision tree Demonstrate that the decision tree technique J48 step splits the DataSet 5K can give the highest accuracy 96.7366% with the error value 3.26% spent time coaching 1.24 sec test time in seconds, 1.98 artificial neural network technique, perfect concept of Multi Layer Perceptron many layers of Tron (MLP) will schedule breaks the data set number 10K contains the correct values for the maximum error 95.10% value 4.89% spent time coaching 16.73 seconds test time 2 min 51.71 seconds because the information used to conduct research on this complicated time. Therefore, the decision tree technique J48 appropriate to find the answer on this one is better and it takes less than artificial neural network technique enough.
Analysis of the satisfaction that has an impact on a student's decision to choose a phetchabun rajabhat University. 1. the image of phetchabun rajabhat University 4.07 AVG rating levels are very satisfied 2. environment. Phetchabun rajabhat University environment. With an average score of 4.05 level very satisfied 3. quality course of phetchabun rajabhat University. 4.07 AVG rating levels are very satisfied 4. quality of faculty and students. Average 4.09 points, to a level very satisfied 5. side values and social acceptance. 4.07 AVG rating levels are very satisfied 6. public relations. 4.03 AVG rating levels are very satisfied 7. welfare and services. With an average score of 4.07 satisfaction level very summary overview predict the decision of students to choose classes that phetchabun rajabhat University. With artificial neural network and decision tree 4.07 AVG rating levels are very satisfied.
คำสำคัญ
เหมืองข้อมูล, ต้นไม้ตัดสินใจ, โครงข่ายประสาทเทียม, Data Mining, Decision Tree, Artificial neural network
หมายเหตุ
ดำเนินการเสร็จสิ้น