การเปรียบเทียบประสิทธิภาพการจำแนกข้อมูลเพื่อทำนายการได้รับทุนการศึกษาของนักศึกษาระดับปริญญาตรี โดยใช้เทคนิควิธีการทำเหมืองข้อมูล

Abstract

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่เกี่ยวข้องในการได้รับทุนการศึกษาของนักศึกษาระดับปริญญาตรีและเพื่อเปรียบเทียบประสิทธิภาพการจำแนกข้อมูลของตัวแบบด้วยเทคนิควิธีต้นไม้ตัดสินใจ(Decision Tree) วิธีแบบเบย์(Naïve Bayes) วิธีเคเนียร์เรสเนเบอร์(K-Nearest Neighbors) วิธีการเรียนรู้เชิงลึก(Deep Learning) และวิธีแรนดอมฟอร์เรส(Random Forest) โดยใช้ข้อมูลจากการขอทุนการศึกษาของนักศึกษาระดับปริญญาตรีคณะบริหารธุรกิจและคณะศิลปศาสตร์จากกองบริหารงานบพิตรพิมุขจักรวรรดิ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์พื้นที่บพิตรพิมุขจักรวรรดิ ระหว่างปีการศึกษา 2557-2561 มีจำนวน 15 แอตทริบิวต์  และข้อมูลจำนวน 1,155 ชุด การวิเคราะห์ข้อมูลใช้โปรแกรม Rapid Miner 9.3 ในการวิเคราะห์ปัจจัยที่เกี่ยวข้องและทดสอบประสิทธิภาพด้วยวิธี 10-Fold Cross Validation กับตัวแบบ ผลการวิจัยพบว่าข้อมูลที่มีความเกี่ยวข้องกันมีจำนวน 11 แอตทริบิวต์ และการจำแนกประเภทที่มีค่าความถูกต้องสูงสุดโดยวิธีแรนดอมฟอร์เรส(Random Forest)มีค่าร้อยละ 94.28 รองลงมาคือวิธีการเรียนรู้เชิงลึก(Deep Learning) มีค่าความถูกต้องร้อยละ 93.51 วิธีต้นไม้ตัดสินใจ(Decision Tree) มีค่าความถูกต้องร้อยละ 92.64 วิธีแบบเบย์(Naïve Bayes) มีค่าความถูกต้องร้อยละ 92.47 และวิธีที่ถูกต้องน้อยที่สุดคือวิธีเคเนียร์เรสเนเบอร์(K-Nearest Neighbors) มีค่าความถูกต้องร้อยละ 89.70 ตามลำดับ งานวิจัยนี้สามารถนำไปใช้ทำนายเพื่อวิเคราะห์แนวทางในการเสนอแนะและพัฒนาระบบสารสนเทศเพื่อใช้ประกอบการพิจารณาในการให้ทุนการศึกษาแก่นักศึกษาต่อไป