Please use this identifier to cite or link to this item: http://kb.psu.ac.th/psukb/handle/2016/17266
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorนิคม สุวรรณวร-
dc.contributor.authorเมวิณี อุไรรัตน์-
dc.date.accessioned2021-08-19T03:17:38Z-
dc.date.available2021-08-19T03:17:38Z-
dc.date.issued2019-
dc.identifier.urihttp://kb.psu.ac.th/psukb/handle/2016/17266-
dc.descriptionวิทยานิพนธ์ (วท.ม. (การจัดการเทคโนโลยีสารสนเทศ))--มหาวิทยาลัยสงขลานครินทร์, 2562en_US
dc.description.abstractThe purpose of this research was to study the factors affecting the approval of academic service project proposals. Academic service project proposals supported the decision-making of the people involved, making it faster and more convenient. Data mining was used to analyze data in accordance with the CRISP-DM process and to obtain the most relevant factors for research purposes. Once the appropriate factors had been identified, the data processing was performed by using data analysis to find the optimal model, factor, and forecasting technique. In this research, three techniques were selected : Artificial Neural Networks (ANN), K-Nearest Neighbors (K-NN), and Support Vector Machine (SVM). The study develops 3 sets of factors. The first set of all factors (set 1) is a fundamental factor in the decision-making process. It consists of 16 variables: Location, Servicer, Personnel, Day, Budget, 5 variables of Suitability Assessment and 6 variables of Data Verification. The second set of factors (set 2) was developed by merging some factors of the first set of factors together. The Servicer with Personnel were merged to Partner, and Day with Location were merged to place. So the second set of factors had 14 variables. The third set of factors (set 3) was developed by adjusting the value from the factor (set 2) to minimize the number of variables, in order to increase processing efficiency. This was done by grouping all values stored in the Suitability Assessment into one variable. Among 3 sets of factors, it was found that the third set of factors had the highest accuracy of forecasting, and was the most appropriate form of reference for predicting the desired result. The results from this study revealed that the ANN was proved to be the most appropriate technique for providing the highest accuracy in prediction regarding the approval of the academic service proposal.-
dc.language.isothen_US
dc.publisherมหาวิทยาลัยสงขลานครินทร์en_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Thailand*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/th/*
dc.subjectระบบสนับสนุนการตัดสินใจ โปรแกรมคอมพิวเตอร์en_US
dc.subjectการตัดสินใจen_US
dc.titleเทคนิคการพยากรณ์ปัจจัยที่ส่งผลต่อการพิจารณาอนุมัติข้อเสนอโครงการบริการวิชาการen_US
dc.title.alternativePrediction Techniques of Factors Affecting the Approval of the Academic Service Proposalen_US
dc.typeThesisen_US
dc.contributor.departmentFaculty of Engineering Management of Information Technology-
dc.contributor.departmentคณะวิศวกรรมศาสตร์ สาขาวิชาการจัดการเทคโนโลยีสารสนเทศ-
dc.description.abstract-thการวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่ส่งผลต่อการพิจารณาอนุมัติข้อเสนอ โครงการบริการวิชาการซึ่งจะช่วยในการสนับสนุนการตัดสินใจของผู้ที่มีส่วนเกี่ยวข้องให้มีความ สะดวกรวดเร็วมากยิ่งขึ้น โดยใช้การวิเคราะห์ข้อมูลตามกระบวนการ CRISP-DM และเพื่อให้ได้ปัจจัย ที่เกี่ยวข้องมากที่สุดเพื่อการวิจัย เมื่อได้ปัจจัยที่เหมาะสมแล้วจึงนําไปสู่กระบวนการประมวลผลข้อมูล โดยการนําปัจจัยมาผ่านกระบวนการวิเคราะห์ข้อมูลเพื่อค้นหารูปแบบปัจจัยและเทคนิคการพยากรณ์ ที่เหมาะสมที่สุดที่จะนํามาใช้อ้างอิงในการพยากรณ์ ในงานวิจัยนี้ได้เลือกใช้เทคนิค 3 วิธี คือ Artificial Neural Networks (ANN), K-Nearest Neighbors (K-NN) และ Support Vector Machine (SVM) การศึกษาพัฒนาปัจจัย 3 ชุด ปัจจัยชุดแรก (ชุดที่ 1) เป็นปัจจัยพื้นฐานในกระบวนการตัดสินใจ ประกอบด้วยตัวแปร 16 ตัวแปร Location, Servicer, Personnel, Day, Budget 5 ตัวแปรของการ ประเมินความเหมาะสม และ 6 ตัวแปรของการตรวจสอบข้อมูล ปัจจัยชุดที่สอง (ชุดที่ 2) ได้รับการ พัฒนาโดยการรวมปัจจัยบางอย่างของปัจจัยชุดแรกเข้าด้วยกัน Servicer กับ Personnel ถูกรวมกัน แล้วเก็บค่าเอาไว้ใน Partner และ Day กับ Location ถูกรวมกันแล้วเก็บค่าเอาไว้ใน Place ดังนั้นชุด ที่สองจึงมีตัวแปร 14 ตัว ชุดของปัจจัยที่สาม (ชุดที่ 3) ได้รับการพัฒนาโดยการปรับค่าจากปัจจัย (ชุดที่ 2) โดยลดจํานวนของตัวแปรเพื่อเพิ่มประสิทธิภาพในการประมวลผล สิ่งนี้ทําได้โดยการจัดกลุ่ม ค่าทั้งหมดที่เก็บไว้ในการประเมินความเหมาะสมเอาไว้ในหนึ่งตัวแปร ในบรรดาปัจจัย 3 ชุดพบว่า ชุดที่สามมีความแม่นยําสูงสุดในการพยากรณ์และเป็นรูปแบบการอ้างอิงที่เหมาะสมที่สุดในการ ทํานายผลลัพธ์ที่ต้องการ ผลจากการศึกษาครั้งนี้พบว่า ANN ได้รับการพิสูจน์แล้วว่าเป็นเทคนิคที่ เหมาะสมที่สุดในการทํานายความถูกต้องสูงสุดในการทํานายข้อเสนอการบริการวิชาการ-
Appears in Collections:229 Thesis

Files in This Item:
File Description SizeFormat 
434792.pdf3.23 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons