การทำนายผลผลิตมันสำปะหลังในภาคตะวันออกเฉียงเหนือของประเทศไทย

Predicting cassava yield in Northeastern Region of Thailand

Name: จุฑารัตน์ ศรีชะบา

ThaSH: มันสำปะหลัง -- ไทย (ภาคตะวันออกเฉียงเหนือ) -- การผลิต

ThaSH: การวิเคราะห์การถดถอย

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

LCSH: Cassava -- Thailand, Northeastern -- Manufacture

LCSH: Regression analysis

LCSH: Neural networks (Computer science)

Abstract: มันสำปะหลังเป็นพืชเศรษฐกิจที่สำคัญของประเทศไทย ซึ่งประเทศไทยเป็นประเทศผู้ผลิตมันสำปะหลังลำดับที่ 2 ของโลก และเป็นประเทศผู้ส่งออกมันสำปะหลังและผลิตภัณฑ์รายใหญ่ของโลก งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่ส่งผลต่อผลผลิตมันสำปะหลัง เปรียบเทียบประสิทธิภาพในการทำนายผลผลิตมันสำปะหลังของวิธีการวิเคราะห์การถดถอยพหุคูณและวิธีโครงข่ายประสาทเทียม การศึกษาครั้งนี้ใช้ข้อมูลทุติยภูมิปี 2562 ของอำเภอที่มีการปลูกมันสำปะหลังในภาคตะวันออกเฉียงเหนือ จำนวน 313 อำเภอ ซึ่งเก็บรวบรวมข้อมูลปัจจัยต่าง ๆ จากหน่วยงานราชการ และเปรียบเทียบประสิทธิภาพของวิธีการทำนายด้วยค่าคลาดเคลื่อนกำลังสองเฉลี่ย ผลการศึกษาพบว่าวิธีการวิเคราะห์การถดถอยพหุคูณมีค่าคลาดเคลื่อนกำลังสองเฉลี่ยเท่ากับ 13,334.57 วิธีโครงข่ายประสาทเทียมโดยใช้โปรแกรม R-Studio มีค่าคลาดเคลื่อนกำลังสองเฉลี่ยเท่ากับ 12,286.38 สรุปได้ว่าวิธีโครงข่ายประสาทเทียมโดยใช้โปรแกรม R-Studio มีประสิทธิภาพในการทำนายผลผลิตมันสำปะหลังภาคตะวันออกเฉียงเหนือของประเทศไทยมากกว่าวิธีการวิเคราะห์การถดถอยพหุคูณ

Abstract: Cassava is an important cash crop in Thailand. Thailand ranks the world’s second biggest producer of cassava and also the major exporter of cassava and related products. The objective of this research by study the factors that affect cassava yield, and comparing the efficiency between multiple regression analysis and artificial neural network. This study uses secondary data of the year 2019 from 313 districts in the northeastern part of Thailand having cassava cultivation, collected by various government agencies. By comparing the efficiency of prediction methods with mean squares error, results show that multiple regression analysis gives mean squares error of 13,334.57, artificial neural network method using the program R-Studio gives mean squares error of 12,286.38. In conclusion, the artificial neural network method using the program R-Studio is more effective in predicting cassava yield in the northeastern region of Thailand than by multiple regression analysis.

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: สายชล สินสมบูรณ์ทอง

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์

Email : saichon.si@kmitl.ac.th

Created: 2563

Modified: 2564-07-09

Issued: 2564-07-09

วิทยานิพนธ์/Thesis

application/pdf

tha

Spatial: ภาคตะวันออกเฉียงเหนือ

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติและการวิเคราะห์ธุรกิจ

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Fulltext Jutarat Srichaba.pdf	1.79 MB	8	2024-07-11 15:21:42

ใช้เวลา

0.017531 วินาที