การพัฒนาระบบธุรกิจอัจฉริยะ เพื่อพยากรณ์พฤติกรรมของประชากรวัยทำงานที่ส่งผลให้เกิดโรคไม่ติดต่อเรื้อรัง

The development of business intelligence to predict the behaviors of the working-age population resulting in chronic non-communicable diseases

Name: สุภลักษณ์ เจริญธรรม

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : S6307021856055@email.kmutnb.ac.th

Name: มณเฑียร รัตนศิริวงศ์วุฒิ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : montean.r@itd.kmutnb.ac.th

keyword: โรคไม่ติดต่อเรื้อรัง

ThaSH: ธุรกิจอัจฉริยะ

ThaSH: พยากรณ์โรค

ThaSH: การทำงาน

Abstract: การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) เพื่อเปรียบเทียบประสิทธิภาพของอัลกอริทึมที่เหมาะสมในการวิเคราะห์พฤติกรรมที่มีแนวโน้มส่งผลให้เกิดโรคความดันโลหิตโรคไขมันในเส้นเลือด , โรคไต โรคเบาหวานและโรคมะเร็ง 2) เพื่อพัฒนาระบบธุรกิจอัจฉริยะเพื่อสนับสนุนการวิเคราะห์ความสัมพันธ์ของพฤติกรรมประชากรวัยทำงานและการช่วยตัดสินใจ งานวิจัยนี้ผู้วิจัยมีแนวคิดในการนาข้อมูลจากกรมอนามัย กระทรวงสาธารณสุข ที่มีการเก็บแบบสอบถามประเมินพฤติกรรมสุขภาพ ความรอบรู้ และปัจจัยแวดล้อมที่ส่งผลต่อสุขภาพของประชากรวัยทำงานจำนวน 2,520 รายการ เพื่อสร้างแบบจำลองในการวิเคราะห์พฤติกรรมความเสี่ยงของประชากรวัยทำงานที่มีแนวโน้มส่งผลให้เกิดโรคความดันโลหิตสูง โรคหัวใจและหลอดเลือด ไขมันในเลือดสูง และโรคเบาหวาน โดยเปรียบเทียบระหว่างอัลกอริทึมซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine),อัลกอริทึมเพื่อนบ้านใกล้ที่สุด (K-Nearest Neighbor), อัลกอริทึมโครงข่ายประสาทเทียม (Neural Network), อังกอริทึมต้นไม้ป่ าสุ่ม (Random Forest) และอัลกอริทึมนาอีฟเบย์ (Naïve Bays) เพื่อพยากรณ์พฤติกรรมในชีวิตประจำ วันมีแนวโน้มส่งผลให้เกิดโรคในกลุ่มโรคไม่ติดต่อเรื้อรัง(NCDs) จากนั้นนาข้อมูลที่มาแสดงผลรายงานใน รูปแบบ Power BI Desktop โดยในการทดสอบประสิทธิภาพครั้งนี้พบว่าอัลกอริทึมที่ให้ประสิทธิภาพสูงที่สุดคือ อัลกอริทึมต้นไม้ป่ าสุ่ม (Random Forest) โดยมีค่าความถูกต้อง (Accuracy) ร้อยละ 94.07"

Abstract: This research has subjects to 1) To Compare Efficiency of Algorithm which are suitable to analyze trend of behaviors to cause Hypertension, Hyperlipidemia, Nephropathy, Diabetes and Cancer. 2) To develop intelligence business system to support analysis of relevant between working age population’s behaviors and decision making. This research has used database from department of Health, Ministry of Public Health which did the survey of working age population about Health Behaviors, knowledge, and environmental factors affected to working age population’s health 2,520 record to make simulation model that can be analyze behavior risk incidence of Hypertension, Hyperlipidemia, Nephropathy, Diabetes and Cancer. The research have compared Algorithms such as Support Vector Machine, K-Nearest Neighbor, Neural Network, Random forest and Naïve Bays to forecast behaviors in everyday life which trend to be incident risk of non-communicable diseases (NCDs) and then use Power BI Desktop to make reports which found the most effective Algorithm is Random Forest (Accuracy Rate 94.07%).

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2565

Modified: 2566-11-15

Issued: 2565-09-15

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 18 (NCCIT 2022) (pp.327-333). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2022pp.327-333.pdf	586.21 KB	15	2025-12-14 18:54:11

ใช้เวลา

0.037331 วินาที