การพยากรณ์จำนวนงานจดทะเบียนของสำนักงานที่ดิน ด้วยเทคนิคการวิเคราะห์อนุกรมเวลา

Forecasting the number registration of the land officer using time series techniques

Name: ชัชฎาวรรณ จันทร์ประเสริฐ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : s6307021858228@email.kmutnb.ac.th

Name: วัชรีวรรณ จิตต์สกุล

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : watchareewan.j@itd.kmutnb.ac.th

ThaSH: การวิเคราะห์อนุกรมเวลา

Abstract: การวิจัยนี้มีวัตถุประสงค์เพื่อคัดเลือกแบบจำลองพยากรณ์ที่เหมาะสมที่สุดในการพยากรณ์จำนวนงานจดทะเบียนที่เกิดขึ้นในสำนักงาน โดยเปรียบเทียบแบบจำลองพยากรณ์จำนวน 3 วิธี ได้แก่ วิธีหาค่าเฉลี่ยเคลื่อนที่ วิธีการแยกส่วนประกอบ และวิธีการพยากรณ์แบบฤดูกาล ทำการสร้างแบบจำลองพยากรณ์ด้วยโปรแกรมวิเคราะห์ผลทางสถิติ Minitab วัดประสิทธิภาพแบบจำลองพยากรณ์ด้วยค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยและค่าเบี่ยงเบนสัมบูรณ์เฉลี่ยที่ต่าที่สุดข้อมูลที่ใช้เป็นข้อมูลจำนวนงานจดทะเบียนในสำนักงานที่ดินระหว่างเดือนมกราคม พ.ศ. 2558 ถึงเดือนธันวาคม พ.ศ. 2563 รวม 72 เดือน และแบ่งข้อมูลเป็น 2 ชุด คือชุดข้อมูลฝึกฝน (Train Set) จำนวน 60 เดือน และชุดข้อมูลทดสอบ (Test Set) จำนวน 12 เดือน ผลการวิจัยพบว่า แบบจำลองการพยากรณ์ด้วยวิธีแยกส่วนประกอบให้ประสิทธิภาพการพยากรณ์สูงสุด โดยมีค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ยเท่ากับ ร้อยละ 8 และค่าเบี่ยงเบนสัมบูรณ์เฉลี่ยเท่ากับ 257 ซึ่งได้นาผลการพยากรณ์วิธีที่ดีที่สุดมานาเสนอบน Power BI สำหรับการวางแผนการให้บริการของสำนักงานที่ดินได้อย่างมีประสิทธิภาพ

Abstract: The objective of this research is to select the most suitable model for Forecasting the Number Registration of the Land officer using Time Series Techniques. Time series analysis had been applied to compare performance among 3 statistical models as following; 1) Moving Average Model 2) Winter’s Method and 3) Decomposition Model. By using Minitab, also perform model performance measurements in forecasting. The mean absolute percentage error (MAPE) and the mean absolute deviation (MAD) were the lowest. Dataset for creating forecasting Model is collected information of actual Registration of the Land officer since January 2015 to December 2020. The 72 months were used and divided into 2 sets. The first set had 60 months for identification models. The second set had 12 months for checking the accuracy of the forecasting model. The result showed that the best forecasting model was Decomposition Model due to its MAPE value of 8 and MAD value of 257. And It brings the best forecasting results to Power BI for effective land office service planning

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2565

Modified: 2565-09-16

Issued: 2565-09-16

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 18 (NCCIT 2022) (pp.370-375). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2022pp.370-375.pdf	412.91 KB

ใช้เวลา

0.026198 วินาที