การเปรียบเทียบอัลกอริทึมเพื่อการพยากรณ์ยอดคำสั่งซื้อชุดนักเรียนด้วยเทคนิคเหมืองข้อมูล

A comparative study of algorithms for forecasting school uniform orders using data mining techniques

Name: นพมาศ นะวะมวัฒน์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : s6607021857199@email.kmutnb.ac.th

Name: ศักดิ์ชาย ตั้งวรรณวิทย์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : sakchai.t@itd.kmutnb.ac.th

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: การเรียนรู้เชิงลึก (การเรียนรู้ของเครื่อง)

ThaSH: การวิเคราะห์การถดถอย

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของอัลกอริทึมทั้ง 3 อัลกอริทึม ได้แก่ อัลกอริทึมการถดถอยเชิงเส้น อัลกอริทึมโครงข่ายประสาทเทียม และอัลกอริทึมการเรียนรู้เชิงลึก โดยรวบรวมข้อมูลคำสั่งซื้อชุดนักเรียนตั้งแต่เดือนมกราคม พ.ศ. 2557 ถึงเดือนกรกฎาคม พ.ศ. 2567 เป็นระยะเวลา 10 ปี 7 เดือน หน่วยในการแสดงผลเป็น “ชิ้น” และจากการจัดการข้อมูลแบ่งข้อมูลออกเป็น 3 ประเภท ได้แก่ ชุดอนุบาล ชุดประถมศึกษา และชุดมัธยมศึกษา นอกจากนี้มีการใช้อัลกอริทึมวัดค่าความคลาดเคลื่อน 2 วิธี ได้แก่ Mean Absolute Percentage Error (MAPE) และ Root Mean Squared Error (RMSE) ผลการทดสอบประสิทธิภาพของอัลกอริทึมสำหรับการพยากรณ์พบว่า ประเภทชุดอนุบาล อัลกอริทึมการถดถอยเชิงเส้นมีความแม่นยำมากที่สุด โดยมีค่าความคลาดเคลื่อน RMSE ต่ำสุดอยู่ที่ 4,570.64 และค่าความคลาดเคลื่อน MAPE ต่ำสุดอยู่ที่ 258.14 ประเภทชุดประถมศึกษา อัลกอริทึมการเรียนรู้เชิงลึกมีความแม่นยำมากที่สุด โดยมีค่าความคลาดเคลื่อน RMSE ต่ำสุดอยู่ที่ 13,213.37 และค่าความคลาดเคลื่อน MAPE ต่ำสุดอยู่ที่ 1,938.69 ประเภทชุดมัธยมศึกษา อัลกอริทึมการเรียนรู้เชิงลึกมีความแม่นยำมากที่สุด โดยมีค่าความคลาดเคลื่อน RMSE ต่ำสุดอยู่ที่ 7,917.363 และค่าความคลาดเคลื่อน MAPE ต่ำสุดอยู่ที่ 112.36

Abstract: This research aims to compare the performance of three algorithms—Linear Regression, Neural Network, and Deep Learning—for sales forecasting of school uniforms. The study collects school uniform order data from January 2014 to July 2024. After data preprocessing, the dataset is categorized into three types: kindergarten uniforms, primary school uniforms, and secondary school uniforms. The accuracy of the algorithms is evaluated using Root Mean Squared Error (RMSE) and Mean Absolute Percentage Error (MAPE). The performance evaluation of the forecasting algorithms revealed that the Linear Regression algorithm achieved the best accuracy for kindergarten uniforms, with an RMSE of 4,570.64 and a MAPE of 258.14 For primary school uniforms, the Deep Learning algorithm had the best accuracy, with an RMSE of 13,213.37 and a MAPE of 1,938.69 Similarly, for secondary school uniforms, the Deep Learning algorithm performed best, with an RMSE of 7,917.36 and a MAPE of 112.36.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2568

Modified: 2568-12-09

Issued: 2568-12-09

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 21 (NCCIT 2025) (pp.38-43). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ, 2568

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2025pp.38-43.pdf	654.04 KB

ใช้เวลา

0.032785 วินาที