Efficiency Comparison of Property Crimes in Thailand by using Statistical Analysis and Machine Learning

นางสาวนลิณี จตุรพรชัยรักษา,; Nalinee, Chaturaphonchairaksa; นางสาวNalinee Chaturaphonchairaksa,; Supakarn, Wongsathammakul; Nuttida , Srisilapa-udom; Supranee , Lisawadi

แสดงบทคัดย่อ

ชื่อบทความภาษาไทย

การเปรียบเทียบประสิทธิภาพการทำนายจำนวนคดีอาญาความผิดเกี่ยวกับทรัพย์ของ ภาคกลางในประเทศไทยโดยใช้วิธีการวิเคราะห์ทางสถิติและการเรียนรู้ของเครื่อง

ชื่อบทความภาษาอังกฤษ (Title)

Efficiency Comparison of Property Crimes in Thailand by using Statistical Analysis and Machine Learning

ชื่อผู้เขียนภาษาไทย (Authors TH)

นางสาวนลิณี จตุรพรชัยรักษา

, นางสาวศุภกานต์ วงศาธรรมกุล, นางสาวณัฐธิดา ศรีศิลปอุดม, รศ.ดร.สุปราณี ลิสวัสดิ์,

ชื่อผู้เขียนภาษาอังกฤษ (Authors EN)

Nalinee Chaturaphonchairaksa

, Supakarn Wongsathammakul, Nuttida Srisilapa-udom, Supranee Lisawadi,

บทคัดย่อภาษาไทย

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบหาวิธีที่ดีที่สุดสำหรับการพยากรณ์จำนวนคดีอาญาความผิดเกี่ยวกับทรัพย์ของภาคกลางและกรุงเทพมหานคร ด้วยวิธีการวิเคราะห์การถดถอย (Regression Analysis) เทคนิคต้นไม้ตัดสินใจ (Decision Tree) และเทคนิคป่าสุ่ม (Random Forest) โดยใช้ข้อมูลจากสำนักงานสถิติแห่งชาติ ซึ่งเป็นข้อมูลย้อนหลัง 14 ปี ตั้งแต่ปี พ.ศ. 2550-2563 มีจำนวนปัจจัยที่เกี่ยวข้องทั้งหมด 7 ปัจจัย และข้อมูลจำนวน 2,058 ข้อมูล โดยจะทำการแบ่งข้อมูลในการวิเคราะห์ออกเป็นสองชุด คือ ข้อมูลจำนวนคดีอาญาความผิดเกี่ยวกับทรัพย์ในภาคกลาง ที่ไม่รวมกรุงเทพมหานคร และข้อมูลจำนวนคดีอาญาความผิดเกี่ยวกับทรัพย์ในกรุงเทพมหานคร โดยการวิเคราะห์ข้อมูลใช้โปรแกรมสำเร็จรูปทางสถิติ วิเคราะห์ปัจจัยที่มีความเกี่ยวข้อง ด้วยวิธีการลดตัวแปร (Backward Elimination) และทดสอบประสิทธิภาพด้วยโปรแกรม WEKA โดยอัลกอริทึมที่ใช้ในเทคนิคต้นไม้ตัดสินใจ ได้แก่ อัลกอริทึม REPTree ใช้เกณฑ์ในการวัดประสิทธิภาพ 2 เกณฑ์ ประกอบด้วย ค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) และค่าคลาดเคลื่อนสมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) ผลการวิจัยพบว่าปัจจัยที่ส่งผลต่อข้อมูลในภาคกลาง มีจำนวน 3 ปัจจัย ได้แก่ อัตราเงินเฟ้อ รายได้เฉลี่ยต่อครัวเรือน จำนวนประชากร และปัจจัยที่ส่งผลต่อข้อมูลในกรุงเทพมหานคร มีจำนวน 2 ปัจจัย ได้แก่ อัตราเงินเฟ้อ จำนวนคนว่างงาน ในส่วนของผลการทดสอบประสิทธิภาพวิธีที่ดีที่สุดของชุดข้อมูลจำนวนคดีอาญาความผิดเกี่ยวกับทรัพย์ในภาคกลาง ที่ไม่รวมกรุงเทพมหานครและข้อมูลจำนวนคดีอาญาความผิดเกี่ยวกับทรัพย์ในกรุงเทพมหานคร ได้แก่ วิธีการวิเคราะห์การถดถอย มีค่า RMSE เท่ากับ 0.3193 และ 1032.4407 คดี และค่า MAE เท่ากับ 0.2405 และ 858.1238 คดี ตามลำดับ งานวิจัยนี้สามารถนำไปใช้ในการพยากรณ์จำนวนคดีอาญาเพื่อหาแนวทางในการรับมือและแก้ไขสถานการณ์ที่จะเกิดขึ้นในอนาคตต่อไป

คำสำคัญภาษาไทย

คดีอาญา ,ต้นไม้ตัดสินใจ ,เทคนิคป่าสุ่ม ,การวิเคราะห์การถดถอย ,ค่าความคลาดเคลื่อนเฉลี่ยสัมบูรณ์

Abstract

The purpose of this research is to compare the most suitable methods for forecasting the number of criminal cases against property in the central region and Bangkok by using three techniques, regression analysis method, decision tree method, and random forest method. The data was collected by the National Statistical Office which is a 14-year historical data from 2007-2020 with seven relevant factors and 2,058 data. The data for analysis was divided into two sets, the number of criminal cases in the central region excluding Bangkok and the number of criminal cases in Bangkok. Statistical package was used to analyze related factors by using backward elimination method and testing the efficiency with the WEKA program. Algorithm, which was used in the decision tree is the REPTree algorithm including the Root Mean Square Error (RMSE), and the Mean Absolute Error (MAE) for comparing the prediction efficiency. The results showed that there were 3 factors such as inflation rate, average monthly household income (AMHI), and population which affected data in the central region and 2 factors such as inflation rate and unemployment rate which affected data in Bangkok. As for performance testing, the best method is regression analysis with RMSE value equaled to 0.3193 and 1032.4407 cases, and MAE value was 0.2405 and 858.1238 cases, respectively. This research can be used in forecasting the number of criminal cases in order to find procedures to deal with and solve situations that would occur in the future.

Keyword

Criminal Case, Decision Tree, Random Forest, Regression Analysis, Mean Absolute Error

กลุ่มของบทความ

คอมพิวเตอร์และเทคโนโลยีสารสนเทศ

รูปแบบการนำเสนอ

Oral

รูปแบบของบทความ

บทความวิจัย

Publication date

13 - 14 กรกฎาคม 2566 ณ โรงแรม ไมด้า แกรนด์ ทวารวดี นครปฐม