รายชื่อบทความงานประชุมวิชาการระดับชาติ ครั้งที่ 15
(มหาวิทยาลัยราชภัฏนครปฐม)
ระหว่างวันที่ 13 – 14 กรกฎาคม 2566
ณ โรงแรม ไมด้า แกรนด์ ทวารวดี นครปฐม จังหวัดนครปฐมสาขา คอมพิวเตอร์และเทคโนโลยีสารสนเทศ
| ชื่อบทความภาษาไทย |
การสร้างตัวแบบพยากรณ์จำนวนแรงงานข้ามชาติโดยใช้เทคนิคเหมืองข้อมูล และการวิเคราะห์ทางสถิติ |
| ชื่อบทความภาษาอังกฤษ (Title) |
Model Prediction for the Number of Foreign Workers using Data Mining Techniques and Statistical Analysis |
| ชื่อผู้เขียนภาษาไทย
(Authors TH) |
นางสาวสุนันชณา ภูแก้วงาม  , นางสาวธนพร ขันธกมล, นางสาวณัฏฐธิดา หึกขุนทด, รศ.ดร.สุปราณี ลิสวัสดิ์, |
| ชื่อผู้เขียนภาษาอังกฤษ (Authors EN)
|
Sunanchana Pukaewngam ,
Thanaporn Khanthakamon ,
Natthatida Huekkunthod,
Supranee Lisawadi, |
| บทคัดย่อภาษาไทย |
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีผลต่อการเข้ามาทำงานของแรงงานข้ามชาติในประเทศไทยและเพื่อสร้างตัวแบบทางสถิติที่เหมาะสมสำหรับพยากรณ์จำนวนแรงงานข้ามชาติในประเทศไทย ด้วยเทคนิคการวิเคราะห์การถดถอยพหุคูณ (Multiple Linear Regression) เทคนิคต้นไม้ตัดสินใจ (Decision Tree) และเทคนิคซับพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย (Support Vector Regression) โดยใช้ข้อมูลจากสำนักงานบริหารแรงงานต่างด้าว ตั้งแต่ ปี พ.ศ. 2554 – 2564 จำนวน 132 เดือน และมีจำนวนปัจจัยที่เกี่ยวข้องทั้งหมด 9 ปัจจัย ได้แก่ ค่าแรงขั้นต่ำ อัตราการว่างงาน มูลค่าผลิตภัณฑ์มวลรวมภายในประเทศ ดัชนีค่าเงินบาท อัตราเงินเฟ้อ มูลค่าการส่งออก มูลค่าการนำเข้า จำนวนแรงงานไทยที่ได้รับอนุญาตเดินทางไปทำงานต่างประเทศ และจำนวนแรงงานข้ามชาติย้อนหลัง 1 หน่วยเวลา โดยขั้นตอนในการทำวิจัยจะดำเนินการตามกระบวนการมาตรฐานในการทำเหมืองข้อมูล (CRISP-DM) 5 ขั้นตอน ในการวิเคราะห์ปัจจัยที่เกี่ยวข้องจะใช้โปรแกรมสำเร็จรูปทางสถิติ และทดสอบประสิทธิภาพของตัวแบบโดยใช้โปรแกรม WEKA ใช้เกณฑ์ในการวัดประสิทธิภาพ 3 เกณฑ์ คือ ค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าเฉลี่ยสมบูรณ์ของความคลาดเคลื่อน (Mean Absolute Error : MAE) และค่าสัมประสิทธิ์การตัดสินใจพหุคูณ (R2) ผลการวิจัยพบว่าปัจจัยที่มีผลต่อการเข้ามาทำงานของแรงงานข้ามชาติในประเทศไทย คือ ค่าแรงขั้นต่ำ อัตราเงินเฟ้อ อัตราการว่างงาน มูลค่าผลิตภัณฑ์มวลรวมภายในประเทศ และจำนวนแรงงานข้ามชาติย้อนหลัง 1 หน่วยเวลา ในส่วนของการวัดประสิทธิภาพของตัวแบบพยากรณ์จำนวนแรงงานข้ามชาติพบว่า เทคนิคซับพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย มีค่า RMSE เท่ากับ 15.7566 และ MAEเท่ากับ 7.7770 ซึ่งน้อยที่สุด และค่า R2 เท่ากับ 0.8847 มากเป็นอันดับ 2 รองจากเทคนิคการวิเคราะห์การถดถอยพหุคูณ ดังนั้นจึงสรุปได้ว่าตัวแบบพยากรณ์ของเทคนิคซับพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอยมีประสิทธิภาพมากที่สุด และเหมาะสำหรับนำไปใช้ในการพยากรณ์จำนวนแรงงานข้ามชาติในประเทศไทย
|
|
| คำสำคัญภาษาไทย |
การวิเคราะห์การถดถอยพหุคูณ,ต้นไม้ตัดสินใจ,ซับพอร์ตเวกเตอร์แมชชีน |
| Abstract |
This research aims to study the factors that affect the entry of foreign workers in Thailand and to create an appropriate statistical model for forecasting the number of foreign workers in Thailand. With multiple linear regression, decision tree, and support vector regression methods using information from the foreign workers in Prof. 2011 – 2021 for 132 months, there are a total of 9 related factors, including the minimum wage, the unemployment rate, the gross domestic product value, the effective exchange rate, the inflation rate, the export value, the import value, the number of Thai workers authorized to work abroad and the number of foreign workers in the past unit of time. The research process is carried out in accordance with the 5 steps standard procedures for data mining (CRISP-DM). To analyze related factors, the statistical package is used, and the effectiveness of the model will be tested using the WEKA program. There are 3 criteria for measuring the performance of the prediction: Root Mean Square Error (RMSE), Mean Absolute Error (MAE) and Coefficient of Multiple Determination (R2). The results showed that factors affecting the entry of foreign workers in Thailand are the minimum wages, the inflation rate, the unemployment rates, the gross domestic product value and the number of foreign workers in the past unit of time. The performance measurement of the model found that the support vector regression methods had the lowest MAE and RMSE, 15.7566 and 7.7770, respectively, and had R2 of 0.8847, which is the 2nd largest after multiple linear regression. Therefore, support vector regression technique is the most effective and most suitable for forecasting the number of foreign workers in Thailand.
|
| Keyword |
Multiple Linear Regression,Decision Tree,Support Vector Machine |
| กลุ่มของบทความ |
คอมพิวเตอร์และเทคโนโลยีสารสนเทศ |
| รูปแบบการนำเสนอ |
Oral |
| รูปแบบของบทความ |
บทความวิจัย |
| Publication date |
13 - 14 กรกฎาคม 2566 ณ โรงแรม ไมด้า แกรนด์ ทวารวดี นครปฐม |
|
|