การเปรียบเทียบประสิทธิภาพตัวแบบพยากรณ์จำนวนนักศึกษาใหม่ เพื่อวิเคราะห์ปัจจัยที่ ส่งผลกับการเข้าศึกษาต่อในมหาวิทยาลัยราชภัฏนครปฐม โดยใช้เทคนิค ENSEMBLE The Comparison of Model Efficiency to Forecast the Number of New Students for Analysis of Factors Affecting on Admission to Nakhon Pathom Rajabhat University by using ENSEMBLE

Abstract

ในปัจจุบันการรับสมัครสอบคัดเลือกนักศึกษาใหม่ของแต่ละสถาบันในระดับอุดมศึกษาได้มีรูปแบบเป็นนโยบายเชิงรุก มากยิ่งขึ้น เนื่องจากการลดลงของจำนวนนักเรียนที่มีอยู่ในระบบการศึกษา การประชาสัมพันธ์หลักสูตรและการแนะแนวตาม โรงเรียนต่าง ๆ ให้ตรงกับกลุ่มเป้าหมายจึงเป็นสิ่งที่มีความสำคัญเป็นอย่างยิ่ง ผู้วิจัยจึงได้นำเทคนิคเหมืองข้อมูล (Data Mining) มาใช้วิเคราะห์ข้อมูลของผู้สมัครที่สอบผ่านการคัดเลือกเป็นนักศึกษาใหม่ระดับปริญญาตรี มหาวิทยาลัยราชภัฏนครปฐม ระหว่างปีการศึกษา 2559-2560 โดยศึกษาวิธีการเปรียบเทียบประสิทธิภาพตัวแบบพยากรณ์จำนวนนักศึกษาใหม่ด้วยเทคนิค ENSEMBLE ทั้ง 3 เทคนิค คือ Vote Ensemble, Bootstrap Aggregating (Bagging) และ Random Forest เพื่อนำอัลกอริทึม ที่มีประสิทธิภาพสูงสุดมาใช้ในการวิเคราะห์ข้อมูล และนำผลที่ได้จากการวิเคราะห์ข้อมูลไปประกอบการวางแผนการรับนักศึกษาใหม่ ในปีการศึกษาถัดไปได้อย่างมีประสิทธิภาพ ผลการเปรียบเทียบประสิทธิภาพตัวแบบพยากรณ์จำนวนนักศึกษาใหม่ พบว่าการสร้างตัวแบบพยากรณ์ด้วยเทคนิค Bootstrap Aggregating โดยใช้อัลกอริทึม Rule Induction มีค่าประสิทธิภาพความถูกต้องสูงสุดเท่ากับ 83.96% สูงกว่า เทคนิค Vote Ensemble และ Random Forest ซึ่งมีค่าเท่ากับ 83.19% และ 81.95% ตามลำดับ และผลการวิเคราะห์ ปัจจัยที่ส่งผลกับการเข้าศึกษาต่อในมหาวิทยาลัยราชภัฏนครปฐมมากที่สุด คือ รูปแบบการสอบคัดเลือก เกรดเฉลี่ยรวม เพศ โรงเรียนที่สำเร็จการศึกษา จังหวัด สายการเรียน และสาขาวิชาที่เลือก ตามลำดับ