The Development of Longan Yield Forecasting Models By Using Data Mining Techniques | การพัฒนาตัวแบบการพยากรณ์ผลผลิตลำไยรายแปลงโดยใช้เทคนิคการทำเหมืองข้อมูล

Английский. This research presents a predictive model for longan production using data mining techniques. The model utilizes longan production data from farmers in the Chiang Mai, Lamphun, and Phayao provinces, totaling 215 plots in the year 2021. The decision tree technique and relationship rules were employed in the analysis. Factors found to significantly impact longan production from the forecasting model include the month of flowering induction and the type of flowering-inducing agent. It was observed that the use of sodium chlorate as a flowering-inducing agent led to medium to high predicted yields based on confidence levels in both first and second-order relationship rules. Regarding the first rule, applying sodium chlorate in December resulted in medium to high production levels, with 53 transactions occurring simultaneously and a confidence level of 62%. In the second rule, the use of sodium chlorate also resulted in medium to high yields, with 68 transactions happening concurrently and a confidence level of 62%.

Тайский. งานวิจัยนี้นำเสนอตัวแบบการพยากรณ์ปริมาณผลผลิตลำไยโดยใช้เทคนิคเหมืองข้อมูลใช้ข้อมูลการผลิตลำไยในฤดูของเกษตรกรผู้ผลิตลำไยในพื้นที่จังหวัดเชียงใหม่ จังหวัดลำพูนและจังหวัดพะเยา จำนวน 215 แปลง ปีพ.ศ.2564 ด้วยเทคนิคต้นไม้ตัดสินใจ และกฎความสัมพันธ์ พบปัจจัยที่ส่งผลกระทบต่อปริมาณผลผลิตลำไยจากโมเดลการพยากรณ์คือ เดือนที่ใส่สารกระตุ้นการออกดอกและประเภทของสารกระตุ้นการออกดอกซึ่งพบว่าเมื่อใช้สารโซเดียมคลอเรตจะมีค่าพยากรณ์ปริมาณผลผลิตในระดับปานกลางขึ้นไปพิจารณาจากกฎความสัมพันธ์ที่มีค่าความเชื่อมั่นในลำดับที่ 1 และ 2 สอดคล้องกับกฎความสัมพันธ์ของข้อมูลในกฎที่ 1 แปลงที่มีการใช้สารโซเดียมคลอเรต ในเดือนธันวาคม จำนวน 85 แปลง จะได้ผลผลิตในระดับปานกลาง 53 แปลง ที่ระดับความเชื่อมั่น 62% และกฎที่ 2 พบว่าแปลงที่มีการใช้สารโซเดียมคลอเรต จำนวน 110 แปลง จะได้ผลผลิตในระดับปานกลาง 68 แปลง ที่ระดับความเชื่อมั่น 62%