| ชื่อเรื่อง – Title: |
การเปรียบเทียบอัลกอริทึมจำแนกมะเร็งมดลูกและมะเร็งปากมดลูก ในการดำเนินงานธุรกิจของโรงพยาบาล Comparison of Classification Algorithms for Uterine Cancer and Cervical Cancer in Hospital Operations |
| ชื่อผู้เขียน – Author: |
จีรนันท์ เฉียบแหลม, ยศวดี อุปเนตร, เบญจกัลยาณี แสงมาลา Jeerana Chablame, Yodsawadee Uppanant, Benjakunlayanee Sangmala |
| อาจารย์ที่ปรึกษา – Advisor: |
ผศ. ดร.พิชญากร เลค – Asst. Prof. Dr. Pitchayakorn Lake |
| ชื่อปริญญา – Degree: |
บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business |
| ภาควิชา/สาขาวิชา – Major: |
บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business) |
| คณะวิชา – Faculty: |
เทคโนโลยีสารสนเทศ (Information technology) |
| ภาคเรียน/ปีการศึกษา – Semester/Academic year: |
2567 (2024) |
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองในการพยากรณ์มะเร็งปากมดลูกจากผู้ป่วยที่เป็นมะเร็งปากมดลูกจำนวน 165 คน และผู้ป่วยที่เป็นมะเร็งมดลูก จำนวน 88 คน รวม 253 คน เดือน พฤศจิกายน 2565 ถึงเดือน มกราคม 2566 เทคนิคการจำแนกข้อมูล (Classification) โดยใช้อัลกอริทึม NaiveBayes SMO IBk และ J48 โดยพิจารณาจากค่าความถูกต้อง (Correctly Instances) และค่าความแม่นยำ (Precision)
จากผลการวิจัยพบว่า J48 มีค่าความถูกต้องสูงสุดเท่ากับ 57.33% (±0.60%) NaiveBayes มีค่าความถูกต้องเท่ากับ 56.67% (±0.59%) SMO มีค่าความถูกต้องเท่ากับ 51.33% (±0.55%) และ IBk มีค่าความถูกต้องเท่ากับ 49.33 % (±0.55%) ตามลำดับ จึงอธิบายได้ว่าการเกิดโรคมะเร็งดังกล่าวที่เกิดขึ้นจากการสำรวจและวิจัยผลที่ทำให้เป็นโรคมะเร็งปากมดลูกเกิดจากพฤติกรรมการใช้ชีวิตขอตัวผู้ป่วย
คำสำคัญ: วิธีการจำแนกข้อมูล Classifier, วิธีต้นไม้ตัดสินใจ, การทำเหมืองข้อมูล
Abstract
The objective of this research is to develop a model for predicting cervical cancer in patients. There were 165 cases of cervical cancer and 88 cases of CA CERVIX, totaling 253 cases, from November 2022 to January 2023. The study used data classification techniques including NaiveBayes, SMO, IBk, and J48, based on the values of correctly instances and precision.
The research findings indicate that the J48 algorithm achieved the highest accuracy at 57.33% (±0.60%), followed by Naïve Bayes at 56.67% (±0.59%), SMO at 51.33% (±0.55%), and IBk at 49.33% (±0.55%), respectively. These results suggest that cervical cancer occurrence, as examined in this study, is influenced by patients’ lifestyle behaviors.
Keywords: cervical cancer, classification, data mining, decision tree
ผศ. ดร.พิชญากร เลค – Asst. Prof. Dr. Pitchayakorn Lake, บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business), เทคโนโลยีสารสนเทศ (Information technology), บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business, 2/2567 (2024)