การหาความสัมพันธ์การประเมินสมรรถภาพทางกายของนักเรียน โดยใช้เทคนิคการทำเหมืองข้อมูล กรณีศึกษาโรงเรียนราชประชานุเคราะห์ 1
คำสำคัญ:
การทำเหมืองกฎสัมพันธ์, การประเมินสมรรถภาพทางกาย, ต้นไม้ตัดสินใจ, ป่าสุ่ม, อะไพโอริ, เอฟพี โกรว์ทบทคัดย่อ
การสร้างเสริมสุขภาพและสมรรถภาพทางกายเป็นหน้าที่สำคัญอย่างหนึ่งที่โรงเรียนจำเป็นต้องทดสอบกับนักเรียน โดยจะทำให้ทราบถึงความสมบูรณ์และความเปลี่ยนแปลงของสภาพร่างกาย ซึ่งในการประเมินสมรรถภาพทางกายของนักเรียนในระดับวัยเรียนต้องประเมินทั้งสิ้น จำนวน 5 รายการ คือ 1) ดัชนีมวลกาย (Body Mass Index : BMI) 2) การยืนยกเข่าขึ้นลง ในเวลา 3 นาที 3) การลุก - นั่ง ในเวลา 60 วินาที 4) การดันพื้นประยุกต์ ในเวลา 30 วินาที 5) การนั่งงอตัวไปข้างหน้า ซึ่งงานวิจัยนี้มีวัตถุประสงค์ เพื่อวิเคราะห์หาความสัมพันธ์การประเมินสมรรถภาพทางกายของรายการประเมินดังกล่าว ในการดำเนินการวิจัยได้เลือกกลุ่มตัวอย่างนักเรียนโรงเรียนราชประชานุเคราะห์ ๑ จำนวน 812 คน โดยใช้หลักการการทำเหมืองข้อมูลแบบกฎความสัมพันธ์ (Association Rule) โดยใช้ขั้นตอนวิธีแบบ Apriori และ FP-Growth และการทำเหมืองแบบจำแนกประเภทข้อมูล (Classification) โดยเลือกการเปรียบเทียบข้อมูลด้วยขั้นตอนวิธี 2 วิธี คือ ต้นไม้ตัดสินใจ (Decision Tree) แบบ J48 และป่าสุ่ม (Random Forest) ซึ่งข้อมูลที่ได้จากการทดสอบสมรรถภาพทางกายของนักเรียน สร้างตัวแบบและหาความสัมพันธ์ด้วยโปรแกรม Weka 3.8.5
ผลการวิจัย พบว่า การทำเหมืองข้อมูลแบบจำแนกประเภทข้อมูลของการทดสอบสมรรถภาพทางกายของนักเรียนโดยใช้ต้นไม้ตัดสินใจและการประเมินแบบจำลองด้วยวิธี Percentage split 70% มีประสิทธิภาพมากที่สุด ค่าความแม่นยำ (accuracy) ร้อยละ 100 ค่าความไว (recall) ร้อยละ 100 และค่าวัดประสิทธิภาพโดยรวม (F-measure) ร้อยละ 100 และการทำเหมืองข้อมูลแบบกฎความสัมพันธ์แบบ Apriori และ FP Growth ได้กำหนดค่า Minimum Support เท่ากับ 0.1 และ ค่า Minimum Confidence เท่ากับ 0.9 ได้กฎความสัมพันธ์ จำนวน 5 ข้อและ 4 ข้อตามลำดับ ซึ่งกฎที่ได้ทั้ง 2 แบบมีความสัมพันธ์กัน นอกจากนี้ยังพบว่ากฎบางข้อที่ได้จากกฎความสัมพันธ์และแบบจำแนกประเภทข้อมูล ให้ผลลัพธ์คล้ายกันและไปในทิศทางเดียวกัน
เอกสารอ้างอิง
American College of Sports Medicine. (1998). ACSM fitness book. 2'd ed. Champaign, IL: Human Kinetics; 1998.
Benchawan, S. (2019). Data Analysis with Basic Data Mining Techniques. journal Faculty of Pharmacy Siam University. Vol. 9 No. 2
July – December.
Chaiyamang, A. (2019). The Development Of Movement Skills Of Preschoolers, Chiangmai Rajabhat University Demonstration School, Mueang District, Chiang Mai Province. RAJABHAT CHIANG MAI RESEARCH JOURNAL. Vol. 21 No. 3 2020 September–November Pages 68-85.
Hastad, DN. and Lacy, AC. (1998). Measurement and evaluation in physical education and exercise science. 3rd ed. Boston: Allyn and Bacon; 1998.
Jehad, Reham & Yousif, Suhad A. (2020). Fake News Classification Using Random Forest and Decision Tree (J48). Al-Nahrain Journal of Science. 23. 49-55. 10.22401/ANJS.23.4.09.
Jongkasikit, N. (2016). A Decision Support System for Analyzing the Risk of Two Chronic Diseases: Diabetes Mellitus and Hypertension. Industrial Technology Lampang Rajabhat University Journal. Vol. 9 No. 2 2016 July – December. Pages 11-19.
Shephard, RJ. and Lavallee, H. (1978). Physical fitness assessment: principles, practice, and application. Springfield, Ill.: Thomas; 1978.
Thongkam, J., Sukmak, V. and Sukmak, P. (2018). Performance Comparison of Apriori and FP-Growth Techniques in Generating Association Rules to Prostate Cancer. Journal of Applied Informatics and Technology. Vol. 1 No. 2 2018 July – December. Pages 103-111.
Wanon, S., Areerat, T. and Sanraj, C. (2018). A Study of Techniques in Predicting Career Counseling for Undergraduate Students of the Computer Program by Using Data Mining Technique. Journal of Innovative Technology Management Rajabhat Maha Sarakham University. Vol. 5 No. 1 2018 January – May. Pages 164-171.
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2021 วารสารวิชาการ คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏลำปาง

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.