CaseStudy01

การประชุมวชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ การวิเคราะหก์ ฎความสมั พนั ธข์ องการสงั่ อาหารด้วยเทคนิคเหมอื งข้อมลู กรณีศึกษา รา้ นอาหารบา้ นฟ้ าโปรง่ จ.สกลนคร An Association in Food Ordering by Data Mining Technique : A Case Study of Barn Fa Prong Restaurant, Sakon Nakhon, Thailand จรี ะนนั ต์ เจรญิ รตั น์ Jeeranan Chareonrat สาขาวชิ าคอมพวิ เตอรธ์ ุรกจิ คณะวทิ ยาการจดั การ มหาวทิ ยาลยั ราชภฏั สกลนคร [email protected] บทคดั ย่อ เทคนิคเหมอื งขอ้ มลู ไดถ้ กู นํามาประยกุ ตใ์ ชใ้ นงานธุรกจิ อยา่ งแพรห่ ลาย ทงั้ ธุรกจิ คา้ สง่ คา้ ปลกี ธุรกจิ ใหบ้ รกิ าร เป็นตน้ งานวจิ ยั น้ีมวี ตั ถุประสงคเ์ พ่อื วเิ คราะหก์ ฎความสมั พนั ธข์ องการสงั่ อาหารดว้ ยเทคนิคเหมอื งขอ้ มูล ตามกรอบ แนวคดิ ครสิ ป์ -ดเี อ็ม (CRIPS-DM) ในการวเิ คราะห์ขอ้ มูลใชข้ อ้ มูลรายการใบสงั่ อาหารเฉพาะเบเกอรแ่ี ละเคร่อื งด่มื จากรา้ นอาหารบ้านฟ้าโปร่ง จ.สกลนคร ท่บี นั ทกึ ไวใ้ นระบบฐานขอ้ มูล ระหว่างปี พ.ศ. 2557-2558 จํานวน 37,020 รายการ ผวู้ จิ ยั ไดเ้ ลอื กใชโ้ ปรแกรม RapidMiner Studio 6.5 และใชอ้ ลั กอรธิ มึ FP-Growth เพอ่ื หากฎความสมั พนั ธ์ ผล การวเิ คราะห์ แบ่งเป็น 2 กลุ่ม คอื 1) สงั่ รบั ประทานท่รี า้ น พบกฎท่นี ่าสนใจ 5 กฎ มคี ่าความเช่อื มนั่ 48, 45, 42, 42 และ 41 เปอรเ์ ซน็ ต์ตามลําดบั 2) สงั่ กลบั บา้ น พบกฎทน่ี ่าสนใจ 9 กฎ มคี ่าความเช่อื มนั่ 59, 55, 55, 55, 54, 54, 53, 53 และ 51 เปอรเ์ ซน็ ต์ตามลําดบั จากผลการวจิ ยั พบว่ากฎความสมั พนั ธ์ท่ดี ที ่สี ุด คอื กลุ่มท่สี งั่ กลบั บ้าน มคี ่าความ เช่อื มนั่ 59 เปอรเ์ ซน็ ต์ นนั่ คอื เม่อื ลกู คา้ สงั่ เคก้ นมสด และ สงั่ เคก้ ชาเขยี วนมสด กจ็ ะสงั่ เคก้ มะพรา้ วดว้ ย แสดงว่าจาก กฎท่ีได้ทําให้รู้ว่าอาหารอะไรเป็นจุดเด่นของรา้ นน้ี ซ่ึงทําให้สามารถจดั กิจกรรมส่งเสรมิ การตลาดท่ีสอดคล้องกับ พฤตกิ รรมการสงั่ ซอ้ื ของลกู คา้ ไดอ้ ยา่ งเหมาะสม คาํ สาํ คญั : เหมอื งขอ้ มลู กฎความสมั พนั ธ์ ครสิ ป์-ดเี อม็ Abstract Data mining technique is useful tool that is applied in business including wholesale, retail or service centered. This research analyzed patterns of customer behavior in ordering bakery and beverage products using CRIPS-DM framework, data mining technique. Data collected from 37,020 bakery and beverage orders during the year 2014 to 2015 were analyzed using Rapidminer Studio 6.5 utilizing the FP-Growth algorithm. The findings reserved differences between two groups of customer i.e. those who ordered and consumed in- house and those who had take-out orders. The statistical data indicated that there were 5 interesting relevant basis with a percentage level of confidences 48, 45, 42, 42 and 41 respectively for the first group and 9 basis with 59, 55, 55, 55, 54, 54, 53, 53 and 51 percent level of confidence for the second. The results of the study suggest that different strategies may be adopted with respect to the two identified categories of customers. Keywords: Data mining, Association Rules, CRISP-DM A - 90

การประชมุ วชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ บทนํา ผู้บริโภคสินค้าประเภทกระเบ้ืองปูพ้ืน เพ่ือหากฎ เทคนิคการทําเหมอื งขอ้ มลู เป็นกระบวนการใน ความสมั พนั ธข์ องการเลอื กซอ้ื สนิ คา้ เพ่อื นําไปจาํ หน่าย การคน้ หารปู แบบและความรทู้ ่นี ่าสนใจจากฐานขอ้ มูล สําหรบั ธุรกิจค้าปลกี ท่ีประกอบด้วยรายการใบสงั่ ซ้ือ ขนาดใหญ่ (Han et al. 2011) ซง่ึ ตอ้ งอาศยั ขนั้ ตอนวธิ ี รายก ารสิน ค้า โด ยใช้โป รแก รม WEKA 3.6 ใช้ ทางคอมพิวเตอร์ผสมผสานกับวธิ ีการทางสถิติ เพ่ือ อลั กอรธิ มึ Apriori ซ่งึ ผลท่ไี ดจ้ ะมปี ระโยชน์ต่อการวาง สรา้ งต้นแบบ/แบบจําลองโมเดล (Modeling) ท่อี ธบิ าย แผนการผลิตสนิ ค้าให้เพยี งพอกบั ความต้องการและ ความเป็นไปหรอื สภาพการณ์หน่ึงทเ่ี กดิ ขน้ึ แลว้ หรอื ท่ี พยากรณ์พฤตกิ รรมการเลอื กซอ้ื สนิ คา้ สาํ หรบั ศริ พิ นั ธ์ ทราบคําตอบแล้ว โดยต้องการนําแบบจําลองน้ีมาใช้ และ ศกั ดชิ ์ าย (2555) ไดพ้ ฒั นาระบบหาความสมั พนั ธ์ อ ธิบ า ย ส ถ า น ก ารณ์ ท่ียังไม่เกิด ข้ึน ห รือ ยังไม่ ท รา บ ข อ ง ก า ร ซ้ื อ สิน ค้ า โ ด ย ใ ช้ เท ค นิ ค ก ฎ ค ว า ม ส ัม พ ัน ธ์ กรณีศกึ ษาสนิ คา้ ประเภทเคร่อื งสาํ อาง พบว่าสามารถ คําตอบ ซ่ึงการสร้างแบบจําลองเหล่าน้ีมีกฎเกณฑ์ หากฎความสมั พันธ์ของการซ้ือสินค้า แล้วนํากฎท่ี รปู แบบในการดาํ เนินการ สว่ นแบบจาํ ลองทไ่ี ดอ้ าจเป็น ได้มาจัดโปรโมชัน่ ให้กับลูกค้าได้ดี และระบบยัง ตวั แบบทเ่ี รยี บงา่ ยไปจนถงึ ทย่ี ุง่ ยากซบั ซอ้ น และมกี าร สามารถนําเสนอสนิ คา้ ไดต้ ามความต้องการของลูกคา้ ผสมผสานแนวคิดหรือเคร่ืองมือต่างๆ เข้าด้วยกัน เพ่ือท่ีจะสามารถสกดั ข้อมูลความรูท้ ่ีอยู่ในฐานขอ้ มูล ในแต่ละราย เพ่ือการตอบสนองความพึงพอใจของ ลูกคา้ ใหด้ ยี ง่ิ ขน้ึ รวมถงึ ณัฎญาพร และ นิเวศ (2559) ขนาดใหญ่ได้ ทงั้ น้ีความรู้หรอื สารสนเทศท่ีน่าสนใจ หรอื ต้องการค้นหา จะต้องเป็นความรู้ท่ีไม่สามารถ ไดศ้ กึ ษาการหากฎความสมั พนั ธจ์ ากฐานขอ้ มลู การซ้อื สินค้าของลูกค้าโดยใช้เทคนิค เอฟพี-กโรธ เพ่ือหา ค้นหาด้วยวธิ กี ารเรยี กดูข้อมูลท่ีทํากนั โดยทวั่ ไปจาก ตารางฐานขอ้ มลู หรอื คลงั ขอ้ มลู และตอ้ งเป็นความรทู้ ่ี ความสมั พนั ธ์การซ้ือสนิ ค้าของซุปเปอร์มาเก็ตขนาด ใหญ่ โดยวเิ คราะหจ์ ากการซ้อื สนิ คา้ ของลูกคา้ ในแต่ละ ไมเ่ คยรมู้ ากอ่ น (วภิ า, 2555) ในปจั จุบนั เทคนิคเหมอื งขอ้ มลู ไดร้ บั ความนิยม รายบุคคล ผลท่ีได้พบว่าสามารถพยากรณ์ความ ต้องการของลูกค้าออกเป็ นกฎความสัมพันธ์ ซ่ึง นํามาประยุกต์ใช้กับทงั้ ภาครฐั และภาคเอกชนอย่าง สามารถนํากฎความสมั พนั ธไ์ ปใชใ้ นการสนับสนุนการ แพร่หลายโดยเฉพาะองค์กรทางธุรกิจ เช่น การ ตดั สนิ ใจ การนําเสนอสนิ คา้ ในแต่ละราย เป็นการสรา้ ง วิ เค ร า ะ ห์ พ ฤ ติ ก ร ร ม ผู้ บ ริโ ภ ค (Kapadia and ความพงึ พอใจใหก้ บั ลกู คา้ ได้ Kalyandurgmath, 2015) การบริหารลูกค้าสัมพันธ์ (สมเพ็ชร, 2550) การพยากรณ์ ทางการเงินและ สาํ หรบั องคก์ รธุรกจิ ขนาดใหญ่ลว้ นแลว้ แต่มกี าร จดั ทําวางแผนการตลาด ด้วยการใช้เทคนิคเหมือง การตลาด เป็นต้น ส่วนในด้านการวิจัยได้มีผู้วิจัย เก่ียวกับการประยุกต์ใช้เหมืองข้อมูลกับงานธุรกิจ ขอ้ มูลมาวเิ คราะห์จากขอ้ มูลลูกค้าท่เี กบ็ รวบรวมไวใ้ น ฐานข้อมูลกนั ทงั้ ส้นิ ไม่ว่าจะเป็นธุรกิจการให้บรกิ าร หลายประเภทด้วยกนั เช่น วทิ วสั (2553) ได้พฒั นา ธุรกจิ คา้ ปลกี -คา้ สง่ อาทเิ ช่น การจดั ทําแผนการตลาด แบบจําลองพฤตกิ รรมผบู้ รโิ ภคแบบธุรกจิ กบั ธุรกจิ ผ่าน ของบรษิ ทั ผูใ้ หบ้ รกิ ารเครอื ขา่ ยมอื ถอื ทท่ี ราบว่าควรจะ ท างช่ อ งท า งพ า ณิ ช ย์อิเล็ก ท รอ นิ ก ส์เพ่ือ ส นั บ ส นุ น ออกโปรโมชนั่ อย่างไร จงึ จะถูกใจผู้ใช้บรกิ ารในกลุ่ม กิจกรรมทางการตลาดโดยใช้โปรแกรม WEKA 3.7 ต่างๆ หรอื การจดั วางสนิ คา้ ค่กู นั หรอื การขายพ่วงกนั ตามกรอบการทําเหมืองข้อมูล CRISP-DM เพ่ือหา (Cross sell) ของหา้ งสรรพสนิ คา้ ต่างๆ เป็นตน้ (กมล, ความ สัม พัน ธ์ ด้วยขั้น ตอน วิธี Apriori และการ แบ่งกลุ่ม ผลทไ่ี ดส้ ามารถประยุกตใ์ ชง้ านเพ่อื สนบั สนุน 2559) ในสว่ นของธุรกจิ รา้ นอาหารถอื วา่ เป็นธุรกจิ การ ให้บรกิ ารประเภทหน่ึง ซ่ึงในปจั จุบนั ได้ขยายตวั เพิ่ม กจิ กรรมทางการตลาดไดอ้ ย่างมปี ระสทิ ธภิ าพ สาํ หรบั ธรี ะวฒั น์ และสมชาย (2554) ไดศ้ กึ ษาการประยุกต์ใช้ มากข้นึ ผู้ประกอบการร้านอาหารมีจํานวนมาก ทัง้ ขนาดเลก็ ขนาดกลางและขนาดใหญ่ ทงั้ น้ีพบว่ามกี าร ก า ร ทํ า เห มื อ ง ข้ อ มู ล ม า วิเค ร า ะ ห์ พ ฤ ติ ก ร ร ม ข อ ง A - 91

การประชุมวชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ แข่งขนั เพมิ่ สูงข้นึ อย่างต่อเน่ือง โดยเฉพาะปจั จุบนั ท่ี ขนั้ ตอนการดาํ เนินการวิจยั ความต้องการรบั ประทานอาหารในบ้านลดลง ทําให้ งานวจิ ยั น้ีได้ดําเนินการวจิ ยั ตามกระบวนการ รา้ นอาหารเพมิ่ กลยุทธ์ในการแข่งขนั กนั อย่างรุนแรง มาตรฐานอุตสาหกรรมทเ่ี ป็นขนั้ ตอนการแกไ้ ขปญั หาท่ี ทัง้ ด้านการสร้างสรรค์เมนูดึงดูดลูกค้า การลดราคา ใช้ในงานธุรกิจ เรียกว่าการทําเหมืองข้อมูลแบบ การจดั โปรโมชัน่ เพ่ือส่งเสริมการขายอย่างต่อเน่ือง ครสิ ป์ -ดเี อม็ (CRISP-DM : Cross-Industry Standard (เพยี รจติ , 2553) Process for Data Mining) (Smart Vision Europe, 2015) ซ่ึงได้รบั ความนิยมในปจั จุบัน กําหนดไว้ 6 รา้ นอาหารบา้ นฟ้าโปร่ง จ.สกลนคร เป็นรา้ นท่ี ขนั้ ตอน ดงั รปู ท่ี 1 ใหบ้ รกิ ารเบเกอร่ี กาแฟสด น้ําผลไม้ และอาหาร ซง่ึ ถอื ว่าเป็นรา้ นอาหารท่ไี ด้มกี ารนําเอาระบบคอมพวิ เตอร์ รปู ที่ 1 ขนั้ ตอนการทาํ CRISP-DM มาใช้ในการจดั เก็บขอ้ มูลการซ้อื ขายสนิ คา้ ท่ลี ูกค้าซ้อื ที่มา: Smart Vision Europe (2015) ในแต่ละครงั้ ไวอ้ ยา่ งเป็นระบบ สว่ นดา้ นการตลาดสว่ น ใหญ่จะเป็นลกั ษณะลกู คา้ บอกต่อแบบปากตอ่ ปาก และ ขนั้ ตอนการดาํ เนินการวจิ ยั ทาํ เหมอื งขอ้ มลู แบบ ลกู คา้ บางสว่ นไดน้ ําเสนอภาพ และเมนูอาหารของรา้ น ครสิ ป์ -ดเี อม็ รายละเอยี ดทงั้ 6 ขนั้ ตอน ดงั น้ี ผ่านโซเชยี ลมเี ดยี และแชรต์ ่อกนั ในกลุ่มคนทร่ี จู้ กั ทาง รา้ นยงั ไมไ่ ดม้ กี ารวางแผนการตลาดอยา่ งชดั เจน ไมไ่ ด้ 1. ความเขา้ ใจธรุ กจิ (Business Understanding) มกี ารทาํ ตลาดเชงิ รุก ซง่ึ ในสถานการณ์ปจั จุบนั ทม่ี กี าร ในการวจิ ยั ครงั้ น้ีไดศ้ กึ ษาธุรกจิ รา้ นอาหารบา้ นฟ้าโปรง่ แขง่ ขนั สงู เป็นสงิ่ ท่จี ําเป็นอย่างยง่ิ ท่จี ะตอ้ งหาแนวทาง จ.สกลนคร เป็นรา้ นท่ีให้บรกิ ารเบเกอร่ี กาแฟสด น้ํา ในการวางแผนการตลาดให้ชดั เจนและสอดคล้องกบั ผลไม้ และอาหาร โดยเน้นอาหารเพ่อื สุขภาพด้วยทุก ความตอ้ งการของลูกคา้ กลุ่มเป้าหมาย ดงั นัน้ ผูว้ จิ ยั จงึ เมนูของทางรา้ นไมม่ ผี งชูรสเป็นวตั ถุดบิ ปลอดสารพษิ สนใจทจ่ี ะนําขอ้ มลู การสงั่ ซอ้ื อาหารของลกู คา้ ซง่ึ เกบ็ ไว้ รา้ นบา้ นฟ้าโปรง่ ถอื วา่ เป็นธุรกจิ รา้ นอาหารขนาดกลาง ในระบบฐานข้อมูลของร้าน มาวิเคราะห์หากฎ ในดา้ นการตลาดยงั ไมไ่ ดม้ กี ารวางแผนการตลาดอยา่ ง ความสมั พันธ์ของการสงั่ อาหารด้วยเทคนิคเหมือง ชดั เจน สว่ นใหญ่จะเป็นลกั ษณะลกู คา้ บอกต่อแบบปาก ขอ้ มูล ทงั้ น้ีสามารถนํากฎความสมั พนั ธ์ท่ีได้มาใช้ใน ต่อปาก ดงั นัน้ ผู้วิจยั จึงสนใจท่ีจะนําข้อมูลการสงั่ ซ้ือ การวางแผนการตลาด หรอื จดั กจิ กรรมสง่ เสรมิ การขาย อาหารของลกู คา้ แต่ละวนั มาช่วยในการวเิ คราะหห์ ากฎ ท่ีมีความสอดคล้องกับความต้องการของลูกค้าและ ความสมั พันธ์ของการสงั่ อาหารด้วยเทคนิคเหมือง เหมาะสมกบั พฤตกิ รรมการสงั่ อาหารเพ่อื ใหล้ ูกคา้ เกดิ ข้อมูล เพ่ือนํากฎความสมั พันธ์ท่ีได้มาใช้ในการวาง ความพึงพอใจและกลับมาใช้บริการซ้ํารวมถึงการ แผนการจดั กจิ กรรมส่งเสรมิ การตลาดใหเ้ หมาะสมกบั พฒั นาระบบแนะนําการสงั่ อาหารตอ่ ไปไดอ้ กี ดว้ ย วิธีดาํ เนินการวิจยั ขอบเขตของการวิจยั ข้อมูลตัวอย่างท่ีนํ าใช้ในการวิจัยเพ่ือเป็ น ต้น แบ บ ใน ก ารศึกษ าค รัง้ น้ี คือ ข้อมูลท่ีได้จาก แหล่งขอ้ มูลทุติยภูมิ ซ่ึงเป็นขอ้ มูลการขายสนิ ค้าจาก ระบบ ณ จุดขาย (POS) ของรา้ นอาหารบ้านฟ้าโปร่ง อ.เมอื ง จ.สกลนคร ท่ีได้จดั เก็บไวใ้ นระบบฐานข้อมูล ระหว่างปี พ.ศ. 2557-2559 เป็นเวลาทงั้ สน้ิ 18 เดอื น เริ่ม ตั้งแ ต่ 26 สิงห าค ม 2557 ส้ิน สุ ด วัน ท่ี 10 กุมภาพนั ธ์ 2559 โดยใชว้ ธิ กี ารเลอื กแบบเจาะจง A - 92

การประชมุ วชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ พฤตกิ รรมการสงั่ อาหารเพอ่ื ใหล้ กู คา้ เกดิ ความพงึ พอใจ ตารางที่ 2: ตวั อยา่ งการสงั่ อาหารทผี่ า่ นการคดั เลอื กขอ้ มลู แลว้ และกลบั มาใชบ้ รกิ ารซ้าํ ได้ Order_ID T_Code Food_Code 2. ความเขา้ ใจขอ้ มลู (Data Understanding) t0000001 T01 b1308 ข้อมูลท่ีใช้ใน ก ารวิจัยน้ี ได้ม าจาก ฐาน ข้อมูลก ารสงั ่ อาหาร รา้ นบา้ นฟ้าโปรง่ จ.สกลนคร โดยใชฐ้ านขอ้ มูล t0000001 T01 b1314 ทบ่ี นั ทกึ ในชว่ ง ปี พ.ศ. 2557-2559 เฉพาะเบเกอรแ่ี ละ t0000001 T01 b1501 เครอ่ื งด่มื จาํ นวน 60 เมนูอาหาร ดงั ตารางท่ี 1 ซง่ึ เป็น t0000018 T04 b1301 ตัวอย่างรายการเมนูอาหารท่ีใช้ในงานวิจัย ข้อมูล t0000018 T04 b1314 รายการสัง่ ซ้ืออาหารจํานวน 37,020 รายการ แยก ขอ้ มูลออกเป็น 2 กลุ่ม คอื กลุ่มท่สี งั่ รบั ประทานท่รี า้ น :: : จํานวน 18,229 รายการ และ กลุ่มท่ีสัง่ กลับบ้าน จํานวน 18,791 รายการ เพ่อื หากฎความสมั พนั ธ์ใน การสงั่ อาหารทงั้ 2 กลุม่ ตารางที่ 1: ตวั อยา่ งรายการเมนูอาหารทใี่ ชใ้ นงานวจิ ยั รปู ที่ 2: ตวั อยา่ งขอ้ มลู ดบิ ทไ่ี ดม้ าจากฐานขอ้ มลู การสงั่ อาหาร ลาํ ดบั ท่ี รหสั อาหาร คาํ อธบิ าย 1 b1301 เคก้ มะพรา้ ว 3.2 ทาํ ความสะอาดขอ้ มลู (Clean Data) 2 b1302 เคก้ นมสด 3 b1303 เคก้ ชาเขยี วนมสด เป็นขนั้ ตอนการตรวจสอบความสมบูรณ์ของขอ้ มลู ถา้ 4 b1304 พายมะนาว ขอ้ มูลมคี ่าว่างหรอื รายการสงั่ อาหารมกี ารยกเลกิ หรอื … ……. ………. 6 B2105 เคก้ มะพรา้ ว 1 P รายการสงั่ อาหารมแี ค่ 1 รายการ จะถูกตดั ออกไป ซ่งึ ถือว่าเป็นลกั ษณะของขอ้ มูลท่ีถ้านํามาวเิ คราะห์แล้ว 3. การเตรยี มขอ้ มลู (Data Preparation) การเตรยี มขอ้ มูลเป็นขนั้ ตอนในการเตรยี มขอ้ มูลก่อน อาจจะไดก้ ฎความสมั พนั ธท์ ไ่ี มถ่ กู ตอ้ ง การวิเคราะห์ ถือว่าเป็นขนั้ ตอนท่ีสําคัญท่ีสุดและใช้ 3.3 ปรบั เปลย่ี นรปู แบบขอ้ มลู (Transformation) เวลามากทส่ี ดุ ซง่ึ มขี นั้ ตอนยอ่ ย ดงั น้ี เป็นขนั้ ตอนการปรบั เปล่ียนรูปแบบและแปลงข้อมูล 3.1 การคดั เลือกข้อมูล (Select Data) เป็น ขนั้ ตอนการคดั เลอื กขอ้ มูลทเ่ี ก่ยี วขอ้ งกบั การวเิ คราะห์ เพ่อื ให้ขอ้ มูลเหมาะสมกบั เทคนิคท่นี ํามาวเิ คราะห์หา ความสมั พนั ธ์ของการสงั่ อาหาร ดงั ตารางท่ี 2 ท่ีผ่าน กฎความสมั พันธ์และรูปแบบท่ีสามารถนําไปใช้กับ การคดั เลอื กขอ้ มลู แลว้ ซง่ึ ขอ้ มลู ดบิ ทงั้ หมดทไ่ี ดม้ าจาก ฐานข้อมูลการสัง่ อาหารนั้นมีจํานวนทัง้ หมด 29 โปรแกรม Rapidminer Studio 6.5 ได้ ดังตารางท่ี 3 คอลัมน์ ดังรูปท่ี 2 บางคอลัมน์ไม่เก่ียวข้องกับการ เป็นตวั อยา่ งขอ้ มลู การสงั่ อาหาร ทป่ี รบั เปลย่ี นรปู แบบ วิเคราะห์จึงถูกตัดออกไป เช่น Outletno, outlet, systemdate, waitname, shiftno, plucode, pricedesp ขอ้ มลู แลว้ เป็นตน้ ตารางที่ 3: ตวั อย่างขอ้ มลู การสงั่ อาหารทใี่ ชไ้ ดก้ บั โปรแกรม Rapidminer Studio 6.5 Order_ID b1301 b1302 b1303 … b2105 t000001 y y ? …? t000002 ? y y …Y t000003 y ? y ? …. … … … … t018791 Y y ? …? A - 93

การประชมุ วชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ 4. การสรา้ งโมเดล/แบบจาํ ลอง (Modeling) ( )confidence( A → B) =P A B (2) ผู้วจิ ยั ได้นําขอ้ มูลทงั้ 2 กลุ่ม มาสรา้ งแบบจําลองด้วย = จาํ นวนนบั ของรายการสนิ คา้ A และ B เท คนิ คเห มืองข้อมูล แบ บ Association เลือกใช้ จาํ นวนนบั ของรายการสนิ คา้ A โปรแกรม Rapidminer Studio 6.5 และใช้อัลกอริธึม การหาค่า Lift จากกฎความสมั พนั ธ์ สูตร FP-Growth เพอ่ื หากฎความสมั พนั ธ์ ในการหาค่าความสอดคลอ้ งของกฎความสมั พนั ธข์ อง 5. การประเมนิ ผล (Evaluation) ในขนั้ ตอนน้ี A และ B คอื (วภิ า, 2555) เม่อื ไดผ้ ลการวเิ คราะห์ขอ้ มลู ด้วยเทคนิคเหมอื งขอ้ มูล Lift( A → B) =PP( (AA).∩PB(B)) (3) แลว้ ก่อนทจ่ี ะนําผลลพั ธท์ ไ่ี ดไ้ ปใชต้ ่อไปกจ็ ะตอ้ งมกี าร โดยท่ี P(A) คอื จาํ นวนนบั ของรายการสนิ คา้ A วดั ประสทิ ธภิ าพของผลลพั ธท์ ่ไี ด้ ว่ามคี วามน่าเช่อื ถอื จาํ นวนนบั ของทรานแซกชนั ทงั้ หมด ได้มากน้อยเพียงใด (เอกสิทธิ,์ 2557) ซ่ึงในการ วเิ คราะหห์ ากฎความสมั พนั ธ์ เมอ่ื ไดก้ ฎแลว้ จะพจิ าณา P(B) คอื จาํ นวนนบั ของรายการสนิ คา้ B ค่าสนับสนุน (Support) คา่ ความเช่อื มนั่ (Confidence) จาํ นวนนบั ของทรานแซกชนั ทงั้ หมด และค่าความสอดคลอ้ ง (Lift) ดว้ ย (สายชล, 2558) ซ่งึ 6. การนําแบบจําลองไปใช้งาน (Deployment) ถ้าค่าความสอดคล้องน้อยกว่า 1 แสดงว่าเป็นอิสระ การนําเอาเทคนิคการทําเหมอื งขอ้ มลู มาใชใ้ นการวจิ ยั เพ่ือวเิ คราะห์กฎความสมั พนั ธ์ของการสงั่ อาหารนัน้ หรือไม่ข้ึนต่อกัน แต่ถ้ามีค่ามากกว่า 1 แสดงว่ามี เม่อื ไดแ้ บบจําลองทเ่ี ป็นกฎความสมั พนั ธแ์ ลว้ สามารถ ความสมั พนั ธห์ รอื สอดคลอ้ งกนั (Inyaem, 2015) วางแผนเพ่ือนําไปใช้ในการทําการตลาด หรือจัด กิจกรรมส่งเสริมการตลาด ท่ีมีความสอดคล้องกับ วภิ า(2555) ไดก้ ล่าววา่ คา่ สนบั สนุน (Support) ความตอ้ งการของลกู คา้ ซง่ึ มหี ลายกจิ กรรมทแ่ี ตกต่าง กนั เช่น ใหค้ ปู องสว่ นลด สะสมแตม้ ใหข้ องแถม หรอื เป็นค่าความน่าจะเป็นในการซ้ือสนิ ค้าทงั้ สองรายการ ลดราคา เป็นต้น ทงั้ น้ีรวมถงึ การพฒั นาระบบแนะนํา นิยมนําเสนอเป็นร้อยละหรอื เปอร์เซ็นต์ (%) ส่วนค่า การสงั่ อาหารใหก้ บั ลกู คา้ ไดอ้ ยา่ งเหมาะสม ความเช่อื มนั่ (Confidence) เป็นค่าความน่าจะเป็นเม่อื ผลการวิจยั ซ้อื สนิ คา้ รายการแรกแลว้ โอกาสหรอื ความเช่อื มนั่ ท่จี ะ การสรา้ งแบบจาํ ลองในการหากฎความสมั พนั ธ์ ซ้ือสนิ ค้ารายการถดั ไปจะมมี ากน้อยเพยี งใด และค่า ในการสงั่ อาหารซง่ึ แบง่ ขอ้ มลู ออกเป็น 2 กลุม่ คอื กลุ่ม ความสอดคล้อง (Lift) เป็นค่าท่ีใช้ในการวัดความ ท่ีรบั ประทานท่รี ้าน และ กลุ่มท่ีสงั่ กลบั บ้าน ด้วยการ ปรบั ค่าพารามเิ ตอร์ ในโปรแกรม Rapidminer Studio น่ าส น ใจ ห รือ ต รวจ ส อ บ ค วาม เก่ีย วข้อ งใน ก ฎ 6.5 ดงั รูปท่ี 3 และได้ผลลพั ธ์ท่ีเป็นกฎความสมั พนั ธ์ ความสมั พนั ธ์ท่สี รา้ งข้นึ มา โดยดูว่าถ้าเกดิ เหตุการณ์ ดงั รปู ท่ี 4-5 หน่ึง แลว้ โอกาสเกดิ อกี เหตุการณ์หน่ึงควบคู่กนั มมี าก น้อยเพยี งใด การหาค่า Support(A->B) โดย A แทนรายการ สินค้าแรก และ B แทนรายการสินค้ารายการท่ีซ้ือ รว่ มกนั สตู รทใ่ี ช้ คอื (วภิ า, 2555) support( A → B)= P ( A ∩ B) (1) = จาํ นวนนบั ของรายการสนิ คา้ A และ B จาํ นวนนบั ของทรานแซกชนั ทงั้ หมด การห าค่า Confidence(A->B) โดย A แท น รายการสนิ คา้ แรก และ B แทนรายการสนิ คา้ รายการท่ี จะซ้อื ถดั ไปหลงั จากทท่ี ราบค่า Support แลว้ สตู รทใ่ี ช้ คอื (วภิ า, 2555) A - 94

การประชุมวชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ รปู ที่ 3: การปรบั ค่าพารามเิ ตอรโ์ ปรแกรม Rapidminer Studio จากรปู ท่ี 3 การปรบั ค่าพารามเิ ตอรท์ เ่ี หมาะสม คอื คา่ Mini Support = 0.1 คา่ Mini confidence = 0.4 รปู ที่ 4: ผลของกฎความสมั พนั ธ์ กลุม่ ทสี่ งั่ รบั ประทานทรี่ า้ น ตารางที่ 4: แสดงกฎความสมั พนั ธท์ นี่ ่าสนใจของกลุม่ ทสี่ งั่ จากรปู ท่ี 4 กลุ่มท่สี งั่ รบั ประทานท่รี า้ น จะได้ รบั ประทานทรี่ า้ น (ตอ่ ) กฎความสมั พนั ธท์ งั้ หมด 39 กฎ สาํ หรบั กฎทน่ี ่าสนใจ 5 กฎ ทม่ี คี า่ ความเช่อื มนั่ 41-48% ดงั ตารางท่ี 4 ลาํ ดบั ท่ี กฎความสมั พนั ธ์ คา่ ความเชอ่ื มนั่ (Confidence) % 3 b1302 และ b1303 ==> 42 ตารางที่ 4: แสดงกฎความสมั พนั ธท์ นี่ ่าสนใจของกลุม่ ทสี่ งั่ b1301 รบั ประทานทรี่ า้ น 4 b1322 ==> b1301 42 5 b1320 ==> b1301 41 ลาํ ดบั ท่ี กฎความสมั พนั ธ์ คา่ ความเชอ่ื มนั่ (Confidence) % จากตารางท่ี 4 อธบิ ายไดว้ า่ 1 b1508 และ b1303 ==> 48 กฎขอ้ ท่ี 1 เมอ่ื สงั่ เคก้ ชาเขยี วนมสด และ ชา เขยี วมจั ฉะลาเต้ กจ็ ะสงั่ เคก้ มะพรา้ ว ดว้ ย b1301 มคี วามเช่อื มนั่ ท่ี 48% 2 b1303 ==> b1301 45 A - 95

การประชมุ วชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ กฎข้อท่ี 2 เม่ือสงั่ เค้กชาเขียวนมสด ก็จะสงั่ เคก้ มะพรา้ ว ดว้ ย มคี วามเชอ่ื มนั่ ท่ี 45% กฎขอ้ ท่ี 3 เม่อื สงั่ เคก้ นมสด และ เคก้ ชาเขยี ว นมสด ก็จะสงั่ เค้กมะพรา้ ว ด้วย มคี วามเช่ือมนั่ ท่ี 42% กฎขอ้ ท่ี 4 เม่อื สงั่ ช็อคโกแลต-ชสี เค้ก ก็จะสงั่ เคก้ มะพรา้ ว ดว้ ย มคี วามเช่อื มนั่ ท่ี 42% กฎขอ้ ท่ี 5 เม่อื สงั่ ชสี เคก้ กจ็ ะสงั่ เคก้ มะพรา้ ว ดว้ ย มคี วามเช่อื มนั่ ท่ี 41% รปู ที่ 5: ผลของกฎความสมั พนั ธ์ กลุ่มทสี่ งั่ กลบั บา้ น ตารางที่ 5: แสดงกฎความสมั พนั ธท์ นี่ ่าสนใจของกลุม่ ทสี่ งั่ กลบั จากรูปท่ี 5 กลุ่มท่ีสงั่ กลับบ้าน จะได้กฎ บา้ น (ตอ่ ) ความสมั พนั ธ์ทงั้ หมด 51 กฎ สําหรบั กฎท่นี ่าสนใจ 9 กฎ ทม่ี คี า่ ความเชอ่ื มนั่ 51-59% ดงั ตารางท่ี 5 ลาํ ดบั ท่ี กฎความสมั พนั ธ์ คา่ ความเชอ่ื มนั่ (Confidence) % 5 b1314 และ b1303 ==> 54 ตารางที่ 5: แสดงกฎความสมั พนั ธท์ นี่ ่าสนใจของกลุ่มทสี่ งั่ กลบั b1301 บา้ น 6 b1301 และ b1313 ==> 54 ลาํ ดบั ท่ี กฎความสมั พนั ธ์ คา่ ความเชอ่ื มนั่ b1302 (Confidence) % 7 b1302 และ b1311 ==> 53 1 b1302 และ b1303 ==> 59 b1301 b1301 8 b1302 ==> b1301 52 2 b1313 และ b1302 ==> 55 9 b1322 ==> b1301 51 b1301 จากตารางท่ี 5 อธบิ ายไดว้ า่ กฎขอ้ ท่ี 1 เม่อื สงั่ เคก้ นมสด และ เคก้ ชาเขยี ว 3 b1303 ==> b1301 55 นมสด กจ็ ะสงั่ เคก้ มะพรา้ ว ดว้ ย มคี วามเช่อื มนั่ ท่ี 59% 4 b1301 และ b1303 ==> 55 b1302 A - 96

การประชุมวชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ กฎขอ้ ท่ี 2 เม่อื สงั่ โอรโิ อมสู ไวทช์ อ็ คโกแลต ความเช่อื มนั่ 59% นัน่ คอื เม่อื ลูกคา้ สงั่ เค้กนมสด และ และ เคก้ นมสด กจ็ ะสงั่ เคก้ มะพรา้ ว ดว้ ย สงั่ เคก้ ชาเขยี วนมสด กจ็ ะสงั่ เคก้ มะพรา้ วดว้ ย จะเหน็ มคี วามเช่อื มนั่ ท่ี 55% ได้ว่ากฎความสมั พันธ์ท่ีได้ถือว่าเป็นข้อมูลท่ีไม่เคย ทราบมาก่อน ทําให้ร้านอาหารบ้านฟ้าโปร่งสามารถ กฎขอ้ ท่ี 3 เม่อื สงั่ เค้กชาเขยี วนมสด ก็จะ วางแผนการจดั กจิ กรรมส่งเสรมิ การตลาดทส่ี อดคลอ้ ง สงั่ เคก้ มะพรา้ ว ดว้ ย มคี วามเชอ่ื มนั่ ท่ี 55% กบั พฤติกรรมการซ้ือของลูกค้าได้อย่างเหมาะสม ซ่ึง อาจจะทาํ ในรปู แบบจดั โปรโมชนั่ แจกคปู อง หรอื ใหข้ อง กฎขอ้ ท่ี 4 เม่อื สงั่ เคก้ มะพรา้ ว และ เคก้ ชา แถม เช่น ซ้อื เค้กนมสด แถม เค้กมะพร้าว หรอื ซ้ือ เขยี วนมสด กจ็ ะสงั่ เคก้ นมสด ดว้ ย เคก้ มะพรา้ ว 2 ชน้ิ แถม เคก้ ชาเขยี วนมสด เป็นตน้ มคี วามเช่อื มนั่ ท่ี 55% ทัง้ น้ีนอกจากได้กฎความสัมพันธ์แล้วยัง กฎขอ้ ท่ี 5 เม่อื สงั่ เอแคร์ และ เคก้ ชาเขยี ว สามารถทํานายแผนการผลติ สนิ คา้ ได้ เน่ืองจากสนิ คา้ นมสด กจ็ ะสงั่ เคก้ มะพรา้ ว ดว้ ย เป็นสนิ คา้ สด ถ้าไม่มกี ารสงั่ ซ้อื สนิ คา้ หรอื มกี ารสงั่ ซ้อื มคี วามเชอ่ื มนั่ ท่ี 54% สนิ ค้ามากก็จะทําให้ร้านสามารถวางแผนการสต็อก สนิ คา้ ไดส้ อดคล้องกบั ปรมิ าณความต้องการ ซ่งึ จะทํา กฎขอ้ ท่ี 6 เม่อื สงั่ เคก้ มะพรา้ ว และ โอรโิ อ ให้ลดต้นทุนได้อีกทางหน่ึงด้วย หรือให้ความรู้แก่ มสู ไวทช์ อ็ คโกแล กจ็ ะสงั่ เคก้ นมสด ดว้ ย พนักงานขายในการแนะนําสนิ ค้ารวมถึงการพฒั นา มคี วามเชอ่ื มนั่ ท่ี 54% โปรแกรมระบบแนะนําการสงั่ อาหารต่อไปได้อีกด้วย แต่งานวจิ ยั น้ียงั พบจุดอ่อนจากกฎความสมั พนั ธท์ ม่ี คี ่า ก ฎ ข้อ ท่ี 7 เม่ือ สัง่ เค้ก น ม ส ด แ ล ะ ความเช่ือมนั่ ของทงั้ สองกลุ่มอยู่ระหว่าง 41-59% ซ่ึง คสั ตารด์ กจ็ ะสงั่ เคก้ มะพรา้ ว ดว้ ย ต่าํ กวา่ 50% และสงู กวา่ 50% เพยี งเลก็ น้อย ซง่ึ อาจจะ มคี วามเช่อื มนั่ ท่ี 53% เก่ียวข้องกับข้อมูลท่ีมีการกระจายตัวมาก หรอื การ รวบรวมข้อมูลในการวิจยั มีปรมิ าณไม่มากเพียงพอ กฎข้อท่ี 8 เม่ือสงั่ เค้กนมสด ก็จะสงั่ เค้ก เม่ือนํามาวิเคราะห์หาความสมั พันธ์จึงได้ค่าความ มะพรา้ ว ดว้ ย มคี วามเชอ่ื มนั่ ท่ี 52% เช่อื มนั่ ทไ่ี มส่ งู มากนกั ซง่ึ สอดคลอ้ งกบั ผลการวจิ ยั ของ สวุ จิ กั ขณ์ โศธนะกุลและคณะ (2559) ทพ่ี บวา่ ค่าความ กฎขอ้ ท่ี 9 เม่อื สงั่ ชอ็ คโกแลต-ชสี เคก้ กจ็ ะ เช่อื มนั่ ของกฎความสมั พนั ธท์ ไ่ี ดม้ คี ่าไมส่ งู มาก และได้ สงั่ เคก้ มะพรา้ ว ดว้ ย มคี วามเชอ่ื มนั่ ท่ี 51% ให้ขอ้ เสนอแนะไวว้ า่ การวจิ ยั ควรศกึ ษาขนั้ ตอนวธิ กี าร วจิ ยั รปู แบบใหม่ ๆ เพอ่ื เปรยี บเทยี บ หรอื ควรศกึ ษาถงึ สรปุ และอภิปรายผล ปจั จยั อ่นื ๆ ทอ่ี าจจะสง่ ผลต่อกฎความสมั พนั ธ์ รวมถงึ งานวจิ ยั น้ีมงุ่ เน้นการวเิ คราะหก์ ฎความสมั พนั ธ์ การรวบรวมขอ้ มูลในการวจิ ยั ใหม้ ปี รมิ าณเพม่ิ มากขน้ึ จากหน่ึงปีเป็นหา้ ปี เป็นตน้ ของการสัง่ อาหารด้วยเทคนิคเหมืองข้อมูลแบบ Association ใช้อัลกอริธึมแบบ FP-Growth โดยใช้ กิตติกรรมประกาศ ขอ้ มูลรายการสงั่ ซ้ืออาหาร (transaction) ท่ีบนั ทึกไว้ ขอขอบคุณรา้ นอาหารบา้ นฟ้าโปรง่ จ.สกลนคร ในฐานขอ้ มูล จากรา้ นอาหารบา้ นฟ้าโปร่ง จ.สกลนคร ในช่วง ปี พ.ศ. 2557-2559 จํานวน 37,020 รายการ ทอ่ี นุเคราะหข์ อ้ มลู ในการทาํ วจิ ยั ในครงั้ น้ี แบ่งขอ้ มูลออกเป็น 2 กลุ่ม คอื กลุ่มทส่ี งั่ รบั ประทานท่ี รา้ น จํานวน 18,229 รายการ และ กลุ่มท่สี งั่ กลบั บ้าน จาํ นวน 18,791 รายการ กฎความสมั พันธ์ในการสงั่ อาหารทัง้ 2 กลุ่ม สามารถสรุปไดว้ ่า ทงั้ สองกลุ่ม เม่อื ลูกคา้ มกี ารสงั่ เคก้ ชาเขยี วนมสด แลว้ จะตอ้ งสงั่ เคก้ มะพรา้ วดว้ ย หรอื เมอ่ื ลกู คา้ สงั่ เคก้ นมสดแลว้ จะตอ้ งสงั่ เคก้ มะพรา้ วดว้ ย และ จะเหน็ ไดว้ ่ากฎท่นี ่าสนใจทุกกฎของทงั้ สองกลุ่ม จะมี การสงั่ เคก้ มะพรา้ วร่วมดว้ ยเสมอ นอกจากน้ียงั พบว่า กฎความสมั พนั ธ์ท่ดี ที ่สี ุด คอื กลุ่มท่สี งั่ กลบั บา้ น มคี ่า A - 97

การประชุมวชิ าการระดบั ชาติ “ราชมงคลสรุ นิ ทรว์ ชิ าการ ครงั้ ท่ี 8” “วจิ ยั เพอ่ื ประเทศไทย 4.0” มหาวทิ ยาลยั เทคโนโลยรี าชมงคลอสี าน วทิ ยาเขตสรุ นิ ทร์ เอกสารอ้างอิง บรรณารกั ษศาสตรแ์ ละสารสนเทศศาสตร์ มข กมล เกยี รตเิ รอื งกมลา. (2559). การวิเคราะหข์ ้อมลู , 25(1-3), 64-75. เพ่ือจดั ทาํ แผนการตลาดอย่างมีประสิทธิภาพ. สายชล สนิ สมบรู ณ์ทอง. (2558). การทาํ เหมือง แหลง่ ขอ้ มลู : http:// cio.citu.tu.ac.th/cio2016/. ข้อมลู . จามจรุ โี ปรดกั ท,์ กรงุ เทพฯ. 1 มนี าคม 2559 สวุ จิ กั ขณ์ โศธนะกุล, ธรธนสั ชแู สง และ สายณั ห์ เทพ ณฎั ญาพร ช่นื มจั ฉา และนิเวศ จริ ะวชิ ติ ชยั . (2559). แดง. (2559). กาหาความสมั พนั ธข์ องดชั นีตลาด การหากฎความสมั พนั ธจ์ ากฐานขอ้ มลู การซอ้ื หลกั ทรพั ยแ์ หง่ ประเทศไทย ระหวา่ งดชั นีตลาด สนิ คา้ ของลกู คา้ โดยใช้ เอฟพ-ี กโรธ. Science หลกั ทรพั ยใ์ นต่างประเทศ ราคาทองคาํ โลก และ and Technology RMUTT Journal, 6(1), 122- ราคาน้ํามนั ดบิ โลก ดว้ ยเทคนิคเหมอื งขอ้ มลู , 131. การประชมุ วิชาการระดบั ชาติ มหาวิทยาลยั ธรี ะวฒั น์ แสนปญั ญา และสมชาย ปราการเจรญิ . ราชภฏั ภเู กต็ ครงั้ ที่ 6, จงั หวดั ภเู กต็ . (2554). การพยากรณ์การซอ้ื สนิ คา้ ประเภท เอกสทิ ธิ ์พชั รวงศศ์ กั ดา. (2557). การวิเคราะหข์ ้อมลู กระเบอ้ื งปพู น้ื สาํ หรบั รา้ นคา้ ปลกี โดยวธิ กี ฎ ด้วยเทคนิคดาต้าไมน์น่ิงเบือ้ งต้น. เอเชยี ความสมั พนั ธ.์ การประชมุ เสนอผลงานวิจยั ระดบั บณั ฑิตศึกษา มสธ. ครงั้ ท่ี 1, ดจิ ติ อลการพมิ พจ์ าํ กดั , กรงุ เทพฯ. Han, T., Kamber, M., Pei, J. (2011). Data mining มหาวทิ ยาลยั สโุ ขทยั ธรรมาธริ าช จงั หวดั นนทบุร.ี เพยี รจติ สงิ หโทราช. (2553). การศึกษาสถานภาพ concepts and techniques, 3rd edition. ISBN: 9780123814791, ElSevier: USA. และความสามารถในการแข่งขนั ของธรุ กิจ Inyaem, U. (2015). The Recommender System for ภตั ตาคารและรา้ นอาหารในประเทศไทย. Adaptive Learning Based on Students’ สาํ นกั งานบรหิ ารการประกอบธุรกจิ ของคนต่าง Competency Profile by Using FP-Growth ดา้ ว. กรมพฒั นาธรุ กจิ การคา้ . Techniques, paper presented in the วทิ วสั เคา้ คุณากร. (2553). การสร้างแบบจาํ ลอง Eleventh National Conference on พฤติกรรมผบู้ ริโภคแบบธรุ กิจกบั ธรุ กิจ ผา่ นทางช่องทางพาณิชยอ์ ิเลก็ ทรอนิกส์ Computing and Information Technology เพื่อสนับสนุนกิจกรรมทางการตลาดโดย (NCCIT2015), Bangkok, Thailand. Kapadia, G. and Kalyandurgmath, K. (2015). การทาํ เหมืองข้อมลู . การคน้ ควา้ อสิ ระ Market Basket Analysis of Consumer Buying ปรญิ ญาโท, มหาวทิ ยาลยั ธรรมศาสตร.์ Behavior of a Lifestyle Store, paper วภิ า เจรญิ ภณั ฑารกั ษ.์ (2555). คลงั ข้อมลู เหมือง presented in the International Conference ข้อมลู และธรุ กิจอจั ฉริยะ หน่วยท่ี 8-15. on Technology and Business Management นนทบุร:ี มหาวทิ ยาลยั สโุ ขทยั ธรรมาธริ าช. (ICTBM-2015), Dubai, United Arab Emirates. ศริ พิ นั ธ์ เทพมาก และ ศกั ดชิ ์ าย ตงั้ วรรณวทิ ย.์ Smart Vision Europe. (2015). CRISP-DM Cross- (2555). การพฒั นาระบบหาความสมั พนั ธข์ องการ Industry Standard Process for Data Mining. ซอ้ื สนิ คา้ โดยใชก้ ฎความสมั พนั ธ์ กรณศี กึ ษา แหลง่ ขอ้ มลู : http://crisp-dm.eu/home/about- สนิ คา้ ประเภทเครอ่ื งสาํ อาง, การประชมุ ทาง crisp-dm/. 14 June 2016. วิชาการระดบั ชาติด้านคอมพิวเตอรแ์ ละ เทคโนโลยีสารสนเทศ ครงั้ ท่ี 9, กรงุ เทพฯ. สมเพช็ ร จลุ ลาบดุ ด.ี (2550). การบรหิ ารงานลกู คา้ สมั พนั ธโ์ ดยใชก้ ารทาํ เหมอื งขอ้ มลู .วารสาร A - 98