การพยากรณ์การใช้สิทธิของลูกจ้างในสถานประกอบการเพื่อเพิ่มประสิทธิภาพการบริหารจัดการกองทุนเงินทดแทน สำนักงานประกันสังคม
0
0
Issued Date
2016
Resource Type
Language
tha
File Type
application/pdf
Rights
Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยสุโขทัยธรรมาธิราช
Suggested Citation
อิทธิ บรรลือศักดิ์ (2016). การพยากรณ์การใช้สิทธิของลูกจ้างในสถานประกอบการเพื่อเพิ่มประสิทธิภาพการบริหารจัดการกองทุนเงินทดแทน สำนักงานประกันสังคม. สืบค้นจาก: https://hdl.handle.net/20.500.14770/13821
Alternative Title(s)
Claim prediction of enterprise employees to increase management efficiency for workmen's compensation fund of Social Security Office
Author(s)
Advisor(s)
Other Contributor(s)
Abstract
การวิจัยนี้ทําการพยากรณ์การใช้สิทธิของลูกจ้างในสถานประกอบการ เพื่อเพิ่มประสิทธิภาพการบริหารจัดการกองทุนเงินทดแทน สํานักงานประกันสังคม มีวัตถุประสงค์เพื่อศึกษา 1) การพัฒนาคลังข้อมูลเพื่อวิเคราะห์ข้อมูล และจัดทํารายงานตามหลักการธุรกิจอัจฉริยะ 2) การพยากรณ์การใช้สิทธิของลูกจ้างที่เบิกเงินจากกองทุนเงินทดแทน สํานักงานประกนสังคม ด้วยวิธีการจําแนกประเภท และ 3) การประเมินผลการใช้งานคลังข้อมูลการพัฒนาคลังข้อมูลโดยใช้รูปแบบโครงสร้างสตาร์ ซึ่งใช้ข้อมูลการใช้สิทธิของลูกจ้างที่เบิกเงินจากกองทุนเงินทดแทน สํานักงานประกันสังคมกรุงเทพมหานครพื้นที่ 1-12 ปี พ.ศ.2556 - 2557 ด้วยโปรแกรม Microsoft SQL Server 2008 R2 และทํากระบวนการอีทีแอล ด้วยเครื่องมือ SQL Server Integration Services และนําเสนอรายงานผ่านโปรแกรม Microsoft Excel 2007 จากนั้นใช้ข้อมูลการใช้สิทธิของลูกจ้างที่
เบิกเงินจากกองทุนเงินทดแทน สํานักงานประกันสังคมกรุงเทพมหานครพื้นที่ 3 จํานวน 3,636 ชุดข้อมูล สร้างตัวแบบพยากรณ์โดยการเลือกใช้ข้อมูล 2 แบบ คือ ชุดข้อมูลแบบไม่จัดกลุ่ม และชุดข้อมูลแบบจัดกลุ่มนําไปผ่านกระบวนการคัดเลือกคุณลักษณะ ด้วยวิธีเลือกคุณสมบัติตามความสัมพันธ์ แล้วทําการทดสอบประสิทธิภาพแบบ 10-fold Cross Validation ด้วยโปรแกรม WEKA Version 3.8.0 โดยใช้อัลกอริทึม Multilayer Perceptron, Naïve Bayes และต้นไม้ตัดสินใจ J48 พบว่าชุดข้อมูลแบบไม่จัดกลุ่มที่ใช้อัลกอริทึม J48 ให้ค่าความถูกต้องสูงที่ร้อยละ 100 Multilayer Perceptron ให้ค่าความถูกต้องสูงที่ร้อยละ 99.67 และ Naïve Bayes ให้ค่าความถูกต้องสูงที่ร้อยละ 94.63 ส่วนชุดข้อมูลแบบจัดกลุ่มที่ใช้อัลกอริทึม J48 ให้ค่าความถูกต้องสูงที่ร้อยละ 100 Multilayer Perceptron ให้ค่าความถูกต้องสูงที่ร้อยละ 99.67 และ Naïve Bayes ให้ค่า
ความถูกต้องสูงที่ร้อยละ 94.00 และการประเมินผลการใช้งานคลังข้อมูล ผลการวิจัยพบว่า คลังข้อมูลการใช้สิทธิลูกจ้างของสถานประกอบการที่เบิกเงินจากกองทุนเงินทดแทน ที่ใช้งานโดยผู้บริหาร หัวหน้าส่วนงานกองทุนเงินทดแทน และเจ้าหน้าที่ปฏิบัติงานด้านกองทุนเงินทดแทน มีความพึงพอใจการใช้งานคลังข้อมูลอยู่ในระดับดี และในการทําเหมืองข้อมูลพยากรณ์ พบว่า ชุดข้อมูลแบบไม่จัดกลุ่มและจัดกลุ่ม โดยใช้เทคนิคตัวแบบพยากรณ์ต้นไม้ตัดสินใจ J48 ให้ค่าความถูกต้องสูงที่สุดที่ร้อยละ 100 และมีค่ารากที่สองของความคลาดเคลื่อนน้อยที่สุดที่ 0 เหมาะสม สําหรับนําไปสร้างระบบพยากรณ์กองทุนเงินทดแทน
This research was about claim prediction of enterprise employees to increase management efficiency for workmen’s compensation fund of social security office. The objectives of this study were as follows. 1) Developing data warehouse for analyzing and reporting with Business Intelligence. 2) Predicting the claim of workmen’s compensation fund of social security office by classification technique, and 3) The evaluation of data warehouse. Data warehouse was developed using Star Schema for the claim of workmen’s compensation fund in Bangkok social security office, covering of the 1st to 12th area between 2013 and 2014. The tools were Microsoft SQL server 2008 R2 for data warehouse development, SQL Server Integration Service for ETL process and Microsoft Excel 2007 for multidimensional data analysis. Data for the model prediction were drawn from the claim of employee in compensation fund of social security office in Bangkok area 3 with 3,636 datasets. The sample data were divided into two groups (original datasets and clustering datasets) by feature selection process with Correlation-based Feature Selection method using 10-fold Cross Validation. Predictive modeling uses WEKA Version 3.8.0. The algorithm for prediction were Multilayer Perceptron, Naïve Bayes, and J48 Decision Tree. The results of original data tested by J48 algorithm had accuracy level at 100 percent: tested by Multilayer Perceptron algorithm had accuracy level at 99.67 percent: and tested by Naïve Bayes algorithm had accuracy level at 94.63 percent. While the results of clustering data tested by J48 algorithm had accuracy level at 100 percent; results tested by Multilayer Perceptron algorithm had accuracy level at 99.67 percent, and tested by Naïve Bayes algorithm had accuracy level at 94.00 percent. The evaluation of data warehouse was good level. The evaluation results of data warehouse usage showed that the administrators, the director of the workmen’s compensation fund, and the social security technical officers were satisfied with the claim of workmen’s compensation fund’ data warehouse at a good level. Data mining prediction with the original data using Decision Tree prediction model of J48 showed accuracy of the highest level at 100 percent and the square root of minimal error at 0 which was suitable to construct the workmen’s compensation prediction system
This research was about claim prediction of enterprise employees to increase management efficiency for workmen’s compensation fund of social security office. The objectives of this study were as follows. 1) Developing data warehouse for analyzing and reporting with Business Intelligence. 2) Predicting the claim of workmen’s compensation fund of social security office by classification technique, and 3) The evaluation of data warehouse. Data warehouse was developed using Star Schema for the claim of workmen’s compensation fund in Bangkok social security office, covering of the 1st to 12th area between 2013 and 2014. The tools were Microsoft SQL server 2008 R2 for data warehouse development, SQL Server Integration Service for ETL process and Microsoft Excel 2007 for multidimensional data analysis. Data for the model prediction were drawn from the claim of employee in compensation fund of social security office in Bangkok area 3 with 3,636 datasets. The sample data were divided into two groups (original datasets and clustering datasets) by feature selection process with Correlation-based Feature Selection method using 10-fold Cross Validation. Predictive modeling uses WEKA Version 3.8.0. The algorithm for prediction were Multilayer Perceptron, Naïve Bayes, and J48 Decision Tree. The results of original data tested by J48 algorithm had accuracy level at 100 percent: tested by Multilayer Perceptron algorithm had accuracy level at 99.67 percent: and tested by Naïve Bayes algorithm had accuracy level at 94.63 percent. While the results of clustering data tested by J48 algorithm had accuracy level at 100 percent; results tested by Multilayer Perceptron algorithm had accuracy level at 99.67 percent, and tested by Naïve Bayes algorithm had accuracy level at 94.00 percent. The evaluation of data warehouse was good level. The evaluation results of data warehouse usage showed that the administrators, the director of the workmen’s compensation fund, and the social security technical officers were satisfied with the claim of workmen’s compensation fund’ data warehouse at a good level. Data mining prediction with the original data using Decision Tree prediction model of J48 showed accuracy of the highest level at 100 percent and the square root of minimal error at 0 which was suitable to construct the workmen’s compensation prediction system
Description
วิทยานิพนธ์ (วท.ม. (เทคโนโลยีสารสนเทศและการสื่อสาร))--มหาวิทยาลัยสุโขทัยธรรมาธิราช, 2559
Degree Name
วิทยาศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
วิทยาศาสตร์และเทคโนโลยี
Degree Grantor(s)
มหาวิทยาลัยสุโขทัยธรรมาธิราช
View online Resources
Collections
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwised noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)