Map Based Data Visualization Report

86

ภาพที่ 4-10 ตวั อยา่ งแผนที่แสดงระดับจำนวนผปู้ ่วยโรคไขเ้ ลือดออกในระดบั หมู่บ้านของ
แตล่ ะตำบล จากข้อมูลผปู้ ่วยโรคไข้เลอื ดออกประจำเดือนตลุ าคม ปี พ.ศ. 2558

ภาพที่ 4-11 ตัวอยา่ งแผนที่แสดงระดบั จำนวนผปู้ ว่ ยโรคไข้เลือดออกในระดบั หมบู่ า้ นของแต่ละ
ตำบล จากขอ้ มลู ผูป้ ว่ ยโรคไข้เลอื ดออกประจำเดือนพฤศจิกายน ปี พ.ศ. 2558

87

ภาพท่ี 4-12 ตวั อย่างแผนที่แสดงระดบั จำนวนผ้ปู ว่ ยโรคไขเ้ ลอื ดออกในระดบั หมู่บา้ นของ
แต่ละตำบล จากขอ้ มูลผปู้ ว่ ยโรคไข้เลือดออกประจำเดือนธันวาคม ปี พ.ศ. 2558

จากตัวอย่างการจัดทำแผนท่ีแสดงระดับจำนวนผู้ป่วยโรคไข้เลือดออกในระดับหมู่บ้าน
ของแต่ละตำบลโดยอ้างอิงจำนวนผู้ป่วยโรคไข้เลือดออกของปี พ.ศ. 2558 จะเห็นได้ว่าบริเวณพ้ืนที่
ที่ติดกับแถบชายฝั่งทะเล จะมีจำนวนผู้ป่วยโรคไข้เลือดออกเป็นจำนวนมาก และเป็นบริเวณพ้ืนที่
ท่ีมีโอกาสเกิดโรคไข้เลือดออกแบบซ้ำซาก โดยในแต่ละปี ต้ังแต่ปี พ.ศ. 2550-2561 จะมีลักษณะ
ของแผนท่ีท่ีคล้าย ๆกันข้ึนอยู่กับว่าในแต่ละปีนั้นในแต่ละตำบลมีมาตรการป้องกันโรคไข้เลือดออก
มากนอ้ ยเพยี งใด
4.2 การพยากรณโ์ ดยวิธีการปรบั เรยี บแบบเอกซ์โพเนนเชยี ล (Exponential Smoothing)

จากการนำข้อมูลผู้ป่วยโรคไข้เลือดออก 10 ปีย้อนหลัง ท่ีได้จัดเตรียมไว้ใน Excel เข้าสู่
โปรแกรม Power BI Desktop เพื่อทำการพยากรณ์ หาแนวโน้มจำนวนผู้ป่วยโรคไข้เลือดออกท่ีมี
โอกาสที่จะเกิดขึ้น ซ่ึงในการทำการพยากรณ์จำนวนผู้ป่วยแบ่งเป็น 2 รูปแบบ โดยแบบแรกจะใช้
ข้อมูล 5 ปี คือปี พ.ศ. 2555-2559 เพ่ือทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกปี พ.ศ. 2560
และแบบที่สองจะใช้ข้อมูล 10 ปี คือปี พ.ศ. 2550-2559 ในการพยากรณ์จำนวนผู้ป่วย ซึ่งได้ผล
ตวั อย่างกราฟการพยากรณด์ งั ภาพต่อไปน้ี

88

ภาพท่ี 4-13 ตัวอย่างกราฟการพยากรณจ์ ำนวนผ้ปู ่วยโรคไขเ้ ลือดออกของตำบลน้ำคอก
จากการใชข้ ้อมูลย้อนหลงั 5 ปี คือปี พ.ศ. 2555-2559 ในการทำการพยากรณ์

ภาพท่ี 4-14 ตวั อย่างกราฟการพยากรณ์จำนวนผู้ปว่ ยโรคไขเ้ ลือดออกของตำบลนำ้ คอก
จากการใชข้ ้อมูลย้อนหลัง 10 ปี คือปี พ.ศ. 2550-2559 ในการทำการพยากรณ์

89
4.3 การพยากรณ์โดยวธิ ี Seasonal ARIMA (SARIMA)

จากการนำข้อมูลผู้ป่วยโรคไข้เลือดออก 10 ปีย้อนหลัง ที่ได้จัดเตรียมไว้ใน Excel เข้าสู่
โปรแกรม Power BI Desktop เพื่อทำการพยากรณ์ หาแนวโน้มจำนวนผู้ป่วยโรคไข้เลือดออกท่ีมี
โอกาสท่ีจะเกิดข้ึน ซึ่งในการทำการพยากรณ์จำนวนผู้ป่วยแบ่งเป็น 2 รูปแบบ เช่นเดียวกันกับ
การพยากรณ์โดยวิธีการปรับเรียบแบบเอกซ์โพเนนเชียล (Exponential Smoothing) โดยแบบแรก
จะใช้ข้อมูล 5 ปี คือปี พ.ศ. 2555-2559 เพื่อทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออก
ปี พ.ศ. 2560 และแบบที่สองจะใชข้ ้อมูล 10 ปี คือปี พ.ศ. 2550-2559 ในการพยากรณ์จำนวนผปู้ ่วย
ซึง่ ไดผ้ ลตวั อย่างกราฟการพยากรณ์ดังภาพต่อไปน้ี

ภาพที่ 4-15 ตัวอย่างกราฟการพยากรณจ์ ำนวนผู้ป่วยโรคไข้เลอื ดออกของตำบลนำ้ คอก
จากการใชข้ ้อมลู ย้อนหลัง 5 ปี คือปี พ.ศ. 2555-2559 ในการทำการพยากรณ์

90

ภาพที่ 4-16 ตัวอย่างกราฟการพยากรณ์จำนวนผู้ปว่ ยโรคไขเ้ ลือดออกของตำบลนำ้ คอก
จากการใช้ข้อมลู ย้อนหลัง 10 ปี คือปี พ.ศ. 2550-2559 ในการทำการพยากรณ์

หลังจากได้กราฟการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออก โดยวิธี Seasonal ARIMA
(SARIMA) และการพยากรณ์โดยวิธีการปรับเรียบแบบเอกซ์โพเนนเชียล (Exponential Smoothing)
แล้ว ทั้งการใช้ข้อมูลยอ้ นหลงั 10 ปี และการใช้ขอ้ มูลย้อนหลัง 5 ปี ในการพยากรณ์ หลงั จากนั้นก็ทำ
การส่งออก (Export) ข้อมูลการพยากรณ์ออกมาจากโปรแกรม Power BI Desktop จากนั้นทำการ
เปรียบเทียบผลการพยากรณ์กับจำนวนผู้ป่วยโรคไข้เลือดออกจริงในปี พ.ศ. 2560 และดำเนินการ
ทดสอบความผิดพลาดในการพยากรณ์
4.4 การตรวจสอบหาค่าความคลาดเคล่ือน (Error)

การตรวจสอบหาค่าความคลาดเคล่ือนของการพยากรณ์เป็นการตรวจสอบเพ่ือทดสอบ ความ
แมน่ ยำของการพยากรณ์ ทง้ั การพยากรณโ์ ดยวิธี Seasonal ARIMA (SARIMA) และการพยากรณ์โดย
วิธีการปรับเรียบแบบเอกซ์โพเนนเชียล (Exponential Smoothing) โดยดำเนินการหาค่าความ
คลาดเคลื่อนแตกต่างสัมบูรณ์เฉล่ีย (Mean Absolute Deviation : MAD หรือ Mean Absolute
Error : MAE) หาค่าความคลาดเคล่ือนผิดพลาดกำลังสองเฉลี่ย (Mean Square Error : MSE)
และหาค่าร้อยละความคลาดเคล่ือนสัมบูรณ์เฉล่ีย (Mean Absolute Percentage Error : MAPE)
ดังภาพตวั อยา่ งตอ่ ไปนี้

91

ภาพท่ี 4-17 ตัวอย่างตารางเปรียบเทยี บผลการพยากรณ์โดยวิธกี ารปรับเรยี บแบบเอกซ์โพเนนเชยี ล
(Exponential Smoothing) กบั จำนวนผู้ปว่ ยจริงในปี พ.ศ. 2560 ของตำบลนำ้ คอก
จากข้อมูลย้อนหลัง 5 ปี ในการพยากรณ์ และตรวจสอบหาคา่ ความคลาดเคล่ือน

ภาพที่ 4-18 ตวั อย่างตารางเปรยี บเทยี บผลการพยากรณ์โดยวธิ กี ารปรบั เรียบแบบเอกซ์โพเนนเชยี ล
(Exponential Smoothing) กบั จำนวนผปู้ ่วยจรงิ ในปี พ.ศ. 2560 ของตำบลนำ้ คอก
จากขอ้ มลู ยอ้ นหลัง 10 ปี ในการพยากรณ์ และตรวจสอบหาค่าความคลาดเคลื่อน

92

ภาพท่ี 4-19 ตัวอยา่ งตารางเปรียบเทยี บผลการพยากรณ์โดยวธิ ี Seasonal ARIMA (SARIMA)
กับจำนวนผู้ปว่ ยจรงิ ในปี พ.ศ. 2560 ของตำบลนำ้ คอก จากข้อมลู ย้อนหลงั 5 ปี
ในการพยากรณ์ และตรวจสอบหาคา่ ความคลาดเคลือ่ น

ภาพท่ี 4-20 ตวั อยา่ งตารางเปรยี บเทยี บผลการพยากรณ์โดยวิธี Seasonal ARIMA (SARIMA)
กับจำนวนผูป้ ว่ ยจรงิ ในปี พ.ศ. 2560 ของตำบลน้ำคอก จากข้อมลู ยอ้ นหลัง 10 ปี
ในการพยากรณ์ และตรวจสอบหาคา่ ความคลาดเคลื่อน

93

จากการหาค่า MAD MSE และ MAPE ในส่วนของค่า MAD จะเป็นวิธีการหาค่าเฉลี่ย
ความผิดพลาดโดยการพิจารณาความแตกต่างจำนวนผู้ป่วยจริง กับจำนวนผู้ป่วยท่ีได้จาก
การพยากรณ์โดยไม่คำนึงถึงเครื่องหมาย ค่า MSE เป็นการแก้ปัญหาด้วยวิธีการหาค่าเฉลี่ย
ความผิดพลาดโดยพิจารณาความแตกต่างระหว่างผู้ป่วยจริงกับผู้ป่วยที่ได้จากการพยากรณ์ โดยวิธี
ยกกำลังสอง (ได้ค่ามาก) และ ค่า MAPE เป็นวิธีการวัดความแม่นยำโดยการคำนวณเปอร์เซ็นต์
ความผิดพลาดในการพยากรณ์ โดยไม่คำนึงถึงเคร่ืองหมาย ค่าท่ีได้ต่างมีความแม่นยำสูง เช่น
ถา้ MAPE = 4% แสดงว่า วิธที ่เี ลือกมคี วามคลาดเคลอื่ นใน การพยากรณเ์ ฉล่ียอยู่ท่ีร้อยละ 4

ปัญหาการหาค่าท้ัง MAD และ MSE คือ หากค่าของข้อมูลมีค่ามากจะทำให้ค่าของ MAD
และ MSE มีค่ามากไปด้วย เพื่อแก้ปัญหาดังกล่าว จึงมีการใช้ค่า MAPE แทน ซึ่งท่ีนิยมใช้ค่า MAPE
มากกว่าเพราะเป็นค่าความคลาดเคล่ือนของการพยากรณ์เทียบกับค่าจริง โดยค่า MAPE ที่ยอมรบั ได้
จะอยู่ในช่วงเปอร์เซ็นต์ความผดิ พลาดดงั ต่อไปน้ี

ถ้าคา่ MAPE อยู่ในชว่ ง ≤ 10 จะดีมาก
10 < MAPE ≤ 20 ยอมรับได้
20 < MAPE ≤ 30 ปานกลาง
แต่ถา้ คา่ MAPE > 30 จะเป็นค่าท่แี ย่
ดังนั้นจากการทดสอบความแม่นยำของการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกในแต่ละ
ตำบลของอำเภอเมืองระยอง ไดผ้ ลการทดสอบความแม่นยำของการพยากรณ์ ดงั ต่อไปน้ี

ภาพท่ี 4-21 ตารางเปรียบเทยี บคา่ Error ของการพยากรณ์ในช่วงปี พ.ศ. 2555-2559

94

ภาพท่ี 4-22 ตารางเปรียบเทยี บคา่ Error ของการพยากรณใ์ นชว่ งปี พ.ศ. 2550-2559
จากภาพตารางเปรียบเทียบความแม่นยำของการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกใน
แต่ละตำบลของอำเภอเมืองระยอง ท้ังจากการพยากรณ์ แบบ Seasonal ARIMA (SARIMA)
และปรบั เรยี บแบบเอก็ ซโ์ พแนนเชียล (Exponential Smoothing) พบวา่ การพยากรณ์ในรปู แบบของ
ปรับเรียบแบบเอ็กซ์โพแนนเชียล (Exponential Smoothing) ให้ผลค่าความคลาดเคล่ือนของ
การพยากรณ์ต่ำท่ีสุด และช่วงระยะเวลาในการเก็บข้อมูลย้อนหลังท่ีเหมาะสมแก่การนำมาใช้ใน
การพยากรณ์ก็ควรเป็นในรูปแบบของช่วงระยะเวลา 10 ปี จึงจะส่งผลให้ผลการพยากรณ์มีค่าความ
คลาดเคลือ่ นอยูใ่ นระดบั เกณฑ์ทไ่ี ด้มาตรฐาน

บทที่ 5
สรุปผล อภปิ รายผลและข้อเสนอแนะ

5.1 สรุปผลการดำเนินงานวจิ ัย
ในการดำเนินงานวิจัยครั้งนี้ ทางคณะผู้จัดทำได้นำข้อมูลผู้ป่วยโรคไข้เลือดออกท่ีได้รับ

ความอนเุ คราะห์จากโรงพยาบาลระยอง มาทำการวิเคราะหแ์ ยกแยะข้อมูลเพ่ือใหง้ ่ายตอ่ การนำข้อมูล
ไปวิเคราะห์เชิงพ้ืนท่ีในระบบสารสนเทศทางภูมิศาสตร์ (Spatial Analysis) โดยการสร้างภาพ
Visualizations แบบ Heat Map ในโปรแกรม Power BI Desktop ซึ่งจะได้ผลการวิเคราะห์ข้อมูล
เชิงพ้ืนที่ออกมา โดยผลการแสดงภาพ Visualizations แบบ Heat Map จะแสดงให้เห็นว่าบริเวณ
พื้นที่ตำบลใดมีผู้ป่วยโรคไข้เลือดออกเป็นจำนวนมากหรือน้อย และบริเวณใดที่มีโอกาสท่ีจะเกิด
โรคไข้เลือดออกแบบซ้ำซาก หลังจากนั้นทางคณะผู้จัดทำได้ใช้ข้อมลู Shape File และ Google Map
ในโปรแกรม QGIS นำมาอ้างอิงพิกัดตำแหน่งของหมู่บ้านในแต่ละตำบล และสามารถจัดทำแผนท่ี
แสดงระดับจำนวนผู้ปว่ ยโรคไขเ้ ลือดออกไดถ้ งึ ระดบั หม่บู า้ นของแตล่ ะตำบล

เมื่อทางคณะผู้จัดทำ ได้จัดทำแผนที่แสดงระดับจำนวนผู้ป่วยโรคไข้เลือดออกได้ถึงระดับ
หมู่บ้านแล้ว ก็มีการศึกษาการพยากรณ์เพื่อหาแนวโน้มของจำนวนผู้ป่วยโรคไข้เลือดออกท่ีมีโอกาส
ที่จะเกิดขึ้น ซึ่งวิธีการพยากรณ์ที่ศึกษาคือ วิธี Seasonal ARIMA (SARIMA) และการพยากรณ์โดย
วิธีการปรับเรียบแบบเอกซ์โพเนนเชียล (Exponential Smoothing) โดยใช้โปรแกรม Power BI
Desktop ในการพยากรณ์ ซึ่งในการพยากรณ์จำนวนผู้ป่วยจะแบ่งข้อมูลออกเป็น 2 ช่วงเวลา โดย
ช่วงเวลาแรกจะใช้ข้อมูล 5 ปี คือปี พ.ศ. 2555-2559 และช่วงเวลาท่ีสองจะใช้ข้อมูล 10 ปีคือ
ปี พ.ศ. 2550-2559 เพื่อทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกปี พ.ศ. 2560 เช่นเดียวกัน
โดยท้ัง 2 ช่วงระยะเวลาทางคณะผู้จัดทำจะทำการพยากรณ์ท้ังในรูปแบบของ Seasonal ARIMA
(SARIMA) และรูปแบบของปรับ เรียบแบบ เอ็กซ์โพ แนนเชียล (Exponential Smoothing)
เพ่ือเปรียบเทียบความน่าเช่ือถือของรูปแบบสมการที่จะนำมาใช้ในการพยากรณ์จำนวนผู้ป่วย
โรคไข้เลือดออก จากการประเมินประสิทธิภาพของการพยากรณ์ พบว่าการพยากรณ์ในรูปแบบ
ปรับเรียบแบบเอ็กซ์โพแนนเชียล (Exponential Smoothing) ให้ผลค่าความคลาดเคล่ือนของ
การพยากรณ์ต่ำท่ีสุด และช่วงระยะเวลาในการเก็บข้อมูลยอ้ นหลังทค่ี วรนำมาใช้ในการพยากรณ์ก็คือ
ระยะเวลา 10 ปี จึงจะส่งผลให้ผลการพยากรณ์มีค่าความคลาดเคลื่อนอยู่ในระดับเกณฑ์ท่ีได้

96

มาตรฐาน ซึ่งรูปแบบการพยากรณ์ท่ียอมรับได้ก็คือ การพยากรณ์ปรับเรียบแบบเอ็กซ์โพแนนเชียล
(Exponential Smoothing) ท่ีใช้ข้อมูลช่วงระยะเวลาในการพยากรณ์ 10 ปี ย้อนหลัง โดยมีค่า
คลาดเคล่ือนสัมบูรณ์เฉลี่ยจากการพยากรณ์เป็น 0.00 โดยให้ผลค่าความคลาดเคลื่อนท่ีอยู่ในเกณฑ์ดี
มากเม่ือเปรียบเทียบกับรูปแบบการพยากรณ์ด้วยวิธี Seasonal ARIMA (SARIMA) ในช่วงระยะการ
พยากรณ์ 10 ปี ท่ีให้ผลค่าคลาดเคลื่อนสัมบูรณ์เฉล่ียน้อยสุดจากการพยากรณ์เป็น 8.33 และในช่วง
ระยะเวลาการพยากรณ์ 5 ปี ในวิธีปรับเรียบแบบเอ็กซ์โพแนนเชียล (Exponential Smoothing)
และวิธีของ Seasonal ARIMA (SARIMA) ให้ผลค่าคลาดเคล่ือนสัมบูรณ์เฉล่ียน้อยสุดจากการ
พยากรณ์เป็น 8.33 ซ่ึงจากการเปรียบเทียบค่าความเคลื่อนของการพยากรณ์น้ันทำให้ได้ผลสรุปว่า
รูปแบบวิธีการพยากรณ์ปรับเรียบแบบเอ็กซ์โพแนนเชียล (Exponential Smoothing) ในช่วง
ระยะเวลา 10 ปี ให้ค่าความแม่นยำในการพยากรณ์สูงที่สุด และเหมาะสมเพ่ือจะนำมาใช้ในการ
พยากรณ์จำนวนผู้ปว่ ยโรคไข้เลอื ดออกมากทสี่ ดุ

5.2 อภิปรายผลการดำเนนิ งานวิจยั และขอ้ เสนอแนะ
จากการศึกษางานวิจัยครั้งน้ี ทางคณะผู้จัดทำมุ่งมั่นท่ีจะทำการศึกษาการวิเคราะห์

และประมวลผลของข้อมูลผู้ป่วยโรคไข้เลือดออก โดยใช้โปรแกรมทางระบบสารสนเทศภูมิศาสตร์มา
เป็นเคร่ืองมือเพื่อใช้ทำการศึกษา พบว่าเมื่อทำการวิเคราะห์และแยกข้อมูลผู้ป่วยออกมาในระดับ
ตำบลของอำเภอเมอื งจังหวัดระยอง เพ่ือใหข้ ้อมูลจำนวนผู้ป่วยโรคไขเ้ ลือดออกในแต่ละตำบลมาแสดง
ในรูปแบบของแผนท่ี ซ่ึงง่ายต่อกลุ่มผู้ใช้งานในระบบสาธารสุขที่สามารถตรวจสอบจำนวนผู้ป่วยใน
แต่ละพ้ืนที่ เม่ือทางคณะผู้จัดทำได้จัดทำแผนท่ีแสดงระดับจำนวนผู้ป่วยในแต่ละพ้ืนท่ีเสร็จแล้วนั้น
ก็นำไปสู่การศึกษาในส่วนของการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออก โดยผลของค่าความ
คลาดเคลื่อนในการพยากรณ์ท่ีทำให้สามารถยอมรับได้ คือรูปแบบวิธีการพยากรณ์ปรับเรียบแบบ
เอ็กซ์โพแนนเชียล (Exponential Smoothing) ในช่วงระยะเวลา 10 ปี ซึ่งเม่ือทำการเปรียบเทียบ
ค่าความน่าเช่ือถือในรูปแบบวิธีการพยากรณ์และช่วงระยะเวลาอ่ืน ทำให้ได้ผลสรุปว่าระยะเวลาของ
ข้อมูลย่ิงมีการเก็บข้อมูลมากก็จะส่งผลให้ผลการพยากรณ์มีความแม่นยำกว่าการเก็บข้อมูลย้อนหลัง
น้อย อีกท้ังค่าคลาดเคล่ือนในการพยากรณ์ในรูปแบบอื่นท่ีมีค่าสูงกว่าอาจจะเป็นเพราะมีปัจจัยอื่นมา
เก่ียวข้อง เช่น จำนวนประชากร สภาพอากาศในแต่ละปี เป็นต้น ดังนั้นคณะผู้วิจัยจึงควรปรับปรุง
และพัฒนาเพ่ือหาปัจจัยที่เกี่ยวข้องต่าง ๆ ที่ส่งผลให้การพยากรณ์มีค่าความคลาดเคลื่อน และจำนวน
ผู้ป่วยโรคไข้เลือดออกก็เกิดขึ้นในรูปแบบของการแพร่กระจายแบบสุ่ม จึงต้องควรมีการปรับปรุง
รปู แบบของการพยากรณ์ใหเ้ หมาะสมสำหรบั แต่ละโรคระบาด

บรรณานกุ รม

กนกภรณ์ ถือมั่น. (2558). [บทคัดย่อออนไลน์]. การสร้างแผนท่ีสุขภาพชุมชน กรณีศึกษา
โรคเบาหวานตำบลไผ่ขอดอน อำเภอเมือง จังหวัดพิษณุโลก. วิทยานิพนธ์ปริญญา
มหาบัณ ฑิต ภาควิชาทรัพยากรธรรมชาติและส่ิงแวดล้อม คณ ะเกษตรศาสตร์
ทรัพยากรธรรมชาติและสิ่งแวดล้อม มหาวิทยาลัยนเรศวร. [สืบค้นวันที่ 14 สิงหาคม
2562]. จาก http:// www.agi.nu.ac.th/nred/Document/is-PDF/2558/geo_2558_
013_FullPaper.pdf

จริ ัตวิ ัล เครือศิลป์. (2549). [บทคัดยอ่ ออนไลน์]. รปู แบบการกระจายและประเมินพ้ืนทีเ่ สี่ยงต่อการ
เกิดโรค ไข้เลือดออกในจังหวัดนครราชสีมา. วิทยานิพนธ์ปริญญามหาบัณฑิต ภาควิชา
ภูมศิ าสตร์ คณะอกั ษรศาสตร์ จฬุ าลงกรณ์ มหาวิทยาลัย. [สืบค้นวันที่ 4 สิงหาคม 2562].
จ า ก http://www.hu.ac.th/conference/conference2016/proceedings/data/4-2
โปสเตอร์/5.%20เทคโนโลยฯี /2-050I-P(พชั รนิ ทร์%20%20เสริมการดี).pdf

ชชั ชญา เสริมพงษ์พันธ์. (2560) . [บทคัดย่อออนไลน์]. การพยากรณ์ความต้องการใช้ปูนซีเมนต์ใน
ประเทศไทย. วิทยานิพนธ์ปริญญามหาบัณฑิต คณะพาณิชยศาสตร์และการบัญชี
มหาวทิ ยาลัยธรรมศาสตร์. [สบื ค้นวันที่ 6 สงิ หาคม 2562]. จาก http://ethesisarchive.
library.tu.ac.th/thesis/2017/TU_2017_5902031359_7307_6133.pdf

ดารินทร์ อารีย์โชคชัย. (2555). [ออนไลน์]. รายงานพยากรณ์โรคไข้เลือกออกปี 2555. [สืบค้น
วันท่ี 4 สงิ หาคม 2562]. จาก http://www.interfetpthailand.net/forecast/ files/
report_2012/report_2012_11_no12.pdf

ปรางทิพย์ บัวเฟื่อง. (2556). [บทคดั ยอ่ ออนไลน์]. การประยกุ ต์ใช้ระบบสารสนเทศภูมิสาสตร์ใน
การศึกษาการระบาดของโรคไข้เลือดออกในพื้นท่ีอำเภอท่าใหม่ จังหวัดจันทบุรี .
วิทยานิพนธ์ปริญญามหาบัณฑิต ภาควิชาการจัดการสิ่งแวดล้อม คณะพัฒนาสังคมและ
ส่ิงแวดล้อม สภาบันบัณฑิตพัฒนาบริการสาสตร์. [สืบค้นวันที่ 4 สิงหาคม 2562]. จาก
http://library1.nida.ac.th /termpaper6/sd/2556/19999.pdf

98

พชั รนิ ทร์ เสริมการดี. (2559). [บทคดั ยอ่ ออนไลน์]. การวิเคราะห์หาพื้นทเ่ี สีย่ งต่อการเกดิ โรค
ไข้เลือดออกโดยใช้ระบบสารสนเทศทาง ภูมิศาสตร์ในพืน้ ท่ีอำเภอหาดใหญ่ จงั หวัดสงขลา.
วทิ ยานิพนธป์ รญิ ญามหาบัณฑติ สาขาวิชาภูมิสารสนเทศศาสตร์ คณะวิทยาศาสตรแ์ ละ
เทคโนโลยี มหาวิทยาลัยหาดใหญ่. [สบื คน้ วันที่ 10 สิงหาคม 2562]. จาก http://
www.hu.ac.th/conference/conference2016/proceedings/data.pd

ไพศาล สิมาเลาเต่า. (2557). [วารสารออนไลน์]. “การพัฒนาโมเดลการแพร่ของโรคระบาดบน
ระบบสารสนเทศทางภูมิศาสตร์ผ่านไดนามิคเว็บเซอร์วิส” วารสารเทคโนโลยีสารสนเทศ.
ฉบบั ที่ 2 ปีที่ 10 : 1-6

มธุรส ทพิ ยมงคล. (2555). [วารสารออนไลน์]. “ระบาดวทิ ยาภูมศิ าสตรใ์ นงานสาธารณะสุข”
วรสารสาธารณสขุ ศาสตร์. ฉบับที่ 3 ปที ี่ 42 : 44-54

ยงยุทธ ลิขิตพัฒนะกุล. (2561). (ออนไลน์). tableauคืออะไร. [สบื ค้นเมอ่ื วันท่ี 14 สิงหาคม
2562] จาก: https:// http://www.aiteam.co.th/what-is-tableau/

เริงชัย สุขสิลา, เอกกมล ยินดี, สมชาย คิดดี, วัชราภรณ์ เงินปุ่นนาค. (2560). [ออนไลน์].
นวัตกรรม Spotmap online. [สืบค้นวนั ท่ี 24 สิงหาคม 2562]. จาก
http://118.174.64.124/1_DATACENPDF/9.%20PMQA_LINK/10_Innovation%20

ราเชษฐ์ เหมือนเสน, นาฏสุดา ภูมจิ ำนงค์. (2555). [บทคัดยอ่ ออนไลน์]. การประยกุ ต์ระบบภูมิ
สารสนเทศภูมิศาสตร์ในการประเมินพ้ืนท่ีเส่ียงต่อการระบาดของโรคไข้เลือดออก
จังหวัดตราด ประเทศไทย. วิทยานิพนธ์ปริญญามหาบัณฑิต คณะส่ิงแวดล้อมและ
ทรัพยากรศาสตร์ มหาวทิ ยาลยั มหดิ ล. [สืบค้นวันที่ 14 สิงหาคม 2562]. จาก
http://researchconference.kps.ku.ac.th/article_9/pdf/p_sci_tech21.pdf

ลัดดาวรรณ อาจพรม. ( 2555). [บทคัดย่อออนไลน์]. การประมาณค่าความผันผวนและการ
พยากรณ์มูลค่ากองทุนรวมหุ้นระยะยาวโดยใช้แบบจำลอง GARCH. วิทยานิพนธ์ปริญญา
มหาบัณฑิต คณะวทิ ยาการจดั การ มหาวิทยาลยั ขอนแกน่ . [สบื ค้นวันท่ี 6 สิงหาคม 2562].
จาก mslib.kku.ac.th/elib/multim/books/Economic2555

วันวิสาข์ คำสุข. (2559). [บทคัดย่อออนไลน์]. การวิเคราะห์การกระจายของผู้ป่วยโรคความดัน
โลหิตสูงในตำบลบ้านคลอง อำเภอเมือง จังหวัดพิษณุโลก. ปริญญานิพนธ์ สาขาวิชา
ภูมศิ าสตร์ มหาวทิ ยาลัยนเรศวร. [สบื คน้ วันท่ี 5 สิงหาคม 2562]. จาก
www.agi.nu.ac.th/nred/Document/is-PDF/2558/geo_2558_016_FullPaper.pdf

99

วรางค์ น้อยสขุ เสริม. (2559). [บทคัดย่อออนไลน์]. การเฝ้าระวงั โรคไขเ้ ลือดออกในพื้นท่เี ขต
กรุงเทพมหานครด้วยระบบสารสนเทศภูมศิ าสตร์. วิทยานิพนธ์ปรญิ ญามหาบณั ฑิต
ภาควิชาการจดั การส่ิงแวดล้อม คณะพฒั นาสังคมและส่ิงแวดล้อม สถาบันบณั ฑติ พฒั นา
บรกิ ารสาสตร์. [สบื ค้นวนั ท่ี 14 สิงหาคม 2562]. จาก www.bangkok.go.th/upload/
user/00000112/News/report/native/study/blood.pdf

วราภรณ์ นยิ มคา้ . (2554). [บทคัดยอ่ ออนไลน์]. โครงการแผนท่สี ขุ ภาพในการตดิ ตามผู้ป่วย
ความดันโลหิตสูงของโรงพยาบาลโรงเรียนนายร้อยพระจุลจอมเกล้า. วิทยานิพนธ์ปรญิ ญา
มหาบัณฑิต ภาควิชาการจัดการส่ิงแวดล้อม คณะพัฒนาสังคมและส่ิงแวดล้อม สภาบัน
บณั ฑติ พฒั นาบรกิ ารศาสตร์. [สบื คน้ วันท่ี 24 สิงหาคม 2562]. จาก
library1.nida.ac.th/termpaper6.pdf

สรญา แก้วพทิ ลู ย.์ (2554). [บทคัดยอ่ ออนไลน์]. การศึกษาปัจจัยทม่ี ผี ลต่อการเกิดโรคมาลาเรยี ใน
จงั หวัดสรุ ินทร์. ดุษฎีนพิ นธ์การศึกษาดษุ ฎบี ัณฑติ สาขาวชิ าเวชศาสตรค์ รอบครัวและเวช
ศาสตร์ชุมชนมหาวทิ ยาลยั เทคโนโลยีสุรนารี. [สบื ค้นวันที่ 24 สงิ หาคม 2562]. จาก
sutir.sut.ac.th:8080/sutir/bitstream/123456789/5870/2/Fulltext.pdf

สรางสุดา คงมง้ั . (2553). [บทคัดย่อออนไลน์]. การประยุกต์ใชร้ ะบบสารสนเทศภมู ิศาสตร์ เพ่อื การ
เฝา้ ระวงั ทางระบาดวิทยา. วิทยานิพนธ์ปรญิ ญามหาบณั ฑิต คณะวิทยาศาสตร์
มหาวทิ ยาลยั ขอนแก่น. [สืบค้นวันท่ี 24 สงิ หาคม 2562]. จาก
https://gecnet.kku.ac.th/research/n_journal .pdf

สรุ ัติ เกินในมงคล. (2553). [บทคัดยอ่ ออนไลน์]. แผนที่ทางระบาดด้วยกเู กิล้ แมปส์. วทิ ยานิพนธ์
ปริญญามหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ บัณฑิตวิทยาลัย มหาวิทยาลัย
เทคโนโลยีมหานคร. [สืบค้นวันท่ี 22 สิงหาคม 2562]. จาก
https://www.msit.mut.ac.th/thesis/ Thesis_2553/025%20โปรแกรมแสดงแผนที่
ทางระบาดวทิ ยาด้วยกเู กล้ิ แมปส์.pdf

สิริพร กลมธรรม. (2552). [ออนไลน์]. ระบบสารสนเทศภมู ิศาสตรเ์ บ้ืองตน้ . [สบื คน้ เมอื่ วันที่ 22
สงิ หาคม 2562]. จาก https://www.dit.go.th

100

สมบัติ อยู่เมือง. (2558). [บทคัดย่อออนไลน์]. การออกแบบและพัฒนารูปแบบในการ สนับสนุน
การบริหาร และการตัดสินใจในการควบคุมป้องกัน และเฝ้าระวังการเกิดโรคอุบัติใหม่หรือ
โรคอุบัติซ้ำ. วิทยานิพนธ์ปริญญามหาบัณฑิต ภาควิชาธรณีวิทยา คณะวิทยาศาสตร์
จฬุ าลงกรณ์มหาวิทยาลัย. [สบื ค้นวนั ที่ 24 สิงหาคม 2562]. จาก
https://www.gisthai.org/research/bird_flu.html

อาจนิ ต์ สงทบั . (2548). [ออนไลน์]. เอกสารการสอนระบาดวทิ ยา. [สบื ค้นเมอ่ื วันท่ี 24 สงิ หาคม
2562]. จาก https://www.dent.cmu.ac.th/web/backend/web
/uploads/files/5c6cff9bafce1.pdf

Data Visualization Systems(DVS). (2558). (ออนไลน์). [สืบค้นเมื่อวันท่ี 26 สิงหาคม 2562].
จาก http://560101040008.blogspot.com

Power BI Desktop. (2561) . (ออนไลน์). [สบื ค้นเมอ่ื วันท่ี 2 กันยายน 2562]. จาก http://
www.thungyai2you.com/index.php/2018-06-21-21-15-12/8-webmaster/294-
powerbi

4 เครอ่ื งมือทจ่ี ะช่วยใหค้ ุณเรม่ิ ตน้ ทำ Data Visualization อย่างงา่ ย. (2562). (ออนไลน์). [สบื คน้

เมอ่ื วนั ท่ี 2 กนั ยายน 2562]. จาก https://blog.skooldio.com

ภาคผนวก ก
การจัดทำแผนท่ีแสดงระดบั จำนวนผ้ปู ว่ ย จากการใช้ขอ้ มูล Shape File และ Google Map

102
แผนท่ีแสดงระดบั จำนวนผู้ปว่ ยโรคไขเ้ ลอื ดออกในระดับหมู่บ้านของแต่ละตำบลในปี พ.ศ. 2555

ในการเลือกแผนท่ีแสดงระดับจำนวนผู้ป่วยในปี พ.ศ. 2555 เน่ืองจากในปี พ.ศ. 2555
มีจำนวนผู้ป่วยโรคไข้เลือดออกเป็นจำนวนมากรองมาจากข้อมูลผู้ป่วยโรคไข้เลือดออกในปี
พ.ศ. 2558 ซึ่งแผนที่แสดงระดับจำนวนผู้ป่วยโรคไข้เลือดออกในปี พ.ศ. 2558 ได้แสดงไว้ในบทท่ี 4
โดยจำนวนผู้ป่วยโรคไข้เลือดออกปี พ.ศ. 2555 อยู่ท่ี 1,152 คน และปี พ.ศ. 2558 มีจำนวนผู้ป่วย
โรคไข้เลือดออก อยู่ที่ 1,492 คน ดังน้ันแผนที่แสดงระดับจำนวนผู้ป่วยโรคไข้เลือดออกในระดับ
หมู่บา้ นของแต่ละตำบลในแตล่ ะเดอื นของปี พ.ศ. 2555 แสดงไดด้ งั ภาพตอ่ ไปนี้

แผนที่แสดงระดับจำนวนผปู้ ่วยโรคไข้เลอื ดออกประจำเดือนมกราคม ปี พ.ศ. 2555

103
แผนท่ีแสดงระดบั จำนวนผปู้ ่วยโรคไข้เลือดออกประจำเดือนกมุ ภาพนั ธ์ ปี พ.ศ. 2555
แผนที่แสดงระดบั จำนวนผปู้ ว่ ยโรคไขเ้ ลือดออกประจำเดือนมีนาคม ปี พ.ศ. 2555

104
แผนทีแ่ สดงระดับจำนวนผ้ปู ว่ ยโรคไข้เลอื ดออกประจำเดือนเมษายน ปี พ.ศ. 2555
แผนทแ่ี สดงระดับจำนวนผูป้ ่วยโรคไขเ้ ลอื ดออกประจำเดือนพฤษภาคม ปี พ.ศ. 2555

105
แผนที่แสดงระดับจำนวนผู้ป่วยโรคไขเ้ ลือดออกประจำเดือนมิถุนายน ปี พ.ศ. 2555
แผนที่แสดงระดบั จำนวนผู้ป่วยโรคไข้เลอื ดออกประจำเดือนกรกฎาคม ปี พ.ศ. 2555

106
แผนที่แสดงระดบั จำนวนผูป้ ่วยโรคไขเ้ ลือดออกประจำเดือนสิงหาคม ปี พ.ศ. 2555
แผนท่ีแสดงระดบั จำนวนผู้ป่วยโรคไขเ้ ลอื ดออกประจำเดือนกนั ยายน ปี พ.ศ. 2555

107
แผนท่แี สดงระดบั จำนวนผู้ปว่ ยโรคไขเ้ ลอื ดออกประจำเดือนตุลาคม ปี พ.ศ. 2555
แผนท่ีแสดงระดับจำนวนผปู้ ่วยโรคไข้เลอื ดออกประจำเดือนพฤศจิกายน ปี พ.ศ. 2555

108
แผนท่แี สดงระดับจำนวนผปู้ ่วยโรคไขเ้ ลอื ดออกประจำเดือนธนั วาคม ปี พ.ศ. 2555

ภาคผนวก ข

กราฟการพยากรณ์จำนวนผูป้ ่วยโรคไขเ้ ลอื ดออกโดยวิธกี ารปรบั เรยี บแบบเอกซ์โพเนนเชียล
(Exponential Smoothing)

110

การใช้ข้อมูลย้อนหลัง 5 ปี คือปี พ.ศ. 2555-2559 ในการทำการพยากรณ์จำนวนผู้ป่วย
โรคไข้เลือดออกในปี พ.ศ. 2560

กราฟพยากรณต์ ำบลน้ำคอก กราฟพยากรณ์ตำบลเนินพระ

กราฟพยากรณ์ตำบลนาตาขวญั กราฟพยากรณต์ ำบลเพ

กราฟพยากรณต์ ำบลบา้ นแลง กราฟพยากรณต์ ำบลเชิงเนิน

111

กราฟพยากรณ์ตำบลกะเฉด กราฟพยากรณต์ ำบลแกลง

กราฟพยากรณต์ ำบลสำนกั ทอง กราฟพยากรณ์ตำบลทับมา

กราฟพยากรณ์ตำบลตะพง กราฟพยากรณ์ตำบลท่าประดู่

กราฟพยากรณต์ ำบลปากน้ำ

112

การใช้ข้อมูลย้อนหลัง 10 ปี คือปี พ.ศ. 2550-2559 ในการทำการพยากรณ์จำนวนผู้ป่วย
โรคไข้เลือดออกในปี พ.ศ. 2560

กราฟพยากรณต์ ำบลน้ำคอก กราฟพยากรณ์ตำบลเนนิ พระ

กราฟพยากรณ์ตำบลนาตาขวัญ กราฟพยากรณ์ตำบลเพ

กราฟพยากรณ์ตำบลบา้ นแลง กราฟพยากรณ์ตำบลเชิงเนิน

113

กราฟพยากรณ์ตำบลกะเฉด กราฟพยากรณต์ ำบลแกลง

กราฟพยากรณต์ ำบลสำนกั ทอง กราฟพยากรณ์ตำบลทับมา

กราฟพยากรณ์ตำบลตะพง กราฟพยากรณ์ตำบลทา่ ประดู่

กราฟพยากรณต์ ำบลปากน้ำ

ภาคผนวก ค
กราฟการพยากรณ์จำนวนผปู้ ่วยโรคไขเ้ ลอื ดออกโดยวธิ ี Seasonal ARIMA (SARIMA)

115

การใช้ข้อมูลย้อนหลัง 5 ปี คือปี พ.ศ. 2555-2559 ในการทำการพยากรณ์จำนวนผู้ป่วย
โรคไข้เลอื ดออกในปี พ.ศ. 2560

กราฟพยากรณต์ ำบลนาตาขวัญ กราฟพยากรณ์ตำบลน้ำคอก

กราฟพยากรณ์ตำบลเชิงเนิน กราฟพยากรณ์ตำบลเกะเฉด

กราฟพยากรณต์ ำบลบา้ นแลง กราฟพยากรณ์ตำบลแกลง

116

กราฟพยากรณ์ตำบลปากน้ำ กราฟพยากรณต์ ำบลเนินพระ

กราฟพยากรณ์ตำบลเพ กราฟพยากรณ์ตำบลตะพง

กราฟพยากรณ์ตำบลสำนักทอง กราฟพยากรณต์ ำบลทับมา

กราฟพยากรณ์ตำบลทา่ ประดู่

117

การใช้ข้อมูลย้อนหลัง 10 ปี คือปี พ.ศ. 2550-2559 ในการทำการพยากรณ์จำนวนผู้ป่วย
โรคไขเ้ ลือดออกในปี พ.ศ. 2560

กราฟพยากรณ์ตำบลบ้านแลง กราฟพยากรณต์ ำบลนำ้ คอก

กราฟพยากรณต์ ำบลเนินพระ กราฟพยากรณ์ตำบลสำนักทอง

กราฟพยากรณ์ตำบลทบั มา กราฟพยากรณ์ตำบลท่าประดู่

118

กราฟพยากรณ์ตำบลเชงิ เนนิ กราฟพยากรณต์ ำบลกะเฉด

กราฟพยากรณ์ตำบลแกลง กราฟพยากรณ์ตำบลนาตาขวญั

กราฟพยากรณต์ ำบลปากน้ำ กราฟพยากรณต์ ำบลตะพง

กราฟพยากรณต์ ำบลเพ

ภาคผนวก ง
การตรวจสอบหาคา่ ความคลาดเคล่ือนของการพยากรณ์

120
การหาค่า MAD MSE MAPE จากการใช้ข้อมูลย้อนหลัง 5 ปี คือปี พ.ศ. 2555-2559
ในการทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกในปี พ.ศ. 2560 โดยวิธีการปรับเรียบแบบ
เอกซ์โพเนนเชียล (Exponential Smoothing) แสดงค่าจากการคำนวณและประเมินค่า MAPE
ทยี่ อมรับไดด้ ังตอ่ ไปนี้

ค่าพยากรณ์ผูป้ ว่ ยเทยี บกบั คา่ จรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลกะเฉด

ค่าพยากรณผ์ ปู้ ว่ ยเทยี บกับค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลแกลง

121
ค่าพยากรณผ์ ปู้ ว่ ยเทยี บกบั ค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลเชิงเนิน
คา่ พยากรณ์ผู้ป่วยเทยี บกบั ค่าจริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลตะพง
ค่าพยากรณผ์ ปู้ ่วยเทียบกับคา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลทับมา

122
ค่าพยากรณผ์ ปู้ ว่ ยเทียบกบั ค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลท่าประดู่
ค่าพยากรณ์ผปู้ ว่ ยเทียบกับคา่ จริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลนาตาขวัญ
ค่าพยากรณผ์ ้ปู ่วยเทยี บกับค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลน้ำคอก

123
คา่ พยากรณ์ผูป้ ว่ ยเทยี บกบั ค่าจรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลเนินพระ
ค่าพยากรณผ์ ู้ปว่ ยเทียบกับคา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลบ้านแลง
คา่ พยากรณผ์ ู้ปว่ ยเทียบกบั ค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลปากน้ำ

124

ค่าพยากรณ์ผปู้ ่วยเทียบกบั ค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลเพ

คา่ พยากรณ์ผปู้ ว่ ยเทยี บกบั ค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลสำนักทอง
หลังจากได้ค่าพยากรณ์โดยวิธีการปรับเรียบแบบเอกซ์โพเนนเชียลจากการใช้ข้อมูลย้อนหลัง

5 ปี แล้วทำการเปรียบเทียบคา่ จรงิ กับค่าพยากรณ์ เพ่อื หาค่า MAD MSE MAPE แลว้ จากนนั้ ก็ทำการ
ประเมินคา่ MAPE ทีย่ อมรับได้ ซง่ึ สามารถสรุปไดด้ ังต่อไปนี้

125

การประเมินเปอรเ์ ซน็ ต์ความผิดพลาด MAPE ที่ยอมรับได้
จากการหาค่าความคลาดเคลื่อนของการพยากรณเ์ ทยี บกับคา่ จริง

จากการใชข้ ้อมูลย้อนหลัง 5 ปี คือ ปี พ.ศ. 2555-2559
การหาค่า MAD MSE MAPE จากการใช้ข้อมูลย้อนหลัง 10 ปี คือปี พ.ศ. 2550-2559
ในการทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกในปี พ.ศ. 2560 โดยวิธีการปรับเรียบแบบ
เอกซ์โพเนนเชียล (Exponential Smoothing) แสดงค่าจากการคำนวณและประเมินค่า MAPE
ทีย่ อมรับไดด้ ังตอ่ ไปนี้

ค่าพยากรณ์ผ้ปู ว่ ยเทยี บกบั คา่ จรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลกะเฉด

126
ค่าพยากรณ์ผ้ปู ว่ ยเทยี บกับค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลแกลง
ค่าพยากรณ์ผู้ป่วยเทยี บกับคา่ จริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลเชิงเนิน
คา่ พยากรณผ์ ูป้ ว่ ยเทยี บกบั คา่ จริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลตะพง

127
ค่าพยากรณ์ผู้ปว่ ยเทียบกับค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลทับมา
ค่าพยากรณผ์ ้ปู ่วยเทียบกับคา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลท่าประดู่
คา่ พยากรณผ์ ู้ปว่ ยเทียบกับค่าจรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลนาตาขวัญ

128
ค่าพยากรณผ์ ู้ป่วยเทยี บกับค่าจรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลน้ำคอก
คา่ พยากรณผ์ ปู้ ว่ ยเทยี บกับค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลเนินพระ
คา่ พยากรณผ์ ู้ป่วยเทียบกบั คา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลบ้านแลง

129
คา่ พยากรณ์ผู้ป่วยเทียบกบั คา่ จรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลปากน้ำ

ค่าพยากรณผ์ ปู้ ว่ ยเทยี บกับค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลเพ
ค่าพยากรณ์ผปู้ ่วยเทยี บกบั ค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลสำนกั ทอง

130
หลังจากได้ค่าพยากรณ์โดยวิธีการปรับเรียบแบบเอกซ์โพเนนเชียล จากการใช้ข้อมูลย้อนหลัง
10 ปี แล้วทำการเปรียบเทียบค่าจริงกับค่าพยากรณ์ เพ่ือหาค่า MAD MSE MAPE แล้วจากนั้นก็ทำ
การประเมินคา่ MAPE ท่ยี อมรบั ได้ ซง่ึ สามารถสรปุ ได้ดังตอ่ ไปน้ี

การประเมนิ เปอร์เซน็ ตค์ วามผิดพลาด MAPE ที่ยอมรับได้
จากการหาคา่ ความคลาดเคลื่อนของการพยากรณ์เทียบกบั ค่าจริง

จากการใชข้ ้อมูลย้อนหลงั 10 ปี คอื ปี พ.ศ. 2550-2559

131
การหาค่า MAD MSE MAPE จากการใช้ข้อมูลย้อนหลัง 5 ปี คือปี พ.ศ. 2555-2559
ในการทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกในปี พ.ศ. 2560 โดยวิธี Seasonal ARIMA
(SARIMA) สามารถแสดงคา่ จากการคำนวณและประเมนิ คา่ MAPE ท่ยี อมรับไดด้ งั ตอ่ ไปน้ี

คา่ พยากรณผ์ ู้ปว่ ยเทียบกับค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลกะเฉด

ค่าพยากรณผ์ ู้ป่วยเทียบกับค่าจรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลแกลง

132
ค่าพยากรณผ์ ปู้ ว่ ยเทยี บกบั ค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลเชิงเนิน
คา่ พยากรณ์ผู้ป่วยเทยี บกบั ค่าจริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลตะพง
ค่าพยากรณผ์ ปู้ ่วยเทียบกับคา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลทับมา

133
ค่าพยากรณผ์ ปู้ ว่ ยเทียบกบั ค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลท่าประดู่
ค่าพยากรณ์ผปู้ ว่ ยเทียบกับคา่ จริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลนาตาขวัญ
ค่าพยากรณผ์ ้ปู ่วยเทยี บกับค่าจรงิ ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลน้ำคอก

134
คา่ พยากรณ์ผูป้ ว่ ยเทยี บกบั ค่าจรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลเนินพระ
ค่าพยากรณผ์ ู้ปว่ ยเทียบกับคา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลบ้านแลง
คา่ พยากรณผ์ ู้ปว่ ยเทียบกบั ค่าจริง ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลปากน้ำ

135

ค่าพยากรณ์ผูป้ ่วยเทียบกับคา่ จริง ปี พ.ศ. 2560 และค่า MAD MSE MAPE ของตำบลเพ

ค่าพยากรณผ์ ู้ปว่ ยเทียบกบั ค่าจรงิ ปี พ.ศ. 2560 และคา่ MAD MSE MAPE ของตำบลสำนกั ทอง
หลังจากได้ค่าพยากรณ์โดยวิธี Seasonal ARIMA (SARIMA) จากการใช้ข้อมูลย้อนหลัง 5 ปี

แล้วทำการเปรียบเทียบค่าจริงกับค่าพยากรณ์ เพ่ือหาค่า MAD MSE MAPE แล้วจากน้ันก็ทำการ
ประเมนิ คา่ MAPE ทีย่ อมรับได้ ซึง่ สามารถสรุปได้ดงั ต่อไปน้ี