Map Based Data Visualization Report

36

4) Preventive Measures ต้องทบทวนดูว่ามีมาตรการในการป้องกันในระดับไหนบ้าง
และประสิทธิผลหรือความสามารถของมาตรการนั้นในการลดการติดเชื้อหรือการป่วยลงไปทางการ
ทดลองหรือทดสอบ (Efficacy) เป็นอย่างไร หากนำมาใช้จรงิ นา่ จะมีประสิทธภิ าพจริงเทา่ ใด

5) Disease Control Program คือระบบการนำมาตรการการควบคุมโรคที่เหมาะสมลง
ดำเนินการให้ครอบคลุมในกลุ่มชุมชน หรือกลุ่มประชากรเป้าหมายอย่างรวดเร็วทันเวลา
มีประสิทธภิ าพ ควรจะต้องบรหิ ารจัดการอย่างไร

6) Program Evaluation คอื การติดตามประเมินผลวา่ ผลการดำเนินงานได้ผลหรือไม่ ซึ่งหาก
ไดผ้ ลจรงิ ขนาดปัญหาย่อมลดลงไปเร่อื ย ๆ หากไม่ได้ผลกจ็ ะไดม้ กี ารปรับเปลย่ี น

2.3.5 ระบาดวิทยาทำอะไรไดบ้ ้าง
1) แสดงผลกระทบของโรคในกลุ่มประชากร
2) คน้ หาการเปล่ียนแปลงของโรคท่เี กิดขน้ึ ในกลมุ่ ประชากร
3) วัดความสัมพันธ์ของการเกิดโรคกับการไดร้ ับหรอื สัมผัสสิ่งก่อโรค
4) ประเมนิ ประสทิ ธภิ าพของการดำเนนิ งานสาธารณสุข และการรักษาพยาบาล
ความสามารถขา้ งต้นของระบาดวิทยา การมคี วามรูท้ างระบาดวิทยาจะสามารถนำมาใช้ในการ
แสดงผลกระทบทางด้านสุขภาพไดต้ ามสมควร แต่อย่างไรกต็ ามระบาดวิทยาไม่ใช่การบอกสาเหตุหรือ
วินิจฉัยโรครายบุคคล ไม่สามารถใชก้ ารศึกษาคร้ังเดยี วเพือ่ พิสูจนว์ า่ การสัมผัสสิ่งก่อโรคใดเป็นสาเหตุ
ของการเจบ็ ปว่ ย

2.4 Data Visualization Systems (DVS)
Visualization คือ การจินตนาการ หรือสรา้ งภาพขนึ้ ในความคดิ ซึ่งเป็นกระบวนการทำให้เกิด

ความรู้ความเข้าใจสำหรับเรื่องที่จินตนาการยากเข้าใจยากวิธีการที่เป็นทางลัดก็ คือการสร้างภาพให้
เป็นบันไดความคิดไปสู่การใช้ความคิดอีกระดับ บันไดนี้จะช่วยตัดปริมาณข้อมูลช่วยลดภาระการ
คำนวณ หรือการนำไปผ่านหลากหลายกระบวนการความคิด เพื่อนำไปสู่คำตอบที่ต้องการได้โดยเร็ว
และถูกต้อง

Visualization System คือระบบซึ่งประกอบด้วยกระบวนการที่ออกแบบมาเพื่อสร้าง รักษา
นำไปใช้ และปรับปรุงทัศนสนเทศเพื่อทำให้เกิดความรู้ความเข้าใจ อย่างถูกต้อง รวดเร็ว และได้ผล
เปน็ อยา่ งสูง

37

2.4.1 Visualization
เมื่อกล่าวถึงเทคโนโลยี Virtualization Technology ซึ่งปัจจุบันเริ่มเป็นที่รู้จักกันอย่าง
แพร่หลายนั้น ไม่ได้เป็นเทคโนโลยีใหม่เลย โดยในอดีตนั้น มีการใช้งานบนระบบขนาดใหญ่อยู่แล้ว
แต่เมือ่ มีผู้นำมาใช้งานบนระบบท่มี ีขนาดเล็กลง กเ็ รม่ิ มีการใช้งานอยา่ งแพร่หลายมากขนึ้ หลายบริษัท
ต่างพัฒนาผลิตภัณฑ์ของตัวเองออกมาแข่งขันกันในตลาด ที่มีชื่อเสียงมากก็คือ VMWare อีกตัวท่ี
พอจะรู้จักก็คือ Virtual PC ซึ่งไมโครซอฟต์ได้นำไปพัฒนาต่อจนกลายเป็น Hyper V และอีกค่าย
ได้แก่ Citrix ซึ่งการทำงานหลักโดยรวมของแต่ผลิตภัณฑ์ก็คือ สามารถจำลองการทำงานของ
คอมพิวเตอร์ขึ้นมาหลาย ๆ เครื่อง โดยไม่ได้จำลองเฉพาะซีพียูเท่านั้น ทำการรันระบบปฏิบัติการ
หลายระบบได้พร้อมกนั บนเคร่อื งจริง ๆ เพยี งเครือ่ งเดียว แสดงดังภาพท่ี 2-18

ภาพที่ 2-18 Virtualization Technology
(ทีม่ า : http://www.zplus.co.th/virtualization.htm)

Virtualization Technology หากแปลความหมายตรงตัวให้เข้าใจง่าย ๆ ก็คือ เทคโนโลยีที่
ชว่ ยใหส้ ามารถใช้ Resource เชน่ ซพี ียู หนว่ ยความจำ ฮาร์ดดิสก์ เปน็ ตน้ ของคอมพวิ เตอร์ 1 เคร่ือง
หรือมากกว่านั้น ให้สามารถรันซอฟต์แวร์ หรือ Application ในปริมาณมาก ๆ หรือแม้แต่รัน
ระบบปฏิบัติการหลาย ๆ ตัว ให้สามารถทำงานพร้อมกันหลายๆ อย่างได้ ถึงแม้ว่าจะต่าง Platform
กต็ าม

2.4.2 Virtualization Technology มีประโยชน์ ดงั นี้
1) ทำให้ใช้งาน Hardware ไดอ้ ย่างคุม้ ค่าเตม็ ประสทิ ธิภาพ

38

2) ลดค่าใชจ้ า่ ยในการดำเนินการตา่ ง ๆ เชน่ ค่าไฟ คา่ ดูแลรกั ษา ช้ินสว่ นอุปกรณ์หรืออุปกรณ์
ที่ไม่จำเป็นต้องซื้อเพิม่

3) การลดค่าใช้จ่าย และซอฟต์แวร์มีใช้งาน Resource ร่วมกัน ทำให้คุ้มค่ากับการลงทุน
รวมท้งั การบำรงุ รักษา และการบรกิ ารงานซอ่ ม ซง่ึ สามารถทำได้งา่ ย และรวดเรว็ ข้นึ

2.4.3 สามารถแบง่ ประเภท Virtualization ไดด้ ังต่อไปนี้
1) Application Virtualization เป็นเทคโนโลยีที่เริ่มคิดค้นโดย Citrix Systems Inc. ซึ่งเป็น
ผู้นำตลาดด้าน Application Virtualization และเป็นผู้คิดค้น Terminal Server ให้กับ Microsoft
จนเกิดเป็น Microsoft Terminal Server บน Windows Server2000, 2003 และ 2008 โดยใช้
Remote Desktop Protocol (RDP) ช่วยในการส่งหน้าจอการทำงานจากระยะไกล จาก Windows
Server ไปยัง Wyse Thin Client ซึ่งทำหน้าที่เพียงรับหน้าจอ และส่งการกดปุ่มคีย์บอร์ดและเมาส์
กลับไปเท่านั้น การประมวลผลการทำงานทำที่ Server ทั้งหมด ดังนั้น Thin Client จึงไม่ต้องการ
ทรพั ยากรมากมาย
2) Desktop Virtualization เป็นเทคโนโลยีที่ช่วยให้สามารถส่งหน้าจอการทำงานของ
Windows XP Pro, Windows Vista ไปยังเครื่องปลายทาง สามารถทำงานเป็นแบบ Desktop
ของแตล่ ะคนแยกออกจากกนั หรือจะเป็น Pool กไ็ ด้ เชน่ กำหนด Pool ไว้ 5 Desktop ใครมาก่อนก็
จะเข้า Desktop แรก เข้ามาลำดับถัดไปก็ได้ Desktop ถัดไป เป็นต้น ปัจจุบันมีผู้นำตลาดด้านนี้อยู่
2 ค่าย คือ VMware VDM ซึ่งใช้ RDP ส่วนค่าย Citrix XenDesktop ใช้ ICA Protocol ซึ่งทั้งคู่
จำเป็นต้องมี Server คือ VMware ESX หรือ Citrix XenServer ซง่ึ ต้องมีระบบปฏบิ ตั ิการ Windows
XP หรือ Windows Vista ไว้ตามจำนวนผูใ้ ช้งานจริง ตามจำนวนทีต่ ้องใช้งาน และมี Broker Server
กลาง ให้เครื่อง Client ปลายทางเรียกเข้ามาใช้งาน เพื่อตรวจสอบผู้ใช้งานก่อน จะส่งให้เครื่อง
Client เข้าไปใช้ Windows XP ต่อไป
3) Server Virtualization เปน็ เทคโนโลยี Server Virtualization หรอื การทำรวมศูนย์เครื่อง
แม่ข่าย โดยการรวมเอา Server ที่มีอยู่ทั้งหมดเข้ามาอยู่กลายเป็น Server ขนาดใหญ่ยักษ์เพียงตัว
เดียว แทนที่จะปล่อยแต่ละ Server ซึ่งมีขนาดเล็ก แยกกันอยู่ การนำเทคโนโลยี Virtualization
มาช่วยรวม Server เข้าด้วยกัน สามารถร่วมใช้งานทรัพยากร เช่น CPU, Memory, Hard Disk
และอื่น ๆ บนเครื่องคอมพิวเตอร์แม่ข่ายให้สามารถรันระบบปฏิบัติการหลาย ๆ ตัว ได้พร้อมกัน
หลายๆ อย่าง ทำให้มีการใช้งานอุปกรณ์ต่าง ๆ ร่วมกัน มีผลทำให้ค่าใช้จ่ายลดลง ช่วยลดจำนวน
เครื่องฮาร์ดแวร์ได้อย่างมาก ยังทำให้มีความซับซ้อนน้อยลง รวมไปถึงสามารถดูข้อมูลและบริหาร

39

จดั การ Server ทัง้ หมดไดใ้ นหน้าจอเดียว ผูน้ ำตลาดดา้ น Server Virtualization เชน่ VMware ESX,
Citrix XenServer และ Microsoft Hyper-V ดงั ภาพที่ 2-19

ภาพท่ี 2-19 ประเภทของ Virtualization
(ท่มี า : http://www.zplus.co.th/virtualization.htm)

2.4.4 Virtualization มีประโยชน์ ดังนี้
1) ลดต้นทุนในการซื้อ Server เพียงตัวเดียวแต่สามารถลงได้หลายระบบปฏิบัติการ (OS)
เช่น ลง Windows Server, Unix, Linux, Ubuntu, Free DBS หรอื Solaris
2) รองรบั การเชอ่ื มต่อเข้าจากเครื่อง Thin Client ไดจ้ ากทกุ ทท่ี กุ เวลา ง่ายต่อการจัดการดูแล
ระบบ
3) งา่ ยตอ่ การโอนยา้ ยระบบ กรณเี ปล่ียน Server การดูแลรักษาเซริ ฟ์ เวอรไ์ ดง้ ่าย
4) เพม่ิ ประสทิ ธิภาพการทำงานของระบบโดยรวม
5) ตอบสนองทางธรุ กิจไดอ้ ย่างเต็มประสิทธิภาพ
6) เมื่อลดจำนวนเครื่องเซิร์ฟเวอร์ลงได้ ก็ประหยัดพลังงานและลดค่าใช้จ่าย บางองค์กรมี
เซริ ์ฟเวอร์ และเคร่ือง Client อยู่เปน็ จำนวนมาก ซง่ึ ลงระบบปฏบิ ตั ิการได้เพยี งตวั เดียว ก็ลดให้เหลือ
น้อยที่สุด เพื่อลดต้นทุนค่าไฟฟ้า และค่าใช้จ่ายในด้านบุคลากร เพราะเป็นระบบที่ง่ายต่อการดูแล
ระบบ ไม่ตอ้ งใช้คนมากนัก
7) แบ่งทรพั ยากรทางดา้ นเครือข่ายเพ่ือใหส้ ามารถใชท้ รัพยากรร่วมกันได้อย่างมปี ระสิทธภิ าพ
2.4.5 องค์กรทเี่ หมาะสำหรับการนำเทคโนโลยี Server Virtualization มาใชง้ าน
1) องค์กร หรือหน่วยงานที่มีจำนวนเซิร์ฟเวอร์และเครื่อง Client อยู่จำนวนมาก การใช้
เทคโนโลยี Virtual Machine เป็นการลดจำนวนเซิร์ฟเวอร์ในองค์กรลงได้มาก ประหยัดงบประมาณ

40

ด้านบำรุงรักษา ด้านบุคลากร สามารถจัดการได้ง่ายขึ้นและเป็นการรวมเซิร์ฟเวอร์ ( Server
Consolidation) ในองค์กรใหเ้ หลอื นอ้ ยลงเป็นหนทางทด่ี ีที่สดุ

2) หน่วยงานที่มผี ใู้ ชง้ านซอฟแวรห์ ลาย ๆ ลักษณะงาน ต้องใชร้ ะบบปฏบิ ัตกิ ารต่างระบบกนั
3) บริษัทที่รับพัฒนาซอฟแวร์ เพราะจะช่วยในเรื่องของการทดสอบระบบจะทำได้ง่ายขึ้น
ยิ่งต้องทดสอบบนระบบปฏิบัติการ (OS) ที่แตกต่างกันยิ่งใช้ประโยชน์ของการทำ Server
Virtualization ได้มากขน้ึ
4) หนว่ ยงานการศึกษา เพราะมนี ักศกึ ษาและบุคลากรอยู่เป็นจำนวนมาก
5) หน่วยงานทั่วไปที่ต้องการประหยัดค่าใช้จ่ายในด้านซอฟแวร์และฮาร์ดแวร์ ค่าไฟฟ้า
และช่วยประหยดั พน้ื ท่ี
2.4.6 ประโยชน์ Data Visualization Systems
Data Visualization เป็นสิ่งหนึ่งถูกนำมาใช้แสดงแทนคำพูด เป็นการใช้ภาพเพื่อแสดงข้อมูล
ในเชิงปริมาณที่วัดได้ ไม่ว่าจะเป็นตัวเลข แผนภูมิ กราฟ และอื่น ๆ อีกมากมาย คำว่า Data
คือ ข้อมูล ส่วน Visualization คือ การมองเห็น เมื่อนำมารวมกันแล้วหมายถึง ข้อมูลที่มองเห็นได้
ด้วยตานั่นเอง มาดูการอธิบายถึงส่วนผสมของแอลกอฮอล์กับเครื่องดื่มแต่ละชนิด ในรูปแบบ
ตารางธาตุ ดงั แสดงในภาพท่ี 2-20

ภาพที่ 2-20 สว่ นประสมของแอลกอฮอลใ์ นเครอ่ื งดมื่ ตา่ ง ๆ
(ที่มา : http://www.motioninfostudio.com-data-visua/)

41
มีการใช้สีเพื่อบอกชนิด ระบุตัวเลขเป็นเปอร์เซ็นต์เพื่อแสดงปริมาณแอลกอฮอล์ พร้อมรูป
ของเครื่องด่ืมแตล่ ะชนดิ ท่มี สี ีสนั สวยงามประกอบด้วย ถา้ เราลองเขยี นสิง่ ที่รปู นี้อธิบายเปน็ ตัวหนังสือ
มนั จะดนู า่ เบ่ือ และทำใหร้ ู้สึกเหมอื นกำลงั น่งั อา่ นหนังสอื สอบกนั เลยทีเดยี ว
ประโยชน์ของ Data Visualization ก็คือทำให้ข้อมูลในเชิงปริมาณดูน่าสนใจ เข้าใจง่าย
เห็นภาพรวมได้ชัดเจน ง่ายต่อการจดจำ และนิยมนำมาใช้ประกอบในการรายงาน การวิเคราะห์
สรุปผล อยา่ งแพร่หลาย ดงั ภาพที่ 2-21 และ ภาพที่ 2-22

ภาพท่ี 2-21 การวเิ คราะห์ Data Visualization ในรูปแบบกราฟ
(ทม่ี า : http://www.somkiat.cc/data-visualization-2014/)

ภาพท่ี 2-22 การวิเคราะห์ Data Visualization ในรูปแบบแผนภูมิแทง่
(ท่ีมา : http://www.somkiat.cc/data-visualization-2014/)

42
2.4.7 Data Visualization ในรูปแบบที่น่าสนใจซึ่งการออกแบบของ Project ต่าง ๆ มันขึ้นอยู่
กับการใชง้ าน ขอ้ มลู การออกแบบ และประโยชน์ในการใชง้ าน
1) The Upshot
เป็น Project ที่นำข้อมูลของ New York Times มาแสดงผลในรูปแบบต่าง ๆ ได้อย่าง
น่าสนใจ ตัวอย่างเช่น Where We Came From and Where We Went แสดงข้อมูลการอพยพย้าย
ถิ่นของประชาชน โดยแสดงอยู่ในรูปแบบของ Stack Area Chart ซึ่งแสดงให้เห็นการเปรียบเทียบ
การอพยพได้อยา่ งชดั เจน แสดงดังภาพที่ 2-23

ภาพท่ี 2-23 กราฟแสดงการอพยพย้ายถ่นิ ของประชาชน
(ทีม่ า : http://www.somkiat.cc/data-visualization-2014/)

2) The Most Detailed Maps You’ll see from the Midterm Elections
เป็นแผนที่สำหรับแสดงผลการเลือกตั้งในประเทศสหรัฐอเมริกาโดยแสดงข้อมูลคะแนนของ
การเลอื กตั้งในแต่ละเมืองแสดงข้อมูลตามความหนาแน่นของประชากรแสดงดงั รูปท่ี 2-24

ภาพท่ี 2-24 แผนท่ีแสดงผลการเลอื กต้งั ในสหรัฐอเมริกา
(ที่มา : http://www.somkiat.cc/data-visualization-2014/)

43
3) How the Recession Reshaped the Economy, in 255 Charts
สำหรับการแสดงข้อมูลของงานในแต่ละอุตสาหกรรม ว่ามีแนวโน้มอย่างไรบ้างมีการทำงาน
และ แสดงผลแบบ Interaction ไดอ้ ย่างดีแนวนอนแสดงข้อมลู ตามค่าเฉล่ยี ของเงนิ เดือนแนวตงั้ แสดง
ข้อมูลการเปลี่ยนแปลงต่าง ๆ โดยที่สีเขียว หมายถึง มีการเติบโต ส่วนสีเขียวคือลดลงแสดงดังภาพที่
2-25

ภาพที่ 2-25 การแสดงขอ้ มูลแนวโนม้ ในแต่ละอุตสาหกรรม
(ทมี่ า : http://www.somkiat.cc/data-visualization-2014/)

4) Selfiecity
ทำการแสดงผลขอ้ มลู จากรปู Selfie จากรปู ประมาณ 3200 รปู จาก 5 เมืองหลัก คือ กรุงเทพ
Berlin Moscow New York Sao Paulo โดยนำขอ้ มูล อายุ เพศ อารมณ์ แสดงดงั ภาพที่ 2-26

ภาพท่ี 2-26 การวิเคราะห์ข้อมลู จากรปู ถ่าย
(ท่ีมา : http://www.somkiat.cc/ )

44
5) Floodwatch
คือการ Monitoring และ Tracking โฆษณา Online ทำให้เราเห็นว่า ผู้ใช้งานมีพฤติกรรม
อย่างไร โดยใช้ข้อมูลจากพฤตกิ รรมของผู้ใชง้ าน เชน่ ขนาดของ Banner ของโฆษณา เวลาการเข้ามา
ใชง้ าน Website ทีม่ าของโฆษณา รวมทั้งสามารถนำไปเปรยี บเทียบกบั โฆษณาอื่น ๆ ได้ และสามารถ
กรองข้อมลู ทตี่ ้องการได้ดว้ ยแสดงดงั ภาพท่ี 2-27

ภาพท่ี 2-27 การแสดงขอ้ มูลเปรยี บเทยี บพฤติกรรมผูใ้ ชง้ าน
(ท่ีมา : http://www.somkiat.cc/data-visualization-2014/)

6) Culture History
นักวิจัยนำข้อมูลของคนมาใช้งาน คือ สถานที่เกิด การเดินทาง และสถานที่ตาย มาวาดกราฟ
เพื่อให้เห็นว่าแต่ละคนมีการเคลื่อนไหว และเดินทางอย่างไร แสดงถึงการเดินทางของวัฒนธรรม
ดังภาพที่ 2-28

ภาพท่ี 2-28 กราฟขอ้ มลู แสดงถงึ การเดนิ ทางของวฒั นธรรมตา่ ง ๆ
(ทมี่ า : http://www.somkiat.cc/data-visualization-2014/)

45

7) Visualizing Algorithms
เป็นการนำเสนอข้อมลู ในรปู แบบต่าง ๆ ซึง่ ได้เตรยี ม Process และ Patternสำหรบั การจัดการ
ขอ้ มูลในรปู แบบต่าง ๆ ดว้ ย Algorithm ตา่ ง ๆ ท้งั การเรียงลำดับข้อมูล การเลือกกลุ่มข้อมูลตัวอย่าง
และ การสร้างข้อมูลแบบสุ่ม ผลที่ได้คือ เราได้ทำการเรียนรู้จากข้อมูลที่เรามีอยู่ว่าจะนำมา
ประมวลผลและ แสดงผล ทม่ี ีประโยชน์ได้อยา่ งไร ดงั ภาพที่ 2-29

ภาพที่ 2-29 การนำเสนอรูปแบบข้อมลู แบบสุ่ม
(ทมี่ า : http://www.somkiat.cc/ visualization-2014/)

2.4.8 ตัวอย่างโปรแกรมทใ่ี ช้ใน Data Visualization
2.4.8.1 Microsoft Power BI

Power BI Desktop คือโปรแกรมที่ใช้ช่วย วิเคราะห์ สรุปผลข้อมูลจำนวนไม่จำกัด จากหลาย
ๆ แหล่งข้อมูล ไม่ว่าจะเป็น Excel File, Microsoft Access Database, SQL Server, Oracle
เป็นต้น ได้อย่างรวดเร็ว โดยสามารถแสดงผลได้ทัง้ รูปแบบ ตาราง สรุปผลด้วย Visualization กราฟ
ในรูปแบบต่าง ๆ และยังติดตั้งเพิ่มเติมได้จาก Market Place ที่สำคัญคือ Power BI Desktop
สามารถแสดงผลแบบเป็นแผนที่ได้ โดยสามารถแสดงผลผ่านเว็บไซต์ และอุปกรณ์ Mobile
และ Tablet ได้อีกดว้ ยทำให้ได้ข้อมูลท่ีถกู ต้องและรวดเรว็ พร้อมในการกำหนดกลยทุ ธ์ และตัดสินใจ
ไดอ้ ย่างถูกตอ้ ง และแม่นยำในทางธรุ กจิ

PowerBI Desktop จะมีมุมมองหลัก ๆ ด้วยกัน 3 มุมมอง คือ Report View, Datasheet
View, Relationships View เพาเวอร์ บีไอ เป็นชุดเครื่องมือในการวิเคราะห์ข้อมูลทางธุรกิจ
(Business Analytics Tool) และสร้างรายได้อย่างน่าสนใจ Power BI Dashboard (พาวเวอร์ บีไอ
แดชบอร์ด) โดยจะช่วยให้มมี ุมมองในรอบด้านเพือ่ ใช้ในการตัดสินใจ การสร้างแดชบอร์ดนั้นสามารถ
นำไปเชื่อมกับตัวเชื่อมได้มากกว่า 50 ตัวเชื่อมที่เป็นที่นิยมนำมาเชื่อมกัน และยังมีแดชบอร์ดที่สร้าง
มาแล้วแบบกึ่งสำเร็จรูปที่จะให้ผู้ใช้สามารถสร้างแดชบอร์ดได้อย่างรวดเร็ว สามารถเข้าถึงข้อมูล

46

และรายงานของผู้ใช้ก็ได้จาก Apps Power BI Mobile ทั้งใน Windows, iOS, Android ได้อีกด้วย
ด้วยหลักการของ Design One View Anywhere

2.4.8.1.1 ประโยชนข์ อง Power BI ในทางธุรกจิ
1) นำขอ้ มูลจากหลาย ๆ แหลง่ (Multi Source) มาใชว้ ิเคราะห์รว่ มกนั ได้
2) ทำกระบวนการ ETL (Extract Transform Load) ข้อมูลได้ เพื่อนำข้อมูล Unstructure
มาจัดระเบียบ Shaping, Cleansing
3) สร้างรายงาน Dashboard โดยมี Visualization ได้ในรูปแบบที่เป็น Interactive และยัง
แสดงผลได้หลายรูปแบบ ไมว่ า่ จะเปน็ Web, Apps ซึง่ แสดงผลไดท้ ง้ั บน Desktop, Tablet, Mobile
4) สามารถทำการ Update รายงาน Dashboard เพอ่ื ใหไ้ ด้ขอ้ มลู ท่ที นั สมยั ไดอ้ ยา่ งอัตโนมัติ
Power BI จะยังสามารถนำข้อมูลของทั้งองค์กร ไม่ว่าจะอยู่บน คลาวน์ (Cloud) หรือ On-
Premise โดยใช้ Power BI Gateway ทจี่ ะเช่อื มโยงไปยงั ฐานข้อมลู SQL Server, Analysis Service
หรือแหล่งตา่ ง ๆ ให้มาอยูใ่ น Dashboard เดียวกันใน Power BI และเผยแพร่ไปให้กบั ทุก ๆ อุปกรณ์
หรือนำไปแสดงผลในเวบ็ ไซต์ด้วย Embed Code

2.4.8.1.2 จดุ เด่นของ Power BI
1) สามารถนำข้อมลู มาใช้ และเขา้ ถงึ ได้อยา่ งงา่ ยดาย

Power BI รองรับข้อมูลได้หลายรูปแบบไม่ว่าจะเป็น ฐานข้อมูล (Database) ไฟล์ (File)
และระบบตา่ ง ๆ ได้แก่ SAP HANA, Hadoop, Google Analytics, Facebook เปน็ ตน้

2) ง่ายตอ่ การ Implement
ผู้ใช้งานไม่จำเป็นจะต้องมีความรู้ในเชิงเทคนิคมากเพื่อใช้งานให้ได้ผลลัพธ์ที่ต้องการ

โดยหากองคก์ รใช้ Office 365 แลว้ จะสามารถใช้งาน Power BI ไดเ้ ลย
3) สามารถควบคมุ การเขา้ ถงึ และการรกั ษาความปลอดภัยได้
Power BI สามารถกำหนดการเข้าถึงของข้อมูลในแต่ละระดับให้สามารถเข้าถึงได้

เช่น ฝ่ายวิศวกรรม ไม่จำเป็นต้องเข้าถึงข้อมูลยอดขายสินค้าได้ ฝ่ายขาย ไม่จำเป็นต้องเข้าถึงข้อมูล
เงินเดือนพนักงานได้ แต่สามารถเข้าถึงชื่อพนักงานที่เป็นพนักงานขายได้ เป็นต้น และสามารถสร้าง
Content Pack เพือ่ ท่ีผูใ้ ชง้ านไม่จำเปน็ จะต้องเข้าถงึ ฐานข้อมลู ได้โดยตรง กส็ ามารถทำได้

4) ใช้เวลาในการเรยี นร้ไู ม่มาก
Power BI ถูกออกแบบมาสำหรับผู้ที่ต้องการเอาข้อมูลมาใช้เพื่อแสดงผล โดยมีเครื่องมือ

ตา่ ง ๆ มากมาย ทผ่ี ใู้ ช้งานสามารถใช้เวลาในการเรยี นรู้เคร่อื งมอื ไม่มาก แตจ่ ะสามารถเรม่ิ ใช้งานได้

47
5) เขา้ ถงึ ไดอ้ ย่างง่ายได้

หลังจากออกแบบใน Power BI เรียบร้อย ด้วยหลักการที่เรียกว่า Design Once View
Anyway แล้วสามารถที่จะแชร์ Publish รายงาน Dashboard, Data Source ในรูปแบบต่าง ๆ ไม่
วา่ จะเปน็ เวบ็ ไซต์ หรือผ่าน Apps Power BI ให้กับเพื่อร่วมงาน หวั หน้างานเพื่อสามารถเข้าถึงข้อมูล
ล่าสดุ รายงานล่าสดุ พรอ้ ม ๆ กนั ได้

2.4.8.2 Tableau
ทาโบล์ว (Tableau) Business Intelligence (BI) Software คือซอฟต์แวร์เพื่อการวิเคราะห์
ข้อมูลอันหลากหลายเป็น Software ในระดับต้น ๆ ของโลกที่ทำเรื่อง Data Visualization สามารถ
นำข้อมูลออกมาเป็น Chart แบบต่าง ๆ ได้อย่างง่ายดายรวมถึงการนำหลาย Chart มาสร้างเป็น
Dashboard และ Story Teller ก็ได้เช่นกัน รองรับการเข้าถึงข้อมูลจากหลายฐานข้อมูล
และ สามารถนำข้อมูลจากฐานข้อมูลในองค์กรนั้นมาใช้งาน เช่น Excel, Access, Firebird 2.0, IBM
DB2, MS SQL, Oracle, MySQL เป็นต้น

ภาพที่ 2-30 Tableau (ทมี่ า : http://www.aiteam.co.th/what-is- tableau/)

48

2.4.8.2.1 คณุ สมบัตแิ ละจุดเด่นของซอฟต์แวร์

1) ผู้ใช้มีเครื่องมือที่ใช้วิเคราะห์ข้อมูลได้หลากหลายมิติ ไม่ว่าจะเป็น รูปแบบของ Online
Processing เป็นต้น

2) รูปแบบการใช้งานท่ีง่าย เพียงแค่ทำการคลิกเมาส์ก็สามารถที่จะเปลี่ยนแปลงรายงานได้
ตามความตอ้ งการ

3) รองรบั การเขา้ ถงึ ขอ้ มูลจากหลายฐานข้อมูล และ สามารถนาขอ้ มลู จากฐานข้อมูลในองค์กร
นั้นมาใช้งาน เช่น Excel, Access, Firebird 2.0, IBM DB2, MS SQL Server, Microsoft Power
Pivot เป็นต้น

4) รปู แบบการนาเสนอรายงานทสี่ วยงาม เขา้ ใจง่าย และง่ายในการนำเสนอตอ่ ผู้บริหาร
5) การเขา้ ถึงหรือการใช้งาน สามารถทาได้โดยง่าย ต้งั แต่ผ้บู ริหารระดับสงู ถึง พนักงานระดับ
ปฏิบัติการ ทงั้ น้ที ง้ั น้นั สามารถเพิ่มทักษะและแนวคดิ ให้กับพนักงานระดับปฏิบัติการ ให้มีแนวคิดเชิง
สถิติและการประยุกตใ์ ชง้ านมากขน้ึ
สิ่งที่สำคัญ คือ Engine ของ Tableau Software นั้น พัฒนาจาก VizQL Technology
เป็นเทคโนโลยี ที่ช่วยให้เห็นภาพของข้อมูลขนาดใดก็ได้เพียงการลากและวาง (Drag and Drop)
โดยใช้ข้อมูลจากฐานข้อมูล ตอบสนองในรูปแบบของ กราฟิก ไม่ว่าท่านจะเป็นผู้บริหารระดับสูง
(Top Management) นกั วางแผนกลยุทธ์ (Strategic Planning) นกั ขายมืออาชพี (Sales Manager)
และผู้ที่อยู่ในกลุ่มธุรกิจอุตสาหกรรม กลุ่มธุรกิจนำเข้าและส่งออก หน่วยงานรัฐวิสาหกิจ
หรอื องคภ์ าครฐั รวมถงึ สถานบันการศกึ ษาก็สามารถใช้ ซอฟตแ์ วร์ Tableau

2.4.8.2.2 ผลิตภัณฑ์องTableau
1) Tableau Public เป็นเวอร์ชั่นที่เปิดให้ใช้งานได้โดยไม่มีค่าใช้จ่าย ดังนั้นคุณสมบัติหลาย
อย่างจะถูกลดทอนลงไป เช่น ประเภทของแหล่งข้อมูล หรือข้อมูลที่จะนำมาใช้ในโปรแกรมจะถูก
จำกัดลง และจะมขี ้อจำกดั ในเรอื่ งบันทกึ ไฟล์ทีส่ รา้ งขึน้ จากโปรแกรม คือ ไม่สามารถทีจ่ ะบันทึกไฟล์ไว้
ในเครอ่ื งท่ใี ชง้ านได้ แต่สามารถจะบันทกึ ไฟล์งานไวท้ ี่ Tableau Public Server ได้
2) Tableau Desktop เป็นเวอร์ชั่นที่ต้องชำระเงินในการใช้งาน แต่สามารถที่จะทดลองใช้
งานได้ (Free Trial 14 days) ซึ่งคุณสมบัติต่าง ๆ ของโปรแกรมจะสามรถใช้งานได้เกือบครบทุก
ฟังก์ชัน (ในกรณีที่ทดลองใช้งาน) และสามารถนำแหล่งข้อมูลมาใช้กับโปรแกรมได้อย่างหลากหลาย
และครอบคลุมในการใช้งาน สามารถท่ีจะบันทึกข้อมูลต่าง ๆ ไว้ภายในเครื่องที่ใช้งาน หรือสามารถ
Publish ไว้ใน Tableau Server, Tableau Public Server หรือ Tableau Online และสามารถให้
บุคคลอ่ืน ๆ เปดิ ดไู ด้ผ่าน Tableau Reader ได้

49

3) Tableau Public Server เปน็ เวอร์ชั่นทท่ี าง Tableau จดั เตรียมไวส้ ำหรบั แสดงข้อมูลท่ีได้
จากการ Publish จากโปรแกรม Tableau Public เพื่อให้ผู้ใช้งานคนอื่นสามารถเข้ามาชมข้อมูลใน
Workbooks ที่อพั โหลดข้นึ มา โดยใช้งานผ่านทาง Web Browser

4) Tableau Server เป็นเครอื่ งมือท่ใี ชส้ าหรับจดั เก็บ และจดั การกบั Workbooks และ Data
Source ต่าง ๆ ที่ผู้ใช้งานสร้างขึ้นจากโปรแกรม Tableau Desktop โดยใช้งานผ่าน Web Browser
เช่นเดียวกับ Tableau Public Server นอกจากนี้ยังสามารถจัดการกับผู้ใช้งาน จัดการ Site และตั้ง
ค่าต่าง ๆ ของระบบได้เอง โดยจะต้องนำมาติดตั้งในเครื่อง Server ของหน่วยงานนั้น ๆ เอง และมี
การคิดค่าใบอนญุ าต (License) ดังภาพท่ี 2-31

ภาพที่ 2-31 ผลิตภัณฑ์ของ Tableau
(ทมี่ า : http://hdc.moph.go.th)

2.4.8.3 QlikView
QlikView คือ โปรแกรมการบริหารจัดการที่ถูกออกแบบมาเพื่อช่วยให้การวิเคราะห์ข้อมูลที่
ยุ่งยากซับซ้อนกลายเป็นเรื่องที่ง่ายดาย และช่วยการตัดสินใจของผู้บรหิ ารให้ มีประสิทธิภาพมากขนึ้
พัฒนาโดย QlikTech ซึ่งเกิดจากแนวคิดที่ว่า ระบบธุรกิจอัจฉริยะหรือ BI นั้น ควรพัฒนาขึ้นเพื่อให้
ผู้ใช้สามารถใช้งานได้ง่าย QlikTech จึงได้พัฒนา และคิดค้น ระบบธุรกิจอัจฉริยะของตนเองขึ้น
ภายใต้ชือ่ ซอฟต์แวร์ QlikView ซึ่งปัจจุบัน QlikView ได้รับความไวว้ างใจจากลูกค้ามากกว่า 18,000
บรษิ ัทใน 100 ประเทศทว่ั โลก พรอ้ มกบั ความพงึ พอใจของลูกคา้ มากกวา่ 96 เปอรเ์ ซน็ ต์

2.4.8.3.1 จดุ เดน่ ของ QlikView
QlikView จะแตกต่างจากโปรแกรม BI ประเภท อื่น ๆ ตรงที่สามารถทำการติดต้ัง
ได้อย่างง่ายดาย ใช้งานได้อย่างสะดวก รวมถึงผู้ใช้งานไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านระบบ
หรือมีประสบการณ์ เกี่ยวกับโปรแกรมช่วยบริหารจัดการมาก่อน ด้วยประสิทธิภาพของเทคโนโลยี
Associated Query Logic หรือ AQL ซึ่งถือเป็นนวัตกรรมล่าสุดจาก QlikTech ที่เพิ่งได้รับ

50
การจดลิขสิทธิ์เมื่อไม่นานมา นี้ ก็ทำให้โปรแกรมอัจฉริยะนี้สามารถทำการประมวลผลข้อมูล
จำนวนมากและซับซ้อนได้รวดเร็วกว่าโปรแกรมช่วยบริหารอื่น ๆ เป็นอย่างมาก นอกเหนือจากนี้
โปรแกรมยังโดดเด่นด้วยระบบ Graphical User Interface หรือ GUI ที่ง่ายต่อการใช้งาน โดยผู้ใช้
สามารถบริหารจัดการข้อมูลต่าง ๆ ด้วยการคลิกเม้าสเ์ ท่านัน้ และสิ่งที่ทำให้ QlikView แตกต่างมาก
ทส่ี ดุ นัน่ กค็ อื ความสามารถ ในการนำเสนอข้อมูลทซี่ บั ซอ้ นให้อยู่ในรูปแบบที่เข้าใจง่ายมากทีส่ ุด

2.4.8.3.2 การแสดงผลข้อมลู ของ QlikView
อีกหนึ่งศักยภาพที่ถือเป็นความโดดเด่นของโปรแกรม QlikView นั่นก็คือระบบการแสดงผล
ข้อมูลที่หลากหลาย และเนน้ ความเข้าใจง่ายมากทส่ี ุด โดยผู้ใชง้ านสามารถเลือกการ แสดงผลข้อมูลท่ี
ต้องการผ่านทางรูปแบบการนำเสนอที่มีหลากหลายตามความเหมาะสม เช่น ตาราง กราฟ แผนภูมิ
กรวยข้อมูล หรือแม้แต่มาตรวัดข้อมูลรูปแบบต่าง ๆ อีกด้วย นอกจากนี้ QlikView ยังสามารถ
นำเสนอข้อมูลหลาย ๆ ชุดได้พร้อม ๆ กัน อีกทั้งยังช่วยวิเคราะห์เปรียบเทียบความเหมือน
และความแตกตา่ งระหว่างขอ้ มลู หลาย ๆ ชุดไดอ้ ีกดว้ ย ดงั ภาพที่ 2-32

ภาพท่ี 2-32 โปรมแกรม QlikView
(ท่ีมา : http://hdc.moph.go.th )

51

2.4.8.4 Sisense
Sisense เป็นซอฟต์แวร์การวิเคราะห์ข้อมูลที่มีประสิทธิภาพ ซึ่งนำการวิเคราะห์มาใช้ไม่เพียง
กบั นักวทิ ยาศาสตร์ด้านข้อมลู แตย่ งั สำหรบั ผ้ใู ช้ทางธรุ กิจทุกคนเช่นกนั เนื่องจากช่วยให้การวิเคราะห์
ข้อมูลธุรกิจง่ายขึ้นแม้กับผู้ใช้ที่ไม่ใช่ด้านเทคนิคผ่านชุดเครื่องมือ และคุณสมบัติที่เพียบพร้อม
ซึ่งข้อมูลเชิงลึกจะถูกดงึ ออกมาทันทีโดยผู้ใช้ทุกคน โดยใช้การวิเคราะห์แบบบริการตนเองโดยไม่ตอ้ ง
เข้ารหัสและสร้างแบบจำลองรวม นอกจากนั้นยังมีคุณสมบัติเด่นบางประการที่ทำให้คุณสามารถใช้
งานไดร้ วมถงึ แดชบอรด์ ส่วนตัวการสร้างภาพเชิงโต้ตอบและความสามารถในการวิเคราะห์

2.4.8.4.1 จุดเดน่ ของ Sisense
1) เทคโนโลยี NLG ด้วยเทคโนโลยี NLG (การตรวจจับภาษาธรรมชาติ) คุณสามารถตรวจจับ
แนวโนม้ และรปู แบบได้อยา่ งงา่ ยดายเม่ือคุณโตต้ อบกับวดิ เจตทุกรายการบนแดชบอร์ด
2) การแสดงข้อมูล มันมีไลบรารีวิดเจตมากมายพร้อมคอลเลคชั่นของเครื่องมือสร้างภาพ
ข้อมูลที่ออกแบบไว้ล่วงหน้า จึงทำให้คุณมีตัวเลือกในการส่งการออกแบบโอเพนซอร์ส ของคุณเอง
หรอื รบั คำแนะนำเกีย่ วกบั วิธกี ารดูข้อมูลของคุณได้ดที ี่สดุ
3) การตรวจจับความผิดปกติ หากมีความผิดปกติในข้อมูลของคุณระบบจะใช้การเรียนรู้ของ
เคร่อื งเพื่อตรวจจบั และแจง้ เตอื นคุณทันทีเมอ่ื มีปัญหาที่อาจเกิดขึ้นดังภาพที่ 2-33

ภาพที่ 2-33 โปรมแกรม Sisense
(ทีม่ า : https://www.am2bmarketing.co.th/)

52

2.4.8.5 Google Data Studio
Google Data Studio คือ เครื่องมือที่ช่วยในการรายงานผลจากข้อมูลที่มีตัวเลขมาก ๆ อ่าน
คอ่ นข้างยาก ให้ออกมาเป็นรปู ภาพเพื่อง่ายต่อความเขา้ ใจโดยสามารถเช่ือมต่อกับข้อมูลที่มีอยู่แล้วไม่
ว ่ า จ ะ เ ป ็ น Google Ads, Google Sheets, Google Analytics, Google Bigquery, YouTube
Analytics, Search Console ดังภาพที่ 2-34

ภาพที่ 2-34 โปรมแกรมต่าง ๆ ของ Google Data Studio
(ท่มี า : https://support.google.com/datastudio/)

และแหล่งข้อมูลอื่น ๆ อีกมากมายกว่า 500 รายการ ทั้งที่มาจาก Google และไม่ใช่ Google
โดยนำข้อมูลมาสร้างเป็น กราฟ, แผนภูมิ, Heat Map, ตาราง, แผนที่ ฯลฯ ช่วยให้เห็นภาพข้อมูล
อยา่ งชัดเจน สามารถแบ่งปันข้อมูลเชิงลึกได้อย่างงา่ ยดายและสวยงาม นอกจากน้ผี ูใ้ ช้งานสามารถทำ
การแก้ไขการรายงานผลได้แบบ Real Time อีกด้วย

2.4.8.5.1 ภาพรวมในการทำงานของ Google Data Studio
1) เตรียมข้อมลู จากแหลง่ ต่าง ๆ (Data) เนื่องจาก Google Data Studio เป็นเคร่อื งมือท่ีช่วย
รายงานผล ดังนั้นการที่เราจะนำข้อมูลมากมายมาวิเคราะห์ตีความได้นั้น ต้องมีการเก็บข้อมูลที่ดี
และแม่นยำกอ่ น เพราะการแสดงผลจะอา้ งอิงจากข้อมลู ท่ีมอี ยู่
2) เชื่อมโยงขอ้ มูล (Connect) คือการดึงขอ้ มลู จากแหล่งข้อมลู (Data Source) ทเ่ี ราต้องการ
นำมาใช้ในการแสดงผล รวมถึงสามารถเลือกเขตข้อมูล (Field) ให้แสดงผลตามทต่ี ้องการไดอ้ กี ดว้ ย
3) เลือกรูปแบบ (Templates) Google Data Studio มี Templates ที่ใช้ในการนำเสนอ
เป็นภาพที่เข้าใจง่าย ใหเ้ ลือกหลากหลายรูปแบบและสามารถตกแต่งรเี อทไดอ้ ยา่ งสวยงาม

53

4) การส่งต่อข้อมูล (Share) สามารถส่งต่อข้อมูลนำเสนอให้เพื่อนร่วมงานหรือลูกค้าได้อย่าง
รวดเร็ว โดยไม่มีค่าใช้จา่ ย ทำข้อมูลให้ออกมาเป็นภาพที่เข้าใจง่าย สามารถวิเคราะห์ข้อมูลเชิงสถิติได้
อยา่ งง่ายดายไมซ่ บั ซ้อน ดงั ภาพท่ี 2-35

ภาพที่ 2-35 โปรมแกรม Google Data Studio
(ท่มี า : https://support.google.com/datastudio )

2.5 ทฤษฏีทเี่ กี่ยวข้องกับการพยากรณ์
การพยากรณ์ หมายถึงการคาดการณ์ (Predict) เกี่ยวกับลักษณะหรือแนวโน้มของสิ่งที่สนใจ

จะเกิดขึ้นในอนาคต เพื่อใช้เป็นสารสนเทศ (Information) ประกอบการตัดสินใจซึ่งการพยากรณ์
จะต้องดำเนินการเป็นส่วนแรกสุดที่จะต้องทำก่อนการวางแผน หรือการเตรียมการที่จะเริ่มทำอะไร
เพื่อความถูกต้องและแม่นยำในการตัดสินใจ ดังนั้นในการดำเนินงานภายในความไม่แน่นอนจำเป็นท่ี
จะต้องทราบถึงความเป็นไปในอนาคต โดยอาศัยเทคนิคการพยากรณ์ต่าง ๆ เท่าที่จำเป็น เพื่อเพิ่ม
ประสิทธิภาพของการดำเนินงาน สามารถตอบสนองต่อความต้องการของผู้ใช้งานและลดความเสี่ยง
ในการดำเนนิ งาน เปน็ ต้น

การพยากรณ์เป็นทั้งศาสตร์และศิลป์ในการทำนายเหตุการณ์ในอนาคต ซึ่งอาจนำหลาย ๆ วิธี
มาใช้แล้วแต่สถานการณ์ เช่น อาจนำข้อมูลในอดีตมาพยากรณ์ในอนาคตโดยอาศัยหลักการทาง
คณิตศาสตร์เข้าช่วย อาจใช้เฉพาะดุลยพินิจของผู้พยากรณ์เพียงอย่างเดียว หรืออาจใช้หลาย ๆ วิธี
ร่วมกนั เพอ่ื ให้การพยากรณม์ ีความแม่นยำมากท่ีสุด

54

โดยในการศึกษาครั้งนี้ต้องการเปรียบเทียบความแม่นยำในการพยากรณ์จำนวนผู้ป่วยโรคไข้
เลือดในกลุ่มประชากรอำเภอเมืองจังหวัดระยอง ด้วยแบบจำลอง Autoregressive Integrated
Moving Average (ARIMA) และแบบจำลองปรับเรียบแบบเอกซ์โพเนนเชียล (Exponential
Smoothing) ดงั น้ันจงึ มแี นวคดิ และทฤษฎที ี่เกี่ยวขอ้ งดงั น้ี

2.5.1 แบบจำลอง ARIMA (Autoregressive Intergrated Moving Average)
แบบจำลองตัวแบบ ARIMA (p, d, q) มสี ่วนประกอบที่สำคญั 3 สว่ น ไดแ้ ก่ Auto Regressive
AR : (p), Intrgrated (I) และ Moving Average MA : (q) สำหรับ AR (p) เป็นรูปแบบที่แสดงว่าค่า

สังเกต yt ข้นึ อยู่กบั ค่าของ yt−1,..., yt−p หรอื คา่ สงั เกตทเ่ี กิดขึน้ กอ่ นหน้า p คา่ สว่ นรปู แบบ MA (q)
เป็นรูปแบบที่แสดงค่าสังเกต yt ขึ้นอยู่กับค่าคลาดเคลื่อน t−1,...,t−q หรือความคลาดเคลื่อนที่อยู่
ก่อนหน้า q ค่าส่วน Integrated (I) เป็นการหาผลต่างของอนุกรมเวลา เหตุผลสำคัญที่ต้องหา
ผลตา่ งของอนุกรมเวลา เนื่องจากแบบจำลอง ARIMA จะต้องใชใ้ นการวิเคราะห์ข้อมลู อนุกรมเวลาท่ีมี
คุณสมบัติคงที่ (Stationary) เท่านั้น ในกรณีที่ข้อมูลอนุกรมเวลาที่ใช้ในการวิเคราะห์สมบัติไม่คงที่
(Nonstationary) จะต้องทำการแปลงข้อมูลอนุกรมเวลาดังกล่าวให้มีคุณสมบัติคงที่ก่อน โดยการหา
ผลต่างของขอ้ มลู อนกุ รมเวลา หรอื การหาค่า Natural Logarithm ของอนกุ รมเวลากอ่ นทจ่ี ะนำข้อมูล
ไปใช้สร้างแบบจำลอง ARIMA

( B)d yt =  + (B)t (2.1)

โดยท่ี (2.2)
(2.3)
 ( B) = 1− 1B − 2B2 − .. −  pB p
 ( B) = 1−1B −2B2 −.. − pB p

yt = ค่าสังเกตในอนุกรมเวลา ณ เวลา t

B = Backward Shift Operation โดยที่ Bm = yt−m
d = จำนวนคร้งั ของการหาผลตา่ งเพอื่ ให้อนุกรมเวลามคี ุณสมบตั ิคงท่ี
p = อนั ดับของออโตรเี กรสซีฟ (Autoregressive Order)
q = อันดับค่าเฉลีย่ เคลื่อนท่ี (Moving Average)
 = ค่าคงท่ี
1,...,p = พารามเิ ตอรข์ องออโตรเี กรสซฟี (Autoregressive Parameter)

55

1,...,p = พารามเิ ตอร์ของค่าเฉลี่ยเคลื่อนที่ (Moving Average Parameter)
t = กระบวนการ White Noise ซึ่งก็คือค่าความคลาดเคลื่อน ณ เวลา t ภายใต้
ข้อสมมติว่าความคลาดเคลื่อนที่คนละเวลาเป็นตัวแปรสุ่มที่เป็นอิสระต่อกัน โดยมีการแจกแจงแบบ

ปกติที่มีค่าเฉลีย่ เป็นศูนย์ และความแปรปวน คงท่ี t − N (0, 2 ) จากสมการข้างต้นอาจเขียนได้

ใหม่เป็น

d yt =  + d yt−1 + d yt−2 + ...+ d yt− p + t −tt−1 −qt−q (2.4)

จากรปู แบบท่ัวไปตามสมการข้างต้นนำไปใช้ในการกำหนดรูปแบบทเี่ หมาะสมและประมาณค่า
ต่อไป ซึ่งอนุกรมเวลาที่จะนำมาวิเคราะห์ ด้วยวิธี Box and Jenkins นี้ ต้องมีเงื่องไขบางประการ
เกี่ยวกับค่าพารามิเตอร์ในตัวแบบเพื่อให้อนุกรมเวลามีคุณสมบัติคงที่และคุณสมบัติผกผัน สำหรับ

สมบัติคงที่เป็นสมบัติของรูปแบบ AR(p) ซึ่งเป็นสมบัติที่ทำให้ E ( yt ) และ V ( yt ) คงท่ี
และ Cov( yt ,..., yt−k ) มีค่าคงท่ี ขึ้นกับว่า Lag k อย่างเดียว ส่วนคุณสมบัติผกผัน เป็นคุณสมบัติ

ของรูปแบบ MA (q) ซึ่งเป็นคุณสมบัติที่ทำให้ค่าคลาดเคลื่อนของการพยากรณ์ t ในเทอมของ
yt , yt−1 มีค่าคงที่ มขี ้นั ตอนของวธิ ีการ Box and Jenkins ดงั นี้

ขั้นตอนที่ 1 กำหนดรูปแบบ (Identification) เพื่อหารูปแบบที่คาดว่าเหมาะสมให้กับอนุกรม
เวลา โดยใชว้ ิธีพจิ ารณาเปรียบเทยี บจาก Correlogram ของคา่ rk และ rkk ของอนุกรมเวลา

ขั้นตอนที่ 2 การประมาณค่าสมั ประสิทธิ์ (Estimation) ในรูปแบบ โดยทว่ั ไปใชว้ ิธีการประมาณ
ค่าสมั ประสิทธ์ดิ ้วยวิธีกำลงั สองนอ้ ยที่สุดแบบธรรมดา (Ordinary Least Square Method : OLS)

ขั้นตอนที่ 3 การตรวจสอบรปู แบบ (Diagnostic Checking) เมื่อกำหนดรูปแบบและประมาณ
ค่าพารามิเตอร์ในรูปแบบแล้ว ต้องตรวจสอบอีกครั้งว่ารูปแบบที่กำหนดมีความเหมาะสมจริงหรือไม่
โดยการพิจารณาค่าสหสัมพันธ์ในตัวเองของค่าความคลาดเคลื่อน (ดูจากกราฟ Correlogram)
การทดสอบค่าพารามิเตอร์ในรูปแบบ โดยการพิจารณาจากค่าสถิติ t (t-statistic) และ การทดสอบ
ความเหมาะสมของรูปแบบโดยการทดสอบของ Box and Pierce หรือการทดสอบของ Box and
Ljung [Q-statistic]

ข้นั ตอนท่ี 4 การพยากรณ์ (Forecasting) นำสมการพยากรณ์ทส่ี ร้างจากรปู แบบการ พยากรณ์
ที่กำหนดและผ่านการตรวจสอบรูปแบบ มาพยากรณ์คา่ ในอนาคต โดยสามารถทำไดท้ ง้ั การพยากรณ์
แบบจุด (Point Forecast) และการพยากรณ์แบบช่วง (Interval Forecast) การพยากรณ์ โดยวิธี

56

Box and Jenkins จะให้ค่าพยากรณ์ไปข้างหน้าที่ดีในช่วงสั้น ๆ และต้องมีอนุกรมเวลาท่ี
ยาวพอสมควร

2.5.2 การพยากรณ์ปรับเรียบแบบเอกซ์โพเนนเชียล (Exponential Smoothing) เป็นวิธีการ
พยากรณ์แบบเฉลี่ยน้ำหนักที่ซับซ้อน แต่ง่ายต่อการทำความเข้าใจ ผลการพยากรณ์แต่ละค่าจะได้มา
จากพยากรณ์ล่าสดุ บวกด้วยอัตรารอ้ ยละของสว่ นตา่ งระหว่างคา่ ทพี่ ยากรณ์นัน้ กับคา่ จริง

( )Ft = Ft−1 +  At−1 − Ft−1 (2.5)

โดย Ft = คา่ พยากรณใ์ นชว่ งเวลา t
t = เวลาทท่ี ำการพยากรณ์

At = ค่าจรงิ ข้อมูลในช่วงเวลา t
N = จำนวนขอ้ มูลท่ีนำมาเฉลี่ย
2.5.3 ความแมน่ ยำของการพยากรณ์
การวัดความถูกต้องเป็นฟังก์ชันของค่าคลาดเคลื่อนของการพยากรณ์โดยไม่คำนึงถึงทิศทาง

นั่นคือพิจารณาค่า et , et2 et แทนการพิจารณาค่าคลาดเคลื่อนธรรมดาโดยฟังก์ชันของ
yt

ค่าคลาดเคลื่อนดังกล่าวจะใช้ช่วยวัดความถูกต้อง ได้แก่ ค่า MAD, MSE และ MAPE ตามลำดับ

การทีค่ ่าเหลา่ น้มี ีคา่ นอ้ ยเป็นผลเนอ่ื งมาจากคา่ คลาดเคลื่อนของการพยากรณ์ (et ) ตำ่ สุด ดงั นี้
2.5.3.1 ค่าความคลาดเคลื่อนแตกต่างสัมสมบูรณ์เฉลี่ย (Mean Absolute Deviation :

MAD หรือ Mean Absolute Error : MAE) เป็นค่าวัดความถูกต้องของการพยากรณ์ที่วัดจาก
ขนาดของค่าความคลาดเคลื่อนของการพยากรณ์ โดยไม่คำนึงถึงทิศทางของความคลาดเคลื่อน
และข้อมูลมีหน่วยวัดหน่วยเดียวกับค่าสังเกต จึงจะใช้ค่า MAD เป็นตัววัดประสิทธิภาพของ
การพยากรณม์ สี ูตรการคำนวณดังนี้

MAD = 1 N At − Ft (2.6)
N t −1

2.5.3.2 ค่าความคลาดเคลื่อนผิดพลาดกำลังสองเฉลี่ย (Mean Square Error : MSE)
เป็นค่าวัดความถูกต้องของการพยากรณ์ที่วัดจาก ขนาดของค่าความคลาดเคลื่อนของการพยากรณ์

57

ที่ได้จากกำลังสองของความคลาดเคลื่อนค่า MSE จะมีหน่วยวัดเป็นกำลังสองของหน่วยวัดของค่า
สังเกตโดย

MSE = 1 ( )N 2 (2.7)
N
t −1
At − Ft

ค่า MSE จะไวต่อความคลาดเคลื่อนที่มีขนาดใหญ่ แทนการใช้ MSE บางครั้งผู้พยากรณ์ใช้
รากกำลังสองของค่า MSE ที่เรียกว่า RMSE (Root Mean Square Error) ซึ่งมีหน่วยเดียวกับ

คา่ สงั เกต แทนโดย RMSE = MSE
2.5.3.3 ค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Percentage

Error : MAPE) เป็นค่าวัดความถูกต้องของการพยากรณ์ที่วัดจากขนาดของค่าความคลาดเคลื่อน
ของการพยากรณ์เทียบกับค่าจริง โดยไม่คิด เครื่องหมาย ค่า MAPE เป็นค่าวัดความแม่นยำ
ที่ไม่มีหน่วย จึงเหมาะที่จะใช้กับการเปรียบเทียบวิธีการพยากรณ์เดียวกันหรือเปรียบเทียบวิธี
พยากรณ์หลายวิธีเมื่อใช้อนุกรมเวลาชุดเดียวกัน ต่างกับการใช้ค่า MAD ตรงที่หากข้อมูลจริงเป็น 0
การวัดประสิทธิภาพการพยากรณ์โดยใช้ MAPE จะไม่มี ประสิทธิภาพเท่ากับการใช้ค่า MAD
ซ่งึ การวดั คา่ MAPE มีสตู รดังตอ่ ไปน้ี

MAPE = 1 N At − Ft 100 (2.8)
At −1
N
t

ค่า MAD และ MSE เป็นค่าที่เหมาะกับการนำไปใช้เปรียบเทียบวิธีการพยากรณ์หลายวิธี
กับข้อมูลชุดใดชุดหนึ่งส่วนค่า MAPE เป็นค่าที่เหมาะกับการนำไปใช้ในการเปรียบเทียบกับ
อนุกรมเวลาต่างชุดกันเมื่อพยากรณ์ด้วยวิธีการพยากรณ์เดียวกันค่าวัดความถูกต้องที่ใช้กันอยู่
มีหลายคา่ และยงั ไม่มผี ลการวจิ ยั ใดท่ีระบุว่าคา่ วัดความถูกต้องใดเหมาะสมที่สดุ

58

2.6 งานวิจัยท่เี ก่ียวขอ้ ง
สำนักงานสาธารณะสุขอำเภอเมืองระยอง (2560) ได้ประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์

(GIS) นั่นคือ Google Map ที่สามารถแสดงแผนท่ีโลก ทั้งแบบแผนท่ีอาณาเขต หรือแบบภูมปิ ระเทศ
และโปรแกรม Line ที่เป็นโปรแกรมสำหรับสื่อสาร มีความพิเศษที่สามารถกำหนดตำแหน่งบนโลก
(GPS) ตลอดจนสามารถส่งข้อมูลตำแหน่งบนโลกได้ตามต้องการ เพื่อใช้ในการศึกษาการกระจาย
การระบาดของโรคไข้เลือดออกในพื้นที่จังหวัดระยอง โดยการแสดงผลในรูปแบบออนไลน์
หรอื ที่เรยี กว่า SPOTMAP ONLINE ซ่งึ หลงั จากมกี ารลงพ้นื ที่เพ่อื รวบรวมขอ้ มูลต่าง ๆ และลงพิกดั บน
แผนที่แล้วได้นำข้อมูลไปเผยแพร่ผ่านทางเว็บไซต์ สำนักงานสาธารณะสุขอำเภอเมืองระยอง
ทำให้ทราบถึงสถานการณ์ของโรค การกระจายตัวการระบาดของโรคไข้เลือดออก ซึ่งบุคลากร
สาธารณะสุขที่เกี่ยวข้องสามารถนำข้อมูลเหล่านี้ไปใช้ในการบริหารจัดการทรัพยากร เตือนภัยเฝ้า
ระวังป้องกัน และควบคุมโรคเชิงนโยบายได้ หลังจากจัดทำการแสดงผลการกระจายการระบาดเชิง
ภูมศิ าสตร์ และไดเ้ ปรียบเทียบจำนวนผปู้ ่วยโรคไข้เลือดออกก่อน-หลัง ระหว่างเดอื นตุลาคม-ธันวาคม
พ.ศ. 2558 และตุลาคม-ธันวาคม พ.ศ. 2559 พบว่าในปี พ.ศ. 2558 มีผู้ป่วยโรคไข้เลือดออก
363 ราย และปี พ.ศ. 2559 มีผู้ป่วยโรคไข้เลือดออก 38 ราย ซึ่งหลังจากใช้นวัตกรรม SPOTMAP
ONLINE มีจำนวนผู้ป่วยลดลงกว่าปี พ.ศ. 2558 ร้อยละ 89.53 ทำให้ทราบว่านวัตกรรมนี้สามารถ
ช่วยควบคุมการกระจายการระบาดได้และสามารถเข้าถึงระบบการเฝ้าระวังโรคไข้เลือดออกได้ง่าย
สะดวกรวดเรว็ เนือ่ งจากสามารถเรียกดขู ้อมลู ได้ทนั ทผี ่านเทคโนโลยีข้ันพนื้ ฐานของประชาชน

นายสุรัติ เกิดในมงคล (2553) ได้จัดทำงานวิจัยเรื่องแผนที่ทางระบาดด้วยกูเกิ้ลแมปส์
(Google Map) ซึ่งเป็นการนำเอาเทคโนโลยีคอมพิวเตอร์ และอินเตอร์เน็ต มาใช้ประโยชน์ในการ
แสดงแผนที่การแพร่กระจายของโรคที่ต้องเฝ้าติดตาม และเฝ้าระวังทางระบาดวิทยาในโรงพยาบาล
และสถานีอนามัย สังกัดกระทรวงสาธารณสขุ ซึ่งแผนที่ทางระบาดวทิ ยา (Spot Map) เป็นเครื่องมือ
ที่ใช้กันอย่างแพร่หลายเนื่องจากแผนที่ทางระบาดวิทยานี้เป็น ประโยชน์อย่างมากในด้านการแสดง
ตำแหน่งสถานที่อยู่ของผู้ป่วยชัดเจนรวมทั้งสามารถเห็นทิศทางของการแพร่กระจายของโรคที่เฝ้า
ติดตามได้ง่ายขึ้นด้วย โดยในงานวิจัยนี้ได้มีการจัดทำโปรแกรมบันทึกข้อมูลผู้ป่วย และนำโปรแกรม
กูเกิ้ลแมปส์ (Google Map) มาใช้ในการแสดงแผนที่การแพร่ระบาดของโรค เพราะปัจจุบันนี้
กูเกิ้ลแมปส์สามารถแสดงแผนที่โลกทั้งแบบแผนที่อาณาเขต และแบบภูมิประเทศ ซึ่งเอื้อประโยชน์
กับงานแผนที่ทางระบาดวิทยาเป็นอย่างมากเพราะว่าสามารถบ่งบอกสถานที่ อาคาร สิ่งก่อสร้าง
แม่นำ้ ภูเขา อนื่ ๆ ได้ ปัจจัยทางด้านส่ิงแวดล้อมเหลา่ นเี้ ปน็ ข้อมูลที่ใช้ประกอบในการป้องกันควบคุม

59

โรค ดังน้ันการนำข้อมูลจากแฟ้มข้อมลู มาตรฐานมาสรา้ งแผนที่โดยใชบ้ ริการกูเกิล้ แมปส์ได้นัน้ จะนำให้
การแกไ้ ขข้อบกพร่องของแผน่ ท่ีทางระบาดวิทยาได้

มธุรส ทิพยมงคล (2555) ได้ศึกษาระบาดวิทยาภูมิศาสตร์ในงานสาธารณะสุข อธิบายว่า
ระบาดวิทยาภูมิศาสตร์ เป็นการประยุกต์ใชข้ ้อมูลเทคโนโลยีสารสนเทศทางภูมิศาสตร์ ข้อมูลสุขภาพ
และข้อมูลด้านกายภาพและชีวภาพ จากระบบเฝ้าระวังโรค และระบบรายงานต่าง ๆ เพื่ออธิบาย
สถานการณ์โรค รวมถึงการประยุกต์ใช้สถิติเชิงภูมิศาสตร์เพื่อระบุพื้นที่ที่มีการรวมกลุ่มกันของ
สถานการณ์โรค ประโยชน์ที่ได้จากการศึกษาทางด้านระบาดวิทยาภูมิศาสตร์สามารถนำไปใช้ในงาน
สาธารณสุข โดยเฉพาะการนำไปใช้ในการบริหารทรัพยากร และการวางแผนเฝ้าระวัง ป้องกัน
และควบคุมโรคเชิงนโยบาย

ปรางทิพย์ บัวเฟื่อง (2556) ได้ประยุกต์ใช้ระบบสารสนเทศภูมิศาสตร์ ในการศึกษา
การกระจายการระบาดของโรคไข้เลือดออกในพื้นที่อำเภอท่าใหม่ จังหวัดจันทบุรี และวิเคราะห์
หารูปแบบมาตรการในการป้องกันการระบาดของโรคไข้เลือดออกที่เหมาะสมในพื้นที่ โดยอาศัยการ
นำข้อมูลเชิงพื้นที่ของการกระจายการระบาดของโรคมาใช้ในการวางแผนป้องกันการเกิดโรค
ผลการศึกษาพบว่าเมื่อแบ่งรูปแบบการกระจายการระบาดของโรคไข้เลือดออก (DHF) ตามบุคคล
เวลา และสถานที่ พบว่าในรอบ 7 ปีที่ผ่านมา มีผู้ป่วยเป็นโรคไข้เลือดออก (DHF) จำนวนทั้งส้ิน
377 คน ซึ่งในปี พ.ศ. 2553 พบจำนวนผู้ป่วยสูงที่สุด รองลงมาคือปี พ.ศ. 2556 และพบการระบาด
ของโรคอยู่ในช่วงเดือนเมษายนถึงเดือนกันยายน สูงที่สุดคือเดือนมิถุนายน โดยจากข้อมูลเชิงพื้นที่ท่ี
ได้จากการใช้ระบบสารสนเทศภูมิศาสตร์ (GIS) เข้ามาช่วยวิเคราะห์พบผู้ป่วยเป็นโรคไข้เลือดออก
(DHF) สูงที่สุดคือตำบลเขาบายศรี และตำบลทุ่งเบญจาเนื่องจากเป็นตำบลที่มีจำนวนประชากรสูง
และการกระจายตัวของ ครัวเรือนหนาแน่น ส่วนใหญ่เป็นพื้นที่ป่าไม้ ภูเขา และพื้นที่ทำการเกษตร
โดยมีผู้ป่วยกระจายตัว อยู่ในพน้ื ท่เี ดมิ อาศัยอยู่ใกลก้ บั แหลง่ น้ำจงึ ทำให้ยากต่อการป้องกันและควบคุม
การกระจายการระบาดของโรคไข้เลือดออก (DHF) ผู้ศึกษานำข้อมลู ทุติยภูมิมากำหนดเป็นพื้นท่ีเส่ียง
เพิ่มเติมโดยนำจำนวนผูป้ ่วยโรคไข้เลือดออก (DHF) ทั้งหมดมากำหนดพื้นที่เสี่ยงโดยใช้อันตรภาคช้นั
แบ่งออกเป็น 3 ระดับคือ พื้นที่ความเสี่ยงต่อการระบาดของโรคไข้เลือดออก สูง ปานกลาง และต่ ำ
โดยกำหนดใหพ้ ้นื ที่ความเสี่ยงสงู และปานกลาง เปน็ พน้ื ทท่ี ตี่ อ้ งควบคุม และหลงั จากน้นั นำพื้นท่ีที่ต้อง
ควบคุม และเฝ้าระวังไปสร้างพื้นที่กันชน (Buffer) โดยมีสถาน พยาบาลเป็นศูนย์กลางและกำหนด
ระยะทาง 1 ถึง 3 กิโลเมตร เพื่อดูขีดความสามารถในการรักษา พยาบาลของสถานพยาบาลในพื้นท่ี
พบว่าสถานพยาบาลที่ตั้งอยูใ่ นพ้นื ทคี่ วบคมุ และเฝ้าระวังไม่ครอบคลมุ ครัวเรอื นผู้ป่วยทั้งหมดในพ้ืนที่

60

สรวงสุดา คงม่ัง (2553) ได้ศึกษาดำเนินงานด้านระบาดวิทยา ซึ่งเป็นงานท่ีต้องอาศัยความ
รวดเร็วในการส่ือสารข้อมูล และวิเคราะห์ข้อมูลเพื่อใช้อธิบายปัญหาสุขภาพ ประเมินแนวโน้มการ
เปล่ียนแปลงของการเกิดโรค และได้ศึกษาพัฒนาเครื่องมือระบบสารสนเทศในงานเฝ้าระวังทาง
ระบาดวิทยา ภายใต้โปรแกรม ArcGIS Desktop ด้วย Visual Basic for Applications (VBA)
และ ArcObjects ชุดคำสั่งในโปรแกรมประกอบด้วยฟังก์ชันการ วิเคราะห์ข้อมูลดัชนีบ่งชี้ภาวะ
สุขภาพอนามัย เช่น อัตราอุบัติการณ์ของโรค อัตราความชุกของโรค อัตราการตาย ค่าสถิติความถ่ี
ของการเกิดโรค และแผนภูมิจำนวนผู้ป่วย 4 สัปดาห์ปัจจุบัน โดยใช้ระบบสารสนเทศภูมิศาสตร์ใน
การนำเสนอข้อมูลเชิงพื้นที่เพื่อระบุพื้นที่การเกิดโรค การกระจายตัวในเชิงเวลา สถานที่ และกลุ่ม
ประชากรได้ กอ่ ใหเ้ กดิ ประสิทธภิ าพในการวางแผนป้องกัน และควบคุมโรคติดตอ่ ซึง่ จะเกดิ ประโยชน์
ในการดแู ลสุขภาพของประชาชนต่อไป

วันวิสาข์ คำสุข (2558) ได้ทำการสำรวจพื้นที่เพื่อหาผู้ป่วย และวิเคราะห์รูปแบบการกระจาย
ตัว ความหนาแน่นของผู้ป่วยโรคความดันโลหิตสูงเพื่อทำการศึกษา และจัดทำแผนท่ีผู้ป่วย
โรคความดันโลหิตสูงในตำบลบ้านคลอง อำเภอเมือง จังหวัดพิษณุโลก ข้อมูลการศึกษาประกอบด้วย
ข้อมลู ผู้ปว่ ยโรคความดันโลหิตสงู ขอ้ มูลพิกัดทางภมู ิศาสตรท์ ี่พักอาศัยของผู้ป่วยโดยใชเ้ คร่ืองระบุพิกัด
ทางภูมิศาสตร์ (GPS) ข้อมูลพื้นที่ศึกษา ข้อมูลจากการสุ่มสัมภาษณ์ โดยวิเคราะห์การกระจายตัว
โดยใช้ระบบสารสนเทศทางภูมิศาสตร์ มาช่วยในการวิเคราะห์หารูปแบบการกระจาย
และความหนาแน่นของผู้ปว่ ย ศึกษาพฤติกรรมทางสุขภาพของผู้ป่วย และรปู แบบการกระจายตัวของ
ผู้ป่วยโรคความดันโลหิตสูงโดยใช้ Average Nearest Neighbor พบว่า ผู้ป่วยมีการกระจายตัวแบบ
เกาะกลมุ่

พัชรินทร์ เสริมการดี (2559) ได้ศึกษาเรื่องการวิเคราะห์หาพื้นที่เสี่ยงต่อการเกิดโรค
ไขเ้ ลือดออกโดยใช้ระบบสารสนเทศภูมิศาสตร์ ในพนื้ ที่อำเภอหาดใหญ่ จงั หวดั สงขลา มีวัตถุประสงค์
เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อการเกิดโรคไข้เลือดออกในพื้นที่อำเภอหาดใหญ่ เพื่อวิเคราะห์ระดับ
ความเสี่ยงต่อการเกิดโรคไข้เลือดออก และเพื่อจัดทำแผนที่การระบาดของโรคไข้เลือดออก
การศึกษาครั้งนี้ใช้ข้อมูลทุติยภูมิ ได้แก่ ข้อมูลสถิติการเกิดไข้เลือดออกในอำเภอหาดใหญ่
จังหวัดสงขลา ระหว่าง พ.ศ. 2553-2557 โดยทำการศึกษาปัจจัยที่ทำให้เกิดโรคไข้เลือดออกในพื้นท่ี
อำเภอหาดใหญ่ 6 ปัจจัยด้วยกันคือ 1) ขอบเขตด้านพื้นที่ 2) การใช้ประโยชน์ที่ดิน 3) แหล่งน้ำขัง
4) ปริมาณฝน 5) อุณหภูมิ และ 6) ความชื้น ทำการวิเคราะห์โดยการซ้อนทับข้อมูล (Overlay)
ข้อมูลปัจจัยที่มีอิทธิพลต่อการเกิดไข้เลือดออก ด้วยโปรแกรมทางระบบภูมิสารสนเทศศาสตร์

61

โดยให้ผู้เชี่ยวชาญเกี่ยวกับไข้เลือดออกจำนวน 5 ท่าน ทำการถ่วงค่าน้ำหนักปัจจัยที่มีอิทธิพลต่อการ
เกดิ ไขเ้ ลอื ดออก ดว้ ยวิธีการวิเคราะหแ์ บบหลายตวั แปร

ผู้ช่วยศาสตรจารย์ พญ.สรญา แก้วพิทูลย์ (2554) ได้ทำการศึกษาปัจจัยที่มีผลต่อการเกิดโรค
มาลาเรียในจังหวัดสุรินทร์ ซึ่งมีปัจจัยที่สำคัญคือสิ่งแวดล้อม ประกอบด้วยป่าไม้ แหล่งน้ำพื้นที่
การเกษตร แหล่งที่อยู่อาศัย ความหนาแน่นของประชากร ความชุกของลูกน้ำยุง ความหนาแน่นของ
ยุงตัวเต็มวัย ปัจจัยภูมิอากาศ ประกอบด้วย ปริมานน้ำฝน อุณหภูมิความชื้นสัมพัทธ์
จัดทำเป็นฐานข้อมูลระบบสารสนเทศภูมิศาสตร์และหาพื้นที่เสี่ยงต่อการเกิดโรคมาลาเรี ย
โดยได้นำเทคโนโลยีเข้ามาช่วยในการวิเคราะห์ และรวบรวมข้อมูลเพื่อให้ได้ข้อมูลที่รวดเร็ว
ซ ึ ่ ง เ ท ค โ น โ ล ย ี ส า ร ส น เ ท ศ ภ ู ม ิ ศ า ส ต ร ์ เ ป ็ น ฐ า น ข ้ อ ม ู ล ท ี ่ พ ั ฒ น า โ ด ย อ า ศ ั ย ข ้ อ ม ู ล เ ช ิ ง พ ื ้ น ที่
และข้อมูลเชิงคุณลักษณะที่สามารถสร้างแบบจำลอง และนำเสนอในรูปแบบแผนที่ได้ชัดเจน
และมีความแม่นยำสูง ดังนั้นเพื่อเป็นการเฝ้าระวังและควบคุมโรคจึงได้ประยุกต์ใช้ระบบภูมิศาสตร์
สารสนเทศในการวิเคราะห์หาพื้นที่เสี่ยงที่แท้จริงเพื่อเป็นข้อมูลสำหรับเสนอหน่วยงานที่เกี่ยวข้อง
วางแผนควบคุมต่อไป

วราภรณ์ นิยมค้า (2554) ได้มีการจัดทำโครงการแผนที่สุขภาพในการติดตามผู้ป่วยความดัน
โลหิตสูงของโรงพยาบาลโรงเรียนนายร้อยพระจุลจอมเกล้าโดยใช้โปรแกรมอาร์ควิว (ArcView)
ซึ่งเป็นโปรแกรมในระบบสารสนเทศภูมิศาสตร์ มีวัตถุประสงค์หลักเพื่อจัดทำแผนที่สุขภาพแสดง
ตำแหน่งที่อยู่อาศัยของผู้ป่วยตามระดับความรุนแรง ความเสี่ยงของโรค และจัดทำฐานข้อมูลผู้ป่วย
ความดันโลหิตสูงของโรงพยาบาลโรงเรียนนายร้อยพระจุลจอมเกล้าโดยใช้ระบบสารสนเทศทาง
ภูมิศาสตร์ จากการติดตามสภาพปัญหา และวิเคราะห์ปัจจัยเสี่ยงของผู้ป่วย รวมทั้งนำผลการศึกษา
มาเสนอแนวทางการรักษาพยาบาลและการติดตามผู้ป่วย

ไพศาล สิมาเลาเต่า (2557) งานวิจัยนี้จัดทำขึ้นเพื่อพัฒนาโมเดลการแพร่ของโรคระบาดบน
ระบบสารสนเทศทางภูมิศาสตร์ผ่านไดนามิคเว็บเซอร์วิส โดยการจัดระบบแบ่งออกเป็น 3 ส่วน
คือ การนำเข้าข้อมูลเกี่ยวกับผู้ป่วยโรคไข้หวัดใหญ่ และไข้เลือดออก การทดสอบการให้บริการข้อมลู
ด้วยไดนามิคเว็บเซอร์วิส และการทดสอบการนำเสนอโมเดลการแพร่ระบาดบนระบบสารสนเทศ
โดยใช้โปรแกรมกูเก้ิลแมปส์เป็นโปรแกรมแสดงผลการแพร่ระบาดของโรคในรูปแบบแผนที่
ซึ่งข้อมูลที่นำเสนอสามารถเปลี่ยนแปลได้ตลอด เช่น พื้นที่การแพร่ระบาด ลักษณะการแพร่ระบาด
ปัจจัยในการแพร่ระบาด โดยสามารถเลือกช่วงเวลาในการแพร่ระบาดทำให้ทราบถึงพื้นท่ี
และขอบเขตของการแพรร่ ะบาด เพอ่ื ใชใ้ นการวางแผนควบคุมการแพร่ระบาดต่อไป

62

กนกภรณ์ ถือมั่น (2558) การทำแผนที่สุขภาพชุมชน (Community Health Mapping)
สามารถช่วยจัดการข้อมูลตามที่กล่าวมานี้ได้โดยมีเทคนิค และวิธีการตั้งแต่ง่าย ๆ เป็นแผนที่ทำมือ
แผนที่เดินดินไปจนถึงแผนที่ขั้นที่สูงที่จะทำโดยระบบสารสนเทศทางภูมิศาสตร์ ทั้งนี้นอกจากจะเป็น
การนำข้อมูลเข้าไปแสดงในแผนที่เพื่อเห็นตำแหน่งที่ตั้ง และการกระจายของข้อมูลสุขภาพ
แล้วยังสามารถทาการวิเคราะห์ในเชิงพื้นที่เพื่อแสดงขนาด ปริมาณ ทิศทางการกระจาย
ความหนาแน่นช่องทางการเข้าถึง และแสดงความแตกต่างของพื้นที่ได้ด้วย เพื่อให้การดูแลรักษา
สุขภาพ และการจัดการส่ิงแวดล้อมเพ่ือสุขภาพเป็นไปตามแนวทางการส่งเสรมิ สขุ ภาพและสร้างเสริม
สภาพแวดลอ้ มใหส้ ง่ ผลต่อการมสี ขุ ภาพทด่ี ี

วรางค์ น้อยสุขเสริม (2559) ได้ศึกษาปัจจัยที่มีผลต่อการเกิดโรคไข้เลือดออกในพื้นที่เขต
กรุงเทพมหานคร ศึกษาระดับความเสี่ยงของพื้นที่ในการเกิดการระบาดของโรคไข้เลือดออก
ดว้ ยการประยกุ ต์ใช้ระบบสารสนเทศภูมิศาสตร์ และศกึ ษาพฤตกิ รรมของประชาชนในการป้องกันโรค
ไข้เลือดออก โดยทำการศึกษาหาพื้นที่เสี่ยงต่อการเกิดโรคไข้เลือดออกในเขตกรุงเทพมหานคร
ได้พิจารณา 5 ปัจจัยที่เกี่ยวข้อง คือ 1) อัตราป่วยโรคด้วยไข้เลือดออก 2) ผู้ป่วยตายด้วยโรค
ไข้เลือดออก 3) ความหนาแน่นของประชากร 4) ค่าดัชนีความชุกของลูกน้ำยุงลาย (HI)
และ 5) พ้นื ทีร่ ะบาดโรคไขเ้ ลือดออกซ้ำซาก ศกึ ษาความรูเ้ ก่ยี วกบั โรคไข้เลอื ดออก และพฤติกรรมการ
ป้องกันโรคไข้เลือดออกของประชาชนในพื้นที่เสี่ยงทุกระดับ และหาความสัมพันธ์ระหว่างความรู้
และพฤติกรรมการป้องกัน โรคไข้เลือดออกกลุ่มตัวอย่างคือประชาชนที่อาศัยอยู่ในเขต
กรุงเทพมหานคร สุ่มตัวอย่างแบบโควต้า (Quota Sampling) ในแต่ละพื้นที่เสี่ยง รวม 8 เขต
จำนวน 400 ครวั เรือน รวบรวมข้อมูลโดยใช้แบบสอบถามท่ีผู้วจิ ัยสรา้ งข้ึน วเิ คราะห์ข้อมูลโดยใช้สถิติ
พรรณนา และค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน ผลการศึกษาความรู้เกี่ยวกับโรคไข้เลือดออก
และพฤติกรรมการป้องกันโรคไข้เลือดออกพบว่า ความรู้เกี่ยวกับโรคไข้เลือดออกในทุกพื้นที่เสี่ยง
อยู่ในระดับสูงและพฤติกรรมการป้องกัน โรคไข้เลือดออกของประชาชนในทุกพื้นที่เสี่ยงอยู่ในระดับ
ปานกลาง วิเคราะห์ความสัมพันธ์ พบว่าความรู้เกี่ยวกับโรคไข้เลือดออกของประชาชนไม่มี
ความสมั พันธก์ บั พฤติกรรมการป้องกันโรคไขเ้ ลอื ดออกในพ้ืนทเ่ี สีย่ งทุกระดบั

จิรัติวัล เครือศิลป์ (2549) ได้ศึกษารูปแบบการกระจายและประเมินพื้นที่เสี่ยงต่อการเกิดโรค
ไข้เลือดออกในจังหวัดนครราชสีมาตั้งแต่ พ.ศ. 2544-2548 ร่วมกับการใช้เทคนิคของ
ระบบสารสนเทศทางภูมิศาสตร์การรับรู้จากระยะไกล และการวิเคราะห์ Hot Spot รวมทั้งการสร้าง
รปู แบบสมการสำหรับพยากรณ์อัตราปว่ ยผลการศึกษาพบวา่ แบบรูปการกระจายของโรคไข้เลือดออก
มีอัตราป่วยสูงสุดอยู่ในช่วงอายุ 10-14 ปีเพศชายป่วยมากกว่าเพศหญิง และอำเภอสีคิ้วมีอัตราป่วย

63

มากที่สุด หากวิเคราะห์ร่วมกับการตีความภาพถ่ายดาวเทียมพบว่าพื้นที่ที่มีความเสี่ยงสูงต่อการเกิด
โรคไข้เลือดออก ได้แก่ พื้นที่เกษตรกรรมและพื้นที่ชุมชน งานวิจัยนี้แสดงให้เห็นว่าระบบสารสนเทศ
ทางภูมิศาสตร์สามารถเป็นเครื่องมือของนักภูมิศาสตร์แพทย์ และนักระบาดวิทยาในการศึกษา
ความสัมพันธ์ระหว่างสิ่งแวดล้อม และการกระจายตัวเชิงพื้นที่ของโรคตลอดจนใช้สร้างแผนที่ความ
เสยี่ งเพ่ือชว่ ยใหเ้ จา้ หนา้ ท่ีสาธารณสุขควบคุมโรคไดถ้ กู ตอ้ งและรวดเรว็ ยง่ิ ข้นึ

ราเชษฐ์ เหมอื นเสน และ นาฏสุดา ภมู ิจำนงค์ (2555) ไดท้ ำการวเิ คราะห์พ้ืนท่ีเสี่ยงโดยวิธีการ
วิเคราะห์ศักยภาพเชิงพื้นที่ (Potential Surface Analysis : PSA) ด้วยระบบสารสนเทศทาง
ภูมิศาสตร์ (GIS) เพื่อสร้างแผนที่แสดงพื้นที่เสี่ยงต่อการระบาดโรคไข้เลือดออกในจังหวัดตราด
และศกึ ษาความสัมพันธร์ ะหว่างอุบัติการณ์โรคไขเ้ ลือดออกกับปัจจัยส่ิงแวดล้อม และปัจจัยทางสภาพ
ภูมิอากาศโดยใช้การวิเคราะห์ถดถอยพหุคูณในการศึกษาประกอบด้วยปัจจัยทั้งสิ้น 9 ปัจจัย
ได้แก่ 1) ร้อยละของบ้านที่พบยุงลาย (HI) 2) จำนวนภาชนะที่พบลูกน้ำยุงลายในบ้าน 100 หลังคา
(BI) 3) ร้อยละของภาชนะที่พบลูกน้ำยุงลาย (CI) 4) ความหนาแน่นของประชากร 5) จำนวนหลังคา
เรอื น 6) ความสงู เฉลีย่ ของพืน้ ที่ 7) ปริมาณน้ำฝนเฉลย่ี รายปี 8) อุณหภูมิเฉลีย่ รายปี และ 9) ความช้ืน
สัมพัทธ์เฉลี่ยรายปี จากการวิเคราะห์พบว่าพื้นที่ที่มีความเสี่ยงสูงต่อการระบาดของโรคไข้เลือดออก
ประกอบด้วย 7 ตำบลคือ ต.แหลมกลัด ต.หนองคันทรง ต.หนองเสม็ด ต.วังกระแจะ ต.บางปิด
ต.หาดเล็ก และ ต.น้ำเชี่ยว ซึ่งพื้นที่ดังกล่าวมีความสัมพันธ์กับพื้นที่เกษตรกรรมพื้นที่ยางพารา
และพื้นที่ป่าไม้ การศึกษาครั้งนี้ทำให้ทราบว่าการวิเคราะห์ศักยภาพเชิงพื้นที่ (Potential Surface
Analysis : PSA) ด้วยระบบสารสนเทศทางภูมิศาสตร์ (GIS) สามารถนำมาใช้ในการประเมินพื้นที่
เสี่ยงตอ่ การระบาดโรคไข้เลอื ดออกได้ และนำไปส่กู ารวางแผนควบคมุ และปอ้ งกันการระบาดของโรค
ไขเ้ ลอื ดออก ซงึ่ จะสามารถนำไปประยกุ ตใ์ ชง้ านดา้ นสาธารณสขุ ได้ในอนาคต

สำนักงานป้องกันควบคุมโรคที่ 3 ชลบุรี (2555) ได้ศึกษาความสำคัญของโรคไข้เลือดออก
จึงจำเป็นต้องมีการกำหนดพื้นที่เสี่ยงเพื่อการเฝ้าระวัง ป้องกันควบคุมโรคที่ถูกต้องแม่นยำ
และมีประสิทธิภาพ ระบบสารสนเทศภูมิศาสตร์ (Geographic Information System : GIS)
เปน็ เครื่องมอื ทส่ี ามารถนำมาประยกุ ต์ในการทำนายหรือกำหนดพ้นื ทเ่ี ส่ียง โดยการเชอื่ มโยง วิเคราะห์
ประมวลผล และแสดงความสัมพันธ์ของข้อมูลได้ การศึกษาครั้งนี้เป็นการศึกษาเชิงพรรณนา
และเชิงวิเคราะห์ โดยมีวัตถุประสงค์เพื่อศึกษาความเป็นไปได้ในการประยุกต์ใช้ GIS กับข้อมูล
ทางระบาดวิทยา จากการเก็บรายงานผู้ป่วยจากบัตร รง.506 และค่าดัชนีสำรวจลูกน้ำยุงลาย
ระหว่างปี พ.ศ. 2549-2553 นำมากำหนดพื้นที่เสี่ยง เพื่อทำนายและแสดงแนวโน้มการเกิด
โรคไข้เลือดออกปี พ.ศ. 2554 หาความสัมพันธ์เชิงพื้นที่กับข้อมูลทางระบาดวิทยา สถิติที่ใช้

64

ได้แก่ ค่าความถี่ ร้อยละ และค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน รวมถึงปัจจัยของการเกิด
โรคไข้เลือดออก ได้แก่ ปัจจัยด้านสิ่งแวดล้อม พฤติกรรมการดูแลตนเองของประชาชน
และมาตรการการดำเนินงานป้องกันควบคุมโรคของหน่วยงานที่เกี่ยวข้อง เป็นปัจจัยที่สำคัญ
ในการนำมาใช้เพ่อื การพยากรณ์การเกิดโรค

ผู้ช่วยศาสตราจารย์ ดร.สมบัติ อยู่เมือง (2558) ได้ทำการออกแบบ และพัฒนารูปแบบ
ในการสนบั สนุนการบริหาร และการตัดสินใจในการควบคุมปอ้ งกัน และเฝา้ ระวงั การเกิดโรคอุบัติใหม่
หรือโรคอุบัติซ้ำ โดยมีขอบเขตการดำเนินงาน รวมถึงการวิเคราะห์ และประมวลผลข้อมูลเชิงพื้นท่ี
ในด้านต่าง ๆ ที่เกี่ยวข้องในพ้ืนที่ศึกษา รวม 10 จังหวัด ได้แก่ กำแพงเพชร สุโขทัย พิจิตร พิษณุโลก
นครสวรรค์ อ่างทอง ลพบุรี พระนครศรีอยุธยา ปทุมธานี และจังหวัดนครปฐม ศึกษาแนวทาง
การประยุกต์ใช้แบบจำลอง (Model) ในการคาดการณ์แนวโน้มการเกิดโรคติดต่ออุบัติใหม่
หรอื โรคอบุ ตั ซิ ้ำ จาก FAO มาวเิ คราะห์ และสงั เคราะหร์ ่วมกับข้อมลู ตา่ ง ๆ ที่เกีย่ วข้อง เพ่ือสนับสนุน
การบริหารและการตัดสินใจเชิงพื้นที่ในการควบคุมและเฝ้าระวงั การเกิดโรคอุบัติใหม่หรอื โรคอุบตั ิซ้ำ
ฝึกอบรมบุคลากร ให้มีความรู้ความสามารถในการวิเคราะห์ข้อมูลเชิงพื้นที่เพื่อสนับสนุนการบริหาร
และการตัดสินใจเชิงพื้นที่ในการควบคุมป้องกัน และเฝ้าระวังการเกิดโรคติดต่ออุบัติใหม่
หรอื โรคอุบัตซิ ำ้

บทท่ี 3
วธิ ดี ำเนินการศกึ ษา

3.1 การวิเคราะหแ์ ละจดั เตรยี มขอ้ มูลผู้ปว่ ยโรคไขเ้ ลอื ดออกท่ีไดจ้ ากทางโรงพยาบาลระยอง
จากการจัดทำหนังสือขอความอนุเคราะห์ข้อมูลด้านโรคระบาด ไปยังโรงพยาบาลระยอง

เพื่อนำข้อมูลมาวิเคราะห์หาการกระจายตัวของโรคแบบเชิงพื้นที่ในระบบสารสนเทศทางภูมิศาสตร์
(Spatial Analysis) โดยทางโรงพยาบาลระยองได้ส่งข้อมูลผู้ป่วยโรคไข้เลือดออกย้อนหลัง 10 ปี
ตง้ั แตป่ ี พ.ศ. 2550-2561 มาให้เพอื่ ใช้ในการศึกษาทำการวจิ ยั ซงึ่ ขอ้ มลู ทไ่ี ด้แสดงดงั ภาพที่ 3-1

ภาพท่ี 3-1 ตัวอย่างตารางแสดงข้อมลู ผปู้ ่วยโรคไข้เลือดออก ปี พ.ศ. 2550 จากโรงพยาบาลระยอง
หลังจากที่ได้รับข้อมูลผู้ป่วยโรคไข้เลือดออกจากโรงพยาบาลระยอง นำข้อมูลที่ได้มาคัดแยก

เป็นระดับตำบล และระดับหมู่บ้าน ในอำเภอเมือง จังหวัดระยอง เพื่อให้ง่ายต่อการนำข้อมูลไป
วิเคราะห์เชิงพื้นที่ในระบบสารสนเทศทางภูมิศาสตร์ (Spatial Analysis) โดยขั้นตอนที่ได้ดำเนินการ
คัดแยกขอ้ มลู มีดังตอ่ ไปนี้

1. ทำการคัดแยกข้อมูลผู้ป่วย โดยแบ่งข้อมูลผู้ป่วยออกเป็นตำบล แยกชาย หญิง เพื่อหา
จำนวนของผู้ป่วยที่เป็นโรคไข้เลือดออกในแต่ละตำบลของแต่ละปี จากตารางข้อมูลที่ได้มาสามารถ
แสดงไดด้ ังภาพท่ี 3-2

66

ภาพท่ี 3-2 จำนวนผ้ปู ่วยแยกชาย หญิง ของแต่ละตำบล ปี พ.ศ. 2550
2. ทำการคัดแยกข้อมูลผู้ป่วยของแต่ละตำบล เป็นรายเดือน เพื่อหาจำนวนของผู้ป่วยที่เป็น
โรคไข้เลือดออกในแต่ละเดอื นของแต่ละปี จากตารางข้อมูลทไ่ี ดม้ า แสดงได้ดงั ภาพที่ 3-3

ภาพที่ 3-3 จำนวนผู้ป่วยของแตล่ ะตำบล แยกเปน็ รายเดือน ปี พ.ศ. 2550

67
3. ทำการคัดแยกข้อมูลผู้ป่วยระดับหมู่บ้าน ของแต่ละตำบล เพื่อหาจำนวนของผู้ป่วยที่เป็น
โรคไข้เลือดออกในแต่ละหมู่บ้านของแต่ละปี จากตารางข้อมูลที่ได้มา แสดงได้ดังภาพที่ 3-4
และภาพที่ 3-5

ภาพที่ 3-4 แสดงจำนวนผูป้ ่วยระดับหมู่บา้ นของแตล่ ะตำบล

ภาพท่ี 3-5 แสดงจำนวนผปู้ ่วยระดบั หมบู่ า้ นของแตล่ ะตำบล

68
4. หาค่าเฉลี่ยของจำนวนผูป้ ่วยในแต่ละตำบล ของแต่ละเดือน ตั้งแต่ช่วงปี พ.ศ. 2550-2561
เพื่อนำมาแสดงกราฟค่าเฉลี่ยจำนวนวนผู้ป่วยโรคไข้เลือดออกแบบรายเดือน ซึ่งสามารถดูแนวโน้ม
ของชว่ งเดอื นทเี่ กดิ โรคไขเ้ ลอื ดออกไดว้ ่า ช่วงเดือนใดทม่ี ีโอกาสเกดิ โรคไข้เลอื ดออกได้มากท่สี ุด

ภาพที่ 3-6 ตารางแสดงจำนวนผู้ปว่ ยเฉลี่ยของแตล่ ะตำบลในแตล่ ะเดือน ชว่ งปี พ.ศ. 2550-2561

ภาพท่ี 3-7 กราฟแสดงค่าเฉลยี่ ของผู้ป่วยโรคไข้เลือดออกในแตล่ ะตำบล
แบบรายเดอื น ช่วงปี พ.ศ. 2550-2561

69

ในการวิเคราะห์และจัดเตรียมข้อมูลผู้ป่วยโรคไข้เลือดออกที่ได้จากทางโรงพยาบาลระยองน้ัน
เป็นการจัดเตรียมข้อมูลที่จะนำไปวิเคราะห์เพื่อหาจำนวนผู้ป่วยโรคไข้เลือดออกของแต่ละเดือน
ในแต่ละตำบล หรือหมู่บ้าน แล้วนำข้อมูลนั้นมาทำการวิเคราะห์แสดงผลในรูปแบบของ
Visualizations และทำการวิเคราะห์หาการกระจายตัวของโรคแบบเชิงพื้นที่ในระบบสารสนเทศ
ทางภูมศิ าสตร์ (Spatial Analysis)

3.2 การศกึ ษาและทำความเข้าใจเกี่ยวกบั การใชโ้ ปรแกรมในการประมวลผล
3.2.1 การวเิ คราะห์ข้อมลู เชิงแผนทใ่ี นโปรแกรม Power BI
1. เตรียมข้อมูลใน Excel โดยทำการแบ่งคอลัมน์ออกเป็นตำบล ละติจูด ลองจิจูด

และปี พ.ศ. เพื่อแสดงจำนวนผู้ป่วยโรคไข้เลือดออกของแต่ละตำบล ในอำเภอเมืองระยองเป็นรายปี
แสดงไดด้ งั ภาพที่ 3-8

ภาพที่ 3-8 ตารางแสดงจำนวนผู้ป่วยโรคไขเ้ ลอื ดออกในปี พ.ศ. 2550-2561
และละติจดู ลองจจิ ูด ของแต่ละตำบลในอำเภอเมืองระยอง

2. เปิดโปรแกรม Power BI แล้วนำเข้าข้อมูลไฟล์ Excel เลือกการสร้างภาพ
Visualizations แบบ Heat Map จะได้ผลการวิเคราะห์ข้อมูลเชิงพื้นท่ีออกมา ซึ่งจะแสดงให้เห็นว่า
บริเวณใดมีผู้ป่วยโรคไข้เลือดออกเป็นจำนวนมาก และมีโอกาสที่จะเกิดโรคไข้เลือดออกซ้ำซาก
บรเิ วณท่มี สี ีแดงเข้มคอื บรเิ วณท่ีมีผปู้ ว่ ยโรคไข้เลอื ดออกเปน็ จำนวนมาก และบริเวณท่มี ีสเี ขยี วไปจนถึง
สนี ำ้ เงนิ คือบรเิ วณทม่ี ผี ปู้ ่วยโรคไขเ้ ลือดออกเป็นจำนวนนอ้ ย ดงั ภาพท่ี 3-9

70

ภาพท่ี 3-9 แสดงจำนวนผปู้ ่วยโรคไข้เลอื ดออกแบบ Heat Map
พ้ืนท่ีสแี ดงเปน็ บรเิ วณท่ีมีผปู้ ว่ ยโรคไข้เลือดออกเปน็ จำนวนมาก
พื้นทส่ี เี ขยี วไปจนถึงสนี ำ้ เงนิ มีผูป้ ว่ ยโรคไขเ้ ลือดออกเป็นจำนวนนอ้ ย

3.2.2 การวเิ คราะหข์ ้อมลู เชงิ แผนทใี่ นโปรแกรม QGIS
วิเคราะห์ข้อมูลในโปรแกรม QGIS โดยใช้ข้อมูล Shape File และ Google Map อ้างอิง
ขอบเขตพื้นที่ในระดับตำบล และระดับหมู่บ้าน เพื่อดูพิกัดตำแหนง่ ของหมูบ่ ้านต่าง ๆ ในอำเภอเมือง
ระยอง จงั หวัดระยอง แสดงดงั ภาพท่ี 3-10

ภาพที่ 3-10 แสดงพิกัดตำแหน่งหมบู่ า้ นแต่ละตำบล โดยใช้ขอ้ มูล Shape File และ Google Map

71

จากการใช้ข้อมูล Shape File และ Google Map ในโปรแกรม QGIS สามารถอ้างอิงพิกัด
ตำแหน่งของหมู่บ้านในแต่ละตำบลได้ และสามารถจัดทำแผนที่แสดงระดับจำนวนผู้ป่วยโรค
ไขเ้ ลือดออกในระดับหมบู่ ้านของแต่ละตำบลได้ แสดงดงั ภาพท่ี 3-11

ภาพที่ 3-11 แผนท่ีแสดงระดบั จำนวนผปู้ ว่ ยโรคไข้เลือดออกในระดบั หมู่บ้านของแตล่ ะตำบล
จากขอ้ มูลผ้ปู ่วยโรคไขเ้ ลอื ดออกประจำเดือนกรกฎาคม ปี พ.ศ. 2558

3.3 การศกึ ษาและทำความเข้าใจเกย่ี วกับการพยากรณ์
จากข้อมูลจำนวนผู้ป่วยโรคไข้เลือดออกย้อนหลัง ปี พ.ศ. 2550-2561 ที่ได้รับจากทาง

โรงพยาบาลระยอง ผศู้ ึกษาไดห้ าวิธกี ารพยากรณ์ดว้ ยโปรแกรม Power BI Desktop ซง่ึ เป็นโปรแกรม
ที่ช่วยในการวิเคราะห์ข้อมูลและสามารถหาผลของการพยากรณ์ได้ โดยผู้ศึกษาได้นำข้อมูลย้อนหลัง
10 ปี ตั้งแต่ปี พ.ศ. 2550-2559 และข้อมูลย้อนหลัง 5 ปี ตั้งแต่ปี พ.ศ. 2555-2559
มาหาผลพยากรณใ์ นปี พ.ศ. 2560 เพื่อเปรยี บเทยี บวา่ ข้อมลู ยอ้ นหลังมากหรือน้อยกว่าให้ค่าพยากรณ์
ท่ีใกล้เคียงกบั คา่ จริงมากกวา่ กนั โดยแบ่งวิธพี ยากรณ์เป็น 2 วธิ ี ดังน้ี

3.3.1 การพยากรณด์ ว้ ยวิธีปรับเรียบแบบเอกซโ์ พเนนเชยี ล (Exponential Smoothing)
3.3.1.1 วิธีปรับเรียบแบบเอกซ์โพเนนเชียล โดยใช้ข้อมูลย้อนหลัง 10 ปี ตั้งแต่ปี

พ.ศ. 2550-2559 มขี นั้ ตอนดำเนินงานดังน้ี
1. นำเข้าข้อมูลเดือนที่พบผู้ป่วยในแต่ละตำบล อำเภอเมืองระยองตั้งแต่ปี

พ.ศ. 2550-2559 จากไฟล์ Excel แสดงไดด้ งั ภาพท่ี 3-12

72

ภาพท่ี 3-12 ตวั อยา่ งตารางแสดงเดือนที่พบผู้ป่วย ในแต่ละตำบล อำเภอเมืองระยอง
ตงั้ แต่ปี พ.ศ. 2550-2559
2. เลือกคอลัมน์ Date และ ตำบลที่ต้องการพยากรณ์ มาใส่ในเขตข้อมูล

ของแผนภูมเิ สน้ แสดงได้ดงั ภาพท่ี 3-13

ภาพที่ 3-13 ตวั อยา่ งวิธีใส่เขตข้อมูล เพ่อื การพยากรณ์รายตำบล ตัวอย่างเป็น ตำบลสำนกั ทอง

73
3. เลือกการวิเคราะห์ขั้นสูง และกดเพิ่มการพยากรณ์ เลือกทำนายเพิ่ม 12
เดอื น ค่าความเชอ่ื มัน่ 95 % และปรบั คา่ Seasonality ให้ไดค้ า่ พยากรณท์ ่ีไม่ตดิ ลบ สามารถแสดงได้
ดงั ภาพที่ 3-14

ภาพท่ี 3-14 ตัวอยา่ งการปรับค่าเพ่ือการพยากรณ์
4. รนั ขอ้ มลู ไดผ้ ลพยากรณ์ ขอบเขตบน และขอบเขตลา่ ง ดงั ภาพที่ 3-15

ภาพท่ี 3-15 ตัวอยา่ งผลการพยากรณ์ ปี พ.ศ. 2560 จากขอ้ มูลย้อนหลงั 10 ปี ด้วยวธิ ี
Exponential Smoothing ตำบลสำนกั ทอง

74
3.3.1.2 วิธีปรับเรียบแบบเอกซ์โพเนนเชียล โดยใช้ข้อมูลย้อนหลัง 5 ปี ตั้งแต่ปี
พ.ศ. 2555-2559 มีขั้นตอนดำเนนิ งาน เหมือนดงั หวั ข้อ 3.3.1.1 ดงั น้ี

1. นำเข้าข้อมูลเดือนที่พบผู้ป่วยในแต่ละตำบล อำเภอเมืองระยองตั้งแต่ปี
พ.ศ. 2555-2559 จากไฟล์ Excel แสดงไดด้ งั ภาพท่ี 3-16

ภาพท่ี 3-16 ตัวอย่างตารางแสดงเดือนทพ่ี บผูป้ ่วย ในแต่ละตำบล อำเภอเมืองระยอง
ตงั้ แตป่ ี พ.ศ. 2555-2559
2. เลือกคอลัมน์ Date และ ตำบลที่ต้องการพยากรณ์ มาใส่ในเขตข้อมูล

ของแผนภมู ิเส้น เหมอื นดังภาพท่ี 3-13
3. เลือกการวิเคราะห์ขั้นสูง และกดเพิ่มการพยากรณ์ เลือกทำนายเพิ่ม 12

เดือน คา่ ความเชื่อมัน่ 95 % และปรบั ค่า Seasonality ให้ไดค้ า่ พยากรณ์ท่ีไม่ติดลบ เหมือนดังภาพท่ี
3-14

4. รนั ข้อมลู ไดผ้ ลพยากรณ์ ขอบเขตบน และขอบเขตลา่ ง ดังภาพที่ 3-17

75

ภาพท่ี 3-17 ตวั อยา่ งผลการพยากรณ์ ปี พ.ศ. 2560 จากขอ้ มูลย้อนหลัง 5 ปี ดว้ ยวธิ ี
Exponential Smoothing ตำบลสำนกั ทอง

3.3.2 การพยากรณด์ ้วยวธิ ี ARIMA (Autoregressive Integrated Moving Average)
3.3.2.1 พยากรณ์ด้วย วิธี ARIMA โดยใช้ข้อมูลย้อนหลัง 10 ปี ตั้งแต่ปี

พ.ศ. 2550-2559 มขี ้นั ตอนดำเนินงานดงั น้ี
1. นำเข้าข้อมูลเดือนที่พบผู้ป่วยในแต่ละตำบล อำเภอเมืองระยองตั้งแต่ปี

พ.ศ. 2550-2559 จากไฟล์ Excel แสดงได้ดังภาพที่ 3-16 ในหัวขอ้ ท่ี 3.3.1.1
2. โหลดเคร่อื งมอื พยากรณ์แบบ ARIMA เพมิ่ จาก Market Place

ภาพท่ี 3-18 ตวั อยา่ งการดาวนโ์ หลดเครอื่ งมอื พยากรณ์ด้วยวธิ ี ARIMA จาก
Market Place

76
3. เลือกคอลัมน์ Date และ ตำบลที่ต้องการพยากรณ์ มาใส่ในเขตข้อมูล
ของเครอื่ งมอื Forecasting with ARIMA แสดงได้ดงั ภาพท่ี 3-19

ภาพท่ี 3-19 ตัวอยา่ งวิธใี สเ่ ขตขอ้ มลู เพ่อื การพยากรณ์ รายตำบล ยกตัวอย่างเป็นตำบลสำนกั ทอง
4. ปรับคา่ p d q และ P D Q ทช่ี อ่ ง User Defined Model ให้ไดค้ ่าพยากรณ์

ที่ไม่ติดลบ แสดงได้ดงั ภาพที่ 3-20

ภาพท่ี 3-20 ตัวอยา่ งการปรับค่าเพื่อการพยากรณ์

77
5. รนั ข้อมลู ไดผ้ ลพยากรณ์ ขอบเขตบน และขอบเขตลา่ ง ดังภาพท่ี 3-21

ภาพท่ี 3-21 ตัวอย่างผลการพยากรณ์ ปี พ.ศ. 2560 ดว้ ยวิธี ARIMA จากข้อมูลยอ้ นหลัง 10 ปี
ตำบลสำนกั ทอง

3.3.2.2 พยากรณ์ด้วยวิธี ARIMA โดยใช้ข้อมูลย้อนหลัง 5 ปี ตั้งแต่ปี พ.ศ. 2555-2559
ซง่ึ มีข้นั ตอนดำเนนิ งานเหมือนการพยากรณ์ดว้ ยข้อมลู ย้อนหลัง 10 ปี

1. นำเข้าข้อมูลเดือนที่พบผู้ป่วยในแต่ละตำบล อำเภอเมืองระยองตั้งแต่ปี
พ.ศ. 2550-2559 จากไฟล์ Excel แสดงได้ดังภาพที่ 3-16 ในหัวข้อท่ี 3.3.1.1

2. โหลดเครื่องมือพยากรณ์แบบ ARIMA เพิ่มจาก Market Place แสดงได้ดัง
ภาพที่ 3-18

3. เลือกคอลัมน์ Date และ ตำบลที่ต้องการพยากรณ์ มาใส่ในเขตข้อมูล
ของเครอ่ื งมือ Forecasting with ARIMA แสดงไดด้ ังภาพที่ 3-19

4. ปรบั ค่า p d q และ P D Q ที่ช่อง User Defined Model ให้ไดค้ ่าพยากรณ์
ทีไ่ มต่ ิดลบ แสดงได้ดงั ภาพท่ี 3-20

78

3.4 การศกึ ษาและทำความเขา้ ใจเกี่ยวกับการนำขอ้ มูลมาแสดงผลผ่านหนา้ จอแดชบอร์ด
(Dashboard)
นำข้อมูลผู้ป่วยโรคไข้เลือดออกที่ได้คัดแยกไว้แล้วจาก Excel เข้าในโปรแกรม Power BI

Desktop และเลือกรูปแบบการแสดงผลทีเ่ หมาะสม เพื่อการมองภาพได้อย่างสะดวกและชดั เจนมาก
ขนึ้ ซง่ึ ภายในโปรแกรมจะมีฟังก์ชนั รูปแบบท่ีเปน็ ปฏิกริ ยิ าเชงิ โต้ตอบ (Interactive) สามารถเจาะลึกดู
รายละเอียดรายย่อยลงไปได้อย่างสะดวก โดยจะแสดงผลเป็นภาพรวมทั้งหมดจากข้อมูลผู้ป่วย
ย้อนหลัง 10 ปี แสดงดังภาพที่ 3-22 และข้อมูลผู้ป่วยจากการพยากรณ์ ปี พ.ศ. 2560 (ค.ศ. 2017)
รายตำบล แสดงดังภาพที่ 3-25 ซึ่งผู้ศึกษาได้ทำการสร้างฟอร์มการใส่ข้อมูลไว้ภายในโปรแกรม
Power BI Desktop เพื่อส่งต่อใหก้ บั ทางโรงพยาบาลระยอง ให้บุคลากรทางการแพทย์ หรือเจา้ หน้าที่
ทเ่ี ก่ยี วขอ้ งกับการควบคมุ โรค ไดใ้ ช้งานต่อได้อย่างสะดวกและงา่ ยขนึ้

ภาพที่ 3-22 ตัวอย่างแดชบอร์ด (Dashboard) ภาพรวมขอ้ มูลผ้ปู ่วยโรคไข้เลอื ดออกย้อนหลัง
จากรูปตัวอย่างแดชบอร์ด (Dashboard) ภาพที่ 3-22 จะเห็นได้ว่ามีการแสดงข้อมูลจำนวน

ผู้ป่วยเป็นรายปี ตั้งแต่ปี ค.ศ. 2007-2017 (พ.ศ. 2550-2560) มีจำนวนผู้ป่วยทั้งหมด 7796 คน
แยกเป็นรายตำบล และมีแผนที่ที่บ่งบอกถึงพื้นที่เสี่ยง ที่พบผู้ป่วยโรคไข้เลือดออกเป็นจำนวนมาก
ยกตัวอย่างหากเราเลือกดูข้อมูลปี ค.ศ. 2017 (พ.ศ. 2560) เครื่องมือการแสดงภาพ (Visualization)
ต่าง ๆ จะมีปฏิกิริยาเชิงโต้ตอบ (Interactive) ในรายละเอียดขั้นถัดไป คือ มีจำนวนผู้ป่วยทั้งหมด
186 คน ซ่ึงสามารถยอ่ ยลงเปน็ รายเดอื นโดยอัตโนมัติ ดังภาพท่ี 3-23

79

ภาพท่ี 3-23 ตวั อย่างปฏิกิรยิ าเชงิ โตต้ อบ (Interactive) การแสดงข้อมลู ปี ค.ศ. 2017 (พ.ศ. 2560)
จากภาพ 3-23 เป็นข้อมูลจำนวนผู้ป่วยปี ค.ศ. 2017 (พ.ศ. 2560) ซึ่งสามารถกดดูจำนวน

ผู้ป่วยรายเดือนได้ ความเข้มของระดับสีคือ จำนวนผู้ป่วยจากมากไปน้อย ยกตัวอย่างเดือนมีนาคม
และเลือกที่ตำบลเชิงเนินจะมีเลขแสดงจำนวนผู้ป่วยบอก และมีแผนที่สำหรับบอกตำแหน่งบริเวณ
พน้ื ทนี่ ้ัน แสดงผลไดด้ งั ภาพที่ 3-24

ภาพท่ี 3-24 ตวั อยา่ งแดชบอร์ด (Dashboard) แสดงจำนวนผูป้ ว่ ยปี ค.ศ. 2017 (พ.ศ. 2560)
เดือนมนี าคม ตำบลเชิงเนิน

80

ภาพที่ 3-25 ตัวอยา่ งแดชบอร์ด (Dashboard) ข้อมลู ผ้ปู ่วยจากการพยากรณ์ ปี พ.ศ. 2560
ตำบลแกลง

ทางคณะผู้จัดทำวิจัย ได้ดำเนินการศึกษาตามขั้นตอนการดำเนินงานตั้งแต่ การวิเคราะห์
และจัดเตรียมข้อมูลผู้ป่วยโรคไข้เลือดออกที่ได้จากทางโรงพยาบาลระยอง การศึกษาและทำความ
เข้าใจเกี่ยวกับการใช้โปรแกรมในการประมวลผล การศึกษาและทำความเข้าใจเกี่ยวกับการพยากรณ์
และการศึกษาและทำความเข้าใจเกี่ยวกับการนำข้อมูลมาแสดงผลผ่านหน้าจอ แดชบอร์ด
(Dashboard) ซึ่งการดำเนินงานวิจัยตามขั้นตอนการดำเนินงานดังกล่าวนี้ ทำให้ได้ผลการพยากรณ์
จากการใช้ใช้ข้อมูล 5 ปี คือปี พ.ศ. 2555-2559 และข้อมูล 10 ปี คือปี พ.ศ. 2550-2559
เพื่อทำการพยากรณ์จำนวนผู้ป่วยโรคไข้เลือดออกปี พ.ศ. 2560 โดยผลการพยากรณ์
และการตรวจสอบหาค่าความคลาดเคลื่อน (Error) ว่ารูปแบบใดมีความคลาดเคลื่อนมากน้อยกว่ากนั
หรือมีความคาดเคลื่อนคดิ เป็นกเี่ ปอร์เซ็นต์ และสามารถยอมรบั ได้หรอื ไม่ โดยจะกลา่ วในบทถัดไป

บทท่ี 4
ผลการทดลอง

บทน้ีจะกล่าวถงึ ผลการนำข้อมูลผู้ป่วยโรคไข้เลือดออก 10 ปี ย้อนหลังทไ่ี ดร้ ับความอนุเคราะห์
จากทางโรงพยาบาลระยอง ตั้งแต่ปี พ.ศ. 2550-2561 เพ่ือนำข้อมูลท่ีได้มาวิเคราะห์หาการกระจาย
ตัวของโรคแบบเชิงพื้นท่ีในระบบสารสนเทศทางภูมิศาสตร์ (Spatial Analysis) และทำการพยากรณ์
เพื่อหาแนวโน้มจำนวนผู้ป่วยโรคไข้เลือดออกท่ีมีโอกาสที่จะเกิดข้ึน โดยใช้โปรแกรมในการพยากรณ์
คอื โปรแกรม Power BI Desktop ซง่ึ สามารถสรปุ ผลการดำเนินงานวิจัยไดด้ ังต่อไปนี้
4.1 การจดั ทำแผนที่แสดงระดบั จำนวนผูป้ ่วยจากข้อมลู Shape File และ Google Map

จากการศึกษาการใช้ข้อมูล Shape File และ Google Map ในโปรแกรม QGIS สามารถ
อ้างอิงพิกัดตำแหน่งของหมู่บ้านในแต่ละตำบลได้ หลังจากนั้นนำข้อมูลที่ได้จากการศึกษามาจัดทำ
แผนทแ่ี สดงระดบั จำนวนผปู้ ว่ ยโรคไขเ้ ลือดออกในระดับหมู่บ้านของแตล่ ะตำบล ไดด้ ังตัวอยา่ งตอ่ ไปนี้

ภาพท่ี 4-1 ตัวอยา่ งแผนที่แสดงระดับจำนวนผปู้ ว่ ยโรคไข้เลือดออกในระดบั หมู่บ้านของแตล่ ะตำบล
จากข้อมูลผปู้ ว่ ยโรคไขเ้ ลือดออกประจำเดือนมกราคม ปี พ.ศ. 2558

82

ภาพท่ี 4-2 ตวั อย่างแผนที่แสดงระดบั จำนวนผ้ปู ว่ ยโรคไข้เลอื ดออกในระดบั หม่บู ้านของแตล่ ะตำบล
จากข้อมลู ผูป้ ว่ ยโรคไข้เลือดออกประจำเดือนกมุ ภาพนั ธ์ ปี พ.ศ. 2558

ภาพท่ี 4-3 ตวั อยา่ งแผนท่ีแสดงระดบั จำนวนผ้ปู ว่ ยโรคไข้เลือดออกในระดับหมบู่ ้านของแตล่ ะตำบล
จากข้อมูลผปู้ ่วยโรคไขเ้ ลือดออกประจำเดือนมนี าคม ปี พ.ศ. 2558

83

ภาพที่ 4-4 ตวั อย่างแผนท่ีแสดงระดับจำนวนผู้ป่วยโรคไข้เลือดออกในระดับหม่บู า้ นของแต่ละตำบล
จากข้อมูลผู้ป่วยโรคไขเ้ ลือดออกประจำเดือนเมษายน ปี พ.ศ. 2558

ภาพที่ 4-5 ตวั อยา่ งแผนท่ีแสดงระดบั จำนวนผ้ปู ว่ ยโรคไข้เลอื ดออกในระดบั หมู่บา้ นของแต่ละตำบล
จากข้อมูลผู้ปว่ ยโรคไข้เลือดออกประจำเดือนพฤษภาคม ปี พ.ศ. 2558

84

ภาพท่ี 4-6 ตัวอย่างแผนที่แสดงระดบั จำนวนผู้ปว่ ยโรคไข้เลือดออกในระดับหมบู่ ้านของแต่ละตำบล
จากข้อมูลผู้ป่วยโรคไขเ้ ลือดออกประจำเดือนมิถุนายน ปี พ.ศ. 2558

ภาพท่ี 4-7 ตัวอย่างแผนที่แสดงระดบั จำนวนผู้ป่วยโรคไข้เลอื ดออกในระดบั หมบู่ ้านของแต่ละตำบล
จากข้อมลู ผปู้ ว่ ยโรคไขเ้ ลือดออกประจำเดือนกรกฎาคม ปี พ.ศ. 2558

85

ภาพท่ี 4-8 ตัวอย่างแผนท่ีแสดงระดับจำนวนผูป้ ่วยโรคไข้เลือดออกในระดบั หม่บู ้านของแต่ละตำบล
จากข้อมูลผู้ป่วยโรคไขเ้ ลือดออกประจำเดือนสิงหาคม ปี พ.ศ. 2558

ภาพท่ี 4-9 ตัวอย่างแผนที่แสดงระดบั จำนวนผู้ปว่ ยโรคไข้เลอื ดออกในระดับหมบู่ ้านของแต่ละตำบล
จากข้อมลู ผปู้ ว่ ยโรคไข้เลือดออกประจำเดือนกันยายน ปี พ.ศ. 2558