การวิเคราะห์ทางการท่องเที่ยวจังหวัดชลบุรีด้วยวิธีเหมืองข้อมูล
DOI:
https://doi.org/10.14456/jcct.2024.13คำสำคัญ:
พฤติกรรมนักท่องเที่ยว, สถานที่ท่องเที่ยว, จังหวัดชลบุรี, เทคนิคเหมืองข้อมูลบทคัดย่อ
จังหวัดชลบุรีจะมีแหล่งท่องเที่ยวหลากหลายที่ทำให้นักท่องเที่ยวบางกลุ่มไม่สามารถตัดสินใจได้ว่าจะเลือกสถานที่ท่องเที่ยวใดได้ตรงกับความต้องการของตนเอง การวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์พฤติกรรมและปัจจัยที่มีผลต่อการตัดสินใจทางการท่องเที่ยวจังหวัดชลบุรี ด้วยวิธีเหมืองข้อมูลสู่การสร้างโมเดลในการแนะนำสถานที่ท่องเที่ยว จากการเก็บรวบรวมข้อมูลด้วยแบบสอบถาม กับ 120 กลุ่มตัวอย่างที่เป็นนักท่องเที่ยวเชิงพื้นที่ การวิเคราะห์ข้อมูลโดยใช้เทคนิคการทำเหมืองข้อมูล 4 เทคนิค ทั้ง Naïve Bayes, Decision Tree, K-Nearest Neighbors และ Multi-Layer Perceptron ทั้งนี้ ข้อค้นพบทางการศึกษาเกี่ยวกับปัจจัยที่มีอิทธิพลสูงต่อการตัดสินใจเลือกสถานที่ท่องเที่ยวได้แก่ ความชอบด้านธรรมชาติ การพักผ่อน และความสะดวกในการเดินทางของกรอบการนำไปพัฒนาและสร้างแอปพลิเคชัน หรือ แพลตฟอร์มในการแนะนำสถานที่ท่องเที่ยวที่สอดคล้องและตรงกับความต้องการของนักท่องเที่ยวในอนาคตได้อย่างมีประสิทธิภาพ
Downloads
References
Bunrueang, S. (2019). Development of Tourism Potential in Chonburi Province for Sustainable Development. Review of Integrative Business and Economics Research, 8(3), 258-265.
Chancharat, S. (2011). Thai Tourism and Economic Development: The Current State of Research. Kasetsart Journal of Social Sciences, 32(2), 340–351.
Chaturongakul, D. (2022). An Analysis of the Factors Motivating Tourist Travel to Pattaya City, Chonburi Province, Under the Covid 2019 Pandemic (Covid-19). Humanities and Social Science Research Promotion Network Journal, 5(2), 1–16. (In Thai)
Chonburi Province. (n.d.). Get to know Chonburi. https://www.chonburi.go.th/content/profile. (In Thai)
Chutipascharoen, A., & Sanrach, D. C. (2018). A Comparison of the Efficiency of Algorithms and Feature Selection Methods for Predicting the Success of Personal Overseas Money Transfer. KKU Research Journal (Graduate Studies) Humanities and Social Sciences, 6(3), 105–113. (In Thai)
Edensor, T. (2000). Staging Tourism: Tourists as Performers. Annals of Tourism Research, 27(2), 322–344. https://doi.org/10.1016/S0160-7383(99)00082-1.
KongRuksiam Studio. (2020). K-Nearest Neighbors. https://kongruksiam.medium.com/สรุป-machine-learning-ep-4-เพื่อนบ้านใกล้ที่สุด-k-nearest-neighbors-787665f7c09d. (In Thai)
Mekparyup, J. & Saithanu, K. (2009). Application of Neural Networks to Multivariate Quality Control Charts. Burapha Science Journal, 14(2), 99-110.
Poolpol, P. (2021). Naïve Bayes Classification. https://peachapong-poolpol.medium.com/naïve-bayes-classification-cb6cf905505d. (In Thai)
Saxon, S., Sodprasert, J., & Sucharitakul, V. (2021). Reimagining Travel: Thailand Tourism after the COVID-19 Pandemic. https://www.mckinsey.com/industries/travel-logistics-and-infrastructure/our-insights/reimagining-travel-thailand-tourism-after-the-covid-19-pandemic.
Tourismatbuu. (n.d.). Meaning of Tourism. https://tourismatbuu.wordpress.com/ความรุ้เบื้องต้นการท่อ/ความหมายของการท่องเที่. (In Thai)
Utthayan, C. (2008). Meaning of Tourist Behavior. https://touristbehaviour.wordpress.com/1. (In Thai)
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
หมวดหมู่
License
Copyright (c) 2024 วารสารคอมพิวเตอร์และเทคโนโลยีสร้างสรรค์
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
