การพยากรณ์จำนวนผู้สมัครเข้าศึกษาต่อระดับบัณฑิตศึกษา กรณีศึกษามหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

Main Article Content

เปรมวดี อาวุธกรรมปรีชา

บทคัดย่อ

การศึกษานี้มีวัตถุประสงค์เพื่อสร้างตัวแบบการพยากรณ์ที่เหมาะสมที่สุดสำหรับจำนวนผู้สมัครเข้าศึกษาต่อระดับบัณฑิตศึกษา กรณีศึกษามหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือด้วยวิธีการของบอกซ์-เจนกินส์  และเพื่อหาค่าพยากรณ์จำนวนผู้สมัครเข้าศึกษาต่อระดับบัณฑิตศึกษา จำนวนกลุ่มตัวอย่างมีจำนวน 38 ค่า เป็นจำนวนผู้สมัครเข้าศึกษาต่อระดับบัณฑิตศึกษา จำแนกเป็นระดับปริญญาเอก และปริญญาโท แบ่งเป็นการรับสมัครทั้งภาคการศึกษาที่ 1 และภาคการศึกษาที่  2   ตั้งแต่ปีการศึกษา 2555-2564  เครื่องมือที่ใช้ในการวิจัย ด้วยวิธีการของ Box –Jenkins ซึ่งผลจากการคัดเลือกตัวแบบเพื่อใช้ในการพยากรณ์พบว่าตัวแบบที่เหมาะสมสำหรับพยากรณ์ผู้สมัครระดับปริญญาโท ได้แก่ ARIMA (1,1,4) ส่วนตัวแบบที่เหมาะสมสำหรับการพยากรณ์จำนวนผู้สมัครระดับปริญญาเอก ได้แก่  ARIMA (0,1,4) ซึ่งผลจากการพยากรณ์ พบว่า จำนวนผู้สมัครปีการศึกษา 2565 ของระดับปริญญาโทมีจำนวน 589 คน และ ระดับปริญญาเอก
มีจำนวน 71 คน

Downloads

Download data is not yet available.

Article Details

บท
บทความวิจัย

References

ทิศนา แขมมณี. (2560). ศาสตร์การสอน. พิมพ์ครั้งที่ 21. กรุงเทพมหานคร : สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
สำนักงานคณะกรรมการการอุดมศึกษา. (2551). กรอบแผนอุดมศึกษาระยะยาว 15 ปี ฉบับที่ 2 (พ.ศ.2551-2565). กรุงเทพฯ: กระทรวงศึกษาธิการ.
สำนักมาตรฐานและประเมินผลอุดมศึกษา (2560). เกณฑ์มาตรฐานหลักสูตรระดับอุดมศึกษา พ.ศ. 2558.กรุงเทพฯ: กระทรวงศึกษาธิการ.
Aditya Satrio, Christophorus Beneditto, William Darmawan, Bellatasya Unrica Nadia, and Novita Hanafiah. (2021). Time Series Analysis and Forecasting of Coronavirus Disease in Indonesia Using ARIMA Model and PROPHET. Procedia Computer Science, 179,524–32.
Al-Gounmeein, Remal Shaher, and Mohd Tahir Ismail. (2020). Forecasting the Exchange Rate of the Jordanian Dinar versus the US Dollar Using a Box-Jenkins Seasonal ARIMA Model. International Journal of Mathematics and Computer Science 15(1),27–40.
Alzahrani, Saleh I., Ibrahim A. Aljamaan, and Ebrahim A. Al-Fakih. (2020). Forecasting the Spread of the COVID-19 Pandemic in Saudi Arabia Using ARIMA Prediction Model under Current Public Health Interventions. Journal of Infection and Public Health, 13(7),914–19.
Mohamed, Jama. (2020). Time Series Modeling and Forecasting of Somaliland Consumer Price Index: A Comparison of ARIMA and Regression with ARIMA Errors. American Journal of Theoretical and Applied Statistics, 9(4),143.
Schaffer, Andrea L., Timothy A. Dobbins, and Sallie-Anne Pearson. 2021. Interrupted Time Series Analysis Using Autoregressive Integrated Moving Average (ARIMA) Models: A Guide for Evaluating Large-Scale Health Interventions. BMC Medical Research Methodology, 21(1),58.