การพัฒนาระบบแนะนำอาหารตามอารมณ์ผู้ใช้ โดยใช้ Decision Tree Classifier: Developing a Food Recommendation System Based  on User's Mood Using a Decision Tree Classifier

ปฏิภาณ ใบชิด; ประภัสสร อบแสง; วิมลสิริ บุตรอิ่ม; มงคล ณ ลำพูน

ผู้แต่ง

ปฏิภาณ ใบชิด สาขาวิชาระบบสารสนเทศและนวัตกรรมดิจิทัล คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ นนทบุรี
ประภัสสร อบแสง สาขาวิชาระบบสารสนเทศและนวัตกรรมดิจิทัล คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ นนทบุรี
วิมลสิริ บุตรอิ่ม สาขาวิชาระบบสารสนเทศและนวัตกรรมดิจิทัล คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ นนทบุรี
มงคล ณ ลำพูน สาขาวิชาระบบสารสนเทศและนวัตกรรมดิจิทัล คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ นนทบุรี

คำสำคัญ:

ระบบแนะนำเมนูอาหาร, การพัฒนาระบบ, โครงสร้างการตัดสินใจแบบต้นไม้

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) วิเคราะห์และออกแบบการพัฒนาระบบแนะนำเมนูอาหารตามอารมณ์ของผู้ใช้ 2) เพื่อแนะนำเมนูอาหารตามอารมณ์ของผู้ใช้โดยใช้โมเดล Decision Tree Classifier (โครงสร้างการตัดสินใจแบบต้นไม้) ได้อย่างเหมาะสม
3) เพื่อประเมินคุณภาพของระบบแนะนำเมนูอาหารตามอารมณ์ของผู้ใช้โดยผู้เชี่ยวชาญ และ 4) เพื่อประเมินความพึงพอใจของผู้ใช้งานต่อระบบต้นแบบ โดยกลุ่มที่ใช้ในการวิจัยครั้งนี้ได้มาจากการสุ่มตัวอย่างแบบการสุ่มอย่างง่าย จากกลุ่มประชากรนักศึกษา สาขาระบบสารสนเทศและนวัตกรรมดิจิทัล คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ ศูนย์นนทบุรี หลักสูตร 4 ปี ภาคปกติ ซึ่งมีจำนวนประชากรทั้งหมด 175 คน ประกอบด้วยนักศึกษาชั้นปีที่ 1 จำนวน 59 คน ชั้นปีที่ 2 จำนวน 53 คน ชั้นปีที่ 3 จำนวน 37 คน และ และชั้นปีที่ 4 จำนวน 26 คน โดยผู้วิจัยได้ทำการสุ่มกลุ่มตัวอย่างเพื่อใช้ในการประเมินจำนวน 30 คน จากประชากรทั้งหมดดังกล่าว โดยระบบสามารถทำงานได้เช่น การแนะนำเมนูอาหารตามอารมณ์ จากนั้นจึงพัฒนาระบบสารสนเทศ ด้วยภาษา PHP ผ่าน Laravel Framework และภาษา JavaScript ร่วมกับการใช้ระบบฐานข้อมูล MySQL ผลการประเมินคุณภาพภาพระบบจากผู้เชี่ยวชาญจำนวน 3 คน อยู่ในระดับ มากที่สุด ( $\bar{x}$ = 4.56, S.D.= 0.57) และผลการประเมินความพึงพอใจของผู้ใช้จำนวน 30 คน อยู่ในระดับ มาก ( $\bar{x}$ = 4.49, S.D.= 0.53) ผลการประเมินบ่งชี้ว่าระบบสามารถนำไปประยุกต์ใช้ได้อย่างมีประสิทธิภาพ

เอกสารอ้างอิง

American Psychological Association. Stress in America Survey: Are Teens Adopting Adults’ Stress Habits? Washington (DC): American Psychological Association; 2014.

Aguilar-Loja J, et al. Development of a nutrition plan recommendation system using personal and health data with a decision tree classifier. In: Proceedings of the International Conference on Information Systems and Technologies (CISTI); 2022.

Puja A. Cholke, et al. Emotion-based food recommendation system using machine learning. NeuroQuantology. 2022;20(13):3626–30.

Knüppel A, Shipley MJ, Llewellyn CH, Brunner EJ. Sugar intake from sweet food and beverages, common mental disorder and depression: prospective findings from the Whitehall II study. Br J Psychiatry. 2017;211(5):308–14. Available from: https://pubmed.ncbi.nlm.nih.gov/28686923/

Keltner D. The science behind Pixar’s Inside Out [Internet]. Berkeley (CA): Greater Good Science Center, University of California, Berkeley; 2015 [cited 2026 Mar 22]. Available from: https://greatergood.berkeley.edu/article/item/

the_science_of_inside_out

Han J, Kamber M, Pei J. Data mining: Concepts and techniques. 3rd ed. Burlington (MA): Morgan Kaufmann; 2012.

Macht M. How emotions affect eating: A five-way model. Appetite. 2008;50(1):1–11.

ชญานิษฐ์ ตระกูลพิพัฒน์, จุฑาทิพย์ วิวัฒนาพันธุวงศ์, อาภาพร อุษณรัศมี. พฤติกรรมการเลือกรับประทานอาหารและประเภทอาหารที่เลือกรับประทานเพื่อลดความเครียดระยะสั้น: กรณีศึกษาในนิสิตนักศึกษาของมหาวิทยาลัยในกรุงเทพมหานครและจังหวัดสงขลา. วารสารจิตวิทยาแห่งประเทศไทย. 2566;20(1):48-61.