Forecasting for Thailand's Monthly Sugar Export Using Time Series Model
Article Sidebar
Main Article Content
Abstract
The objectives of this research were to find a forecastting model of the monthly sugar export volume of Thailand by the three methods: the Holt Exponential Smoothing, Holt Winter's Exponential Smoothing, and ARIMA method, and to compare the performance of the forecasting models with the minimum root mean squar eerror (RMSE) criterion. The data were the 83 monthly sugar export volumes of Thailand from January 2017 to November 2023, reported by the Customs Department, Thailand. The first 72 records of data, from January 2017 to December 2022, were used to build the models with all of the methods. The last 11 records of data are used to test the performance of models. The results found that the most appropriate model for forecasting the monthly sugar export volumes of Thailand was the ARIMA (1,1,0)(0,1,1)12 model with the lowest RMSE value of 44.5986. The second best model to forecast the monthly sugar export tvolume of Thailand was the additive Holt-Winter's exponential smoothing model with an RMSE value of 45.9401.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
The content and information in articles published in the Journal of Advanced Development in Engineering and Science are the opinions and responsibility of the article's author. The journal editors do not need to agree or share any responsibility.
Articles, information, content, etc. that are published in the Journal of Advanced Development in Engineering and Science are copyrighted by the Journal of Advanced Development in Engineering and Science. If any person or organization wishes to publish all or any part of it or to do anything. Only prior written permission from the Journal of Advanced Development in Engineering and Science is required.
References
References
Tunsamai, K. (2011). By Product Management in Sugar Processing. Master IS, Silpakorn University. (in Thai)
กรกิจ ทันสมัย. (2554). แนวทางการจัดการผลผลิตพลอยได้จากการผลิตน้ำตาล. การค้นคว้าอิสระปริญญาบริหารธุรกิจมหาบัณฑิต สาขาวิชาการประกอบการ บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร.
Nansaior, A. & Apichottanakul, A. (2021). Sugar and raw sugar products export volumes forecasting models based on wavelet-nonlinear autoregressive neural network. Khon Kaen Agriculture Journal, 49 (1), 179-191. (in Thai).
อนาลยา หนานสายออ และอาทิตย์ อภิโชติธนกุล. (2561).ตัวแบบพยากรณ์ปริมาณส่งออกน้ำตาลทรายและน้ำตาลดิบของประเทศไทยโดยใช้โครงข่ายประสาทเทียมออโตรีเกรสซีฟไม่เชิงเส้นแบบเวฟเล็ต. แก่นเกษตร, 49(1), 179-191.
Riansut, W. (2022). Forecasting Model of Sugar Export Quantity via the Use of Statistical Methods. PBRU Science Journal, 19(1), 1-12. (in Thai).
วรางคณา เรียนสุทธิ์. (2565). ตัวแบบพยากรณ์ปริมาณการส่งออกน้ำตาลด้วยวิธีการทางสถิติ. PBRU Science Journal, 19(1), 1-12.
Teppiam, T. & Kittichotipanit, N. (2015). Comparation of Forecasting Models for Quantity of Exporting Thailand’s Rawsugar using Times Series Analysis and Multiple Linear Regression Analysis. Journal of Science Ladkrabang, 24(2), 77-92. (in Thai).
ธวัชชัย เทพเปี่ยม และน้อมจิต กิตติโชติพาณิชย์. (2558). เปรียบเทียบตัวแบบการพยากรณ์ปริมาณการส่งออกน้ำตาลทราบดิบของประเทศไทยโดยวิธีอนุกรมเวลาและวิธีการวิเคราะห์การถดถอยเชิงเส้นพหุ. วารสารวิทยาศาสตร์ลาดกระบัง, 24(2), 77-92.
Bank of Thailand. (2023). EC_XT_009_S3 Value and quantity of merchandise exports classified by production activity (US dollars). Availble from URL. https://app.bot.or.th/ BTWS_STAT/statistics/BOTWEBSTAT.aspx?reportID=979&language=TH. Accessed date: 19 Febuary 2023. (in Thai).
ธนาคารแห่งประเทศไทย. (2566). มูลค่าและปริมาณสินค้าออกจำแนกตามกิจกรรมการผลิต (ดอลลาร์ สรอ.). จาก https://www.bot.or.th/App/BTWS_STAT/statistics/BOTWEBSTAT.aspx? reportID= 979&language=TH (ค้นเมื่อ 19 กุมภาพันธ์ 2566).
Thanapornsin, W. (2018). Sales Forecasting of Entertainment Business: A Case Study of Marvel Experience Thailand Co.Ltd. Master IS, Ubon Ratchathani University. (in Thai).
วรศักดิ์ ธนาพรสิน. (2561). การพยากรณ์ยอดขายในธุรกิจบันเทิง: กรณีศึกษาธุรกิจ เดอะ มาร์เวล เอ็กซ์พีเรียนซ์ ไทยแลนด์. การค้นคว้าอิสระปริญญาบริหารธุรกิจมหาบัณฑิต คณะบริหารศาสตร์ มหาวิทยาลัยอุบลราชธานี.
Box, G. E. P & Jenkins, G.M., (1976). Time series analysis: Forecasting and control. Holden-Day, San Francisco.
Kandananond, K. (2018). Statistical forecasting. Bangkok: SE-ED Education. (in Thai).
กรินทร์ กาญทนานนท์. (2561). การพยากรณ์ทางสถิติ. กรุงเทพฯ:ซีเอ็ดยูเคชั่น.
Pipatunukul, T., et al. (2015). Time Series Modeling ofthe Monthly Rainfall in KhonkaenProvince. Science and Technology Research Journal Nakhon Ratchasima Rajabhat University, 7(1), 31-38. (in Thai).
ฑิพรัตน์ พิพัฒน์อนุกูล, ชนัญกาญจน์ แสงประสาน, จันทร์จิรา แกะทาคำ และกนกวรรณ บุญชาญ. (2565). ตัวแบบอนุกรมเวลาของปริมาณน้ำฝนรายเดือนในจังหวัดขอนแก่น. วารสารวิจัยวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครราชสีมา, 7(1), 31-38.
Tansirirungruang, K. & Phanphocha, S. (2020). Comparison of Forecasting Valuation in Commercial Banking Groups using the ARIMA and ARIMAX Models. In The 15th RSU National Graduate Research Conference (p. 2488-2499). 13 August 2020, Rangsit University, Pathum Thani.
กำธร ตันศิริรุ่งเรือง และสมพร ปั่นโภชา. (2563). เปรียบเทียบการพยากรณ์มูลค่าหลักทรัพย์ในกลุ่มธนาคารพาณิชย์โดยใช้ตัวแบบอารีมาและอารีแม็กซ์. ใน การประชุมนำเสนอผลงานวิจัยระดับบัณฑิตศึกษา มหาวิทยาลัยรังสิต ครั้งที่ 15 (หน้า 2488-2499). 13 สิงหาคม พ.ศ. 2563,มหาวิทยาลัยรังสิต, ปทุมธานี.
Bhudsumrit, W. & Daloonpate, A. (2016). An Analysis of Sugar Price Transmission of Thailand. Journal of Economics Ramkhamhaeng University, 2(1), 21-52. (in Thai).
วิริยกิตต์ พุทธสัมฤทธิ์ และอภิชาต ดะลุณเพธย์. (2559). วิเคราะห์การส่งผ่านราคาอ้อยและน้ำตาลทรายของไทย. วารสารเศรษฐศาสตร์รามคําแหง, 2(1), 21-52.
Food and Agriculture Organization of the United Nations. Sugar. Avalible from URL https://www.fao.org/3/cc8589en/cc8589en_sugar.pdf Accessed date: 30 November 2023.
