teknik fuzzy delphi

Teknik Fuzzy Delphi

DISEDIAKAN:

• MOHD RIDHUAN

BIN MOHD JAMIL

• NURULRABIHAH BTE MAT NOH

PENGENALAN APAKAH ITU DELPHI METHOD?

• Satu kaedah yang terbaik untuk memperoleh persetujuan pakar dalam menentukan item / sub-item di dalam satu kajian yang dijalankan.

• Teknik Delphi juga adalah kaedah berdasarkan kumpulan yang digunakan utk meninjau dan mengumpulkan pendapat kesepakatan pakar, ia juga boleh dianggap satu kaedah yang mendapatkan data secara berstruktur berdasarkan kepada kesepakatan pakar (Muhammad Imran Yousuf, 2007).

KELEMAHAN KAEDAH DELPHI

• Kebolehpercayaan data diragui sekiranya pengkaji gagal memilih pakar yang sebenar.

• Kebosanan akan berlaku kepada pakar kerana ujikaji yang diulang-ulang. • Bilangan pakar terlalu kecil untuk menilai/mengukur sesuatu yang besar.

(Saedah Siraj, 2008) [1]

• Kajian yang panjang dan berulang akan menyebabkan data yang tidak tepat dan tidak lengkap.

• Keputusan yang dibuat oleh pakar bergantung kepada kompetensi individu dan ia sangat subjektif.

(George Bojadziev & Maria Bojadziev, 2007) [2]

• Kualiti tindak balas bergantung kepada panel. • Penyelidik perlu memilih peserta terpilih. • Mengambil masa sebab terlalu banyak pusingan. • Panel boleh hilang minat jika konsensus tidak dicapai dalam masa yang

munasabah. • Interaksi semuka lambat berlaku.

MENGAPA KITA PERLU FDM?

• Ia diperkenalkan oleh Kaufman & Gupta (1988).

• Kombinasi Fuzzy Set Theory di dalam delphi method.

• Mengandungi beberapa langkah yang perlu dipatuhi untuk mendapatkan persetujuan pakar.

• Ia dapat mengatasi masalah-masalah yang timbul di dalam delphi method.

• Cepat dan mengurangkan pusingan delphi.

• Penilaian menggunakan nilai dari 0 hingga 1 (Binary Terms).

2 PERKARA UTAMA DALAM FDM

• Triangular Fuzzy Number

• Defuzzification Process

TRIANGULAR FUZZY NUMBER

• Terdiri daripada 3 nilai (m1, m2, m3)

Nilai minimum (smallest value)

Nilai paling munasabah (most plausible)

Nilai maksimum (largest value)

TRIANGULAR FUZZY NUMBER

• Digunakan untuk menghasilkan skala fuzzy (sama seperti likert scale).

• Skala fuzzy digunakan untuk menterjemahkan pembolehubah linguistik kepada fuzzy number.

• Bilangan aras persetujuan / tahap bagi skala fuzzy

ini mestilah di dalam bilangan ganjil (3,5,7 ….).

• Lebih tinggi skala fuzzy, data lebih jitu.

CONTOH SKALA FUZZY – Melihat Persetujuan berdasarkan kesepakatan pakar

7 POINT FUZZY SCALE

SANGAT-SANGAT SETUJU 0.90 1.00 1.00

SANGAT SETUJU 0.70 0.90 1.00

SETUJU 0.50 0.70 0.90

SEDEHANA SETUJU / TIDAK PASTI 0.30 0.50 0.70

TIDAK SETUJU 0.10 0.30 0.50

SANGAT TIDAK SETUJU 0.00 0.10 0.30

SANGAT-SANGAT TIDAK SETUJU 0.00 0.00 0.10

5 POINT FUZZY SCALE

SANGAT SETUJU 0.60 0.80 1.00

SETUJU 0.40 0.60 0.80

TIDAK PASTI / SEDERHANA SETUJU 0.20 0.40 0.60

TIDAK SETUJU 0.00 0.20 0.40

SANGAT TIDAK SETUJU 0.00 0.00 0.20

Contoh Lain – Untuk melihat KEPENTINGAN berdasarkan pakar

Tahap Skala Likert Skala Fuzzy

Sangat Penting 5 0.60 0.80 1.00

Penting 4 0.40 0.60 0.80

Tidak Pasti 3 0.20 0.40 0.60

Tidak Penting 2 0.00 0.20 0.40

Sangat Tidak Penting 1 0.00 0.00 0.20

5 Skala

Tahap Skala Likert Skala Fuzzy

Sangat-Sangat Penting 7 0.90 1.00 1.00

Sangat Penting 6 0.70 0.90 1.00

Penting 5 0.50 0.70 0.90

Tidak Pasti 4 0.30 0.50 0.70

Tidak Penting 3 0.10 0.30 0.50

Sangat Tidak Penting 2 0.00 0.10 0.30

Sangat-SangatPenting 1 0.00 0.00 0.10

7 Skala

Contoh Lain – Untuk melihat Tahap berdasarkan pakar

Tahap Skala Likert Skala Fuzzy

Sangat Tinggi 5 0.60 0.80 1.00

Tinggi 4 0.40 0.60 0.80

Tidak Pasti 3 0.20 0.40 0.60

Rendah 2 0.00 0.20 0.40

Sangat Rendah 1 0.00 0.00 0.20

5 Skala

Tahap Skala Likert Skala Fuzzy

Sangat-sangat tinggi 7 0.90 1.00 1.00

Sangat Tinggi 6 0.70 0.90 1.00

Tinggi 5 0.50 0.70 0.90

Tidak Pasti 4 0.30 0.50 0.70

Rendah 3 0.10 0.30 0.50

Sangat Rendah 2 0.00 0.10 0.30

Sangat-Sangat Rendah 1 0.00 0.00 0.10

7 Skala

DEFUZZIFICATION PROCESS – adalah proses menentukan RANKING (KEDUDUKAN @ KEUTAMAAN) bagi setiap item.

1. Fuzzy Evaluation

2. Average of Fuzzy number

DEFUZZIFICATION PROCESS - Menggunakan Average of Fuzzy number (A)

Bertujuan untuk menentukan kedudukan (ranking) bagi setiap pembolehubah/sub-pembolehubah.

Terdapat 3 rumus yang boleh diaplikasikan.

A = 1/3 * (m1 + m2 + m3)

A = 1/4 * (m1 + 2m2 + m3)

A = 1/6 * (m1 + 4m2 + m3)

nilai α-cut = nilai median bagi ‘0’ dan ‘1’, dimana α-cut = (0+1)/2 = 0.5

Sekiranya nilai A terhasil kurang dari nilai α-cut = 0.5, item akan ditolak (menunjukkan kesepakatan pakar menolak item tersebut) & sebaliknya.

* Bagi pernyataan nilai α-cut = 0.5, sumber rujukan [ 3 , 4 ]

• Membangunkan dan membina soal selidik FDM bagi mendapatkan kesepakatan pakar.

• Pembangunan soal selidik FDM ini boleh dilakukan berdasarkan:

1) Sorotan Literatur

2) Temubual Pakar

3) Focus Group

LANGKAH 1

LANGKAH 2

1. Menjemput pakar

yang terlibat melalui

bengkel.

2. Pertemuan secara

individu kepada pakar

yang dipilih.

3. Melalui emel terus

kepada pakar.

1. Adler dan Zinglio (1996)

[5], bilangan pakar

dalam kaedah Delphi 10-

15, jika terdapat

keseragaman yang

tinggi di kalangan pakar.

@

2. Jones dan Twiss (1978)

[6] mencadangkan

sebanyak 10 - 50 orang

pakar.

Dalam Langkah 2, terdapat beberapa kaedah iaitu:

LANGKAH 3 • Menukarkan ke semua

Pembolehubah ke dalam triangular

Fuzzy number

5 POINT FUZZY SCALE

SANGAT SETUJU 0.60 0.80 1.00

SETUJU 0.40 0.60 0.80

TIDAK PASTI / SEDERHANA SETUJU 0.20 0.40 0.60

TIDAK SETUJU 0.00 0.20 0.40

SANGAT TIDAK SETUJU 0.00 0.00 0.20

LANGKAH 4

• Segala data dijadualkan untuk

mendapatkan nilai fuzzy (n1, n2, n3)

dan nilai purata fuzzy (m1, m2, m3)

PAKAR Item 1.10

r1 0.4 0.6 0.8

r2 0.2 0.4 0.6

r3 0.4 0.6 0.8

r4 0.6 0.8 1.0

r5 0.6 0.8 1.0

r6 0.6 0.8 1.0

r7 0.6 0.8 1.0

r8 0.6 0.8 1.0

r9 0.6 0.8 1.0

r10 0.4 0.6 0.8

average 0.5 0.7 0.9

m1 m2 m3

Tidak Pasti

Setuju

Setuju

Sgt-Sgt Setuju

Sgt-Sgt Setuju

Sgt-Sgt Setuju

Sgt-Sgt Setuju

Sgt-Sgt Setuju

Sgt-Sgt Setuju

Setuju

n1 n2 n3

LANGKAH 5 • Menentukan jarak di antara 2 nombor fuzzy bagi

menentukan nilai threshold, d

• Syarat: sekiranya d ≤ 0.2, bermaksud:

kesemua pakar mencapai

kesepakatan (consensus) pakar.

Jika sebaliknya pusingan

kedua @ lihat semula item diperlukan @

item dibuang.

* Rujukan [ 7 , 8 ]

Pusingan kedua @ lihat semula item @ dibuang @

kekalkan item

Nilai Threshold, d setiap pakar

PAKAR Item 1.1 Item 1.2

r1 0.12 0.12

r2 0.43 0.12

r3 0.12 0.12

r4 0.18 0.12

r5 0.18 0.12

r6 0.18 0.12

r7 0.18 0.12

r8 0.18 0.18

r9 0.18 0.18

r10 0.12 0.18

Nilai d total item

3.25

Nilai d Konstruk

3.25 / 20 = 0.163 Syarat 1 dipatuhi, nilai d konstruk ≤

0.2

LANGKAH 6

Kesepakatan Kumpulan Pakar ≥ 75%

Menentukan kesepakatan

kumpulan pakar lebih @ sama 75% bagi keseluruhan

konstruk atau bagi setiap item

*Rujukan [ 9 , 10 ]

Syarat 2 dipatuhi, peratusan > 75%

PAKAR Item 1.1 Item 1.2 Item 1.3

r1 0.12 0.12 0.12

r2 0.43 0.12 0.12

r3 0.12 0.12 0.12

r4 0.18 0.12 0.12

r5 0.18 0.12 0.18

r6 0.18 0.12 0.18

r7 0.18 0.12 0.18

r8 0.18 0.18 0.18

r9 0.18 0.18 0.12

r10 0.12 0.18 0.12

Nilai d Item ≤ 0.2 9 10 10

Total Item ≤ 0.2 29

Peratus Keseluruhan (29 /30) x 100% = 97 %

PAKAR ITEM B

B1 B2 B3 B4 B5 B6 B7 B8

1 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

2 0.04 0.04 0.04 0.02 0.02 0.08 0.47 0.04

3 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

4 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

5 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

6 0.04 0.04 0.04 0.02 0.02 0.08 0.16 0.04

7 0.04 0.04 0.04 0.02 0.02 0.20 0.14 0.04

8 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

9 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

10 0.57 0.57 0.20 0.20 0.20 0.20 0.47 0.57

11 0.04 0.04 0.04 0.02 0.02 0.53 0.47 0.04

12 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

13 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

14 0.04 0.04 0.19 0.02 0.02 0.08 0.14 0.04

15 0.04 0.04 0.04 0.02 0.02 0.08 0.14 0.04

Nilai d total item 10.71

Nilai d konstruk 10.71 / ( 8 x 15) = 0.09 Item B1 B2 B3 B4 B5 B6 B7 B8

Item ≤ 0.2 14 14 15 15 15 14 12 14

Total Item ≤ 0.2 113 Peratus

Keseluruhan (113 / 120 ) x 100% = 94 % Item

Syarat 1 dipatuhi

Syarat 2 dipatuhi

LANGKAH 7

Defuzzification Process

• Bertujuan untuk menentukan

kedudukan (ranking) bagi setiap

pembolehubah/sub-pembolehubah

• Terdapat 3 rumus yang boleh

diaplikasikan

i. A = 1/3 * (m1 + m2 + m3)

ii. A = 1/4 * (m1 + 2m2 + m3)

iii. A = 1/6 * (m1 + 4m2 + m3)

PAKAR Item 1.10 Item 1.20

r1 0.6 0.8 1.0 0.6 0.8 1.0

r2 0.6 0.8 1.0 0.6 0.8 1.0

r3 0.6 0.8 1.0 0.6 0.8 1.0

r4 0.6 0.8 1.0 0.6 0.8 1.0

r5 0.6 0.8 1.0 0.6 0.8 1.0

r6 0.6 0.8 1.0 0.6 0.8 1.0

r7 0.6 0.8 1.0 0.6 0.8 1.0

r8 0.4 0.6 0.8 0.4 0.6 0.8

r9 0.6 0.8 1.0 0.6 0.8 1.0

r10 0.4 0.6 0.8 0.6 0.8 1.0

PURATA (r1+r2...+r10)/10 0.6 0.76 0.96 0.58 0.78 0.98

DEFUZZIFICATION 0.760 0.780

Ranking 2 Ranking 1

Contoh Jurnal FDM 1

- Bidang kejuruteraan, FDM digunakan untuk menilai teknologi pengeluaran hidrogen

berdasarkan kesepakatan pakar

Bidang Pendidikan, FDM digunakan untuk menentukan kebaikan

penggunaakan facebook sebagai alat

P&P berdasarkan kesepakatan pakar

Contoh Jurnal FDM 3

Bidang Pendidikan, FDM digunakan untuk menentukan animasi interaktif

TVET di Malaysia berdasarkan kesepakatan pakar

Contoh Jurnal FDM 3

Contoh Jurnal FDM 4

Bidang Pendidikan / Sains Sosial, FDM digunakan untuk

menentukan animasi yang sesuai dalam pembelajaran orang asli berdasarkan kesepakatan pakar

Rujukan [1] Saedah Siraj. (2008). Kurikulum Masa Depan. Universiti Malaya.

[2] Bojadziev, G. & Bojadziev, M. (2007). Fuzzy Set For Business, Finance and Management. Singapore. World

Scientific Publishing Co. Pte. Ltd

[3] Tang, C.W. and Wu C.T. (2010). Obtaining a picture of undergraduate education quality: a voice from inside the

university, Springer. Higher Education 60: 269-286

[4] Bodjanova, S. (2006). Median alpha-levels of a fuzzy number, Fuzzy Sets and Systems, 157 (7), 879 – 891.

[5] Adler M, Ziglio E. (1996). Gazing into the oracle: the Delphi method and its application to social policy and

public health. London: Jessica Kingsley Publishers.

[6] Jones dan Twiss. (1978) Jones H, Twiss BL. Forecasting technology for planning decisions. New York:

Macmillan.

[7] Chen C.T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment.

Fuzzy Sets and Systems 2000; 114: 1-9

[8] Cheng CH, Lin Y. (2002). Evaluating the best main battle tank using fuzzy decision theory with linguistic criteria

evaluation. European Journal of Operational Research 2002;142:1 74-86.

[9] Chu HC, Hwang Gj. (2008). A Delphi-based approach to developing expert systems with the cooperation of

multiple experts. Expert Systems with Applications 2008;34:28 26-40.

[10] Murry JW, Hammons JO. (1995). Delphi: a versatile methodology forconducting qualitative research. Review of

Higher Education 1995;18:4 23-36.

TAMAT…

“Sebaik-baik insan, adalah insan yang

memberi manfaat kepada insan lain”

“Wahai orang-orang yang beriman!

Mohonlah bantuan KU dengan sabar

dan solat, sesungguhnya ALLAH

bersama dengan orang yang sabar”-

Al Baqarah(153)

Design Developmental Research: Emergent Trends in Educational Research

• MOHD RIDHUAN BIN MOHD JAMIL

Farouqi_2003@yahoo.com

013-2042727

Book Chapter: Application of FDM in Educational Research