teknik fuzzy delphi
DESCRIPTION
.TRANSCRIPT
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
013-2042727
Book Chapter: Application of FDM in Educational Research