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 Nilai maksimum

Nilai paling munasabah
(smallest value) (largest value)
(most plausible)
 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
5 Skala
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

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 7 Skala
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
 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
5 Skala
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

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 7 Skala
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
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 ]

LANGKAH 1
• 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 2
1. Adler dan Zinglio (1996)
Dalam Langkah 2, terdapat beberapa kaedah [5], bilangan pakar
iaitu: dalam kaedah Delphi 10-
15, jika terdapat
1. Menjemput pakar keseragaman yang
yang terlibat melalui tinggi di kalangan pakar.

bengkel. @
2. Pertemuan secara
2. Jones dan Twiss (1978)
individu kepada pakar [6] mencadangkan
yang dipilih. sebanyak 10 - 50 orang
pakar.
3. Melalui emel terus
kepada pakar.
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)
 n2 n3
n1
Item 1.10
PAKAR
Setuju
r1 0.4 0.6 0.8
Tidak Pasti
r2 0.2 0.4 0.6
Setuju
r3 0.4 0.6 0.8
Sgt-Sgt Setuju
r4 0.6 0.8 1.0
r5 0.6 0.8 1.0 Sgt-Sgt Setuju

r6 0.6 0.8 1.0 Sgt-Sgt Setuju

r7 0.6 0.8 1.0 Sgt-Sgt Setuju

r8 0.6 0.8 1.0 Sgt-Sgt Setuju

r9 0.6 0.8 1.0 Sgt-Sgt Setuju

r10 0.4 0.6 0.8 Setuju

average 0.5 0.7 0.9

m1 m2 m3
 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 @
PAKAR Item 1.1 Item 1.2 kekalkan item
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 Nilai Threshold, d
0.18 0.12 setiap pakar
r6
r7 0.18 0.12
r8 0.18 0.18
r9 0.18 0.18
r10 0.12 0.18
Nilai d total 3.25
item
Nilai d 3.25 / 20 = 0.163
Syarat 1 dipatuhi, nilai d konstruk ≤
Konstruk
0.2
LANGKAH 6

Menentukan kesepakatan
kumpulan pakar lebih @ sama
75% bagi keseluruhan
konstruk atau bagi setiap item

Kesepakatan Kumpulan Pakar ≥ 75%

*Rujukan [ 9 , 10 ]
 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 %

Syarat 2 dipatuhi, peratusan > 75%

 ITEM B
PAKAR
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 Syarat 1
Item B1 B2 B3 B4 B5 B6 B7 B8
dipatuhi
Item ≤ 0.2 14 14 15 15 15 14 12 14
Total Item ≤ 0.2 113
Peratus
Syarat 2
Keseluruhan (113 / 120 ) x 100% = 94 % dipatuhi
Item
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
Contoh Jurnal FDM 3
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 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 Book Chapter:
Research: Application of
Emergent Trends FDM in
in Educational Educational
Research Research

• MOHD RIDHUAN BIN MOHD JAMIL

Farouqi_2003@yahoo.com
013-2042727