KAEDAH FUZZY

DELPHI
(FDM)
Sobri
Nidzam
Syed
Farid
Nuzul
 KURSUS INI MELIPUTI :
1. PENGENALAN KAEDAH FUZZY DELPHI (FDM)
2. TEORI SET FUZZY (KABUR). KU KAEDAH
3. PERKARA UTAMA DALAM FDM
a) TRIANGULAR FUZZY NUMBER
b) DEFUZZIFICATION PROCESS
4. LANGKAH-LANGKAH MENJALANKAN FDM
5. CONTOH JURNAL FDM
 PENGENALAN KAEDAH
FUZZY DELPHI (FDM)
 Ia diperkenalkan Murray, Pipino dan Gigch (1985).
 Teknik Delphi yang dilakukan pengubahsuaian.
• 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).
TEORI SET FUZZY (KABUR)

 Teori Set Fuzzy ini telah diperkenalkan oleh Lotfi Zadeh.

 Beliau adalah seorang penyelidik dan pakar dalam bidang matematik
pada tahun 1965.
 Teori ini berfungsi sebagai lanjutan daripada Teori Set Klasik di mana
setiap elemen dalam satu set dinilai berdasarkan kepada set binari
(Ya atau Tidak).
 Teori Set Fuzzy juga membenarkan taksiran dan tafsiran secara
beransur-ansur terhadap setiap elemen dalam satu set.
 Nilai yang terkandung di dalam set fuzzy ini adalah dari 0 hingga 1
atau di dalam selang unit (0, 1) (Ragin, 2007).
KEKUATAN KAEDAH FUZZY DELPHI SEBAGAI ALAT
PENGUKURAN YANG EFEKTIF

 Menjimatkan masa soal selidik.

 Menjimatkan kos.
 Mengurangkan jumlah bilangan pusingan kaji selidik.
 Pakar sepenuhnya boleh meluahkan pendapat mereka,
memastikan kesempurnaan dan pendapat yang konsisten.
 Mengambil kira kekaburan yang tidak boleh dielakkan
semasa proses kajian dijalankan.
 Kaedah ini tidak menyalahtafsir pendapat asal pakar dan
memberikan gambaran tindak balas sebenar mereka.
 LANGKAH FDM
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 Ziglio (1996),
Dalam Langkah 2, terdapat beberapa kaedah bilangan pakar dalam
iaitu: kaedah Delphi 10-15,
jika terdapat
1. Menjemput pakar keseragaman yang
yang terlibat melalui tinggi di kalangan
pakar.
bengkel.
@
2. Pertemuan secara
individu kepada pakar 2. Jones dan Twiss (1978)
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 (5) 0.60 0.80 1.00

SETUJU (4) 0.40 0.60 0.80
TIDAK PASTI / SEDERHANA SETUJU
(3) 0.20 0.40 0.60
TIDAK SETUJU (2) 0.00 0.20 0.40
SANGAT TIDAK SETUJU (1) 0.00 0.00 0.20
CONTOH SOAL SELIDIK PAKAR
(ANALISIS KEPERLUAN)
 CONTOH SOAL SELIDIK PAKAR
(REKABNETUK PEMBANGUNAN - MODUL)
 CONTOH SKALA FUZZY
– Melihat Persetujuan berdasarkan kesepakatan pakar
Tahap Skala Likert Skala Fuzzy
Tahap Skala Likert Skala Fuzzy
Sangat Setuju 5 5 Skala
0.60 0.80 1.00
Sangat Setuju 5 0.60 0.80 1.00
Setuju 4 0.40 0.60 0.80
Setuju 4 0.40 0.60 0.80
Sederhana
Sederhana Setuju
Setuju 33 0.20 0.40 0.60
0.20 0.40 0.60
Tidak
Tidak Setuju
Setuju 22 0.00 0.20 0.40
0.00 0.20 0.40
Sangat
Sangat Tidak
Tidak Setuju
Setuju 11 0.00
0.00 0.00
0.00 0.20
0.20
Tahap Skala Skala Fuzzy
Likert
Teramat Setuju 7 0.90 1.00 1.00 7 Skala
Sangat Setuju 6 0.70 0.90 1.00
Setuju 5 0.50 0.70 0.90
Sederhana Setuju 4 0.30 0.50 0.70
Tidak Setuju 3 0.10 0.30 0.50
Sangat Tidak Setuju 2 0.00 0.10 0.30
Teramat Tidak Setuju 1 0.00 0.00 0.10
Contoh Lain – Untuk melihat KEPENTINGAN berdasarkan pakar
Tahap Skala Likert Skala Fuzzy
Sangat Penting 5 0.60 0.80 1.00 5 Skala
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

Tahap Skala Skala Fuzzy

Likert
Teramat Penting 7 0.90 1.00 1.00 7 Skala
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
Teramat Tidak Penting 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 5 Skala
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

Tahap Skala Skala Fuzzy

Likert
Teramat tinggi 7 0.90 1.00 1.00 7 Skala
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
Teramat Rendah 1 0.00 0.00 0.10
RASIONAL SKALA FUZZY

 Setiap skala yang dipersetujui di dalam sesuatu skala

fuzzy tidak berada pada nilai yang tetap seperti di
dalam skala likert (skala 1 hingga skala 5).
 Contoh Jadual di bawah:
RASIONAL SKALA FUZZY
 Sekiranya pakar memilih nilai 5 – SANGAT SETUJU
RASIONAL SKALA FUZZY
 Sekiranya pakar memilih nilai 1 – SANGAT TIDAK SETUJU
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 (4) 0.4 0.6 0.8
Kurangt SetujuTidak
R2 (3) 0.2 0.4 0.6 Pasti
Setuju
R3 (4) 0.4 0.6 0.8
Sgt-Sgt Setuju
R4 ( 5) Skala 0.6 0.8 1.0
likert Sgt-Sgt Setuju
R5 (5) 0.6 0.8 1.0
R6 (5) 0.6 0.8 1.0 Sgt-Sgt Setuju

R7 (5) 0.6 0.8 1.0 Sgt-Sgt Setuju

R8 (5) 0.6 0.8 1.0 Sgt-Sgt Setuju

R9 (5) 0.6 0.8 1.0 Sgt-Sgt Setuju

R10 (5) 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

Rumus utk kira

• Syarat: sekiranya d ≤ 0.2, bermaksud:
threshold
kesemua pakar mencapai
kesepakatan (consensus) pakar.
Jika sebaliknya pusingan
kedua @ lihat semula item diperlukan @
item dibuang.
 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
r6 0.18 0.12 setiap pakar

r7 0.18 0.12
r8 0.18 0.18
r9 0.18 0.18
r10 0.12 0.18 Jumlah item
Nilai d total 1.87 +1.38 = 3.25
item
Nilai d 3.25 / 20 = 0.163
Syarat 1 dipatuhi, nilai d
Konstruk
konstruk ≤ 0.2
2 PERKARA UTAMA DALAM FDM

• Triangular Fuzzy
Number
• Defuzzification
Process
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.
TRIANGULAR FUZZY NUMBER

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

Nilai minimum Nilai paling Nilai maksimum

(smallest value) munasabah (most (largest value)
plausible)
RASIONAL SKALA FUZZY

RELAX KEJAPPPPPP BRO…KAK….

 Sambil sambil tu kita isi dulu template utk

langkah pertama ni…..so tuan-tuan/ puan –puan
refer Soalan tutorial 1…..
 Tajuk: Tutorial 1
 * Tukarkan skala 5 skala likert kepada Skala
Fuzzy….kalau tak buat sure tak faham sat lagi….
 Berhenti sat ya…..kita tgk slide bawah ni dulu
SYARAT-SYARAT DALAM TRIANGULAR
FUZZY NUMBER

 Syarat 1: Menggunakan Nilai Threshold, d

(Chen, 2000; Cheng & Lin, 2002)

d ≤ 0.2
 Syarat 2: Berasaskan Kaedah Delphi Tradisional
(Chu & Hwang, 2008 ; Murry & Hammons, 1995)

Kesepakatan Kumpulan Pakar ≥ 75%

INTEPRETASI SYARAT 1
INTEPRETASI SYARAT 2
NILAI THRESHOLD, d

ITEM
PAKAR
1 2 3 4
1 0.18 0.15 0.18 0.46
2 0.12 0.15 0.18 0.15
3 0.12 0.15 0.12 0.15
4 0.18 0.15 0.18 0.46
5 0.12 0.15 0.12 0.15
6 0.18 0.15 0.12 0.46
7 0.12 0.15 0.12 0.15
8 0.12 0.15 0.12 0.15
9 0.18 0.15 0.18 0.46
10 0.12 0.15 0.12 0.46
Nilai d setiap
item 0.147 0.153 0.147 0.306
Nilai d
konstruk 0.188
Sambunggggggggg isi Template…..

 Cuba tuan/puan tgk di template……..nilai

threshold telah terisi kan……..
 Nilai average d setiap item juga telah terisi
kan……
LANGKAH 6

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

Kesepakatan Kumpulan Pakar ≥ 75%

*Sumber Rujukan (Chu & Hwang, 2008 ; Murry & Hammons,

1995)
 RELAX KEJAP

-Okkkk……tengok template….
Kita nak isi bahagian konsesus
pakar…..
- So dapat peratus kesepakatan
pakar
NILAI PERATUSAN KESEPAKATAN PAKAR
NILAI PERATUSAN KESEPAKATAN PAKAR

LANGKAH 5: MENENTUKAN PERATUSAN KESEPAKATAN SETIAP ITEM DAN

KESELURUHAN ITEM

ITEM

1 2 3 4

Bilangan Item d ≤ 0.2 10 10 10 5

Peratus Setiap Item d ≤ 0.2 100% 100% 100% 50%

Peratus Keseluruhan Item
d ≤ 0.2
(35/40) *100 = 88%
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)
 DEFUZZIFICATION PROCESS
– adalah proses menentukan RANKING (KEDUDUKAN @
KEUTAMAAN) bagi setiap item.

1. Average of Fuzzy
number @ Average
Respons
2. Fuzzy Evaluation
 DEFUZZIFICATION
- Menggunakan Average of Fuzzy number @ Average Respons
PROCESS
(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
* Bagitersebut)
pernyataan & sebaliknya.
nilai α-cut = 0.5, sumber rujukan (Tang & Wu, 2010; Bodjanova,
2006)
SYARAT-SYARAT DALAM AVEARGE OF
FUZZY NUMBER (AVERAGE RESPONS)

 Syarat 3: Berdasarkan α– Cut Sebagai Nilai Threshold

(Tang & Wu, 2010 ; Bodjanova, 2006)
 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
INTEPRETASI SYARAT 3

ITEM
PAKAR
1 2 3 4
1 0.6 0.8 1 0.6 0.8 1 0.6 0.8 1 0 0.2 0.4
2 0.4 0.6 0.8 0.6 0.8 1 0.6 0.8 1 0.2 0.4 0.6
3 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8
4 0.6 0.8 1 0.6 0.8 1 0.6 0.8 1 0 0.2 0.4
5 0.4 0.6 0.8 0.6 0.8 1 0.4 0.6 0.8 0.4 0.6 0.8
6 0.6 0.8 1 0.4 0.6 0.8 0.4 0.6 0.8 0.6 0.8 1
7 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8
8 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8
9 0.6 0.8 1 0.6 0.8 1 0.6 0.8 1 0.6 0.8 1
10 0.4 0.6 0.8 0.4 0.6 0.8 0.4 0.6 0.8 0 0.2 0.4
DEFUZZIFICATION
PROCESS
4.80 6.80 8.80 5.00 7.00 9.00 4.80 6.80 8.80 3.00 5.00 7.00
JUMLAH SETIAP UNSUR
m1 m2 m3 m1 m2 m3 m1 m2 m3 m1 m2 m3
FUZZY EVALUATION 6.800 7.000 6.800 5.000
0.480 0.680 0.880 0.500 0.700 0.900 0.480 0.680 0.880 0.300 0.500 0.700
PURATA SETIAP UNSUR
m1 m2 m3 m1 m2 m3 m1 m2 m3 m1 m2 m3
AVERAGE OF FUZZY
NUMBER 0.680 0.700 0.680 0.500
PERBEZAAN NILAI AVEARGE OF FUZZY NUMBER
(AVERAGE RESPONS) & FUZZY EVALUATION

ITEM 1 ITEM 2 ITEM 3

 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
Contoh Jurnal FDM 1 - Bidang Pendidikan
Islam, FDM digunakan
untuk melihat Keperluan
Aspek ‘Riadhah Ruhiyyah’
Untuk Profesionalisme
Perguruan Pendidikan
Islam berdasarkan
kesepakatan pakar
Contoh Jurnal FDM 2

- 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 4

Bidang Pendidikan, FDM

digunakan untuk menentukan
animasi interaktif TVET di
Malaysia berdasarkan
kesepakatan pakar
Contoh Jurnal FDM 5

Bidang Pendidikan / Sains

Sosial, FDM digunakan untuk
menentukan animasi yang
sesuai dalam pembelajaran
orang asli berdasarkan
kesepakatan pakar
Contoh Jurnal FDM 5
Bidang Pendidikan,
FDM digunakan untuk
menentukan ciri-ciri
domain pedagogi
dalam P&P sekolah
menengah berdasarkan
kesepakatan pakar
  MOHD RIDHUAN BIN MOHD JAMIL
Pengenalan Asas Kaedah Fuzzy Delphi Dalam
Penyelidikan Rekabentuk Pembangunan farouqi_2003@yahoo.com
013-2042727
 PENULISAN ARTIKEL JURNAL 2014-2016
Bil Tajuk Article Author Tempat Peringkat Tarikh
1 Analisis Fuzzy Delphi 1.Prof Dr Nurahimah IPG Kampus Seminar 29 Julai 2015
Terhadap Peluang Mohd Yusoff Batu Lintang , Kebangsaan
Pelaksanaan Mobile 2. Dr Ahmad Sobri Shuib sarawak Kaedah Kajian
Learning Dalam Kalangan 3. Muhammad Nidzam dalam Pendidikan
Pensyarah di Institut Yaakob
Pendidikan Guru
2 Analisis Fuzzy Delphi 1.Prof Dr Nurahimah IPG Kampus Seminar 21-22 Oktober
Terhadap Halangan Mohd Yusoff Tunku Bainun, Penyelidikan 2015
Pelaksanaan Mobile 2. Muhammad Nidzam Pulau Pinang Pendidikan
Learning Dalam Kalangan Yaakob kebangsaan
Pensyarah di Institut
Pendidikan Guru IPG Kampus Zon
Utara

3 Analisis Fuzzy Delphi 1.Prof Dr Nurahimah IPG Kampus Seminar 28 Oktober 2015
Terhadap Kesediaan Mohd Yusoff Darulaman, Penyelidikan
Pelaksanaan Mobile 2. Muhammad Nidzam Kedah Pendidikan
Learning Dalam Kalangan Yaakob (SEDAR 2015)
Pensyarah di Institut IPG dan JPN
Pendidikan Guru
4 Kajian Analisis Keperluan 1. Muhammad Nidzam IPG Kampus Seminar 28 Oktober 2015
Terhadap Kesesuaian dan Yaakob Darulaman, Penyelidikan
Tujuan Penggunaan Mobile 2. Mohd Khairul Nuzul Kedah Pendidikan
Learning Dalam Kalangan Hassan (SEDAR 2015)
Pelajar di Institut IPG dan JPN
Pendidikan Guru
 PENULISAN ARTIKEL JURNAL 2014-2016
5 Hubungan Peluang dan 1. Dr Ahmad Sobri Shuib Universitas Seminar Serantau ke- 14-18 September
Kesediaan Dengan Aplikasi 2. Muhammad Nidzam Pendidikan 6 Pedagogik 2015
Mobile Learning di Institut Yaakob Indonesia, Berkualitas
Pendidikan Guru Bandung Antarabangsa

6 Penerimaan Pedagogi Maya 1. Prof Dr Nurahimah Mohd Hotel Taiping Konferens 6-7 Ogos 2016
menggunakan Aplikasi Yusoff Perdana, Pendidikan Abad ke-
Edmodo dalam kalangan 2.Muhammad Nidzam Taiping 21
pensyarah di Institut Yaakob
Pendidikan Guru 3. Dr Ahmad Sobri Shuib
4. Muhammad Fariddudin
Wajdy Anthony
7 Analisis Keperluan pedagogi 1. Prof Dr Nurahimah Mohd IPGKDA Journal IPGKDA IPGKDA
m-Pembelajaran dalam Yusoff
kalangan pelajar Institut 2. Muhammad Nidzam
Pendidikan Guru Yaakob
3. Dr Ahmad Sobri Shuib
4. Muhammad Fariddudin
Wajdy Anthony
5. Dr Maheran Baharum
6. Saifudin Azam Shah
Ahmad
7. Mohd Khairul Nuzul
Hassan

8 Hubungan Pengalaman TMK 1. Muhammad Nidzam Universitas International 23-25 Julai 2016
dengan Peluang, Kesediaan Yaakob Syiah Conference On
dan Penggunaan Mobile 2. Dr Ahmad Sobri Shuib Kuala,Acheh Education, Islamic
Learning di Institut Pendidikan Studies And Social
Guru Sciences Research,
Banda Acheh,
 PENULISAN ARTIKEL JURNAL 2014-2016
9 Pengaruh Pengalaman 1. Prof Dr Nurahimah IPG Kampus Seminar 20-21 Sept 2016
Teknologi, Peluang dan Mohd Yusoff Kent, Tuaran, Penyelidikan
Kesediaan terhadap 2. Muhammad Nidzam Sabah Pendidikan
penggunaan Mobile Yaakob Kebangsaan ( Zon
Learning di Institut 3. Dr Ahmad Sobri Shuib Sabah/ Sarawak)
Pendidikan Guru 4. Muhammad 2016
Fariddudin Wajdy
Anthony

10 Reka bentuk model m- 1. Prof Dr Nurahimah IPG Kampus Persidangan 11-12 Okt 2016
Pembelajaran untuk Kursus Mohd Yusoff Bahasa Penyelidikan &
Teknologi dalam Pengajaran 2. Muhammad Nidzam Antarabangsa, Inovasi Pendidikan
dan Pembelajaran: Satu Yaakob Kuala Lumpur Kebangsaan IPGM
Analisis Keperluan 3. Dr Ahmad Sobri Shuib 2016
4. Muhammad
Fariddudin Wajdy
Anthony

11 Penilaian m-Pembelajaran 1. Prof Dr Nurahimah Meritz Hotel, International 18-19 Okt 2016
dalam Sistem Pembelajaran Mohd Yusoff Miri, Sarawak Conference on
di Institut Pendidikan Guru 2. Muhammad Nidzam Education
(IPG) melalui Yaakob (ICE2016)
Technology,Usability and 3. Dr Ahmad Sobri Shuib
Pedagogy Model (TUP): 4. Muhammad
Satu Analisis Literatur Fariddudin Wajdy
Anthony