Dokumen tersebut merangkum hasil penelitian mengenai penggunaan sistem fuzzy logic untuk menentukan tingkat kesukaran soalan berdasarkan objektif pembelajaran dan pengetahuan siswa sebelumnya. Sistem tersebut mampu menghasilkan petunjuk fuzzy yang digunakan untuk memprediksi tingkat kesukaran soalan."
1. Pembukaan Kata
Assalamualaikum dan selamat sejahtera
Yang Berbahagia
• Prof Dr Mohd Salleh Bin Abu/
• Prof Dr Rio Sumarni Binti Sharifuddin
Selaku Pengerusi Majlis pada pagi ini
Yang Berbahagia
• Prof Dr Baharuddin Bin Aris
• Prof Madya Dr Wan Fauzy Bin Wan Ismail
Selaku Pemeriksa
Yang dihormati dan lagi dikasihi
• Prof Madya Dr Zaidatun Binti Tasir
• Dr Noraffandy Bin Yahaya
Selaku penyelia
Serta Tuan-puan .
Saya amat bersyukur keHadrat Illahi dapat kita dapat berkumpul bersama-sama dalam
majlis ilmu iaitu pembentangan tesis Phd Saya .
4. Petua
Objektif Pembelajaran Pengetahuan Sedia ada Tahap Kesukaran Soalan
OT PT Sederhana
OT PM Sederhana
OT PR Mudah
OM PT Sukar
OM PM Sederhana
OM PR Mudah
OR PT Sukar
OR PM Sukar
OR PR Sederhana
5. Berdasarkan Jadual 4.1, didapati petua fuzzy yang diperolehi dengan kesimpulan bahawa tahap kesukaran soalan S adalah
seperti yang ditunjukkan berikut :
i.
IF Objektif pembelajaran adalah OM dan Pengetahuan sedia adalah Tinggi THEN Tahap kesukaran soalan adalah Sukar
IF Objektif pembelajaran adalah OR dan Pengetahuan sedia adalah Tinggi THEN Tahap kesukaran soalan adalah Sukar
IF Objektif pembelajaran adalah OR dan Pengetahuan sedia adalah Sederhana THEN Tahap kesukaran soalan adalah Sukar
ii.
IF Objektif pembelajaran adalah OT dan Pengetahuan sedia adalah Tinggi THEN Tahap kesukaran soalan adalah Sederhana
IF Objektif pembelajaran adalah OT dan Pengetahuan sedia adalah SederhanaTHEN Tahap kesukaran soalan adalah Sederhana
IF Objektif pembelajaran adalah OM dan Pengetahuan sedia adalah Sederhana THEN Tahap kesukaran soalan adalah
Sederhana
IF Objektif pembelajaran adalah OR dan Pengetahuan sedia adalah Rendah THEN Tahap kesukaran soalan adalah Sederhana
iii.
IF Objektif pembelajaran adalah OT dan Pengetahuan sedia adalah Rendah THEN Tahap kesukaran soalan adalah Mudah
IF Objektif pembelajaran adalah OM dan Pengetahuan sedia adalah Rendah THEN Tahap kesukaran soalan adalah Mudah
6. Membership Function
Renda Sederhana Tinggi
h
Renda Sederhan Tinggi
h a
O1 O2 O3 O4 O5
8 O6
P1 P2 P3 P4 P5
8 P6
0
0
Rendah Sederhana Tinggi
0 25 50 75 100
7. Julat
•membership function bagi kategori pengetahuan •membership function bagi kategori objektif :
sedia ada :
0 0 u 60
0 0 x 60 u 60
u 60 (u ) 60 u 80
PT
(x) 60 x 80 OT
20
20 1 80 u 100
1 80 x 100
0 0 u 20
0 0 x 20 u 20
x 20 20 u 40
20 x 40 20
20 1 40 u 60
1 40 x 60 OM
(u )
PM
( x) 80 u
80 x 60 u 80
60 x 80 20
20
0 80 u 100
0 80 x 100
1 0 u 20
40 u
(u ) 20 u 40
1 0 x 20 OR
20
40 x 0 40 u 100
PR
( x) 20 x 40
20
0 40 x 100
8. Proses Fuzzy inference – Mamdani Type FRBS
Petua 1 :
Input 1
Objektif IF Objektif pembelajaran adalah OM dan
Pembelajaran Pengetahuan sedia adalah Tinggi THEN
Tahap kesukaran soalan adalah Sukar
. Output Tahap
Input 2 . Kesukaran
Pengetahuan Sedia
. Soalan
Petua ke n :
IF Objektif pembelajaran adalah OM dan
Pengetahuan sedia adalah Rendah THEN
Tahap kesukaran soalan adalah Mudah
Input dalam crips (bukan Semua petua akan dinilai Semua hasil keputusan Keputusan atau
fuzzy) nombor adalah secara parallel (serentak) daripada petua akan output adalah
berdasarkan julat khusus menggunakan fuzzy digabungkan dan distilled bentuk nombor
reasoning (defuzzified) (bukan fuzzy)
8
9. Langkah 1: Fuzzification
Semua bentuk input crips bagi objektif
pembelajaran dan pengetahuan sedia ada
diubah kepada bentuk membership function
Pengetahuan sedia = 50
Objektif pembelajaran = 65
µPR(50)=0, µPM(50)=1, µPR(50)=0
µOT(65)=0.25, µOM(65)=0.75, µOR(65)=0
10. Langkah 2 : Fuzzy Reasoning
IF Objektif pembelajaran adalah OT dan Pengetahuan sedia
adalah PM THEN Tahap kesukaran soalan adalah Sederhana
IF Objektif pembelajaran adalah OM dan Pengetahuan sedia
adalah PM THEN Tahap kesukaran soalan adalah Sederhana
Dalam bentuk kod
• O(Tinggi) AND P(sederhana) = D(sederhana)
D(sederhana) = min(1,0.25)=0.25
• O(Sederhana) AND P( sederhana) =D(sederhana)
D(sederhana) = min(1,0.75)=0.75
11. Langkah 3: Defuzzification
Kaedah Larsen’s Rule
Maks (min (1, 0.25), min (1,0.75)
= Maks (0.25,0.75)
= 0.75
D = (0(100) + 0.75(50) + 0.25(0))/(0.75+0.25)
D= 37.5
D= 38 0.75
Rendah Sederhana Tinggi
0.25
0 25 50 75 100
PFS akan menjanakan soalan yang sederhana
12. Kebolehpercayaan PFS
• Pilot test
• Review interview Pakar
• Eksperimental – One group pretest and
posttest design
13. Pemilihan Tempat
• Mata pelajaran atau Content yang dibangunkan
adalah untuk guru maka tempat yang dipilih
adalah bersesuaian kerana ia menepati ciri-ciri
yang dikehendaki.
– Kebanyakan adalah novice student
• Pemilihan mata pelajaran dan topik berdasarkan
analisis dokumen – peperiksaan akhir.
14. Penilaian -Ujian
• Penilaian merupakan satu proses mengumpulan
data dan menterjemahkan kepada maklumat bagi
tujuan membuat keputusan. (Cooley dan Lohnes
1976)
• Formatif (Littman dan Soloway, 1988)
- apakah hubungan antara reka bentuk ITS dan
tingkah lakunya
• Surmatif (Littman dan Soloway, 1988)
– Apakah kesan ITS terhadap pelajar
15. Formatif
• Used to ontained information that can be
modify and improve the functioning of an ITS
– The identification of significant concern, ranging
from detail of interface design to overall system
goals.
• What are the major types of data to obtain
and the major source of such data
– Tertumpu secara khusus
16. surmatif
• What does a particular implemented PFS do
• Does an PFS fulfill the purpose for which it
was designed
• Does an PFS result in predicted outcomes
• What is the effect of one type of system or
component relative to comparable system or
component
17. Penilaian antara muka
• Sistem yang berasaskan pengetahuan adalah
sukar untuk dibangunkan oleh itu penilaian
formatif adalah paling sesuai di mana perubahan
dilakukan sejak awal-awal. (peringkat tracing
knowledge). Kebanyakan sistem yang berasaskan
pengetahuan akan mengambil masa yang lama
pembangunan sekurang-kurang setahun. (lebih
kurang 14 bulan).
• Secara umumnya –Penilaian semasa
pembangunan, perilaku dan ciri-ciri.
18. PFS : Implication on Contructivism
• Online learning approaches are often associated with
constructivism view of learning.
• Four reasons for incoroperating constructivism activities in
online design course:
– Increase student participation in constructing their own
knowledge
– Increase student via interaction
– Provide opportunities for the application of content to real
life events
– Increase student participation in learning process
• Moreles C.R. (2007). Perceptions and practices of instructional designers
towards theuse of constructivist learning enviornmentsin online design
course. Ph.DDissertation, CappelaUniversity
19. PFS : Implication On Constructivism
• Methods and Constructivism referred
activities
– Problem Solving (71.43%)
– Real-Live application (64.29%)
22. Pencapaian Pelajar P(9)
• Pra (2) dan Pos (21)
– Ada peningkatan
– Log data segi penyelesaian masalah
– Masa yang diambil
Kesimpulan :
23. Pencapaian Pelajar (P13)
• Pra(60) dan Pos (92)
• Understanding
• Data Log :
• Masa :
Kesimpulan : Pelajar ini memang mempunyai
pengetahuan sedia ada yang tinggi PFS
membantu mengukuhkan pengetahuan sedia
ada.
24. Bilangan Sampel yang kecil
• Metodologi yang digunakan ialah mixed
method – Kuantitatif dan kualititaif
• Kualitatif (
• PFS
– merupakan sistem yang mempunyai interaksi
pelajar – sistem