The words you are searching are inside this book. To get more targeted content, please make full-text search by clicking here.
Discover the best professional documents and content resources in AnyFlip Document Base.
Search
Published by inahadi, 2019-07-08 10:42:39

Sesi Perkongsian Perlaksanaan LMCW 2022

Handouts Sesi Perkongsian

Sesi Perkongsian
Perlaksanaan

LMCW 2022
PENGURUSAN DAN ANALITIK DATA

9 Julai 2019
11.00 pagi - 12.00 tengahari

Bilik Seminar 19, FEP

PROFORMA KURSUS BARU WAJIB UNIVERSITI

1. KOD KURSUS LMCW2022

2. NAMA KURSUS Pengurusan dan Analitik Data

3. TARAF KURSUS Wajib Universiti (CW)

4. PENYELARAS Ahmad Rafizi Salleh
KURSUS

5. JUSTIFIKASI Untuk memenuhi keperluan kursus Citra Wajib Universiti
PENAWARAN
KURSUS

6. SEMESTER DAN Semester 2 Sesi 2018-2019
TAHUN
DITAWARKAN

7. NILAI KREDIT 2

9. OBJEKTIF 1. Memperkenalkan jenis-jenis data dan kaedah pengurusan data.
KURSUS 2. Memperkenalkan teknik-teknik asas analitik data.

3. Melahirkan pelajar yang berupaya mengaplikasikan perisian komputer untuk
tujuan analitik data.

10. HASIL Di akhir kursus ini, pelajar seharusnya berupaya untuk:

PEMBELAJARAN 1. mentafsir jenis dan sumber data.
KURSUS 2. mengorganisasi data secara analitik.

3. Mempersembahkan data secara visual dan grafik.

11. SINOPSIS Kursus ini bertujuan mendedahkan pelajar kepada pengurusan dan analitik data

KURSUS untuk tujuan menggali maklumat yang tersirat dalam data. Berdasarkan

maklumat yang diperoleh, pelajar berupaya menyelesaikan masalah dalam

pelbagai bidang secara saintifik. Penekanan diberikan kepada cara menganalisis

data dan kaedah pengvisualan data. Beberapa perisian dipilih untuk dipelajari.

Pengenalan mengenai perisian dan pendekatan analitik data menggunakan

perisian turut dibincangkan. Di akhir kursus, pelajar berupaya memberi

penjelasan kepada pelbagai data yang digunakan.

The course aims to give students exposure to data management and analytics.
Based on the information obtained, students will learn the process of extracting
data in order to uncover hidden information, and how to solve problems in
various disciplines scientifically. Emphasis is given on the methods of data
analysis and visualization. Students will also be introduced to selected software
applications using the analytical approach. At the end of the course, students

13. MAKLUMAT 12. KEMAHIRAN Pengurusan dan analitik data
TAMBAHAN: BOLEH PINDAH

Pemetaan HPK (JIKA BERKAITAN)
dengan HPD

HPK 1: Hasil Pembelajaran HPC 3 – CITRA PENAAKULAN KUANTITATIF & KUALITATIF should be able to provide explanation on the various data obtained.
HPK 2: Kursus
HPK 3: Hasil
Pembelajaran
2 HPC1 : Menjelas dan meneliti konsep
2 dan perkembangan pemikiran saintifik. Citra

2 HPC2 : Mengaplikasi dan mengikuiti
pemikiran logik dan penaakulan secara
empirikal dalam menghasilkan
penyelidikan.

HPC3 : Menghubungkaitjan prinsip
pemikirn kritis, matematik, statistic,
analisis dan pembuatan keputusan
dalam kehidupan.

Maklumat Kursus

(1) Kod Kursus : LMCW2022

(2) Nama Kursus : Pengurusan dan Analitik Data
Data Management and Analytics
(3) Kredit : 2

(4) Taraf Kursus : Wajib Universiti (CW)

(5) Sinopsis:

Kursus ini bertujuan mendedahkan pelajar kepada pengurusan dan analitik data untuk
tujuan menggali maklumat yang tersirat dalam data. Berdasarkan maklumat yang
diperoleh, pelajar berupaya menyelesaikan masalah dalam pelbagai bidang secara
saintifik. Penekanan diberikan kepada cara menganalisis data dan kaedah pengvisualan
data. Beberapa perisian dipilih untuk dipelajari. Pengenalan mengenai perisian dan
pendekatan analitik data menggunakan perisian turut dibincangkan. Di akhir kursus,
pelajar berupaya memberi penjelasan kepada pelbagai data yang digunakan.

The course aims to give students exposure to data management and analytics. Based on
the information obtained, students will learn the process of extracting data in order to
uncover hidden information, and how to solve problems in various disciplines scientifically.
Emphasis is given on the methods of data analysis and visualization. Students will also be
introduced to selected software applications using the analytical approach. At the end of
the course, students should be able to provide explanation on the various data obtained.

(6) Pra-Keperluan (jika ada):

Tiada

(7) Keperluan Kursus1 untuk Menduduki Peperiksaan / Course Requirements to sit for
Examination (Rujuk Peraturan UKM Pengajian Sarjanamuda pindaan 2009).

Pelajar perlu memenuhi 70% keperluan komponen pentaskiran kursus tetapi tidak
termasuk komponen pentaksiran peperiksaan akhir dengan menghadiri/menghantar item
pentaksiran tersebut semasa minggu pengkuliahan.

(8) Rujukan:

1. Hurwitz, J., Nugent, A., Halper, F., Kaufman, M., 2013. Big Data For Dummies, Wiley &
Sons.

2. Mann, P.S., 2017. Introductory Statistics, 9th Edition, Wiley & Sons.
3. Field, A., 2013. Discovering statistics using IBM SPSS statistics. Sage.
4. Winston, W. L., 2016. Microsoft Excel Data Analysis and Business Modelling.5th. Ed.

Microsoft Press.
5. Triola, M.F., 2014. Elementary Statistics Using Excel, 5th Edition. Pearson.

1 Keperluan Kursus boleh meliputi peratusan kehadiran, bilangan/peruntukan markah tugasan/laporan yang telah dihantar,
bilangan/peruntukan markah ujian yang telah diduduki serta komponen pentaksiran lain sepanjang minggu pengkuliahan.
Pelajar yang dihalang untuk menduduki peperiksaan perlu dikenal pasti selewat-lewatnya 2 minggu sebelum peperiksaan
bermula dan tertakluk kepada kelulusan Timbalan Pengarah, Pusat Pengurusan Akademik.

9) Senarai Hasil Pembelajaran Kursus:

HPK 1 Berupaya mentafsir jenis dan sumber data.
HPK 2 Berupaya mengorganisasi data secara analitik.
HPK 3 Mempersembahkan data secara visual dan grafik.

(10) Hasil Pembelajaran Kerangka Kelayakan Malaysia (MQF)

MQF1 Pengetahuan
MQF2 Kemahiran Praktikal
MQF3 Kemahiran dan Tanggungjawab Sosial
MQF4 Nilai, Sikap dan Profesionalisme
MQF5 Kemahiran Komunikasi, Kepimpinan dan Kemahiran Berkumpulan
MQF6 Kemahiran Menyelesaikan Masalah dan Kemahiran Saintifik
MQF7 Kemahiran Mengurus Maklumat dan Pembelajaran Sepanjang Hayat
MQF8 Kemahiran Pengurusan dan Keusahawanan

(11) Pentaksiran: Pelan Pentaksiran Kursus LMCW2022 Pengurusan dan

LMCW2022: Pengurusan dan Analitik Data Tahap Taksonomi Indikator

Di akhir kursus ini, pelajar seharusnya
berkebolehan untuk:

1. Berupaya mentafsir jenis dan sumber Pelajar berup
data
membezakan jenis data

C3

2. Berupaya mengorganisasi data secara Pelajar mam

analitik mengorganisasi data sec
A4 analitik

3. Mempersembahkan data secara Pelajar berup

visual dan grafik. mempersembahkan d

P4 dalam bentuk visual d
grafik

JUMLAH/TOTAL

Analitik Data

Kaedah Pentaksiran
MQF
Pemboleh (1) /Penentu (2)

Kaedah Penyampaian
Tugasan MOOC

Laporan Akhir Projek
Penghasilan Poster
Klip Video Pembentangan

Projek
Beban Pembelajaran

Pelajar (SLT)

paya MOOC 5 10 10 - 20 jam
6 dan
Projek
2

mpu MOOC 5 20 - - 20 jam
cara dan 20 30 40 jam
2 Projek
7

paya 8 Projek
data
dan dan

2 Pemben- -
tangan

10% 30% 30% 30% 100%/80 jam

(12) Perancangan Pengajaran Kursus LMCW2022 Pengurusan dan Analitik

Minggu Tajuk

Data Berstruktur dan Tidak Berstruktur
1

Sumber Data

2
Pengurusan Data

3
4 Pengurusan Data

Analisis Deskriptif: Data Diskret(nominal/ordinal/count)
5

Data

Nota

a. Berstruktur
i. Data numerik
ii. Kebolehpercayaan data
iii. Contoh: statistik rasmi

b. Tidak berstruktur
i. teks, audio, video
ii. Contoh: tweets dan status di media sosial

a. Data sumber terbuka – laman sesawang, internet
b. Dokumentasi – kerajaan tempatan, badan bukan kerajaan
c. Pengutipan data – Survei, Eksperimen
d. Format data - .csv, .dat, .txt

**tugasan / latihan cadangan selepas 2 minggu: kenalpasti dan bezakan
antara data berstruktur dan tidak berstruktur, jelaskan sumber dan format
data

a. Pengenalan kepada perisian untuk analisis data (nyatakan
pelbagai pilihan perisian yang ada, fokus kursus ini adalah
MS-Excel

b. Pengenalan kepada MS-Excel
c. Organisasi dan manipulasi data (gabung, susun)
d. Arahan asas, fungsi dan formula dalam Excel
Fungsi-fungsi dalam excel

Analysis Toolpak

6 Analisis Deskriptif: Data Selanjar
7 Tugasan 2: Analisis data secara analitik

8 Persembahan data dalam bentuk grafik
9 Visualisasi data
10 Soalan-soalan yang boleh dijawab oleh data
11 Projek
12 Perisian data
13 Perisian data
14 Projek dan pembentangan

Jadual Kekerapan
Peratusan
Sukatan memusat untuk data diskret
Sukatan serakan untuk data diskret

LMCW
PENGURUSAN DA

Pensyarah (
Dr. Azrina Abd
Email: azrna@
Telefon Bimbit

W2022
AN ANALITIK DATA

(Set 36&37)
dullah Al-Hadi
@ukm.edu.my
t: 019-2978565

3/21/2019 1

PENGENALAN

 Kursus ini bertujuan mend
pengurusan dan analitik d
maklumat yang tersirat da

 Pelajar berupaya menyel
pelbagai bidang secara

 Penekanan kepada cara
kaedah pengvisualan da

 Pengenalan mengenai p
analitik data menggunak

 Pelajar berupaya membe
pelbagai data yang digu

dedahkan pelajar kepada
data untuk menggali
alam data.

lesaikan masalah dalam
saintifik.

a menganalisis data dan
ata.

perisian dan pendekatan
kan perisian

eri penjelasan kepada
unakan.
3/21/2019 2

OBJEKTIF

 Memperkenalkan j
kaedah pengurusa

 Memperkenalkan t
analitik data.

 Melahirkan pelajar
mengaplikasikan p
untuk tujuan analiti

jenis-jenis data dan
an data.
teknik-teknik asas

r yang berupaya
perisian komputer

ik data.

3/21/2019 3

HASIL PEMBELAJ

Di akhir kursus ini, pelajar s
untuk:
mentafsir jenis dan sumb
mengorganisasi data se
Mempersembahkan da

grafik.

JARAN KURSUS

seharusnya berupaya

ber data.
ecara analitik.
ata secara visual dan

3/21/2019 4

PENGERTIAN PE
DATA

 Pengurusan Dat

berkenaan cara
data secara sain

ENGURUSAN

ta adalah
berurusan dengan
ntifik

3/21/2019 5

PENGERTIAN AN

Analitik Data adala
data mentah atau
tujuan untuk menge
atau tingkah laku te
membuat kesimpula
maklumat yang dip
proses-prose alkhaw
atau mekanik untuk
pemahaman atau w

NALITIK DATA

ah sains penelitian 6
data asal dengan
enal pasti pola, tren
ertentu dan
an terhdap

peroleh melalui
warizmi (algoritma)
k menjurus ke suatu
wawasan (insights)

3/21/2019

TAJUK-TAJUK K

Modul 1: Pengenalan
Modul 2: Jenis-jenis Data
Modul 3: Sumber Data
Modul 4: Penyediaan Da
Modul 5: Analisis Data
Modul 6: Pengvisualan D
Modul 7: Pelaporan Data

KURSUS

a

ata

Data
a

3/21/2019 7

PERJALANAN KUR

Sesi Pertemuan: 2 kali ses

• Pertemuan 1:

• Perjalanan dan Keperluan Ku
• Penyediaan Kertas Kerja Proje

• Pertemuan 2:

• Perbincangan/Pembentanga

RSUS LMCW2022

si pertemuan

ursus
ek dan Poster

an Klip Video Projek

3/21/2019 8

MEDIUM PENGA

MOOC Open Lear
https://www.open
/pengurusan-dan-

Group Whatsapp b
Ifolio (ifolio.ukm.my

AJARAN KURSUS

rning
nlearning.com/courses
-analitik-data

bagi setiap kumpulan

y)

3/21/2019 9

KAEDAH PENILA

1. Tugasan Individu MOO
2. Laporan Akhir Projek

a) Kertas Kerja Projek
b) Sesi Rundingan (2x)
c) Laporan Kumpulan (5 laporan
d) Laporan Akhir Projek

3. Penghasilan Poster
4. Klip Video Pembentan

#1 – Individu; #2,3,4 - Berkumpula

AIAN

OC (7) 10%

30%

5%
5%
n) 5 %
15 %

30%

ngan Projek 30%

an

KAEDAH PENILA

1. Tugasan Individu M

 7 Tugasan Individu MO
Anda perlu membaca

dalam MOOC PENGUR
serta memberi komen d
apa yang anda faham
tersebut.
Perlu dihantar selewatn

AIAN

MOOC (7) 10%

OOC

nota dalam setiap modul
RUSAN DAN ANALITIK DATA
dalam satu perenggan
m berkenaan nota

nya pada minggu ke-14.

3/21/2019 11

KAEDAH PENILAI

2.a) Kertas Kerja Projek 5

 Setiap kumpulan perlu m
Kertas Kerja berdasarkan
KERTAS KERJA PROJEK KU
20182019”.

 Ketua kumpulan perlu pa
ini telah mendapat perse

Perlu mengikut format ya
garis panduan tersebut.

IAN

5%

menyediakan Cadangan
n garis panduan “FORMAT
URSUS LMCW2022 SEM 2

astikan cadangan kertas kerja
etujuan daripada pensyarah.

ang telah ditetapkan dalam

3/21/2019 12

KAEDAH PENILA

2.b) Sesi Rundingan (5% x 2

 Setiap kumpulan perlu m
dengan Pensyarah and

 Sesi rundingan ini bagi m
tugasan projek.

 Sesi rundingan ini terbah

Pertama: rundingan ke
Kedua: rundingan klip v

 Setiap kumpulan perlu m
sesi rundingan ini.

AIAN

2 kali) 5%

mengadakan sesi rundingan
da

memenuhi keperluan

hagi kepada 2:

ertas kerja
video dan Poster

membuat temu janji bagi

3/21/2019 13

KAEDAH PENILA

2.c) Laporan Kumpulan

 5 Laporan Kumpulan (1% x 5)
 Merupakan laporan perkemba
 Perlu ditaip secara ringkas di d

 Perlu disertakan bukti seperti g
dilakukan secara berkumpulan

 Perlu menggunakan “Borang
diperolehi dari iFolio kursus ini.

AIAN

5%

angan Projek Berkumpulan
dalam template khas.

gambar akan aktiviti yang
n.

Laporan Kumpulan” yang boleh
.

3/21/2019 14

KAEDAH PENILAIAN

2.d). Laporan Akhir Projek 15%

 Setiap kumpulan hanya perlu me
 Panjang Laporan Akhir Projek ad

surat.
 Laporan perlu mengandungi sek

 Tajuk
 Objektif
 Maklumat berkenaan data: s
 Hasil analisis
 Rumusan
 Format laporan perlu mengguna

enyediakan satu kertas kerja projek.
dalah sekurang-kurangnya 10 muka

kurang-kurangnya:

sumber dan jenis data

akan Gaya UKM 3/21/2019 15

KAEDAH PENILAIA

 Perlu menggunakan data sek
 Perlu ada 2 atau 3 objektif ya
 Tajuk mestilah dibincangkan/
 Setiap kumpulan WAJIB menja

dan bergraf yang bersesuaia
Analisis Data). Walaubagaima
menggunakan kaedah-kaed
bersesuaian.
 Pelajar boleh menggunakan
menganalisis data
 Akhir sekali setiap kumpulan p
berdasarkan analisis data yan

AN

kunder.
ang jelas tujuan data ingin dianalisis.
/dimaklumkan kepada pensyarah.

alankan analisis deskriptif berangka
an dengan data (Rujuk Modul 5:

anapun, pelajar bebas
dah analisis lanjutan yang difikirkan

sebarang perisian/pakej bagi

perlu menghasilkan poster
ng telah dihasilkan da3/2r1i /p20r1o9 jek in1i6.

KAEDAH PENILAIAN

3. Penghasilan Poster P
Setiap kumpulan dike

poster berbentuk info
Poster tersebut mestil

dari projek analitik da
Mestilah dihasilkan be

telah ditetapkan dala
Perlu menggunakan

Projek 30%

ehendaki mengahasilkan
ografik.

lah berdasarkan hasil
ata.

erdasarkan objektif yang
am projek Analitik Data

perisian infografik

3/21/2019 17

KAEDAH PENILAIAN

4. Klip Video Pembenta
Pelajar perlu mengha

Pembentangan Proje
Waktu pembentanga

Pertemuan Kedua.
Klip Video Pembenta

berdasarkan Poster In
dihasilkan.

angan Projek 30%
asilkan Klip Video bagi
ek.
an projek adalah pada

angan Projek adalah
nfografik yang telah

3/21/2019 18

KAEDAH PENILA

Berikut adalah garis panduan ba
tersebut:

i. Panjang Klip Video Pembent

ii. 3 minit yang pertama adalah
Poster Projek.

 Pengenalan bagi Setiap Ahli
dan nombor matrik bagi tujua

 Maklumat berkenaan Data ya
 Pembentangan Poster yang b

Analisis Data.

AIAN

agi penyediaan pembentangan

tangan Projek adalah 5 minit.
h khusus untuk Pembentangan

Kumpulan yang meliputi imej, nama
an pemarkahan
ang meliputi Sumber dan Jenis Data
berdasarkan Objektif dalam Projek

KAEDAH PENILA

iii. 2 minit terakhir adalah khusus
dari awal pembentukan kumpula
Klip Video Pembentangan Projek
pembuktian bagi penglibatan se
semua aktiviti berkumpulan (Sila
kumpulan ada dalam setiap akti
Penglibatan Dalam Kumpulan).

iv. Klip Video Pembentangan Pro
“YouTube” dan kemudian dikong
Whatsapp


Click to View FlipBook Version