Lampiran 10.

1 Proforma 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.

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.
8. Rujukan:

1. Dick Kusleika, 2021. Data Visualization with Excel Dashboards and Reports, Wiley & Sons.
2. Mann, P.S., 2020. Introductory Statistics, 10th Edition, Wiley & Sons.
3. Andy Kirk, 2019. Data Visualisation: A Handbook for Data Driven Design. 2nd. Edition. Sage.
4. Winston, W. L., 2019. Microsoft Excel 2019 Data Analysis and Business Modeling. 6th.
Edition. Microsoft Press.
5. Robert J. Woz, 2017. Analytics For Beginners: A Beginner’s Guide to Learn and Master Data
Analytics, CreateSpace Independent Publishing Platform.
6. Triola, M.F., 2018. Elementary Statistics Using Excel, 6th Edition. Pearson.

9. Senarai Hasil Pembelajaran Kursus:

HPK1 : Berupaya mentafsir jenis dan sumber data.

HPK2 : Berupaya mengorganisasi data secara analitik.

HPK3 : Mempersembahkan data secara visual dan grafik.

 10. Pelan Pentaksiran:

Kaedah Pentaksiran2 Jumlah

Tahap Taksonomi
Jam
LMCW2022: Pengurusan dan Analitik Data

Laporan Infografik
HPP*/HPD**
Pembela-

Papan Pemuka

Video Laporan
Pembangunan
Pemboleh (1) /

Pembelajaran

Sumber Data
Kaedah jaran

Penentu (2)

Kendiri
Modul
Pada akhir kursus ini, pelajar seharusnya Penyampaian Pelajar,
berkebolehan untuk: SLT3
(Jam)

1. Berupaya mentafsir jenis dan sumber data C3 6 2 UKMFolio dan Projek

5 10 10 28
10
2. Berupaya mengorganisasi data secara A4 7 2 UKMFolio dan Projek
analitik 5 15 16

3. Mempersembahkan data secara visual dan P4 8 2 Projek dan

15 10 20 36
grafik. Pembentangan
JUMLAH MARKAH (N/100) 10 10 40 20 20
JAM PEMBELAJARAN 80
*Diisi oleh fakulti/Institut **Kursus di Pusat Citra/CESMED perlu dipetakan kepada Hasil Pembelajaran Domain MQF (HPD)

2
Had terima untuk peruntukan markah pentaksiran ialah ±5% kecuali sekiranya terdapat percanggahan dengan peruntukan markah yang ditetapkan di dalam Peraturan UKM (Pengajian
Sarjanamuda), Peraturan UKM (Pengajian Siswazah) atau yang setara dengannya.
3
Jumlah “jam pembelajaran pelajar” (SLT) adalah anggaran untuk tujuan perancangan penyampaian mengikut HPK dan pensyarah perlu mengembangkan jumlah ini mengikut tajuk kuliah
mingguan selama satu semester yang ditawarkan. Had terima untuk masa pembelajaran pelajar yang dibangunkan mengikut tajuk atau minggu ialah ±0.1 kredit.