government-wide reference architecture: data kerajaan

Government-Wide Reference Architecture: Data Kerajaan

(VERSI BETA)

SEKYEN PEMBANGUNAN ENTERPRISE ARCHITECTURE

BAHAGIAN PEMBANGUNAN STRATEGIK DAN ARKITEKTUR ICT

UNIT PEMODENAN TADBIRAN DAN PERANCANGAN PENGURUSAN MALAYSIA (MAMPU)

JABATAN PERDANA MENTERI

Hak Cipta Terpelihara © Unit Pemodenan Tadbiran dan Perancangan Pengurusan Malaysia (MAMPU), 2021 Hak cipta terpelihara. Tidak dibenarkan mengeluarkan mana-mana bahagian daripada bahan cetakan ini atau memindahkannya ke dalam sebarang bentuk melalui sebarang cara, sama ada secara elektronik atau mekanik, termasuk fotokopi, rakaman, atau sebarang bentuk penyimpanan maklumat dan sistem menyalin, sebelum mendapat keizinan bertulis daripada Unit Pemodenan Tadbiran dan Perancangan Pengurusan Malaysia (MAMPU).

Diterbitkan oleh: Unit Pemodenan Tadbiran dan Perancangan Pengurusan Malaysia (MAMPU) Jabatan Perdana Menteri, Aras 6, Setia Perdana 2, Kompleks Setia Perdana, Pusat Pentadbiran Kerajaan Persekutuan, 62502 Putrajaya, Malaysia. http://www.mampu.gov.my .

Maklumat yang terkandung di dalam buku ini dikemaskini sehingga 30 Ogos 2021

KANDUNGAN

SENARAI SINGKATAN KEMENTERIAN ............................................................................ 10

BAB 1 ............................................................................................................................ 11

1 PENGENALAN............................................................................................................ 15

BAB 2 ............................................................................................................................ 27

2 KONSEP DAN DEFINISI ............................................................................................. 27

2.1.1 Konsep Kerajaan Berpacukan Data ........................................................... 27

2.1.2 Konsep Open Government......................................................................... 31

2.1.3 Konsep Data Terbuka ................................................................................ 34

2.1.4 Konsep Hubungan Data, Maklumat, Pengetahuan dan Kebijaksanaan ...... 34

2.1.5 Konsep Perkongsian Data dalam Perkhidmatan Digital Keseluruhan Kerajaan (Whole of Government - WoG) .................................................... 40

2.1.6 Konsep Semantik, Ontologi dan Taksonomi ............................................... 50

BAB 3 ............................................................................................................................ 62

3 PRINSIP DATA DIGITAL KERAJAAN ........................................................................ 62

BAB 4 ............................................................................................................................ 71

4 SKEMATIK PENGURUSAN DATA ............................................................................. 71

BAB 5 ............................................................................................................................ 86

5 DATA STANDARD DAN METADATA ........................................................................ 86

BAB 6 .......................................................................................................................... 103

6 TADBIR URUS DATA ............................................................................................... 103

6.1.1 Manfaat Strategi Data .............................................................................. 107

6.1.2 Cabaran Strategi Data ............................................................................. 108

6.1.3 Program Strategi Data ............................................................................. 109

6.1.4 Strategi Penawanan Data Digital ............................................................. 112

6.1.5 Struktur Tadbir Urus Data ........................................................................ 114

6.3.1 Prinsip Keselamatan Maklumat dan Data................................................. 119

6.3.2 Aliran Data ............................................................................................... 120

6.3.3 Teknologi Pengurusan Keselamatan Data ............................................... 123

6.3.4 Perlindungan Ketirisan Data ..................................................................... 124

6.3.5 Kriptografi ................................................................................................ 124

6.3.6 Pelupusan Data ....................................................................................... 124

6.3.7 Jejak Audit dan Penguatkuasaan Kesalahan Data ................................... 125

6.5.1 Platform Data Terbuka ............................................................................. 134

6.5.2 Teknologi Data Raya................................................................................ 135

6.5.3 Malaysian Government Central Data Exchange (MyGDX) ....................... 136

BAB 7 .......................................................................................................................... 142

7 PANGKALAN DATA DAN ANALITIS DATA ............................................................ 142

7.2.1 Analitik Data ............................................................................................. 149

7.2.2 Analisis Data ............................................................................................ 151

7.2.3 Visualisasi Data ....................................................................................... 151

BAB 8 .......................................................................................................................... 163

8 ENTERPRISE DATA ................................................................................................. 163

8.5.1 Keselamatan Makanan ............................................................................ 173

8.5.2 Keselamatan Awam ................................................................................. 174

BAB 9 .......................................................................................................................... 188

9 PENUTUP ................................................................................................................. 188

Lampiran 1 ........................................................................................................................ 189

Lampiran 2 ........................................................................................................................ 191

Lampiran 3 ........................................................................................................................ 192

Lampiran 4 ........................................................................................................................ 193

Lampiran 5 ........................................................................................................................ 195

SENARAI JADUAL

Jadual 1-1 : Keterangan Data Subject Properties Peringkat 3 DRM 23

Jadual 3-1 : Prinsip Umum MyGovEA 64

Jadual 3-2 : Prinsip Data MyGovEA 65

Jadual 4-1 : Perbezaan antara Data Lake dan Gudang Data 85

Jadual 5-1 : Taksonomi data dan Keterangan Data dalam DDSA 91

Jadual 8-1 : Kategori Data Sektor Ekonomi Mengikut Kluster Perkhidmatan 179

Jadual 8-2 : Kategori Data Sektor Sosial Mengikut Kluster Perkhidmatan 180

Jadual 8-3 : Kategori Data Sektor Infrastruktur Mengikut Kluster Perkhidmatan 181

Jadual 8-4 : Kategori Data Sektor Keselamatan Mengikut Kluster Perkhidmatan 182

Jadual 8-5 : Kategori Data Sektor Pentadbiran Awam Mengikut Kluster Perkhidmatan 183

Jadual 8-6 : Pemetaan Fungsi Agensi di Bawah Jabatan Perdana Menteri 184

Jadual 8-7 : Kategori Data Kementerian Mengikut Sektor 186

SENARAI RAJAH

Rajah 1-1 : Ekosistem Pengurusan Data 18

Rajah 1-2 : Kategori Data Kerajaan Berdasarkan Kluster Perkhidmatan 20

Rajah 1-3 : Architecture Pengurusan Data Bersepadu dan Analitik Data 21

Rajah 1-4 : Kategori Perkhidmatan Peringkat 1 BRM 23

Rajah 1-5 : Contoh Penggunaan DRM hingga Peringkat 3 25

Rajah 1-6 : Hubungan GWRA Perkhidmatan, Data, Aplikasi dan Teknologi 26

Rajah 2-1 : The Analytical Framework For Data Driven Public Sector (OECD) 28

Rajah 2-2 : Kitaran Hayat Nilai Data Kerajaan 29

Rajah 2-3 : Pengenalpastian Nilai Data Kerajaan 31

Rajah 2-4 : Konsep ‘Open Government’ 33

Rajah 2-5 : Anatomi Rajah Hirarki DIKW Pyramid 35

Rajah 2-6 : Proses Perubahan Data Kepada Maklumat Melalui Sistem Maklumat 39

Rajah 2-7 : Model Perkhidmatan Sektor Awam 43

Rajah 2-8 : Pengurusan Data Mengikut Kluster Perkhidmatan Dalam Persekitaran

WoG 45

Rajah 2-9 : Pemetaan Kluster Data dan Kategori Metadata DDSA 47

Rajah 2-10 : Penggunaan Metadata dalam Semantic Search 49

Rajah 2-11 : Kaitan antara Semantik, Ontologi dan Taksonomi 52

Rajah 2-12 : Penggunaan Ontologi dalam Information Retrieval System 53

Rajah 2-13 : Penggunaan Taksonomi dalam Information Retrieval System 54

Rajah 3-1 : Prinsip Umum dan Prinsip Data MyGovEA 64

Rajah 4-1 : Hubungan Skematik Pengurusan Data 72

Rajah 4-2 : Contoh Organisasi Data 73

Rajah 4-3 : Gambaran Model Keterangan Data 75

Rajah 4-4 : Gambaran Model Konteks Data 77

Rajah 4-5 : Gambaran Hubungan Interaksi Proses dan Data dalam Model Data 79

Rajah 4-6 : Gambaran Metamodel Process-Application-Information Viewpoint

MyGovEA 79

Rajah 4-7 : Gambaran Penggunaan Model Data dalam Persekitaran Sebenar 80

Rajah 4-8 : Ekosistem Perkongsian Data 83

Rajah 5-1 : Gambaran 4 Pendekatan Master Data Manegement 89

Rajah 5-2 : Contoh Penggunaan DDSA, Metadata dan Deskripsi Data 90

Rajah 5-3 : Gambaran Penggunaan Data Geospatial

100

Rajah 5-4 : Gambaran Kitaran Hayat Penggunaan Data Geospatial 101

Rajah 5-5 : Gambaran Kitaran Hayat Data Penyelidikan 102

Rajah 6-1 : Tadbir Urus Data OECD 103

Rajah 6-2 : Rangka Kerja Tadbir Urus Data Kerajaan Malaysia (Malaysian Data

Governance Framework - MyDGF) 106

Rajah 6-3 : Gambaran Platform Interoprability Data 114

Rajah 6-4 : Struktur Tadbir Urus Program Berpacukan Data Sektor Awam 115

Rajah 6-5 : Struktur Tadbir Urus Data Terbuka Sektor Awam 116

Rajah 6-6 : Struktur Tadbir Urus Kamus Data Sektor Awam 116

Rajah 6-7 : Struktur Tadbir Urus Data Geospatial Negara 117

Rajah 6-8 : Model Pelaksanaan Pengkomputeran Awan Sektor Awam Mengikut

Klasifikasi Data/Maklumat 122

Rajah 6-9 : Kitaran Hayat Data Sektor Awam 127

Rajah 6-10 : Hubungan Konsep Pengurusan Data dan Platform Data Kerajaan 133

Rajah 6-11 : Ciri Data Raya 136

Rajah 6-12 : Architecture Logical MyGDX 140

Rajah 6-13 : Aliran Kerja Perkhidmatan MyGDX 141

Rajah 7-1 : Architecture Shared-Disk bagi Aplikasi Web 144

Rajah 7-2 : Architecture Shared-Nothing bagi Aplikasi Web 145

Rajah 7-3 : Analisis Data dan Analitik Data 148

Rajah 7-4 : Lapisan Visualisasi Data 152

Rajah 7-5 : Architecture ‘Data Fabric’ 154

Rajah 7-6 : Pengaplikasian Visualisasi Data: Virtual Data Lake 154

Rajah 7-7 : Teknik Optimization 157

Rajah 7-8 : Gambaran Teknik Artificial Intelligence 161

Rajah 8-1 : Perkhidmatan Digital Keseluruhan Kerajaan (Whole-of-Government-

WoG) 164

Rajah 8-2 : Kelemahan Sosioekonomi Rakyat Malaysia 166

Rajah 8-3 : Teras Dasar Keselamatan dan Ketenteraman Awam 2019 175

SENARAI SINGKATAN KEMENTERIAN

1. JPM Jabatan Perdana Menteri

2. KASA Kementerian Alam Sekitar Dan Air

3. KBS Kementerian Belia Dan Sukan

4. KDN Kementerian Dalam Negeri

5. KKR Kementerian Kerja Raya

6. KKM Kementerian Kesihatan Malaysia

7. MOF Kementerian Kewangan Malaysia

8. KKMM Kementerian Komunikasi Dan Multimedia Malaysia

9. KLN Kementerian Luar Negeri

10. MOTAC Kementerian Pelancongan, Seni Dan Budaya

11. KPLB Kementerian Pembangunan Luar Bandar

12. MEDAC Kementerian Pembangunan Usahawan Dan Koperasi

13. KPWKM Kementerian Pembangunan Wanita, Keluarga Dan Masyarakat

14. KPM Kementerian Pendidikan Malaysia

15. KPT Kementerian Pengajian Tinggi

16. MOT Kementerian Pengangkutan

17. MITI Kementerian Perdagangan Antarabangsa Dan Industri

18. KPDNHEP Kementerian Perdagangan Dalam Negeri Dan Hal Ehwal Pengguna

19. KPN Kementerian Perpaduan Negara

20. MINDEF Kementerian Pertahanan

21. MAFI Kementerian Pertanian Dan Industri Makanan

22. KPKT Kementerian Perumahan Dan Kerajaan Tempatan

23. MPIC Kementerian Perusahaan Perladangan Dan Komoditi

24. MOSTI Kementerian Sains, Teknologi Dan Inovasi

25. KSM Kementerian Sumber Manusia

26. KeTSA Kementerian Tenaga Dan Sumber Asli

27. KWP Kementerian Wilayah Persekutuan

Senarai Kementerian Sebelum Pentadbiran Kerajaan Baharu pada Mac 2020

28. KATS Kementerian Air, Tanah Dan Sumber Asli

29. MEA Kementerian Hal Ehwal Ekonomi

30. MPI Kementerian Industri Utama

Architecture Rujukan Data Kerajaan

11 Malaysia Government Enterprise Architecture (MyGovEA)

ASPIRASI KETUA PENGARAH MAMPU

Assalamualaikum Warahmatullahi Wabarakatuh dan Salam Sejahtera Usaha pendigitalan sangat berkait rapat dengan gelombang

perubahan teknologi yang kita hadapi, iaitu emerging

technologies, analitik data dan Revolusi Industri 4.0. Trend

global semasa menunjukkan sebanyak 2.5 kuintilion bit data

dihasilkan setiap hari dalam kita melayari gaya hidup digital.

Kadar pertumbuhan data yang pesat merupakan komoditi masa hadapan yang telah

disumbangkan oleh penggunaan perkhidmatan secara dalam talian dan kemajuan

teknologi dalam perkhidmatan. Terkini, artificial intelligence (AI) merupakan teknologi

yang paling memberi impak, diikuti oleh kepintaran data dan analitik data. Ini

menunjukkan bahawa AI telah bersedia untuk menjadi sebahagian daripada

kehidupan seharian manusia pada masa akan datang dan sangat penting untuk kita

menguruskan data dengan baik dan memahami kelebihan nilai data agar kita dapat

memperolehi manfaat AI.

Data digital merupakan teras utama kepada keberjayaan pelaksanaan Kerajaan Digital

terutamanya dalam penggunaan teknologi, data dan kecerdasan digital yang dapat

meningkatkan kualiti perkhidmatan dalam talian. Amalan standard pengurusan data

yang baik dan seragam menjadi nadi penggunaan data yang berkesan sebagai teras

pendorong ekonomi digital Malaysia. Kepercayaan terhadap agensi dalam mengurus

data peribadi dan kerahsiaan data kerajaan meluaskan penerimagunaan

perkhidmatan dalam talian serta meluaskan kesediaan perkongsian data dalam

kalangan agensi sektor awam. Aspirasi Kerajaan Berpacukan Data menuntut agensi

dan penjawat awam menilai semula proses kerja dan menjadikan data sebagai asas

dalam urusan pentadbiran dan perkhidmatan yang menghubungkan masyarakat,

komuniti perniagaan dan agensi kerajaan diperingkat nasional dan antarabangsa.

Secara tidak langsung, ia akan turut menyumbang kepada penambah baikan

pemindahan data rentas sempadan negara.

Mekanisme pengurusan data dan dasar perkongsian data Sektor Awam yang sedang

dibangunkan oleh MAMPU diharap dapat melonjakkan kolaborasi dan kerjasama erat

antara agensi dalam menyediakan perkhidmatan End-to-End(E2E) dan mempercepat

pelaksanaan Identiti Digital Nasional dan pelaksanaan tandatangan digital bagi

meningkatkan keselamatan dan kepercayaan rakyat di alam siber.

Penerbitan naskhah Architecture Rujukan Data Kerajaan adalah seiring dan senada

dengan keperluan mendesak dalam pengurusan pemilikan data kerajaan yang amat

diperlukan dalam persekitaran perkongsian data terutamanya semasa pandemik

Covid-19. Pengkategorian data kerajaan berdasarkan pemilik perkhidmatan serta



perundangan yang membenarkan data disimpan oleh Kerajaan, serta keselamatan

data dalam perkongsian data yang dijelaskan secara konsisten dan holistik dalam

naskhah ini, memudahkan agensi lebih memahami ekosistem dan amalan pengurusan

data yang baik.

Setinggi penghargaan dan syabas khususnya kepada warga Seksyen Pembangunan

Enterprise Architecture, MAMPU, Jabatan Perdana Menteri di atas usaha menjayakan

penerbitan Architecture Rujukan Data Kerajaan ini. Papan saya papan berkerat, sudah

lama saya tempakan, harapan saya dengan hasrat, minta jangan dihampakan.

Justeru, saya amat mengharapkan agar semua agensi Kerajaan memanfaatkan

Architecture Rujukan Data Kerajaan sebagai rujukan utama dalam menjayakan inisiatif

Kerajaan Digital.

Sekian.

YBHG. DATUK SERI DR. YUSOF BIN ISMAIL

Ketua Pengarah MAMPU



HASRAT GOVERNMENT CIO

Assalamualaikum Warahmatullahi Wabarakatuh dan

Salam Sejahtera

Kemunculan teknologi baharu seperti artificial intelligence

(AI), pembelajaran mesin, robotik, cetakan 3D dan

bioteknologi telah mewujudkan pelbagai jenis data baharu

yang bersifat besar, dinamik dan unik. Pemanfaatan

kepintaran data yang diwujudkan dari pelbagai sumber membolehkan Kerajaan

mendapat nilai data, pemahaman mendalam dan bermakna (insights), menjana daya

pemikiran serta wawasan (insight) serta membuat keputusan dengan cepat dan tepat.

Peluang yang hadir dalam penggunaan Data Raya misalnya, menunjukkan data boleh

digunakan untuk meramalkan sesuatu senario dan mengatasi masalah rakyat

terhadap aspek kesejahteraan ekonomi dan sosial negara di masa hadapan. Ini

terbukti dengan pemanfaat data MySejahtera dalam pengurusan pandemik Covid-19.

Justeru, kemahiran dan kesedaran tentang kepentingan pengurusan nilai data dan

inisiatif data berteraskan teknologi baharu muncul dan Revolusi Industri 4.0 (IR 4.0),

amat perlu difahami dan disebar luas kepada setiap penjawat awam, organisasi dan

masyarakat. Kecekapan penyampaian perkhidmatan yang berpacukan analitik data

akan menjadi agenda kerajaan pada masa hadapan dengan mengoptimumkan

penggunaan dan perkongsian data melalui penciptaan produk data yang berpaksikan

rakyat.

Pemanfaatan nilai data mendorong peningkatan penggunaan dan perkongsian data

Kerajaan serta data media sosial bagi membudayakan inovasi berpacukan data (data

driven). Budaya inovasi digital berteraskan data dipupuk melalui kitaran hayat data

daripada mula ketersediaan pelaksanaan, pembangunan dan penyelidikan inovasi

dalam bidang analitis data raya dan AI di peringkat sektor awam. Inisiatif data

menggunakan teknologi AI memerlukan pengetahuan yang mendalam bagi proses

menganalisis data mentah untuk mengenal pasti sesuatu pattern atau trends daripada

sekumpulan data yang besar ataupun Data Raya sehingga boleh membantu dalam

membuat keputusan yang bijak dan tepat. Ia juga akan mendedahkan corak yang

tersembunyi, korelasi yang tidak diketahui dan maklumat lain yang berguna semasa

analitik data dilaksanakan yang memungkinkan penggabungan teknologi di peringkat

fizikal, digital dan biologikal. Khususnya dalam simulasi dan realiti maya, integrasi

sistem menegak dan melintang, industri Internet of Things (IoT), keselamatan siber,

pengkomputeran awan, rantaian bekalan, analisis data raya dan robot automasi.

Hala tuju pemanfaatan kepintaran data dinyatakan dalam Teras Strategik Satu Pelan

Strategik Pendigitalan Sektor Awam (PSPSA) 2021 -2025. Teras ini jelas menyatakan

kepentingan pengurusan data digital yang standard, berintegriti dan memberi makna



bagi meningkatkan kualiti data yang akan digunakan dalam perkhidmatan digital

Kerajaan. Hala tuju ini selari dengan hasrat MyDigital untuk mengutamakan ‘Digital

First Strategy’ yang memfokuskan kepada peningkatan akses data dan maklumat

melalui pemusatan storan data dalam pengkomputeran awan.

Naskhah Architecture Rujukan Data Kerajaan dilihat sebagai salah satu dokumen

standard rujukan pelaksanaan pengurusan data dan maklumat Kerajaan termasuk

perkongsian data dan maklumat merentas agensi bagi memanfaatkan nilai data.

Panduan ini menerangkan mekanisma bagi mengenal pasti, menggambar, mengurus,

melindungi dan melaksanakan pengurusan data dan perkongsian data oleh agensi

sektor awam di peringkat pusat dan Kementerian/agensi. Pengurusan data dan

maklumat kerajaan merupakan tanggungjawab bersama semua agensi Kerajaan dan

MAMPU memandang berat keperluan pelaksanaan ‘Once Only Principle’ supaya

pengumpulan dan penawanan maklumat rakyat dan masyarakat oleh Kerajaan hanya

sekali sahaja. Selanjutnya Kerajaan membenarkan data dan maklumat yang sama

digunakan semula oleh pelbagai agensi secara terkawal, telus dan selamat

berdasarkan dasar perkongsian data.

Tiada ungkapan yang paling mulia melainkan menzahirkan kesyukuran ke hadrat Allah

SWT kerana MAMPU, Jabatan Perdana Menteri telah berjaya menghasilkan dokumen

ini. Akhir kalam, setinggi-tinggi penghargaan dan terima kasih kepada semua yang

terlibat terutama warga Seksyen Pembangunan Enterprise Architecture, MAMPU

dalam usaha menerbitkan Architecture Rujukan Data Kerajaan.

Sekian.

ENCIK AZIH BIN YUSOF

Timbalan Ketua Pengarah (ICT)

Merangkap Government Chief Information Officer



BAB 1

1 PENGENALAN

Data Reference Model (DRM) dalam Model Rujukan MyGovEA merupakan

standard klasifikasi data kerajaan yang sejajar dengan standard klasifikasi

perkhidmatan dalam Business Reference Model (BRM) sektor awam yang telah

dibangunkan oleh MAMPU. MyGovEA merupakan pelan induk yang merangkumi

rangka kerja, kaedah dan pelan pelaksanaan dalam mempraktikkan Enterprise

Architecture (EA) di sektor awam. Model Rujukan MyGovEA adalah dokumen

rujukan yang bertujuan untuk mengklasifikasikan komponen bagi domain

architecture (business, data, aplikasi dan teknologi). Model Rujukan ini

digunakan sebagai panduan standard dalam mengklasifikasikan perkhidmatan

agensi serta menerangkan pengurusan data bagi tujuan menyeragamkan

perkhidmatan kerajaan.

Architecture Rujukan Data (Data Reference Architecture) memperincikan DRM

dengan menyediakan rujukan standard kepada gambaran pengurusan data

secara konsisten dan holistik di dalam bentuk architecture yang mengambil kira

elemen proses dan perkhidmatan kerajaan. Pengurusan data dibahagikan

kepada dua perspektif. Pertama, perspektif logikal data yang melibatkan

keselamatan data, pemilikan data, keperluan perkongsian data dan analitis data.

Kedua, perspektif fizikal penyimpanan data yang melibatkan pangkalan data,

gudang data dan infrastruktur data.

Tujuan Architecture Rujukan Data disediakan adalah untuk menerangkan

mekanisma bagi mengenal pasti, menggambar, mengurus, melindungi dan

melaksanakan perkongsian data, khususnya di setiap peringkat agensi sektor

awam. Melalui DRM MyGovEA, agensi kerajaan berupaya menyediakan Data

Reference Architecture yang komprehensif merangkumi metadata, model data,

taksonomi data, keperluan keselamatan data dan kaedah perkongsian data.



Architecture Rujukan Data Kerajaan (Government-Wide Reference Architecture

Data – GWRA) atau GWRA Data menyokong Architecture Rujukan

Perkhidmatan Kerajaan (GWRA Business) untuk memastikan standard data

yang digunakan dalam penyampaian perkhidmatan kerajaan adalah seragam

sebagai rujukan utama dalam menyediakan perkhidmatan digital kepada

masyarakat. Pengetahuan yang mendalam terhadap GWRA Data berupaya

menentukan nilai data dalam inisiatif perkhidmatan kerajaan berpacukan data

pintar serta perkongsian data dan analitis data. Penggunaan nilai data berjaya

dilihat dalam pemanfaatan perancangan yang lebih strategik, pembuatan

keputusan yang lebih tepat dan pengoperasian Kerajaan yang lebih cekap dan

berkesan.

Kejayaan pelaksanaan DRM dan GWRA Data memerlukan proses menyusun

semula tadbir urus data dan pengurusan Data Kerajaan bagi memudahkan

pengklasifikasian dan penentuan nilai suatu data diurus dari satu sumber yang

sah.

GWRA Data menyediakan rangka kerja yang memudahkan pengkategorian Data

Kerajaan berdasarkan pemilik perkhidmatan serta perundangan yang

membenarkan data disimpan oleh Kerajaan, serta keselamatan data dalam

perkongsian data antara agensi.

Objektif GWRA Data adalah:

i. Mengurus penawanan data kali pertama atau penambahan

kepada data sedia ada termasuk kaedah validasi mengikut

keperluan.

ii. Mengurangkan kos pengumpulan data dari sumber yang sama

dan kos simpanan data yang bertindih seperti penyimpanan data

yang sama di dua tempat berbeza (data redundancy) atau

penyimpanan salinan data yang serupa di pelbagai pangkalan

data (data duplication).

iii. Meningkatkan pengurusan, capaian dan perkongsian data

merentas agensi di sektor awam dan juga pihak luaran.



iv. Melantik pentadbir data (data steward) untuk mengenal pasti

sumber maklumat di samping memastikan akauntabiliti dan

keselamatan data.

v. Membangun kamus data untuk memastikan pemahaman umum

mengenai terma data yang sama.

vi. Memudahkan kerjasama di antara kementerian, jabatan dan

agensi dalam Kerajaan memahami konteks dan definisi bagi

sumber data yang sama.

vii. Mengenal pasti keperluan keselamatan aset data.

viii. Mengenal pasti keperluan khas teknikal aset data.

ix. Memastikan piawai yang ditetapkan dapat diterima pakai di setiap

peringkat sistem atau aplikasi di semua agensi sektor awam.

Ekosistem Pengurusan Data Kerajaan

Mengimbas definisi Kerajaan Digital, data digital merupakan tunjang

kepada perkhidmatan digital Kerajaan seperti pernyataan berikut:

“Kerajaan Digital adalah Kerajaan yang menjalankan fungsi

perkhidmatan awam dengan memanfaatkan data digital

sebagai tunjang utama dalam strategi memodenkan

penyampaian perkhidmatan bagi memenuhi ekspektasi rakyat

dan pembaharuan pentadbiran organisasi serta

meningkatkan daya saing ekonomi, meraih kepercayaan

institusi dan meningkatkan produktiviti perkhidmatan awam”1.

Pengurusan Data Kerajaan di kategorikan kepada 18 kluster data sejajar

dengan 18 kluster perkhidmatan di bawah lima (5) sektor utama iaitu

ekonomi, sosial, infrastruktur, keselamatan dan pentadbiran awam.

Manakala pengurusan data digital kerajaan boleh dikategorikan

mengikut lima (5) peringkat berbeza iaitu penjajaran data di peringkat

perkhidmatan, tadbir urus data, analitis data, integrasi data dan sumber

1 PKPA Bil. 1 Tahun 2020: MyGovEA



data. Gambaran keseluruhan elemen ekosistem pengurusan data adalah

seperti Rajah 1-1 dan gambaran 18 kluster data kerajaan adalah seperti

Rajah 1-2.

Rajah 1-1 : Ekosistem Pengurusan Data

Elemen ekosistem pengurusan data tersebut dijelaskan berdasarkan

rangka kerja pengurusan data dan keperluan strategi data 2017 oleh

Global Data Strategy dan dipetakan kepada inisiatif data Sektor Awam

merangkumi strategi data dalam Teras 1 Pelan Strategik Pendigitalan

Sektor Awam (PSPSA). Teras 1 PSPSA menjelaskan berhubung

pemanfaatan kepintaran data, keperluan kompetensi sains data2 dan

data engineer3.

Standard architecture data dijelaskan oleh inisiatif data berikut:

(1) Malaysia Government Enterprise Architecture (MyGovEA);

(2) Platform Data Raya Sektor Awam (DRSA);

(3) Hub perkongsian data Malaysian Government Data Exchange

(MyGDX);

(4) Pengurusan metadata sektor awam melalui Kamus Data Sektor

Awam (Data Dictionary Sektor Awam - DDSA),

2 14 Bidang SME ICT Sektor Awam, MAMPU 2020 3 Digital, data and technology job roles in government, The Competency Based Framework GDS UK



(5) Perkhidmatan pangkalan data oleh Pusat Data Sektor Awam dan

perkhidmatan pengkomputeran awan kerajaan (PDSA &

MyGovCloud);

(6) Platform Data Terbuka Sektor Awam (DTSA); dan

(7) Pengurusan Dokumen Digital Sektor Awam (DDMS).

Sumber Data Digital merujuk kepada maklumat dan data digital yang

dikategorikan kepada tiga (3) jenis iaitu data berstruktur, data separa

berstruktur dan data tidak berstruktur. Jenis data turut dijadikan sebagai

asas pembangunan metadata.

Manakala gambaran keseluruhan architecture yang menjajarkan

keperluan pengurusan data bersepadu dan analitis data bagi menyokong

pemanfaatan kepintaran data adalah seperti Rajah 1-3. Rajah tersebut

menjajarkan kumpulan sasar, pangkalan data aplikasi melibatkan data

pentadbiran, data transaksi dan data real-time dihubungkan melalui hub

perkongsian data MyGDX serta penganalisisan seperti analitis data raya.

Digambarkan juga platform data dan infrastruktur data yang

dilaksanakan secara fizikal (on premis) atau menggunakan infrastruktur

perkhidmatan pengkomputeran awan. Penyelesaian architecture

MyGDX dilaksanakan secara teragih di mana hanya kawalan dan

pemantauan transaksi perkongsian data dilaksanakan secara berpusat.

Keseragaman standard Application Programming Interface (API)

disediakan oleh MAMPU bagi memudahkan pembangunan API oleh

agensi.



Rajah 1-2 : Kategori Data Kerajaan Berdasarkan Kluster Perkhidmatan



Rajah 1-3 : Architecture Pengurusan Data Bersepadu dan Analitik Data



Data Reference Model (DRM)

Data Reference Model (DRM) MyGovEA disediakan untuk menerangkan

mekanisma mengenal pasti, menggambarkan, mengurus, melindungi

dan berkongsi data, khususnya di setiap peringkat agensi sektor awam.

DRM turut berfungsi sebagai rujukan bagi memastikan penggunaan data

yang konsisten dan holistik dalam sektor awam. Selain itu, DRM juga

sebagai rujukan penyelesaian oleh arkitek dalam mereka bentuk logical

design aliran data merentas agensi Kerajaan. Melalui DRM, agensi

Kerajaan mampu menyediakan Data Architecture yang komprehensif

merangkumi metadata, model data, taksonomi data, keselamatan data

dan pendekatan yang sesuai untuk berkongsi data melalui service

integration layer dan data layer.

DRM turut menyediakan kaedah untuk menakrifkan data secara

konsisten dalam Data Architecture untuk meningkatkan tahap kecekapan

dan keberkesanan dalam pentadbiran data kerajaan. DRM juga

menyumbang kepada interoperability perkhidmatan kerajaan yang

menjurus kepada kerjasama dan kolaboratif strategik di antara agensi

sektor awam. Elemen keselamatan dan keperluan teknikal turut di ambil

kira bagi memperkukuh keseragaman pengoperasian dan pelaksanaan

pengurusan data di peringkat agensi kerajaan.

Kategori Data dalam DRM MyGovEA dibahagikan kepada tiga (3)

peringkat iaitu Peringkat 1 (Level 1 - L1), Peringkat 2 (Level 2 – L2) dan

Peringkat 3 (Level 3 – L3). Lima (5) kategori di L1 adalah DRM001

Ekonomi, DRM002 Sosial, DRM003 Keselamatan, DRM004

Perkhidmatan Sokongan Kerajaan dan DRM005 Pengurusan Sumber

Kerajaan. Pengkategorian ini adalah sama seperti Business Reference

Model (BRM) MyGovEA. Pengklasifikasian data ini seterusnya

diperincikan kepada data di L2 iaitu data category seperti mana

klasifikasi perkhidmatan BRM peringkat 1 di Rajah 1-4, dan L3 data sub-

category. L3 menjelaskan perincian data subject properties atau atribut



berhubung jenis data, struktur data, taksonomi dan kebolehkongsian

data.

Rajah 1-4 : Kategori Perkhidmatan Peringkat 1 BRM

Keterangan bagi data subject properties dijelaskan seperti di Jadual 1-1

berikut:

Jadual 1-1 : Keterangan Data Subject Properties Peringkat 3 DRM

KATEGORI DATA

SUBJECT

PROPERTIES

KETERANGAN

Jenis Data Merujuk kepada jenis data yang diuntukkan sama ada

di peringkat pengetahuan, maklumat dan data.

Contoh:

i. Nombor Kad Pengenalan (Data)

ii. Perincian Pendaftaran Syarikat (Information)

iii. Laporan Kajian Pengklasifikasian Syarikat

Pembekal (Knowledge)

Struktur data Merujuk kepada bagaimana data disusun dan

dihubungkan dalam format penyimpanan data bagi

memudahcara kecekapan mendapatkan dan

mengubah data.

Contoh : Data Berstruktur, Data Tidak Berstruktur



KATEGORI DATA

SUBJECT

PROPERTIES

KETERANGAN

Keselamatan Data Merujuk kepada tahap kerahsiaan dan

kebolehkongsian data.

Contoh:

Tahap kerahsiaan data:

i. Sulit (boleh dikongsikan dengan kebenaran)

ii. Terbuka (bebas untuk dikongsikan)

iii. Rahsia (tidak boleh dikongsikan)

Data rahsia rasmi dikelaskan kepada empat (4) iaitu

terhad, sulit, rahsia dan rahsia besar sebagaimana

yang didefinisikan di dalam Arahan Keselamatan

(Semakan dan Pindaan 2017).

Deskripsi Data Merujuk kepada taksonomi data dalam mengelas data

bagi suatu kategori dan subkategori untuk memberi

pemahaman maksud data yang sama dengan

memperkenalkan terminologi dan semantik umum

merentas pelbagai sistem. Pengurusan deskripsi data

dengan memberi keterangan data yang standard

dilaksanakan melalui Kamus Data Sektor Awam (Data

Dictionary Sektor Awam - DDSA).

Contoh:

i. Nombor Kad Pengenalan: Numeric (12)

ii. Nama Penuh: Alphanumeric (30)

iii. Tarikh Lahir: Data (DD/MM/YYYY)

iv. Alamat: Alphanumeric (100)

Contoh penggunaan DRM bagi ‘DRM005 Government Resource

Management Data’ oleh MAMPU yang menguruskan data berkaitan

sumber ICT Sektor Awam Level 1 hingga Level 3 digambarkan oleh

Rajah 1-5.



Rajah 1-5 : Contoh Penggunaan DRM hingga Peringkat 3

Hubungan GWRA Data

Hubungan GWRA bagi Perkhidmatan, Data, Aplikasi dan Teknologi

digambarkan dalam rajah empat (4) domain klasifikasi. DRM telah

menyediakan tiga (3) peringkat klasifikasi data iaitu L1, L2 dan L3. Setiap

klasifikasi dipetakan dengan keperluan dan penghasilan maklumat dan

data berteraskan perkhidmatan kerajaan serta data pentadbiran dan

pengoperasian perkhidmatan kerajaan secara merentas agensi.

Gambaran hubungan GWRA adalah seperti Rajah 1-6 berikut:



Rajah 1-6 : Hubungan GWRA Perkhidmatan, Data, Aplikasi dan Teknologi



BAB 2

2 KONSEP DAN DEFINISI

Konsep

2.1.1 Konsep Kerajaan Berpacukan Data

Konsep Kerajaan Berpacukan Data atau Data Driven Public Sector telah

diperkenalkan dalam Teras Strategik 2 Pelan Strategik ICT Sektor Awam

Tahun 2016-2020. Konsep ini membawa maksud pengurusan data dan

nilai data secara cekap dan holistik bagi mengukuhkan perkongsian data

merentasi agensi Sektor Awam.

Menurut The Organisation for Economic Co-operation and Development

(OECD)4, Kerajaan Berpacukan Data mempunyai ciri-ciri berikut:

i. Mengiktiraf data sebagai aset utama kerajaan yang bernilai dan

menentukan impak penggunaannya;

ii. Memastikan pengurusan data, perkongsian data dan penggunaan

semula data yang sangat aktif;

iii. Data sebagai tunjang utama dalam strategi memoden dan

mendigitalkan penyampaian perkhidmatan melalui perubahan

bentuk perkhidmatan, perubahan medium penyampaian dan

perubahan kaedah pemantauan polisi dan perkhidmatan

kerajaan; dan

iv. Meningkatkan penerbitan data terbuka dan pengintegrasian data

inter dan intra agensi sektor awam.

Fokus inisiatif Kerajaan Berpacukan Data dalam Pelan Strategik

Pendigitalan Sektor Awam (PSPSA) 2021-2025 telah mengadaptasikan

pendekatan Perkhidmatan Digital Keseluruhan Kerajaan atau Whole-of-

Government (WoG) dalam membangunkan model tadbir urus data yang

koheren dan komprehensif. Teras Strategik 1 PSPSA memberi tumpuan

kepada pemanfaatan kepintaran data dalam memperkukuh pengurusan

4 OECD: The Path to Becoming a Data‑Driven Public Sector



dan penyelarasan data di peringkat negara dan kerajaan. Kepintaran

data yang dizahirkan dalam bentuk visualisasi data dan analitis data

menjadi teras kepada perancangan, pembangunan dasar dan keputusan

kerajaan.

Elemen Kerajaan Berpacukan Data yang dinyatakan oleh OECD

merangkumi tiga perspektif iaitu tadbir urus, nilai data terhadap

masyarakat dan kepercayaan seperti Rajah 2.1.

Rajah 2-1 : The Analytical Framework For Data Driven Public Sector (OECD)

Pemanfaatan kepintaran data dalam Kerajaan Berpacukan Data boleh

disandarkan kepada nilai data dalam setiap kitaran hayat data5. Nilai data

boleh diintepretasikan sebagai data yang dijana melalui analitis dan

menyumbang kepada penyelesaian suatu permasalahan6. Dalam

konteks Kerajaan Berpacukan Data, data yang dijana melalui analitis

dijadikan aset strategik Kerajaan dalam pengaplikasiannya sebagai teras

kepada aktiviti perancangan, penyampaian perkhidmatan, penilaian dan

5 Van Ooijen, C., B. Ubaldi and B. Welby (2019), “A data-driven public sector: Enabling the strategic use of data for

productive, inclusive and trustworthy governance”, OECD Working Paper 6 https://www.igi-global.com/dictionary/big-data-issues-and-challenges



pemantauan yang menyumbang kepada kemudahan, kecekapan serta

keberkesanan perkhidmatan terhadap masyarakat7.

Kitaran hayat data bermula daripada penawanan data, penyimpanan

data, pemprosesan data, perkongsian data, penerbitan data dan

penggunaan semula data seperti Rajah 2-2.

Rajah 2-2 : Kitaran Hayat Nilai Data Kerajaan

Peringkat penawanan dan penjanaan data menunjukkan bahawa

sumber data yang pelbagai menjadi input kepada proses kerja dalam

menyediakan perkhidmatan kerajaan. Pengklasifikasian data perlu

disediakan dengan jelas dari aspek data terperingkat atau Data Rahsia

Rasmi dan Data Terbuka atau Data Rasmi Terbuka. Ini termasuklah data

yang boleh dikongsikan berdasarkan nilai dan sensitiviti data tersebut

dan sumbangannya kepada negara. Penawanan data juga boleh

diperoleh daripada data terbitan seperti set data terbuka atau

penggunaan semula produk data melalui Application Programme

Interface (API) sebagai input data sekunder.

Penawanan data bagi sensory data merupakan pengumpulan data

melalui peranti seperti IoT dan wearables. Manakala penawanan data

7 OECD: The Path to Becoming a Data‑Driven Public Sector 2019



secara elektronik dikumpul melalui borang, sama ada secara manual

menggunakan teknologi Optical Character Recognition (OCR) atau

borang dalam talian. Manakala Data Pentadbiran merupakan data yang

dihasilkan sebagai output kepada aktiviti pentadbiran Kerajaan atau data

yang terhasil daripada perkhidmatan yang diusahakan bersama antara

sektor Kerajaan dan sektor swasta.

Penawanan data yang berkualiti (tepat dan sah) akan dapat memastikan

penggunaan semula data yang bernilai. Membina Kerajaan Digital

berteraskan pemanfaatan kepintaran data memerlukan kawalan kualiti

penawanan data yang bernilai kepada kerajaan dan masyarakat. Data

boleh memberikan manfaat sebagai asas maklumat yang tepat dan asas

terhadap keputusan Kerajaan. Asas maklumat yang dipercayai boleh

memberi peluang kepada Kerajaan untuk meluaskan penawanan data

yang bernilai dan berkait dengan isu dan masalah masyarakat yang perlu

diselesaikan.

Beberapa manfaat terhadap nilai data adalah seperti Rajah 2-3. Manfaat

nilai data yang dicapai sebagai asas kepada penggunaan semula data

dalam persekitaran Kerajaan Berpacukan Data antaranya adalah

pengurangan risiko terhadap keselamatan data serta peningkatan

kepercayaan terhadap data yang sah dan tepat daripada satu sumber

(single source of data). Sehubungan itu penggunaan data yang lebih

pintar berdasarkan nilai data kepada Kerajaan dan masyarakat adalah

sangat penting bagi pengoptimuman pengurusan penyimpanan data dan

proses perkhidmatan yang berintegrasi.



Rajah 2-3 : Pengenalpastian Nilai Data Kerajaan

2.1.2 Konsep Open Government

Menurut ‘Open Government Guide 2018’, ‘Open Government’ merujuk

kepada pembudayaan pentadbiran kerajaan berlandaskan inovasi dan

kelestarian dasar perkhidmatan awam. Antara prinsip ‘Open

Government’ adalah ketelusan, kebertanggungjawapan dan keterlibatan

yang memupuk demokrasi dan pembangunan negara. Selain itu ‘Open

Government’ turut melibatkan penyertaan dan kolaborasi rakyat dengan

Kerajaan di pelbagai peringkat pentadbiran iaitu Persekutuan, Negeri

dan Pihak Berkuasa Tempatan (PBT) dalam pembangunan negara.

Hasrat ‘Open Government’ adalah untuk memastikan Kerajaan responsif

kepada masyarakat. Ia menggalakkan keperluan untuk Kerajaan

melaksanakan reformasi jentera dan institusi Kerajaan yang melibatkan

pentadbiran awam dalam pembangunan polisi dan perancangan

pembangunan jangka panjang dengan melibatkan rakyat.

Kerajaan dilihat lebih telus dalam melaksanakan agenda pemulihan

pandemik COVID19 (program fasa 6R: Resolve, Resilience, Restart,

Recovery, Revitalise dan Reform8) misalnya, dengan melaksanakan

8 Malaysian Government’s Economic Response in a Pandemic by MOF in 14th Senior Executive Development Programme

2021



pendekatan komunikasi yang telus kepada rakyat dan pengukuhan

terhadap perkhidmatan digital kerajaan. Kerajaan mempunyai pilihan

untuk lebih telus sepertimana prinsip yang diutarakan oleh ‘Open

Government Partnership’ (OGP)9 dengan penekanan terhadap perkara

berikut:

i. Meningkatkan penyertaan masyarakat dalam pengukuhan

pentadbiran awam, pembangunan polisi kerajaan dan

pembangunan negara;

ii. Menyumbang kepada peningkatan akses data terbuka yang

bernilai serta akses masyarakat terhadap maklumat Kerajaan;

dan

iii. Meningkatkan ketelusan dalam peningkatan keupayaan dan

kemahiran penjawat awam dan organisasi perkhidmatan awam

supaya dapat memupuk penyertaan masyarakat dengan lebih

baik.

OGP merupakan inisiatif global dalam membina kepercayaan dan

memupuk kerjasama antara pemerintah dan masyarakat untuk

meningkatkan hasil pembangunan negara. Terutamanya dalam

mempromosikan ketelusan, memperkasakan rakyat, memerangi rasuah,

dan memanfaatkan teknologi baru untuk memperkukuhkan tadbir urus.

Penglibatan negara dalam inisiatif OGP dinyatakan melalui pendirian

negara dalam Open Government Declaration10 dengan memenuhi

empat (4) kriteria iaitu ketelusan bajet, keterbukaan akses kepada

maklumat, pendedahan maklumat pendapatan dan aset negara serta

ketelusan dalam libat urus rakyat. Konsep ‘Open Government’

diilustrasikan seperti Rajah 2-4 berikut:

9

Open Government Partnership. “What is the Open Government Partnership?”. http://www.opengovpartnership.org/about 10

Open Government Declaration. https://www.opengovpartnership.org/process/joining-ogp/open-government-declaration/



Rajah 2-4 : Konsep ‘Open Government’

Polisi ‘Open Government’ membantu Kerajaan untuk memudah cara

pertukaran maklumat dan perkongsian data serta penjejakan data

merentas agensi. ‘Open Government’ juga turut meningkatkan

pemahaman dan ketelusan dasar awam serta menyumbang kepada

pemerkasaan kuasa kepada masyarakat untuk terlibat dan

menyumbang secara aktif dalam penggubalan dasar serta program

pembangunan. Polisi tersebut sejajar dengan hala tuju dan hasrat

Kerajaan yang dinyatakan dalam Pelan Strategik Pendigitalan Sektor

Awam dan strategi pelaksanaan Data Terbuka Sektor Awam. Di

peringkat nasional, polisi ini juga turut sejajar dengan keperluan negara

dalam membangunkan dasar ‘Freedom of Information’ (FOI).

Polisi ‘Open Government’ juga menyokong prinsip dan pelaksanaan

‘Open Contracting Partnership’ (OCP) di bawah inisiatif Data Terbuka

untuk meningkatkan ketelusan maklumat yang berkaitan dengan

perolehan Kerajaan. Manakala prinsip ‘Open Contracting Data

Standards’ (OCDS) membolehkan penerbitan data mengikut standard

yang berstruktur. Standard tersebut membentuk asas utama ke arah

perkongsian data yang lebih mampan untuk digunakan bersama oleh

semua negara peserta OCP. Sehingga Mei 2021, Malaysia masih belum

memutuskan untuk terlibat sebagai negara peserta OCP. Bagaimanapun

inisiatif ketelusan dalam perolehan Kerajaan telah dikenal pasti dengan



menerokai peluang mewujudkan Government Digital Market Place untuk

meningkatkan daya saing syarikat dalam menawarkan produk dan

perkhidmatan yang bersesuaian menerusi perolehan kerajaan,

menambah baik pasaran domestik dan rantaian bekalan, mengurangkan

rasuah dan meningkatkan value for money.

2.1.3 Konsep Data Terbuka

Konsep Data Terbuka merupakan konsep global yang menjelaskan

penerbitan data yang percuma dan tiada had capaian untuk digunakan

oleh masyarakat, komuniti perniagaan dan antara Kerajaan. Data

terbuka merujuk kepada data kerajaan yang boleh digunakan secara

bebas, boleh dikongsikan dan digunakan semula oleh rakyat, agensi

sektor awam atau swasta untuk sebarang tujuan. Ia berperanan sebagai

penggerak dalam inisiatif kerajaan berpaksikan rakyat.

Pelaksanaan data terbuka dapat meningkatkan kualiti dan ketelusan

penyampaian perkhidmatan kerajaan menerusi perkongsian data yang

tepat, cepat dan relevan. Di samping itu, ia juga dapat meningkatkan

produktiviti dan ekonomi negara melalui industri/inovasi baharu dengan

penglibatan rakyat dan komuniti perniagaan.

2.1.4 Konsep Hubungan Data, Maklumat, Pengetahuan dan Kebijaksanaan

Hubungan antara data, maklumat, pengetahuan dan kebijaksanaan atau

hikmah yang digambarkan oleh DIKW Pyramid Model selalunya

digunakan dalam konteks bidang pengurusan maklumat (information

management), sistem maklumat (information systems) dan pengurusan

pengetahuan (knowledge management).

Rajah Hirarki DIKW Pyramid diperkenalkan oleh Nathan Shedroff11

pada tahun 1994 yang menambah hirarki ‘kebijaksanaan/hikmah’ dalam

11 Jackson, Robert (1999). Information Design. Cambridge: MIT Press. p. 267. ISBN 978-0262100694



konteks reka bentuk maklumat. Manakala konsep yang membezakan

data, maklumat dan pengetahuan di perkenalkan oleh Nicholas L.

Henry12 pada tahun 1974 dalam sebuah artikel yang memperkenalkan

konsep Pengurusan Pengetahuan13.

Gambaran hubungan antara data, maklumat, pengetahuan dan

kebijaksanaan/hikmah serta kaitannya dengan metadata dan storan

metadata adalah seperti Rajah 2-5 berikut:

Rajah 2-5 : Anatomi Rajah Hirarki DIKW Pyramid

2.1.4.1 Penjelasan DIKW

Data memberi maksud fakta, statistik, representasi maklumat atau

konsep yang disediakan dalam bentuk elektronik dan boleh

disampaikan, dianalisis atau diproses sama ada oleh komputer atau

kaedah automatik yang lain14. Dalam konteks teknologi maklumat, data

juga bermaksud maklumat yang disimpan dalam bentuk digital15 sebagai

representasi maklumat atau konsep yang disediakan atau telah

12 Wallace, Danny P. (2007). Knowledge Management: Historical and Cross-Disciplinary Themes. Libraries Unlimited. pp.

1–14. 13 Henry, Nicholas L. (May–June 1974). "Knowledge Management: A New Concern for Public Administration". Public

Administration Review 14 Dasar Perkongsian Data Sektor Awam 2021 15 Data Management Body of Knowledge, 2nd Edition, DAMA International,2017



disediakan dalam bentuk/format yang sesuai bagi kegunaan dalam suatu

komputer16.

Maklumat memberi maksud fakta yang menerangkan perkara dan

tujuan mengenai situasi, orang atau peristiwa17 dan menjawab kepada

persoalan ‘siapa’, ‘apa’, ‘di mana’, ‘bagaimana’, ‘berapa’ dan ‘bila’18.

Pengetahuan memberi maksud segala yang diketahui atau yang

dipelajari berhubung sesuatu ilmu19 sama ada secara formal atau

berdasarkan pengalaman dan pemahaman suatu fenomena yang

berlaku20.

Pengetahuan boleh didapati terkandung dalam pemikiran individu,

pengetahuan kumpulan atau memori institusi/organisasi. Pengetahuan

turut terdapat dalam sistem kerja, produk dan proses kerja yang khusus

dalam bidang dan domain tertentu. Pengetahuan ini dikategorikan

sebagai pengetahuan tersurat dan pengetahuan tersirat. Pengetahuan

tersurat boleh dilihat, disimpan dan disebarkan secara visual seperti

buku, laman web dan bentuk stroran lain. Pengetahuan tersirat tidak

tertulis dan selalunya tersimpan dalam minda dan kognitif individu yang

digambarkan melalui emosi, ingatan, pengalaman, rangsangan deria

atau gerak hati individu. Knowledge Management Blueprint MAMPU

pada tahun 201021 menerangkan pengetahuan seperti berikut:

“knowledge management is defined as the process of managing

and leveraging the stores of knowledge such as documentation,

business process or experience in an entity by transforming

16 Akta Jenayah Komputer 1997, Malaysia 17 Cambridge Dictionary 18 Wallace, Danny P. (2007). Knowledge Management: Historical and Cross-Disciplinary Themes. Libraries Unlimited. pp.

1–14. 19 Pusat Rujukan Persuratan Melayu, Istilah Bahasa Melayu ‘pengetahuan’, https://prpm.dbp.gov.my/ 20 An Organizing Framework Linking Knowledge Management and Sustainable Competitive Advantage, Schwartz, D. G.

2005. Encyclopedia of Knowledge Management. (D. Schwartz, Ed.). IGI Global 21 Knowledge Management Blueperint, MAMPU 2010



information and intellectual assets into enduring value in order

to provide services to the public and to improve performance”.

Kebijaksanaan memberi maksud kebolehan menggunakan

pengetahuan dan pengalaman untuk suatu aktiviti seperti membuat

keputusan. Manakala Hikmah adalah kualiti pengetahuan atau

pemikiran yang memaparkan kebijaksanaan22.

Metadata merujuk kepada maklumat dan dokumentasi data terurus yang

mengandungi deskripsi mengenai konteks, kualiti dan keadaan atau ciri

data tersebut. Metadata digunakan untuk memudahkan pemahaman,

mengenali sifat dan menguruskan penggunaan data. Contoh metadata

adalah maklumat yang mengandungi tajuk, keterangan, format, saiz dan

tarikh23.

Data Dictionary didefinisikan sebagai keterangan tentang data. Ianya

digunakan untuk merujuk kepada kandungan data berkenaan. Kamus

Data Sektor Awam (Data Dictionary Sektor Awam - DDSA) merupakan

rujukan yang menetapkan keterangan data yang standard untuk diguna

pakai oleh agensi-agensi sektor awam. Standard yang ditetapkan di

bawah DDSA adalah minima iaitu nama elemen data, alias (nama lain

elemen data), keterangan ringkas data, saiz elemen data, jenis medan

dan rasional bagi elemen data tersebut24.

2.1.4.2 Persekitaran Sistem Maklumat

Sistem Maklumat melibatkan empat komponen utama iaitu data,

teknologi, proses yang dibangunkan melalui aplikasi dan pengguna

(people). Daripada keempat-empat komponen tersebut, data adalah

yang paling kurang berubah. Teknologi akan sentiasa berubah dengan

pantas sama ada melibatkan perisian atau perkakasan. Proses turut

22 Pusat Rujukan Persuratan Melayu, https://prpm.dbp.gov.my/ 23 Pekeliling Am Bil. Bil 1 Tahun 2015, Pelaksanaan Data Terbuka Sektor Awam 24 Pekeliling Am Bil. Bil 2 Tahun 2002, Penggunaan dan Pemakaian Data Dictionary Sektor Awam (DDSA) Sebagai

Standard di Agensi-Agensi Kerajaan



berubah mengikut perubahan keperluan pelanggan dan objektif

perkhidmatan serta kaedah penyampaian perkhidmatan tersebut

diberikan. Walau bagaimanapun ada perkhidmatan tertentu yang mana

proses utamanya tidak berubah walaupun kaedah pengoperasian dan

objektif serta hala tuju perkhidmatan berubah. Sehubungan itu,

maklumat dan data yang sama masih digunakan dalam melaksanakan

proses tersebut.

Sebagai contoh, maklumat individu masih diperlukan untuk semua

transaksi sama ada melalui saluran baharu atau saluran semasa.

Sungguhpun demikian, proses memperoleh dan menawan data adalah

komponen yang memerlukan kos paling tinggi. Sehubungan itu, reka

bentuk sistem maklumat wajar mengutamakan information/data

architecture dalam menentukan keperluan aplikasi, perubahan proses

kerja dan teknologi yang bersesuaian.

Dalam persekitaran sistem maklumat, data diubah kepada maklumat

melalui beberapa proses seperti berikut:

(1) Proses pertama adalah ‘conversion’ atau ‘pertukaran’. Proses ini

melibatkan transformasi data berhubung format data, pengukuran

data dan klasifikasi data kepada format yang lain.

(2) Proses kedua adalah ‘organization’ atau ‘mengatur’ iaitu

menyusun data berdasarkan kepada rule pengurusan pangkalan

data supaya data dapat diakses secara kos efektif.

(3) Proses ketiga berkaitan ‘structuring’ atau penstrukturan data yang

melaksanakan pemformatan data semula supaya kesesuaian

data boleh digunakan mengikut kepelbagaian perisian dan sistem

maklumat.

(4) Proses keempat adalah ‘modeling’ atau ‘permodelan’ yang

melibatkan analisis statistik dan visualisasi data yang

mengayakan pengetahuan dan kepintaran data dalam membuat

keputusan.



Proses perubahan data kepada maklumat ditunjukkan dalam Rajah 2-6

berikut:

Rajah 2-6 : Proses Perubahan Data Kepada Maklumat Melalui Sistem Maklumat

Maklumat yang dihasilkan mempunyai tiga (3) komponen iaitu:

i. Organisasi maklumat/struktur maklumat yang menunjukkan

bagaimana pelbagai data dan peristiwa dihimpunkan dan

digambarkan. Reka bentuk struktur maklumat juga dikenali

sebagai ‘struktur data’;

ii. Kandungan dan hubungan maklumat yang menjelaskan atribut

berhubung data dan peristiwa. Proses mengenal pasti kandungan

maklumat dan hubungannya dinamakan ‘data modelling’ dalam

reka bentuk sistem maklumat; dan

iii. Aliran maklumat menunjukkan bagaimana data dan peristiwa

berubah mengikut pergerakan proses dan aliran maklumat

berkaitan proses tersebut. Proses ini dinamakan ‘process

modelling’ dalam reka bentuk sistem maklumat.

Komponen maklumat tersebut boleh digambarkan dalam rajah

konsep/conceptual diagram yang menghubungkan pengurusan

pangkalan data dan pembangunan aplikasi dalam sistem maklumat. Ini

menegaskan bahawa pengurusan struktur maklumat dan struktur data



sangat penting sebagai elemen dalam pengurusan data dan juga

pembangunan aplikasi.

Pendekatan reka bentuk sistem maklumat berteraskan data perlu

mengambil kira keperluan berikut:

i. Pengurusan data sebagai aset utama organisasi (data value)

dengan mengaplikasikan konsep information resource

management (IRM);

ii. Perkongsian data antara bahagian dan antara agensi bagi

mengurangkan kos pengurusan data melalui aplikasi atau

platform sepunya;

iii. Strategi penawanan dan penyimpanan data menentukan

teknologi perisian dan perkakasan/peranti yang akan digunakan

dalam penawanan dan penyimpanan data;

iv. Pembangunan aplikasi berteraskan data atau perkhidmatan

berpacukan data diutamakan bagi memastikan penggunaan data

yang efektif dan penggunaan semula data yang berkesan.

Keperluan data dalam mentransformasikan perkhidmatan dan

menyokong pembuatan keputusan akan mendorong kepada

proses perekayasaan proses kerja (business process

reengineering - BPR).

2.1.5 Konsep Perkongsian Data dalam Perkhidmatan Digital Keseluruhan Kerajaan (Whole of Government - WoG)

Konsep perkongsian data dibincangkan dalam perspektif strategi

Information/Data Architecture (Information Architecture - IA) dalam

persekitaran Perkhidmatan Keseluruhan Kerajaan atau WoG. IA

bertujuan untuk mewujudkan perkongsian data yang mempunyai



ketetapan tadbir urus yang bersepadu dari aspek akauntabiliti, pemilikan

data dan had akses yang terkawal. Secara khususnya IA menyediakan

persekitaran bagi memudahcara perkongsian data dan interoperability

antara platform dan perkhidmatan end-to-end (E2E). IA akan dipetakan

kepada Business Architecture dalam mengenalpasti perkhidmatan WoG

bagi menyediakan perkhidmatan daripada satu portal tunggal kerajaan.

Strategi IA bagi menyokong perkongsian data adalah:

i. Mempelbagaikan saluran perkhidmatan kerajaan;

ii. Mewujudkan standard sepunya bagi semua kluster data;

iii. Meningkatkan penggunaan semula data yang sama dalam suatu

perkhidmatan kerajaan bagi memastikan interoperability platform

dan aplikasi.

Bagi melaksanakan strategi IA beberapa elemen utama perkhidmatan

kerajaan perlu dikenalpasti iaitu:

i. Melakar gambaran keseluruhan Model Perkhidmatan Sektor

Awam yang menjelaskan hubungan antara Kerajaan, pihak

berkepentingan, rakan strategik dan pelanggan;

ii. Mengenalpasti kluster perkhidmatan yang mempunyai hubungan

langsung dengan kluster data yang akan menjelaskan sempadan

antara perkhidmatan kerajaan kepada pelanggan luaran dan

perkhidmatan antara agensi kerajaan serta penjawat awam;

iii. Mengenalpasti proses kerja yang terlibat dalam menyediakan

suatu perkhidmatan serta perkhidmatan sepunya (common

services) yang disediakan oleh Kerajaan. Pengkategorian

tersebut akan menentukan kaedah penawanan dan penerbitan

data serta reka bentuk penerbitan dan paparan visualisasi data

dan maklumat yang bersesuaian bagi suatu perkhidmatan;

iv. Mengenalpasti kumpulan sasar perkhidmatan yang disediakan

bagi memudahkan penyediaan platform sepunya tunggal

mengikut keperluan kumpulan sasar melalui reka bentuk

personalisasi (personalization) bagi membangunkan ciri personal



tertentu yang mudah dilayari dan mudah melaksanakan transaksi

atau komunikasi dengan kerajaan; dan

v. Menentukan aliran maklumat dan data antara perkhidmatan bagi

memudahcara perkhidmatan E2E.

Rajah 2-7 menggambarkan hubungan antara Model Perkhidmatan

Sektor Awam, Kluster Perkhidmatan dan Kluster Data Kerajaan.

Maklumat dan data kerajaan yang ditawan selalunya disimpan dalam

pelbagai lokasi secara silo. Model Perkhidmatan Awam memberikan

gambaran supaya penawanan dan penyimpanan data distruktur semula

berdasarkan kluster perkhidmatan dan kluster data kerajaan bagi

mengelakkan pertindihan pengurusan data seperti mana prinsip ‘Once

Only Principle’.



Rajah 2-7 : Model Perkhidmatan Sektor Awam



2.1.5.1 Pelaksanaan Information/Data Architecture (IA)

Information/Data Architecture (IA) memberi fokus kepada gambaran

keseluruhan maklumat dan data sesuatu kluster serta standard

maklumat dan data yang perlu dipatuhi sama ada di peringkat

antarabangsa, negara dan sektor awam. IA juga memudah cara

perkongsian data dan perkongsian maklumat sektor awam serta

pengurusan maklumat dan data bersepadu Kerajaan secara berpusat.

Tiga (3) strategi yang menyokong pengurusan data bersepadu adalah:

i. standard common architecture dalam IA untuk menggambarkan

data yang ditawan daripada sumber yang sama serta kaedah,

cara serta lokasi penyimpanan data berdasarkan kluster data

yang sama atau tasik data (data lakes) yang sama; IA

menyumbang kepada aliran data, maklumat dan ilmu yang

mematuhi prinsip kerahsiaan dan keselamatan;

ii. pengayaan Kamus Data Sektor Awam (DDSA); dan

iii. penerimagunaan IA dalam Portal Kerajaan Malaysia (GOSG)

dan Portal Agensi.

Ketiga-tiga strategi tersebut dicapai melalui enam (6) inisiatif WoG

berpaksikan pengalaman pelanggan (customer experience) yang

didasari oleh perkongsian data dan perkongsian maklumat sektor awam

serta pengurusan maklumat dan data bersepadu Kerajaan secara

berpusat. Inisiatif tersebut adalah:

i. MyRakyat: Mengurus Identiti Diri & Keluarga;

ii. MyBiz: Mengurus Perniagaan;

iii. MyKerja: Mengurus Pendidikan dan Kerjaya;

iv. MySihat: Mengurus Kesihatan diri dan Keluarga;

v. MySelamat: Mengurus Keselamatan; dan

vi. MyHarta: Mengurus Pemilikan Harta.

Pengkategorian ‘Pengalaman Pelanggan’ adalah berdasarkan kategori

peristiwa kehidupan yang dilaksanakan dalam MyGovernment Portal.



Manakala pengenalpastian data utama yang berkaitan dengan keenam-

enam inisiatif dikategorikan mengikut kluster data dan kluster

perkhidmatan dalam persekitaran WoG seperti Rajah 2-8.

Rajah 2-8 : Pengurusan Data Mengikut Kluster Perkhidmatan Dalam Persekitaran WoG

Gambaran hubungan enam inisiatif WoG memudahcara

penerimagunaan IA oleh agensi sektor awam. Kesediaan

mengadaptasikan enam reka bentuk perkhidmatan berteraskan citizen

centrix perlu melibatkan kepada pengenalpastian pemilikan data dan

sumber data yang sah oleh agensi; tadbir urus data dan mekanisma

pengurusan data di peringkat agensi dan sektor awam; serta keperluan

komunikasi strategik dan program libat urus dengan agensi berkaitan.

Standard dan persekitaran WoG akan mempengaruhi keperluan

perkongsian maklumat dan data, manakala peralihan budaya kerja akan

mempengaruhi kemahuan untuk berkongsi maklumat dan data.

2.1.5.2 Pengayaan Kamus Data Sektor Awam (DDSA)

Pengayaan DDSA dalam persekitaran sistem maklumat memastikan

agensi menggunakan DDSA sebagai rujukan struktur data dalam



pembangunan aplikasi merentas agensi dan agensi spesifik. Hal ini turut

melibatkan penambahbaikan proses dalam pengurusan metadata oleh

Kumpulan Kerja DDSA.

Agensi peneraju metadata dan Kumpulan Kerja DDSA

bertanggungjawab dalam memastikan penerangan setiap kandungan

butiran atau koleksi data dan peringkat hierarki data dikemaskini

mengikut keperluan semasa. Dalam pemprosesan data, metadata

menyediakan maklumat dan dokumentasi data terurus dalam satu

aplikasi. Metadata boleh juga mengandungi maklumat deskriptif

mengenai konteks, kualiti dan keadaan atau ciri data tersebut.

Contohnya, dokumen data mengenai elemen data atau atribut (nama,

saiz dan jenis) dan data mengenai rekod atau struktur data (medan dan

lajur).

Buat masa ini terdapat jurang antara pengurusan metadata semasa

dengan kluster data seperti Rajah 2-9. Kategori metadata DDSA bergaris

putus-putus adalah jurang yang terdapat antara kluster data dan kategori

metadata DDSA.



Rajah 2-9 : Pemetaan Kluster Data dan Kategori Metadata DDSA



2.1.5.3 Penerimagunaan IA dalam Portal MyGovernment dan Portal Agensi

Penerimagunaan IA dalam Portal MyGovernment dan Portal Agensi

akan menyediakan struktur penerbitan maklumat dan perkhidmatan

kerajaan yang konsisten. Reka bentuk maklumat dan perkhidmatan

portal MyGovernment dan portal agensi berteraskan citizen centrix

sepertimana yang digambarkan oleh enam (6) inisiatif WoG berpaksikan

pengalaman pelanggan (customer experience) seperti di Rajah 2-8,

memberikan pengalaman yang sama kepada pelanggan apabila

melayari perkhidmatan online Kerajaan. Sebagai gerbang tunggal

kepada perkhidmatan Kerajaan dan salah satu saluran utama

perkhidmatan Kerajaan, Portal MyGovernment merupakan titik tumpuan

utama bagi maklumat Kerajaan yang sah kepada masyarakat.

Reka bentuk struktur maklumat dan kandungan portal yang disediakan

kepada masyarakat perlulah memudahkan carian maklumat yang

relevan dengan tujuan carian. Sebagai contoh, paparan hasil carian

boleh menunjukkan hubungan maklumat suatu perkhidmatan dalam

talian dengan peraturan Kerajaan yang berkait dan juga perkhidmatan

lain yang berkaitan. Reka bentuk tersebut memerlukan standard reka

bentuk data, maklumat, semantik, ontologi, konsep dan konteks carian

maklumat. Reka bentuk ini turut didokong oleh piawaian web services,

common architecture, penggunaan kamus data dan metadata dalam

memastikan kesalinghubungan (interoperability) maklumat, perkongsian

data dan perkongsian maklumat yang berlaku di peringkat aplikasi.

Dalam bidang carian maklumat, proses mendapatkan maklumat di portal

hendaklah berteraskan kepada konsep search engine optimization

(SEO) yang mengutamakan kaedah gelintaran sejagat (global search)

dan aliran maklumat yang koheren.

Penggunaan semantik dalam menentukan hubungan kandungan portal

dapat meningkatkan ketepatan carian mengikut konteks pelayar portal.

Pendekatan ini dinamakan ‘Semantic Search’ atau ‘Gelintaran



Semantik’. Pencarian maklumat adalah suatu proses yang melibatkan

strategi dan pemikiran. Kejayaan memperoleh maklumat yang tepat

bergantung kepada carian dan semantik konsep kandungan yang

bersesuaian dengan tujuan maklumat tersebut diperlukan. Hubungan

semantik antara konsep sering digunakan sebagai perwakilan

pengetahuan dalam integrasi kandungan portal dimana aktiviti tersebut

tidak dapat dilihat dalam bentuk nyata sebaliknya sebagai asas reka

bentuk maklumat dan navigasi yang fleksibel. Reka bentuk tersebut

disokong oleh skema metadata dan semantik tema serta konsep

kandungan portal seperti gambaran di Rajah 2-10.

Rajah 2-10 : Penggunaan Metadata dalam Semantic Search

Mengikut Techopedia, ‘Semantic Search’ merupakan teknik gelintaran

data yang mencari bukan sahaja menggunakan kata kunci perkataan

atau frasa tetapi juga aspek tujuan dan konteks carian. Semantik yang

dasarnya bermaksud ‘kajian mengenai makna’25 menyatakan aspek

makna perkataan, konteks perkataan, hubungan makna perkataan

dengan budaya dan perubahan makna tersebut serta bentuk-bentuk

makna daripada hubungan perkataan tersebut.

25 Pusat Rujukan Persuratan Melayu, Istilah Bahasa Melayu ‘semantik’, https://prpm.dbp.gov.my/



Google telah menggunakan konsep ‘Semantic Search’ sejak 200726 dan

beralih kepada kaedah yang lebih pintar melalui teknik pangkalan data

semantik atau ‘Knowledge Graph’ pada tahun 2012. ‘Knowledge Graph’

memperkenalkan gelintaran berasaskan data raya daripada pelbagai

pangkalan data dan maklumat umum di web. Setiap elemen carian akan

turut melibatkan perincian sesuatu maklumat. Sebagai contoh, jika carian

berkaitan dengan seseorang individu, maklumat nama, tarikh lahir, ibu

bapa, tempat tinggal, isteri dan anak orang itu akan turut dikumpulkan.

‘Knowledge Graph’ menggunakan pangkalan pengetahuan (knowledge

base) berteraskan graph-structured data model dan topologi untuk

mengintegrasikan data sebagai perwakilan paparan dan penaakulan

pengetahuan yang menghubungkan entiti, objek, peristiwa, situasi dan

konsep berdasarkan makna atau semantik. Hubungan ini menunjukkan

bagaimana data digunakan, dihubungkaitkan melalui integrasi data,

analitis dan perkongsian data dalam suatu konteks tertentu untuk

memberikan makna kepada pencari maklumat. Pengetahuan baharu

diwujudkan melalui integrasi maklumat dengan ontologi melalui kaedah

‘Knowledge Graph’. Memodelkan domain pengetahuan bagi suatu

kluster khusus memerlukan pengetahuan Pakar Bidang khusus dan

hubungkait data dalam kluster yang sama. Model domain pengetahuan

boleh menggunakan algoritma machine learning dalam bidang search

engine optimization bagi meningkatkan hasil carian yang lebih bijak dan

bermakna.

2.1.6 Konsep Semantik, Ontologi dan Taksonomi

Ontologi dan taksonomi adalah konsep yang hampir sama dalam

menjelaskan definisi dan susunan hirarki data, perkataan, frasa, objek

atau entiti. Konsep ontologi dan taksonomi mendasari Pembelajaran

Mesin Komputer (machine learning) di mana mesin komputer akan

mengingat sesuatu tugasan dan data, menggunakan algoritma dan

26 https://websiteseoservices.co.uk/semantic-search-engine-optimization/



statistik yang telah diprogramkan. Kepintaran mesin komputer (machine

intelligence) sentiasa mempunyai elemen perwakilan pengetahuan yang

dikumpul daripada maklumat dan data. Pemetaan dan perhubungan

maklumat dan data membentuk kecerdasan buatan (Artificial Intelligence

- AI). Ontologi dan taksonomi merupakan alat pembelajaran yang kukuh

bagi mesin komputer memahami data.

Secara umumnya ontologi adalah subset kepada taksonomi dari

perspektif perincian makna (semantik) dengan penjelasan berkaitan

tingkahlaku entiti dan hubungan antaranya. Dalam bidang Simple

Knowledge Organization System (SKOS), taksonomi merupakan subset

kepada kamus data (data dictionary) yang merangkumi tesaurus,

perbendaharaan kata (vocabulary), glosari; dan rekod katalog (subject

heading systems) serta skema pengklasifikasian yang digunakan dalam

Semantik Web27. Sebagai contoh, tesaurus UNESCO28 telah

menetapkan dan menstrukturkan supaya terma yang digunakan sebagai

subjek untuk analisis, penerbitan dan mendapatkan semula maklumat

(information retrieval) serta dokumen adalah bidang pendidikan, budaya,

natural sciences, sosial dan sains kemanusiaan, serta komunikasi dan

maklumat. Gambaran kaitan antara semantik, ontologi dan taksonomi

adalah seperti Rajah 2-11.

27 https://www.w3.org/2004/02/skos/intro 28 http://vocabularies.unesco.org/browser/thesaurus/en/



Rajah 2-11 : Kaitan antara Semantik, Ontologi dan Taksonomi

Dalam bidang Natural Language Processing (NLP), Perbendaharaan Kata

atau vocabulary merupakan satu kumpulan perkataan yang digunakan

dalam pencarian maklumat. Boleh dikatakan juga sebagai set kumpulan

perkataan yang tidak mempunyai struktur tertentu antara perkataan-

perkataan dalam set yang sama. Semantik bagi perbendaharaan kata tidak

kukuh.

Manakala Korpus adalah pengumpulan teks yang menunjukkan bagaimana

perkataan tersebut digunakan. Korpus mempunyai struktur dan makna atau

semantik kepada suatu perkataan. Struktur yang ada dalam Korpus

memberi makna kepada teks yang digunakan oleh model NLP dalam

memahami konteks carian maklumat.

2.1.6.1 Ontologi

Penggunaan ontologi dalam bidang sistem pencarian maklumat atau

Information Retrieval System (IRS) adalah bagi menyelesaikan masalah

pemahaman makna atau semantik maklumat dan data. Ontologi

menyediakan pemahaman terhadap kategori atau kumpulan suatu



konsep dalam domain/bidang tertentu yang serupa atau domain/bidang

berbeza. Dengan itu, hubungan konsep dalam ontologi boleh difahami

dengan jelas. Contoh gambaran penggunaan ontologi dalam IRS adalah

seperti Rajah 2-12.

Rajah 2-12 : Penggunaan Ontologi dalam Information Retrieval System

2.1.6.2 Taksonomi

Taksonomi menjelaskan hirarki hubungan antara konsep dan

menerangkan penggunaan terma hubungan yang betul. Taksonomi

membentuk struktur dan terminologi dengan menyusun atur

pengetahuan berdasarkan senarai perbendaharaan kata yang dikawal

dengan khusus29 bagi memudahkan pencarian maklumat yang berkait

atau maklumat yang relevan dengan konteks carian. Susunan

pengetahuan melalui taksonomi di bantu oleh penggunaan metadata

semasa melabelkan suatu maklumat bagi tujuan pengisihan supaya

maklumat dapat disusun mengikut aturan tertentu.

29 www.dataversity.net › what-is-taxonomy



Penggunaan taksonomi dalam IRS memastikan hasil carian maklumat

adalah mudah, tepat dan bermakna sesuai dengan konteks carian. Hasil

carian yang bermakna diperoleh berdasarkan pengekstrakan nilai

maklumat perkhidmatan dan organisasi dalam bentuk penyusunan data

secara logik mengikut kategori dan subkategori untuk membentuk

taksonomi. Apabila maklumat terindeks dan berstruktur, carian

maklumat lebih mudah apabila hasil carian turut memaparkan maklumat

yang berkait, sinonim, berlawan atau perkara yang berhubung kait

dengan topik atau maklumat yang dicari. Contoh gambaran penggunaan

taksonomi dalam IRS adalah seperti Rajah 2-13.

Rajah 2-13 : Penggunaan Taksonomi dalam Information Retrieval System

Pelbagai aspek taksonomi boleh menunjukkan perspektif yang berbeza

bagi set data yang sama berteraskan kepada konteks carian. Sebagai

contoh, taksonomi di Rajah 2-13 boleh memberikan hasil carian

perincian berkaitan kenderaan di miliki seseorang atau kenderaan

perniagaan, atau perincian carian lesen kenderaan yang diperlukan bagi

memiliki kenderaan di Malaysia. Taksonomi tersebut membenarkan

supaya setiap data di label dengan atribut yang disesuaikan dengan

konteks perspektif taksonomi tertentu berdasarkan perspektif kumpulan

sasar pelanggan iaitu rakyat dan komuniti perniagaan. Penentuan



taksonomi perlu dimulai dengan struktur data yang sesuai dengan

konteks data tersebut, supaya dapat digunakan dan dihasilkan oleh

suatu perkhidmatan kerajaan dengan tepat dan betul.

2.1.6.3 Glosari Perkhidmatan

Bidang pengurusan data dan tadbir urus data memerlukan deskripsi

setiap data diberikan definisi yang jelas. Definisi suatu data boleh

disediakan berdasarkan:

i. data khusus;

ii. satu set data;

iii. data berdasarkan business rule suatu perkhidmatan;

iv. data berdasarkan sumber data; dan

v. data berdasarkan peranan dalam pengurusan data

Kegagalan mendefinisikan data dengan tepat akan menyebabkan

berlaku ketidaktepatan analitik data, analisis pelaporan data, statistik,

serta kesilapan pemetaan dalam perkongsian data.

Keseluruhan aspek definisi data dilaksanakan dalam aktiviti tadbir urus

data yang menyokong persekitaran analitis data dan penggunaan nilai

data secara pintar. Bagi mengelakkan kesilapan ini, metadata suatu data

perlu disediakan supaya tiada kekeliruan terminologi dan maksud data.

Tadbir urus data yang berkesan akan menyediakan persekitaran

penggunaan data yang betul dan tepat oleh pengguna yang diberi

kebenaran, data diperoleh pada masa ia diperlukan dan disediakan

menggunakan teknologi yang bersesuaian. Penjelasan analitis data,

analitik data dan analisis data diterangkan dalam Bab 7 dokumen ini.

Glosari perkhidmatan berdasarkan konteks perkhidmatan kerajaan dan

metadata yang kukuh akan menyokong kepada pemahaman konsep dan

semantik yang betul untuk digunakan dalam business intelligence dan

analitis data yang bersesuaian dengan sektor dan kluster perkhidmatan

tertentu. Dalam aspek ini, sumber data boleh diperoleh daripada



pelbagai bentuk seperti data lake, gudang data, aplikasi ataupun

spreadsheet. Sebagai contoh, Lampiran 1 menjelaskan bagaimana

tadbir urus data boleh dilaksanakan secara top-down dalam suatu

organisasi30.

Definisi (1) Analitis Data Raya merujuk kepada proses menganalisis data

raya yang berinovasi bagi mendapatkan pengetahuan dalam

membantu membuat keputusan31.

(2) Aset Data merujuk kepada data yang telah diuruskan atau

disimpan dalam pangkalan data. Selain itu, Aset Data juga merujuk

kepada portal, repositori dokumen, direktori atau perkhidmatan

data.

(3) Atribut adalah keterangan nilai atau ciri tertentu bagi entiti dan

suatu elemen data dalam kamus data.

(4) Data Digital merujuk kepada data yang dicipta, ditawan dan

diproses secara digital32 menggunakan peranti digital atau mesin

komputer.

(5) Data Kerajaan/Data Pentadbiran merujuk kepada data elektronik

yang disedia, diproses, dianalisa, diguna, disampai dan diuruskan

oleh Agensi Sektor Awam antaranya data penyelidikan, data kajian

pasaran dan data pendidikan33.

(6) Data Peribadi merujuk kepada apa-apa maklumat yang

berhubungan secara langsung atau tidak langsung dengan

30 https://tdan.com/business-glossaries-and-metadata-business-glossary-value/22968# 31 Pekeliling Transformasi Pentadbiran Awam Bil 1/2017, Pelaksanaan Analitis Data Raya Sektor Awam 32 Public Service Data Strategy 2019 – 2023, Government of Ireland OGCIO Department of Public Expenditure and Reform 33 Dasar Perkongsian Data Sektor Awam 2021



seorang subjek data34 iaitu seseorang individu yang menjadi

subjek data peribadi tersebut.

(7) Data Raya merujuk kepada data yang bersaiz besar (high-

volume), berubah dengan pantas (high-velocity) dan kepelbagaian

yang tinggi (high-variety)35.

(8) Data Terbuka merujuk kepada data kerajaan yang boleh

digunakan secara bebas, boleh dikongsikan dan digunakan

semula oleh rakyat, agensi sektor awam atau swasta untuk

sebarang tujuan36.

(9) Data Terbitan merujuk kepada data baharu yang terhasil daripada

aktiviti pemprosesan dan analisis data pentadbiran37.

(10) Data Berstruktur merujuk kepada sumber Data Digital yang

hanya mengandungi data berstruktur. Dalam konteks analitis Data

Raya, data yang disimpan dalam medan-medan yang ditetapkan

dalam rekod atau fail sama ada disimpan dalam pangkalan data

atau helaian lejar (spreadsheet). Skema Data digunakan untuk

menentukan/menerangkan Sumber Data Berstruktur.

(11) Data Separa Berstruktur merujuk kepada Sumber Data Digital

yang mengandungi data berstruktur dan tidak berstruktur dimana

data dalam bentuk berstruktur tetapi tidak mempunyai Skema

Data.

(12) Data Tidak Berstruktur merujuk kepada Sumber Data Digital

yang tidak mempunyai model data dan tiada struktur tertentu

34 Akta Perlindungan Data Peribadi 2010 – Akta 709 35 Pekeliling Transformasi Pentadbiran Awam Bil 1/2017, Pelaksanaan Analitis Data Raya Sektor Awam 36 Pekeliling Am Bil. 1 Tahun 2015, Pelaksanaan Data Terbuka Sektor Awam 37 Dasar Perkongsian Data Sektor Awam 2021



dalam pelaksanaan analitis data raya38 seperti imej, audio, video

dan data daripada media sosial.

(13) Dokumen Digital merujuk kepada fail yang mengandungi Sumber

Data Berstruktur dan/atau Tidak Berstruktur dan/atau Separuh

Berstruktur. Dokumen adalah objek digital yang diwujudkan

menggunakan e-mel, word processing, spreadsheet dan aplikasi

pengimejan yang mempunyai nilai terhadap perkhidmatan dan

proses kerja organisasi dan diuruskan menggunakan sistem

pengurusan rekod digital39.

(14) Entiti merujuk kepada abstrak untuk individu, lokasi, objek,

peristiwa atau konsep yang digambarkan yang mempunyai sifat

sepunya atau mempunyai atribut. Entiti boleh mempunyai satu

atau lebih atribut dan mempunyai hubungan dengan satu atau

lebih entiti lain. Sebagai contoh, ‘Pekerja’ dan ‘Jabatan’ adalah

entiti. Contoh entiti mewakili satu kejadian entiti tertentu, seperti

‘Pekerja’ bertugas di ‘Jabatan’.

(15) Hubungan Data menggambarkan hubungan di antara dua atau

lebih entiti data.

(16) Jenis Data merujuk takrifan jenis data yang dimiliki oleh atribut.

Sebagai contoh, string, integer dan character.

(17) Komputer ertinya suatu peranti elektronik, magnet, optik,

elektrokimia, atau peranti pemprosesan data yang lain, atau

sekumpulan peranti tersaling sambung atau yang berkaitan, yang

melaksanakan fungsi logik, aritmetik, storan dan paparan, dan

termasuk apa-apa kemudahan storan data atau kemudahan

komunikasi yang berkaitan secara langsung dengan atau dikendali

bersama dengan suatu peranti atau sekumpulan peranti tersaling

38 Pekeliling Transformasi Pentadbiran Awam Bil 1/2017, Pelaksanaan Analitis Data Raya Sektor Awam 39 MS ISO 16175-2:2012 Information and Documentation – Principles and functional requirements for records in electronic

office environments – Part 2: Guidelines and functional requirements for digital records management systems



sambung atau yang berkaitan, tetapi tidak termasuk suatu mesin

taip atau mesin pengatur huruf berautomat, atau suatu mesin kira

pegang tangan mudah alih atau peranti seumpama yang lain yang

tidak boleh diprogram atau yang tidak mengandungi apa-apa

kemudahan storan data40.

(18) Pangkalan Data bermaksud himpunan data yang disusun secara

sistematik dalam jumlah yang besar, dikaitkan secara logik dan

disimpan dalam komputer sebagai sumber rujukan 41.

(19) Perkongsian Data Sektor Awam merujuk kepada Agensi Sektor

Awam berkongsi data secara selamat dengan Agensi Sektor

Awam, komuniti perniagaan, rakyat dan pegawai awam bagi tujuan

mengoptimumkan potensi data42.

(20) Pembekal Data merujuk kepada entiti yang membekalkan data

kepada pengguna secara sah dan selamat. Pembekal turut

bertanggungjawab menghasilkan pakej pertukaran data (Data

Exchange)43 yang merujuk kepada urus niaga/transaksi berulang

antara dua sistem aplikasi.

(21) Pemilik Data merujuk kepada agensi yang bertanggungjawab

terhadap menyediakan data, kualiti, integriti, dan memberi

kebenaran akses kepada capaian data dalam konteks Dasar

Perkongsian Data Sektor Awam. Manakala dalam konteks analitis

Data Raya, pemilik data adalah mana-mana agensi Kerajaan yang

membekal data di platform perkongsian dan analitik data.

(22) Pemproses data merujuk kepada pihak yang bertanggungjawab

memproses data bagi pihak pengguna data, dan tidak memproses

data bagi apa-apa maksud persendiriannya44.

40 Akta Jenayah Komputer 1997, Malaysia 41 Pusat Rujukan Persuratan Melayu, https://prpm.dbp.gov.my/ 42 Dasar Perkongsian Data Sektor Awam 2021 43 India EA Reference Model 44 Pekeliling Transformasi Pentadbiran Awam Bil 1/2017, Pelaksanaan Analitis Data Raya Sektor Awam



(23) Pengguna data merujuk kepada entiti atau individu atau

organisasi yang menggunakan data yang dibekalkan oleh

Pembekal Data.

(24) Pengurus Data/Data Custodian merujuk kepada agensi/pihak

yang bertanggungjawab terhadap penyimpanan data, menjaga

keselamatan dan akauntabiliti data45.

(25) Pentadbir Data/Data Steward merujuk kepada peranan

organisasi atau pegawai yang menguruskan data bagi pihak

pemilik data. Data Steward bertanggungjawab memastikan data

yang diurus merangkumi keperluan dan kepentingan enterprise

untuk keberkesanan keseragaman dan kawalan kualiti data yang

ditetapkan dalam tadbir urus data. Peranan Data Steward

selalunya dilaksanakan oleh organisasi atau pegawai yang mahir

dalam bidang domain data tersebut46.

(26) Set data merujuk kepada kumpulan butiran data yang berkait47

seperti set data jualan yang mengandungi data berkenaan produk,

unit dan harga jualan.

(27) Skema Data merujuk kepada perwakilan metadata yang terdiri

daripada entiti, atribut, jenis data dan hubungan data. Konsep ini

berkait rapat dengan perwakilan data berstruktur. Skema Data

menyediakan kaedah untuk menggambarkan data yang tidak

bergantung pada nilai data yang dijelaskannya48.

(28) Taksonomi merujuk kepada istilah perbendaharaan kata terkawal

yang disusun dalam bentuk struktur hierarki. Setiap istilah dalam

taksonomi dikenali sebagai topik. Taksonomi menyediakan kaedah

untuk mengkategorikan atau mengklasifikasikan maklumat dalam

repositori. Menurut IndEA Reference Model, setiap istilah/topik

45 Dasar Perkongsian Data Sektor Awam 2021 46 Data Management Book of Knowledge, 2nd Edition 2019 47 Pekeliling Am Bil. Bil 1 Tahun 2015, Pelaksanaan Data Terbuka Sektor Awam 48 India EA Reference Model



dalam taksonomi berkait dengan satu atau beberapa topik lain

yang mana berkaitan. Taksonomi menggambarkan struktur

kumpulan terma atau frasa yang menjelaskan kategori, jenis atau

pengkelasan49.

(29) Topik/Konsep merujuk kepada kategori istilah dalam taksonomi.

Menurut India EA Reference Model, ‘Topik’ adalah konsep utama

untuk menerapkan konteks pada data. Sebagai contoh,

jabatan/agensi mungkin mempunyai taksonomi yang mewakili

struktur organisasi masing-masing. Setiap peranan dalam struktur

organisasi mewakili topik/konsep yang berkemungkinan

mempunyai hubungan topik/konsep lain dalam struktur taksonomi.

49 The International Foundation for Information Technology



BAB 3

3 PRINSIP DATA DIGITAL KERAJAAN

Prinsip Data Digital Kerajaan merupakan panduan bagi membimbing agensi dan

penjawat awam serta pemain industri memahami prinsip teras kepada

pelaksanaan inisiatif pengurusan data digital kerajaan. Khususnya dalam mereka

bentuk pembangunan dan penyelesaian perkhidmatan dan produk digital

kerajaan. Prinsip data digital yang diterapkan dalam mereka bentuk

perkhidmatan digital, akan mendorong pemikiran secara holistik bagaimana data

kerajaan diurus. Pelaksanaan inisiatif data digital kerajaan adalah berpandukan

kepada prinsip berikut:

Prinsip Once Only Principle

Prinsip ‘Once Only Principle’ didasarkan kepada pengumpulan dan

penawanan maklumat rakyat dan masyarakat sekali sahaja kepada

kerajaan. Maklumat dan data tersebut akan dikongsi dengan agensi yang

lain mengambil kira tahap kebolehcapaian dan peraturan yang

ditetapkan50. Maklumat rakyat dan masyarakat ditawan melalui

perkhidmatan yang disediakan oleh Kerajaan51. Pengadaptasian prinsip

‘Once Only Principle’ oleh Kerajaan membenarkan data dan maklumat

yang sama digunakan semula oleh pelbagai agensi secara terkawal,

telus dan selamat berdasarkan dasar perkongsian data.

Prinsip Perkongsian Data Sektor Awam

Prinsip perkongsian data Sektor Awam disandarkan kepada kebolehan

data dikongsikan atas dasar keperluan dengan persetujuan. Tiga (3)

prinsip perkongsian data adalah:

i. Prinsip ‘perkongsian data atas keperluan dan mendapat

persetujuan’ menetapkan supaya data hanya boleh dikongsikan

sekiranya terdapat keperluan kepentingan Kementerian/Jabatan

50 Krimmer, Robert & Kalvet et.al (2017). Exploring and Demonstrating the Once-Only Principle: A European Perspective. 51 https://ec.europa.eu/cefdigital/wiki/display/CEFDIGITAL/Once+Only+Principle



atau Kerajaan serta dibenarkan oleh agensi pemilik data.

Perkongsian data hendaklah mengikut prosedur yang ditetapkan

berdasarkan pengelasan rahsia rasmi Kerajaan bagi memastikan

tiada berlaku ketirisan maklumat. Walau bagaimanapun, bagi data

yang dikelaskan sebagai Data Terbuka, agensi hendaklah

menyalurkan data tersebut ke platform data terbuka sektor awam

untuk memastikan data tersebut boleh dimanfaatkan oleh semua

pihak.

ii. Prinsip ‘perkongsian data secara selamat’ menjelaskan supaya

data dilindungi daripada diceroboh, disalahguna atau dicapai

secara tidak sah bagi menjamin keselamatannya di sepanjang

kitaran hayat data. Data yang didedahkan kepada pihak yang

tidak dibenarkan secara sengaja atau tidak sengaja boleh

memberikan kesan serius kepada organisasi dan menjejaskan

keselamatan dan kedaulatan negara. Data juga hendaklah

dilindungi daripada ancaman keselamatan fizikal data seperti

bencana alam, kebakaran dan seumpamanya.

iii. Prinsip ‘perkongsian data menambah nilai kepada perkhidmatan

Sektor Awam’ menetapkan bahawa data agensi perlu

dimanfaatkan untuk mencipta nilai baru dan memaksimumkan

nilai data dalam perkhidmatan dan produk kerajaan. Selari

dengan perkembangan teknologi Revolusi Perindustrian Keempat

(4IR), data yang disimpan dan dikendalikan oleh agensi boleh

dimanfaatkan dengan lebih cekap dan efisien. Antaranya untuk

meningkatkan kesejahteraan rakyat seperti kualiti kehidupan dan

kebajikan rakyat, kesihatan, dan mengurangkan kadar jenayah;

kelangsungan perniagaan seperti pelaburan, pengautomasian

dan memudahkan akses perniagaan; serta ketahanan ekonomi.

Prinsip Data MyGovEA

Prinsip reka bentuk penyelesaian perkhidmatan digital berteraskan data

Kerajaan menjadi tunjang utama dalam strategi pendigitalan



penyampaian perkhidmatan dan pembaharuan pentadbiran organisasi.

Pemanfaatan data digital dalam meningkatkan daya saing ekonomi,

meraih kepercayaan institusi dan meningkatkan produktiviti perkhidmatan

awam menggambarkan data sebagai aset Kerajaan. Berdasarkan

MyGovEA, prinsip Data dinyatakan dalam satu (1) Prinsip Umum dan tiga

(3) Prinsip Data seperti Rajah 3-1 dan Jadual 3-1 dan Jadual 3-2 berikut:

Rajah 3-1 : Prinsip Umum dan Prinsip Data MyGovEA

Jadual 3-1 : Prinsip Umum MyGovEA

Prinsip 2: Perbendaharaan Kata dan Definisi Data yang Seragam

Penerangan Data didefinisikan secara konsisten dan digunakan merentasi sektor awam bagi

membolehkan komunikasi berkesan.

Rasional

• Data yang digunakan dalam pembangunan aplikasi hendaklah mempunyai

perbendaharaan kata dan definisi data yang seragam bagi memudahkan



Prinsip 2: Perbendaharaan Kata dan Definisi Data yang Seragam

perkongsian data. Perbendaharaan kata yang standard memudahkan

komunikasi berkesan bagi memudahkan antara muka sistem dan pertukaran

data.

Implikasi/Tindakan

• Prinsip ini menjadi asas bagi pembangunan aplikasi pada masa hadapan.

Sumber yang mencukupi dan relevan mesti komited untuk memastikan

perbendaharaan kata dan definisi data yang seragam dan tersedia.

• Kerajaan hendaklah mewujudkan perbendaharaan kata dan definisi data yang

umum untuk kegunaan di agensi sektor awam.

• Terminologi (termasuk ontologi atau semantik) atau definisi data hendaklah

jelas serta konsisten dan boleh diguna pakai oleh semua agensi sektor awam.

• Tanggungjawab pentadbiran data hendaklah diberikan kepada pegawai yang

layak. Pegawai ini akan memberikan input kepada pasukan utama yang

menguruskan keseluruhan usaha penyeragaman perbendaharaan kata dan

definisi data sektor awam.

Garis Panduan Semasa

• Penggunaan dan Pemakaian Data Dictionary Sektor Awam (DDSA) sebagai

standard di agensi-agensi kerajaan.

• Garis Panduan Pelaksanaan DRSA (DRSA)

• Garis Panduan Pelaksanaan Data Terbuka Sektor Awam

• Garis Panduan Penilaian Kualiti Data Geospatial

Jadual 3-2 : Prinsip Data MyGovEA

Prinsip 6: Data sebagai Aset

Penerangan Data merupakan aset kepada organisasi. Data mempunyai nilai dan harus

diuruskan dengan sewajarnya.




Rasional

• Data ialah sumber organisasi yang berharga dan ketepatan data adalah

penting dalam membantu organisasi membuat keputusan dengan tepat.

• Data ialah sumber asas proses membuat keputusan dan ia hendaklah

diuruskan dengan teliti. Ini termasuklah memastikan sumber data boleh

dipercayai, tepat dan data boleh diperolehi pada bila-bila masa dan di mana-

mana jua dengan usaha yang minimum untuk disahkan.

Implikasi/Tindakan

• Memberikan pendedahan dan pemahaman kepada penjawat awam mengenai

hubungan nilai data, perkongsian data dan kebolehcapaian kepada data.

• Mewujudkan peranan data steward (seseorang yang bertanggungjawab untuk

mengekalkan ketepatan data) bagi memastikan kualiti data terpelihara dan

menjamin ketepatan keputusan yang dibuat oleh agensi sektor awam. Data

steward menyelia data daripada perspektif organisasi secara menyeluruh bagi

memastikan ketepatan dan memudahcara pelaksanaan inisiatif seperti data

raya, gudang data dan lain-lain.

• Melaksanakan pengurusan data yang teratur di peringkat sumber data serta

peringkat lain yang mempunyai interaksi dengan data bagi memastikan

akauntabiliti. Peranan data steward ialah untuk memastikan amalan

pengurusan data yang teratur dilaksanakan.

• Membangunkan prosedur bagi mencegah dan membetulkan kesilapan pada

maklumat dan memperbaiki proses yang menghasilkan maklumat yang kurang

tepat.

• Membangunkan dasar dan prosedur untuk memastikan pematuhan kualiti

data.

• Mengadakan perbincangan/interaksi dengan pegawai agensi sektor awam

mengenai urusan perubahan proses yang dicadangkan oleh data steward.


• Garis Panduan Pengurusan dan Pemeliharaan Mel Elektronik Sektor Awam.

• Dasar Pengurusan Rekod dan Arkib Elektronik.

• Garis Panduan Pembangunan Kandungan Sektor Awam.




• Garis Panduan Penentuan Harga Dan Penyebaran Data Geospatial

• Panduan bagi Pembangunan dan Pelaksanaan Infrastruktur Data Geospatial

Negara

• Garis Panduan Custodianship Bagi Data Geospatial

Prinsip 7: Penerapan Standard Keselamatan

Penerangan Maklumat/data dilindungi daripada penggunaan dan pendedahan yang tidak

dibenarkan. Ini termasuk maklumat terperingkat atau Data Rahsia Rasmi, dan

Data Rasmi Terbuka atau maklumat/data yang digunakan untuk membuat

keputusan, maklumat/data sensitif dan maklumat/data milik agensi.

Rasional

• Melaksanakan perkongsian dan pemberian maklumat yang seimbang dengan

keperluan had akses/penyekatan ketersediaan maklumat.

• Membekalkan aspek keselamatan yang mencukupi di semua peringkat

pembangunan sistem dan portal/laman web/blog bagi menyediakan

persekitaran dalaman dan luaran yang lebih selamat.

• Memastikan undang-undang dan peraturan sedia ada berupaya melindungi

keselamatan maklumat di peringkat negara dan keselamatan privasi data, di

samping membenarkan akses percuma dan terbuka. Maklumat yang tidak

digunakan lagi, perlu dilindungi bagi mengelakkan spekulasi yang tidak wajar,

salah tafsir dan penggunaan yang tidak sesuai.

Implikasi/Tindakan

• Menyemak semula prosedur klasifikasi maklumat dari semasa ke semasa bagi

memastikan tahap klasifikasi yang betul.

• Membangunkan dasar dan prosedur bagi mengendalikan maklumat yang ada

perubahan tahap klasifikasi. Proses pemberian kuasa hendaklah melibatkan

pemilik maklumat serta pengguna yang berinteraksi dengan maklumat

tersebut.

• Memastikan capaian kepada maklumat sensitif ialah atas dasar “keperluan

untuk mengetahui”.



Prinsip 7: Penerapan Standard Keselamatan

• Memasti dan membangunkan keperluan keselamatan maklumat di peringkat

data dan aplikasi di samping menyediakan capaian bagi maklumat terbuka.

• Menyediakan mekanisme kawalan capaian data bagi mengawal tahap

penggunaan data.


• Rangka Dasar Keselamatan Teknologi Maklumat dan Komunikasi Kerajaan.

• Garis Panduan Penilaian Risiko Maklumat Keselamatan Maklumat Sektor

Awam (HilRa dan MyRAM).

• Garis Panduan Pengurusan Keselamatan ICT Sektor Awam Malaysia

(MyMIS).

• Polisi Keselamatan Siber Kebangsaan (National Cyber Security Policy -

NCSP).

• Langkah-langkah Untuk Memperkukuhkan Keselamatan Rangkaian Setempat

Tanpa Wayar (Wireless Local Area Network) di Agensi-agensi sektor awam.

• Garis Panduan Penilaian Tahap Keselamatan Rangkaian dan Sistem ICT

Sektor Awam.

• Pelaksanaan Persijilan MS ISO/IEC 27001: 2007 dalam Sektor Awam.

• Garis Panduan Pengurusan dan Pemeliharaan Mel Elektronik Sektor Awam.

Prinsip 8: Data Hendaklah Dikongsi dan Boleh Dicapai Melainkan Sulit

Penerangan Pengguna memerlukan capaian kepada data untuk melaksanakan tugas.

Peranan penjaga data diperlukan untuk mengurangkan pertindihan pengumpulan

data di agensi sektor awam serta menggalakkan usaha perkongsian data

merentasi agensi.

Rasional

• Keupayaan agensi sektor awam berkongsi data dengan cekap merentasi

agensi ialah penting bagi meningkatkan kualiti dan kecekapan agensi sektor

awam membuat keputusan.




• Data yang dikongsi secara elektronik akan menghasilkan peningkatan

kecekapan apabila entiti data sedia ada boleh digunakan tanpa perlu mencipta

entiti data baru.

Implikasi/Tindakan

• Mengadakan latihan yang diperlukan untuk memastikan agensi sektor awam

memahami hubungan antara nilai data, perkongsian data dan capaian kepada

data.

• Membangunkan dasar, prosedur dan standard bagi mengawal pengurusan

data dan membolehkan pelaksanaan perkongsian data.

• Membangunkan standard model data, elemen data dan metadata lain yang

menakrifkan persekitaran yang dikongsi di samping membangunkan kaedah

untuk menyimpan metadata dan membolehkan capaian kepada pihak yang

memerlukan.

• Mengguna pakai dan menguatkuasakan dasar dan garis panduan capaian

data umum untuk pembangunan aplikasi baharu. Ini bagi memastikan bahawa

data dalam aplikasi baharu tersedia untuk persekitaran yang dikongsi dan data

ini boleh terus diguna pakai oleh aplikasi yang akan dibangunkan pada masa

hadapan.

• Menggunakan kaedah dan peralatan yang diterima pakai dalam mewujud,

menyelenggara dan mengakses data untuk dikongsi bersama merentasi

agensi.

• Mengamalkan perkongsian data memerlukan perubahan budaya oleh

Bahagian Teknikal atau Business di agensi sektor awam.

• Mengimbangkan prinsip perkongsian data dengan prinsip keselamatan data.

Dalam keadaan tertentu prinsip perkongsian data boleh menyebabkan

kerahsiaan data dipertikaikan.

• Menyediakan data untuk perkongsian mengikut peranan dan tanggungjawab

semua pengguna. Ini akan memastikan data dapat disediakan tepat pada

masanya bagi membuat keputusan. Data yang dikongsi akan menjadi "sumber

data tunggal" kepada agensi sektor awam.




• Melaksanakan perkongsian sistem aplikasi sebagai langkah awal ke arah

perkongsian data sebelum mengambil kira aspek lain termasuk perkongsian

proses, prosedur dan kaedah pemindahan teknologi.


• Garis Panduan Laman Web/Portal Agensi Sektor Awam.

• Pelaksanaan Perkongsian Pintar Antara Agensi-agensi Kerajaan Dalam

Bidang Teknologi Maklumat.

• Penggunaan dan Pemakaian Data Dictionary Sektor Awam (DDSA) sebagai

standard di agensi-agensi Kerajaan.

• Pelaksanaan Data Terbuka Sektor Awam

• Dasar Pengurusan Rekod dan Arkib Elektronik.

Agensi boleh membangun, menambah dan mengemas kini prinsip untuk

kegunaan dalaman selagi ia menyokong keperluan pengurusan data

kerajaan. Sebarang tambahan prinsip hendaklah disokong dengan garis

panduan/pekeliling yang menerangkan bagaimana prinsip tambahan

tersebut diguna pakai.



BAB 4

4 SKEMATIK PENGURUSAN DATA

Pengurusan data melibatkan amalan pengkategorian dan pengelasan data bagi

membolehkan data digunakan dengan lebih bermakna. Skematik pengurusan

data merupakan gambaran susun atur secara konsep reka bentuk data untuk

menentukan kesesuaian kedudukan dan penggunaan data tersebut. Skematik

data digambarkan melalui information architecture atau data architecture.

Gambaran keseluruhan architecture yang menjajarkan keperluan pengurusan

data bersepadu dan analitik data bagi menyokong pemanfaatan kepintaran data.

Memahami struktur data dalam strategi susun atur data adalah paling penting

dalam mengenal pasti nilai data.

Pemahaman terhadap keperluan metadata, data model logikal dan hubungan

antara pelbagai elemen data serta taksonomi data, menjelaskan keperluan

keselamatan data dalam perkongsian data. Dalam information/data architecture,

antara tiga (3) elemen yang perlu difahami adalah Keterangan Data, Konteks

Data dan Perkongsian Data. Ketiga-tiga bidang ini melibatkan penemuan data,

pewujudan data, pengurusan data dan pertukaran data. Konsep utama dalam

tiga elemen tersebut adalah skema pangkalan data, data steward dan metadata

yang terlibat dalam pertukaran data. Reka bentuk information/data architecture

memerlukan pentakrifan metadata dan standard data yang kukuh.

Skematik pengurusan data dan hubungannya dalam memahami elemen

perkongsian data, keterangan data dan konteks data adalah seperti di Rajah 4-

1. Data yang disimpan dalam pangkalan data dengan format, ’tag’ dan disusun

adalah data berstruktur. Data berstruktur lebih mudah di akses, diproses dan

dianalisa serta dikongsi antara agensi.



Rajah 4-1 : Hubungan Skematik Pengurusan Data

Organisasi Data

Organisasi Data (Data Organization) atau Susun Atur Data adalah

amalan penyisihan data mengikut kategori tertentu supaya data mentah

lebih difahami. Antara teknik organisasi data adalah pengisihan kad (card

sorting), rajah affiniti (affinity diagram), peta minda (mind-mapping) dan

peta konsep (concept mapping). Selalunya peta minda dan peta konsep

digunakan untuk menggambarkan maklumat yang tersusun mengikut

perwakilan tertentu dan mempunyai hubungan tertentu. Peta minda dan

peta konsep juga adalah teknik yang boleh digunakan bagi menzahirkan

maksud data tidak berstruktur.

Data Reference Model (DRM) MyGovEA menyediakan skematik

berdasarkan domain data bidang perkhidmatan, kategori data di bawah

setiap bidang perkhidmatan dan 210 subbidang kategori data.

Subbidang kategori memberi keterangan data yang jelas dari segi

semantik dan struktur bagi memastikan penggunaan data yang sesuai di

peringkat agensi. Dalam konteks metadata, ia dapat membantu dalam

menyelaraskan keterangan data dengan lebih berkesan. Antaranya

susunan hirarki data adalah berdasarkan keutamaan secara kategori dan

disusun mengikut taksonomi atau hubungan data. Contoh organisasi



data adalah seperti Rajah 4-2 yang menunjukkan data item, dan

sekumpulan rekod dalam jadual rekod yang mengandungi kumpulan

data item. Sekumpulan set rekod yang berkaitan adalah satu fail data.

Fail data yang merangkumi nilai tertentu dinamakan flat file. Manakala

kumpulan item dalam set rekod bersarang (nested group) membentuk

multi-level organisasi data atau fail data berhirarki.

Rajah 4-2 : Contoh Organisasi Data

Keterangan Data

Keterangan Data memberikan pemahaman yang jelas mengenai data

bagi struktur terma (syntax) dan maksud (semantik). Huraian data yang

betul dan seragam memastikan perkara yang berikut:

a. Penemuan Data (Data Discovery)

Membolehkan agensi mengenalpasti data yang diperlukan untuk

memenuhi keperluan agensi berteraskan fungsi dan perkhidmatan

agensi. Data mungkin dimiliki oleh agensi itu sendiri atau dimiliki oleh

agensi lain dalam mana-mana peringkat pentadbiran dan

pengoperasian. Penemuan data diperkukuhkan dengan

pengkategorian, carian dan keupayaan pertanyaan (query).



b. Perkongsian Data (Data Sharing and Reuse)

Keupayaan untuk mengurus data dengan memastikan

tanggungjawab agensi yang menghasilkan data dan apakah data

yang perlu diurus. Pemahaman yang jelas tentang makna data

memastikan bahawa data dapat dikongsi dengan mudah dan

digunakan semula.

c. Pemurnian Data (Data Harmonization)

Kaedah yang seragam untuk mentakrifkan data melalui model data

yang jelas membolehkan agensi membandingkan pelbagai aset data

dan membantu dalam mengharmonikan syntax dan semantik aset

data. Aset Data juga merujuk kepada portal, repositori dokumen,

direktori atau perkhidmatan data. Sebagai contoh, dokumen yang

disimpan dan dikendalikan dalam aset data (seperti repositori

dokumen) mempunyai konteks pengurusan yang disediakan

untuknya melalui metadata. Metadata dokumen ini dihubungkaitkan

dengan dokumen tersebut dalam repositori dokumen.

Gambaran model keterangan data menunjukkan metadata dan

mekanisma penyimpanan metadata dalam kamus data. Metadata

diambil kira dalam menjelaskan penerangan data berstruktur yang

digambarkan oleh model data logikal (logical data model) dan bagi data

separa berstruktur dan data tidak berstruktur yang digunakan dalam

metadata sumber data digital (digital data resource). Terdapat tiga (3)

kategori metadata52 iaitu metadata teknikal, metadata business dan

metadata proses. Metadata teknikal selalunya berbentuk takrifan,

sementara metadata business dan proses lebih berbentuk deskriptif.

Keterangan data berstruktur selalunya digambarkan dalam

Information/Data Architecture sebagai rajah Entity – Relationship (ERD).

Gambaran abstrak model keterangan data adalah seperti Rajah 4-3.

52 https://en.wikipedia.org/wiki/Metadata



Rajah 4-3 : Gambaran Model Keterangan Data

Sebagai contoh, metadata skema yang sering dirujuk global adalah ‘e-

Government Metadata Standard (e-GMS)’ serta ‘Dublin Core Metadata

Standard’ yang diterima pakai oleh IETF RFC 5013, ISO Standard

15836-2009 dan NISO Standard Z39.85. Dublin Core adalah satu inisiatif

untuk mewujudkan ‘katalog kad perpustakaan’ sumber digital web bagi

kemudahan carian maklumat dalam talian.

e-GMS merupakan standard sumber maklumat Kerajaan yang

digunakan bagi memastikan keseragaman maklumat merentas agensi

Sektor Awam. Standard ini adalah sebahagian daripada e-Government

Interoperability Framework (e-GIF) yang menjelaskan polisi spesifikasi

teknikal bagi kesaling hubungan dan akses kepada maklumat Kerajaan.

Asas Dublin Core bagi 15 elemen digunakan dan dijajarkan dengan

standard kesaling hubungan metadata lain yang berkaitan dengan

teknikal lain seperti pengurusan rekod, kawalan data, Freedom of

Information dan pengarkiban. Bagi Malaysia, rujukan asas standard

kepada pengurusan metadata dinyatakan dalam dokumen The

Malaysian Government Interoperability Framework (MyGIF) 2003 oleh

MAMPU.



Konteks Data

Konteks data menjelaskan keperluan data sebagai aset agensi, peranan

pentadbir data yang bertanggungjawab mengurus data agensi, proses

kerja yang berkait dalam menggunakan dan menghasilkan data. Konteks

Data juga menjelaskan kaitan hubungan keperluan data dengan

Business Architecture dan perkhidmatan. Penyimpanan data ditetapkan

dengan mengambil kira kategori data dan taksonomi perkhidmatan

Kerajaan bagi memudahcara perkongsian data merentas agensi dan

penyelenggaraan data di pelbagai peringkat agensi.

Kategori data atau klasifikasi data adalah mengikut Arahan Keselamatan

(Semakan dan Pindaan 2017) yang diwartakan oleh Pejabat Ketua

Pegawai Keselamatan Malaysia (CGSO) melalui Surat Pekeliling Am

Bilangan 1 Tahun 2020 berhubung Pemakluman Pemakaian dan

Penguatkuasaan Arahan Keselamatan (Semakan dan Pindaan 2017).

Klasifikasi data boleh dibahagikan kepada dua (2) iaitu Data Rahsia

Rasmi (data terperingkat) dan Data Rasmi Terbuka (data tidak

terperingkat). Data Rahsia Rasmi dikelaskan kepada empat (4) iaitu

terhad, sulit, rahsia dan rahsia besar. Data Rasmi Terbuka pula merujuk

kepada maklumat selain daripada Data Rahsia Rasmi seperti Data

Terbuka. Pernyataan Data Rahsia Rasmi merujuk kepada Rahsia Rasmi

Kerajaan seperti berikut:

“…apa-apa suratan yang dinyatakan dalam Jadual kepada

Akta Rahsia Rasmi (Akta 88) dan apa-apa maklumat dan

bahan berhubungan dengannya dan termasuklah apa-apa

dokumen rasmi, maklumat dan bahan lain sebagaimana yang

boleh dikelaskan sebagai “Rahsia Besar”, “Rahsia”, “Sulit”

atau “Terhad” mengikut mana yang berkenaan oleh seorang

Menteri, Menteri Besar atau Ketua Menteri sesuatu Negeri

atau mana-mana pegawai awam yang dilantik bawah

Seksyen 2B Akta 88.”



Gabungan keterangan data dan konteks data memberikan penjelasan

terhadap dimana data dihasilkan supaya makna data, kategori data dan

klasifikasi data yang disediakan adalah mengikut keperluan

perkhidmatan. Kerelevenan data tersebut juga jelas untuk tujuan ia

diperlukan bagi menyokong keputusan yang tepat.

Konteks data menyediakan maklumat kepada pengguna data berhubung

kesesuaian penggunaan suatu data dalam proses kerja dan

perkhidmatan. Model Konteks Data di Rajah 4-4 menunjukkan hubungan

antara konsep dalam menjelaskan elemen mengurus data sumber

digital, query data dan metadata yang terlibat dalam pertukaran data

(exchange data).

Rajah 4-4 : Gambaran Model Konteks Data

Model Data

Model data menggambarkan organisasi elemen data dan standard

bagaimana elemen data dihubungkan berdasarkan persekitaran sebenar

perkhidmatan kerajaan. Sebagai contoh, suatu model data mengenai

kereta akan mempunyai elemen warna kereta, nombor pendaftaran

kereta, pemilik kereta, model kereta dan lain-lain lagi.



Model data boleh digambarkan dalam dua cara iaitu hubungan suatu

objek dengan persekitarannya. Satu lagi cara menggambarkan model

data adalah dengan pentakrifan yang menjelaskan hubungan beberapa

set konsep dengan entiti, atribut, hubungan entiti dan jadual sepertimana

gambaran rajah ERD. Terdapat (tiga) 3 jenis model data iaitu konseptual,

logikal dan fizikal seperti berikut:

i. Model Data Konseptual berbentuk model peringkat tinggi yang

menjelaskan konsep dan struktur perkhidmatan serta proses kerja

yang berkaitan dengan data yang digunakan dan data yang

dihasilkan;

ii. Model Data Logikal menggambarkan jenis entiti, hubungan entiti

dan atribut data. Selalunya model ini digunakan oleh pemilik

proses dan perkhidmatan untuk memahami bagaimana sistem

pengurusan pangkalan data perlu dibangunkan; dan

iii. Model Data Fizikal menggambarkan skema pangkalan data yang

menjelaskan bagaimana penstoran data dan capaian data

dilakukan. Model ini juga turut menggambarkan jadual, medan

yang terdapat dalam jadual serta spesifikasi bagi storan secara

fizikal yang juga boleh merangkumi pengagihan data dan

mekanisma capaian.

Gambaran data model yang menunjukkan hubungan interaksi antara

proses dan data adalah seperti Rajah 4-5. Manakala metamodel

MyGovEA yang menggambarkan hubungan antara proses dan data di

gambarkan oleh Rajah 4-6. Rajah ini turut menunjukkan data luar agensi

yang terdiri daripada senarai maklumat/data utama mengikut perspektif

pemegang taruh.



Rajah 4-5 : Gambaran Hubungan Interaksi Proses dan Data dalam Model Data

Rajah 4-6 : Gambaran Metamodel Process-Application-Information Viewpoint MyGovEA

Amalan model data yang baik oleh negara luar telah menunjukkan

keberkesanan terhadap strategi perkhidmatan berpacukan data

sepertimana dilaporkan oleh OECD dalam laporan ‘The Path to Becoming

A Data‑Driven Public Sector’ pada tahun 201953. Sebagai contoh,

53 OECD: The Path to Becoming a Data‑Driven Public Sector 2019



Denmark dan Argentina telah membangunkan ‘data as a service’ yang

menjelaskan secara terperinci bagaimana untuk membina dan

menerbitkan model data. Inisiatif tersebut dapat memastikan

keseragaman data dan memudahkan penggunaan semula data. Di UK,

Jabatan Kastam UK telah membangunkan model data yang

memfokuskan kepada pengawal seliaan aktiviti dan pematuhan terhadap

peraturan Kastam. Model data yang dibangunkan berjaya mengenal

pasti potensi aktiviti pelanggan yang tidak mematuhi peraturan Kastam

seperti melakukan kesilapan semasa mengisytiharkan cukai Kastam

atau cubaan untuk mengelak cukai Kastam. Model data yang

dibangunkan merangkumi maklumat dan data sejarah pengisytiharan

cukai pelanggan, pendapatan dan pekerjaan serta risiko ketidakpatuhan.

Pelbagai sumber data digunakan bagi tujuan pengiraan kemungkinan

berlaku risiko ketidakpatuhan.

Penggunaan model data yang bermakna dan bernilai dapat

mentransformasikan cara Kerajaan melaksanakan tugas pemantauan,

pengawal seliaan dan pematuhan terhadap peraturan Kerajaan.

Gambaran kitaran penggunaan model data dalam persekitaran kerja

sebenar ditunjukkan dalam Rajah 4-7.

Rajah 4-7 : Gambaran Penggunaan Model Data dalam Persekitaran Sebenar



Perkongsian Data

Perkongsian data adalah penggunaan maklumat/data oleh satu atau

lebih pengguna di mana maklumat/data tersebut bukan daripada sumber

milik pengguna. Perkongsian data mempunyai dua pihak berkepentingan

iaitu pembekal/pencipta data dan pengguna data. Pengguna data juga

boleh terdiri daripada Bahagian lain daripada agensi yang sama.

Terdapat dua jenis perkongsian data54 iaitu:

i. Pertukaran data (data exchange) yang merujuk kepada urus

niaga/transaksi berulang antara dua sistem aplikasi; dan

ii. Capaian data (data access) yang merujuk kepada perkongsian

data melalui capaian aset data di pangkalan data dan Data

Terbuka.

Antara kaedah perkongsian data yang boleh dilaksanakan adalah

melalui Application Programming Interface (API), Secure File Transfer

Protocol (SFTP) dan Cloud Based File Sharing (CBSF).

Perkongsian data antara agensi sektor awam dilaksanakan bagi

memastikan perkara berikut:

i. mengurangkan pertindihan dalam usaha pengumpulan data bagi

menyokong ‘Once Only Principle’ supaya dapat menjimatkan

masa, tenaga dan kos pembangunan aplikasi;

ii. merealisasikan perkhidmatan digital Sektor Awam yang

bersepadu, inklusif, terangkum dan selamat; dan

iii. melonjakkan inovasi berpacukan data bagi memantapkan

pelaksanaan penyampaian perkhidmatan Kerajaan.

Keselamatan dan etika dalam perkongsian data turut ditekankan bagi

memastikan tidak berlaku kehilangan data dan penggunaan tanpa izin.

Pemakaian standard antarabangsa dan amalan terbaik dalam

perkongsian data antaranya seperti perlindungan data peribadi turut

diamalkan. Pengklasifikasian data perlu disediakan dengan jelas dari

54 India EA Reference Model



aspek data terperingkat atau Data Rahsia Rasmi dan Data Terbuka atau

Data Rasmi Terbuka. Manakala data yang dikenal pasti boleh

dikongsikan, perlu dilaksanakan berdasarkan nilai dan sensitiviti data

tersebut terhadap perkhidmatan dan sumbangannya kepada

pembangunan negara.

Ekosistem perkongsian data dan data analitik merangkumi institusi dan

organisasi yang diberi kuasa untuk menjalankan fungsi penyeliaan

berkaitan dengan ekosistem perkongsian data, pembekal data (data

provider), pengguna data (data consumer) dan penyedia perkhidmatan

data (data service provider). Penyedia perkhidmatan data

bertanggungjawab dalam menyedia perkhidmatan platform data terbuka,

platform analitis Data Raya dan platform perkongsian data (MyGDX).

Ketiga-tiga platform tersebut perlu disediakan secara sinergi supaya

aliran data dan penggunaan data merentas agensi dilaksanakan dengan

lancar. Penyedia perkhidmatan data Kerajaan yang utama dilaksanakan

oleh MAMPU. Penyedia perkhidmatan data peringkat nasional adalah

Jabatan Statistik Malaysia.

Pembekal data dan pengguna data boleh terdiri daripada pihak awam

atau swasta dan juga komuniti. Pembekal data bertanggungjawab

memastikan polisi perkongsian data dipatuhi semasa penyediaan data,

pengurusan data, pengurusan risiko data yang dikongsikan seperti risiko

pelanggaran keselamatan data dan penyalahgunaan data serta

penetapan nilai data dan penjualan data (data monetization).

Pengguna data perlu mematuhi peraturan yang ditetapkan dalam

penggunaan data yang dikongsikan serta syarat jual beli data jika ada

yang digariskan oleh institusi pengawal selia atau mana-mana institusi

standard data yang telah diperakui oleh industri diperingkat global.

Ekosistem perkongsian data dan peranan pemain yang terlibat adalah

seperti di Rajah 4-8. Ketepatan data dan kebolehgunaan data dalam



persekitaran perkhidmatan kerajaan dapat mengembangkan kreativiti

dan inovasi produk data dan perkhidmatan digital.

Rajah 4-8 : Ekosistem Perkongsian Data

Perkongsian data antara agensi dilaksanakan melalui hub perkongsian

data Malaysian Government Central Data Exchange (MyGDX). Asas

perkongsian data melalui MyGDX adalah daripada satu aplikasi ke satu

aplikasi. Data bersifat ringan (light) menggunakan API supaya integrasi

berlaku dengan pantas. Data yang dikongsikan berupaya untuk dianalisa

menggunakan platform analitik data milik agensi atau platform analitis

Data Raya (big data analytic - BDA) berpusat di MAMPU.

Penggunaan Data

Aktiviti perkongsian data antaranya adalah untuk menuil manfaat

kepintaran data hasil pengumpulan data daripada pelbagai sumber atau

Data Raya. Data Raya merujuk kepada pelbagai jenis data berstruktur

daripada sistem dan peranti seperti sensor dan IoT (Internet of Things),

data separuh berstruktur seperti dokumen, serta data tidak berstruktur

daripada media sosial seperti blog, facebook, twitter, video dan CCTV.

Analitis Data Raya adalah satu pendekatan penggunaan Data Raya



secara analitik bagi tujuan menghasilkan visualisasi dan aplikasi yang

bermanfaat dari segi membantu membuat keputusan dan perancangan.

Analitis data turut memberi kesan dalam bidang ekonomi terutamanya

manfaat keputusan dan impak perkhidmatan berpacukan data semasa

dan pelbagai data lampau dalam bentuk analitik ramalan (predictive

analytics). Analitik ramalan menggunakan model statistik dalam

menjangkakan perkara yang akan datang.

Kementerian dan agensi Kerajaan menawan data mentah dan

mengumpul data tersebut dalam tasik data mengikut keperluan suatu

kluster perkhidmatan. Menurut ‘DAMA International’s Guide to the Data

Management Body of Knowledge’, tasik data atau Data Lake merupakan

persekitaran pelbagai jenis data dan struktur daripada pelbagai sumber

yang disimpan setempat untuk dicerna, dinilai dan dianalisa. Data Lake

menyimpan jumlah data yang amat besar dan kepelbagaian data yang

tinggi membolehkannya berkeupayaan untuk melaksanakan pelbagai

analitis data.

Keupayaan Data Lake tidak serupa dengan Gudang Data atau Data

Warehouse. Keupayaan penyimpanan data yang sangat tinggi

menyebabkan kapasiti storan Data Lake lebih besar berbanding storan

Gudang Data. Manakala keupayaan Data Lake memproses analitik data

dengan cepat sangat sesuai bagi teknologi machine learning. Kawalan

kualiti data dan tadbir urus data sangat penting dalam pengurusan Data

Lake supaya manfaat data dapat dituai.

Sementara itu Gudang Data merupakan pendekatan analisis data yang

lebih menjimatkan ruang storan tanpa menyimpan data yang mungkin

tidak digunakan. Data yang telah diproses juga lebih difahami oleh

pelbagai pengguna dengan lebih mudah. Empat (4) perbezaan antara

Data Lake dan Gudang Data adalah seperti Jadual 4-1:



Jadual 4-1 : Perbezaan antara Data Lake dan Gudang Data

Elemen Data Lake Gudang Data

Struktur Data Data Mentah Data telah Diproses

Tujuan Data Belum Ditentukan Telah Ditetapkan dan Sedang Digunakan

Pengguna Sains Data Pemilik Proses

Kebolehcapaian Kebolehcapian yang tinggi dan cepat dikemas kini

Proses yang kompleks dan kos yang tinggi untuk dipinda

Kerajaan telah mengumpulkan sejumlah besar data berkaitan rakyat,

program dan operasi dalam pentadbiran kerajaan. Pengurusan data

Kerajaan menjadi efektif dengan analitis data dan seterusnya membuka

peluang baru ke arah peningkatan sistem penyampaian perkhidmatan

awam. Sehingga kini, agensi banyak bergantung kepada analisis data

dan laporan untuk membantu mereka dalam membuat keputusan.

Analitik data yang berteraskan kepada kepintaran data membawa

penggunaan data ke tahap yang lebih tinggi dengan memberikan

pandangan mendalam dan ramalan untuk merancang masa depan

pengurusan perkhidmatan sektor awam.



BAB 5

5 DATA STANDARD DAN METADATA

Pengurusan data standard, master data management dan metadata meliputi

beberapa konsep dan terma yang saling hubung antara ketiga-tiga terma

tersebut.

Data Standard

Data Standard adalah cara perwakilan, format, definisi, penataan,

penandaan, transmisi, manipulasi, dan penggunaan data yang diterima

pakai oleh semua. Selain itu ia membolehkan maklumat yang berkualiti

dapat direkod untuk perkongsian dan pertukaran maklumat dan data.

Data Standard menyediakan peraturan dan kaedah untuk penyusunan

maklumat dengan berkesan.

Master Data Management

Master Data Management (MDM) atau Pengurusan Data Induk adalah

pengurusan terhadap aset data rasmi yang dipersetujui dan digunakan

daripada perspektif teknologi bagi penetapan keseragaman, ketepatan,

pengawasan, konsistensi semantik data dan kebertanggungjawaban

melibatkan kedua-dua pihak pemilik proses dan penyedia teknologi.

Menurut glosari Gartner55 penjelasan MDM adalah seperti berikut:

‘MDM is a technology-enabled discipline in which

business and IT work together to ensure the uniformity,

accuracy, stewardship, semantic consistency and

accountability of the enterprise’s official shared master

data assets. Master data is the consistent and uniform set

of identifiers and extended attributes that describes the

core entities of the enterprise ...’

55 https://www.gartner.com/en/information-technology/glossary/master-data-management-mdm



Terdapat empat (4) pendekatan pengurusan MDM56 berdasarkan

pelaksanaan kawalan data secara berpusat atau pelaksanaan kawalan

data setempat seperti berikut:

i. Bentuk Registri (The Registry) melaksanakan MDM

menggunakan pendekatan read-only view data tanpa mengubah

data induk di pelbagai sumber simpanan data. Identiti unik

diberikan sebagai rujukan bagi setiap data induk bagi

mengelakkan duplikasi dan bagi memastikan kesahan sumber

tunggal data. Pendekatan MDM ini lebih menjimatkan kos dan

menyediakan keperluan integrasi data dengan cepat tanpa

mengganggu operasi aplikasi. Bagaimanapun perubahan MDM

hanya berlaku di resgistri dan tidak mengubah data di sumber

simpanan data. Pengurusan MDM ini bergantung sepenuhnya

terhadap kualiti data di aplikasi sumber data. Ia hanya

mengelakkan duplikasi tetapi tidak dapat mengelakkan risiko

ketidaktepatan data. Sebagai contoh, untuk memperoleh data

pelanggan, satu 360 view diwujudkan daripada pelbagai sumber

simpanan data. Dalam hal ini. kawalan MDM yang kukuh

diperingkat pusat sangat diperlukan bagi menjamin

kebolehpercayaan dan ketepatan data.

ii. Bentuk Konsolidasi (The Consolidation) mengurus MDM

melalui pendekatan satu hub MDM tunggal. Data induk

dikonsolidasikan daripada pelbagai sumber simpanan data. Data

di hub MDM akan dibersihkan dan digabung atau dipadankan

sebagai rekod tunggal bagi satu atau pelbagai domain data induk.

Perubahan data di hub MDM boleh diaplikasikan bagi mengubah

data di sumber simpanan data. Pendekatan pengurusan MDM ini

juga boleh disediakan dengan kos yang minima dan disediakan

dengan cepat. Pendekatan MDM ini sering digunakan bagi

56 4 Common Master Data Management Implementation Styles, Michael Lonnon, Stibo Systems Master Data Managemnt,

2018



kemudahan penyediaan laporan dan analisis data keseluruhan

agensi.

iii. Bentuk Wujud Bersama (The Coexistence) meletakkan sumber

simpanan data sebagai data induk utama dan data tersebut

dijajarkan (synchronized) dengan hub MDM. Maka data yang

diwujudkan bersama akan sentiasa harmoni dan seragam

sebagai sumber data sahih. Pendekatan MDM ini juga dapat

meningkatkan kualiti data induk dan akses yang lebih pantas.

Penyediaan laporan dan analisis data juga lebih mudah

memandangkan atribut data disimpan setempat di hub MDM. The

Consolidation MDM boleh diubah kepada The Coexistence MDM

sekiranya keperluan untuk kawalan MDM diperingkat pusat dan

diperingkat data setempat perlu dikemaskini serentak. Data induk

akan disimpan dalam hub MDM tetapi pengemaskinian data

dilakukan di sumber simpanan data. Pendekatan MDM ini lebih

tinggi kos pelaksanaannya berbanding dua pendekatan sebelum

ini bagi menyediakan fungsi pembersihan data sebelum

pengemaskinian data di kedua-dua simpanan data sebagai data

induk.

iv. Bentuk Transaksi/Berpusat (The Transaction/Centralized)

menyediakan pengurusan MDM yang lengkap dan tepat dengan

tahap keselamatan atribut data dikawal secara berpusat. Data

induk bentuk transaksi MDM di sediakan secara berpusat di mana

atribut data diperkaya dengan memadankan data kepada sumber

simpanan data secara automasi. Data yang telah diperkaya akan

disimpan semula dalam sumber simpanan data yang asal. MDM

berpusat mempunyai keupayaan untuk menggabungkan rekod

data induk dan rekod data setempat supaya data sentiasa

konsisten. Bagaimanapun pendekatan MDM ini mengubah data

di sumber simpanan data asal.

Gambaran keempat-empat pendekatan MDM adalah seperti Rajah 5-1

berikut:



Rajah 5-1 : Gambaran 4 Pendekatan Master Data Manegement

Pengurusan Metadata

Pengurusan metadata ialah pengurusan maklumat/data oleh pentadbir

data atau pemilik data mengenai data. Menurut DIKW, metadata turut

menerangkan dan mentakrifkan data atau maklumat melalui deskripsi

mengenai konteks, kualiti dan keadaan atau ciri data tersebut.

Dalam pengurusan penggunaan data, maklumat dan pengetahuan serta

pemprosesan data, maklumat dan pengetahuan dalam satu aplikasi,

metadata menggambarkan maklumat berstruktur dan menjadikannya

lebih mudah untuk mendapat, mengguna atau mengurus sumber

maklumat. Sebagai contoh, susunan pengetahuan melalui taksonomi di

bantu oleh penggunaan metadata semasa melabelkan suatu maklumat

bagi tujuan pengisihan supaya maklumat dapat disusun mengikut aturan

tertentu dan memudahkan pencarian maklumat yang tepat dan

bermakna.



Repositori metadata dirujuk sebagai Data Dictionary. Repositori

metadata disimpan secara berasingan dari pangkalan data. Segala

perubahan yang dilakukan pada data dalam pangkalan data perlu

dipinda secara berasingan di dalam repositori metadata.

Pengemaskinian repositori metadata adalah sebahagian daripada

proses pengurusan data dan juga urus tadbir data. Repositori berpusat

boleh dicapai oleh semua agensi. Setiap agensi boleh mengemas kini

entiti data yang berkaitan dengan domain masing-masing.

Metadata Sektor Awam di urus melalui Kamus Data Sektor Awam atau

Data Dictionary Sektor Awam (DDSA). DDSA merupakan rujukan

struktur data dalam pembangunan aplikasi merentas agensi dan agensi

spesifik. DDSA menyediakan keterangan mengenai sesuatu data yang

standard merangkumi nama elemen data, alias (nama lain elemen data),

keterangan ringkas data, saiz elemen data, jenis medan dan rasional

bagi elemen data. Ianya juga menetapkan standard kod data bagi

elemen tertentu untuk diguna pakai oleh semua agensi Sektor Awam

melalui portal DDSA di alamat http://sddsa.mampu.gov.my. Gambaran

penggunaan DDSA, metadata dan deskripsi data yang memberi

keterangan data yang standard adalah seperti Rajah 5-2.

Rajah 5-2 : Contoh Penggunaan DDSA, Metadata dan Deskripsi Data

http://sddsa.mampu.gov.my/



Taksonomi data dan keterangan data dalam DDSA sehingga Mei 2021

merangkumi 11 kategori data. Pertambahan atau perubahan terhadap

kategori dan sub kategori data bergantung kepada keperluan data

agensi. Senarai taksonomi data dan keterangan data dalam DDSA

adalah seperti Jadual 5-1 berikut:

Jadual 5-1 : Taksonomi data dan Keterangan Data dalam DDSA

BIL KATEGORI

DATA SUB KATEGORI DATA KETERANGAN

1. Data Generik 1. Biodata Menerangkan struktur data bagi maklumat asas bagi individu

2. Data Perniagaan Data Perniagaan

3. Data Syarikat Data Syarikat

4. Organisasi Menerangkan struktur data bagi maklumat sesebuah organisasi

2. Sumber Manusia 1. Kod Skim Perkhidmatan Kod Skim Perkhidmatan

2. Struktur Data Approve First Placement

Tiada Keterangan

3. Struktur Data Approve Manpower Requirement

Tiada Keterangan

4. Struktur Data Approve Offer Terms

Tiada Keterangan

5. Struktur Data Approve Request Manpower

Tiada Keterangan

6. Struktur Data Approve Shortlist Candidate

Tiada Keterangan

7. Struktur Data Approve_Selection

Tiada Keterangan

8. Struktur Data Capture Response From Candidate

Tiada Keterangan

9. Struktur Data Change Terms of Employment

Tiada Keterangan

10. Struktur Data Complete Handover Note

Tiada Keterangan

11. Struktur Data Conduct Selection

Tiada Keterangan

12. Struktur Data Actual Position

Actual Position is a specific position that is unique in terms of location, activity, responsibility,competency, requirement, etc.

http://sddsa.mampu.gov.my/module/service/elemen.php?idskd=1








BIL KATEGORI


13. Struktur Data Appraisal Tiada Keterangan

14. Struktur Data Approval Document

Approval Document can be a Warrant etc.

15. Struktur Data Approve Action Plan

Tiada Keterangan

16. Struktur Data Approve Counseling Appointment

Tiada Keterangan

17. Struktur Data Awards Awards Data Elements record types

18. Struktur Data Biodata Menerangkan Struktur data bagi maklumat biodata.

19. Struktur Data Business Activity

Business Activity data elements describe Business activity

20. Struktur Data Business Unit A Business Unit is a generic element

21. Struktur Data Committee A Committee is an entity that has been determine

22. Struktur Data Competency Performance Assessment

Tiada Keterangan

23. Struktur Data Competency Required

Competency Required is a set of competency.

24. Struktur Data Confirm Document Attachment

Tiada Keterangan

25. Struktur Data Confirmation Approval

Confirmation Approval captures the approval date.

26. Struktur Data Confirmation Endorsement

Tiada Keterangan

27. Struktur Data Confirmation Report For Duty at Organisation

Tiada Keterangan

28. Struktur Data Counseling Appointment Report

This section provides all the reports on counselling activity

29. Struktur Data Counselor Evalution Form

This form will be filled up by the counselor

30. Struktur Data Create Counseling Programme

This sub-process enables the Counseling to create programme

31. Struktur Data Criteria In the process of shortlisting

32. Struktur Data Determine First Placement

Tiada Keterangan



BIL KATEGORI


33. Struktur Data Determine Salary Point

Tiada Keterangan

34. Struktur Data Development Needs

Tiada Keterangan

35. Struktur Data Disability A disability element captured

36. Struktur Data Educational Achievements

These data elements contain information on educational achievements

37. Struktur Data Endore Manpower Requirement

Tiada Keterangan

38. Struktur Data Endorse Consolidated Report

Tiada Keterangan

39. Struktur Data Extra Curricular and Other Contributions

Extra curricular and other contributions

40. Struktur Data Family Family data elements capture information on family relationship

41. Struktur Data Finalise Reassignment

Tiada Keterangan

42. Struktur Data Hospital Report

Tiada Keterangan

43. Struktur Data Identify Competency Owner to be Re-Assigned

Tiada Keterangan

44. Struktur Data Imbuhan Tahunan

Imbuhan Tahunan

45. Struktur Data Issue Handover Note

Tiada Keterangan

46. Struktur Data Issue Notice for Change Terms Of Employment

Tiada Keterangan

47. Struktur Data Issue Reassignment Cancellation Notice

Tiada Keterangan

48. Struktur Data Issue Reassignment Notice

Tiada Keterangan

49. Struktur Data Key Performance Indicators(KPIs)

Key Performance Indicators (KPIs) element

50. Struktur Data Key Result Areas(KRAs)

Key Result Areas (KRAs) refers to the outcome



BIL KATEGORI


51. Struktur Data Language Language data elements capture language proficiency

52. Struktur Data Logistical Resource

Logistical Resource is a set of resources

53. Struktur Data Maintain Acquisition Drive

Tiada Keterangan

54. Struktur Data Maintain Action Plan for Acquisition or Re-Assignment

Tiada Keterangan

55. Struktur Data Maintain Candidate Resume

Tiada Keterangan

56. Struktur Data Maintain Counseling Programme

The Counseling Administrator is able to maintain counselling programme

57. Struktur Data Maintain Counselor Schedule

Counselor needs to fill up the schedule

58. Struktur Data Maintain Covering

Tiada Keterangan

59. Struktur Data Maintain Publication

Tiada Keterangan

60. Struktur Data Maintain Secondment

Tiada Keterangan

61. Struktur Data Manpower Requirement

Tiada Keterangan

62. Struktur Data Manpower Requirement Item

Tiada Keterangan

63. Struktur Data Medical History

Medical history captured

64. Struktur Data Pension Endorsement

Pension Endorsement captured

65. Struktur Data Performance Management Schedule

The performance Management Secretariat scheduled

66. Struktur Data Performance Plan

Performance plan is associated with overall plan activity

67. Struktur Data Performance Plan Activity

Performance Plan Activity describes the plan item

68. Struktur Data Performance Plan Item

Performance Plan Item is associated with individual schedule

69. Struktur Data Prepare Approval Document

Tiada Keterangan




































BIL KATEGORI


70. Struktur Data Prepare Draft Advertisement

Tiada Keterangan

71. Struktur Data Prepare Surat Perakuan

Tiada Keterangan

72. Struktur Data Prepare Waran Penjawatan Negeri

Tiada Keterangan

73. Struktur Data Previous Employment

These data elements cover the previous employment

74. Struktur Data Qualified Professional Association

These data elements are to keep track of professional association

75. Struktur Data Raise General Instruction Suggestion For Re-Assignment

Tiada Keterangan

76. Struktur Data Raise General SelfRequest For Re-Assignment

Tiada Keterangan

77. Struktur Data Raise Instruction Suggestion For Re-Assignment To Actual Position

Tiada Keterangan

78. Struktur Data Raise Request for Recruitment

Tiada Keterangan

79. Struktur Data Raise SelfRequest For Re-Assignment To Actual Position

Tiada Keterangan

80. Struktur Data Reconstruct Resourcing Action Plan

Tiada Keterangan

81. Struktur Data Referral Letter (Hospital)

Tiada Keterangan

82. Struktur Data Referrer Evalution Form

This form will be filled up by the Head of Department

83. Struktur Data Report For Duty at Actual Position

Tiada Keterangan

84. Struktur Data Report For Duty at Organisation

Tiada Keterangan

85. Struktur Data Resource Needs

Resource are required for each CO

86. Struktur Data Review Manpower Requirement

Tiada Keterangan

87. Struktur Data Salary Grade Salary Grade must be verified













































BIL KATEGORI


88. Struktur Data Schedule Counseling Appointment

Tiada Keterangan

89. Struktur Data Schemes of Service

A scheme is a grouping of a Standard schemes of service

90. Struktur Data Scope Of Authority

The Scope Of Authority describes the authority given

91. Struktur Data Service Profile

The Service Profile maintains the scheme of service associated with CO

92. Struktur Data Shortlist Candidate

Tiada Keterangan

93. Struktur Data Standard Position

Standard Position is a general grouping of position

94. Struktur Data Target KPIs Key Performance Indicators are about KPI CO

95. Struktur Data Task These data elements describe the tasks given to CO

96. Struktur Data Total Rating Total Rating keeps total weighted scores

97. Struktur Data View Status and Update Counseling Appointment

Tiada Keterangan

98. Struktur Kod Client Evalution Form

This form will be filled up by Client

99. Sturktur Data Apply to attend Counseling Programme

Tiada Keterangan

100. Sturktur Data Endorse Counseling Programme Application

Tiada Keterangan

101. Sturktur Data Maintain Counselor

List of Counselors in the organisation

102. Sturktur Data Select Programme Participant

Tiada Keterangan

103. Sturktur Data Submit Counselling Program Acknowledgement Letter

Tiada Keterangan

104. Sturktur Data Update Counseling Programme Attendance

Tiada Keterangan

105. Support Re- Assignment Request

Tiada Keterangan









































BIL KATEGORI


3. Pengurusan Projek

1. Konsultan Menerangkan struktur data bagi maklumat konsultan

2. Kontrak Menerangkan struktur data bagi maklumat kontrak

3. Kontraktor Menerangkan struktur data bagi maklumat kontraktor

4. Maklumat Am Menerangkan struktur data bagi maklumat am

5. Project_Activity Menerangkan struktur data bagi maklumat aktiviti projek

6. Projek Menerangkan struktur data bagi maklumat projek

7. Struktur Data Maklumat Aktiviti Subprojek

Menerangkan struktur data bagi maklumat aktiviti subprojek

8. Struktur Data Maklumat Am

Menerangkan struktur data bagi maklumat perincian Maklumat Am

9. Struktur Data Maklumat Konsultan

Menerangkan struktur data bagi maklumat perincian konsultan

10. Struktur Data Maklumat Kontrak

Menerangkan struktur data bagi maklumat perincian kontrak

11. Struktur Data Maklumat Kontraktor

Menerangkan struktur data bagi maklumat perincian kontraktor

12. Struktur Data Maklumat Projek

Menerangkan struktur data bagi maklumat perincian Projek

13. Struktur Data Maklumat Subprojek

Menerangkan struktur data bagi maklumat perincian subprojek

4. Tanah dan GIS https://mygos.mygeoportal.gov.my/upi/

Maklumat diperoleh daripada url

5. Perakaunan dan Kewangan

Struktur Data Kod-Kod Perakaunan

Tiada Keterangan

6. Perdagangan dan Industri

1. Struktur Data Barangan Menerangkan struktur data bagi maklumat barangan

2. Struktur Data Dokumen Menerangkan struktur data bagi maklumat dokumen

3. Struktur Data Organisasi Menerangkan struktur data bagi maklumat organisasi

7. Perolehan dan Pengurusan Aset

Tiada data untuk dipaparkan Tiada Keterangan





















BIL KATEGORI


8. Kesihatan https://myhdw.moh.gov.my/public/home

Maklumat diperoleh daripada url

9. Pelajaran 1. Kod Bidang Pengajian (Broad Field)

Broad general groupings on fields of Education

2. Kod Bidang Pengajian (Detailed Field)

Field of Education and Training

3. Kod Bidang Pengajian (Narrow Field)

Field of Education

4. Struktur Data Biasiswa Struktur Data Biasiswa menerangkan perincian biasiswa

5. Struktur Data Biodata Bapa Murid

Tiada Keterangan

6. Struktur Data Biodata Ibu Murid

Tiada Keterangan

7. Struktur Data Biodata Murid Tiada Keterangan

8. Struktur Data Biodata Penjaga

Tiada Keterangan

9. Struktur Data Displin Murid Struktur Data Displin Murid menerangkan perincian disiplin murid

10. Struktur Data Insurans Struktur Data Insurans menerangkan perincian insurans

11. Struktur Data Kaunseling Struktur Data kaunseling menerangkan perincian kaunseling

12. Struktur Data Kesihatan Murid

Struktur Data Kesihatan Murid menerangkan perincian kesihatan murid

13. Struktur Data Kurikulum Struktur Data Kurikulum menerangkan perincian kurikulum

14. Struktur Data Laporan Adab Belajar

Struktur Laporan Adab Belajar menerangkan perincian Adab

15. Struktur Data Peperiksaan Pelajar

Struktur Data Peperiksaan Murid menerangkan peperiksaan yang diambil oleh murid

16. Struktur Data Skim Pinjaman Buku Teks

Struktur Data Skim Pinjaman Buku Teks mengikut kelayakan murid



BIL KATEGORI


17. Struktur Data Tanggungan Penjaga

Struktur Data Tanggungan Penjaga bagi setiap murid

10. Islamik 1. Generik Tiada Keterangan

2. Perundangan dan Kehakiman

Perundangan dan Kehakiman dalam Islam

3. Sosial Nikah, Cerai, Rujuk

11. Statistik 1. Klasifikasi Ekonomi Menerangkan klasifikasi dan kod bagi ekonomi

2. Klasifikasi Sosial/Demografi Menerangkan klasifikasi dan kod bagi sosial/demografi

Nota: Data sehingga Julai 2021. Kategori, subkategori dan keterangan data akan bertambah dan

berkurang mengikut perubahan data agensi dari masa ke masa.

Standard Khusus Data Geospatial

Standard data bagi data khusus perlu disediakan. Antaranya adalah

standard data geospatial yang diperlukan untuk pemetaan digital,

imagery dan sistem rujukan bagi lokasi geografi di permukaan bumi dan

di bawah aras bumi. Data Geospatial bererti data saintifik mengenai

permukaan bumi dan penghuninya merangkumi foto udara, remote

sensing, mozek, model paramuka berdigit, peta garisan, maklumat atau

data geodesi dan pelan kadaster, kejuruteraan awam dan pelan

senibina.

Data geospatial digunakan dalam aplikasi perkhidmatan agensi dengan

diintegrasikan bersama sumber data lain bagi memberi gambaran

pemetaan dan visualisasi lokasi dalam permodelan suatu perkhidmatan

seperti Rajah 5-3. Sebagai contoh, kawasan sering berlaku kemalangan

jalan raya di Malaysia atau kawasan aktiviti ekonomi di Malaysia.







Rajah 5-3 : Gambaran Penggunaan Data Geospatial

Terdapat keperluan standard khusus bagi atribut data geospatial untuk

memperoleh Latitud-Longitud, data alatan peranti mudah alih seperti

Differential GPS (DGPS) atau Electronic Total Station (ETS - GPS) dapat

digunakan berdasarkan keperluan khusus dari segi ketepatan.

Keperluan khas tersebut diperlukan pada masa perolehan data,

penghantaran melalui rangkaian, penyimpanan (geografi untuk pusat

data), paparan (pembaca kod bar, pembaca kad) dan lain-lain.

Keperluan khas tersebut perlu dikenal pasti dan disimpan supaya

keperluan architecture teknologi yang bersesuaian dapat disediakan.

Komuniti geospatial mempunyai metadata geospatial standard yang

diterima pakai di peringkat global. Terutamanya bagi peta, imej

perpustakaan dan katalog. Metadata geospatial yang formal sangat

penting bagi data geospatial kerana pendekatan pemprosesan teks

biasa tidak boleh digunakan. Rujukan standard Geospatial Malaysia

boleh dirujuk pada portal http://www.mygeoportal.gov.my. Ilustrasi

gambaran kitaran hayat penggunaan data geospatial adalah seperti

Rajah 5-4.

http://www.mygeoportal.gov.my/



Rajah 5-4 : Gambaran Kitaran Hayat Penggunaan Data Geospatial

Standard Khusus Kluster Data

Selain data Geospatial, standard khusus kluster data boleh diwujudkan

mengikut keperluan kluster perkhidmatan Kerajaan. Sebagai contoh,

kluster data penyelidikan di bawah sektor ekonomi dan sub kluster

ekonomi, penyelidikan dan pembangunan (R&D).

Berdasarkan keperluan data standard sesuatu kluster, cara perwakilan,

format, definisi, penataan, penandaan, transmisi, manipulasi, dan

penggunaan data yang diterima pakai oleh komuniti R&D telah

disediakan melalui Malaysia Open Science Platform (MOSP) yang

dikawal selia oleh Akademi Sains Malaysia57 di bawah MOSTI. Standard

data R&D memudahkan interoperability dan perkongsian serta

pertukaran maklumat dan data dalam kalangan institusi penyelidikan,

penyelidik sektor awam dan swasta serta masyarakat secara am.

Gambaran Model Data Penyelidikan berteraskan kiratan hidup R&D

adalah seperti Rajah 5-5.

57 https://www.akademisains.gov.my/mosp



Rajah 5-5 : Gambaran Kitaran Hayat Data Penyelidikan58

58 Malaysian Open Science Alliance Working Group on Capacity Building & Awreness, by Open Science & Akademi sains

Malaysia



BAB 6

6 TADBIR URUS DATA

Tadbir urus data yang efektif dapat menangani isu perkongsian data melibatkan

peranan dan pemilikan data pelbagai agensi dan secara tidak langsung

membantu kerajaan menyediakan paparan data yang lengkap, betul dan jelas

daripada pelbagai sumber. Tadbir urus data mengambil kira polisi, proses dan

kawalan yang memastikan bahawa data utama diuruskan dengan berkesan.

Data Management Book of Knowledge (DMBOK) mentakrifkan tadbir urus data

sebagai pelaksanaan kuasa, kawalan dan perkongsian (perancangan,

pemantauan dan penguatkuasaan) kepada pengurusan aset data. Tadbir urus

data dapat menggambarkan tanggungjawab yang jelas di antara pihak pelaksana

tadbir urus data dengan pihak yang menguruskan data dan infrastruktur data.

Menurut OECD, tadbir urus data merangkumi tiga (3) aspek iaitu strategi, taktikal

dan penyampaian. Daripada aspek strategi, ia merangkumi hala tuju dan dasar

pengurusan data. Daripada aspek taktikal, ia melibatkan pelaksanaan dan

keupayaan pengurusan data serta perundangan. Manakala aspek penyampaian

mencakupi nilai data, infrastruktur data dan architecture data. Gambaran tadbir

urus data oleh OECD adalah seperti Rajah 6-1 berikut:

Rajah 6-1 : Tadbir Urus Data OECD



Tadbir urus data hendaklah menyumbang kepada persekitaran yang

memudahcara perkongsian data supaya budaya kerja dalam kalangan agensi

sektor awam dapat dipupuk ke arah pemanfaatan nilai data dan pemanfaatan

kepintaran data yang mampan merentas agensi. Kerajaan perlu menggubal

dasar, hala tuju dan matlamat serta visi yang sama dalam urus tadbir data supaya

wujud nilai kebersamaan dalam mendokong hasrat pengurusan data utama

Kerajaan yang terselaras dan selamat.

Rangka kerja tadbir urus data perlu diwujudkan bagi mengartikulasikan

kebertanggungjawaban dan pengawalseliaan; menggalakkan penggunaan

standard dan penetapan dalam garis panduan; kaedah, proses dan prosedur

yang seragam dan mudah difahami; keperluan penguatkuasaan dan pematuhan

peraturan; dan mengukur kematangan dan prestasi pelaksanaan matlamat

pengurusan data berpusat dan perkongsian maklumat/data (interoperability).

Antara teras rangka kerja data yang perlu diberi penegasan adalah:

i. Kerjasama pelbagai peringkat pentadbiran Kerajaan meliputi

Persekutuan, Kerajaan Negeri dan Pihak Berkuasa Tempatan.

Pendekatan sektorial mengikut kluster perkhidmatan dan data Kerajaan

boleh diamalkan.

ii. Badan kawalselia berpusat yang berupaya mengawalselia keseluruhan

keperluan data berteraskan kitaran hayat data dan penggunaan data yang

bermanfaat dan bernilai kepada Kerajaan.

iii. Proses dan peraturan pengurusan data yang mengekalkan hak

pemilikan data oleh agensi pembekal data dan agensi pengguna data

dalam proses kerja dan perkhidmatan digital yang disediakan tanpa

menjejaskan keselamatan, sentiviti dan ketirisan data.

iv. Dasar dan kaedah perkongsian data yang berupaya memastikan tidak

berlaku penyalahgunaan data serta memastikan penggunaan data secara

beretika mengikut persetujuan terhadap keperluan data yang dikongsikan

sahaja.

v. Struktur tadbir urus pengurusan data yang jelas dari aspek

kebertanggungjawaban dan kuasa suatu jawatankuasa atau pegawai

yang diberi kuasa terhadap urus tadbir data.



Sehubungan itu, Rangka Kerja Tadbir Urus Data Kerajaan Malaysia atau

Malaysian Data Governance Framework (MyDGF) digambarkan seperti ilustrasi

Rajah 6-2. MyDGF dibangunkan dengan mengadaptasikan dua rangka kerja

amalan terbaik global. Pertama, adalah rangka kerja tadbir urus data oleh

Department of Economic and Social Affairs (DESA), United Nation dalam laporan

UN e-Government Survey 2020. Kedua, rangka kerja pengurusan data dan

keperluan strategi data 2017 oleh Global Data Strategy. Pembangunan MyDGF

telah mengambil kira elemen program, inisiatif, platform data kerajaan semasa

serta teknologi 4IR yang akan dimanfaatkan oleh kerajaan.

MyDGF turut merangkumkan enam (6) elemen kerangka perkongsian data yang

telah dibangunkan sebagai asas kepada Dasar Perkongsian Data Sektor

Awam59. Kesemua elemen tersebut didasari oleh prinsip Once Only Principle.

Elemen tersebut adalah:

i. Satu sumber data yang boleh dipercayai;

ii. Pematuhan kepada tadbir urus data;

iii. Jaminan kualiti dan integriti data;

iv. Privasi dan keselamatan data;

v. Penggunaan data yang beretika; dan

vi. Pelaksanaan hub perkongsian data.

Antara lain MyDGF memetakan empat (4) teras pengurusan data terhadap tiga

(3) prinsip utama iaitu akauntabiliti, keberkesanan dan Once Only Principle serta

terangkum dan data bernilai. Berteraskan prinsip tadbir urus data, semua elemen

rangka kerja dibincangkan mengikut empat teras data yang turut dijajarkan

dengan aspek pengurusan data. Teras data tersebut merangkumi strategi data

dan kepimpinan dalam pengurusan data, polisi dan peraturan termasuk

keselamatan data, ekosistem pengurusan data, dan teknologi dalam pengurusan

data. Penjelasan kepada kempat-empat teras tersebut dibincangkan dalam para

berikutnya.

59 Dasar Perkongsin Data Sektor Awam.



Rajah 6-2 : Rangka Kerja Tadbir Urus Data Kerajaan Malaysia (Malaysian Data Governance Framework - MyDGF)



Strategi Data

Membina program pengurusan data yang berkesan memerlukan

penjajaran strategi pelaksanaan data di peringkat nasional dan peringkat

sektor awam. Strategi Data Sektor Awam adalah strategi pengurusan

data yang menggabungkan strategi jangka panjang bagi pelaksanaan

perkhidmatan kerajaan dan strategi pelaksanaan data di peringkat

negara. Sinergi kedua-dua strategi tersebut berupaya menjamin hala tuju

pelaburan Kerajaan dalam pengurusan data Kerajaan yang mampan.

6.1.1 Manfaat Strategi Data

Strategi Data merangkumi penerangan bagaimana ekosistem data, polisi

dan peraturan dikawal selia melalui tadbir urus data dan keselamatan

data diperkukuhkan melalui polisi keselamatan dan keupayaan teknologi.

Strategi pengurusan data Kerajaan yang bersepadu memberi manfaat

terhadap penggunaan data secara strategik dan penggunaan data di

peringkat operasi seperti berikut:

i. Mempermudah pelaksanaan perkhidmatan E2E;

ii. Menambahbaik penggubalan dasar berteraskan analitis data yang

lebih baik seperti data boleh jangka dan ramalan persepsi

(foresight) dan data yang mendalam serta memberi pemahaman

berhubung sesuatu perkara dan penyelesaiannya (insight);

iii. Mengurangkan tugas pentadbiran permohonan data yang

berulang bagi data yang sama di pelbagai agensi;

iv. Meningkatkan ketangkasan dalam mengurus tadbir data melalui

penggunaan semula data secara cekap serta keampuhan

pengurusan keselamatan data;

v. Mengutamakan ketelusan data serta mengurangkan risiko

ketirisan data dalam peringkat pemprosesan data; dan

vi. Memperkukuhkan kualiti data menerusi penambahbaikan polisi

pengurusan data dan perkhidmatan data.

Strategi Data dilaksanakan sejajar dengan inisiatif pengurusan data

sedia ada seperti inisiatif pengurusan identiti diri dan keluarga melalui



MyKad dan Identiti Digital Nasional; pengurusan registri syarikat dan

industri; dan penetapan alamat atau lokasi seperti data poskod. Antara

lain, inisiatif dasar perkongsian data di peringkat nasional dan sektor

awam turut disejajarkan.

6.1.2 Cabaran Strategi Data

Strategi data akan dapat menggambarkan bagaimana setiap inisiatif ini

berhubungkait bagi mewujudkan ekosistem pengurusan data yang

bersepadu (cohesive) supaya dapat mengatasi cabaran berikut:

i. Pendaftaran maklumat individu dan keluarga serta

pendaftaran maklumat syarikat dan industri yang berselerak

dan teragih. Pendekatan ini tidak menyokong Once Only

Principle dalam memastikan penawanan data sekali sahaja dari

sumber data yang boleh dipercayai;

ii. Kesukaran penggunaan semula data akibat daripada amalan

penawanan data yang sama berulang oleh pelbagai agensi.

Sehubungan itu, pemadanan pelanggan kerajaan (G2C, G2B,

G2G dan G2E) dengan perkhidmatan kerajaan yang ditawarkan

amat sukar dan hampir mustahil untuk dilaksanakan;

iii. Tentangan perubahan terhadap proses kerja manual yang

masih tinggi akibat daripada proses kerja yang tidak berintegrasi

di kalangan agensi Kerajaan. Hal ini menyebabkan interaksi

pelanggan kerajaan terpaksa dilaksanakan melalui kaunter,

penghantaran dokumen fizikal antara agensi dan pelbagai antara

muka sistem yang perlu dikunci masuk. Senario ini menyebabkan

penyampaian perkhidmatan antara agensi sangat tidak cekap.

Strategi Data yang berteraskan pemanfaatan data digital akan

menyumbang kepada Wawasan Kemakmuran Bersama dan matlamat

Ekonomi Digital. Visi Strategi Data tersebut perlu dizahirkan dalam

penggubalan polisi serta keputusan dalam perancangan, pembangunan

dasar dan keberkesanan penawaran perkhidmatan digital.



6.1.3 Program Strategi Data

Program Strategi Data yang memfokuskan kepada penawanan pelbagai

sumber data oleh agensi Kerajaan melalui pendekatan Whole-of-

Government (WoG), memberi peluang terhadap penggunaan kepintaran

data. Kepintaran data adalah asas kepada analisis dan analitik data yang

dapat dilaksanakan dengan menggunakan teknologi API, kecerdasan

buatan (Artificial Intelligence - AI) dan kepintaran perniagaan (Business

Intelligence – BI).

Antara program strategi kepintaran dan inovasi data yang telah

dilaksanakan oleh Kerajaan adalah program CHiPTA atau CHallenge on

Innovation and Problem solving through Technology Advancement.

CHiPTA. CHiPTA merupakan gabungan Hackhaton Data Terbuka dan

Hackhaton Aplikasi Mudah Alih yang bertujuan mengembangkan bakat

rekacipta masyarakat dalam membangunkan penyelesaian yang inovatif

dan kreatif dengan menggunakan teknologi terkini berasaskan

pembangunan aplikasi.

Strategi data di peringkat agensi melibatkan tanggungjawab agensi

untuk menyusun program agensi masing-masing dalam penggunaan

data secara inovatif seiring dengan inisiatif CHiPTA. Tahap kewibawaan

dan kawalan di peringkat agensi untuk menjalankan aktiviti pengurusan

data mungkin berbeza. Sehubungan itu sangat penting untuk agensi

menganjurkan program kesedaran pengurusan data yang baik seperti

meningkatkan penerbitan Data Terbuka, pengemaskinian metadata dan

mematuhi piawaian yang telah ditetapkan serta inisiatif analitis data.

Adalah sangat penting faedah pengurusan data dan tadbir urus data

dimaklumkan dengan jelas kepada pengurusan tertinggi agensi supaya

pelaksanaan pemanfaatan data pintar milik agensi diterajui oleh



pengurusan tertinggi Kementerian/agensi. Kejayaan pelaksanaan

strategi data bergantung kepada perkara berikut:

i. Keperluan untuk tadbir urus data difahami dengan jelas oleh pihak

pengurusan tertinggi agensi;

ii. Persepsi pengurusan data dengan meletakkan data sebagai aset

yang amat bernilai kepada organisasi;

iii. Perubahan minda bahawa mengurus data adalah tanggungjawab

bersama dan tidak khusus sebagai elemen teknologi maklumat

sahaja. Perubahan minda dilaksanakan melalui program

pengurusan perubahan yang berkesan; dan

iv. Pengurusan data serta tadbir urus data merupakan aktiviti yang

berterusan dan digabungjalinkan pengurusannya dalam kitaran

hayat data yang bersepadu dalam proses kerja dan penyampaian

perkhidmatan seharian.

Strategi Data akan menggariskan perkara berikut:

i. Perkongsian data peribadi individu dan keluarga dijelaskan

dalam dasar perkongsian data di peringkat nasional dan sektor

awam bagi meningkatkan kepercayaan pelanggan kerajaan.

Sebagai contoh, badan kawal selia khusus diwujudkan bagi

memastikan perkongsian data peribadi dalam kalangan agensi

sektor awam dan penggunaan semula data adalah terpelihara

mengikut kebenaran yang telah dipersetujui dan ditetapkan;

ii. Registri data utama Kerajaan (base registries) ditetapkan

kepada satu badan kawal selia yang khusus bagi menjamin

pelaksanaan Once Only Principle dan pengoptimuman kos

infrastruktur penyimpanan data. Menurut European

Interoperability Framework, base registries bermaksud:

“reliable sources of basic information on items such as

persons, companies, vehicles... that are authentic and

authoritative”.;



iii. Ketelusan penggunaan data pelanggan Kerajaan

dimaklumkan kepada pemilik data (individu) setelah kebenaran

(consent) diperoleh. Data individu atau keluarga tersebut boleh

diakses melalui Portal khusus yang dibangunkan untuk individu

seperti gerbang tunggal perkhidmatan kerajaan

(www.malaysia.gov.my) atau aplikasi mobil khusus kerajaan

seperti aplikasi MySejahtera. Reka bentuk architecture bagi

penyimpanan log sistem sangat penting supaya rakyat boleh

mengetahui rekod ‘Audit trail’ yang menunjukkan maklumat

individu di akses oleh agensi kerajaan tertentu bagi tujuan tertentu

dan meningkatkan ketelusan serta kepercayaan kepada

penjagaan dan penggunaan data Kerajaan yang selamat.

iv. Platform pengurusan API berteraskan Service Oriented

Architecture (SOA) atau reka bentuk architecture yang sesuai

dengan keupayaan interoperability perlu dibangunkan. Platform

ini memudahcara perkongsian data dan penggunaan semula data

dalam kalangan agensi serta merentas agensi dengan selamat.

v. Keselamatan data di pelbagai peringkat pemprosesan data

dilaksanakan daripada mula reka bentuk keperluan pengurusan

dan penggunaan data melalui amalan prinsip ‘Security by Design’.

Amalan ini berupaya meningkatkan kepercayaan penyedia dan

pengguna data serta semua pihak yang berkepentingan dalam

ekosistem pengurusan data.

vi. Pendekatan berstruktur dalam penghasilan produk data

antaranya seperti analitik data berupaya memupuk kepentingan

penetapan nilai data dan klasifikasi data daripada peringkat awal

penawanan data. Amalan ini meningkatkan kebolehgunaan data

dalam penggubalan polisi, perancangan dan pembuatan

keputusan oleh agensi.

vii. Penetapan standard format data dan standard id data dalam

Kamus Data serta penetapan pemilik data memudahcara serta

http://www.malaysia.gov.my/



meningkatkan keyakinan pemilik data terhadap pertukaran data

dan penggunaan semula data oleh pelbagai agensi.

viii. Tadbir urus pengurusan data yang jelas dan berstruktur serta

amalan ‘good governance’ dalam pengurusan data berupaya

memastikan mekanisma pemerolehan data, penggunaan data,

penyimpanan data dan perkongsian data dilaksanakan dalam

persekitaran kerja yang seragam dan memenuhi etika serta

keselamatan data.

6.1.4 Strategi Penawanan Data Digital

Penawanan data digital seharusnya menggantikan kaedah penawanan

data melalui kertas atau bertulis. Amalan ‘Digital First Strategy’ yang

mengutamakan reka bentuk perkhidmatan kerajaan berteraskan kepada

data digital dan pemanfaatan teknologi digital merupakan pendekatan

terbaik bagi penawanan data digital. Penawanan data digital akan dapat

merealisasikan peningkatan kualiti data, ketepatan masa, kawalan

privasi, konsistensi dan pengurangan pengisian data berulang kali oleh

rakyat.

Pengisian data oleh masyarakat dan komuniti perniagaan sekali sahaja

bukan hanya terhad kepada perkhidmatan digital yang berbentuk

transaksi tetapi juga melibatkan keperluan respon rakyat terhadap apa

jua tinjauan atau soal selidik kajian, analisis statistik, dan lain-lain.

Pengenalan platform pengumpulan data digital yang mudah dan boleh

diperluas untuk tinjauan oleh Kerajaan akan membantu agensi Kerajaan

menyediakan satu platform kutipan data untuk digunakan bersama oleh

semua agensi kerajaan.

Rentetan kepada strategi penawan data digital ini, strategi pengumpulan

dan penyimpanan data yang memanfaatkan teknologi awan boleh

dijayakan. Platform penawanan data digital melalui satu platform yang

selamat dengan dilengkapi pengesahan ID Digital berupaya mendapat

respon masyarakat yang sangat cepat bagi kegunaan Kerajaan dalam



mengkaji suatu dasar baru, mengenalpasti tahap keberkesanan dasar

dan perkhidmatan serta memahami keperluan rakyat dan kepuasan hati

pengalaman rakyat berinteraksi melalui pelbagai medium digital dan

bukan digital yang disediakan. Antaranya contoh respon rakyat terhadap

banci melalui e-Cencus.

Kejayaan penawanan data digital yang mudah bergantung kepada reka

bentuk antara muka (UI/UX) aplikasi yang sediakan bagi pengguna.

Kawalan kecekapan data di tawan dan kualiti data yang ditawan daripada

sumber asal perlu dibangunkan supaya antara muka aplikasi adalah

sangat mudah. Bagi maksud tersebut, standard reka bentuk dan stail

paparan UI/UX hendaklah diseragamkan dari segi ‘look and feel’ supaya

pengalaman yang sama dirasai oleh masayarat. Sebagai contoh aplikasi

MySejahtera dan Portal MyGovernment.

Hasil daripada penawanan data digital daripada sumber asal yang sah,

memungkinkan Kerajaan membangunkan katalog data daripada

metadata yang dibina. Katalog data merupakan repositori yang

mempunyai maklumat berhubung data yang disimpan oleh Kerajaan

serta agensi pemilik atau agensi penjaga data tersebut. Katalog direka

untuk membantu agensi mencari data dan memahami bagaimana data

tersebut dapat digunakan termasuk kemampuan untuk mendaftar,

mengklasifikasikan, dan memperincikan metadata. Pengayaan

kandungan metadata dalam DDSA Kerajaan memudahkan pemahaman

dan penyebaran maklumat data yang disimpan oleh Kerajaan dan boleh

diguna semula.

Untuk melengkapkan katalog, platform pengurusan API yang mungkin

disediakan melalui MyGDX turut menyenaraikan katalog API bagi

kegunaan semua agensi Kerajaan. Platform pengurusan API sangat

penting dalam menyediakan persekitaran interaksi data daripada mesin

kepada mesin lain sebagai jambatan interoperability dan integrasi dalam

ekosistem perkhidmatan E2E kerajaan. Untuk membina katalog data,

tadbir urus data yang kukuh perlu diwujudkan.



Interoperability data seperti X-Road Estonia dan The European

Interoperability Framework (EIF) merupakan pendekatan kerjasama dan

kolaborasi dalam kalangan agensi Kerajaan bagi visi pemantapan

perkongsian data Sektor Awam. Pemacu kolaborasi didorong oleh

keperluan untuk penggunaan semula data bagi perkhidmatan Kerajaan

yang bersepadu. Mengikut OECD, gambaran platform interoperability

yang boleh diwujudkan adalah seperti Rajah 6-3.

Rajah 6-3 : Gambaran Platform Interoprability Data

6.1.5 Struktur Tadbir Urus Data

Struktur tadbir urus data sangat penting bagi menjamin keabsahan dan

kebenaran data. Secara holistik, pengurusan data Sektor Awam

memerlukan satu jawatankuasa penyelaras di peringkat agensi pusat

dan Jawatankuasa serta pasukan kerja di peringkat agensi pelaksana.

Di peringkat pusat, Jawatankuasa Penyelarasan Program Berpacukan

Data (JPPBD) Sektor Awam diwujudkan dengan terma rujukan berikut:

i. Menentukan hala tuju dan strategi Program Berpacukan Data

Kerajaan;

ii. Memantau status pelaksanaan Program Berpacukan Data; dan



iii. Memberi nasihat berhubung dasar dan isu-isu semasa berkaitan

Program Berpacukan Data.

Struktur JPPBD adalah seperti Rajah 6-4 dan perincian keahlian adalah

seperti di Lampiran 2. Penyelarasan pelbagai Jawatankuasa data perlu

sentiasa dikaji semula bagi memastikan semua keperluan dan isu data

dibincangkan dalam satu forum yang sama. Bagaimanapun pasukan

kerja boleh disesuaikan mengikut keperluan struktur pengurusan data

agensi masing-masing.

Rajah 6-4 : Struktur Tadbir Urus Program Berpacukan Data Sektor Awam

Sebagai contoh, strategi pelaksanaan Analitis Data Raya Sektor Awam,

dipantau pelaksanaannya melalui tadbir urus analitis data raya60 yang

hampir sama dengan struktur tadbir urus data terbuka sektor awam61

seperti Rajah 6-5. Perincian peranan jawatankuasa data terbuka sektor

awam adalah seperti di Lampiran 3. Manakala strategi pengurusan

Kamus Data Sektor Awam62 dipantau pelaksanaannya melalui struktur

tadbir urus Kamus Data Sektor Awam seperti Rajah 6-6 dan perincian

peranan di Lampiran 4.

60 Pekeliling Transformasi Pentadbiran Awam Bil. 1 Tahun 2017, Pelaksanaan Analitis Data Raya Sektor Awam 61 Pekeliling Am Bil.1 Tahun 2015, Data Terbuka Sektor Awam 62 Pekeliling Am Bil.2 Tahun 2002, Data Dictionary Sektor Awam



Rajah 6-5 : Struktur Tadbir Urus Data Terbuka Sektor Awam

Rajah 6-6 : Struktur Tadbir Urus Kamus Data Sektor Awam

Petunjuk: Jabatan Perkhidmatan Awam (JPA); Unit Penyelarasan Pelaksanaan (ICU), Pusat Geospatial Negara (PGN), Jabatan Akauntan Negara Malaysia (ANM), Jabatan Kehakiman Syariah Malaysia (JKSM) dan Jabatan Statistik Malaysia (DOSM).



Tadbir urus data geospatial negara dipantau pelaksanaannya bersinergi

dengan keperluan tadbir urus tanah negara. Gambaran struktur tadbir

urus Data Geospatial Negara63 yang bertanggungjawab dalam

pemakaian standard maklumat geospatial adalah seperti Rajah 6-7.

Rajah 6-7 : Struktur Tadbir Urus Data Geospatial Negara

Polisi dan Peraturan

Polisi pengurusan data yang jelas sangat penting untuk menyatakan

matlamat tadbir urus data dan program pengurusan data bagi

melancarkan aktiviti pengurusan data yang efektif di peringkat agensi.

Antaranya polisi dalam perkara berikut:

i. Polisi membuat keputusan yang berkesan melalui penggunaan

data berkualiti;

ii. Polisi penggunaan data dalam mengatasi masalah pelanggan

kerajaan dan penyelesaian secara holistik dengan

mengintegrasikan sistem yang pelbagai;

63 Surat Pekeliling Pelaksanaan Infrastruktur Data Geospatial Negara (MyGDI) Bilangan 1 Tahun 2014



iii. Polisi mengurangkan pengumpulan data yang sama dan

menggalakkan penggunaan semula data yang telah ditawan;

iv. Polisi penentuan akauntabiliti data bagi menetapkan peranan dan

kebertanggungjawaban badan kawalselia data kerajaan,

penyedia data, pengguna data dan penyedia perkhidmatan data;

dan

v. Polisi pengurusan MDM serta penyeragaman pendekatan MDM.

Polisi yang dibangunkan perlu disertakan bersama panduan yang jelas,

ringkas dan komprehensif serta mendokong persekitaran perkongsian

maklumat/data di kalangan agensi Kerajaan. Bagi maksud penyediaan

panduan pengurusan data, proses kerja, prinsip perkhidmatan dan dasar

kerajaan perlu disemak, dikaji semula dan diperbaharui bagi menyokong

matlamat perkongsian data. Pembaharuan ini turut diselaraskan dengan

pelaksanaan di pelbagai peringkat pentadbiran Kerajaan supaya sesuai

dengan keperluan di setiap lokaliti dan geolokasi perkhidmatan tersebut.

Terutamanya di peringkat PBT.

Polisi dan peraturan serta panduan pengurusan data serta perkongsian

data perlu dilaksanakan bersekali dengan program pembudayaan di

peringkat agensi. Budaya pengurusan data berpusat, pengamalan

prinsip ‘Once Only Principle’, prinsip ‘Digital First Strategy’, prinsip

‘Security by Design’ dan penggunaan pemanfaatan data akan menjadi

daya penggerak kepada amalan pengurusan data yang baik.

Perubahan minda untuk menerima bahawa tahap kepercayaan terhadap

keselamatan data yang dijaga dan dikawalselia oleh agensi adalah tinggi

akan mengubah keyakinan pemimpin, pengurusan agensi, pemilik

proses, agensi pemilik data dan agensi pengguna data untuk memberi

kebenaran perkongsian data atas keperluan. Penetapan prinsip

perkongsian data dalam Dasar Perkongsian Data Sektor Awam serta

prinsip interoperability dalam tadbir urus pengurusan DDSA akan

menjadi tunjang kepada polisi dan peraturan pengurusan data Kerajaan.



Keselamatan Data

Data merupakan aset penting bagi sesebuah kerajaan dan kebanyakan

data yang dijana oleh kerajaan menjadi sebahagian daripada proses

operasi yang memerlukan tahap keselamatan dan privasi yang berbeza.

Kawalan keselamatan maklumat dan data Kerajaan dilaksanakan

berteraskan Rangka Kerja Keselamatan Siber Sektor Awam

(RAKKSSA), Dasar Keselamatan ICT (DKICT) Agensi dan amalan

Information Security Management System (ISMS). Ketiga-tiga dasar dan

peraturan tersebut menetapkan proses keselamatan kaedah

pengendalian data dan maklumat khususnya yang melibatkan isu

keselamatan negara dan kedaulatan negara.

Dokumen RAKKSSA Versi 1.064, menggariskan kawalan keselamatan

data dan maklumat bagi mengawal risiko penyalahgunaan dan ketirisan

data dan maklumat Kerajaan seperti mana dijelaskan di para 6.3.1

hingga 6.3.7.

6.3.1 Prinsip Keselamatan Maklumat dan Data

Prinsip keselamatan hendaklah dipilih berdasarkan penilaian risiko dan

kategori data dan maklumat yang dikendalikan oleh sistem aplikasi.

Objektif utama keselamatan maklumat adalah:

i. Kerahsiaan;

ii. Integriti;

iii. Ketersediaan;

iv. Tanpa Sangkalan; dan

v. Pengesahan.

Mengenal pasti kategori maklumat dan data merupakan satu langkah

penting dalam memastikan perlindungan yang mencukupi dan

bersesuaian dengan kategori maklumat berkenaan. Semua maklumat

dan data yang dijana atau dikumpul oleh Jabatan hendaklah diasingkan

64 RAKKSSA versi 1.0, April 2016



mengikut kategori Maklumat Rasmi dan Data Rahsia Rasmi/Maklumat

Rahsia Rasmi. Maklumat Rasmi adalah maklumat yang diwujudkan,

digunakan, diterima atau dikeluarkan secara rasmi oleh mana-mana

agensi Kerajaan semasa menjalankan urusan rasmi. Maklumat Rasmi ini

juga adalah merupakan rekod awam yang tertakluk di bawah peraturan-

peraturan Arkib Negara.

Maklumat Pengenalan Peribadi (PII atau Personally Identifiable

Information) adalah maklumat yang boleh digunakan secara tersendiri

atau digunakan dengan maklumat lain untuk mengenal pasti individu

tertentu. Data PII mengandungi data peribadi dan data sensitif individu.

Sebaliknya, PII boleh juga terkandung dalam Maklumat Rahsia Rasmi.

Jabatan hendaklah mengamalkan prinsip peminimuman data yang

menghadkan penyimpanan data peribadi kepada yang diperlukan dan

disimpan dalam tempoh yang diperlukan sahaja. Manakala penggunaan

Produk Kriptografi Terpercaya adalah mandatori bagi pengendalian Data

Rahsia Rasmi/Maklumat Rahsia Rasmi.

6.3.2 Aliran Data

Jabatan hendaklah memastikan pengasingan aliran data, persekitaran

dan rangkaian bagi setiap kategori maklumat, iaitu Data Rahsia Rasmi/

Maklumat Rahsia Rasmi, Maklumat Rasmi, PII dan Data Rasmi

Terbuka/Data Terbuka untuk mengurangkan risiko keselamatan. Aliran

data dan komunikasi dalam Jabatan hendaklah dikenal pasti, direkodkan

dan dikaji semula secara berkala.

Saluran komunikasi aliran data termasuk:

i. Saluran komunikasi dan aliran data antara sistem dalam Jabatan;

ii. Saluran komunikasi dan aliran data ke sistem luar; dan

iii. Saluran komunikasi dan aliran data ke ruang storan

pengkomputeran awan sebagai saluran komunikasi luaran.



Bagi menjamin keselamatan aliran data, data yang mempunyai tahap

kerahsiaan yang tinggi seperti Rahsia dan Rahsia Besar yang digariskan

oleh CGSO, persekitaran awan tidak sesuai digunakan. Manakala, bagi

data selain Rahsia dan Rahsia Besar, aliran data ke ruang storan

pengkomputeran awan awam (public cloud) yang dihos oleh Microsoft.

TM, AWS dan Google, pelaksanaan keselamatan dan perlindungan

maklumat adalah terpakai.

Pengelasan dan pengelasan semula data/maklumat agensi yang jelas

dan pemilihan model perkhidmatan pengkomputeran awan yang sesuai

menjamin keselamatan data dalam ruang storan pengkomputeran awan

berteraskan ‘Cloud First Policy’. Pekeliling Kemajuan Pentadbiran Awam

(PKPA) Bil. 1 Tahun 2021 Dasar Perkhidmatan Pengkomputeran Awan

menggariskan dasar “Cloud First Policy’ berikut:

i. Pelaksanaan semua projek ICT hendaklah menggunakan

teknologi pengkomputeran awan;

ii. Memberi keutamaan kepada penggunaan MyGovCloud@PDSA

di MAMPU bagi aplikasi kritikal Kerajaan;

iii. Peningkatan dan penambahbaikan sistem aplikasi perlu

mengambil kira penggunaan perkhidmatan pengkomputeran

awan;

iv. Merancang dan menyediakan anggaran perbelanjaan serta

pelaksanaan perolehan ICT selaras dengan keperluan

penggunaan perkhidmatan pengkomputeran awan;

v. Penggunaan perkhidmatan pengkomputeran awan yang sedang

dilanggan perlu mematuhi Dasar Perkhidmatan Pengkomputeran

Awan;

vi. Permohonan perkhidmatan pengkomputeran Awan merujuk

kepada Kontrak Panel Berpusat Pengkomputeran Awan (Cloud

Framework Agreement) di MAMPU; dan

vii. Pengecualian penggunaan perkhidmatan pengkomputeran awan

dibolehkan sekiranya terdapat halangan perundangan,



keselamatan, architecture sistem, dan keperluan prosesan

berprestasi tinggi.

Penentuan klasifikasi data/maklumat yang disimpan dalam

pengkomputeran awan boleh merujuk kepada ‘Garis Panduan

Pengurusan Keselamatan Maklumat Pengkomputeran Awan Sektor

Awam’ yang disediakan oleh CGSO. Gambaran model pelaksanaan

penggunaan pengkomputeran awan di Sektor Awam mengikut klasifikasi

data/maklumat adalah seperti Rajah 6-8.

Rajah 6-8 : Model Pelaksanaan Pengkomputeran Awan Sektor Awam

Mengikut Klasifikasi Data/Maklumat

Aliran data dan komunikasi hendaklah diurus berdasarkan Akta Arkib

Negara (Akta 629). Terdapat tiga (3) peringkat pemprosesan data dalam

pengurusan aliran data iaitu:

(1) Data Dalam Simpanan

Jabatan hendaklah menggunakan teknologi yang bersesuaian

untuk melindungi Data Dalam Simpanan bagi menghalang

capaian data yang tidak dibenarkan dan memelihara integriti data.

Teknologi dan langkah-langkah perlindungan hendaklah dipilih

berdasarkan penilaian risiko untuk melindungi Data Dalam



Simpanan. Data Rahsia Rasmi/Maklumat Rahsia Rasmi,

Maklumat Rasmi dan PII perlu dilindungi daripada segi kerahsiaan

dan integriti data. Manakala Data Rasmi Terbuka/Data Terbuka

perlu dilindungi daripada segi integriti data.

(2) Data Dalam Pergerakan


untuk melindungi Data Dalam Pergerakan bagi menghalang



berdasarkan penilaian risiko untuk melindungi Data Dalam

Pergerakan.

(3) Data Dalam Penggunaan


untuk melindungi Data Dalam Penggunaan bagi menghalang


Di samping itu, teknologi untuk menentukan asal data dan tanpa

sangkalan mungkin diperlukan. Teknologi dan langkah-langkah

perlindungan hendaklah dipilih berdasarkan penilaian risiko untuk

melindungi Data Dalam Penggunaan.

6.3.3 Teknologi Pengurusan Keselamatan Data

Teknologi Pengurusan Keselamatan Data digunakan untuk memastikan

data asal dan data/transaksi tanpa-sangkal boleh digunakan oleh agensi.

Teknologi untuk melindungi data hendaklah dikenal pasti di semua

peringkat pemprosesan data dan pada setiap elemen pengkomputeran.

Pelayan yang mengehos rangkaian hendaklah mengasingkan capaian

umum dan persendirian. Pengasingan capaian persendirian mungkin

perlu berdasarkan penilaian risiko. Sebagai contoh, bagi perkhidmatan

untuk capaian dari internet, pelayan dan pangkalan datanya mungkin

perlu dihoskan dalam segmen rangkaian yang berasingan dan

membenarkan saling hubung yang terhad.



6.3.4 Perlindungan Ketirisan Data

Teknologi perlindungan ketirisan data bertujuan untuk menghalang

pengguna yang sah daripada menyebarkan maklumat tanpa kebenaran.


berdasarkan penilaian risiko untuk menghalang atau mengesan ketirisan

data. Teknologi dan kawalan keselamatan perlu dikenal pasti dan

diperincikan dalam Pelan Pengurusan Keselamatan Maklumat untuk

melindungi Data Dalam Penggunaan, Data Dalam Pergerakan, Data

Dalam Simpanan dan menghalang ketirisan data.

6.3.5 Kriptografi

Kriptografi merupakan alat yang penting dan asas untuk menguruskan

keselamatan ICT. Objektif utama keselamatan maklumat yang dipenuhi

oleh alat kriptografi asas adalah:

i. Kerahsiaan melalui penyulitan;

ii. Integriti data melalui fungsi hash, Kod Pengesahan Mesej (MAC)

dan tandatangan digital;

iii. Jaminan pengesahan sumber data melalui MAC dan tandatangan

digital;

iv. Tanpa-sangkalan melalui tandatangan digital; dan

v. Jaminan pengesahan entiti melalui protokol kriptografi.

6.3.6 Pelupusan Data

Semua pelupusan media storan hendaklah dirujuk kepada CGSO

sebagai langkah pertama. CGSO akan membuat keputusan sama ada

sistem itu mengandungi Data Rahsia Rasmi (maklumat terperingkat).

Berdasarkan keputusan CGSO, pelupusan hendaklah dirujuk kepada

Arkib Negara sebagai langkah kedua. Arkib Negara akan membuat

keputusan sama ada sistem itu mengandungi maklumat yang termaktub

di bawah tindakan Akta Arkib Negara. Pelupusan hendaklah hanya



berlaku selepas rujukan kepada kedua-dua pihak tersebut. Pelupusan

boleh dalam bentuk pemusnahan fizikal dan/atau sanitasi data. Sanitasi

data hendaklah mengikut garis panduan yang dikeluarkan oleh Kerajaan.

6.3.7 Jejak Audit dan Penguatkuasaan Kesalahan Data

Log/Jejak audit hendaklah disimpan dan direkodkan selaras dengan

arahan/pekeliling sedia ada yang dikeluarkan oleh Kerajaan. Bab II,

Perkara 13 Arahan Teknologi Maklumat 2007, Peraturan di bawah Akta

Aktiviti Kerajaan Elektronik (Electronic Government Activities Act

[EGAA]) 2007 menegaskan keperluan log/Jejak audit dikawal bagi

mengekalkan integriti data dalam memudah cara transaksi elektronik.

Jejak audit merupakan rekod aktiviti yang digunakan sebagai cara

merekodkan peristiwa dan mewujudkan akauntabiliti. Adalah penting

untuk memastikan ketepatan log audit yang diperlukan untuk siasatan

atau sebagai bukti dalam undang-undang atau kes disiplin. Setiap

perubahan kepada data mesti direkodkan mengikut susunan kronologi

dan secara terperinci. Sejarah lengkap transaksi mesti direkodkan dan

dikekalkan bagi setiap sesi yang melibatkan akses kepada maklumat

terperingkat dan maklumat-maklumat sensitif lain menurut Arahan

Keselamatan oleh CGSO bagi membenarkan pengauditan sistem.

Analisis ke atas log/Jejak audit hendaklah dilakukan secara bulanan bagi

mengesan:

i. Kegagalan capaian;

ii. Penggunaan yang tidak normal, contohnya akses terhadap sistem

di luar waktu kebiasaan, kekerapan akses dan tempoh

penggunaan yang berlainan dari kebiasaan;

iii. Capaian ke atas rekod-rekod terhad;

iv. Transaksi yang tertentu; dan

v. Penggunaan sumber yang sensitif, contohnya cek kosong,

pasport, sijil peperiksaan dan sijil kelahiran.



Pelanggaran keselamatan maklumat yang berkaitan dengan tata tertib

hendaklah dikuatkuasakan oleh Ketua Perkhidmatan mengikut Perintah

Am Bab D. Manakala Semua kesalahan jenayah hendaklah

dikuatkuasakan oleh Polis DiRaja Malaysia (PDRM) dan kesalahan

berkaitan perkara di bawah Akta Komunikasi dan Multimedia 1998 (Akta

588) dan Akta Tandatangan Digital 1997 (Akta 562) dikuatkuasakan oleh

Suruhanjaya Komunikasi dan Multimedia Malaysia (SKMM).

Ekosistem Data

Ekosistem data merangkumi aspek polisi, budaya, manusia dan proses

pengurusan data. Keperluan polisi, peraturan dan budaya pengamalan

data pintar dibincangkan di para sebelum ini. Polisi pengurusan data

merangkumi dasar perkongsian data serta standard rujukan architecture

data kerajaan. Pembudayaan amalan inovasi berpacukan data

mendorong keupayaan penggunaan data secara pintar melalui

penerapan penyimpanan data yang bernilai.

Keupayaan penggunaan data secara bernilai dan berpacukan data pintar

dilaksanakan menerusi analitis data raya dan analisis data yang

disimpan dalam data lake dan gudang data. Kemahiran penganalisisan

data memerlukan keterlibatan saintis data dan jurutera data dalam

mereka bentuk keperluan analitik bagi menyokong visualisasi data yang

membentuk pemahaman yang mendalam (insight) dan ramalan persepsi

(foresight). Reka bentuk data bagi maksud analitik perlu ditadbir seawal

proses penawanan data sehinggalah akhir proses kitaran pengurusan

data. Peringkat kitaran hayat data digambarkan melalui ilustrasi Rajah 6-

9.



Rajah 6-9 : Kitaran Hayat Data Sektor Awam

Peringkat kitaran hayat data dijelaskan dengan memberi jawapan

kepada beberapa soalan berkaitan proses di setiap peringkat kitaran

hayat berikut:

(1) Penciptaan/Penawanan data

i. Adakah entiti data diperlukan? Jika ya, adakah entiti data

dihasilkan/ditawan daripada sumber asal (data provenance)?

ii. Siapakah data steward? Sekiranya data steward adalah

jabatan lain, maka entiti data harus dicipta/ditawan oleh

jabatan pemilik.

iii. Perkhidmatan/proses kerja mana yang akan menghasilkan

entiti data?

iv. Apakah atribut entiti data yang perlu dicipta serta hubungan

entiti tersebut?

v. Apakah klasifikasi data yang akan dicipta? (Data Rahsia

Rasmi (data terperingkat) atau Data Rasmi Terbuka (data

tidak terperingkat)).

vi. Peranti apa yang akan digunakan/diperlukan untuk menawan

data?



vii. Adakah terdapat keperluan keselamatan di tempat

pengumpulan data? Sebagai contoh, data biometrik yang

perlu disahkan dengan rakyat/individu/agensi perlu disimpan

di dalam negara. Keperluan lain ialah data harus disulitkan

sebelum dihantar melalui rangkaian iaitu bagi Data Dalam

Penggunaan dan Data Dalam Pergerakan.

(2) Penyimpanan Data

i. Di manakah data harus disimpan? Adakah di Pusat Data

Sektor Awam atau di pusat data agensi?

ii. Bagaimanakah data harus disimpan? Adakah ia disimpan di

dalam DBMS atau sistem fail?

iii. Apakah keperluan keselamatan untuk Data Dalam

Simpanan? Sebagai contoh, adakah data perlu disimpan

dalam format sulit?

iv. Bagaimanakah penyimpanan data memberi kesan kepada

masa menyimpan dan masa mengambil semula data

(retrieve)?

v. Adakah sebarang polisi penyimpanan patut dikenakan?

Apakah sandaran polisi tersebut?

vi. Adakah terdapat persediaan Data Recovery? Apa yang harus

menjadi dasar penyediaan Data Recovery?

vii. Perlukah sebarang Data Access Monitoring tools digunakan?

(3) Penggunaan Data

i. Untuk tujuan apa penggunaan data? Dalam hal data yang

berkaitan dengan rakyat, tujuan penggunaan data tersebut

perlu dimaklumkan pada awal penawanan data (consent

data). Ini sangat penting bagi membina kepercayaan terhadap

pemberi data dan pengguna data.

ii. Siapa yang akan mempunyai akses kepada data untuk tujuan

yang ditelah dibenarkan/dipersetujui?



iii. Sekiranya data tersebut akan diterbitkan dalam bentuk

laporan atau sebagai asas kepada keputusan kerajaan,

adakah proses ketanpanamaan data (data anonymisation)

perlu dilaksanakan?

iv. Adakah kawalan pengurusan data peribadi telah

dilaksanakan?

(4) Perkongsian data

i. Siapakah pemilik atau pengurus data yang perlu dikongsikan?

Siapakah data steward? Adakah kebenaran perkongsian data

telah diperoleh?

ii. Apakah mekanisme teknikal atau platform/hub perkongsian

data yang digunakan? Adakah ia akan dikongsi melalui

perkhidmatan web, dalam peranti fizikal seperti cakera keras

dan lain-lain?

iii. Mekanisme keselamatan apa yang harus dibuat untuk

memastikan bahawa data selamat semasa berkongsi?

(5) Penerbitan Data

i. Apakah data yang boleh diterbitkan Data Terbuka/Data Rasmi

Terbuka?

ii. Apa mekanisme penerbitan Data Rahsia Rasmi (data

terperingkat)?

iii. Mekanisme keselamatan apa yang harus dibuat untuk

memastikan bahawa tidak berlaku ketirisan terhadap Data

Rahsia Rasmi (data terperingkat)?

(6) Penggunaan semula

i. Apa bentuk visualisasi penggunaan semula data? Contoh

penggunaan semula adakah secara analisis statistik atau

machine learning.

ii. Keputusan (polisi dan perkhidmatan) data?



iii. Apa mekanisme penerbitan Keputusan (peristiwa

kehidupan)?

iv. Pemahaman yang mendalam berhubung Prestasi (insight)

v. Ramalan persepsi (foresight)?

(7) Pengarkiban data

i. Apakah polisi arkib? Bilakah data harus diarkibkan (retention

of data)? Di mana ia harus diarkibkan (dalam pangkalan data

yang berasingan, dan lain-lain.)

ii. Di peranti/media mana data harus diarkibkan?

iii. Apakah architecture untuk menyimpan data dalam arkib?

iv. Adakah terdapat keperluan untuk menyediakan akses ke data

yang diarkibkan?

v. Adakah terdapat syarat untuk melihat dan/atau menganalisis

data yang diarkibkan?

vi. Adakah terdapat syarat keselamatan yang harus dipenuhi

untuk menyimpan data di penyimpanan arkib?

(8) Penghapusan data

i. Apakah polisi untuk menghapus/memusnahka) data? Bilakah

ia perlu dimusnahkan?

ii. Adakah perlu untuk menghapus data dari pangkalan data atau

sistem fail atau memusnahkan peranti penyimpanan data atau

diarkibkan?

Teknologi Data

Penggunaan teknologi pengurusan data yang telah matang di pasaran

dan potensi teknologi baharu harus digabung jalinkan untuk

dimanfaatkan sepenuhnya dalam menyediakan infrastruktur data.

Infrastruktur data yang merangkumi penggunaan platform atau perisian

khusus dalam mengurus data. Antaranya pengurusan Master Data dan

Kamus Data serta hub perkongsian data melalui MyGDX dan DDSA.

Pengurusan architecture data melalui MyGovEA, analitik data melalui



teknologi data raya, teknologi gudang data, teknologi 4IR berhubung

kepintaran data serta perkhidmatan pangkalan data oleh pusat data

agensi, PDSA & MyGovCloud.

Teknologi pengurusan dokumen digital turut disediakan melalui DDMS

dan penerbitan data terbuka melalui platform portal data terbuka.

Gambaran hubungan konsep pengurusan data dan platform data

kerajaan adalah seperti di Rajah 6-10. Rajah tersebut menjelaskan

penawanan data daripada persekitaran sebenar yang melibatkan data

milik masyarakat, agensi kerajaan dan swasta melibatkan data

pentadbiran, data transaksi dan data masa sebenar (real-time).

Kepelbagaian data yang ditawan melalui pelbagai medium dan peranti

adalah Data Raya. Kemudian bentuk data tersebut dikenal pasti sama

ada bentuk data berstruktur, separa berstruktur atau data tidak

berstruktur bagi memastikan metadata dan keterangan data adalah

tepat. Bagi data berstruktur dan separa berstruktur, taksonomi data

dikenal pasti semasa reka bentuk penyimpanan data.

Data yang terkumpul dalam data lake atau gudang data disediakan

mengikut kluster data. Keperluan ini adalah penting dalam reka bentuk

model logikal data (pemilikan, pengklasifikasian, kebenaran had akses,

penjaga data dan keselamatan data) serta model fizikal data

(penyimpanan data secara fizikal (on premis) atau pengkomputeran

awan, infrastruktur data). Bagi maksud penerbitan data, Data Terbuka

diterbitkan menggunakan platform www.data.gov.my. Manakala

keperluan perkongsian data yang disimpan dalam pangkalan data

aplikasi dihubungkan menggunakan API melalui platform MyGDX.

Penerbitan data turut disediakan menerusi visualisasi data secara

analitik data raya atau analisis data untuk dimanfaatkan oleh Kerajaan

dan masyarakat. Contoh antara muka visualisasi yang turut disediakan

adalah melalui Sistem Pengurusan Kandungan (Content Management

System – CMS) di portal.

http://www.data.gov.my/



Rajah 6-10 : Hubungan Konsep Pengurusan Data dan Platform Data Kerajaan



6.5.1 Platform Data Terbuka

Platform ini dibangunkan untuk mewujudkan suatu ekosistem Data

Terbuka yang menghubungkan agensi pemilik Data Terbuka dengan

pengguna Data Terbuka yang terdiri daripada agensi kerajaan,

akademia, industri dan rakyat. Penggunaan Data Terbuka yang

diterbitkan adalah bagi menghasilkan pelbagai inovasi Data Terbuka

sama ada dalam bentuk aplikasi, produk data, penyelidikan atau

penciptaan set data baharu. Penerbitan data oleh agensi Kerajaan di

portal www.data.gov.my. boleh digunakan secara percuma oleh

masyarakat, komuniti perniagaan dan antara Kerajaan tanpa had

capaian penggunaan.

Pelaksanaan Data Terbuka agensi perlulah berasaskan tadbir urus dan

aktiviti penyediaan set Data Terbuka seperti mengelas, menilai dan

menerbitkan set data di Portal Data Terbuka Sektor Awam merangkumi

kaedah berikut:

i. Pengkelasan set merujuk kepada pengelasan set data

berdasarkan bidang/sektor/kluster yang akan menggalakkan

penggunaan semula data secara inovatif. Kategori set data ini

http://www.data.gov.my/



tidak terhad dan boleh berubah mengikut fungsi teras dan

keperluan semasa agensi.

ii. Penilaian data merujuk kepada tiga aktiviti iaitu penilaian data

bagi memastikan tiada undang-undang, dasar, atau kekangan

dari segi kontrak dalam menyediakan data tersedia kepada orang

awam sebagai data terbuka dalam bentuk fail terbuka dan

kebolehbacaan mesin.

6.5.2 Teknologi Data Raya

Data Raya merujuk kepada data yang bersaiz besar (volume) selari

dengan pertumbuhan ekosistem penggunaan mobil dan data internet

sehingga saiz terabytes, petabytes, zettabytes dan seterusnya. Pelbagai

jenis data berstruktur dan tidak berstruktur berubah dengan pantas

(velocity) melibatkan kelajuan data dihasilkan, dihantar dan diproses

dalam kitaran hayat data. Data Raya juga merujuk kepada kepelbagaian

data yang tinggi (variety) sama ada berstruktur (pangkalan data

tradisional seperti SQL), separa berstruktur (dengan tag dan penanda

tetapi tanpa struktur formal seperti pangkalan data) dan tidak berstruktur

(data tidak tersusun tanpa fungsi business intelligence) seperti daripada

media sosial seperti blog, facebook dan twitter. Gambaran ciri Data Raya

seperti di Rajah 6-11. Perkembangan Data Raya dan ketersediaan

teknologi telah mendorong pertumbuhan inovasi baharu dalam proses

kerja agensi di mana organisasi akan mendapat manfaat daripadanya.

Data raya disediakan dari peringkat penawanan data lagi iaitu semasa

memungut data mentah (raw data) dari tasik data (data lake) atau dari

persekitaran sebenar. Selanjutnya proses pembersihan data (data

cleansing), pengharmonian data (data harmonisation), pengawanamaan

data (data anonymisation) dilaksanakan bagi memastikan data

dilindungi. Keselamatan dan perlindungan data turut berlaku semasa

proses pecutan data (data acceleration), analisis data, dan

pembayangan data (data visualisation) disediakan.



Lazimnya proses pengurusan Data Raya tidak dapat dilaksanakan

secara efektif menggunakan perisian pangkalan data yang biasa. Sistem

pangkalan data seperti MongoDB, NoSQL dan lain-lain kebanyakannya

digunakan untuk menguruskan data. Hadoop, MapReduce, Apache Hive

dan Apache Sparkopen adalah contoh perisian yang boleh digunakan

untuk menguruskan Data Raya.

Rajah 6-11 : Ciri Data Raya

6.5.3 Malaysian Government Central Data Exchange (MyGDX)

Malaysian Government Central Data Exchange atau MyGDX merupakan

satu platform pengurusan perkongsian data merentas agensi dan

dilaksanakan secara selaras, efisien dan sistematik untuk semua agensi

kerajaan. Platform perkongsian data MyGDX terdiri daripada himpunan

piawaian, tools, komponen, repositori dan registri yang membolehkan

perkongsian data dari pelbagai sumber agensi ke agensi sasaran dalam

format data yang dipersetujui.

Platform MyGDX menyelaras perkongsian data dengan menyediakan

perkhidmatan broker data antara agensi dengan matlamat agar

maklumat yang dikongsi adalah tepat, terkini dan konsisten daripada

satu sumber yang sahih (single source of truth) untuk menyokong

penyampaian perkhidmatan kerajaan yang inklusif. Peningkatan platform



MyGDX dari struktur berpusat kepada hibrid ini akan membolehkan

agensi melaksana perkongsian data secara seamless dalam ekosistem

perkongsian data selamat. Platform MyGDX secara hibrid membolehkan

perkongsian data agensi kerajaan dengan swasta (Government to

Business (G2B)) bagi menyokong hasrat ekonomi digital. Platform

MyGDX menjadi pembolehdaya integrasi perkhidmatan secara

seamless, mengurangkan pertindihan pembangunan integrasi data

pelbagai hala, mengoptimumkan kos pengoperasian serta

penyenggaraan platform perkongsian data. MyGDX tidak menyimpan

data sebaliknya bertanggungjawab memastikan transaksi data antara

repositori milik agensi berjaya.

Komunikasi perkongsian data MyGDX menyokong Application

Programming Interface (API) dengan protokol Simple Object Access

Protocol (SOAP) atau Representational State Transfer (REST). MyGDX

menyediakan piawaian yang seragam bagi API dan setiap API yang

dibangunkan oleh pemilik perkhidmatan agensi didaftar ke dalam

Registri di Portal MyGDX bagi dikongsikan sebagai rujukan agensi.

Architecture MyGDX dibina berdasarkan konsep perkongsian data

secara teragih namun pengurusan perkhidmatan perkongsian data

dilaksana secara berpusat dan seragam. Ini membolehkan pengurusan

perkongsian data merentas agensi menjadi lebih mudah dan berkesan

secara peer-to-peer tanpa memerlukan keterlibatan pihak ketiga di

antara agensi pengguna dan agensi pembekal data, namun kejayaan

transaksi perkongsian data dipantau secara berpusat. Gambaran

architecture MyGDX adalah seperti Rajah 6-12.

Fungsi Badan Kawal selia MyGDX oleh MAMPU adalah seperti berikut:

i. Mengurus satu portal terpusat yang bertindak mengawal selia

proses, prosedur dan tadbir urus perkongsian data;

ii. Mengawal selia polisi, standard dan prosedur keselamatan

berkaitan perkongsian data;



iii. Mengurus platform MyGDX supaya sentiasa mematuhi Tahap

Perjanjian Perkhidmatan (SLA) dan Memorandum Persefahaman

(MoU); dan

iv. Mengawal selia ketersediaan dan keterpeliharaan log transaksi

perkongsian data platform MyGDX.

Manakala fungsi MyGDX di agensi adalah seperti berikut:

i. Sebagai gateway antara sistem maklumat agensi dengan

infrastruktur MyGDX;

ii. Menyokong perkhidmatan perkongsian data agensi sama ada

sebagai pembekal atau pengguna data; dan

iii. Memudahcara agensi pembekal data membangunkan API

berdasarkan piawaian.

Carta alir perkongsian data MyGDX adalah seperti di Rajah 6-13.

Perkongsian data memerlukan amalan pematuhan piawaian data yang

tinggi bagi memastikan interoperability dan perkongsian data dapat

dilaksanakan dengan berkesan. Architecture MyGDX di bina berasaskan

kesalinghubungan data yang digunakan dalam sistem aplikasi.

Persefahaman perkongsian data melalui MyGDX boleh dilaksanakan

secara dua hala (bilateral) atau pelbagai hala (multilateral). Architecture

MyGDX dilaksanakan secara teragih bagi ketersambungan perkongsian

data. MyGDX turut menyediakan pengurusan API bagi mengukuhkan

keperluan keselamatan dalam perkongsian data berteraskan integrasi

pelbagai hala.

Registri katalog perkongsian data akan disediakan berdasarkan

taksonomi perkhidmatan kerajaan yang memerlukan perkongsian

tersebut. Katalog perkhidmatan kerajaan akan turut dibina secara

berasingan sebagai rujukan agensi. Setiap deskripsi perkhidmatan

kerajaan akan didaftarkan oleh pemilik perkhidmatan tersebut. Deskripsi

perkhidmatan yang disediakan akan dihubungkan bersekali dengan

indikator kualiti perkhidmatan bagi memudahkan penilaian prestasi



perkhidmatan antaranya daripada aspek kepantasan, kebolehpercayaan

dan kefungsian perkhidmatan.

Perkongsian data yang berkualiti boleh menyumbang kepada

perningkatan terhadap analitik data dan juga set Data Terbuka.

Manakala penggunaan teknologi penyimpanan data seperti pengehosan

data di persekitaran pengkomputeran awan serta teknologi perkongsian

data melalui API dan Data Lake merupakan pendekatan baharu dalam

pengurusan data berbanding kaedah pengurusan data konvensional.

Perkongsian data memerlukan amalan standard data yang tinggi bagi

menyediakan kesalinghubungan atau interoperability data untuk

membangunkan analitis data.



Rajah 6-12 : Architecture Logical MyGDX



Rajah 6-13 : Aliran Kerja Perkhidmatan MyGDX



BAB 7

7 PANGKALAN DATA DAN ANALITIS DATA

Penyimpanan data digital merupakan aktiviti merekod atau menyimpan data

elektronik dalam medium storan atau komputer seperti pangkalan data.

Pangkalan data adalah kumpulan maklumat atau data tersusun, yang biasanya

disimpan secara elektronik dalam sistem komputer. Pangkalan data lazimnya

dikendalikan oleh sistem pengurusan pangkalan data (Database Management

System - DBMS). Data dan DBMS bersekali dengan aplikasi yang berkaitan,

disebut sebagai Sistem Pangkalan Data atau singkatnya Pangkalan Data.

Pangkalan Data

Data di dalam pangkalan data disimpan dan dimodelkan dalam jadual

yang terdiri daripada baris dan lajur untuk kecekapan pemprosesan dan

pertanyaan data. Data kemudian dapat diakses, dikendalikan, diubah

suai, dikemas kini, dikawal dan diatur dengan mudah. Sebilangan besar

pangkalan data menggunakan bahasa pertanyaan berstruktur

(Structured Query Language - SQL) untuk merekod dan membuat

pertanyaan data. SQL merupakan bahasa khusus yang digunakan untuk

pembangunan pangkalan data dan mengurus data-data yang berada

dalam pangkalan data.

Pangkalan data boleh dibangunkan dalam pelbagai bentuk model

pangkalan data. Antara empat (4) jenis model pangkalan data yang

biasa digunakan adalah Pangkalan Data Hubungan (Relational

Database), Pangkalan Data Rangkaian (Network Database), Pangkalan

Data Berhirarki (Hierarchical Database) dan Pangkalan Data

Berorientasi Objek (Object Oriented Database). Penjelasan model

pangkalan data adalah seperti berikut:

i. Pangkalan Data Hubungan (Relational Database) mengandungi

susunan data mengikut rekod yang dihubungkan. Rekod ini



disimpan seolah-olah dalam bentuk jadual yang mempunyai lajur

dan baris;

ii. Pangkalan Data Rangkaian (Network Database) mengandungi

susunan data mengikut rekod dan diklasifikasikan mengikut jenis

rekod. Setiap data dihubungkan menggunakan pointer kepada

rekod yang berkait bagi jenis rekod yang sama;

iii. Pangkalan Data Berhirarki (Hierarchical Database) mengandungi

susunan data mengikut rekod yang mempunyai hubungan

pewarisan satu kepada banyak (parent-child one-to-many);

iv. Pangkalan Data Berorientasi Objek (Object Oriented Database)

mengandungi data yang unik sebagai satu objek tersendiri dan

kemudiannya diklasifikasikan sebagai satu jenis objek atau kelas.

Pengklasifikasian ini adalah berdasarkan ciri-ciri objek seperti

atribut atau pengoperasian objek tersebut.

Menurut Panduan Kejuruteraan Sistem Aplikasi Sektor Awam atau

KRISA, architecture pangkalan data perlu ditentukan bersekali dengan

architecture aplikasi berpandukan kepada keperluan fungsian dan

bukan fungsian sistem aplikasi. Terdapat dua (2) jenis architecture

pangkalan data yang boleh dipilih iaitu architecture shared-disk ataupun

shared-nothing. Pemilihan jenis architecture pangkalan data

diseimbangkan dengan halatuju agensi, kekangan-kekangan dan

infrastruktur sedia ada dengan keperluan fungsian dan bukan fungsian

sistem aplikasi. Penjelasan architecture pangkalan data adalah seperti

berikut:

i. Architecture Shared-Disk

Sistem-sistem yang wujud di dalam persekitaran shared-disk

berkongsi peranti cakera (disk devices) yang sama. Setiap

pemproses mempunyai memori tersendiri dan ia boleh

mengakses kesemua cakera peranti. Architecture Shared-Disk



membolehkan setiap nod mengakses keseluruhan set data di

mana setiap nod berkenaan akan memberi maklum balas kepada

sebarang permohonan yang diterima dari pangkalan data.

Architecture Shared-Disk adalah sesuai bagi aplikasi yang hanya

memerlukan shared access yang sederhana ke pangkalan data,

serta aplikasi yang mempunyai beban kerja (workload) yang

sukar untuk diagihkan (partition). Gambaran architecture

pangkalan data bagi Sistem Tempahan Bilik Mesyuarat

(eTempah) yang direka bentuk berpandukan Architecture

Shared-Disk adalah seperti di Rajah 7-1.

Rajah 7-1 : Architecture Shared-Disk bagi Aplikasi Web

ii. Architecture Shared-Nothing

Sistem-sistem yang wujud di dalam persekitaran shared-nothing

mempunyai memori dan cakera peranti yang tersendiri.

Architecture Shared-Nothing mempunyai kemampuan

penskalaan yang tinggi (high scalability) dan sesuai untuk aplikasi

yang kerap mengakses dan melaksanakan transaksi ke

pangkalan data. Gambaran architecture pangkalan data bagi



Sistem Tempahan Bilik Mesyuarat (eTempah) yang direka bentuk

berpandukan Architecture Shared-Nothing adalah seperti di

Rajah 7-2.

Rajah 7-2 : Architecture Shared-Nothing bagi Aplikasi Web

Pembangunan pangkalan data perlu mengambil kira keperluan Reka

bentuk Arkitektur [F3.1], Reka bentuk Pangkalan Data [F3.3], Reka

bentuk Migrasi Data [F3.8] dan Pembangunan Pangkalan Data [F4.1]

seperti yang dijelaskan dalam dokumen KRISA.

Reka bentuk Pangkalan Data Logikal merupakan aktiviti untuk

menterjemah model maklumat konsepsual kepada model maklumat

logikal. Model maklumat logikal merupakan model perantara yang akan

digunakan untuk mereka bentuk pangkalan data fizikal, seterusnya

membangunkan pangkalan data yang sebenar. Model ini menerangkan

empat (4) komponen utama iaitu spesifikasi jadual (table specification),

spesifikasi medan (column specification), spesifikasi kekunci primer

(primary key specification) dan spesifikasi kekunci asing (foreign key

specification).

Reka bentuk migrasi data merupakan proses reka bentuk dan pemetaan

yang akan memastikan data yang dipindahkan dipetakan dari sumber



asal ke destinasi baharu. Dalam proses pemetaan medan data, elemen

data berdasarkan kepada Skema Logikal Pangkalan Data bagi sistem

legasi serta sistem baharu perlu dikenal pasti. Begitu juga bagi kod aset

pada pangkalan data sistem baharu perlu diselaraskan menggunakan

kod standard pada DDSA.

Pembangunan pangkalan data adalah satu daripada tiga (3) aktiviti

dalam pembangunan sistem selain pengaturcaraan aplikasi dan

pengujian sistem. Pembangunan pangkalan data merupakan proses

mewujudkan pangkalan data fizikal berdasarkan reka bentuk pangkalan

data logikal dan architecture pangkalan data. Model data fizikal

menggambarkan bagaimana penstoran data dan capaian data

dilakukan. Model ini juga turut menggambarkan medan yang terdapat

dalam jadual serta spesifikasi bagi storan secara fizikal yang juga boleh

merangkumi pengagihan data dan mekanisma capaian.

Analitis Data

Penyimpanan data dalam pangkalan data amat berkait rapat dengan

keperluan analitis data. Analitis data adalah tindakan bersifat analisis.

Manakala analitik data adalah keupayaan atau berkebolehan untuk

menganalisis sesuatu. Analisis merupakan penyelidikan atau

penghuraian sesuatu (seperti keadaan, masalah, persoalan, dan lain-

lain) untuk mengetahui pelbagai aspeknya (ciri-cirinya dan lain-lain)

secara terperinci atau mendalam. Analisis data adalah subset kepada

analitik data65 seperti digambarkan oleh Rajah 7-3.

Beberapa bentuk dan kaedah analitis data yang sering digunakan

antaranya:

65 Data Analytics vs Data Analysis: What’s The Difference? https://www.bmc.com; 8 January 2021

https://www.bmc.com/



i. Analisis Teks. Analisis teks juga dikenali sebagai Perlombongan

Data Teks. Kaedah ini digunakan terhadap data teks tidak

berstruktur kepada bentuk data berstruktur atau data kuantitatif

untuk mengenalpasti paten, tren dan insight dalam set data yang

besar atau Data Raya menggunakan alat perisian perlombongan

data dan visualisasi data. Kaedah ini turut berupaya

mengenalpasti ‘apa’, ‘siapa’, ‘bila’, ‘di mana’ dan ‘mengapa’ serta

sentimen dalam perbualan melalui teks66.

ii. Analisis Statistik. Analisis statistik merangkumi analitis

deskriptif67 yang akan menjawab kepada persoalan ‘apa sedang

berlaku?’ dan ‘apa telah berlaku’. Data sejarah dan data transaksi

digambarkan dalam bentuk carta dan analisa melalui dashboard.

Penyediaan analisis ini melibatkan proses pengumpulan, analisis,

interpretasi, persembahan, dan pemodelan data secara

berstruktur.

iii. Analitik Diagnostik. Analisis ini akan menjawab kepada

persoalan ‘mengapa ia berlaku?’. Analisis ini merupakan lanjutan

analisis statistic bagi menginterpretasikan data secara lebih

mendalam yang dilaksanakan bagi mengetahui punca senario

mengapa ia berlaku. Analisis ini sesuai digunakan bagi

mengetahui paten tingkah laku suatu senario untuk mengetahui

sebab suatu scenario berlaku berdasarkan data yang diproses.

iv. Analitik Ramalan. Analisis ini memberitahu ‘apa mungkin akan

berlaku’ berdasarkan paten data terdahulu atau data sejarah.

Analisis ini sesuai digunakan bagi menjangka/meramal suatu

scenario yang mungkin berlaku berteraskan kebarangkalian

66 https://www.predictiveanalyticsworld.com/machinelearningtimes/text-analytics-the-next-generation-of-big-data 67 https://www.gartner.com/en/information-technology/glossary



sesuatu perkara itu akan berlaku dengan menggunakan algoritma

atau model matematik yang bersesuaian68.

v. Analitik Preskriptif. Analisis ini menjawab persoalan ‘apa yang

perlu dilaksanakan sekiranya ia berlaku?’69. Analisis ini

menggabungkan pemahaman yang mendalam berhubung

maklumat daripada analisis teks, statistik, diagnostik dan ramalan

bagi mengenalpasti tindakan yang perlu diambil terhadap isu atau

permasalahan yang ditemui serta penyelesaian untuk

menentukan keputusan. Analisis ini sesuai bagi mencadangkan

penyelesaian atau menyediakan pilihan tindakan alternatif bagi

menangani masalah/isu yang diramal mungkin berlaku70.

Rajah 7-3 : Analisis Data dan Analitik Data

Proses pengurusan data dalam penyediaan analitis data melibatkan:

(1) Menawan dan mengambil data. Pengambilan data adalah

proses memindahkan data dari berbagai sumber ke media

68 https://www.researchgate.net/publication/317758346_Data_analytics_and_predictive_analytics_in_the_era_of_big_data 69 https://medium.com/co-learning-lounge/types-of-data-analytics-descriptive-diagnostic-predictive-prescriptive 70 https://www.cio.com/article/3606151/what-is-data-analytics-analyzing-and-managing-data-for-decisions.htm



penyimpanan di mana data dapat diakses, digunakan, dan

dianalisis. Destinasi penyimpanan lazimnya di gudang data,

data mart, pangkalan data, atau pusat penyimpanan dokumen;

(2) Mengkategorikan data menjadi bentuk berstruktur atau tidak

berstruktur, yang akan menentukan proses selanjutnya;

(3) Mengurus data dalam pangkalan data, tasik data dan/atau

gudang data;

(4) Menyimpan data secara hot, warm, or cold storage;

(5) Melakukan ETL (extract, transform, load);

(6) Menganalisis data untuk mengekstrak corak, tren dan

pemahaman yang mendalam (insight); dan

(7) Memaparkan hasil analitis data kepada pengguna atau pemilik

proses melalui dashboard atau medium paparan tertentu.

Perisian yang digunakan sebagai alat71 untuk melaksanakan analisis

data dan analitik data antaranya adalah Microsoft Excel, Microsoft Power

BI, Tableau, R Analytics, Python dan Google Analytics.

7.2.1 Analitik Data

Analitik data merupakan bidang penggunaan data yang lebih luas dan

menjadi alat yang penting dalam menzahirkan kepintaran data. Analitik

data digunakan oleh saintis data, jurutera data dan pakar data analitik

untuk memberikan gambaran visualisasi yang mudah bagi pemilik

perkhidmatan dan pemilik proses membuat keputusan. Analitik yang

disediakan menggunakan keupayaan manusia dan mesin/komputer

untuk menawan, mentakrif, menganalisis dan menggambarkan

visualisasi data dalam bentuk penceritaan berunsurkan paten suatu

keperluan, kecekapan serta keberhasilan perkhidmatan atau dasar.

Penghasilan analitik data sangat penting untuk dilaksanakan secara

sistematik yang memerlukan pelbagai aktiviti pemprosesan data bagi

71 Data Analytics vs Data Analysis: What’s The Difference? https://www.bmc.com; 8 January 2021

https://www.bmc.com/



pelbagai jenis data dan pelbagai saiz sumber data atau Data Raya.

Analitik data sering dikaitkan dengan sains data, machine learning dan

statistik gunaan. Sains Data menggunakan kaedah, proses, algoritma

dan sistem saintifik untuk mengekstrak pengetahuan dan nilai dari data

dalam pelbagai bentuk sama ada berstruktur atau tidak berstruktur.

Teknologi analitik data berhasil dengan keupayaan strategi data

merangkumi kualiti data, kepintaran buatan (AI), visualisasi data, tadbir

urus data dan literasi data. Analitik data seringkali digunakan dalam

pelbagai aspek seperti berikut:

i. Kecekapan Operasi menekankan penggunaan analitik data

operasi yang terlibat dalam proses kerja, pelaporan dan

pemantauan operasi;

ii. Inovasi Produk menunjukkan penggunaan analitik data yang

dapat menggambarkan nilai suatu produk atau perkhidmatan.

Perbandingan data dan maklumat persaingan di pasaran atau

tren produk dan perkhidmatan semasa dapat memberikan input

terhadap perubahan dan inovasi suatu produk dan perkhidmatan;

iii. Hubungan Pelanggan menggunakan analitik data untuk

mengetahui secara mendalam profil dan pilihan pelanggan

terhadap ciri-ciri perkhidmatan dan saluran penyampaian

perkhidmatan. Analitik data juga digunakan untuk menawarkan

perkhidmatan kepada pelanggan melalui promosi dan iklan; dan

iv. Pengurusan Risiko mendapat manfaat analitik data bagi

penilaian risiko melalui pengauditan atau isu penyelewengan dan

penipuan.



Pendekatan analitik data dapat menambah baik proses membuat

keputusan melalui cabang-cabang teknologi Data Raya seperti

perlombongan data (data mining), analitik ramalan (predictive analytics)

dan penggunaan data pintar. Kaedah tersebut memerlukan proses

pengurusan data yang baik. Pengurusan data melibatkan proses

daripada mula memungut data mentah (raw data) dari tasik data (data

lake) sebelum menjalankan pembersihan data (data cleansing),

pengharmonian data (data harmonisation), proses ketanpanamaan data

(data anonymisation), keselamatan dan perlindungan data, pecutan data

(data acceleration), analisis data, dan visualisasi data (data

visualisation).

7.2.2 Analisis Data

Analisis data boleh dikatakan sebagai salah satu daripada komponen

analitik data. Analisis data disediakan secara khusus bagi tujuan tertentu

menggunakan data yang telah diproses. Aktiviti yang terlibat antaranya

adalah pembersihan data, transformasi data, model data dan data query

bagi memperoleh maklumat yang bermakna daripada data yang telah

tersedia dalam pangkalan data atau gudang data. Penyediaan analisis

data melibatkan gabungan kebijaksanaan manusia yang melaksanakan

penyiasatan dan penggunaan pengetahuan serta konteks data yang

tersedia. Fokus analisis data terletak pada inferen, di mana proses

mendapatkan kesimpulan mengenai maklumat kumpulan data yang

mana selalunya disediakan melalui penggunaan sistem aplikasi dan

perisian analisis data khusus.

7.2.3 Visualisasi Data

Visualisasi data (data virtualization) adalah aspek penting dalam analitis

data. Visualisasi data ialah perwakilan maklumat dalam bentuk carta,

rajah dan gambar. Penjanaan visualisasi data memerlukan satu lapisan



khusus yang menghubungkan pengguna dan sumber simpanan data.

Visualisasi data membolehkan pengguna untuk mengesan corak,

amalan dan hubungkait dalam data berasaskan teks dengan lebih

berkesan. Ia membolehkan data kompleks mudah di capai, difahami dan

digunakan melalui grafik statistik, plot dan grafik maklumat. Abstrak data

atau view data yang dihasilkan menerusi visualisasi data akan

menghubung, mengumpul dan mengubah (transforming) data daripada

pelbagai sumber dan memaparkannya secara masa sebenar atau

menghampiri data masa sebenar.

Tiga (3) peringkat lapisan visualisasi data digambarkan seperti Rajah 7-

4 merangkumi lapisan berikut:

i. Lapisan Pengguna berlaku diperingkat aplikasi pemilik proses

dan perkhidmatan.

ii. Lapisan Penghubung Data menyediakan pandangan abstrak

(views) data mengikut keperluan data yang berkait.

iii. Lapisan Sumber Data menghubungkan data daripada pelbagai

medium penyimpanan data.

Rajah 7-4 : Lapisan Visualisasi Data



Keupayaan visualisasi data72 boleh dibahagikan kepada enam(6) iaitu:

i. Mengabstrakkan data (Data Abstraction) iaitu memisahkan

penggunaan aplikasi/data daripada sumber data;

ii. Integrasi data iaitu mengintegrasikan data tanpa membuat

replikasi data atau penempatan semula data fizikal;

iii. Kemudahan mengakses semua data dengan pantas dan cekap

secara masa sebenar pada masa ia diperlukan;

iv. Katalog Data yang Dinamik iaitu menyediakan perkhidmatan

data layan-diri atau perkhidmatan data yang dapat dilakukan

sendiri oleh pengguna dan memudahkan pencarian data daripada

katalog;

v. Metadata, keselamatan dan tadbir urus data bersepadu

merentas semua aset data; dan

vi. Penghantaran data/penghasilan data dalam pelbagai format

sama ada dalam bentuk analisis kepintaran data atau

pengoptimuman pertanyaan data pintar melalui platform fizikal

data yang tersedia atau platform yang baharu.

Perkhidmatan data melalui lapisan visualisasi data dapat berfungsi

dalam persekitaran berprestasi tinggi, selamat dan berintegrasi

sepenuhnya dengan keperluan perkhidmatan dan proses kerja

organisasi. Gambaran pelbagai bentuk data secara mudah yang

diperoleh melalui lapisan data logikal dinamakan ‘data fabric’.

‘Data Fabric’ merupakan satu architecture data yang menggambarkan

reka bentuk data berintegrasi dan penghasilan analitis data bersepadu

tanpa mengira platform data dan pendekatan reka bentuk platform

tersebut. Architecture ini memanfaatkan analitik berterusan

72 Rethink your Data Management Strategy with Data Virtualization, Elain Chan, Denodo, 23 April 2021



menggunakan AI/Machine Learning terhadap metadata dan data untuk

menghasilkan insights dan kaedah bagaimana pengurusan data, reka

bentuk integrasi dan pelaksanaan serta penerbitan data boleh

disediakan dengan cepat dan mudah. Gambaran architecture ‘Data

Fabric’ adalah seperti Rajah 7-5. Manakala salah satu penggunaan

visualisasi data adalah mewujudkan virtual data lake seperti Rajah 7-6.

Rajah 7-5 : Architecture ‘Data Fabric’

Rajah 7-6 : Pengaplikasian Visualisasi Data: Virtual Data Lake73

73 Rethink your Data Management Strategy with Data Virtualization, Elain Chan, Denodo, 23 April 2021



Kepintaran Data Menggunakan Artificial Intelligence Artificial Intelligence (AI) menerapkan analisis lanjutan (advanced

analysis) dan teknik berdasarkan logik (logic-based techniques),

termasuk pembelajaran mesin (machine learning) untuk menafsirkan

suatu peristiwa, menyokong dan mengautomasikan keputusan serta

tindakan/proses kerja74.

Dalam konteks analitis data, teknik AI dikatakan terdapat dalam proses

penghasilan expert systems, perlombongan data, analitik ramalan dan

pembelajaran mesin, neural networks, algoritma genetik (genetic

algorithms) dan pembelajaran mendalam (deep learning). Kesemua

konsep ini sukar difahami tanpa menggambarkan konteks ia digunakan.

Gartner telah membangunkan taksonomi sepunya yang sering

digunakan oleh teknik AI bagi memberikan pemahaman yang lebih

mudah. Gambaran rangka kerja AI oleh Gartner atau ‘Gartner’s AI

Techniques Framework’ merangkumi bidang disiplin pengkomputeran

dan kejuruteraan. Bidang tersebut turut merangkumi aspek teknik

penggunaan logik matematik serta teknik berdasarkan logik dalam

memahami, menawan dan mengkod pengetahuan secara pintar untuk

menyelesaikan masalah. Teknik AI tersebut mempunyai pendekatan

dan teknik yang berbeza dan boleh dikategorikan dalam enam (6) set

konsep iaitu:

i. Probabilistic Reasoning

Probabilistic reasoning sering dikaitkan dengan mengekstrak nilai

data daripada jumlah data yang amat besar (enterprise data)

dengan menggunakan pembelajaran mesin. Teknik ini akan

dapat merungkai pengetahuan yang terdapat dalam enterprise

data. Kaedah korelasi label data atau matlamat dalam data

digunakan dalam probabilistic reasoning.

74 Glossary Gartner



Sebagai contoh, menelusuri korelasi data pelanggan akan

menunjukkan maksud hubungan korelasi yang wujud antara

rekod pelanggan dan tingkah laku pelanggan. Penemuan dan

pemahaman tingkah laku pelanggan akan memberikan peluang

untuk meneroka perkhidmatan atau produk yang sesuai dengan

minat dan kegemaran belian pelanggan atau medium interaksi

yang digemari pelanggan.

ii. Computational Logic;

Teknik computational logic melibatkan penggunaan pengetahuan

berhubung pengurusan, perkhidmatan, proses kerja serta

sumber-sumber sesebuah organisasi. Teknik rule-based systems

menjadi teras kepada computational logic untuk menawan

pengetahuan yang didokumenkan (explicit information),

pengetahuan yang digunakan (applied information) dan

pengetahuan tersirat (tacit information) secara berstruktur dan

dalam bentuk berperaturan (rule-based). Peraturan yang

digunakan boleh diubahsuai oleh pemilik proses atau pemilik

perkhidmatan dalam organisasi dan pengubahsuaian tersebut

dilaksanakan menggunakan teknologi. Teknologi yang digunakan

menjamin supaya kesemua peraturan yang disetkan adalah

koheren dan tidak bercanggah antara satu sama lain.

Sebagai contoh, sekiranya terdapat beberapa ribu set peraturan

(berdasarkan perundangan, peraturan, kaedah, arahan

pentadbiran dll.) yang perlu diurus oleh pelbagai sistem aplikasi

bagi memastikan seorang individu atau keluarga berkelayakan

untuk menerima sebarang bentuk bantuan daripada pelbagai

agensi kerajaan, swasta atau NGO. Set peraturan bagi

memastikan kelayakan tersebut boleh dilaksanakan

menggunakan teknik computational logic supaya tidak berlaku



percanggahan kelayakan dalam menentukan bantuan yang boleh

diberikan.

iii. Optimization Techniques

Teknik optimization sering digunakan oleh kumpulan penyelidik

untuk memperoleh manfaat kepada penentuan sesuatu objektif

permasalahan berteraskan pelbagai kaedah kekangan (maximize

benefits while managing constraints). Kaedah yang digunakan

adalah dengan mengenalpasti kombinasi manfaat dan kekangan

terhadap sumber permasalahan dalam masa yang ditetapkan,

supaya objektif penyelesaian masalah tersebut dapat

dioptimumkan. Teknik optimization boleh digambarkan seperti

Rajah 7-7 berikut:

Rajah 7-7 : Teknik Optimization75

75 Jeremy Lin, Fernando Magnago, Juan Manuel Alemany, Chapter 1 - Optimization Methods Applied to Power Systems:

Current Practices and Challenges, Editor(s): Ahmed F. Zobaa, Shady H.E. Abdel Aleem, Almoataz Youssef Abdelaziz,

Classical and Recent Aspects of Power System Optimization, Academic Press, 2018, Pages 1-18, ISBN 9780128124413



Sebagai contoh, penggunaan teknik optimization sering

digunakan oleh pasukan penyelidik dalam industri pembuatan,

utiliti, logistik dan rantaian bekalan. Dalam aspek ini, kekangan

industri dan manfaat yang dikenal pasti distrukturkan dan

digunakan dalam model penyelesaian untuk mendapatkan

pendekatan penyelesaian pengurusan sumber industri yang

paling optimum dalam pelbagai senario permasalahan.

iv. Natural Language Processing (NLP)

NLP adalah bentuk komunikasi antara manusia dan sistem

aplikasi yang intuitif atau mengikut pemahaman bahasa manusia.

NLP merangkumi teknik linguistik pengkomputeran

(computational linguistic techniques) dalam mengenali,

menghurai, menafsirkan, menanda(tag) secara automatik,

menterjemahkan dan menghasilkan (atau meringkaskan) bahasa

manusia. Pengenalpastian fonetik atau bunyi pertuturan

dilaksanakan oleh teknologi pemproses pertuturan (speech

processing technologies) yang sering digunakan dalam aplikasi

merubah pertuturan kepada teks atau sebaliknya. NLP turut

menyediakan maklumat dan pengetahuan mengenai kamus atau

ontologi.

Sebagai contoh NLP boleh digunakan untuk menambah baik

pencarian kes berdasarkan tren, paten dan aktiviti khusus

semasa rakaman prosiding/perbicaraan dalam mahkamah

terbuka melalui sistem Court Recording Transcription (CRT)

sistem e-Kehakiman. CRT menyediakan maklumat nota

keterangan dan data berbentuk teks dan video dalam transkipsi

yang berupaya dianalisis menggunakan teknik NLP untuk

memperoleh carian maklumat dan pengetahuan kes yang lebih

pintar dalam membantu membuat keputusan.



v. Knowledge Representation, Learning & Search

Pengurusan pengetahuan, pembelajaran dan carian yang

berbentuk kepintaran data mengupayakan ciri Graf Pengetahuan

(Knowledge Graph) seperti penjelasan di para 2.1.5.3 atau

rangkaian semantik untuk mempercepatkan analisis data. Hasil

carian pengetahuan yang dipaparkan menunjukkan pengayaan

terhadap permasalahan yang diajukan semasa mendapatkan

maklumat.

Sebagai contoh, pengaplikasian knowledge graph dalam

memudahkan masyarakat memahami dan mendalami intipati

dasar-dasar Kerajaan. Satu platform analisis dasar Kerajaan

boleh dibangunkan berteraskan knowledge graph di mana

pelbagai persoalan masyarakat berhubung dasar Kerajaan

disediakan dalam bentuk informatif mudah. Platform ini

memproses maklumat dasar Kerajaan menggunakan teknik

knowledge graph iaitu analisis kebijaksanaan kandungan

pelbagai dasar Kerajaan, yang dikaitkan secara bermakna dan

terhubung antara satu sama lain. Kajian lepas76 menunjukkan

platform seumpama ini bukan sahaja berupaya memproses dan

menganalisa maklumat dasar Kerajaan yang bertaburan dan

disediakan daripada pelbagai portal serta laman web (massive

multi-source policy information). Bahkan platform ini juga

menyediakan deskripsi setiap dasar Kerajaan yang dianalisa

serta hubungkait antara dasar tersebut (graph model).

Selanjutnya dengan keupayaan visualisasi dan paparan HCI

(human-computer interaction) secara eksploratori, carian yang

tepat dan mudah berhubung kandungan dasar Kerajaan dapat

disediakan.

76 P. Wang, Z. Li, Z. Li and X. Fang, (2019) "A Government Policy Analysis Platform Based on Knowledge Graph," 2nd

International Conference on Artificial Intelligence and Big Data (ICAIBD).



Pengaplikasian knowledge graph telah terbukti berkesan di

negara Korea Selatan77. Korea Selatan memperkasakan

pengurusan metadata Kerajaan dengan membangunkan satu

platform pengurusan metadata Data Terbuka yang berteraskan

knowledge graph bagi menunjukkan hubungkait antara metadata

Data Terbuka secara menyeluruh. Platform ini telah menyumbang

kepada penambahbaikan capaian dan carian Data Terbuka oleh

masyarakat melalui satu pertanyaan (single query). Hasil carian

tersebut berupaya memberikan data yang tepat dan relevan

dalam pelbagai konteks. Penambahbaikan ini turut menyumbang

kepada kepintaran dan kecekapan keputusan Kerajaan

berpacukan data. Kejayaan pembangunan platform tersebut

sangat bergantung kepada pewujudan knowledge graph

metadata berteraskan platform Data Terbuka.

vi. Agent-based Computing

Agent-based computing atau orchestration adalah teknik AI yang

masih belum matang penggunaannya. Sungguhpun demikian

penggunaan agen perisian bukanlah perkara baharu. Agen

perisian digunakan bagi tujuan mengautomasikan arahan

pengguna atau pentadbir sistem supaya tugas pentadbiran

sistem lebih cekap. Sebagai contoh penggunaan chatbots adalah

pendekatan yang sering digunakan. Terdapat lima (5) bentuk

agen perisian yang biasanya digunakan berdasarkan tujuan ia

dibangunkan iaitu reflex-based agents, model-based agents,

goal-based agents, utility-based agents dan learning agents.

Sebagai contoh, aplikasi yang sering menggunakan agen

perisian pada hari ini fokus kepada automasi tugasan yang

generik seperti pengurusan penjadualan, automasi penghantaran

77 Lee, Jae-won & Park, Jaehui. (2019). An Approach to Constructing a Knowledge Graph Based on Korean Open-

Government Data.



e-mel/notifikasi/peringatan mengikut masa yang ditetapkan.

Terdapat juga agen perisian yang melaksanakan tugas spesifik

seperti peringatan SLA kontrak dan pengurusan stok bekalan

produk jualan. Terdapat agen perisian secara kod program

autonomous iaitu kod program yang mampu berfungsi secara

bersendirian tanpa kawalan atau pengaruh kod program lain

seperti penetapan kawalan suhu secara automatik dalam suatu

bangunan berdasarkan persekitaran atau suhu kenderaan.

Keenam-enam teknik AI yang dibincangkan boleh digambarkan seperti

Rajah 7-8.

Rajah 7-8 : Gambaran Teknik Artificial Intelligence 78

Perception System atau Ambient Intelligence disebelah kiri Rajah 7-8

merupakan input kepada semua teknik AI dalam penggunaan kepintaran

data. Antara teknologi termaju yang digunakan meliputi Data Raya, data

visual, data audio, olfactory, haptic, chemical data serta geospatial data.

78 What Is Artificial Intelligence? Seeing Through the Hype and Focusing on Business Value, Gartner 2020.



Data yang ditawan sangat terperinci dan granular bagi menyediakan

analitis data pintar.

Sebelah kanan Rajah 7-8 menunjukkan bagaimana kepintaran data

digunakan untuk melarikan (execute) smart process automation atau

smart robotic system. Kedua-dua teknologi mengaplikasikan teknik AI

dalam memanfaatkan kepintaran data yang lebih adaptif dan kompleks.

Ini termasuk teknik augmentation dan advanced human machine-

interaction. Kaedah memulakan penggunaan teknik AI yang disarankan

oleh Gartner adalah seperti langkah di Lampiran 4.



BAB 8

8 ENTERPRISE DATA

Enterprise data atau gambaran holistik keseluruhan data kerajaan berkait rapat

dengan konsep Perkhidmatan Digital Keseluruhan Kerajaan atau Whole-of-

Government (WoG). WoG adalah perkhidmatan digital bersepadu dan

terangkum dengan berfokuskan keperluan serta ekspektasi rakyat merentasi

keseluruhan spektrum kluster perkhidmatan awam. Konsep WoG

menggambarkan bagaimana perkhidmatan kerajaan disediakan secara

menyeluruh yang menjelaskan bagaimana suatu penyelesaian yang saling

berkaitan daripada perspektif manfaat kepada kesejahteraan rakyat,

kesepaduan sosial, pemerkasaan perniagaan dan pertumbuhan ekonomi serta

kelestarian alam sekitar.

Perspektif enterprise data digambarkan menerusi keperluan ‘Perkhidmatan

berkonsepkan WoG’ bertunjangkan pengalaman pelanggan atau customer

experience berdasarkan enam (6) touchpoint peristiwa kehidupan. Touchpoint

tersebut adalah MyRakyat iaitu pengurusan identiti diri dan keluarga; MyBiz iaitu

pengurusan perniagaan; MyKerja iaitu pengurusan pendidikan dan kerjaya;

MySihat iaitu pengurusan kesihatan; MySelamat iaitu pengurusan keselamatan;

dan MyHarta iaitu pengurusan pemilikan harta. Kesemua ‘Perkhidmatan

berkonsepkan WoG’ disediakan dalam bentuk perkhidmatan digital yang

disediakan oleh kerajaan merentas agensi secara seamless dan End-to-End

(E2E) kepada empat kumpulan sasaran pengguna iaitu rakyat, komuniti

perniagaan, agensi kerajaan dan penjawat awam.

Perkhidmatan digital dan hubungkait dengan data utama yang menyokong

setiap touchpoint pengalaman pelanggan dijelaskan melalui pengurusan

enterpise data bagi data utama yang menyokong ‘Perkhidmatan berkonsepkan

WoG’. Gambaran tersebut adalah seperti Rajah 8-1.



Rajah 8-1 : Perkhidmatan Digital Keseluruhan Kerajaan (Whole-of-Government-WoG)

MyRakyat: Mengurus Identiti Diri dan Keluarga

Data utama MyRakyat adalah data kependudukan negara yang

melibatkan warganegara dan bukan warganegara atau dikenali secara

global sebagai citizen registry. Perkhidmatan kerajaan yang berteraskan

kepada kelayakan bagi kebajikan, kesihatan, pendidikan dan lain-lain

bantuan boleh diberikan kepada rakyat Malaysia berdasarkan status

kewarganegaraan.

Data MyRakyat turut menentukan data keluarga dan keturunan,

perkahwinan, perceraian dan pewarisan. Bagi keluarga Islam,

pendaftaran perkahwinan melibatkan Jabatan Kemajuan Islam Malaysia

(JAKIM), Jabatan Kemajuan Islam Negeri (JAIN), Jabatan Kehakiman

Syariah Malaysia (JKSM) dan Mahkamah Syariah. Manakala bagi

keluarga bukan Islam, perkahwinan oleh Jabatan Pendaftaran Negara

(JPN) dan Mahkamah Sivil. Dalam urusan pewarisan, keluarga/individu

bukan Islam tertakluk kepada Akta Wasiat 1959, dan bagi

keluarga/individu Islam, berdasarkan undang-undang Syariah.

Pengurusan pusaka dan wasiat turut melibatkan Jabatan Ketua



Pengarah Tanah dan Galian (JKPTG)79 dan pihak swasta seperti

Amanah Raya Berhad atau bank komersil.

Sayugia, hubungan antara data individu, kebajikan dan status

kewarganegaraan serta status kependudukan individu dan keluarga,

perlu diurus dengan baik bagi memastikan tidak berlaku ketirisan

kebajikan kepada yang tidak layak.

Pengurusan data MyRakyat juga bertujuan untuk Kerajaan memantau

tahap kelangsungan hidup dan mobiliti sosial rakyat yang menghadapi

kesukaran ekonomi dan sosial. Data dan maklumat rakyat diintegrasikan

secara menyeluruh dan digunakan secara pintar bagi merasionalisasi

dan memperkasa program bantuan sosial serta menyelaraskan semua

program dan aktiviti berkaitan program bantuan sosial oleh pelbagai

kementerian/agensi. Perlindungan Sosial Malaysia merangkumi semua

dasar awam yang dirangka bagi menyediakan perlindungan kepada

individu yang menghadapi kesukaran ekonomi dan sosial. Terdapat tiga

jenis dasar di bawah perlindungan sosial, iaitu jaringan keselamatan

sosial, insurans sosial, dan dasar pasaran pekerja aktif. Di samping

mengurangkan pelbagai risiko ekonomi terhadap masyarakat, dasar

perlindungan sosial juga berperanan sebagai alat penstabilan

makroekonomi yang penting80. Gambaran kelemahan sosioekonomi

yang dihadapi oleh rakyat Malaysia adalah seperti Rajah 8-2.

79 Pengurusan Harta Pusaka Kecil seperti tanah, rumah, harta tak alih bersama harta alih seperti wang simpanan, saham

dan kenderaan yang nilai keseluruhannya tidak melebihi RM2 juta. https://www.jkptg.gov.my. 80 Visi Perlindungan Sosial di Malaysia, Perkembangan Ekonomi, Monetari dan Kewangan pada Tahun 2020, Bank

Negara Malaysia.



Rajah 8-2 : Kelemahan Sosioekonomi Rakyat Malaysia

Sumber kewangan digunakan secara optimum dan bantuan atau insentif

yang disediakan dapat diagihkan secara efisien serta mampu memberi

impak yang disasarkan. Antaranya kumpulan sasar dalam kalangan

golongan berpendapatan rendah (B40) dengan tumpuan kepada

golongan miskin dan miskin tegar. Bagi maksud ini, inisiatif Kerajaan

antaranya adalah membangunkan Sistem Perlindungan Sosial

Kebangsaan bagi menyimpan dan mengurus semua data berkaitan

perlindungan sosial yang komprehensif merentasi agensi bagi

pengesahan data penerima bantuan. Antara agensi yang terlibat dalam

ekosistem perkhidmatan perlindungan sosial ini adalah Pertubuhan

Keselamatan Sosial (PERKESO), Kumpulan Wang Simpanan Pekerja

(KWSP), Lembaga Hasil Dalam Negeri (LHDN), Jabatan Kebajikan

Masyarakat (JKM), Jabatan Pengangkutan Jalan (JPJ) dan Jabatan

Pendaftaran Negara (JPN).

Impak penggunaan data perlindungan sosial secara pintar berupaya

menyokong pembaharuan kerangka insurans sosial, pencen dan

persaraan dengan skim perlindungan yang lebih baik. Selain itu,

perlindungan sosial turut dapat menyokong perancangan dan keputusan



berpacukan data melibatkan langkah bagi mencegah, mengurus dan

mengatasi cabaran yang membawa kesan negatif kepada

kesejahteraan hidup rakyat.

MyRakyat turut perlu melihat perspektif perundangan dan peraturan

terhadap pengurusan data peribadi di bawah Akta Perlindungan Data

Peribadi serta Dasar Perkongsian Data di peringkat nasional dan sektor

awam. Begitu juga dengan aspek keselamatan identiti dalam

persekitaran maya menerusi inisiatif Identiti Digital Negara yang turut

melibatkan pengesahan data bukan warganegara oleh Jabatan

Imigresen Malaysia (JIM).

MyBiz: Mengurus Perniagaan

Data utama MyBiz adalah data syarikat dan industri yang melibatkan

maklumat pendaftaran syarikat dan data pengawalseliaan industri di

Malaysia. Gambaran WoG telah mengenalpasti 18 kategori industri yang

terdapat di Malaysia. Pengawalseliaan industri ini melibatkan pelbagai

Kementerian dan agensi yang dipertanggungjawabkan sebagai

pengawalselia serta pembangunan perkembangan industri berkait.

Pengurusan data MyBiz bukan sahaja bertujuan untuk menyediakan

perkhidmatan bernilai tinggi berpacukan data bagi kitaran hayat syarikat

dan komuniti perniagaan, tetapi juga bagi tujuan perancangan dan

pembuatan keputusan pertumbuhan industri. Antaranya melihat peluang

bagi membangunkan kluster industri digital dan memacu aktiviti

keusahawanan seperti mana Dasar Industry4Wrd. Begitu juga bagi

pembangunan industri seperti mana yang dinyatakan dalam Pelan Induk

Perindustrian Ketiga (IMP3) 2006 - 202081. IMP3 diwujudkan dengan

objektif bagi mencapai daya saing global jangka panjang melalui

transformasi dan inovasi sektor pembuatan dan perkhidmatan termasuk

81 https://www.miti.gov.my/index.php/pages/view/364 pada 6 Mei 2021.

https://www.miti.gov.my/index.php/pages/view/364



industri berasaskan pertanian, dan sektor perkhidmatan bukan

Kerajaan. Sasaran peningkatan pembangunan, promosi dan galakan

bagi 12 industri dalam sektor pembuatan merangkumi bidang berikut:

i. Industri bukan berasaskan sumber iaitu elektrik dan elektronik;

peralatan perubatan; tekstil dan pakaian; jentera dan

kelengkapan; logam; dan kelengkapan pengangkutan.

ii. Industri berasaskan sumber iaitu petrokimia; farmaseutikal;

berasaskan kayu; berasaskan getah; berasaskan kelapa sawit;

dan pemprosesan makanan.

iii. Industri sub-sektor perkhidmatan bukan Kerajaan iaitu

perkhidmatan perniagaan dan profesional; perdagangan

pengedaran; pembinaan; pendidikan dan latihan; perkhidmatan

penjagaan kesihatan; perkhidmatan pelancongan; perkhidmatan

ICT; dan logistik.

iv. Polisi bagi perdagangan luar industri merangkumi pelaburan;

pembangunan Enterpris Kecil dan Sederhana (EKS);

penjenamaan; bidang pertumbuhan dalam sektor pembuatan;

bidang pertumbuhan dalam sektor perkhidmatan; pembangunan

industri halal; meningkatkan keupayaan domestik; keperluan

sumber manusia; ICT dan pembangunan teknologi lain; dan

logistik.

Pengurusan data enterprise MyBiz melibatkan beberapa agensi utama

yang menguruskan syarikat dan industri antaranya seperti MITI,

MEDAC, KPDNHEP, MPIC, KKM, KeTSA dan Suruhanjaya Syarikat

Malaysia (SSM).

MyKerja: Mengurus Pendidikan dan Kerjaya

Data utama MyKerja adalah data pelajar, graduan, pekerjaan dan

pekerja. Repositori pelajar dan graduan dapat memberikan gambaran

keupayaan bagi pembangunan bakat pekerja dan bidang pekerjaan



yang tersedia masa hadapan. Bidang pekerjaan yang dilengkapi

sepenuhnya dengan kemahiran digital dan kemahiran lain yang

diperlukan supaya berdaya tahan dalam pasaran kerja yang sentiasa

berubah.

Data MyKerja yang komprehensif dan diurus dengan baik akan dapat

menyediakan keupayaan kepintaran data dan analitik data bagi

membuat perancangan penyediaan sumber manusia dan bakat pekerja

berdasarkan permintaan pasaran dan industri. Maklumat ini juga dapat

menyokong terhadap pembangunan polisi dan strategi dalam

persekitaran industri MyBiz.

Antaranya kepintaran data MyKerja berupaya menyokong pelaksanaan

Pelan Pembangunan Pendidikan Malaysia yang telah memberi tumpuan

kepada inovasi ICT di sekolah dan memperkukuh penyampaian subjek

sains, teknologi, kejuruteraan dan matematik (STEM) dalam

keseluruhan sistem pendidikan. Sebagai contoh, bagi menyediakan

bakat digital yang tangkas dan kompeten, kemahiran digital dalam

pendidikan peringkat rendah dan menengah perlu diintegrasikan dengan

korikulum sedia ada. Alihan tumpuan pendidikan vokasional dan tertiari

daripada kemahiran khusus berkaitan kerja kepada kompetensi dan

kebolehsuaian perkembangan dan pengadaptasian kemahiran digital.

Selain itu, kepentingan dasar pasaran pekerja aktif turut dilaksanakan

sebagai salah satu program di bawah landskap Perlindungan Sosial di

Malaysia. Dasar pasaran pekerja aktif (active labour market policies -

ALMP) merujuk kepada kesemua perbelanjaan sosial (selain untuk

pendidikan) yang bertujuan meningkatkan kebolehpasaran pekerja atau

meningkatkan keupayaan pendapatan mereka. Definisi ringkas ini

adalah berdasarkan kepada Pertubuhan Kerjasama dan Pembangunan

Ekonomi (Organisation for Economic Co-operation and Development,

OECD) dan Pertubuhan Buruh Antarabangsa (International Labour



Organization, (ILO)). Antara aktiviti yang boleh dilaksanakan di bawah

dasar ini adalah melatih semula kemahiran tenaga kerja semasa dengan

kemahiran baharu atau kemahiran digital yang diperlukan untuk kekal

relevan. Keperluan ini termasuk memastikan pekerja gig (gig workers)

dilindungi dan dilengkapi dengan kemahiran yang bersesuaian.

Masyarakat diperkasakan dengan mengenal pasti kumpulan sasar

khusus untuk turut serta dalam bidang pekerjaan baharu seperti dalam

ekonomi digital melalui aktiviti keusahawanan melalui bidang e-dagang

(e-commerce).

Pengurusan data enterprise MyKerja melibatkan beberapa agensi

antaranya KSM, KPM, KPTM, KPWKM, KKM, Jabatan Perkhidmatan

Awam (JPA) dan Suruhanjaya Perkhidmatan Pelajaran (SPP) serta

Suruhanjaya Perkhidmatan Awam (SPA).

MySihat: Mengurus Kesihatan diri dan Keluarga

Data utama MySihat adalah data kesihatan individu dan keluarga

sebagai pesakit atau kesihatan am sebagai orang awam termasuk data-

data perubatan dan ubat-ubatan/farmaseutikal. Perkhidmatan kesihatan

di Malaysia disediakan oleh dua perkhidmatan utama iaitu Perkhidmatan

Kesihatan dan Perkhidmatan Perubatan. Kedua-dua perkhidmatan ini

saling memerlukan dan saling melengkapi.

Penyediaan maklumat kesihatan bersepadu (patient-centred point of

care) bagi tujuan kesinambungan perawatan dan penjagaan kesihatan

(continuity of care) merupakan satu inisiatif untuk mewujudkan electronic

medical record (EMR) dan life-time health record (LHR) di Malaysia.

EMR dan LHR akan berteraskan maklumat dan data kesihatan individu

dan keluarga atau orang awam serta data perubatan pesakit yang

ditawan, diurus dan digunakan merentas fasiliti kesihatan awam dan

swasta. Maklumat kesihatan bagi kesinambungan perawatan dan



penjagaan kesihatan berteraskan individu (person-centered atau

patient-centered) dapat disediakan secara bersepadu dan tepat pada

masa ia diperlukan oleh pengamal penjagaan kesihatan (Healthcare

Professionals - HCP) di peringkat fasiliti kesihatan primer, sekunder dan

tertier (tertiary).

Peringkat kesihatan primer adalah penjagaan kesihatan yang

melibatkan promosi kesihatan; pencegahan penyakit seperti imunisasi

dan perancang keluarga; dan perkhidmatan pengesanan penyakit;

penyembuhan; rehabilitasi; rawatan sokongan dan ubat. Fasiliti

kesihatan primer adalah seperti Pejabat Kesihatan Daerah, Klinik

Komuniti, Klinik Kesihatan UTC, Klinik Kesihatan dan Klinik Desa serta

Klinik Swasta dan Farmasi.

Peringkat kesihatan sekunder adalah penjagaan kesihatan yang

diberikan oleh Pakar dan Pegawai Perubatan seperti Pakar Umum dan

Pakar Perubatan Keluarga yang bertugas di hospital daerah atau

hospital swasta. Mereka mempunyai kepakaran asas untuk merawat

masalah kesihatan biasa dan berupaya untuk melakukan saringan

dengan merujuk pesakit ke penjagaan kesihatan tertier. Selalunya

apabila seseorang menghidap penyakit, maka mereka perlu bertemu

dengan doktor dan perkhidmatan rawatan penyakit ini disediakan di

semua fasiliti perubatan atau hospital.

Peringkat kesihatan tertier adalah perkhidmatan kepakaran yang lebih

khusus di mana Pakar di perkhidmatan kesihatan sekunder tidak dapat

melakukannya sama ada tidak memiliki kemahiran ataupun kelengkapan

yang mencukupi. Lazimnya perkhidmatan tertier disediakan di hospital-

hospital utama setiap negeri contohnya seperti Hospital Sultanah

Bahiyah di Kedah dan Hospital Raja Permaisuri Bainun di Perak. Antara

perkhidmatan tertier adalah rawatan subkepakaran seperti pembedahan

jantung, rawatan kanser, pembedahan otak, pembedahan plastik dan



lain-lain. Pusat-pusat yang menyediakan perkhidmatan tertier sama ada

milik Kerajaan atau swasta turut menjadi pusat rujukan daripada hospital

negeri lain jika perkhidmatan ini tidak dimiliki oleh hospital negeri

berkenaan.

Sehingga Mei tahun 2021, sebanyak 75% hospital yang dimiliki oleh

KKM dan >90% klinik kesihatan dan klinik pergigian di Malaysia masih

beroperasi secara manual. Data yang ditawan, disimpan dan

diselenggara secara manual sukar dikongsi merentas fasiliti kesihatan

serta menyebabkan perawatan dan penjagaan kesihatan yang kurang

efektif. Usaha pendigitalan maklumat kesihatan yang berintegrasi

berupaya menambah baik kecekapan dan keyakinan keselamatan

perubatan di Malaysia.

Sehubungan itu sistem perkhidmatan kesihatan yang seamless dengan

pengurusan data MySihat secara enterpris dan menyeluruh berupaya

merubah cara dan kaedah pendaftaran dan penawanan rekod pesakit.

Khususnya bagi memudahkan akses kepada maklumat/data perubatan

merentas fasiliti kesihatan dan peringkat perkhidmatan kesihatan. Data

kesihatan yang bersepadu juga dapat memanfaatkan kepintaran data

untuk tujuan analitis data dalam perancangan kesihatan awam secara

menyeluruh, kawalan wabak penyakit berjangkit serta kawalan

keselamatan perubatan dan keselamatan makanan. Data kesihatan

populasi (population health) juga dapat dipantau secara menyeluruh

bagi membantu perancangan strategik sistem kesihatan. Maklumat

status kesihatan yang lengkap dan menyeluruh berupaya digunakan

dalam pemantauan dan analisa sebagai evidence-based decision

making kepada perancangan strategik KKM yang berkesan.

Inisiatif perkhidmatan sektor kesihatan yang digariskan dalam Rangka

Tindakan Ekonomi Digital Malaysia (MyDigital) memfokuskan kepada

penerimagunaan teknologi bagi produk berkaitan penjagaan kesihatan



bagi mempercepatkan proses kelulusan pengkomersialan produk

penjagaan kesihatan. Dalam hal ini, Gudang Data Kesihatan Malaysia

(MyHDW) disarankan supaya ditingkatkan keselamatannya dengan

elemen blockchain serta data yang boleh dibaca oleh mesin dan diakses

melalui API.

Pengurusan data enterprise MySihat melibatkan beberapa agensi

antaranya KKM, KPKT, KPWKM, Jabatan Kastam DiRaja Malaysia dan

Pihak Berkuasa Tempatan (PBT).

MySelamat: Mengurus Keselamatan

Data utama MySelamat adalah data keselamatan makanan dan

keselamatan awam.

8.5.1 Keselamatan Makanan

Program keselamatan makanan bertujuan untuk melindungi pengguna

daripada ancaman kesihatan dan penipuan, disamping mengalakkan

perdagangan makanan melalui persijilan, pelesenan, kawalan import

dan eksport dan pengiktirafan. Kemajuan dan perkembangan bidang

sains dan teknologi telah melipatgandakan pengeluaran pertanian dan

makanan dan memerlukan pengawalan risiko daripada mengancam

kesihatan pengguna.

Malaysia telah memeterai Perjanjian Sanitary and Phytosanitary

Measures dan Technical Barriers to Trade di bawah Pertubuhan

Perdagangan Antarabangsa (WTO) yang mempertanggungjawabkan

negara untuk memastikan keselamatan makanan dalam perdagangan di

peringkat antarabangsa bagi negara anggota. Bagi maksud ini, Malaysia

telah menggubal Dasar Keselamatan Makanan Kebangsaan dan Pelan

Tindakan Keselamatan Makanan Kebangsaan 2010-2020 bagi

menjelaskan peranan setiap pihak berkepentingan dan tindakan



kawalan keselamatan makanan secara lebih teratur dan bersepadu.

Antara kawalan makanan yang dinyatakan di bawah pelan tindakan ini

adalah:

i. Kawalan Hasil Pertanian;

ii. Kawalan Ternakan dan Hasil Ternakan;

iii. Kawalan Ikan dan Hasil Ikan;

iv. Kawalan Aditif Makanan atau bahan/campuran bahan selain

bahan makanan asas;

v. Kawalan Makanan Bertujuan Khas dan Kawalan Makanan

Proses; dan

vi. Kawalan Perkhidmatan Makanan dan Industri Makanan.

Pengurusan kawalan keselamatan makanan ini melibatkan penawanan

data serta penyebaran dan penerbitan data kawalan makanan melalui

sistem Food Safety Information System of Malaysia (FOSIM) di bawah

KKM. Kawalan keselamatan makanan turut melibatkan aspek

penyelidikan dan pembangunan, promosi keselamatan makanan,

kerjasama agensi, penerimaan produk dan pasaran serta industri

makanan dan perkhidmatan. Agensi yang terlibat adalah KKM, MAFI,

MOTAC, Jabatan Perkhidmatan Kuarantin dan Pemeriksaan Malaysia

(MAQIS) dan Jabatan Kastam DiRaja Malaysia.

8.5.2 Keselamatan Awam

Keselamatan di negara ini meliputi dua elemen bersifat sektoral iaitu

keselamatan dalam negeri dan ketenteraman awam di bawah

tanggungjawab Kementerian Dalam Negeri (KDN) serta pertahanan negara

di bawah tanggungjawab Kementerian Pertahanan (MINDEF). Kedua-dua

elemen sektoral tersebut terangkum dalam Dasar Keselamatan Negara

yang diterajui dan diselaraskan oleh Majlis Keselamatan Negara (MKN).

Pemeliharaan keselamatan dan ketenteraman awam negara merupakan

tanggungjawab bersama dan kolektif oleh setiap warganegara Malaysia.



Manakala usaha mencegah jenayah, risiko dan ancaman keselamatan

dilaksanakan bersama oleh agensi kerajaan dengan kerjasama strategik

pihak swasta, badan bukan kerajaan, komuniti dan masyarakat umum.

Tanggungjawab tersebut merangkumi aspek menyalurkan maklumat,

melakukan khidmat kesukarelawan, menzahirkan integriti,

memperkukuhkan jati diri, semangat patriotisme dan melaksanakan

tanggungjawab sosial korporat (CSR) demi memelihara keselamatan

negara.

Keselamatan awam turut dikawal melalui pelaksanaan Dasar Keselamatan

dan Ketenteraman Awam (DKKA) 2019 sebagai garis panduan

perancangan dan pelaksanaan pelbagai program dan aktiviti keselamatan

dan ketenteraman awam. Antaranya program menjunjung Perlembagaan

dan institusi utama negara, meningkatkan tadbir urus dan integriti, kawalan

keselamatan sempadan negara dan memerangi gejala dadah. Rajah 8-3

menunjukkan teras keselamatan awam dalam DKKA.

Rajah 8-3 : Teras Dasar Keselamatan dan Ketenteraman Awam 2019



Pengurusan data enterprise MySelamat akan menyediakan maklumat

dan repositori keselamatan awam bagi warganegara dan bukan

warganegara seperti maklumat lokasi sering berlaku jenayah, risiko

ancaman keselamatan dan kesiapsagaan sukarelawan dan pegawai

penguasa bertanggungjawab. Antara lain, ia turut menyimpan maklumat

pemantauan keselamatan awam dan bencana oleh pihak berkuasa.

Antara agensi yang terlibat adalah KDN, MINDEF, Polis DiRaja Malaysia

(PDRM), Angkatan Pertahanan Malaysia (APMM), Jabatan Imigresen

Malaysia, Agensi AntiDadah Kebangsaan (AADK), Jabatan Penjara

Malaysia dan Jabatan Pendaftaran Malaysia (JPN).

MyHarta: Mengurus Pemilikan Harta

Data utama MyHarta adalah data pemilikan kenderaan, pemilikan tanah,

harta di atas tanah termasuk bangunan komersil, kedai/perniagaan,

rumah, ladang, tanaman dan lain-lain serta kelayakan insentif

pengangkutan awam terutamanya bagi golongan rentan seperti warga

emas atau orang kelainan upaya (OKU).

Maklumat pemilikan kenderaan bagi individu sama ada pemilikan

persendirian atau perniagaan dikeluarkan dalam bentuk Lesen

Kenderaan Motor, manakala kelayakan memandu melalui Lesen

Memandu oleh Jabatan Pengangkutan Jalan (JPJ), MOT. Kelayakan

khusus insentif pengangkutan awam diperoleh dan digambarkan secara

khusus bagi OKU melalui Kad OKU oleh Jabatan Kebajikan Masyarakat

(JKM), KPWKM.

Maklumat pemilikan tanah bagi individu atau komersil diurus secara

khusus oleh pejabat tanah di negeri dan daerah masing-masing oleh

Pengarah Tanah dan Galian (PTG) negeri dan Pejabat

Pendaftar/Pejabat Tanah Daerah. Bagaimanapun secara

keseluruhannya di peringkat negara, penyelarasan tanah di bawah



pentadbiran Kanun Tanah Negara, 1965 (Akta 56/1965) dan urusan

rekod harta tanah Persekutuan adalah di bawah Jabatan Ketua

Pengarah Tanah dan Galian (JKPTG), KeTSA.

Pengurusan data enterprise MyHarta oleh Kerajaan akan memudahkan

rakyat untuk mendapat gambaran secara menyeluruh pemilikan harta

masing-masing walau pun diuruskan oleh pelbagai agensi Kerajaan

sama ada di peringkat Persekutuan, Negeri atau Daerah. Antara agensi

lain yang turut berkait adalah KPKT, KPLB, MAFI, Pusat Maklumat Harta

Tanah Negara (National Property Information Centre - NAPIC), Jabatan

Penilaian dan Perkhidmatan Harta (JPPH), MOF, KeTSA, KKR, JKR dan

Pihak Berkuasa Tempatan (PBT).

Kategori Data Berteraskan Kluster Perkhidmatan

Kategori data oleh agensi telah ditentukan dalam aktiviti kajian instrumen

perundangan bagi pembangunan Dasar Perkongsian Data Sektor Awam

pada Mac tahun 2020 sebelum berlaku perubahan Kerajaan. Seterusnya

pemetaan data kepada 18 kluster perkhidmatan kerajaan di bawah lima

(5) sektor (selepas perubahan Kerajaan) telah dilaksanakan

berdasarkan kuasa di bawah peruntukan perundangan dan peraturan.

Sub kategori data berikut turut dilaksanakan yang melibatkan:

i. kategori data sektor iaitu data yang khusus berkaitan 18

kategori perkhidmatan/kategori data;

ii. kategori data sepunya iaitu kategori maklumat/data serupa

yang dijana atau dikawal oleh pelbagai sektor mengikut daftar

khusus suatu sektor. Bagi maksud pertubuhan82, ianya merujuk

kepada definisi pertubuhan oleh Jabatan Statistik Malaysia;

82 Pertubuhan adalah pertubuhan berdaftar yang terlibat dalam sektor Pertanian, Perlombongan & pengkuarian,

Pembuatan, Pembinaan dan Perkhidmatan mengikut Piawaian Klasifikasi Industri Malaysia (MSIC), 2008 Ver. 1.0 yang

diselaraskan dengan International Standard Industrial Classification of All Economic Activities (ISIC), Rev. 4, yang

diterbitkan oleh United Nations Statistics Division (Jabatan Statistik Malaysia, 2018, Penggunaan ICT dan e-Dagang oleh

Pertubuhan).



iii. kategori sumber maklumat bersama iaitu maklumat/data yang

dikawal dan dimiliki oleh lebih dari satu sektor; dan

iv. kategori maklumat luaran iaitu maklumat/data yang digunakan

oleh suatu sektor tetapi di jana oleh sektor lain.

Perincian pemilikan data mengikut kategori dan kluster perkhidmatan

adalah seperti Jadual 8-1 hingga 8-5. Manakala pemetaan fungsi

agensi di bawah Jabatan Perdana Menteri adalah seperti Jadual 8-6.



Jadual 8-1 : Kategori Data Sektor Ekonomi Mengikut Kluster Perkhidmatan

SEKTOR EKONOMI

Kategori Data

Kluster

Perkhidmatan

Sub Kategori Data

Data Sepunya (Common Data)

Maklumat Luaran

(External Information)

Sumber Maklumat Bersama

(Shared Source of Information)

Maklumat Sektor (Sector’s Information)

Pertanian & Industri Makanan

• Penggunaan Tanah

• Pertubuhan

• Senarai Kuarantin Pertanian

• Pendapatan Isi Rumah

Keselamatan & Kesihatan Makanan

Bekalan Makanan

Perdagangan & Industri • Pertubuhan

• Perundangan, Peraturan & Pematuhan

Pembangunan tiada • Data Industri

• Data Perdagangan

• Pendaftaran Perniagaan

• Kawalan Harga

• Perladangan & Komoditi

Penyiaran & Maklumat • Perundangan, Peraturan & Pematuhan

• Infrastruktur

tiada tiada • Industri Kreatif

• Pembangunan

Ekonomi, Penyelidikan & Pembangunan

Infrastruktur tiada tiada • Program Pembangunan

• Repositori Penyelidikan

Pelancongan, Kebudayaan, &

• Pertubuhan

• Infrastruktur

Industri Kraf tiada • Seni & Budaya

• Pemeliharaan Warisan

• Pelancongan



Jadual 8-2 : Kategori Data Sektor Sosial Mengikut Kluster Perkhidmatan

SEKTOR SOSIAL

Kategori Data

Kluster

Perkhidmatan

Sub Kategori Data


Maklumat Luaran





Kesihatan • Tugas Khas/R&D

• Infrastruktur

Pembangunan Keselamatan & Kesihatan Makanan

• Pendaftaran Ubat

• Senarai Kuarantin

• Pendaftaran Pesakit

• Pendaftaran Penyakit

Pendidikan, Latihan & Pekerjaan

Infrastruktur tiada tiada • Pembinaan Kapasiti

• Pendaftaran Pelajar

• Pendaftaran Guru/Pensyarah

• Bantuan Kewangan

Belia & Sukan • Pertubuhan

• Infrastruktur

tiada tiada • Program Belia & Sukan

• Daftar Belia

• Daftar Sukan

Pembangunan Kesejahteraan & Perpaduan

• Infrastruktur

• Pertubuhan

tiada tiada • Penggunaan Tanah

• Repositori Kebajikan

• Perkhidmatan Kecemasan



Jadual 8-3 : Kategori Data Sektor Infrastruktur Mengikut Kluster Perkhidmatan

SEKTOR INFRASTRUKTUR

Kategori Data

Kluster

Perkhidmatan

Sub Kategori Data


Maklumat Luaran (External Information)




Pengangkutan Infrastruktur tiada tiada • Daftar Kenderaan

• Daftar Lesen Memandu

• Sistem Pengangkutan

Pembangunan Komuniti & Luar Bandar


• Infrastruktur

tiada tiada Industri Luar Bandar

Perumahan & Kerajaan Tempatan


• Infrastruktur

• Pertubuhan

tiada tiada • Maklumat Tanah

• Maklumat Perumahan Kos Rendah


Kemudahan Awam & Alam Sekitar (termasuk Sains & Teknologi)


• Infrastruktur

• Pertubuhan

Pembangunan Sumber

tiada • Alam Sekitar

• Teknologi



Jadual 8-4 : Kategori Data Sektor Keselamatan Mengikut Kluster Perkhidmatan

SEKTOR KESELAMATAN

Kategori Data

Kluster

Perkhidmatan

Sub Kategori Data


Maklumat Luaran





Keselamatan Dalam Negeri


• Infrastruktur

Kesihatan tiada • Imigresen

• Permit Pekerjaan

• Pendaftaran Kewarganegaraan

Pertahanan • Infrastruktur

• Tugas Khas/R&D

• Pembangunan

tiada • Pengurusan Ketenteraan

• Pembangunan Industri Pertahanan

Komunikasi • Perundangan, Peraturan & Pematuhan

• Infrastruktur

• Pertubuhan

tiada tiada Perkhidmatan Komunikasi

Tenaga • Perundangan, Peraturan & Pematuhan

• Infrastruktur

• Pertubuhan

Pembangunan tiada • Teknologi Hijau

• Sumber Tenaga Diperbaharui

Sumber Asli Penggunaan Tanah

tiada tiada Sumber Asli



Jadual 8-5 : Kategori Data Sektor Pentadbiran Awam Mengikut Kluster Perkhidmatan

SEKTOR JPM / PENTADBIRAN AWAM

Kategori Data

Kluster

Perkhidmatan

Sub Kategori Data


Maklumat Luaran (External Information)




Kewangan • Perolehan

• Kewangan

tiada tiada • Maklumat Kewangan

• Perolehan

• Aset

• Perakaunan

• Pengauditan

Sumber Manusia Sumber Manusia tiada tiada • Agensi Perkhidmatan Awam

• Penjawat Awam

• Saraan

Pentadbiran Am • Polisi/Dasar Awam

• Perhubungan Awam & Luar Negeri

• Agama Islam

• Kehakiman & Perundangan

• Perpaduan Negara & Kesejahteraan Sosial

• Pembangunan Negara

• Keselamatan Awam

tiada tiada • ICT

• Pengurusan Dokumen

• Pengurusan Pejabat



Jadual 8-6 : Pemetaan Fungsi Agensi di bawah Jabatan Perdana Menteri

Fungsi Agensi Agensi

Agama Islam 1. Pejabat Mufti Wilayah Persekutuan

2. Jabatan Agama Islam Wilayah Persekutuan (JAWI)

3. Jabatan Kehakiman Syariah Malaysia (JKSM)

4. Jabatan Kemajuan Islam Malaysia (JAKIM)

5. Jabatan Wakaf, Zakat dan Haji (JAWHAR)

6. Jabatan Pendakwaan Syariah Wilayah Persekutuan

7. Mahkamah Syariah Wilayah Persekutuan (MSWP)

8. Majlis Agama Islam Wilayah Persekutuan (MAIWP)

Kehakiman & Perundangan 9. Bahagian Hal Ehwal Undang-Undang (BHEUU)

10. Institut Latihan Kehakiman dan Perundangan (ILKAP)

11. Jabatan Bantuan Guaman (JBG)

12. Jabatan Insolvensi Malaysia (Mdi)

13. Jabatan Peguam Negara (AGC)

14. Lembaga Penasihat

15. Pejabat Ketua Pendaftar Mahkamah Persekutuan Malaysia (PKPMPM) & Mahkamah Sivil

Perpaduan Negara & Kesejahteraan Sosial

16. Bahagian Hal Ehwal Sabah dan Sarawak (BHESS)

17. Pusat Governans, Integriti dan Anti-Rasuah Nasional (GIACC)

18. Suruhanjaya Pencegahan Rasuah Malaysia (SPRM)

19. Suruhanjaya Pilihan Raya (SPR)

20. Suruhanjaya Integriti Agensi Penguatkuasaan (SIAP)

Pembangunan Negara 21. Bahagian Kabinet, Perlembagaan dan Perhubungan Antara Kerajaan

22. Urus Setia Jawatankuasa Kerja Tanah Wilayah Persekutuan (UJKTWP)

23. Unit Pemodenan Tadbiran dan Perancangan Pengurusan Malaysia (MAMPU)

24. Unit Penyelarasan Pelaksanaan (ICU)

25. Unit Kerjasama Awam Swasta (UKAS)

26. Jabatan Perangkaan Malaysia (DOSM)

27. Shared Prosperity Delivery Unit (SEPADU)

28. Lembaga Pembangunan Tanah Persekutuan (FELDA)

Kewangan 29. Jabatan Audit Negara (JANM)



Fungsi Agensi Agensi

Pengurusan Sumber Manusia

30. Jabatan Perkhidmatan Awam (JPA)

31. Suruhanjaya Pelantikan Kehakiman (SPK)

32. Suruhanjaya Perkhidmatan Awam (SPA)

33. Suruhanjaya Perkhidmatan Pelajaran (SPP)

Keselamatan Awam 34. Agensi Pengurusan Bencana Negara (NADMA)

35. Angkatan Pertahanan Awam Malaysia (APMM)

36. Bahagian Penyelidikan

37. Bahagian Perlindungan

38. Pejabat Ketua Pegawai Keselamatan Kerajaan Malaysia (KPKK/CGSO)

39. Majlis Keselamatan Negara (MKN)

Pentadbiran Am 40. Bahagian Istiadat dan Urusetia Persidangan Antarabangsa (BIUPA)

41. Bahagian Pengurusan Hartanah (BPH)

42. Biro Pengaduan Awam (BPA)

43. Istana Negara

44. Parlimen Malaysia

45. Pejabat Penyimpan Mohor Besar Raja-Raja

46. Pejabat Setiausaha Persekutuan Sabah

47. Pejabat Setiausaha Persekutuan Sarawak

Sumber: Senarai Agensi Sektor Awam Sehingga Jun 2020 oleh bahagian Pembangunan Organisasi (BPO), Jabatan Perkhidmatan Awam.

Pemilikan Data Mengikut Kementerian

Pemilikan data oleh agensi juga telah ditentukan dalam aktiviti kajian

instrumen perundangan bagi pembangunan Dasar Perkongsian Data

Sektor Awam pada tahun 2020. Dalam kajian tersebut, pemilikan data

mengikut 24 Kementerian dan empat (4) sektor sebelum pentadbiran

Kerajaan baharu pada Mac 2020 adalah seperti Jadual 8-6 berikut:



Jadual 8-7 : Kategori Data Kementerian Mengikut Sektor

Kementerian D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12 D13 D14 D15 D16 D17 D18

Sosial Ekonomi Keselamatan Pentadbiran KPWKM

KDN

MOF

MINDEF

KPM

KPLB

MEA

KPKT

MOT

KKMM

KSM

MOA

KKM

KBS

MED

KATS

KPDNHEP

KKR

KLN

MPI

MESTECC

KWP

MITI

MOTAC



PETUNJUK:

Kod Kategori Data

D1 Pelancongan, Kebudayaan, Belia Dan Sukan

D2 Kerajaan Tempatan & Pembangunan Kesejahteraan

D3 Kesihatan

D4 Penyiaran & Maklumat

D5 Pembangunan Komuniti & Luar Bandar

D6 Pendidikan & Latihan

D7 Perumahan

D8 Komunikasi

D9 Pengangkutan

D10 Ekonomi, Penyelidikan & Pembangunan

D11 Perdagangan & Industri

D12 Pertanian, Sumber Asli & Alam Sekitar

D13 Kemudahan Awam & Tenaga

D14 Keselamatan Dalam Negeri

D15 Pertahanan

D16 Pentadbiran Awam (Kewangan)

D17 Pentadbiran Awam (Sumber Manusia)

D18 Pentadbiran Awam (Pentadbiran Am)



BAB 9

9 PENUTUP

Architecture Rujukan Data Kerajaan (GWRA Data) yang disediakan telah

memberi panduan terhadap penyeragaman penggunaan terma pengurusan data

Kerajaan serta rujukan utama dalam strategi dan pendekatan serta kaedah

pengurusan data. Pengurusan data kerajaan berteraskan perspektif enterprise

data ‘Perkhidmatan berkonsepkan WoG’ dapat memberi gambaran manfaat

pelaksanaan ’Once Only Principle’ yang ditegaskan dalam Dasar Perkongsian

Data Sektor Awam atau ’Prinsip Sekali Sahaja’ yang mendasari matlamat

kepintaran data dalam Pelan Strategik Pendigitalan Sektor Awam 2021-2025.

Pengurusan enterprise data bukan sahaja memperkenalkan pendekatan

pengurusan data mengikut sektor tetapi juga mengikut 18 kluster perkhidmatan

kerajaan yang bertunjangkan kepada pengalaman pelanggan dan touchpoint

peristiwa kehidupan rakyat serta komuniti perniagaan. Menerusi kajian instrumen

perundangan terhadap pembangunan dasar perkongsian data pada Mac 2020,

analisa kategori data dan pemilikan data boleh dijadikan rujukan data utama

Kerajaan yang perlu diuruskan secara bersepadu sungguhpun sumber data

tersebut dimiliki oleh pelbagai agensi. Justeru, lonjakan pelaksanaan analitis

data dan kepintaran data dapat direalisasikan dalam menyokong perkhidmatan

digital Kerajaan diperingkat sektor awam dan nasional. Penentuan klasifikasi

data yang lebih terbuka tanpa menjejaskan keselamatan data negara, menjadi

penentu keberhasilan manfaat perkongsian data yang dapat memberikan nilai

tambah terhadap keputusan kerajaan dalam menggubal polisi, perkhidmatan

E2E dan pengoperasian kerajaan yang lebih cekap dan pantas. Impak positif

secara langsung dapat dinikmati oleh masyarakat dalam penyediaan norma

baharu penyampaian perkhidmatan dan pencapaian hasrat Ekonomi Digital yang

dinyatakan dalam Rangka Kerja MyDigital.



Lampiran 1

Top-Down Approach Data Governance for BI/Analytics

1. Engage with the business stewardship resources to define and document the critical data elements (CDE)s as business assets (define business assets).

(1) Each CDE should be defined as a business term in the business glossary. This is for both the analytics dimensions and facts, as well as the calculation or model components, even if they are not persisted in a database.

(2) Abbreviations, business rules, quality rules, and quality thresholds should be documented.

(3) Roles such as data owner, accountable person, and business steward are defined.

(4) Any CDE that has security or privacy constraints should be tagged in the business glossary.

(5) Standards and associated policies should be defined as well.

2. Engage with the technical stewardship resources of the CDE source

databases/applications to define and document the physical data assets and IT assets (define the data assets).

(1) All CDE that are persisted in a database column will be documented as data assets.

(2) All physical characteristics, data values, rules and domains should be documented.

(3) Technical stewards, application owners, etc. should be defined.

3. Engage the business and technical stewards to map the relationship of the data assets

and columns on the reports to the business assets (map business and data assets).

(1) An analysis needs to be done on the business assets and data assets to ensure that all assets are mapped. And that all columns on the reports are defined as assets in the business glossary.

(2) We may find that we missed defining a business asset for each data asset.

(3) We may have report columns that are just calculations or components in a model and thus assets are mapped to the computation of the report column (such as percentages or averages).

(4) Technical stewards and accountable individuals should be defined.

4. Document the data quality metrics for the data assets (determine data quality fit for

purpose).

(1) Data quality metrics should be computed with the business rules established at the business asset level.



(2) Where one business asset is mapped to multiple data assets, data quality must be computed at each physical source. This will aid the stewards to determine the best authoritative source for reporting.

(3) Data quality fit for purpose should be discussed with the Analytics consumers to define the fit for purpose quality expectations needed for trust in data usage.

(4) Data Stewards and owners should establish processes to meet the fit for purpose quality.

5. Engage with the Subject Matter Experts or Technical data stewards to define and

document the data lineage and traceability of the data assets (support consumers understanding of trust).

(1) Import data integration metadata to help define the lineage and trace-ability.

6. Define analytical reports in a Report Catalog (define critical reporting in a Catalog).

(1) This is on place where the Analytics development team and the Data Governance team have to coordinate.

(2) The Report Catalog is a responsibility of the report developers not the Data Governance team. I often put this responsibility against the business teams or BI/Analytics teams.

(3) Self-service reporting can leverage the Report Catalog and enhance the Catalog as well.

1. 7. Document all report elements or the columns in each report and map those to data

assets or business assets (define report elements and traceability). This completes the mapping of business asset to data asset to report assets.

(1) Request the report developer to define the report element, rules, and any computations.

(2) Request the report developer to have business stewards, technical stewards, and report responsible party to approve the lineage of report element: first to report, to data asset, to business asset.

(3) Ensure that all mappings, assets, lineage, and traceability’s are documented in the business glossary.

(4) Request the Stewards and Analytics team to “certify” each report. Given that we know the full traceability of the data and all assets, we can consider the reports to be “certified”.

(5) Full testing and acceptance of the BI/Analytics reports have to be done as well. Any changes to the documented assets will have to be changed in the business glossary as well as the Analytics reporting application.

Sumber : https://tdan.com/business-glossaries-and-metadata-business-glossary-value/22968#



Lampiran 2

Keahlian Jawatankuasa Penyelarasan Program Berpaksikan Data (JPPBD)

Sektor Awam

Keahlian terdiri daripada CIO Kementerian dan Agensi terpilih berikut:

A. MAMPU

(1) Ketua Pengarah MAMPU (Pengerusi);

(2) Timbalan Ketua Pengarah (TPP) MAMPU;

(3) Timbalan Ketua Pengarah (ICT) MAMPU;

(4) Ketua Perunding MAMPU;

(5) Pengarah Bahagian Kerajaan Digital MAMPU; dan

(6) Pengarah Bahagian Pembangunan Strategik Dan Arkitektur ICT MAMPU.

B. AGENSI

(7) Kementerian Kewangan Malaysia (MOF);

(8) Kementerian Perdagangan Antarabangsa dan Industri (MITI);

(9) Kementerian Kerja Raya (KKR);

(10) Kementerian Pendidikan Malaysia (KPM);

(11) Kementerian Dalam Negeri (KDN);

(12) Kementerian Kesihatan Malaysia (KKM);

(13) Kementerian Komunikasi dan Multimedia Malaysia (KKMM);

(14) Kementerian Sains Teknologi dan Inovasi (MOSTI);

(15) Pusat Geospatial Negara (PGN);

(16) Jabatan Perangkaan Malaysia (DOSM);

(17) Unit Penyelarasan Pelaksanaan (ICU);

(18) Unit Perancang Ekonomi (EPU);

(19) Jabatan Pendaftaran Negara (JPN);

(20) Jabatan Perkhidmatan Awam (JPA); dan

(21) Pejabat Ketua Pegawai Keselamatan Kerajaan (CGSO).

Sumber : Cadangan Tadbir Urus Kerajaan Berpacukan Data Sektor Awam oleh Bahagian Kerajaan

Digital (BKD), MAMPU



Lampiran 3

Peranan Tadbir Urus Data Terbuka Sektor Awam

A. Tanggungjawab bagi Jawatankuasa Penyelarasan Data Terbuka Sektor Awam

yang dipengerusikan oleh Ketua Pengarah MAMPU adalah seperti yang berikut:

(1) Menentukan hala tuju dan strategi data terbuka sektor awam.

(2) Memantau status pelaksanaan data terbuka sektor awam.

(3) Memantau tahap penggunaan data terbuka sektor awam.

(4) Memainkan peranan sebagai penasihat dalam membincangkan dasar dan isu-

isu semasa berkaitan data terbuka sektor awam.

B. Tanggungjawab bagi Pasukan Kerja Data Terbuka Sektor Awam adalah seperti

yang berikut:

(1) Menyediakan dan melaksanakan pelan pelaksanaan data terbuka sektor awam.

(2) Menyediakan platform penerbitan set data terbuka yang selamat.

(3) Menyediakan mekanisme dan tatacara penerbitan data terbuka oleh agensi di

Portal Data Terbuka Sektor Awam.

(4) Mengkaji dan mengenal pasti set data yang berpotensi.

(5) Memberikan khidmat nasihat kepada agensi berhubung dengan pelaksanaan

data terbuka.

C. Tanggungjawab Jawatankuasa Penyelarasan Data Terbuka Kementerian/Pejabat

Setiausaha Kerajaan Negeri/Agensi adalah seperti yang berikut:

(1) Merangka strategi dan pelan pelaksanaan data terbuka pada peringkat

Kementerian/Pejabat Setiausaha Kerajaan Negeri/ Agensi.

(2) Menubuhkan pasukan kerja untuk melaksanakan tugas/ aktiviti data terbuka.

(3) Meluluskan set data bagi data terbuka.

(4) Memantau tahap penggunaan data terbuka.

(5) Memastikan keperluan dasar dan sasaran yang dikenal pasti dipatuhi dan

tercapai.

D. Tanggungjawab bagi Pasukan Kerja Data Terbuka Kementerian/ Pejabat

Setiausaha Kerajaan Negeri/Agensi yang melibatkan penasihat (advisory) dan

peneraju (champion) adalah seperti yang berikut:

(1) Mengkaji dan mengenal pasti set data.

(2) Mendapatkan kelulusan set data bagi data terbuka.

(3) Menyediakan dan menerbitkan metadata.

(4) Memastikan set data yang diluluskan bagi data terbuka dimuat naik ke laman

web agensi dan Portal DTSA.

(5) Mengkaji tahap penggunaan dan data terbuka.

Sumber : Pekeliling Am Bil.1 Tahun 2015, Data Terbuka Sektor Awam



Lampiran 4

Peranan Tadbir Urus Kamus Data Sektor Awam

Data dalam Kamus Data Sektor Awam (DDSA) dibahagikan kepada dua (2) kategori iaitu data

generik dan data aplikasi spesifik.

A. Tanggungjawab Jawatankuasa Kamus Data Sektor Awam melibatkan

perancangan dan penyelarasan pembangunan DDSA oleh kumpulan kerja adalah

seperti yang berikut:

(1) Merancang, memantau dan menyelaras pembentukan kamus data standard

bagi sektor awam;

(2) Mewujudkan garis panduan bagi pembentukan definisi data yang standard.

(3) Mengenalpasti jenis-jenis aplikasi yang boleh dimasukkan di dalam kamus data

standard.

(4) Membentuk kumpulan-kumpulan kerja bagi setiap jenis aplikasi;

(5) Mengesyorkan pengesahan data dictionary yang standard bagi sektor awam

kepada JPPSA;

(6) Mendapatkan pengesahan dari SIRIM sebagai Malaysian Standards; dan

(7) Menggalakkan polisi penggunaan bagi pelaksanaan Kamus Data Sektor Awam

di kalangan agensi-agensi kerajaan.

B. Tanggungjawab bagi Kumpulan Kerja yang melibatkan pembangunan DDSA bagi

setiap kategori data adalah seperti yang berikut:

(1) Menyediakan standard bagi definisi dan format data generik bagi agensi-agensi

kerajaan;

(2) Mengesyorkan pengesahan kamus data yang standard bagi data generik/data

aplikasi spesifik kepada Jawatankuasa Kamus Data Sektor Awam;



(3) Mengenalpasti masalah-masalah yang dihadapi di dalam pelaksanaan Kamus

Data Sektor Awam khususnya data generik/data aplikasi spesifik dan

mencadangkan penyelesaiannya; dan

(4) Menggalakkan polisi penggunaan bagi pelaksanaan Kamus Data Sektor Awam

khususnya data generik/data aplikasi spesifik di kalangan agensi-agensi

kerajaan.

Sumber : Pekeliling Am Bil.2 Tahun 2002, Data Dictionary Sektor Awam



Lampiran 5

Identify Where to Start Practically Implementing AI Techniques

1. Use cases: Build a portfolio of impactful, measurable and quickly

solvable use cases.

2. Skills: Assemble a set of talents pertinent to the use cases to be solved.

3. Data: Gather the appropriate data relevant to the selected use cases.

4. Technology: Select the AI techniques linked to the use cases, the skills

and the data.

5. Organization: Structure the expertise and accumulated AI know-how.

Sumber: What Is Artificial Intelligence? Seeing Through the Hype and Focusing on Business Value, Gartner 2020.



PENASIHAT

Encik Azih bin Yusof Timbalan Ketua Pengarah (ICT)/GCIO

Encik Hussin bin Abu Bakar Ketua Perunding Pembangunan Sistem

PENYUNTING

YBrs. Dr. Fazidah binti Abu Bakar

Pengarah Kerajaan Digital

YBrs. Dr. Nor’ashikin binti Ujang

Pengarah Strategik dan Arkitektur ICT

Puan Siti Sapura binti Raffee

Perunding Perancangan Strategik ICT

Puan Marina binti Said Timbalan Pengarah Pembangunan EA Sektor Awam

PENGHARGAAN

Puan Farah Azleen binti Abdul Rahim Pejabat Pengurusan Projek Kajian Dasar Perkongsian Data Sektor Awam

Pasukan Kajian Dasar Perkongsian Data Sektor Awam MAMPU

Seksyen Pembangunan EA Sektor Awam, BSA & Bahagian Kerajaan Digital & Sektor Transformasi Pemodenan Pengurusan & Bahagian Perancangan dan

Komunikasi Korporat & Bahagian Khidmat Pengurusan

Seksyen Data Raya, Seksyen Data Terbuka, dan Seksyen Pengurusan Perkhidmatan Perkongsian Maklumat

Bahagian Kerajaan Digital

PENULIS

YBrs. Ts. Dr. Siti Istianah binti Mahdzur Ketua Penolong Pengarah Kanan Pembangunan EA Sektor Awam &

SME Pengurusan Strategik ICT Sektor Awam

Encik Robert Ujang Ketua Penolong Pengarah Pembangunan EA Sektor Awam



UNIT PEMODENAN TADBIRAN DAN PERANCANGAN PENGURUSAN MALAYSIA (MAMPU) JABATAN PERDANA MENTERI

MALAYSIA GOVERNMENT ENTERPRISE ARCHITECTURE

government-wide reference architecture: data kerajaan

Documents