Universitas Negeri Surabaya
Fakultas Ilmu Sosial dan Ilmu Politik
Program Studi S2 Administrasi Publik

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Analisis Data Sektor Publik

6310602011

Mata Kuliah Wajib Program Studi

T=2

P=0

ECTS=4.48

3

11 September 2024

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Dr. Firre An Suprapto, S.AP., M.Pd.


Dr. Firre An Suprapto, S.AP., M.Pd.


TJITJIK RAHAJU

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-7

Mampu menguasai berbagai metode penelitian terkini dalam bidang administrasi publik agar dapat melakukan tugas penelitian, dengan menggunakan metode ilmiah dengan inter dan multidisiplin

PLO-9

Mampu menyusun rekomendasi kebijakan penyelesaian masalah melalui analisis kebijakan publik yang berdasarkan bukti (evidence based)

PLO-10

Mampu merumuskan, melaksanakan, mengkomunikasikan, dan mengadvokasi kebijakan

Program Objectives (PO)

PO - 1

Menganalisis fungsi dan pemanfaatan data sektor publik dalam proses pengambilan kebijakan

PO - 2

Menyusun data sektor publik yang sesuai dengan jenis-jenis dan metode analisis

PO - 3

Menganalisis analisis data kuantitatif dan kualitatif bidang keilmuan administrasi publik

PO - 4

Menyusun hasil evaluasi kebijakan berdasarkan data menggunakan perangkat lunak analisis data

PO - 5

Menginterpretasikan hasil analisis data secara kritis dan menyusunnya dalam bentuk laporan atau policy brief

Matrik PLO-PO
 
POPLO-7PLO-9PLO-10
PO-1✔  
PO-2✔  
PO-3 ✔ 
PO-4 ✔ 
PO-5  ✔

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PO-1✔✔✔✔
PO-2✔✔✔✔
PO-3✔✔
PO-4✔✔✔✔✔
PO-5✔

Deskripsi Singkat Mata Kuliah

Mata kuliah ini berfokus pada pengembangan kemampuan analitis dalam mengelola dan mengevaluasi data yang berkaitan dengan kebijakan dan layanan publik. Mahasiswa akan mempelajari teknik-teknik pengumpulan, analisis, dan interpretasi data kuantitatif serta kualitatif yang relevan untuk pengambilan keputusan di sektor publik. Mata kuliah ini menggabungkan teori dan praktik, dengan penekanan pada penggunaan perangkat lunak statistik serta model-model analisis yang mendukung penyusunan rekomendasi kebijakan yang berbasis bukti (evidence-based policy).

Pustaka

Utama :

  1. Mejias, Ulises A and Couldry Nick. 2024. Data Grab The New Colonialism of Big Tech and How to Fight Back
  2. Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana
  3. OECD (2021). Using Data to Improve Public Services
  4. Artiono dkk. Python Programming : Machine Learning. 2022. Sidoarjo.. Pt Mitra Publikasi dan Edukasi

Pendukung :

  1. Pemilihan Algoritma Klasifikasi Terbaik Untuk Prediksi Jenis Keluhan MI User Interface. Journal of Informatics and Computer Science (JINACS). Volume 6 Nomor 2 Tahun 2024
  2. National Cybersecurity Policy Analysis for Effective Decision-Making in the Age of Artificial Intelligence. Journal of Human Security Volume 19 Nomor 2 Tahun 2023

Dosen Pengampu

WIYLI YUSTANTI

FIRRE AN SUPRAPTO

Dr. Wiyli Yustanti, S.Si., M.Kom.

Dr. Wiyli Yustanti, S.Si., M.Kom.

Dr. Firre An Suprapto, S.AP., M.Pd.

Dr. Firre An Suprapto, S.AP., M.Pd.

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1

Menganalisis pentingnya Data Grab dan menemukenali produsen data sektoral

Penguasaan materi oleh mahasiswa mengenai materi ppengenalan data grab dan menemukenali produsen data sectoral

 Kriteria:

Ketepatan penjelasan oleh mahasiswa mengenai materi pengenalan data grab dan menemukenali produsen data sectoral


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
5,67 jam		 Materi: Data Grab
Pustaka: Mejias, Ulises A and Couldry Nick. 2024. Data Grab The New Colonialism of Big Tech and How to Fight Back		 2%

2

Minggu ke 2

Menganalisis pemanfaatan pendekatan data di era kekinian terhadap pengambilan keputusan era saat ini

Penguasaan mahasiswa mengenai materi kondisi saat ini melalui paradigma data di era kolonial (lampau)

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kondisi saat ini melalui paradigma data di era kolonial (lampau)


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring
dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
5,67 jam		 Materi: Data Grab
Pustaka: Mejias, Ulises A and Couldry Nick. 2024. Data Grab The New Colonialism of Big Tech and How to Fight Back		 3%

3

Minggu ke 3

Menganalisis data kewilayahan data dan transformasi sebaran penggunaannya

Mahasiswa mampu menyusun argumen mengenai materi data dan kelanjutan paradigma data era kolonial dengan tren paradigma era kekinian

 Kriteria:

Ketepatan mahasiswa dalam memahami materi data dan kelanjutan paradigma data era kolonial dengan tren paradigma era kekinian


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Materi: Data Grab
Pustaka: Mejias, Ulises A and Couldry Nick. 2024. Data Grab The New Colonialism of Big Tech and How to Fight Back		 2%

4

Minggu ke 4

Menganalisis data kewilayahan data dan transformasi sebaran penggunaannya

Mahasiswa mampu menyusun argumen mengenai materi data dan kelanjutan paradigma data era kolonial dengan tren paradigma era kekinian

 Kriteria:

Ketepatan mahasiswa dalam memahami materi data dan kelanjutan paradigma data era kolonial dengan tren paradigma era kekinian


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Presentasi
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Presentasi
5,67 jam		 Materi: Data Grab
Pustaka: Mejias, Ulises A and Couldry Nick. 2024. Data Grab The New Colonialism of Big Tech and How to Fight Back		 3%

5

Minggu ke 5

Menganalisis Data Governance dan Keamanan Siber

Mahasiswa mampu menyampaikan argumentasi mengenai Data Governance dan Keamanan Siber di era kekinian terhadap pengambilan keputusan

Kriteria:

Ketepatan mahasiswa dalam memahami materi pendekatan data di era kekinian terhadap pengambilan keputusan era saat ini


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
e. Presentasi
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
e. Presentasi
5,67 jam		 Materi: Data Grab
Pustaka: Mejias, Ulises A and Couldry Nick. 2024. Data Grab The New Colonialism of Big Tech and How to Fight Back		 5%

6

Minggu ke 6

Menganalisis transformasi data kewilayahan

Mahasiswa mampu menyusun argumentasi mengenai materi wilayah data dan transformasi pekerjaan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kewilayahan data dan transformasi sebaran penggunaan data


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
e. Presentasi
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
e. Presentasi
5,67 jam		 Materi: Platform Satu Data
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana
Materi: Improve Public Service
Pustaka: OECD (2021). Using Data to Improve Public Services		 5%

7

Minggu ke 7

Menganalisis transformasi data kewilayahan

Mahasiswa mampu menyusun argumentasi mengenai materi wilayah data dan transformasi pekerjaan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kewilayahan data dan transformasi sebaran penggunaan data


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
e. Presentasi
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
e. Presentasi
5,67 jam		 Materi: Platform Satu Data
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana
Materi: Improve Public Service
Pustaka: OECD (2021). Using Data to Improve Public Services		 5%

8

Minggu ke 8

Menguasai materi pertemuan 1-7

Mahasiswa mampu menyusun argumentasi mengenai materi wilayah data dan transformasi pekerjaan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kewilayahan data dan transformasi sebaran penggunaan data


Bentuk Penilaian :
Tes		 Mahasiswa secara luring mengerjakan soal UTS dan mengunggah LMS si DIA dengan :
a. Menjawab soal
b. Membaca referensi
c. Mereview artikel
d. Analisis kritis terhadap referensi
5,67 jam		 Mahasiswa secara daring melalui LMS dengan :
a. Menjawab soal
b. Membaca referensi
c. Mereview artikel
d. Analisis kritis terhadap referensi
5,67 jam		 Materi: Platform Satu Data
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana
Materi: Improve Public Service
Pustaka: OECD (2021). Using Data to Improve Public Services		 20%

9

Minggu ke 9

Menganalisis Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan pada ekosistem perencanaan dan penganggaran pembangunan

Mahasiswa mampu menyusun argumentasi mengenai materi ekosistem data perencanaan dan penganggaran pembangunan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi ekosistem data perencanaan dan penganggaran pembangunan


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Materi: Ekosistem Data Perencanaan dan Penganggaran Pembangunan
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 3%

10

Minggu ke 10

Menganalisis data sebagai dasar Konfirmasi atau Eksplorasi untuk Pengambilan Keputusan

Mahasiswa mampu menyusun argumentasi mengenai materi Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Materi: Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 3%

11

Minggu ke 11

Menyusun Visualisasi Data Sektor Publik menggunakan perangkat lunak kecerdasan bisnis (business intelligence)

Mahasiswa mampu menyusun argumentasi mengenai materi Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Materi: Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 2%

12

Minggu ke 12

Menyusun Visualisasi Data Sektor Publik menggunakan perangkat lunak kecerdasan bisnis (business intelligence)

Mahasiswa mampu menyusun argumentasi mengenai materi Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan

 Kriteria:

Ketepatan mahasiswa dalam memahami materi Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan


Bentuk Penilaian :
Aktifitas Partisipasif		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Materi: Pengembangan Sistem Informasi dan Proses Bisnis Data Pembangunan
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 2%

13

Minggu ke 13

Menyusun Waterfall Model dan Desain Pengembangan Platform Satu Data

Mahasiswa mampu menyusun argumentasi mengenai materi kecerdasan bisnis (business intelligence)

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kecerdasan bisnis (business intelligence)


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Menyusun tugas
5,67 jam		 Materi: Kecerdasan bisnis (business intelligence)
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 5%

14

Minggu ke 14

Menyusun Waterfall Model dan Desain Pengembangan Platform Satu Data

Mahasiswa mampu menyusun argumentasi mengenai materi kecerdasan bisnis (business intelligence)

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kecerdasan bisnis (business intelligence)


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Presentasi
5,67		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Presentasi
5,67 jam		 Materi: Kecerdasan bisnis (business intelligence)
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 5%

15

Minggu ke 15

Menyusun Waterfall Model dan Desain Pengembangan Platform Satu Data

Mahasiswa mampu menyusun argumentasi mengenai materi kecerdasan bisnis (business intelligence)

 Kriteria:

Ketepatan mahasiswa dalam memahami materi kecerdasan bisnis (business intelligence)


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Mahasiswa belajar luring dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Presentasi
5,67		 Mahasiswa belajar daring secara sinkronus dengan :
a. Membaca referensi
b. Diskusi
c. Tanya Jawab
d. Presentasi
5,67 jam		 Materi: Kecerdasan bisnis (business intelligence)
Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana		 15%

16

Minggu ke 16

    Mahasiswa mampu menyusun materi Waterfall Model dan Desain Pengembangan Platform Satu Data

    		 Kriteria:

    Ketepatan mahasiswa dalam memahami materi Waterfall Model dan Desain Pengembangan Platform Satu Data


    Bentuk Penilaian :
    Penilaian Hasil Project / Penilaian Produk    		 Mahasiswa secara luring menyelesaikan materi UAS dan mengunggah LMS si DIA dengan :
    a. Membaca referensi
    b. Mengidentifikasi referensi
    c. Mereview artikel yang relevan
    d. Analisis kritis terhadap referensi
    e. Menyusun policy brief
    f. Menunggah ke LMS Si DIA
    5,67 jam    		 Mahasiswa secara daring menyelesaikan materi UAS dan mengunggah LMS si DIA dengan :
    a. Membaca referensi
    b. Mengidentifikasi referensi
    c. Mereview artikel yang relevan
    d. Analisis kritis terhadap referensi
    e. Menyusun policy brief
    f. Menunggah ke LMS Si DIA
    5,67 jam    		 Materi: Waterfall Model dan Desain Pengembangan Platform Satu Data
    Pustaka: Suprapto, Firre An. Laporan Manajemen Data Penyusunan Platform Satu Data Sarana dan Prasarana    		 20%



    Rekap Persentase Evaluasi : Project Based Learning

    No Evaluasi Persentase
    1. Aktifitas Partisipasif 25%
    2. Penilaian Hasil Project / Penilaian Produk 55%
    3. Tes 20%
    100%

    Catatan

    1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
    2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
    3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
    4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
    5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
    6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
    7. Bentuk penilaian: tes dan non-tes.
    8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
    9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
    10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
    11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
    12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.