Universitas Negeri Surabaya
Fakultas Ilmu Sosial dan Hukum
Program Studi S1 Ilmu Hukum (Kampus Kabupaten Magetan)

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

AI For Law

7420902053

Mata Kuliah Wajib Program Studi

T=0

P=0

ECTS=0

2

15 April 2025

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




.......................................


.......................................


Syahid Akhmad Faisol, S.H., M.H.

Model Pembelajaran

Case Study

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-1

Mampu menunjukkan nilai-nilai agama, kebangsaan dan budaya nasional, serta etika akademik dalam melaksanakan tugasnya

PLO-2

Menunjukkan karakter tangguh, kolaboratif, adaptif, inovatif, inklusif, belajar sepanjang hayat, dan berjiwa kewirausahaan

PLO-5

Mampu memahami dasar-dasar ilmu hukum

PLO-6

Mampu memahami aspek-aspek hukum materiil dan formil.

PLO-7

Mampu menyelesaikan persoalan hukum dan mengambil keputusan dengan mengelaborasi hukum positif dan prinsip hukum di bidang hukum disabilitas dan hukum pada umumnya.

PLO-8

Mampu merumuskan ide secara logis, kritis dan argumentatif di bidang hukum disabilitas dan hukum pada umumnya yang dituangkan baik dalam lisan maupun tulisan sesuai dengan etika akademik

PLO-10

Mampu menunjukan kinerja mandiri, bermutu dan terukur dengan mengkaji/implementasi pengembangan ilmu hukum dengan mendasarkan pada nilai-nilai yang hidup dalam masyarakat.

Program Objectives (PO)

PO - 1

Mampu menerapkan prinsip-prinsip AI dalam analisis kasus hukum untuk meningkatkan efisiensi dan efektivitas penyelesaian masalah hukum (C3)

PO - 2

Mampu menganalisis data hukum menggunakan teknik-teknik machine learning untuk mengidentifikasi pola dan tren yang relevan (C4)

PO - 3

Mampu mengevaluasi keefektifan algoritma AI dalam konteks hukum dan etika, serta memastikan kepatuhan terhadap regulasi yang berlaku (C5)

PO - 4

Mampu menciptakan solusi hukum inovatif dengan mengintegrasikan teknologi AI untuk menangani kasus-kasus hukum kompleks (C6)

PO - 5

Mampu menerapkan teknologi AI untuk mendukung kegiatan litigasi dan non-litigasi dalam praktik hukum (C3)

PO - 6

Mampu menganalisis implikasi etis dari penggunaan AI dalam hukum dan mengembangkan strategi untuk mengatasi dilema etis tersebut (C4)

PO - 7

Mampu mengevaluasi dan mengkritisi penggunaan AI dalam sistem peradilan untuk memastikan transparansi dan akuntabilitas (C5)

PO - 8

Mampu menciptakan model prediktif untuk analisis hukum yang dapat membantu dalam pengambilan keputusan hukum (C6)

PO - 9

Mampu menerapkan teknik pemrosesan bahasa alami untuk analisis dokumen hukum dan ekstraksi informasi yang relevan (C3)

PO - 10

Mampu menganalisis dan mengevaluasi peran AI dalam penegakan hukum dan keadilan, serta memprediksi dampak sosial yang mungkin timbul (C4, C5)

Matrik PLO-PO
 
POPLO-1PLO-2PLO-5PLO-6PLO-7PLO-8PLO-10
PO-1    ✔  
PO-2  ✔✔   
PO-3✔    ✔ 
PO-4    ✔ ✔
PO-5   ✔✔  
PO-6✔    ✔ 
PO-7     ✔✔
PO-8 ✔✔ ✔  
PO-9   ✔   
PO-10 ✔   ✔✔

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✔✔✔
PO-6✔✔
PO-7✔✔
PO-8✔
PO-9✔
PO-10✔✔

Deskripsi Singkat Mata Kuliah

Matakuliah AI For Law merupakan mata kuliah pilihan yang membahas penerapan kecerdasan buatan (Artificial Intelligence) dalam bidang hukum. Mata kuliah ini bertujuan untuk memberikan pemahaman tentang konsep dasar kecerdasan buatan dan bagaimana teknologi ini dapat diterapkan dalam sistem hukum. Ruang lingkup mata kuliah mencakup pengenalan AI, aplikasi AI dalam analisis hukum, prediksi kasus hukum, legal research, dan penerapan teknologi AI dalam proses hukum. Mahasiswa akan diajak untuk memahami potensi dan tantangan penggunaan AI dalam bidang hukum serta mengembangkan keterampilan dalam menggunakan teknologi AI untuk mendukung kegiatan di dunia hukum.

Pustaka

Utama :

  1. Kaharudin, Kecerdasan Buatan: Aspek Perlindungan Hukum di Era Digitalisasi, Prenada Media, 2024
  2. Anton D Varma, Kecerdasan Buatan (AI) dan Hukum di Masa Depan: Sebuah Pengantar, Deepublish: 2024

Pendukung :

  1. John Dea, Dampak Kecerdasan Buatan pada Praktik Hukum, Harvard Law Review,2022

Dosen Pengampu

Vita Mahardhika, S.H., M.H.

Dr. Aditya Wiguna Sanjaya, S.H., M.H., M.H.Li.

Hezron Sabar Rotua Tinambunan, S.H., M.H.

Kharizha Krishnandya, S.H., M.H.

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

Mahasiswa diharapkan mampu menerapkan prinsip-prinsip AI dalam analisis kasus hukum untuk meningkatkan efisiensi dan efektivitas penyelesaian masalah hukum.
  1. Kemampuan menerapkan prinsip-prinsip AI dalam analisis kasus hukum
  2. Kemampuan meningkatkan efisiensi penyelesaian masalah hukum menggunakan AI
  3. Kemampuan meningkatkan efektivitas penyelesaian masalah hukum menggunakan AI
 Kriteria:

Kemampuan menerapkan prinsip-prinsip AI dalam analisis kasus hukum


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis proyek.
100 menit		 Diskusi daring tentang penerapan AI dalam analisis kasus hukum
100 menit		 Materi: Prinsip-prinsip AI dalam hukum, Analisis kasus hukum menggunakan AI, Efisiensi dan efektivitas penyelesaian masalah hukum
Pustaka: Handbook Perkuliahan		 6%

2

Minggu ke 2

Mahasiswa diharapkan mampu menganalisis data hukum dengan menggunakan teknik-teknik machine learning untuk mengidentifikasi pola dan tren yang relevan.
  1. Penggunaan Algoritma Machine Learning yang Tepat
  2. Kemampuan Mengidentifikasi Pola dan Tren yang Relevan
  3. Kemampuan Menyajikan Hasil Analisis dengan Jelas
 Kriteria:
  1. Sangat Baik
  2. Baik
  3. Cukup

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek.
100 menit		 Penugasan Proyek Online
100 menit		 Materi: Pengantar Machine Learning, Preprocessing Data Hukum, Model Machine Learning untuk Analisis Data Hukum, Evaluasi Hasil Analisis
Pustaka: Handbook Perkuliahan		 2%

3

Minggu ke 3

Mahasiswa diharapkan mampu menerapkan teknik machine learning untuk menganalisis data hukum, mengidentifikasi pola dan tren yang relevan, serta menginterpretasikan hasil analisis tersebut.
  1. Mampu menerapkan teknik machine learning dalam analisis data hukum
  2. Mampu mengidentifikasi pola dan tren yang relevan
  3. Mampu menginterpretasikan hasil analisis dengan tepat
 Kriteria:

Kemampuan menginterpretasikan hasil analisis dengan tepat


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis proyek.
100 menit		 Penugasan proyek online
100 menit		 Materi: Konsep dasar machine learning, Preprocessing data hukum, Model machine learning untuk analisis data hukum, Interpretasi hasil analisis
Pustaka: Handbook Perkuliahan		 2%

4

Minggu ke 4

Mahasiswa diharapkan mampu menguasai kemampuan kognitif dalam mengevaluasi keefektifan algoritma AI dalam konteks hukum dan etika, serta memastikan kepatuhan terhadap regulasi yang berlaku.
  1. Kemampuan menganalisis keefektifan algoritma AI dalam konteks hukum dan etika
  2. Kemampuan memahami dan mengaplikasikan regulasi yang berlaku dalam penggunaan AI di bidang hukum
 Kriteria:

Kemampuan memahami dan mengaplikasikan regulasi yang berlaku dalam penggunaan AI di bidang hukum


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis proyek.
100 menit		 Penugasan penilaian hasil proyek melalui LMS
100 menit		 Materi: Pengenalan algoritma AI dalam konteks hukum, Etika dalam penggunaan AI di bidang hukum, Regulasi terkait penggunaan AI di bidang hukum
Pustaka: Handbook Perkuliahan		 2%

5

Minggu ke 5

Mahasiswa diharapkan mampu mengidentifikasi dan mengevaluasi keefektifan algoritma AI dalam konteks hukum dan etika, serta mampu memastikan kepatuhan terhadap regulasi yang berlaku.
  1. Mampu mengidentifikasi keefektifan algoritma AI dalam konteks hukum dan etika
  2. Mampu mengevaluasi kepatuhan terhadap regulasi yang berlaku
 Kriteria:
  1. Sangat Baik
  2. Baik
  3. Cukup

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Diskusi, studi kasus, presentasi.
100 menit		 Diskusi daring tentang studi kasus penggunaan AI dalam kasus hukum tertentu
100 menit		 Materi: Konsep evaluasi algoritma AI dalam konteks hukum, Etika dalam penggunaan AI di bidang hukum, Regulasi hukum terkait penggunaan AI
Pustaka: Handbook Perkuliahan		 4%

6

Minggu ke 6

Mahasiswa diharapkan mampu menghasilkan solusi hukum inovatif dengan memanfaatkan teknologi AI untuk menyelesaikan kasus hukum kompleks.
  1. Kemampuan menerapkan teknologi AI dalam analisis kasus hukum
  2. Kemampuan menciptakan solusi hukum inovatif
  3. Kemampuan mengintegrasikan teknologi AI dalam penyelesaian kasus hukum
 Kriteria:

Kemampuan mengintegrasikan teknologi AI dalam penyelesaian kasus hukum


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis proyek.
100 menit		 Diskusi daring tentang penerapan AI dalam kasus hukum, Membuat proposal solusi hukum inovatif dengan teknologi AI
100 menit		 Materi: Pengenalan Teknologi AI dalam Hukum, Studi Kasus Penggunaan AI dalam Penyelesaian Kasus Hukum, Strategi Integrasi AI dalam Praktik Hukum
Pustaka: Handbook Perkuliahan		 10%

7

Minggu ke 7

Mahasiswa diharapkan mampu menghasilkan solusi hukum inovatif dengan memanfaatkan teknologi AI dalam menyelesaikan kasus-kasus hukum kompleks.
  1. Kemampuan menerapkan teknologi AI dalam analisis kasus hukum
  2. Kemampuan menciptakan solusi hukum inovatif
  3. Kemampuan mengintegrasikan teknologi AI dalam penyelesaian kasus hukum
 Kriteria:

Kemampuan mengintegrasikan teknologi AI dalam penyelesaian kasus hukum


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek.
100 menit		 Penugasan proyek online
100 menit		 Materi: Konsep dasar AI dalam hukum, Studi kasus penggunaan AI dalam penyelesaian kasus hukum, Metode integrasi AI dalam praktik hukum
Pustaka: Handbook Perkuliahan		 10%

8

Minggu ke 8

Mahasiswa diharapkan mampu menghasilkan solusi hukum inovatif dengan memanfaatkan teknologi AI dalam menyelesaikan kasus-kasus hukum kompleks (UTS)
  1. Kemampuan menerapkan teknologi AI dalam analisis kasus hukum
  2. Kemampuan menciptakan solusi hukum inovatif
  3. Kemampuan mengintegrasikan teknologi AI dalam penyelesaian kasus hukum
 Kriteria:

Kemampuan mengintegrasikan teknologi AI dalam penyelesaian kasus hukum


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek. (UTS)
100 menit		 Penugasan proyek online (UTS)
100 menit		 Materi: Konsep dasar AI dalam hukum, Studi kasus penggunaan AI dalam penyelesaian kasus hukum, Metode integrasi AI dalam praktik hukum
Pustaka: Handbook Perkuliahan		 20%

9

Minggu ke 9

Mampu menerapkan teknologi AI untuk mendukung kegiatan litigasi dan non-litigasi dalam praktik hukum
  1. Pemahaman konsep dasar AI
  2. Identifikasi potensi penerapan AI dalam praktik hukum
  3. Kemampuan menggunakan teknologi AI dalam menyelesaikan kasus hukum
 Kriteria:

Kemampuan menggunakan teknologi AI dalam menyelesaikan kasus hukum


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Proyek.
100 menit		 Penugasan Proyek AI untuk Menyelesaikan Kasus Hukum
100 menit		 Materi: Konsep Dasar AI, Penerapan AI dalam Litigasi, Penerapan AI dalam Non-Litigasi, Studi Kasus Penggunaan AI dalam Praktik Hukum
Pustaka: Handbook Perkuliahan		 2%

10

Minggu ke 10

Mahasiswa diharapkan mampu mengimplementasikan teknologi AI dalam mendukung kegiatan litigasi dan non-litigasi dalam praktik hukum.
  1. Kemampuan menerapkan konsep dasar AI dalam konteks hukum
  2. Kemampuan mengidentifikasi aplikasi AI yang relevan dalam praktik hukum
  3. Kemampuan menggunakan teknologi AI untuk mendukung proses litigasi dan non-litigasi
 Kriteria:
  1. Sangat Baik
  2. Baik
  3. Cukup

Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis proyek.
100 menit		 Diskusi daring tentang aplikasi AI dalam kasus hukum nyata, Analisis studi kasus penggunaan AI dalam litigasi
100 menit		 Materi: Konsep dasar AI, Aplikasi AI dalam hukum, Penerapan AI dalam litigasi dan non-litigasi
Pustaka: Handbook Perkuliahan		 2%

11

Minggu ke 11

Mahasiswa diharapkan mampu memahami dan menganalisis implikasi etis dari penggunaan AI dalam konteks hukum, serta mampu mengembangkan strategi untuk mengatasi dilema etis yang muncul.
  1. Mampu menganalisis implikasi etis dari penggunaan AI dalam hukum
  2. Mampu mengembangkan strategi untuk mengatasi dilema etis dalam penggunaan AI dalam hukum
 Kriteria:
  1. Sangat Baik
  2. Baik
  3. Cukup

Bentuk Penilaian :
Aktifitas Partisipasif		 Diskusi kelompok, studi kasus, presentasi.
100 menit		 Penugasan Esai tentang Implikasi Etis AI dalam Kasus Hukum Tertentu
100 menit		 Materi: Etika dalam penggunaan AI dalam hukum, Dilema etis dalam keputusan AI, Strategi mengatasi dilema etis
Pustaka: Handbook Perkuliahan		 2%

12

Minggu ke 12

Mahasiswa diharapkan mampu mengevaluasi dan mengkritisi penggunaan AI dalam sistem peradilan untuk memastikan transparansi dan akuntabilitas.
  1. Analisis kritis terhadap penggunaan AI dalam sistem peradilan
  2. Kemampuan mengevaluasi transparansi dan akuntabilitas dalam penggunaan AI
 Kriteria:

Kemampuan mengevaluasi transparansi dan akuntabilitas dalam penggunaan AI


Bentuk Penilaian :
Aktifitas Partisipasif		 Diskusi kelompok dan studi kasus.
100 menit		 Diskusi daring tentang studi kasus penggunaan AI dalam sistem peradilan
100 menit		 Materi: Pengenalan AI dalam sistem peradilan, Pengaruh AI terhadap transparansi dan akuntabilitas, Studi kasus penggunaan AI dalam sistem peradilan
Pustaka: Handbook Perkuliahan		 2%

13

Minggu ke 13

Mahasiswa diharapkan mampu menciptakan model prediktif untuk analisis hukum yang dapat membantu dalam pengambilan keputusan hukum.
  1. Mampu merancang model prediktif yang relevan
  2. Mampu mengimplementasikan model prediktif dalam analisis kasus hukum
  3. Mampu mengevaluasi keefektifan model prediktif dalam pengambilan keputusan hukum
 Kriteria:

Mampu mengevaluasi keefektifan model prediktif dalam pengambilan keputusan hukum


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Proyek.
100 menit		 Penugasan Proyek
100 menit		 Materi: Konsep Model Prediktif, Teknik Analisis Hukum, Pengambilan Keputusan Hukum
Pustaka: Handbook Perkuliahan		 2%

14

Minggu ke 14

Mahasiswa diharapkan mampu menguasai teknik pemrosesan bahasa alami untuk menganalisis dokumen hukum dan mengekstraksi informasi yang relevan.
  1. Analisis dokumen hukum menggunakan teknik pemrosesan bahasa alami
  2. Ekstraksi informasi relevan dari dokumen hukum
 Kriteria:

Ekstraksi informasi relevan dari dokumen hukum


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis proyek.
100 menit		 Penugasan Proyek Online
100 menit		 Materi: Dasar-dasar pemrosesan bahasa alami, Metode analisis dokumen hukum, Teknik ekstraksi informasi
Pustaka: Handbook Perkuliahan		 2%

15

Minggu ke 15

Mahasiswa diharapkan mampu menganalisis dan mengevaluasi peran AI dalam penegakan hukum dan keadilan, serta memprediksi dampak sosial yang mungkin timbul.
  1. C4
  2. C5
 Kriteria:
  1. C4
  2. C5

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Diskusi kelompok, studi kasus, presentasi.
100 menit		 Diskusi daring tentang dampak sosial AI dalam hukum
100 menit		 Materi: Pengantar AI dalam Hukum, Peran AI dalam Sistem Peradilan, Dampak Sosial Implementasi AI dalam Hukum
Pustaka: Handbook Perkuliahan		 2%

16

Minggu ke 16

Mahasiswa diharapkan mampu menganalisis dan mengevaluasi peran AI dalam penegakan hukum dan keadilan, serta memprediksi dampak sosial yang mungkin timbul.
  1. C4
  2. C5
 Kriteria:
  1. C4
  2. C5

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Tes		 PBL (UAS)
100 menit		 UAS
100 menit		 Materi: Pengantar AI dalam Hukum, Peran AI dalam Sistem Peradilan, Dampak Sosial Implementasi AI dalam Hukum
Pustaka: Handbook Perkuliahan		 30%



Rekap Persentase Evaluasi : Case Study

No Evaluasi Persentase
1. Aktifitas Partisipasif 51%
2. Penilaian Hasil Project / Penilaian Produk 34%
3. Tes 15%
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.