Universitas Negeri Surabaya
Fakultas Matematika dan Ilmu Pengetahuan Alam
Program Studi S1 Pendidikan Ilmu Pengetahuan Alam

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Artificial intelligence untuk Pembelajaran Sains

8420802203

Mata Kuliah Pilihan Program Studi

T=2

P=0

ECTS=3.18

3

10 Agustus 2024

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Prof. Dr. Wahono Widodo, M.Si. Dr. An Nuril Maulida Fauziah, S.Pd.,M.Pd. Muhamad Arif Mahdiannur, S.Pd.,M.Pd.


Prof. Dr. Wahono Widodo, M.Si.


ERMAN

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-4

Mengembangkan diri secara berkelanjutan dan berkolaborasi.

PLO-7

Mampu mendemonstrasikan pengetahuan pedagogi tentang merancang, melaksanakan, dan mengevaluasi pembelajaran IPA

PLO-10

Mampu merancang dan melaksanakan eksperimen/penyelidikan dalam pembelajaran sains terintegrasi untuk menjelaskan kasus dan isu sains dan memecahkan masalah, , dan menginterpretasi data

PLO-11

Mampu mengkomunikasikan ide, gagasan, dan hasil observasi/eksperimen/penyelidikan secara efektif, baik lisan maupun tulisan

Program Objectives (PO)

PO - 1

Mahasiswa mampu mengidentifikasi dan memanfaatkan perkembangan terbaru dalam bidang AI untuk pembelajaran sains guna mengembangkan diri secara berkelanjutan Sub-CPMK 1: Mahasiswa memahami sejarah dan perkembangan AI serta konsep dasar AI. (Pertemuan 1) Sub-CPMK 2: Mahasiswa mampu menjelaskan prinsip dasar machine learning dan neural networks. (Pertemuan 2) Sub-CPMK 3: Mahasiswa mengidentifikasi aplikasi AI dalam berbagai bidang dan potensi penerapannya dalam pembelajaran IPA. (Pertemuan 3)

PO - 2

Sub-CPMK 14: Mahasiswa mampu mengkomunikasikan hasil observasi, eksperimen, atau penyelidikan menggunakan AI secara efektif, baik lisan maupun tulisan. (Pertemuan 14) Sub-CPMK 15: Mahasiswa mampu mengembangkan proyek akhir yang menggunakan AI dalam pembelajaran sains dan mempresentasikannya secara efektif. (Pertemuan 15)

PO - 3

Sub-CPMK 4: Mahasiswa memahami penerapan AI dalam pendidikan serta alat dan platform AI yang digunakan untuk pembelajaran. (Pertemuan 4) Sub-CPMK 6: Mahasiswa mampu menerapkan AI dalam pembelajaran IPA, seperti simulasi ilmiah dan eksperimen virtual. (Pertemuan 6) Sub-CPMK 7: Mahasiswa mengidentifikasi contoh-contoh aplikasi AI dalam biologi, kimia, fisika, dan ilmu kebumian untuk meningkatkan pembelajaran IPA. (Pertemuan 7)

PO - 4

Sub-CPMK 5: Mahasiswa menganalisis studi kasus penggunaan AI di ruang kelas untuk meningkatkan efektivitas pembelajaran. (Pertemuan 5) Sub-CPMK 9: Mahasiswa mampu menjelaskan dan mengimplementasikan sistem pembelajaran adaptif berbasis AI. (Pertemuan 9) Sub-CPMK 12: Mahasiswa memahami penerapan AI untuk penilaian dan evaluasi pembelajaran serta otomatisasi penilaian. (Pertemuan 12)

PO - 5

Sub-CPMK 8: Mahasiswa memahami konsep personalized learning dan bagaimana AI dapat digunakan untuk menyesuaikan materi pelajaran dengan kebutuhan individual siswa. (Pertemuan 9) Sub-CPMK 13: Mahasiswa mampu menggunakan AI untuk menganalisis performa siswa dan memberikan feedback yang dipersonalisasi. (Pertemuan 13)

PO - 6

Mahasiswa mampu menginterpretasi data dari eksperimen atau penyelidikan yang menggunakan AI dan menarik kesimpulan yang relevan untuk pembelajaran IPA Sub-CPMK 10: Mahasiswa memahami pengumpulan dan analisis data pendidikan menggunakan AI serta konsep pengambilan keputusan berbasis data. (Pertemuan 10) Sub-CPMK 11: Mahasiswa mampu menjelaskan pertimbangan etis dalam penggunaan data siswa untuk AI dalam pendidikan. (Pertemuan 11)

PO - 7

Mahasiswa mampu mengkomunikasikan ide dan gagasan terkait penggunaan AI dalam pembelajaran IPA secara efektif melalui presentasi lisan/tulisan Sub-CPMK 14: Mahasiswa mampu mengkomunikasikan hasil observasi, eksperimen, atau penyelidikan menggunakan AI secara efektif, baik lisan maupun tulisan. (Pertemuan 14)

PO - 8

Mahasiswa mampu menyusun laporan tertulis yang menggambarkan hasil observasi, eksperimen, atau penyelidikan yang menggunakan AI dalam pembelajaran IPA secara jelas dan sistematis Sub-CPMK 14: Mahasiswa mampu mengkomunikasikan hasil observasi, eksperimen, atau penyelidikan menggunakan AI secara efektif, baik lisan maupun tulisan. (Pertemuan 14)

Matrik PLO-PO
 
POPLO-4PLO-7PLO-10PLO-11
PO-1✔   
PO-2 ✔  
PO-3  ✔ 
PO-4  ✔ 
PO-5  ✔ 
PO-6 ✔  
PO-7   ✔
PO-8   ✔

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

Deskripsi Singkat Mata Kuliah

Mata kuliah Kecerdasan Buatan untuk Pembelajaran IPA (Artificial Intelligence for Science Learning) merupakan mata kuliah yang didesain untuk memberikan pemahaman tentang konsep dan aplikasi kecerdasan buatan (Artificial Intelligence/AI) dalam konteks pembelajaran IPA. Mahasiswa akan mempelajari bagaimana AI dapat digunakan untuk meningkatkan proses belajar-mengajar, mengembangkan metode pembelajaran yang lebih personalisasi, dan memecahkan masalah pendidikan yang kompleks. Bahan Kajian yang dipelajari, yaitu: Pengantar AI, AI dalam Pendidikan, AI untuk Pembelajaran IPA, Personalized Learning dengan AI, Data Science dan Analisis Data dalam Pendidikan, serta AI dalam Penilaian dan Evaluasi Pembelajaran. Mata kuliah ini menggunakan pendekatan proyek agar para mahasiswa dapat memeroleh pengalaman langsung dalam memanfaatkan AI untuk peningkatan mutu pembelajaran IPA.

Pustaka

Utama :

  1. 1. Mitchell, M. (2019). Artificial intelligence: A guide for thinking humans.
  2. 2. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education promises and implications for teaching and learning. Center for Curriculum Redesign.
  3. 3. Ng, A. (2018). Machine learning yearning: Technical strategy for AI engineers, in the era of deep learning.
  4. 4. Goodfellow, I. (2016). Deep learning-ian goodfellow, yoshua bengio, aaron courville. Adapt. Comput. Mach. Learn.
  5. 5. Guilherme, A. (2019). AI and education: the importance of teacher and student relations. AI & society, 34, 47-54
  6. 6. Felix, C. V. (2020). The role of the teacher and AI in education. In International perspectives on the role of technology in humanizing higher education (pp. 33-48). Emerald Publishing Limited.
  7. 7. Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570.
  8. 8. Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., ... & Li, Y. (2021). A Review of Artificial Intelligence (AI) in Education from 2010 to 2020. Complexity, 2021(1), 8812542.

Pendukung :

  1. 1. Journal of Artificial Intelligence in Education (JAIED)
  2. 2. Computers & Education
  3. 3. Educational Technology & Society
  4. 4. British Journal of Educational Technology

Dosen Pengampu

AHMAD QOSYIM

AN NURIL MAULIDA FAUZIAH

MUHAMAD ARIF MAHDIANNUR

DYAH PERMATA SARI

ERNITA VIKA AULIA

Dr. An Nuril Maulida Fauziah, S.Pd., M.Pd.

Dr. An Nuril Maulida Fauziah, S.Pd., M.Pd.

Ahmad Qosyim, S.Si., M.Pd.

Ahmad Qosyim, S.Si., M.Pd.

Muhamad Arif Mahdiannur, S.Pd., M.Pd.

Muhamad Arif Mahdiannur, S.Pd., M.Pd.

Ernita Vika Aulia, S.Pd., M.Pd.

Ernita Vika Aulia, S.Pd., M.Pd.

Dyah Permata Sari, S.Pd., M.Pd.

Dyah Permata Sari, S.Pd., 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

  1. 1. Menganalisis sejarah dan perkembangan AI beserta tokoh dan tonggak pentingnya
  2. 2. Menguraikan konsep dasar AI dan komponen utamanya.
  3. 3. Memberikan contoh penerapan AI di berbagai bidang.
 Kriteria:
  1. Ketepatan & kelengkapan informasi timeline
  2. Kualitas visual (desain, keterbacaan)
  3. Keterpaduan narasi & visual
  4. Kerja sama tim

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Portofolio		 Team-based Project
2x50’		 LMS Sidia
2x50’		 Materi: sejarah dan perkembangan AI
Pustaka: 1. Mitchell, M. (2019). Artificial intelligence: A guide for thinking humans.		 5%

2

Minggu ke 2

Mahasiswa mampu menjelaskan prinsip dasar machine learning dan neural networks.
  1. 1. Menganalisis konsep dasar machine learning dan jenis-jenisnya.
  2. 2. Menguraikan prinsip kerja neural networks dan komponennya.
  3. 3. Memberikan contoh penerapan machine learning dan neural networks di dunia nyata.
 Kriteria:
  1. Kejelasan deskripsi kasus
  2. Analisis prinsip ML & NN yang digunakan
  3. Argumentasi logis & kritis
  4. Ketepatan istilah teknis

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 team-based project
2x50‘		 LMS Sidia
2x50‘		 Materi: konsep dasar machine learning
Pustaka: 1. Mitchell, M. (2019). Artificial intelligence: A guide for thinking humans.		 0%

3

Minggu ke 3

Mahasiswa mengidentifikasi aplikasi AI dalam berbagai bidang dan potensi penerapannya dalam pembelajaran IPA.
  1. 1. Mengidentifikasi berbagai aplikasi AI di beragam bidang secara tepat.
  2. 2. Menganalisis potensi penerapan aplikasi AI tersebut dalam pembelajaran IPA.
 Kriteria:
  1. Keberagaman contoh yang relevan
  2. Kejelasan uraian potensi adaptasi
  3. Orisinalitas ide
  4. Keterkaitan dengan tujuan pembelajaran IPA

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: berbagai aplikasi AI
Pustaka: 3. Ng, A. (2018). Machine learning yearning: Technical strategy for AI engineers, in the era of deep learning.		 5%

4

Minggu ke 4

Mahasiswa memahami penerapan AI dalam pendidikan serta alat dan platform AI yang digunakan untuk pembelajaran.
  1. 1. Menganalisis konsep dan manfaat penerapan AI dalam pendidikan.
  2. 2. Mengidentifikasi alat dan platform AI yang dapat digunakan untuk pembelajaran beserta fungsinya.
 Kriteria:
  1. - Kejelasan demonstrasi langkah demi langkah
  2. - Relevansi alat dengan pembelajaran IPA
  3. - Kemampuan menjawab pertanyaan audiens
  4. - Kerja sama tim

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: penerapan AI
Pustaka: 4. Goodfellow, I. (2016). Deep learning-ian goodfellow, yoshua bengio, aaron courville. Adapt. Comput. Mach. Learn.		 10%

5

Minggu ke 5

Mahasiswa menganalisis studi kasus penggunaan AI di ruang kelas untuk meningkatkan efektivitas pembelajaran.
  1. 1. Menguraikan permasalahan dan solusi berbasis AI dari studi kasus yang diberikan.
  2. 2. Menilai potensi dampak penerapan AI terhadap efektivitas pembelajaran di ruang kelas.
 Kriteria:
  1. Identifikasi masalah yang jelas
  2. Kesesuaian solusi AI dengan masalah
  3. Analisis dampak positif/negatif
  4. Dukungan data atau referensi
 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: studi kasus penggunaan AI
Pustaka: 4. Goodfellow, I. (2016). Deep learning-ian goodfellow, yoshua bengio, aaron courville. Adapt. Comput. Mach. Learn.		 15%

6

Minggu ke 6

Mahasiswa mampu menerapkan AI dalam pembelajaran IPA, seperti simulasi ilmiah dan eksperimen virtual.
  1. 1. Mengoperasikan simulasi ilmiah atau eksperimen virtual berbasis AI untuk pembelajaran IPA.
  2. 2. Menganalisis konsep IPA yang dipelajari melalui hasil simulasi atau eksperimen virtual tersebut.
 Kriteria:
  1. Ketepatan prosedur simulasi
  2. Kejelasan penjelasan konsep IPA yang dipelajari
  3. Pemahaman teknis platform AI
  4. Kemampuan komunikasi

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: menerapkan AI dalam pembelajaran IPA
Pustaka: 5. Guilherme, A. (2019). AI and education: the importance of teacher and student relations. AI & society, 34, 47-54		 10%

7

Minggu ke 7

Mahasiswa mengidentifikasi contoh-contoh aplikasi AI dalam biologi, kimia, fisika, dan ilmu kebumian untuk meningkatkan pembelajaran IPA
  1. 1. Menganalisis contoh aplikasi AI pada masing-masing bidang biologi, kimia, fisika, dan ilmu kebumian.
  2. 2. Menganalisis manfaat penggunaan aplikasi AI tersebut dalam meningkatkan pembelajaran IPA.
 Kriteria:
  1. Kejelasan deskripsi aplikasi
  2. Analisis peningkatan pembelajaran yang realistis
  3. Keterpaduan tim dalam penyajian
  4. Kualitas media

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: contoh-contoh aplikasi AI dalam meningkatkan pembelajaran IPA
Pustaka: 7. Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570.		 5%

8

Minggu ke 8

Evaluasi Tengah Semester: evluasi terhadap hasil pengukuran asesmen sebelum ETS (mg ke 1 – 7)

Team-based Project
2x50‘		 LMS Sidia
2x50‘		 0%

9

Minggu ke 9

Mahasiswa mampu menjelaskan dan mengimplementasikan sistem pembelajaran adaptif berbasis AI.
  1. 1. Menganalisis prinsip kerja sistem pembelajaran adaptif berbasis AI.
  2. 2. Merancang penerapan sistem pembelajaran adaptif berbasis AI dalam skenario pembelajaran.
 Kriteria:
  1. - Relevansi rancangan dengan konsep pembelajaran adaptif berbasis AI
  2. Kejelasan tujuan & alur skenario
  3. Kelayakan implementasi di konteks nyata
  4. Partisipasi aktif dalam diskusi & presentasi

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: pembelajaran adaptif berbasis AI.
Pustaka: 5. Guilherme, A. (2019). AI and education: the importance of teacher and student relations. AI & society, 34, 47-54		 5%

10

Minggu ke 10

Mahasiswa memahami pengumpulan dan analisis data pendidikan menggunakan AI serta konsep pengambilan keputusan berbasis data
  1. 1. Menganalisis proses pengumpulan dan pengolahan data pendidikan dengan AI.
  2. 2. Mengevaluasi hasil analisis AI untuk pengambilan keputusan berbasis data.
 Kriteria:
  1. Ketepatan identifikasi tahapan pengumpulan data
  2. Kejelasan penjelasan teknik pengolahan data
  3. Keterkaitan dengan kebutuhan pembelajaran berbasis AI
  4. Kemampuan mengaitkan teori & praktik

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: analisis data pendidikan menggunakan AI
Pustaka: 1. Journal of Artificial Intelligence in Education (JAIED)		 5%

11

Minggu ke 11

Mahasiswa mampu menjelaskan pertimbangan etis dalam penggunaan data siswa untuk AI dalam pendidikan.
  1. 1. Menganalisis isu etika terkait penggunaan data siswa untuk AI dalam pendidikan.
  2. 2. Mengevaluasi kebijakan perlindungan privasi dan keamanan data siswa.
 Kriteria:
  1. Pemahaman isi kebijakan yang dianalisis
  2. Ketajaman analisis terhadap dampak kebijakan
  3. Kemampuan memberikan rekomendasi berbasis AI
  4. Partisipasi & kolaborasi dalam diskusi

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: pertimbangan etis dalam penggunaan data siswa untuk AI dalam pendidikan
Pustaka: 2. Computers & Education		 5%

12

Minggu ke 12

Mahasiswa memahami penerapan AI untuk penilaian dan evaluasi pembelajaran serta otomatisasi penilaian.
  1. 1. Menganalisis prosedur penerapan AI dalam penilaian dan evaluasi pembelajaran.
  2. 2. Mengevaluasi efektivitas otomatisasi penilaian menggunakan AI.
 Kriteria:
  1. Kejelasan deskripsi metode penilaian manual & AI
  2. Ketepatan analisis perbedaan hasil
  3. Ketajaman kesimpulan & rekomendasi
  4. Kerapihan dan sistematika laporan

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: penerapan AI untuk penilaian dan evaluasi
Pustaka: 3. Educational Technology & Society		 5%

13

Minggu ke 13

Mahasiswa mampu menggunakan AI untuk menganalisis performa siswa dan memberikan feedback yang dipersonalisasi.
  1. 1. Menganalisis hasil kinerja siswa dengan alat AI.
  2. 2. Merumuskan rekomendasi atau feedback yang dipersonalisasi berdasarkan hasil analisis AI.
 Kriteria:
  1. Kejelasan, ketepatan, dan bahasa feedback tertulis
  2. Relevansi feedback dengan tujuan pembelajaran
  3. Keterampilan komunikasi saat simulasi pemberian feedback
  4. Kemampuan memberikan saran yang membangun

Bentuk Penilaian :
Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: AI untuk menganalisis performa siswa
Pustaka: 4. British Journal of Educational Technology		 5%

14

Minggu ke 14

Mahasiswa mampu mengkomunikasikan hasil observasi, eksperimen, atau penyelidikan menggunakan AI secara efektif, baik lisan maupun tulisan.
  1. 1. Menganalisis data hasil observasi, eksperimen, atau penyelidikan berbasis AI.
  2. 2. Mengevaluasi kualitas komunikasi lisan maupun tulisan dari hasil observasi atau eksperimen berbasis AI.
 Kriteria:
  1. Ketepatan interpretasi data
  2. Kemampuan mengidentifikasi pola/tren dari grafik/tabel
  3. Kejelasan penjelasan analisis
  4. Ketepatan jawaban kuis

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: mengkomunikasikan hasil observasi, eksperimen
Pustaka: 2. Computers & Education		 10%

15

Minggu ke 15

Mahasiswa mampu mengembangkan proyek akhir yang menggunakan AI dalam pembelajaran sains dan mempresentasikannya secara efektif.
  1. 1. Menganalisis kebutuhan dan rancangan proyek akhir berbasis AI dalam pembelajaran sains.
  2. 2. Mengevaluasi kelayakan dan kualitas hasil proyek akhir berbasis AI.
 Kriteria:
  1. Kejelasan isi proyek yang disajikan
  2. Kedalaman analisis dan solusi yang diusulkan
  3. Kualitas media presentasi
  4. Kemampuan menerima dan menanggapi feedback sejawat

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Team-based Project
2x50‘		 LMS Sidia
2x50‘		 Materi: mengembangkan proyek akhir yang menggunakan AI
Pustaka: 6. Felix, C. V. (2020). The role of the teacher and AI in education. In International perspectives on the role of technology in humanizing higher education (pp. 33-48). Emerald Publishing Limited.		 10%

16

Minggu ke 16

UAS / Evaluasi Akhir Semester

Team-based Project
2x50‘		 LMS Sidia
2x50‘		 0%



Rekap Persentase Evaluasi : Project Based Learning

No Evaluasi Persentase
1. Aktifitas Partisipasif 21.67%
2. Penilaian Hasil Project / Penilaian Produk 36.67%
3. Penilaian Portofolio 21.67%
80.01%

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.