Document

PORTOFOLIO MATA KULIAH

Nama Mata Kuliah : Big Data
Kode Mata Kuliah : IKS6335
Tim Dosen :
  1. 1683 Ir. Agung Sediyono, M.T., Ph.D.
Kelas : 01
Dosen : 1683 Ir. Agung Sediyono, M.T., Ph.D.
Semester : Gasal 2023/2024 (R)
Tahun Akademik : 2023/2024
Jumlah Mahasiswa : 58 mahasiswa

Program Studi TEKNIK INFORMATIKA

Fakultas TEKNOLOGI INDUSTRI

Universitas Trisakti

Mar 2024

PORTOFOLIO MATA KULIAH

NAMA MATA KULIAH : Big Data
KODE MATA KULIAH : IKS6335
KELAS : TIF-01
SEMESTER : Gasal 2023/2024 (R)
DOSEN PENGAMPU : 1683 Ir. Agung Sediyono, M.T., Ph.D.
NAMA DOSEN/TIM DOSEN :
  1. 1683 Ir. Agung Sediyono, M.T., Ph.D.
NAMA KOORDINATOR MATA KULIAH : 1683 Ir. Agung Sediyono, M.T., Ph.D.

1. HALAMAN PENGESAHAN PORTOFOLIO

PORTOFOLIO MATA KULIAH
BIG DATA
Tahun Akademik: Gasal 2023/2024 (R)
Program Studi TEKNIK INFORMATIKA
Fakultas TEKNOLOGI INDUSTRI
Kode:
IKS6335 		Bobot (sks):
3.00 sks 		Rumpun MK:
Semester:
GASAL
Penanggungjawab Nama Tanda Tangan Tanggal
Koordinator MK 1683 Ir. Agung Sediyono, M.T., Ph.D.
Koordinator Bidang Keahlian/Ilmu
Ketua Program Studi 2641 Binti Solihah, S.T., M.Kom.

DAFTAR ISI

  1. HALAMAN PENGESAHAN PORTOFOLIO .................................................................................
  2. CAPAIAN PEMBELAJARAN PROGRAM STUDI .......................................................................
  3. RENCANA PEMBELAJARAN SEMESTER (RPS) .......................................................................
    • 3.1. Muatan RPS ......................................................................................................................
    • 3.1. Sosialisasi RPS .................................................................................................................
  4. RENCANA PENILAIAN & RUBRIK .............................................................................................
    • 4.1. Rencana Penilaian CPMK ................................................................................................
    • 4.2. Rubrik Penilaian (UTS, UAS, Praktikum, Tugas) ...........................................................
  5. EVALUASI DAN ANALISIS HASIL PROSES PEMBELAJARAN .............................................
    • 5.1. Nilai Akhir Mata Kuliah dan Distribusinya .....................................................................
    • 5.2. Analisis Distribusi Nilai per CPMK .................................................................................
    • 5.3. Analisis Distribusi Nilai Per Teknik Penilaian (UTS, UAS, Tugas, Quiz, Laporan Praktikum, dsb).........................................................................................................................
    • 5.4. Analisis Distribusi Nilai per Mahasiswa ..........................................................................
  6. REKOMENDASI TINDAK LANJUT ..............................................................................................
  7. LAMPIRAN: ......................................................................................................................................

2. CAPAIAN PEMBELAJARAN PROGRAM STUDI

Tabel 1. Capaian Pembelajaran Lulusan (CPL) Program Studi
KODE DESKRIPSI CPL
S.1 Mahasiswa mampu menunjukkan sikap Tri Krama Universitas Trisakti: Takwa Tekun Terampil, Asah Asih Asuh, Satria, Setia Sportif dan berjiwa wirausaha (S.a)
S.2 Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa, dan bernegara berdasarkan Pancasila (S.b)
P.1 Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
P.2 Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
KU.1 Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
KU.2 Mahasiswa mampu berpikir logis, kritis serta sistematis dalam memanfaatkan ilmu pengetahuan informatika/ ilmu komputer untuk menyelesaikan masalah nyata. (KU.b)
KU.3 Mahasiswa mampu belajar mandiri sepanjang hayat, kreatif inovatif, berkomunikasi, bekerja sama, dan berperan secara efektif sebagai anggota atau pemimpin tim sesuai bidang ilmu dalam berbagai konteks profesional. (KU.c)
KK.1 Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
KK.2 Mahasiswa mampu menganalisis, merancang, membuat dan mengevaluasi user interface dan aplikasi interaktif dengan mempertimbangkan kebutuhan pengguna dan perkembangan ilmu transdisiplin (KK.b)
KK.3 Mahasiswa mampu mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi multi-platform yang memenuhi kebutuhan-kebutuhan industri (KK.c)
KK.4 Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Tabel 2. Capaian Pembelajaran Lulusan yang Dibebankan pada Mata Kuliah
KODE DESKRIPSI CPL
P.1 Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
KU.2 Mahasiswa mampu berpikir logis, kritis serta sistematis dalam memanfaatkan ilmu pengetahuan informatika/ ilmu komputer untuk menyelesaikan masalah nyata. (KU.b)
KK.1 Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
Tabel 3. Pemetaan Keterkaitan Capaian Pembelajaran Mata Kuliah dengan CPL
KODE CPL KODE CPMK DESKRIPSI CPMK
P.1 P1.CPMK-1 mampu menjelaskan cara kerja dan arsitektur teknologi big data
P.1 P1.CPMK-2 mampu menjelaskan masalah skala dan implikasi Big Data pada kebutuhan komputasi
KU.2 KU2.CPMK-3 mampu memilih teknologi yang tepat untuk menyelesaikan masalah skala dan implikasi Big Data
KK.1 KK1.CPMK-4 mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri
Tabel 4. Sub Capaian Pembelajaran Mata Kuliah
KODE CPL KODE CPMK DESKRIPSI Sub CPMK
P.1 P1.CPMK-1
P1.CPMK-1.1 mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur
P1.CPMK-1.2 mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan
P1.CPMK-1.3 mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data
P1.CPMK-1.4 mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat
P1.CPMK-1.5 mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi
P1.CPMK-1.6 mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming
P1.CPMK-1.7 mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data
P.1 P1.CPMK-2
P1.CPMK-2.1 mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi
P1.CPMK-2.2 mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi
KU.2 KU2.CPMK-3
KU2.CPMK-3.1 mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data
KU2.CPMK-3.2 mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data
KU2.CPMK-3.3 mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi
KU2.CPMK-3.4 mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis
KK.1 KK1.CPMK-4
KK1.CPMK-4.1 mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri
KK1.CPMK-4.2 mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri
KK1.CPMK-4.3 mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri

3. RENCANA PEMBELAJARAN SEMESTER (RPS)

3.1 Muatan RPS

Tabel 5. Format dan Muatan RPS
UNIVERSITAS TRISAKRI
FAKULTAS TEKNOLOGI INDUSTRI
PROGRAM STUDI TEKNIK INFORMATIKA

RENCANA PEMBELAJARAN SEMESTER		 Kode : DU1.2.4-KUR-04.RPS/IKS6335

Program Studi : TEKNIK INFORMATIKA Semester : Gasal 2023/2024 (R);Jenis Mata Kuliah : Wajib     Kode Mata Kuliah : IKS6335     SKS : 3.00
Mata Kuliah : Big Data Dosen :
  1. 1683 Ir. Agung Sediyono, M.T., Ph.D.
MK Prasyarat :
    Tidak ada prasyarat;
Sesi Ke KAD Bahan Kajian Metoda Pembelajaran Waktu Belajar (Menit) Pengalaman Belajar Mahasiswa Referensi Kriteria Penilaian (Indikator)
1
  1. mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi
  2. mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur
 RPS Big Data. Pertumbuhan data dan implikasinya. Keragaman format data dan implikasinya. Kecepatan perubahan data dan implikasinya
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi dan dapat menyimpulkan terkait dengan pertumbuhan data, keragaman format dan kecepatan perubahan data serta implikasinya
  • Diskusi 1 - 3.00 %
2
  1. mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi
 Model pertumbuhan volume data dari berbagai media
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi untuk menyimpulkan model pertumbuhan data dari kasus yang diberikan
  • Diskusi 1 - 2.00 %
3
  1. mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan
 sistem terdistribusi. File system terdistribusi. Database terdistribusi: Hadoop, MongoDB
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi untuk membandinkan kapabilitas berbagai produk teknologi untuk mengatasi masalah volume data besar
  • Diskusi 2 - 1.00 %
  • Ujian Tengah Semester - 5.00 %
4
  1. mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi
 Pemrosesan data secara paralel: MapReduce: Hadoop Pig
  • Tutorial
  • Diskusi
  • Presentasi
 150.00 mahasiswa dapat memperagakan bagaimana paralel processing MapReduce bekerja dan merancang arsitekturnya
  • Diskusi 2 - 1.00 %
  • Presentasi 1 - 2.00 %
  • Ujian Tengah Semester - 5.00 %
5
  1. mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming
 Data streaming model dan teknologinya: Kafka Apache, Airflow
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi untuk membedakan cara kerja model-model data streaming dicapture dan disimpan
  • Diskusi 3 - 1.00 %
  • Ujian Tengah Semester - 5.00 %
6
  1. mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat
 Pemrosesan data cepat dan teknologinya: Apache Spark
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi untuk mengidentifikasi cara kerja pemrosesan data cepat untuk teknologi tertentu
  • Diskusi 3 - 1.00 %
  • Ujian Tengah Semester - 5.00 %
7
  1. mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi
  2. mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data
 Kasus volume data dan kasus kecepatan update data
  • Tutorial
  • Diskusi
  • Presentasi
 150.00 mahasiswa berdiskusi untuk memilih teknologi yang tepat berserta argumentasinya
  • Diskusi 3 - 1.00 %
  • Presentasi 2 - 4.00 %
8
  1. mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data
 Artistektur ETL, ELT. Model data pipeline berdasarkan kebutuhan latensi data ekstraksi: Apache Airflow
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi untuk membedakan model arsitektur dan data pipeline pada proses ekstraksi data
  • Diskusi 4 - 1.00 %
9
  1. mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data
 Konsep datawarehouse dan datalake. Data integrity dan data transformasi: Apache Hudi
  • Tutorial
  • Diskusi
 150.00 mahasiswa berdiskusi untuk membedakan kebutuhan integrasi dan data transformasi ke datawarehouse dan datalake
  • Diskusi 4 - 1.00 %
10
  1. mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data
 Pemecahan kasus data variety
  • Kolaborative
  • Pemecahan Masalah
  • Presentasi
 175.00 mahasiswa berdiskusi untuk memecahkan kasus data variety
  • Diskusi 4 - 1.00 %
  • Presentasi 3 - 2.00 %
11
  1. mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri
 perancangan data engineering pada kasus yang diberikan
  • Kolaborative
  • Pemecahan Masalah
 150.00 mahasiswa secara berkelompok merancang data engineering pada masalah data variety
  • Tugas 1 - 10.00 %
12
  1. mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri
perancangan data engineering pada kasus yang diberikan
  • Kolaborative
  • Pemecahan Masalah
 150.00 mahasiswa secara berkelompok merancang data engineering pada masalah volume
  • Tugas 2 - 10.00 %
13
  1. mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri
 perancangan data engineering pada kasus yang diberikan
  • Kolaborative
  • Pemecahan Masalah
 150.00 mahasiswa secara berkelompok merancang data engineering pada permasalahan kecepatan update data
  • Tugas 3 - 10.00 %
14
  1. mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis
 Presentasi hasil perancangan secara terintegrasi
  • Diskusi
  • Presentasi
 150.00 mahasiswa mempresentasikan hasil rancangan
  • Ujian Akhir Semester (Ujian lisan paparan) - 25.00 %
  • Presentasi 4 - 4.00 %

3.2 Sosialisasi RPS

Tabel 6. Berita Acara Sosialisasi RPS
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS TRISAKTI
Perkuliahan Pertama Dosen Menyampaikan
Mata Kuliah/SKS Nama Dosen Hari Tanggal
Big Data 1683 Ir. Agung Sediyono, M.T., Ph.D. ; Tuesday 07:30:00-10:00:00 Status
Tidak ada perekaman sosialiasi RPS di Kelas
Diketahui Program Studi Dosen Mata Kuliah Mahasiswa
2641 Binti Solihah, S.T., M.Kom.

Ketua		 1683 Ir. Agung Sediyono, M.T., Ph.D. ........

4. RENCANA PENILAIAN & RUBRIK

4.1. Rencana Penilaian CPMK

Tabel 7. Hubungan CPL, CPMK dan Pertemuan Mingguan
Level CPL CMPK Sub CPMK Minggu Pertemuan dan Assessment
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.1 Minggu ke-1 Assessment: Diskusi 1 (1.00%)
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.2 Minggu ke-3 Assessment: Ujian Tengah Semester (5.00%)
Minggu ke-3 Assessment: Diskusi 2 (1.00%)
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.3 Minggu ke-8 Assessment: Diskusi 4 (1.00%)
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.4 Minggu ke-6 Assessment: Ujian Tengah Semester (5.00%)
Minggu ke-6 Assessment: Diskusi 3 (1.00%)
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.5 Minggu ke-4 Assessment: Presentasi 1 (2.00%)
Minggu ke-4 Assessment: Diskusi 2 (1.00%)
Minggu ke-4 Assessment: Diskusi 2 (0.00%)
Minggu ke-4 Assessment: Ujian Tengah Semester (5.00%)
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.6 Minggu ke-5 Assessment: Ujian Tengah Semester (5.00%)
Minggu ke-5 Assessment: Diskusi 3 (1.00%)
HEIGHT P.1 P1.CPMK-1 P1.CPMK-1.7 Minggu ke-9 Assessment: Diskusi 4 (1.00%)
HEIGHT P.1 P1.CPMK-2 P1.CPMK-2.1 Minggu ke-1 Assessment: Diskusi 1 (2.00%)
HEIGHT P.1 P1.CPMK-2 P1.CPMK-2.2 Minggu ke-2 Assessment: Diskusi 1 (2.00%)
HEIGHT KU.2 KU2.CPMK-3 KU2.CPMK-3.1 Minggu ke-7 Assessment: Presentasi 2 (2.00%)
Minggu ke-7 Assessment: Diskusi 3 (0.50%)
HEIGHT KU.2 KU2.CPMK-3 KU2.CPMK-3.2 Minggu ke-10 Assessment: Diskusi 4 (1.00%)
Minggu ke-10 Assessment: Presentasi 3 (2.00%)
HEIGHT KU.2 KU2.CPMK-3 KU2.CPMK-3.3 Minggu ke-7 Assessment: Diskusi 3 (0.50%)
Minggu ke-7 Assessment: Presentasi 2 (2.00%)
HEIGHT KU.2 KU2.CPMK-3 KU2.CPMK-3.4 Minggu ke-14 Assessment: Ujian Akhir Semester (25.00%)
Minggu ke-14 Assessment: Presentasi 4 (4.00%)
LOW KK.1 KK1.CPMK-4 KK1.CPMK-4.1 Minggu ke-12 Assessment: Tugas 2 (10.00%)
LOW KK.1 KK1.CPMK-4 KK1.CPMK-4.2 Minggu ke-13 Assessment: Tugas 3 (10.00%)
LOW KK.1 KK1.CPMK-4 KK1.CPMK-4.3 Minggu ke-11 Assessment: Tugas 1 (10.00%)
Tabel 8. Rincian Bobot Penilain UTS dan Sesi Pertemuan
UTS
Materi Sesi M1 M2 M3 M4 M5 M6 M7 TOTAL
CPL CPMK Sub CPMK #A1 #A2 #A3 #A4 #A5 #A6 #A7
P.1 P1.CPMK-1 P1.CPMK-1.2 5.00%
 5%
P.1 P1.CPMK-1 P1.CPMK-1.4 5.00%
 5%
P.1 P1.CPMK-1 P1.CPMK-1.5 5.00%
 5%
P.1 P1.CPMK-1 P1.CPMK-1.6 5.00%
 5%
TOTAL 20%
Tabel 9. Rincian Bobot Penilain UAS dan Sesi Pertemuan
UAS
Materi Sesi M8 M9 M10 M11 M12 M13 M14 TOTAL
CPL CPMK Sub CPMK #A8 #A9 #A10 #A11 #A12 #A13 #A14
KU.2 KU2.CPMK-3 KU2.CPMK-3.4 25.00%
 25%
TOTAL 25%
Tabel 10. Rincian Bobot Penilain Laporan Praktikum dan Sesi Pertemuan
PRAKTIKUM
Materi Sesi M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14 TOTAL
CPL CPMK Sub CPMK #A1 #A2 #A3 #A4 #A5 #A6 #A7 #A8 #A9 #A10 #A11 #A12 #A13 #A14
TOTAL 0%
Tabel 11. Rincian Bobot Penilain Tugas dan Sesi Pertemuan
TUGAS
Materi Sesi M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14 TOTAL
CPL CPMK Sub CPMK #A1 #A2 #A3 #A4 #A5 #A6 #A7 #A8 #A9 #A10 #A11 #A12 #A13 #A14
KK.1 KK1.CPMK-4 KK1.CPMK-4.1 10.00%
 10%
KK.1 KK1.CPMK-4 KK1.CPMK-4.2 10.00%
 10%
KK.1 KK1.CPMK-4 KK1.CPMK-4.3 10.00%
 10%
TOTAL 30%
Tabel 12. Pemetaan Rencana Penilaian Setiap Instrument Penilaian
Materi Sesi Minggu Ke - TOTAL
M1 M3 M8 M6 M4 M5 M9 M2 M7 M10 M14 M12 M13 M11
Komponen Disc1 UTS Disc2 Disc4 UTS Disc3 PR1 Disc2 UTS UTS Disc3 Disc4 Disc1 PR2 Disc3 Disc4 PR3 UAS PR4 TG2 TG3 TG1
CPL CPMK Sub CPMK A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16A17A18A19A20A21A22 Bobot
P.1 P1.CPMK-1 P1.CPMK-1.1 1.00% 1%
P.1 P1.CPMK-1 P1.CPMK-1.2 5.00%1.00% 6%
P.1 P1.CPMK-1 P1.CPMK-1.3 1.00% 1%
P.1 P1.CPMK-1 P1.CPMK-1.4 5.00%1.00% 6%
P.1 P1.CPMK-1 P1.CPMK-1.5 2.00%0.00%5.00% 7%
P.1 P1.CPMK-1 P1.CPMK-1.6 5.00%1.00% 6%
P.1 P1.CPMK-1 P1.CPMK-1.7 1.00% 1%
P.1 P1.CPMK-2 P1.CPMK-2.1 2.00% 2%
P.1 P1.CPMK-2 P1.CPMK-2.2 2.00% 2%
KU.2 KU2.CPMK-3 KU2.CPMK-3.1 2.00%0.50% 2.5%
KU.2 KU2.CPMK-3 KU2.CPMK-3.2 1.00%2.00% 3%
KU.2 KU2.CPMK-3 KU2.CPMK-3.3 2.00%0.50% 2.5%
KU.2 KU2.CPMK-3 KU2.CPMK-3.4 25.00%4.00% 29%
KK.1 KK1.CPMK-4 KK1.CPMK-4.1 10.00% 10%
KK.1 KK1.CPMK-4 KK1.CPMK-4.2 10.00% 10%
KK.1 KK1.CPMK-4 KK1.CPMK-4.3 10.00% 10%
TOTAL 3 5 1 1 5 1 2 5 5 1 1 2 4 1 1 2 25 4 10 10 10 99
Catatan : total presentase semua instrument dan total seluruh sesi harus sama dengan 100%
Tabel 13. Rencana Penilaian dan Instrument Penilaian
CPL CMPK Sub CPMK Instrument
P.1 P1.CPMK-1 P1.CPMK-1.1 Disc1
P.1 P1.CPMK-1 P1.CPMK-1.2 UTS Disc2
P.1 P1.CPMK-1 P1.CPMK-1.3 Disc4
P.1 P1.CPMK-1 P1.CPMK-1.4 UTS Disc3
P.1 P1.CPMK-1 P1.CPMK-1.5 PR1 Disc2 Disc2 UTS
P.1 P1.CPMK-1 P1.CPMK-1.6 UTS Disc3
P.1 P1.CPMK-1 P1.CPMK-1.7 Disc4
P.1 P1.CPMK-2 P1.CPMK-2.1 Disc1
P.1 P1.CPMK-2 P1.CPMK-2.2 Disc1
KU.2 KU2.CPMK-3 KU2.CPMK-3.1 PR2 Disc3
KU.2 KU2.CPMK-3 KU2.CPMK-3.2 Disc4 PR3
KU.2 KU2.CPMK-3 KU2.CPMK-3.3 Disc3 PR2
KU.2 KU2.CPMK-3 KU2.CPMK-3.4 UAS PR4
KK.1 KK1.CPMK-4 KK1.CPMK-4.1 TG2
KK.1 KK1.CPMK-4 KK1.CPMK-4.2 TG3
KK.1 KK1.CPMK-4 KK1.CPMK-4.3 TG1
Tabel 14. Indikator Penilaian
Kategori Penilaian Range Penilaian Nilai
Sangat Baik >= 80 4
Baik 68 - 79,99 3
Cukup 56 - 67,99 2
Kurang < 1

4.2. Rubrik Penilaian (UTS, UAS, Praktikum, Tugas)

Tabel 15. Rubrik Penilaian UTS
UTS
CPL CMPK Sub CPMK Rubrik / Rubric
P.1 P1.CPMK-1 P1.CPMK-1.2mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan
Indikator Kinerja: teknik dan cara kerja penyimpanan terdistribusi dapat dijelaskan
Performance Indicator: techniques and operation of technologies to solve data storage requirements can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-1 P1.CPMK-1.4mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat
Indikator Kinerja: teknik dan cara kerja penyimpanan terdistribusi dapat dijelaskan
Performance Indicator: techniques and operation of technologies to solve data storage requirements can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: teknik dan cara kerja teknologi pemrosesan data cepat dapat dijelaskan
Performance Indicator: techniques and operation of technologies to process data in high speed can be explained 		Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-1 P1.CPMK-1.5mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi
Indikator Kinerja: teknik dan cara kerja penyimpanan terdistribusi dapat dijelaskan
Performance Indicator: techniques and operation of technologies to solve data storage requirements can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: teknik dan cara kerja teknologi pemrosesan data cepat dapat dijelaskan
Performance Indicator: techniques and operation of technologies to process data in high speed can be explained 		Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: teknik dan cara kerja teknologi pemrosesan data cepat pada sistem terdistribusi dapat dijelaskan
Performance Indicator: techniques and operation of technologies to solve high speed data processing can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-1 P1.CPMK-1.6mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming
Indikator Kinerja: teknik dan cara kerja penyimpanan terdistribusi dapat dijelaskan
Performance Indicator: techniques and operation of technologies to solve data storage requirements can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: teknik dan cara kerja teknologi pemrosesan data cepat dapat dijelaskan
Performance Indicator: techniques and operation of technologies to process data in high speed can be explained 		Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: teknik dan cara kerja teknologi pemrosesan data cepat pada sistem terdistribusi dapat dijelaskan
Performance Indicator: techniques and operation of technologies to solve high speed data processing can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: teknik dan cara kerja data capturing dan penyimpanan data pada data streaming dapat dijelaskan
Performance Indicator: techniques and operation of technologies to capture and store data in data streaming can be explained		 Rubrik Penilaian
Tidak ada rubrik penilaian
Tabel 16. Rubrik Penilaian UAS
UAS
CPL CMPK Sub CPMK Rubrik / Rubric
KU.2 KU2.CPMK-3 KU2.CPMK-3.4mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis
Indikator Kinerja: hasil rancangan solusi permasalahan bigdata tiruan di industri dapat dibuat dengan benar
Performance Indicator: design of solution of dummy industrial problem can be demonstrated approximately		 Rubrik Penilaian
Tidak ada rubrik penilaian
Tabel 17. Indikator Penilaian Laporan Praktikum
PRAKTIKUM
CPL CMPK Sub CPMK Rubrik / Rubric
Tabel 18. Indikator Penilaian Tugas
TUGAS
CPL CMPK Sub CPMK Rubrik / Rubric

5. EVALUASI DAN ANALISIS HASIL PROSES PEMBELAJARAN

5.1. Nilai Akhir Mata Kuliah dan Distribusinya

Distribusi nilai akhir mahasiswa dapat ditampilkan dalam bentuk tabel atau grafik seperti pada Tabel 19 dan Gambar 2 berikut.

Tabel 19. Distribusi Nilai Akhir Mahasiswa
Nilai Jumlah %
A 8 13.79
A- 6 10.34
B+ 16 27.59
B 16 27.59
B- 8 13.79
C+ 2 3.45
C 0 0.00
D 0 0.00
Distribusi Nilai Akhir Mahasiswa
Gambar 1. Distribusi Nilai Akhir Mahasiswa

5.2. Analisis Distribusi Nilai per CPMK

Analisis distribusi nilai per Sub CPMK :
Indikator ketercapaian (achieved) adalah apabila 60% jumlah mahasiswa peserta kuliah berada pada kategori Sub CPMK Sangat Baik, Baik, dan Cukup.

Tabel 20. Analisis Distribusi Nilai Per Sub CPMK
Sub CPMK Sangat Baik Baik Cukup Kurang %
Ketercapaian
P1.CPMK-1.1
mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur 		25 4 0 0 100.00
P1.CPMK-1.2
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan 		0 20 5 4 86.21
P1.CPMK-1.3
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data 		17 6 6 0 100.00
P1.CPMK-1.4
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat 		17 6 6 0 100.00
P1.CPMK-1.5
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi 		0 20 9 0 100.00
P1.CPMK-1.6
mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming 		17 6 6 0 100.00
P1.CPMK-1.7
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data 		17 6 6 0 100.00
P1.CPMK-2.1
mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi 		25 4 0 0 100.00
P1.CPMK-2.2
mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi 		25 4 0 0 100.00
KU2.CPMK-3.1
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data 		14 12 3 0 100.00
KU2.CPMK-3.2
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data 		14 12 3 0 100.00
KU2.CPMK-3.3
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi 		14 12 3 0 100.00
KU2.CPMK-3.4
mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis 		16 13 0 0 100.00
KK1.CPMK-4.1
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri 		24 5 0 0 100.00
KK1.CPMK-4.2
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri 		2 8 9 10 65.52
KK1.CPMK-4.3
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri 		24 5 0 0 100.00
Capaian Sub-CPMK
Gambar 2. Grafik Distribusi Nilai Per Sub CPMK

KEPUASAN MAHASISWA
Gambar 3. Hasil Kuisioner Mahasiswa
KodePertanyaan
Q-9Dosen menguasai materi dengan baik
Q-11Dosen berkomunkasi/menyampaikan materi dengan baik
Q-13Dosen hadir dan menggunakan waktu kuliah dengan baik
Q-15Dosen mempersiapkan kuliah dengan baik
Q-17Dosen bersikap responsif
Q-19Dosen bersedia berdiskusi
Q-21Dosen memberikan umpan balik
Q-23Dosen memberikan materi dengan jelas
Q-25Beban kuliah sesuai dengan standar kompetensi yang ada di RPP/SAP/JUKNIS
Q-27Dosen mengajar dengan baik
Q-29Media instruksional yang digunakan menarik
Q-31Dengan mengikuti perkuliahan, mahasiswa mengerti materi kuliah
Q-33Kenyamanan ruang kuliah
Q-35Koneksi Internet dalam ruang kelas

5.3. Analisis Distribusi Nilai Per Teknik Penilaian (UTS, UAS, Tugas, Quiz, Laporan Praktikum, dsb)

Yang termasuk dalam parameter ketercapaian adalah nilai yang berada dalam kuadran : Sangat Baik, Baik, dan Cukup.

Tabel 21. Analisis Ketercapaian Nilai Per Teknik Penilaian
Sub CPMK Sangat Baik Baik Cukup Kurang %
Ketercapaian
mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur
Disc125
(86.21 %)		4
(13.79 %)		00100
(344.83 %)
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan
UTS020
(68.97 %)		5
(17.24 %)		4
(13.79 %)		86.21
(297.28 %)
Disc20029
(100.00 %)		0100
(344.83 %)
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data
Disc417
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat
Disc317
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi
PR117
(58.62 %)		5
(17.24 %)		7
(24.14 %)		0100
(344.83 %)
Disc202
(6.90 %)		27
(93.10 %)		0100
(344.83 %)
mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming
Disc317
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data
Disc417
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi
Disc125
(86.21 %)		4
(13.79 %)		00100
(344.83 %)
mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi
Disc125
(86.21 %)		4
(13.79 %)		00100
(344.83 %)
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data
Disc317
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
PR218
(62.07 %)		8
(27.59 %)		3
(10.34 %)		0100
(344.83 %)
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data
Disc417
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
PR319
(65.52 %)		7
(24.14 %)		3
(10.34 %)		0100
(344.83 %)
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi
Disc317
(58.62 %)		6
(20.69 %)		6
(20.69 %)		0100
(344.83 %)
PR218
(62.07 %)		8
(27.59 %)		3
(10.34 %)		0100
(344.83 %)
mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis
UAS16
(55.17 %)		13
(44.83 %)		00100
(344.83 %)
PR419
(65.52 %)		7
(24.14 %)		3
(10.34 %)		0100
(344.83 %)
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri
TG224
(82.76 %)		5
(17.24 %)		00100
(344.83 %)
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri
TG32
(6.90 %)		8
(27.59 %)		9
(31.03 %)		10
(34.48 %)		65.52
(225.93 %)
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri
TG124
(82.76 %)		5
(17.24 %)		00100
(344.83 %)

Capaian Sub-CPMK P1.CPMK-1.1 Perpenilaian
Gambar 4. Analisis Ketercapaian Sub P1.CPMK-1.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-1.2 Perpenilaian
Gambar 5. Analisis Ketercapaian Sub P1.CPMK-1.2 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-1.3 Perpenilaian
Gambar 6. Analisis Ketercapaian Sub P1.CPMK-1.3 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-1.4 Perpenilaian
Gambar 7. Analisis Ketercapaian Sub P1.CPMK-1.4 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-1.5 Perpenilaian
Gambar 8. Analisis Ketercapaian Sub P1.CPMK-1.5 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-1.6 Perpenilaian
Gambar 9. Analisis Ketercapaian Sub P1.CPMK-1.6 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-1.7 Perpenilaian
Gambar 10. Analisis Ketercapaian Sub P1.CPMK-1.7 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-2.1 Perpenilaian
Gambar 11. Analisis Ketercapaian Sub P1.CPMK-2.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-2.2 Perpenilaian
Gambar 12. Analisis Ketercapaian Sub P1.CPMK-2.2 Per Teknik Penilaian


Capaian Sub-CPMK KU2.CPMK-3.1 Perpenilaian
Gambar 13. Analisis Ketercapaian Sub KU2.CPMK-3.1 Per Teknik Penilaian


Capaian Sub-CPMK KU2.CPMK-3.2 Perpenilaian
Gambar 14. Analisis Ketercapaian Sub KU2.CPMK-3.2 Per Teknik Penilaian


Capaian Sub-CPMK KU2.CPMK-3.3 Perpenilaian
Gambar 15. Analisis Ketercapaian Sub KU2.CPMK-3.3 Per Teknik Penilaian


Capaian Sub-CPMK KU2.CPMK-3.4 Perpenilaian
Gambar 16. Analisis Ketercapaian Sub KU2.CPMK-3.4 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-4.1 Perpenilaian
Gambar 17. Analisis Ketercapaian Sub KK1.CPMK-4.1 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-4.2 Perpenilaian
Gambar 18. Analisis Ketercapaian Sub KK1.CPMK-4.2 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-4.3 Perpenilaian
Gambar 19. Analisis Ketercapaian Sub KK1.CPMK-4.3 Per Teknik Penilaian

5.4. Analisis Distribusi Nilai per Mahasiswa

Berikut distribusi capaian nilai mahasiswa per Sub CPMK.

Tabel 22. Analisis Distribusi Pencapaian Nilai Mahasiswa Per Sub CPMK
No. NIM Nama % Pencapaian
P1.CPMK-1.1
Std Mark: 56.00 		P1.CPMK-1.2
Std Mark: 56.00 		P1.CPMK-1.3
Std Mark: 56.00 		P1.CPMK-1.4
Std Mark: 56.00 		P1.CPMK-1.5
Std Mark: 56.00 		P1.CPMK-1.6
Std Mark: 56.00 		P1.CPMK-1.7
Std Mark: 56.00 		P1.CPMK-2.1
Std Mark: 56.00 		P1.CPMK-2.2
Std Mark: 56.00 		KU2.CPMK-3.1
Std Mark: 56.00 		KU2.CPMK-3.2
Std Mark: 56.00 		KU2.CPMK-3.3
Std Mark: 56.00 		KU2.CPMK-3.4
Std Mark: 56.00 		KK1.CPMK-4.1
Std Mark: 56.00 		KK1.CPMK-4.2
Std Mark: 56.00 		KK1.CPMK-4.3
Std Mark: 56.00
1 064002200036 MUHAMMAD FAHMI 80.0072.5080.0080.0075.0080.0080.0080.0080.0084.0083.3384.0085.0090.0020.0090.00
2 064002200010 ANDRI MARTIN 80.0072.5080.0080.0076.6780.0080.0080.0080.0080.0080.0080.0085.1785.0080.0085.00
3 064002200027 TARUM WIDYASTI PERTIWI 80.0072.5080.0080.0075.0080.0080.0080.0080.0080.0080.0080.0080.8685.0075.0085.00
4 064002200024 KHARISMA MAULIDA SAARA 80.0072.5080.0080.0073.3380.0080.0080.0080.0084.0083.3384.0085.0090.0020.0090.00
5 064002200003 AUDI AULIA 80.0072.5080.0080.0075.0080.0080.0080.0080.0080.0080.0080.0080.8685.0075.0085.00
6 064002200015 PUTRI SYABILLAH 80.0072.5080.0080.0073.3380.0080.0080.0080.0080.0080.0080.0078.2875.0020.0075.00
7 064002200030 VANIA RAHMA DEWI 75.0072.5075.0075.0070.0075.0075.0075.0075.0079.0078.3379.0078.2880.0070.0080.00
8 064002200033 JOVITA AMANDA PUTRI SITUMORANG 85.0060.0070.0070.0066.6770.0070.0085.0085.0070.0070.0070.0082.9390.0065.0090.00
9 064002200020 AISYAH NUR FADHLIA 85.0072.5085.0085.0076.6785.0085.0085.0085.0085.0085.0085.0085.0090.0065.0090.00
10 064002200012 CANDY SOEKA WIYONO 75.0056.6760.0060.0060.0060.0060.0075.0075.0076.0073.3376.0078.2880.0070.0080.00
11 064002200004 RHENA TABELLA 75.0072.5075.0075.0070.0075.0075.0075.0075.0079.0078.3379.0078.2880.0070.0080.00
12 064002200007 SONYA RIDESIA HASTARI 85.0072.5085.0085.0076.6785.0085.0085.0085.0085.0085.0085.0085.0090.0065.0090.00
13 064002100037 THEO CHRIST MAXIMOS GINTINGS 85.0072.5085.0085.0076.6785.0085.0085.0085.0085.0085.0085.0085.0090.0065.0090.00
14 064002200006 ISKY DWI APRILIANTO 80.0056.6780.0080.0073.3380.0080.0080.0080.0080.0080.0080.0078.2875.0020.0075.00
15 064002200009 ADRIAN ALFAJRI 80.0072.5080.0080.0076.6780.0080.0080.0080.0080.0080.0080.0080.0080.0080.0086.00
16 064002200008 CHAESA NAMIDA ARUMDAPTA 80.0051.6765.0065.0063.3365.0065.0080.0080.0069.0068.3369.0082.9390.0020.0090.00
17 064002200046 ADRIANSYAH MAULANA PUTRA 80.0072.5080.0080.0073.3380.0080.0080.0080.0080.0080.0080.0080.8685.0075.0085.00
18 064002200043 ADRIAN HALIM 80.0072.5075.0075.0070.0075.0075.0080.0080.0075.0078.3375.0092.9390.0020.0090.00
19 064002200005 GELLENT ARDIANSYAH 80.0043.3365.0065.0063.3365.0065.0080.0080.0065.0065.0065.0076.2175.0020.0075.00
20 064002200049 RODRICK KIEDIES 75.0072.5065.0065.0063.3365.0065.0075.0075.0077.0075.0077.0078.2880.0070.0080.00
21 064002200034 MAULANA HAFIZH ARIPUTRA 80.0072.5065.0065.0063.3365.0065.0080.0080.0065.0065.0065.0076.2175.0020.0075.00
22 064002200031 ALBIHAN 80.0072.5080.0080.0073.3380.0080.0080.0080.0076.0076.6776.0077.5980.0065.0080.00
23 064002200002 JOSUA WARMAN SIGALINGGING 80.0072.5080.0080.0073.3380.0080.0080.0080.0076.0076.6776.0077.5980.0065.0080.00
24 064002200025 MUHAMMAD ZIDDAN FADILLAH 80.0056.6780.0080.0073.3380.0080.0080.0080.0076.0076.6776.0077.5980.0065.0080.00
25 064002100026 MUHAMMAD RHEYNAL GHAZALI 80.0043.3370.0070.0063.3370.0070.0080.0080.0066.0066.6766.0076.2180.0065.0080.00
26 064002300037 NAUFAL FAWWAZ 80.0072.5080.0080.0073.3380.0080.0080.0080.0080.0080.0080.0080.8685.0075.0080.00
27 064002200022 ARZENDRA AZFA YODHATAMA 85.0043.3370.0070.0066.6770.0070.0085.0085.0070.0070.0070.0082.9390.0065.0090.00
28 064002100042 NAUFAL FADILLAH PUTRA SURANTO 80.0072.5065.0065.0063.3365.0065.0080.0080.0069.0068.3369.0082.9390.0020.0090.00
29 064002100025 AFFITRA NADINE DEWI 80.0056.6780.0080.0073.3380.0080.0080.0080.0080.0080.0080.0078.2875.0020.0075.00

6. EVALUASI DAN ANALISIS HASIL PROSES PEMBELAJARAN

Sebutkan faktor dari DOSEN yang mungkin menyebabkan ketidaktercapaian CPMK (silakan pilih lebih dari 1)

Kesiapan dosen untuk melakukan tatap muka perkuliahan
Jumlah kehadiran dosen dalam tatap muka perkuliahan
Keterampilan dan kemampuan dosen untuk menjadi fasilitator belajar yang baik untuk mahasiswa
Kesesuaian kompetensi dosen pada mata kuliah yang diampu
Kondisi Kesehatan jiwa dan raga dosen
Lainnya sebutkan

Apa rencana tindak lanjut perbaikan dari faktor DOSEN yang mungkin menyebabkan ketidaktercapaian CPMK mata kuliah anda? (silakan pilih lebih dari 1)

Menyiapkan dan mengupload materi setidaknya sampai dengan tatap muka ke-7 ke LMS/GCR
Menyegarkan dan memperbarui handout/materi kuliah yang akan disampaikan
Merencanakan dengan cermat jadwal kegiatan/tugas di luar mengajar
Memberikan kuliah pengganti sesegera mungkin saat ada kegiatan mendadak yang menyebabkan tidak dapat hadir mengajar
Meningkatkan kompetensi diri dengan mengikuti pelatihan manajemen kelas / metode pembelajaran
Mengupayakan peningkatan kesehatan jiwa dan raga
Lebih banyak mengikuti forum akademik untuk peningkatan wawasan dan updating perkembangan ilmu pada bidang yang diminati dan menunjang tugas pengajaran
Lainnya, sebutkan

Sebutkan faktor dari MAHASISWA yang mungkin menyebabkan ketidaktercapaian CPMK (silakan pilih lebih dari 1)

Motivasi mahasiswa dalam mengikuti perkuliahan dan mengumpulkan tugas
Kemampuan literasi
Kemampuan numerasi
Kemampuan analisis dan sintesis
Tipe kepribadian dan gaya belajar mahasiswa yang tidak sesuai dengan gaya mengajar dosen
Ketersediaan fasilitas belajar pribadi seperti komputer, jaringan internet, dll di rumah
Lainnya, sebutkan

Apa usulan/rencana tindak lanjut perbaikan dari faktor MAHASISWA yang mungkin menyebabkan ketidaktercapaian CPMK mata kuliah anda? (silakan pilih lebih dari 1)

Memberikan panduan pengenalan gaya belajar sesuai dengan tipe kepribadian mahasiswa
Memberikan pesan-pesan motivasi untuk mahasiswa pada sesi perkuliahan
Memberikan lebih banyak tugas membaca untuk meningkatkan kemampuan literasi
Mengenalkan tools yang akan membantu mahasiswa dalam kemampuan numerasinya
Memberikan lebih banyak latihan dan tugas yang menstimulasi dan menigkatkan kemampuan analisis dan sintesis
Mendorong mahasiswa untuk memanfaatkan fasilitas perkuliahan yang disediakan oleh kampus, seperti ruang belajar di perpustakaan dan laboratorium
Lainnya, sebutkan

Sebutkan faktor PENDUKUNG PERKULIAHAN yang mungkin menyebabkan ketidaktercapaian CPMK (silakan pilih lebih dari 1)

Kualitas bahan ajar
Kuantitas bahan ajar
Kelayakan dan kecukupan referensi yang digunakan
Metode pembelajaran yang diterapkan di kelas
Fasilitas LMS untuk perkuliahan
Ruang kelas yang memadai untuk perkuliahan yang nyaman
Lainnya, sebutkan

Apa usulan/rencana tindak lanjut perbaikan dari faktor PENDUKUNG PERKULIAHAN yang mungkin menyebabkan ketidaktercapaian CPMK mata kuliah anda? (silakan pilih lebih dari 1)

Mengupayakan dan memberikan bahan ajar yang cukup JUMLAH DAN RAGAMNYA , seperti handout, modul, artikel ilmiah, video pembelajaran, buku ajar, dll
Mengupayakan dan memberikan bahan ajar yang BERKUALITAS
Meningkatkan fleksibilitas pada pilihan metode pembelajaran yang digunakan di kelas
Menggunakan LMS Trisakti atau GCR dan menggunakan fitur-fiturnya secara maksimal untuk kemudahan dalam penyampaian bahan kuliah, pengumpulan dan penilaian tugas
Melakukan pembelajaran di luar kampus sebagai variasi tatap muka
Lainnya, sebutkan


EVALUASI Lainya


TINDAK LANJUT Lainya

7. LAMPIRAN:

Berkas berikut dapat dilampirkan pada portofolio mata kuliah :
1) Daftar hadir mahasiswa
2) Berita acara perkuliahan
3) Soal tugas, UTS, UAS, kuiz dll.
4) Contoh hasil tugas mahasiswa (nilai terendah, tengah, tertinggi)
5) Contoh hasil kuis mahasiswa (nilai terendah, tengah, tertinggi)
6) Contoh hasil UTS mahasiswa (nilai terendah, tengah, tertinggi)
7) Contoh hasil UAS mahasiswa (nilai terendah, tengah, tertinggi)
8) Rekapitulasi kuesioner survey kepuasan mahasiswa

Jakarta, 07-03-2024
Dosen Mata Kuliah,




(1683 Ir. Agung Sediyono, M.T., Ph.D.)