Document

PORTOFOLIO MATA KULIAH

Nama Mata Kuliah : Probabilitas dan Statistika
Kode Mata Kuliah : III6307
Tim Dosen :
  1. 2128 Dr. Dedy Sugiarto
Kelas : 01
Dosen : 2128 Dr. Dedy Sugiarto
Semester : Genap 2023/2024 (Rmd)
Tahun Akademik : 2023/2024
Jumlah Mahasiswa : 3 mahasiswa

Program Studi SISTEM INFORMASI

Fakultas TEKNOLOGI INDUSTRI

Universitas Trisakti

Aug 2024

PORTOFOLIO MATA KULIAH

NAMA MATA KULIAH : Probabilitas dan Statistika
KODE MATA KULIAH : III6307
KELAS : SI-01
SEMESTER : Genap 2023/2024 (Rmd)
DOSEN PENGAMPU : 2128 Dr. Dedy Sugiarto
NAMA DOSEN/TIM DOSEN :
  1. 2128 Dr. Dedy Sugiarto
NAMA KOORDINATOR MATA KULIAH : 2128 Dr. Dedy Sugiarto

1. HALAMAN PENGESAHAN PORTOFOLIO

PORTOFOLIO MATA KULIAH
PROBABILITAS DAN STATISTIKA
Tahun Akademik: Genap 2023/2024 (Rmd)
Program Studi SISTEM INFORMASI
Fakultas TEKNOLOGI INDUSTRI
Kode:
III6307 		Bobot (sks):
3.00 sks 		Rumpun MK:
Semester:
GENAP
Penanggungjawab Nama Tanda Tangan Tanggal
Koordinator MK 2128 Dr. Dedy Sugiarto
Koordinator Bidang Keahlian/Ilmu
Ketua Program Studi 2553 Syandra Sari, S.Kom., 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 Memiliki Sikap Tri Krama : etika dan moral personal: Takwa, Tekun, Terampil ; etika dan moral komunal: Asah, Asih, Asuh ; dan etika dan moral masyarakat: Satria, Setia, Sportif. (CPL12 (S.a))
P.1 Mampu memahami dan menggunakan berbagai metodologi pengembangan sistem beserta alat pemodelan sistem dan menganalisa kebutuhan pengguna dalam membangun sistem informasi untuk mencapai tujuan organisasi. (CPL03 (P.a))
KU.1 Memiliki kemampuan soft skill dalam berkomunikasi, berpresentasi dan memiliki etika profesi bisnis, serta kemampuan belajar sepanjang hayat (life long learning). (CPL11 (KU.a))
KK.1 Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
KK.2 Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
KK.3 Mampu membuat perencanaan infrastruktur TI, arsitektur jaringan, layanan fisik dan cloud, menganalisa konsep identifikasi, otentikasi, otorisasi akses dalam konteks melindungi orang dan perangkat. (CPL04 (KK.c))
KK.4 Mampu memahami dan menerapkan kode etik dalam penggunaan informasi dan data pada perancangan, implementasi, dan penggunaan suatu sistem. (CPL05 (KK.d))
KK.5 Mampu memahami, mengidentifikasi dan menerapkan konsep, teknik dan metodologi manajemen proyek sistem informasi. (CPL07 (KK.e))
KK.6 Memiliki kemampuan dalam pengelolaan bisnis dengan memanfaatkan teknologi informasi dan memahami model sistem, metode dan berbagai teknik peningkatan bisnis proses yang mendatangkan suatu nilai untuk organisasi. (CPL-8 (KK.f))
KK.7 Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
KK.8 Memiliki kemampuan untuk merencanakan manajemen pengujian, kontrol kualitas Software dan menggambarkan dalam diagram cause & effect. (CPL10 (KK.h))
KK.9 Memiliki kemampuan merencanakan, menerapkan, memelihara dan meningkatkan sistem informasi organisasi untuk mencapai tujuan dan sasaran organisasi yang strategis baik jangka pendek maupun jangka panjang. (CPL06 (KK.i))
Tabel 2. Capaian Pembelajaran Lulusan yang Dibebankan pada Mata Kuliah
KODE DESKRIPSI CPL
KK.1 Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
KK.7 Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Tabel 3. Pemetaan Keterkaitan Capaian Pembelajaran Mata Kuliah dengan CPL
KODE CPL KODE CPMK DESKRIPSI CPMK
KK.1 KK1.CPMK-1 CPMK 1 Memahami pengertian probabilitas, statistika, sains data dan mengenal penggunaan Python atau R untuk statistika dalam sains data
KK.1 KK1.CPMK-2 CPMK 4 Mampu menghitung pendugaan interval serta pengujian hipotesis dari parameter populasi
KK.1 KK1.CPMK-3 CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak
KK.1 KK1.CPMK-4 CPMK 2 mampu meringkas dan menyajikan data (statistika deskriptif) melalui penggunaan python atau R
KK.7 KK7.CPMK-5 CPMK 7 Mampu melakukan uji statistika non parametrik
KK.7 KK7.CPMK-6 CPMK 6 Mampu melakukan analisis ragam
KK.7 KK7.CPMK-7 CPMK 5 Mampu melakukan analisis regresi dan korelasi
Tabel 4. Sub Capaian Pembelajaran Mata Kuliah
KODE CPL KODE CPMK DESKRIPSI Sub CPMK
KK.1 KK1.CPMK-1
KK1.CPMK-1.1 KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data
KK.1 KK1.CPMK-2
KK1.CPMK-2.1 KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R
KK1.CPMK-2.2 KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R
KK1.CPMK-2.3 KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan)
KK.1 KK1.CPMK-3
KK1.CPMK-3.1 KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel
KK1.CPMK-3.2 KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes
KK1.CPMK-3.3 KAD 6 Mampu menghitung peluang peubah acak binom dan poisson
KK1.CPMK-3.4 KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial
KK.1 KK1.CPMK-4
KK1.CPMK-4.1 KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R
KK1.CPMK-4.2 KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R
KK.7 KK7.CPMK-5
KK7.CPMK-5.1 KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R
KK.7 KK7.CPMK-6
KK7.CPMK-6.1 KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R
KK.7 KK7.CPMK-7
KK7.CPMK-7.1 KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R
KK7.CPMK-7.2 KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R

3. RENCANA PEMBELAJARAN SEMESTER (RPS)

3.1 Muatan RPS

Tabel 5. Format dan Muatan RPS
UNIVERSITAS TRISAKRI
FAKULTAS TEKNOLOGI INDUSTRI
PROGRAM STUDI SISTEM INFORMASI

RENCANA PEMBELAJARAN SEMESTER		 Kode : DU1.2.4-KUR-04.RPS/III6307

Program Studi : SISTEM INFORMASI Semester : Genap 2023/2024 (Rmd);Jenis Mata Kuliah : Wajib     Kode Mata Kuliah : III6307     SKS : 3.00
Mata Kuliah : Probabilitas dan Statistika Dosen :
  1. 2128 Dr. Dedy Sugiarto
MK Prasyarat :
    Tidak ada prasyarat;
Sesi Ke KAD Bahan Kajian Metoda Pembelajaran Waktu Belajar (Menit) Pengalaman Belajar Mahasiswa Referensi Kriteria Penilaian (Indikator)
1
  1. KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data
 Pengertian statistika, pembagian ilmu statistika, peran statistika dalam sains data, pengenalan python dan R
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Thomas Haslwanter(2016)
  • Tugas - 5.00 %
  • Praktikum - 3.00 %
2
  1. KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R
 Penyajian data menggunakan ukuran-ukuran statistika
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
3
  1. KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R
 Eksplorasi dan visualisasi data
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
4
  1. KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel
 Konsep ruang sampel, kejadian dan menghitung titik sampel, peluang kejadian dan peluang peubah acak
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Tugas - 5.00 %
5
  1. KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes
 Aturan-aturan probabilitas, probabilitas suatu kejadian, probabilitas bersyarat dan kaidah bayes
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Ujian Tengah Semester - 5.00 %
6
  1. KAD 6 Mampu menghitung peluang peubah acak binom dan poisson
 Probabilitas peubah acak binom dan poisson
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Ujian Tengah Semester - 10.00 %
  • Praktikum - 3.00 %
7
  1. KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial
 Probabilitas peubah acak normal dan eksponensial, aplikasi sebaran normal dan eksponensial
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Ujian Tengah Semester - 10.00 %
  • Praktikum - 3.00 %
8
  1. KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R
 Pendugaan interval rata-rata dan proporsi populasi
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
9
  1. KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R
 Pengujian hipotesis untuk satu rata-rata dan satu proporsi populasi
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
  • Ujian Akhir Semester - 5.00 %
  • Tugas - 5.00 %
10
  1. KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan)
 Pengujian kesesuaian distribusi (Goodness of Fit) dan uji kebebasan (independence test)
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
  • Ujian Akhir Semester - 5.00 %
  • Tugas - 5.00 %
11
  1. KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R
 Konsep regresi, regresi linier sederhana, regresi linier berganda
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Ujian Akhir Semester - 5.00 %
12
  1. KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R
 Korelasi linier, scatter plot, koefisien determinasi
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi, mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
13
  1. KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R
 Analisis ragam satu arah
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Praktikum - 3.00 %
  • Ujian Akhir Semester - 5.00 %
14
  1. KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R
 Statistika non parametrik
  • Tutorial
  • Diskusi
 150.00 Mendengarkan paparan dosen, berdiskusi dan mengerjakan soal latihan, praktek menggunakan python/R
  • Walpole RE, Myers RH, Myers SL, Ye K(2016)
  • Ujian Akhir Semester - 5.00 %

3.2 Sosialisasi RPS

Tabel 6. Berita Acara Sosialisasi RPS
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS TRISAKTI
Perkuliahan Pertama Dosen Menyampaikan
Mata Kuliah/SKS Nama Dosen Hari Tanggal
Probabilitas dan Statistika 2128 Dr. Dedy Sugiarto ; Monday 07:30:00-10:00:00; Tuesday 07:30:00-10:00:00; Wednesday 07:30:00-10:00:00 Status
Tidak ada perekaman sosialiasi RPS di Kelas
Diketahui Program Studi Dosen Mata Kuliah Mahasiswa
2553 Syandra Sari, S.Kom., M.Kom.

Ketua		 2128 Dr. Dedy Sugiarto ........

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
LOW KK.1 KK1.CPMK-1 KK1.CPMK-1.1 Minggu ke-1 Assessment: Praktikum (3.00%)
Minggu ke-1 Assessment: Tugas (5.00%)
LOW KK.1 KK1.CPMK-2 KK1.CPMK-2.1 Minggu ke-8 Assessment: Praktikum (3.00%)
LOW KK.1 KK1.CPMK-2 KK1.CPMK-2.2 Minggu ke-9 Assessment: Tugas (5.00%)
Minggu ke-9 Assessment: Ujian Akhir Semester (5.00%)
Minggu ke-9 Assessment: Praktikum (3.00%)
LOW KK.1 KK1.CPMK-2 KK1.CPMK-2.3 Minggu ke-10 Assessment: Tugas (5.00%)
Minggu ke-10 Assessment: Praktikum (3.00%)
Minggu ke-10 Assessment: Ujian Akhir Semester (5.00%)
LOW KK.1 KK1.CPMK-3 KK1.CPMK-3.1 Minggu ke-4 Assessment: Tugas (5.00%)
LOW KK.1 KK1.CPMK-3 KK1.CPMK-3.2 Minggu ke-5 Assessment: Ujian Tengah Semester (5.00%)
LOW KK.1 KK1.CPMK-3 KK1.CPMK-3.3 Minggu ke-6 Assessment: Ujian Tengah Semester (10.00%)
Minggu ke-6 Assessment: Praktikum (3.00%)
LOW KK.1 KK1.CPMK-3 KK1.CPMK-3.4 Minggu ke-7 Assessment: Praktikum (3.00%)
Minggu ke-7 Assessment: Ujian Tengah Semester (10.00%)
LOW KK.1 KK1.CPMK-4 KK1.CPMK-4.1 Minggu ke-2 Assessment: Praktikum (3.00%)
LOW KK.1 KK1.CPMK-4 KK1.CPMK-4.2 Minggu ke-3 Assessment: Praktikum (3.00%)
HEIGHT KK.7 KK7.CPMK-5 KK7.CPMK-5.1 Minggu ke-14 Assessment: Ujian Akhir Semester (5.00%)
HEIGHT KK.7 KK7.CPMK-6 KK7.CPMK-6.1 Minggu ke-13 Assessment: Ujian Akhir Semester (5.00%)
Minggu ke-13 Assessment: Praktikum (3.00%)
HEIGHT KK.7 KK7.CPMK-7 KK7.CPMK-7.1 Minggu ke-11 Assessment: Ujian Akhir Semester (5.00%)
HEIGHT KK.7 KK7.CPMK-7 KK7.CPMK-7.2 Minggu ke-12 Assessment: Praktikum (3.00%)
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
KK.1 KK1.CPMK-3 KK1.CPMK-3.2 5.00%
 5%
KK.1 KK1.CPMK-3 KK1.CPMK-3.3 10.00%
 10%
KK.1 KK1.CPMK-3 KK1.CPMK-3.4 10.00%
 10%
TOTAL 25%
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
KK.1 KK1.CPMK-2 KK1.CPMK-2.2 5.00%
 5%
KK.1 KK1.CPMK-2 KK1.CPMK-2.3 5.00%
 5%
KK.7 KK7.CPMK-5 KK7.CPMK-5.1 5.00%
 5%
KK.7 KK7.CPMK-6 KK7.CPMK-6.1 5.00%
 5%
KK.7 KK7.CPMK-7 KK7.CPMK-7.1 5.00%
 5%
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-1 KK1.CPMK-1.1 5.00%
 5%
KK.1 KK1.CPMK-2 KK1.CPMK-2.2 5.00%
 5%
KK.1 KK1.CPMK-2 KK1.CPMK-2.3 5.00%
 5%
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 5.00%
 5%
TOTAL 20%
Tabel 12. Pemetaan Rencana Penilaian Setiap Instrument Penilaian
Materi Sesi Minggu Ke - TOTAL
M1 M8 M9 M10 M4 M5 M6 M7 M2 M3 M14 M13 M11 M12
Komponen PRK TG PRK TG UAS PRK TG PRK UAS TG UTS UTS PRK PRK UTS PRK PRK UAS UAS PRK UAS PRK
CPL CPMK Sub CPMK A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16A17A18A19A20A21A22 Bobot
KK.1 KK1.CPMK-1 KK1.CPMK-1.1 3.00%5.00% 8%
KK.1 KK1.CPMK-2 KK1.CPMK-2.1 3.00% 3%
KK.1 KK1.CPMK-2 KK1.CPMK-2.2 5.00%5.00%3.00% 13%
KK.1 KK1.CPMK-2 KK1.CPMK-2.3 5.00%3.00%5.00% 13%
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 5.00% 5%
KK.1 KK1.CPMK-3 KK1.CPMK-3.2 5.00% 5%
KK.1 KK1.CPMK-3 KK1.CPMK-3.3 10.00%3.00% 13%
KK.1 KK1.CPMK-3 KK1.CPMK-3.4 3.00%10.00% 13%
KK.1 KK1.CPMK-4 KK1.CPMK-4.1 3.00% 3%
KK.1 KK1.CPMK-4 KK1.CPMK-4.2 3.00% 3%
KK.7 KK7.CPMK-5 KK7.CPMK-5.1 5.00% 5%
KK.7 KK7.CPMK-6 KK7.CPMK-6.1 5.00%3.00% 8%
KK.7 KK7.CPMK-7 KK7.CPMK-7.1 5.00% 5%
KK.7 KK7.CPMK-7 KK7.CPMK-7.2 3.00% 3%
TOTAL 3 5 3 5 5 3 5 3 5 5 5 10 3 3 10 3 3 5 5 3 5 3 100
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
KK.1 KK1.CPMK-1 KK1.CPMK-1.1 PRK TG
KK.1 KK1.CPMK-2 KK1.CPMK-2.1 PRK
KK.1 KK1.CPMK-2 KK1.CPMK-2.2 TG UAS PRK
KK.1 KK1.CPMK-2 KK1.CPMK-2.3 TG PRK UAS
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 TG
KK.1 KK1.CPMK-3 KK1.CPMK-3.2 UTS
KK.1 KK1.CPMK-3 KK1.CPMK-3.3 UTS PRK
KK.1 KK1.CPMK-3 KK1.CPMK-3.4 PRK UTS
KK.1 KK1.CPMK-4 KK1.CPMK-4.1 PRK
KK.1 KK1.CPMK-4 KK1.CPMK-4.2 PRK
KK.7 KK7.CPMK-5 KK7.CPMK-5.1 UAS
KK.7 KK7.CPMK-6 KK7.CPMK-6.1 UAS PRK
KK.7 KK7.CPMK-7 KK7.CPMK-7.1 UAS
KK.7 KK7.CPMK-7 KK7.CPMK-7.2 PRK
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
KK.1 KK1.CPMK-3 KK1.CPMK-3.2KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.1 KK1.CPMK-3 KK1.CPMK-3.3KAD 6 Mampu menghitung peluang peubah acak binom dan poisson
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.1 KK1.CPMK-3 KK1.CPMK-3.4KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Tabel 16. Rubrik Penilaian UAS
UAS
CPL CMPK Sub CPMK Rubrik / Rubric
KK.1 KK1.CPMK-2 KK1.CPMK-2.2KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.1 KK1.CPMK-2 KK1.CPMK-2.3KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan)
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.7 KK7.CPMK-5 KK7.CPMK-5.1KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.7 KK7.CPMK-6 KK7.CPMK-6.1KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.7 KK7.CPMK-7 KK7.CPMK-7.1KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Ketepatan menjawab soal ujian
Performance Indicator: Accuracy in answering exam questions		 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 0 0.00
A- 0 0.00
B+ 0 0.00
B 2 66.67
B- 1 33.33
C+ 0 0.00
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
KK1.CPMK-1.1
KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data 		1 1 1 0 100.00
KK1.CPMK-2.1
KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R 		2 0 0 1 66.67
KK1.CPMK-2.2
KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R 		0 2 1 0 100.00
KK1.CPMK-2.3
KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan) 		0 2 1 0 100.00
KK1.CPMK-3.1
KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel 		0 2 1 0 100.00
KK1.CPMK-3.2
KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes 		1 2 0 0 100.00
KK1.CPMK-3.3
KAD 6 Mampu menghitung peluang peubah acak binom dan poisson 		0 3 0 0 100.00
KK1.CPMK-3.4
KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial 		0 3 0 0 100.00
KK1.CPMK-4.1
KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R 		2 0 0 1 66.67
KK1.CPMK-4.2
KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R 		2 0 0 1 66.67
KK7.CPMK-5.1
KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R 		0 2 0 1 66.67
KK7.CPMK-6.1
KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R 		0 1 2 0 100.00
KK7.CPMK-7.1
KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R 		0 2 0 1 66.67
KK7.CPMK-7.2
KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R 		2 0 0 1 66.67
Capaian Sub-CPMK
Gambar 2. Grafik Distribusi Nilai Per Sub CPMK

Tidak ada pengukuran Kepuasan Mahasiswa
Gambar 3. Hasil Kuisioner Mahasiswa
KodePertanyaan

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
KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
TG02
(66.67 %)		1
(33.33 %)		0100
(3,333.33 %)
KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
TG02
(66.67 %)		1
(33.33 %)		0100
(3,333.33 %)
UAS02
(66.67 %)		01
(33.33 %)		66.67
(2,222.33 %)
KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan)
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
TG02
(66.67 %)		1
(33.33 %)		0100
(3,333.33 %)
UAS02
(66.67 %)		01
(33.33 %)		66.67
(2,222.33 %)
KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel
TG02
(66.67 %)		1
(33.33 %)		0100
(3,333.33 %)
KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes
UTS1
(33.33 %)		2
(66.67 %)		00100
(3,333.33 %)
KAD 6 Mampu menghitung peluang peubah acak binom dan poisson
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
UTS1
(33.33 %)		2
(66.67 %)		00100
(3,333.33 %)
KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
UTS1
(33.33 %)		2
(66.67 %)		00100
(3,333.33 %)
KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R
UAS02
(66.67 %)		01
(33.33 %)		66.67
(2,222.33 %)
KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)
UAS02
(66.67 %)		01
(33.33 %)		66.67
(2,222.33 %)
KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R
UAS02
(66.67 %)		01
(33.33 %)		66.67
(2,222.33 %)
KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R
PRK2
(66.67 %)		001
(33.33 %)		66.67
(2,222.33 %)

Capaian Sub-CPMK KK1.CPMK-1.1 Perpenilaian
Gambar 4. Analisis Ketercapaian Sub KK1.CPMK-1.1 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-2.1 Perpenilaian
Gambar 5. Analisis Ketercapaian Sub KK1.CPMK-2.1 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-2.2 Perpenilaian
Gambar 6. Analisis Ketercapaian Sub KK1.CPMK-2.2 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-2.3 Perpenilaian
Gambar 7. Analisis Ketercapaian Sub KK1.CPMK-2.3 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-3.1 Perpenilaian
Gambar 8. Analisis Ketercapaian Sub KK1.CPMK-3.1 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-3.2 Perpenilaian
Gambar 9. Analisis Ketercapaian Sub KK1.CPMK-3.2 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-3.3 Perpenilaian
Gambar 10. Analisis Ketercapaian Sub KK1.CPMK-3.3 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-3.4 Perpenilaian
Gambar 11. Analisis Ketercapaian Sub KK1.CPMK-3.4 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-4.1 Perpenilaian
Gambar 12. Analisis Ketercapaian Sub KK1.CPMK-4.1 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-4.2 Perpenilaian
Gambar 13. Analisis Ketercapaian Sub KK1.CPMK-4.2 Per Teknik Penilaian


Capaian Sub-CPMK KK7.CPMK-5.1 Perpenilaian
Gambar 14. Analisis Ketercapaian Sub KK7.CPMK-5.1 Per Teknik Penilaian


Capaian Sub-CPMK KK7.CPMK-6.1 Perpenilaian
Gambar 15. Analisis Ketercapaian Sub KK7.CPMK-6.1 Per Teknik Penilaian


Capaian Sub-CPMK KK7.CPMK-7.1 Perpenilaian
Gambar 16. Analisis Ketercapaian Sub KK7.CPMK-7.1 Per Teknik Penilaian


Capaian Sub-CPMK KK7.CPMK-7.2 Perpenilaian
Gambar 17. Analisis Ketercapaian Sub KK7.CPMK-7.2 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
KK1.CPMK-1.1
Std Mark: 56.00 		KK1.CPMK-2.1
Std Mark: 56.00 		KK1.CPMK-2.2
Std Mark: 56.00 		KK1.CPMK-2.3
Std Mark: 56.00 		KK1.CPMK-3.1
Std Mark: 56.00 		KK1.CPMK-3.2
Std Mark: 56.00 		KK1.CPMK-3.3
Std Mark: 56.00 		KK1.CPMK-3.4
Std Mark: 56.00 		KK1.CPMK-4.1
Std Mark: 56.00 		KK1.CPMK-4.2
Std Mark: 56.00 		KK7.CPMK-5.1
Std Mark: 56.00 		KK7.CPMK-6.1
Std Mark: 56.00 		KK7.CPMK-7.1
Std Mark: 56.00 		KK7.CPMK-7.2
Std Mark: 56.00
1 065002300034 MUHAMMAD DONY FATAHILLAH ASSYA'BANI 70.8288.8570.5070.5060.0070.0074.3574.3588.8588.8570.0077.0770.0088.85
2 065002300027 BAYU PRAMONO 62.5050.0065.3865.3870.0080.0073.0873.0850.0050.0070.0062.5070.0050.00
3 065002300026 KEVIN RIZKY PRADANA 80.4697.9068.7568.7570.0070.0076.4476.4497.9097.9050.0067.9650.0097.90

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, 17-08-2024
Dosen Mata Kuliah,




(2128 Dr. Dedy Sugiarto)