Document

PORTOFOLIO MATA KULIAH

Nama Mata Kuliah : Pemrosesan Data
Kode Mata Kuliah : IKD6314
Tim Dosen :
  1. 3022 Dian Pratiwi, S.T., M.T.I.
Kelas : 01
Dosen : 3022 Dian Pratiwi, S.T., M.T.I.
Semester : Gasal 2024/2025 (R)
Tahun Akademik : 2024/2025
Jumlah Mahasiswa : 21 mahasiswa

Program Studi INFORMATIKA

Fakultas TEKNOLOGI INDUSTRI

Universitas Trisakti

Aug 2025

PORTOFOLIO MATA KULIAH

NAMA MATA KULIAH : Pemrosesan Data
KODE MATA KULIAH : IKD6314
KELAS : TIF-01
SEMESTER : Gasal 2024/2025 (R)
DOSEN PENGAMPU : 3022 Dian Pratiwi, S.T., M.T.I.
NAMA DOSEN/TIM DOSEN :
  1. 3022 Dian Pratiwi, S.T., M.T.I.
NAMA KOORDINATOR MATA KULIAH : 3022 Dian Pratiwi, S.T., M.T.I.

1. HALAMAN PENGESAHAN PORTOFOLIO

PORTOFOLIO MATA KULIAH
PEMROSESAN DATA
Tahun Akademik: Gasal 2024/2025 (R)
Program Studi INFORMATIKA
Fakultas TEKNOLOGI INDUSTRI
Kode:
IKD6314 		Bobot (sks):
3.00 sks 		Rumpun MK:
Semester:
GASAL
Penanggungjawab Nama Tanda Tangan Tanggal
Koordinator MK 3022 Dian Pratiwi, S.T., M.T.I.
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.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)
KK.1 Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
KK.4 Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Tabel 3. Pemetaan Keterkaitan Capaian Pembelajaran Mata Kuliah dengan CPL
KODE CPL KODE CPMK DESKRIPSI CPMK
P.2 P2.CPMK-1 Mahasiswa mampu menjelaskan konsep dan berbagai prosedur pengolahan data yang dibutuhkan industri dan masyarakat
P.2 P2.CPMK-2 Mahasiswa mampu menganalisis, merancang dan mensimulasikan model pengolahan data pada berbagai platform
KK.1 KK1.CPMK-3 Mahasiswa mampu menerapkan dan menguji berbagai metode pengolahan data
KK.4 KK4.CPMK-4 Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Tabel 4. Sub Capaian Pembelajaran Mata Kuliah
KODE CPL KODE CPMK DESKRIPSI Sub CPMK
P.2 P2.CPMK-1
P2.CPMK-1.1 Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
P2.CPMK-1.2 Mahasiswa mampu mengidentifikasi jawaban dari persoalan data processing dalam bentuk essay
P.2 P2.CPMK-2
P2.CPMK-2.1 Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
KK.1 KK1.CPMK-3
KK1.CPMK-3.1 Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
KK.4 KK4.CPMK-4
KK4.CPMK-4.1 Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
KK4.CPMK-4.2 Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah

3. RENCANA PEMBELAJARAN SEMESTER (RPS)

3.1 Muatan RPS

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

RENCANA PEMBELAJARAN SEMESTER		 Kode : DU1.2.4-KUR-04.RPS/IKD6314

Program Studi : INFORMATIKA Semester : Gasal 2024/2025 (R);Jenis Mata Kuliah : Wajib     Kode Mata Kuliah : IKD6314     SKS : 3.00
Mata Kuliah : Pemrosesan Data Dosen :
  1. 3022 Dian Pratiwi, S.T., M.T.I.
MK Prasyarat :
    Tidak ada prasyarat;
Sesi Ke KAD Bahan Kajian Metoda Pembelajaran Waktu Belajar (Menit) Pengalaman Belajar Mahasiswa Referensi Kriteria Penilaian (Indikator)
1
  1. Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
 Konsep & Ruang Lingkup Data Processing
  • Tutorial (50)
  • Diskusi (50)
 150.00 Menerima, Mengetahui Konsep serta ruang lingkup data processing
  • Patrick R. Nicholas(2017) (Hal. 89-129)
  • Quiz 1 (56) - 1.00 %
  • Ujian Tengah Semester (56) - 2.00 %
2
  1. Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
 Jenis-jenis Data Processing, metode dari tahapan data processing yang dapat digunakan, dan contoh pengaplikasiannya
  • Tutorial (50)
  • Diskusi (30)
  • Diksusi Online (20)
 150.00 Memahami, mengidentifikasi, Memberikan umpan balik terkait pengaplikasian data processing
  • Quiz 1 (56) - 2.00 %
  • Ujian Tengah Semester (56) - 3.00 %
3
  1. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
 Data Collection ; model pengumpulan data, kecukupan jumlah data, tools yang dipergunakan
  • Tutorial (50)
  • Percobaan (10)
  • Diskusi (20)
  • Diksusi Online (20)
 150.00 Memahami, mengidentifikasi dan menerapkan metode pengumpulan data
  • Quiz 1 - 2.00 %
  • Ujian Tengah Semester - 3.00 %
4
  1. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
 Data Pre-Processing (I) ; Aggregation, Editing, extraction, Selection, Cleansing, Filtering
  • Tutorial (40)
  • Percobaan (20)
  • Diskusi (10)
  • Pemecahan Masalah (10)
  • Diksusi Online (20)
 150.00 Mengetahui, membedakan, menguji, memberi umpan balik terhadap berbagai metode pre-processing
  • Lu, G(1999)
  • Quiz 1 - 2.00 %
  • Ujian Tengah Semester - 5.00 %
5
  1. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
 Data Pre-processing (II); compression, segmentation, extraction
  • Tutorial (50)
  • Diskusi (20)
  • Pemecahan Masalah (10)
  • Diksusi Online (20)
 150.00 Memahami, membedakan, menguji, memberi umpan balik terhadap metode pre-processing
  • Lu, G(1999) (Hal. 64)
  • Dian Pratiwi, S.T., M.T.I. ; Tamtomo Abdi Negoro, S.Kom., S.Si. ; Drs. Syaifudin, M.Si., Ph.D(2024)
  • Quiz 1 - 1.00 %
  • Ujian Tengah Semester - 3.00 %
6
  1. Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
 Data Analysis (I) : descriptive, exploratory, diagnostic
  • Tutorial (50)
  • Percobaan (10)
  • Diskusi (10)
  • Pemecahan Masalah (10)
  • Diksusi Online (20)
 150.00 Mengetahui, mengidentifikasi, menerapkan berbagai metode analisis data dalam memecahkan masalah
  • A.J. Henley and Dave Wolf(2018)
  • Dr. Ossama Embarak(2018)
  • Quiz 1 - 2.00 %
  • Ujian Tengah Semester - 4.00 %
7
  1. Mahasiswa mampu mengidentifikasi jawaban dari persoalan data processing dalam bentuk essay
 Summary pertemuan 1-6 dan Quiz I
  • Pemecahan Masalah (100)
 150.00 Menjawab soal-soal dan memberikan umpan balik
  • Quiz 1 - 0.00 %
8
  1. Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
 Data Analysis (II); predictive, prescriptive, statistical
  • Tutorial (50)
  • Diskusi (10)
  • Pemecahan Masalah (20)
  • Diksusi Online (20)
 150.00 Mengetahui, mengidentifikasi, menerapkan berbagai metode analisis data dalam memecahkan masalah
  • A.J. Henley and Dave Wolf(2018)
  • Dr. Ossama Embarak(2018)
  • Quiz 2 - 2.00 %
  • Ujian Akhir Semester - 7.00 %
9
  1. Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
 Forecasting (I); Qualitative (market survey, Delphi method, expert system (opinion judgment), panel consensus)
  • Tutorial (50)
  • Percobaan (10)
  • Diskusi (20)
  • Diksusi Online (20)
 150.00 Mengidentifikasi, menerapkan, menerima umpan balik terkait metode forecasting
  • Patrick R. Nicholas(2017)
  • Quiz 2 - 2.00 %
  • Ujian Akhir Semester - 7.00 %
10
  1. Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
 Forecasting (II); Quantitative, numerical prediction, exponential smoothing, interpolation, extrapolation
  • Tutorial (50)
  • Percobaan (10)
  • Diskusi (20)
  • Diksusi Online (20)
 150.00 Mengidentifikasi, menerapkan, menerima umpan balik terkait metode forecasting
  • Robert Johansson(2019)
  • Quiz 2 - 2.00 %
  • Ujian Akhir Semester - 7.00 %
11
  1. Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
 Forecasting Accuracy; akurasi, presisi, recall, MSE, SSE, RMSE, cross validation
  • Tutorial (50)
  • Diskusi (10)
  • Pemecahan Masalah (20)
  • Diksusi Online (20)
 150.00 Mengidentifikasi, menguji, mengevaluasi perhitungan keakuratan forecasting
  • Quiz 2 - 2.00 %
  • Ujian Akhir Semester - 7.00 %
12
  1. Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
 Data Visualization
  • Tutorial (50)
  • Percobaan (10)
  • Diskusi (10)
  • Pemecahan Masalah (10)
  • Diksusi Online (20)
 150.00 menganalisis, merancang, menguji model visualisasi data
  • Dr. Ossama Embarak(2018)
  • Quiz 2 - 2.00 %
  • Ujian Akhir Semester - 7.00 %
13
  1. Mahasiswa mampu mengidentifikasi jawaban dari persoalan data processing dalam bentuk essay
 Quiz II
  • Pemecahan Masalah (100)
 150.00 Menjawab soal-soal dan memberikan umpan balik
  • Quiz 2 - 0.00 %
14
  1. Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
  2. Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
  3. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
  4. Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
  5. Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
 Presentasi Proyek
  • Diskusi (10)
  • Presentasi (30)
  • Diksusi Online (10)
  • Proyek (50)
 150.00 Menunjukkan, menjelaskan, bekerja sama secara tim untuk menyelesaikan proyek data processing
  • Tugas Kelompok - 25.00 %

3.2 Sosialisasi RPS

Tabel 6. Berita Acara Sosialisasi RPS
PROGRAM STUDI INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS TRISAKTI
Perkuliahan Pertama Dosen Menyampaikan
Mata Kuliah/SKS Nama Dosen Hari Tanggal
Pemrosesan Data 3022 Dian Pratiwi, S.T., M.T.I. ; Tuesday 07:30:00-12:00:00 Status
Tidak ada perekaman sosialiasi RPS di Kelas
Diketahui Program Studi Dosen Mata Kuliah Mahasiswa
2641 Binti Solihah, S.T., M.Kom.

Ketua		 3022 Dian Pratiwi, S.T., M.T.I. ........

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.2 P2.CPMK-1 P2.CPMK-1.1 Minggu ke-1 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-1 Assessment: Quiz 1 (1.00%)
Minggu ke-14 Assessment: Tugas Kelompok (3.00%)
HEIGHT P.2 P2.CPMK-2 P2.CPMK-2.1 Minggu ke-2 Assessment: Ujian Tengah Semester (3.00%)
Minggu ke-2 Assessment: Quiz 1 (2.00%)
Minggu ke-12 Assessment: Ujian Akhir Semester (7.00%)
Minggu ke-12 Assessment: Quiz 2 (2.00%)
Minggu ke-14 Assessment: Tugas Kelompok (3.00%)
Minggu ke-14 Assessment: Tugas Kelompok (3.00%)
HEIGHT KK.1 KK1.CPMK-3 KK1.CPMK-3.1 Minggu ke-3 Assessment: Ujian Tengah Semester (3.00%)
Minggu ke-3 Assessment: Quiz 1 (2.00%)
Minggu ke-4 Assessment: Ujian Tengah Semester (5.00%)
Minggu ke-4 Assessment: Quiz 1 (2.00%)
Minggu ke-5 Assessment: Ujian Tengah Semester (3.00%)
Minggu ke-5 Assessment: Quiz 1 (1.00%)
Minggu ke-14 Assessment: Tugas Kelompok (5.00%)
Minggu ke-14 Assessment: Tugas Kelompok (3.00%)
LOW KK.4 KK4.CPMK-4 KK4.CPMK-4.1 Minggu ke-9 Assessment: Ujian Akhir Semester (7.00%)
Minggu ke-9 Assessment: Quiz 2 (2.00%)
Minggu ke-10 Assessment: Ujian Akhir Semester (7.00%)
Minggu ke-10 Assessment: Quiz 2 (2.00%)
Minggu ke-11 Assessment: Ujian Akhir Semester (7.00%)
Minggu ke-11 Assessment: Quiz 2 (2.00%)
Minggu ke-14 Assessment: Tugas Kelompok (10.00%)
LOW KK.4 KK4.CPMK-4 KK4.CPMK-4.2 Minggu ke-6 Assessment: Ujian Tengah Semester (4.00%)
Minggu ke-6 Assessment: Quiz 1 (2.00%)
Minggu ke-8 Assessment: Ujian Akhir Semester (2.00%)
Minggu ke-8 Assessment: Quiz 2 (2.00%)
Minggu ke-14 Assessment: Tugas Kelompok (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
P.2 P2.CPMK-1 P2.CPMK-1.1 2.00%
 2%
P.2 P2.CPMK-2 P2.CPMK-2.1 3.00%
 3%
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 3.00%
5.00%
3.00%
 11%
KK.4 KK4.CPMK-4 KK4.CPMK-4.2 4.00%
 4%
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
P.2 P2.CPMK-2 P2.CPMK-2.1 7.00%
 7%
KK.4 KK4.CPMK-4 KK4.CPMK-4.1 7.00%
7.00%
7.00%
 21%
KK.4 KK4.CPMK-4 KK4.CPMK-4.2 2.00%
 2%
TOTAL 30%
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
P.2 P2.CPMK-1 P2.CPMK-1.1 3.00%
 3%
P.2 P2.CPMK-2 P2.CPMK-2.1 3.00%
3.00%
 6%
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 5.00%
3.00%
 8%
KK.4 KK4.CPMK-4 KK4.CPMK-4.1 10.00%
 10%
KK.4 KK4.CPMK-4 KK4.CPMK-4.2 3.00%
 3%
TOTAL 30%
Tabel 12. Pemetaan Rencana Penilaian Setiap Instrument Penilaian
Materi Sesi Minggu Ke - TOTAL
M1 M14 M2 M12 M3 M4 M5 M9 M10 M11 M6 M8
Komponen UTS Q1 TGKEL UTS Q1 UAS Q2 UTS Q1 UTS Q1 UTS Q1 UAS Q2 UAS Q2 UAS Q2 UTS Q1 UAS Q2
CPL CPMK Sub CPMK A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16A17A18A19A20A21A22A23 Bobot
P.2 P2.CPMK-1 P2.CPMK-1.1 2.00%1.00%3.00% 6%
P.2 P2.CPMK-2 P2.CPMK-2.1 3.00%3.00%2.00%7.00%2.00% 17%
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 3.00%3.00%2.00%5.00%2.00%3.00%1.00% 19%
KK.4 KK4.CPMK-4 KK4.CPMK-4.1 10.00%7.00%2.00%7.00%2.00%7.00%2.00% 37%
KK.4 KK4.CPMK-4 KK4.CPMK-4.2 3.00%4.00%2.00%2.00%2.00% 13%
TOTAL 2 1 22 3 2 7 2 3 2 5 2 3 1 7 2 7 2 7 2 4 2 2 2 92
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.2 P2.CPMK-1 P2.CPMK-1.1 UTS Q1 TGKEL
P.2 P2.CPMK-2 P2.CPMK-2.1 UTS Q1 UAS Q2 TGKEL TGKEL
KK.1 KK1.CPMK-3 KK1.CPMK-3.1 UTS Q1 UTS Q1 UTS Q1 TGKEL TGKEL
KK.4 KK4.CPMK-4 KK4.CPMK-4.1 UAS Q2 UAS Q2 UAS Q2 TGKEL
KK.4 KK4.CPMK-4 KK4.CPMK-4.2 UTS Q1 UAS Q2 TGKEL
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.2 P2.CPMK-1 P2.CPMK-1.1Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
Indikator Kinerja: Mahasiswa mampu menjelaskan pengertian, kegunaan, dan ruang lingkup data processing
Performance Indicator: Students are able to explain the meaning, use, and scope of data processing		 Rubrik Penilaian
56.00/Pass 70.00/Pass 55.00/Fail
Mahasiswa mampu mengetahui dan menjelaskan dengan benar pengertian data processing
Students are able to know and explain correctly the meaning of data processing		 Mahasiswa mampu mengetahui dan menjelaskan dengan benar ruang lingkup data processing
Students are able to know and explain correctly the scope of data processing		 Mahasiswa tidak mampu mengetahui dan menjelaskan dengan benar pengertian data processing
Students are not able to know and explain correctly the meaning of data processing
P.2 P2.CPMK-2 P2.CPMK-2.1Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
Indikator Kinerja: Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan menganalisis metode beserta contoh penerapannya
Performance Indicator: Students are able to identify the types of data processing and analyze methods along with examples of their application		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are not able to identify the types of data processing correctly		 Mahasiswa mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are able to correctly identify the types of data processing		 Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan metode dalam ruang lingkup data processing dengan benar
Students are able to correctly identify the types of data processing and methods within the scope of data processing
KK.1 KK1.CPMK-3 KK1.CPMK-3.1Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Indikator Kinerja: Mahasiswa mampu mengidentifikasi, menerapkan dan menguji metode pengumpulan data
Performance Indicator: Students are able to identify, apply and test data collection methods		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are not able to know the data collection model and the adequacy of the data obtained		 Mahasiswa mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are able to know the model of data collection and the adequacy of the data obtained		 Mahasiswa mampu mengidentifikasi dan menerapkan metode pengumpulan data dengan benar beserta kecukupan jumlah datanya
Students are able to correctly identify and apply data collection methods along with the adequacy of the amount of data
Indikator Kinerja: Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Performance Indicator: Students are able to identify and test various data pre-processing methods		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.4 KK4.CPMK-4 KK4.CPMK-4.2Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
Indikator Kinerja: Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Performance Indicator: Students are able to apply, test, and evaluate data analysis methods for a given problem		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
Tabel 16. Rubrik Penilaian UAS
UAS
CPL CMPK Sub CPMK Rubrik / Rubric
P.2 P2.CPMK-2 P2.CPMK-2.1Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
Indikator Kinerja: Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Performance Indicator: Students are able to apply, test, and evaluate data analysis methods for a given problem		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
Indikator Kinerja: Mahasiswa mampu menganalisis, merancang, menerapkan model visualisasi sesuai jenis data yang diberikan
Performance Indicator: Students are able to analyze, design, apply visualization models according to the type of data provided		 Rubrik Penilaian
Tidak ada rubrik penilaian
KK.4 KK4.CPMK-4 KK4.CPMK-4.1Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
Indikator Kinerja: Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Performance Indicator: Students are able to apply, test, and evaluate data analysis methods for a given problem		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
Indikator Kinerja: Mahasiswa mampu menganalisis, merancang, menerapkan model visualisasi sesuai jenis data yang diberikan
Performance Indicator: Students are able to analyze, design, apply visualization models according to the type of data provided		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu mengidentifikasi, menerapkan dan mengevaluasi berbagai metode forecasting untuk memecahkan persoalan
Performance Indicator: Students are able to identify, apply and evaluate various forecasting methods to solve problems		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi metode forecasting untuk memecahkan masalah dengan benar
Students are not able to identify forecasting methods to solve problems correctly		 Mahasiswa mampu mengidentifikasi dan mempraktekkan metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify and practice forecasting methods to solve problems correctly		 Mahasiswa mampu mengidentifikasi, mempraktekkan dan mengevaluasi metode-metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify, practice and evaluate forecasting methods to solve problems correctly
KK.4 KK4.CPMK-4 KK4.CPMK-4.2Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
Indikator Kinerja: Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Performance Indicator: Students are able to apply, test, and evaluate data analysis methods for a given problem		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly		 Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
Indikator Kinerja: Mahasiswa mampu menganalisis, merancang, menerapkan model visualisasi sesuai jenis data yang diberikan
Performance Indicator: Students are able to analyze, design, apply visualization models according to the type of data provided		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu mengidentifikasi, menerapkan dan mengevaluasi berbagai metode forecasting untuk memecahkan persoalan
Performance Indicator: Students are able to identify, apply and evaluate various forecasting methods to solve problems		 Rubrik Penilaian
55.00/Fail 56.00/Pass 70.00/Pass
Mahasiswa tidak mampu mengidentifikasi metode forecasting untuk memecahkan masalah dengan benar
Students are not able to identify forecasting methods to solve problems correctly		 Mahasiswa mampu mengidentifikasi dan mempraktekkan metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify and practice forecasting methods to solve problems correctly		 Mahasiswa mampu mengidentifikasi, mempraktekkan dan mengevaluasi metode-metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify, practice and evaluate forecasting methods to solve problems correctly
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 3 14.29
A- 2 9.52
B+ 1 4.76
B 7 33.33
B- 2 9.52
C+ 2 9.52
C 1 4.76
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
P2.CPMK-1.1
Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing 		2 14 3 2 90.48
P2.CPMK-2.1
Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah 		3 9 7 2 90.48
KK1.CPMK-3.1
Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing 		1 14 3 3 85.71
KK4.CPMK-4.1
Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah 		5 9 4 3 85.71
KK4.CPMK-4.2
Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah 		2 13 3 3 85.71
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
Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
UTS04
(19.05 %)		12
(57.14 %)		5
(23.81 %)		76.19
(362.81 %)
Q17
(33.33 %)		9
(42.86 %)		2
(9.52 %)		3
(14.29 %)		85.71
(408.14 %)
TGKEL11
(52.38 %)		8
(38.10 %)		02
(9.52 %)		90.48
(430.86 %)
Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
UTS04
(19.05 %)		12
(57.14 %)		5
(23.81 %)		76.19
(362.81 %)
UAS3
(15.00 %)		4
(20.00 %)		5
(25.00 %)		8
(40.00 %)		60
(300.00 %)
Q218
(85.71 %)		2
(9.52 %)		01
(4.76 %)		95.24
(453.52 %)
Q17
(33.33 %)		9
(42.86 %)		2
(9.52 %)		3
(14.29 %)		85.71
(408.14 %)
TGKEL11
(52.38 %)		8
(38.10 %)		02
(9.52 %)		90.48
(430.86 %)
Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
UTS04
(19.05 %)		12
(57.14 %)		5
(23.81 %)		76.19
(362.81 %)
Q17
(33.33 %)		9
(42.86 %)		2
(9.52 %)		3
(14.29 %)		85.71
(408.14 %)
TGKEL11
(52.38 %)		8
(38.10 %)		02
(9.52 %)		90.48
(430.86 %)
Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
UAS3
(15.00 %)		4
(20.00 %)		5
(25.00 %)		8
(40.00 %)		60
(300.00 %)
Q218
(85.71 %)		2
(9.52 %)		01
(4.76 %)		95.24
(453.52 %)
TGKEL11
(52.38 %)		8
(38.10 %)		02
(9.52 %)		90.48
(430.86 %)
Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
UTS04
(19.05 %)		12
(57.14 %)		5
(23.81 %)		76.19
(362.81 %)
UAS3
(15.00 %)		4
(20.00 %)		5
(25.00 %)		8
(40.00 %)		60
(300.00 %)
Q218
(85.71 %)		2
(9.52 %)		01
(4.76 %)		95.24
(453.52 %)
Q17
(33.33 %)		9
(42.86 %)		2
(9.52 %)		3
(14.29 %)		85.71
(408.14 %)
TGKEL11
(52.38 %)		8
(38.10 %)		02
(9.52 %)		90.48
(430.86 %)

Capaian Sub-CPMK P2.CPMK-1.1 Perpenilaian
Gambar 4. Analisis Ketercapaian Sub P2.CPMK-1.1 Per Teknik Penilaian


Capaian Sub-CPMK P2.CPMK-2.1 Perpenilaian
Gambar 5. Analisis Ketercapaian Sub P2.CPMK-2.1 Per Teknik Penilaian


Capaian Sub-CPMK KK1.CPMK-3.1 Perpenilaian
Gambar 6. Analisis Ketercapaian Sub KK1.CPMK-3.1 Per Teknik Penilaian


Capaian Sub-CPMK KK4.CPMK-4.1 Perpenilaian
Gambar 7. Analisis Ketercapaian Sub KK4.CPMK-4.1 Per Teknik Penilaian


Capaian Sub-CPMK KK4.CPMK-4.2 Perpenilaian
Gambar 8. Analisis Ketercapaian Sub KK4.CPMK-4.2 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
P2.CPMK-1.1
Std Mark: 56.00 		P2.CPMK-2.1
Std Mark: 56.00 		KK1.CPMK-3.1
Std Mark: 56.00 		KK4.CPMK-4.1
Std Mark: 56.00 		KK4.CPMK-4.2
Std Mark: 56.00
1 064002300001 NOVAL SUSANTO 81.3388.9480.4493.3185.48
2 064002300021 ARIK DIAS PUTRA 74.0059.7370.4053.0566.85
3 064002300005 FAIZ FIRDAUS PRIYANTO 78.0071.3975.5668.3975.48
4 064002300031 SYAHRUL ARIFIN 71.4273.1668.5274.9672.78
5 064002300026 RANGGA ADITYA PRADANA 74.7571.4873.1769.9274.92
6 064002300025 ZULFADLI DANISWARA 74.5882.4572.2987.4178.95
7 064002300015 YUSTIANAS ROMBON 72.6776.8571.9279.1176.46
8 064002300045 NALENDRA ZAIDAN AQILA ZULKIFLI 72.0870.9669.2371.3471.02
9 064002300012 YEZA SABILLAH ABBAS 70.0865.5866.8864.0068.85
10 064002300010 RACHEL AZZAHRA PUTRI LUKITO 75.4272.1573.7370.6875.38
11 064002300013 ARIEL FEBRIO HADI 75.1779.2873.5281.8478.54
12 064002300039 DAVE RYANO FIRDAUS MAGENTHA 72.0067.7069.4665.9571.31
13 064002300004 MICHAEL BRIANT 74.6779.2871.4882.9277.15
14 064002300041 HASANUL BASHORI 80.2583.3678.3585.5882.32
15 064002300017 MARA SUTAN ARRAFI SIREGAR 70.1763.5068.9060.0968.03
16 064002300044 FRANCISCO 67.8367.5763.4869.1265.75
17 064002300046 MUHAMMAD AKMAL YAZID 22.3332.9530.2936.3239.31
18 064002300043 FAIZ ABYAN HERYANTO 73.8374.2669.8576.1371.66
19 064002300020 MICHAEL 58.5058.5450.6370.6350.27
20 064002300030 HAFIDZ RAMADHAN 66.0364.8463.0664.9866.55
21 064002000016 BORIS LUHUNG SWARA 31.0038.4541.5837.7048.62

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 )


Jakarta, 31-08-2025
Dosen Mata Kuliah,




(3022 Dian Pratiwi, S.T., M.T.I.)