Document

PORTOFOLIO MATA KULIAH

Nama Mata Kuliah : Computational Thinking
Kode Mata Kuliah : IUC6201
Tim Dosen :
  1. x99951 Yunia Ningsih, S.T.
Kelas : 07
Dosen : x99951 Yunia Ningsih, S.T.
Semester : Gasal 2024/2025 (R)
Tahun Akademik : 2024/2025
Jumlah Mahasiswa : 39 mahasiswa

Program Studi INFORMATIKA

Fakultas TEKNOLOGI INDUSTRI

Universitas Trisakti

Aug 2025

PORTOFOLIO MATA KULIAH

NAMA MATA KULIAH : Computational Thinking
KODE MATA KULIAH : IUC6201
KELAS : FTI07
SEMESTER : Gasal 2024/2025 (R)
DOSEN PENGAMPU : x99951 Yunia Ningsih, S.T.
NAMA DOSEN/TIM DOSEN :
  1. x99951 Yunia Ningsih, S.T.
NAMA KOORDINATOR MATA KULIAH : x99951 Yunia Ningsih, S.T.

1. HALAMAN PENGESAHAN PORTOFOLIO

PORTOFOLIO MATA KULIAH
COMPUTATIONAL THINKING
Tahun Akademik: Gasal 2024/2025 (R)
Program Studi INFORMATIKA
Fakultas TEKNOLOGI INDUSTRI
Kode:
IUC6201 		Bobot (sks):
2.00 sks 		Rumpun MK:
Semester:
GASAL
Penanggungjawab Nama Tanda Tangan Tanggal
Koordinator MK x99951 Yunia Ningsih, S.T.
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
Tabel 2. Capaian Pembelajaran Lulusan yang Dibebankan pada Mata Kuliah
KODE DESKRIPSI CPL
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))
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))
Tabel 3. Pemetaan Keterkaitan Capaian Pembelajaran Mata Kuliah dengan CPL
KODE CPL KODE CPMK DESKRIPSI CPMK
S.1 S1.CPMK-1 Mahasiswa menunjukkan sikap tekun dan sportif.
P.1 P1.CPMK-2 Mahasiswa mampu menerapkan analisis data sederhana.
P.1 P1.CPMK-3 Mahasiswa memahami komponen-komponen dalam memecahkan masalah, meliputi abstraksi, imitasi pola, berpikir algoritmik, dan dekomposisi masalah.
P.1 P1.CPMK-4 Mahasiswa memahami konsep dasar Computational Thinking dan mampu mengembangkan sikap berpikir terbuka untuk menerapkan berbagai teknik pemecahan masalah dalam bidang ilmu masing-masing.
P.1 P1.CPMK-5 Mahasiswa terampil memahami algoritma, serta representasi data.
Tabel 4. Sub Capaian Pembelajaran Mata Kuliah
KODE CPL KODE CPMK DESKRIPSI Sub CPMK
S.1 S1.CPMK-1
S1.CPMK-1.1 Mahasiswa mengerjakan tugas dengan baik.
P.1 P1.CPMK-2
P1.CPMK-2.1 Mahasiswa mampu melakukan analisis data sederhana menggunakan regresi linier.
P.1 P1.CPMK-3
P1.CPMK-3.1 Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
P.1 P1.CPMK-4
P1.CPMK-4.1 Mahasiswa menerapkan teknik pemecahan masalah Berpikir Komputasional terhadap masalah-masalah dunia nyata yang relevan dengan bidang ilmu masing-masing.
P1.CPMK-4.2 Mahasiswa mampu merancang algoritma sederhana menggunakan flowchart dan pseudocode.
P.1 P1.CPMK-5
P1.CPMK-5.1 Mahasiswa mampu memilih representasi data yang tepat untuk berbagai jenis masalah.
P1.CPMK-5.2 Mahasiswa mampu menerapkan beberapa algoritma sederhana untuk menyelesaikan masalah komputasional.
P1.CPMK-5.3 Mahasiswa mampu melakukan inferensi logika, mengenali pola dalam data, dan membuat keputusan berdasarkan analisis data.

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/IUC6201

Program Studi : INFORMATIKA Semester : Gasal 2024/2025 (R);Jenis Mata Kuliah : Wajib     Kode Mata Kuliah : IUC6201     SKS : 2.00
Mata Kuliah : Computational Thinking Dosen :
  1. x99951 Yunia Ningsih, S.T.
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 mengerjakan tugas dengan baik.
  2. Mahasiswa menerapkan teknik pemecahan masalah Berpikir Komputasional terhadap masalah-masalah dunia nyata yang relevan dengan bidang ilmu masing-masing.
 Pengenalan Computational Thinking
100.00 Diskusi dan Tanya jawab
  • Tugas Individu - 3.00 %
  • Ujian Tengah Semester - 3.00 %
2
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa menerapkan teknik pemecahan masalah Berpikir Komputasional terhadap masalah-masalah dunia nyata yang relevan dengan bidang ilmu masing-masing.
 Komponen-komponen Computational Thinking.
100.00 Diskusi dan Tanya jawab
  • Tugas Individu - 3.00 %
  • Ujian Tengah Semester - 3.00 %
3
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu merancang algoritma sederhana menggunakan flowchart dan pseudocode.
 Algorithmic thinking: Pseudocode dan Flowchart
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 3.00 %
  • Ujian Tengah Semester - 3.00 %
4
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu melakukan inferensi logika, mengenali pola dalam data, dan membuat keputusan berdasarkan analisis data.
  3. Mahasiswa mampu memilih representasi data yang tepat untuk berbagai jenis masalah.
 Abstraksi dan Representasi Data
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 3.00 %
  • Ujian Tengah Semester - 4.00 %
5
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu menerapkan beberapa algoritma sederhana untuk menyelesaikan masalah komputasional.
 Algoritma Pencarian dan Pengurutan
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 3.00 %
  • Ujian Tengah Semester - 4.00 %
6
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu menerapkan beberapa algoritma sederhana untuk menyelesaikan masalah komputasional.
 Algoritma Penyandian
100.00 Diskusi dan Hands-on
  • Tugas Individu - 3.00 %
  • Ujian Tengah Semester - 4.00 %
7
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu melakukan inferensi logika, mengenali pola dalam data, dan membuat keputusan berdasarkan analisis data.
 Inferensi Logika dan Pattern Recognition
100.00 Diskusi dan Hands-on
  • Tugas Individu - 4.00 %
  • Ujian Tengah Semester - 4.00 %
8
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
 Knapsack Problem
100.00 Diskusi dan Hands-on
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 3.00 %
9
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
 Shortest Path Problem
100.00 Diskusi dan Hands-on
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 3.00 %
10
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
 Activity Selection Problem.
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 3.00 %
11
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
 Penjadwalan Bebas Konflik / Pewarnaan Graf
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 4.00 %
12
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mampu memodelkan masalah menggunakan konsep Finite State Machine dan menganalisis perilaku sistem yang kompleks.
  3. Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
 Finite State Machine
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 4.00 %
13
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mampu menerapkan teknik kompresi data seperti Huffman Encoding untuk mengurangi ukuran data.
 Kompresi Data dan Huffman Encoding
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 4.00 %
14
  1. Mahasiswa mengerjakan tugas dengan baik.
  2. Mampu bekerja secara mandiri atau berkelompok untuk menyelesaikan masalah komputasional yang kompleks.
  3. Mahasiswa mampu melakukan analisis data sederhana menggunakan regresi linier.
 Regresi Linier Sederhana
100.00 Diskusi dan Studi kasus
  • Tugas Individu - 4.00 %
  • Ujian Akhir Semester - 4.00 %

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
Computational Thinking x99951 Yunia Ningsih, S.T. ; Friday 07:30:00-09:10:00 Status
Tidak ada perekaman sosialiasi RPS di Kelas
Diketahui Program Studi Dosen Mata Kuliah Mahasiswa
2641 Binti Solihah, S.T., M.Kom.

Ketua		 x99951 Yunia Ningsih, S.T. ........

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 S.1 S1.CPMK-1 S1.CPMK-1.1 Minggu ke-1 Assessment: Ujian Tengah Semester (1.00%)
Minggu ke-1 Assessment: Tugas Individu (1.00%)
Minggu ke-2 Assessment: Ujian Tengah Semester (1.00%)
Minggu ke-2 Assessment: Tugas Individu (1.00%)
Minggu ke-3 Assessment: Ujian Tengah Semester (1.00%)
Minggu ke-3 Assessment: Tugas Individu (1.00%)
Minggu ke-4 Assessment: Ujian Tengah Semester (1.00%)
Minggu ke-4 Assessment: Tugas Individu (1.00%)
Minggu ke-5 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-5 Assessment: Tugas Individu (1.00%)
Minggu ke-6 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-6 Assessment: Tugas Individu (1.00%)
Minggu ke-7 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-7 Assessment: Tugas Individu (2.00%)
Minggu ke-8 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-8 Assessment: Tugas Individu (1.00%)
Minggu ke-9 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-9 Assessment: Tugas Individu (1.00%)
Minggu ke-10 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-10 Assessment: Tugas Individu (1.00%)
Minggu ke-11 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-11 Assessment: Tugas Individu (1.00%)
Minggu ke-12 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-12 Assessment: Tugas Individu (1.00%)
Minggu ke-13 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-13 Assessment: Tugas Individu (1.00%)
Minggu ke-14 Assessment: Ujian Akhir Semester (1.00%)
Minggu ke-14 Assessment: Tugas Individu (1.00%)
HEIGHT P.1 P1.CPMK-2 P1.CPMK-2.1 Minggu ke-14 Assessment: Ujian Akhir Semester (2.00%)
Minggu ke-14 Assessment: Tugas Individu (2.00%)
HEIGHT P.1 P1.CPMK-3 P1.CPMK-3.1 Minggu ke-8 Assessment: Ujian Akhir Semester (2.00%)
Minggu ke-8 Assessment: Tugas Individu (3.00%)
Minggu ke-9 Assessment: Ujian Akhir Semester (2.00%)
Minggu ke-9 Assessment: Tugas Individu (3.00%)
Minggu ke-10 Assessment: Ujian Akhir Semester (2.00%)
Minggu ke-10 Assessment: Tugas Individu (3.00%)
Minggu ke-11 Assessment: Ujian Akhir Semester (3.00%)
Minggu ke-11 Assessment: Tugas Individu (3.00%)
Minggu ke-12 Assessment: Ujian Akhir Semester (2.00%)
Minggu ke-12 Assessment: Tugas Individu (2.00%)
HEIGHT P.1 P1.CPMK-4 P1.CPMK-4.1 Minggu ke-1 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-1 Assessment: Tugas Individu (2.00%)
Minggu ke-2 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-2 Assessment: Tugas Individu (2.00%)
HEIGHT P.1 P1.CPMK-4 P1.CPMK-4.2 Minggu ke-3 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-3 Assessment: Tugas Individu (2.00%)
HEIGHT P.1 P1.CPMK-5 P1.CPMK-5.1 Minggu ke-4 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-4 Assessment: Tugas Individu (1.00%)
HEIGHT P.1 P1.CPMK-5 P1.CPMK-5.2 Minggu ke-5 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-5 Assessment: Tugas Individu (2.00%)
Minggu ke-6 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-6 Assessment: Tugas Individu (2.00%)
HEIGHT P.1 P1.CPMK-5 P1.CPMK-5.3 Minggu ke-4 Assessment: Ujian Tengah Semester (1.00%)
Minggu ke-4 Assessment: Tugas Individu (1.00%)
Minggu ke-7 Assessment: Ujian Tengah Semester (2.00%)
Minggu ke-7 Assessment: Tugas Individu (2.00%)
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
S.1 S1.CPMK-1 S1.CPMK-1.1 1.00%
1.00%
1.00%
1.00%
2.00%
2.00%
2.00%
 10%
P.1 P1.CPMK-4 P1.CPMK-4.1 2.00%
2.00%
 4%
P.1 P1.CPMK-4 P1.CPMK-4.2 2.00%
 2%
P.1 P1.CPMK-5 P1.CPMK-5.1 2.00%
 2%
P.1 P1.CPMK-5 P1.CPMK-5.2 2.00%
2.00%
 4%
P.1 P1.CPMK-5 P1.CPMK-5.3 1.00%
2.00%
 3%
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
S.1 S1.CPMK-1 S1.CPMK-1.1 1.00%
1.00%
1.00%
1.00%
1.00%
1.00%
1.00%
 7%
P.1 P1.CPMK-2 P1.CPMK-2.1 2.00%
 2%
P.1 P1.CPMK-3 P1.CPMK-3.1 2.00%
2.00%
2.00%
3.00%
2.00%
 11%
TOTAL 20%
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
TOTAL 0%
Tabel 12. Pemetaan Rencana Penilaian Setiap Instrument Penilaian
Materi Sesi Minggu Ke - TOTAL
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14
Komponen UTS TIND UTS TIND UTS TIND UTS TIND UTS TIND UTS TIND UTS TIND UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND
CPL CPMK Sub CPMK A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16A17A18A19A20A21A22A23A24A25A26A27A28 Bobot
S.1 S1.CPMK-1 S1.CPMK-1.1 1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%2.00%1.00%2.00%1.00%2.00%2.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00%1.00% 32%
P.1 P1.CPMK-2 P1.CPMK-2.1 2.00%2.00% 4%
P.1 P1.CPMK-3 P1.CPMK-3.1 2.00%3.00%2.00%3.00%2.00%3.00%3.00%3.00%2.00%2.00% 25%
P.1 P1.CPMK-4 P1.CPMK-4.1 2.00%2.00%2.00%2.00% 8%
P.1 P1.CPMK-4 P1.CPMK-4.2 2.00%2.00% 4%
P.1 P1.CPMK-5 P1.CPMK-5.1 2.00%1.00% 3%
P.1 P1.CPMK-5 P1.CPMK-5.2 2.00%2.00%2.00%2.00% 8%
P.1 P1.CPMK-5 P1.CPMK-5.3 1.00%1.00%2.00%2.00% 6%
TOTAL 3 3 3 3 3 3 4 3 4 3 4 3 4 4 3 4 3 4 3 4 4 4 3 3 1 1 3 3 90
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
S.1 S1.CPMK-1 S1.CPMK-1.1 UTS TIND UTS TIND UTS TIND UTS TIND UTS TIND UTS TIND UTS TIND UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND
P.1 P1.CPMK-2 P1.CPMK-2.1 UAS TIND
P.1 P1.CPMK-3 P1.CPMK-3.1 UAS TIND UAS TIND UAS TIND UAS TIND UAS TIND
P.1 P1.CPMK-4 P1.CPMK-4.1 UTS TIND UTS TIND
P.1 P1.CPMK-4 P1.CPMK-4.2 UTS TIND
P.1 P1.CPMK-5 P1.CPMK-5.1 UTS TIND
P.1 P1.CPMK-5 P1.CPMK-5.2 UTS TIND UTS TIND
P.1 P1.CPMK-5 P1.CPMK-5.3 UTS TIND UTS TIND
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
S.1 S1.CPMK-1 S1.CPMK-1.1Mahasiswa mengerjakan tugas dengan baik.
Indikator Kinerja: Mahasiswa mampu menyelesaikan tugas mandiri secara mandiri, tepat waktu, dan jujur, serta menunjukkan sikap sportif dan tekun dalam menerima hasil penilaian.
Performance Indicator: Students demonstrate the ability to work independently, completing assignments on time and with academic integrity. They exhibit a growth mindset by accepting feedback constructively and persevering in their studies.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-4 P1.CPMK-4.1Mahasiswa menerapkan teknik pemecahan masalah Berpikir Komputasional terhadap masalah-masalah dunia nyata yang relevan dengan bidang ilmu masing-masing.
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah dengan menggunakan prinsip-prinsip Computational Thinking dan menyajikan solusi yang logis serta terstruktur.
Performance Indicator: Students can articulate a clear and concise solution to a problem by applying computational thinking principles, supporting their reasoning with logical arguments.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-4 P1.CPMK-4.2Mahasiswa mampu merancang algoritma sederhana menggunakan flowchart dan pseudocode.
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah dengan menggunakan prinsip-prinsip Computational Thinking dan menyajikan solusi yang logis serta terstruktur.
Performance Indicator: Students can articulate a clear and concise solution to a problem by applying computational thinking principles, supporting their reasoning with logical arguments.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat secara kreatif merancang dan mengimplementasikan algoritma sederhana menggunakan flowchart dan pseudocode untuk menyelesaikan berbagai jenis masalah.
Performance Indicator: Students can creatively design and implement simple algorithms using flowcharts and pseudocode to solve a variety of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-5 P1.CPMK-5.1Mahasiswa mampu memilih representasi data yang tepat untuk berbagai jenis masalah.
Indikator Kinerja: Mahasiswa dapat memilih representasi data yang tepat untuk menyelesaikan masalah.
Performance Indicator: Students can choose the right data representation to solve various types of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-5 P1.CPMK-5.2Mahasiswa mampu menerapkan beberapa algoritma sederhana untuk menyelesaikan masalah komputasional.
Indikator Kinerja: Mahasiswa dapat memilih representasi data yang tepat untuk menyelesaikan masalah.
Performance Indicator: Students can choose the right data representation to solve various types of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah komputasional dan memilih serta meneraptkan algoritma yang tepat untuk mendapatkan solusi.
Performance Indicator: Students can analyze a computational problem and select then apply appropriate algorithms to get a solution.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-5 P1.CPMK-5.3Mahasiswa mampu melakukan inferensi logika, mengenali pola dalam data, dan membuat keputusan berdasarkan analisis data.
Indikator Kinerja: Mahasiswa dapat memilih representasi data yang tepat untuk menyelesaikan masalah.
Performance Indicator: Students can choose the right data representation to solve various types of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah komputasional dan memilih serta meneraptkan algoritma yang tepat untuk mendapatkan solusi.
Performance Indicator: Students can analyze a computational problem and select then apply appropriate algorithms to get a solution.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.
Performance Indicator: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Tabel 16. Rubrik Penilaian UAS
UAS
CPL CMPK Sub CPMK Rubrik / Rubric
S.1 S1.CPMK-1 S1.CPMK-1.1Mahasiswa mengerjakan tugas dengan baik.
Indikator Kinerja: Mahasiswa dapat memilih representasi data yang tepat untuk menyelesaikan masalah.
Performance Indicator: Students can choose the right data representation to solve various types of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah komputasional dan memilih serta meneraptkan algoritma yang tepat untuk mendapatkan solusi.
Performance Indicator: Students can analyze a computational problem and select then apply appropriate algorithms to get a solution.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.
Performance Indicator: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu menyelesaikan tugas mandiri secara mandiri, tepat waktu, dan jujur, serta menunjukkan sikap sportif dan tekun dalam menerima hasil penilaian.
Performance Indicator: Students demonstrate the ability to work independently, completing assignments on time and with academic integrity. They exhibit a growth mindset by accepting feedback constructively and persevering in their studies.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-2 P1.CPMK-2.1Mahasiswa mampu melakukan analisis data sederhana menggunakan regresi linier.
Indikator Kinerja: Mahasiswa dapat memilih representasi data yang tepat untuk menyelesaikan masalah.
Performance Indicator: Students can choose the right data representation to solve various types of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah komputasional dan memilih serta meneraptkan algoritma yang tepat untuk mendapatkan solusi.
Performance Indicator: Students can analyze a computational problem and select then apply appropriate algorithms to get a solution.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.
Performance Indicator: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu menyelesaikan tugas mandiri secara mandiri, tepat waktu, dan jujur, serta menunjukkan sikap sportif dan tekun dalam menerima hasil penilaian.
Performance Indicator: Students demonstrate the ability to work independently, completing assignments on time and with academic integrity. They exhibit a growth mindset by accepting feedback constructively and persevering in their studies.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu menginterpretasi hasil analisis regresi linier untuk menarik kesimpulan yang relevan.
Performance Indicator: Students can interpret the results of linear regression analysis to draw relevant conclusions.		 Rubrik Penilaian
Tidak ada rubrik penilaian
P.1 P1.CPMK-3 P1.CPMK-3.1Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
Indikator Kinerja: Mahasiswa dapat memilih representasi data yang tepat untuk menyelesaikan masalah.
Performance Indicator: Students can choose the right data representation to solve various types of problems.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat menganalisis suatu masalah komputasional dan memilih serta meneraptkan algoritma yang tepat untuk mendapatkan solusi.
Performance Indicator: Students can analyze a computational problem and select then apply appropriate algorithms to get a solution.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.
Performance Indicator: Mahasiswa mampu merancang algoritma yang tepat untuk menyelesaikan masalah menggunakan flowchart dan pseudocode.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu menyelesaikan tugas mandiri secara mandiri, tepat waktu, dan jujur, serta menunjukkan sikap sportif dan tekun dalam menerima hasil penilaian.
Performance Indicator: Students demonstrate the ability to work independently, completing assignments on time and with academic integrity. They exhibit a growth mindset by accepting feedback constructively and persevering in their studies.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa mampu menginterpretasi hasil analisis regresi linier untuk menarik kesimpulan yang relevan.
Performance Indicator: Students can interpret the results of linear regression analysis to draw relevant conclusions.		 Rubrik Penilaian
Tidak ada rubrik penilaian
Indikator Kinerja: Mahasiswa dapat menganalisis masalah optimasi, memilih algoritma yang sesuai, dan mengevaluasi solusi yang diperoleh.
Performance Indicator: Students can analyze optimization problems, select appropriate algorithms, and evaluate the obtained solutions.		 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 0 0.00
B- 0 0.00
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
S1.CPMK-1.1
Mahasiswa mengerjakan tugas dengan baik. 		0 0 0 16 0.00
P1.CPMK-2.1
Mahasiswa mampu melakukan analisis data sederhana menggunakan regresi linier. 		0 0 0 16 0.00
P1.CPMK-3.1
Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat. 		0 0 0 16 0.00
P1.CPMK-4.1
Mahasiswa menerapkan teknik pemecahan masalah Berpikir Komputasional terhadap masalah-masalah dunia nyata yang relevan dengan bidang ilmu masing-masing. 		0 0 0 16 0.00
P1.CPMK-4.2
Mahasiswa mampu merancang algoritma sederhana menggunakan flowchart dan pseudocode. 		0 0 0 16 0.00
P1.CPMK-5.1
Mahasiswa mampu memilih representasi data yang tepat untuk berbagai jenis masalah. 		0 0 0 16 0.00
P1.CPMK-5.2
Mahasiswa mampu menerapkan beberapa algoritma sederhana untuk menyelesaikan masalah komputasional. 		0 0 0 16 0.00
P1.CPMK-5.3
Mahasiswa mampu melakukan inferensi logika, mengenali pola dalam data, dan membuat keputusan berdasarkan analisis data. 		0 0 0 16 0.00
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
Mahasiswa mengerjakan tugas dengan baik.
UTS00016
(100.00 %)		0
(0.00 %)
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa mampu melakukan analisis data sederhana menggunakan regresi linier.
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa mampu menyelesaikan beberapa masalah optimasi menggunakan algoritma yang tepat.
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa menerapkan teknik pemecahan masalah Berpikir Komputasional terhadap masalah-masalah dunia nyata yang relevan dengan bidang ilmu masing-masing.
UTS00016
(100.00 %)		0
(0.00 %)
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa mampu merancang algoritma sederhana menggunakan flowchart dan pseudocode.
UTS00016
(100.00 %)		0
(0.00 %)
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa mampu memilih representasi data yang tepat untuk berbagai jenis masalah.
UTS00016
(100.00 %)		0
(0.00 %)
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa mampu menerapkan beberapa algoritma sederhana untuk menyelesaikan masalah komputasional.
UTS00016
(100.00 %)		0
(0.00 %)
TIND00016
(100.00 %)		0
(0.00 %)
Mahasiswa mampu melakukan inferensi logika, mengenali pola dalam data, dan membuat keputusan berdasarkan analisis data.
UTS00016
(100.00 %)		0
(0.00 %)
TIND00016
(100.00 %)		0
(0.00 %)

Capaian Sub-CPMK S1.CPMK-1.1 Perpenilaian
Gambar 4. Analisis Ketercapaian Sub S1.CPMK-1.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-2.1 Perpenilaian
Gambar 5. Analisis Ketercapaian Sub P1.CPMK-2.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-3.1 Perpenilaian
Gambar 6. Analisis Ketercapaian Sub P1.CPMK-3.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-4.1 Perpenilaian
Gambar 7. Analisis Ketercapaian Sub P1.CPMK-4.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-4.2 Perpenilaian
Gambar 8. Analisis Ketercapaian Sub P1.CPMK-4.2 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-5.1 Perpenilaian
Gambar 9. Analisis Ketercapaian Sub P1.CPMK-5.1 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-5.2 Perpenilaian
Gambar 10. Analisis Ketercapaian Sub P1.CPMK-5.2 Per Teknik Penilaian


Capaian Sub-CPMK P1.CPMK-5.3 Perpenilaian
Gambar 11. Analisis Ketercapaian Sub P1.CPMK-5.3 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
S1.CPMK-1.1
Std Mark: 56.00 		P1.CPMK-2.1
Std Mark: 56.00 		P1.CPMK-3.1
Std Mark: 56.00 		P1.CPMK-4.1
Std Mark: 56.00 		P1.CPMK-4.2
Std Mark: 56.00 		P1.CPMK-5.1
Std Mark: 56.00 		P1.CPMK-5.2
Std Mark: 56.00 		P1.CPMK-5.3
Std Mark: 56.00
1 065002400044 MUHAMMAD RIZKI RAMDANI 30.7725.0025.0033.5732.5035.0032.5032.50
2 065002400045 ALZIDAN RADITYA PRANATA 30.7725.0025.0033.5732.5035.0032.5032.50
3 065002400046 SONIA MAULA ISMAIL 30.7725.0025.0033.5732.5035.0032.5032.50
4 065002400047 ANANG SAPUTRA 30.7725.0025.0033.5732.5035.0032.5032.50
5 065002400049 SARAH SHEILA MAZAYYA 30.7725.0025.0033.5732.5035.0032.5032.50
6 065002400050 GHANDUR HANAN ANARGYA 30.7725.0025.0033.5732.5035.0032.5032.50
7 065002400051 CANNIA FARA HERMANSYAH 30.7725.0025.0033.5732.5035.0032.5032.50
8 065002400052 OLIVIA EGLA MANESA SIHALOHO 30.7725.0025.0033.5732.5035.0032.5032.50
9 065002400053 SHAFA AGUSTYA PUTRI PRACAYA 30.7725.0025.0033.5732.5035.0032.5032.50
10 065002400054 FARIS NAUFALINTO 30.7725.0025.0033.5732.5035.0032.5032.50
11 065002400055 M. GIBRAN EL NAZIR ADAM 30.7725.0025.0033.5732.5035.0032.5032.50
12 065002400057 ADE NAUFAL FATHUDIN 30.7725.0025.0033.5732.5035.0032.5032.50
13 065002400058 RAFLI YUSUF ALDANI 30.7725.0025.0033.5732.5035.0032.5032.50
14 065002400060 FAJAR JAMAL ARIFIN 30.7725.0025.0033.5732.5035.0032.5032.50
15 065002400061 ABDURROCHMAN RAIS ADANI 30.7725.0025.0033.5732.5035.0032.5032.50
16 065002400062 JOSUA FERNANDO B. MANALU 30.7725.0025.0033.5732.5035.0032.5032.50

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, 31-08-2025
Dosen Mata Kuliah,




(x99951 Yunia Ningsih, S.T.)