Universitas Negeri Surabaya
Fakultas Teknik
Program Studi S2 Informatika

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Pengolahan dan Analisis Citra Digital

5510003016

Mata Kuliah Pilihan Program Studi

T=3

P=0

ECTS=6.72

2

21 April 2025

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Prof. Dr. Lilik Anifah, S.T., M.T.


Dr. Ir. Ricky Eka Putra, S.Kom., M.Kom.


RICKY EKA PUTRA

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-5

Menguasai dan mengaplikasikan teori-teori, konsep, prinsip, dan teknologi terkini dalam bidang Teknik Informatika, termasuk Data Sains, Kecerdasan Artifisial, Jaringan Cerdas, Rekayasa Perangkat Lunak, serta Sistem dan Teknologi Informasi untuk mengembangkan ilmu pengetahuan dan teknologi melalalui riset dan penciptaan karya inovatif.

PLO-7

Menganalisis kebutuhan dan menyelesaikan masalah yang kompleks dalam berbagai bidang Teknik Informatika, menggunakan metode analitis dan pendekatan ilmiah.

PLO-9

Mengembangkan solusi inovatif untuk meningkatkan efisiensi dan efektivitas organisasi dengan memanfaatkan teknologi informasi terbaru.

Program Objectives (PO)

PO - 1

Mahasiswa mampu memahami konsep dasar dan teknik pengolahan citra digital serta perannya dalam teknologi informatika.

PO - 2

Mahasiswa mampu menganalisis kebutuhan aplikasi pengolahan citra digital dan merancang alur kerja pemrosesan data untuk berbagai kebutuhan seperti segmentasi dan ekstraksi fitur.

PO - 3

Mahasiswa mampu menerapkan metode dan algoritma pengolahan citra digital (seperti transformasi Fourier, filter spasial, dan jaringan saraf tiruan) untuk menyelesaikan masalah kompleks.

PO - 4

Mahasiswa mampu mengembangkan solusi inovatif berbasis pengolahan citra digital untuk berbagai aplikasi praktis seperti deteksi objek, pengenalan pola, dan pengolahan medis.

PO - 5

Mahasiswa mampu mengevaluasi hasil pengolahan citra digital menggunakan pendekatan analitis dan menyusun laporan berbasis data untuk mendukung pengambilan keputusan strategis.

PO - 6

Mahasiswa mampu mengintegrasikan algoritma pengolahan citra digital ke dalam sistem berbasis teknologi informasi yang mendukung inovasi dan efisiensi organisasi.

Matrik PLO-PO
 
POPLO-5PLO-7PLO-9
PO-1✔  
PO-2 ✔ 
PO-3✔  
PO-4  ✔
PO-5 ✔ 
PO-6  ✔

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PO-1✔
PO-2✔✔
PO-3✔✔
PO-4✔✔
PO-5✔✔
PO-6✔✔✔✔✔

Deskripsi Singkat Mata Kuliah

Mata kuliah Pengolahan dan Analisis Citra Digital pada jenjang S2 Program Studi Informatika memberikan pemahaman mendalam tentang konsep, teknik, dan aplikasi pengolahan citra digital untuk berbagai kebutuhan. Mahasiswa akan mempelajari metode pemrosesan citra 2D dan 3D, teknik segmentasi, ekstraksi fitur, serta pengenalan pola menggunakan transformasi Fourier, filter spasial, dan jaringan saraf tiruan. Mata kuliah ini menekankan pada penguasaan teknologi terkini dan kemampuan analitis untuk mengembangkan solusi inovatif di bidang kesehatan, transportasi, dan industri kreatif. Dengan memanfaatkan perangkat lunak dan algoritma modern, mahasiswa diharapkan mampu merancang dan mengimplementasikan sistem berbasis pengolahan citra yang mendukung penelitian dan aplikasi praktis secara berkelanjutan.

Pustaka

Utama :

  1. Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
  2. Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer.

Pendukung :

  1. Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
  2. Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
  3. Handbook Perkuliahan

Dosen Pengampu

Prof. Dr. Lilik Anifah, S.T., M.T.

Dr. Ir. Ricky Eka Putra, S.Kom., M.Kom.

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1

Mahasiswa menjelaskan konsep dasar pengolahan citra digital dan teknologi pendukungnya
  1. konsep dasar pengolahan citra digital dipahami dengan baik
  2. teknik-teknik dasar pengolahan citra digital dikuasai
  3. peran pengolahan citra digital dalam teknologi informatika dipahami
 Kriteria:

Kejelasan dan kelengkapan penjelasan


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Proyek
2 x 50		 Diskusi Online
1 x 50		 Materi: Pengenalan pengolahan citra digital dan aplikasinya
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Konsep dasar citra digital
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Pengertian Citra Digital, Teknik Dasar Pengolahan Citra, Peran Citra Digital dalam Teknologi Informatika
Pustaka: Handbook Perkuliahan		 5%

2

Minggu ke 2

Mahasiswa menganalisis kebutuhan aplikasi pengolahan citra berdasarkan kasus tertentu
  1. Analisis kebutuhan aplikasi pengolahan citra digita
  2. Rancangan alur kerja pemrosesan data
 Kriteria:

Kelengkapan dan relevansi analisis


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Proyek
2 x 50		 Tugas dan forum diskusi daring
1 x 50		 Materi: Analisis kebutuhan pengolahan citra
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Pemrosesan gambar awal untuk kebutuhan analisis
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Konsep Analisis Kebutuhan Aplikasi Pengolahan Citra Digital, Perancangan Alur Kerja Pemrosesan Data, Segmentasi Citra, Ekstraksi Fitur Citra
Pustaka: Handbook Perkuliahan		 5%

3

Minggu ke 3

Mahasiswa menerapkan teknik pra-pemrosesan citra digital.
  1. Analisis kebutuhan aplikasi pengolahan citra digital
  2. Impelementasi teknik pra-pemrosesan citra digital
 Kriteria:

Ketepatan penggunaan teknik


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Tugas Proyek Online
1 x 50		 Materi: Pra-pemrosesan citra menggunakan teknik filter spasial
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Teknik penyaringan awal citra digital
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Konsep analisis kebutuhan aplikasi citra digital, Strategi merancang alur kerja pemrosesan data, Teknik segmentasi citra, Metode ekstraksi fitur
Pustaka: Handbook Perkuliahan		 5%

4

Minggu ke 4

Mahasiswa menerapkan algoritma segmentasi citra untuk kasus spesifik
  1. Ketepatan algoritma segmentasi yang diterapkan
  2. Penggunaan filter spasial dalam mengatasi noise pada citra dengan tepat
  3. Deteksi Objek
 Kriteria:

Akurasi hasil segmentasi


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Pengumpulan dan analisis hasil proyek pengolahan citra digital
1 x 50		 Materi: Algoritma segmentasi citra untuk deteksi objek
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Teknik segmentasi berbasis piksel dan wilayah
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Transformasi Fourier, Filter Spasial, Jaringan Saraf Tiruan
Pustaka: Handbook Perkuliahan		 5%

5

Minggu ke 5

Mahasiswa menerapkan transformasi Fourier dalam analisis citra digital
  1. Penerapan transformasi Fourier dalam pengolahan citra digital
  2. Penggunaan filter spasial untuk meningkatkan kualitas citra
 Kriteria:

Ketepatan analisis berbasis Fourier


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek
2 x 50		 Video simulasi dan forum diskusi
1 x 50		 Materi: Transformasi Fourier untuk pemrosesan frekuensi
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Analisis citra berbasis domain frekuensi
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Analisis citra berbasis domain frekuensi
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Transformasi Fourier, Filter spasial, Jaringan saraf tiruan
Pustaka: Handbook Perkuliahan		 5%

6

Minggu ke 6

Mahasiswa mengembangkan algoritma ekstraksi fitur dari citra digital.

Kelengkapan algoritma yang dikembangkan

 Kriteria:

Kualitas hasil ekstraksi fitur


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Pengembangan Solusi Inovatif Berbasis Pengolahan Citra Digital, Forum DIskusi, dan Tugas Daring
1 x 50		 Materi: Teknik ekstraksi fitur untuk deteksi pola
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Analisis pola menggunakan fitur citra
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Deteksi Objek, Pengenalan Pola, Pengolahan Medis
Pustaka: Handbook Perkuliahan		 5%

7

Minggu ke 7

Mahasiswa menerapkan pengenalan pola menggunakan jaringan saraf tiruan
  1. Ketepatan penerapan jaringan saraf tiruan
  2. Pengenalan pola
  3. Pengolahan medis
 Kriteria:

Akurasi hasil pengenalan pola


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Pengembangan solusi inovatif berbasis pengolahan citra digital dan forum diskusi
1 x 50		 Materi: Pengenalan pola dengan jaringan saraf tiruan
Pustaka: Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer.
Materi: Implementasi machine learning untuk citra
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Deteksi objek menggunakan metode X, Pengenalan pola dengan algoritma Y, Pengolahan medis menggunakan teknik Z
Pustaka: Handbook Perkuliahan		 5%

8

Minggu ke 8

Mampu menjelaskan dengan lebih baik materi-materi dari minggu ke-1 s.d. ke-7
  1. Menerapkan konsep yang telah dipelajari
  2. Mengalisis dan memecahkan masalah
  3. Menjawab soal esai dan studi kasus
 Kriteria:
  1. Kedalaman jawaban
  2. Kejelasan analisis
  3. Ketepatan solusi

Bentuk Penilaian :
Tes		 Menyelesaikan soal ujian Sub-Sumatif
3 x 50
Materi: Materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer.
Materi: Materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Handbook Perkuliahan		 15%

9

Minggu ke 9

Mahasiswa mengevaluasi hasil analisis citra berdasarkan standar industri.
  1. Analisis hasil pengolahan citra digital
  2. Kemampuan menyusun laporan berbasis data
  3. Ketepatan dalam evaluasi hasil
 Kriteria:

Kesesuaian dengan standar yang diterapkan


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Pembelajaran berbasis proyek
2 x 50		 Diskusi daring dan penugasan proyek
1 x 50		 Materi: Evaluasi kualitas hasil pengolahan citra
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Standar evaluasi citra digital
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Analisis hasil pengolahan citra digital, Pendekatan analitis dalam evaluasi citra digital, Pengambilan keputusan strategis berbasis data
Pustaka: Handbook Perkuliahan		 5%

10

Minggu ke 10

Mahasiswa menyusun laporan analisis citra berbasis data untuk mendukung pengambilan keputusan
  1. evaluasi hasil pengolahan citra digital
  2. kelengkapan laporan berbasis data
  3. kemampuan analitis
 Kriteria:

Kualitas analisis berbasis data


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Pengumpulan dan Analisis Data Citra Digital dan Forum Diskusi
1 x 50		 Materi: Penyusunan laporan berbasis citra
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Teknik dokumentasi hasil analisis
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Teknik Evaluasi Citra Digital, Analisis Data Citra Digital, Pendekatan Analitis dalam Pengolahan Citra
Pustaka: Handbook Perkuliahan		 5%

11

Minggu ke 11

Mahasiswa merancang sistem berbasis pengolahan citra digital untuk aplikasi praktis
  1. ketepatan rancangan
  2. efisiensi organisasi
 Kriteria:

Integrasi elemen sistem


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Pengembangan Proyek Integrasi Algoritma Citra Digital
1 x 50		 Materi: Rancangan sistem berbasis citra digital
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Integrasi teknologi citra ke dalam sistem
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Algoritma Pengolahan Citra Digital, Sistem Berbasis Teknologi Informasi, Inovasi dalam Pengolahan Citra Digital, Efisiensi Organisasi
Pustaka: Handbook Perkuliahan		 5%

12

Minggu ke 12

Mahasiswa mengimplementasikan sistem berbasis pengolahan citra digital yang dirancang
  1. kelengkapan implementasi
  2. integrasi algoritma citra digital
  3. inovasi organisasi
 Kriteria:

Fungsi sistem sesuai rancangan


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50
1 x 50		 Materi: Implementasi sistem berbasis citra
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Proses implementasi aplikasi citra digital
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Algoritma Pengolahan Citra Digital, Integrasi Sistem Informasi, Efisiensi Organisasi, Inovasi Teknologi
Pustaka: Handbook Perkuliahan		 5%

13

Minggu ke 13

Mahasiswa mempresentasikan hasil sistem berbasis pengolahan citra digital
  1. integrasi algoritma citra digital
  2. kejelasan presentasi
  3. inovasi organisasi
 Kriteria:

Ketepatan isi dengan hasil yang dicapai


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek
2 x 50		 Diskusi daring tentang penerapan algoritma citra digital dalam inovasi organisasi
1 x 50		 Materi: Algoritma Pengolahan Citra Digital, Integrasi Sistem Informasi, Inovasi Organisasi
Pustaka: Handbook Perkuliahan		 5%

14

Minggu ke 14

Mahasiswa menyelesaikan laporan akhir proyek pengolahan citra digital
  1. Integrasi algoritma pengolahan citra digital ke dalam sistem informasi
  2. Penerapan inovasi dalam pengolahan citra digital
  3. Efisiensi penggunaan algoritma dalam organisasi
  4. Ketepatan revisi
  5. Kelengkapan laporan akhir
 Kriteria:
  1. Perbaikan sesuai umpan balik
  2. Kualitas akhir laporan

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio
2 x 50
1 x 50		 Materi: Penyelesaian laporan proyek pengolahan citra
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Penyelesaian dokumen proyek berbasis citra Pustaka: Son
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Konsep integrasi algoritma citra digital, Penerapan algoritma dalam sistem informasi, Studi kasus inovasi dalam pengolahan citra digital
Pustaka: Handbook Perkuliahan		 5%

15

Minggu ke 15

Mahasiswa melakukan refleksi terhadap proyek dan evaluasi penguasaan kompetensi
  1. Integrasi algoritma pengolahan citra digital ke dalam sistem informasi
  2. Penerapan algoritma pengolahan citra digital dalam konteks organisasi
  3. Inovasi yang dihasilkan dari integrasi algoritma citra digital
  4. Kedalaman refleksi
 Kriteria:

Kemampuan mengidentifikasi kekuatan & kelemahan


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek
2 x 50		 Pengembangan proyek integrasi algoritma citra digital dalam sistem informasi
1 x 50		 Materi: Evaluasi akhir pengolahan citra digital
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Refleksi proyek berbasis citr
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Konsep integrasi algoritma citra digital, Studi kasus integrasi algoritma citra digital dalam sistem informasi, Strategi inovasi dalam pengolahan citra digital
Pustaka: Handbook Perkuliahan		 5%

16

Minggu ke 16

Mampu menjelaskan dengan lebih baik materi-materi dari minggu ke-9 s.d. ke-15

Mengintegrasikan seluruh materi ... yang telah dipelajari dalam mata kuliah

 Kriteria:

Kemampuan menyelesaikan soal terkait semua CPMK


Bentuk Penilaian :
Tes		 Menyelesaikan soal Ujian Sumatif
3 x 50
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Gonzalez, R.C., & Woods, R.E. (2018). Digital Image Processing (4th ed.). Pearson.
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer.
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Sonka, M., Hlavac, V., & Boyle, R. (2014). Image Processing, Analysis, and Machine Vision (4th ed.). Cengage Learning.
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Pratt, W.K. (2007). Digital Image Processing: PIKS Inside (4th ed.). Wiley.
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Handbook Perkuliahan		 15%



Rekap Persentase Evaluasi : Project Based Learning

No Evaluasi Persentase
1. Aktifitas Partisipasif 15%
2. Penilaian Hasil Project / Penilaian Produk 50%
3. Penilaian Portofolio 5%
4. Tes 30%
100%

Catatan

  1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
  2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
  3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
  4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
  5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
  6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
  7. Bentuk penilaian: tes dan non-tes.
  8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
  9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
  10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
  11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
  12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.