Universitas Negeri Surabaya
Fakultas Ekonomika dan Bisnis
Program Studi S1 Bisnis Digital

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

ARTIFICIAL INTELLIGENCE

6120906058

Mata Kuliah Pilihan Program Studi

T=0

P=3

ECTS=4.77

7

22 Februari 2025

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Riska Dhenabayi, S.Kom., M.M.


Dr. Nanang Hoesen H. A., S.T., M.T.I.


Hujjatullah Fazlurrahman, S.E., MBA.

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-3

Mengembangkan pemikiran logis, kritis, sistematis, dan kreatif dalam melakukan pekerjaan yang spesifik di bidang keahliannya serta sesuai dengan standar kompetensi kerja bidang yang bersangkutan

PLO-7

Mampu mengembangkan ide bisnis digital secara kreatif dan inovatif

PLO-8

Mampu mengembangkan keilmuan di bidang bisnis digital dengan tepat

Program Objectives (PO)

PO - 1

Memahami konsep dan metode dasar AI.

PO - 2

Mampu mengidentifikasi masalah di mana teknik kecerdasan buatan dapat diterapkan.

PO - 3

Mampu menerapkan metode berbasis AI untuk memecahkan masalah bisnis praktis.

Matrik PLO-PO
 
POPLO-3PLO-7PLO-8
PO-1✔✔ 
PO-2✔ ✔
PO-3 ✔✔

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✔✔✔✔

Deskripsi Singkat Mata Kuliah

Pemimpin bisnis masa depan perlu memahami dan memanfaatkan potensi AI, kemampuannya untuk konsumen dan organisasi, serta risikonya dan pertimbangan etisnya. Produk dan alat berbasis AI tidak hanya akan menjadi keuntungan bagi bisnis tetapi juga menjadi kebutuhan untuk tetap kompetitif di masa depan. Mata kuliah ini bertujuan untuk memberikan siswa pengenalan konseptual tentang AI, pemahaman yang luas tentang teknik dasar AI, dan bagaimana AI diterapkan pada masalah. Siswa akan belajar bagaimana mendapatkan nilai dari investasi AI, mengeksplorasi aplikasi masa depan AI, dan menyadari tantangan, risiko, serta pertimbangan etis yang terkait dengan penggunaan AI dalam bisnis. Mata kuliah ini memberikan gambaran umum tentang AI dan perannya dalam transformasi bisnis. Ini bertujuan untuk meningkatkan pemahaman tentang AI, mendiskusikan berbagai cara AI digunakan dalam industri, dan memberikan kerangka strategis untuk mengintegrasikan AI ke dalam upaya transformasi digital. Siswa akan menerima gambaran teknis singkat yang mencakup topik seperti Big Data, pergudangan data, penambangan data, dan pembelajaran mesin. Mata kuliah ini akan meneliti aplikasi AI di berbagai industri, termasuk Media, Keuangan, Kesehatan, dan Ritel, dengan menyoroti bagaimana AI dapat menjadi sumber keunggulan kompetitif. Tantangan etis dan kerangka tata kelola untuk AI juga akan dibahas.

Pustaka

Utama :

  1. Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson

Pendukung :

  1. The Cambridge Handbook of Information and Computer Ethics, Luciano Floridi, Cambridge University Press.
  2. Human + Machine: Reimagining Work in the Age of AI, Paul and James Wilson, Harvard Business Review Press.
  3. AI: Its Nature and Future, Margaret Boden, Oxford University Press
  4. Prediction Machines: The Simple Economics of Artificial Intelligence, Ajay Agrawal, Joshua Gans and Avi Goldfarb, Harvard Business Review Press
  5. Leviathan Y, and Matias, Y, “Google Duplex: An AI System for Accomplishing Real-World Tasks Over the Phone,”
  6. van Engelen, J.E., Hoos, H.H. A survey on semisupervis ed learning. Mach Learn 109, 373–440 (2020)
  7. Huneycutt, J., “An introduction to clustering algorithms in Python”
  8. 3Blue1Brown, “But what is a neural network”

Dosen Pengampu

Dr. Nanang Hoesen Hidroes Abbrori, S.T., M.T.I.

Riska Dhenabayu, S.Kom., M.M.

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

Memahami konsep dan dasar-dasar kecerdasan buatan/artificial intelligence (AI)
  1. Pengenalan mata kuliah, RPS dan tugas proyek akhir.
  2. Pengenalan AI
  3. Definisi AI
  4. Sejarah AI
  5. Peran Ai dalam menciptakan nilai bisnis dan model bisnis baru
  6. Menelaah dan mengevaluasi penerapan AI
 Kriteria:

Rubrik holistik Bentuk non-tes: Meringkas materi kuliah


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Project Based Learning (PjBL).
Syncronous
Diskusi tatap muka
Kuliah/penyampaian materi melalui perkuliahan tatap muka

Tugas Proyek 1:
– Pembentukan kelompok proyek: Mahasiswa membentuk kelompok proyek beranggotakan maksimal 5 orang.
– Memilih topik/ide proyek akhir: Kelompok proyek akan diminta untuk memilih industri yang akan dijadikan fokus dan mendalami peran AI saat ini dan masa depan dalam industri tersebut. Kelompok proyek diharapkan untuk menginformasikan pekerjaan proyek mereka berdasarkan materi yang dibahas dalam mata kuliah ini sambil menyesuaikan kesimpulan mereka untuk industri pilihan mereka. Kelompok akan diminta untuk menyerahkan laporan proyek akhir dan melakukan presentasi kelas tentang temuan mereka. Laporan proyek akhir akan sepanjang 10-15 halaman, presentasi proyek akhir akan berlangsung <10 menit. Laporan proyek akhir akan diserahkan di Vilearning UNESA dan akan tersedia untuk dibaca dan didiskusikan oleh mahasiswa.
– Merencanakan pendekatan proyek akhir: Kelompok akan diminta untuk mendiskusikan pendekatan mereka terhadap mata kuliah dan pekerjaan proyek akhir mereka.
2 x 50 menit		 Project Based Learning (PjBL).
Asyncronous
Diskusi melalui Google Classroom
Kuliah/penyampaian materi melalui Vilearning Unesa

Tugas Proyek 1:
– Pembentukan kelompok proyek: Mahasiswa membentuk kelompok proyek beranggotakan maksimal 5 orang.
– Memilih topik/ide proyek akhir: Kelompok proyek akan diminta untuk memilih industri yang akan dijadikan fokus dan mendalami peran AI saat ini dan masa depan dalam industri tersebut. Kelompok proyek diharapkan untuk menginformasikan pekerjaan proyek mereka berdasarkan materi yang dibahas dalam mata kuliah ini sambil menyesuaikan kesimpulan mereka untuk industri pilihan mereka. Kelompok akan diminta untuk menyerahkan laporan proyek akhir dan melakukan presentasi kelas tentang temuan mereka. Laporan proyek akhir akan sepanjang 10-15 halaman, presentasi proyek akhir akan berlangsung <10 menit. Laporan proyek akhir akan diserahkan di Vilearning UNESA dan akan tersedia untuk dibaca dan didiskusikan oleh mahasiswa.
– Merencanakan pendekatan proyek akhir: Kelompok akan diminta untuk mendiskusikan pendekatan mereka terhadap mata kuliah dan pekerjaan proyek akhir mereka.
100		 Materi: Bab 1
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: https://ai.googleblog.com/2018/05/duplex-ai-system-for-naturalconversation.html
Pustaka: Leviathan Y, and Matias, Y, “Google Duplex: An AI System for Accomplishing Real-World Tasks Over the Phone,”		 2%

2

Minggu ke 2

Mempelajari dan memahami konsep dan dasar-dasar Machine Learning (ML)
  1. Definisi machine learning
  2. Supervised vs. unsupervised learning
  3. Klasifikasi – decision trees, SVM
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Syncronous
Diskusi tatap muka
Penyampaian materi melalui perkuliahan tatap muka

Tugas Individu 2:
– Apa yang akan terjadi jika kecerdasan buatan menjadi terjangkau dan mudah diakses? Seiring dengan semakin terjangkaunya ML, kita akan terus mengubah berbagai tugas/fungsi/pekerja an menjadi masalah yang dapat ditangani oleh ML. Untuk pekerjaan rumah ini, bayangkan sebuah dunia di mana ML sangat murah dan mudah diakses. Mahasiswa diminta untuk mengidentifikasi dan
mendiskusikan satu tugas/peran/fungsi/pekerjaan yang menurut Anda akan akan diotomatisasi serta diproses dan diselesaikan oleh ML.
2 x 50 menit		 Asyncronous
Diskusi melalui Google Classroom
Penyampaian materi melalui Vilearning Unesa

Tugas Individu 2:
– Apa yang akan terjadi jika kecerdasan buatan menjadi terjangkau dan mudah diakses? Seiring dengan semakin terjangkaunya ML, kita akan terus mengubah berbagai tugas/fungsi/pekerja an menjadi masalah yang dapat ditangani oleh ML. Untuk tugas ini, bayangkan sebuah dunia di mana ML sangat murah dan mudah diakses. Mahasiswa diminta untuk mengidentifikasi dan
mendiskusikan satu tugas/peran/fungsi/pekerjaan yang menurut Anda akan akan diotomatisasi serta diproses dan diselesaikan oleh ML.
2 x 50 menit		 Materi: “Chapter 19: Learning from Examples”
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: Chapter 9 ”Unsupervise d Learning”
Pustaka: Prediction Machines: The Simple Economics of Artificial Intelligence, Ajay Agrawal, Joshua Gans and Avi Goldfarb, Harvard Business Review Press		 3%

3

Minggu ke 3

Mempelajari dan memahami konsep dan dasar-dasar Machine Learning (ML)
  1. Clustering – k-means
  2. Reinforcement learning
  3. Penerapan ML dalam bisnis: prediksi dan otomatisasi proses pengambilan keputusan
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Syncronous
Diskusi tatap muka
Penyampaian materi melalui perkuliahan tatap muka

Tugas Individu 2:
– Apa yang akan terjadi jika kecerdasan buatan menjadi terjangkau dan mudah diakses? Seiring dengan semakin terjangkaunya ML, kita akan terus mengubah berbagai tugas/fungsi/pekerja an menjadi masalah yang dapat ditangani oleh ML. Untuk pekerjaan rumah ini, bayangkan sebuah dunia di mana ML sangat murah dan mudah diakses. Mahasiswa diminta untuk mengidentifikasi dan
mendiskusikan satu tugas/peran/fungsi/pekerjaan yang menurut Anda akan akan diotomatisasi serta diproses dan diselesaikan oleh ML.
2 x 50 menit		 Asyncronous
Diskusi melalui Google Classroom
Penyampaian materi melalui Vilearning Unesa

Tugas Individu 2:
– Apa yang akan terjadi jika kecerdasan buatan menjadi terjangkau dan mudah diakses? Seiring dengan semakin terjangkaunya ML, kita akan terus mengubah berbagai tugas/fungsi/pekerja an menjadi masalah yang dapat ditangani oleh ML. Untuk tugas ini, bayangkan sebuah dunia di mana ML sangat murah dan mudah diakses. Mahasiswa diminta untuk mengidentifikasi dan
mendiskusikan satu tugas/peran/fungsi/pekerjaan yang menurut Anda akan akan diotomatisasi serta diproses dan diselesaikan oleh ML.
2 x 50 menit		 Materi: Chapters 17.1 “Sequential Decision Problems”
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: Chapter 20 “Learning Probabilistic Models”
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: Chapter 22 “Reinforcement Learning”
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: https://towardsdatascience.com/an-introduction-toclustering- algorithms-in-python-12343857409
Pustaka: Huneycutt, J., “An introduction to clustering algorithms in Python”		 3%

4

Minggu ke 4

Mempelajari dan memahami konsep dan dasar-dasar Deep Learning (DL)
  1. Definisi Deep Learning (DL)
  2. Convolutional Neural Networks
  3. Recurrent Neural Networks
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Project Based
Learning (PjBL)
Tugas Proyek 3:
- Kelompok diminta untuk berdiskusi dan melakukan brainstorming guna memilih industri yang akan menjadi fokus proyek kelompok mereka. Pilihan industri harus cukup luas untuk mengakomodasi kepentingan seluruh anggota kelompok. Pilihan industri juga harus berdampak dan memberikan perbedaan yang berarti bagi kehidupan dan masa depan kita. Terakhir, pilihan
industri idealnya adalah pilihan yang memiliki transformasi berkelanjutan yang menarik menggunakan teknologi AI. Kelompok akan diminta untuk membuat satu halaman penyerahan yang
merinci industri yang mereka pilih untuk dipelajari secara mendalam dan
Materi: Chapter 21, “Deep Learning”
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: Chapter 1 "Deep learning" https://www. youtube.com/watch?v=airc AruvnKk&vl=en
Pustaka: 3Blue1Brown, “But what is a neural network”		 4%

5

Minggu ke 5

Mempelajari dan memahami konsep dan dasar-dasar Deep Learning (DL)
  1. Definisi Deep Learning (DL)
  2. Convolutional Neural Networks
  3. Recurrent Neural Networks
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Project Based
Learning (PjBL)
Tugas Proyek 3:
- Kelompok diminta untuk berdiskusi dan melakukan brainstorming guna memilih industri yang akan menjadi fokus proyek kelompok mereka. Pilihan industri harus cukup luas untuk mengakomodasi kepentingan seluruh anggota kelompok. Pilihan industri juga harus berdampak dan memberikan perbedaan yang
berarti bagi
kehidupan dan
masa depan kita.
Terakhir, pilihan
industri idealnya
adalah pilihan
yang memiliki
transformasi
berkelanjutan
yang menarik
menggunakan
teknologi AI.
Kelompok akan
diminta untuk
membuat satu
halaman
penyerahan yang
merinci industri
yang mereka
pilih untuk
dipelajari secara
mendalam
Materi: Chapter 21, “Deep Learning”
Pustaka: Artificial Intelligence: A Modern Approach, Stuart Russel and Peter Norvig, 3rd Edition, Pearson
Materi: Chapter 1 "Deep learning" https://www. youtube.com/watch?v=airc AruvnKk&vl=en
Pustaka: 3Blue1Brown, “But what is a neural network”		 4%

6

Minggu ke 6

Memahami konsep dan dasar-dasar Computer Vision.
  1. Definisi computer vision
  2. Segmentasi image
  3. Deteksi edge dan gerakan
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Project Based Learning (PjBL) Tugas Proyek 4:
Laporan Kemajuan
Tengah Semester - Kelompok mempresentasikan informasi terbaru mengenai kemajuan proyek akhir kelompok mereka dan kesesuaiannya dengan jadwal pelaksanaan kegiatan proyek akhir. Sesi tanya jawab setelah presentasi juga akan berfungsi sebagai forum untuk mendiskusikan tantangan, potensi perbaikan, dan potensi arah masa depan yang perlu diperhatikan.
Materi: .
Pustaka: van Engelen, J.E., Hoos, H.H. A survey on semisupervis ed learning. Mach Learn 109, 373–440 (2020)		 4%

7

Minggu ke 7

Memahami konsep dan dasar-dasar Computer Vision.
  1. analisis kemampuan mengidentifikasi masalah
  2. pemahaman konsep kecerdasan buatan
  3. aplikasi teknik kecerdasan buatan dalam studi kasus
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk, Penilaian Portofolio		 Pembelajaran berbasis proyek.
Materi: Konsep dasar kecerdasan buatan, Studi kasus penerapan kecerdasan buatan, Metode identifikasi masalah
Pustaka: Handbook Perkuliahan		 4%

8

Minggu ke 8

UTS
  1. analisis masalah
  2. pemahaman konsep kecerdasan buatan
  3. aplikasi teknik kecerdasan buatan
 Kriteria:

Tes Tulis


Bentuk Penilaian :
Tes		 Tes tertulis
Materi: Konsep Dasar Kecerdasan Buatan, Penerapan Teknik Kecerdasan Buatan dalam Identifikasi Masalah, Studi Kasus
Pustaka: Handbook Perkuliahan		 20%

9

Minggu ke 9

Memahami konsep dan dasar-dasar Natural Language Processing (NLP).
  1. masalah teridentifikasi dengan tepat
  2. penerapan teknik kecerdasan buatan sesuai dengan konteks masalah
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek.
Materi: Pengenalan teknik kecerdasan buatan, Studi kasus penerapan kecerdasan buatan dalam berbagai industri, Teknik identifikasi masalah
Pustaka: Handbook Perkuliahan		 2%

10

Minggu ke 10

Memahami konsep dan dasar-dasar Natural Language Processing (NLP).
  1. analisis masalah
  2. pemahaman konsep kecerdasan buatan
  3. aplikasi teknik kecerdasan buatan
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk, Tes		 Pembelajaran berbasis proyek.
Materi: Konsep kecerdasan buatan, Teknik kecerdasan buatan, Studi kasus penerapan kecerdasan buatan dalam identifikasi masalah
Pustaka: Handbook Perkuliahan		 4%

11

Minggu ke 11

Memahami penerapan AI untuk personalisasi dan perekomendasi pada web ecommerce
  1. pengenalan masalah yang relevan
  2. kemampuan mengidentifikasi masalah yang dapat diterapkan teknik kecerdasan buatan
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek.
 Diskusi daring tentang aplikasi kecerdasan buatan dalam menyelesaikan masalah
 Materi: Pengenalan kecerdasan buatan, Jenis-jenis masalah yang dapat diselesaikan dengan kecerdasan buatan, Langkah-langkah mengidentifikasi masalah
Pustaka: Handbook Perkuliahan		 4%

12

Minggu ke 12

Memahami penerapan AI untuk personalisasi dan perekomendasi pada web ecommerce
  1. Penggunaan teknik kecerdasan buatan yang tepat dalam mengidentifikasi masalah
  2. Kemampuan mahasiswa dalam menjelaskan potensi penerapan AI dalam situasi masalah yang diberikan
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran berbasis proyek.
Materi: Konsep dasar kecerdasan buatan, Penerapan kecerdasan buatan dalam berbagai industri, Studi kasus penggunaan AI dalam identifikasi masalah
Pustaka: Handbook Perkuliahan		 4%

13

Minggu ke 13

Memahami tantangan, risiko, pertimbangan etis, dan regulasi AI.
  1. Pemahaman konsep dasar AI dalam bisnis
  2. Kemampuan menerapkan teknik AI dalam studi kasus bisnis
  3. Analisis hasil implementasi AI dalam bisnis
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran aktif, studi kasus, diskusi kelompok.
 Pengembangan solusi AI untuk studi kasus bisnis
 Materi: Konsep AI dalam bisnis, Teknik-teknik AI untuk bisnis, Studi kasus penggunaan AI dalam bisnis
Pustaka: Handbook Perkuliahan		 4%

14

Minggu ke 14

Memahami tantangan, risiko, pertimbangan etis, dan regulasi AI.
  1. Pengidentifikasian Masalah Bisnis
  2. Penerapan Metode AI
  3. Evaluasi Solusi AI
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran Berbasis Proyek.
 Pembuatan Proyek AI untuk Menyelesaikan Masalah Bisnis
 Materi: Konsep Dasar AI, Teknik-teknik AI untuk Bisnis, Studi Kasus Penerapan AI dalam Bisnis
Pustaka: Handbook Perkuliahan		 4%

15

Minggu ke 15

Presentasi Proyek Akhir

  1. Pemahaman konsep AI dalam bisnis
  2. Kemampuan menerapkan teknik AI dalam analisis data bisnis
  3. Kemampuan mengevaluasi efektivitas implementasi AI dalam bisnis
 Kriteria:

Kriteria: Rubrik holistik Bentuk non-tes: Latihan soal.


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Tes		 Pembelajaran berbasis proyek.
 Pengembangan proyek AI bisnis
 Materi: Konsep AI dalam bisnis, Teknik-teknik AI untuk analisis data bisnis, Studi kasus penggunaan AI dalam bisnis
Pustaka: Handbook Perkuliahan		 4%

16

Minggu ke 16

UAS
  1. AI dalam Identifikasi Masalah Bisnis
  2. Penerapan Teknik AI dalam Bisnis
  3. Evaluasi Hasil Implementasi AI
 Kriteria:

Presentasi Project Akhir


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Pembelajaran aktif, studi kasus, diskusi kelompok.
 Pengembangan Model AI untuk Project Bisnis
 Materi: Konsep Dasar AI, Teknik AI untuk Bisnis, Studi Kasus Implementasi AI dalam Bisnis
Pustaka: Handbook Perkuliahan		 30%



Rekap Persentase Evaluasi : Project Based Learning

No Evaluasi Persentase
1. Aktifitas Partisipasif 13.66%
2. Penilaian Hasil Project / Penilaian Produk 61.66%
3. Penilaian Portofolio 1.33%
4. Tes 23.33%
99.98%

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.