Universitas Negeri Surabaya
Fakultas Sekolah Pascasarjana
Program Studi S3 Penelitian dan Evaluasi Pendidikan

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Komputasi Pengukura

9900602021

T=2

P=0

ECTS=5.04

2

23 Februari 2026

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Prof. Dr. Ekohariadi


Prof. Dr. Ekohariadi, M.Pd


TRI RIJANTO

Model Pembelajaran

Case Study

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-6

Mampu mengembangkan sistem penilaian, instrumen penilaian, penelitian, evaluasi, serta mengembangkan psikometrika komputasi (pengukuran psikologis, algoritma dan model statistik, analisis big data psikologis, tes adaptif komputerisasi, CAT)

PLO-8

Mampu mengelola, memimpin, dan mengembangkan riset dalam bidang penelitian dan evaluasi pendidikan yang bermanfaat bagi kemaslahatan umat manusia, serta mampu mendapat pengakuan nasional dan internasional.

Program Objectives (PO)

PO - 1

Menganalisis konsep dasar komputasi pengukuran dan psikometrika modern dalam asesmen pendidikan

PO - 2

Menganalisis data menggunakan model statistik dan algoritma dalam pengukuran psikologis untuk menghasilkan solusi yang tepat (C4)

PO - 3

Mengevaluasi efektivitas sistem penilaian dan instrumen penilaian yang digunakan dalam penelitian pendidikan (C5)

PO - 4

Menciptakan instrumen tes dan non-tes yang inovatif berdasarkan prinsip-prinsip psikometrika komputasi (C6)

PO - 5

Menerapkan teknik analisis big data untuk menginterpretasikan dan memanfaatkan hasil penelitian dalam pengembangan pendidikan (C3)

PO - 6

Menganalisis dan mengkritisi berbagai pendekatan dalam tes adaptif komputerisasi dan pengaruhnya terhadap hasil penilaian (C4)

Matrik PLO-PO
 
POPLO-3PLO-6PLO-8
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 ini membahas konsep dan implementasi komputasi pengukuran dalam evaluasi pendidikan, yang meliputi analisis reliabilitas dan validitas berbasis komputasi, pengembangan Computer Based Testing (CBT), Computer Adaptive Testing (CAT), serta Automated Essay Scoring (AES). Mahasiswa mempelajari teori psikometrik modern seperti Item Response Theory dan Rasch Model, serta menerapkannya melalui pemrograman menggunakan Python untuk membangun sistem asesmen digital berbasis algoritma. Pada akhir perkuliahan mahasiswa mengembangkan proyek sistem asesmen komputasional berupa CBT, CAT, atau AES.

Pustaka

Utama :

  1. David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.
  2. Alina A. von Davier • Robert J. Mislevy, Jiangang Hao. (2021). Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment
  3. Wainer, H. (2000). Computerized Adaptive Testing: A Primer
  4. Van der Linden, W. J., & Glas, C. (2010). Elements of Adaptive Testing
  5. Baker, F. B., & Kim, S. H. (2017). Item Response Theory

Pendukung :

  1. Lord, F. (1980). Applications of Item Response Theory to Practical Testing Problems

Dosen Pengampu

Prof. Dr. Ekohariadi, M.Pd.

Dr. Yeni Anistyasari, S.Pd., 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 memahami konsep dasar komputasi pengukuran

Menjelaskan konsep komputasi pengukuran dalam evaluasi pendidikan serta perbedaannya dengan pendekatan pengukuran klasik.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Masalah.
 Ceramah, diskusi, praktik
 Materi: Konsep dasar komputasi pengukuran dalam evaluasi pendidikan Perbedaan pengukuran klasik dan komputasi pengukuran Peran komputasi dalam asesmen digital modern
Pustaka: Alina A. von Davier • Robert J. Mislevy, Jiangang Hao. (2021). Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment		 3%

2

Minggu ke 2

Mahasiswa mampu menganalisis reliabilitas berbasis komputasi

Menghitung dan menginterpretasikan reliabilitas instrumen menggunakan pendekatan komputasi pengukuran berbasis model psikometrik.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Masalah.
 Ceramah, diskusi, praktik
 Materi: Konsep reliabilitas dalam pengukuran modern Estimasi reliabilitas berbasis model psikometrik Interpretasi reliabilitas dalam sistem asesmen digital
Pustaka: Alina A. von Davier • Robert J. Mislevy, Jiangang Hao. (2021). Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment		 3%

3

Minggu ke 3

Mahasiswa mampu mengevaluasi validitas berbasis komputasi

Mengevaluasi validitas konstruk atau validitas model pengukuran menggunakan analisis komputasi dan indikator statistik yang relevan.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran Berbasis Masalah.
 Ceramah, diskusi, praktik
 Materi: Konsep validitas dalam pengukuran modern Analisis validitas konstruk berbasis komputasi Evaluasi kesesuaian model pengukuran
Pustaka: Alina A. von Davier • Robert J. Mislevy, Jiangang Hao. (2021). Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment		 3%

4

Minggu ke 4

Mahasiswa memahami konsep asesmen digital

Menjelaskan prinsip, karakteristik, serta kelebihan dan keterbatasan asesmen digital dalam konteks evaluasi pendidikan.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif		 Pembelajaran berbasis masalah.
 Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100
 Materi: Konsep dan karakteristik CBT Arsitektur sistem CBT Kelebihan dan keterbatasan CBT dalam evaluasi pendidikan
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

5

Minggu ke 5

Mahasiswa mampu merancang CBT sederhana

Mendesain sistem Computer Based Testing (CBT) sederhana yang mencakup struktur soal, mekanisme penyajian soal, dan sistem penskoran

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Struktur sistem CBT berbasis teks Penyajian soal dan pengolahan respons Penyimpanan hasil dan penskoran otomatis
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

6

Minggu ke 6

Mahasiswa mampu membuat CBT berbasis antarmuka

Mengembangkan aplikasi CBT berbasis antarmuka pengguna (GUI) yang dapat menampilkan soal, menerima respons, dan menyimpan hasil tes.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Konsep antarmuka pengguna dalam CBT Komponen GUI untuk sistem tes Integrasi tampilan soal, respons, dan penyimpanan data
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

7

Minggu ke 7

Mahasiswa memahami konsep adaptive testing

Menjelaskan konsep dasar Computer Adaptive Testing (CAT) serta prinsip pemilihan item adaptif dalam pengukuran kemampuan.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Konsep dasar adaptive testing Prinsip pemilihan item adaptif Keunggulan CAT dibanding tes konvensional
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

8

Minggu ke 8

Ujian Tengah Semester

Mahasiswa mampu menunjukkan penguasaan konsep CBT, CAT, dan IRT melalui tes tertulis atau praktik analisis

 Kriteria:
  1. Pemahaman konsep CBT Mahasiswa mampu menjelaskan prinsip, karakteristik, dan komponen utama Computer Based Testing (CBT) serta penerapannya dalam evaluasi pendidikan. 0–30
  2. Pemahaman konsep CAT Mahasiswa mampu menjelaskan prinsip Computer Adaptive Testing (CAT), termasuk mekanisme pemilihan item adaptif dan keunggulannya dibanding tes konvensional. 0–30
  3. Pemahaman konsep IRT Mahasiswa mampu menjelaskan konsep dasar Item Response Theory (IRT), termasuk parameter item, kemampuan peserta (θ), dan fungsi informasi tes. 0–20
  4. Kemampuan analisis atau penerapan Mahasiswa mampu menerapkan konsep CBT, CAT, dan IRT dalam analisis data atau studi kasus pengukuran berbasis komputer. 0–20

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Tes
Mengerjakan tugas
 Materi: arsitektur sistem CAT; proses pemilihan soal adaptif; aturan penghentian tes
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 25%

9

Minggu ke 9

Mahasiswa mampu menerapkan model Rasch

Mengestimasi parameter item dan kemampuan peserta menggunakan model Rasch serta menginterpretasikan hasil analisisnya.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Konsep dasar model Rasch Parameter item dan kemampuan peserta Penerapan model Rasch dalam CAT
Pustaka: Baker, F. B., & Kim, S. H. (2017). Item Response Theory		 3%

10

Minggu ke 10

Mahasiswa mampu merancang algoritma CAT

Merancang algoritma pemilihan item adaptif, prosedur estimasi kemampuan, dan aturan penghentian tes dalam sistem CAT.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Algoritma pemilihan item Metode estimasi kemampuan awal Kriteria penghentian tes
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

11

Minggu ke 11

Mahasiswa mampu menghitung kemampuan dan error

Menghitung estimasi kemampuan peserta (θ) serta kesalahan pengukuran menggunakan pendekatan komputasi pengukuran.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Konsep kemampuan laten (θ) Metode estimasi kemampuan peserta Conditional Standard Error of Measurement
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

12

Minggu ke 12

Mahasiswa mampu mengimplementasikan CAT

Mengembangkan sistem CAT sederhana yang dapat memilih soal secara adaptif berdasarkan estimasi kemampuan peserta.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Struktur program CAT Implementasi algoritma pemilihan item Simulasi adaptive testing dengan Python
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 5%

13

Minggu ke 13

Mahasiswa memahami konsep penilaian esai otomatis
  1. Kemampuan menerapkan prinsip-prinsip filsafat penelitian dalam pengembangan sistem evaluasi
  2. Kreativitas dalam merancang sistem evaluasi yang original
 Kriteria:

Menjelaskan konsep dasar Automated Essay Scoring (AES) serta prinsip analisis teks dalam penilaian esai berbasis komputer.


Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Portofolio
Ceramah, diskusi, praktik
 Materi: Konsep dasar AES Perkembangan teknologi penilaian esai otomatis Tantangan dalam penilaian esai otomatis
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 4%

14

Minggu ke 14

Mahasiswa mampu menganalisis metode AES

Membandingkan berbagai metode AES berdasarkan pendekatan linguistik, statistik, dan machine learning.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Pendekatan linguistik dan fitur teks Pendekatan statistik dan machine learning Evaluasi performa model AES
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

15

Minggu ke 15

Mahasiswa mampu membuat sistem AES

Mengembangkan program AES sederhana yang dapat menganalisis teks jawaban esai dan menghasilkan skor otomatis.

 Kriteria:

Nilai penuh diperoleh apabila mengerjakan semua tugas dengan benar dan tepat waktu.Tes: Skor 0-100


Bentuk Penilaian :
Aktifitas Partisipasif
Ceramah, diskusi, praktik
 Materi: Pemrosesan teks untuk analisis esai Pengembangan model penskoran otomatis Evaluasi dan validasi sistem AES
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 3%

16

Minggu ke 16

Mahasiswa menghasilkan sistem asesmen komputasional

Mengembangkan proyek sistem asesmen digital berbasis komputasi (CBT, CAT, atau AES) yang berfungsi secara operasional dan dapat digunakan dalam evaluasi pendidikan.

 Kriteria:
  1. Perancangan Sistem Desain sistem asesmen digital jelas dan sistematis, mencakup tujuan sistem, arsitektur program, alur kerja, serta komponen utama seperti bank soal, algoritma penilaian, dan antarmuka pengguna. 0–25
  2. Sistem CBT, CAT, atau AES berhasil diimplementasikan dengan baik; program dapat dijalankan tanpa error dan seluruh fungsi utama bekerja sesuai rancangan. 0–30
  3. Sistem mengintegrasikan konsep pengukuran pendidikan seperti model psikometrik, algoritma adaptif, atau metode penskoran otomatis secara tepat. 0–25
  4. Sistem memiliki antarmuka yang jelas, mudah digunakan, mampu menampilkan soal/analisis dengan baik, serta menyimpan dan menampilkan hasil penilaian secara akurat. 0–20

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk, Tes
Mengerjakan tugas
 Materi: Perancangan sistem asesmen komputasional Implementasi program dan pengujian sistem Presentasi dan evaluasi proyek
Pustaka: David J. Weiss. (2024). Computerized Adaptive Testing: From Concept to Implementation.		 30%



Rekap Persentase Evaluasi : Case Study

No Evaluasi Persentase
1. Aktifitas Partisipasif 43%
2. Penilaian Hasil Project / Penilaian Produk 27.5%
3. Penilaian Portofolio 2%
4. Tes 27.5%
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.