|
UNIVERSITAS AMIKOM YOGYAKARTA
|
RPS-S2IF-MT117 |
| RENCANA PEMBELAJARAN SEMESTER | ||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tanggal Penyusunan | |
| BUSINESS INFORMATION SYSTEM ENGINEERING | MT117 | Society, Ethics and Professionalism (SEP) | T= 3 | 3 | 14 Jul 2026 | |
| Pengesahan | Dosen Pengembang RPS | Koordinator RMK | Ka PRODI |
 Robert Marco, ST,. M.T., Ph.D. |
 Robert Marco, ST,. M.T., Ph.D. |
 Robert Marco, ST,. M.T., Ph.D. |
| Capaian Pembelajaran | CPL-PRODI yang dibebankan pada MK | |
| CPL02 | Memiliki sikap profesional dan bertanggung jawab dalam menginternalisasi semangat kemandirian, kejuangan dan kewirausahaan dalam bidang TIK. | |
| CPL04 | Mampu menjelaskan pemahaman mengenai penguasaan teori, dan/atau falsafah bidang ilmu kecerdasan artifisial, multimedia lanjut, atau transformasi digital secara sistematis dan mengaplikasikannya dalam ilmu pengetahuan dan teknologi sesuai keahliannya dalam bidang TIK. | |
| CPL06 | Mampu melakukan validasi akademik dan kajian ilmiah untuk pengembangan ilmu bidang TIK dan menyelesaikan masalah hilirisasi hasil rekayasa TIK secara kreatif dan inovatif kepada masyarakat atau industri. | |
| CPL07 | Mampu menganalisis dan merancang teknologi informasi berbasis kecerdasan artifisial yang tepat sesuai dengan problem yang dihadapi untuk mengimplementasikan pada bidang Digital transformation intelligence, Big Data and Predictive analytics atau intelligent multimedia technology. | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK03 | Mampu bersikap profesional dalam menginternalisasi semangat kemandirian, kejuangan dan kewirausahaan dalam bidang TIK. | |
| CPMK08 | Mampu mengaplikasikan konsep dan prinsip algoritma serta teori ilmu komputer yang dapat digunakan dalam pemodelan dan desain teknologi sesuai keahliannya dalam bidang TIK. | |
| CPMK11 | Mampu melakukan validasi akademik dan kajian ilmiah untuk pengembangan ilmu bidang TIK serta mempublikasikannya secara nasional terakreditasi atau internasional bereputasi. | |
| CPMK13 | Mampu menjelaskan dan merancang teknologi informasi berbasis kecerdasan artifisial sesuai dengan problem yang dihadapi pada bidang Digital transformation intelligence, Big Data and Predictive analytics atau Intelligent Multimedia Technology. | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| sub.cpmk.MT117.CPMK03.1 | Mahasiswa mampu menyelaraskan hasil temuan prapemrosesan data dan outline tinjauan pustaka awal melalui sesi presentasi kelompok secara profesional. | |
| sub.cpmk.MT117.CPMK03.2 | Mahasiswa mampu mengevaluasi tingkat kesesuaian produk terhadap kebutuhan pasar (product-market fit) menggunakan kerangka kerja Value Proposition Canvas secara profesional. | |
| sub.cpmk.MT117.CPMK08.1 | Mahasiswa mampu membedakan karakteristik algoritma penambangan data prediktif dan deskriptif berdasarkan filosofi Knowledge Discovery in Databases (KDD) untuk menyelesaikan problem pemasaran. | |
| sub.cpmk.MT117.CPMK08.2 | Mahasiswa mampu mengategorikan rumpun algoritma Supervised Learning dan Unsupervised Learning yang sesuai dengan pemodelan variabel target keputusan bisnis. | |
| sub.cpmk.MT117.CPMK08.3 | Mahasiswa mampu membangun model pengelompokan (clustering) data pasar untuk melakukan segmentasi profil karakteristik pelanggan tanpa label target. | |
| sub.cpmk.MT117.CPMK08.4 | Mahasiswa mampu membangun model estimasi numerik kontinu (regression) untuk meramal nilai kuantitatif indikator performa pendapatan bisnis. | |
| sub.cpmk.MT117.CPMK08.5 | Mahasiswa mampu mengonfigurasi pemodelan runtun waktu (time series) dan pola aturan asosiasi untuk mendeteksi perilaku tren pembelian produk secara bersamaan. | |
| sub.cpmk.MT117.CPMK11.1 | Mahasiswa mampu menyusun dokumen tinjauan pustaka (literature review) kritis bersumber dari jurnal internasional bereputasi untuk mendeteksi tren masalah business intelligence. | |
| sub.cpmk.MT117.CPMK11.2 | Mahasiswa mampu menyusun dokumen laporan akhir terstruktur yang mengintegrasikan seluruh tahapan pemodelan analitik bisnis menjadi rekomendasi strategi pemasaran yang konkret. | |
| sub.cpmk.MT117.CPMK13.1 | Mahasiswa mampu menjelaskan pilar utama intelijen pemasaran serta alur kerja pemrosesan hierarki DIKW untuk mengekstrak data mentah menjadi wawasan bisnis yang dapat ditindaklanjuti. | |
| sub.cpmk.MT117.CPMK13.2 | Mahasiswa mampu merancang skema database repositori tunggal terintegrasi yang dioptimalkan untuk kueri cepat analisis perilaku konsumen skala besar. | |
| sub.cpmk.MT117.CPMK13.3 | Mahasiswa mampu mengonfigurasi skrip tahapan rekayasa data (data preprocessing) untuk menjamin kualitas pembersihan dan penskalaan dataset bisnis. | |
| sub.cpmk.MT117.CPMK13.4 | Mahasiswa mampu membangun model klasifikasi data penambangan data untuk memprediksi kategori kelas variabel bisnis secara akurat. | |
| sub.cpmk.MT117.CPMK13.5 | Mahasiswa mampu menguji tingkat generalisasi performa multi-algoritma menggunakan teknik validasi silang (cross-validation) untuk menghindari bias overfitting. | |
| Korelasi CPMK terhadap Sub-CPMK | ||
| CPMK13 |
sub.cpmk.MT117.CPMK13.1 sub.cpmk.MT117.CPMK13.2 sub.cpmk.MT117.CPMK13.3 sub.cpmk.MT117.CPMK13.4 sub.cpmk.MT117.CPMK13.5 |
|
| CPMK08 |
sub.cpmk.MT117.CPMK08.1 sub.cpmk.MT117.CPMK08.2 sub.cpmk.MT117.CPMK08.3 sub.cpmk.MT117.CPMK08.4 sub.cpmk.MT117.CPMK08.5 |
|
| CPMK11 |
sub.cpmk.MT117.CPMK11.1 sub.cpmk.MT117.CPMK11.2 |
|
| CPMK03 |
sub.cpmk.MT117.CPMK03.1 sub.cpmk.MT117.CPMK03.2 |
|
| Deskripsi Singkat MK | Mata kuliah ini membekali mahasiswa dengan kemampuan komprehensif dalam merekayasa sistem informasi bisnis berbasis data analitis untuk mendukung strategi intelijen pemasaran (marketing intelligence). Mahasiswa akan mempelajari arsitektur pergudangan data (data warehouse), teknik penambangan data (data mining), visualisasi informasi bisnis, serta tahapan prapemrosesan data (data preprocessing) untuk menjamin kualitas input pemodelan. Selanjutnya, mahasiswa dilatih mengonfigurasi dan mengevaluasi berbagai teknik pemodelan lanjut, meliputi metode klasifikasi (classification), pengelompokan (clustering), regresi (regression), analisis runtun waktu (time series), dan aturan asosiasi (association rules) pada studi kasus bisnis nyata. Melalui rangkaian tugas rancangan tugas mahasiswa (RTM) berbasis diskusi kelompok, mahasiswa diharapkan mampu menyusun temuan analitis secara kritis, logis, dan inovatif. Luaran akhir dari mata kuliah ini adalah kemampuan mahasiswa dalam merancang dan memvalidasi cetak biru pemodelan rekayasa sistem informasi bisnis yang cerdas, teruji, dan siap pakai untuk hilirisasi industri digital. | |
| Bahan Kajian : Materi Pembelajaran | - Arsitektur Data Intelijen & Visualisasi Bisnis - Penambangan & Prapemrosesan Data Bisnis - Teknik Pemodelan Analitik Lanjut - Evaluasi Hasil Pengujian & Hilirisasi Rekayasa Bisnis | |
| Pustaka | Utama | |
|
|
||
| Pendukung | ||
|
|
||
| Dosen Pengampu | Robert Marco, S.T., M.T., Ph.D. | |
| Mata Kuliah Syarat | - | |
| Pertemuan Ke | Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | Penilaian | Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; | Materi Pembelajaran | Bobot Penilaian | ||
|---|---|---|---|---|---|---|---|
| Indikator | Kriteria & Teknik | Luring | Daring | ||||
| 1 |
sub.cpmk.MT117.CPMK13.1-Mahasiswa mampu menjelaskan pilar utama intelijen pemasaran serta alur kerja pemrosesan hierarki DIKW untuk mengekstrak data mentah menjadi wawasan bisnis yang dapat ditindaklanjuti. |
Kriteria Pemahaman Konsep Teknik |
Kuliah,Ceramah interaktif,[CI=150 Menit] |
Topik Intro Marketing Intelligence. Sub Topik Kontrak pembelajaran PJJ Informatika konsentrasi DTI, identifikasi empat pilar pemasaran (Competitor, Product, Market, Customer Understanding), alur kerja intelijen pengumpulan data primer/sekunder, serta pemetaan customer journey. |
0 | ||
| 2 |
sub.cpmk.MT117.CPMK13.2-Mahasiswa mampu merancang skema database repositori tunggal terintegrasi yang dioptimalkan untuk kueri cepat analisis perilaku konsumen skala besar. |
Kriteria Kemampuan menganalisa Kasus Teknik |
Kuliah,Ceramah interaktif,[CI=100 Menit] Diskusi,Diskusi Interaktif,[DI=50 Menit] |
Topik Data Warehouse. Sub Topik Perbedaan struktural Data Warehouse, Data Mart, dan Data Lake; konsep proses standardisasi ETL (Extract, Transform, Load) secara terjadwal; serta teknik penggabungan sumber data heterogen (transaksi, media sosial, CRM, survei). |
0 | ||
| 3 |
sub.cpmk.MT117.CPMK08.1-Mahasiswa mampu membedakan karakteristik algoritma penambangan data prediktif dan deskriptif berdasarkan filosofi Knowledge Discovery in Databases (KDD) untuk menyelesaikan problem pemasaran. |
Kriteria Ketrampilan menggunakan tools Teknik |
Kuliah,Ceramah interaktif,[CI=100 Menit] Pemahaman materi mandiri,Studi Kasus,[SK=50 Menit] |
Topik Data Mining. Sub Topik Pemetaan masalah bisnis (customer churn, market basket, target profiling), ekstraksi hubungan non-linear antarvariabel, serta pengenalan awal perangkat lunak analisis data berbasis Python/R. |
0 | ||
| 4 |
sub.cpmk.MT117.CPMK11.1-Mahasiswa mampu menyusun dokumen tinjauan pustaka (literature review) kritis bersumber dari jurnal internasional bereputasi untuk mendeteksi tren masalah business intelligence. |
Ketepatan mahasiswa dalam merumuskan ulasan kritis literature review minimal 6 paper Scopus dan kesesuaian dataset capstone project yang dipilih. |
Kriteria Rubrik Makalah Analitis Teknik Pemeriksaan berkas dokumen tertulis PDF tugas kelompok yang diunggah secara individu di Waskita (Tugas Mahasiswa 1). |
Pembimbingan,Partisipasi Diskusi,[PD=150 Menit] |
Topik Data Visualization & Paper Review. Sub Topik Teknik pemilihan grafik industri (Line, Bar, Scatter Plot), perancangan dasbor interaktif drill-down, visualisasi deteksi pola musiman, pencarian minimal 6 paper terindeks Scopus Q1-Q4, serta identifikasi kebutuhan dataset (RTM 1). |
10 | |
| 5 |
sub.cpmk.MT117.CPMK08.2-Mahasiswa mampu mengategorikan rumpun algoritma Supervised Learning dan Unsupervised Learning yang sesuai dengan pemodelan variabel target keputusan bisnis. |
Kriteria Kemampuan memecahkan masalah Teknik |
Kuliah,Ceramah interaktif,[CI=150 Menit] |
Topik Supervised and Unsupervised Learning. Sub Topik Perbedaan data berlabel dan tidak berlabel, konsep training vs testing set, eksplorasi algoritma populer (Decision Tree, K-Means, Neural Networks), metrik pengukuran keberhasilan (accuracy/error vs cohesion/separation), dan strategi niche marketing. |
0 | ||
| 6 |
sub.cpmk.MT117.CPMK13.3-Mahasiswa mampu mengonfigurasi skrip tahapan rekayasa data (data preprocessing) untuk menjamin kualitas pembersihan dan penskalaan dataset bisnis. |
Keberhasilan jalannya naskah skrip program pembersihan data serta ketepatan argumentasi tertulis atas alasan pemilihan metode rekayasa. |
Kriteria Ketrampilan menggunakan tools Teknik Peninjauan hasil cetak cetakan naskah program Google Colab format PDF yang dikumpulkan secara mandiri di LMS (Tugas Mahasiswa 2). |
Diskusi,Studi Kasus,[SK=150 Menit] |
Topik Data Preprocessing & Visualisation. Sub Topik Penanganan data rusak (missing values, outliers, data pencilan), integrasi multi-sumber, normalisasi skala data, encoding kategorikal (One Hot Encoding), seleksi fitur (Filter, Wrapper, Embedded methods), dan teknik penyeimbangan kelas data via SMOTE (RTM 2). |
10 | |
| 7 |
sub.cpmk.MT117.CPMK03.1-Mahasiswa mampu menyelaraskan hasil temuan prapemrosesan data dan outline tinjauan pustaka awal melalui sesi presentasi kelompok secara profesional. |
Kriteria Rubrik Analisis Teknik |
Kuliah,Ceramah interaktif,[CI=150 Menit] |
Topik Diskusi Tema RTM 1 & Analisis Data RTM 2. Sub Topik Sesi pemaparan slide kemajuan proyek kelas, evaluasi kecukupan sebaran kuantitas data (Min. 1.000 data per kelas klasifikasi; Min. 5.000 baris forecasting/clustering; Min. 10.000 baris text mining), pembatasan bias analisis, dan pembekalan teknis UTS. |
0 | ||
| 8 |
sub.cpmk.MT117.CPMK13.1-Mahasiswa mampu menjelaskan pilar utama intelijen pemasaran serta alur kerja pemrosesan hierarki DIKW untuk mengekstrak data mentah menjadi wawasan bisnis yang dapat ditindaklanjuti. sub.cpmk.MT117.CPMK13.2-Mahasiswa mampu merancang skema database repositori tunggal terintegrasi yang dioptimalkan untuk kueri cepat analisis perilaku konsumen skala besar. |
Ketepatan penulisan format laporan ilmiah, kesahihan pemecahan masalah data mentah, dan keabsahan visualisasi distribusi data awal antarkelas. |
Kriteria Ujian UTS/UAS yang terjadwal Resmi Teknik Verifikasi berkas portofolio dokumen format PDF tunggal (UTS Assignment validation) yang wajib diunggah secara individu oleh mahasiswa di Waskita. |
Topik Ujian Tengah Semester (UTS) Sub Topik Evaluasi tengah semester dalam bentuk pengumpulan naskah laporan dokumen kemajuan komprehensif proyek kelompok (maksimal 3 mahasiswa) yang mencakup struktur integrasi hasil RTM 1 dan RTM 2. |
30 | ||
| 9 |
sub.cpmk.MT117.CPMK13.4-Mahasiswa mampu membangun model klasifikasi data penambangan data untuk memprediksi kategori kelas variabel bisnis secara akurat. |
Kriteria Pemahaman Konsep Teknik |
Kuliah,Ceramah interaktif,[CI=150 Menit] |
Topik Technique for Modelling - Classification. Sub Topik Konfigurasi algoritma klasifikasi (seperti Random Forest, SVM, XGBoost) untuk menyelesaikan problem retensi pelanggan (churn prediction) atau klasifikasi target promosi pemasaran yang tepat. |
0 | ||
| 10 |
sub.cpmk.MT117.CPMK08.3-Mahasiswa mampu membangun model pengelompokan (clustering) data pasar untuk melakukan segmentasi profil karakteristik pelanggan tanpa label target. |
Kriteria Pemahaman Konsep Teknik |
Kuliah,Ceramah interaktif,[CI=150 Menit] |
Topik Technique for Modelling - Clustering. Sub Topik Implementasi algoritma klasterisasi (seperti K-Means, DBSCAN) untuk pengelompokan otomatis berdasarkan kemiripan gaya hidup atau daya beli konsumen (customer profiling). |
0 | ||
| 11 |
sub.cpmk.MT117.CPMK08.4-Mahasiswa mampu membangun model estimasi numerik kontinu (regression) untuk meramal nilai kuantitatif indikator performa pendapatan bisnis. |
Kriteria Pemahaman Konsep Teknik |
Kuliah,Ceramah interaktif,[CI=100 Menit] Diskusi,Diskusi Interaktif,[DI=50 Menit] |
Topik Technique for Modelling - Regression. Sub Topik Formulasi model regresi linier dan non-linear, pembagian data (data splitting) menjadi training/validation/testing secara konsisten, serta penghitungan estimasi dampak anggaran iklan terhadap total pendapatan penjualan. |
0 | ||
| 12 |
sub.cpmk.MT117.CPMK08.5-Mahasiswa mampu mengonfigurasi pemodelan runtun waktu (time series) dan pola aturan asosiasi untuk mendeteksi perilaku tren pembelian produk secara bersamaan. |
Kriteria Pemahaman Konsep Teknik |
Kuliah,Ceramah interaktif,[CI=100 Menit] Diskusi,Diskusi Interaktif,[DI=50 Menit] |
Topik Technique for Modelling - Time Series & Association. Sub Topik Pengujian stasioneritas data waktu, peramalan siklus bisnis jangka panjang, serta implementasi analisis keranjang pasar (Market Basket Analysis) menggunakan algoritma Apriori untuk optimasi teknik cross-selling. |
0 | ||
| 13 |
sub.cpmk.MT117.CPMK13.5-Mahasiswa mampu menguji tingkat generalisasi performa multi-algoritma menggunakan teknik validasi silang (cross-validation) untuk menghindari bias overfitting. |
Ketepatan perhitungan metrik evaluasi kinerja minimal 3 algoritma berbeda dan kevalidan penentuan model terbaik (Best Fit Model). |
Kriteria Rubrik Analisis Teknik Pemeriksaan berkas dokumen laporan teknis beserta lampiran tautan Google Colab yang sudah dieksekusi penuh (Tugas Mahasiswa 3). |
Kuliah,Ceramah interaktif,[CI=100 Menit] Pemahaman materi mandiri,Diskusi Interaktif,[DI=50 Menit] |
Topik Technique Performance Evaluation & Hyperparameter Tuning. Sub Topik Optimasi parameter model (Grid/Random Search), perhitungan metrik klasifikasi (Confusion Matrix, Accuracy, Precision, Recall, F1, ROC-AUC), metrik regresi (R-Squared, RMSE, MAE, MAPE), metrik clustering (Silhouette Score), dan metrik asosiasi (Support, Confidence, Lift) (RTM 3). |
0 | |
| 14 |
sub.cpmk.MT117.CPMK11.2-Mahasiswa mampu menyusun dokumen laporan akhir terstruktur yang mengintegrasikan seluruh tahapan pemodelan analitik bisnis menjadi rekomendasi strategi pemasaran yang konkret. |
Kelengkapan bab dokumen laporan akhir sistematis dan ketepatan penerjemahan prediksi teknis menjadi usulan taktis strategi pemasaran. |
Kriteria Rubrik Diskusi Teknik Pemeriksaan berkas dokumen laporan portofolio akhir kelompok yang diunggah secara individu di LMS (Diskusi Temuan dan Analisa Hasil RTM4). |
Presentasi,Problem-Based Learning,[PBL=150 Menit] |
Topik Penulisan Laporan Akhir & Hasil Diskusi Temuan (RTM 4). Sub Topik Konsolidasi draf bab hasil eksperimen, visualisasi performa perbandingan akhir, penerjemahan hasil prediksi teknis ke bahasa bisnis praktis, serta teknik penyusunan draf naskah laporan utuh (RTM 4). |
10 | |
| 15 |
sub.cpmk.MT117.CPMK03.2-Mahasiswa mampu mengevaluasi tingkat kesesuaian produk terhadap kebutuhan pasar (product-market fit) menggunakan kerangka kerja Value Proposition Canvas secara profesional. |
Penentuan kesesuaian (fit) antara peta nilai bisnis dengan profil kebutuhan riil pelanggan berdasarkan riset lapangan yang mendalam. |
Kriteria Rubrik Analisis Teknik Pemeriksaan kombinasi dokumen makalah (.pdf) beserta file tayang (.pptx) tugas personal (Value Proposition Canvas Assignment). |
Pemahaman materi mandiri,Diskusi Interaktif,[DI=150 Menit] |
Topik Value Proposition Canvas (Tugas Personal Kewirausahaan). Sub Topik Identifikasi profil konsumen (Customer Jobs, Pains, Gains) pada objek bisnis riil (UMKM/Startup) dan pemetaan solusi bisnis (Products, Services, Pain Relievers, Gain Creators) sebagai wujud semangat kewirausahaan digital. |
10 | |
| 16 |
sub.cpmk.MT117.CPMK08.1-Mahasiswa mampu membedakan karakteristik algoritma penambangan data prediktif dan deskriptif berdasarkan filosofi Knowledge Discovery in Databases (KDD) untuk menyelesaikan problem pemasaran. sub.cpmk.MT117.CPMK08.2-Mahasiswa mampu mengategorikan rumpun algoritma Supervised Learning dan Unsupervised Learning yang sesuai dengan pemodelan variabel target keputusan bisnis. sub.cpmk.MT117.CPMK08.3-Mahasiswa mampu membangun model pengelompokan (clustering) data pasar untuk melakukan segmentasi profil karakteristik pelanggan tanpa label target. sub.cpmk.MT117.CPMK08.4-Mahasiswa mampu membangun model estimasi numerik kontinu (regression) untuk meramal nilai kuantitatif indikator performa pendapatan bisnis. sub.cpmk.MT117.CPMK08.5-Mahasiswa mampu mengonfigurasi pemodelan runtun waktu (time series) dan pola aturan asosiasi untuk mendeteksi perilaku tren pembelian produk secara bersamaan. |
Tingkat kebenaran penyelesaian pengujian skenario model, kelogisan visualisasi dasbor intelijen pemasaran bisnis, keabsahan data pendukung bebas bias, dan kesesuaian format tata tulis dokumen akhir. |
Kriteria Rubrik Analisis Teknik Peninjauan unjuk kerja pengumpulan berkas administratif digital valid (UAS Full Project Package Verification) melalui pintu gerbang unggah sistem WASKITA LMS yang terbuka hingga batas linimasa berakhir. |
Topik Ujian Akhir Semester (UAS) Sub Topik Pelaksanaan ujian kelayakan portofolio akhir yang mewajibkan masing-masing mahasiswa mengunggah paket berkas final berupa gabungan dokumen laporan capstone akhir utuh pasca-revisi dan hasil validasi keandalan multi-algoritma. |
30 | ||
Teknik Penilaian CPMK
| CPL | MK | CPMK | Partisipasi | Tes Tulis (UTS) | Unjuk Kerja (Presentasi) | Tugas Teori (Individu) | Tes Tulis (UAS) | |
|---|---|---|---|---|---|---|---|---|
| CPL02 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK03 | Y | |||||
| CPL04 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK08 | Y | |||||
| CPL06 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK11 | Y | Y | ||||
| CPL07 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK13 | Y | Y |
Prosedur Penilaian CPMK
1. Komponen Penilaian CPMK
| CPL | CPMK | Sub-CPMK | Detail Penugasan (Teknik Penilaian) | Bobot % | Kriteria Penilaian |
|---|---|---|---|---|---|
| CPL07 | CPMK13 | sub.cpmk.MT117.CPMK13.1 | 0 | Pemahaman Konsep | |
| CPL07 | CPMK13 | sub.cpmk.MT117.CPMK13.2 | 0 | Kemampuan menganalisa Kasus | |
| CPL04 | CPMK08 | sub.cpmk.MT117.CPMK08.1 | 0 | Ketrampilan menggunakan tools | |
| CPL06 | CPMK11 | sub.cpmk.MT117.CPMK11.1 | Pemeriksaan berkas dokumen tertulis PDF tugas kelompok yang diunggah secara individu di Waskita (Tugas Mahasiswa 1). | 10 | Rubrik Makalah Analitis |
| CPL04 | CPMK08 | sub.cpmk.MT117.CPMK08.2 | 0 | Kemampuan memecahkan masalah | |
| CPL07 | CPMK13 | sub.cpmk.MT117.CPMK13.3 | Peninjauan hasil cetak cetakan naskah program Google Colab format PDF yang dikumpulkan secara mandiri di LMS (Tugas Mahasiswa 2). | 10 | Ketrampilan menggunakan tools |
| CPL02 | CPMK03 | sub.cpmk.MT117.CPMK03.1 | 0 | Rubrik Analisis | |
| CPL07 | CPMK13 | sub.cpmk.MT117.CPMK13.1, sub.cpmk.MT117.CPMK13.2 | Verifikasi berkas portofolio dokumen format PDF tunggal (UTS Assignment validation) yang wajib diunggah secara individu oleh mahasiswa di Waskita. | 30 | Ujian UTS/UAS yang terjadwal Resmi |
| CPL07 | CPMK13 | sub.cpmk.MT117.CPMK13.4 | 0 | Pemahaman Konsep | |
| CPL04 | CPMK08 | sub.cpmk.MT117.CPMK08.3 | 0 | Pemahaman Konsep | |
| CPL04 | CPMK08 | sub.cpmk.MT117.CPMK08.4 | 0 | Pemahaman Konsep | |
| CPL04 | CPMK08 | sub.cpmk.MT117.CPMK08.5 | 0 | Pemahaman Konsep | |
| CPL07 | CPMK13 | sub.cpmk.MT117.CPMK13.5 | Pemeriksaan berkas dokumen laporan teknis beserta lampiran tautan Google Colab yang sudah dieksekusi penuh (Tugas Mahasiswa 3). | 0 | Rubrik Analisis |
| CPL06 | CPMK11 | sub.cpmk.MT117.CPMK11.2 | Pemeriksaan berkas dokumen laporan portofolio akhir kelompok yang diunggah secara individu di LMS (Diskusi Temuan dan Analisa Hasil RTM4). | 10 | Rubrik Diskusi |
| CPL02 | CPMK03 | sub.cpmk.MT117.CPMK03.2 | Pemeriksaan kombinasi dokumen makalah (.pdf) beserta file tayang (.pptx) tugas personal (Value Proposition Canvas Assignment). | 10 | Rubrik Analisis |
| CPL04 | CPMK08 | sub.cpmk.MT117.CPMK08.1, sub.cpmk.MT117.CPMK08.2, sub.cpmk.MT117.CPMK08.3, sub.cpmk.MT117.CPMK08.4, sub.cpmk.MT117.CPMK08.5 | Peninjauan unjuk kerja pengumpulan berkas administratif digital valid (UAS Full Project Package Verification) melalui pintu gerbang unggah sistem WASKITA LMS yang terbuka hingga batas linimasa berakhir. | 30 | Rubrik Analisis |
| Total | 100 | ||||
2. Penilaian CPMK
| CPL | MK | CPMK | Partisipasi | Tes Tulis (UTS) | Unjuk Kerja (Presentasi) | Tugas Teori (Individu) | Tes Tulis (UAS) | Total | |
|---|---|---|---|---|---|---|---|---|---|
| CPL02 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK03 | 0% | 0% | 0% | 0% | 10% | 0% | 10% |
| CPL04 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK08 | 0% | 0% | 0% | 0% | 0% | 30% | 30% |
| CPL06 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK11 | 0% | 10% | 0% | 10% | 0% | 0% | 20% |
| CPL07 | BUSINESS INFORMATION SYSTEM ENGINEERING | CPMK13 | 0% | 10% | 30% | 0% | 0% | 0% | 40% |
| 100% | |||||||||