UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA
FAKULTAS MANAJEMEN & BISNIS
PROGRAM STUDI BISNIS DIGITAL PROGRAM SARJANA
RENCANA PEMBELAJARAN SEMESTER
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SMT | Tgl Penyusunan |
| AI DAN IOT UNTUK BISNIS | SBD25405T | Teknologi Lanjutan | 2 sks | 4 | 13 Maret 2026 |
| PENGESAHAN | Dosen Pengembang RPS | Koordinator MK | Kaprodi | ||
| Adiyuda Prayitna. S.T, M.T | Yosef Murya Kusuma Ardhana. ST., M.Kom | Sur Yanti. S.E., M.Sc | |||
Capaian Pembelajaran
| CPL-PRODI yang dibebankan pada MK | |
| BD-01 | Kemampuan menerapkan pengetahuan tentang dasar-dasar bisnis, keuangan, pemasaran, komunikasi, teknologi informasi dan digital, inovasi, analisis data, hukum dan etika, serta strategi bisnis lanjutan untuk memperoleh pemahaman menyeluruh tentang prinsip-prinsip Bisnis Digital. |
| BD-02 | Kemampuan menciptakan ide-ide bisnis kreatif, melakukan riset pasar untuk mengidentifikasi peluang dalam bisnis digital, serta mendesain, membangun, dan mengembangkan bisnis dengan keterampilan dalam mengoptimalkan platform e-commerce dan merancang produk digital seperti aplikasi, media sosial, konten digital, website, perangkat lunak, atau layanan online, serta bersikap adaptif terhadap perubahan tren dan teknologi, dan mengembangkan jaringan bisnis serta kolaborasi yang efektif dengan pemangku kepentingan |
| BD-03 | Kemampuan merancang dan menganalisis strategi pemasaran digital yang efektif dengan menggunakan berbagai platform digital, seperti media sosial (Facebook, TikTok, Instagram, dan Twitter) dan alat digital, seperti email marketing, Google Analytics, dan SEO tools, serta memahami perilaku konsumen digital, menganalisis data pemasaran, mengembangkan konten kreatif, menggunakan iklan berbayar, dan membangun komunitas online untuk menguasai digital marketing secara menyeluruh |
| BD-04 | Kemampuan mengelola data yang bersumber dari entitas bisnis dan organisasi, termasuk big data dalam bentuk terdesentralisasi dan terdistribusi, memiliki ketrampilan dalam menggunakan alat analitik dan metrik digital untuk memantau serta menganalisis performa kanal digital dan operasional organisasi, baik swasta maupun lembaga pemerintahan, serta menyusun laporan yang mendukung pengambilan keputusan berbasis data secara efektif. |
| BD-05 | Kemampuan manajerial dalam pengelolaan tim yang efektif, analisis data untuk pengambilan keputusan yang tepat, pengembangan dan pelaksanaan strategi pemasaran digital, manajemen proyek menggunakan metodologi Agile, pemahaman teknologi untuk inovasi produk, adaptasi cepat terhadap perubahan, serta penerapan praktik keberlanjutan dan etika terkait semua aspek operasional bisnis digital, sehingga memastikan keberhasilan dan daya saing perusahaan. |
| BD-06 | Kemampuan menerapkan dan terampil menggunakan alat dan teknologi terkini yang relevan dalam bisnis digital |
| BD-07 | Kemampuan bekerjasama dalam tim, mengembangkan jaringan relasi, berkomunikasi secara lisan maupun tertulis, dan melakukan presentasi dengan baik, serta memiliki jiwa kepemimpinan, bersifat jujur, patuh pada regulasi, hukum, dan etika bisnis, berintegritas, berbudaya digital, berwawasan global, serta bertakwa kepada Tuhan Yang Maha Esa. |
| BD-08 | Kemampuan mengembangkan diri secara berkelanjutan dengan melakukan pembelajaran sepanjang hayat |
| Capaian Pembelajaran Mata Kuliah (CPMK) | |
|
CPMK-01 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu menjelaskan konsep dasar Artificial Intelligence (AI) dan Internet of Things (IoT) serta keterkaitannya dengan sistem dan proses dalam bisnis digital. |
|
CPMK-02 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu menganalisis pemanfaatan AI dan IoT dalam pengolahan data bisnis untuk mendukung pengambilan keputusan berbasis data. |
|
CPMK-03 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu merancang solusi bisnis berbasis AI dan IoT yang inovatif sesuai dengan kebutuhan pasar dan tren teknologi digital. |
|
CPMK-04 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu menggunakan tools dan platform AI/IoT untuk mendukung strategi pemasaran digital dan analisis perilaku konsumen. |
|
CPMK-05 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu mengembangkan prototipe sederhana aplikasi atau sistem berbasis AI dan IoT untuk meningkatkan efisiensi dan nilai tambah bisnis. |
|
CPMK-06 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu bekerja dalam tim untuk merancang dan mempresentasikan solusi AI dan IoT dalam konteks bisnis secara efektif dan profesional. |
|
CPMK-07 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu mengevaluasi aspek etika, hukum, dan dampak sosial dari implementasi AI dan IoT dalam bisnis digital. |
|
CPMK-08 AI DAN IOT UNTUK BISNIS |
Mahasiswa mampu mengembangkan kemampuan belajar mandiri dalam mengikuti perkembangan teknologi AI dan IoT secara berkelanjutan. |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | |
| Sub-CPMK 1.1 | Mahasiswa mampu menjelaskan konsep dasar Artificial Intelligence (AI) dan Internet of Things (IoT). |
| Sub-CPMK 1.2 | Mahasiswa mampu mengidentifikasi komponen utama sistem AI dan IoT. |
| Sub-CPMK 1.3 | Mahasiswa mampu menjelaskan peran AI dan IoT dalam transformasi bisnis digital. |
| Sub-CPMK 2.1 | Mahasiswa mampu menjelaskan jenis data yang dihasilkan oleh sistem IoT. |
| Sub-CPMK 2.2 | Mahasiswa mampu menganalisis alur data dari IoT ke sistem AI. |
| Sub-CPMK 2.3 | Mahasiswa mampu menginterpretasikan hasil analisis data untuk pengambilan keputusan bisnis. |
| Sub-CPMK 3.1 | Mahasiswa mampu mengidentifikasi peluang bisnis berbasis AI dan IoT. |
| Sub-CPMK 3.2 | Mahasiswa mampu merancang model solusi bisnis berbasis AI dan IoT. |
| Sub-CPMK 3.3 | Mahasiswa mampu membuat use case atau business model sederhana (misal: smart retail, smart farming). |
| Sub-CPMK 4.1 | Mahasiswa mampu menggunakan tools AI sederhana (misal: chatbot, machine learning tools). |
| Sub-CPMK 4.2 | Mahasiswa mampu menggunakan platform IoT (misal: sensor, dashboard monitoring). |
| Sub-CPMK 4.3 | Mahasiswa mampu menggunakan platform IoT (misal: sensor, dashboard monitoring). |
| Sub-CPMK 5.1 | Mahasiswa mampu merancang arsitektur sistem AI dan IoT sederhana |
| Sub-CPMK 5.2 | Mahasiswa mampu membuat prototipe sederhana berbasis AI/IoT. |
| Sub-CPMK 6.1 | Mahasiswa mampu bekerja sama dalam tim untuk menyelesaikan proyek. |
| Sub-CPMK 6.2 | Mahasiswa mampu menyusun laporan proyek AI dan IoT. |
| Sub-CPMK 6.3 | Mahasiswa mampu mempresentasikan solusi bisnis berbasis AI dan IoT secara efektif. |
| Sub-CPMK 7.1 | Mahasiswa mampu menjelaskan isu etika dalam penggunaan AI dan IoT. |
| Sub-CPMK 7.2 | Mahasiswa mampu menganalisis dampak sosial dan hukum dari implementasi AI dan IoT. |
| Sub-CPMK 7.3 | Mahasiswa mampu memberikan rekomendasi penggunaan teknologi yang bertanggung jawab. |
| Sub-CPMK 8.1 | Mahasiswa mampu mengidentifikasi tren terbaru AI dan IoT. |
| Sub-CPMK 8.2 | Mahasiswa mampu mencari dan memanfaatkan sumber belajar mandiri terkait AI dan IoT. |
| Sub-CPMK 8.3 | Mahasiswa mampu mengembangkan rencana pengembangan kompetensi diri di bidang teknologi. |
Korelasi CPL terhadap CPMK
| CPL\CPMK |
CPMK-01 AI DAN IOT UNTUK BISNIS |
CPMK-02 AI DAN IOT UNTUK BISNIS |
CPMK-03 AI DAN IOT UNTUK BISNIS |
CPMK-04 AI DAN IOT UNTUK BISNIS |
CPMK-05 AI DAN IOT UNTUK BISNIS |
CPMK-06 AI DAN IOT UNTUK BISNIS |
CPMK-07 AI DAN IOT UNTUK BISNIS |
CPMK-08 AI DAN IOT UNTUK BISNIS |
|---|---|---|---|---|---|---|---|---|
| BD-01 | ✓ | ✓ | ✓ | ✓ | ||||
| BD-02 | ✓ | ✓ | ✓ | |||||
| BD-03 | ✓ | ✓ | ||||||
| BD-04 | ✓ | ✓ | ✓ | |||||
| BD-05 | ✓ | ✓ | ✓ | ✓ | ||||
| BD-06 | ✓ | ✓ | ✓ | ✓ | ||||
| BD-07 | ✓ | ✓ | ||||||
| BD-08 | ✓ |
Korelasi CPMK terhadap Sub-CPMK
| CPMK \ Sub-CPMK | Sub-CPMK | ||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Sub-CPMK 1.1 | Sub-CPMK 1.2 | Sub-CPMK 1.3 | Sub-CPMK 2.1 | Sub-CPMK 2.2 | Sub-CPMK 2.3 | Sub-CPMK 3.1 | Sub-CPMK 3.2 | Sub-CPMK 3.3 | Sub-CPMK 4.1 | Sub-CPMK 4.2 | Sub-CPMK 4.3 | Sub-CPMK 5.1 | Sub-CPMK 5.2 | Sub-CPMK 6.1 | Sub-CPMK 6.2 | Sub-CPMK 6.3 | Sub-CPMK 7.1 | Sub-CPMK 7.2 | Sub-CPMK 7.3 | Sub-CPMK 8.1 | Sub-CPMK 8.2 | Sub-CPMK 8.3 | |
|
CPMK-01 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | ✓ | ||||||||||||||||||||
|
CPMK-02 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | ✓ | ||||||||||||||||||||
|
CPMK-03 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | ✓ | ||||||||||||||||||||
|
CPMK-04 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | ✓ | ||||||||||||||||||||
|
CPMK-05 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | |||||||||||||||||||||
|
CPMK-06 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | ✓ | ✓ | |||||||||||||||||||
|
CPMK-07 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | |||||||||||||||||||||
|
CPMK-08 AI DAN IOT UNTUK BISNIS |
✓ | ✓ | ✓ | ||||||||||||||||||||
| Deskripsi Singkat MK |
Mata kuliah ini membahas konsep, prinsip, dan implementasi Artificial Intelligence (AI) dan Internet of Things (IoT) dalam konteks bisnis digital. Mahasiswa akan mempelajari dasar-dasar AI dan IoT, jenis dan pengolahan data yang dihasilkan, serta bagaimana teknologi tersebut digunakan untuk mendukung pengambilan keputusan berbasis data. Selain itu, mahasiswa akan mengkaji pemanfaatan AI dan IoT dalam berbagai sektor bisnis seperti smart retail, smart farming, dan smart services, termasuk analisis peluang pasar, perancangan model bisnis, serta strategi inovasi berbasis teknologi digital. Pembelajaran juga mencakup penggunaan tools AI dan platform IoT untuk pengembangan solusi bisnis, analisis perilaku konsumen, serta optimalisasi kinerja operasional. Melalui pendekatan project-based learning, mahasiswa akan merancang dan mengembangkan prototipe sederhana berbasis AI dan IoT yang relevan dengan kebutuhan industri. Mata kuliah ini juga menekankan aspek etika, hukum, dan dampak sosial dari implementasi teknologi, serta kemampuan kerja tim, komunikasi, dan pembelajaran mandiri agar mahasiswa mampu beradaptasi dengan perkembangan teknologi secara berkelanjutan. |
||
| Bahan Kajian: Materi Pembelajaran | Mata kuliah ini mencakup konsep dasar Artificial Intelligence (AI) dan Internet of Things (IoT), termasuk komponen, arsitektur, dan perannya dalam transformasi bisnis digital. Mahasiswa mempelajari jenis data IoT, pengolahan data, serta analisis untuk pengambilan keputusan berbasis data. Bahan kajian juga meliputi identifikasi peluang bisnis, perancangan model bisnis digital, dan pengembangan use case seperti smart retail dan smart farming. Selain itu, dibahas penggunaan tools AI dan platform IoT, perancangan arsitektur sistem, serta pembuatan prototipe sederhana. Aspek manajemen proyek, kerja tim, etika, hukum, dampak sosial teknologi, serta tren AI dan IoT juga menjadi bagian penting pembelajaran. | ||
| Pustaka |
Utama: 1. Artificial Intelligence: A Modern Approach – Stuart Russell & Peter Norvig Internet of Things: A Hands-On Approach – Arshdeep Bahga & Vijay Madisetti Machine Learning Yearning – Andrew Ng Business Model Generation – Alexander Osterwalder & Yves Pigneur Pendukung: 1. Digital Business and E-Commerce Management – Dave Chaffey AI Superpowers – Kai-Fu Lee The Fourth Industrial Revolution – Klaus Schwab McKinsey & Company Reports on AI & Digital Business World Economic Forum Reports on IoT & Industry 4.0 Jurnal ilmiah (IEEE, Springer, Elsevier) terkait AI, IoT, dan Bisnis Digital |
||
| Pengampu |
Yosef Murya Kusuma Ardhana,
ST., M.Kom Sur Yanti, S.E., M.Sc Adiyuda Prayitna, S.T, M.T |
||
| Penilaian | Komponen CPMK | Bentuk Penilaian | Persentase Bobot |
| SBD25405T (CPMK-01) | Kuis, tes tertulis | 5.00% | |
| SBD25405T (CPMK-02) | Tugas analisis kasus | 10.00% | |
| SBD25405T (CPMK-03) | roposal bisnis (individu/kelompok) | 15.00% | |
| SBD25405T (CPMK-03) | Proposal bisnis (individu/kelompok) | 15.00% | |
| SBD25405T (CPMK-04) | Praktikum / hands-on | 10.00% | |
| SBD25405T (CPMK-05) | Proyek (prototype AI/IoT) | 10.00% | |
| SBD25405T (CPMK-06) | Presentasi & laporan kelompok | 10.00% | |
| SBD25405T (CPMK-07) | Esai / studi kasus | 5.00% | |
| SBD25405T (CPMK-08) | Portofolio / refleksi belajar | 5.00% | |
| SBD25405T (CPMK-02), SBD25405T (CPMK-01) | Evaluasi Tengah (UTS) | 7.50% | |
| SBD25405T (CPMK-04), SBD25405T (CPMK-07), SBD25405T (CPMK-06), SBD25405T (CPMK-08), SBD25405T (CPMK-05), SBD25405T (CPMK-03) | Evaluasi Akhir (UAS) | 7.50% | |
| Total | 100% | ||
| Matakuliah Syarat | - | ||
Rencana Pembelajaran Semester
| Mg Ke- |
Sub-CPMK (sbg kemampuan akhir diharapkan) |
Penilaian | Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; | Materi Pembelajaran |
Bobot Penilaian |
||
|---|---|---|---|---|---|---|---|
| Indikator | Kriteria & Bentuk | Luring | Daring | ||||
| (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) |
| 1 |
Sub-CPMK 1.1
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menjelaskan konsep dasar Artificial Intelligence (AI) dan Internet of Things (IoT). |
Mahasiswa mampu menjelaskan konsep AI & IoT | Ketepatan penjelasan konsep, keaktifan diskusi, hasil kuis | Ceramah interaktif, diskusi | Video pembelajaran, forum diskusi | Pengantar AI & IoT dalam bisnis digital | 5.00% |
| 2 |
Sub-CPMK 1.2
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu mengidentifikasi komponen utama sistem AI dan IoT. |
Mahasiswa mampu mengidentifikasi komponen AI & IoT | Ketepatan identifikasi komponen, kelengkapan jawaban | Ceramah, studi kasus | Video, LMS quiz | Komponen AI (ML, NLP), IoT (sensor, device, network) | 5.00% |
| 3 |
Sub-CPMK 1.3
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menjelaskan peran AI dan IoT dalam transformasi bisnis digital. |
Mahasiswa mampu menjelaskan peran AI & IoT dalam bisnis | Kemampuan analisis, argumentasi | Diskusi, studi kasus | Diskusi, studi kasus | Forum Diskusi | Transformasi digital berbasis AI & IoT | 5.00% |
| 4 |
Sub-CPMK 2.1
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menjelaskan jenis data yang dihasilkan oleh sistem IoT. |
Mahasiswa mampu menjelaskan jenis data IoT | Ketepatan klasifikasi data | Ceramah, praktik | Video, kuis online | Data sensor, streaming data, big data | 5.00% |
| 5 |
Sub-CPMK 2.2
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menganalisis alur data dari IoT ke sistem AI. |
Mahasiswa mampu menganalisis alur data IoT ke AI | Ketepatan analisis, alur logika | Studi kasus | LMS assignment | Data pipeline IoT ke AI (ETL, cloud) | 5.00% |
| 6 |
Sub-CPMK 2.3
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menginterpretasikan hasil analisis data untuk pengambilan keputusan bisnis. |
Mahasiswa mampu menginterpretasikan data bisnis | Ketepatan interpretasi, insight bisnis | Diskusi, studi kasus | Forum diskusi | Data-driven decision making | 5.00% |
| 7 |
Sub-CPMK 3.1
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu mengidentifikasi peluang bisnis berbasis AI dan IoT. |
Mahasiswa mampu mengidentifikasi peluang bisnis AI & IoT | Kreativitas ide, relevansi pasar | Brainstorming | Diskusi online | Peluang bisnis AI & IoT (smart retail, smart farming) | 5.00% |
| 8 |
Sub-CPMK 2.3
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menginterpretasikan hasil analisis data untuk pengambilan keputusan bisnis. Sub-CPMK 1.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menjelaskan konsep dasar Artificial Intelligence (AI) dan Internet of Things (IoT). Sub-CPMK 2.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menjelaskan jenis data yang dihasilkan oleh sistem IoT. Sub-CPMK 1.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu mengidentifikasi komponen utama sistem AI dan IoT. Sub-CPMK 2.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menganalisis alur data dari IoT ke sistem AI. Sub-CPMK 1.3 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menjelaskan peran AI dan IoT dalam transformasi bisnis digital. |
Mahasiswa mampu memahami konsep & analisis AI/IoT | Ketepatan jawaban, pemahaman konsep | Ujian tertulis / Membuat Video | CBT / LMS Test | Evaluasi materi 1–7 | 15.00% |
| 9 |
Sub-CPMK 3.2
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu merancang model solusi bisnis berbasis AI dan IoT. |
Mahasiswa mampu merancang solusi bisnis AI & IoT | Kesesuaian model bisnis, inovasi | Project-based learning | LMS submission | Business model AI & IoT | 5.00% |
| 10 |
Sub-CPMK 3.3
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu membuat use case atau business model sederhana (misal: smart retail, smart farming). |
Mahasiswa mampu membuat use case bisnis | Kejelasan use case, kelengkapan | Studi kasus | Diskusi online | Use case: smart city, smart farming | 5.00% |
| 11 |
Sub-CPMK 4.1
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menggunakan tools AI sederhana (misal: chatbot, machine learning tools). |
Mahasiswa mampu menggunakan tools AI | Ketepatan penggunaan tools | Praktikum | Video tutorial, simulasi | Chatbot, machine learning tools | 5.00% |
| 12 |
Sub-CPMK 4.3
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu menggunakan platform IoT (misal: sensor, dashboard monitoring). Sub-CPMK 4.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menggunakan platform IoT (misal: sensor, dashboard monitoring). |
Mahasiswa mampu menggunakan platform IoT | Ketepatan implementasi | Praktikum | Simulasi Online | Sensor & dashboard monitoring | 5.00% |
| 13 |
Sub-CPMK 5.1
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu merancang arsitektur sistem AI dan IoT sederhana |
Mahasiswa mampu merancang arsitektur sistem | Kesesuaian desain, kelengkapan komponen | Project | LMS submission | Arsitektur AI & IoT (cloud, edge computing) | 5.00% |
| 14 |
Sub-CPMK 5.2
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu membuat prototipe sederhana berbasis AI/IoT. |
Mahasiswa mampu membuat prototipe AI & IoT | Fungsionalitas, inovasi | Project-based | Demo online | Pembuatan prototipe sederhana | 5.00% |
| 15 |
Sub-CPMK 6.3
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu mempresentasikan solusi bisnis berbasis AI dan IoT secara efektif. Sub-CPMK 6.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menyusun laporan proyek AI dan IoT. Sub-CPMK 6.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu bekerja sama dalam tim untuk menyelesaikan proyek. |
Mahasiswa mampu bekerja dalam tim & presentasi | Kerjasama, komunikasi, kualitas presentasi | Presentasi langsung | Presentasi online | Presentasi proyek | 5.00% |
| 16 |
Sub-CPMK 8.1
(AI DAN IOT UNTUK BISNIS)
Mahasiswa mampu mengidentifikasi tren terbaru AI dan IoT. Sub-CPMK 8.3 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu mengembangkan rencana pengembangan kompetensi diri di bidang teknologi. Sub-CPMK 8.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu mencari dan memanfaatkan sumber belajar mandiri terkait AI dan IoT. Sub-CPMK 6.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menyusun laporan proyek AI dan IoT. Sub-CPMK 6.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu bekerja sama dalam tim untuk menyelesaikan proyek. Sub-CPMK 5.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu merancang arsitektur sistem AI dan IoT sederhana Sub-CPMK 7.3 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu memberikan rekomendasi penggunaan teknologi yang bertanggung jawab. Sub-CPMK 3.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu merancang model solusi bisnis berbasis AI dan IoT. Sub-CPMK 3.3 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu membuat use case atau business model sederhana (misal: smart retail, smart farming). Sub-CPMK 4.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menggunakan tools AI sederhana (misal: chatbot, machine learning tools). Sub-CPMK 5.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu membuat prototipe sederhana berbasis AI/IoT. Sub-CPMK 3.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu mengidentifikasi peluang bisnis berbasis AI dan IoT. Sub-CPMK 6.3 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu mempresentasikan solusi bisnis berbasis AI dan IoT secara efektif. Sub-CPMK 4.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menggunakan platform IoT (misal: sensor, dashboard monitoring). Sub-CPMK 4.3 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menggunakan platform IoT (misal: sensor, dashboard monitoring). Sub-CPMK 7.1 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menjelaskan isu etika dalam penggunaan AI dan IoT. Sub-CPMK 7.2 (AI DAN IOT UNTUK BISNIS) Mahasiswa mampu menganalisis dampak sosial dan hukum dari implementasi AI dan IoT. |
Mahasiswa mampu mengevaluasi dan mengintegrasikan AI & IoT dalam bisnis | Ketepatan analisis, integrasi konsep, refleksi | Ujian + presentasi | LMS + video presentasi | Evaluasi keseluruhan | 15.00% |
| Total Bobot | 100% | ||||||
Catatan:
- Capaian Pembelajaran Lulusan PRODI (CPL-PRODI) adalah kemampuan yang dimiliki oleh setiap lulusan PRODI yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
- CPL yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-PRODI) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampilan umum, ketrampilan khusus dan pengetahuan.
- CP Mata kuliah (CPMK) adalah kemampuan yang dijabarkan secara spesifik dari CPL yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
- Sub-CPMK mata kuliah (Sub-CPMK) adalah kemampuan yang dijabarkan secara spesifik dari CPMK yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran.
- 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.
- Kriteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan.
- Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
- Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, Problem Based Learning, Case Based Learning dan metode lainnya yg setara.
- Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
- Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-CPMK yang besarnya proposional dengan tingkat kesulitan pencapaian sub-CPMK tersebut, dan totalnya 100%.
- Untuk mata kuliah PjBL pertemuan 14 dan 15 dialokasikan untuk presentasi project.
RUBRIK PENILAIAN (MARKING SCORE)
CPMK-01: Mahasiswa mampu menjelaskan konsep dasar Artificial Intelligence (AI) dan Internet of Things (IoT) serta keterkaitannya dengan sistem dan proses dalam bisnis digital.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Pemahaman konsep AI dan IoT Penjelasan keterkaitan AI, IoT, dan bisnis digital Penggunaan contoh nyata | Tidak mampu menjelaskan konsep AI & IoT | Penjelasan tidak lengkap dan kurang tepat | Menjelaskan konsep dasar namun terbatas dan kurang contoh | Menjelaskan konsep dengan cukup jelas, terdapat contoh namun kurang mendalam | Menjelaskan konsep AI & IoT secara lengkap, sistematis, disertai contoh relevan dalam bisnis digital |
CPMK-02: Mahasiswa mampu menganalisis pemanfaatan AI dan IoT dalam pengolahan data bisnis untuk mendukung pengambilan keputusan berbasis data.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Identifikasi penggunaan AI & IoT Analisis data bisnis Keterkaitan dengan pengambilan keputusan | Tidak mampu melakukan analisis | Analisis tidak jelas dan kurang relevan | Analisis dasar dan kurang tajam | Analisis cukup baik namun belum mendalam | Analisis mendalam, logis, dan mampu mengaitkan dengan keputusan bisnis |
CPMK-03: Mahasiswa mampu merancang solusi bisnis berbasis AI dan IoT yang inovatif sesuai dengan kebutuhan pasar dan tren teknologi digital.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Kreativitas ide Kesesuaian dengan kebutuhan pasar Integrasi teknologi | Tidak mampu merancang solusi | Solusi tidak sesuai kebutuhan pasar | Solusi sederhana dan kurang inovatif | Solusi cukup inovatif dan relevan | Solusi inovatif, realistis, dan sesuai tren teknologi |
CPMK-04: Mahasiswa mampu menggunakan tools dan platform AI/IoT untuk mendukung strategi pemasaran digital dan analisis perilaku konsumen.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Penguasaan tools Implementasi dalam analisis konsumen Integrasi dengan strategi pemasaran | Tidak mampu menggunakan tools | Kurang mampu menggunakan tools | Penggunaan tools terbatas | Menggunakan tools dengan cukup baik | Menggunakan tools dengan sangat baik dan tepat guna |
CPMK-05: Mahasiswa mampu mengembangkan prototipe sederhana aplikasi atau sistem berbasis AI dan IoT untuk meningkatkan efisiensi dan nilai tambah bisnis.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Fungsi prototipe Inovasi Nilai tambah bisnis | Tidak menghasilkan prototipe | Prototipe tidak berjalan dengan baik | Prototipe sederhana dan terbatas | Prototipe berfungsi dengan baik | Prototipe berfungsi optimal, inovatif, dan bernilai bisnis tinggi |
CPMK-06: Mahasiswa mampu bekerja dalam tim untuk merancang dan mempresentasikan solusi AI dan IoT dalam konteks bisnis secara efektif dan profesional.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Kolaborasi tim Pembagian tugas Kualitas presentasi | Tidak berkontribusi dalam tim | Kerja tim tidak efektif | Kolaborasi kurang optimal | Kolaborasi baik, presentasi cukup jelas | Kolaborasi sangat baik, presentasi profesional dan jelas |
CPMK-07: Mahasiswa mampu mengevaluasi aspek etika, hukum, dan dampak sosial dari implementasi AI dan IoT dalam bisnis digital.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Pemahaman etika AI & IoT Analisis dampak sosial Kepatuhan hukum | Tidak memahami aspek etika/hukum | Pemahaman lemah | Analisis terbatas | Analisis cukup jelas | Analisis etika dan hukum sangat komprehensif |
CPMK-08: Mahasiswa mampu mengembangkan kemampuan belajar mandiri dalam mengikuti perkembangan teknologi AI dan IoT secara berkelanjutan.
| Indikator | Sangat Kurang (<20) | Kurang (21-40) | Cukup (41-60) | Baik (61-80) | Sangat Baik (81-100) |
|---|---|---|---|---|---|
| Inisiatif belajar Eksplorasi teknologi baru Refleksi diri | Tidak menunjukkan usaha belajar mandiri | Kurang inisiatif | Belajar mandiri terbatas | Cukup aktif belajar mandiri | Sangat aktif belajar mandiri dan eksploratif |