GENERATOR PROMPT

Desain Pembelajaran

Isi data untuk merakit prompt

1. Identitas Mata Kuliah

Nama Mata Kuliah *

Program Studi *

Strata / Jenjang * S1 (Sarjana) S1 Terapan S2 (Magister) S2 Terapan S3 (Doktor) D3/D4 (Vokasi)

Bobot SKS 2 SKS 3 SKS 4 SKS

Jumlah Pertemuan 14 Minggu 16 Minggu

Deskripsi Singkat MK

2. Fondasi OBE (CPL)

CPL Prodi yang Dibebankan (CPL) *

AI akan menggunakan CPL ini untuk merancang CPMK.

3. Strategi Pembelajaran

Metode Utama yang Diinginkan Kombinasi (Sesuai Karakteristik Materi) Project Based Learning (PjBL) – Fokus Produk Case Method – Fokus Analisis Kasus Problem Based Learning – Fokus Solusi

Rakit Prompt OBE

Hasil Prompt Siap Salin

Prompt Belum Dirakit

Isi formulir di sebelah kiri, lalu klik “Rakit Prompt OBE”.

1. Salin prompt di bawah ini:

Salin Teks

2. Buka Aplikasi AI & Tempel (Paste):

Gemini ChatGPT

DS

DeepSeek

Cl

Claude

DENGAN API KEY

1. Pilih Kecerdasan Buatan (AI)

Gemini

ChatGPT

DS DeepSeek

Cl Claude

Masukkan Gemini API Key Model: gemini-1.5-flash

Kunci akan disimpan otomatis di browser (Local Storage) Anda.

---

Data Mata Kuliah

Nama Mata Kuliah *

Program Studi *

Strata * S1 (Sarjana) S1 Terapan S2 (Magister) S3 (Doktor) D3/D4 (Vokasi)

SKS 2 SKS 3 SKS 4 SKS

Pertemuan 14 Minggu 16 Minggu

CPL Prodi (Capaian Lulusan) *

Metode Utama Campuran (Sesuai Materi) PjBL (Berbasis Proyek) Case Method (Studi Kasus) PBL (Berbasis Masalah)

Jalankan Perancang OBE

Output Perancangan

GEMINI Salin

Siap Merancang

Pilih Provider AI, masukkan Key, isi data, dan klik Jalankan.

Sedang Menghubungi AI…

Mengirim data ke server Gemini…

Arsitektur Pengetahuan

Secara ontologis, Gen-Rancang OBE memposisikan perancangan pembelajaran bukan sekadar tugas administratif, melainkan sebuah “Arsitektur Pengetahuan”. Aplikasi ini berakar pada filsafat Esensialisme yang menekankan standar kompetensi inti, namun dieksekusi dengan pendekatan Pragmatisme, di mana nilai kebenaran sebuah rencana pembelajaran diukur dari kebermanfaatannya (utility) dan keterukurannya di dunia nyata.

Dalam konteks relasi manusia-teknologi, aplikasi ini menolak Technological Determinism. Sebaliknya, ia mengadopsi pandangan Instrumentalisme, di mana AI ditempatkan sebagai Scaffolding Kognitif. Dosen tetap menjadi Master Architect, sementara Gen-Rancang bertindak sebagai insinyur struktur yang memastikan fondasi (CPL) mampu menopang bangunan aktivitas dan asesmen secara logis. Ini menjawab tantangan epistemologis dalam pendidikan: bagaimana menerjemahkan visi abstrak (Capaian Lulusan) menjadi aksi konkret di kelas tanpa kehilangan esensi maknanya. Aplikasi ini menjaga “kemurnian” transfer pengetahuan dengan meminimalkan distorsi saat penurunan CPL menjadi CPMK.

Backward Design

Landasan teoritis utama aplikasi ini adalah Understanding by Design (UbD) atau sering disebut Backward Design oleh Wiggins & McTighe. Berbeda dengan pendekatan tradisional yang seringkali dimulai dari “apa materi yang akan diajarkan”, Gen-Rancang memaksa alur berpikir mundur: dimulai dari CPL (Hasil), menentukan Bukti Penilaian (Asesmen), baru kemudian merancang Aktivitas Pembelajaran.

Aplikasi ini juga mengintegrasikan Taksonomi Bloom (Revisi Anderson & Krathwohl) sebagai algoritma validasi internal. Saat AI merancang CPMK, ia diprogram untuk memilih Kata Kerja Operasional (KKO) yang presisi sesuai jenjang kualifikasi (KKNI). Secara sistemik, ini menjamin terciptanya Constructive Alignment (Biggs), di mana terdapat garis linier yang tak terputus antara tujuan, proses, dan evaluasi. Jika Gen-Refleksi berfungsi sebagai Feedback Loop, maka Gen-Rancang berfungsi sebagai Feedforward Control, mengantisipasi kegagalan pembelajaran dengan desain yang presisi sejak awal.

Tutorial Aplikasi

Dalam tataran praksis, penggunaan aplikasi ini mengadopsi model pengembangan sistem instruksional yang sistematis (Systematic Instructional Design). Berikut adalah alur metodologisnya:

Tahap 1: Analisis Konteks & Karakteristik (Input Data)

Langkah ini merepresentasikan tahap Analysis dalam model ADDIE.

• Identitas & Strata: Dosen menetapkan parameter batas (boundary system). Input Strata (S1/D4/S2) krusial agar AI dapat membedakan antara kebutuhan hardskill teknis atau hots analitis.
• Fondasi OBE (CPL): Dosen memasukkan Goal Statement. Ini adalah input terpenting yang menjadi “kompas” bagi seluruh desain.

Tahap 2: Sintesis Strategi Instruksional (Prompting)

Ini adalah tahap Design.

• Pilihan Metode: Dosen memilih pendekatan (misal: PjBL atau Case Method).
• Eksekusi AI (Generator Prompt/API): Saat tombol ditekan, sistem melakukan sintesis data. AI memecah CPL menjadi sub-komponen (Sub-CPMK) dan menyusun matriks aktivitas mingguan (Instructional Sequencing) yang logis dari mudah ke sukar (scaffolding).

Tahap 3: Konstruksi Instrumen (Output)

Ini adalah tahap Development.

• Hasil output berupa tabel RPS dan draf asesmen bukan produk final, melainkan prototipe. Dosen melakukan validasi ahli (expert judgment) terhadap draf tersebut, menyesuaikan konteks spesifik mahasiswa, sebelum menjadikannya dokumen legal pembelajaran.