CPL-CPMK Aligner
Modul Pemetaan Capaian Pembelajaran Lulusan (CPL) ke Capaian Pembelajaran Mata Kuliah (CPMK)
1. Informasi Mata Kuliah
2. Input CPL (Capaian Pembelajaran Lulusan)
Catatan Simulasi: Rumusan CPMK di bawah ini dihasilkan menggunakan simulasi pemetaan taksonomi Bloom. Ini adalah gambaran kasar struktur materi. Gunakan Tab Master Prompt AI untuk hasil yang jauh lebih akurat dan terkalibrasi.
Cara Penggunaan: Salin (Copy) seluruh teks di bawah ini dan tempelkan (Paste) ke ChatGPT, Claude, atau Gemini. AI akan menghasilkan rumusan CPMK yang sangat presisi, terukur, dan mematuhi taksonomi Bloom.
Backward Design
Aplikasi ini berlandaskan pada prinsip Backward Design (Desain Mundur), di mana perancangan pembelajaran tidak berawal dari materi pelajaran, melainkan dari profisiensi atau capaian akhir yang diharapkan pada diri lulusan. Secara filosofis, aplikasi ini menjaga agar penurunan capaian dari tingkat program studi (CPL) ke tingkat mata kuliah (CPMK) tidak mengalami distorsi makna atau perluasan cakupan yang tidak relevan (scope creep). Modul ini memastikan bahwa setiap CPMK yang dibentuk memiliki “benang merah” yang jujur dan akuntabel terhadap CPL induknya, tanpa membebani mahasiswa di luar konteks deskripsi mata kuliah.
Konstruktif dan Bloom
Secara metodologis, aplikasi ini menerapkan Teori Keselarasan Konstruktif (Constructive Alignment) oleh John Biggs yang dipadukan dengan Taksonomi Bloom Terrevisi (Anderson & Krathwohl). Aplikasi memanfaatkan Kata Kerja Operasional (KKO) pada ranah Kognitif (C1–C6), Afektif (A1–A5), dan Psikomotorik (P1–P5). Aplikasi memuat algoritma scaffolding matematis: jika sebuah CPL diturunkan menjadi beberapa CPMK, aplikasi secara cerdas memetakan taraf KKO secara bertahap (dimulai dari pemahaman awal hingga mencapai puncak taksonomi CPL target), sehingga proses peningatan kemampuan mahasiswa berlangsung secara terstruktur dan linear.
Tutorial
- Mengisi Informasi Mata Kuliah: Masukkan Nama Mata Kuliah dan Deskripsi Singkat MK pada kolom ketersediaan.
- Input Capaian Pembelajaran Lulusan (CPL): Isikan kode CPL (contoh: CPL-1) beserta pernyataan lengkap CPL prodi yang dibebankan pada MK tersebut. Klik tombol “+ Tambah CPL” jika mata kuliah mengemban lebih dari satu CPL.
- Konfigurasi Taksonomi & Jumlah CPMK: Pada setiap item CPL, pilih Target Taksonomi Bloom (opsional, atau biarkan dianalisis otomatis oleh sistem) serta tentukan berapa jumlah CPMK yang ingin diturunkan.
- Generating & Eksekusi: Klik tombol “Hasilkan Rumusan CPMK”. Anda dapat melihat simulasi hasilnya pada tab Pratinjau Simulasi CPMK atau berpindah ke tab Master Prompt AI untuk menyalin prompt terstruktur yang siap digunakan pada LLM (ChatGPT/Claude/Gemini).
Weekly Matrix Generator
Modul Dekonstruksi Sub-CPMK, Indikator, dan Distribusi Materi (Pekan 1-16)
1. Konteks Mata Kuliah & Pustaka
2. Input CPMK (Target Pembelajaran)
Masukkan rumusan CPMK yang telah dihasilkan dari Modul Pemetaan (Aplikasi 1).
Simulasi pembagian Sub-CPMK dan Indikator secara merata dari Pekan 1 hingga 16.
| Pekan | Sub-CPMK (Kemampuan akhir) |
Indikator Penilaian | Materi Pembelajaran & Pustaka | Relevansi CPMK |
|---|
Tips: Salin teks prompt di bawah ini dan tempelkan ke ChatGPT, Claude, atau Gemini untuk mendapatkan tabel RPS yang dideskripsikan secara sangat komprehensif, naratif, dan mengikuti kaidah akademis yang baku.
Belajar
Aplikasi ini berpijak pada pandangan filosofis bahwa proses belajar adalah sebuah perjalanan transformatif yang sistematis dan bertahap selama 16 pekan. Capaian mata kuliah yang kompleks tidak dapat diserap dalam satu waktu, melainkan harus didekonstruksi menjadi tahapan-tahapan kecil yang logis (Sub-CPMK). Selain itu, aplikasi ini menekankan pentingnya transparansi epistemologis, di mana setiap gagasan dan materi yang diajarkan harus berjangkar pada sumber literatur yang shahih (pustaka utama dan pendukung).
Dekonstruksi CPMK
Secara akademis, aplikasi ini mengimplementasikan dekonstruksi CPMK menjadi Sub-CPMK menggunakan kaidah pembagian proporsional untuk 14 pekan pertemuan aktif, dengan mengunci Pekan ke-8 untuk Ujian Tengah Semester (UTS) dan Pekan ke-16 untuk Ujian Akhir Semester (UAS). Modul ini mengatur distribusi materi agar terhindar dari ketimpangan beban belajar antarminggu. Integrasi pustaka didukung oleh penanganan multi-input dinamis yang mampu membedakan antara sitasi teks konvensional dan tautan URL digital.
Tutorial
- Identitas & Pustaka: Isikan Nama Mata Kuliah, lalu tambahkan daftar Pustaka Utama dan Pustaka Pendukung. Anda dapat memilih tipe input berupa Teks/Sitasi atau URL menggunakan tombol dropdown yang tersedia.
- Input CPMK & Jumlah Sub-CPMK: Masukkan rumusan CPMK (hasil dari Aplikasi 1) dan tentukan jumlah Sub-CPMK yang ingin dihasilkan dari masing-masing CPMK tersebut.
- Proses Matriks: Klik “Proses Matriks & Prompt”.
- Review & Salin: Buka tab Tabel Simulasi Matriks untuk melihat distribusi 16 pekan, atau gunakan tab Generator Prompt AI untuk menyalin instruksi otomatis yang akan memerintahkan AI menyusun deskripsi naratif matriks secara utuh.
Pedagogy & Time Calculator
Modul Perhitungan Beban Waktu SKS & Pemilihan Metode Pembelajaran RPS
1. Input Beban SKS
*1 SKS Teori = 50mnt (TM) + 60mnt (PT) + 60mnt (BM).
*1 SKS Praktik = 170mnt.
2. Konteks Bahasan (Opsional)
Digunakan untuk memberi konteks pada generator prompt AI.
3. Pilih Metode Pembelajaran
Pilih satu atau kombinasi metode yang akan diterapkan pada pekan/sesi ini. (Berdasarkan kode metode standar RPS).
Alokasi waktu dihitung otomatis berdasarkan formula SN-Dikti untuk diisikan ke dalam tabel RPS.
Tatap Muka (TM)
Bentuk: Kuliah
Metode: PBL, SGD
Belajar Mandiri (BM) & Penugasan (PT)
Mempelajari modul mandiri.
PT (2×60 menit) :
Mengerjakan tugas studi kasus.
Tips: Salin teks di bawah dan masukkan ke ChatGPT/Claude. AI akan membuatkan deskripsi yang sangat rapi untuk mengisi sel Kolom (5) pada tabel RPS, lengkap dengan instruksi penugasan spesifik sesuai metode yang dipilih.
Student-Centered Learning
Aplikasi ini mencerminkan filosofi pembelajaran berpusat pada mahasiswa (Student-Centered Learning / SCL), di mana waktu bukan sekadar angka jam perkuliahan, melainkan ukuran beban aktivitas belajar yang adil bagi mahasiswa. Filosofi pedagogi yang diusung adalah keterpaduan antara strategi memfasilitasi (metode pembelajaran) dengan alokasi waktu yang riil, sehingga mahasiswa memiliki ruang yang seimbang antara interaksi tatap muka, belajar mandiri, dan penyelesaian tugas terstruktur.
Standar Nasional Pendidikan Tinggi
Aplikasi ini dibangun secara persis di atas regulasi Standar Nasional Pendidikan Tinggi (SN-Dikti) mengenai kalkulasi bobot Satuan Kredit Semester (SKS):
- 1 SKS Teori: $1 \times 50\text{ menit}$ Tatap Muka (TM) + $1 \times 60\text{ menit}$ Belajar Mandiri (BM) + $1 \times 60\text{ menit}$ Penugasan Terstruktur (PT) per minggu.
- 1 SKS Praktik: $1 \times 170\text{ menit}$ proses praktik terjadwal per minggu. Selain itu, aplikasi mengadopsi kode-kode metode pembelajaran SCL standar perguruan tinggi seperti Small Group Discussion (SGD), Project Based Learning (PjBL), Problem Based Learning (PBL), Discovery Learning (DL), dan lainnya.
Tutorial
- Input Beban SKS: Masukkan jumlah SKS Teori dan/atau SKS Praktik mata kuliah Anda.
- Konteks & Metode: Isikan deskripsi singkat topik/kasus pekanan (opsional). Centang satu atau kombinasi Kode Metode Pembelajaran (misalnya PjBL atau PBL) serta pilih Bentuk Pembelajaran (Kuliah, Responsi, Praktikum).
- Kalkulasi: Klik “Kalkulasi & Buat Instruksi AI”.
- Pemanfaatan Hasil: Lihat hasil breakdown menit pada tab Kalkulator Waktu RPS (Kolom 5). Untuk menghasilkan deskripsi operasional aktivitas dosen dan mahasiswa yang terstruktur rapi untuk sel Luring/Daring RPS, salin teks pada tab Prompt AI.
Assessment & Rubric Builder
Modul Perancangan Teknik, Kriteria, dan Kalkulasi Bobot Penilaian (100%)
Total Bobot Penilaian
Akumulasi seluruh evaluasi selama 1 semester.
Mulai tambahkan komponen evaluasi…
Daftar Komponen Evaluasi
Total bobot belum mencapai 100%.
Pemetaan komponen evaluasi untuk dimasukkan ke Kolom (4) dan Kolom (8) pada format RPS.
| Komponen / Tahap Evaluasi | Kolom (4) Penilaian: Teknik & Kriteria | Kolom (8) Bobot Penilaian (%) |
|---|---|---|
| Total Akumulasi Semester: | 100% | |
Tips Ahli: Di dalam kurikulum OBE, setiap Kriteria (Rubrik/Pedoman Penskoran) harus didefinisikan secara konkrit di lampiran RPS. Salin *prompt* di bawah ke ChatGPT/Claude, lalu mintalah AI untuk menyusun lampiran rubrik untuk setiap komponen secara mendetail.
Akuntabilitas, keadilan, dan transparansi evaluasi
Filosofi utama dari modul ini adalah akuntabilitas, keadilan, dan transparansi evaluasi. Dalam kurikulum berbasis luaran, penilaian tidak boleh bersifat subjektif atau asal-asalan. Setiap bobot persentase yang diberikan harus mencerminkan tingkat kesulitan dan kontribusi capaian pembelajaran. Aplikasi ini memegang prinsip Zero-Sum Evaluation Balance (pasti 100%), yang menegaskan bahwa seluruh rangkaian asesmen dalam satu semester harus terukur secara utuh tanpa ada bobot nilai yang hilang atau berlebihan.
Penilaian Autentik
Aplikasi ini menerapkan teori Penilaian Autentik (Authentic Assessment) serta pemisahan teknik asesmen menjadi ranah Tes (Kognitif: Esai, Pilihan Ganda, Kuis) dan Non-Tes (Psikomotorik/Afektif: Unjuk Kerja, Proyek, Laporan, Portofolio, Observasi). Dalam hal kriteria, aplikasi mengakomodasi pedoman penskoran kuantitatif, rubrik analitik, rubrik holistik, rating scale, dan checklist. Secara matematis, JavaScript dalam modul ini bertindak sebagai validator real-time yang mengunci tombol pembuatan sebelum akumulasi bobot bernilai persis 100%.
Tutorial
- Kelola Komponen Evaluasi: Tentukan nama-nama komponen evaluasi (misal: UTS, UAS, Penugasan Praktikum).
- Set Teknik & Kriteria: Pilih Teknik Penilaian dan Kriteria Penilaian (Pedoman/Rubrik) yang sesuai untuk masing-masing komponen.
- Atur Bobot (%): Masukkan persentase bobot nilai. Perhatikan Progress Bar; indikator akan berwarna hijau dan mengaktifkan tombol Generate HANYA jika akumulasi total bobot mencapai persis 100%.
- Generate & Salin: Klik “Generate Rubrik & Tabel Penilaian”. Anda dapat menyalin pemetaan untuk Kolom (4) & (8) pada format RPS atau menggunakan tab AI Prompt untuk meminta AI mendesain matriks lampiran rubrik rinci.
Master RPS Integrator & Exporter
Modul Perakitan Akhir & Ekspor ke Format Standar PT PPSDMPD
Data Administratif Mata Kuliah
Jalur Manual: Input Data Modul 1-4
Tempelkan (paste) hasil dari masing-masing aplikasi sebelumnya. Anda dapat menambahkan beberapa kotak jika melakukan generate sepotong demi sepotong.
Target Ekspor / Assembly RPS
Instruksi Integrasi
Pastikan Anda telah memiliki draft konten dari Aplikasi 1 (CPL-CPMK), Aplikasi 2 (Matriks), Aplikasi 3 (Waktu), dan Aplikasi 4 (Rubrik). Sistem ini akan membuatkan template tabel final dan Master Prompt untuk merakit seluruh bagian tersebut.
Klik tombol di samping, lalu tekan Ctrl+V di dalam dokumen MS Word Anda. Format tabel (termasuk *merge cell*) akan dipertahankan.
Cara Penggunaan: Salin prompt di bawah ini ke AI (ChatGPT/Claude/Gemini) dan berikan juga lampiran teks yang telah Anda *generate* dari Aplikasi 1, 2, 3, dan 4 sebelumnya. AI akan menyatukannya ke dalam tabel *Markdown* sesuai standar PPSDMPD.
Dokumen RPS
Aplikasi ke-5 ini mewakili filosofi sintesis dan integrasi. Setelah dokumen RPS didekonstruksi dan diproses secara spesifik pada modul 1 sampai 4 untuk menjamin kualitas kontennya, modul ini berfungsi sebagai “rumah perakitan kembali” (master assembly). Modul ini menjamin bahwa hasil pemikiran akademis yang telah dibentuk tidak terpencar-pencar, melainkan menyatu secara harmonis ke dalam format standar kelembagaan tanpa kehilangan detail atau mengalami kerusakan struktur.
Document Engineering & Data Aggregator
Secara teknis dan teoritis, modul ini adalah Document Engineering & Data Aggregator. Aplikasi ini menyatukan metadata administratif perguruan tinggi (Kop Institusi, Otorisasi Pengembang/Koordinator/Kaprodi) dengan data substantif dari Modul 1 (CPL-CPMK), Modul 2 (Matriks Pekan), Modul 3 (Waktu & Metode), dan Modul 4 (Asesmen). Aplikasi ini memfasilitasi kebutuhan perakitan fleksibel (Full 16 Weeks, Single Week, atau Multi-Week Range) serta dilengkapi teknologi manipulasi DOM yang merender tabel HTML rich-text dengan struktur sel rumit (colspan dan rowspan) sehingga siap disalin (copy-paste) langsung ke Microsoft Word tanpa merusak tata letak dokumen baku PPSDMPD.
Tutorial
- Isi Data Administratif: Masukkan nama Politeknik, Prodi, Mata Kuliah, SKS, Semester, serta nama-nama pejabat pengesah/otorisasi RPS.
- Input Data Modul 1–4 (Jalur Manual): Tempelkan (paste) hasil keluaran teks dari Aplikasi 1, 2, 3, dan 4 ke dalam kotak textarea yang telah disediakan. Jika Anda melakukan pencetakan sepotong demi sepotong, gunakan tombol “+ Tambah Kotak” pada masing-masing modul.
- Pilih Target Ekspor: Tentukan pilihan cakupan perakitan pada bagian Target Ekspor (pilih apakah ingin merakit Semua 16 Pekan, Tunggal, atau Jamak/Rentang Pekan).
- Eksekusi Akhir:
- Klik “Buat Template Word (Tabel HTML)” untuk menampilkan pratinjau tabel utuh, lalu klik “Salin ke MS Word” dan paste (Ctrl+V) langsung di Microsoft Word.
- Atau klik “Buat Master Prompt AI” untuk menyalin prompt penyatuan raksasa untuk diproses melalui chatbot AI pilihan Anda.

Leave a Reply