Rencana Pembelajaran Semester (RPS)

UNIVERSITAS ISLAM NUSANTARA Kode Dokumen

FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK INFORMATIKA

RENCANA PEMBELAJARAN SEMESTER

MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan
Pemodelan dan Simulasi IF524 Matakuliah Inti T=2 P=0 6 9 feb 2023
OTORISASI Pengembang RPS Koordinator RMK Ketua PRODI
Rr. Isni Anisah P.H.,ST.,M.Kom ……………….. Siti Nur, SST.,M.Kom.

Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK

(CP) P-1 Menguasai konsep teoritis bidang pengetahuan Informatika secara umum dan konsep teoritis bagian khusus dalam bidang
pengetahuan tersebut secara mendalam, serta mampu memformulasikan penyelesaian masalah prosedural.
P-3 Mempunyai pengetahuan dalam mengembangkan algoritma/metode yang diimplementasikan dalam perangkat lunak berbasis
komputer.
KU-1 mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu
pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya;
KU-5 mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis
informasi dan data;
KK-2 Memahami dan menerapkan teori, model dan teknik yang tepat yang digunakan sebagai basis untuk mengindentifikasi dan
menganalisis masalah, mendesain perangkat lunak, membangun, mengimplementasi, melakukan verifikasi, dan membuat
dokumentasi
KK-7 Mempelajari model baru, teknik dan teknologi baru sejalan dengan perkembangan dan menghargai pentingnya pengembangan
profesional yang berkelanjutan
KK-10 Memahami dan menerapkan teori, model dan teknik yang tepat yang digunakan sebagai basis untuk mengindentifikasi dan
menganalisis masalah, mendesain perangkat lunak, membangun, mengimplementasi, melakukan verifikasi, dan membuat
dokumentasi
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK1 Mahasiswa mampu memahami konsep studi simulasi ,serta mendapat gambaran tentang cakupan studi simulasi.
CPMK2 Mahasiwa mampu menjelaskan konsep probabilitas.
 CPMK3 Mahasiswa mampu menjelaskan langkah-langkah validasi dan verifikasi model.
CPMK4 Mahasiswa dapat menetukan rata-rata dan variansi hasil simulasi.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
Sub-CPMK1 Kemampuan untuk memahami konsep dan dasar-dasar simulasi kejadian diskrit (Discrete Event Simulation – DES). Ability to
understand the concepts and basics of discrete event simulation (DES).
Sub-CPMK2 Kemampuan untuk memahami konsep pembangkit bilangan acak dan mampu menjelaskan kegunaannya di dalam model DES.
Ability to understand the concept of random number generators and are able to explain their use in the DES model.
Sub-CPMK3 Kemampuan untuk menjelaskan perbedaan antara DES dengan metode optimasi eksak dan metode simulasi lainnya (Simulasi
Monte Carlo, System Dynamics, dan Agent Based Simulation). Ability to explain the difference between DES and the exact
optimization method and other simulation methods (Monte Carlo Simulation, System Dynamics, and Agent Based Simulation)
Sub-CPMK4 Kemampuan untuk memahami dan menguasai langkah-langkah membangun model DES manual dan model DES spreadsheet, serta
menggunakan berbagai teknik membangun model konseptual Ability to understand and master the steps of building a manual DES
model and a DES spreadsheet model, as well as to use a variety of techniques to build conceptual models.
Sub-CPMK5 Kemampuan untuk menggunakan software DES komersial untuk membangun model DES, melaksanakan eksperimen dan
menginterpretasikan output eksperimen. Ability to use commercial DES simulation software to build DES models, carry out
experiments and interpret experimental output.
Sub-CPMK6 Kemampuan untuk menentukan jenis data yang dibutuhkan dalam memodelkan DES dan menganalisa data input. Ability to
determine the type of data needed to model DES and analyze input data.
Sub-CPMK7 Kemampuan untuk menggunakan metode statistik dalam menganalisa output DES, serta mengembangkan berbagai alternatif
skenario perbaikan dan membandingkannya untuk mendapatkan skenario terbaik. Ability to use statistical methods in analyzing
DES output and to develop various alternative improvement scenarios and compare them to get the best scenario
Sub-CPMK8 Kemampuan untuk mempresentasikan hasil eksperimen DES dengan bekerja sama dalam suatu tim. Ability to present DES
experimental results by working together in a team.
Korelasi CPMK terhadap Sub-CPMK
Sub-CPMK1 Sub-CPMK2 Sub-CPMK3 Sub-CPMK4 Sub-CPMK5 Sub- CPMK 6
CPMK 1 √ √ √ √ √ √
CPMK 2 √ √
CPMK 3 √ √ √ √
CPMK 4
Deskripsi Singkat MK Mata kuliah Pemodelan dan Simulasi bertujuan agar mahasiswa mampu mengikhtisarkan pentingnya simulasi sehingga lebih termotivasi untuk
memahaminya labih lanjut
Bahan Kajian: Materi 1. Pendahuluan Studi Simulasi.
Pembelajaran 2. Sistem, Model & Simulasi
3. Penjelasan Langkah-langkah Simulasi Sistem
4. Pengumpulan Data dan Pendefinisian Model
5. Distribusi Probabilitas
6. Distribusi Probabilitas Diskrit
7. Distribusi Probabilitas Kontinu
8. Analisis Statistik Data Simulasi
9. Formulasi masalah antrian M/M/1
10. Analisis statistik data output simulasi antrian M/M/1
11. Menerapkan simulasi untuk kasus data input berdistribusi uniform diskrit.
12. Menerapkan simulasi untuk kasus data input berdistribusi uniform kontinu.
13. Menerapkan simulasi untuk kasus data input berdistribusi gamma.
14. Menerapkan simulasi untuk kasus data input berdistribusi binomial.
Pustaka Utama :
1. Banks, Jerry, J. Carson II, B. L. Nelson, “Discrete-Event System Simulation”, Prentice-Hall International, Inc., London, 1984.
2. Gottfried, Byron S., “Elements of Stochatic Process Simulation”, Prentice-Hall, Inc., New Jersey, 1984.
3. Law, Averill M., W. David Kelton, “Simulation Modeling & Analysis”, Mc. Graw-Hill Inc., Singapore, 1991.
4. Soepono Soeparlan, “Pengantar Simulasi”, Penerbit Gunadarma, Jakarta, 1995.
Mendenhall, William, “A course in Business Statistics”, Duxbury Press, Boston, 1984.
Pendukung :
Husnul khotimah Bain, ST.M.kom, “Konsep simulasi dan pemodelan”, Fakultas teknik informatika universitas trunojoyo, 2015
Dosen Pengampu Rr. Isni Anisah Puspowati Harori., ST., M.Kom
Matakuliah syarat -
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
1 Pendahuluan Studi Ketepatan  Ketepatan  Kuliah 1.1.Pengertian dan tujuan
Simulasi. TIU : penjelasan  penguasaan & Simulasi
Mahasiswa mengerti arti dan materi Diskusi  Mahasiswa mampu
[TM: 2x(2x50”)]
dan manfaat studi ketajaman  tugas-tugas mengikhtisarkan
[100 Menit]
simulasi , serta analisis pentingnya simulasi
mendapat gambaran terhadap sehingga lebih
tentang cakupan studi permasalahan termotivasi untuk
simulasi. yang memahaminya labih
diberikan lanjut
1.2.Manfaat dan Kelebihan
Pendekatan Simulasi
 Mahasiswa dapat
menyebutkan manfaat
dan
kelebihankelebihan
pendekatam simulasi.
1.3.Penerapan Simulasi
 Mahasiswa dapat
menyebutkan bidang-
bidang atau ilmu-ilmu
yang sering
menggunakan
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
pendekatan simulasi.
2 Sistem, Model & Ketepatan  Ketepatan  Kuliah 2.1 Definisi dari sistem
Simulasi TIU: Mahasiswa penjelasan  penguasaan & dan model
dapat membangun dan materi Diskusi • Mahasiswa mampu
[TM: 2x(2x50”)]
model yang akan ketajaman  tugas-tugas membandingkan sistem
[100 Menit]
disimulasikan dan analisis dan model, dan
memahami definisi terhadap menyimpulkan perlunya
simulasi. permasalahan model untuk kebutuhan
yang simulasi.
diberikan 2.2. Klasifikasi model
• Mahasiswa mampu
menggolongkan model fisis
dan model matematis, baik
yang statis maupun
dinamis.
2.3..Langkah-langkah
dalam studi simulasi
Mahasiswa dapat
menyimpulkan langkah-
langkah dalam studi
simulasi secara garis besar.
3 Penjelasan Langkah- Ketepatan  Ketepatan  Kuliah 3.1 Formulasi Masalah ·
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
langkah Simulasi Sistem penjelasan  penguasaan & Mahasiswa dapat
TIU : Mahasiswa dan materi Diskusi memformulasikan masalah
memahami langkah ketajaman  tugas-tugas [TM: 2x(2x50”)] statis (penyelesaian dapat
[100 Menit]
langkah penting dalam analisis dengan Monte Carlo)
simulasi sistem terhadap  Mahasiswa dapat
permasalahan memformulasikan
yang masalah dinamik
diberikan
4 Penjelasan Langkah- Ketepatan,  Ketepatan  Kuliah 3.2 Pengumpulan Data dan
langkah Simulasi Sistem penjelasan  penguasaan & Pendefinisian Model
TIU : Mahasiswa dan materi Diskusi 3.2.1 Bilangan Acak dan
[TM: 2x(2x50”)]
memahami langkah ketajaman  tugas-tugas Pembangkit Bilangan
[100 Menit]
langkah penting dalam analisis Acak
simulasi sistem terhadap  Mahasiswa dapat
permasalahan menentukan data
yang acak yang
diberikan berdistribusi U(0,1)
 Mahasiswa dapat
menjelaskan
pembangkit bilangan
acak, pembangkit
kongruen Campuran
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
dan Multiplikatif.
5 Penjelasan Langkah- Ketepatan,  Ketepatan  Kuliah 3.2.2 Distribusi Probabilitas
langkah Simulasi penjelasan  penguasaan &  Mahasiwa dapat
Sistem TIU : dan materi Diskusi menjelaskan definisi
[TM: 2x(2x50”)]
Mahasiswa ketajaman  tugas-tugas probabilitas
[100 Menit]
memahami langkah analisis  Mahasiswa dapat
langkah penting terhadap menjelaskan variabel
dalam simulasi sistem permasalahan acak
yang  Mahasiswa dapat
diberikan menjelaskan fungsi
probabilitas
 Mahasiswa dapat
menjelaskan fungsi
distribusi
 Mahasiswa memahami
penggunaan distribusi
probabilitas dalam
simulai.
3.2.3 Distribusi Probabilitas
Diskrit
 Mahasiswa memahami
penggunaan fungsi
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
distribusi umum
 Mahasiswa memahami
penggunaan distribusi
probabilitas Uniform
Diskrit, Poisson,
Binomial, dan
Geometri.
 Mahasiswa dapat
menentukan variabel
acak yang berdistribusi
6 Penjelasan Langkah- Ketepatan,  Ketepatan  Kuliah 3.2.4 Distribusi Probabilitas
langkah Simulasi penjelasan  penguasaan & Kontinu
Sistem TIU : dan materi Diskusi  Mahasiswa memahami
[TM: 2x(2x50”)]
Mahasiswa ketajaman  tugas-tugas penggunaan distribusi
[100 Menit]
memahami langkah analisis probabilitas Uniform
langkah penting terhadap Kontinu, Eksponensial,
dalam simulasi sistem permasalahan Normal, dan Gamma.
yang  Mahasiswa dapat
diberikan menentukan variabel
acak yang berdistribusi
Uniform Kontinu,
Eksponensial, Normal,
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
dan Gamma.
7 Penjelasan Langkah- Ketepatan,  Ketepatan  Kuliah 3.3. Validasi dan Verifikasi
langkah Simulasi penjelasan  penguasaan &  Mahasiswa dapat
Sistem TIU : dan materi Diskusi menjelaskan langkah-
[TM: 2x(2x50”)]
Mahasiswa ketajaman  tugas-tugas langkah validasi dan
[100 Menit]
memahami langkah analisis verifikasi model.
langkah penting terhadap 3.4 Desain Eksperimen
dalam simulasi sistem permasalahan  Mahasiswa dapat
yang menjelaskan tahap-
diberikan tahap dalam disain
Eksperimen.
3.5 Menjalankan Simulasi
 Mahasiwa dapat
menjalankan simulasi
berbagai model data
(Diskrit dan Kontinu)
3.6 Analisis Statistik Data
Simulasi
 Mahasiwa dapat
menjelaskan rata-rata
sampel dan variansi
sampel · Mahasiwa
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
dapat memprediksi
interval kepercayaan
rata-rata.
8 EVALUASI TENGAH SEMESTER
9 Kasus 1: Antrian M/M/1 Ketepatan,  Ketepatan 4.1 Formulasi masalah 0.7%
Online di
(contoh data input penjelasan  penguasaan zoom [BM: 2 x antrian M/M/1
berdistribusi Poisson dan materi 50”]  Mahasiswa dapat
dan eksponensial). ketajaman  tugas-tugas Tugas memformulasikan
analisis kelompok : masalah M/M/1 4.2
terhadap Membuat Membangkitkan
project
permasalahan antrian , siap variabel acak Poisson
yang minggu dan eksponensial.
diberikan presentasi  Mahasiswa dapat
progress
projectnya menghasilkan data
(1x60) acak yang berdistribusi
Poisson dan
eksponensial untuk
keperluan simulasi
antrian M/M/1.
4.3 Melaksanakan simulasi
antrian M/M/1
 Mahasiswa dapat
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
mensimulasikan
(mengolah data) untuk
masalah antrian
M/M/1 secara manual
4.4 Validasi dan verifikasi
4.5 Analisis statistik data
output simulasi antrian
M/M/1
 Mahasiswa dapat
menetukan rata-rata
dan variansi hasil
simulasi
Mahasiswa dapat
menetukan interval
kepercayaan rata-rata.
10 Kasus 2: Games of Craps Ketepatan,  Ketepatan Online di zoom 5.1.1 Menerapkan simulasi 0.7%
(contoh kasus data input penjelasan  penguasaan [BM: 2 x 50”] untuk kasus data input
berdistribusi uniform dan materi berdistribusi uniform
diskrit). ketajaman  tugas-tugas Tugas kelompok diskrit.
analisis : Membuat Mahasiswa dapat
terhadap project antrian , menjalankan dan
permasalahan siap minggu menganalisa data
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
yang presentasi output simulasi dengan
diberikan progress kasus data input
projectnya berdistribusi uniform
(1x60) diskrit.
11 Kasus 3: Staggering Ketepatan,  Ketepatan Online di zoom 6.1 Menerapkan simulasi 0.7%
drunk (contoh kasus penjelasan  penguasaan [BM: 2 x 50”] untuk kasus data input
data input berdistribusi dan materi berdistribusi uniform
uniform kontinu). ketajaman  tugas-tugas Tugas kelompok kontinu.
analisis : Membuat  Mahasiswa dapat
terhadap project antrian , menjalankan dan
permasalahan siap minggu menganalisa data
yang presentasi output simulasi dengan
diberikan progress kasus data input
projectnya berdistribusi uniform
(1x60) kontinu.
12 Kasus 4: Penggunaan Ketepatan,  Ketepatan Online di zoom 14.1 Menerapkan simulasi 0.7%
fasilitas (contoh kasus penjelasan  penguasaan [BM: 2 x 50”] untuk kasus data
data input berdistribusi dan materi input berdistribusi
normal) ketajaman  tugas-tugas Tugas kelompok uniform kontinu.
analisis : Membuat  Mahasiswa dapat
terhadap project antrian , menjalankan dan
permasalahan siap minggu menganalisa data
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
yang presentasi output simulasi
diberikan progress dengan kasus data
projectnya input berdistribusi
(1x60) normal.
13 Kasus 5 : Pemeliharaan Ketepatan,  Ketepatan Online di zoom 14.2 Menerapkan simulasi 0.7%
peralatan (contoh kasus penjelasan  penguasaan [BM: 2 x 50”] untuk kasus data
data input berdistribusi dan materi input berdistribusi
gamma) ketajaman  tugas-tugas gamma.
analisis  Mahasiswa dapat
terhadap menjalankan dan
permasalahan menganalisa data
yang output simulasi
diberikan dengan kasus data
input berdistribusi
gamma.
14 Kasus 6: (contoh kasus Ketepatan,  Ketepatan Online di zoom 9.1 Menerapkan simulasi 0.7%
data input berdistribusi penjelasan  penguasaan [BM: 2 x 50”] untuk kasus data input
binomial). dan materi berdistribusi binomial.
ketajaman  tugas-tugas Tugas individu 1  Mahasiswa dapat
analisis : Membuat menjalankan dan
terhadap project kasus menganalisa data
permasalahan distribusi output simulasi
 Bantuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian Bobot
Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- tahapan belajar [ Estimasi Waktu] Penilaian
[ Pustaka ]
(Sub-CPMK) (%)
Indikator Kriteria &
Luring Daring
Teknik
(1) (2) (3) (4) (5) (6) (7) (8)
yang binomial (1x60) dengan kasus data
diberikan input berdistribusi
binomial.
15 Kasus 7: (contoh kasus Ketepatan,  Ketepatan Online di zoom 10.1 Menerapkan simulasi 0.7%
data input berdistribusi penjelasan  penguasaan [BM: 2 x 50”] untuk kasus data input
geometri). dan materi berdistribusi uniform
ketajaman  tugas-tugas Tugas individu 2 geometri.
analisis : Membuat  Mahasiswa dapat
terhadap project menjalankan dan
permasalahan distribusi menganalisa data
yang geometri (1x60) output simulasi dengan
diberikan kasus data input
berdistribusi geometri
16 EVALUASI AKHIR SEMESTER

Catatan :
1. 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.
2. 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, ketrampulan umum, ketrampilan khusus dan pengetahuan.
3. 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.
4. Sub-CP 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, 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-CPMK yang besarnya proposional dengan tingkat kesulitan pencapaian
sub-CPMK tsb., dan totalnya 100%.
12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.