Universitas Negeri Surabaya
Fakultas Ekonomika dan Bisnis
Program Studi S1 Pendidikan Administrasi Perkantoran

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Analisis Data Penelitian

8721002197

Mata Kuliah Wajib Program Studi

T=2

P=0

ECTS=3.18

3

17 Juli 2025

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Febrika Yogie Hermanto, S.Pd., M.Pd; Choirul Nikmah, S.AB., M.AB., M.BA., Ph.D


Fitriana Rahmawati, S.Pd., M.Pd.


BRILLIAN ROSY

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-3

Mengembangkan pemikiran logis, kritis, sistematis, dan kreatif dalam melakukan pekerjaan yang spesifik di bidang keahliannya serta sesuai dengan standar kompetensi kerja bidang yang bersangkutan

PLO-6

Mampu menggunakan/mengaplikasikan konsep dan teori ilmu administrasi perkantoran dalam praktek perkantorannya

PLO-8

Mampu memanfaatkan sumber belajar untuk memecahkan permasalahan dalam pembelajaran administrasi perkantoran secara komprehensif sesuai dengan perkembangan ilmu pengetahuan dan teknologi

Program Objectives (PO)

PO - 1

Memahami statistik inferensial dan merumuskan hipotesis

PO - 2

Menganalisis data dengan menggunakan uji parametrik dan non parametrik dalam penelitian pendidikan administrasi perkantoran

PO - 3

Menganalisis hubungan antar variabel dalam penelitian pendidikan administrasi perkantoran menggunakan metode Structural Equation Model

PO - 4

Menerapkan metode analisis data kualitatif menggunakan analisis bibliometrik untuk penelitian bidang pendidikan administrasi perkantoran

Matrik PLO-PO
 
POPLO-3PLO-6PLO-8
PO-1✔  
PO-2 ✔ 
PO-3 ✔ 
PO-4  ✔

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PO-1✔
PO-2✔✔✔✔✔✔
PO-3✔✔✔✔✔
PO-4✔✔

Deskripsi Singkat Mata Kuliah

Mata kuliah Analisis Data Penelitian memberikan pemahaman tentang teknik pengolahan dan interpretasi data penelitian kuantitatif dan kualitatif dalam konteks administrasi perkantoran. Tujuan mata kuliah ini adalah mengembangkan kemampuan mahasiswa dalam menganalisis data, menyajikan hasil penelitian, serta mengambil keputusan berbasis data untuk pemecahan masalah administrasi. Ruang lingkup mencakup teknik statistik deskriptif dan inferensial, analisis data kualitatif, penggunaan software analisis data, serta penyusunan laporan hasil penelitian yang relevan dengan bidang administrasi perkantoran.

Pustaka

Utama :

  1. 1. Suharyadi, Purwanto. 2016. Statistika untuk ekonomi dan keuangan modern buku 2. Salemba Empat.
  2. 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.

Pendukung :

  1. 1. Sugiono, 2014, Statistik untuk Penelitian, Bandung, Alfabeta.
  2. 2. Lind, Marchal and Wathen. 2007. Teknik-Teknis Statistika dalam Bisnis dan Ekonomi. McGraw Hill. Dicetak ulang oleh Salemba Empat.

Dosen Pengampu

Mohamad Arief Rafsanjani, S.Pd., M.Pd.

Choirul Nikmah, S.AB., M.AB. Ph.D.

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1

Memahami pengertian statistika inferensia dan hipotesis
  1. Mamahami Statistik Inferensia
  2. Merumuskan Hipotesis Penelitian
  3. Memahami Konsep Uji Hipotesis Penelitian
 Kriteria:
  1. • Berkomunikasi secara efektif, menghargai pendapat orang lain opini, selalu menghadiri kelas tepat waktu, selalu menyerahkan tugas tepat waktu, dan selalu berpartisipasi dalam penyelesaian tugas kelompok
  2. • Berkomunikasi secara efektif, menghargai pendapat orang lain; 80% kehadiran, menyerahkan 90% tugas, dan sering berpartisipasi dalam penyelesaian tugas kelompok
  3. • Berkomunikasi tidak efektif, menghargai pendapat orang lain, 75% kehadiran; menyerahkan 70% tugas tepat waktu, dan berpartisipasi dalam penyelesaian tugas kelompok
  4. • Berkomunikasi tidak efektif, tidak menghargai pendapat orang lain, jarang menghadiri kelas, jarang menyerahkan tugas, dan jarang berpartisipasi dalam penyelesaian tugas kelompok

Bentuk Penilaian :
Aktifitas Partisipasif		 Diskusi
2 x 50
Materi: Statistik Inferensial dan merumuskan Hipotesis
Pustaka: 1. Sugiono, 2014, Statistik untuk Penelitian, Bandung, Alfabeta.		 5%

2

Minggu ke 2

Mahasiswa mampu menerapkan Uji Chi-Square untuk menganalisis data dengan menggunakan perangkat lunak statistik, serta menafsirkan hasilnya secara tepat
  1. Mampu mengaplikasikan Uji Chi-Square untuk menganalisis data dengan menggunakan perangkat lunak statistik
  2. Mampu menafsirkan hasil analisis data secara tepat
 Kriteria:
  1. Ketepatan aplikasi Uji Chi Square dengan perangkat lunak statistik, dan penafsiran hasil analisisnya pada kategori Sangat Baik (85-100)
  2. Ketepatan aplikasi Uji Chi Square dengan perangkat lunak statistik, dan penafsiran hasil analisisnya pada kategori Baik (75-84)
  3. Ketepatan aplikasi Uji Chi Square dengan perangkat lunak statistik, dan penafsiran hasil analisisnya pada kategori Cukup (65-74)
  4. Ketepatan aplikasi Uji Chi Square dengan perangkat lunak statistik, dan penafsiran hasil analisisnya pada kategori Kurang (55-64)
  5. Ketepatan aplikasi Uji Chi Square dengan perangkat lunak statistik, dan penafsiran hasil analisisnya pada kategori Sangat Kurang (0-54)

Bentuk Penilaian :
Praktik / Unjuk Kerja		 Demonstrasi, Studi Kasus, Diskusi
2 x 50
Materi: Uji Chi Square
Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.		 5%

3

Minggu ke 3

Mahasiswa mampu menerapkan teknik uji beda parametrik dan non-parametrik dengan menggunakan perangkat lunak statistik, serta menafsirkan hasilnya secara tepat
  1. Mampu mengaplikasikan Uji Chi-Square untuk menganalisis data dengan menggunakan perangkat lunak statistik
  2. Mampu menafsirkan hasil analisis data secara tepat
 Kriteria:
  1. Ketepatan aplikasi teknik uji beda parametrik dan non-parametrik, dan penafsiran hasil analisisnya pada kategori Sangat Baik (85-100)
  2. Ketepatan aplikasi teknik uji beda parametrik dan non-parametrik, dan penafsiran hasil analisisnya pada kategori Baik (75-84)
  3. Ketepatan aplikasi teknik uji beda parametrik dan non-parametrik, dan penafsiran hasil analisisnya pada kategori Cukup (65-74)
  4. Ketepatan aplikasi teknik uji beda parametrik dan non-parametrik, dan penafsiran hasil analisisnya pada kategori Kurang (55-64)
  5. Ketepatan aplikasi teknik uji beda parametrik dan non-parametrik, dan penafsiran hasil analisisnya pada kategori Sangat Kurang (0-54)

Bentuk Penilaian :
Praktik / Unjuk Kerja		 Demonstrasi, Studi Kasus, Diskusi
2 x 50
Materi: Uji Chi Square
Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.		 5%

4

Minggu ke 4

Mahasiswa mampu menerapkan teknik uji ANOVA dan MANOVA dengan menggunakan perangkat lunak statistik, serta menafsirkan hasilnya secara tepat
  1. Mampu mengaplikasikan uji ANOVA dan MANOVA untuk menganalisis data dengan menggunakan perangkat lunak statistik
  2. Mampu menafsirkan hasil analisis data secara tepat
 Kriteria:
  1. Ketepatan aplikasi uji ANOVA dan MANOVA, dan penafsiran hasil analisisnya pada kategori Sangat Baik (85-100)
  2. Ketepatan aplikasi uji ANOVA dan MANOVA, dan penafsiran hasil analisisnya pada kategori Baik (75-84)
  3. Ketepatan aplikasi uji ANOVA dan MANOVA, dan penafsiran hasil analisisnya pada kategori Cukup (65-74)
  4. Ketepatan aplikasi uji ANOVA dan MANOVA, dan penafsiran hasil analisisnya pada kategori Kurang (55-64)
  5. Ketepatan aplikasi uji ANOVA dan MANOVA, dan penafsiran hasil analisisnya pada kategori Sangat Kurang (0-54)

Bentuk Penilaian :
Praktik / Unjuk Kerja		 Demonstrasi, Studi Kasus, Diskusi
2 x 50
Materi: Uji Chi Square
Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.		 5%

5

Minggu ke 5

Mahasiswa mampu menerapkan uji korelasi untuk menganalisis hubungan antarvariabel dengan menggunakan perangkat lunak statistik, serta menafsirkan hasilnya secara tepat
  1. Mampu mengaplikasikan uji korelasi untuk menganalisis hubungan antarvariabel dengan menggunakan perangkat lunak statistik
  2. Mampu menafsirkan hasil analisis data secara tepat
 Kriteria:
  1. Ketepatan aplikasi uji korelasi untuk menganalisis hubungan antarvariabel, dan penafsiran hasil analisisnya pada kategori Sangat Baik (85-100)
  2. Ketepatan aplikasi uji korelasi untuk menganalisis hubungan antarvariabel, dan penafsiran hasil analisisnya pada kategori Baik (75-84)
  3. Ketepatan aplikasi uji korelasi untuk menganalisis hubungan antarvariabel, dan penafsiran hasil analisisnya pada kategori Cukup (65-74)
  4. Ketepatan aplikasi uji korelasi untuk menganalisis hubungan antarvariabel, dan penafsiran hasil analisisnya pada kategori Kurang (55-64)
  5. Ketepatan aplikasi uji korelasi untuk menganalisis hubungan antarvariabel, dan penafsiran hasil analisisnya pada kategori Sangat Kurang (0-54)

Bentuk Penilaian :
Praktik / Unjuk Kerja		 Demonstrasi, Studi Kasus, Diskusi
2 x 50
Materi: Uji Chi Square
Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.		 10%

6

Minggu ke 6

Mahasiswa mampu menerapkan analisis regresi dengan menggunakan perangkat lunak statistik, serta menafsirkan hasilnya secara tepat
  1. Mampu mengaplikasikan analisis regresi dengan menggunakan perangkat lunak statistik
  2. Mampu menafsirkan hasil analisis data secara tepat
 Kriteria:
  1. Ketepatan aplikasi analisis regresi, dan penafsiran hasil analisisnya pada kategori Sangat Baik (85-100)
  2. Ketepatan aplikasi analisis regresi, dan penafsiran hasil analisisnya pada kategori Baik (75-84)
  3. Ketepatan aplikasi analisis regresi, dan penafsiran hasil analisisnya pada kategori Cukup (65-74)
  4. Ketepatan aplikasi analisis regresi, dan penafsiran hasil analisisnya pada kategori Kurang (55-64)
  5. Ketepatan aplikasi analisis regresi, dan penafsiran hasil analisisnya pada kategori Sangat Kurang (0-54)

Bentuk Penilaian :
Praktik / Unjuk Kerja		 Demonstrasi, Studi Kasus, Diskusi
2 x 50
Materi: Uji Chi Square
Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.		 10%

7

Minggu ke 7

Mahasiswa mampu menerapkan analisis jalur (Path Analysis) dengan menggunakan perangkat lunak statistik, serta menafsirkan hasilnya secara tepat
  1. Mampu mengaplikasikan analisis jalur (Path Analysis) dengan menggunakan perangkat lunak statistik
  2. Mampu menafsirkan hasil analisis data secara tepat
 Kriteria:
  1. Ketepatan aplikasi analisis jalur (Path Analysis) , dan penafsiran hasil analisisnya pada kategori Sangat Baik (85-100)
  2. Ketepatan aplikasi analisis jalur (Path Analysis) , dan penafsiran hasil analisisnya pada kategori Baik (75-84)
  3. Ketepatan aplikasi analisis jalur (Path Analysis) , dan penafsiran hasil analisisnya pada kategori Cukup (65-74)
  4. Ketepatan aplikasi analisis jalur (Path Analysis), dan penafsiran hasil analisisnya pada kategori Kurang (55-64)
  5. Ketepatan aplikasi aanalisis jalur (Path Analysis), dan penafsiran hasil analisisnya pada kategori Sangat Kurang (0-54)

Bentuk Penilaian :
Praktik / Unjuk Kerja		 Demonstrasi, Studi Kasus, Diskusi
2 x 50
Materi: Uji Chi Square
Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.		 10%

8

Minggu ke 8

      Bentuk Penilaian :
      Praktik / Unjuk Kerja
      2 x 50
      		0%

      9

      Minggu ke 9

      Mahasiswa mampu merancang dan mengestimasi model SEM menggunakan perangkat lunak statistik, melakukan evaluasi model, serta menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      1. Mampu merancang dan mengestimasi model SEM dengan menggunakan perangkat lunak statistik
      2. Mampu melakukan evaluasi model secara tepat
      3. Mampu menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Baik (85-100)
      2. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Baik (75-84)
      3. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Cukup (65-74)
      4. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Kurang (55-64)
      5. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Kurang (0-54)

      Bentuk Penilaian :
      Aktifitas Partisipasif      		 Demonstrasi, Studi Kasus, Diskusi
      2 x 50
      		Materi: Uji Chi Square
      Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.      		 5%

      10

      Minggu ke 10

      Mahasiswa mampu merancang dan mengestimasi model SEM menggunakan perangkat lunak statistik, melakukan evaluasi model, serta menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      1. Mampu merancang dan mengestimasi model SEM dengan menggunakan perangkat lunak statistik
      2. Mampu melakukan evaluasi model secara tepat
      3. Mampu menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Baik (85-100)
      2. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Baik (75-84)
      3. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Cukup (65-74)
      4. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Kurang (55-64)
      5. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Kurang (0-54)

      Bentuk Penilaian :
      Praktik / Unjuk Kerja      		 Demonstrasi, Studi Kasus, Diskusi
      2 x 50
      		Materi: Uji Chi Square
      Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.      		 5%

      11

      Minggu ke 11

      Mahasiswa mampu merancang dan mengestimasi model SEM menggunakan perangkat lunak statistik, melakukan evaluasi model, serta menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      1. Mampu merancang dan mengestimasi model SEM dengan menggunakan perangkat lunak statistik
      2. Mampu melakukan evaluasi model secara tepat
      3. Mampu menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Baik (85-100)
      2. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Baik (75-84)
      3. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Cukup (65-74)
      4. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Kurang (55-64)
      5. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Kurang (0-54)

      Bentuk Penilaian :
      Praktik / Unjuk Kerja      		 Demonstrasi, Studi Kasus, Diskusi
      2 x 50
      		Materi: Uji Chi Square
      Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.      		 5%

      12

      Minggu ke 12

      Mahasiswa mampu merancang dan mengestimasi model SEM menggunakan perangkat lunak statistik, melakukan evaluasi model, serta menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      1. Mampu merancang dan mengestimasi model SEM dengan menggunakan perangkat lunak statistik
      2. Mampu melakukan evaluasi model secara tepat
      3. Mampu menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Baik (85-100)
      2. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Baik (75-84)
      3. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Cukup (65-74)
      4. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Kurang (55-64)
      5. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Kurang (0-54)

      Bentuk Penilaian :
      Praktik / Unjuk Kerja      		 Demonstrasi, Studi Kasus, Diskusi
      2 x 50
      		Materi: Uji Chi Square
      Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.      		 10%

      13

      Minggu ke 13

      Mahasiswa mampu merancang dan mengestimasi model SEM menggunakan perangkat lunak statistik, melakukan evaluasi model, serta menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      1. Mampu merancang dan mengestimasi model SEM dengan menggunakan perangkat lunak statistik
      2. Mampu melakukan evaluasi model secara tepat
      3. Mampu menafsirkan hasil pengujian hubungan antarvariabel laten secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Baik (85-100)
      2. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Baik (75-84)
      3. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Cukup (65-74)
      4. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Kurang (55-64)
      5. Ketepatan merancang dan mengestimasi model SEM, melakukan evaluasi model, dan penafsiran hasil analisis hubungan antarvariabel laten pada kategori Sangat Kurang (0-54)

      Bentuk Penilaian :
      Praktik / Unjuk Kerja      		 Demonstrasi, Studi Kasus, Diskusi
      2 x 50
      		Materi: Uji Chi Square
      Pustaka: 2. Hair, JF Jr., Hult, GTM, Ringle, CM, Sarstedt, M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.      		 10%

      14

      Minggu ke 14

      Mahasiswa mampu merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan menggunakan perangkat lunak VOSviewer, serta menyajikan hasilnya dalam bentuk visual
      1. Mampu merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer
      2. Mampu menyajikan data hasil analisis bibliometrik dalam bentuk visual secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirk pada kategori sangat baik (85-100)
      2. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirkkategori baik (75-84)
      3. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirk pada kategori cukup (65-74)
      4. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirkpada kategori kurang (55-64)
      5. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirki pada kategori sangat kurang (0-54)

      Bentuk Penilaian :
      Aktifitas Partisipasif      		 Demonstrasi, Diskusi,
      2 x 50
      		Materi: Analisis Data Kualittatif, Analisis Bibliometrik
      Pustaka: 1. Sugiono, 2014, Statistik untuk Penelitian, Bandung, Alfabeta.      		 5%

      15

      Minggu ke 15

      1. Mampu merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer
      2. Mampu menyajikan data hasil analisis bibliometrik dalam bentuk visual secara tepat
      		 Kriteria:
      1. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirk pada kategori sangat baik (85-100)
      2. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirkkategori baik (75-84)
      3. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirk pada kategori cukup (65-74)
      4. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirkpada kategori kurang (55-64)
      5. Ketepatan merancang dan melaksanakan analisis bibliometrik dengan memanfaatkan basis data ilmiah dengan perangkat lunak VOSviewer, dan penyajian hasil analisis bibliometirki pada kategori sangat kurang (0-54)

      Bentuk Penilaian :
      Praktik / Unjuk Kerja      		 Demonstrasi, Diskusi, Studi Kasus
      2 x 50
      		Materi: Analisis Data Kualittatif, Analisis Bibliometrik
      Pustaka: 1. Sugiono, 2014, Statistik untuk Penelitian, Bandung, Alfabeta.      		 10%

      16

      Minggu ke 16



      		0%



      Rekap Persentase Evaluasi : Project Based Learning

      No Evaluasi Persentase
      1. Aktifitas Partisipasif 15%
      2. Praktik / Unjuk Kerja 85%
      100%

      Catatan

      1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
      2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
      3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
      4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO 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-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
      12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.