Penelitian dan Evaluasi Pendidikan (S3)

Mata kuliah Kecerdasan Buatan untuk Penambangan Data memberikan pemahaman mendalam mengenai konsep, prinsip, dan algoritma kecerdasan buatan (Artificial Intelligence/AI) yang digunakan untuk mengekstraksi pola, membuat prediksi, serta mengotomasi proses pengambilan keputusan dari data berukuran besar dan kompleks. Mahasiswa diperkenalkan pada teknik-teknik lanjutan seperti machine learning, deep learning, computational intelligence, natural language processing, serta optimalisasi berbasis algoritma cerdas yang banyak digunakan pada sistem penambangan data modern.

Dalam konteks riset pendidikan, mata kuliah ini menekankan penerapan AI untuk menganalisis perilaku belajar, memodelkan performa peserta didik, memetakan risiko kegagalan belajar, mengembangkan sistem pembelajaran adaptif, serta mengekstraksi wawasan strategis dari data digital pendidikan (LMS logs, assessment data, text-based feedback, sensor data, dsb.).

Mahasiswa akan mengerjakan studi kasus berbasis data nyata, merancang model, melakukan evaluasi performa algoritmik, serta menginterpretasikan hasil secara kritis dan etis.

Capaian pembelajaran mata kuliah ini adalah mahasiswa mampu:

1. mengembangkan kompetensi membuat dan menerapkan penilaian dan evaluasi hasil belajar berbasis komputer,
2. mengembangkan instrumen tes dan non tes terkomputerisasi,
3. analisis butir tes dan non tes dengan cara klasik, IRT, CAT dan berbasis kecerdasan buatan,
4. interpretasi dan mendeskripsikan hasil analisis butir tes dan non tes, analisis estimasi penilaian kemampuan hasil belajar personal, serta membuat laporan penilaian dan evaluasi hasil belajar peserta didik dalam e-raport.

Kompetensi:

Mahasiswa mampu:

1. Menerapkan evaluasi dan penilaian kemampuan hasil belajar
2. Mengembangkan instrumen tes (HOTS) dan non tes
3. Analisis validitas (macam2 val) dan reliabilitas (macam2 rel) instrumen
4. Menganalisis butir tes dan non tes secara klasik dan IRT
5. Mendeskripsikan hasil analisis butir tes dan non tes
6. Menganalisis estimasi kemampuan hasil belajar personal
7. Mendeskripsikan hasil analisis estimasi kemampuan personal
8. Membuat laporan evaluasi dan penilaian hasil belajar secara manual dan e-raport

Mata kuliah ini memberi pengetahuan dan keterampin  penyusunan  alat ukur psikologi yang terstandar dan menganalisis karakteristik alat ukur tersebut.  Berbagai materi terkait didalamnya adalah mengenalkan konsep dasar tes pengukuran, berbagai macam alat ukur, membuat disain instrumen, memahami konstruk teori dalam mengembangkan instrumen, analisis karakteriistik instrumen (validitas dan reliabilitas), praktek membuat instrumen dengan membuat spesifikasi instrumen, menulis butir/soal, validasi isi, melakukan ujicoba,  analisis karakteristik instrumen, dan membuat norma, kreteria dan manual instrumen.

Setelah mengikuti kuliah ini dengan menggunakan aplikasi program R, Mahasiswa mampu mengolah dan menganalisis data, serta menyajikan informasi hasil analisis untuk menentukan pengambilan keputusan terkait dengan assessmen hasil pembelajaran, penelitian dan atau untuk kepentingan evaluasi non pembelajaran.

Pembahasan meliputi teori dan teknik pengukuran yang antara lain: landasan teori tes, pengembangan butir tes, validitas isi, onstruk dan kriteria, reliabilitas. Estimasi kesalahan pengukuran dengan model binomial dan model yang lain, introduksi IRT, parameter butir, analisis instrumen dengan cara klasik dan modern. Analisis sejumlah jurnal untuk menghasilkan artikel jurnal.

Deskripsi Matakuliah:

Capaian Pembelajaran (Kompetensi):

Mahasiswa mampu memahami prinsip/cara memprogram komputer, bekerja dengan komputer untuk evaluasi, penilaian dan pengukuran melalui bahasa program berbasis visual windows dan web.

Sub Kompetensi :

1. Mahasiswa dapat merencanakan menyelesaikan masalah evaluasi, penilaian dan pengukuran dengan menggunakan komputer.
2. Mahasiswa dapat menyusun penyelesaian masalah evaluasi, penilaian dan pengukuran dengan penalaran algoritma.
3. Mahasiswa dapat menggambarkan penyelesaian masalah evaluasi, penilaian dan pengukuran melalui flow chart.
4. Mahasiswa dapat membuat program komputer untuk penyelesaian masalah evaluasi, penilaian dan pengukuran berbasis visual windows dan web.
5. Mahasiswa dapat menguji keberhasilan program komputer yang telah dibuat untuk penyelesaian masalah evaluasi, penilaian dan pengukuran berbasis visual windows dan web.

Pada mata kuliah ini akan dibahas teori pengukuran: validitas konstruk suatu instrumen, konsep dan aplikasindifferential item function, pengembangan bank soal, metode equiting, generalizability theory, aplikasi teori respon butir, validity generalization, standard setting, computerizad adaptive testing; pengembangan model evaluasi program meliputi metode CIPP, Goal Free, Cronbach, Paket program yang digunakan adalah Microcat dan Bilog MG; penyusunan artikel jurnal.

Pada mata kuliah ini akan dibahas teori pengukuran: validitas konstruk suatu instrumen, konsep dan aplikasindifferential item function, pengembangan bank soal, metode equiting, generalizability theory, aplikasi teori respon butir, validity generalization, standard setting, computerizad adaptive testing; pengembangan model evaluasi program meliputi metode CIPP, Goal Free, Cronbach, Paket program yang digunakan adalah Microcat dan Bilog MG; penyusunan artikel jurnal.

Pada mata kuliah ini akan diseminarkan proposal disertasi. Disertasi merupakan salah satu persyaratan penyelesaian studi untuk memperoleh gelas doktor. Oleh karena itu, disertasi harus memenuhi persyaratan: (1) dapat dipertanggungjawabkan secara ilmiah di bawah bimbingan dosen pembimbing, (2) menunjukkan kemampuan mahasiswa dalam berpikir dan berkarya ilmiah yang bersifat kreatif, original, teruji, (3) memiliki keterbaruan, dan nilai manfaat tinggi untuk pengembangan pengtahuan, teknologi, dan/atau seni dengan dukungan fakta empirik, (4)  mengembangkan pengetahuan, teknologi, dan/atau seni baru dalam bidang keilmuannya atau praktik profesionalnya melalui riset sehingga dihasilkan karya kreatif, original, dan teruji, dan (5) memecahkan permasalahan ilmu pengetahuan, teknologi, dan/atau seni di dalam bidang keilmuannya melalui pendekatan inter-, multi-, dan trans-disipliner.

Mata kuliah ini memberikan penekanan pada pemahaman dan penguasaan atas konsep-konsep statistik dan mengaplikasikannya pada penelitian dan evaluasi di bidang pendidikan dan pembelajaran. Dalam mata kuliah ini dibahas tentang materi-materi utama dalam statistik seperti analisis deskriptif, pengujian hipotesis, uji beda rata-rata, analisis korelasi dan regresi, analisis faktor, dan analisis jalur. Materi-materi tersebut dapat dipaparkan baik secara instruksional, observasi lapangan dan praktik.

Mata kuliah ini menyajikan materi tentang konsep dan aplikasi metode penskalaan yang meliputi: konsep dasar penskalaan, Issue-issue dalam dalam proses penskalaan (social desirability, faking), Ruang lingkup atribut psikologis, macam-macam skala psikologis dari teori Thurtone, Likert, Gutman maupun metoded Penskalaannya, multidimentional Scaling, penskalaan dalam teori respons butir dan macamnya, serta penerapannya dalam pengukuran di lapangan

Deskripsi Mata Kuliah :

      Mata kuliah Visualisasi Data Pendidikan pada level doktoral di Program Studi Penelitian dan Evaluasi Pendidikan (PEP) dirancang untuk membekali mahasiswa dengan kemampuan tingkat lanjut dalam mengolah, menganalisis, dan merepresentasikan data pendidikan secara inovatif dan bermakna. Melalui pendekatan berbasis riset, mahasiswa diarahkan untuk mengembangkan pengetahuan baru yang berkontribusi pada penguatan teori maupun praktik pendidikan, khususnya dalam konteks analisis data yang kompleks dan multidimensional. Proses pembelajaran menekankan integrasi metode kuantitatif, kualitatif, serta pemanfaatan teknologi mutakhir dalam visualisasi data.

       Selain itu, mata kuliah ini menekankan pentingnya kemampuan komunikasi ilmiah yang efektif dan beretika, di mana mahasiswa dilatih untuk menyajikan hasil analisis data pendidikan dalam bentuk visual yang informatif, akurat, dan mudah dipahami oleh berbagai pemangku kepentingan. Visualisasi yang dihasilkan tidak hanya bersifat deskriptif, tetapi juga analitis dan interpretatif, sehingga mampu mendukung pengambilan keputusan berbasis bukti (evidence-based decision making).

       Lebih lanjut, mata kuliah ini juga mengembangkan kemampuan mahasiswa dalam memecahkan permasalahan pendidikan yang kompleks melalui pendekatan interdisipliner dengan memanfaatkan teknologi visualisasi data. Mahasiswa didorong untuk mengintegrasikan berbagai sumber data, menggunakan perangkat analisis dan pemrograman, serta menghasilkan visualisasi yang adaptif dan interaktif. Dengan demikian, lulusan diharapkan mampu menjadi peneliti dan praktisi yang unggul dalam menginterpretasikan data pendidikan secara komprehensif serta mentransformasikannya menjadi solusi strategis bagi pengembangan sistem pendidikan.

Kuliah ini merupakan kuliah untuk S3 PEP yang mengambil konsentrasi pengukuran.

Kuliah ini bertujuan agar mahasiswa dapat menyiapkan instrumen yang sudah tervalidasi dan terestimasi reliabilitasnya, dan juga menyiapkan mahasiswa untuk memiliki kompetensi melaksanakan pengukuran dan pengujian, sampai melakukan interpretasi hasilnya.

Mata kuliah ini membahas prinsip, teknik dan pengembangan assesment berbasis computerised. Di samping itu mahasiswa diharapkan menguasai authoring tools untuk pengembangan komponen assesment berbasis computerised.

Mata kuliah ini akan membahas mengenai peluang, peubah acak, distribusi acak distrik dan kontinu, distribusi normal, t dan F, metode penaksiran klasik meliputi menaksir rataan, menaksir selisih rataan, menaksir proporsi, menaksir selisih ppoporsi, menaksir variansi, metode penaksiran kemungkinan maksimum, serta teknik sampling meliputi: sampling acak sederhana, sampling acak berlapis, sampling berkelompok, sampling kelompok dua lapis, serta cara memperkirakan rasio yaitu terkait survey yang memerlukan penggunaan rasio

Pada mata kuliah ini akan dibahas teori pengukuran: validitas konstruk suatu instrumen, konsep dan aplikasindifferential item function, pengembangan bank soal, metode equiting, generalizability theory, aplikasi teori respon butir, validity generalization, standard setting, computerizad adaptive testing; pengembangan model evaluasi program meliputi metode CIPP, Goal Free, Cronbach, Paket program yang digunakan adalah Microcat dan Bilog MG; penyusunan artikel jurnal.