Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Focus Group Discussion (FGD) Penyempurnaan Kuri...

Focus Group Discussion (FGD) Penyempurnaan Kurikulum Program Studi Informatika

Ahmad Arif Faizin

November 07, 2024
Tweet

More Decks by Ahmad Arif Faizin

Other Decks in Education

Transcript

  1. Ahmad Arif Faizin Education: • Diponegoro University, Bachelor of Engineering

    2012  2017 Work Experience: • Android Trainer at IMA Studio 2016  2019 • Android Developer at Earthworm Foundation 2019 • Android Curriculum Developer at Dicoding 2019  2021 • Curriculum Developer Lead at Dicoding 2021  Present Experience: • Awardee of Jenesys 2.0 Student Exchange to Japan • Associate Android Developer Certified by Google • Invited to Google I/O 2018 Conference Letʼs connect! • linkedin.com/in/arifaizin • instagram.com/arif_faizin
  2. Metode Belajar yang Efektif Mendengarkan penjelasan orang lain 5% Membaca/melihat

    10% Berpartisipasi dalam diskusi 20% Berlatih dan mencoba 40% Feedback dari expert 50% Kombinasi kurikulum, fasilitator dan metode penguasaan ilmu 80%
  3. Computing Curricula Landscape • CE  Computer Engineering ( Sistem

    Komputer / Teknik Komputer / Rekayasa Komputer ) • IS  Information System ( Sistem Informasi ) • IT  Information Technology ( Teknologi Informasi / Teknik Informatika / Manajemen Informatika ) • CS  Computer Science ( Informatika / Ilmu Komputer) • SE  Software Engineering ( Rekayasa Perangkat Lunak )
  4. Computing Curricula Landscape • CE  Computer Engineering ( Rekayasa

    Komputer / Teknik Komputer / Sistem Komputer ) • IS  Information System ( Sistem Informasi ) • IT  Information Technology ( Teknologi Informasi / Teknik Informatika / Manajemen Informatika ) • CS  Computer Science ( Informatika / Ilmu Komputer) • SE  Software Engineering ( Rekayasa Perangkat Lunak ) • CSEC CyberSecurity • DS Data Science
  5. Executive Summary 1. CS terus berkembang, maka perlu pengenalan topik

    baru (seperti quantum computing) atau topik yang lebih dalam (machine learning). 2. Tidak ada kurikulum yang one size fit all. Kurikulum yang mengcover segalanya hanya akan membuat berat tapi tidak dapat apa-apa, maka di CS2023, prodi bisa memilih Knowledge Area yang difokuskan sesuai dengan profil lulusan yang diharapkan. 3. Society, Ethics, & Professional SEP menjadi concern yang perlu diperhatikan. Maka, perlu ada penambahan aspek disposition (soft skill) pada setiap skill-nya. 4. Matematika semakin penting dalam Computer Science. Namun, matematika tidak boleh menghalangi siswa yang berbakat untuk belajar ilmu komputer. 5. Generative AI semakin berkembang pesat. Meskipun masih baru, pengaruhnya terhadap pendidikan ilmu komputer belum dapat dipastikan karena baru 1 tahun.
  6. Characteristics of CS Graduates • Professional knowledge ◦ Paham Fundamentals

    dari software, system, dan applications development ◦ Pakai tools, libraries, dan frameworks untuk develop solution ◦ Landasan matematika dan teori komputasi • Professional responsibilities ◦ Taat kode etik. ◦ Berakhlak sesuai dengan kebudayaan lokal. ◦ Berdampak untuk masyarakat. • Professional dispositions (soft-skill) ◦ Adaptif (life-long learning) ◦ Kolaboratif ◦ Inovatif ◦ Teliti ◦ Gigih (persistent) ◦ Proaktif ◦ Bertanggung jawab ◦ Mandiri
  7. Knowledge Model • Knowledge model = { Knowledge areas }

    • Knowledge area = { Knowledge units } + { Professional dispositions } • Knowledge unit = { Topics } + { Learning outcomes } Terms: • Knowledge Model = CS2023  Prodi Informatika • Knowledge area KA / Body of Knowledge = Bahan Kajian BK • Knowledge unit = Sub Bahan Kajian SBK • Learning Outcome LO = Capaian Pembelajaran Lulusan CPL • Indikator Kinerja IK
  8. Glosarium Pengetahuan tambahan yang direkomendasikan untuk memperdalam ke spesialisasi tertentu.

    Pengetahuan dasar yang harus semua lulusan CS harus tahu. CS Computer Science) Core KA Knowledge Area) Core
  9. Competency Framework Competency Specification = Task + Competency Statement +

    Knowledge + Skills + Dispositions • Task : apa yang dilakukan • Competency Statement : apa yang dihasilkan • Knowledge : kata dalam Body of Knowledge BK • Skill : Explain, Apply, Evaluate, & Develop • Dispositions : Soft skill
  10. Proses Design/Revisi Kurikulum 1. Analisa competency area sesuai profil lulusan

    yang diharapkan, apakah mau di Software, System, atau Application. 2. Berdasarkan langkah 1, pilih Knowledge Area KA) atau Body of Knowledge BK) yang topik KACore-nya akan dibahas lebih dalam. 3. Bisa mulai dari rekomendasi matkul yang disediakan dan sesuaikan Knowledge Unit SBKnya. 4. Pastikan pada setiap Knowledge Unit: a. Semua CS Core sudah masuk. b. Maksimal KA Core yang difokuskan c. Hapus topik yang duplikat d. Tentukan Skill Level untuk tiap topik e. Buat assessment 5. Sesuaikan urutan matkul.
  11. Competency Area 1. Software Development: Program, algorithm, and language/paradigm Software

    Development Fundamentals SDF, Algorithmic Foundations AL, Foundations of Programming Languages FPL, and Software Engineering SE 2. Systems Development: Processor, storage, communication, architecture, I/O, data, and service Systems Fundamentals SF, Architecture and Organization AR, Operating Systems OS, Parallel and Distributed Computing PDC, Networking and Communication NC, Security SEC, and Data Management DM 3. Applications Development: Input, computation, output, and platform Graphics and Interactive Techniques GIT, Artificial Intelligence AI, Specialized Platform Development SPD, Human-Computer Interaction HCI, Security SEC, and Data Management DM
  12. Saran untuk Profil Lulusan Informatika 1. Asisten Peneliti bidang TIK

    2. Pengembang Perangkat Lunak a. front-end developer b. back-end developer c. database engineer d. software tester 3. Profesional bidang Kecerdasan Buatan: a. Intelligence System Developer → AI/ML Engineer b. Data Scientist c. Game Engineer → Data Engineer d. Graphics Engineer → Mobile Developer 4. Teknopreneur Diferensiasi dengan Prodi Lain • Sistem Informasi ◦ IT Auditor ◦ IT Architect ◦ IT Product Manager ◦ Data Analyst ◦ Business Intelligence • Teknologi Informasi ◦ UI/UX Designer ◦ Database Engineer ◦ Network Engineer ◦ IoT Engineer ◦ System Security Engineer ◦ Cloud Engineer ◦ Data Engineer ◦ IT Administration
  13. Saran untuk Peminatan 1. Intelligent Business → Berubah nama menjadi

    AI/ML atau Data Science 2. Rekayasa Perangkat Lunak → Akan lebih baik jika dipecah lagi karena RPL masih luas, misalnya: a. Web App Development b. Mobile App Development 3. Jaringan → Lebih cocok di Teknologi Informasi Diferensiasi dengan Prodi Lain • Sistem Informasi ◦ Precision Agriculture ◦ Komputer Akuntansi ◦ Otomasi Sistem ◦ Manajemen Sistem Informasi • Teknologi Informasi ◦ Jaringan dan Sekuritas ◦ Infrastruktur TI ◦ Media Digital
  14. • Aspek Sikap 1. Takwa kepada Tuhan Yang Maha Esa

    dan cinta tanah air • Tanggung jawab, jujur, dan disiplin • Peduli terhadap masyarakat • Aspek Keterampilan Umum 1. Logis, kritis, inovatif, serta adaptif • Kemampuan beradaptasi • Perhatian terhadap unsur penting(? • Inovatif 2. Analisis data, manajemen, dan/atau kewirausahaan • Manajemen dan kewirausahaan • Data dan keamanan sistem • Mengintegrasikan konsep analisis data, pertanian, dan ilmu kewirausahaan 3. Wirausaha → dobel dengan sebelumnya • Problem Statement • Solution • Rancangan solusi • Produk berdasarkan rancangan • Testing • Strategi pemasaran produk Saran untuk Capaian Pembelajaran Lulusan CPL • Professional responsibilities ◦ Taat kode etik. ◦ Berakhlak sesuai dengan kebudayaan lokal. ◦ Berdampak untuk masyarakat. • Professional dispositions ◦ Adaptif (life-long learning) ◦ Kolaboratif ◦ Inovatif ◦ Teliti ◦ Gigih (persistent) ◦ Proaktif ◦ Bertanggung jawab ◦ Mandiri
  15. • Aspek Pengetahuan 1. Matematika, pemodelan, statistik, dan visualisasi grafis

    • Matematika, statistika pemodelan, dan statistik • Algoritma (khususnya sistem cerdas) 2. Memvalidasi berbagai aspek teknologi yang digunakan dalam pengembangan suatu program, aplikasi, dan sistem informasi • Kebutuhan perangkat lunak dan perangkat keras. • Nilai sosial yang terkandung dalam pengembangan program, aplikasi, dan sistem informasi → Lebih cocok pada Aspek Sikap • Jaringan komputer → Lebih cocok pada Prodi Teknologi Komputer Saran untuk Capaian Pembelajaran Lulusan CPL Professional knowledge • Paham Fundamentals dari software, system, dan applications development • Pakai tools, libraries, dan frameworks untuk develop solution • Landasan matematika dan teori komputasi
  16. • Aspek Keterampilan Khusus 1. Mendesain Program • Praktik menyelesaikan

    masalah • Evaluasi efektifitas dan efisiensi algoritma 2. Mengolah data digital → bisa dibuat lebih clear untuk AI/ML • Visualisasi data • Algoritma dan pemodelan untuk mengolah data digital • Evaluasi tingkat akurasi model 3. Membuat perangkat lunak • Analisis kebutuhan perangkat • Mendesain • Membangun • Implementasi sistem cerdas • Testing • Maintenance 4. Game dengan AI • Mendesain Asset • Membuat aplikasi permainan • Game dengan AI Saran untuk Capaian Pembelajaran Lulusan CPL • AL Algorithmic Foundations) ◦ ALFoundational ◦ ALComplexity • AI Artificial Intelligence) ◦ GITVisualization ◦ AIMachine Learning • SE Software Engineering) ◦ SETools ◦ SERequirement ◦ SEDesign ◦ SEConstruction ◦ SEValidation ◦ SERefactoring • SPD Specialized Platform Development) ◦ SPDGame
  17. Human-Comp uter Interaction HCI Industrial Need: • User Experience /

    UX Design dengan Design Thinking ◦ Mulai dari Empathize, Define, Ideate, Prototype, & Test ◦ Ada kesempatan untuk menjadi UI/UX Designer juga
  18. Foundations of Programming Languages FPL Industrial Need: • Algoritma &

    Struktur Data masih menjadi andalan untuk seleksi masuk big tech company (coding interview). • Perbanyak latihan di LeetCode atau Hackerrank Industrial Need: • Basic programming, OOP & FP menjadi hal fundamental yang wajib diketahui secara praktikal, tidak hanya teori. • Topik baru: Shell scripting dan reactive programming.
  19. Algorithmic Foundations AL Industrial Need: • Algoritma & Struktur Data

    masih menjadi andalan untuk seleksi masuk big tech company (coding interview). • Perbanyak latihan di LeetCode atau Hackerrank
  20. Data Management DM Industrial Need: • Minimal bisa basic SQL,

    SQL Join, dan Normalisasi. • Poin plus menulis query yang efektif dan optimasi.
  21. Software Engineering SE Industrial Need: • Kolaborasi dengan Version Control

    Git & Code Review • Membuat PRD Product Requirement Document) • Prinsip dasar Software Design, SOLID, & Clean Code
  22. Specialized Platform Development SPD Industrial Need: • Basic HTML, CSS,

    & Javascript • One of popular framework: Laravel / React • Mobile First Approach & PWA
  23. Mathematical and Statistical Foundations MSF Industrial Need: • Bisa juga

    fokus langsung ke math for AI, ML, & DS • Recommended course: https://www.coursera.org/specializations/mathematics-fo r-machine-learning-and-data-science
  24. Artificial Intelligence AI Industrial Need: • Machine Learning masuk sebagai

    CS Core • Ada dua cara ◦ Bikin AI : buat model sendiri ◦ Pakai AI : memakai AI-wrapper untuk Generative Seperti: Gemini API / OpenAI API
  25. Rekayasa Perangkat Lunak RPL Note: • Configuration Management(? Industrial Need:

    • Layouting / UI Design • Dependency Injection • Komunikasi ke Web API • Menyimpan ke Database • State Management • Navigation • Authentication dan Authorization • Firebase • TDD Test Driven Development) • Clean Architecture • CI/CD & Deployment • Performance • Security
  26. Intelligent Business → AI/ML or Data Science Note: • Pemrosesan

    Bahasa Alami → Natural Language Processing • Information Retrieval bisa masuk ke NLP • Ubiquitous Computing bisa masuk ke Parallel Computing • Algoritma Evolusi bisa masuk ke Algoritma Industrial Need: • Data Analysis ◦ Data Preprocessing & EDA • TensorFlow ◦ Membuat & Optimasi Model ◦ Deployment • Generative AI ◦ Fine tuning ◦ RAG
  27. Jaringan Industrial Need: • Fokus ke Certification ◦ Cisco ▪

    CCNA ▪ CCNP ▪ CCIE ◦ MTCNA ▪ MTCNA ▪ MTCRE ▪ … ◦ Juniper ▪ JNCIA ▪ JNCIP
  28. Recap • Profil lulusan dan peminatan perlu di-define ulang supaya

    unik dan berbeda dengan prodi lain. • Dari sisi foundational concept sudah lengkap, hanya perlu menambahkan jam praktik yang lebih banyak. • Nama pada Body of Knowledge perlu menyesuaikan dengan CS Curricula 2023, saat ini masih 2013. • Ada beberapa gap antara kurikulum dengan industri yang perlu dilengkapi. • Lebih banyak capstone sebagai portofolio untuk belajar kolaborasi dan version control. • Aspek soft-skill perlu diperdalam supaya siswa memiliki sifat lifelong learning dan persistent. •