Benchmarking Filkom Universitas Putra Indonesia Padang mengenai Pendirian Prodi ke S-1 Kecerdasan Artifisial FMIPA UNESA
Benchmarking dimulai dengan
paparan Korprodi S-1 Kecerdasan Artifisial UNESA, Dr. Elly Matul Imah, M.Kom
mengenai visi misi dan kurikulum dan profil Prodi S-1 Kecerdasan Artifisial
UNESA. Agenda bencmarking selanjutnya difokuskan pada diskusi mengenai pendirian
prodi dan penyelenggaraan pendidikan berbasis Outcome-Based Education (OBE),
capaian pembelajaran lulusan (CPL), pengelolaan laboratorium hingga strategi
pengembangan pembelajaran dan kriteria ketentuan jumlah SKS (Sistem Kredit
Semester) sesuai Accreditation Board for Engineering and Technology (ABET) bidang
Artificial Intelligence (AI)/ Machine Learning (ML) dan sejenis.
“Dalam pendirian prodi, salah
satu perhatian utama adalah bagaimana memastikan prodi kecerdasan artifisial
yang akan dibangun memenuhi standar minimal kompetensi ilmu komputer yang
menekankan pada penerapannya pada bidang kecerdasan artifisial serta program
studi baru memiliki kekhasan tersendiri” pesan Dr. Elly Matul Imah, M.Kom.
Menanggapi pertanyaan Dekan
Filkom, Dr. Rini Sovia, S.Kom, M.Kom mengenai pembeda matakuliah S-1 Kecerdasan
Artifisial dan informatika, matakuliah tertentu dapat menjadi bagian dari
pembelajaran pada kedua bidang, tetapi dengan fokus yang berbeda. Pada Program
Studi S-1 Kecerdasan Artifisial, pembelajaran diarahkan lebih spesifik pada
pengembangan dan penerapan AI. Salah satu contoh yang dibahas adalah Desain dan
Analisis Algoritma (DAA) yang dapat dikembangkan dengan prasyarat seperti
matakuliah Konsep Dasar Kecerdasan Artifisial (KDKA) dan Teori Graf. Beberapa
mata kuliah yang telah berjalan juga dibahas untuk melihat kemungkinan
penyesuaian di antaranya posisi
pemberian matakuliah Interaksi Manusia dan Kecerdasan Artifisial (IMKA) serta
mata kuliah Pemrograman Web yang diarahkan pada kebutuhan pengembangan
kompetensi menjadi MLOps (Operasi
Machine Learning). Kurikulum juga diarahkan agar mahasiswa memiliki pengalaman
menghasilkan karya atau produk melalui capstone project. Salah satu gagasan
yang dibahas adalah mahasiswa dapat menyelesaikan capstone hingga menghasilkan
produk pada semester 6, sehingga membuka peluang bagi mahasiswa untuk
menyelesaikan studi dalam waktu 3,5 tahun. Tema capstone dapat dikembangkan
secara lebih fleksibel sesuai minat dan kebutuhan mahasiswa. Sementara itu,
kegiatan magang dapat ditempatkan sebagai bagian dari pembelajaran melalui
mekanisme konversi.
Dari sisi penjaminan mutu,
kegiatan benchmarking eksternal menjadi salah satu sumber bukti sahih Sistem
Penjaminan Mutu Internal (SPMI). Benchmarking dengan program studi sejenis
dapat digunakan sebagai bahan evaluasi dan pengembangan, termasuk untuk melihat
posisi program studi, kebutuhan pengembangan, serta analisis terhadap tingkat
kejenuhan program studi. Dalam diskusi mengenai proses pembukaan program studi
baru, turut dibahas mekanisme pengajuan dan data dukung yang diperlukan. Untuk
perguruan tinggi berbadan hukum, pengajuan program studi baru saat ini
diarahkan langsung kepada LAM INFOKOM dengan menyediakan data dukung, termasuk
riwayat mata kuliah dan dokumen pembelajaran seperti RPS matakuliah penciri.
Selain itu, mekanisme melalui BAN-PT/SIAGA oleh PTS (Perguruan Tinggi Swasta)
juga menjadi bagian dari pembahasan sesuai kondisi dan ketentuan yang berlaku.
Kegiatan benchmarking berlangsung
dalam suasana terbuka dan interaktif. Berbagai pertanyaan yang disampaikan oleh
tim Fasilkom Universitas Putra Indonesia Padang mendapatkan tanggapan dan
masukan dari tim Program Studi S-1 Kecerdasan Artifisial UNESA. Dekan Filkom
Universitas Putra Indonesia menyampaikan bahwa berbagai pertanyaan utama dalam
kunjungan telah mendapatkan penjelasan. Apabila masih terdapat hal-hal yang
perlu didiskusikan lebih lanjut, komunikasi dapat dilanjutkan dengan melibatkan
Koordinator Program Studi S-1 Kecerdasan Artifisial dan Gugus Penjaminan Mutu
(GPM) FMIPA UNESA. Melalui kegiatan ini, Program Studi S-1 Kecerdasan
Artifisial UNESA turut berkontribusi dalam berbagi pengalaman pengembangan
pendidikan AI, khususnya terkait penyusunan kurikulum berbasis OBE, profil
lulusan, CPL, pembelajaran berbasis proyek, hingga strategi menyiapkan lulusan
yang relevan dengan perkembangan teknologi dan kebutuhan industri. Benchmarking
bukan sekadar bertukar informasi, tetapi menjadi ruang kolaborasi untuk
bersama-sama membangun pendidikan kecerdasan artifisial yang adaptif,
berkualitas, dan relevan dengan kebutuhan Indonesia. Kegiatan ini mendukung SDG
4 Quality Education (Pendidikan Berkualitas) dan SDG 17 Partnerships for the Goals (Kemitraan
untuk Mencapai Tujuan) antar perguruan tinggi di Indonesia untuk mendukung
perkembangan teknologi yang mendukung SDG 9 Inovation (Inovasi).