STRUKTUR KURIKULUM

PROGRAM STUDI S2 PENDIDIKAN TEKNOLOGI INFORMASI

FAKULTAS TEKNIK

UNIVERSITAS NEGERI SURABAYA

A.

MATA KULIAH INSTITUSIONAL

1

Filsafat Pendidikan Teknologi Informasi

2

2

0

2

2

Metodologi Penelitian

3

2

1

3

3

Studi Lapangan / Internship

2

0

2

2/4

Sub Jumlah A

7

4

3

2

3

2

0

B.

MATA KULIAH KEAHLIAN PROGRAM

1

Kajian Kurikulum dan Pembelajaran

3

2

1

3

2

Asesmen dan Evaluasi Pembelajaran

3

2

1

3

3

Rekayasa Perangkat Lunak

3

2

1

3

4

Statistika

3

2

1

3

5

Kecerdasan Buatan

3

2

1

3

6

Jaringan Komputer

3

2

1

3

7

Keamanan data dan informasi

3

2

1

3

Sub Jumlah B

21

14

7

18

3

0

0

C.

MATA KULIAH PEMINATAN

C.1

Learning Analytics

1

Penambangan Data Pendidikan

3

2

1

3

2

Pembelajaran Mesin

3

2

1

3

3

Analitik Prediktif

3

2

1

3

Sub Jumlah C.1

9

6

3

0

9

0

0

C.2

Adaptive Learning

1

Sistem Tutor Cerdas

3

2

1

3

2

Personalisasi Lingkungan Pembelajaran

3

2

1

3

3

Penilaian Adaptif

3

2

1

3

Sub Jumlah C.2

9

6

3

0

9

0

0

C.3

Cybersecurity in Education

1

Enkripsi dan Dekripsi

3

2

1

3

2

Forensik Digital dalam Pendidikan

3

2

1

3

3

Blockchain dalam Pendidikan

3

2

1

3

Sub Jumlah C.3

9

6

3

0

9

0

0

D.

MATA KULIAH TESIS

1

Proposal Tesis

3

1

2

3

2

Tesis

6

3

3

6

Sub Jumlah D

9

4

5

0

0

3

6

E.

MATA KULIAH PUBLIKASI

1

Publikasi Ilmiah

4

2

2

4

Sub Jumlah E

4

2

2

0

0

4

0

F.

MATA KULIAH PILIHAN BEBAS**

1

Pengambilan Keputusan Berbasis Data

2

1

1

2

2

Analisis Bigdata

2

1

1

2

3

Pemodelan Informasi dan Sistem Basis Data

2

1

1

2

4

Penjaminan Kualitas Perangkat Lunak

2

1

1

2

5

Komputasi Paralel dan Terdistribusi

2

1

1

2

6

Keamanan Jaringan Komputer

2

1

1

2

Sub Jumlah F

12

6

6

0

4

0

0

Wajib memilih 4 SKS

4

Jumlah sks per semester

54

36

26

20

19

9

6

Catatan:

1.

Mahasiswa lulus Magister dengan menempuh minimal 54 SKS

Dengan rincian sebagai berikut.

 A

Mata kuliah tatap muka/terstruktur

a

Mata Kuliah Institusional

7

SKS

b

Mata Kuliah Keahlian Program

21

SKS

c

Mata Kuliah Peminatan

9

SKS

d

Mata Kuliah Pilihan Bebas**

4

SKS

Jumlah A

41

SKS

 B

Mata kuliah berbasis riset

a

Mata Kuliah Tesis

9

SKS

b

Mata Kuliah Publikasi

4

SKS

Jumlah B

13

SKS

Total (Jumlah A + Jumlah B)

54

SKS

2.

**) Wajib memilih 4 SKS dari 12 SKS yang disediakan

A.

MATA KULIAH INSTITUSIONAL

1

Filsafat Pendidikan Teknologi Informasi

V

V

V

V

2

Metodologi Penelitian

V

V

V

V

3

Studi Lapangan / Internship

V

V

V

V

B.

MATA KULIAH KEAHLIAN PROGRAM

1

Kajian Kurikulum dan Pembelajaran

V

V

V

V

2

Asesmen dan Evaluasi Pembelajaran

V

V

V

V

3

Rekayasa Perangkat Lunak

V

V

V

V

4

Statistika

V

V

V

V

5

Kecerdasan Buatan

V

V

V

V

6

Keamanan data dan informasi

V

V

V

V

7

Jaringan Komputer

V

V

V

V

C.

MATA KULIAH PEMINATAN

C.1

Learning Analytics

1

Penambangan Data Pendidikan

V

V

V

V

2

Pembelajaran Mesin

V

V

V

V

3

Analitik Prediktif

V

V

V

V

C.2

Adaptive Learning

1

Sistem Tutor Cerdas

V

V

V

V

V

2

Personalisasi Lingkungan Pembelajaran

V

V

V

V

V

3

Penilaian Adaptif

V

V

V

V

C.3

Cybersecurity in Education

1

Enkripsi dan Dekripsi

V

V

V

V

V

2

Forensik Digital dalam Pendidikan

V

V

V

V

V

3

Blockchain dalam Pendidikan

V

V

V

V

V

D.

MATA KULIAH TESIS

1

Proposal Tesis

V

V

V

V

2

Tesis

V

V

V

V

E.

MATA KULIAH PUBLIKASI

1

Publikasi Ilmiah

V

V

V

V

F.

MATA KULIAH PILIHAN BEBAS**

1

Pengambilan Keputusan Berbasis Data

V

V

V

V

2

Analisis Bigdata

V

V

V

V

3

Pemodelan Informasi dan Sistem Basis Data

V

V

V

V

4

Penjaminan Kualitas Perangkat Lunak

V

V

V

V

5

Komputasi Paralel dan Terdistribusi

V

V

V

V

6

Keamanan Jaringan Komputer

V

V

V

V

A.

MATA KULIAH INSTITUSIONAL

1

Filsafat Pendidikan Teknologi Informasi

1. Mengkaji konsep dasar filsafat pendidikan dan teknologi informasi
2. Menganalisis dan mengkritisi penerapan teknologi dalam pendidikan dari perspektif etis dan filosofis.
3. Menerapkan konsep filosofis dan etis dalam merancang solusi dan mengevaluasi kebijakan teknologi pendidikan.

1. Kajian ontologi, epistemologi, dan aksiologi pendidikan teknologi informasi
2. Etika dalam Pendidikan Teknologi Informasi
3. Inovasi dan Kewirausahaan dalam Pendidikan Teknologi Informasi

2

Metodologi Penelitian

1. Mengkaji konsep dasar metodologi penelitian, termasuk perbedaan antara pendekatan kualitatif, kuantitatif, dan campuran.
2. Merancang dan mengimplementasikan penelitian sesuai dengan metodologi yang dipilih (kualitatif, kuantitatif, atau campuran)
3. Menganalisis data yang diperoleh dan menyajikan hasil penelitian dalam bentuk laporan atau artikel ilmiah.

1. Pengantar dan pemahaman konsep penelitian kualitatif, kuantitatif, dan campuran.
2. Desain dan Implementasi Penelitian
3. Analisis dan Pelaporan

3

Studi Lapangan / Internship

1. Mengenal lingkungan kerja dan tugas.
2. Menerapkan pengetahuan dan keterampilan dalam tugas kerja.
3. Melakukan refleksi dan evaluasi pengalaman kerja.

Penerapan manajemen dan kompetensi pada tugas mendidik atau melatih atau studi lapangan

B.

MATA KULIAH KEAHLIAN PROGRAM

1

Kajian Kurikulum dan Pembelajaran

1. Mengkaji konsep dan teori dasar kurikulum.

2. Menganalisis desain dan implementasi kurikulum dalam konteks pendidikan yang berbeda.

3. Mengembangkan  kurikulum yang inovatif sesuai dengan kebutuhan pendidikan.

1. Konsep dan teori kurikulum dalam pendidikan.

2. Desain dan pengembangan kurikulum.

3. Evaluasi dan revisi kurikulum.

4. Teori pembelajaran dan implementasi dalam kurikulum.

5. Inovasi dalam kurikulum dan pembelajaran.

2

Asesmen dan Evaluasi Pembelajaran

1. Mengkaji prinsip-prinsip dasar asesmen dan evaluasi pembelajaran.
2. Menerapkan berbagai teknik asesmen dalam konteks pembelajaran yang spesifik.
3. Menganalisis hasil asesmen dan

menggunakannya untuk meningkatkan kualitas pembelajaran.

1. Prinsip-prinsip asesmen dan evaluasi dalam pembelajaran.
Teknik dan alat asesmen formatif dan sumatif.
2. Validitas, reliabilitas, dan keadilan dalam evaluasi pembelajaran.
3. Penggunaan data hasil asesmen untuk perbaikan pembelajaran.
4. Teknologi dalam asesmen pembelajaran.

3

Rekayasa Perangkat Lunak

1. Mengkaji konsep dasar dan siklus hidup pengembangan perangkat lunak.
2. Merancang dan mengembangkan perangkat lunak menggunakan metodologi yang dipilih.
3. Menguji, memelihara, dan mengelola proyek perangkat lunak.

1. Siklus hidup pengembangan perangkat lunak.
2. Metodologi pengembangan perangkat lunak (Agile, Waterfall, DevOps).
3. Desain dan arsitektur perangkat lunak.
4. Pengujian dan pemeliharaan perangkat lunak.
5. Manajemen proyek perangkat lunak.

4

Statistika

1. Mengkaji konsep dasar statistik dan pengolahan data.
2. Melakukan analisis statistik menggunakan perangkat lunak.
3. Menginterpretasikan hasil analisis statistik dan menyusunnya dalam laporan ilmiah.

1. Dasar-dasar statistik deskriptif dan inferensial.
2. Pengujian hipotesis dan analisis regresi.
3. Statistik non-parametrik.
4. Penggunaan perangkat lunak statistik (misalnya SPSS, R).
5. Interpretasi dan pelaporan hasil analisis statistik.

5

Kecerdasan Buatan

1. Mengkaji konsep dan sejarah AI serta aplikasi dasarnya.

2. Mengembangkan model AI sederhana menggunakan algoritma machine learning.

3. Menganalisis hasil dan dampak implementasi AI serta mempertimbangkan aspek etis.

1. Konsep dasar dan sejarah kecerdasan buatan (AI).

2. Algoritma pembelajaran mesin (machine learning).

3. Jaringan saraf tiruan dan deep learning.

4. Aplikasi AI dalam berbagai bidang.

5. Etika dan tantangan dalam pengembangan AI.

6

Keamanan data dan informasi

1. Mengkaji konsep dasar dan pentingnya keamanan data.
2. Menerapkan teknik keamanan informasi dan enkripsi dalam berbagai skenario.
3. Mengelola risiko dan mengevaluasi kebijakan keamanan data yang ada.

1. Dasar-dasar keamanan informasi dan ancaman siber.
2. Teknik enkripsi dan keamanan data.
3. Manajemen risiko keamanan informasi.
4. Kebijakan dan regulasi keamanan data.
5. Teknologi dan alat untuk melindungi data dan informasi.

7

Jaringan Komputer

1. Mengkaji konsep dan arsitektur dasar jaringan komputer.
2. Mendesain dan mengimplementasikan jaringan komputer dalam skala kecil hingga menengah.
3. Melakukan troubleshooting dan memastikan keamanan jaringan komputer yang telah dibangun.

1. Dasar-dasar jaringan komputer dan arsitektur OSI.
2. Protokol jaringan (TCP/IP, UDP, HTTP).
3. Desain dan implementasi jaringan LAN, WAN, dan nirkabel.
4. Keamanan jaringan komputer.
5. Pengelolaan dan troubleshooting jaringan.

C.

MATA KULIAH PEMINATAN

C.1

Learning Analytics

1

Penambangan Data Pendidikan

1. Mengkaji konsep dasar dan teknik dalam Educational Data Mining.
2. Menerapkan algoritma EDM pada dataset pendidikan.
3. Mengevaluasi hasil EDM dan menganalisis implikasi etisnya.

1. Pengantar Data Mining dalam Pendidikan.
2. Teknik Pengumpulan dan Pembersihan Data Pendidikan.
3. Algoritma Educational Data Mining (Clustering, Classification, Association).
4. Aplikasi Educational Data Mining dalam Pembelajaran.
5. Tantangan Etis dalam Educational Data Mining.

2

Pembelajaran Mesin

1. Mengidentifikasi dasar-dasar dan algoritma dalam machine learning.

2. Mengimplementasikan algoritma machine learning untuk kasus nyata.

3. Mengoptimalkan model machine learning berdasarkan evaluasi.

1. Dasar-dasar Machine Learning: Supervised, Unsupervised, dan Reinforcement Learning.

2. Algoritma utama: Regresi, Decision Tree, SVM, dan Neural Networks.

3. Proses pelatihan model, validasi, dan evaluasi.

4. Aplikasi Machine Learning di berbagai bidang.

5. Tantangan dan perkembangan terkini dalam Machine Learning.

3

Analitik Prediktif

1. Memahami konsep dasar dan perbedaan antara predictive analytics dengan jenis analitik lainnya.
2. Mengidentifikasi teknik dan algoritma yang sesuai untuk masalah prediksi tertentu.
3. Mengumpulkan dan mengolah data yang diperlukan untuk membangun model prediktif.
4. Menerapkan algoritma predictive analytics menggunakan tools seperti Python atau R.
5. Mengevaluasi model prediksi dengan metrik yang sesuai dan melakukan iterasi untuk meningkatkan kinerja model.

1. Pengantar Predictive Analytics
2. Teknik dan Algoritma Predictive Analytics
3. Pengolahan dan Pemodelan Data
4. Implementasi Predictive Analytics
5. Etika dan Tantangan dalam Predictive Analytics
6. Masa Depan Predictive Analytics

C.2

Adaptive Learning

1

Sistem Tutor Cerdas

1. Mengidentifikasi arsitektur dan komponen ITS.
2. Merancang komponen ITS sesuai dengan kebutuhan pembelajaran.
3. Mengukur efektivitas ITS dalam meningkatkan hasil belajar.

1. Pengantar Intelligent Tutoring Systems (ITS).
2. Arsitektur dan komponen utama ITS.
3. Algoritma personalisasi dalam ITS.
4. Aplikasi dan evaluasi ITS dalam pendidikan.
5. Tantangan dan peluang dalam pengembangan ITS.

2

Personalisasi Lingkungan Pembelajaran

1. Menjelaskan prinsip dan teknik personalisasi dalam pembelajaran.

2. Menerapkan teknik personalisasi dalam LMS.

3. Mengevaluasi dampak personalisasi pada hasil pembelajaran.

1. Prinsip personalisasi dalam pembelajaran.

2. Teknik dan algoritma untuk personalisasi konten.

3. Aplikasi personalisasi dalam Learning Management Systems (LMS).

4. Penggunaan data untuk personalisasi pembelajaran.

5. Tantangan dan etika dalam personalisasi lingkungan pembelajaran.

3

Penilaian Adaptif

1. Memahami konsep dan teknik adaptive assessment.
2. Mengimplementasikan sistem adaptive assessment dalam skenario pembelajaran.
3. Mengevaluasi dan mengoptimalkan sistem berdasarkan hasil penilaian.

1. Konsep dan prinsip adaptive assessment.
2. Algoritma dan teknik adaptive testing.
3. Desain dan implementasi sistem adaptive assessment.
4. Aplikasi dalam pendidikan dan evaluasi hasil pembelajaran.
5. Tantangan etika dan teknis dalam adaptive assessment.

C.3

Cybersecurity in Education

1

Enkripsi dan Dekripsi

1. Memahami dasar kriptografi dan teknik enkripsi.
2. Menerapkan algoritma enkripsi dan dekripsi dalam sistem keamanan.
3. Mengevaluasi efektivitas enkripsi dalam melindungi data.

1. Pengantar kriptografi: Enkripsi dan Dekripsi.
2. Algoritma enkripsi simetris dan asimetris.
3. Protokol keamanan data dan implementasi enkripsi.
4. Aplikasi enkripsi dalam keamanan jaringan dan data.
5. Tantangan dan isu etika dalam enkripsi.

2

Forensik Digital dalam Pendidikan

1. Menjelaskan konsep dasar digital forensics.
2. Menerapkan teknik forensik dalam pengumpulan dan analisis bukti digital.
3. Menyusun laporan forensik digital berdasarkan hasil analisis.

1. Konsep dasar dan prinsip digital forensics.
2. Teknik pengumpulan, analisis, dan penyimpanan bukti digital.
3. Alat dan metodologi forensik digital.
4. Aplikasi digital forensics dalam investigasi kejahatan siber.
5. Tantangan etis dan legal dalam digital forensics.

3

Blockchain dalam Pendidikan

1. Memahami teknologi blockchain dan aplikasinya dalam pendidikan.

2. Mengimplementasikan blockchain untuk sistem sertifikasi pendidikan.

3. Menganalisis manfaat dan tantangan penggunaan blockchain dalam pendidikan.

1. Pengantar blockchain dan teknologi terdistribusi.

2. Aplikasi blockchain dalam sistem pendidikan.

3. Keamanan dan transparansi dalam blockchain untuk pendidikan.

4. Implementasi blockchain untuk sertifikasi dan kredensial.

5. Tantangan dan peluang blockchain di bidang pendidikan.

D.

MATA KULIAH TESIS

1

Proposal Tesis

1. Menjelaskan struktur dan elemen penting dalam proposal tesis.
2. Mengembangkan topik dan metodologi penelitian.
3. Menyusun dan merevisi proposal berdasarkan umpan balik.

1. Pengantar proposal penelitian dan tesis.
2. Teknik penulisan proposal yang baik.
3. Penentuan topik dan metodologi penelitian.
4. Tinjauan literatur dan penyusunan hipotesis.
5. Penyusunan dan revisi proposal tesis.

2

Tesis

1. Memahami struktur tesis dan metodologi yang sesuai.
2. Mengimplementasikan penelitian dan menulis tesis.
3. Merevisi dan menyelesaikan tesis untuk sidang.

1. Pengantar tesis dan metodologi penelitian.
2. Teknik pengumpulan dan analisis data.
3. Penulisan bab dan struktur tesis.
4. Tinjauan dan revisi tesis.
5. Penyelesaian tesis dan persiapan sidang.

E.

MATA KULIAH PUBLIKASI

1

Publikasi Ilmiah

1. Menjelaskan proses dan etika publikasi ilmiah.
2. Menulis dan menyusun artikel ilmiah.
3. Melakukan submisi dan revisi artikel untuk publikasi.

1. Pengantar publikasi ilmiah dan proses peer-review.
2. Penulisan artikel ilmiah yang baik.
3. Pemilihan jurnal yang tepat untuk publikasi.
4. Teknik submisi dan tanggapan terhadap reviewer.
5. Etika publikasi ilmiah dan plagiarisme.

F.

MATA KULIAH PILIHAN BEBAS**

1

Pengambilan Keputusan Berbasis Data

1. Memahami konsep pengambilan keputusan berbasis data.
2. Mengimplementasikan analisis data dalam pengambilan keputusan.
3. Mengevaluasi keputusan dan mengoptimalkan proses berbasis data.

1. Pengantar pengambilan keputusan berbasis data.

2. Teknik analisis data untuk pengambilan keputusan.

3. Alat dan metode pengambilan keputusan berbasis data.

4. Aplikasi pengambilan keputusan dalam bisnis dan pendidikan.

5. Tantangan dan etika dalam data-driven decision making.

2

Analisis Bigdata

1. Memahami konsep dan tantangan dalam analisis big data.
2. Menggunakan alat dan teknik untuk analisis data dalam skala besar.
3. Mengevaluasi hasil analisis big data untuk pengambilan keputusan.

1. Konsep dasar big data dan tantangannya.
2. Alat dan teknik untuk analisis big data.
3. Pengolahan data dalam skala besar: MapReduce, Hadoop, Spark.
4. Aplikasi big data dalam berbagai industri.
5. Tantangan etis dan keamanan dalam analisis big data.

3

Pemodelan Informasi dan Sistem Basis Data

1. Menjelaskan konsep dasar pemodelan data dan sistem basis data.
2. Mengimplementasikan teknik normalisasi dan desain skema basis data yang efisien.
3. Menganalisis keamanan dan integritas data dalam sistem basis data yang dibangun.

1. Pengantar pemodelan data dan sistem basis data.
2. Teknik normalisasi dan desain skema basis data.
3. SQL dan manajemen basis data relasional.
4. Pemodelan ERD dan implementasi basis data.
5. Keamanan dan integritas data dalam basis data.

4

Penjaminan Kualitas Perangkat Lunak

1. Mengidentifikasi konsep dasar dan metode penjaminan kualitas perangkat lunak.
2. Menerapkan teknik pengujian perangkat lunak dalam berbagai fase pengembangan.
3. Mengevaluasi kualitas perangkat lunak menggunakan alat dan framework SQA.

1. Pengantar Penjaminan Kualitas Perangkat Lunak (Software Quality Assurance, SQA).

2. Teknik dan Metode Pengujian Perangkat Lunak (unit testing, integration testing, system testing).

3. Proses Pengembangan Berbasis Kualitas (Quality-Driven Development).

4. Alat dan Framework untuk SQA.

5. Audit Kualitas dan Manajemen Risiko dalam Perangkat Lunak.

5

Komputasi Paralel dan Terdistribusi

1. Mengidentifikasi konsep dasar komputasi paralel dan terdistribusi.
2. Menerapkan pemrograman paralel dan terdistribusi dengan alat seperti MPI dan OpenMP.
3. Mengevaluasi kinerja dan tantangan dalam sistem komputasi paralel dan terdistribusi.

1. Konsep Dasar Komputasi Paralel dan Terdistribusi.
2. Arsitektur dan Model Pemrograman Paralel (OpenMP, MPI).
3. Algoritma dan Teknik Komputasi Paralel.
4. Sistem Terdistribusi dan Pengolahan Data Terdistribusi.
5. Tantangan dan Aplikasi Komputasi Paralel dan Terdistribusi.

6

Keamanan Jaringan Komputer

1. Mengidentifikasi konsep dasar keamanan jaringan dan ancaman terkait.
2. Mengimplementasikan teknik keamanan jaringan dan protokol keamanan.
3. Mengevaluasi dan mengelola risiko keamanan dalam jaringan komputer.

1. Pengantar Keamanan Jaringan dan Ancaman Siber.
2. Teknik Kriptografi untuk Keamanan Jaringan.
3. Protokol Keamanan Jaringan (SSL/TLS, IPsec).
4. Deteksi Intrusi dan Sistem Pencegahan (IDS/IPS).
5. Pengelolaan Keamanan Jaringan dan Manajemen Risiko.