Prompt AI untuk Membuat Desain Pembelajaran Deep Learning: Panduan Lengkap untuk Dosen dan Pendidik

Pernahkah Anda menghabiskan waktu berjam-jam—bahkan berhari-hari—hanya untuk menyusun satu Rencana Pembelajaran Semester (RPS) yang benar-benar matang? Anda bukan satu-satunya. Ratusan ribu dosen di Indonesia menghadapi tantangan yang sama: tuntutan menyusun desain pembelajaran yang mendalam (deep learning), selaras dengan Capaian Pembelajaran Lulusan (CPL), berbasis Outcome-Based Education (OBE), dan kini juga harus responsif terhadap perkembangan teknologi.

Di tengah hiruk-pikuk administrasi akademik, muncul pertanyaan mendasar: bagaimana kita bisa menciptakan pengalaman belajar yang benar-benar transformative bagi mahasiswa, tanpa mengorbankan waktu dan energi kita sebagai pendidik?

Jawabannya terletak pada perpaduan antara pendekatan deep learning dan kecerdasan buatan (AI) generatif. Bukan untuk menggantikan peran dosen, tetapi untuk menjadi cognitive sparring partner—mitra berpikir yang membantu kita merancang pembelajaran lebih cepat, lebih baik, dan lebih mendalam.

Artikel ini adalah jawaban atas kebutuhan tersebut. Ditulis khusus untuk dosen, guru besar, peneliti, mahasiswa pascasarjana, dan pengelola perguruan tinggi, panduan ini akan membawa Anda dari pemahaman dasar tentang desain pembelajaran deep learning hingga penguasaan prompt engineering—dengan puluhan prompt siap pakai yang bisa langsung Anda gunakan.

Apa yang akan Anda dapatkan setelah membaca artikel ini:

Pemahaman utuh tentang desain pembelajaran deep learning dan komponen-komponennya
Kemampuan menyusun prompt AI yang efektif untuk berbagai keperluan akademik
Akses ke 25+ prompt siap pakai untuk membuat RPS, modul ajar, instrumen asesmen, dan banyak lagi
Panduan langkah demi langkah dari nol hingga menghasilkan desain pembelajaran berkualitas
Wawasan tentang praktik terbaik dan kesalahan yang harus dihindari

Mari kita mulai perjalanan ini.

Apa Itu Desain Pembelajaran Deep Learning?

Definisi dan Konsep Dasar

Deep learning atau pembelajaran mendalam bukan sekadar tren pendidikan. Ini adalah pendekatan pedagogis yang menuntut mahasiswa untuk tidak hanya menghafal, tetapi memahami secara mendalam, menghubungkan pengetahuan, dan menerapkannya dalam konteks nyata.

Dalam konteks pendidikan tinggi Indonesia, deep learning sering dikaitkan dengan tiga pilar utama yang dikenal sebagai 3M:

Mindful (Sadar) — mahasiswa aktif terlibat secara mental dalam proses belajar
Meaningful (Bermakna) — materi pembelajaran terhubung dengan pengalaman dan kehidupan nyata
Joyful (Menyenangkan) — proses belajar memberikan pengalaman positif dan membangkitkan motivasi

Berbeda dengan surface learning yang hanya menekankan hafalan dan reproduksi informasi, deep learning mendorong mahasiswa untuk:

Menganalisis dan mengevaluasi informasi secara kritis
Menghubungkan konsep baru dengan pengetahuan yang sudah dimiliki
Menerapkan pengetahuan dalam situasi baru dan kompleks
Merefleksikan proses dan hasil belajar mereka sendiri

Taksonomi SOLO sebagai Kerangka Deep Learning

Salah satu kerangka berpikir yang paling relevan untuk merancang deep learning adalah Taksonomi SOLO (Structure of Observed Learning Outcome). Dikembangkan oleh Biggs dan Collis, taksonomi ini membagi tingkat pemahaman mahasiswa menjadi lima level:

Level	Deskripsi	Contoh dalam Pembelajaran
Prestruktural	Mahasiswa tidak memahami konsep sama sekali	Menjawab di luar topik atau tidak relevan
Unistruktural	Mahasiswa memahami satu aspek dari konsep	Menyebutkan satu definisi tanpa elaborasi
Multistruktural	Mahasiswa memahami beberapa aspek tetapi belum terintegrasi	Menyebutkan beberapa definisi atau contoh tanpa hubungan
Relasional	Mahasiswa menghubungkan berbagai aspek menjadi pemahaman utuh	Menjelaskan hubungan antar konsep dan implikasinya
Ekstensi Abstrak	Mahasiswa menggeneralisasi dan menerapkan pada konteks baru	Mengaplikasikan teori pada kasus nyata yang belum pernah dipelajari

Tujuan deep learning adalah membawa mahasiswa dari level unistruktural atau multistruktural menuju level relasional dan ekstensi abstrak. Di sinilah peran desain pembelajaran yang matang menjadi sangat krusial.

Komponen Desain Pembelajaran Deep Learning

Desain pembelajaran deep learning yang efektif terdiri dari beberapa komponen yang saling terkait:

Tujuan Pembelajaran yang Jelas dan Terukur — dirumuskan dalam bentuk Capaian Pembelajaran Mata Kuliah (CPMK) dan Sub-CPMK yang operasional
Materi Pembelajaran yang Terstruktur — disusun secara bertahap dari konsep dasar hingga aplikasi kompleks
Strategi Pembelajaran Aktif — menggunakan metode seperti problem-based learning, project-based learning, case-based learning, dan inquiry-based learning
Media dan Sumber Belajar yang Variatif — memanfaatkan berbagai format dan platform untuk mengakomodasi gaya belajar yang berbeda
Asesmen yang Autentik — mengukur kemampuan mahasiswa dalam menerapkan pengetahuan, bukan sekadar menghafal
Umpan Balik yang Konstruktif — diberikan secara berkelanjutan untuk mendorong perbaikan
Refleksi — ruang bagi mahasiswa untuk merenungkan proses dan hasil belajar mereka

Mengapa AI Menjadi Game Changer dalam Desain Pembelajaran?

Perkembangan AI generatif, terutama Large Language Models (LLMs) seperti ChatGPT, Gemini, Claude, dan DeepSeek, telah membuka kemungkinan baru dalam dunia pendidikan. Bukan sekadar alat bantu administratif, AI menjadi mitra reflektif yang memberdayakan guru dan dosen dalam mengimplementasikan pedagogi deep learning.

Lima Peran Utama AI dalam Deep Learning Pedagogy

Berdasarkan penelitian sistematis, setidaknya ada lima peran utama AI dalam mendukung deep learning:

AI-Supported Deep Learning Lesson Design — membantu merancang rencana pembelajaran yang mendalam
Personalized Learning Pathways — menyesuaikan materi dengan kebutuhan dan kecepatan belajar mahasiswa
Intelligent Content Creation — menghasilkan materi ajar, soal latihan, dan skenario kasus
Automated Assessment and Feedback — memberikan penilaian dan umpan balik instan
Learning Analytics — menganalisis data pembelajaran untuk perbaikan berkelanjutan

Data dan Fakta: AI Sudah Digunakan di Perguruan Tinggi Indonesia

Transformasi ini bukan wacana masa depan. Berbagai perguruan tinggi di Indonesia telah mulai mengintegrasikan AI dalam proses pembelajaran:

UNESA melalui DIPD menyelenggarakan pelatihan pengembangan bahan ajar berbasis AI dengan fokus pada pemanfaatan Generator Prompt Modul PJJ untuk menyusun RPS, modul pembelajaran, dan instrumen asesmen
UNRAM melalui LPMPP menyelenggarakan workshop RPS OBE berbantuan AI yang diikuti oleh 53 dosen lintas program studi
UIN Alauddin Makassar menggelar workshop penyusunan RPS berbasis OBE dengan pemanfaatan AI, menekankan pentingnya prompt yang memuat role, context, task, dan format
UIN Gusdur Pekalongan berkolaborasi dengan MAS Yapensa dalam pelatihan desain deep learning berbasis AI menggunakan Taksonomi SOLO
FKIP UNS bekerja sama dengan Google for Education dalam workshop pemanfaatan Gemini AI dan NotebookLM untuk mempercepat penyusunan materi ajar dan desain skenario pembelajaran interaktif
UNY menggelar pelatihan dan sertifikasi AI-Driven Learning Design yang berfokus pada peningkatan kompetensi pendidik dalam memanfaatkan AI untuk desain pembelajaran dan asesmen

Mengapa Prompt Engineering Menjadi Kunci?

Namun, memiliki akses ke AI saja tidak cukup. Kualitas output yang dihasilkan AI sangat bergantung pada kualitas prompt yang kita berikan. Prompt engineering—seni merancang instruksi yang efektif untuk AI—adalah keterampilan yang kini menjadi kompetensi digital esensial bagi pendidik.

Seperti yang ditegaskan dalam berbagai workshop di perguruan tinggi Indonesia: “AI dapat membantu mempercepat penyusunan draft RPS melalui prompt yang tepat. Namun, substansi akademik, kedalaman materi, dan kesesuaian dengan kurikulum tetap menjadi tanggung jawab dosen pengampu”.

Prompt Engineering untuk Pendidikan: Keterampilan Wajib Dosen Era AI

Apa Itu Prompt Engineering?

Prompt engineering adalah proses merancang, menyempurnakan, dan mengoptimalkan instruksi (prompt) yang diberikan kepada AI generatif untuk menghasilkan output yang berkualitas tinggi dan relevan. Dalam konteks pendidikan, ini berarti kemampuan untuk berkomunikasi secara efektif dengan AI agar AI memahami apa yang kita butuhkan sebagai pendidik.

Mengapa Dosen Perlu Menguasai Prompt Engineering?

Efisiensi Waktu — prompt yang baik menghasilkan output yang lebih akurat pada percobaan pertama, mengurangi iterasi yang tidak perlu
Kualitas Output — prompt yang terstruktur menghasilkan desain pembelajaran yang lebih matang dan aplikatif
Konsistensi — dengan template prompt yang standar, kualitas output menjadi lebih konsisten
Kreativitas — prompt yang dirancang dengan baik dapat mendorong AI menghasilkan ide-ide inovatif yang mungkin tidak terpikirkan

Kerangka PARTS untuk Prompt Pendidikan

Penelitian tentang prompt engineering untuk pendidik merekomendasikan penggunaan kerangka PARTS yang terdiri dari lima komponen esensial:

Komponen	Penjelasan	Contoh
Persona	Peran yang harus diambil AI	"Kamu adalah ahli desain pembelajaran dengan pengalaman 15 tahun di perguruan tinggi"
Aim	Tujuan spesifik yang ingin dicapai	"Buatkan RPS untuk mata kuliah Psikologi Pendidikan dengan pendekatan OBE"
Recipients	Target audiens pembelajaran	"Untuk mahasiswa S1 semester 4 dengan latar belakang beragam"
Theme	Topik atau materi utama	"Teori Belajar Kognitif dan Aplikasinya dalam Pembelajaran"
Structure	Format dan struktur output yang diinginkan	"Ikuti format RPS sesuai Panduan Kurikulum Perguruan Tinggi 2024"

Prinsip CLEAR dalam Menulis Prompt

Selain kerangka PARTS, penting juga menerapkan prinsip CLEAR dalam merumuskan prompt:

Concise (Ringkas) — gunakan kalimat yang padat dan tidak bertele-tele
Logical (Logis) — susun instruksi secara runtut dan masuk akal
Explicit (Eksplisit) — sampaikan secara jelas apa yang Anda inginkan
Adaptive (Adaptif) — sesuaikan dengan konteks dan kebutuhan spesifik
Restrictive (Restriktif) — berikan batasan yang jelas untuk menghindari output yang terlalu luas

Teknik Lanjutan: Chain-of-Thought Prompting

Chain-of-thought prompting adalah teknik di mana kita meminta AI untuk menunjukkan langkah-langkah berpikirnya sebelum memberikan jawaban final. Ini sangat berguna dalam konteks pendidikan karena:

Membantu AI menghasilkan penalaran yang lebih dalam
Memungkinkan kita memeriksa proses berpikir AI
Menghasilkan output yang lebih terstruktur dan logis

Contoh penerapan:

“Jelaskan langkah demi langkah bagaimana Anda merancang sesi pembelajaran untuk topik [X]. Untuk setiap langkah, jelaskan alasannya dan kaitannya dengan teori pembelajaran.”

Kerangka Prompt untuk Desain Pembelajaran Deep Learning

Berdasarkan praktik terbaik dari berbagai perguruan tinggi dan penelitian, berikut adalah kerangka prompt komprehensif yang bisa Anda gunakan sebagai template:

Kerangka Dasar: Role + Context + Task + Format (RCTF)

Kerangka ini diadaptasi dari pendekatan yang digunakan dalam berbagai workshop penyusunan RPS berbasis AI :

ROLE: [Tentukan peran yang harus diambil AI]
CONTEXT: [Berikan konteks lengkap tentang situasi pembelajaran]
TASK: [Jelaskan tugas spesifik yang harus dilakukan]
FORMAT: [Tentukan format output yang diinginkan]

Kerangka Lengkap untuk Desain Pembelajaran Deep Learning

Untuk kebutuhan yang lebih kompleks, gunakan kerangka yang lebih detail:

1. PERSONA & EXPERTISE
   - Siapa AI dalam konteks ini?
   - Apa bidang keahliannya?
   - Pengalaman apa yang dimilikinya?

2. KONTEKS AKADEMIK
   - Jenjang pendidikan (S1/S2/S3)
   - Semester dan beban SKS
   - Program studi dan fakultas
   - Jumlah mahasiswa dan karakteristiknya

3. CAPAIAN PEMBELAJARAN
   - CPL (Capaian Pembelajaran Lulusan) yang menjadi acuan
   - CPMK (Capaian Pembelajaran Mata Kuliah) yang ingin dicapai
   - Sub-CPMK yang operasional

4. PENDEKATAN PEMBELAJARAN
   - Metode pembelajaran yang diinginkan
   - Pendekatan OBE/Deep Learning
   - Taksonomi yang digunakan (SOLO, Bloom, dll.)

5. TUGAS SPESIFIK
   - Apa yang harus dihasilkan AI?
   - RPS? Modul? Asesmen? Skenario pembelajaran?

6. FORMAT OUTPUT
   - Struktur dan template yang harus diikuti
   - Panjang dan kedalaman yang diinginkan
   - Elemen-elemen yang wajib ada

7. BATASAN & PENGECUALIAN
   - Apa yang tidak boleh dilakukan AI?
   - Hal-hal yang perlu dihindari

Tutorial Langkah demi Langkah: Dari Nol hingga RPS Deep Learning Siap Pakai

Bagian ini akan memandu Anda secara sistematis dalam menggunakan AI untuk membuat desain pembelajaran deep learning. Ikuti langkah-langkah berikut:

Langkah 0: Persiapan

Sebelum mulai, siapkan dokumen-dokumen berikut:

Kurikulum program studi
CPL (Capaian Pembelajaran Lulusan)
Panduan penyusunan RPS dari institusi Anda
Deskripsi mata kuliah yang akan dirancang

Langkah 1: Analisis Kebutuhan dengan AI

Tujuan: Membantu AI memahami konteks secara mendalam.

Prompt yang digunakan:

Saya adalah dosen [bidang ilmu] di [nama perguruan tinggi]. Saya akan merancang mata kuliah [nama mata kuliah] untuk mahasiswa [jenjang/Semester]. 

Berikut adalah CPL program studi yang relevan:
[Tempelkan CPL]

Bantu saya melakukan analisis kebutuhan untuk mata kuliah ini:
1. Apa saja capaian pembelajaran yang paling relevan dari CPL?
2. Kompetensi apa yang harus dikuasai mahasiswa setelah menyelesaikan mata kuliah ini?
3. Tantangan apa yang mungkin dihadapi mahasiswa dalam mempelajari mata kuliah ini?
4. Rekomendasi pendekatan pembelajaran yang paling sesuai?

Langkah 2: Merumuskan CPMK dan Sub-CPMK

Tujuan: Merumuskan capaian pembelajaran mata kuliah yang operasional dan terukur.

Prompt yang digunakan:

Berdasarkan analisis kebutuhan sebelumnya, rumuskan:
1. 5-7 CPMK (Capaian Pembelajaran Mata Kuliah) untuk mata kuliah [nama mata kuliah]
2. Untuk setiap CPMK, rumuskan 2-3 Sub-CPMK yang operasional dan terukur

Gunakan taksonomi SOLO sebagai kerangka. Pastikan CPMK mencakup level relasional dan ekstensi abstrak.

Format output:
CPMK 1: [rumusan CPMK]
  - Sub-CPMK 1.1: [rumusan]
  - Sub-CPMK 1.2: [rumusan]
  - Sub-CPMK 1.3: [rumusan]

Langkah 3: Menyusun Materi dan Topik Per Pertemuan

Tujuan: Memetakan materi pembelajaran ke dalam 16 pertemuan (sesuai standar RPS).

Prompt yang digunakan:

Berdasarkan CPMK dan Sub-CPMK yang telah dirumuskan, susunlah:
1. Peta konsep materi untuk mata kuliah [nama mata kuliah]
2. Rincian topik untuk 16 pertemuan (14 pertemuan teori + 2 UTS/UAS)
3. Keterkaitan setiap topik dengan CPMK yang hendak dicapai

Pastikan topik-topik disusun secara bertahap dari yang fundamental hingga aplikasi kompleks, sesuai prinsip deep learning.

Langkah 4: Merancang Strategi dan Metode Pembelajaran

Tujuan: Menentukan pendekatan, metode, dan media pembelajaran yang sesuai.

Prompt yang digunakan:

Untuk setiap pertemuan pada mata kuliah [nama mata kuliah], rancanglah:
1. Metode pembelajaran yang paling sesuai (ceramah interaktif, diskusi, problem-based learning, project-based learning, studi kasus, dll.)
2. Aktivitas pembelajaran yang melibatkan mahasiswa secara aktif
3. Media dan sumber belajar yang direkomendasikan

Pastikan setiap pertemuan menerapkan prinsip deep learning: mindful, meaningful, dan joyful.

Langkah 5: Merancang Asesmen

Tujuan: Mengembangkan instrumen asesmen yang autentik dan selaras dengan CPMK.

Prompt yang digunakan:

Rancanglah sistem asesmen untuk mata kuliah [nama mata kuliah] dengan ketentuan:
1. Asesmen formatif (minimal 3 jenis) untuk memantau kemajuan mahasiswa
2. Asesmen sumatif (UTS dan UAS) untuk mengukur pencapaian CPMK
3. Rubrik penilaian untuk setiap tugas/proyek
4. Bobot penilaian yang proporsional

Pastikan asesmen mengukur kemampuan level tinggi (analisis, evaluasi, kreasi) sesuai tuntutan deep learning.

Langkah 6: Menyusun RPS Lengkap

Tujuan: Menggabungkan semua komponen menjadi RPS yang utuh dan siap pakai.

Prompt yang digunakan:

Gabungkan semua hasil sebelumnya menjadi RPS lengkap untuk mata kuliah [nama mata kuliah] dengan struktur:
1. Identitas mata kuliah
2. Deskripsi mata kuliah
3. CPL dan CPMK
4. Matriks pembelajaran 16 pertemuan (topik, metode, media, asesmen)
5. Sistem penilaian
6. Referensi

Gunakan format RPS sesuai [Panduan RPS institusi Anda].

Langkah 7: Review dan Validasi

Tujuan: Memeriksa kualitas dan konsistensi RPS.

Prompt yang digunakan:

Lakukan review kritis terhadap RPS yang telah disusun:

Apakah semua CPMK tercakup dalam aktivitas pembelajaran?
Apakah asesmen benar-benar mengukur CPMK yang ditetapkan?
Apakah alokasi waktu untuk setiap topik proporsional?
Apakah metode pembelajaran bervariasi dan mendukung deep learning?
Berikan rekomendasi perbaikan jika ada kelemahan.

Langkah 8: Finalisasi dan Dokumentasi

Tujuan: Menyempurnakan RPS berdasarkan hasil review.

Prompt yang digunakan:

Perbaiki RPS berdasarkan hasil review sebelumnya. Hasilkan RPS final yang:

Siap untuk diajukan dalam rapat program studi
Memenuhi semua standar akademik
Mudah dipahami dan diimplementasikan oleh dosen pengampu

Kumpulan Prompt AI Siap Pakai untuk Desain Pembelajaran Deep Learning

Berikut adalah 25+ prompt siap pakai yang bisa Anda copy-paste langsung ke ChatGPT, Gemini, Claude, atau DeepSeek. Prompt ini dikelompokkan berdasarkan kebutuhan.

A. Prompt untuk Analisis Awal dan Perencanaan

Prompt 1: Analisis Kebutuhan Mata Kuliah

Kamu adalah ahli desain pembelajaran dengan pengalaman 20 tahun di perguruan tinggi. Saya adalah dosen [bidang ilmu] di [nama perguruan tinggi].

Bantu saya menganalisis kebutuhan untuk mata kuliah [nama mata kuliah] yang akan saya rancang untuk mahasiswa [jenjang/Semester].

Informasi tambahan:
- Jumlah mahasiswa: [perkiraan jumlah]
- Latar belakang mahasiswa: [misal: sudah memiliki dasar-dasar bidang ini]
- Tantangan yang sering muncul: [misal: mahasiswa kesulitan menghubungkan teori dan praktik]

Pertanyaan analisis:
1. Apa kompetensi inti yang harus dikuasai mahasiswa?
2. Metode pembelajaran apa yang paling sesuai dengan karakteristik mata kuliah ini?
3. Bagaimana cara mengatasi tantangan yang telah saya sebutkan?
4. Apa saja indikator keberhasilan pembelajaran yang realistis?

Berikan analisis yang mendalam dan berbasis teori pembelajaran terkini.

Prompt 2: Pemetaan CPL ke CPMK

Kamu adalah pakar kurikulum berbasis OBE. Bantu saya memetakan CPL program studi ke dalam CPMK mata kuliah.

CPL program studi yang relevan:
[Tempelkan CPL]

Mata kuliah: [nama mata kuliah]
Bobot SKS: [jumlah SKS]
Semester: [semester]

Tugas:
1. Identifikasi CPL mana yang paling relevan dengan mata kuliah ini
2. Rumuskan 5-7 CPMK yang operasional dan terukur
3. Untuk setiap CPMK, tentukan 2-3 Sub-CPMK
4. Pastikan CPMK mencakup aspek pengetahuan, keterampilan, dan sikap
5. Gunakan taksonomi SOLO untuk memastikan kedalaman pembelajaran

Format output dalam tabel yang rapi.

B. Prompt untuk Pengembangan Materi

Prompt 3: Peta Konsep Materi

Kamu adalah pakar mata kuliah [nama mata kuliah]. Buatkan peta konsep yang komprehensif untuk mata kuliah ini.

Cakupan materi:
[sebutkan ruang lingkup mata kuliah]

CPMK yang harus dicapai:
[tempelkan CPMK]

Instruksi:
1. Buat peta konsep hierarkis dari topik utama hingga sub-topik
2. Tunjukkan keterkaitan antar konsep
3. Identifikasi konsep-konsep kunci yang harus dikuasai mahasiswa
4. Berikan rekomendasi urutan pembelajaran yang logis
5. Tandai topik-topik yang memerlukan pendalaman khusus (deep learning)

Output dalam format yang mudah dibaca dengan penjelasan singkat untuk setiap bagian.

Prompt 4: Rincian Topik Per Pertemuan

Berdasarkan peta konsep yang telah dibuat, rincikan topik untuk 16 pertemuan (termasuk UTS dan UAS).

Ketentuan:
- Pertemuan 1-7: topik untuk sebelum UTS
- Pertemuan 8: UTS
- Pertemuan 9-15: topik untuk setelah UTS
- Pertemuan 16: UAS

Untuk setiap pertemuan, sertakan:
1. Topik utama
2. Sub-topik yang dibahas
3. CPMK yang dicapai
4. Durasi waktu yang direkomendasikan
5. Materi prasyarat (jika ada)

Pastikan topik disusun secara bertahap dari dasar hingga kompleks.

Prompt 5: Bahan Bacaan dan Referensi

Kamu adalah pustakawan akademik dan pakar di bidang [bidang ilmu]. Berikan rekomendasi referensi untuk mata kuliah [nama mata kuliah].

Kriteria referensi:
1. Buku teks utama (1-2 judul) - terbitan 5 tahun terakhir
2. Buku pendukung (3-5 judul)
3. Jurnal ilmiah bereputasi (5-10 artikel) - terbitan 3 tahun terakhir
4. Sumber daring terpercaya (website, video, podcast)
5. Referensi berbahasa Indonesia (minimal 2)

Untuk setiap referensi, berikan:
- Judul lengkap
- Penulis
- Tahun terbit
- Penerbit/sumber
- Alasan rekomendasi (1 kalimat)

Prioritaskan referensi yang mendukung pendekatan deep learning dan OBE.

C. Prompt untuk Strategi dan Metode Pembelajaran

Prompt 6: Desain Skenario Pembelajaran per Pertemuan

Kamu adalah desainer pembelajaran yang ahli dalam menciptakan pengalaman belajar mendalam. Rancang skenario pembelajaran untuk pertemuan ke-[nomor] mata kuliah [nama mata kuliah] dengan topik [topik pertemuan].

Komponen yang harus ada:
1. Tujuan pembelajaran khusus (Sub-CPMK) untuk pertemuan ini
2. Kegiatan pendahuluan (10 menit) - apersepsi dan motivasi
3. Kegiatan inti (80 menit) - eksplorasi, elaborasi, dan konfirmasi
4. Kegiatan penutup (20 menit) - refleksi dan tindak lanjut
5. Media dan alat bantu yang diperlukan
6. Metode penilaian selama pembelajaran (formatif)

Pastikan skenario menerapkan prinsip deep learning: mindful (melibatkan berpikir kritis), meaningful (terhubung dengan dunia nyata), dan joyful (menyenangkan dan memotivasi).

Prompt 7: Variasi Metode Pembelajaran

Kamu adalah pakar pedagogi dengan pengetahuan luas tentang metode pembelajaran aktif. Untuk mata kuliah [nama mata kuliah], berikan rekomendasi variasi metode pembelajaran untuk 14 pertemuan (tanpa UTS/UAS).

Untuk setiap pertemuan, rekomendasikan:
1. Metode utama (misal: problem-based learning, project-based learning, case-based learning, inquiry-based learning, cooperative learning, dll.)
2. Metode pendukung (misal: ceramah interaktif, diskusi, demonstrasi, simulasi)
3. Alasan pemilihan metode tersebut
4. Tingkat kesiapan yang dibutuhkan dari mahasiswa

Pastikan variasi metode mencakup:
- Metode individual dan kelompok
- Metode berbasis masalah dan berbasis proyek
- Metode yang mengembangkan keterampilan berpikir tingkat tinggi

Prompt 8: Aktivitas Pembelajaran yang Melibatkan Mahasiswa

Kamu adalah fasilitator pembelajaran yang handal. Rancang aktivitas pembelajaran yang melibatkan mahasiswa secara aktif untuk pertemuan [nomor] mata kuliah [nama mata kuliah] dengan topik [topik].

Aktivitas harus:
1. Melibatkan seluruh mahasiswa (tidak hanya beberapa orang)
2. Mendorong berpikir kritis dan analitis
3. Memberikan ruang untuk kolaborasi
4. Terkait dengan pengalaman dan konteks nyata
5. Dapat diselesaikan dalam waktu [durasi] menit

Berikan:
- Deskripsi aktivitas
- Langkah-langkah pelaksanaan
- Peran dosen selama aktivitas
- Hasil yang diharapkan dari aktivitas
- Alternatif jika ada kendala teknis

D. Prompt untuk Asesmen dan Evaluasi

Prompt 9: Desain Instrumen Asesmen Formatif

Kamu adalah ahli asesmen pendidikan. Rancang 3 jenis asesmen formatif untuk mata kuliah [nama mata kuliah] yang dapat digunakan untuk memantau kemajuan mahasiswa.

Jenis asesmen yang direkomendasikan:
1. Kuis singkat (10-15 menit) - untuk mengukur pemahaman konsep dasar
2. Tugas reflektif - untuk mengukur kemampuan menghubungkan teori dan praktik
3. Peer assessment - untuk mengembangkan kemampuan evaluasi

Untuk setiap jenis asesmen, sertakan:
- Tujuan asesmen
- Bentuk instrumen (soal, rubrik, panduan)
- Waktu pelaksanaan
- Cara memberikan umpan balik
- Keterkaitan dengan CPMK

Pastikan asesmen mengukur kemampuan level tinggi (analisis, evaluasi, kreasi).

Prompt 10: Desain Tugas Proyek atau Penelitian

Kamu adalah koordinator proyek pembelajaran. Rancang tugas proyek/penelitian untuk mata kuliah [nama mata kuliah] yang mendorong mahasiswa melakukan deep learning.

Spesifikasi tugas:
1. Tema besar: [tema]
2. Durasi pengerjaan: [durasi, misal: 8 minggu]
3. Bentuk output: [laporan, presentasi, produk, dll.]
4. Bobot penilaian: [persentase dari total nilai]

Komponen yang harus ada:
- Deskripsi tugas yang jelas
- Tahapan pengerjaan (dengan deadline setiap tahap)
- Rubrik penilaian yang terperinci
- Sumber daya yang dibutuhkan
- Kriteria keberhasilan

Pastikan tugas menuntut mahasiswa untuk:
- Menerapkan pengetahuan dalam konteks nyata
- Melakukan analisis dan sintesis informasi
- Berkolaborasi dengan rekan
- Merefleksikan proses dan hasil

Prompt 11: Rubrik Penilaian Autentik

Kamu adalah pakar pengembangan rubrik penilaian. Buat rubrik penilaian untuk [jenis tugas] mata kuliah [nama mata kuliah].

Dimensi penilaian (5-7 kriteria):
[sebutkan kriteria yang ingin dinilai]

Level pencapaian:
- Sangat Baik (90-100)
- Baik (75-89)
- Cukup (60-74)
- Kurang (<60)

Untuk setiap dimensi dan setiap level, berikan deskripsi yang operasional dan spesifik. Hindari deskripsi yang ambigu seperti "baik" atau "kurang baik" tanpa penjelasan.

Output dalam format tabel yang rapi dan mudah digunakan.

Prompt 12: Soal UTS yang Mengukur Deep Learning

Kamu adalah pengembang soal yang ahli dalam mengukur kemampuan berpikir tingkat tinggi. Buat soal UTS untuk mata kuliah [nama mata kuliah] yang mengukur pencapaian CPMK [sebutkan CPMK yang diukur].

Spesifikasi:
- Jumlah soal: [jumlah, misal: 5 soal esai]
- Durasi: [durasi, misal: 90 menit]
- Bobot: [bobot UTS]

Ketentuan soal:
1. 2 soal mengukur level pemahaman dan aplikasi
2. 2 soal mengukur level analisis
3. 1 soal mengukur level evaluasi atau kreasi

Untuk setiap soal, sertakan:
- Rumusan soal yang jelas
- Kunci jawaban/pedoman penskoran
- CPMK yang diukur
- Level taksonomi SOLO

Pastikan soal kontekstual dan relevan dengan dunia nyata.

Prompt 13: Soal UAS yang Komprehensif

Kamu adalah pengembang soal yang berpengalaman. Buat soal UAS untuk mata kuliah [nama mata kuliah] yang komprehensif dan mengukur seluruh CPMK.

Spesifikasi:
- Jumlah soal: [jumlah, misal: 6 soal]
- Durasi: [durasi, misal: 120 menit]
- Bobot: [bobot UAS]
- Cakupan materi: seluruh materi setelah UTS

Komposisi soal:
1. 2 soal kasus/stud kasus yang menuntut analisis situasi nyata
2. 2 soal yang menuntut evaluasi terhadap suatu kebijakan/teori
3. 2 soal yang menuntut kreasi solusi atau desain

Untuk setiap soal, sertakan kunci jawaban, pedoman penskoran, dan CPMK yang diukur.

Pastikan soal mengukur kemampuan berpikir tingkat tinggi (HOTS).

E. Prompt untuk Pengembangan Modul Ajar

Prompt 14: Modul Ajar Satu Pertemuan

Kamu adalah pengembang modul pembelajaran yang berpengalaman. Buat modul ajar untuk satu pertemuan (3 SKS = 150 menit) mata kuliah [nama mata kuliah] dengan topik [topik].

Struktur modul:
1. **Identitas Modul**: mata kuliah, topik, pertemuan ke-, alokasi waktu
2. **Capaian Pembelajaran**: Sub-CPMK untuk pertemuan ini
3. **Materi Pembelajaran**:
   - Uraian materi (lengkap dan terstruktur)
   - Contoh dan ilustrasi
   - Latihan soal/kasus
4. **Metode dan Media**: pendekatan, metode, dan media yang digunakan
5. **Langkah Pembelajaran**: rincian kegiatan pendahuluan, inti, penutup
6. **Asesmen**: instrumen dan rubrik penilaian formatif
7. **Referensi**: sumber belajar yang direkomendasikan

Tulis dengan gaya bahasa akademik yang mudah dipahami. Sertakan contoh-contoh kontekstual.

Prompt 15: Bahan Tayang Presentasi

Kamu adalah desainer presentasi profesional. Buat outline dan konten untuk bahan tayang (slide) mata kuliah [nama mata kuliah] topik [topik] untuk 1 pertemuan (150 menit).

Spesifikasi:
- Jumlah slide: 20-25 slide
- Durasi presentasi: 60-75 menit (sisanya untuk diskusi dan aktivitas)

Struktur slide:
1. Judul dan identitas (1 slide)
2. Capaian pembelajaran (1 slide)
3. Peta konsep/outline materi (1 slide)
4. Isi materi (15-18 slide) - dengan poin-poin kunci, diagram, dan contoh
5. Rangkuman (1 slide)
6. Diskusi/latihan (2-3 slide)
7. Referensi (1 slide)

Untuk setiap slide, berikan:
- Judul slide
- Poin-poin utama (bukan paragraf panjang)
- Catatan untuk presenter (penjelasan tambahan)
- Saran visual (gambar, grafik, diagram yang direkomendasikan)

Prompt 16: Lembar Kerja Mahasiswa

Kamu adalah pengembang bahan ajar. Buat Lembar Kerja Mahasiswa (LKM) untuk mata kuliah [nama mata kuliah] topik [topik].

Tujuan LKM: membantu mahasiswa mencapai Sub-CPMK [sebutkan Sub-CPMK]

Struktur LKM:
1. **Judul dan Identitas**
2. **Tujuan** - apa yang akan dicapai mahasiswa
3. **Petunjuk** - langkah-langkah pengerjaan
4. **Materi Singkat** - pengantar/ringkasan konsep
5. **Tugas/Latihan** - soal-soal atau aktivitas yang harus dikerjakan
6. **Refleksi** - pertanyaan untuk merenungkan proses belajar

Pastikan LKM mendorong mahasiswa untuk:
- Berpikir kritis
- Menghubungkan teori dan praktik
- Bekerja mandiri atau kolaboratif

F. Prompt untuk Inovasi dan Pengembangan

Prompt 17: Integrasi Teknologi dalam Pembelajaran

Kamu adalah pakar teknologi pendidikan. Berikan rekomendasi integrasi teknologi untuk mata kuliah [nama mata kuliah] yang dapat meningkatkan pengalaman belajar mahasiswa.

Untuk setiap topik/materi, rekomendasikan:
1. Platform atau alat digital yang sesuai
2. Cara penggunaannya dalam pembelajaran
3. Manfaat yang diperoleh
4. Tingkat kesulitan implementasi

Jenis teknologi yang bisa dipertimbangkan:
- Learning Management System (LMS)
- Alat kolaborasi daring
- Simulasi dan virtual lab
- AI tools untuk mahasiswa
- Gamifikasi
- Video pembelajaran interaktif

Pastikan rekomendasi realistis dan dapat diimplementasikan dengan infrastruktur yang tersedia.

Prompt 18: Pembelajaran Berbasis Proyek (Project-Based Learning)

Kamu adalah fasilitator Project-Based Learning (PjBL). Rancang kerangka PjBL untuk mata kuliah [nama mata kuliah] yang berlangsung selama satu semester.

Komponen kerangka:
1. **Essential Question** - pertanyaan mendasar yang akan dijawab melalui proyek
2. **Project Description** - deskripsi proyek yang akan dikerjakan mahasiswa
3. **Milestones** - tahapan proyek dengan deadline
4. **Resources** - sumber daya yang dibutuhkan
5. **Assessment** - rubrik penilaian proyek
6. **Presentation** - format presentasi hasil proyek

Pastikan proyek:
- Relevan dengan dunia nyata
- Menantang dan bermakna
- Mendorong kolaborasi
- Menghasilkan produk yang dapat dipresentasikan

Prompt 19: Pembelajaran Berbasis Kasus (Case-Based Learning)

Kamu adalah pengembang studi kasus untuk pendidikan tinggi. Buat 3 studi kasus untuk mata kuliah [nama mata kuliah] yang dapat digunakan dalam diskusi kelas.

Untuk setiap kasus, sertakan:
1. **Judul Kasus** - menarik dan informatif
2. **Latar Belakang** - deskripsi situasi dan konteks
3. **Permasalahan** - isu utama yang harus dipecahkan
4. **Pertanyaan Diskusi** - 3-5 pertanyaan panduan
5. **Informasi Pendukung** - data/fakta tambahan
6. **Pedoman Fasilitasi** - tips untuk dosen dalam memandu diskusi

Pastikan kasus:
- Autentik (berbasis situasi nyata)
- Kompleks (tidak memiliki jawaban tunggal)
- Relevan dengan CPMK
- Mendukung pengembangan kemampuan analisis dan pengambilan keputusan

Prompt 20: Pengembangan Keterampilan Abad 21

Kamu adalah pakar pendidikan abad 21. Rancang strategi pengembangan 4C (Critical Thinking, Creativity, Communication, Collaboration) dalam mata kuliah [nama mata kuliah].

Untuk setiap kompetensi 4C, berikan:
1. Definisi operasional dalam konteks mata kuliah
2. Aktivitas pembelajaran yang mengembangkannya
3. Indikator pencapaian yang terukur
4. Metode asesmen yang sesuai

Selain 4C, pertimbangkan juga:
- Literasi digital
- Kemampuan pemecahan masalah
- Kemampuan adaptasi
- Kecerdasan emosional

Berikan contoh konkret untuk setiap aktivitas yang direkomendasikan.

G. Prompt untuk Administrasi Akademik

Prompt 21: Deskripsi Mata Kuliah

Kamu adalah penulis akademik yang berpengalaman. Buat deskripsi mata kuliah [nama mata kuliah] yang informatif dan menarik.

Informasi yang harus ada:
1. **Deskripsi Umum** - apa yang dipelajari dalam mata kuliah ini (1 paragraf)
2. **Tujuan** - mengapa mata kuliah ini penting (1 paragraf)
3. **Manfaat** - apa manfaatnya bagi mahasiswa (1 paragraf)
4. **Posisi dalam Kurikulum** - bagaimana mata kuliah ini terhubung dengan mata kuliah lain

Gaya penulisan: akademik namun mudah dipahami. Target audiens: mahasiswa dan calon mahasiswa.

Prompt 22: Kontrak Perkuliahan

Kamu adalah koordinator mata kuliah. Buat kontrak perkuliahan untuk mata kuliah [nama mata kuliah] semester [semester] tahun akademik [tahun].

Isi kontrak:
1. Identitas mata kuliah dan dosen
2. Deskripsi mata kuliah
3. CPMK
4. Materi pokok per pertemuan
5. Sistem penilaian (komponen dan bobot)
6. Aturan dan kebijakan (kehadiran, tugas, ujian)
7. Jadwal perkuliahan
8. Referensi

Tulis dengan bahasa yang jelas, profesional, dan mudah dipahami mahasiswa.

Prompt 23: Silabus Mata Kuliah

Kamu adalah pengembang kurikulum. Buat silabus untuk mata kuliah [nama mata kuliah] yang menjadi bagian dari program studi [nama prodi].

Struktur silabus:
1. Identitas mata kuliah
2. Deskripsi mata kuliah
3. CPL yang dicapai
4. CPMK
5. Matriks pembelajaran (pertemuan, topik, metode, asesmen)
6. Sumber belajar
7. Sistem penilaian
8. Kebijakan akademik

Pastikan silabus selaras dengan standar OBE dan mencerminkan pendekatan deep learning.

H. Prompt untuk Evaluasi dan Perbaikan

Prompt 24: Evaluasi Diri Desain Pembelajaran

Kamu adalah evaluator pembelajaran yang kritis. Lakukan evaluasi diri terhadap desain pembelajaran yang telah saya buat untuk mata kuliah [nama mata kuliah].

Aspek yang dievaluasi:
1. **Keselarasan** - apakah CPMK, materi, metode, dan asesmen selaras?
2. **Kedalaman** - apakah desain mendorong deep learning?
3. **Keterlibatan** - apakah mahasiswa terlibat aktif?
4. **Keterukuran** - apakah capaian dapat diukur dengan jelas?
5. **Kontekstualitas** - apakah materi relevan dengan dunia nyata?

Untuk setiap aspek, berikan:
- Penilaian (baik/cukup/perlu perbaikan)
- Bukti/indikator
- Rekomendasi perbaikan

Hasilkan laporan evaluasi yang jujur dan konstruktif.

Prompt 25: Perbaikan Berdasarkan Umpan Balik Mahasiswa

Kamu adalah analis pendidikan. Berdasarkan umpan balik mahasiswa berikut, berikan rekomendasi perbaikan untuk mata kuliah [nama mata kuliah].

Umpan balik mahasiswa:
[tempelkan umpan balik dari mahasiswa]

Rekomendasi perbaikan untuk:
1. Penyampaian materi
2. Metode pembelajaran
3. Tugas dan asesmen
4. Interaksi dosen-mahasiswa
5. Sumber belajar

Untuk setiap rekomendasi, jelaskan:
- Mengapa perubahan ini diperlukan
- Bagaimana implementasinya
- Dampak yang diharapkan
- Indikator keberhasilan

Contoh Output AI dan Cara Meningkatkannya

Contoh 1: Output Prompt untuk Rumusan CPMK

Prompt yang digunakan:

Kamu adalah pakar kurikulum OBE. Rumuskan 5 CPMK untuk mata kuliah Psikologi Pendidikan untuk mahasiswa S1 semester 4. Gunakan Taksonomi SOLO.

Output AI (contoh):

CPMK 1: Mahasiswa mampu menjelaskan definisi dan ruang lingkup psikologi pendidikan serta peranannya dalam proses pembelajaran. (Level: Unistruktural)
CPMK 2: Mahasiswa mampu mengidentifikasi dan membedakan berbagai teori belajar (behavioristik, kognitif, konstruktivis) serta karakteristiknya. (Level: Multistruktural)
CPMK 3: Mahasiswa mampu menganalisis penerapan teori belajar dalam konteks pembelajaran di kelas dan menghubungkannya dengan faktor-faktor yang mempengaruhi belajar. (Level: Relasional)
CPMK 4: Mahasiswa mampu mengevaluasi efektivitas berbagai strategi pembelajaran berdasarkan prinsip-prinsip psikologi pendidikan. (Level: Relasional)
CPMK 5: Mahasiswa mampu merancang intervensi pembelajaran yang sesuai berdasarkan analisis kebutuhan belajar mahasiswa. (Level: Ekstensi Abstrak)

Mengapa hasil ini bagus?

Mencakup berbagai level taksonomi SOLO dari unistruktural hingga ekstensi abstrak
Menggunakan kata kerja operasional yang terukur
Jelas dan tidak ambigu

Cara meningkatkannya:

Tambahkan Sub-CPMK untuk setiap CPMK dengan indikator yang lebih spesifik. Misalnya untuk CPMK 1, tambahkan:

Sub-CPMK 1.1: Mahasiswa mampu mendefinisikan psikologi pendidikan dengan bahasa sendiri
Sub-CPMK 1.2: Mahasiswa mampu menyebutkan minimal 3 peran psikologi pendidikan dalam pembelajaran
Sub-CPMK 1.3: Mahasiswa mampu memberikan contoh penerapan psikologi pendidikan dalam kasus nyata

Contoh 2: Output Prompt untuk Skenario Pembelajaran

Prompt yang digunakan:

Rancang skenario pembelajaran untuk pertemuan ke-3 mata kuliah Psikologi Pendidikan dengan topik "Teori Belajar Behavioristik". Durasi 150 menit. Terapkan prinsip deep learning.

Output AI (contoh):

Pendahuluan (15 menit)
Dosen membuka dengan pertanyaan: "Pernahkah Anda mengubah perilaku seseorang? Bagaimana caranya?"
Mahasiswa diminta berbagi pengalaman singkat
Dosen mengaitkan pengalaman mahasiswa dengan topik teori behavioristik
Kegiatan Inti (100 menit)
Eksplorasi (30 menit): Mahasiswa dalam kelompok kecil mendiskusikan 3 studi kasus tentang perubahan perilaku di kelas
Elaborasi (40 menit): Dosen menjelaskan konsep-konsep kunci (classical conditioning, operant conditioning, observational learning) dengan contoh-contoh kontekstual. Mahasiswa diminta mengidentifikasi elemen-elemen behavioristik dalam studi kasus yang didiskusikan sebelumnya
Konfirmasi (30 menit): Setiap kelompok mempresentasikan hasil analisisnya. Dosen memberikan klarifikasi dan penguatan
Penutup (35 menit)
Refleksi (15 menit): Mahasiswa menulis jurnal reflektif tentang bagaimana teori behavioristik dapat diterapkan dalam pembelajaran di masa depan
Tindak Lanjut (20 menit): Dosen memberikan tugas untuk mencari contoh penerapan teori behavioristik di media sosial atau lingkungan sekitar

Mengapa hasil ini bagus?

Terstruktur dengan jelas (pendahuluan-inti-penutup)
Menerapkan prinsip deep learning (eksplorasi-elaborasi-konfirmasi)
Melibatkan mahasiswa secara aktif
Ada ruang untuk refleksi
Menggunakan studi kasus yang kontekstual

Cara meningkatkannya:

Tambahkan media dan alat bantu yang spesifik untuk setiap sesi
Sertakan pertanyaan-pertanyaan panduan untuk diskusi
Tambahkan indikator keberhasilan untuk setiap sesi
Sertakan alternatif jika waktu tidak mencukupi

Kesalahan Umum dalam Membuat Prompt Desain Pembelajaran

Berdasarkan pengamatan dari berbagai workshop dan pelatihan di perguruan tinggi, berikut adalah kesalahan-kesalahan yang paling sering terjadi:

1. Prompt Terlalu Umum dan Tidak Spesifik

Contoh kesalahan:

"Buatkan RPS untuk mata kuliah Manajemen."

Mengapa ini masalah:

AI tidak memiliki informasi yang cukup untuk menghasilkan output yang berkualitas. Hasilnya akan generik dan tidak aplikatif.

Solusi:

Berikan konteks yang lengkap: jenjang, semester, CPL, karakteristik mahasiswa, pendekatan yang diinginkan, dll.

2. Tidak Memberikan Persona atau Peran

Contoh kesalahan:

"Buatkan soal UTS."

Mengapa ini masalah:

AI tidak tahu standar kualitas yang diharapkan. Output akan bervariasi dan seringkali tidak memenuhi standar akademik.

Solusi:

Tentukan persona yang jelas: "Kamu adalah pengembang soal berpengalaman dengan 10 tahun pengalaman di bidang [bidang ilmu]."

3. Mengabaikan Prinsip OBE dan Deep Learning

Contoh kesalahan:

"Buat daftar topik untuk 16 pertemuan."

Mengapa ini masalah:

Output hanya berupa daftar topik tanpa memperhatikan keselarasan dengan capaian pembelajaran atau kedalaman materi.

Solusi:

Selalu kaitkan dengan CPMK dan pastikan topik disusun secara bertahap dari dasar ke kompleks.

4. Tidak Meminta Format yang Jelas

Contoh kesalahan:

"Buat modul ajar."

Mengapa ini masalah:

AI akan menghasilkan output dengan format yang tidak terstruktur dan sulit digunakan.

Solusi:

Berikan struktur yang jelas: "Buat modul ajar dengan struktur: identitas, capaian pembelajaran, materi, metode, langkah pembelajaran, asesmen, dan referensi."

5. Terlalu Bergantung pada AI Tanpa Validasi

Contoh kesalahan:

Langsung menggunakan output AI tanpa melakukan review dan validasi.

Mengapa ini masalah:

AI bisa mengalami hallucination—menghasilkan informasi yang tampak meyakinkan tetapi sebenarnya salah.

Solusi:

Selalu lakukan human-in-the-loop: review, edit, dan validasi setiap output AI sebelum digunakan.

6. Prompt Terlalu Panjang dan Berbelit-belit

Contoh kesalahan:

Prompt yang terdiri dari 1000 kata dengan instruksi yang tumpang tindih.

Mengapa ini masalah:

AI kesulitan memproses instruksi yang kompleks dan sering kehilangan fokus.

Solusi:

Gunakan prompt yang ringkas namun padat informasi. Pisahkan instruksi kompleks menjadi beberapa prompt yang lebih kecil.

7. Tidak Menggunakan Iterasi

Contoh kesalahan:

Hanya memberikan satu prompt dan menerima output pertama.

Mengapa ini masalah:

Output pertama jarang yang terbaik. Proses iteratif (refining) menghasilkan kualitas yang jauh lebih baik.

Solusi:

Lakukan beberapa iterasi: minta AI untuk merevisi, menyempurnakan, atau memberikan alternatif.

Tips Profesional dari Praktisi dan Peneliti

Berikut adalah tips dari para praktisi dan peneliti yang telah menerapkan AI untuk desain pembelajaran di perguruan tinggi Indonesia:

1. Posisikan AI sebagai Cognitive Sparring Partner

AI bukan pengganti dosen, tetapi mitra berpikir. Seperti yang diterapkan di UNESA, AI berfungsi sebagai cognitive sparring partner yang mendukung proses berpikir dan pengembangan materi. Gunakan AI untuk:

Menantang asumsi Anda
Memberikan perspektif alternatif
Menyusun ide-ide yang masih kasar

2. Terapkan Prinsip Human-in-the-Loop

Setiap output dari AI harus melalui proses validasi, penyuntingan, dan penguatan nilai pedagogis oleh dosen. Ini penting untuk:

Mencegah fabrikasi akademik
Memastikan kualitas substansi materi
Menjaga integritas akademik

3. Gunakan Framework yang Terbukti

Gunakan kerangka-kerangka yang telah teruji seperti:

RCTF (Role-Context-Task-Format) untuk prompt dasar
PARTS (Persona-Aim-Recipients-Theme-Structure) untuk prompt pendidikan
CLEAR (Concise-Logical-Explicit-Adaptive-Restrictive) untuk penyusunan prompt

4. Validasi dengan Taksonomi SOLO

Selalu validasi desain pembelajaran Anda dengan Taksonomi SOLO. Pastikan:

Ada keseimbangan antara level pemahaman (unistruktural-multistruktural) dan level higher-order thinking (relasional-ekstensi abstrak)
Asesmen mengukur kemampuan di berbagai level
Aktivitas pembelajaran mendorong mahasiswa ke level yang lebih tinggi

5. Kembangkan Workflow yang Sistematis

Berdasarkan praktik terbaik dari berbagai perguruan tinggi, berikut adalah workflow yang direkomendasikan:

Tahap	Aktivitas	Tools
1. Analisis	Analisis CPL, kebutuhan, dan karakteristik mahasiswa	ChatGPT, Gemini
2. Perencanaan	Rumuskan CPMK, peta konsep, dan topik	ChatGPT, Claude
3. Pengembangan	Kembangkan materi, metode, dan asesmen	Gemini, DeepSeek
4. Review	Validasi dan perbaiki dengan AI dan peer review	NotebookLM, ChatGPT
5. Finalisasi	Sempurnakan dan dokumentasikan	Semua tools

6. Manfaatkan Berbagai Platform AI

Setiap platform AI memiliki kelebihan masing-masing:

ChatGPT: sangat baik untuk brainstorming dan pengembangan ide
Gemini: unggul untuk analisis dokumen dan konteks yang panjang
Claude: baik untuk analisis mendalam dan penalaran kompleks
DeepSeek: efektif untuk konten dalam bahasa Indonesia
NotebookLM: sangat baik untuk penelitian dan analisis dokumen

7. Kembangkan Prompt Library Pribadi

Simpan prompt-prompt yang berhasil Anda gunakan dalam sebuah library. Kategorikan berdasarkan:

Jenis tugas (RPS, modul, asesmen, dll.)
Bidang ilmu
Tingkat kesulitan
Platform AI yang digunakan

Ini akan menghemat waktu Anda di masa depan dan meningkatkan konsistensi kualitas.

8. Jaga Etika dan Integritas Akademik

Ingatlah bahwa AI adalah alat bantu, bukan pengganti kewajiban akademik Anda. Selalu:

Cantumkan jika Anda menggunakan bantuan AI
Verifikasi fakta dan data yang dihasilkan AI
Pastikan konten yang dihasilkan orisinal dan tidak plagiat
Hormati hak cipta dan kekayaan intelektual

FAQ: Pertanyaan yang Sering Dicari Dosen tentang AI untuk Desain Pembelajaran

1. Apakah AI bisa menggantikan peran dosen dalam merancang pembelajaran?

Tidak. AI adalah alat bantu yang mempercepat dan mempermudah proses perancangan pembelajaran, tetapi tidak bisa menggantikan judgment profesional dosen . Dosen tetap bertanggung jawab atas substansi akademik, kedalaman materi, dan kesesuaian dengan kurikulum. AI berfungsi sebagai cognitive sparring partner yang membantu proses berpikir, bukan sebagai pengganti.

2. Platform AI apa yang paling baik untuk membuat desain pembelajaran?

Setiap platform memiliki keunggulan masing-masing. ChatGPT sangat baik untuk brainstorming dan pengembangan ide. Gemini unggul untuk analisis dokumen panjang. Claude baik untuk penalaran kompleks. DeepSeek efektif untuk konten bahasa Indonesia. Untuk penelitian akademik, NotebookLM sangat membantu dalam analisis dokumen dan penemuan koneksi antar data. Rekomendasi: gunakan kombinasi beberapa platform untuk hasil optimal.

3. Bagaimana cara membuat prompt yang efektif untuk pendidikan?

Gunakan kerangka PARTS (Persona, Aim, Recipients, Theme, Structure) dan prinsip CLEAR (Concise, Logical, Explicit, Adaptive, Restrictive). Pastikan prompt Anda:

Spesifik dan tidak ambigu
Memberikan konteks yang cukup
Menentukan format output yang diinginkan
Menyertakan batasan yang jelas

4. Apakah output AI selalu akurat dan bisa langsung digunakan?

Tidak. AI dapat mengalami hallucination—menghasilkan informasi yang tampak meyakinkan tetapi sebenarnya salah. Selalu lakukan validasi dan penyuntingan terhadap setiap output AI sebelum digunakan. Terapkan prinsip Human-in-the-Loop: setiap output AI harus melalui proses review, validasi, dan penguatan nilai pedagogis oleh dosen.

5. Berapa lama waktu yang dibutuhkan untuk membuat RPS dengan bantuan AI?

Dengan prompt yang tepat, Anda bisa menghasilkan draf RPS lengkap dalam waktu 1-2 jam, dibandingkan dengan 1-2 minggu tanpa bantuan AI. Namun, perlu diingat bahwa draf awal masih perlu direview dan disempurnakan. Proses total (dari analisis hingga finalisasi) biasanya memakan waktu 1-2 hari kerja.

6. Apakah penggunaan AI dalam membuat RPS diperbolehkan secara akademik?

Diperbolehkan selama digunakan sebagai alat bantu dan bukan untuk plagiarisme. Banyak perguruan tinggi di Indonesia telah menyelenggarakan workshop dan pelatihan tentang pemanfaatan AI untuk penyusunan RPS . Yang terpenting adalah:

Output AI harus divalidasi oleh dosen
Substansi akademik tetap menjadi tanggung jawab dosen
Jika menggunakan konten dari AI, cantumkan sumbernya

7. Bagaimana cara mengatasi AI hallucination dalam konteks pendidikan?

Beberapa strategi yang dapat Anda terapkan:

Cross-check dengan sumber referensi terpercaya
Gunakan chain-of-thought prompting untuk melihat proses berpikir AI
Minta AI untuk menyebutkan sumber informasi yang digunakannya
Lakukan iterasi—minta AI untuk merevisi atau mengklarifikasi
Validasi dengan rekan sejawat atau ahli di bidangnya

8. Apakah ada template prompt yang bisa saya gunakan sebagai pemula?

Ya! Mulailah dengan template sederhana ini:

Kamu adalah [persona] dengan pengalaman [X tahun] di bidang [bidang].

Saya adalah dosen [bidang] di [perguruan tinggi]. Saya perlu [tujuan] untuk mata kuliah [nama] untuk mahasiswa [jenjang/semester].

Informasi tambahan:
- CPL: [tempelkan CPL]
- Karakteristik mahasiswa: [deskripsi]
- Kendala: [sebutkan jika ada]

Tolong [task spesifik] dengan format [sebutkan format].

Pastikan output [kriteria kualitas].

9. Bagaimana cara mengukur kualitas desain pembelajaran yang dihasilkan AI?

Gunakan kriteria berikut:

Keselarasan — apakah CPMK, materi, metode, dan asesmen selaras?
Kedalaman — apakah desain mendorong deep learning (bukan sekadar hafalan)?
Keterukuran — apakah capaian dapat diukur dengan jelas?
Kontekstualitas — apakah materi relevan dengan dunia nyata?
Keterlibatan — apakah mahasiswa terlibat aktif dalam proses?
Kepatuhan — apakah sesuai dengan standar dan panduan institusi?

SMART RPS Berbasis OBE: Solusi Cerdas untuk Dosen

Setelah memahami berbagai prompt dan teknik di atas, mungkin Anda bertanya: "Apakah ada cara yang lebih sistematis dan terintegrasi untuk menyusun RPS berbasis OBE dengan bantuan AI?"

Jawabannya: YA. Salah satu pendekatan yang semakin populer di kalangan dosen adalah penggunaan SMART RPS Berbasis OBE—sebuah framework yang mengintegrasikan prinsip-prinsip OBE, teknologi AI, dan praktik terbaik dalam desain pembelajaran.

Apa Itu SMART RPS Berbasis OBE?

SMART RPS Berbasis OBE adalah pendekatan sistematis dalam menyusun Rencana Pembelajaran Semester yang:

Systematic — mengikuti alur logis dari analisis hingga finalisasi
Measurable — setiap capaian pembelajaran terukur dengan jelas
Aligned — seluruh komponen selaras (constructive alignment)
Responsive — adaptif terhadap kebutuhan mahasiswa dan perkembangan zaman
Technology-Enhanced — memanfaatkan AI untuk efisiensi dan kualitas

Mengapa SMART RPS Berbasis OBE Penting?

Mempercepat proses penyusunan RPS — dengan template dan prompt yang terstandarisasi
Meningkatkan kualitas — memastikan semua komponen RPS saling terhubung
Memudahkan validasi — struktur yang jelas memudahkan review dan perbaikan
Mendukung akreditasi — sesuai dengan standar OBE yang dituntut oleh akreditasi
Menghemat waktu dosen — dosen bisa fokus pada substansi而不是administrasi

Komponen SMART RPS Berbasis OBE

Framework ini mencakup 8 komponen utama yang saling terintegrasi:

Analisis Kebutuhan — pemetaan CPL, profil lulusan, dan karakteristik mahasiswa
Perumusan CPMK — rumusan capaian pembelajaran yang operasional dan terukur
Pemetaan Materi — struktur materi yang mendukung pencapaian CPMK
Strategi Pembelajaran — metode dan media yang sesuai dengan karakteristik mata kuliah
Asesmen — instrumen penilaian yang autentik dan selaras dengan CPMK
Matriks Pembelajaran — integrasi semua komponen dalam 16 pertemuan
Evaluasi — mekanisme evaluasi dan perbaikan berkelanjutan
Dokumentasi — RPS yang siap pakai dan mudah diakses

Bagaimana AI Membantu SMART RPS?

AI berperan dalam setiap komponen SMART RPS:

Komponen SMART RPS	Peran AI	Contoh Prompt
Analisis Kebutuhan	Membantu menganalisis CPL dan merumuskan kebutuhan pembelajaran	Prompt 1, 2
Perumusan CPMK	Merumuskan CPMK dan Sub-CPMK yang operasional	Prompt 2
Pemetaan Materi	Membuat peta konsep dan rincian topik per pertemuan	Prompt 3, 4
Strategi Pembelajaran	Merancang skenario dan aktivitas pembelajaran	Prompt 6, 7, 8
Asesmen	Mengembangkan instrumen dan rubrik penilaian	Prompt 9, 10, 11, 12, 13
Matriks Pembelajaran	Mengintegrasikan semua komponen	Prompt 23
Evaluasi	Membantu evaluasi dan perbaikan desain	Prompt 24, 25

Dengan mengikuti framework SMART RPS Berbasis OBE, dosen dapat menyusun RPS yang berkualitas secara lebih cepat, sistematis, dan sesuai dengan pendekatan Outcome-Based Education.

Untuk informasi lebih lengkap tentang SMART RPS Berbasis OBE dan bagaimana Anda dapat mengimplementasikannya dalam perkuliahan, kunjungi:

🔗 https://www.charirmasirfan.com/p/smart-rps-berbasis-obe-terintegrasi.html

Kesimpulan

Perjalanan kita dalam artikel ini telah membawa kita dari pemahaman dasar tentang desain pembelajaran deep learning hingga penguasaan prompt engineering yang aplikatif. Mari kita rekap poin-poin utamanya:

Desain pembelajaran deep learning adalah pendekatan yang menuntut mahasiswa untuk memahami secara mendalam, menghubungkan pengetahuan, dan menerapkannya dalam konteks nyata. Ini bukan sekadar tren, tetapi kebutuhan mendesak di era di mana informasi mudah diakses tetapi pemahaman mendalam justru semakin langka.

AI generatif telah menjadi game changer dalam dunia pendidikan. Bukan sebagai pengganti dosen, tetapi sebagai cognitive sparring partner yang membantu kita merancang pembelajaran lebih cepat, lebih baik, dan lebih mendalam. Berbagai perguruan tinggi di Indonesia—UNESA, UNRAM, UIN Alauddin, UIN Gusdur, UNS, UNY—telah memulai perjalanan ini dengan hasil yang menggembirakan .

Prompt engineering adalah keterampilan kunci yang harus dikuasai setiap dosen di era AI. Dengan kerangka seperti PARTS dan prinsip CLEAR, kita bisa berkomunikasi secara efektif dengan AI untuk menghasilkan desain pembelajaran yang berkualitas.

25+ prompt siap pakai yang telah kita bahas mencakup berbagai kebutuhan: dari analisis awal, pengembangan materi, strategi pembelajaran, asesmen, hingga evaluasi dan perbaikan. Ini adalah toolkit yang bisa langsung Anda gunakan.

Tiga pesan terakhir untuk Anda:

Mulai dari yang kecil. Jangan mencoba mengubah seluruh sistem sekaligus. Mulailah dengan satu mata kuliah, satu pertemuan, atau satu jenis asesmen. Pelajari, evaluasi, dan tingkatkan secara bertahap.
Jadikan AI sebagai mitra, bukan ancaman. AI tidak akan menggantikan dosen. Dosen yang menggunakan AI akan menggantikan dosen yang tidak. Jadikan AI sebagai alat untuk meningkatkan kualitas pengajaran Anda.
Tetap jaga integritas akademik. AI adalah alat bantu, bukan pengganti tanggung jawab profesional Anda. Selalu validasi, edit, dan perkuat setiap output AI sebelum digunakan.

Dunia pendidikan sedang bertransformasi. Pertanyaannya bukan lagi apakah kita akan menggunakan AI, tetapi bagaimana kita menggunakannya dengan bijak dan efektif. Artikel ini adalah langkah awal Anda dalam perjalanan itu.

Call to Action

Sekarang, giliran Anda untuk bertindak. Jangan biarkan artikel ini hanya menjadi bacaan yang mengendap di tab browser Anda.

Langkah nyata yang bisa Anda lakukan hari ini:

Pilih satu prompt dari daftar di atas dan coba langsung di platform AI pilihan Anda. Rasakan sendiri bagaimana AI bisa membantu pekerjaan Anda.
Bookmark artikel ini agar Anda bisa kembali kapan saja saat membutuhkan referensi prompt atau panduan.
Bagikan artikel ini dengan rekan dosen lainnya. Semakin banyak pendidik yang menguasai prompt engineering, semakin cepat kita mentransformasikan pendidikan Indonesia.
Kunjungi SMART RPS Berbasis OBE di https://www.charirmasirfan.com/p/smart-rps-berbasis-obe-terintegrasi.html untuk mendapatkan panduan lebih lengkap tentang penyusunan RPS berbasis OBE dengan bantuan AI.
Kembangkan prompt library pribadi Anda. Catat prompt-prompt yang berhasil dan bagikan dengan komunitas akademik.
Ikuti perkembangan terbaru tentang AI dalam pendidikan. Teknologi ini berkembang cepat, dan staying updated adalah kunci untuk tetap relevan.

Terima kasih telah membaca hingga akhir. Selamat berkarya dan selamat mentransformasikan pendidikan Indonesia!