Pernahkah Anda merasa sudah mengajar setengah mati di kelas, memberikan tugas yang menumpuk, tetapi saat mahasiswa lulus, mereka tetap bingung cara menghadapi industri?
Sebagai dosen, kita sering terjebak dalam ironi terbesar dunia pendidikan tinggi: kita mengajarkan skill, tetapi masih menilai mahasiswa menggunakan teori. Kita berharap mahasiswa siap kerja dan kompeten, tetapi assessment yang kita berikan hanya berujung pada tumpukan kertas nilai di dalam lembar kerja kita.
Baru-baru ini, beberapa dosen berkesempatan menghadiri Workshop OBE Teaching & Learning System yang diinisiasi oleh APTIKOM Provinsi Jawa Barat bersama Universitas Teknologi Bandung (UTB) pada 18–19 Mei 2026. Dua hari digembleng oleh para pakar kurikulum, tata kelola AI, dan asesor profesi membuat saya sadar bahwa ruang kelas kita harus dirombak total. Kelas bukan lagi sekadar tempat mendengarkan ceramah, melainkan sebuah laboratorium produksi bagi para profesional masa depan.
Berikut adalah 5 mindset penting (key takeaways) hasil refleksi workshop tersebut yang ingin saya bagikan kepada rekan-rekan pendidik sekalian.
1. OBE Teaching Canvas: Menghubungkan Nilai ke Portofolio Riil
Outcome-Based Education (OBE) bukan sekadar dokumen administratif berisi daftar Capaian Pembelajaran Lulusan (CPL) dan Capaian Pembelajaran Mata Kuliah (CPMK) yang kaku. Melalui pendekatan OBE Teaching Canvas, kita diajak melihat proses pembelajaran sebagai satu ekosistem yang utuh dan saling selaras (aligned).
“Pembelajaran yang kuat terjadi ketika apa yang dituju, bagaimana mahasiswa belajar, bagaimana mereka dinilai, dan bagaimana capaian dibuktikan berada dalam satu alur yang selaras.”
Dalam kanvas ini, setiap materi, strategi keterlibatan, hingga penggunaan digital tools wajib bermuara pada dua hal: Evidence (Bukti Capaian) dan Portfolio yang bernilai jual di industri. Jika tugas mahasiswa tidak bisa dipajang di LinkedIn atau GitHub mereka, artinya proses belajar kita belum selesai.
2. Reframe Masalah Kelas: Mahasiswa Pasif adalah Dampak ‘Learning Design’
Saat mahasiswa mengantuk, pasif, atau tidak bisa praktik, insting pertama kita mungkin adalah menyalahkan motivasi belajar mereka. Namun, Dr. Lila Setyani membalikkan premis tersebut dengan tajam: bisa jadi itu adalah dampak dari cara kita mengajar.
Kita harus bergeser dari sekadar menceritakan konsep (content delivery) menuju penciptaan performa (enabling performance). Desain belajar yang aktif wajib menyuntikkan empat komponen esensial:
Thinking: Mahasiswa diajak menganalisis masalah, bukan sekadar menghafal.
Doing: Mahasiswa langsung mencoba dan mempraktikkan keterampilan teknis.
Interaction: Ada diskusi kelompok dan kolaborasi dua arah.
Output: Menghasilkan produk atau artefak nyata.
Bahkan, di dunia STEM, keaktifan ini sekarang bisa diukur secara objektif menggunakan protokol COPUS (Classroom Observation Protocol for Undergraduate STEM) untuk mengevaluasi apakah kelas kita benar-benar hidup atau masih didominasi oleh ceramah satu arah.
3. Menyulap Tugas Kuliah Menjadi Produk dengan Design Thinking
Bagaimana cara mengubah tugas mingguan biasa menjadi portofolio kelas industri? Jawabannya adalah mengadopsi metodologi Design Thinking ke dalam instruksi kerja mahasiswa.
Sebagai contoh, dalam mata kuliah Analisis Sistem, alih-alih meminta mahasiswa merangkum buku, kita bisa menerjunkan mereka ke dalam siklus inovasi nyata:
Empathize & Define: Mahasiswa memetakan profil user dan mencari masalah operasional riil dari studi kasus startup atau UMKM lokal.
Ideate & Prototype: Mereka melakukan brainstorming fitur solusi, lalu menyusun cetak biru arsitektur data seperti Use Case Diagram, DFD, dan ERD.
Test: Mereka mempresentasikan purwarupa tersebut, menerima peer review, dan melakukan revisi berdasarkan umpan balik dosen industri.
4. Menyikapi Ekosistem AI di Kampus: Mengatur, Bukan Melarang
Teknologi Generative AI (seperti ChatGPT dan Gemini) telah mengubah lanskap akademik secara masif. Perangkat ini bekerja dengan mekanisme Stochastic Parrot—menebak kata berikutnya berdasarkan probabilitas—sehingga potensi halusinasi informasi ilmiah sangat tinggi.
Data survei internal ITB yang dipaparkan oleh Dr. Eng. Ayu Purwarianti menunjukkan realitas yang mengejutkan: ribuan mahasiswa menggunakan GenAI setiap hari, mayoritas untuk membantu menjelaskan kasus rumit dan mencari contoh konsep nyata. Bahkan, ada mahasiswa yang terdorong menggunakan AI secara tidak sah karena faktor beban tugas yang berlebihan (overload course work).
Menghadapi hal ini, melarang penggunaan AI adalah langkah yang sia-sia. Solusinya adalah menyusun Kebijakan Tata Kelola AI yang transparan di dalam silabus kuliah. Kita harus memperjelas aturan main pada setiap sub-aktivitas tugas mahasiswa: kapan AI diizinkan sebagai mitra diskusi (misalnya saat brainstorming ide), kapan dilarang total, dan bagaimana mahasiswa wajib mendokumentasikan riwayat perintah (prompt) mereka sebagai wujud integritas akademik.
5. Link & Match Nyata: Menyelaraskan Kurikulum dengan KKNI dan SKKNI
Agar lulusan kita diakui oleh dunia kerja nasional maupun internasional, kurikulum OBE yang kita bangun harus bersinergi dengan Kerangka Kualifikasi Nasional Indonesia (KKNI) dan Standar Kompetensi Kerja Nasional Indonesia (SKKNI).
Pemetaan ini membantu kita mendesain kedalaman materi secara adil dan realistis. Contohnya di bidang Data Science:
Lulusan Diploma 3 (KKNI Level 5) difokuskan pada unit kompetensi okupasi Junior Data Scientist, seperti telaah data, pembersihan data (data cleaning), dan pemberian label data (labeling).
Lulusan Sarjana/S1 (KKNI Level 6) diarahkan pada okupasi Supervisor Data Scientist yang memegang tanggung jawab penuh dalam membangun skenario model algoritma dan mengevaluasi hasil pemodelan.
Dengan menyelaraskan tugas akhir dan proyek kuliah mahasiswa ke dalam unit-unit kompetensi SKKNI ini, kita mempermudah mereka untuk meraih sertifikasi profesi resmi yang diakui negara melalui Badan Nasional Sertifikasi Profesi (BNSP) dan Lembaga Sertifikasi Profesi (seperti LSP TRI).
Langkah Kita Selanjutnya …
Perubahan besar di institusi selalu dimulai dari langkah-langkah kecil di dalam ruang kelas kita masing-masing. Mulai besok pagi, mari kita berhenti sekadar “mengajar mata kuliah” dan mulailah “mendesain pengalaman belajar”. Karena pada akhirnya, mahasiswa tidak akan mengingat salinan presentasi yang kita bacakan; mereka akan mengingat produk, sistem, dan solusi apa yang pernah mereka bangun dengan tangan mereka sendiri.
Bagaimana dengan Anda? Apakah mata kuliah yang Anda ampu saat ini sudah siap menghasilkan portofolio industri bagi mahasiswa? Mari kita diskusikan di kolom komentar!
