Mengukur Capaian Pembelajaran (CPL) Mata Kuliah Secara Terstruktur

Hampir semua Rencana Pembelajaran Semester (RPS) di kampus Indonesia sekarang mencantumkan Capaian Pembelajaran Lulusan (CPL) dan Capaian Pembelajaran Mata Kuliah (CPMK) — ini sudah jadi bagian wajib dari dokumen kurikulum. Masalahnya bukan di penulisan CPL, tapi di langkah setelahnya: bagaimana membuktikan bahwa CPL yang tertulis di dokumen itu benar-benar tercapai, bukan cuma klaim administratif yang tidak pernah diverifikasi dengan data nyata.

Kesenjangan antara Dokumen dan Bukti

RPS biasanya menulis sesuatu seperti "mahasiswa mampu menganalisis studi kasus X dengan pendekatan Y" sebagai CPMK. Tapi begitu semester berjalan, hubungan antara pernyataan itu dan soal ujian yang sebenarnya diberikan sering longgar. Dosen menyusun UTS dan UAS berdasarkan materi yang sudah diajarkan, bukan dengan secara eksplisit mengecek: soal nomor berapa yang benar-benar menguji CPMK nomor berapa? Akibatnya, ketika ditanya bukti pencapaian CPL, yang bisa ditunjukkan biasanya cuma nilai akhir mata kuliah — angka tunggal yang tidak menjelaskan capaian spesifik mana yang terpenuhi dan mana yang tidak.

Ini bukan salah dosen secara individual. Menyusun peta soal-ke-CPL secara manual untuk puluhan soal per mata kuliah, dikalikan puluhan mata kuliah per program studi, adalah pekerjaan yang secara realistis tidak akan konsisten dikerjakan tanpa alat yang membantu prosesnya.

Menghubungkan Soal ke CPL, Bukan ke Bab

Perbedaan mendasar yang perlu dibuat adalah antara bank soal yang disusun per bab materi versus bank soal yang ditandai per capaian pembelajaran. Soal per bab cocok untuk urutan pengajaran mingguan, tapi begitu semester selesai, struktur bab itu tidak lagi berguna untuk membuktikan capaian — karena satu bab bisa menyentuh beberapa CPL sekaligus, dan satu CPL bisa diuji lewat soal dari beberapa bab berbeda.

Di Lesan, setiap soal di bank soal ditandai ke kompetensi tertentu sejak dibuat — mekanisme tagging ini yang bisa dipetakan langsung ke CPMK atau sub-CPL mata kuliah. Begitu mahasiswa mengerjakan UTS atau UAS, sistem menghitung skor per kompetensi/CPL secara otomatis dari jawaban yang sudah dinilai, baik untuk soal pilihan ganda yang skornya langsung keluar maupun esai yang skornya masuk setelah dosen meninjau draft AI dan mengirim nilai akhirnya. Hasilnya bukan cuma satu angka nilai UAS, tapi rincian: dari lima CPMK mata kuliah ini, mana yang rata-rata kelas sudah di atas ambang penguasaan, dan mana yang masih di bawah.

Membaca Hasil di Level Kelas, Bukan Cuma Individu

Data per-mahasiswa berguna untuk bimbingan personal, tapi untuk keperluan evaluasi mata kuliah, yang lebih relevan adalah pola di level kelas. Kalau 70% mahasiswa di satu kelas konsisten di bawah ambang untuk CPMK tertentu — katakanlah kemampuan menyusun argumen berbasis data — itu sinyal yang jauh lebih actionable dibanding sekadar melihat rata-rata nilai UAS turun dibanding semester lalu. Rata-rata nilai bisa turun karena banyak sebab; data per-CPL langsung menunjuk ke bagian mana dari materi yang perlu diperkuat, entah lewat metode pengajaran berbeda atau soal latihan tambahan.

Pola ini juga berguna untuk membandingkan kelas paralel dari dosen berbeda. Kalau satu kelas konsisten kuat di CPMK tertentu sementara kelas lain lemah, ini jadi bahan diskusi yang lebih produktif antar dosen pengampu — bukan untuk saling menyalahkan, tapi untuk saling belajar metode mana yang bekerja lebih baik untuk capaian tersebut.

Satu Soal, Lebih dari Satu CPL — Bagaimana Menanganinya

Dalam praktiknya, tidak semua soal bisa ditandai ke satu CPMK secara bersih. Soal studi kasus yang meminta mahasiswa menganalisis data lalu menyusun rekomendasi kebijakan, misalnya, sebenarnya menguji dua kompetensi sekaligus — kemampuan analisis data dan kemampuan menulis argumentatif. Memaksakan satu soal semacam ini hanya ditandai ke satu CPL akan kehilangan sebagian informasi yang sebenarnya bisa digali dari jawaban yang sama.

Solusi yang lebih realistis adalah tagging multi-kompetensi per soal, di mana satu soal bisa disumbangkan skornya ke lebih dari satu CPMK sekaligus, masing-masing dengan bobot yang bisa berbeda tergantung porsi rubrik yang mengukur kompetensi tersebut. Di Lesan, tagging semacam ini bisa dilakukan saat soal disusun di bank soal — dosen menandai kompetensi mana saja yang relevan, dan sistem menghitung kontribusi skor ke tiap kompetensi berdasarkan tag tersebut, bukan memaksa satu soal hanya mewakili satu baris di peta CPL.

Yang perlu dihindari adalah menandai terlalu banyak kompetensi ke satu soal hanya karena secara teori semuanya tersentuh sedikit-sedikit. Kalau satu soal ditandai ke lima kompetensi sekaligus padahal rubriknya sebenarnya cuma benar-benar mengukur dua di antaranya secara mendalam, data yang dihasilkan justru jadi kabur — setiap kompetensi mendapat sinyal yang terlalu tipis untuk bisa diandalkan. Aturan praktis yang cukup berguna: tandai kompetensi yang benar-benar diukur eksplisit lewat rubrik, bukan kompetensi yang cuma tersentuh secara implisit atau kebetulan relevan dengan topik soal.

Dari Semester ke Semester, Bukan Snapshot Sekali Jalan

Nilai jual sebenarnya dari mengukur CPL secara terstruktur baru terasa setelah beberapa semester berjalan. Data yang terkumpul dari satu angkatan ke angkatan berikutnya menunjukkan apakah revisi metode pengajaran atau perubahan materi benar-benar berdampak pada capaian, atau cuma perubahan kosmetik di RPS yang tidak mengubah apa pun di lapangan. Ini juga jadi bekal penting menjelang akreditasi, saat program studi diminta menunjukkan bukti capaian pembelajaran secara konkret — bukan cuma menyalin ulang rumusan CPL yang sama setiap periode.

Langkah paling realistis untuk memulai bukan memetakan seluruh mata kuliah program studi sekaligus. Pilih satu-dua mata kuliah dengan kelas paralel terbanyak atau yang paling sering jadi sorotan evaluasi kurikulum, tandai soal-soalnya ke CPMK yang relevan, lalu jalankan minimal satu semester penuh untuk melihat apakah datanya benar-benar menjawab pertanyaan yang selama ini cuma dijawab dengan asumsi.