KRITERIA KETERCAPAIAN TUJUAN PEMBELAJARAN (KKTP) INFORMATIKA Semester 1 1. IDENTITAS| Mata Pelajaran | Informatika |
|---|
| Fase / Kelas | Fase F / Kelas 11 |
|---|
| Topik | Semester 1 |
|---|
| Tahun Ajaran | 2026/2027 |
|---|
| Pendekatan KKTP | rubrik |
|---|
| Semester | 1 |
|---|
2. INTERVAL NILAI| Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| 0-59 | 60-69 | 70-84 | 85-100 |
3. PETUNJUK PENSKORANPetunjuk penskoran (deterministik):
• Belum Berkembang (0-59): indikator dasar belum tercapai; perlu intervensi/remedial.
• Mulai Berkembang (60-69): sebagian indikator tercapai dengan bantuan guru.
• Berkembang (70-84): indikator utama tercapai secara mandiri.
• Sangat Berkembang (85-100): melampaui indikator; mampu mentransfer/menjelaskan ke konteks baru.
Nilai numerik dipetakan ke level di atas sesuai interval. Deskripsi rubrik per TP menjelaskan bukti observasi di tiap level. 4. RINGKASAN KETERCAPAIAN PER BABKode TP: Kelas.Bab.Urutan TP — contoh TP 11.1.1 = Kelas 11, Bab 1, TP ke-1. Penomoran ini penunjuk urutan internal dokumen, bukan format baku Pemerintah. Bab 1 — Informasi Digital (4 TP)| No | Kode TP | Tujuan Pembelajaran | Jumlah Indikator |
|---|
| 1 | TP 11.1.1 | Menganalisis penggunaan mesin pencari untuk melakukan riset secara efektif | 3 | | 2 | TP 11.1.2 | Mengevaluasi kebenaran konten menggunakan verifikasi teks, gambar, dan video | 3 | | 3 | TP 11.1.3 | Menggunakan cara membaca lateral untuk mengevaluasi informasi digital yang kompleks | 3 | | 4 | TP 11.1.4 | Menganalisis hukum dan perundang-undangan terkait isu digital di Indonesia | 3 |
Bab 2 — Analisis Data (4 TP)| No | Kode TP | Tujuan Pembelajaran | Jumlah Indikator |
|---|
| 5 | TP 11.2.1 | Memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan data | 3 | | 6 | TP 11.2.2 | Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputer | 3 | | 7 | TP 11.2.3 | Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimal | 3 | | 8 | TP 11.2.4 | Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputer | 3 |
Bab 3 — Strategi Algoritmik, Desain Struktur Data, dan Analisis Solusi (5 TP)| No | Kode TP | Tujuan Pembelajaran | Jumlah Indikator |
|---|
| 9 | TP 11.3.1 | Menjelaskan alur proses pengembangan program atau produk teknologi digital | 2 | | 10 | TP 11.3.2 | Menganalisis persoalan yang bisa menghasilkan lebih dari satu solusi dengan pemahamannya terhadap strategi algoritmik rekursi untuk menghasilkan beberapa alternatif solusi | 2 | | 11 | TP 11.3.3 | Memberikan justifikasi efisiensi, kelebihan, dan keterbatasan dari setiap alternatif solusi pada persoalan dengan strategi algoritmik greedy | 2 | | 12 | TP 11.3.4 | Menganalisis persoalan yang bisa menghasilkan lebih dari satu solusi dengan pemahamannya terhadap strategi algoritmik pemrograman dinamis untuk menghasilkan beberapa alternatif solusi | 2 | | 13 | TP 11.3.5 | Menerapkan solusi terbaik, paling efisien, dan optimal dengan merancang struktur data yang lebih kompleks dan abstrak | 2 |
5. RUBRIK KETERCAPAIAN PER TUJUAN PEMBELAJARANBab 1 — Informasi DigitalTP 11.1.1: Menganalisis penggunaan mesin pencari untuk melakukan riset secara efektifIndikator Pencapaian:
1. Menentukan kata kunci dan sintaks pencarian lanjutan (boolean operators, filter filetype, site) yang relevan dengan tujuan riset
2. Membandingkan efektivitas hasil pencarian dari berbagai kombinasi parameter pencarian
3. Menyeleksi sumber referensi digital yang paling relevan dan kredibel dari hasil pencarian | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu menyusun kata kunci yang spesifik serta belum menerapkan sintaks pencarian dasar, sehingga hasil pencarian tidak relevan dengan tujuan riset. | Mampu menggunakan kata kunci penelusuran dan sintaks pencarian sederhana, namun masih memerlukan panduan untuk memilah hasil riset yang relevan. | Mampu secara mandiri menerapkan sintaks pencarian lanjutan (operator boolean, filter domain/tipe file) dan memilih sumber informasi yang relevan serta kredibel. | Mampu mengevaluasi efektivitas berbagai strategi pencarian kompleks, mengoptimalkan penelusuran informasi secara efisien, serta membagikan strategi pencarian efektif kepada rekan sejawat. |
TP 11.1.2: Mengevaluasi kebenaran konten menggunakan verifikasi teks, gambar, dan videoIndikator Pencapaian:
1. Menerapkan teknik cek fakta pada klaim berbasis teks melalui sumber pemeriksa fakta tepercaya
2. Melakukan penelusuran gambar terbalik (reverse image search) untuk memeriksa keaslian dan konteks visual
3. Mengidentifikasi indikasi manipulasi atau rekayasa pada konten video melalui analisis visual dan metadata | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu membedakan konten valid dengan disinformasi serta belum dapat mempraktikkan verifikasi dasar pada teks, gambar, maupun video. | Mampu melakukan verifikasi teks atau gambar menggunakan panduan bertahap, namun belum konsisten dalam memverifikasi keaslian konten video. | Mampu secara mandiri memverifikasi keaslian konten teks, gambar, dan video menggunakan teknik pencarian terbalik serta situs cek fakta terpercaya secara tepat. | Mampu menganalisis konten manipulatif yang kompleks (seperti audio visual hasil rekayasa kecerdasan buatan), membuktikan temuan verifikasi secara sistematis, dan mengusulkan langkah mitigasi hoaks. |
TP 11.1.3: Menggunakan cara membaca lateral untuk mengevaluasi informasi digital yang kompleksIndikator Pencapaian:
1. Membuka tab terpisah (lateral reading) untuk memeriksa kredibilitas pengunggah atau institusi pembuat informasi
2. Membandingkan perspektif dan bukti dari beberapa sumber eksternal independen sebelum memercayai konten
3. Mengidentifikasi potensi bias, sponsor, atau konflik kepentingan dari sumber informasi digital | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Hanya membaca secara vertikal (terpaku pada tampilan visual situs yang dituju) tanpa memeriksa latar belakang penerbit ke sumber luar. | Mulai membuka tab baru untuk menelusuri sumber rujukan lain, namun masih kesulitan memetakan bias informasi tanpa arahan guru. | Mampu menerapkan teknik membaca lateral secara mandiri untuk memverifikasi kredibilitas pembuat konten melalui minimal dua sumber pembanding independen. | Mampu mendiagnosis bias tersembunyi dan motif ekonomi/politik dari informasi digital yang kompleks melalui penelusuran lateral mendalam serta menyimpulkan kredibilitasnya secara objektif. |
TP 11.1.4: Menganalisis hukum dan perundang-undangan terkait isu digital di IndonesiaIndikator Pencapaian:
1. Mengidentifikasi pasal-pasal kunci dalam regulasi digital (UU ITE dan UU PDP) yang relevan dengan kasus digital
2. Menganalisis pelanggaran hukum digital pada studi kasus nyata (seperti pencemaran nama baik, pembajakan karya, atau kebocoran data)
3. Merumuskan batasan etika dan konsekuensi hukum atas aktivitas di ruang digital | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu mengidentifikasi regulasi hukum digital di Indonesia (UU ITE dan UU PDP) yang relevan dengan pelanggaran di dunia siber. | Mampu menyebutkan regulasi digital yang berlaku, namun masih membutuhkan bantuan saat mengaitkan pasal hukum dengan kasus pelanggaran digital. | Mampu secara mandiri menganalisis kasus pelanggaran digital dengan mengaitkan pasal-pasal yang tepat pada UU ITE atau UU PDP serta menjelaskan konsekuensi hukumnya. | Mampu memberikan tinjauan kritis atas penerapan regulasi digital di Indonesia pada kasus mutakhir serta merancang rekomendasi perilaku digital yang patuh hukum bagi lingkungan sekolah. |
Bab 2 — Analisis DataTP 11.2.1: Memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan dataIndikator Pencapaian:
1. Menemukan repositori data terbuka (open data portal) resmi dari instansi pemerintah atau lembaga terakreditasi
2. Memeriksa lisensi penggunaan data (seperti Creative Commons atau lisensi domain publik) dan ketentuan privasinya
3. Mengunduh serta memeriksa struktur format dataset mentah (CSV, XLSX) untuk persiapan tahap pembersihan data | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu membedakan sumber data legal dengan data ilegal/tidak terpercaya, serta mengabaikan aspek lisensi data. | Mampu menemukan portal data terbuka, namun masih memerlukan panduan untuk memastikan keabsahan lisensi dan memeriksa kelayakan format dataset. | Mampu secara mandiri mengidentifikasi, menyeleksi, dan mengunduh dataset dari sumber data terbuka yang kredibel serta legal sesuai kebutuhan topik. | Mampu mengombinasikan berbagai repositori data terbuka resmi, memvalidasi aspek legalitas/etika data secara ketat, serta menyiapkan metadata yang rapi untuk pemrosesan lanjutan. |
TP 11.2.2: Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputerIndikator Pencapaian:
1. Melakukan pembersihan data mentah (menangani data duplikat, data kosong, atau inkonsistensi penulisan)
2. Menerapkan teknik transformasi data (seperti filtering, sorting, pengelompokan, atau kalkulasi formula/statistika dasar)
3. Menyajikan hasil pengolahan data ke dalam bentuk tabel ringkasan atau grafik yang komunikatif | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu melakukan pembersihan data dasar maupun menerapkan operasi pengolahan data yang sistematis. | Mampu melakukan pengurutan dan penyaringan data sederhana, namun masih menemui kendala dalam menangani data kosong atau menerapkan rumus kalkulasi. | Mampu secara mandiri membersihkan data, menerapkan formula statistika dasar/fungsi agregasi yang tepat, dan menyajikan data olahan dalam format terstruktur. | Mampu mengolah dataset kompleks menggunakan fungsi lanjutan (misal: pivot table atau formula kondisional), menghasilkan visualisasi data yang presisi, dan memastikan akurasi hasil tanpa kesalahan. |
TP 11.2.3: Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimalIndikator Pencapaian:
1. Mengidentifikasi pola, tren utama, atau anomali yang terdapat pada visualisasi atau tabel data
2. Menyimpulkan keterkaitan antara hasil olahan data dengan permasalahan kontekstual yang sedang dipecahkan
3. Merumuskan alternatif solusi atau rekomendasi keputusan yang didukung oleh bukti data kuantitatif | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu menafsirkan arti dari data olahan sehingga simpulan yang dibuat tidak relevan dengan data. | Mampu mendeskripsikan angka atau grafik yang terlihat secara visual, namun belum mampu mengaitkannya menjadi rekomendasi keputusan konkret. | Mampu secara mandiri menganalisis tren data serta merumuskan rekomendasi keputusan pemecahan masalah yang rasional dan efisien berdasarkan temuan data. | Mampu mengevaluasi beberapa opsi keputusan berbasis data dengan mempertimbangkan trade-off, risiko, dan dampak optimalnya, serta mempresentasikannya dengan argumentasi yang kuat. |
TP 11.2.4: Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputerIndikator Pencapaian:
1. Menentukan pola kecenderungan (tren linier atau deret waktu) dari data historis yang tersedia
2. Menghitung proyeksi nilai di masa depan menggunakan metode estimasi/ekstrapolasi sederhana
3. Menjelaskan faktor keterbatasan dan asumsi yang mendasari hasil prediksi data tersebut | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu membaca arah kecenderungan data historis dan belum dapat melakukan proyeksi perhitungan nilai ke depan. | Mampu menghasilkan estimasi masa depan dengan rumus proyeksi sederhana melalui bimbingan langkah demi langkah, namun belum memahami asumsi dasarnya. | Mampu secara mandiri memproyeksikan nilai masa depan berdasarkan pola tren data secara matematis atau komputasional dengan logis dan terukur. | Mampu membandingkan beberapa model tren prediksi, menguji sensitivitas terhadap asumsi perubahan kondisi, serta merancang skenario tindakan preventif berdasarkan hasil prediksi. |
Bab 3 — Strategi Algoritmik, Desain Struktur Data, dan Analisis SolusiTP 11.3.1: Menjelaskan alur proses pengembangan program atau produk teknologi digitalIndikator Pencapaian:
1. Mengidentifikasi tahapan siklus hidup pengembangan perangkat lunak (SDLC) mulai dari perencanaan, analisis, perancangan, implementasi, hingga pengujian dan pemeliharaan.
2. Menguraikan fungsi dan keterkaitan logis antartahapan dalam proses rekayasa produk teknologi digital. | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu mengidentifikasi dan mengurutkan tahapan siklus pengembangan perangkat lunak secara runtut meskipun telah diberikan panduan. | Mampu menyebutkan sebagian besar tahapan alur pengembangan program dengan bantuan, namun belum tepat dalam menguraikan hubungan keterkaitan antartahapannya. | Mampu menjelaskan seluruh alur proses pengembangan program secara mandiri, logis, runtut, dan tepat dari tahap analisis kebutuhan hingga pemeliharaan. | Mampu menjelaskan alur proses secara komprehensif, mengaitkannya dengan metodologi pengembangan nyata (seperti Agile atau Waterfall), serta mengidentifikasi potensi risiko dan mitigasi pada tiap tahapan. |
TP 11.3.2: Menganalisis persoalan yang bisa menghasilkan lebih dari satu solusi dengan pemahamannya terhadap strategi algoritmik rekursi untuk menghasilkan beberapa alternatif solusiIndikator Pencapaian:
1. Menentukan kondisi basis (base case) dan relasi rekursif (recurrence relation) pada suatu persoalan komputasi.
2. Merumuskan lebih dari satu alternatif solusi pemecahan masalah dengan memanfaatkan pola rekursi atau membandingkannya dengan pola iteratif. | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu membedakan kondisi basis dan langkah rekursif, serta belum dapat memformulasikan alternatif solusi berbasis rekursi. | Mampu merumuskan satu solusi rekursi sederhana dengan bantuan guru, namun belum mampu mengeksplorasi variasi atau alternatif solusi lain untuk persoalan yang sama. | Mampu menganalisis persoalan secara mandiri serta menyusun minimal dua alternatif solusi berbasis rekursi (atau variasi rekursif-iteratif) dengan penentuan base case yang tepat. | Mampu menganalisis persoalan secara mendalam melalui dekonstruksi pohon rekursi (call stack), menghasilkan beragam alternatif solusi yang tepat, serta mengidentifikasi batas kapasitas memori rekursi (stack overflow). |
TP 11.3.3: Memberikan justifikasi efisiensi, kelebihan, dan keterbatasan dari setiap alternatif solusi pada persoalan dengan strategi algoritmik greedyIndikator Pencapaian:
1. Mengidentifikasi karakteristik pemilihan serakah (greedy choice property) dan sub-struktur optimal pada persoalan optimasi.
2. Mengevaluasi kelebihan, keterbatasan, dan kompleksitas efisiensi solusi greedy dibanding solusi alternatif (seperti exhaustive search/brute force). | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu mengenali kriteria solusi greedy dan belum dapat memberikan alasan terkait efisiensi maupun keterbatasan solusi yang dihasilkan. | Mampu menerapkan strategi greedy pada persoalan tertentu, tetapi argumen justifikasi efisiensi dan keterbatasannya masih parsial atau membutuhkan panduan. | Mampu memberikan justifikasi secara mandiri dan logis mengenai kelebihan, efisiensi waktu, serta keterbatasan solusi greedy dalam mencapai optimum global atau lokal. | Mampu menyajikan analisis kritis komparatif berbasis data/kasus uji, membuktikan secara formal kondisi di mana strategi greedy gagal atau berhasil mencapai solusi optimal, serta memberikan rekomendasi algoritma alternatif yang relevan. |
TP 11.3.4: Menganalisis persoalan yang bisa menghasilkan lebih dari satu solusi dengan pemahamannya terhadap strategi algoritmik pemrograman dinamis untuk menghasilkan beberapa alternatif solusiIndikator Pencapaian:
1. Mengidentifikasi sub-persoalan yang saling tumpang tindih (overlapping subproblems) dan struktur optimal pada persoalan optimasi/pencarian.
2. Menyusun alternatif solusi menggunakan pendekatan memoization (top-down) dan/atau tabulasi (bottom-up). | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu mengenali keberadaan sub-persoalan berulang dan belum mampu merancang formulasi state untuk pemrograman dinamis. | Mampu mengenali perlunya pemrograman dinamis, namun perancangan tabel atau memoization masih membutuhkan bimbingan teknis agar tidak terjadi redundansi. | Mampu menganalisis persoalan secara mandiri dan merumuskan alternatif solusi (seperti membandingkan pendekatan memoization dengan tabulasi) secara terstruktur dan tepat. | Mampu menganalisis transisi state matematis persoalan rumit, mengimplementasikan solusi pemrograman dinamis yang optimal, serta melakukan teknik penghematan ruang memori (space optimization) secara kreatif. |
TP 11.3.5: Menerapkan solusi terbaik, paling efisien, dan optimal dengan merancang struktur data yang lebih kompleks dan abstrakIndikator Pencapaian:
1. Memilih struktur data kompleks/abstrak (misal: Tree, Graph, Heap/Priority Queue, atau Hash Map) yang sesuai dengan karakteristik data persoalan.
2. Mengimplementasikan struktur data terpilih ke dalam algoritma untuk mencapai efisiensi komputasi yang optimal. | Belum Berkembang | Mulai Berkembang | Berkembang | Sangat Berkembang |
|---|
| Belum mampu merancang atau memilih struktur data abstrak di luar tipe data linear dasar/larik sederhana untuk menyelesaikan persoalan. | Mampu memilih struktur data kompleks berdasarkan petunjuk yang diberikan, namun masih melakukan kesalahan sintaks atau logika saat memetakan relasi data ke dalam algoritma. | Mampu merancang dan menerapkan struktur data kompleks yang tepat secara mandiri sehingga menghasilkan kode solusi yang efisien, optimal, dan bebas galat logika. | Mampu mengevaluasi performa trade-off (ruang vs waktu) dari berbagai alternatif struktur data kompleks, serta mengadaptasi atau memodifikasi representasi data abstrak untuk menangani kasus batas (edge cases) dengan sangat efisien. |
6. CATATANKKTP semester ini mencakup Bab 1 — Informasi Digital; Bab 2 — Analisis Data; Bab 3 — Strategi Algoritmik, Desain Struktur Data, dan Analisis Solusi (total 13 TP). Satu rubrik per TP; gunakan ringkasan per bab untuk administrasi dan rubrik detail per bab untuk mengajar. |