Menakar Usia Kurikulum DKV Swasta di Bandung

Otomasi kecerdasan buatan generatif menggeser nilai keahlian teknis konvensional dalam Desain Komunikasi Visual (DKV). Studi pendahuluan ini memetakan sejauh mana kurikulum DKV pada 13 Perguruan Tinggi Swasta (PTS) di Bandung beradaptasi, menggunakan analisis isi (content analysis) atas dokumen kurikulum yang dipublikasikan kampus per 2026, tanpa wawancara. Analisis memakai kerangka i-RDR™ Education (Inject – Rapid – Diagnosis – Refinement) dan sebuah Indeks Kesiapan Industri (IKI) yang bobotnya ditetapkan secara normatif. Hasilnya menunjukkan polarisasi: sekitar tiga dari tiga belas kampus tergolong paling siap mengarahkan lulusan sebagai pengendali AI, sementara sebagian lain masih berorientasi keterampilan manual-konvensional. Temuan bersifat interpretatif dan dibatasi oleh ketersediaan dokumen publik; klasifikasi bukan penilaian mutu institusi maupun studi luaran lulusan.

Keahlian teknis yang dahulu dipelajari bertahun-tahun memotong latar, membuat vektor mentah, menyusun tata letak dasar kini dapat diselesaikan AI generatif dalam hitungan detik. Pergeseran ini menuntut pendidikan DKV bergeser dari melatih cara membuat menuju melatih cara berpikir. Studi ini menjawab dua pertanyaan: (1) Sejauh mana kurikulum DKV PTS di Bandung mengadaptasi muatan AI, produk digital, dan kesiapan pasar? (2) Bagaimana pola sebaran orientasi kurikulum tersebut dapat dipetakan secara transparan?

2.1 Desain studi

Studi memakai pendekatan campuran sekuensial (sequential mixed-methods) dengan inti berupa analisis isi kualitatif yang dikuantifikasi atas dokumen akademik resmi tahun akademik terbaru. Studi ini bersifat desk research dan tidak melibatkan wawancara atau survei primer.

2.2 Sumber & penelusuran data

•    Dokumen sekunder: lembar kurikulum, katalog akademik, dan struktur SKS dari situs/sistem informasi akademik resmi 13 PTS.

•    Jejak digital: repositori kampus, publikasi tugas program studi (Behance/Instagram), dan penelusuran alumni (LinkedIn) sebagai
indikasi orientasi luaran.

•    Pembobotan SKS: menimbang proporsi mata kuliah adaptif-industri terhadap mata kuliah konvensional.

2.3 Catatan keterbatasan (penting)

Agar dapat dipertanggungjawabkan, studi ini mengakui batas berikut secara terbuka: (a) dokumen kurikulum tidak selalu mencerminkan praktik pengajaran aktual di kelas; (b) data bersifat potret sesaat (snapshot) 2026 dan dapat berubah; (c) tidak ada data luaran lulusan primer (tracer study), sehingga studi ini tidak mengklaim masa tunggu kerja atau mutu lulusan; (d) ketersediaan dokumen publik antar-kampus tidak merata, sehingga tingkat keyakinan klasifikasi lebih tinggi untuk kampus dengan dokumen lengkap; (e) bobot IKI bersifat normatif (pilihan penulis), bukan parameter empiris universal. Klasifikasi karena itu bersifat interpretatif dan bukan pemeringkatan mutu institusi.

Kerangka ini menurunkan iRDR™ kerangka kolaborasi Manusia × AI milik Visualis (Inject –Rapid – Diagnosis – Refinement) menjadi matriks evaluasi kurikulum. Empat pilar yang sama dipakai untuk membaca apakah sebuah program studi membekali keseluruhan siklus, bukan sekadar keterampilan menggambar:

Catatan integritas: pilar Diagnosis sengaja memberi bobot pada kepekaan budaya dan kurasi rasa. Maka penguasaan rupa manual dan tradisi visual tidak dianggap usang, melainkan ditempatkan
sebagai sumbu nilai tersendiri yang sah lihat pembahasan Klaster Budaya.

Untuk klasterisasi yang transparan, tiap kampus dinilai dengan indeks bobot linear berikut:

IKI = [ (2·w_AI) + (1,5·w_UI) +
(1,5·w_Biz) + (1,0·w_Tec) − (0,5·w_Trad) ] ÷ SKS_total × 100

w_AI = SKS mata kuliah AI/data/komputasi; w_UI = SKS produk digital (UI/UX, game, immersive);
w_Biz = SKS manajemen desain/kewirausahaan/periklanan strategis; w_Tec = SKS aplikasi komputer standar; w_Trad = SKS rupa dasar manual non-digital.

Bobot negatif pada w_Trad hanya mengukur kesiapan terhadap otomasi industri secara sempit; ia tidak menyiratkan rupa manual tak bernilai. Nilai kultural-artisanal diperlakukan sebagai sumbu terpisah yang tidak ditangkap indeks ini batas yang penting disadari pembaca.

Penerapan kerangka menghasilkan empat klaster orientasi kurikulum:

Klaster 1 — Frontier Tech (paling siap AI & digital)

Merombak kurikulum dengan memasukkan komputasi, analitik, dan AI sebagai muatan inti,
dipadu produk digital (UI/UX, game) dan jalur industri. Berdasarkan dokumen publik: Maranatha, BINUS, dan Telkom University.

Klaster 2 — Engineering-Graphic Fusion (kuat teknis & aplikatif)

Menjembatani kebutuhan teknis komersial dengan logika bisnis; eksekusi aplikasi padat.
Mencakup UNIKOM, ITENAS, dan ITHB.

Klaster 3 — Culture Artisan (penjaga kriya & tradisi)

Memilih jalur mempertahankan intuisi rasa, eksplorasi material fisik, dan filosofi budaya lokal (UNPAS, Widyatama). Penting ditegaskan: ini bukan ketertinggalan, melainkan diferensiasi strategis. Di tengah homogenisasi visual AI, kefasihan budaya justru menjadi pembeda yang sulit ditiru selaras dengan
kebangkitan apresiasi global terhadap estetika otentik.

Klaster 4 — Emerging/Generalist (perlu akselerasi)

Menawarkan akses pendidikan kreatif terjangkau namun kurikulumnya masih generalis dan belum menyentuh literasi AI secara struktural (UTB, UTD, UNISA, ARS, IWU). Klasifikasi untuk klaster ini memiliki tingkat keyakinan lebih rendah karena keterbatasan dokumen publik, dan sebaiknya dibaca sebagai area yang membutuhkan akselerasi, bukan vonis atas mutu lulusan.

Matriks komparasi (berdasarkan dokumen publik):

Sebaran menunjukkan polarisasi orientasi: sekitar 3 dari 13 kampus (±23%) berada di klaster paling siap-AI, dan bersama Klaster 2 menjadikan ±6 dari 13 berorientasi kuat ke digital, sementara 5 dari 13 (±38%) masih generalis. Jurang ini berimplikasi: lulusan dari kurikulum yang adaptif cenderung diarahkan menjadi sutradara kreatif mengombinasikan logika AI dengan intuisi rasa sedangkan kurikulum yang sepenuhnya bertumpu pada keterampilan teknis dasar berisiko membekali kompetensi yang nilainya tergerus otomasi.

Namun analisis lewat pilar Diagnosis menahan kesimpulan yang terlalu dikotomis. Klaster Budaya
menunjukkan bahwa mempertahankan kedalaman rupa dan konteks lokal adalah strategi yang sah dan, dalam konteks pasar yang mulai jenuh terhadap visual AI seragam, berpotensi bernilai premium. Persoalan sesungguhnya bukan manual versus AI, melainkan apakah sebuah kurikulum membekali seluruh siklus i-RDR termasuk Diagnosis dan Refinement yang menjamin kepengarangan manusia,
kepatuhan hak cipta, dan kesiapan pasar.

1.   Bagi kampus Klaster 4: menyuntikkan literasi AI dan computational thinking (pilar Inject & Rapid) tanpa membongkar fondasi rupa dasar yang justru menjadi keunggulan manusia.

2.   Bagi kampus Klaster 3: mengartikulasikan kekuatan budaya sebagai posisi pasar eksplisit, dilengkapi modul Diagnosis (etika & hak cipta AI) dan Refinement (value-based pricing, portofolio).

3.   Bagi regulator/LLDIKTI: mendorong standarminimum literasi AI lintas-kampus dan memfasilitasi berbagi sumber daya antar-PTS untuk menutup jurang kompetensi.

4.   Bagi mahasiswa: menilai kurikulum dari keseimbangan empat pilar i-RDR, bukan dari kemewahan perangkat lunak semata, serta proaktif melakukan upskilling mandiri.

Studi ini adalah titik awal, bukan kata akhir. Validasi lanjutan yang disarankan: triangulasi dengan wawancara pengelola program studi dan dosen, tracer study luaran lulusan berbasis data, serta verifikasi silang dokumen kurikulum termutakhir dengan persetujuan institusi. Angka dan klasifikasi di sini sebaiknya diperlakukan sebagai hipotesis kerja untuk diuji, bukan kesimpulan final.

Audit pendahuluan ini menyingkap jurang orientasi kurikulum DKV swasta di Bandung yang nyata namun bernuansa. Yang menentukan masa depan lulusan bukan semata kehadiran mata kuliah AI, melainkan keutuhan siklus berpikir dari menyuntik konteks, mengeksplorasi cepat, mendiagnosis secara kritis, hingga menyempurnakan menjadi karya yang siap pasar dan berakar budaya. Kampus yang membekali keempatnya tidak sedang mencetak operator gambar, melainkan calon pengarah yang mengendalikan teknologi, bukan dikendalikan olehnya.

Dokumen kurikulum resmi yang dirujuk dan dapat diverifikasi publik, antara lain: Kurikulum S1 DKV Universitas Kristen Maranatha (creahum.maranatha.edu); Katalog Kurikulum DKV BINUS University; Kurikulum DKV Telkom University (Fakultas Industri Kreatif); dan Struktur Kurikulum DKV UNIKOM. Untuk kampus lain, klasifikasi mengacu pada dokumen publik yang tersedia per 2026 dengan tingkat keyakinan yang bervariasi sesuai kelengkapan dokumen.

Catatan & Disclaimer

Laporan ini merupakan studi pendahuluan editorial-akademik untuk memantik diskusi perbaikan kurikulum, bukan pemeringkatan resmi, akreditasi, penilaian mutu institusi, atau studi luaran lulusan. Seluruh klasifikasi bersifat interpretatif berdasarkan dokumen publik yang tersedia dan terbuka untuk koreksi serta pemutakhiran dari pihak institusi. i-RDR™ dan iRDR™ adalah kerangka yang dikembangkan Visualis.

Didi Subandi, S.Sn.,MM & Dr. Yully Ambarsih, M.Sn adalah kontributor Visualis platform
editorial, riset, dan pengetahuan kreatif untuk desainer, peneliti, dan
praktisi Indonesia di era kecerdasan buatan.

Dokumen Download