© Dictio 2017 - 2019, Inc. All Rights Reserved. Terms of Use | About Us | Privacy Policy


Apa yang dimaksud dengan computational thinking ?

Berpikir komputasi

Berpikir komputasi (Computational Thinking) adalah sebuah metoda pemecahan masalah dengan mengaplikasikan/melibatkan teknik yang digunakan oleh software engineer dalam menulis program.

Berpikir komputasi tidak berarti berpikir seperti komputer, melainkan berpikir tentang komputasi di mana sesorang dituntut untuk memformulasikan masalah dalam bentuk masalah komputasi dan menyusun solusi komputasi yang baik (dalam bentuk algoritma) atau menjelaskan mengapa tidak ditemukan solusi yang sesuai.

Apa yang dimaksud dengan computational thinking ?

Computational Thinking (CT) adalah sebuah pendekatan dalam proses pembelajaran. CT memang memiliki peran penting dalam pengembangan aplikasi komputer, namun CT juga dapat digunakan untuk mendukung pemecahan masalah disemua disiplin ilmu, termasuk humaniora, matematika dan ilmu pengetahuan. Siswa yang belajar dimana CT diterapkan dalam kurikulum (proses pembelajaran) dapat mulai melihat hubungan antara mata pelajaran, serta antara kehidupan di dalam dengan di luar kelas.

Berpikir komputasi adalah teknik pemecahan masalah yang sangat luas wilayah penerapannya. Tidak mengherankan bahwa memiliki kemampuan tersebut adalah sebuah keharusan bagi seseorang yang hidup pada abad ke dua puluh satu ini. Seperti juga bermain musik dan belajar bahasa asing, Computational Thinking melatih otak untuk terbiasa berfikir secara logis, terstruktur dan kreatif.

Istilah CT pertama kali diperkenalkan oleh Seymour Papert pada tahun 1980 dan 1996. Di tahun 2014, pemerintah Inggris memasukkan materi pemrograman kedalam kurikulum sekolah dasar dan menengah, tujuannya bukan untuk mencetak pekerja software (programmer) secara massif tetapi untuk mengenalkan Computational Thinking (CT) sejak dini kepada siswa. Pemerintah Inggris percaya Computational Thinking (CT) dapat membuat siswa lebih cerdas dan membuat mereka lebih cepat memahami teknologi yang ada di sekitar mereka.

Tidak hanya pemerintah inggris, di tahun yang sama lembaga non-profit dari Amerika Code.org menyelenggarakan beberapa acara untuk mempromosikan manfaat dari berlajar pemrograman. Mulai dari Computer Science Education Week untuk anak sekolah dan juga yang paling viral, Hour of Code. Program ini didukung oleh Bill Gates, Mark Zuckerberg, Jack Dorsey, Will.i.am dari Black Eyed Peas.

Bahkan Google pun terlibat untuk memfasilitasi guru untuk dapat menguasai CT yang merupakan salah satu kecakapan abad 21 yang harus dikuasai oleh peserta didik melalui kursus online. Dibanyak negara CT mulai diintegrasikan kedalam semua mata pelajaran, bahkan di beberapa negara untuk membantu dan mempercepat pengintegrasian dan penetrasi kearah Computational Thinking, mereka memasukan Computer Science (ICT) sebagai sebuah mata pelajaran wajib dalam kurikulum nasional mereka.

Problem Based Learning (PBL) merupakan elemen penting dari Science, Technology, Engineering, dan Matematika (STEM) yang ada pada pendidikan kita. Bahkan kini tidak hanya STEM tapi sudah berkembang menjadi STEAM dimana huruf “A” mewakili “Arts / Seni”. Karakteristik Berpikir Komputasi (CT) merumuskan masalah dengan menguraikan masalah tersebut ke segmen yang lebih kecil dan lebih mudah dikelola. Strategi ini memungkinkan siswa untuk mengubah masalah yang kompleks menjadi beberapa prosedur atau langkah yang tidak hanya lebih mudah untuk dilaksanakan, akan tetapi juga menyediakan cara yang efisien untuk berpikir kreatif.

Dalam pendidikan STEM, Berpikir Komputasi (CT) didefinisikan sebagai seperangkat keterampilan kognitif yang memungkinkan pendidik mengidentifikasi pola, memecahkan masalah kompleks menjadi langkah-langkah kecil, mengatur dan membuat serangkaian langkah untuk memberikan solusi, dan membangun representasi data melalui simulasi .

Apa itu Computational Thinking (CT)?

CT adalah metode berpikir yang dipakai programmer ketika menulis program. Beberapa metode ini antara lain :

  • Decomposition : Kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola. Misalnya memecah ‘Drive/Direktory’ dalam sebuah komputer berdasarkan komponen penyusunnya: File dan Direktory.

  • Pattern Recognition : Kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Misalnya mengenali pola file dokumen, file sistem, file eksekusion atau struktur data/file.

  • Abstraksi : Melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut. Misalnya dengan menempatkan semua file sistem di folder Windows, file program di folder Program Files, file data/dokumen di Folder Mydocument dan file pendukung di Drive/Direktory terpisah.

  • Algorithm Design : Mengembangkan petunjuk pemecahan masalah yang sama secara step-by-step, langkah demi langkah, tahapan demi tahapan sehingga orang lain dapat menggunakan langkah/informasi tersebut untuk menyelesaikan permasalahan yang sama. Misalnya bagaimanakah langkah mencari file-file dokumen yang ada dalam sebuah komputer ?

Karakteristik berpikir komputasi adalah:

  1. Mampu memberikan pemecahan masalah menggunakan komputer atau perangkat lain.

  2. Mampu mengorganisasi dan menganalisa data.

  3. Mampu melakukan representasi data melalui abstraksi dengan suatu model atau simulasi.

  4. Mampu melakukan otomatisasi solusi melalui cara berpikir algoritma.

  5. Mampu melakukan identifikasi, analisa dan implementasi solusi dengan berbagai kombinasi langkah / cara dan sumber daya yang efisien dan efektif.
    Mampu melakukan generalisasi solusi untuk berbagai masalah yang berbeda.

source:

image

Berpikir komputasi adalah teknik pemecahan masalah yang sangat luas wilayah penerapannya. Tidak mengherankan bahwa memiliki kemampuan tersebut adalah sebuah keharusan bagi seseorang yang hidup pada abad ke dua puluh satu ini. Seperti juga bermain musik dan belajar bahasa asing, Computational Thinking melatih otak untuk terbiasa berfikir secara logis, terstruktur dan kreatif.

Pemikiran Komputasi adalah sistem pemahaman dan pemecahan masalah dengan cara logis yang dapat dimengerti oleh orang dan komputer. Ini adalah kemampuan untuk mengintegrasikan kreativitas dan wawasan manusia dengan kekuatan komputasi mesin

Karakteristik berpikir komputasi adalah:

  • Mampu memberikan pemecahan masalah menggunakan komputer atau perangkat lain.

  • Mampu mengorganisasi dan menganalisa data.

  • Mampu melakukan representasi data melalui abstraksi dengan suatu model atau simulasi.

  • Mampu melakukan otomatisasi solusi melalui cara berpikir algoritma. dan sumber daya yang efisien dan efektif.

  • Mampu melakukan generalisasi solusi untuk berbagai masalah yang berbeda.

Apapun masalah yang Anda hadapi, beberapa langkah mendasar yang dapat menjadi panduan anda adalah :

  • Identifikasi masalahnya
  • Tentukan masalahnya
  • Periksa pilihannya
  • Bertindak dalam sebuah rencana
  • Lihatlah konsekuensinya

image

1) Mengevaluasi masalah

  • Mengklarifikasi sifat suatu masalah
  • Merumuskan pertanyaan
  • Mengumpulkan informasi secara sistematis
  • Mengumpulkan dan mengatur data
  • Mengkensor dan meringkas informasi
  • Mendefinisikan tujuan yang diinginkan

2) Mengelola masalah

  • Menggunakan informasi yang dikumpulkan secara efektif
  • Memecah masalah menjadi bagian yang lebih kecil dan lebih mudah diatur
  • Menggunakan teknik seperti brainstorming dan pemikiran lateral untuk mempertimbangkan pilihan
  • Menganalisis pilihan ini secara lebih mendalam
  • Mengidentifikasi langkah-langkah yang bisa ditempuh untuk mencapai tujuan

3) Pengambilan keputusan

  • memutuskan antara pilihan yang mungkin untuk tindakan apa yang harus diambil
  • memutuskan informasi lebih lanjut untuk dikumpulkan sebelum mengambil tindakan
  • menentukan sumber daya (waktu, pendanaan, staf dll) untuk dialokasikan untuk masalah ini

4) Menyelesaikan masalah

  • Menerapkan tindakan
  • Memberikan informasi kepada pemangku kepentingan lainnya; mendelegasikan tugas
  • Meninjau kemajuan

5) Meneliti hasilnya

  • Pemantauan hasil tindakan yang dilakukan
  • Mengkaji ulang masalah dan proses pemecahan masalah untuk menghindari situasi serupa di masa depan

Contoh Computational Thinking (CT) :

Bagaimanakah membuat “Browniz” yang lezat sebanyak 100 box dengan efektif dan efesien ?

Decomposition : Kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola.

Misalnya memecah struktur komponen dasar pembentuk Browniz menjadi Tepung, Telur, Gula, Mentega, Coklat, Susu, Keju, Backing Powder, Air.

Misalnya memecah proses dasar pembuatan Browniz menjadi Penyiapan Bahan, Pencampuran Adonan, Pengembangan Adonan (emulsi), Memasak/Memanggang, Toping/Rias, Packing/Pengepakan

Pattern Recognition : Kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data.

Misalnya mengenali pola dan proses pembuatan 1 box kue Browniz yang dimulai dari tahap Persiapan hingga Packing memerlukan waktu 60 menit dengan menggunakan 1 unit oven.

60 menit = 1 Box atau 1 jam = 1 Box

Abstraksi : Melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut.

Misalnya dengan melihat dan mengidentifikasi pola pembuatan browniz secara umum. Jika dalam 1 jam dengan 1 unit oven/pemanggang diperoleh 1 box browniz maka perlu 100 jam (4,16 hari) untuk menghasilkan 100 box browniz. Tentu tidak efektif dan efesien !

Karena proses pembuatan browniz ini merupakan proses yang berulang maka kita dapat melakukan generalisasi bahwa proses ini tidah harus menunggu semua proses selesai baru dilakukan dari awal. Dengan kata lain, saat kue browniz sudah masuk oven, kita dapat melakukan proses pembuatan adonan kembali tanpa harus menunggu hingga semua proses dilaksanakan.

Dengan demikian 60 menit >= 3 Box atau 1 jam >= 3 Box

Sehingga untuk menghasilkan 100 box browniz dengan 1 unit oven diperlukan waktu 33 jam atau 1,3 hari. Pertanyaan selanjutnya bagaimana jika kita sediakan 2 buah oven, maka jawabnya kita hanya memerlukan waktu 16,5 jam untuk menghasilkan 100 box Browniz.

Bagaimana bentuk persamaan matematikanya ? Bagaimana nilai ekonomis dan break even pointnya ? Bagaimana suhu oven yang paling baik ? Bahan (kimia/alami) pengembang adonan yang paling baik dan efektif ?

Algorithm Design : Mengembangkan petunjuk pemecahan masalah yang sama secara step-by-step, langkah demi langkah, tahapan demi tahapan sehingga orang lain dapat menggunakan langkah/informasi tersebut untuk menyelesaikan permasalahan yang sama. Misalnya langkah dan tahapan membuat kue browniz yang paling efektif dan efesien sesuai dengan pola dan abstraksi sebelumnya hingga tahap packing, diurutkan secara lengkap, terukur dan kreatif.

Sumber :

Berpikir komputasi (Computational Thinking) adalah sebuah metoda pemecahan masalah dengan mengaplikasikan/melibatkan teknik yang digunakan oleh software engineer dalam menulis program. Berpikir komputasi tidak berarti berpikir seperti komputer, melainkan berpikir tentang komputasi di mana sesorang dituntut untuk :

  1. memformulasikan masalah dalam bentuk masalah komputasi dan

  2. menyusun solusi komputasi yang baik (dalam bentuk algoritma) atau menjelaskan mengapa tidak ditemukan solusi yang sesuai.**

Istilah CT pertama kali diperkenalkan oleh Seymour Papert pada tahun 1980 dan 1996. Di tahun 2014, pemerintah Inggris memasukkan materi pemrograman kedalam kurikulum sekolah dasar dan menengah, tujuannya bukan untuk mencetak pekerja software (programmer) secara massif tetapi untuk mengenalkan Computational Thinking (CT) sejak dini kepada siswa. Pemerintah Inggris percaya Computational Thinking (CT) dapat membuat siswa lebih cerdas dan membuat mereka lebih cepat memahami teknologi yang ada di sekitar mereka.

Melibatkan sekumpulan keahlian dan teknik pemecahan masalah yang biasanya digunakan oleh pengembang perangkat lunak untuk menulis program aplikasi komputer. Karakteristik Berpikir Komputasi (CT) merumuskan masalah dengan menguraikan masalah tersebut ke segmen yang lebih kecil dan lebih mudah dikelola. Strategi ini memungkinkan untuk mengubah masalah yang kompleks menjadi beberapa prosedur atau langkah yang tidak hanya lebih mudah untuk dilaksanakan, akan tetapi

  1. Dekomposisi
    Suatu masalah dipecah menjadi beberapa submasalah yang lebih kecil. Memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola. Misalnya memecah ‘Drive/Direktory’ dalam sebuah komputer berdasarkan komponen penyusunnya: File dan Direktory.

  2. Pengenalan Pola
    Kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Misalnya mengenali pola file dokumen, file sistem, file eksekusion atau struktur data/file.

  3. Abstraksi
    Kemampuan memilah informasi yang kompleks menjadi lebih sederhana atau membuat informasi lebih bersifat general sehingga memudahkan kita untuk menjelaskan suatu ide. Melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Misalnya mengenali pola file dokumen, file sistem, file eksekusion atau struktur data/file.

  4. Perancangan algoritma
    Kemampuan untuk menyusun langkah-langkah penyelesaian masalah. Mengembangkan petunjuk pemecahan masalah yang sama secara step-by-step, langkah demi langkah, tahapan demi tahapan sehingga orang lain dapat menggunakan langkah/informasi tersebut untuk menyelesaikan permasalahan yang sama. Misalnya bagaimanakah langkah mencari file-file dokumen yang ada dalam sebuah komputer ?

    Rancangan algoritma biasanya dibuat berdasarkan dekomposisi masalah dan identifikasi pola yang akan membantu pemecahan masalah.

Ada beberapa karakteristik berpikir komputasi salah satunya adalah Mampu melakukan identifikasi, analisa dan implementasi solusi dengan berbagai kombinasi langkah / cara dan sumber daya yang efisien dan efektif.

1. Identifikasi

Identifikasi berasal dari kata Identify yang artinya meneliti, menelaah. Identifikasi adalah kegiatan yang mencari, menemukan, mengumpulkan, meneliti, mendaftarkan, mencatat data dan informasi.

Fungsi dan tujuan identifikasi untuk mengetahui berbagai masalah yang terjadi. Untuk mengetahui berbagai sumber yang dapat dimanfaatkan untuk pendukung pelaksanaan program dan mempermudah dalam menyusun rencana program yang akan dilaksanakan.

Fungsi agar program yang dikembangkan sesuai dengan kebutuhan dan rencana. Data yang dikumpulkan dapat digunakan sebagai dasar penyusunan rencana program yang dapat di pengaruhi pengelola program. Sebagai bahan informasi bagi pihak lain yang membutuhkan

Pada tahap ini kita harus dapat mengidentifikasi hal-hal yang diketahui, hal-hal yang ditanyakan dan syarat-syarat yang ada. Apabila diperlukan kita dapat membuat gambar/diagram untuk memperjelas situasinya. Setelah informasi yang diperoleh sudah lengkap, kita harus dapat mengorganisasi dan menghubung-hubungkan informasi- informasi tersebut.

Cara pengidetifikasian masalah antar lain :

  • Pendefinisian masalah dengan jelas
    langkah ini memang terasa sepele, namun langah inilah yang paling vital. Jika tidak mengerti masalah yang sedang dihadapi, maka solusi yang diberikan menjadi tidak efektif secara menyeluruh. Untuk menyelesaikan masalah harus melihat bagaimana masalah itu muncul dari berbagi sudut pandang.

  • Pendefinisian secara objektif
    Apa yang ingin dicapai, apa yang ingin diketahui, dan jangan memandang suatu masalah hanya dari satu sisi, lihat dari semua sudut pandang.

  • Kumpulkan informasi secara sistematik
    Pendefinisian masalah dan tujuan dibarengi oleh bayak fakta yang didapatkan tentang masalah yang akan mempermudah penyelesaian masalah. Kumpulkan data, bertanya pada yang ahli atau orang-orang yang berhubungan dengan masalah. Setelah data didapat kita harus menatanya. Cobalah untuk membuat pendahuluan, padatkan dan ringkas informasi tersebut. Dan lebih baik jika kita dapat memetakannya dalam chart.

2. Analisa

Analisa merupakan sekumpulan kegiatan, aktivitas dan proses yang saling berkaitan untuk memecahkan masalah atau memecahkan komponen menjadi lebih detail dan digabungkan kembali lalu ditarik kesimpulan. Segala macam bentuk analisis menggambarkan pola-pola yang konsisten di dalam data, sehingga hasil analisa dapat dipelajari dan diterjemahkan dengan singkat dan penuh makna.

Cara manganalisa masalah antar lain :

  • Analisis informasi
    Langkah pertama untuk menemukan solusi adalah untuk melihat data yang telah dikumpulkan tentang masalah dan menganalisis penting tidaknya. Ketika menganalisis carilah relasi antar informasi untuk lebih memahami permasalahan. Mulai dengan data yang mentah, terkadang informasi perlu dipecah agar lebih gampang di atur dan rengking relevansinya.

  • Genelalisasi kemungkinan solusi
    Langkah berikutnya adalah mengeneralisasinya solusi yang berpotensi. Mendefiisikan tindakan atau solusi yang efektif melalui memperhatikan dan mempertimbangkan :

    • pencegahan terulang atau muncul kembali penyebab-penyebab itu,
    • tindakan yang diambil harus ada di bawah pengendalian kita, dan
    • memenuhi tujuan dan target kinerja yang ditetapkan.
  • Evaluasi solusi dan pilih
    Setelah Menganalisis data mentah dari masalah. pada beberapa kasus ini dapat berarti mengetest skenario atau eksperiment atau pada kasus lain membuat simulasi untuk melihat konsekwensi dari solusi.

3. Implementasi solusi

Impelentasi adalah suatu tindakan atau pelaksanaan dari sebuah rencana yang suda disusun secara matang dan terperinci.

Cara mengimplementasikan solusi yang telah kita rencanakan antara lain :

  • Implementasi dari solusi
    Ketika sudah memilih solusi terbaik, lakukan implementasi. Namun, juga masih harus memikirkan masalah yang bisa saja terjadi, terutama jika tidak menstrukturkan masalah secara benar.

  • Review dan evaluasi hasil keluaran
    Setelah mengimplementasikan solusi, langkah selanjutnya adalah memonitor dan mereview hasil. Periksa apakah solusi bekerja dengan baik dan mencapai tujuan yang diinginkan.

  • Atur ulang jika dibutuhkan
    Pemecahaan masalah bekerja dalam daur yang berulang. Banyak potensial solusi yang harus dievaluasi karena solusi akan sering datang dengan pemecahan masalah yang lebih baik.

Sumber :

Sebelum kita bisa mengaplikasikan berpikir secara komputasional, kita harus mengetahui apa itu pemikiran komputasional. Pemikiran komputasional adalah suatu proses pemikiran yang melibatkan menemukan suatu masalah dan mengekspresikan solusinya seperti cara berpikir layaknya komputer, yang bisa menyelesaikannya secara efektif.

Pemikiran komputasional adalah sebuah proses berulang yang terbagi menjadi tiga tahapan:

  1. Formulasi masalah (abstraksi)
  2. Mengekspresikan solusi (otomatisasi)
  3. Mengeksekusi solusi dan mengevaluasi (analisis).

Sejarah dari pemikiran komputasional kembali ke tahun 1950an, tetapi nyaris semua idenya sudah sangat tua. Kata berpikir komputasional pertama kali digunakan oleh Seymour Papert pada tahun 1980 dan 1996. Berpikir secara komputasional bisa digunakan secara algoritma untuk menyelesaikan masalah dalam segala skala, dan sering digunakan untuk menyadari peningkatan efisiensi yang besar.

Karakteristik yang menjelaskan pemikiran komputasional adalah dekomposisi, pengenalan pola / representasi data, generalisasi / abstraksi, dan algoritma. Generalisasi adalah perumusan suatu konsep umum dari contoh-contoh spesifik dengan cara mengabstraksi sifat-sifat umum.

Generalisasi adalah proses mengidentifikasi sebuah bagian dari keseluruhan. Bagian-bagian yang sama sekali tidak terkait dapat disatukan sebagai satu kelompok, dan bagian yang penting dijadikan kelompok juga. Lalu keduanya dibandingkan dan dilihat relasi antara keduanya.

Sekarang adalah bagaimana cara mengaplikasikan pemikiran komputasional. Misalkan rumah kamu mengalami kebocoran, otomatis yang kamu lakukan adalah menelpon tukang pipa. Setelah itu, tukang pipa bilang ke kamu bahwa kebocoran sudah dihilangkan. Tetapi setelah beberapa hari, bocor lagi. Maka kamu harus mulai berpikir secara komputasi, kamu minta jelaskan mekanisme pipa rumah kamu, mengapa rumahmu bisa bocor, apakah ada kemungkinan lain mengapa rumah mu bocor, lalu setelah tukang ledeng sudah selesai menjelaskan “konsep” membetulkan rumahmu, kamu ikut melihat bagaimana rumahmu dibetulkan, sehingga di masa depan jika ini terjadi lagi, kamu mengerti mengapa hal ini bisa terjadi.

Sama halnya dengan mengembangkan suatu perangkat lunak, jika kamu mempunyai masalah dengan suatu baris kode, kamu harus melihat gambar besarnya, mengapa kode itu bisa salah, dll. Kamu mempelajari kesalahan itu, dan di masa depan, kamu tidak mengalami kesalahan itu lagi.

Sumber:

Berpikir komputasi (Computational Thinking) adalah sebuah metoda pemecahan masalah dengan mengaplikasikan/melibatkan teknik yang digunakan oleh software engineer dalam menulis program. Berpikir komputasi tidak berarti berpikir seperti komputer, melainkan berpikir tentang komputasi di mana sesorang dituntut tunttuan tersebut ada 2:

  1. memformulasikan masalah dalam bentuk masalah komputasi dan
  2. menyusun solusi komputasi yang baik (dalam bentuk algoritma) atau menjelaskan mengapa tidak ditemukan solusi yang sesuai.

Google for Education merangkum teknik berpikir komputasi diantaranya:

  • Dekomposisi: Yaitu kemampuan untuk memecah tugas (masalah) kompleks menjadi tugas-tugas kecil yang lebih rinci. Misalnya memecah ‘kopi susu’ berdasarkan komponen penyusunnya: kopi, gula, susu dan air panas.

  • Pengenalan pola: Yaitu kemampuan untuk mengenal kesamaan atau perbedaan umum yang nantinya akan membantu dalam membuat prediksi. Misalnya mengenal pola penjualan saham.

  • Generalisasi pola dan abstraksi: Kemampuan menyaring informasi yang tidak dibutuhkan dan menarik generalisasi dari informasi yang dibutuhkan sehingga seseorang dapat menggunakan informasi tersebut untuk menyelesaikan masalah yang serupa. Contohnya dalam menentukan posisi di bumi dapat digeneralisasi dengan menggunakan titik koordinat bujur dan lintang.

  • Perancangan algoritma: Adalah kemampuan untuk menyusun langkah-langkah penyelesaian masalah. Contohnya merancang langkah-langkah membuat kopi susu, dimulai dari mempersiapkan air panas, cangkir, sendok serta mencampur kopi, gula dan susu, mengaduk hingga menghidangkan.

Karakteristik berpikir komputasi adalah:

  1. Mampu memberikan pemecahan masalah menggunakan komputer atau perangkat lain.

  2. Mampu mengorganisasi dan menganalisa data.

  3. Mampu melakukan representasi data melalui abstraksi dengan suatu model atau simulasi.

  4. Mampu melakukan otomatisasi solusi melalui cara berpikir algoritma.

  5. Mampu melakukan identifikasi, analisa dan implementasi solusi dengan berbagai kombinasi langkah / cara dan sumber daya yang efisien dan efektif.

  6. Mampu melakukan generalisasi solusi untuk berbagai masalah yang berbeda.

Berpikir komputasi ditujukan untuk menyelesaikan masalah, bukan hanya untuk masalah seputar ilmu komputer, melainkan juga untuk menyelesaikan beragam masalah. Machine learning misalnya, telah menggubah bagaimana ilmu statistika dimanfaatkan. Sedangkan dalam bidang ilmu biologi, data mining (yang merupakan konsep komputasi) dapat melakukan pencarian pada sejumlah besar data untuk menemukan pola-pola. Harapannya adalah struktur data dan algoritma (yang merupakan teknik abstraksi pada ilmu komputer) dapat menggambarkan struktur protein dengan cara yang menjelaskan fungsi-fungsi mereka.

Selain diterapkan pada disiplin-disiplin ilmu yang disampaikan di atas, penerapan yang berpikir komputasi yang tidak kalah pentingnya adalah menerapkannya pada kehidupan sehari-hari. Bayangkan seseorang yang sebelum berangkat kerja mempersiapkan barang-barang yang akan digunakannya sepanjang hari pada tas-nya, hal tersebut adalah prefetching dan caching. Bayangkan juga apabila sesorang kehilangan pulpen-nya. Ia lalu mengusut kembali langkah-langkahnya ke belakang, hal tersebut adalah back tracking.

Berpikir komputasi adalah teknik pemecahan masalah yang sangat luas wilayah penerapannya. Tidak mengherankan bahwa memiliki kemampuan tersebut adalah sebuah keharusan bagi seseorang yang hidup pada abad ke dua puluh satu ini.

Referensi:

A post was merged into an existing topic: Apa yang dimaksud dengan generalisasi pola dalam computational thinking?

Computational Thinking (CT) adalah sebuah pendekatan dalam proses pembelajaran. CT memang memiliki peran penting dalam pengembangan aplikasi komputer, namun CT juga dapat digunakan untuk mendukung pemecahan masalah disemua disiplin ilmu, termasuk humaniora, matematika dan ilmu pengetahuan. Siswa yang belajar dimana CT diterapkan dalam kurikulum (proses pembelajaran) dapat mulai melihat hubungan antara mata pelajaran, serta antara kehidupan di dalam dengan di luar kelas

Berpikir komputasi adalah teknik pemecahan masalah yang sangat luas wilayah penerapannya. Tidak mengherankan bahwa memiliki kemampuan tersebut adalah sebuah keharusan bagi seseorang yang hidup pada abad ke dua puluh satu ini. Seperti juga bermain musik dan belajar bahasa asing, Computational Thinking melatih otak untuk terbiasa berfikir secara logis, terstruktur dan kreatif.

Apa Computational Thinking (CT) itu sendiri?

Awalnya banyak yang bertanya apakah computational thinking itu sama dengan learn a programming, dengan begitu kita jelaskan terlebih dahulu apa computational thinking yang diperlukan banyak orang dalam memecahkan berbagai masalah. Computational thinking seharusnya dijadikan sebagai sebuah pembelajaran dalam Pendidikan karena sangat diperlukan kedepannya.

CT adalah metode berpikir yang dipakai programmer ketika menulis program atau dapat kita sebut dengan berpikir secara komputer, yaitu kita ibaratkan pikiran kita, kita jalankan layaknya komputer dengan banyak hal untuk mendapatkan hasil/keputusan maupun perkiraan yang tepat,efisien maupun efektif nantinya. Tapi lebih jelasnya dalam CT kita dituntut memahami sebuah masalah, persoalan dan lakukan sebuah solusi.

Ada Beberapa metode computational thinking dalam memecahkan masalah, antara lain :

  1. Decomposition : Memecah-mecah masalah menjadi lebih kecil dan sampai ke pokok sebuah masalah hingga kita menyelesaikan suatu masalah tersebut dapat menyelesaikannya satu persatu dan mengidentifikasi perbagian darimana masalah itu datang.

  2. Pattern Recognition : Mencari pola, biasanya didalam sebuah masalah terdapat pola pola tertentu untuk memecahkannya disitu kita dituntut mengetahui sendiri bagaimana pola tersebut.

  3. Abstraksi : Melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut. Biasanya dengan melihat karakteristik umum dan juga membuat model suatu penyelesaian.

  4. Algorithm : Mengembangkan petunjuk pemecahan masalah yang sama secara step-by-step, langkah demi langkah, tahapan demi tahapan sehingga orang lain dapat menggunakan langkah/informasi tersebut untuk menyelesaikan permasalahan yang sama.

Seseorang dikatakan sudah berpikir secara Computational Thinking jika pada penerapan kehidupan sehari hari sudah bisa menerapkan metode computational thinking dalam memecahkan masalah. Contohnya : dalam hal prakiraan cuaca, jika orang sekarang tinggal dijaman dahulu maka orang itu dikatakan hebat atau dewa karena bisa memprediksi kondisi cuaca, tetapi bukanlah memprediksi dengan asal tetapi orang tersebut telah menggunakan pola dalam memikirkan dan menghitung prakiraan tersebut sehingga kurang lebih hasil akhir dalam masalah tersebut bisa terselesaikan dengan mendekati benar. Begitu juga dengan banyak hal didunia ini, mengandung pola tersendiri tanpa kita sadari. Karena yang tidak tampak itu sebenarnya tampak tergantung kita melihat dari sudut pandan mana.

Ada juga beberapa Karakteristik orang yang sudah berpikir secara CT, antara lain:

  • Mampu memberikan pemecahan masalah.

  • Mampu mengorganisasi dan menganalisa data.

  • Mampu melakukan representasi data melalui abstraksi dengan suatu model atau simulasi.

  • Mampu melakukan otomatisasi solusi melalui cara berpikir algoritma.

  • Mampu melakukan identifikasi, analisa dan implementasi solusi dengan berbagai kombinasi langkah / cara dan sumber daya yang efisien dan efektif.

  • Mampu melakukan generalisasi solusi untuk berbagai masalah yang berbeda.

Referensi :

Sebelum mengetahi apakah seseorang telah berpikiran secara computational thinking, kita harus mengetahui terlebih dahulu tentang pengertian computational thinking itu sendiri. Computational thinking adalah metode berpikir yang dipakai programmer ketika menulis program. Seperti yang kita ketahui, saat programmer menulis program, tentu dengan menggunakan langkah-langkah dan pengerjaannya pun step by step. Prosesnya runtut dan mengutamakan logika.

Jadi dapat dikatakan computational thinking adalah sebuah pendekatan dalam proses pembelajaran. Computational thinking memang memiliki peran penting dalam pengembangan aplikasi komputer, namun computational thinking juga dapat digunakan untuk mendukung pemecahan masalah disemua disiplin ilmu, termasuk humaniora, matematika dan ilmu pengetahuan. Siswa yang belajar dimana computational thinking diterapkan dalam kurikulum (proses pembelajaran) dapat mulai melihat hubungan antara mata pelajaran, serta antara kehidupan di dalam dengan di luar kelas.

Ada beberapa methode dalam computational thinking, diantaranya adalah: Decompotition, Pattern Recognition, Abstraksi dan Algorithm Design

Jadi seseorang dapat dikatakan telah berpikir secara computational thinking jika:

  1. Yang pertama dia memiliki kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola. Misalnya memecah ‘Drive/Direktory’ dalam sebuah komputer berdasarkan komponen penyusunnya: File dan Direktory.

  2. Yang kedua yaitu memiliki kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Misalnya mengenali pola file dokumen, file sistem, file eksekusion atau struktur data/file.

  3. Yang ketiga yaitu dapat melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut. Misalnya dengan menempatkan semua file sistem di folder Windows, file program di folder Program Files, file data/dokumen di Folder Mydocument dan file pendukung di Drive/Direktory terpisah.

  4. Yang keempat yaitu dapat mengembangkan petunjuk pemecahan masalah yang sama secara step-by-step, langkah demi langkah, tahapan demi tahapan sehingga orang lain dapat menggunakan langkah/informasi tersebut untuk menyelesaikan permasalahan yang sama.

Computational thinking bukanlah kita berpikir sama seperti komputer. Tetapi berpikir tentang bagaimana kita menyelesaikan suatu masalah dengan cara seperti komputer menyelesaikan masalahnya. Cara menyelesaikan masalah tersebut yaitu secara sistematis. Terdapat langkah-langkah tertentu.

Sekarang setelah kita mengetahui makna computational thingking, lantas apakah selama ini kita telah berpikir secara demikian? Untuk menegetahuinya kita dapat melihatnya melalui cara/proses computational thinking menyelesaikan suatu masalah, yaitu:

  1. Dekomposisi
    Dekomposisi sendiri adalah suatu proses dalam computational thingking yang berfungsi untuk membagi masalah-masalah dalam lingkup yang lebih kecil/spesifik. Dekomposisi dilakukan untuk membantu kita untuk memecahkan suatu masalah yang kompleks karena dengan membagi-bagi maslah sesuai ruang lingkupnya kita dapat menegtahui asal sumber maslah sehingga dapat lebih mudah untuk menganalisa suatu alternatif dari masalah tersebut.

  2. Pengenalan pola
    Maksud dari pengenalan pola yaitu proses untuk mengenali pola/kesamaan umum dari masalah-masalah lain yang serupa dengan maslah telah ditemukan dari proses dekomposisi, pengenalan pola ini akan membantu kita dalam menentukan alternatif-alternatif penyelesaian dari masalah yang dihadapi tersebut karena ada contoh masalah yang telah diselesaikan. Cotoh jika masalahnya adalah harga saham di suatu perusahaan maka kita dapat melihat polanya dengan mengenal pola-pola penjualan saham. Karena dengan begitu kita dapat mengetahui bagiamana naik turunnya harga saham serta perkembangan harga saham dalam dunia bisnis.

  3. Generalisasi pola dan abstraksi
    Setelah kita menemukan pola dari masalah tersebut selanjutnya adalah mmembuat kesimpulan dari pola-pola masalah yang telah dikenali. Sehingga kita dapat menyaring informasi yang dibutuhkan dan menarik generalisasi dari informasi tersebut. Informasi tersebut dapat digunakan sebagai pedoman untuk menyelesaikan masalah yang ada.

  4. Perancangan algoritma
    Perancangan algoritma adalah penyusunan langkah-langkah penyelesaian untuk menyelesaikan masalah yang dihadapi tersebut. Contohnya sederhana dari perancangan algoritma membuat kopi susu, dimulai dari mempersiapkan alat dan bahan yang diperlukan seperti air panas, cangkir, sendok, kopi . langkah selanjutnya adalah mencampur kopi, gula dan susu, dengan air panas kemudian mengaduk hingga tercampur rata dan yang terkhir adalah menghidangkannya.

Setelah mengetahui bagaimana proses suatu komputer dalam meyelesaikan masalahnya, sekarang bandingkanlah dengan cara Anda dalam menyelesaikan suatu masalah. Apakah cara/ langkah-langkah Anda sama? Bila iya maka Anda telah berpikir secara komputasional.

sumber:

Computational Thinking merupakan cara berpikir dengan memecah-mecah masalah menjadi bagian yang lebih kecil hingga menemukan akar dari pemikiran tersebut. Lalu, akar dari apa yang kita pikirkan tersebut kita proses untuk menemukan bagaimana pola-pola dari pemikiran tersebut. Selanjutnya, berupa abstraksi dari pemikirannya dan menemukan algoritma atau langkah apa saja untuk menyelesaikan atau menghasilkan kesimpulan dari masalah tersebut.

Dalam kasus mengerjakan tugas dari dosen yang begitu banyak, kita dapat menggunakan metode berpikir komputasi. Lalu bagaimana caranya?

Kiat-Menaklukan-Tumpukan-Tugas-Edit1-640x393

Pertama, kita masuk pada tahap Decomposition (dekomposisi), yaitu kemampuan untuk memecah tugas (masalah) kompleks menjadi tugas-tugas kecil yang lebih rinci. Misalnya dengan membagi tugas-tugas tersebut berdasarkan tingkat kesulitannya. Setiap orang memiliki ukuran tingkat kesulitan berbeda-beda dalam menentukan mana tugas yang susah dan mana yang dianggap mudah. Ada yang jago dalam matematika, disisi lain lemah dalam sejarah. Setiap orang memiliki kriteria masing masing.

Yang kedua, Pattern Recognition (Pengenalan pola), yaitu kemampuan untuk mengenal kesamaan atau perbedaan umum yang nantinya akan membantu dalam membuat prediksi. Bisa diibaratkan seperti membuat outline dari tugas yang ingin dikerjakan terlebih dahulu. Setelah membagi bagi tugas berdasarkan tingkat kesulitannya, kita dapat menentukan pola pengerjaan tugas yang menumpuk tersebut. Seperti mengerjakan terlebih dahulu tugas yang dianggap mudah. Dan, ketika tugas yang mudah selesai, baru menginjak ke tugas dengan tingkat kesulitan yang lebih tinggi.

Ketiga, abstraksi yaitu kemampuan menyaring informasi yang tidak dibutuhkan dan menarik generalisasi dari informasi yang dibutuhkan. Dalam pengerjaan tugas, mencari informasi tentang jawaban membutuhkan perhatian yang lebih. Karena jawaban dari tugas tugas tersebut harus dapat dipertanggung jawabkan dan memiliki sumber yang terpercaya. Jangan asal plagiat, salah mencantumkan referensi, dan kesalahan kesalahan umum yang biasanya terjadi.

Yang keempat, perancangan algoritma adalah kemampuan untuk menyusun langkah-langkah penyelesaian masalah. Setiap tugas pastinya memiliki deadline, ada yang harus dikumpulkan dalam waktu dekat, ada yang masih memiliki banyak waktu untuk dikerjakan. Langkah yang paling efektif dalam pengerjaan tugas adalah mengerjakan terlebih dahulu tugas yang mendekati deadline. Kita tidak mungkin mengerjakan tugas yang masih memiliki deadline satu bulan lagi ketika kita memiliki tugas yang harus dukumpulkan minggu depan. Sebisa mungkin secepatnya mengerjakan tugas dan selesai sebelum hari pengumpulan. Dan juga agar tugas lain dapat segera dikerjakan.

Referensi

https://haddadsammir.wordpress.com/2015/01/22/berpikir-komputasi/
http://www.hipwee.com/tips/punya-tugas-ini-cara-menyelesaikannya-dengan-cepat-tanpa-harus-jadi-plagiat/

Salah satu hal menarik tentang belajar Ilmu komputer adalah Anda belajar cara berpikir dan pemecahan masalah yang baru dan mendasar; cara berpikir yang penting di abad 21. Ini disebut “Computational Thinking” dan gagasan bahwa ini adalah salah satu keuntungan besar dalam mempelajari ilmu komputer, apa pun karir utama Anda, yang menyebabkan kegemparan besar. Beberapa bahkan mengklaim itu harus ditambahkan ke membaca, menulis dan aritmatika sebagai kemampuan inti yang setiap orang harus belajar.

Jadi apa itu Computational Thinking? Computational Thinking itu adalah kumpulan beragam keterampilan yang harus dilakukan dengan pemecahan masalah yang dihasilkan dari mempelajari sifat perhitungan. Ini mencakup beberapa keterampilan yang sangat penting yang kebanyakan mata pelajaran membantu berkembang, seperti kreativitas, kemampuan untuk menjelaskan dan kerja tim. Ini juga terdiri dari beberapa keterampilan pemecahan masalah yang sangat spesifik seperti kemampuan berpikir logis, algoritmik dan rekursif. Ini juga tentang pemahaman orang.

Computational thinking bisa kita terapkan dalam kehidupan sehari-hari, seperti contohnya bagi para mahasiswa bisa menerapkan computational thinking untuk mengerjakan tugas-tugas dari para dosen agar mengerjakan tugasnya lebih efisien dan efektif. Tahap-tahapnya adalah sebagai berikut :

Decomposition
Pertama-tama adalah kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola. Misalnya memecah tugas-tugas tersebut berdasarkan dengan deadline ataupun tenggat waktu yang telah diberikan oleh para dosen. Agar pekerjaan tidak menumpuk dan tidak lewat deadline ataupun tenggat waktu pengumpulan, maka kita kerjakan terlebih dahulu tugas yang sudah dekat dengan waktu pengumpulannya tersebut, setelah itu baru mengerjakan tugas lainnya.

Pattern Recognition
Kedua adalah kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Misalnya jika diamati dengan cermat dan teliti dalam soal-soal latihan ataupun tugas yang telah diberikan sebelumnya kalau diperhatikan soal-soal tersebut memiliki pola tersendiri. Dari hal tersebut kita akan bisa memprediksi sekiranya outline untuk tugas ataupun soal latihan yang akan datang.

Pattern Generalitation dan Abstraction
Ketiga adalah melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut. Misalnya jika kita ingin ingin mencari jawaban untuk tugas dari internet, maka kita sebagai mahasiswa harus pintar-pintar memilih informasi yang benar.

Algorithm Design
Yang terakhir adalah algorithm design, yaitu kemampuan untuk mengembangkan langkah-langkah strategi untuk menyelesaikan sebuah masalah. Algorithm Design biasanya berkaitan dengan dekomposisi dari masalah dan identifikasi pola yang membantu untuk memcahkan masalah. Seperti contohnya karena setiap tugas memiliki deadline ataupun tenggat waktu pengumpulan yang berbeda-beda maka sebisa mungkin kerjakan yang tenggat waktunya lebih dekat, dan karena sebelumnya kita telah mencermati pola latihan-latihan sebelumnya maka seharusnya pengerjaan tugas pun akan lebih lancar.