Computational thinking (Berpikir Komputasi) adalah sebuah kemampuan
mental untuk menerapkan konsep berpikir komputasi , metode, teknik pemecahan
masalah, dan penalaran yang logis untuk menyelesaikan suatu masalah di semua
domain, termasuk dalam kehidupan kita sehari-hari. Dalam pendidikan, Computational Thinking adalah serangkaian Teknik
dalam pemecahan masalah yang dapat mengekspresikan masalah beserta solusinya
dengan cara yang dapat dilakukan komputer. Ini termasuk otomatisasi proses, serta
pemrosesan data untuk mempelajari, menganalisis, dan juga memahami proses
(alami dan buatan manusia). Mungkin sulit untuk memahami apa itu pemikiran
komputasi, dan orang bisa jatuh ke dalam perangkap pemikiran hanya tentang
kecerdasan buatan. Kecerdasan buatan adalah salah satu contoh paling populer dari
pemikiran komputasi, tetapi tidak mewakili seluruh bidang. Pemikiran komputasi
dimulai jauh sebelum kecerdasan buatan bisa menjadi populer, didorong oleh
pembelajaran yang mendalam. Misalnya, dalam hal pemrograman matematika yang
terkait dengan riset operasi adalah pemikiran komputer yang dikembangkan selama
Perang Dunia II, di mana kecerdasan buatan secara tradisional digunakan hanya
satu dekade yang lalu. Pada intinya Berpikir komputasi atau computational thinking, adalah cara
berpikir seseorang untuk memecahkan masalah. Caranya adalah dengan memecah
setiap masalah menjadi beberapa bagian atau langkah yang efektif dan efisien. Ini
juga dapat diartikan sebagai metode pemecahan masalah yang dirancang untuk
diselesaikan oleh orang atau sistem atau keduanya.
B. Konsep Computational Thinking
1. Dekomposisi (Decompotition)
Dekomposisi atau dekomposisi adalah metode yang dapat digunakan dalam
berpikir komputasi. Berpikir komputasional itu sendiri berarti suatu pendekatan
yang dapat ditempuh dalam suatu proses pembelajaran yang bertujuan untuk
mencapai apa yang ingin dicapai seseorang.
Kita bisa menggunakan metode dekomposisi untuk menguraikan masalah
yang kita miliki menjadi masalah yang lebih kecil atau membaginya menjadi subbab. Ini adalah bagian sederhana dari masalah yang membantu memecahkan
masalah besar lebih cepat. Memilih untuk memecahkan masalah besar secara
langsung membuat mereka lebih sulit, tetapi ketika masalah diselesaikan, mereka
menjadi lebih mudah. Lingkup penerapan metode dekomposisi sangat luas.
Jika Anda memiliki masalah yang menurut Anda dapat diselesaikan dengan
cara ini. Hal ini dapat dijelaskan jika Anda ingin mengetahui cara menghidupkan
dan menggunakan ponsel Anda. Kita memiliki masalah ingin mengetahui cara
kerja ponsel, sehingga kami dapat mengisolasi setiap bagian ponsel dan
mempelajari secara detail cara kerja masing-masing bagian ini. Tentu saja, lebih
mudah menemukan jawaban yang Anda cari dengan cara ini daripada
memeriksa telepon tanpa memecahnya menjadi seri terlebih dahulu.
Teardown juga bisa digunakan untuk memecahkan masalah yang
berhubungan dengan komputer. Dekomposisi dalam ilmu komputer dengan
menguraikan masalah atau sistem yang kompleks menjadi bagian-bagian yang
lebih mudah dipahami dan diprogram. Hampir semua masalah dapat
diselesaikan dengan metode pembongkaran ini, mulai dari pembuatan kue hingga
pengajuan aplikasi dan penyelesaian kasus pencurian. Metode dekomposisi
adalah cara yang sangat cerdas untuk membantu untuk mencapai apa yang ingin
dicapai selanjutnya.
2. Pattern recognition (Pengenalan pola)
Pengenalan pola adalah alat penting dalam pemikiran komputasi karena
membantu menyederhanakan masalah dan memperdalam pemahaman tentang
seluk-beluk. Pengenalan pola dalam pemikiran komputasi menggunakan
identifikasi kesamaan dalam kumpulan data atau urutan yang diberikan untuk
memfasilitasi pemahaman dan pemecahan masalah atau tujuan. Kita juga dapat
meningkatkan efektivitas proses pemecahan masalah dengan menciptakan solusi
yang dapat diulang untuk memecahkan masalah dan tujuan yang sama.
Bahkan jika solusi komputer untuk masalah atau tujuan lain tidak dapat
direproduksi dengan sempurna, pengenalan pola dapat membantu
mengidentifikasi bagian-bagian berbeda dari masalah yang dapat diselesaikan
oleh bagian-bagian dari solusi lain.
Contoh pengenalan pola dalam kehidupan sehari-hari adalah mengendarai
mobil. Saat mengemudi, kami menggunakan pengenalan pola untuk
mengantisipasi dan merespons proses pola lalu lintas yang berbeda. Misalnya,
Anda dapat melihat bahwa lampu lalu lintas berikutnya telah berubah menjadi
oranye. Pola proses pada timed traffic light di area tersebut adalah belok jalur
untuk lalu lintas lintas kemudian belok kanan, lalu simpang lurus, jalur belok kiri
menuju ke arah kita, dan akhirnya lampu berubah menjadi hijau. Ini dapat
secara otomatis menangani pola ini dan secara wajar memprediksi berapa lama
waktu yang dibutuhkan lampu untuk berubah menjadi hijau.
3. Abstraction (Abstraksi)
Abstraksi adalah bagian penting dari pemikiran komputasi. Berpikir
komputasional adalah keterampilan pemecahan masalah yang mengembangkan
algoritma atau urutan langkah-langkah untuk melakukan tugas atau
memecahkan masalah.
Dalam pemikiran komputasi, dekomposisi dan pengenalan pola
memecah kompleksitas, dan abstraksi mencari cara untuk memproses berbagai
bagian secara efisien dan akurat. Proses ini dilakukan dengan menyaring
informasi yang tidak relevan dan mengidentifikasi yang paling penting. Setiap
masalah yang didekomposisi kemudian dihubungkan untuk menciptakan solusi
yang lengkap.
Abstraksi mirip dengan fungsi penyaringan selektif di otak kita yang
membuka gerbang sinyal saraf yang dengannya kita terus-menerus dibombardir
sehingga kita dapat memahami dunia kita dan fokus pada apa yang penting bagi
kita.
Cara lain untuk berpikir tentang abstraksi adalah dalam konteks
konsep-konsep besar yang menginformasikan bagaimana kita berpikir tentang
dunia seperti Hukum Gerak Newton, Hukum Penawaran dan Permintaan, atau
Teorema Pythagoras. Semua ini menuntut orang-orang di belakang mereka
untuk memikirkan konsep-konsep yang besar, luas, dan kompleks; untuk
memecahkan masalah dan bereksperimen; dan untuk menemukan pola di antara
eksperimen; dan pada akhirnya mengabstraksikan pengetahuan konkret ini
untuk mengemasnya ke dalam pernyataan-pernyataan steril yang melindungi
kita dari kerumitan dan kesulitan yang dilalui untuk sampai pada hukum ini.
Abstraksi dalam pengkodean dan ilmu komputer digunakan untuk
menyederhanakan rangkaian kode menjadi fungsi yang berbeda. Ini
menyembunyikan kompleksitas yang mendasari dalam bahasa pemrograman,
yang membuatnya lebih mudah untuk mengimplementasikan algoritma dan
berkomunikasi dengan alat digital.
Abstraksi membantu siswa kembali ke masalah yang lebih besar yang
mendorong seluruh petualangan berpikir komputasional ini dan mengidentifikasi
detail terpenting dari fase sebelumnya. Memahami abstraksi memungkinkan
siswa untuk memahami masalah yang mereka hadapi, tidak kewalahan
menghadapi kompleksitas, dan mampu mempertahankan, menghitung,
mengulangi, dan menghasilkan ide.
4. Algorithm (Algoritma)
Algoritma adalah salah satu langkah atau metode dalam berpikir
komputasional yang harus dipelajari dengan baik untuk menyelesaikan masalah
secara efektif dan efisien.
