Apa itu Berpikir/Pemikiran Komputasi?

Jadi apa sebenarnya yang dimaksud dengan berpikir/pemikiran komputasi atau

Computational Thinking? Mudahnya, berpikir/pemikiran komputasi atau Computational
Thinking adalah “cara berpikir (atau memecahkan masalah) seperti seorang ilmuwan
komputer.” Dengan kata lain, Computational Thinking adalah adalah sebuah metoda
pemecahan masalah dengan mengaplikasikan/melibatkan teknik yang digunakan oleh
software engineer dalam menulis program.

A. Decomposition
Dekomposisi merupakan tahap pertama dari computational thinking. Dekomposisi sendiri dalam
Kamus Besar Bahasa Indonesia (KBBI) memiliki arti proses perubahan menjadi bentuk yang lebih
sederhana atau penguraian. Di mana pada computational thinking ini berarti proses pemecahan
masalah menjadi bagian-bagian kecil yang lebih sederhana dan membuat kita lebih mudah dalam
menyelesaikan suatu permasalahan.

Small Solution
Big task Analysis Synthesis
tasks

Dekomposisi mengajak kita untuk tidak melihat masalah secara bulat dan utuh yang akan membuat
kita kesulitan dalam mencari solusinya. Melainkan kita dilatih untuk bisa memecahkan masalah menjadi
bagian-bagian atau tugas-tugas kecil yang lebih mudah untuk dikelola.

Berdasarkan uraian di atas dapat disimpulkan bahwa dekomposisi adalah kemampuan memecah
data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas
yang mudah dikelola. Misalnya memecah “drive/directory” dalam sebuah computer berdasarkan
komponen penyusunannya, file dan directory. Adapun langkah-langkah dalam dekomposisi sebagai
berikut :

1) Identifikasi masalah utama;

2) Buat serta susun daftar komponen-komponen penyusun (utama);
3) Buat serta susun daftar bagian-bagian kecilnya;
4) Buat rencana dalam menyelesaikan masalah tersebut sesuai urutan (algoritma);
5) Selesaikan setiap bagian-bagian kecil hingga ke detail.

B. Pattern Recognition (Pengenalan Pola)

Pola adalah karakteristik bersama yang terjadi dalam setiap masalah masing –masing
individu. Kesamaan apa yang kamu amati? Menemukan kesamaan dalam-masalah kecil yang
terurai dapat membantu kita memecahkan masalah yang kompleks dengan lebih efisien.
Contoh dari pattern recognition adalah saat seseorang akan melakukan ujian, orang
yang sudah banyak berlatih akan mudah dan lebih cepat dalam mengerjakan semua soal ujian
yang diberikan daripada orang yang jarang berlatih. Hal tersebut dikarenakan orang yang sudah
banyak berlatih sudah paham dan mengerti tentang banyak pola, sehingga ia dengan membaca
soal sudah tahu apa yang akan dia lakukan dan tidak perlu berpikir lagi.
Jika kita amati lebih detail, sebenarnya semua yang ada di dunia ini memiliki pola,
bahkan angka random pun sebenarnya memiliki pola di dalam algoritmanya untuk mengacak
suatu nilai, hanya saja pola tersebut kadang samar-samar atau sudah menjadi bagian dari hal
tersebut. Contohnya ketika kita bangun pagi lalu mandi dan sarapan pagi, kemudian kita
berangkat ke sekolah dan siang harinya pulang lalu tidur, begitu seterusnya. Contoh tadi adalah
pola hidup dari seorang siswa setiap harinya, pola tersebut kadang tidak kita sadari karena
sudah setiap hari kita lakukan.
Pattern recognition adalah kemampuan untuk melihat persamaan atau bahkan
perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam prediksi
dan penyajian data . Pattern recognition atau pengenalan pola bertujuan agar seseorang dapat
hal yang akan terjadi setelahnya, membuat sebuah aturan khusus, dan memudahkan
memecahkan masalah dengan pola yang hamper sama.
Pattern recognition dibagi menjadi tiga, yaitu sintaks, statistic, dan jaringan saraf tiruan.
Pendekatan secara sintaks adalah pendekatan dengan menggunakan aturan-aturan tertentu,
misalnya kemeja pemuda mempunyai ciri selalu berwarna biru, berukuran L, slim fit, bermerek
Nevada dan selalu bersih. Jika ada sebuah kemeja dengan ciri-ciri 90% lebih dari ciri-ciri
tersebut, dapat dikatan kemeja pemuda dengan toleransi sekitar 10%.
Pendekatan statistic adalah pendekatan dengan menggunakan data-data yang berasal
dari statistic. Misalnya dalam sebuah perusahaan besar terlihat kurva keuntungan anak
perusahaan tertinggi adalah perusahaan A, kemudian disusul perusahaan B dan perusahaan C,
apabila seorang investor dating ke perusahaan tersebut maka orang tersebut dapat dikatakan
sekitar 95% membeli perusahaan A, karena berdasarkan kurva perusahaan A memiliki harga
tertinggi.
 Pendekatan jaringan saraf tiruan adalah pendekatan dengan menggabungkan
pendekatan sintaks dan statistic. Pendekatan melalui pola-pola ini menitu cara kerja manusia.
Adapun Mengenal dan meneliti pola sebagai berikut.
1) Melihat secara langsung. Bagi sebagian orang melihat secara langsung sudah bisa menebak
atau membaca pola tersebut. Namun jangan hanya melihat dalam satu sisi saja, kita harus
melihat pola tersebut secara keseluruhan.
2) Memikirkan dengan matang pola tersebut. Setelah melihat kita pastinya akan memikirkan
pola tersebut supaya kita dapat mengingat dan mengenal pola itu. Memikirkan pola
membuat kita tahu apa yang akan terjadi.
3) Merasakan pola. Dengan merasakan pola kita dapat mengetahui apa pola yang dimaksud.
Berbagai hal di dunia ini memiliki pola tertentu yang berbeda, namun jika kita merasakan
pola itu kita dapat mengetahui apa yang dimaksud dengan pola tersebut.

C. Abstraksi
Menurut kamus besar Bahasa Indonesia (KBBI). Abstraksi merupakan proses atau
perbuatan pemisahan. Abstraksi mengacu pada pemfokusan informasi penting saja,
mengabaikan detail yang tidak relevan. Untuk mencapai solusi, kita perlu mengabaikan
karakteristik yang tidak perlu agar dapat focus pada hal-hal yang kita lakukan.
Abstraksi adalah melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum
yang menghasilkan pola, tren, dan keteraturan tersebut. Contoh dari abstraksi sendiri secara
tidak sadar sering kita jumpai, seperti peta dunia. Peta dunia merupakan salah satu contoh dari
abstraksi. Dimana peta dunia menggambarkan wilayah-wilayah di bumi secara umum. Artinya
hanya memperhatikan aspek-aspek tertentu tanpa mendetailkannya.
Dalam abstraksi, focus utamanya pada karakteristik umum yang ada pada setiap
elemen, bukan detail spesifik. Setelah memiliki model, kita dapat merancang suatu algoritma.
Adapun langkah dari proses abstraksi sebagai berikut.
1) Mengumpulkan sub masalah dari hasil dekomposisi.
2) Menentukan skala kebutuhan dari sub masalah tersebut terhadap seberapa besar dampak
dari sub masalah tersebut terhadap masalah kompleks.
3) Menghilangkan sub masalah yang memiliki skala kebutuhan tidak terlalu penting hingga tidak
penting.

D. Algorithm Design
Algoritma bisa diartikan sebagai prosedur yang berupa langkah demi langkah. Algoritma
sering digunakan untuk perhitungan, penalaran secara otomatis dan juga pemrosesan data.
Sehingga algoritma merupakan pilihan dari berbagai metode computational thinking yang ada
sangat mudah diterapkan terhadap peserta didik, karena algoritma mudah untuk didesain dan
dipahami contohnya dengan menggunakan skema/flowchart/diagram alur. Dalam menulis
algoritma membutuhkan perencanaan yang panjang agar dapat berfungsi dengan benar. Solusi
yang ditawarkan computer sebaik algoritma yang kamu tulis. Jika algoritmanya tidak bagus,
maka solusi kamu juga tidak akan bagus.
 Algorithm design adalah kemampuan 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. Salah satu aspek terpenting dari perancangan algoritma adalah membuat algoritma yang
berjalan dengan efisien.
Contoh sederhana dari algorithm design adalah:
1) Langkah-langkah membuat kopi;
2) Langkah-langkah menanam biji;
3) Implementasi program computer dalam bahasa C, Pascal, Fortran, dan lain-lain.

Algoritma yang baik memiliki sifat-sifat sebagai berikut.

1) Benar: solusi yang dihasilkan dapat menyelesaikan masalah.

2) Efisien: solusi yang dihasilkan bersifat tepat guna (sesuai dengan masalah yang
ada).
3) Mudah diimplementasikan: solusi yang dihasilkan dapat digunakan secara realistis
dan mudah.

Langkah-langkah dalam pemikiran algoritmik sebagai berikut.

1. Definisi masalah. 6. Analisis algoritma.

2. Pengembangan model. 7. Implementasi algoritma.
3. Spesifikasi algoritma. 8. Pengujian program.
4. Merancang sebuah algoritma. 9. Persiapan dokumentasi.
5. Memeriksa kebenaran algoritma.