Jurnal Muallim

KOMPETENSI PEMIKIRAN KOMPUTASIONAL DI KALANGAN GURU

PELATIH 2PPISMP IPGKSM

Ts. Shariful Hafizi bin Md Hanafiah (sharifulhafizi@ipgmksm.edu.my)

Hazlina binti Awang Lah (PhD) (ahazlina@ipgmksm.edu.my)
Nazarudin bin Derasid (nazarudin@ipgmksm.edu.my)

Institusi Pendidikan Guru, Kampus Sultan Mizan, Besut, Terengganu Darul Iman

ABSTRAK

Pemikiran komputasional merupakan kemahiran yang menjadi prasyarat baharu

untuk diintegrasikan dalam pendidikan pada masa kini. Pemikiran komputasional
membolehkan murid melibatkan diri secara efektif dalam dunia digital masa kini
dan seterusnya membolehkan mereka mendepani cabaran pekerjaan IR 4.0 serta
kekal berdaya saing. Aspek kemahiran pemikiran komputasional boleh
diaplikasikan oleh murid untuk menyelesaikan masalah kompleks dalam kehidupan
yang sebenar. Justeru, kajian ini dijalankan untuk mengenal pasti tahap kompetensi
pemikiran komputasional di kalangan guru pelatih dan tahap kompetensi kelima-
lima elemen asas pemikiran komputasional menerusi reka bentuk kajian kuantitatif.
Instrumen kajian terdiri daripada soal selidik tahap kompetensi lima elemen asas
pemikiran komputasional dalam kalangan guru pelatih. Seramai 28 orang guru
pelatih program PPISMP dari Institut Pendidikan Guru Kampus Sultan Mizan telah
terlibat di dalam kajian ini. Dapatan kajian menunjukkan bahawa tahap kompetensi
pemikiran komputasional guru pelatih adalah tinggi khususnya bagi kelima-lima
elemen yang terlibat. Maka, terdapat kesediaan untuk mengintegrasikan pemikiran
komputasional dalam pengajaran dan pembelajaran di dalam mata pelajaran sains.

Kata kunci: pemikiran komputasional, kompetensi, computational thinking, IPG

PENGENALAN

Ungkapan pemikiran komputasional telah bermula daripada hasil penulisan esei

oleh (Wing, 2006). Melalui esei tersebut, beliau berpendapat bahawa jika seseorang
belajar dan berlatih berfikir seperti seorang saintis komputer, ianya akan memberi
manfaat kepada individu tersebut dan masyarakat di sekelilingnya, tidak kira apa jua
profesionnya yang terlibat. Walaupun lontaran pandangan Wing itu kurang jelas,
idea tersebut telah dipraktikkan dan dijadikan sebagai batu loncatan terhadap
beberapa inisiatif untuk membawa bidang sains komputer ke dalam semua peringkat
pendidikan (Guzdial, 2015) (ISTE & CSTA, 2011).

1
 Jurnal Muallim

Walau bagaimanapun, dari sudut sejarah, ungkapan pemikiran komputasional telah

digunakan buat kali pertama oleh Seymour Papert pada tahun 1980. Bagi Papert
(1980), pemikiran komputasional adalah hasil pendekatan konstruktivisme dalam
bidang pendidikan, di mana dimensi sosial dan afektif adalah sama pentingnya
dengan isi kandungan pembelajarannya yang berbentuk teknikal. Wing (2006) dan
Papert (1980) turut berpendapat dan melontarkan idea bahawa implementasi
pemikiran komputasional berupaya untuk mempengaruhi kompetensi seseorang
dalam bidang yang diceburinya.

TINJAUAN LITERATUR

Pemikiran komputasional (PK) telah dikaji secara meluas dalam pelbagai bidang
dalam dekad yang lalu. PK telah dikonseptualisasikan dalam pelbagai rangka kerja
yang berbeza. Takrifan pemikiran komputasional diklasifikasikan kepada dua
kategori; (1) kategori domain khusus dan (2) kategori domain umum.

Kategori domain khusus menunjukkan pengetahuan atau kemahiran khusus domain

yang diperlukan untuk menyelesaikan masalah secara sistematik dalam subjek
berkaitan sains komputer atau pengaturcaraan komputer. Sebagai contoh, meneliti
pemikiran pengiraan pelajar melalui menilai cara mereka mempelajari konsep
pengaturcaraan asas seperti urutan (sequence), gelung (loop), syarat (condition), dan
lain-lain konsep pengaturcaraan. Takrifan domain khusus biasanya bergantung pada
bahasa pengaturcaraan tertentu yang digunakan seperti Scratch, Python atau Java.
Bahasa-bahasa pengaturcaraan ini boleh digantikan dengan mudah dari semasa ke
semasa dan ini memudahkan untuk fokus kepada sintaks bahasa (Tsai, Wang, &
Hsu, 2019).

Kategori domain-umum merujuk kepada kecekapan yang diperlukan untuk

menyelesaikan masalah secara sistematik dalam kehidupan seharian dan semua
domain pembelajaran. Sesetengah pendidik sains komputer telah mencadangkan
idea domain umum pemikiran komputasional harus dilihat sebagai suatu proses
berfikir (Guzdial, 2008) dan ia juga boleh diserapkan ke dalam domain
pembelajaran lain seperti sains (Denning, 2007). Yadav, Hong, dan Stephenson
(2016) telah menghuraikan beberapa contoh khusus pemikiran komputasional yang
boleh diterapkan di peringkat sekolah menengah yang merangkumi pelbagai bidang
dalam pendidikan. Ini adalah seiring dengan hasil kerja Tang, Yin, Lin, Hadad, dan
Zhai (2020) yang membahagikan definisi pemikiran komputasional kepada dua
kumpulan; (1) berkaitan dengan konsep pengaturcaraan dan pengkomputeran, dan
(2) berkaitan dengan kecekapan untuk kedua-dua domain umum dan khusus.

Selby dan Woollard (2013) telah menjalankan kajian literatur dan mengenal pasti
lima elemen asas pemikiran komputasional untuk semua konteks penyelesaian
masalah iaitu peleraian (decomposition), peniskalaan (abstraction), algoritma
(algorithm), penilaian (evaluation), dan generalisasi (generalization) seperti yang

2
 Jurnal Muallim

dihuraikan dengan lebih lanjut pada jadual 1. Jadual tersebut juga menyenaraikan
definisi operasi PK yang serupa dengan Persatuan Guru Sains Komputer (CSTA)
dan Persatuan Teknologi Antarabangsa dalam Pendidikan (ISTE) cadangkan (ISTE
& CSTA, 2011).

Jadual 1: Perbandingan dan huraian konstruk pemikiran komputasional oleh dua pihak.
HURAIAN KONSTRUK
KONSTRUK
SELBY & WOOLLARD (2013) CSTA & ISTE

1. Peleraian Memecahkan masalah kepada Merumuskan masalah dengan cara

bahagian yang kecil dan terurus komputer atau alatan lain boleh
untuk menyelesaikannya. membantu menyelesaikannya.

2. Peniskalaan Memberi tumpuan kepada Menyusun dan menganalisis data

maklumat utama dan bukannya secara logik.
butiran-butiran kecil untuk
menyelesaikan masalah.

3. Algoritma Merancang penyelesaian dengan Pemikiran algoritma untuk

mengenal pasti prosedur langkah mengautomasikan penyelesaian.
demi langkah.

4. Penilaian Membandingkan pelbagai Menyelesaikan masalah dengan

penyelesaian dan memilih cekap.
penyelesaian terbaik kepada
masalah dengan mengambil kira
sumber.

5. Generalisasi Mengenali corak cara Generalisasi dan pemindahan proses

menyelesaikan masalah khusus dan kepada masalah lain.
menggunakan corak penyelesaian
kepada masalah lain yang serupa.

Kebelakangan ini, terdapat peningkatan tumpuan dalam membangunkan kompetensi

pelajar dengan memberi tumpuan kepada kebolehan menyelesaikan masalah dalam
persekitaran dunia sebenar (Koeppen, Hartig, Klieme, & Leutner, 2008). Klieme,
Hartig, dan Rauch (2008) mencadangkan takrifan kompetensi sebagai konteks
kognitif khusus yang diperolehi melalui proses pembelajaran dan ianya diperlukan
untuk berjaya mengatasi situasi atau tugas tertentu dalam sesuatu domain.

Pemikiran komputasional adalah salah satu domain kompetensi yang boleh

digunakan secara meluas untuk meningkatkan minat dan menyokong inkuiri
individu dalam pelbagai disiplin. Tambahan pula, fokus untuk implementasi
pemikiran komputasional dalam pendidikan formal di peringkat rendah, menengah
3
 Jurnal Muallim

dan pengajian tinggi juga memanfaatkan peluang kepada pelajar yang berminat
dalam bidang teknologi maklumat atau sains komputer. Ini adalah diantara bidang
yang berpotensi untuk melanjutkan pelajaran atau dijadikan kerjaya pada masa
depan. Memandangkan pemikiran komputasional telah ditonjolkan sebagai salah
satu kemahiran abad dua puluh satu, penekanan perlu diberikan kepada pembinaan
pemahaman yang lebih baik bagaimana pemikiran komputasional boleh menyokong
dan membantu dalam proses pembelajaran.

METODOLOGI

Objektif kajian ini dijalankan adalah untuk (i) mengenal pasti tahap kompetensi
pemikiran komputasional dalam kalangan guru pelatih dan (ii) mengenal pasti tahap
kompetensi kelima-lima elemen asas pemikiran komputasional dalam kalangan
guru pelatih. Responden kajian ini terdiri daripada 28 orang guru pelatih Program
Persediaan ijazah Sarjana Muda semester 2 (2PPISMP) di Institut Pendidikan Guru
Kampus (IPGK) Sultan Mizan, Besut, Terengganu. Ke semua guru pelatih ini telah
mengikuti kursus elektif teras SCES1152 Computational Thinking in Science.

Kaedah tinjauan telah digunakan dalam kajian ini untuk mengumpulkan data
berbentuk deskriptif. Borang soal selidik elektronik telah dibina menggunakan
kemudahan aplikasi Google Form untuk mengedarkan soal selidik secara atas talian
kepada responden bagi mendapatkan maklumat.

Instrumen kajian atas talian ini terbahagi kepada dua bahagian utama iaitu (i) latar
belakang responden dan (ii) skala pemikiran komputasional. Item bagi skala
pemikiran komputasional ini telah diubahsuai daripada hasil kajian Tsai, Liang, dan
Hsu (2021). Seterusnya, untuk menentukan indeks kebolehpercayaan instrumen
kajian, maka satu kajian rintis telah dilaksanakan ke atas 30 orang guru pelatih
daripada IPGK lain yang turut mengambil kursus yang sama. Wolf (1997) telah
mencadangkan bahawa pemilihan di antara 30 hingga 50 orang responden dalam
kajian rintis adalah baik.

Hasil analisis kajian rintis telah menunjukkan nilai Alfa Cronbach adalah tinggi,
iaitu 0.91. Nilai pekali Alfa Cronbach ini adalah ideal (Pallant, 2020). Nilai pekali
yang tinggi ini turut membuktikan bahawa soal selidik yang digunakan adalah tekal
dan boleh dipercayai. Berbanding ujian Kuder-Richardson yang hanya boleh
mengukur data-data dikotomi sahaja, Alfa Cronbach sering digunakan kerana
keupayaannya untuk mengukur kebolehpercayaan data-data dikotomi dan bukan
dikotomi.

Statistik deskriptif iaitu skor min digunakan untuk menerangkan tahap kompetensi
pemikiran komputasional. Untuk tujuan tersebut, penyelidik menggunakan
interpretasi skor min seperti Jadual 2 (Ismail & Mohammad, 2017; Pallant, 2020).

4
 Jurnal Muallim

Jadual 2: Interpretasi skor min tahap kompetensi pemikiran komputasional.

INTERPRETASI SKOR MIN SKOR MIN
Rendah 1.00 hingga 2.33
Sederhana 2.34 hingga 3.66
Tinggi 3.67 hingga 5.00

DAPATAN KAJIAN

Rajah 1 menunjukkan maklumat demografi responden kajian iaitu seramai 28 orang

guru pelatih 2PPISMP. Ke semua guru pelatih ini mengikuti kursus SCES1152
Computational Thinking in Science di IPGKSM. Bilangan guru pelatih lelaki adalah
seramai 4 orang (14%) manakala guru pelatih perempuan pula adalah seramai 24
orang (86%).

Rajah 1: Taburan jantina responden yang menjawab borang soal selidik secara atas talian.

Seterusnya, rajah 2 menunjukkan nilai skor min, sisihan piawai dan tahap
kompetensi pemikiran komputasional semua responden bagi ke semua item soal
selidik yang telah diedarkan (Lampiran A). Nilai skor min, sisihan piawai dan tahap
kompetensi pemikiran komputasional ke semua guru pelatih ini berada pada tahap
yang tinggi iaitu di antara skor min terendah adalah 3.8 (item Ab1) manakala skor
min tertinggi adalah 4.68 (item Al2 & E2). Berdasarkan kepada rajah juga, terdapat
tiga item yang mendapat nilai skor min tertinggi mengikut urutan adalah Al2 (4.68),
E2 (4.68) dan Ab3 (4.60) manakala dua skor min terendah adalah E4 (4.08) dan
Ab1 (3.80). Nilai sisihan piawai yang terendah pula adalah 0.48 pada item Al2 dan

5
 Jurnal Muallim

E2. Purata skor min keseluruhan (K1) adalah 4.43 dengan nilai sisihan piawai
keseluruhan 0.17.

Rajah 2: Graf skor min dan sisihan piawai untuk semua item soal selidik.

Rajah 3 menunjukkan tahap kompetensi kelima-lima konstruk pemikiran

komputasional semua responden. Kelima-lima konstruk pemikiran komputasional
guru pelatih berada pada tahap yang tinggi iaitu diantara skor 4.31 sehingga 4.57.
Dalam kelima-lima konstruk tersebut, konstruk algoritma mendapat nilai skor min
yang tertinggi iaitu 4.57 manakala nilai skor min yang terendah adalah konstruk
peniskalaan iaitu 4.31. Nilai sisihan piawai yang paling kecil adalah 0.08 bagi
konstruk algoritma dan paling tinggi adalah 0.25 bagi konstruk penilaian.

Rajah 3: Graf skor min dan sisihan piawai setiap konstruk pemikiran komputasional.
6
 Jurnal Muallim

PERBINCANGAN

Secara keseluruhan, dapatan daripada kajian ini telah berjaya mengenal pasti
bahawa guru pelatih (responden kajian) mempunyai tahap kompetensi pemikiran
komputasional yang tinggi. Ini membuktikan bahawa guru pelatih 2PPISMP
IPGKSM mempunyai kesediaan dan pengetahuan untuk melaksanakan pemikiran
komputasional dalam bidang Sains. Selain itu juga, tahap kompetensi kelima-lima
konstruk pemikiran komputasional iaitu peniskalaan, peleraian, algoritma, penilaian
dan generalisasi juga tinggi. Ini menunjukkan bahawa kemahiran pemikiran
komputasional untuk semua konteks penyelesaian masalah di kalangan guru pelatih
adalah tinggi.

RUMUSAN

Pemikiran komputasional sering disebut secara khusus dalam salah satu konteks
penyelesaian masalah (cth., Korkmaz, Çakir, & Özden, 2017; Román-González,
Pérez-González, & Jiménez-Fernéndez, 2017). Penyelesaian masalah digambarkan
sebagai satu transformasi daripada keadaan awal yang tidak diingini kepada
keadaan akhir yang diingini (Beecher, 2017) dengan mengatasi halangan dan
cabaran yang wujud. Ketika menyelesaikan masalah, pemikiran individu tersebut
sedang beroperasi pada tahap pemikiran dan penaakulan yang tinggi (Spector &
Park, 2012). Kesan tahap kompetensi pemikiran komputasional yang tinggi mampu
memastikan kesediaan pelajar dalam kedudukan permulaan yang terbaik untuk
penyertaan dalam pelbagai bidang kerjaya, kehidupan dan masyarakat.

Curzon dan McOwan (2017) mencadangkan bahawa pemikiran komputasional tidak

hanya terhad kepada pemikiran dan menyelesaikan masalah dalam dunia moden
dan penuh teknologi sahaja, malah lebih daripada itu. Pengetahuan tentang elemen
teras dan kemahiran berkaitan pemikiran komputasional yang perlu dimiliki oleh
guru pelatih amat diperlukan untuk mengukurnya sama sekali gus
mengkonseptualisasikan pemikiran komputasional. Setiap individu harus diberi
peluang untuk memperoleh kecekapan dalam bidang berkaitan pemikiran
komputasional (Wing, 2017) untuk membolehkan mereka berjaya dalam bidang-
bidang digital yang semakin meluas dan berkembang. Ini pada asasnya
mengesahkan hujah yang dikemukakan oleh (Wing, 2006), bahawa pemikiran
komputasional adalah kepentingan utama untuk semua bidang, tidak hanya terhad
kepada bidang-bidang Sains sahaja (Yadav, Gretter, Good, & McLean, 2017).

7
 Jurnal Muallim

RUJUKAN

Curzon, P., & McOwan, P. W. (2017). The power of computational thinking: Games, magic
and puzzles to help you become a computational thinker.
Denning, P. J. (2007). Computing is a natural science. Communications of the ACM, 50(7),
13-18. doi:10.1145/1272516.1272529
Grover, S., & Pea, R. (2013). Computational thinking in K–12: A review of the state of the
field. Educational Researcher, 38-43.
Guzdial, M. (2008). Education Paving the way for computational thinking. Communications
of the ACM, 51(8), 25-27. doi:10.1145/1378704.1378713
Guzdial, M. (2015). Learner-Centered Design of Computing Education: Research on
Computing for Everyone. Switzerland : Springer Cham.
Ismail, M.-A., & Mohammad, J.-M. (2017). Kahoot: A promising Tool for Formative
Assessment in Medical education. Education in Medicine Journal, 19-26.
ISTE, & CSTA. (2011). Operational Definition of Computational Thinking - ISTE.
Retrieved 01 10, 2022, from International Society for Technology in Education
(ISTE): https://cdn.iste.org/www-
root/Computational_Thinking_Operational_Definition_ISTE.pdf
Klieme, E., Hartig, J., & Rauch, D. (2008). The concept of competence in educational
contexts. In J. Hartig, K. Eckhard , & L. D, Assessment of competencies in
educational contexts (pp. 3-22). Hogrefe & Huber Publishers.
Koeppen, K., Hartig, J., Klieme, E., & Leutner, D. (2008). Current Issues in Competence
Modeling and Assessment. Zeitschrift für Psychologie / Journal of Psychology,
216(2), 61-73. doi:10.1027/0044-3409.216.2.61
Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM
SPSS. Routledge.
Papert, S. (1980). Children, computers, and powerful ideas. United Kingdom: Harvester
Press.
Selby, C. C., & Woollard, J. (2013). Computational Thinking: The Developing Definition.
Southampton : University of Southampton .
Tang, X., Yin, Y., Lin, Q., Hadad, R., & Zhai, X. (2020). Assessing computational thinking:
A systematic review of empirical studies. Computers & Education, 148(103798).
Tsai, M.-J., Liang, J.-C., & Hsu, C.-Y. (2021). The Computational Thinking Scale for
Computer Literacy Education. Journal of Educational Computing, 1-24.
Tsai, M.-J., Wang, C.-Y., & Hsu, P.-F. (2019). Developing the Computer Programming
Self-Efficacy Scale for Computer Literacy Education. Journal of Educational
Computing Research, 56(8), 1345-1360. doi:10.1177/0735633117746747
Wing, J. (2017). Computational thinking’s influence on research and education for all.
Italian Journal of Educational Technology, 7-14.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.
doi:10.1145/1118178.1118215
Wolf, M. R. (1997). Questionnaires. In Educational research, methodology, and
measurement: An international handbook (pp. 422-427).
Yadav, A., Gretter, S., Good, J., & McLean, T. (2017). Computational thinking in teacher
education. In Emerging research, practice, and policy on computational thinking
(pp. 205-220). Springer.
Yadav, A., Hong, H., & Stephenson, C. (2016). Computational Thinking for All:
Pedagogical Approaches to Embedding 21st Century Problem Solving in K-12
Classrooms. TechTrends , 565-568.

8
 Jurnal Muallim

LAMPIRAN A

SOAL SELIDIK
KOMPETENSI PEMIKIRAN KOMPUTASIONAL

LABEL ITEM SOAL SELIDIK

Saya biasanya memikirkan masalah dari sudut pandangan keseluruhan, daripada
Ab1
melihat butirannya.
Ab2 Saya biasanya berfikir tentang perkaitan antara masalah.
Ab3 Saya biasanya cuba mencari perkara utama yang menjadi punca kepada masalah.
Ab4 Saya biasanya cuba meneliti corak pada masalah yang berbeza-beza.
D1 Saya biasanya berfikir kemungkinan untuk meleraikan masalah.
D2 Saya biasanya meleraikan masalah kepada bentuk yang lebih berstruktur.
Saya biasanya berfikir tentang cara meleraikan masalah besar kepada beberapa
D3
masalah kecil.
Al1 Saya sudah biasa memikirkan urutan langkah untuk menyelesaikan masalah.
Al2 Saya biasanya cuba mencari langkah penyelesaian masalah yang berkesan.
Al3 Saya biasanya cuba menyusun atur langkah-langkah penyelesaian.
Saya biasanya memikirkan urutan langkah untuk melaksanakan penyelesaian
Al4
masalah.
Saya cenderung untuk mencari penyelesaian yang betul untuk menyelesaikan
E1
masalah.
E2 Saya biasanya memikirkan penyelesaian masalah yang terbaik.
E3 Saya biasanya cuba mencari penyelesaian masalah yang paling berkesan.
E4 Saya biasanya memikirkan cara paling pantas untuk menyelesaikan masalah.
Saya cenderung untuk menyelesaikan masalah baharu mengikut pengalaman
G1
saya.
Saya biasanya cuba menggunakan pendekatan yang sama untuk menyelesaikan
G2
masalah yang berbeza-beza.
Saya biasanya berfikir tentang menggunakan cara penyelesaian yang sama
G3
kepada masalah yang lain.
Saya biasanya cuba menggunakan pendekatan yang sama untuk menyelesaikan
G4
lebih banyak masalah.