C O M P U TAT I O N A L T H I N K I N G T O P I K 2

PEMAHAMAN TERKAIT
COMPUTATIONAL
THINKING
Kelompok 4:
Opnofti Prihandayu (A942220084)
Rezqi Rohmatikasari (A942220089)
Wahyu Kurnia Hidayati (A942220100)
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

CT dalam
Kurikulum
Merdeka
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2 E K S P L O R A S I K O N S E P

persoalan atau
problem dengan
Kurikulum kompleksitas yang

CT merdeka
semakin
meningkat, untuk
objek mulai konkrit
sampai dengan
“abstrak”.

Berpikir komputasi dalam kurikulum merdeka yaitu cara berpikir yang berhubungan dengan konsep
komputasi dengan memadukan tujuan kompetensi pembelajaran kurikulum merdeka pada pengetahuan
spesifik untuk menemukan solusi dari suatu masalah. Computational thinking dipersiapkan secara penuh
sebagai cara berpikir yang diterapkan dalam penyusunan lamkah pembelajaran guru, dan problem solving
bagi peserta didik mengatasi beragam permasalahan yang dihadirkan pembelajaran kurikulum merdeka.
Capaian Pembelajaran dari materi CT dalam kurikulum merdeka untuk fase A-F didasarkan pada
Keputusan Kepala Badan Penelitian dan Pengembangan dan Perbukuan Nomor 028/H/KU/2021 tentang
Capaian Pembelajaran PAUD, SD, SMP, SMA, SDLB, SMPLB, SMALB pada Program Sekolah Penggerak
(Kepala Badan Penelitian dan Pengembangan dan Perbukuan, 2021. Terdapat keserupaan CP pada fase-
fase yang diberikan, namun pada setiap kenaikan fase, diberikan persoalan atau problem dengan
kompleksitas yang semakin meningkat, untuk objek mulai konkrit sampai dengan “abstrak”.
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

CT dalam
Pembelajaran
Biologi
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2 E K S P L O R A S I K O N S E P

Pembelajaran
Biologi dengan CT
Pemb.
CT
dilakukan oleh guru
dan PD dengan
Biologi beberapa konten
yang mengandung
CT

Menurut Peters-Burton, et.al (2022) integrasi pemikiran komputasi (CT) sebagai sains biologi bisa dilakukan dengan memperkenalkan prinsip-prinsip CT, seperti
sebagai algoritma, abstraksi, dan otomatisasi, atau melalui pemeriksaan alat yang digunakan untuk melakukan sains modern, menekankan CT dalam
pemecahan masalah.
Fokus PD menekankan praktik data dalam guru sains pelajaran, menggunakan definisi data Weintrop et al praktik. Ini adalah:
(a) creation (menghasilkan data),
(b) collection (pengumpulan data),
(c) manipulation (membersihkan dan mengatur data),
(d) visualization (mewakili data secara grafis),
(e) analisis (menginterpretasikan data).
Selain itu, dalam setiap data praktek, guru diminta untuk mengintegrasikan setidaknya salah satu dari lima praktik CT:
(a) dekomposisi (pemecahan masalah yang kompleks menjadi bagian-bagian yang lebih kecil),
(b) pengenalan pola (mengidentifikasi kesamaan berulang dalam data praktek),
(c) algoritma (penciptaan dan penggunaan formula untuk memprediksi output dengan input tertentu),
(d) abstraksi (menghilangkan detail untuk menggeneralisasi atau melihat “gambaran besar”), dan
(e) otomatisasi (menggunakan alat komputasi untuk melaksanakan prosedur tertentu).
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2 E K S P L O R A S I K O N S E P

Konten Pembelajaran Biologi yang mampu mengintegrasikan CT

▪ Cara berpikir baru berdasarkan komputasi ini telah digeneralisasikan sebagai yang memungkinkan kita untuk dapat mengatasi
masalah yang sulit (Wing, 2006).
▪ Bioinformatika merupakan salah satu contoh yang paling terkenal dalam biologi. Misalnya, urutan gen dan protein diperlakukan
sebagai rangkaian huruf, dan pola yang sering ditemukan dengan metode pembelajaran mesin yang awalnya dirancang untuk
deteksi suara (Takahashi, et al., 2003).
▪ Model komputasi dalam sel misalnya dapat digunakan untuk memprediksi perubahan fenotipik dari mutasi, dan memiliki implikasi
dalam memprediksi penyakit (Lee, 2007).
Dari perspektif biologi, menawarkan cara baru pelatihan interdisipliner (Qin, 2009). Keterampilan mencakup konseptualisasi dan
abstraksi pada berbagai tingkatan, penalaran kuantitatif, pemodelan dan simulasi, pemecahan masalah dengan memanfaatkan
perangkat komputasi, pemecahan masalah dengan iterasi dan rekursi, pengurangan dan dekomposisi dalam memecahkan masalah
kompleks, menilai risiko dan pencegahan hal buruk, validasi silang, modularisasi desain, dan permutasi dan pengacakan (Wing,
2006).

Konten Pembelajaran Kegiatan yang mengintegrasikan berpikir komputasi

Animal Behaviour Merancang eksperimen tentang perilaku hewan dengan menggunakan analisis chi square
Enzim Mendeskripsikan struktur enzim dan menjelaskan peran katalisis untuk mengatur reaksi metabolisme
Mitosis Mengidentifikasi tahapan siklus sel, factor yang mengatur durasi dari siklus sel dan dampak pada tiap organisme
Opioid crisis Mengenali peningkatan anka kematian selama 10 tahun yang disebabkan oleh opioid melalui pengumpulan dan analisis data yang berkaitan
dengan tahapan populasi dan penggunakan obat opioid
Berdasakan artikel Peters-Burton, Erin (2022)
Pembelajaran biologi yang mengintegrasikan fondasi CT
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2 E K S P L O R A S I K O N S E P

Meskipun guru biologi

Deskripsi respons mahir untuk rubrik pengetahuan CT dalam pembelajaran biologi
mengintegrasikan semua
praktik CT di seluruh
pelajaran mereka, mereka
merasa lebih mudah untuk
Decomposition
Pattern
Abstraction
Algoritmic
Automation mengintegrasikan
Finding Thinking
dekomposisi dan pengenalan
pola, lebih sulit untuk
mengintegrasikan abstraksi,
pemikiran algoritmik, dan
otomatisasi.
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

CT dalam
Tantangan
Global
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2 E K S P L O R A S I K O N S E P

Dalam Weintrop et. Al. 2016 menyatakan penekanan computational thinking untuk memecahkan
permasalahan termasuk dalam permasalahan dalam tingkat global. Computer Science Teacher
Association (CSTA) menilai bahwa pembelajaran CT membuat siswa dapat mengkonsepkan,
menganalisis, dan menyelesaikan persoalan kompleks dengan memilih dan mengaplikasikan
strategi-strategi dan kakas-kakas baik baik secara virtual maupun dalam dunia nyata. Pada
makalah tersebut juga dinyatakan himpunan awal dari keterampilan CT yang merupakan
pengembangan 4 fondasi CT, yaitu:
• Kemampuan menghadapi open-ended problem.
• Kegigihan dalam mengatasi persoalan yang menantang.
• Kepercayaan diri dalam menghadapi kompleksitas.
• Mampu mempresentasikan ide-ide dengan cara komputasional yang bermakna.
• Mampu membagi-bagi persoalan yang besar menjadi beberapa sub-persoalan yang lebih kecil.
• Membuat abstraksi dari aspek-aspek dalam persoalan yang sedang dihadapi.
• Membingkai/menstrukturkan ulang persoalan menjadi persoalan yang dapat dikenali.
• Menilai kekuatan/kelemahan representasi data/sistem representasi.
• Menghasilkan solusi dalam bentuk algoritma.
• Mengenali dan mengatasi ambiguitas dalam algoritma
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2 E K S P L O R A S I K O N S E P

Dalam bidang pedagogi, (Kotsopoulos et al., 2017) mendefinisikan Computational Thinking

Pedagogical Framework (CTPF) secara global yang didasarkan pada pengalaman belajar. CTPF
diberikan pada Gambar 2

Berikut adalah penjelasan singkat terkait Gambar 2

• Unplugged. Pengalaman unplugged berfokus pada aktivitas CT yang
diimplementasikan tanpa menggunakan komputer.
• Tinkering. Tinkering dalam bahasa Indonesia berarti “mengutak-atik”.
Pengalaman mengutak-atik terutama melibatkan membongkar sesuatu
dan terlibat dalam perubahan dan/atau modifikasi pada objek yang ada.
• Making artinya berkarya, membuat sesuatu. Dalam pengalaman membuat
sesuatu, siswa dituntut untuk menganalisis permasalahan, memecahkan
persoalan, membuat rencana, memilih alat, merefleksikan,
berkomunikasi, dan membuat koneksi antar konsep.
• Remixing. Pengalaman remixing mengacu pada pemanfaatan objek atau
komponen objek untuk digunakan dalam objek lain atau untuk tujuan
lain.
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2
Capaian Pembelajaran (CP)
• Fase E
• Pada akhir fase E, peserta didik
mampu menerapkan strategi
algoritmik standar pada kehidupan
sehari-hari maupun implementasinya
dalam sistem komputer, untuk
menghasilkan beberapa solusi
persoalan dengan data diskrit
bervolume besar.
• Fase F
Pada akhir fase F, peserta didik mampu menganalisis
beberapa strategi algoritmik secara kritis dalam
menghasilkan banyak alternatif solusi untuk satu
persoalan dengan memberikan justifikasi efisiensi,
kelebihan, dan keterbatasan dari semua alternative
solusi, kemudian memilih dan menerapkan solusi
terbaik, paling efisien, dan optimal dengan merancang
struktur data yang lebih kompleks dan abstrak
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

Istilah dan makna dari

kata-kata dalam CP CT
yang sudah disepakati
oleh kelompok
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2

• Data Diskrit
Data diskrit adalah data hasil yang diperoleh dari suatu perhitungan berupa
bilangan pasti dan merupakan data hasil dari pengkategorian.

• Strategi Algoritmik Standar

Strategi algoritmik standar adalah kumpulan metode atau teknik untuk
memecahkan masalah untuk mencapai tujuan yang telah ditentukan melalui
urutan langkah-langkah penyelesaian yang sistematik, logis, dan umum
diterapkan, serta sesuai berdasarkan permasalahan yang dihadapi

• Justifikasi Efesiensi
Justifikasi efesiensi dapat diartikan sebagai suatu pilihan yang dapat
memaksimalkan hasil.
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2

Kata-kata yang dipahami

sebagai makna yang berbeda
oleh anggota kelompok dalam
CP CT
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2

• Volume Besar
• Merupakan sebuah data atau informasi dari sebuah permasalahan utama yang
dapat dikategorikan menjadi beberapa sub kategori permasalahan yang dapat
diselesaikan sesuai tingkat keurgensian/kepentingan/kebutuhan.

• Merupakan data hasil yang diperoleh dari suatu pertimbangan terkait solusi
pemecahan masalah yang memiliki peluang besar untuk mencapai tujuan
yang akan dicapai.
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

Pemaknaan Capaian
Pembelajaran
Computational
Thinking
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2

• Pada akhir fase E : Peserta didik diharapkan

• Fase E mampu menerapkan kumpulan metode atau
teknik tertentu yang memiliki
• Pada akhir fase E, peserta didik urutan/langkah/cara yang jelas dan sesuai
mampu menerapkan strategi dalam mencapai tujuan untuk memecahkan
algoritmik standar pada berbagai permasalahan yang berkaitan
kehidupan sehari-hari maupun dengan kehidupan sehari-hari maupun
implementasinya dalam sistem penerapannya dalam sistem komputer untuk
komputer, untuk menghasilkan menghasilkan beberapa solusi persoalan
beberapa solusi persoalan berdasarkan hasil pengamatan dan
dengan data diskrit bervolume pengelompokkan data/informasi yang
besar. beragam.
 C O M P U TAT I O N A L T H I N K I N G T O P I K 2
• Pada akhir fase F : Peserta didik diharapkan
• Fase F
• Pada akhir fase F, peserta didik
mampu menganalisis beberapa strategi
algoritmik secara kritis dalam
menghasilkan banyak alternatif solusi
untuk satu persoalan dengan
memberikan justifikasi efisiensi,
kelebihan, dan keterbatasan dari
semua alternative solusi, kemudian
memilih dan menerapkan solusi terbaik,
paling efisien, dan optimal dengan
merancang struktur data yang lebih
kompleks dan abstrak
mampu menganalisis secara kritis beberapa
kumpulan metode atau teknik tertentu yang
memiliki urutan/langkah/cara yang jelas dan sesuai
dalam mencapai tujuan untuk memecahkan
berbagai permasalahan dalam menghasilkan
banyak alternative solusi pada satu persoalan
dengan mempertimbangkan efesiensi, kelebihan,
dan keterbatasan solusi-solusi alternative yang
dihasilkan kemudian mampu memilih dan
menerapkan solusi yang terbaik, peling efisien,
dan optimal dengan merancang struktur data yang
lebih kompleks dan abstrak, seperti data
pemograman.
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

Kata Kunci
Peningkatan CP
CT
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

Fase A 1. Mengidentifikasi
2. Mengurutkan objek konkrit
Fase B 1. Mengurutkan himpunan data kecil hasil abstraksi benda konkrit
2. Menghasilkan beberapa solusi memanfaatkan perkakas yang disediakan.
Fase C 1. Himpunan data hasil abstraksi benda konkrit yang lebih banyak dan kompleks
2. Menghasilkan lebih banyak alternatif solusi
3. Mengintegrasikan berpikir komputasional
4. Memanfaatkan perkakas yang digunakan
Fase D 1. Menghasilkan beberapa solusi dari persoalan dengan data diskrit bervolume kecil
2. Mendisposisikan berpikir komputasional
3. Literasi, numerasi, literasi sains
Fase E 1. Menerapkan strategi algoritmik
2. Sistem komputer
3. Data diskrit bervome besar
Fase F 1. Menganalisis beberapa stratego algoritmik secara kritis
2. Banyak alternatif solusi
3. Memeberikan justifikasi efisensi, kelebihan, dan keterbatasan dari semua alternatif solusi
4. Memilih dan menerapkan solusi terbaik, paling efisien, optimal
5. Merancang struktur data yang lebih kompleks dan abstrak
C O M P U TAT I O N A L T H I N K I N G T O P I K 2

Terima Kasih