Presentasi Demonstrasi Kontekstual - T2 CT - Wahyu Kurnia Hidayati
Presentasi Demonstrasi Kontekstual - T2 CT - Wahyu Kurnia Hidayati
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
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
• Data Diskrit
Data diskrit adalah data hasil yang diperoleh dari suatu perhitungan berupa
bilangan pasti dan merupakan data hasil dari pengkategorian.
• 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
• 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
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