COMPUTATIONAL THINKING

RUANG KOLABORASI
PPG – PENGEMBANGAN PERANGKAT LUNAK DAN GIM

Nama/No.Kelompok Kelompok 1
1. Novi Yanti Sangaji ( 7000218709 )
2. Juan Imanuel Maengkom
3. Charles Thomas

CP D
Elemen Capaian Pembelajaran
Pada akhir fase D, peserta didik mampu menerapkan berpikir
komputasional untuk menghasilkan beberapa solusi dalam
BK menyelesaikan persoalan dengan data diskrit bervolume kecil dan
mendisposisikan berpikir komputasional dalam bidang lain terutama
dalam literasi, numerasi, dan literasi sains (computationally literate)
CP E
Elemen Capaian Pembelajaran
Pada akhir fase E, peserta didik mampu menerapkan strategi
algoritmik standar pada kehidupan sehari-hari maupun
BK
implementasinya dalam sistem komputer, untuk menghasilkan
beberapa solusi persoalan dengan data diskrit bervolume besar
CP F
Elemen Capaian Pembelajaran
Pada akhir fase F, siswa mampu menganalisis beberapa strategi
algoritmik secara kritis dalam menghasilkan banyak alternatif solusi
BK untuk satu persoalan dengan memberikan justifikasi efisiensi,
kelebihan, dan keterbatasan dari semua alternatif solusi, kemudian
memilih dan menerapkan solusi terbaik, paling efisien, dan optimal
dengan merancang struktur data yang lebih kompleks dan abstrak
Istilah dan makna dari kata yang sudah disepakati oleh kelompok:
1. Computationally Literate :
Makna : Kemampuan dalam pengetahuan dan keterampilan untuk menggunakan dan
memahami konsep dalam pemrograman dan komuptasi dalam memecahkan masalah,
mengembangkan pemahaman tentang cara komputer bekerja.
Contoh dalam Computational Thinking: Melibatkan pemahaman tentang kemampuan
penggunaan perangkat lunak yang relevan untuk menyelesaikan atau membantu
mempercepat menyelesaikan masalah
2. Data Diskrit :
Makna :Jenis data yang memiliki nilai-nilai terbatas atau terpisah. Data ini biasanya tidak
kontinu dan hanya bisa mengambil nilai-nilai tertentu dalam suatu rentang.
Contoh dalam Computational Thinking: Mengkategorikan dan mengurutkan jenis data
pada label tertentu sesuai dengan kebutuhan
3. Numerasi:
Makna: Kemampuan untuk memahami, mempresentasikan,memanipulasi dan bekerja
dnegan angka dan bilangan dalam konteks pemecahan masalah komputasi.
Contoh dalam Computational Thinking: Perhitungan menggunakan algoritma
matematika seperti pencarian biner, pengurutan untuk memecahkan masalah komputasi
yang nantinya akan menghasilkan informasi baru
4. Sistem Komputer
Makna : Kumpulan dari beberapa bagian yang bekerja bersama untuk menyelesaikan tugas
atau pekerjaan.
 Contohnya : Keyboard, mouse (Perangkat masukan), CPU, Memori, perangkat lunak
(Software), Penyimpanan (Hard Drive atau SSD)
5. Data Diskrit bervolume besar
Makna: Kumpulan data diskrit yang sangat besar dan kompleks sehingga sulit untuk
diproses menggunakan metode pengolahan data tradisional. Data diskrit adalah data yang
hanya bisa diambil dari nilai-nilai tertentu, dan tidak bisa diambil dari nilai-nilai di
antaranya, seperti jumlah orang, jumlah mobil, dan lain-lain
Contohnya : Data media sosial, Data sensor IoT
6. Algoritmik:
Makna: Kemampuan untuk merancang dan menerapkan urutan langkah-langkah logis
untuk menyelesaikan masalah atau tugas secara efektif.
Contoh dalam Computational Thinking: Dalam computational thinking, kemampuan
untuk mengembangkan algoritma adalah kunci untuk merancang solusi yang efisien dan
tepat.
7. Justifikasi:
Makna: Memberikan alasan atau argumentasi yang kuat untuk mendukung suatu
keputusan atau pendekatan yang diambil.
Contoh dalam Computational Thinking: Dalam memilih algoritma atau solusi tertentu,
penting untuk memberikan alasan mengapa solusi tersebut dianggap efisien atau efektif.
8. Efisiensi:
Makna: Kemampuan untuk menggunakan sumber daya (seperti waktu, ruang, atau memori
komputer) seefisien mungkin dalam menyelesaikan suatu tugas atau masalah.
Contoh dalam Computational Thinking: Memilih algoritma dengan kompleksitas waktu
atau ruang yang paling efisien adalah aspek penting dari pemikiran komputasional.
9. Kompleks:
Makna: Menyiratkan bahwa suatu sistem atau masalah melibatkan banyak elemen atau
proses yang saling terhubung dan membutuhkan pemahaman yang mendalam untuk
mengatasi kompleksitasnya.
Contoh dalam Computational Thinking: Pemikiran komputasional dapat membantu
dalam mengurai masalah yang kompleks menjadi bagian-bagian yang lebih kecil dan lebih
mudah dielaborasi.
10. Abstrak:
Makna: Merepresentasikan suatu konsep atau ide tanpa perlu memperhatikan detail fisik
atau khusus dari objek atau fenomena tersebut.
Contoh dalam Computational Thinking: Dalam konteks struktur data, abstraksi
memungkinkan kita untuk memahami dan menggunakan suatu struktur tanpa perlu
memahami detail implementasinya.

Kata-kata yang dipahami sebagai makna yang berbeda oleh anggota kelompok.
Diskusikan lebih lanjut tentang perbedaan makna tersebut! Diskusikan juga dengan
konsep pada saat eksplorasi konsep!
Tidak ada
Tuliskan pemaknaan mengenai CP yang dibahas di kelompok, sesuai pemahaman
bersama seluruh anggota kelompok!
CP D: Peserta didik diharapkan dapat berpikir komputasional dalam menyelesaikan
permasalahan. Selain itu dapat memmahami ilmu pengetahuan khususnya informatika mulai
dari sistem komputer, jaringan komputer dan internet, penggunaan data dan algoritma yang
digunakan dalam pemrograman serta menyadari manfaatnya untuk kehidupan sehari hari.
Dalam penerapannya dapat menhasilkan suatu produk atau perhitungan komputasional
sederhana yang menggunakn teknologi dengan cara mengakses, mengeia dan megevaluasi.
Selain itu memahami literasi digital yang baik sehingga dpaat menggunakannya dengan
maksimal dan mengetahui dampak dari penggunaan teknologi.
CP E: Peserta didik mampu mendeskripsikan fungsi dan cara kerja sistem komputer,
bagaimana komponen-komponen sistem bekerja dan saling berinteraksi, memahami internet dan
jaringan lokal serta mengkoneksikan perangkat ke jaringan lokal dan internet berpikir
komputasional dengan strategi algoritmik standar untuk mengembangkan program komputer
yang terstruktur dalam bahasa pemrograman prosedural tekstual sebagai solusi atas persoalan
berbagai bidang yang mengandung data diskrit bervolume tidak kecil, bergotong royong untuk
menyelesaikan suatu persoalan kompleks dengan mengembangkan (merancang,
mengimplementasi, memperbaiki, menguji), mengenal sejarah perkembangan komputer dan
tokoh-tokohnya, memahami aspek teknis, hukum, ekonomi, lingkungan, dan sosial dari produk
TIK, hak kekayaan intelektual, dan lisensi. Mengenal berbagai bidang studi dan profesi terkait
informatika serta peran informatika pada bidang lain.

CP F: Peserta didik akan dihadapkan dalam penyelesaian tugas yang sifatnya penyelesaian
proyek. Peserta didik mampu mengkaji strategi algoritma yang menghasilkan lebih dari satu
solusi dan mampu menganalisis mana solusi yang paling efisien dalam pengembangan
menggunakan komputer. Selain itu dapat mengkritisi kasus terkait informatik adalam
kehidupansehari-hari, merancang dan mengimplementasi data abstrak. Dapat mengaplikasikan
pengolahan data bervolume besar, mengembangkan dan maintenance, penyempurnaan kode
sumber program dengan tetap memperhatikan kualitasnya serta menuliskan dokumentasi dan
menjelaskan aspek statik dan dinamik dari program komputer. Mampu bergotong royong
dengan menggunakan berbagai perkakas TIK untuk merancang, mengimplementasi, menguji,
memperbaiki, menghasilkan prototipe perangkat lunak
 Computational
Thingking
Topik 2
Ruang KOlaborasi
KELOMPOK 1
Juan Imanuel Maengkom
Charles Thomas
Novi Yanti Sangaji
Capaian
Pembelajaran
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
Kemampuan untuk menghasilkan solusi untuk berbagai permasalahan
dengan data diskrit yang memiliki volume besar menunjukkan bahwa
peserta didik telah mencapai tingkat keahlian yang tinggi dalam
menerapkan algoritma dan struktur data yang tepat. Mereka mampu
mengelola dan memanipulasi data dalam skala besar dengan efisien
dan efektif.
Kemampuan ini tidak hanya relevan dalam konteks ilmu komputer,
tetapi juga dalam berbagai disiplin ilmu lainnya seperti sains data dan
kecerdasan buatan. Dengan demikian, peserta didik memiliki landasan
yang kuat untuk mengatasi tantangan kompleks di berbagai bidang,
serta berkontribusi dalam mengembangkan solusi inovatif untuk
masalah dunia nyata.
 Materi Diskusi
Untuk guru kelas VII sampai XII
Diskusikan istilah-istilah yang sebelumnya belum
dipahami dan makna yang didapat setelah
mempelajari lebih lanjut mengenai istilah tersebut. Jika
terdapat satu istilah yang dimaknai berbeda oleh
anggota kelompok, carilah informasi lebih lanjut
mengenai istilah tersebut atau Anda dapat
menanyakan kepada dosen. Tuliskan juga pemaknaan
untuk CP setelah mempelajari setiap istilah dengan
lebih seksama.

FASE E (KELAS X SMK) Pada akhir Mata Pelajaran

Informatika Peserta Didik mampu untuk menerapkan
Strategi Algoritmik dalam mengindentifikasi tiap-tiap
Fungsi dalam Excel untuk mencari solusi personalan
dengan Data Diskrit yang diberikan
STRATEGI ALGORITMIK
Strategi algoritmik merupakan
Contoh masalah strategi
kumpulan metode atau teknik untuk algoritmik pada siswa
memecahkan masalah guna Mencari rute terpendek dari rumah
mencapai tujuan yang ditentukan.
ke sekolah: Siswa yang ingin
Dalam hal ini, strategi algoritmik dapat
digunakan untuk menganalisis dan
mencari rute terpendek dari
mengoptimalkan algoritma yang rumah ke sekolah dapat
digunakan untuk menyelesaikan menggunakan strategi algoritmik
masalah komputasi seperti Dijkstra's Algorithm atau A*
Ketika Siswa dihadapkan pada
Algorithm untuk mencari rute
persoalan yang diberikan maka
terpendek dari titik awal (rumah)
mereka mampu untuk
mengidentifikasi sudut masalah untuk ke titik tujuan (sekolah).
dianalisa sebelum dilakukan
pengambilan keputusan
 DATADISKRIT
Merupakan data yang nilainya memiliki kemungkinan
nilai terbatas dan antar nilai satu dengan yang lainnya
terpisah
Contoh Data
Diskrit
1. Nilai ujian: Nilai ujian merupakan data diskrit yang
memiliki nilai terbatas dan antar nilai satu dengan yang
lainnya terpisah. Contohnya, nilai ujian dapat berupa
angka bulat seperti 70, 80, 90, dan 100.
2. Nilai kehadiran: Nilai kehadiran merupakan data diskrit
yang memiliki nilai terbatas dan antar nilai satu dengan
yang lainnya terpisah. Contohnya, nilai kehadiran dapat
berupa angka bulat seperti 0, 1, 2, dan 3.
3. Nilai prestasi akademik: Nilai prestasi akademik
merupakan data diskrit yang memiliki nilai terbatas dan
antar nilai satu dengan yang lainnya terpisah.
Contohnya, nilai prestasi akademik dapat berupa angka
bulat seperti 3,0, 3,5, 4,0, dan 4,5.
 Kesimpulan
Peserta Didik pada akhir Fase E mampu memahami Persoalan yang diberikan dengan
menerapkan Strategi Algoritmik standar pada prosesi pembelajaran demi memecahkan Data
Diskrit yang menjadi acuan.
Thank You
For Your Attention