Apa itu Computational Thinking (CT)?
CT adalah metode berpikir yang dipakai programmer ketika menulis program. Beberapa metode ini antara lain :
Decomposition : Kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola. Misalnya memecah ‘Drive/Direktory’ dalam sebuah komputer berdasarkan komponen penyusunnya: File dan Direktory.
Pattern Recognition : Kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Misalnya mengenali pola file dokumen, file sistem, file eksekusion atau struktur data/file.
Abstraksi : Melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut. Misalnya dengan menempatkan semua file sistem di folder Windows, file program di folder Program Files, file data/dokumen di Folder Mydocument dan file pendukung di Drive/Direktory terpisah.
Algorithm Design : 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. Misalnya bagaimanakah langkah mencari file-file dokumen yang ada dalam sebuah komputer ?
Karakteristik berpikir komputasi adalah:
Mampu memberikan pemecahan masalah menggunakan komputer atau perangkat lain.
Mampu mengorganisasi dan menganalisa data.
Mampu melakukan representasi data melalui abstraksi dengan suatu model atau simulasi.
Mampu melakukan otomatisasi solusi melalui cara berpikir algoritma.
Mampu melakukan identifikasi, analisa dan implementasi solusi dengan berbagai kombinasi langkah / cara dan sumber daya yang efisien dan efektif.
Mampu melakukan generalisasi solusi untuk berbagai masalah yang berbeda.
Contoh Computational Thinking (CT) :
Bagaimanakah(orgenazing/pengorganisasian) cara mengenali dan mengklasifikasikan organisme secara efektif dan efesien ?
Decomposition : Melihat dengan cara yang berbeda bagaimana organisme dapat diklasifikasikan. Misalnya, dengan membagi organisme tersebut berdasarkan habitatnya, organisme tersebut hidup di air atau organisme tersebut memiliki sayap untuk dapat terbang di udara.
Pattern Recognition : Mengembangkan metode untuk mengklasifikasikan dengan efesien beberapa organisme berdasarkan karakteristik bersama.
Abstraksi : Menentukan berapa lama waktu yang dibutuhkan untuk mengklasifikasikan beberapa organisme berdasarkan metode ini dapat membantu Anda untuk memprediksi berapa banyak pertanyaan atau klasifikasi yang dibutuhkan untuk mengklasifikasikan semua organisme yg diketahui.
Algorithm Design : Pada bagian ini Anda tidak mengembangkan algoritma, tetapi Anda mungkin berpikir cara lain yang lebih efisien untuk mengklasifikasikan organisme di luar metode yang digunakan dalam kegiatan ini.
Berapakah banyak pertanyaan yang harus anda ajukan kepada saya, sehingga anda mampu menebak dengan yakin Spesis / organisme yang terfikirkan oleh saya yang ada di bumi ini ?
(Bisa saja anda menjawab 10, 12, 20 atau 25 pertanyaan. Seperti permainan “Siapa Dia ?”)
Hal tersebut merupakan tantangan menarik namun bisa jadi sulit. Sebenarnya tantangan tersebut relatif mudah untuk dijawab ketika anda menerapkan Decomposition, yakni memecah data/proses/masalah menjadi data/proses/masalah yang lebih kecil.
Misalnya : Organisme manakah yang ada di fikiran saya, coba tebak ?
[caption caption="CT"][/caption]
Apakah organisme itu memiliki kaki ?
Apakah organisme itu memiliki sayap ?
Apakah organisme itu kulit/bulunya berpola garis
Anda dapat menebak nama organisme yang ada di fikiran saya dengan mengajukan hanya 3 (tiga) pertanyaan tersebut dari 8 kemungkinan jawaban. Jawabannya adalah Harimau.
Berapakah banyak pertanyaan yang diperlukan untuk menebak organisme mana yang saya fikirkan dari 16 organisme, jika setiap pertanyaan dapat membuang/menyingkirkan setengah pilihan yang ada ?
Jika setiap pertanyaan dapat menyingkirkan/membuang setengah dari 16 organisme maka :
- Pertanyaan pertama membuang 8 organisme, tersisa 8 organisme
- Pertanyaan kedua membuang 4 organisme, tersisa 4 organisme
- Pertanyaan ketiga membuang 2 organisme, tersisa 2 organisme
- Pertanyaan pertama membuang 1 organisme, tersisa 1 organisme
Jadi untuk memilih 1 dari 16 organisme diperlukan 4 pertanyaan. Selanjutnya berapakah pertanyaan yang diperlukan jika terdapat 32 organisme ?
Ya jawabannya adalah 5. Berikut Polayang terbentuk :
8 kemungkinannya 2 * 2 * 2 = 8
16 kemungkinannya 2 * 2 * 2 * 2 = 16
32 kemungkinannya 2 * 2 * 2 * 2 * 2 = 32
Ketika Anda melihat data dari beberapa percobaan tersebut akan sangat membantu untuk mengenali jika ada pola / tren untuk menentukan apa penyebab atau prinsip yang digunakan.
Dengan asumsi ada sekitar 8 miliar spesies di Bumi. Berapa banyak pertanyaan yang diperlukan, dengan setiap pertanyaan menghilangkan sekitar setengah dari pilihan, dapatkah anda menebak spesies yang saya fikirkan ?
Ini akan membutuhkan sekitar 33 pertanyaan., Yang tampaknya seperti jumlah yang relatif kecil pertanyaan untuk dapat menebak dengan benar dari miliaran kemungkinan. 20 pertanyaan permainan berpotensi bisa menebak dari lebih dari 1 juta kemungkinan, yang harus lebih dari cukup untuk sebagian besar benda.
Anda mungkin sudah tahu sekarang bahwa Anda dapat mengetahui berapa banyak pertanyaan yang Anda butuhkan dengan menghitung log2 dari semua kemungkinan atau dengan menghitung apa kekuatan 2 diperlukan untuk sama dengan jumlah kemungkinan: 24 = 16, 25 = 32,. .., 233 ≈ 8,5 miliar. Kemampuan untuk menggeneralisasi pola yang ditemukan melalui eksperimen menjadi umum aturan, persamaan, atau hukum dikenal sebagai abstraksi
Contoh Computational Thinking (CT) :
Bagaimanakah membuat “Browniz” yang lezat sebanyak 100 box dengan efektif dan efesien ?
Decomposition : Kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola.
Misalnya memecah struktur komponen dasar pembentuk Browniz menjadi Tepung, Telur, Gula, Mentega, Coklat, Susu, Keju, Backing Powder, Air.
Misalnya memecah proses dasar pembuatan Browniz menjadi Penyiapan Bahan, Pencampuran Adonan, Pengembangan Adonan (emulsi), Memasak/Memanggang, Toping/Rias, Packing/Pengepakan
Pattern Recognition : Kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data.
Misalnya mengenali pola dan proses pembuatan 1 box kue Browniz yang dimulai dari tahap Persiapan hingga Packing memerlukan waktu 60 menit dengan menggunakan 1 unit oven.
60 menit = 1 Box atau 1 jam = 1 Box
Abstraksi : Melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut.
Misalnya dengan melihat dan mengidentifikasi pola pembuatan browniz secara umum. Jika dalam 1 jam dengan 1 unit oven/pemanggang diperoleh 1 box browniz maka perlu 100 jam (4,16 hari) untuk menghasilkan 100 box browniz. Tentu tidak efektif dan efesien !
Karena proses pembuatan browniz ini merupakan proses yang berulang maka kita dapat melakukan generalisasi bahwa proses ini tidah harus menunggu semua proses selesai baru dilakukan dari awal. Dengan kata lain, saat kue browniz sudah masuk oven, kita dapat melakukan proses pembuatan adonan kembali tanpa harus menunggu hingga semua proses dilaksanakan.
Dengan demikian 60 menit >= 3 Box atau 1 jam >= 3 Box
Sehingga untuk menghasilkan 100 box browniz dengan 1 unit oven diperlukan waktu 33 jam atau 1,3 hari. Pertanyaan selanjutnya bagaimana jika kita sediakan 2 buah oven, maka jawabnya kita hanya memerlukan waktu 16,5 jam untuk menghasilkan 100 box Browniz.
Bagaimana bentuk persamaan matematikanya ? Bagaimana nilai ekonomis dan break even pointnya ? Bagaimana suhu oven yang paling baik ? Bahan (kimia/alami) pengembang adonan yang paling baik dan efektif ?
Algorithm Design : 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. Misalnya langkah dan tahapan membuat kue browniz yang paling efektif dan efesien sesuai dengan pola dan abstraksi sebelumnya hingga tahap packing, diurutkan secara lengkap, terukur dan kreatif.
Tidak ada komentar:
Posting Komentar