klik Fathur Rachim
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 !
Tidak ada komentar:
Posting Komentar