Computational Thinking = Computer Science ++

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:

1. Mampu memberikan pemecahan masalah menggunakan komputer atau perangkat lain.
2. Mampu mengorganisasi dan menganalisa data.
3. Mampu melakukan representasi data melalui abstraksi dengan suatu model atau simulasi.
4. Mampu melakukan otomatisasi solusi melalui cara berpikir algoritma.
5. Mampu melakukan identifikasi, analisa dan implementasi solusi dengan berbagai kombinasi langkah / cara dan sumber daya yang efisien dan efektif.
6. 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]

1. Apakah organisme itu memiliki kaki ?
2. Apakah organisme itu memiliki sayap ?
3. 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 ?