Apa itu Computational Thinking?
Mengutip dari The University of York, computational thinking adalah metode pemecahan masalah yang mereplikasi proses seorang programmer dalam membuat program dan algoritma komputer. Teknik ini menguraikan masalah dan situasi yang rumit menjadi bagian-bagian yang lebih kecil dan mudah dilakukan.
Dengan menerapkan teknik computational thinking, seseorang dapat mengembangkan solusi yang jelas dan dapat dipahami baik oleh manusia maupun komputer. Computational thinking berguna untuk memecahkan masalah di berbagai bidang, termasuk sains, teknik, bisnis, dan lainnya.
4 Langkah Computational Thinking
Terdapat 4 langkah utama dalam computational thinking, yaitu:
#1 Decomposition
Menguraikan masalah besar menjadi bagian-bagian yang lebih kecil dan mudah dikelola.
#2 Pattern Recognition
Melakukan identifikasi pola, baik persamaan dan perbedaan, yang berkaitan dengan masalah tersebut.
#3 Abstraction
Menetapkan fokus pada aspek yang paling penting dari suatu masalah dan mengabaikan detail yang tidak perlu.
#4 Algorithm
Membuat rencana step-by-step atau serangkaian instruksi untuk memecahkan masalah tersebut.
Penerapan Computational Thinking
Berdasarkan computationalthinking.org, computational thinking bisa diterapkan pada seluruh sektor. Berikut ini adalah penerapan computational thinking dalam beberapa bidang:
- Bisnis: seorang pebisnis dapat menggunakan computational thinking untuk menganalisis data, mengidentifikasi pola, dan membuat keputusan berdasarkan data, misalnya untuk menganalisis perilaku pelanggan, mengoptimalkan rantai pasokan, dan meningkatkan strategi pemasaran.
- Sains: seorang ilmuwan dapat menggunakan computational thinking untuk menganalisis kumpulan data yang kompleks serta mengembangkan teori baru. Sebagai contoh, teknik ini dibutuhkan untuk mempelajari sistem biologis yang kompleks dan mengembangkan pengobatan baru untuk penyembuhan penyakit.
- Teknik: seorang insinyur dapat menggunakan computational thinking untuk merancang dan mengoptimalkan suatu sistem dan proses. Contohnya, seorang insinyur aerospace dapat menggunakan teknik ini untuk mensimulasi dan mengoptimalkan kinerja pesawat terbang.
- Data science: computational thinking berguna untuk machine learning yang merupakan bagian dari data science. Machine learning mengembangkan algoritma berdasarkan data, dan computational thinking bisa mengoptimasi proses pengembangan algoritma tersebut.
Contoh Computational Thinking
Berikut ini adalah contoh computational thinking dalam pembuatan app dan prediksi cuaca:
- Pembuatan App
Seseorang programmer diminta untuk membuat app yang dapat melakukan tracking kalori per hari. Maka, yang dapat dia lakukan adalah:
- Decomposition
Dalam tahapan ini, dia menguraikan masalah pembuatan app pelacakan kalori menjadi bagian yang lebih kecil dan mudah dilakukan. Masalah tersebut meliputi perancangan user interface, pengembangkan backend database untuk menyimpan data pengguna, dan pemrograman aplikasi untuk menghitung dan menampilkan asupan kalori harian.
- Pattern recognition
Di tahap ini, dia mengidentifikasi dan menggunakan pola desain app lain yang umum digunakan. Misalnya, dia dapat mengadaptasi dan memodifikasi pola desain app yang kompetitor gunakan.
- Abstraction
Pada langkah ini, dia menyederhanakan masalah dengan mengabaikan hal yang tidak perlu. Misalnya, dia dapat menyederhanakan kerumitan pembuatan app dengan memanfaatkan sistem manajemen database yang sudah ada dan tidak membuatnya sendiri.
- Algorithm
Dia kemudian mencari tahu bagaimana menyelesaikan pembuatan app calorie tracker tersebut. Misalnya, dia dapat membuat seperangkat aturan yang memungkinkan aplikasi menghitung berapa banyak kalori dalam makanan yang berbeda, atau berapa banyak kalori yang harus dikonsumsi setiap hari.
- Prediksi Cuaca
Seorang ahli meteorologi diminta untuk melakukan prediksi cuaca, dan yang bisa dia lakukan adalah:
- Decomposition
Pada tahap ini, dia memecah masalah menjadi bagian-bagian yang lebih kecil, termasuk mengumpulkan informasi relevan seperti suhu, kelembapan, dan kecepatan angin.
- Pattern recognition
Dia mencari pola dan tren umum yang terdapat pada data cuaca yang telah dikumpulkan. Misalnya, dia dapat memperhatikan kondisi cuaca tertentu yang sering menyebabkan hujan atau angin.
- Abstraction
Pada langkah ini, dia menyederhanakan masalah dengan berfokus pada faktor terpenting yang mempengaruhi cuaca dan mengabaikan faktor yang berdampak kecil seperti warna langit.
- Algorithm
Dia kemudian mengembangkan sekumpulan algoritma atau aturan yang menggunakan data dan pola cuaca yang telah diidentifikasi untuk memprediksi cuaca. Sebagai contoh, dia dapat memprediksi apakah besok akan turun hujan berdasarkan suhu, kelembapan, dan kecepatan angin berdasarkan data saat ini dengan algoritma tersebut.
Penutup
Computational thinking merupakan metode pemecahan masalah yang bermanfaat di semua bidang. Teknik ini dapat membantu mengembangkan solusi yang lebih efektif dan efisien untuk berbagai masalah dengan memecah masalah kompleks menjadi bagian yang lebih sederhana, mengidentifikasi pattern, dan mengembangkan algoritma terstruktur.
Dengan computational thinking, seseorang dapat mengasah kemampuan problem-solving dan kepercayaan diri untuk menghadapi tantangan di berbagai sektor.
FAQ (Frequently Asked Question)
Apa fungsi computational thinking untuk seorang programmer?
Computational thinking memfasilitasi programmer untuk melakukan langkah terstruktur dan logis dalam pemecahan masalah. Seorang programmer dapat mengembangkan solusi yang lebih efektif dan efisien dengan memecah masalah kompleks menjadi bagian-bagian yang lebih kecil dan lebih mudah dilakukan.
Langkah terstruktur dan logis untuk pemecahan masalah ini dapat membantu programmer mengembangkan solusi yang dapat diterapkan pada berbagai kasus pemrograman yang berbeda-beda.
Sebagai contoh, ketika ditugaskan untuk mengembangkan program untuk mengurutkan data dalam jumlah besar, seorang programmer dapat memecah masalah menjadi bagian-bagian yang lebih kecil. Cara yang bisa dilakukan seperti menentukan ukuran kumpulan data dan memilih algoritma pengurutan yang sesuai berdasarkan tipe data untuk kemudian diberikan solusinya.
