tirto.id - Berpikir komputasional atau computational thinking adalah metode untuk memecahkan masalah lewat penerapan ilmu informatika.
Oleh karena itu, cara berpikir ini kerap dianggap sebagai cara para ilmuwan informatika berpikir.
Pada dasarnya, berpikir komputasional merupakan formula untuk menyelesaikan masalah sehingga ditemukan jawaban atau solusi yang efektif. Menambahkan informasi tersebut, penyelesaian ini dimaksud agar solusinya bisa diakses manusia dan juga mesin.
Untuk mempermudah penjelasan, pelibatan contoh dari berpikir komputasional diperlukan. Sebut saja ada sebuah ladang yang sedang digarap oleh manusia. Satu orang tentu tidak cukup untuk menggarap lahan tersebut.
Lantas, pelibatan teknologi diperlukan demi membantu penggarap. Solusinya, harus ada teknologi yang membantu, misalnya terkait dengan penyiraman otomatis.
Hal yang biasa dilakukan oleh manusia ini akhirnya bisa dijalankan lewat aplikasi atau teknologi sejenisnya. Sedangkan pengaturnya, masih melibatkan manusia.
Dikutip dari laman Guru Berbagi Kemdikbud, berikut ini manfaat dari berpikir komputasional:
- Meringankan manusia untuk memecahkan masalah yang terbilang besar melalui cara yang lebih efektif.
- Digunakan sebagai ajang latihan otak agar bisa mengakses informasi kreatif, matematis, logis, dan terstruktur.
- Mempermudah pengamatan masalah dan menemukan solusi.
4 Tahapan Berpikir Komputasional
Tahapan-tahapan berpikir komputasional terdiri dari empat langkah. Dimulai dari dekomposisi, kemudian dilanjut pengenalan pola, abstraksi, dan algoritma. Berikut keterangan mengenai keempatnya:
1. Dekomposisi (Decomposition)
Pada langkah ini, hal yang perlu dilakukan adalah membagi masalah menjadi bagian-bagian kecil yang lebih mudah untuk diatur.
Dengan membagi masalah besar ke bagian-bagian kecil yang lebih spesifik, pengelolaannya pun dapat lebih mudah dilakukan.
Sedangkan caranya, pertama-tama harus melakukan identifikasi masalah.
Kemudian, lakukan pemisahan komponen penyusunnya. Lalu, buat rencana untuk penyelesaian. Terakhir, kerjakan bagian-bagian kecil tersebut sesuai solusi yang didapat.
2. Pengenalan Pola (Pattern Recognition)
Pada tahap kedua, ada pengenalan pola yang dilakukan demi mencari persamaan atau perbedaan yang dihasilkan setiap pola jika diaplikasikan ke data.
Hal ini dapat menciptakan prediksi, aturan khusus, dan bisa berpotensi digunakan untuk menyelesaikan masalah sejenis.
Caranya, hanya perlu melakukan pengamatan langsung. Berpikir apakah langkah itu polanya sudah sesuai atau belum. Terakhir, merasakan pola tersebut jika diaplikasikan ke masalah lain.
3. Abstraksi (Abstraction)
Setelah itu, tahapan berikutnya berupa abstraksi lebih fokus ke hal yang berkaitan dengan masalah.
Dengan begitu, segala sesuatu di luar masalah akan dihilangkan dan tidak dibahas. Caranya, pertama-tama harus mengumpulkan masalah yang sudah teridentifikasi di dekomposisi.
Selanjutnya, mengatur kebutuhan yang perlu dilakukan untuk masalah tersebut. Lalu, menganalisis seberapa berpotensinya masalah bagian kecil ini terhadap masalah besarnya.
Terakhir, lakukan seleksi kebutuhan dengan membuang beberapa masalah yang dirasa tak penting.
4. Algoritma (Algorithm)
Tahap terakhir ini menuntut seseorang untuk menulis solusi dengan pola yang berurutan, tepatnya langkah demi langkah (Mushthofa dkk., Informatika, 2017, hlm. 25).
Untuk mempraktekannya, dimulai dari penemuan definisi masalah, pengembangan model, spesifikasi, merancang algoritmanya, memeriksa kebenaran, dan analisis.
Setelah itu, lakukan langkah selanjutnya dengan implementasi algoritma dan menguji program.
Terakhir, sebagai output atau pengeluarannya, disiapkan pengadaan dokumentasi terhadap masalah yang sudah diselesaikan.
Penulis: Yuda Prinada
Editor: Dhita Koesno
