Computational Thinking (CT) atau Berpikir Komputasional adalah cara berpikir yang sistematis untuk menyelesaikan suatu masalah dengan langkah-langkah yang logis, terstruktur, dan dapat diulang. Meskipun istilah ini berasal dari ilmu komputer, CT bukan hanya digunakan oleh programmer. Seorang ilmuwan, guru, maupun siswa dapat menerapkan CT ketika menghadapi suatu permasalahan.

Dalam pembelajaran Fisika, CT membantu peserta didik memahami bahwa setiap persoalan dapat diuraikan menjadi beberapa langkah yang jelas sehingga lebih mudah dianalisis dan diselesaikan.

Sebagai contoh, untuk menghitung energi kinetik sebuah benda, kita tidak langsung menuliskan rumus. Kita terlebih dahulu mengidentifikasi data yang diperlukan (massa dan kecepatan), kemudian memilih rumus yang sesuai, melakukan perhitungan, dan menginterpretasikan hasilnya. Proses berpikir seperti inilah yang merupakan inti dari Computational Thinking.

Computational Thinking Penting dalam Pembelajaran Fisika

Fisika merupakan ilmu yang mempelajari gejala alam melalui pengamatan, pengukuran, analisis, dan pemodelan. Hampir setiap persoalan Fisika memerlukan proses berpikir yang runtut dan logis.

Dengan Computational Thinking, peserta dapat:

1. Menyelesaikan persoalan Fisika secara sistematis.
2. Menyederhanakan masalah yang kompleks menjadi bagian-bagian kecil.
3. Menemukan pola dari berbagai fenomena Fisika.
4. Membuat model atau simulasi menggunakan komputer.
5. Menyiapkan langkah-langkah sebelum menulis program Python.

Oleh karena itu, Computational Thinking menjadi jembatan antara konsep Fisika dan pemrograman.

A. Empat Komponen Utama Computational Thinking

I. Dekomposisi (Decomposition)

Dekomposisi adalah proses memecah suatu masalah besar menjadi beberapa bagian yang lebih kecil sehingga lebih mudah diselesaikan.

Contoh

Masalah:

Menghitung energi kinetik sebuah mobil.

Masalah tersebut dapat dipecah menjadi beberapa langkah:

1. Menentukan massa mobil.
2. Menentukan kecepatan mobil.
3. Menggunakan rumus energi kinetik.
4. Menghitung hasil.
5. Menampilkan hasil perhitungan.

Dengan memecah masalah menjadi beberapa langkah, penyelesaiannya menjadi lebih mudah dipahami.

II. Pengenalan Pola (Pattern Recognition)

Setelah masalah dipecah menjadi beberapa bagian, langkah berikutnya adalah mencari pola yang sama.

Contoh

Perhatikan rumus berikut.

Energi Kinetik

\[E_k=\frac12 mv^2\]

Energi Potensial

\[E_p=mgh\]

Momentum

\[p=mv\]

Ketiga rumus tersebut memiliki pola yang sama, yaitu:

membutuhkan beberapa data masukan;
melakukan proses perhitungan menggunakan rumus;
menghasilkan sebuah nilai keluaran.

Pola ini menunjukkan bahwa banyak persoalan Fisika dapat diselesaikan dengan langkah yang serupa menggunakan program komputer.

III. Abstraksi (Abstraction)

Abstraksi adalah proses memilih informasi yang penting dan mengabaikan informasi yang tidak diperlukan.

Contoh

Sebuah mobil berwarna merah memiliki massa 1.200 kg dan bergerak dengan kecepatan 20 m/s.

Jika tujuan kita adalah menghitung energi kinetik, maka informasi yang diperlukan hanya:

massa = 1.200 kg;
kecepatan = 20 m/s.

Warna mobil tidak memengaruhi hasil perhitungan, sehingga informasi tersebut dapat diabaikan.

Abstraksi membantu kita fokus pada data yang benar-benar diperlukan.

IV. Perancangan Algoritma (Algorithm Design)

Algoritma adalah urutan langkah yang jelas dan logis untuk menyelesaikan suatu masalah.

Contoh

Menghitung energi kinetik:

1. Mulai.
2. Masukkan massa benda.
3. Masukkan kecepatan benda.
4. Hitung energi kinetik menggunakan rumus.
5. Tampilkan hasil.
6. Selesai.

Algoritma inilah yang nantinya akan diterjemahkan menjadi program Python.

B. Computational Thinking dalam Penyelesaian Masalah Fisika

Sebagai contoh, kita akan menyelesaikan persoalan berikut.

Sebuah benda bermassa 2 kg bergerak dengan kecepatan 5 m/s. Tentukan energi kinetiknya.

Langkah 1. Dekomposisi

1. Diketahui massa.
2. Diketahui kecepatan.
3. Gunakan rumus energi kinetik.
4. Hitung hasil.

Langkah 2. Pengenalan Pola

Persoalan memiliki pola:

Input → Proses → Output.

Langkah 3. Abstraksi

Data penting:

1. massa = 2 kg;
2. kecepatan = 5 m/s.
3. Langkah 4. Algoritma
4. Masukkan massa.
5. Masukkan kecepatan.
6. Hitung energi kinetik.
7. Tampilkan hasil.

Dengan mengikuti empat langkah tersebut, persoalan menjadi lebih mudah diselesaikan dan siap diimplementasikan dalam Python.

C. Flowchart Sederhana

Selain algoritma, langkah penyelesaian dapat divisualisasikan menggunakan flowchart.

Contoh alur:

Mulai → Masukkan massa → Masukkan kecepatan → Hitung energi kinetik → Tampilkan hasil → Selesai.

Flowchart membantu peserta memahami urutan proses sebelum menulis kode program.

D. Hubungan Computational Thinking dengan Python

Computational Thinking tidak mengajarkan cara menulis kode, tetapi mengajarkan cara berpikir sebelum menulis kode.

Urutan belajar dalam pelatihan ini adalah:

1. Memahami masalah.
2. Menyusun langkah penyelesaian.
3. Membuat algoritma.
4. Menulis program Python.
5. Menguji hasil program.

Dengan demikian, Python menjadi alat untuk mewujudkan solusi yang telah dirancang melalui Computational Thinking.