Computational Thinking Bisa Dilatih Saat Anak Tidak Sedang Coding

Sabtu pagi, sebuah keluarga hendak keluar rumah. Tujuannya tiga: mengambil paket, membeli bahan masak, lalu mengantar buku ke rumah nenek. Hujan kelihatan mau turun. Jalan menuju minimarket sedang ditutup sebagian karena ada pekerjaan saluran.

Ayah membuka aplikasi peta.

Anaknya yang duduk di belakang bertanya, “Kita ke nenek dulu aja enggak?”

“Kenapa?”

“Kalau ke paket dulu, kita muter. Terus belanjaannya nanti dibawa lama.”

“Kamu punya urutan lain?”

“Belanja terakhir. Paket dulu kalau loketnya cepat tutup. Nenek habis itu.”

Percakapan ini ilustratif. Tidak ada laptop pemrograman, tidak ada blok kode, tidak ada bahasa Python. Tetapi anak sedang melakukan sesuatu yang dekat dengan computational thinking atau berpikir komputasional: memecah masalah, memperhatikan batasan, memilih informasi yang relevan, menyusun urutan, lalu menilai apakah solusi itu masuk akal.

Ini penting karena computational thinking sering keliru dipahami sebagai “cara berpikir anak yang sedang coding”. Padahal coding adalah salah satu tempat keterampilan itu digunakan, bukan satu-satunya tempat keterampilan itu bisa tumbuh.

Dalam pembelajaran Koding dan Kecerdasan Artifisial di Indonesia, berpikir komputasional justru ditempatkan sebagai salah satu keterampilan esensial. Di tingkat dasar, pendekatannya dapat dilakukan melalui permainan, aktivitas unplugged, pemecahan masalah, dan media nondigital. Jadi anak tidak harus menunggu membuka aplikasi coding untuk belajar berpikir sistematis.

Kalau orang tua memahami ini, rumah berubah dari tempat “latihan coding tambahan” menjadi tempat yang kaya masalah kecil untuk dipikirkan. Bukan berarti semua pekerjaan rumah harus dijadikan tugas sekolah. Cukup sesekali mengajak anak memperhatikan cara ia menyelesaikan sesuatu.

Computational thinking bukan berpikir seperti robot

Istilahnya terdengar teknis, sehingga anak bisa membayangkan harus menjadi manusia yang kaku dan serba logis.

Padahal tujuan utamanya bukan membuat anak berpikir seperti komputer. Justru manusia yang menentukan masalah apa yang penting, informasi mana yang relevan, solusi mana yang layak dicoba, dan kapan sebuah aturan perlu diubah.

Secara sederhana, beberapa kebiasaan yang sering dikaitkan dengan computational thinking antara lain:

memecah masalah besar menjadi bagian lebih kecil,

mengenali pola,

memilih detail yang relevan dan mengabaikan yang tidak perlu untuk tujuan tertentu,

menyusun langkah atau aturan,

menguji solusi,

dan memperbaiki ketika hasilnya tidak sesuai harapan.

Nama konsepnya tidak harus langsung diberikan kepada anak. Pengalamannya lebih penting dulu.

Misalnya, seorang anak sedang membereskan meja yang penuh alat tulis, kertas gambar, charger, mainan kecil, dan buku.

Orang tua tidak perlu berkata, “Sekarang kita latihan decomposition.”

Cukup bertanya, “Kalau dibereskan sekaligus bikin pusing, mau dibagi jadi bagian apa dulu?”

Anak mungkin menjawab, “Buku dulu. Terus alat tulis. Baru barang yang enggak jelas punya tempat.”

Ia sudah memecah pekerjaan.

Besok ketika menghadapi proyek sekolah yang lebih besar, pola pikir yang sama bisa muncul: riset dulu, bahan gambar setelah itu, presentasi belakangan.

Dapur juga punya algoritma, tapi jangan semua resep disebut coding

Sore hari, anak membantu membuat roti panggang.

“Keju dulu atau dipanggang dulu?”

“Tergantung mau kejunya meleleh atau enggak,” jawab kakaknya.

“Kalau gosong?”

“Berarti waktunya kebanyakan.”

Di sini ada urutan, kondisi, dan evaluasi hasil. Kita boleh memakai pengalaman itu untuk menjelaskan algoritma atau prosedur, tetapi tidak perlu mengatakan memasak adalah coding. Analogi bekerja kalau batasnya jelas.

Coding melibatkan instruksi dalam sistem komputasi dengan aturan dan bahasa tertentu. Memasak bukan pemrograman komputer. Namun menyusun langkah memasak dapat membantu anak merasakan bahwa urutan instruksi memengaruhi hasil.

Perbedaan kecil ini membuat penjelasan lebih jujur.

Tujuan latihan sehari-hari bukan menempelkan label teknologi pada semua aktivitas, melainkan membuat anak sadar bahwa ia sebenarnya sudah punya banyak kebiasaan berpikir yang nanti berguna ketika belajar koding dan AI.

Permainan “instruksikan aku” untuk menemukan asumsi

Salah satu aktivitas rumah yang murah dan cukup lucu adalah meminta anak memberi instruksi kepada orang tua seolah orang tua adalah robot yang sangat literal.

“Buatkan aku segelas air.”

“Ambil gelas.”

“Gelas yang mana?”

“Yang di rak.”

“Rak yang mana?”

“Ya ampun, Ayah tahu maksudku!”

“Nah, robot belum tentu.”

Lalu permainan diteruskan sampai anak membuat instruksi yang cukup jelas.

Yang sedang dipelajari bukan sekadar urutan. Anak menemukan asumsi tersembunyi. Manusia sering mengisi bagian yang hilang karena punya pengalaman dan konteks. Sistem komputasi membutuhkan representasi yang lebih eksplisit sesuai desainnya.

Ketika nanti anak menyusun program dan hasilnya tidak sesuai harapan, ia lebih siap bertanya, “Instruksiku yang kurang jelas di mana?” daripada langsung menyimpulkan komputer rusak.

Mencari pola dari hal yang dekat

Pola tidak harus berupa deretan angka rumit.

Anak bisa memperhatikan:

hari apa lalu lintas menuju sekolah biasanya lebih padat,

jenis buku apa yang paling sering ia pilih,

berapa kali tanaman perlu disiram dalam kondisi tertentu,

barang apa yang selalu lupa dimasukkan ke tas olahraga,

atau kesalahan apa yang berulang ketika mengerjakan soal.

Kemudian orang tua bisa bertanya, “Kamu melihat pola apa?”

Ini bukan ajakan membuat klaim besar dari data kecil. Justru di sinilah kesempatan mengajarkan kehati-hatian.

Misalnya anak berkata, “Setiap Jumat pasti macet.”

Orang tua dapat bertanya, “Setiap Jumat beneran, atau tiga Jumat terakhir?”

Anak mulai belajar membedakan pola yang terlihat dan bukti yang cukup.

Kebiasaan ini nanti berguna ketika ia berhadapan dengan AI yang membuat prediksi dari pola data. Anak sudah punya intuisi bahwa pola tidak selalu berarti kepastian.

Memilih informasi juga bagian dari berpikir

Bayangkan anak diminta menentukan tas mana yang akan dibawa untuk menginap satu malam di rumah sepupu.

Ia punya informasi sangat banyak: warna tas, merek, jumlah kantong, cuaca, apakah membawa laptop, lama menginap, ukuran pakaian, jarak perjalanan, dan sebagainya.

Semua informasi itu tidak sama pentingnya.

“Yang mana yang perlu kita pikirkan?” tanya orang tua.

“Lama nginep.”

“Terus?”

“Bawa barang banyak atau enggak.”

“Warna tas?”

“Enggak penting buat muatannya.”

Ia sedang melakukan bentuk abstraksi sederhana: fokus pada detail yang relevan terhadap masalah yang ingin diselesaikan.

Kemampuan ini sangat berguna di sekolah. Ketika soal cerita panjang, anak perlu memilah informasi. Ketika membuat proyek, ia perlu menentukan fitur mana yang penting. Ketika memakai AI, ia perlu tahu konteks apa yang relevan untuk diberikan dan data pribadi apa yang justru tidak perlu dibagikan.

Debugging bukan cuma mencari bug di program

Ada pagi ketika anak sudah hampir berangkat tetapi botol minumnya tertinggal lagi.

Alih-alih hanya berkata, “Kok lupa terus?”, keluarga bisa sesekali mengubahnya menjadi investigasi kecil.

“Biasanya botol ditaruh di mana malam sebelumnya?”

“Dapur.”

“Pagi kamu ambil tas dari mana?”

“Kamar.”

“Berarti botol enggak lewat jalur yang sama.”

“Kalau malam ditaruh dekat tas?”

“Coba.”

Mereka mengubah sistem, lalu melihat apakah hasilnya membaik.

Itu bukan debugging dalam arti teknis perangkat lunak, tetapi mentalitasnya mirip: jangan hanya menyalahkan hasil; telusuri proses, cari titik kegagalan, ubah satu bagian, lalu uji lagi.

Untuk anak, pengalaman seperti ini juga mengurangi rasa takut salah. Kesalahan dapat menjadi petunjuk.

“Gagal” berubah menjadi “bagian mana yang belum bekerja?”

Ini salah satu hadiah terbesar dari computational thinking.

Anak tidak harus selalu menemukan jawaban tercepat

Ada sisi lain yang perlu dijaga. Karena computational thinking sering dikaitkan dengan efisiensi, orang dewasa bisa tergoda membuat anak selalu mencari solusi tercepat.

Padahal hidup tidak selalu soal optimasi.

Rute tercepat belum tentu rute yang paling nyaman untuk nenek.

Cara paling singkat menyelesaikan tugas belum tentu cara terbaik untuk belajar.

Sistem pembagian pekerjaan paling efisien belum tentu terasa adil bagi semua anggota keluarga.

Di sini manusia tetap memimpin.

Computational thinking membantu menyusun dan menganalisis masalah. Nilai, empati, tujuan, dan konteks membantu menentukan solusi mana yang layak dipilih.

Itulah mengapa pembelajaran koding dan AI tidak cukup jika hanya mengejar kemampuan teknis. Anak juga perlu belajar bertanya: “Solusi ini bagus untuk siapa?” dan “Apa konsekuensinya?”

Bisa dilatih tanpa menjadikan rumah laboratorium

Orang tua tidak perlu membuat jadwal “computational thinking pukul 19.00”. Yang lebih natural adalah menangkap momen ketika anak memang sedang memecahkan masalah.

Saat menyusun jadwal belajar, tanyakan apa yang harus dilakukan dulu.

Saat main board game, ajak anak menjelaskan strateginya.

Saat perjalanan berubah karena hujan, minta ia memikirkan alternatif.

Saat proyek prakarya berantakan, telusuri langkah mana yang perlu diperbaiki.

Saat lemari terlalu penuh, minta ia membuat kategori barang.

Saat ingin membeli sesuatu, bandingkan kriteria yang benar-benar penting.

Tidak setiap momen harus diberi komentar pedagogis. Pilih sesekali. Kalau semua keputusan rumah berubah menjadi soal analisis, anak bisa capek duluan.

Yang dicari adalah kebiasaan bertanya, bukan atmosfer ujian.

Kebiasaan ini juga bisa membantu ketika anak akhirnya bertemu pelajaran formal. Istilah decomposition, pattern recognition, abstraction, algorithm, atau debugging tidak lagi terasa datang dari planet lain. Anak mungkin belum hafal definisinya, tetapi ia pernah mengalami versi sederhananya. Guru tinggal membantu memberi nama, memperjelas batas konsep, dan menghubungkannya dengan masalah komputasi.

Itu sebabnya keluarga tidak perlu mengejar istilah sebelum pengalaman. Kalau anak bisa menjelaskan, “Aku pecah tugasnya supaya enggak bingung,” ia sudah menunjukkan sesuatu yang berguna meski belum menyebut decomposition. Kalau ia berkata, “Cara tadi enggak berhasil, jadi aku cek langkahnya satu-satu,” ia sudah memakai pola pikir evaluatif yang nanti relevan saat debugging. Bahasa teknis bisa datang setelah makna terbentuk.

Sore setelah perjalanan tadi, keluarga akhirnya sampai di rumah. Paket sudah diambil, buku sudah diantar, bahan masak masih dingin karena dibeli terakhir.

Ayah berkata, “Ternyata urutanmu tadi lumayan.”

Anaknya menjawab, “Ya kan. Tapi kalau hujannya turun dari awal, beda lagi.”

“Nah, berarti solusinya tergantung kondisi?”

“Iya.”

Di situlah computational thinking hidup: bukan pada layar, tetapi pada kemampuan melihat masalah sebagai sesuatu yang bisa dipecah, dicoba, dinilai, dan diubah ketika kondisi berubah.

Ketika anak nanti membuka aplikasi coding, keterampilan itu tidak muncul dari nol. Ia membawa kebiasaan yang sudah dilatih dari perjalanan, permainan, dapur, tas sekolah, dan banyak keputusan kecil yang selama ini tidak pernah disebut “teknologi”.

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top