Professional Documents
Culture Documents
net/publication/361940297
CITATIONS READS
0 1,006
3 authors:
Wiryanto Wiryanto
Universitas Negeri Surabaya
42 PUBLICATIONS 137 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Students’ metacognitive activities in solving the combinatorics problem: the experience of students with holist-serialist cognitive style View project
All content following this page was uploaded by Ajeng Rara Veronica on 12 July 2022.
Ajeng Rara Veronica 1, Tatag Yuli Eko Siswono 2, dan Wiryanto 3
1,3
Program Studi Pendidikan Dasar, Universitas Negeri Surabaya
2
Program Studi Pendidikan Matematika, Universitas Negeri Surabaya
This study explores the relationship between computational thinking and Polya's problem-solving in
Sejarah Artikel: mathematics learning. This research is a library research study. The research stages consist of
Diterima 4 Juni 2022 collecting data through books, national journals, and international journals, reducing data, presenting
Direvisi 25 Juni 2022 data, and making conclusions. This study is important to do because computational thinking and
Disetujui 2 Juli 2022 problem-solving are skills that are very crucial and needed in the era of society 5.0. Both abilities are
________________ very important to be developed in learning mathematics, especially in elementary school. Even so, there
Keywords: is little attention to developing computational thinking skills in mathematics learning. Computational
Computational thinking and Polya's problem-solving are two interrelated things. In computational thinking, problem
understanding occurs in abstraction, decomposition, algorithmic thinking, evaluation, and
Thinking; Problem
generalization. The problem-solving planning process occurs in abstraction and decomposition. The
Solving; Mathematics implementation of the solution plan occurs in algorithmic thinking and evaluation. Meanwhile, a re-
Learning. examination occurs in the evaluation and generalization aspects.
________________
Paper type:
Literature review Abstrak
________________ Penelitian ini dilakukan dengan tujuan untuk mengeksplor hubungan antara berpikir komputasi dan
pemecahan masalah Polya pada pembelajaran matematika. Penelitian ini merupakan penelitian yang
berjenis studi pustaka. Adapun tahapan penelitian terdiri dari pengumpulan data melalui buku, jurnal
nasional dan internasional, pereduksian data, penyajian data dan pembuatan kesimpulan. Penelitian ini
penting untuk dilakukan karena berpikir komputasi dan pemecahan masalah merupakan kemampuan
yang sangat krusial dan dibutuhkan di era society 5.0. Kedua kemampuan tersebut sangat penting untuk
dikembangkan dalam pembelajaran matematika, khususnya di jenjang sekolah dasar. Meskipun begitu,
saat ini perhatian dalam pengembangan kemampuan berpikir komputasi pada pembelajaran matematika
masih terbilang sangat kurang. Berpikir komputasi dan pemecahan masalah Polya merupakan dua hal
yang saling berkaitan. Pada berpikir komputasi, pemahaman masalah dilakukan pada aspek abstraksi,
dekomposisi, berpikir algoritmik, evaluasi dan generalisasi. Perencanaan pemecahan masalah dilakukan
pada aspek abstraksi dan dekomposisi. Pelaksanaan rencana pemecahan dilakukan pada aspek berpikir
algoritmik dan evaluasi. Sementara itu, pemeriksaan kembali dilakukan pada aspek evaluasi dan
generalisasi.
Alamat korespondensi: p-ISSN 2615-4196
Program Studi Pendidikan Matematika
e-ISSN 2615-4072
Fakultas Keguruan dan Ilmu Pendidikan Universitas Muria Kudus
Kampus UMK Gondangmanis, Bae Kudus Gd. L. lt I PO. BOX 53 Kudus
Tlp (0291) 438229 ex.147 Fax. (0291) 437198
E-mail: ajeng.20010@mhs.unesa.ac.id
115
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
116
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
117
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
dan penemuan solusi yang paling efektif dan matematika dan sains (Rich et al., 2020; Yadav
efisien melalui abstraksi, dekomposisi, berpikir et al., 2016). Pengintegrasian dapat dilakukan
algoritmik dan generalisasi. melalui penggunaan abstraksi, dekomposisi,
Pada kesempatan lain, Riley & Hunt pemikiran algoritmik, dan pemecahan
(2014) menyatakan bahwa berpikir komputasi permasalahan yang tidak hanya sebatas pada
merupakan cara berpikir dan bernalar para penggunaan komputer (Grover & Pea, 2013;
ilmuwan komputer. Meskipun begitu, berpikir Yadav et al., 2014). Melalui integrasi tersebut,
komputasi tidak selalu berkaitan dengan ilmu pemahaman guru dan siswa terkait berpikir
komputer, coding dan penggunaan TI, namun komputasi dapat dikembangkan dan ditingkatkan
juga dapat digunakan pada bidang lainnya (Yadav et al., 2014). Selain itu, potensi
(Bilbao et al., 2017; Corradini et al., 2017; Luo keterlibatan siswa dalam pemecahan
et al., 2020; Sengupta et al., 2013) melalui teknik permasalahan juga semakin besar (Gretter &
pemecahan masalah (Bundy, 2007). Hal tersebut Yadav, 2016).
sejalan dengan pernyataan Hemmendinger Berdasarkan uraian tersebut, terdapat
(2010) bahwa berpikir komputasi tidak hanya berbagai definisi tentang kemampuan berpikir
mengacu pada cara berpikir seperti ilmuwan komputasi. Meskipun begitu, pada hakikatnya
komputer saja, tetapi juga mengacu pada cara sebagaian besar sepakat bahwa kemampuan
berpikir seperti matematikawan, fisikawan, berpikir komputasi merupakan kemampuan yang
seniman, ekonom dan untuk memahami tidak terbatas pada ilmu komputer saja namun
bagaimana penggunaan kemampuan berpikir juga berkaitan dengan disiplin ilmu lain yang
komputasi untuk memecahkan permasalahan. dapat diterapkan melalui keterlibatan perumusan
Berdasarkan beberapa pandangan tersebut dapat masalah, pemecahan masalah dan penemuan
disimpulkan bahwa pemikiran komputasi tidak solusi yang dapat diukur berdasarkan
terbatas pada ilmu komputer saja namun juga ketercapaian indikator abstraksi, dekomposisi,
dapat diterapkan pada disiplin ilmu lainnya berpikir algoritmik, evaluasi dan generalisasi.
melalui pemecahan masalah. CSTA & ISTE (2011) mengusulkan
Kemampuan berpikir komputasi beberapa komponen berpikir komputasi yang
melibatkan keterampilan berpikir analitis seperti meliputi pengumpulan data, data analisis,
keterampilan berpikir matematis yang digunakan representasi data, dekomposisi masalah,
untuk menyelesaikan masalah, hanya saja abstraksi, algoritma dan prosedur, otomatisasi,
keterampilan berpikir matematis lebih simulasi, dan paralelisasi. Sementara itu, Barr &
menekankan struktur abstrak sedangkan Stephenson (2011) mengusulkan beberapa
keterampilan berpikir komputasi lebih komponen berpikir komputasi yang meliputi
menekankan metodologi abstrak (Wing, 2006). abstraksi, algoritma dan prosedur, otomatisasi,
Praktik berpikir komputasi dan kebiasaan dekomposisi masalah, paralelisasi dan simulasi.
berpikir matematis merupakan konstruksi yang Sementara itu, Pada kesempatan lain, Selby dan
saling mendukung dan keduanya mempunyai Woollard (2013) juga meninjau terkait definisi
bagian di kelas matematika modern (Pei et al., berpikir komputasi sebagai proses berpikir yang
2018). Maka dari itu, berpikir komputasi dapat menggambarkan lima komponen yang meliputi
disebut sebagai penghubung antara teknik dan abstraksi, pemikiran algoritma, dekomposisi,
sains (Csizmadia, et al., 2015; Selby & Woollard, evaluasi, dan generalisasi. Sementara itu,
2013) sehingga keterampilan berpikir komputasi Bocconi et al. (2016) dalam laporan terbarunya
sangat bermanfaat dalam matematika, sains, telah mendeskripsikan secara singkat tentang
teknik dan kehidupan sehari-hari (Bilbao et al., komponen kunci berpikir komputasi dalam
2017; Mannila et al., 2014; Weintrop et al., pendidikan yang terdiri dari abstraksi, pemikiran
2016). algoritmik, otomatisasi, debugging,
Keterampilan berpikir komputasi dekomposisi, dan generalisasi.
hendaknya diperkenalkan sejak dini melalui Berdasarkan beberapa komponen yang
pendidikan di sekolah, dimulai dari jenjang telah diusulkan, adapun komponen berpikir
sekolah dasar, menengah, dan seterusnya (Qualls komputasi yang cocok digunakan dalam
& Sherrell, 2010). Salah satu pendekatan untuk pemecahan masalah matematika di sekolah dasar
membawa kemampuan berpikir komputasi ke yaitu abstraksi, dekomposisi, pemikiran
dalam pendidikan yaitu dengan cara algoritmik, evaluasi dan generalisasi. Komponen
mengintegrasikan ide-ide berpikir komputasi ke debugging dan otomatisasi tidak digunakan
dalam mata pelajaran sekolah, khususnya karena lebih terkait dengan pemrograman.
118
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
Komponen pengelolaan data juga tidak Setelah suatu permasalahan disederhanakan dan
digunakan karena komponen tersebut belum diuraikan menjadi beberapa sub masalah,
diperkenalkan secara luas di pendidikan dasar kemudian setiap submasalah dipahami,
(Grillenberger dalam Li et al., 2021). Komponen dipecahkan, dikembangkan, dan dievaluasi
pemodelan dan sejenisnya juga tidak digunakan secara terpisah. Hal tersebut mempermudah
karena hampir sama dengan komponen abstraksi penyelesaian masalah kompleks, mempermudah
(NRC, 2010). Berikut ini penjelasan setiap pemahaman situasi, dan mempermudah
komponen berpikir komputasi yang dapat perancangan sistem (Corradini et al., 2017; Li et
digunakan dalam pembelajaran matematika di al., 2021). Selain itu, permasalahan baru juga
sekolah dasar. dapat diselesaikan lebih cepat karena didasarkan
Abstraksi (abstraction) sebagai salah satu pada pengalaman dan solusi permasalahan yang
komponen berpikir komputasi berkaitan dengan pernah diselesaikan sebelumnya. Pertanyaan
kemampuan dalam penyembunyian semacam kemiripan dan perbedaan suatu
kompleksitas (Wing, 2008). Adapun dalam permasalahan penting pada komponen ini.
penyembunyian kompleksitas tersebut tanpa Algoritma yang digunakan untuk menyelesaikan
menghilangkan detail yang penting, artinya permasalahan sebelumnya dapat diadaptasi
komponen ini merupakan komponen berpikir untuk menyelesaikan permasalahan baru yang
komputasi yang berfokus pada detail-detail yang selaras (Bocconi et al., 2016). Berdasarkan
penting saja dan mengabaikan detail yang tidak uraian tersebut dapat disimpulkan bahwa
penting/tidak relevan (Bocconi et al., Corradini dekomposisi merupakan kemampuan berpikir
et al., 2017; 2016; Wing, 2006). Hal tersebut komputasi dalam menguraikan atau memecah
sejalan dengan pernyataan Rich et al. (2019) masalah menjadi komponen-komponen/sub-sub
bahwa komponen abstraksi berkaitan dengan masalah sehingga masalah akan lebih mudah
analisis langkah awal dalam penyelesaian diselesaikan.
permasalahan, pengekspresian ide, dan Berpikir algoritmik (algorithms)
penghapusan detail yang tidak relevan. Pada merupakan komponen berpikir komputasi yang
komponen abstraksi, juga terjadi berkaitan dengan cara untuk menyelesaikan
penyederhanaan suatu masalah dari bentuk suatu permasalahan melalui pengembangan
konkret ke dalam bentuk umum saat langkah-langkah logis (Bocconi et al., 2016). Hal
pengembangan solusi (Barr & Stephenson, 2011) tersebut sejalan dengan pernyataan Corradini et
sehingga masalah akan lebih mudah dimengerti al. (2017) bahwa pemikiran algoritmik
dan diselesaikan. Bagian penting abstraksi digunakan untuk merancang algoritma,
adalah dalam pemilihan representasi yang tepat merencanakan dan mendefinisikan
(Li et al., 2021). Berdasarkan uraian tersebut metode/strategi yang paling efektif serta
dapat disimpulkan bahwa abstraksi merupakan menyelesaikan suatu permasalahan dengan
kemampuan berpikir komputasi dalam urutan langkah-langkah logis. Berpikir
menyederhanakan masalah menjadi mudah algoritmik perlu dimulai ketika suatu
dimengerti dan mengurangi kerumitan masalah permasalahan yang selaras harus diselesaikan
dengan cara fokus pada informasi penting dan berkali-kali. Apabila algoritma telah dipahami,
mengabaikan detail yang tidak perlu. Selain itu penyelesaian suatu permasalahan baru yang
abstraksi juga berkaitan dengan kemampuan selaras tidak perlu dipikirkan lagi setiap saat.
dalam mengubah masalah konkret menjadi Prosedur langkah demi langkah untuk
masalah umum (bentuk matematis). menyelesaikan suatu permasalahan tidak hanya
Dekomposisi (decomposition) merupakan ditemukan pada ilmu komputer saja, namun juga
bagian dari pengembangan perencanaan untuk ditemukan pada disiplin ilmu lain termasuk
menyelesaikan suatu permasalahan (Rich et al., matematika (Selby & Wollard, 2013).
2019). Dekomposisi digunakan ketika ditemukan Berdasarkan uraian tersebut dapat disimpulkan
suatu permasalahan yang dirasa terlalu kompleks bahwa berpikir algoritma merupakan komponen
untuk dipecahkan sekaligus (NRC, 2010; Selby berpikir komputasi yang berkaitan dengan
& Woollard, 2013), sehingga suatu masalah kemampuan dalam mengembangkan langkah-
perlu disederhanakan dan diuraikan menjadi langkah logis untuk menyelesaikan masalah.
beberapa sub masalah (Rijke et al., 2018). Maka Evaluasi (evaluation) merupakan
dari itu, komponen ini sering disebut sebagai cara komponen berpikir komputasi yang berkaitan
berpikir tentang komponen-komponen/sub-sub dengan kemampuan dalam menilai tepat
suatu permasalahan (Bocconi et al., 2016). tidaknya solusi yang digunakan baik dari segi
119
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
algoritma, sistem atau prosesnya (Li et al., 2021). yang mengarah pada penyelesaian masalah
Evaluasi diperlukan untuk mengetahui apakah (Lawson, dalam Syah, 1999). Selain itu,
proses yang digunakan untuk menemukan hasil penyelesaian masalah merupakan salah satu
merupakan proses yang paling efektif dan efisien tujuan eksplisit dalam kurikulum matematika di
atau tidak (L’Heureux et al., 2012). Berdasarkan berbagai negara. Berdasarkan pernyataan
uraian tersebut dapat disimpulkan bahwa tersebut maka belajar penyelesaian masalah
evaluasi merupakan komponen berpikir matematika penting untuk diterapkan dalam
komputasi yang berkaitan dengan kemampuan pembelajaran.
dalam menilai apakah solusi yang digunakan Pada matematika, masalah dapat
merupakan solusi terbaik. dikelompokkan menjadi beberapa jenis. Charles
Generalisasi (generalization) merupakan dan Lester (Effandi, 2007) mengelompokkan
komponen berpikir komputasi yang berkaitan masalah matematika menjadi dua jenis, yakni:
dengan kemampuan dalam menghubungkan (1) masalah rutin, yaitu jenis masalah yang
informasi baru dengan pengetahuan sebelumnya, prosedur pengerjaannya berbentuk latihan yang
mengidentifikasi dan menggunakan pola, serta sering dipelajari, dan (2) masalah tidak rutin,
menarik kesimpulan (Rich et al., 2019). Hal yaitu jenis masalah yang prosedur pengerjaannya
tersebut sejalan dengan pernyataan Corradini et tidak dapat diselesaikan dengan prosedur rutin
al. (2017) dan Li et al. (2021) bahwa generalisasi atau dengan kata lain membutuhkan
merupakan kemampuan untuk mengidentifikasi pengembangan strategi dalam pemecahannya,
dan menemukan kesamaan pola/aturan dalam biasanya soal jenis ini berbentuk soal teka teki.
permasalahan. Kemampuan dalam mengenali Pada kesempatan lain, Setyawan &
pola/aturan tersebut dapat digunakan dan Rahma (2013) menyatakan bahwa soal yang
diterapkan kembali pada masalah yang selaras di dianggap mudah bagi siswa tidak dapat disebut
masa mendatang (Selby & Wollard, 2013). sebagai masalah. Soal yang dianggap mudah
Berdasarkan uraian tersebut dapat disimpulkan tersebut biasanya termasuk dalam masalah rutin
bahwa generalisasi merupakan komponen atau sering dikerjakan. Soal jenis ini biasanya
berpikir komputasi yang berkaitan dengan berbentuk soal ingatan dan soal prosedural serta
kemampuan dalam mengidentifikasi pola dan tidak memberikan pengaruh besar terhadap
kesamaan serta mengadaptasi solusi sehingga keterampilan siswa dalam menyelesaikan
dapat diterapkan pada masalah yang selaras. masalah. Sementara itu, soal penerapan hanya
sekedar mendorong siswa mengubah masalah
Pemecahan Masalah Polya sehari-hari menjadi model matematis. Soal
Melihat banyaknya masalah yang terbuka dan soal situasi tepat guna untuk
membutuhkan penyelesaian, maka siswa perlu meningkatkan kemampuan dalam penyelesaian
diajarkan bagaimana cara dalam memecahkan masalah.
masalah. Pemecahan masalah merupakan suatu Menurut Polya (Liljedahl dkk., 2016),
proses atau cara dalam menanggapi dan terdapat empat langkah dalam penyelesaian
mengatasi permasalahan yang solusinya belum masalah. Langkah pertama yaitu memahami
tampak dengan jelas (Siswono, 2008). Sementara masalah. Tahap memahami masalah. Langkah
itu, Polya (Liljedahl et al., 2016) menyatakan pertama dalam pemecahan masalah yaitu
bahwa pemecahan masalah merupakan suatu memahami maslah. Informasi penting,
proses dalam menemukan cara-cara yang telah keterhubungan antar konsep, serta nilai-nilai
dipelajari sebelumnya dan digunakan untuk perlu diidentifikasi pada langkah ini. Sebagai
mengatasi permasalahan baru. Berdasarkan upaya mempermudah pemahaman masalah
pandangan tersebut dapat disimpulkan bahwa kompleks maka hal yang dapat dilakukan yaitu,
pemecahan masalah merupakan suatu proses (1) fokus terhadap informasi penting pada
atau cara untuk mengatasi permasalahan baru masalah, (2) merepresentasikan masalah
yang solusinya belum tampak jelas sehingga menggunakan bahasanya sendiri, (3) mencari
diperlukan pengetahuan sebelumnya untuk keterhubungan antar masalah, (4) fokus pada
mengatasinya. bagian yang penting dari masalah tersebut, (5)
Semua mata pelajaran di sekolah dapat merepresentasikan dalam model matematis, dan
digunakan sebagai media belajar penyelesaian (6) merepresentasikan dalam bentuk gambar,
masalah. Mata pelajaran eksak seperti bagan, atau diagram.
matematika dan sains sangat disarankan untuk Langkah kedua yaitu membuat rencana
menerapkan metode dan teknik pembelajaran pemecahan masalah. Pembuatan rencana
120
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
121
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
menguraikan masalah menjadi sub-sub masalah untuk menyelesaikan masalah matematika dan
dan menyelesaikan sub-sub masalah tersebut membuktikan kebenaran solusi tersebut dengan
(Bocconi et al., 2016). Pada berpikir komputasi alasan yang logis. Pada berpikir komputasi aspek
aspek berpikir algoritmik, siswa memahami suatu generalisasi, siswa memahami masalah dan
masalah dan melaksanakan rencana pemecahan memeriksa kembali dengan menggeneralisasikan
masalah yang telah dirancang dengan menuliskan masalah dengan membuat kesimpulan
langkah-langkah logis untuk menyelesaikan berdasarkan pola yang terdapat pada soal dan
masalah dan menemukan jawaban yang tepat mengadaptasi solusi terbaik ketika menemui
melalui langkah-langkah logis yang digunakan masalah yang selaras (Rich et al., 2019; Selby &
(Bocconi et al., 2016). Pada berpikir komputasi Wollard, 2013).
aspek evaluasi, siswa menemukan solusi terbaik
Dekomposisi
Merencanakan penyelesaian
masalah
Pemikiran
Algoritmik
Melaksanakan rencana
penyelesaian masalah
Evaluasi
122
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
Berikut ini disajikan contoh soal selama beberapa hari ke depan. Jika keluarga
pemecahan masalah matematika beserta Haru menghabiskan susu cair sebanyak ½ liter
penyelesaiannya sehingga dapat digunakan setiap harinya, tentukan (1) Sisa persediaan susu
sebagai alternatif untuk mengembangkan cair keluarga Haru setelah dikonsumsi selama
kemampuan berpikir komputasi siswa sekolah tiga hari; (2) Sisa persediaan susu cair keluarga
dasar. Haru setelah dikonsumsi selama satu minggu;
“Hari ini Haru ke toserba untuk membeli dan (3) Rumus untuk menemukan sisa persediaan
susu cair sebanyak 30 botol dengan masing- susu cair setelah dikonsumsi selama sepuluh
masing botol berukuran ¼ liter untuk persediaan hari!”
123
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
30 6
⇔ liter − 4 liter
4
24
⇔ 4 liter atau 6 liter
d. Langkah 4
SOAL b
Menghitung susu cair yang dihabiskan selama tujuh hari
1 7
7 × 2 liter ⇔ 2 liter
e. Langkah 5
Menghitung selisih persediaan susu cair dan susu cair yang dihabiskan
selama satu minggu
1 1
(30 × 4) liter − (7 × 2) liter
30 7
⇔ liter − 2 liter
4
30 14
⇔ liter − liter
4 4
16
⇔ liter atau 4 liter
4
Generalisasi Jadi sisa persediaan susu cair keluarga Haru setelah dikonsumsi selama tiga hari
1. Menentukan 24
adalah 4 liter atau 6 liter dan sisa persediaan susu cair keluarga Haru setelah
pola, 16
kesamaan/perbed dikonsumsi selama satu minggu adalah liter atau 4 liter.
4
aan masalah yang SOAL c
diberikan Untuk menghitung sisa persediaan susu cair keluarga Haru setelah dikonsumsi
2. Menemukan cara selama sepuluh hari menggunakan rumus :
1 1
cepat untuk (30 × 4) liter − (10 × 2) liter = ⋯
menyelesaikan
masalah
124
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
ICER ’17, Tacoma, WA, USA, August Decomposition n Different Age Groups.
18-20. Informatics in Education, 17 (1), 77-92
Csizmadia, A., Curzon, P., Dorling, M., Rohman, N., Toyib, M., & Sutarni, S. 2020.
Humphreys, S., Ng, T., Selby, C., et al. Kemampuan Pemecahan Masalah
2015. Computational Thinking - A Guide Matematika Model TIMSS Konten
for Teachers. Swindon: Computing at Bilangan pada Siswa dengan Kecerdasan
School 18pp. Logis-Matematis Rendah dan Sedang.
CSTA, & ISTE. 2011. Operational Definition of Konferensi Nasional Penelitian
Computational Thinking for K-12 Matematika dan Pembelajarannya
Education. (KNPMP) V (hal. 102-113). Surakarta:
of the Relation Between Computational Universitas Muhammadiyah Surakarta.
Thinking Skills and Various Variables Selby, C. C., & Woollard, J. 2013.
with the Structural Equation Model. Computational Thinking: The
Computers in Education, 116, 191–202. Developing Definition. 18th Annual
Effandi, Z. 2007. Trend Pengajaran dan Conference on Innovation and
Pembelajaran Matematika. Kuala Technology in Computer Science
Lumpur: PRIN-AD, SDN, BHD. Education. Canterbury.
Mufidah, I. 2018. Profil Berpikir Komputasi Sengupta, P., Kinebrew, J., Basu, S., Biswas, G.,
Dalam Menyelesaikan Bebras Task & Clark, D. 2013. Integrating
Ditinjau Dari Kecerdasan Logis Computational Thinking with K-12
Matematis Siswa. Skripsi Tidak Science Education Using Agent-Based
Diterbitkan. Surabaya: Universitas Islam Computation: A Theoretical Framework.
Negeri Sunan Ampel Surabaya. Education and Information Technologies,
OECD. 2019. “PISA 2018 Questionnaire 18(2): 351–380.
Framework” in PISA 2018 Assessment Setyawan, D., & Rahma, A. 2013. Eksplorasi
and Analytical Framework. OECD Proses Konstruksi Pengetahuan
Pei, C., Weintrop, D., & Wilensky, U. 2018. Matematika Berdasarkan Gaya
Cultivating Computational Thinking Berpikir. Jurnal Sainsmat, II, 140–152.
Practices and Mathematical Habits of Siswono, T. Y. 2008. Model Pembelajaran
Mind in Lattice Land. Mathematical Matematika Berbasis Pengajuan Dan
Thinking and Learning, 20 (1), 75-89. Pemecahan Masalah Untuk
Qualls, J. A., & Sherrell, L. B. 2010. Why Meningkatkan Kemampuan Berpikir
Computational Thinking Should be Kreatif. Unesa University Press.
Integrated into the Curriculum. J. Syah, M. 1999. Psikologi Belajar. Jakarta: Logos
Comput. Sci. Colleges 25, 66-71. Wacana Ilmu.
Riley, D., & Hunt, K. 2014. Computational Tsai, C. W., Shen, P. D., Tsai, M. C., & Chen, W.
Thinking for the Modern Problem Solver. Y. 2017. Exploring the Effects of Web-
Boca Raton: CR Press. Mediated Computational Thinking on
Rich, K. M., Yadav, A., & Larimore, R. A. 2020. Developing Students’ Computing Skills
Teacher Implementation Profiles for in a Ubiquitous Learning Environment.
Integrating Computational Thinking Into Interactive Learning Environments, 25
Elementary Mathematics and Science (6), 762–777.
Instruction. Education and Information Veronica, A. R., & Wiryanto. 2020. Kreativitas
Technologies, Siswa Sekolah Dasar Berkecerdasan
Rich, K. M., Yadav, A., & Schwartz, C. V. 2019. Numerik dalam Memecahkan Soal
Computational Thinking, Mathematics, Eksplorasi Geometri Ditinjau
and Science: Elementary Teachers’ Berdasarkan Gender. JPGSD, 121-130.
Perspectives on Integration. Jl. of Weintrop, D., Beheshti, E., Horn, M., Orton, K.,
Technology and Teacher Education, Jona, K., Trouille, L., et al. 2016.
27(2), 165-205. Defining Computational Thinking for
Rijke, W. J., Bollen, L., Eysink, T. H., & Mathematics and Science Classrooms. J
Tolboom, J. L. 2018. Computational Sci Educ Technol,
Thinking in Primary School: An Wing, J. M. 2006. Computational Thinking.
Examination of Abstraction and Communications of the ACM – Self
Managed Systems, 49(3): 33-35.
125
Ajeng Rara Veronica, Tatag Yuli Eko Siswono, dan Wiryanto
Anargya: Jurnal Pendidikan Matematika, Vol. 5 No.1, April 2022
https://dx.doi.org/10.24176/anargya.v5i1.7977
Yadav, A., Hong, H., & Stephenson, C. 2016. Teacher Education. ACM Transactions on
Computational Thinking for All: Computing Education, 14 (1)
Pedagogical Approaches to Embedding Yunus, M. & Mitrohardjono, M. 2020.
21st Century Problem Solving in K-12 Pengembangan Teknologi di Era Industri
Classrooms. TechTrends, 4.0 dalam Pengelolaan Pendidikan
Yadav, A., Mayfield, C., Zhou, N., Hambrusch, Sekolah Dasar Islam Plus Baitul Maal.
S., & Korb, J. T. 2014. Computational Jurnal Tahdzibi: Manajemen Pendidikan
Thinking in Elementary and Secondary Islam, 3 (2): 129-138.
126