Ngulik Berpikir Komputasional: Dari Kandang Ayam Sampai Coding, Ternyata Ilmunya Sama! (Studi Kasus: Anak ATU SMK N 1 Kedawung)

-----

**[JUDUL POSTINGAN]**

## Ngulik Berpikir Komputasional: Dari Kandang Ayam Sampai Coding, Ternyata Ilmunya Sama\! (Studi Kasus: Anak ATU SMK N 1 Kedawung)

Halo, *readers*\! Selamat datang lagi di blog Daffa (https://www.google.com/search?q=daffan1ke.blogspot.com)\!

Kalau dengar istilah **"Berpikir Komputasional"** atau *Computational Thinking* (CT), apa yang pertama kali muncul di kepala kalian? Pasti nggak jauh-jauh dari laptop, *coding*, *error*, atau teman-teman kita dari jurusan RPL (Rekayasa Perangkat Lunak), kan?

Wajar banget mikir gitu. Tapi, tahu nggak sih? Berpikir Komputasional itu **bukan** cuma buat *programmer*. Ini adalah *cara kita mikir* untuk memecahkan masalah yang rumit, dengan cara yang runut dan logis, persis kayak cara komputer "diajari" menyelesaikan tugas.

Mau kamu anak ATU (Agribisnis Ternak Unggas), TKR (Teknik Kendaraan Ringan), atau Akuntansi, kemampuan ini super penting\!

Nah, di postingan kali ini, kita bakal bedah tuntas 4 pilar utama Berpikir Komputasional. Biar gampang nempel di otak, kita bakal pakai contoh yang *real* banget dari lingkungan kita di **SMK Negeri 1 Kedawung Sragen**, khususnya buat teman-teman saya di **Jurusan ATU**.

Siapin kopi, yuk kita mulai\!

-----

### Pilar 1: Decomposition (Pemecahan Masalah)

Gampangnya, **Decomposition** adalah seni memecah satu masalah *segede gaban* jadi potongan-potongan kecil yang lebih gampang dikelola.

  * **Analogi Sehari-hari:** Kamu mau bikin nasi goreng *special* ala Daffa. Nggak mungkin kan kamu lempar semua bahan ke wajan terus berharap jadi? Pasti kamu pecah-pecah tugasnya:

    1.  Siapin bumbu (bawang, cabai, garam).

    2.  Ulek bumbunya.

    3.  Siapin nasi dingin.

    4.  Potong-potong sosis dan sayuran.

    5.  Panasin wajan dan minyak.

    6.  Tumis bumbu... dan seterusnya.

        Lihat? Masalah "Bikin Nasi Goreng" jadi lebih gampang kan?

  * **Contoh Nyata Anak ATU (SMK N 1 Kedawung):**

      * **Masalah Gede:** "Kenapa ya, produksi telur ayam petelur di kandang Blok C minggu ini turun drastis?"

      * **Decomposition (Kita Pecah\!):** Masalah "produksi turun" itu terlalu luas. Kita pecah jadi:

        1.  **Cek Pakan:** Apakah kualitas pakannya berubah? Komposisinya (jagung, konsentrat) sudah pas?

        2.  **Cek Air Minum:** Apakah airnya bersih? Apakah tempat minumnya macet?

        3.  **Cek Suhu & Cahaya:** Apakah suhu kandang terlalu panas? (Ayam gampang stres). Apakah durasi pencahayaan di malam hari sudah cukup?

        4.  **Cek Kesehatan Ayam:** Apakah ada gejala ayam sakit (misal: kotorannya aneh, ayam lesu, atau ada yang mati)?

        5.  **Cek Manajemen:** Apakah ada kebisingan baru di dekat kandang Blok C?

Dengan dipecah begini, kita jadi tahu harus ngecek apa dulu. Nggak pusing tujuh keliling\!

[Image of checklist for poultry farm management]

-----

### Pilar 2: Pattern Recognition (Pengenalan Pola)

Setelah masalahnya dipecah, **Pattern Recognition** adalah kemampuan kita buat *nyari kesamaan* atau "pola" dari data yang kita punya.

  * **Analogi Sehari-hari:** Kamu sadar, setiap hari Senin pagi, motormu *selalu* susah distarter. Tapi kalau hari Selasa sampai Sabtu, gampang banget. Nah, itu **pola**\! Polanya adalah: "Setelah libur (Minggu) motor nggak dipakai, besoknya (Senin) susah nyala." Mungkin bensinnya turun, atau akinya sedikit *drop*.

  * **Contoh Nyata Anak ATU (SMK N 1 Kedawung):**

      * **Lanjutan Kasus Tadi:** Setelah kita cek (Decomposition), kita kumpulin data seminggu.

      * **Mencari Pola:**

        1.  Kita lihat catatan (rekaman data) suhu kandang.

        2.  *Aha\!* **Ketemu polanya\!** Ternyata, produksi telur *selalu* anjlok di hari-hari di mana suhu kandang siang hari **di atas 33°C**.

        3.  Kita juga lihat **pola lain**: Ayam-ayam yang kandangnya paling dekat dengan *blower* (kipas) ternyata telurnya tetap stabil, sementara yang jauh dari *blower* produksinya turun.

Dari sini kita mulai curiga, biang kerok utamanya adalah **stres akibat panas** (heat stress).

-----

### Pilar 3: Abstraction (Abstraksi)

**Abstraksi** itu simpelnya: *Fokus pada yang penting, abaikan detail yang nggak relevan.* Kayak bikin rangkuman atau *summary*.

  * **Analogi Sehari-hari:** Waktu kamu pakai Google Maps mau ke Solo. Kamu cuma peduli sama:

    1.  Rute terbaik (belok kanan di mana, lurus di mana).

    2.  Estimasi waktu sampai.

        Kamu *nggak peduli* (meng-abstraksi) hal-hal kayak: ada berapa polisi tidur di sepanjang jalan, warna cat rumah di tiap tikungan, atau ada berapa kucing yang lagi nongkrong di pinggir jalan. Itu semua detail yang nggak penting untuk tujuanmu (sampai ke Solo).

  * **Contoh Nyata Anak ATU (SMK N 1 Kedawung):**

      * **Lanjutan Kasus Tadi:** Kita udah nemu pola (suhu panas) dan data lain (masalah pakan nggak ada, air aman).

      * **Abstraksi (Fokus):** Oke, masalah kesehatan ayam (gejala sakit) nggak ada. Masalah pakan dan air juga aman. Yang paling jelas polanya adalah **SUHU**.

      * **Kita simpulkan (abstraksi):** "Masalah utama adalah manajemen suhu kandang yang tidak merata." Kita *abaikan* dulu detail lain yang nggak terlalu berpengaruh saat ini.

-----

### Pilar 4: Algorithm Design (Desain Algoritma)

Nah, ini puncaknya\! Setelah tahu masalahnya (Decomposition), kenal polanya (Pattern Recognition), dan fokus ke inti masalah (Abstraction), sekarang kita bikin **Algorithm Design**.

**Algoritma** adalah langkah-langkah *step-by-step* yang runut dan jelas untuk menyelesaikan masalah. Ini adalah "resep" solusinya.

  * **Analogi Sehari-hari:** Resep bikin kopi *manual brew* V60. Itu algoritma\!

    1.  Panaskan air sampai 92°C.

    2.  Siapkan *paper filter*, basahi.

    3.  Timbang 15 gram biji kopi, giling medium.

    4.  Masukkan kopi ke filter, ratakan.

    5.  Tuang air 30 ml (proses *blooming*), tunggu 30 detik.

    6.  Tuang air perlahan melingkar hingga total 250 ml.

    7.  Tunggu air turun semua.

    8.  Kopi siap disajikan.

        Langkah ini nggak boleh dibolak-balik\! (Misal: tuang air dulu baru giling kopi).

  * **Contoh Nyata Anak ATU (SMK N 1 Kedawung):**

      * **Masalah (Hasil Abstraksi):** Mengatasi suhu kandang Blok C yang tidak merata dan sering panas.

      * **Desain Algoritma (SOP/Langkah Kerja):**

        1.  **MULAI.**

        2.  Pasang 2 unit *blower* (kipas) tambahan di area kandang yang teridentifikasi paling panas (berdasarkan data pola tadi).

        3.  Pasang 3 termometer digital di titik berbeda (depan, tengah, belakang kandang).

        4.  Buat jadwal pengecekan suhu setiap 2 jam (Pukul 10.00, 12.00, 14.00).

        5.  **JIKA** (IF) suhu rata-rata \> 30°C, **MAKA** (THEN) aktifkan *sprinkler* (kabut air) di atap kandang selama 10 menit.

        6.  **JIKA TIDAK** (ELSE), biarkan *blower* menyala normal tanpa *sprinkler*.

        7.  Catat kembali produksi telur harian setelah penerapan algoritma ini.

        8.  Evaluasi hasilnya di akhir minggu.

        9.  **SELESAI.**

Ini adalah algoritma yang jelas. Siapapun petugas kandang yang jaga, dia bisa mengikuti langkah ini dengan tepat.

-----

### Kesimpulan: Jadi, Anak ATU = Pemikir Komputasional\!

Lihat, kan?

Tanpa sadar, teman-teman di ATU (dan jurusan lain) sebenarnya sudah menerapkan Berpikir Komputasional setiap hari.

  * Saat membedah nutrisi pakan (Decomposition).

  * Saat melihat pola penyakit ayam (Pattern Recognition).

  * Saat menentukan ayam mana yang siap panen/afkir (Abstraction).

  * Saat membuat jadwal vaksinasi (Algorithm Design).

Berpikir Komputasional (CT) ini bukan soal *coding*, tapi soal **cara menyelesaikan masalah secara efektif dan efisien**. Ini adalah *skill* mahal di dunia kerja nanti, apa pun profesi kalian.