Pemanfaatan CoCoA untuk Mengembangkan Computational Thinking pada Materi Faktorisasi Polinomial di Perguruan Tinggi

Authors

  • Amelia Tri Andini Universitas Islam Negeri Sumatera Utara
  • Yahfizham Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.47709/mda.v1i2.6130

Keywords:

Software CoCoA, Polinomial, Komputasi

Abstract

Integrasi teknologi digital dalam pembelajaran matematika memungkinkan penyelesaian materi aljabar yang kompleks secara lebih efisien, termasuk pada polinomial multivariat berderajat tinggi. Di sisi lain, computational thinking (CT) diakui sebagai kompetensi kunci abad ke-21, namun penerapannya dalam penggunaan Computer Algebra System (CAS) khusus seperti CoCoA pada konteks polinomial di perguruan tinggi masih jarang dikaji. Penelitian ini bertujuan mendeskripsikan penggunaan CoCoA dalam faktorisasi polinomial kompleks serta memetakan langkah-langkah kerjanya terhadap komponen CT, yaitu abstraksi, dekomposisi, perancangan algoritma, dan debugging. Metode yang digunakan adalah pendekatan kualitatif deskriptif?konseptual melalui studi literatur dan eksplorasi terarah perintah?perintah CoCoA pada satu skenario faktorisasi polinomial tiga variabel. Hasil menunjukkan bahwa CoCoA mampu mereduksi polinomial yang semula memiliki banyak suku menjadi hasil kali dua faktor berderajat lebih rendah dengan multiplicity berbeda sehingga struktur polinomial lebih mudah dianalisis. Pemetaan proses kerja mengindikasikan bahwa setiap tahap penggunaan CoCoA merepresentasikan praktik nyata komponen CT, bukan sekadar prosedur teknis. Temuan ini menegaskan potensi CoCoA sebagai media pembelajaran untuk mengintegrasikan CT pada materi polinomial dan menjadi dasar bagi penelitian empiris lanjutan mengenai desain pembelajaran CoCoA–CT di perguruan tinggi.

Downloads

Published

2024-12-25

How to Cite

Tri Andini, A., & Yahfizham. (2024). Pemanfaatan CoCoA untuk Mengembangkan Computational Thinking pada Materi Faktorisasi Polinomial di Perguruan Tinggi. Mathematical and Data Analytics, 1(2), 85–91. https://doi.org/10.47709/mda.v1i2.6130

Similar Articles

You may also start an advanced similarity search for this article.