Geometric transformation requires students to integrate visual, symbolic, and procedural reasoning to understand changes in geometric objects. However, students recognized transformation patterns visually but struggled to translate them into systematic, mathematically justified procedures. This study aimed to analyze the relationship between visual exploration and algorithmic reasoning in GeoGebra-based geometric transformation learning, identify the visual-algorithmic gap across computational thinking categories, and identify instructional scaffolding needs. This study used an explanatory sequential mixed-methods design with 62 students. Data were collected through computational thinking tests, classroom observation, and interviews with three purposively selected students. Four computational thinking indicators: decomposition, pattern recognition, abstraction, and algorithmic thinking, were used to assess students’ competencies, while five analytical dimensions: visual exploration, pattern recognition, rule abstraction, algorithmic reasoning, and mathematical justification, were used to interpret how these competencies were manifested. The computational thinking test results showed that 12 students were in the high category, 33 in the moderate category, and 17 in the low category. High-category students consistently connected visual and coordinate patterns with general transformation rules, systematic procedures, and mathematical justification. Moderate-category students could recognize visual and coordinate patterns. The low category relied heavily on visual representations. These findings identified a visual-algorithmic gap and indicated the need for scaffolding.
Bahasa Indonesia
Transformasi geometri menuntut siswa untuk mengoordinasikan penalaran visual, simbolik, dan prosedural dalam memahami perubahan posisi, orientasi, bentuk, dan ukuran objek pada bidang koordinat. Namun, siswa sering menyelesaikan masalah transformasi secara prosedural dengan menerapkan rumus tanpa menganalisis struktur masalah secara sistematis. Penelitian ini bertujuan untuk mendeskripsikan kemampuan berpikir komputasional siswa SMA dalam pembelajaran transformasi geometri melalui integrasi Problem-Based Learning dan GeoGebra. Penelitian deskriptif ini melibatkan 62 siswa SMA. Data dikumpulkan melalui tes berpikir komputasional, observasi kelas, dan wawancara, kemudian dianalisis berdasarkan empat indikator, yaitu dekomposisi, pengenalan pola, abstraksi, dan berpikir algoritmik. Hasil penelitian menunjukkan bahwa 12 siswa berada pada kategori tinggi, 33 siswa pada kategori sedang, dan 17 siswa pada kategori rendah. Di antara keempat indikator tersebut, pengenalan pola memperoleh capaian tertinggi, yang menunjukkan bahwa visualisasi berbantuan GeoGebra membantu siswa mengidentifikasi perubahan koordinat dan pola transformasi. Sebaliknya, berpikir algoritmik memperoleh capaian terendah, yang menunjukkan bahwa siswa masih mengalami kesulitan dalam menerjemahkan pola yang dikenali ke dalam prosedur penyelesaian yang koheren, terurut, dan terjustifikasi secara matematis. Temuan ini mengungkap adanya kesenjangan visual-algoritmik dalam berpikir komputasional siswa: eksplorasi berbantuan GeoGebra membantu siswa mengenali pola transformasi, tetapi banyak siswa belum mampu mengubah pola tersebut menjadi prosedur yang koheren dan terjustifikasi.
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Afiliasi tidak diketahui
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulis
Organisasi
Artikel bersama
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.