Catatan Tutorials

Kenapa fundamental makin penting di era AI

Bagian terakhir seri ini. AI membuat mengetik kode jadi murah; AI tidak membuat memahami jadi murah. Apa yang berubah, apa yang tidak, kenapa keterampilan memudar kalau tidak dipakai, cara belajar bersama AI alih-alih menghindarinya, dan peta seluruh seri sebagai daftar periksa.

8 menit bacaTersedia juga dalam bahasa Inggris →

Seri ini dimulai di bagian 0 dengan sebuah pertanyaan: kalau bahasa dan framework dikupas habis, pemrograman itu sebenarnya terbuat dari apa? Dua puluh empat bagian kemudian, seri ini ditutup dengan pertanyaan lain. Kalau alat AI bisa menulis kodenya, untuk apa mempelajari semua ini?

Jawaban singkatnya: AI membuat mengetik kode jadi murah. AI tidak membuat memahami jadi murah. Dan pemahamanlah yang menentukan apakah kodenya benar.

Apa yang berubah

Banyak yang berubah, dengan cepat, dan sebagian besar baik:

  • Draf pertama nyaris gratis. Boilerplate, regex, query SQL, kerangka tes, memindahkan kode dari satu bahasa ke bahasa lain: hitungan detik, bukan menit.
  • Penjelasan tersedia kapan saja. Codebase yang asing, pesan error, atau library bisa dijelaskan dalam bahasa sehari-hari sambil Anda membacanya (bagian 12).
  • Lebih banyak orang bisa membuat sesuatu. Orang yang tahun lalu belum bisa menulis skrip, sekarang bisa mendapatkan skrip yang berjalan.

Tidak satu pun dari itu yang mengancam belajar fundamental. Justru itu alasan untuk mempelajarinya, karena semua itu menghasilkan lebih banyak kode, lebih cepat, yang harus dinilai oleh seseorang.

Apa yang tidak berubah

Lihat kembali tentang apa sebenarnya setiap bagian seri ini. Sangat sedikit yang soal mengetik:

  • Tahu apa yang mau dibangun. Mengubah “bisa buatkan laporan penjualan bulanan?” menjadi input, output, kasus tepi, dan langkah-langkah (bagian 9). Alat AI hanya bisa setepat permintaannya.
  • Tahu apakah hasilnya benar. Uang disimpan sebagai float (bagian 2), loop kuadratik pada data tes yang kecil (bagian 10), exception yang ditelan (bagian 13), race pada stok barang terakhir (bagian 21), pengecekan kepemilikan yang terlewat (bagian 22). Semuanya berjalan, terlihat baik-baik saja, dan salah.
  • Mencari tahu kenapa rusak. Reproduksi, baca, duga, uji, persempit (bagian 15). Alat bisa menyarankan penyebab; Anda tetap perlu tahu saran mana yang menjelaskan buktinya.
  • Bertanggung jawab atas apa yang berjalan. Deployment, data, pengguna, dan telepon jam 3 pagi (bagian 23 dan 24).

Esai Jeannette Wing tahun 2006, yang dikutip di bagian 0, sudah menarik garis ini: computational thinking adalah “A way that humans, not computers, think.” Cara berpikir manusia, bukan komputer. Ia juga menulis: “Computational thinking is a way humans solve problems; it is not trying to get humans to think like computers.” Ini cara manusia memecahkan masalah, bukan upaya membuat manusia berpikir seperti komputer. Berpikir selalu menjadi pekerjaannya. Mengetik hanyalah cara menuliskannya.

Merasa lebih cepat tidak sama dengan lebih cepat

Ada satu studi yang cermat dan layak dibaca di sini. Pada 2025, sekelompok peneliti menjalankan uji acak dengan developer open-source berpengalaman yang mengerjakan proyek mereka sendiri, dengan dan tanpa alat AI awal 2025. “Before starting tasks, developers forecast that allowing AI will reduce completion time by 24%.” Sebelum mulai, para developer memperkirakan AI akan memangkas waktu pengerjaan 24%. Sesudahnya, “developers estimate that allowing AI reduced completion time by 20%”, mereka merasa AI memangkas waktu 20%. Hasil yang terukur: “Surprisingly, we find that allowing AI actually increases completion time by 19%–AI tooling slowed developers down.” Ternyata waktu pengerjaan justru bertambah 19%.

Itu satu studi, dalam satu situasi: orang-orang berpengalaman, codebase besar yang sudah mereka kenal baik, alat dari satu momen tertentu. Studi itu tidak berarti alat AI memperlambat semua orang, dan alatnya terus berubah. Yang ditunjukkannya adalah seberapa produktif sebuah alat terasa dan seberapa produktif ia sebenarnya bisa sangat berbeda, bahkan bagi para ahli. Satu-satunya cara untuk tahu adalah mengukur (bagian 10) dan memeriksa hasilnya (bagian 14), bukan memercayai perasaan.

Keterampilan yang tidak dipakai akan memudar

Ada peringatan lebih lama dari bidang lain. Pada 1983, Lisanne Bainbridge menerbitkan “Ironies of Automation”, tentang operator sistem industri yang terotomatisasi. Salah satu ironinya: saat otomatisasi mengerjakan sebagian besar pekerjaan, “operators will not practice skills as part of their ongoing work”, operator tidak lagi melatih keterampilannya dalam pekerjaan sehari-hari. Padahal merekalah yang diharapkan turun tangan saat ada yang salah, sehingga mereka “need to be trained more to be ready for the rare but crucial interventions”: justru perlu dilatih lebih banyak untuk intervensi yang jarang tapi krusial.

Memprogram dengan AI punya bentuk yang sama. Kalau alat yang menulis semuanya, Anda berhenti melatih justru keterampilan yang Anda butuhkan di hari alat itu salah: membaca stack trace, menelusuri sebuah nilai di memori (bagian 3), menemukan O(n²), tahu kenapa transaksi itu penting. Intervensi yang jarang tapi krusial itu adalah insiden production, data yang rusak, celah keamanan. Hari-hari itulah yang menentukan apakah sebuah tim bisa dipercaya.

Belajar bersama AI, bukan menghindarinya

Semua ini tidak berarti “jangan pakai AI”. Artinya, pakai dengan cara yang membuat Anda lebih kuat, bukan sekadar lebih cepat:

  • Coba dulu, baru bertanya. Kerjakan latihan “Coba sendiri” di seri ini dengan kemampuan sendiri sebelum bertanya ke alat. Lalu bandingkan. Perbedaannya adalah tempat Anda belajar.
  • Minta penjelasan, bukan sekadar jawaban. “Kenapa ini mengembalikan 0.30000000000000004?” mengajarkan lebih banyak daripada “perbaiki ini”.
  • Jelaskan kembali. Kalau Anda tidak bisa menjelaskan kode hasil AI baris demi baris, Anda belum memahaminya (bagian 12). Jelaskan ke bebek karet (bagian 9).
  • Suruh ia membuktikan. Minta tes dan kasus tepi, lalu cek apakah tes itu akan gagal kalau kodenya rusak (bagian 24).
  • Ajukan pertanyaan kecil yang tepat. Signature fungsi yang jelas dengan batasan yang dinyatakan menghasilkan jawaban lebih baik daripada “buatkan fiturnya”, dan menulis signature itu adalah keterampilan fundamentalnya.
  • Baca dokumentasi aslinya untuk apa pun yang asing. Zen of Python punya satu baris untuk ini: “In the face of ambiguity, refuse the temptation to guess.” Saat ragu, jangan menebak.
  • Tetap kerjakan sebagian hal secara manual. Sesekali debug sebuah bug tanpa bantuan. Tulis fitur kecil dari file kosong. Keterampilan tetap tajam kalau dipakai.

Seri ini sebagai daftar periksa

Setiap bagian seri ini berubah menjadi pertanyaan yang bisa Anda ajukan untuk kode apa pun, entah ditulis orang lain, sebuah alat, atau diri Anda di masa lalu:

Bagian Pertanyaan yang bisa diajukan
0 Dasar dari yang paling dasar Apa langkah, pilihan, dan pengulangannya?
1 Saat program dijalankan Apa yang sebenarnya menjalankan ini, dan di mana?
2 Bit, byte, dan tipe data Tipenya tepat? Float untuk uang? Encoding teks?
3 Memori Ini salinan atau referensi yang dibagi?
4 Variabel, state, dan scope Siapa yang bisa mengubah ini, dan kapan?
5 Percabangan Semua kasus tercakup? Ada kejutan truthiness?
6 Perulangan dan rekursi Apakah berhenti? Meleset satu?
7 Fungsi Apa yang masuk, apa yang keluar, apa lagi yang berubah?
8 Struktur data List, set, atau map: mana yang cocok dengan pertanyaannya?
9 Memecah masalah Apa persisnya yang diminta, termasuk kasus tepi?
10 Algoritma dan Big-O Apa yang terjadi dengan data 100× lipat?
11 Abstraksi dan penamaan Apakah namanya jujur? Apa yang disembunyikan?
12 Membaca kode Bisakah saya menjelaskan setiap baris? Kenapa baris aneh ini ada?
13 Error handling Bisakah sebuah kegagalan lewat diam-diam?
14 Testing Apakah ada tes yang gagal kalau ini rusak?
15 Debugging Apa buktinya, dan apa hipotesisnya?
16 Git Apa yang berubah, kenapa, dan bisakah dibatalkan?
17 Refactoring Ini jelas, atau sekadar canggih?
18 Web Method tepat, status code tepat, cookie aman?
19 Database Placeholder, transaksi, index, NULL?
20 API Timeout, retry, pagination, idempotency?
21 Concurrency Bagaimana kalau dua dari ini berjalan bersamaan?
22 Keamanan Input tak tepercaya, escaping, otorisasi, rahasia?
23 Laptop ke server Apakah ini berperilaku sama di production?
24 Me-review kode AI Apakah saya cukup paham untuk bertanggung jawab atasnya?

Tabel itu adalah seluruh seri dalam satu tempat. Tidak ada satu pun pertanyaannya yang bergantung pada bahasa yang Anda pakai, atau pada siapa (atau apa) yang menulis kodenya.

Kenapa ini penting sehari-hari

  • Titik sempitnya berpindah. Menulis kode jadi lebih cepat; memutuskan apa yang benar tidak. Orang yang bisa melakukan yang kedua jadi lebih berharga, bukan kurang.
  • Alat berganti setiap beberapa bulan. Fundamental tidak. HTTP, SQL, memori, concurrency, dan testing bertahan melewati setiap framework dalam dua puluh tahun terakhir.
  • Input lebih baik, output lebih baik. Makin jernih pemahaman Anda, makin baik prompt Anda, dan makin cepat Anda mengenali jawaban yang buruk.
  • Kepercayaan. Pengguna, rekan tim, dan klien bergantung pada orang yang memahami sistemnya, bukan pada alat yang mengetiknya.

Coba sendiri

  1. Pilih tiga baris dari tabel daftar periksa dan terapkan pada kode yang baru-baru ini Anda rilis.
  2. Kerjakan satu latihan “Coba sendiri” dari bagian sebelumnya tanpa bantuan AI. Lalu minta alat AI mengerjakannya dan bandingkan jawabannya.
  3. Selama seminggu, catat setiap kali saran AI salah, dan fundamental mana yang membuat Anda menyadarinya.
  4. Jelaskan satu konsep dari seri ini, secara lisan atau tertulis, kepada seseorang yang baru mulai belajar.

Ringkasan

  • AI membuat mengetik kode murah; AI tidak membuat memahami jadi murah.
  • Yang tetap butuh Anda: tahu apa yang dibangun, tahu apakah benar, mencari kenapa rusak, dan bertanggung jawab atas apa yang berjalan.
  • Merasa lebih cepat tidak sama dengan lebih cepat; ukur dan periksa.
  • Keterampilan yang tidak dilatih akan memudar, dan justru itulah yang dibutuhkan saat ada yang salah.
  • Belajar bersama AI: coba dulu, minta penjelasan, jelaskan kembali, suruh ia membuktikan, baca dokumentasinya, dan tetap latih sebagian secara manual.
  • Seri ini adalah daftar periksa yang bisa diterapkan pada kode apa pun, dari siapa pun.

Terima kasih sudah membaca seluruh seri ini.

Referensi