Pahami kenapa meniru langkah yang sudah mulus tidak cukup lagi. Di era AI, skill penting bukan mengetik cepat, tapi membaca masalah, memberi konteks, dan memverifikasi hasil.
20m bacaanKuis WajibMicro Badge Lesson
Kenapa Tutorial Salin-Kode Tidak Cukup di Era AI
Tutorial salin-kode biasanya terasa nyaman. Kamu melihat instruktur menulis kode, kamu meniru, lalu aplikasi berjalan. Kalau ada error, kadang kamu rewind video, cek typo, lalu lanjut.
Cara itu masih ada manfaatnya, terutama saat baru mengenal syntax atau framework. Tapi untuk membangun aplikasi dengan bantuan AI, kebiasaan itu tidak cukup.
Masalahnya bukan pada videonya. Masalahnya ada pada skill yang dilatih.
Tutorial salin-kode sering melatih kamu untuk bertanya:
text
kode berikutnya apa?
Padahal ketika memakai coding agent, pertanyaan yang lebih penting adalah:
text
apa masalahnya, konteksnya apa, batasannya apa, dan bagaimana membuktikan hasilnya benar?
AI bisa menulis kode cepat. Tapi AI tidak otomatis tahu keputusan produk yang kamu maksud, standar keamanan yang kamu butuhkan, atau trade-off yang kamu anggap benar.
Contoh kecil dari aplikasi donasi
Bayangkan kamu ingin membuat form donasi.
Dengan kebiasaan belajar dengan menyalin kode, kamu mungkin menunggu langkah seperti ini:
text
buat file page.tsxbuat formbuat tombol submitsimpan dataselesai
Kelihatannya rapi. Tapi banyak pertanyaan penting belum terjawab:
Nominal minimal berapa?
Email wajib atau opsional?
Donatur anonim boleh atau tidak?
Status awal donasi apa?
Validasi hanya di client atau juga server?
Kalau campaign sudah ditutup, form masih boleh submit?
Kalau submit dua kali, data masuk dua kali atau tidak?
Tanpa jawaban itu, AI bisa membuat form yang “jalan”, tapi salah secara aturan.
Skill yang berubah di era AI
Dulu, banyak energi belajar habis untuk mengetik kode dari nol. Sekarang, agent bisa membantu menulis boilerplate, membaca file, bahkan mengusulkan implementasi.
Karena itu porsi skill manusia bergeser.
Bukan berarti kamu tidak perlu paham kode. Justru sebaliknya: kamu harus lebih paham apa yang sedang dibangun, karena output AI bisa banyak dan cepat.
Skill yang perlu dilatih:
Skill
Kenapa penting
Membaca kebutuhan
Supaya prompt tidak kabur
Menentukan batasan
Supaya AI tidak overbuild
Menulis acceptance criteria
Supaya hasil bisa dinilai
Membaca diff
Supaya tahu apa yang berubah
Menjalankan verifikasi
Supaya tidak percaya klaim agent begitu saja
Mengambil keputusan teknis
Supaya project punya arah, bukan sekadar kumpulan output AI
Tutorial salin-kode sering berhenti di “ikuti langkah ini”. AI coding yang sehat harus sampai ke “kenapa langkah ini dipilih dan bagaimana membuktikannya”.
Latihan: ubah cara bertanya
Coba bandingkan dua pertanyaan ini.
Pertanyaan A:
text
Tolong buatkan form donasi.
Pertanyaan B:
text
Saya ingin memahami form donasi yang aman untuk Platform Donasi Amanah.Sebelum menulis kode, bantu saya menentukan:1. field apa saja yang wajib dan opsional,2. aturan nominal,3. validasi apa yang harus terjadi di server,4. kondisi campaign seperti apa yang boleh menerima donasi,5. bukti apa yang harus dicek setelah submit berhasil.Jangan edit file dulu.
Pertanyaan A meminta output. Pertanyaan B membangun pemahaman.
Di materi praktik ini, kamu akan sering memakai pola B sebelum meminta perubahan kode. Bukan karena kita ingin memperlambat kerja, tapi karena kerja cepat tanpa arah biasanya menghasilkan utang teknis.
Verifikasi bukan formalitas
Misalnya AI bilang:
text
Form donasi sudah aman karena ada validasi.
Kalimat itu belum cukup. Validasi di mana?
Kalau hanya di browser, user bisa bypass.
Kalau ada di server action, lebih kuat.
Kalau schema server juga dipakai saat insert, lebih jelas.
Kalau ada test atau uji submit invalid, lebih bisa dipercaya.
Karena itu, setelah mendapat jawaban AI, kamu perlu bertanya lanjutan:
text
Tunjukkan file validasi server yang dipakai saat submit, lalu sebutkan cara saya membuktikan input invalid ditolak.
Lalu cek sendiri dengan kode atau browser.
Kapan tutorial salin-kode masih berguna?
Bukan berarti semua tutorial lama buruk. Tutorial salin-kode masih berguna untuk:
mengenal syntax baru;
melihat gambaran cepat sebuah framework;
memahami urutan setup;
mengikuti contoh kecil yang deterministik.
Tapi untuk project nyata, terutama yang memakai AI, kamu perlu naik level dari meniru menjadi menilai.
Kalau tidak, kamu hanya pindah dari “menyalin kode instruktur” menjadi “menyalin output AI”. Dua-duanya tetap pasif.
Prinsip yang perlu dibawa
Sebelum meminta AI menulis kode, biasakan tiga pertanyaan:
Apa konteksnya?
File, route, data, dan aturan mana yang relevan?
Apa batasannya?
Apa yang boleh diubah, apa yang tidak boleh disentuh, apa non-goal-nya?
Apa buktinya?
Setelah AI selesai, command, browser flow, atau SQL apa yang membuktikan hasilnya benar?
Kalau tiga pertanyaan ini belum jelas, prompt kamu kemungkinan masih terlalu lemah.
Yang perlu kamu hasilkan
Ambil satu fitur sederhana dari Platform Donasi Amanah, misalnya form donasi atau halaman detail campaign. Tulis dua versi instruksi:
md
# Latihan: Dari Menyalin Langkah ke Instruksi TerarahFitur:- ...Instruksi yang terlalu kabur:- ...Instruksi yang lebih terarah:- konteks: ...- batasan: ...- bukti verifikasi: ...
Tujuannya bukan membuat prompt sempurna. Tujuannya melatih cara berpikir sebelum coding.
Checkpoint
Pastikan kamu bisa menjawab:
Kenapa menyalin langkah saja tidak cukup di era AI?
Apa beda meminta output dengan membangun pemahaman?
Kenapa validasi perlu dibuktikan, bukan hanya disebut?
Apa tiga pertanyaan sebelum meminta AI menulis kode?
Kamu punya satu contoh instruksi kabur dan versi yang lebih terarah.
Kalau selama ini kamu merasa “yang penting AI bisa bikin”, wajar. Banyak orang mulai dari sana. Tapi setelah kamu tahu bedanya output dan keputusan, kamu akan lebih hati-hati: cepat itu bagus, asal arah dan buktinya jelas.
Checkpoint KuisTarget: 70%
Kuis 00.1 — Kenapa Tutorial Salin-Kode Tidak Cukup
Kuis ini wajib untuk sertifikat. Kamu tetap bisa lanjut ke pelajaran berikutnya dan mengerjakannya nanti.
text