Kenali cara belajar lewat satu aplikasi nyata: Platform Donasi Amanah. Kamu tidak mulai dari teori AI, tapi dari masalah produk, alur user, dan bukti yang bisa dicek.
18m bacaanKuis WajibMicro Badge Lesson
Mulai dari App yang Nyata
Bayangkan kamu diminta membuat platform donasi. Di halaman depan ada daftar campaign. Donatur membuka salah satu campaign, mengisi nominal, memilih metode pembayaran, lalu menerima halaman konfirmasi. Admin nanti memeriksa bukti transfer dan publik bisa melihat laporan transparansi.
Di atas kertas, terdengar sederhana.
Tapi begitu masuk ke aplikasi nyata, pertanyaannya langsung banyak:
Campaign mana yang boleh menerima donasi?
Nominal minimum dan maksimum berapa?
Data donatur apa yang boleh disimpan?
Kalau donatur anonim, apa yang tetap boleh tampil publik?
Kalau user klik submit dua kali, apakah tercatat dua donasi?
Kalau bukti transfer diupload, siapa yang boleh melihat file itu?
Kalau AI mengubah kode, bagaimana kamu tahu hasilnya benar?
Inilah alasan kita tidak mulai dengan prompt seperti:
text
buatkan aplikasi donasi seperti Kitabisa
Prompt seperti itu terlalu kabur. AI mungkin menghasilkan halaman yang terlihat bagus, tapi belum tentu benar secara data, keamanan, atau alur operasional.
Di materi praktik ini, kamu akan membangun Platform Donasi Amanah sambil melatih cara kerja yang lebih terarah: pahami kebutuhan, tulis konteks, beri instruksi ke Antigravity, review hasilnya, lalu verifikasi dengan bukti.
Yang akan kamu bangun
Project praktiknya bukan todo app. Kita pakai aplikasi donasi karena kasusnya cukup dekat dengan dunia nyata.
Alur besarnya seperti ini:
text
lihat campaign ↓buka detail campaign ↓isi form donasi ↓donasi tersimpan sebagai pending ↓donatur melihat halaman konfirmasi ↓admin memverifikasi bukti ↓publik melihat laporan transparansi
Setiap langkah punya aturan. Donasi tidak boleh asal masuk. Status tidak boleh loncat sembarangan. Data donatur tidak boleh terbuka ke publik. File bukti transfer tidak boleh bisa dilihat semua orang.
Kalau kamu memakai AI tanpa aturan, bagian seperti ini mudah kelihatan “jadi” padahal rapuh.
Peran Antigravity
Antigravity dipakai sebagai coding agent utama. Tapi kamu tidak memperlakukan agent sebagai “orang yang selalu benar”. Kamu memperlakukannya seperti asisten cepat yang perlu diberi konteks dan perlu diperiksa hasilnya.
Siklus kerja yang akan sering dipakai:
text
pahami masalah → beri konteks → minta perubahan kecil → review diff → jalankan verifikasi → revisi bila perlu
Perhatikan urutannya. Prompt tidak muncul di awal. Yang pertama adalah memahami masalah.
Kalau kamu belum tahu data apa yang penting, kamu tidak akan tahu prompt seperti apa yang benar. Kalau kamu belum tahu aturan bisnisnya, kamu tidak akan tahu apakah output AI aman. Kalau kamu belum tahu cara verifikasi, kamu hanya bisa percaya klaim agent.
Coba lihat app-nya dulu
Sebelum masuk teori, buka starter project dan lihat aplikasi yang akan kamu kerjakan.
Dari root donation-platform-app, jalankan:
bash
npm installnpm run dev
Lalu buka:
text
http://localhost:3000
Amati halaman awalnya. Biasanya kamu akan melihat campaign seperti Paket Pangan untuk Keluarga. Klik campaign itu, lihat detailnya, lalu cari tombol atau link menuju halaman donasi.
Saat melihat halaman, jangan buru-buru minta AI mengubah kode. Jawab dulu dengan bahasamu sendiri:
Siapa pengguna halaman ini?
Aksi utama apa yang diharapkan dari pengguna?
Data apa yang terlihat penting?
Bagian mana yang kalau salah bisa berbahaya?
Empat pertanyaan ini sederhana, tapi membentuk kebiasaan penting: kamu membaca produk sebelum meminta kode.
Minta Antigravity membaca konteks, bukan membuat fitur
Setelah kamu melihat app-nya, baru minta Antigravity membantu membaca project.
Gunakan prompt ini:
text
Saya sedang mempelajari starter Platform Donasi Amanah.Tolong baca project ini tanpa mengubah file apa pun.Jelaskan:1. Aplikasi ini untuk siapa?2. Alur utama user dari halaman depan sampai donasi.3. Data penting apa saja yang muncul dari alur itu.4. Bagian mana yang menurutmu perlu diverifikasi sebelum diklaim selesai.Jangan edit file. Jawab singkat, pakai referensi file/route kalau terlihat.
Prompt ini tidak meminta fitur baru. Ia meminta agent membaca konteks.
Kenapa ini penting? Karena banyak kegagalan AI coding dimulai dari langkah pertama yang salah: user langsung meminta implementasi, padahal masalahnya belum dipahami.
Cara mengecek jawaban agent
Jawaban Antigravity tidak otomatis benar. Cocokkan dengan apa yang kamu lihat sendiri.
Misalnya agent bilang:
text
User melihat daftar campaign, membuka detail, lalu melakukan donasi.
Cek di browser:
Apakah daftar campaign memang ada?
Apakah halaman detail bisa dibuka?
Apakah ada flow menuju donasi?
Apakah route yang disebut agent benar?
Kalau agent menyebut tabel atau file tertentu, cek dengan pencarian:
bash
grep -R "campaigns\|donations\|donors" -n src supabase | head -50
Perintah itu bukan untuk menghafal semua kode. Tujuannya membuktikan bahwa istilah yang disebut agent memang ada di project.
Apa yang sebenarnya dilatih
Di sini kamu belum membangun fitur besar. Tapi kamu sudah melatih dasar yang akan dipakai sepanjang course:
melihat produk sebagai alur user, bukan kumpulan file;
membedakan kebutuhan dengan implementasi;
meminta AI membaca konteks sebelum bekerja;
mengecek jawaban agent dengan browser atau kode;
menunda perubahan sampai masalahnya jelas.
Ini fondasi yang sering dilewati pemula. Mereka merasa lebih produktif karena AI langsung menulis banyak kode, padahal mereka belum tahu apakah kode itu menjawab masalah yang benar.
Yang perlu kamu hasilkan
Simpan catatan singkat di notes-mu:
md
# Observasi Awal Platform Donasi AmanahUser utama:- ...Alur utama:- ...Data penting:- ...Bagian yang perlu diverifikasi:- ...
Tidak perlu panjang. Yang penting kamu bisa menjelaskan app ini tanpa bergantung pada jawaban agent.
Checkpoint
Sebelum lanjut, pastikan:
Starter bisa dibuka di browser.
Kamu bisa menjelaskan alur utama dari campaign sampai donasi.
Kamu sudah meminta Antigravity membaca project tanpa mengubah file.
Kamu mengecek minimal satu klaim agent dengan browser atau pencarian kode.
Kamu punya catatan observasi awal dengan bahasamu sendiri.
Awal yang baik bukan prompt yang panjang, tapi konteks yang jelas. Kalau kamu sudah bisa menjelaskan app ini dengan bahasamu sendiri, prompt berikutnya akan jauh lebih masuk akal. Setelah ini kita bahas kenapa tutorial salin-kode sering gagal melatih kemampuan seperti ini.
Checkpoint KuisTarget: 70%
Kuis 00.0 — Mulai dari App yang Nyata
Kuis ini wajib untuk sertifikat. Kamu tetap bisa lanjut ke pelajaran berikutnya dan mengerjakannya nanti.
