Ngobrolin Big-O
Episode ini membahas tentang Big O Notation, sebuah konsep fundamental dalam ilmu komputer yang digunakan untuk mengukur kompleksitas performa kode.
EP 92 1j 22m
Dengarkan versi audio
MP3 79 MB, file yang sama dengan feed podcast.
Poin utama
Bantu Koreksi- Big O Notation adalah representasi matematis untuk mengukur kompleksitas waktu atau ruang dari suatu algoritma, dengan fokus pada worst case scenario
- Terdapat tiga jenis notasi kompleksitas: Big O (worst case), Omega (best case), dan Theta (ketika keduanya sama)
- Jenis-jenis kompleksitas yang dibahas: O(1) konstan, O(n) linear, O(log n) logaritmik, O(n²) kuadratik, dan O(n!) eksponensial
- Database indexing berperan penting dalam optimasi performa query, analog dengan sistem indeks pada buku atau yellow pages
- Studi kasus nyata: sistem penyimpanan 15.000 kunci mobil menggunakan pengelompokan berdasarkan 2 digit pertama nomor plat untuk efisiensi pencarian
- Contoh implementasi nyata: optimasi query WordPress block editor dengan teknik batching query menjadi hanya 2 query per halaman, menghindari nested loop yang berpotensi menyebabkan O(n³) atau lebih
- Penting untuk berhati-hati dengan ORM yang mengorbankan performa untuk developer experience, serta disarankan untuk mengecek query hasil ORM dan mengoptimalkannya dengan raw query jika diperlukan
Baca ringkasan lengkap
Episode ini membahas tentang Big O Notation, sebuah konsep fundamental dalam ilmu komputer yang digunakan untuk mengukur kompleksitas performa kode. Diskusi dimulai dengan pengalaman tim mengenai pembelajaran Big O di kampus dan relevansinya dalam coding interview. Topik utama mencakup pengenalan berbagai jenis notasi kompleksitas seperti O(1), O(n), O(log n), O(n²), hingga O(n!), serta perbedaan antara Big O (worst case scenario), Omega (best case scenario), dan Theta notation. Episode juga menampilkan studi kasus nyata dari dunia kerja, termasuk kisah menarik tentang sistem penyimpanan 15.000 kunci mobil yang menerapkan konsep indexing secara fisik, serta contoh implementasi query optimization untuk WordPress block editor.
Cari di episode ini
Bantu KoreksiSering disebut 13 7 4 3
Lompat ke
Lihat transkrip lengkap
Hai, selamat malam. Halo-halo, sudah lama tidak bertemu, baru seminggu sih. - Seminggu lalu. - Seminggu lalu kita gak bisa. - Dua minggu lah jadinya. - Iya, dua minggu ya. Dua minggu tidak bertemu, gimana kabarnya. Gimana pengalaman IO Extended-nya, mudah-mudahan. Buat ketemu, ngobrol-ngobrol, dan bisa bertegur sapah. - Kita kemarin ketemu. - Yang gak ikut. Ikut, iya. Eh, event bukannya di satu kota gak ya? Gak sama sekali? - Gak jadi, gak sama sekali. - Gak jadi. Gak, gak, gak, gak kena waktunya banyak banget ininya. Oh, yang Bali cancel, gak bisa, jadi mendadak gak bisa.
Gak bisa, karena ada urusan. - Ada urusan. - Terus... Minggu lalu ya, bukan minggu kemarin loh, minggu yang lalu ada acara keluarga. Hmm, terus harus hemat-hemat juga ya, hemat-hemat... Apa namanya, redwit waktu, karena bakal berangkat ya. Iya, terus kalau minggu ini gak tega juga, karena deket banget kan minggu depan sudah berangkat. - Jadi... - Berangkat kemana tuh, berangkat kemana sih ya? Tunggu tanggal mainnya. Iya, nanti kita live langsung, semua ada di sana. - Live? - Sama... - Iya, dikit-dikit gak bisa akses. - Nggak, gak live. - Rekaman, rekaman, rekaman, semua ada di sana. - Rekaman, rekaman garam tanda, enggak. Rekaman sama Pak Sandika Gali, mudah-mudahan Pak Sandika Gali mau ya.
Iya, mudah-mudahan. - Oke, oke. - Sama Jessica. - Jessica, oh iya, berlima ya. - Yes, Power Rangers compete semua ya. Sekarang kita Power Rangers, udah bukan mingguan lagi. Iya, bukan mingguan lagi. Power Rangers ya, yang penyanyi berlima gak ada ya, grup bandnya. Kan itu five quake quake. Apa itu? Entah, ada gak sih? Ada, Blackpink kan lima, Blackpink lima gak sih? - Iya. - Kewen semua tapi... - Tapi Power Rangers. - Paling benar sih. Informasi paling benar Power Rangers sih, Power Rangers kan kewennya dua tuh. - Power Rangers kan betul. - Benar sih. Kewen kan melenceng, tadinya kan dari grup musik. Jadi ngomongin kemana-mana nih. Oke, belum kemana-mana, seperti biasa, bertemu lagi dengan kita bertiga.
Ada saya Riza, ada Ika, dan ada Irfan. Di setelah malam, kakak setelah malam waktunya. - Nah, berapa jam? - Nah, berapa jam? Kirain sudah lupa. Oke, malam ini kan kita, seperti di judul ya. Kita mau bahas tentang performa. Performa maksud performa gak? Fundamental ya, fundamental. Fundamental tapi terkait performa. Performa bukan performa aplikasi, tapi lebih ke kode. Nipet ya, potongan kode. Gak semua, kalau semua aplikasi bisa juga. Tapi kayaknya terlalu banyak ya. Jadi biasanya yang di-check itu, yang di-evaluasi itu adalah barisan kode. Misalkan ada perulangan. - Kondisional. - Kondisional. Ya, apapun yang pure function sih ya. - Apapun yang function, bukan pure. - Unit ya, function ya.
Unit S gitu ya. Nah, istilahnya itu adalah Biko. Biko itu cuma notation, mewakili ya. Jadi dia gak ada arti apa-apa sebenarnya. Cuma mewakili bahwa kompleksitasnya sejauh mana. Ya, kayak simul matematis sih ya. Maksudnya itu gak ada kepanjangannya O gitu atau apa ya. O aja kayak X. X itu kan mencerminkan nilai yang harus dicari gitu. X adalah blablabla. O ini kan adalah representasi dari time atau space kompleksiti. Nah, nanti detailnya dibahas lebih dalam lagi kali ya. Yes. Teman-teman di sini sudah pernah tahu gak tentang Biko notation? Sudah pernah pajari belum? Ada yang sudah pernah interview, coding interview gak? Muncul gak sih di coding interview kayak gini?
Biasanya dikasih warisan kode, terus tahu kode yang kita tuliskan sendiri. Terus coba ini Biko-nya apa biasanya gitu ya. Dan yang paling kompleks apa coba? Pas interview untungnya gak ditanya sih. Karena waktu interview dulu belum tahu. Ini taunya kayak ya relatif baru lah. Udah ternyata kerja dan udah ternyata mid-level baru belajar sendiri ini. Oke, lagi pertanyaan buat. Wah, Nur Holid ya. Nur Holid ini yang kemarin kita ketemu di Depok. Sekarang pertanyaan buat anak kuliah. Hah, foto? Foto-foto aja. Foto dong. Foto kan? Foto, ya. Foto. Kayak anak Jelis itu foto. Pertanyaan buat anak kuliah. Biko dipelajari gak di kampus? Ivan? Lupa saya.
Kayaknya ada. Di struktur data. Algoritma? Enggak, struktur data. Struktur data apa algoritma ya? Alpro ya? Atau malah justru di database? Waktu itu. Karena, ya. Kalau gak salah ya di database. Dosen yang ngajarin DB, MS. Ngajarin tentang Big O Notation. Salah satu sesi kuliahnya. Karena itu kan. Karena kompleksitas query juga bisa dihitung dengan Big O kan. Misalnya join. Terus kemudian inner query. Sub-query, sorry. Sub-query. Ya, pull join. Itu ada Big O Notation juga, hitungannya. Wah, Nur Holid gak dapat. Dari semester 1 sampai semester 13. Banyak banget. Jangan terus. Pasti ajarin. Nah, cuma kalau misalnya ikut Mata Kuliah CS50 dari Harvard.
Yang open source. Ada tuh Mata Kuliah Basic Computer Science. Yang memang dibuka untuk publik. Yang di sana kuliah ya bayar. Tapi di publish online. Memang secara terbuka. Kita boleh ngikutin. Ada tugasnya, ada exercise dan lain-lain. Itu di pelajaran sih. Itu di kelas ke-3 tuh. Coba lihat, buka aja link-nya di private chat. Oke. Ini sesuatu yang cukup menarik. Eh, salah kan? Oh, screen-nya mana? Kok gak ada screen-nya? Oh, pernah dikasih soal interview. Oke, apakah screen tersebut paling drom? Tapi pakai Big O ya.
Ditanya, ini tuh Big O-nya apa ya? Sudah kelihatan ya layarnya. B, in-ear search. Turun lagi, turun lagi. Binary. Ini ya running time ya. Berapa lama ya? Nah, ini ya. Nah, ini dia. Zoom in. Oh, kurang. Udah? Berarti kayaknya Eka ini harusnya text-nya di gedein, komputernya. Di layar baru ya? Kan ada settingan text size kan, text size komputernya. Gak, ini kan ngomong-ngomong dulu. Ini kan video. Gimana mau di zoom? Oh, iya-iya. Gak bisa ya. Gak bisa. Eka lihatnya bukan di browser. Nah, ini juga salah satu yang biasa ditanyakan ya.
Jadi, pertama kita bikin kodenya dulu. Ditanya kan tadi apa? String ya? String itu palindrom atau bukan. Harusnya biorangnya bisa lah ya. Tapi abis itu ditanya, seberapa kompleksitas kode yang kita buat. Itu salah satu tips, interview juga ya. Selalu melakukan seperti itu. Nah, ini cukup menarik. Cukup menarik karena waktu pertama kali bikin hektifat di 2016 itu. Waktu diskusi materi. Salah satu materi yang muncul sebenarnya Bikko. Dan rekan-rekan saya yang kebetulan kuliahnya di luar itu mereka kaget. Karena saya dan beberapa teman-teman yang kuliah di Indonesia. Itu ngaku tidak pernah belajar Bikko, tidak dapat di kampus, itu mereka kaget. Karena itu salah satu yang kundang mental yang diajarin di awal-awal.
"Kok gak dapet?" "Ya" gitu. "Maksudnya sih gak dapet?" "Anda gak percaya?" gitu. Yang nanya, bahannya siapa tuh? Haris-haris. Bukan lah. Waktu pertama kali ketemu orang penting, waktu datang ke Jakarta. Ingat gak siapa itu namanya? Ya. Oh, Haris-haris sih. Ini Alex Russell. Ya, Alex Russell. Itu jauh. Oh, jauh. Oh, 2016. Kira-kira ingin Alex Russell. Gak, kalau foundernya hektifat kan kuliahnya di luar. Oke. Ya, dan ada beberapa, ada CTO-nya Rebel Work waktu itu. Dia juga kuliahnya di luar. Itu kaget. Gak. Akhirnya ditambahin lah materi itu di kampus. Ya, di kampus. Tapi itu di komen udah banyak yang jawab.
Diajarin ya, berarti untung lah. Kodekulung pendidikan kita udah dipatch. Sudah update. Sudah dapet, tapi mungkin tidak terlalu ditekankan. Atau mungkin jangan inisiatif dosennya tuh. Kayak, maksud saya, belum secara resmi ada di curriculum. Cuma, maksud saya, dalam topik yang relevan, kayak dosennya nyelupin aja biar mahasiswanya tahu. Ya. Berarti dosenku bagus dong ya. Tapi di database malah. Bukan di ajaran basicnya. Jadi dia ngajarnya database. Ya mungkin dia gak ada mata kuliah dasar-dasar computer science. Ya, jadi intinya apa? Intinya adalah, oh itu adalah worst case scenario dari potongan kode. Jadi kalau misalkan kode kita ada four loop di dalam four loop. Itu dihitung kira-kira kalau datanya 100 ribu.
Misalkan gak 100 ribu dulu ya. Kan, datanya 3 berapa? Kalau datanya cuma 2, bentar. Kalau datanya cuma 2 berarti dia 4 ya? Ya, 2 kali four loop. 2 dikali 2 kan. 2 pangkat 2 ya. 2 pangkat 2. Karena 4 di dalam 4 kan. Kalau 3 berarti 3 pangkat 2. Karena four loopnya 2. Gitu. Oh bentar. Kalau yang OO, itu kayaknya logaritma kan. Iya. Itu logaritma apa? Mana dia? Kita baca aja sama-sama. Kalau yang pangkat itu tengah-tengah. Ya intinya adalah worst case scenario. Kira-kira scenario terburuk dari kode kita itu seperti apa. Makanya muncul istilah O. Kemudian ada representasi dari kompleksitas kode kita.
Ini harus di-share. Jadi misalkan linear search, gimana linear search? Linear search itu takes on order of n steps in the worst case. This is noted with O(n). Jadi worst case di sini maksudnya misalkan linear search. Linear search itu kan cari dari awal sampai akhir. Worst case itu maksudnya adalah kalau ternyata angka atau text yang kita cari itu ujung di paling akhir. Berarti kan dia akan menjalani semua kan. Nah itu nasional bagai worst case scenario. Jadi kalau linear search itu berarti apa nih bacanya? Gimana ya bacanya? O(n) aja ya. O(n) ya. Kalau binary search, binary search itu gimana? Jadi dibagi dua ini contohnya ada angka 1-10 dibikin 3.
Sorry ada array 1-10. Terus diambil yang tengah. Diambil yang tengah itu angka kita lebih tinggi atau lebih besar dari angka yang mau kita cari. Yang angka di tengah itu. Kalau misalnya lebih besar, yang lebih kecil semua dibuang. Terus di-repeat lagi, dibagi dua lagi. Angka yang kita inginkan itu di sebelah kanan atau sebelah kiri dibuang, dibuang, dibuang. Jadi makanya log n. Log n itu kan urutan ya. Jadi makin dari paling besar sampai paling kecil urutan. Jadi kalau misalnya kita nyari tadi ada 10 angkanya.
Angkanya 10 item berarti 0 all log 10. Itulah jumlah worst case nya. Tapi mungkin sebelum ngomongin Bitgo itu sebenarnya kompleksitas kode itu bisa dinilai dari dua hal kan. Yang pertama adalah kompleksitas ruang. Ruang space. Dan kedua adalah kompleksitas waktu. Time complexity. Seberapa lama kode itu berhasil di eksekusi. Atau seberapa banyak membuangkan memori atau hard disk. Jadi ada dua sebenarnya. Nah, Bitgo ini termasuk yang time complexity. Kalau nggak salah. Benar nggak? Tapi sebenarnya kayaknya Big O juga bisa deh.
Dipakai buat ngukur space complexity. Tapi kan lebih jarang ya. Yang sampai makan tempatnya. Makan memori nya se ekstrim itu. Perbedaannya kan jarang ya. Kalau misalkan space complexity itu misalkan kita disuruh. Misalkan ada tugas untuk membaca file. File nya berukuran sangat besar. Gimana strategi kita untuk membaca apakah membaca keseluruhan taro di memori. Atau membaca baris per baris. Yang mana yang lebih efisien secara pace. Yang jelas yang pasti baris per baris dong. Tapi secara kecepatan ya. Mungkin aja bisa lebih cepat yang dibaca semua. Karena sudah masuk ke memori dan bisa diproses. Kembali lagi itu tergantung kebutuhan juga. Oke tadi kita sudah bahas tentang O(n) dan O log(n) ya.
Jadi kalau linear itu cari angkanya dari kiri ke kanan atau per satu itu O(n). Kalau binary itu dibagi dua. Di tengah-tengah, di tengah-tengah, di tengah-tengah seperti di hadapan. Selanjutnya ada omega. Omega ini adalah base case scenario. Kalau tadi bico itu worst case nya paling lama. Kalau omega berarti base case scenario linear yang paling cepat. Kenapa? Karena kalau angkanya yang dikari adalah yang paling kiri. Ya dia langsung ngepet kan. Jadi omega satu. Karena akan selalu satu kan base case scenario nya. Jadi kadang-kadang di coding interview itu tanya worst case scenario nya gimana, base case scenario nya gimana. Terserah, teman-teman bisa jawab dengan istilah bico atau omega atau apa.
Atau dengan kata-kata yang sendiri gitu. Maka pakai notasi-notasi dibilang nggak masalah sebenarnya. Biasa kita bisa kasih contohnya kan. Kalau pertanyaannya suruh base case sama worst case, ya berarti harus jelasin dulu. Ya, definisinya dulu worst case scenario itu maksudnya adalah ketika misalkan tadi pencarian string itu atau pencarian angka itu diunjung. Yang paling tidak optimize, yang paling unlucky lah ya, paling wujung nyaringnya. Atau kalau yang base scenario itu yang paling awal, yang gampang gitu ya. Kalau binary tetap omega satu ya. Kalau seandainya... Ya begitu di dapet langsung ternyata. Di dapet ya, pencuk saya dibalikin.
Di ternyata langsung dapet. Ini apa? Ada lagi, baru tahu. Ada theta notation. Theta ya? Theta, ada yang kasih tahu. Saat ketika suatu algoritma punya big O notation yang sama seperti omega. Oh, theta. Jadi ini kondisi khusus ya. Jadi emang cuma, oh cuma bisa satu cara itu. Jadi mau best, mau worst, itu cuma. Sama. Itu sama. Misalnya array length ya berarti. Nah ini contohnya. Linear search ya. Kalau kita punya deretan angka ini, kalau base case scenario-nya adalah angka yang kita cari itu 20. Langsung dapet. Tapi kalau worst case, angka yang kita cari 50. Sehingga kalau linear search,
dia akan cari for loop ya. Ini sama enggak sama 50. Nggak sama, nggak sama, nggak sama, nggak sama. Berarti berapa kali itu? 1, 2, 3, 4, 5, 6, 7 ya. Setelah 7 baru... 7. Ya. Nah ini adalah contohnya. Jadi dia menggunakan for loopnya 1. 1 for loop. Dan ada kondisi untuk cek angkanya sama atau tidak. Btw mirip java strip ya. Maksudnya buat orang yang belum pernah pakai sama sekali, ini kayaknya familiar banget. Bahkan loop syntax buat ngeloop-nya pun sama. Sama. Masih satu family, satu family. Ini apa? Linear search and array of string. Oh ini kalau pencarian string ya? Sama ya, kurang lebih sama ya. Interestnya yang bedanya adalah ya di datanya aja stringnya ya. Cuman untuk carinya kan berdasarkan index kan ya.
Semakin besar indexnya. Tetap harus di cek satu persatu, kegitu ketemu, baru dibalikin. Oke. If you make two array, to store two features of separate index, and put the values in the same order, so that of the first entity are stored in the same order. Apa ini? Oh, implementationnya bisa beda-beda ya. Kalau ini, ini kayaknya mau nyimpan nama sama nomor telepon ya. Yang biasanya langsung simpan key value ya. Jadi, kalau si Carter itu nomor teleponnya ini, si David itu nomor teleponnya ini. Itu loopnya dua tingkat, jadinya nested kan. Ini enggak, ini satu. Iya, satu, enggak ada loop. Oh, cuma satu deh. Oh ya, if you want. Tapi kalau misalkan kita mau for loopnya
dua kali ya, berarti tidak optimal kan. Ini yang di loop cuma namanya doang ya? Bukan nomornya. Jadi dia mencari berdasarkan nama. Nah, ini udah bukan tentang Big O lagi nih. Itu deh, kita buka yang di private chat. Tanya Jem'nai dong. Tanya Jem'nai buat ngasih contoh-contoh Big O notation yang common. Zoom in. Eh, salah. Zoom in videonya. Nah, ini enak sih. Menanfaatnya tanya ke LLM Chatbot. Ini kalau yang OO1 ini optimal banget lah.
Konstan ya, konstan. Mau kita cari seribu, sepuluh ribu, sejuta ya sama hasilnya. Seribu kali ya seribu kali. Nah, itu contohnya kalau kita udah punya indexnya. Misalnya kita udah punya indexnya. Nah, jelannya cuma sekali. Jadi misalnya array kita udah tahu item yang kita cari di index ketiga atau ke seratus atau pertama. Ya kerjanya kan sama. Tentunya adalah mengakses array berdasarkan angka index ya. Gak perlu cek satu-satu lagi karena kita udah punya indexnya. Yang kedua, linear time. Linear time itu berarti naik begini ya. Linear naik ya. Sumbu X sama sumbu Y jadi di tengah-tengah gitu ya. Jadi menyesuaikan dengan jumlah items. Misalkan item yang satu ya OO1. Kalau item yang dua berarti OO2 atau OON.
Jumlah number itemsnya. Kalau OO1, kalau seribu berarti OO1. Nah, contohnya itu finding the maximum value in unsorted array. Kita punya array yang isinya angka acak. Kita nggak tahu tingginya nggak diurut sama sekali. Berarti kan tetap harus dari awal sampai akhir cek semua satu-satu angkanya kan. Cek kalau lebih tinggi distort the memory. Cek selanjutnya kalau nggak lebih tinggi ya udah nggak usah ngapa-ngapain next. Cek lagi. Harus sampai kelar kan. Jadi kalau misalnya itemnya array itu isinya cuma satu angka ya jalannya cuma sekali. Kalau array-nya isinya lima angka, jalan lima kali. Kalau array-nya isi seribu angka ya seribu kali. Ya, step-nya. Ya, itu linear. Kemudian yang berdua. Nah, ini bukan pula
aneh-aneh nih. Buat yang aneh ini matematik, udah mulai gitu-gitu ini. Angka dua ya. N angka dua ya. Jadi misalkan kalau datanya cuma satu. Ya, satu. Ya, kalau datanya dua, dua pangkat dua, cari empat. Kalau datanya lima, lima pangkat dua, lima kvadrat, dua lima. Seribu, si juta, mampu. Ini yang forwardnya dua ya. Nasty loop iterating over the same array. Jadi array-nya satu, tapi ada loop yang sama gitu. Misalnya apa compare kali ya? Jadi satu data, ya compare tapi yang nggak optimal gitu. Jadi misalnya kita punya data user. Ada banyak. Nah, terus kita ngeloop usernya. Tapi misalnya kita mau nyari user yang dari organisasi yang sama atau dari sekolah yang sama.
Kita loop masing-masing user di user pertama. Kita loop lagi semua user di dalamnya. Jadi loop di dalam loop buat ngecek organisasinya sama atau nggak. Ya. Pokoknya, kalau ada nested loop, nah itu yang jadi rat-tack ya dalam tanda kutip ya. Sebisa mungkin kalau bisa, jangan. Apalagi yang kombinasi. Tau nggak kombinasi, pernah melakukan nggak? Saya sih pernah dulu ya. Gimana-gimana contohnya? Jadi misalkan di database kita udah dapet nih datanya. Abis itu kita loop lagi di aplikasi untuk misalkan ngambil nama gitu kan. Kita udah select gintang from people misalkan atau from user di atas gitu kan. Terus di bawah kita ngambil data user yang lain. Terus kita mau mapping nih, nama sama data yang lain.
Itu dikerjakan tidak di sisi database tapi di sisi kode. Kita loop lagi. Jadi itu udah berapa kali ya. Mungkin tidak nested. Tapi sudah ada 3 for loop. Nah itu nanti akan ada di bawah yang di bawah ini. Kalau ini berarti nested ya. Nestednya berarti 2 kan. Nested 2 kan. Kalau nested 3, berarti pangkat 3. Pangkat 3 betul. Gross Quadratically Scroll atas? Oh atas ini? Iya, ini kan. Log N ini? Gross Logarata Minerals Search yang tadi. Ini contohnya gimana sih?
Nggak inget. Saya punya artikel sih. Ini kan tadi kita omongin ya. Kalau O1 itu ya garis lurus lah ya. Kalau N itu dia... Kalau yang tadi nggak dikasih contoh yang pangkat 3 ya. Maksudnya kita mikir sendiri lah. Concrete-nya pasti nambah berat lagi. Makin banyak datanya makin sama, tapi dia waktu datanya sedikit cepat banget, eksponen. Log N itu naik. Makin eksponen, tapi makin banyak datanya ya sama aja gitu. Makin sedikit. Ini berarti bahaya ya, kalau orang nggak mau saya ada manfaat concretenya kenapa anak yang belajar Computer Science perlu belajar Big O. Kan ini kalau nggak ngerti cuma ngetes pakai data yang dikit, wah pakai ini aja, kenceng. Tiba-tiba jubul. Biasanya kan kita gitu
developer juga suka gitu kan. Di saya cepet kok orang datanya data Dami cuma 10, ini cepet. Kalau pasti pakai berapa datanya? Dan sekarang lebih bahaya lagi ya. Maksudnya jaman server loss atau cloud ini kalau misalnya kesalahan yang terjadi di server billing, kalau misalnya on-prem kan yaudah paling jubul servernya mati yaudah. Kalau ini lebih horror lagi. Iya, nggak mati. Transaksi aman. Billingnya juga auto scale-nya kebetulan nyala nyalain service apa. Nah, jumlah jumlah 000-nya juga terreflektir di billing. Iya, itu kayak kita nggak didos diri sendiri. Ya, nah di sini di artikel ini ada contoh, contohnya adalah kalau kita punya travel app
gitu kan, jadi misalkan kita mau filter by price. Nah, sebenarnya kan kalau misalkan kita mau cari filter gini kan kita cek dulu harga minimumnya berapa harga maksimumnya berapa. Semakin banyak data pasti semakin semakin lama, karena kan harus cek satu persatu. Jadi kalau misalkan kita punya datanya kayak gini, ini simple aja ya contoh dari sini disederhanakan gitu kan. Kita punya data ini, entah itu datanya dari SNK, API, atau dari database yang terserah gitu kan. Kita bisa lakukan dengan cara ya tadi yang eksponensial, N2. Iya kan? Kalau for loopnya 2. Jadi kita cek yang minimum berapa sama yang maksimum berapa. Kalau tadi udah dibahas juga kalau 3 di pangkat 2, 5 di pangkat 2, 10 di pangkat 2, 100 di pangkat 2. Dari 10
ke 100 itu jauh sekali bedanya. Kalau dari 3 ke 5 mungkin masih ok lah gitu ya. 5 ke 10 juga masih ok gitu kan. Tapi kalau udah ke 100, 1000 dan seterusnya itu jauh sekali. Pokoknya dia n pangkat 2. Terus pengulangan dari apa? Pengulangan tapi di dalamnya ada 2 operasi. Kalau ini kan pengulangan dalam pengulangan. Kalau ini pengulangan satu, tapi ada 2 operasi, dari harga paling kecil sama dari harga paling besar. Itu berarti ON ya? ON, linear time itu ya berarti kan? Nggak ngaruh ya. Berarti nggak ngaruh sama satu, dua. Ya sesuai. Linear, sesuai. Itemnya 5 ya dia jalan 5 kali yang tadi itu. Kalau itemnya 100, dia jalan 100 kali. Ini jauh lebih baik daripada kita bikin 4 lagi, satu lagi dibawah gitu kan. Jauh lebih baik dibanding
yang tadi itu yang atas, yang kudrat yang pangkat 2. Itu adalah ON. Kalau O1 ya kita bisa langsung dapat, ini misalkan kita si datanya itu udah kita sort duluan. Kita bisa tahu harga yang minimum itu pasti inggis 0. Tapi operasi nge-sortnya itu nggak pertanyaannya? Ya maksudnya beda kan. Mungkin hanya satu spesifik functionnya kan. Kalau operasi sortnya kan ada lagi nanti potongannya. Nah sekarang jadi pertanyaan kalau misalkan di database kita pake sort by price, ascending atau descending lah. Itu termasuk ke perhitungan atau nggak? Masuk kan ya. Ya makanya kita pelajarnya, makanya saya waktu itu pelajarinya di di mata kuliah DB. Tapi akan jauh
lebih buruk kalau misalkan di database kita nggak sort, kita sortingnya di model. Kalau menurut saya sih lebih bagus sortnya di database. Iya, udah lebih optimiskan. Karena database punya index. Lebih cepat dia sortnya. Maybe depends ya tergantung kehandalan DB database kayaknya udah dioptimasi untuk hal-hal seperti itu kan. Harusnya ya built in kecuali beneran kita bikin. Tapi pagination di database itu tetap masih masalah kok sampai sekarang.
Iya, iya, iya. Itu gambarannya kira-kira jadi gambarannya segini. Jadi yang tadi ya yang paling bagus ya pasti oh satu atau lock N itu masih oke. Oh N ini lampu kuning gitu ya kalau udah N2 atau kalau udah berpangkat-pangkat itu yang reflekt kata anak sekarang ya. Iya. Ini nama istilahnya aja konstan logarithnya linear quadratic exponential itu N pangkat N ya. Indari yang X N pangkat N. Ini ya. Pokoknya semua yang berpangkat-pangkat tuh kayaknya udah. Ini kalau udah nggak jadi ini masih oke. Kalau ini udah harus di de-factor ya. Oke. Tapi kan maksudnya ya tergantung harus ngapain. Tapi kan sebenarnya bisa
diakalin di kalau untuk compare atau cari match kan ya udah jalan dulu sekali, di filter misalnya filter atau find, store di memory, baru jalan sekali lagi buat ngak compare. Ya, kalau use case-nya se-simple itu kan masih bisa diakalin ya, kecuali emang rumit banget. Yes. Nah, ini ada contoh-contoh notasi notasi Big O yang dari built-in function. Misalkan push, pop, kemudian unshift, dan lain-lain ya udah banyak. Cara menghitungnya gimana? Cara menghitungnya gini aja. Kasih tau per baris gitu. Jadi misalkan kalau for yang pertama itu O N. For yang kedua O N. Kalau ini kan O 1 ya. Kalau ini sebenernya bisa di-ignore sih. Jadi ini berarti N-nya ada 2. N dikali N jadi N panggap 2.
Kalau ini berarti O 2 ya. Coba kalau di ini, apa namanya? Dipasukin ke jemana dia bisa jawab gak sih? Apa? Coba aja yang masukin. Big O ya. Big O Calculator Your Big O Calculator Notation Calculator. Count this Hilangin dulu itu nya comment-comment O N O N nya. Bisa gak ya? Bentar-bentar. Bentar ya. Kita buka bentar. Atau CGPT. Kita buka 2mini. Close. Kan bisa jemana yang di ini. Di browser aja. Iya ini di browser. Tadi kan itu browsernya Incognito. Maksudnya jemana
Nano yang dibuild di browser. Nano gak bisa ditanya susah-susah. Nanti dia nanti dia halu. Jadi ini coffee. Apa? Gimana? Prom-nya. You are a Big O Big O Notation Calculator. Close. Calculate the third time complexity of this function. Of this code snippet below. Gini. Yang ininya dihapus. Ini kekecilan ya. Gak kelihatan ya. And explain.
And explain your chain. And explain it. In detail. Pake triple ini gak? Eh udah ke pencet. Yaudahlah. Yaudahlah. The outer loop iterates ten times. Karena sepuluh ya. Oh ditara sepuluh ya. Pake N ya. Betul. For each iteration of the outer loop, inner loop iterates ten times. Inside inner loop to constant time operation, analyzing the complexity. Outer loop complexity satu constant. Oh inner loop juga constant. Tapi inner loop is nested within the outer loop. Total number iteration is sepuluh kali sepuluh. Sepuluh ten. Ten times ten. The operations inside the inner loop.
Istilahnya namanya constant time ya. Constant time. Combining the complexity. The time complexity entire code is the product of time complexities of outer loop and the inner loop. Yang O1 itu tadi yang dimana ya? Outer loop? Yang outernya dianggap satu. Oh iya. Dikali yang nested. Jadi seratus ya. Oh seratus gitu ya. Constant factor is Rignore. Jadi kalau yang O1 itu bisa diignore. Relationship between number of iterations mulang berapa kali dan input size. Input size the number of iteration bertambah secara kvadrat. Berarti O on N pangkat dua. Benar. N represents benar. Ya benar.
Size of the loop counters. Betul sekali. Betul. Enak ya. Sekarang bisa tanya ke chatbot. Nah kalau contoh yang apa? Ada juga nih. Ada demo-nya. Cuma kita nggak bisa masukin function kita sendiri. Cuma bisa pakai contohnya dari si timernya. Si calculator-nya. Gimana caranya? N sama dengan 10? Plug. Coba yang besar lah 100. Ini 100. Berarti O1? Ya. O1. Betul. O1 ya. Kalau ini sama. O1 juga. Oh nggak. Ini area. Ini area. Kok nggak ada garisnya ya?
Iya. Kok nggak ada garisnya? Ini ada 2 loop. Berarti O2. ON ya. Linear juga. Linear tapi lebih besar. Betul. Beda. Oh beda ya. Oh. ON kali 2. Oh ya benar. ON kali 2. Tapi itu 1,1. Iya 1,1. 1,1 milion? Iya. Mikro itu. Sekan. Sekan. Time complexity ya berarti ya. Berarti itu tadi N kali 2. Nah kalau ini baru N pangkat 2 ya. Baru ini eksponensial. No. Jauh sekali. Tapi nggak di garis ya. Iya. Jauh banget ini.
Ini nggak ada garisnya cuma ngasih tau ini doang. Cuma ngasih plot doang. Untuk ngebandingin masing-masing function itu tadi yang biru. Yang biru udah nggak kelihatan gitu saking. Abu-abu puncul merah. Yang ini aja terlalu jauh. Number of half. Ini yang dibagi 2 ya. Iya. Ini kayak log N. Log N di bawah ya. Iya. Total number of half itu berarti N ya. Iya. Log albinaries ini N juga. Oh ini yang lama nih. Iya. Sampai hang gitu. Kok bisa lama? Oh ini sebenernya
2 kali ya Pak? Ada path start? Nggak ya? Kan ada loopnya eh nggak deh. Ada repeat N itu. Oh iya. Ini di kali last numbernya di repeat kan. Di repeat sebanyak N itu. 100. Ya 100 iya. Satunya ada 100. Terus abis itu di while loop countnya 012 jadi string. Terus sama nggak dengan angka 1 yang jumlahnya 100 digit. Kebanyakan ini. Iya kan? Ini baru ON pangkat N berarti ya. Iya. Sama ya? Nggak, susah-susah.
Hang lagi. Hang. Biarin aja. Masih lagi calculating. Calculating. Oh udah berhenti. Jadi dimana dia? Ini... Hah? Kok nggak ada? Ini gua serem deh soalnya ini brosernya sama. Brosernya sama. Nanti tiba-tiba stream yardnya error. Nggak bisa. Dikloss aja ya. Mau saya tab itu biarin aja. Oh biarin. Bisa dikloss ya? Bisa. Nah contoh yang paling sederhana adalah kalau mau low hanging fruit database-nya diindex lah ya. Ini ada contoh ya.
Jadi misalkan kita apa, select dari sebuah table itu query-nya berapa bisa pakai analyze, expand analyze itu bisa ketahuan landing time-nya 1,5 mili detik, execution time-nya 0,6 mili detik ini, datanya sedikit ya. Tapi kalau udah kita bikin index itu bedanya berapa tuh? Bisa hemat 1 detik. Ya. Bisa hemat 1 detik. Hati-hati-hati dengan index. Iya jangan semua diindex ya. Kalau semua diindex cuma kayak mindahin tablenya doang ya. Iya buat apa gitu. Nggak guna. Kalau semuanya diindex dia nyarinnya gimana. Teman-teman di sini ada yang Berarti kompleksitifnya sama aja kayak pas awal. Kayak pas nyari tanpa index. Ada yang belum tahu istilah index itu
cara kerjanya kayak gimana? Oh belum tahu. Index itu kayak kayak buku. Buku pages tahu yellow pages. Kalau kita mencari Ada index ya kan? Iya. Setiap buku itu ada index. Jadi misalkan kita mau cari mau cari apa ya di yellow pages itu biasa ada daftar toko. Jadi kalau misalkan kita mau cari toko dengan nama depan F itu kita nggak perlu cari dari halaman satu. Kita cukup cari kira-kira di tengah-tengah sini C. Nah itu index. Jadi dia index berdasarkan berdasarkan titlenya atau kategorinya. Terus nanti begitu dicari ya kita cari berdasarkan yang kayak tadi, binary research gitu. Binary research kan berarti kayak dibagi setengah di sini, di kiri
di A atau di B. Kalau ada di B, dibagi dua lagi di sini atau di sini. Berarti gitu-gitu terus ya. Mungkin implementasinya seperti itu. Tapi yang jelas kalau misalkan yang tadi ya, misalkan kita mau cari alamat orang atau nomor telepon orang yang namanya adalah Z. Kalau nggak pakai index ya kita cari dari A. Kita bukan dari A. Tapi kalau di index misalkan indexnya A, B, sampai Z ya kita bisa cari A, kita lewatiin. Oh B, kan ada tandanya tuh. Lebih sedikit eksekusinya. Gitu lah kira-kira. Saya ada contoh dunia nyata yang saya dengar pengalaman langsung dari seorang direktur operasi sebuah perusahaan untuk penyewaan mobil. Yang cukup
besar ya. Cukup besar. Armadanya ada sampe... Perusahaannya yang besar. Armadanya aja di satu kota, mobil yang mereka miliki asetnya itu ada 15 ribu mobil. 15 ribu unit. Pertanyaannya, bagaimana cara menyimpan kunci seret BPKB dan STNK nya inventarisnya secara baik dan benar. 15 ribu. Di mana coba? Kunci seret, photocopy STNK misalnya, atau kunci seret dan paperwork lah ya. Kan harus ada satu unit, harus ada. Pake filing ya, filing kabinet gitu. Kalau misalnya kalian bilang, oke pakai filing kabinet terus kemudian dibikin sistem pakai software, di mana nanti
posisinya. Jadi tinggal set di sistem, oh nanti di filing kabinet itu. Itu katanya super kompleks. Too much work. Udah bikin sistem, harus bikin sistem yang supaya synchronize, oke kalau ada yang salah letak gimana? Mampus nyarinya tuh. Ya kan? Dia cuma bikin sebuah kabinet kotak yang ada 100 ininya. 100 laci gitu ya. Yang sesuai ukurannya. Dan dinomorin dari 00 sampai 99. Jadi semua angka plat. Sesuai nomor STNK? Ya sesuai nomor A plat itu 00 sekian-sekian. Jadi kalau misalnya nomornya 988 ya udah berarti cari di laci 19. Ya meskipun disana banyak, tetapi
yang kamu cari itu yang ada di dalam situ gitu. Ya lebih mudah mencarinya. Jadi systemize scan yang sesuai dengan dalam kotak itu. Jadi dikategorikan berdasarkan 2 angka di depannya dia bikin. Ya cari tetapi maksudnya tetap butuh mencari. Mungkin di dalam situ ada 1000 kali kuncinya. Tetapi lebih mudah mencari 1000 daripada mencari yang salah letak. 1. Kedua Error rate atau human error untuk meletakkan sesuatu di tempat yang salah jauh lebih kecil. Karena dia udah liat oh 99 ya sudah cari kotak 99. Taroklah di kotak 99 barangnya. Atau cari di kotak sekian. Jadi dia menerapkan hospital yang membuat sistem operasional jauh lebih jauh lebih
efisien. Error rate dia rendah. Nah itulah kisah nyata indexing. Indexing physical. Ada ada bidang studinya sendiri kan. Katalogin gitu kayak perpustakaan. Ya makanya dikategorikan berdasarkan apa gitu kan. Ya betul. Taksonomi. Supermarket. Supermarket itu kan banyak ya. Dan mengkategorikan sesuai apa. Berdasarkan itu berdasarkan harga. Produk. Sorting ascending depan paling murah. Dibalik ya. Cuma tanya, berarti kalau di dunia database, indexing itu berarti require membutuhkan kayak landmarkan semacam penanda yang kayak ibaratnya absolut dan nggak bisa diubah-ubah.
Dan cukup praktikal kan. Kalo contoh kasus tadi apa? Yellow Pages atau buku telpon. Alphabet kan cuma A sampai Z. Cuma ada 26. Dan kalau emang namanya depannya Z kan ya anggap aja kecil kemimpinan udah ganti nama. Kalo pada saat itu namanya depannya Z, ya udah kan jelas. Nah terus kayak si itu mobil nanti juga kan STNK kan nomor plat kan nggak berubah-ubah. Jadi kayak harus ada itu kan pointer yang Berubah dong. Kalau terpanjang STNK. Nomor plat tidak berubah. Nggak ya. Nggak berubah. Ya berarti kan harus, berarti challenge-nya mungkin pilih unik key. Unik key-nya dicari, apa dibagi berdasarkan desimal? Atau gimana tuh? Misalnya range itu tergantung sih primary key-nya ya misalnya di database, kalo di database
primary key nggak mesti eh sorry, index itu nggak mesti primary key. Tapi primary key itu udah pasti diindex ya. Kita bisa menambahkan index tambahan. Yang unik dan nggak berubah. Tapi kalo misalkan ada perubahan dia direindex kan? Yes. Enggak indexnya ditambahkan. Bukan ada perubahan. Kalo ada perubahan direindex semua. Enggak direindex semua. Cuman diubah aja kan ini-nya kan ya. Index table-nya dia ada sendiri. Si database tuh punya index table-nya sendiri. Kayak ada contoh ini nih. Contoh lucu-lucuan nih.
Yang pernah saya pakai untuk interview orang yang mau masuk ke human way. Buat yang mau interview siapa tau besok gue interview Ivan. Dikasih soal yang lain. Anda terjebak. Window ya, window, window. Window-nya gimana sih caranya? Sudah? Keliatan. Luka kita. Panjang begini. Ntar. Kayak coba ini nih. Kecil sekali. Ya. Kok ada item di atasnya ya? Oh iya kok bisa sih. Itu item di atasnya. Enggak lah entah. Rescreen aja lah.
Rescreen aja. Kalau begini bisa gak? Kalau cuma satu top aja. Nah bisa ya? Nah. Jadi ini kan carousel. Anggap ini membuat block di dalam block editor-nya si WordPress. Ada carousel. Dimana satu ini slide namanya. Slide itu berdasarkan konten dari post. Dan ada filter untuk mencari untuk mempersempit apa yang perlu dicari di dalam slide ini. Jadi hasilnya ini dipersempit oleh filter. Isi slide bisa berupa post, bisa berupa kategori. Jadi slide ini adalah berdiri sendiri. Ininya, itemnya. Dia punya query custom ya? Enggak sih enggak.
Enggak query. Ini unit ini bisa recipe atau post. Bisa juga kategori itu maksudnya. Dan satu slide ini kan carousel ya. Berarti dia tetap bisa menambah tab. Ini ada tab-nya. Tab 1, 2, 3, 4, 5, sampai 10 juga mungkin bisa. Atau terserah banyak juga bisa. Kemudian setiap tab tentu harus diisi slide-nya. Kebayang? Notation-nya. Jadi isi ini slide ini ada sendiri dan setiap tab ada sendiri. Notation. Gimana cara kalian untuk membuat
query-nya di front-end mungkin bukan front-end secara JavaScript. Anggap aja masih PHP. Mengquery data ini. Data yang disimpan di setiap slide ini nanti adalah ID dari post atau ID dari kategori. Jadi mungkin post ID 1, kategori ID 1, post ID 2, kategori 2, kategori 3, gitu. Disimpannya begitu. Dan ada pertanyaannya di front-end bagaimana cara kalian melakukan query-nya. Bayang gak? Ya kan harus diambil dari database. Harus diambil ke database, kan? Data ini kan. Berarti bukan front-end, kan? Ya maksudnya saat mau ditampilkan, ini kan di block editor, di ak, di UI di depan,
kan harus di query tuh. Bagaimana cara mengambil datanya supaya big-one notation-nya kecil. Masing-masing tab ada setting filter-nya sendiri. Kepisah, kan? Maksudnya, apa? Misalnya di tab pertama, kategori A. Di tab kedua, kategori B atau post. Gak, gak seperti itu. Satu item ini berdiri sendiri, jadi gak ada filter-filter. Jadi anggap aja, kalau saya mau isi ya, saya cari. Oh, masing-masing item itu kepisah, ya? Bukan query, show, post, kategori A. Semuanya? Bukan. Gak. Satu item berdiri sendiri. Satu unit sendiri. Jadi bukan andal dari kategori apa, taruh sini. Tetapi bisa jadi, ya, bukan begitu. Jadi bukan diandal dari satu kategori.
Bisa jadi, ini post, tapi disebelahnya ini adalah kategori. Sebagai satu unit. Karena kategori kan bisa jadi, bisa punya image, bisa punya nama. Jadi sebenarnya, di-show aja, nyempil aja gitu. Ada mungkin Beef Wellington, ada Beef Something Else apalah gitu ya. Atau Dinner gitu. Beef Roasted. Atau Carnivore. Carnivore. Nah, kalau gue nih, ini jawaban yang sesatnya ya. Maksudnya mungkin kalau interview, mungkin ini ditolak. Tergantung data-nya sih, realistik, realistik, tiap ngambil satu, tiap nge-query post, simpen di memori, terus ngambil satu lagi, list of kategoris, simpen lagi di memori. Abis itu, next item kan makin lama, makin ringan kan, karena tinggal ngambil dari yang udah disimpen. Tapi kalau database-nya besar banget ya,
masalah baru lagi. Itu satu jawaban sesat. Kalau jawaban yang benar, apa ya? Kamu maksudnya, gimana? Kebayang nggak? Nggak. Nggak kebayang. Kan maksudnya UI-nya, gue bayangin gini kan, pas nge-quick gitu, untuk milih item pertama kan harus ada list of posts buat dipilih kan. Nah, pasti ponenya semua itu gue bikin kayak function lah, semua di pisasi function, get post, get category, get tax, atau taxonomy apapun, yaitu setiap menjalani ini, di cash, setiap menjalani si function getter ini, get post, get category, get tax, di cash. Nah, jadi kalau habis itu buka lagi, get post, itu kan udah kayak prepopulate, ada cash-nya. Maksudnya yang tadi kayak gitu sih. Kalau yang bener gimana, nggak tahu. Belum ada ide.
Mau liat hasil akhirnya nggak, contohnya kayak gimana? Mau, mau, mau. Ini jawabannya. Karena ini udah jadi sebenarnya projectnya. Tapi didiadikan soal untuk interview gitu ya? Itu yang saya solve sendiri. Itu maksudnya project yang saya lakukan dan udah selesai. Saya share. Oh ya, sorry, sorry. Di fullscreen soalnya. Ini situsnya. Jadi lah, blognya. Yoi. Gue selalu ngajarin, ngajarin ini laper mulu. Ini yang tanpa tab. Yang ini tanpa tab. Ini tanpa tab. Ini yang ada tab-nya. See? Oh, isi pastas. Fast and fresh. Ya kan? Dan itu nggak harus semuanya recipe, bisa category, bisa... Ya, bisa.
Ada nggak ya category ya contohnya ya. Kebetulan datanya tidak ada. Tetapi sebenarnya di dalam ini bisa nyempil satu category. Ya, nggak ada. Wait. This one seems like a category. No. Oh, wait. 15 menit? Nggak. Ya, so... Bahasanya kayak gitu lah. Ini kan category. Oh, ini. Ini category semua nih. Tapi, nggak ada. Karusele-nya nggak terbentuk karena nggak abis. Gak panjang. Kurang panjang. Tapi sebenarnya ini karusele blog juga sama. Oke. So, kunci jawabannya. Oke. Saya bikinnya begini. Kita zoom in dulu ke satu blog ya.
Ke satu blog yang seperti ini deh. Yang nggak ada... Apa namanya? Nggak ada... Nggak ada tab-nya. Nggak ada tab-nya, maksudnya. Yang saya... Karena tadi ada dua entitas data. Entity, satu post, satu category. Maka dengan terpaksa harus ada dua query ke database. Karena satu ngambil post, satu ngambil category. Tetapi saya kumpulkan semua. Saya kumpulkan semua ID dari post dan saya kumpulkan semua ID dari category. Saya query sekaligus semuanya. Seabruk-abruk. Dan disimpan ke array. Dan tinggal ditampilkan. Nah. Kalau misalnya dia ke tab, sama. Saya kan sudah punya
data post ID seluruh tab. Dan saya punya category ID dari seluruh tab. Saya tetap melakukan dua query. Sama. Jadi jumlah query-nya tetap sama. Selalu dua. Get post by ID, get category by IDs. Now, let's take a big picture. Karena saya yang kendalikan halaman ini, saya tahu isi halaman ini ada berapa banyak block yang memakai karusel block. Saya bisa query seluruh halaman. Saya sebelum dia ditampilkan. Saya query. Saya memparsing konten untuk mengambil dari block ini, mengambil semua post ID dan semua category ID. Jadi, untuk menampilkan satu halaman ini, untuk seluruh karusel yang ada, hanya butuh dua query. Dua query.
Oh, sudah punya ID-nya ya? Kirain itu tadi user-nya. Maksudnya user dalam arti work trace admin-nya, kirain dia harus buka suatu UI, milih dulu post mana yang mau dimasukin, category mana yang mau dimasukin. Saat di admin, dia kayak gitu. Saat di admin, dia satu-satu, masukinnya satu-satu. Jadi, dia pilih iris beef, di-search iris beef, masuk, kosok. Oh, iya. Itu di admin-nya sendiri berarti ya. Maksudnya nggak bikin from scratch yang milih itu. Oh, ini bikin dari scratch. Ini react ini. Ini bikin dari scratch. Nah, berarti itu kan tetap harus memanggil semua post juga kan sebelum tahu ID-nya apa. Yang user facing phone N ini emang sudah tahu ID-nya, jadi bisa get post by ID 1, 2, 3, terus abis itu
get category by ID juga. Nah, tapi sebelumnya pas di admin-nya kan harus get all post dulu kan. Iya, satu-satu. Dia tetap harus search karena dia mau masukin apa kesini dia mau punya full kendali saat searching gitu. Oh, iya, iya, iya. Tapi ada faktor ini dong semakin banyak data di database akan semakin berat karena query-nya walaupun 2, tapi jumlah datanya kan bisa berpengaruh. Karena sudah punya ID dan ID-nya itu adalah primary key. Jadi sebenarnya post... Maksudnya post in atau query in itu lebih cepat sebenarnya karena in-nya itu adalah primary key. Lebih lama searching by title, contohnya yang tidak diindeks, tetapi ini adalah query in primary key.
Jadi sebenarnya... Wah, berarti kerja beratnya di klien dong kalau datanya diambil semua? Enggak, karena tidak ada... Ini server-side render tidak ada... Ini bukan client-side render itu server-side render semua. Jadi saya query saya query jadi punya array yang cukup gemuk jadi makan memori sebenarnya tetapi ya, array-nya gemuk tetapi waktu ngerender setiap block, sebenarnya dia sudah tinggal hanya, sudah tinggal looping sudah tinggal... tinggal looping berdasarkan si isi array karena array-nya itu sudah diindeks by key dari array itu adalah post ID. Oh, berarti mirip kasusnya seperti
yang tadi diawal. Antara kalau kita mau baca file, apakah baca file-nya semua dimasukkan ke memori, atau baca file per baris? Bedanya itu kan? Ini kurang lebih sama kan? Karena kita sudah punya datanya semua yang ada di memori pasti lebih cepat. Kita tidak perlu query lagi satu per satu. Jadi beberapa interviewer yang saya tanya dia pakai nesting loop untuk self-solving tab aja data per tab dia nesting for loop. Saya tanya lagi, kalau misalnya satu halaman itu ada 10 karusel yang dipakai dan setiap karusel ada 10 tab dan setiap tab ada 100 item, berapa jumlah dari mu?
Belulah dihitung-hitung, wah banyak banget. Sebenarnya 3 tingkat for loop atau 10 for loop. Setiap karusel kan nested loop tapi kalau ada 10 block maka jadi 10 nested loop. Saya bilang, berapa lama nanti jadinya page itu ke render? Kalau begitu caranya. Lagian itu kan di PHP kan pusing juga itu kalau nested loop-nya di PHP gak ke render-render. Berarti, oke. Make sense. Itulah gunanya saya belajar di connotation. Berarti emang ada kegunaan konkret ya, bukan cuma buat biar passing interview aja. Fundamental ada gunanya juga ya buat di... saya tidak belajar
terus terang, kalau saya tidak belajar fundamental saya akan masuk ke jebakan for loop. Saya saya solve satu karusel dengan 1 tab fine, tetapi begitu dipakai di dunia nyata. Tadi kan banyak kan karuselnya, minimal ada 6 itu saya hitung tadi. Kalau misalnya tiap karusel 3 tab-nya, terus ada 10 itu ya eksponensial itu kalau misalnya for loop. Pasti minimal 3-5 detik render page-nya. Itu TTFD doang. Gak bisa lag di loop. Maksudnya in that particular case kalau misalnya JavaScript kan kalau user gak nge-scroll, ya gak usah manggil dulu atau gak ganti tab gak usah di render dulu. Kalau ini lebih fatal lagi ya berarti. Maksudnya apa? Harus dipikir di awal. Dengan cara teknik yang saya pakai hanya 2 query
per page. Menarik, menarik. Untuk kisah nyata. Wah, ini ada yang ketinggalan. Referensi untuk teori Big O, ada tadi di awal-awal. Di atas ada ini. Medium. Afart CS50 lecture 3. Ada blog dari saya juga. Kalau yang bahasa Indonesia. Ada beberapa yang lain, silahkan di-check aja di ini. Oh ini ya, CS3 ya. CS50 ya. Ini kuliah gratis. Materi kuliahnya gratis. Penaruhin kuliah gratis tapi gak pernah selesai loh CS50 ini. Menentuk di sesi ke-2. Jadi kan introduction session 0, session 0. Terus kuliah kelas
pertama, kelas ke-2. Habis itu selalu ke distracted heline. Tapi pendekatannya menarik ya tadi ya yang kesnya Ivan ya. Karena by nature atau ya naluri-naluri saya gitu ya. Mungkin setiap orang berbeda ya approachnya pendekatannya. Kalau saya melihatnya, saya akan bikin satu karusel itu satu fungsi. Jadi kalau ada 6 karusel, dia akan memanggil 6, minimal 6 query. Karena pakai fungsi kan. Misalkan fungsi karusel gitu kan. Terus habis itu yang dibutuhin adalah oh pakai tab atau enggak, true or false gitu kan. Terus di dalamnya nanti ada query-nya. Query-nya berdasarkan apa? Misalkan karuselnya berdasarkan kategori atau berdasarkan pos. Saya akan bikin seperti itu. Tapi kalau... - Kalau mungkin itu mindset JavaScript dev nggak sih? Kayak yang kebiasa, ya udah nanti, kalau dibutuhin baru misalnya bikin
patch atau apa. Jadi kayak per block, per UI block, ada function, satu function. - Betul, betul. Kayak apa ya? Kayak mikirnya kayak... mungkin... - Unit. - Unit, function. - Iya, mikirnya unit. Jadi nggak keseluruhan halaman. - Itulah bahaya yang apa dong? - Tapi saya jadi tahu perspektif. Kalau misalnya ada tuntutan server site, jadi kita harus optimize di awal. Yang tadinya mungkin mindset-nya lebih ke visual block-nya. Satu item, satu function, satu query. Gue tadi malah salah paham sama soalnya dong lebih parah lagi. Kirain pas lagi milih item-nya. - Oke. Ini juga apa ya? Approach yang menarik juga. Karena kan ada apa ya? Beberapa tahun yang lalu, mungkin sekarang hype-nya udah
kurang ya. Beberapa tahun yang lalu kan ada yang namanya GraphQL. GraphQL itu kan dia menghindari penganggilan data yang terlalu banyak ulak-ulak timpong gitu kan. Karena ada latensi dan lain-lain kan. Berarti kechase ini juga itu berguna kan harusnya kan. Jadi dia ngambil semua secara keseluruhan, terus baru diolah di sisi klien-nya atau di sisi front-end-nya gitu. Jadi bisa lebih efisien. - Cuma GraphQL itu kayaknya shifting beban, ya maksudnya mengoptimize-nya ke yang apa? Orang yang nulis service database-nya. Apa? Yang bikin API untuk untuk dikonsumsi sama GraphQL klien itu kan. Tetepkan software harus dioptimize. Misalnya apa? Kalau kita pakai REST API kan kita get users, gitu. fetch users, jalan sekali, dibalikin daftar user. Nah, terus abis itu get pose kita yang get pose by user ID kita
yang masuk-masukin. Sementara kalau di GraphQL API kan kita bisa minta user, di masing-masing user, ada pose-nya yang dimana berarti kan itu sebetulnya dibalik layar tetap harus gimana caranya nyari semua, get pose by user ID kan. Sebenarnya sama, cuma sama. Tapi beban-nya di-shifting ke yaitu yang bikin API lah. - Iya, tapi kan istilahnya kita manggil satu untuk dipakai beberapa kali dibandingkan kalau kita pakai satu untuk satu karusel aja, terus yang kedua karusel lagi, yang ketiga karusel lagi kan di-kali 6 kan dalam kasus Ivan tadi kan. - Eh, coba ya. 1, 2, 3, 4, 5, 6, ya. Eh, 5 5 blocks.
- Tuhan, kebanyakan main di full stack ya. Full stack WordPress ya. - Sebenarnya, WordPress itu kan cuma foundation-nya, tapi ujung-ujungnya ya ph. Saya cuma saya nggak melihat WordPress itu adalah sesuatu yang istimewa karena ujungnya cuma php javascript react, kebanyakan karena block editor dan lebih ke framework kan sebenarnya ya. - Tapi karena php framework ya itu, jadi query-nya kan harus di php, ya nggak harus tapi by default. - Maksudnya, query-nya sudah menggunakan API-nya si WordPress kan. Sudah, WP query, WP post, segala macam. Jadi sudah objek-objeknya sudah encapsulated. Ya, sebenarnya
sama aja sebenarnya kalau mau terbiasa pakai Laravel ya sama aja. Kalau pakai Doctrine, segala macam. - Oke. Ada lagi yang mau dibahas? Sudah cukup? - Dari default sudah cukup. - Dari kita sudah cukup. Kalau begitu ditunggu topik-topik menarik lainnya di kesanain/ ngobrolin web. Ini juga salah satu topik yang kita ambil dari GitHub ya. Discussion yang cukup banyak diminta juga. Jadi silahkan langsung kesana untuk apa namanya? Untuk kasih-kasih ide atau mau diskusi seputar kerjaan. Misalkan tadi ketemu coding interview yang kayak Ivan tadi. Boleh disiap siapa tahu, gitu kan. Kemarin saya interview soalnya
kayak gini gitu. Solusi yang lebih bagus saya nggak ketemu. Bisa diskusi, bisa, bisa. - Lepasnya pas lagi temen-temen interview juga bisa dimana? - Nggak boleh. Jangan. Kecuali yang interview-nya Ivan. Ya, itu boleh. Ya sudah, kalau begitu. Kita Udahan untuk malam hari ini. Terima kasih banyak buat semuanya. Kita belajar cukup banyak ya. Ternyata, padahal udah tahu lama Biko, tapi ternyata masih banyak-banyak yang missing ya. - Sejelas, tapi kayak concrete-nya tuh kayak nggak terlalu merhatiin. Cuma yang "Oh ya, udah deh." Maksudnya gitu. - Gua hari ini belajar Omega Notation sama Theta Notation. - Omega Theta. - Karena biasanya kan kalau di coding interview itu kan yang apa, yang menjadi contoh kasus adalah
toy problem kan, toy problem kayak palindro, ya, atau fist bus lah atau apa, gitu kan. Kalau yang real case kayak gini tuh menarik sih. Jadi istilahnya kita bisa dapat, apa ya, snippet pada saat nanti kita kerja tuh bakal kerjain ini, bukan kerjain palindro, bukan kerjain anagram dan lain-lain, gitu kan. - Kecuali yang bikin aplikasi palindro. Di HR perusahaan yang bikin aplikasi palindro, fist bus. - Iya, dan kembali lagi, kembali lagi ya, harap berhati-hati dengan apa ya, penggunaan library, harus diperhatikan juga. Misalkan contohnya, ini bukan menjelekan ya, misalkan di Laravel kan ada ORM, ORM itu kan tidak dioptimis untuk performance kan, dia dioptimis untuk developer experience kan, biar cepat,
gitu kan. Misalkan kayak join, apa lagi, dan lain-lain kan, jadi kita nggak perlu pakai query, tapi dimudahkan karena pemanggilan API, gitu kan. Dan itu bisa berdampak kalau datanya jumlahnya udah cukup besar, itu bisa berdampak ke performance karena si query-nya itu harus dioptimis juga. Dan biasanya itu ada semacam apa ya, misalnya ya, semacam jebakan. Karena kita udah biasa menggunakan ORM yang ada di bahasa pemograman masing-masing, baik itu PHP, JavaScript, Ruby, dan lain-lain gitu, Python, itu kita cenderung operasinya itu, padahal sebenarnya operasi di database itu bisa dioptimis, tapi kita operasinya di kode. Karena ORM-nya kan pakai bahasa pemograman yang kita suka, bukan SQL, kan. Jadi kita cenderung terperangkap ke situ, akhirnya kita bikinlah
looping lagi, bikin lah filtering, dan lain-lain yang menyebabkan performanya jadi semakin jelaj. Jadi mungkin kalau misalkan ada teman-teman punya aplikasi yang, kok ini lambat, atau gimana, udah mulai ada komplain dari user, yang pertama dilihat adalah query dari ORM-nya udah optimis sebelum. Karena saya yakin semua ORM itu bisa support raw query. Jadi triknya adalah, jalanin aja dulu join-nya. Kan ada di konsol itu biasa, di copy-paste, dioptimis, abis itu diganti. Gitu. Salah satunya. Ada banyak yang lain. Index juga jangan lupa. Tapi kebanyakan index juga salah. Gitu ya, untuk malam ini. Kita ketemu lagi minggu depan. Minggu depan, tanggal berapa? Mungkin, oh, minggu depan ya. 6, tanggal 6. Mas ya, tanggal 6. Ya, nanti.
Nanti kita lihat, mudah-mudahan bisa. Kalau nggak bisa, kita juburin, atau kita jubur dulu. Dan hantikan kejutan dari kita bertiga. Atau bahkan berlima. Atau bertujuh. Atau rame-rame. Rame-rame. Udah itu aja. Terima kasih banyak untuk malam ini. Kita ketemu lagi lain waktu. Sampai jumpa di lain kesempatan. Bye bye.
Deskripsi asli dari YouTube
Yuk mari kita diskusi dan ngobrol ngalor-ngidul tentang dunia web. Agar tetap up-to-date dengan teknologi web terkini. Topik, tautan dan pertanyaan menarik bisa dilayangkan ke https://ksana.in/ngobrolinweb Kunjungi https://ngobrol.in untuk catatan, tautan dan informasi topik lainnya.
Memuat komentar dari GitHub Discussions...
Jika komentar tidak muncul karena ekstensi privasi / adblocker, kamu bisa berdiskusi langsung di GitHub Discussions .