Computational Thinking - Ngobrolin WEB

1:49oh enggak ya, mau dengerin nggak mau dengerin

1:51kita tetap live

1:53walaupun kalian nggak mau dengerin

1:55kita pengen ngomong

1:57iya, kalau kalian nggak mau dengerin kita

1:59ya udah, ditutup aja Youtube

2:01iya, kita tetap live

2:03tetap live

2:05iya, betul

2:07nggak salah

2:09kita ngomong sendiri jadinya

2:11kalau nggak ada teman-teman itu nggak seru

2:13kalau ada PNC tanya jawab

2:15kita justru nanti nambah bintang tamu pakai open claw

2:19jadi kita saling nambah bintang tamu open claw-nya siapa

2:24kita wawancarai gitu kali ya

2:26tapi kita wawancaranya gini

2:29berikan kami epik id-mu

2:31ini kayaknya lagi seru banget ya

2:36banyak mainan baru ya

2:38model-model baru

2:40yang muncul

2:42terus ada open claw

2:44saya lagi coba, lagi grooming

2:46lagi grooming

2:48ini dong, spill dong gimana open claw-nya

2:52personality-nya gimana

2:55tergantung modelnya

2:57kalau opus enak diajak ngobrol

3:00terus tadi pagi Isang nyobain ganti ke model Cina

3:05salah satu model Cina

3:07emosi

3:09kenapa?

3:11emosi ngobrolnya

3:13enak

3:15tradingnya beda kan ya?

3:22udah pake passes dari gue belum tuh

3:26masih ada 3 lagi pas gue

3:29nggak, gue simpen buat kalau mau ngerjain website ngobrolin web

3:34dihajar sekalian kan terbatas tuh 7 hari doang

3:38kalau lagi sibuk kan sayang ngopinya kan

3:41ini Mak sambil ngopi, saya juga sambil ngopi

3:44saya juga sambil ngopi

3:46saya ngeteh

3:48bukan sponsor ya kopinya ya

3:53saya sambil mutih

3:55aku sambil ngetih, hidup sehat

3:57sehat sekali kalian luar biasa

4:00aku juga lah nggak mau kalah

4:02aku sambil

4:04udah habis

4:06itu malam-malam ngopi Mas Riza

4:10kenapa?

4:12kalau lagi pengen aja

4:14saya ping kalau misalnya Mas Riza

4:18PR saya udah saya open

4:20jawabnya besok pagi

4:22nggak ngaruh, kopi mah ngantuk-ngantuk aja

4:26oh gitu ya

4:28iya, kan biar ngopi itu biar semangat

4:35biar semangat menyapa penonton

4:37semangat ngobrolnya

4:39nggak ngantuk

4:41malam ini nggak ngantuk ya?

4:43nggak lah

4:45yang minimal kita nggak ngantuk

4:47nggak tau yang nonton ngantuk atau nggak

4:49yang pasti kan nggak ada tim nas kan

4:53tadi ngomongin tentang open cloud gitu kan

4:58cepet ngomongin open cloud

5:00kalau temen-temen mau nyoba

5:02bisa, bisa banget

5:04oh iya betul

5:06mana discordnya?

5:08ada discord 50%

5:10oh iya mana dia?

5:12ada discord 50%

5:14kalau mau deploy open cloud

5:16bisa pakai ini

5:18kalau di, apa?

5:20kalau di komputer pribadi

5:22atau bahkan komputer laptop kantor

5:24jangan ya, bahaya kan

5:26apalagi dibuka aksesnya

5:28bisa, itu bisa

5:31kemana-mana perginya

5:33kayak kemarin aja saya baru nyalain

5:35tiba-tiba dia udah scan

5:37wah ini ada Apple Music

5:39dia minta akses ke Apple Music

5:41lho buat apa tiba-tiba dia minta akses

5:43kok ngeri juga ya

5:45makanya

5:47mendingan lebih aman di VPS

5:49jadi kalau ada apa-apa tinggal hapus aja

5:51salah satunya adalah dari Dominesia

5:53itu ada cloud VPS Turbo

5:55temen-temen bisa

5:57dapatkan discord 50%

5:59bisa dipakai lebih dari 1 kali

6:01untuk semua paket dan semua siklus

6:04jadi langsung cek aja Dominesia

6:06karena Dominesia adalah

6:08sponsor kita

6:13jadi semakin

6:15semakin banyak temen-temen pakai

6:17semakin besar kemungkinan kita untuk

6:19disponsori lagi berikutnya ya

6:21jadi terima kasih Dominesia

6:23oke malam ini

6:29kita kembali ke fundamental ya

6:31di sini temen-temen

6:33ada yang

6:35belum baru tahu ga sih

6:39istilah computational thinking

6:41saya

6:43sebenernya kalian udah tahu

6:45tapi ga tau

6:47udah mempraktekan

6:49tapi ga tau konsepnya

6:51terus ini menarik sih

6:53kan tadi Mansri saya bilang fundamental ya

6:55jadi biasanya kita ngomongin fundamental kan

6:57fundamental web misalnya

6:59karena kita ngobrolin web

7:01ngomongin yang fundamental web

7:03nah tapi setelah lihat apa

7:05konten-konten computational thinking ini

7:07ini malah layer yang

7:09lebih dasar lagi ga sih

7:11ini kayak fundamental

7:13fundamental berpikir kan

7:15sebenernya fundamental menjadi manusia

7:17framework ya

7:19problem solving

7:21bener ga sih

7:23dan biasanya kalo di luar itu

7:25sebelum belajar

7:27coding itu biasanya anak-anak

7:29diajarin ini computational thinking

7:31dulu

7:33dan bahkan kalo suatu hari kita

7:35ga coding lagi kita ga

7:37apa ya entah karena

7:39kerjaan kita diambil sama AI atau

7:41mungkin apa kita pindah

7:43ke management

7:45atau mungkin kita pindah ke product atau

7:47apalah maksudnya apa

7:49ini fundamental yang

7:51bisa dibawa banget maksudnya kayak

7:53carry apa bisa di

7:55carry over ke misalnya suatu hari

7:57kita jadi management atau

7:59apa lah finance marketing

8:01apa kan cara mikir kayak gini tetep kepake

8:03kan walaupun kita udah ga coding

8:05sebenernya apa sih computational thinking

8:09gue lagi baca nih

8:11ada ininya talking pointnya dari mas Riza

8:13ada

8:15dibikinin sama

8:17sama Cloudia

8:19sama Cloudia

8:21macam masalah besar jadi bagian kecil-kecil

8:23iya sebenernya kita

8:25udah pernah belajar kan yang apa

8:27problem solving 101 juga ada kan

8:29ada singgungannya

8:31kesana

8:33jadi computational thinking itu

8:35adalah konsep berpikir

8:37framework ya

8:39cara berpikir layaknya

8:41seperti komputer

8:43dengan cara memecatkan masalah

8:45dengan langkah yang sistematis

8:47dan logis

8:55bukan kayak cak lontong dong ya

8:57apa tuh

8:59emang gimana pun ya lo

9:01memecatkan masalah dengan masalah

9:03dengan masalah baru

9:05tanpa solusi

9:07yang paling sering kejadian adalah

9:13ketika kita dapet sebuah tas

9:15ga mesti masalah ya problem gitu ya

9:17tas yang mau kita selesaikan

9:19itu biasanya tas itu bentuknya besar

9:21ukurannya besar

9:23scope nya besar

9:25terus kita bingung ini mau mulai dari mana ya

9:27apa yang harus ditekal pertama kali

9:29langkah pertamanya apa

9:31kita ngerjain yang mana dulu

9:33itulah pentingnya

9:35mindset untuk problem solving

9:39termasuk juga computational thinking

9:41makanya

9:43di computational thinking ini

9:45kalau ga salah udah masuk ke kurikulum

9:47HD atau SMP gitu ya

9:51bagus ya

9:53oke banget

9:55ya jaman gua sekolah dulu ga diajarin sama

9:57kan ya

9:59website BBC itu

10:01ya ampun anak sekarang keren banget

10:03kayaknya dulu cuma diajarin

10:05avalan doang

10:07computational

10:09bahasa Indonesia nya ya

10:19sudah ada belum ya

10:21masuk kelas berapa gitu

10:232024

10:29oh

10:31mentri sebelumnya ga tau sekarang

10:33harusnya dilanjutkan

10:39yang lagi masalah itu

10:41yang lagi kasus

10:43mudah-mudahan kasusnya cepet terurai lah ya

10:49computational thinking

10:51jaman kita dulu kita ga dapet

11:03makanya kadang-kadang

11:05kita kayak

11:07ya kita mungkin udah menerapkan

11:09tapi kita ga tau kalau itu

11:11itulahnya computational thinking semua

11:13dan mungkin apa ya

11:15learning by doing gitu

11:17kalau salahnya mungkin

11:19iya banyak salahnya

11:21betul

11:23dan sebenernya ini bukan

11:25hanya untuk programming sih

11:27jadi untuk kehidupan sehari-hari

11:29itu tadi fundamentalnya

11:31hidup kan

11:33fundamentalnya jadi manusia yang

11:35kritis atau mungkin ya apa

11:37profesional lah ya

11:39fundamental untuk punya

11:41karir atau punya apalah

11:43punya bisnis secara profesional

11:47iya

11:49jadi misalkan

11:51saya pernah baca di salah satu

11:53buku contohnya itu misalkan

11:55kita bikin event

11:57misalkan kayak apa ya event

11:59pernikahan gitu ya resepsi

12:01nah itu kan

12:03susunan misalkan

12:05makanannya dimana

12:07panggungnya dimana itu sebenernya ada

12:09proses berfikir

12:11secara profesional

12:13jadi ketika tamu pertama kali datang

12:15dihadapkan pada apa? biasanya kan

12:17isi buku tamu tuh

12:19gak bisa kan kita taruh makanan di depan

12:21dan isi buku tamu kita makan gitu kan

12:23udah masukin naplok, udah istirahat bakso

12:25rusuk

12:27iya, di sebelah kanan ada

12:29satay kambing, di sebelah kiri ada bakso

12:31itu yang mana

12:33jadi orang-orang itu

12:35diarahkan gitu juga dengan ketika

12:37kita masuk ke

12:39supermarket misalkan

12:41biasanya itu susunannya itu sering diubah

12:43biasanya kenapa? karena mungkin dia mau

12:45menonjolkan sesuatu, misalkan

12:47ada yang sering ditaruh di deket kasir

12:49kadang-kadang iseng kan

12:51biar lah ambil gitu, ada juga yang

12:53tadi aja posisinya disini

12:55terus dipindah kemana itu sebenernya

12:57bukan random

12:59tapi ada perhitungannya

13:01itu ada

13:03ada hitung-hitungannya, ada ya

13:05kalau dibawa lebih jauh mungkin ke

13:07machine learning kali ya, yang mana

13:09yang kira-kira lebih cocok

13:11di padu-padenkan dengan yang mana

13:13tapi kalau untuk yang sederhana

13:15misalkan kayak tadi resepsi itu

13:17kalau kita kan

13:19udah secara natural ya pastilah

13:21kalau itu harus misi buku tamu dulu

13:23abis itu mungkin

13:25dia mau ngarahin kemana nih?

13:27mau calaman dulu atau mau

13:29makan dulu gitu kan?

13:31bakso dulu

13:33takut gabisa gitu ya

13:35iya

13:37atau

13:39acara sekolahan

13:41sudah gitu ya

13:43supaya gak terlalu

13:45gak terlalu ngantri

13:47misalkan itu harus gimana

13:49dulu, diatur dulu, jangan sampai

13:51ke kanan dulu, abis itu muter

13:53lalu intas juga sama

13:55tatah kota dan lain-lain semuanya itu

13:57sebenernya kan ada tatah caranya

13:59nah salah satunya ya

14:01computational thinking

14:03gedung parkir, betul

14:05ya stasiun

14:07stasiun

14:09nah kalau

14:11komponennya sendiri itu ada 4 kan

14:13basic yang basic

14:15AADP

14:17ya itu

14:19gara-gara padika ya

14:21salah satu

14:23materi yang bagus kalau temen-temen

14:25pengen penjelasan tentang computational thinking

14:27search aja di youtube

14:29ada WPU

14:31ya itu algoritm

14:33design, abstraction

14:35decomposition

14:37pattern recognition

14:39oh, di balik-balik ya

14:41biar jadi AADP

14:43ada apa dengan pinta

14:47ya kalau di

14:51ada apa dengan program

14:53kalau gak, gue sudah pegang soundboardnya

15:05AADP

15:07jadi misalkan temen-temen

15:09ada ketemu masalah yang

15:11bingung mau nyelesainnya gimana

15:13jadi bisa dipecah dulu

15:15jadi bagian-bagian kecil

15:17misalkan

15:19kalau mau bikin web

15:21itu stepnya

15:23dari mana apakah

15:25desainnya dulu

15:27bikin

15:29datanya dulu, maksudnya

15:31ini butuh data apa aja

15:33kan ada macam-macam itu ya

15:35ada berbagai mass hub kan

15:37ada yang, wah dari desain dulu

15:39pake Figma atau pake Photoshop atau apa

15:41gitu kan, abis itu baru

15:43disicing ya

15:45dan bahkan

15:49sebelum itu kan ditarik mundur lagi

15:51ada requirement nya kan, kita ngumpulin

15:53user requirement kan, maksudnya tadinya

15:55misalnya misalnya, Mas, Pak

15:57tolong bikinin saya, website

15:59e-commerce saya

16:01kayak Toko Ijo

16:03atau Toko Orange

16:05maksudnya apa, padahal ternyata dia cuman

16:07satu penjual

16:09di video, dia cuman pengen jual barangnya sendiri

16:11itu kan harus dikulik dulu

16:13berarti itu juga udah ada proses kan

16:15nah dari user requirement

16:17harus di breakdown lagi

16:19jadi misalnya apalah

16:21arsitekturnya kayak

16:23database nya gimana

16:25deponya dimana, back-end, front-end

16:27itu kan beneran proses

16:29ya itu computational thinking sebetulnya

16:31terus abis itu tuh pecah-pecah lagi kan

16:33sampe jadi

16:35implementasi yang bisa dikerjain

16:37ini malah

16:39nyambung sama planning berarti ya

16:41yang pernah kita bahas

16:43iya, kalau sekarang

16:45kan kayaknya kita udah pada

16:47paham ya, udah paham ya

16:49harus bikin PRD dulu

16:51atau spek dulu

16:53gara-gara AI

16:55iya sama kayak kita main ini ya

16:57main coding agent ini

16:59jadi ada flow nya

17:01nah, saya tau

17:09sebelum saya tau ada computational thinking ini

17:11kalau mau misalnya

17:15dipaksa di project ya

17:17saya tuh biasanya diminta

17:19tolong estimasi atau bikinkan

17:21roadmap nya atau bikinkan

17:23gimana sih

17:25implementasinya

17:27saya tuh biasanya pakai itu

17:29pakai

17:31main map

17:33saya suka main map

17:35jadi dari hal yang paling

17:37atas

17:39mau bikin apa, terus mulai cabang-cabang

17:41tuh satu-satu

17:43satu-satu cabang-cabang ya, jadi

17:45kalau lagi bikin main map itu

17:47flow, otak saya nge-flow

17:49aja, ga perlu mikir

17:51cakep apa engga

17:53atau teratur apa engga

17:55karena harus yang dari otak

17:57harus keluar dulu

17:59keluarin dulu semua botamangnya

18:01kayak gimana, terserah

18:03nah, setelah sudah keluar semua

18:05ada lagi ga?

18:07oh, ga ada, habis

18:09baru saya mulai grouping

18:11grouping itu

18:13either per function

18:15atau epic

18:17bahasa PM nya

18:19atau sometimes kayak per domain

18:21jadi domain itu artinya apa ya

18:23kaya

18:25area ya, jadi misalnya

18:27authentication sendiri

18:29atau

18:31cache management sendiri

18:33database nya sendiri

18:35atau query nya sendiri

18:37service API nya sendiri

18:39itu bisa di per domain-domain gitu

18:41atau per

18:43kalau bahasanya mas Tisha dulu, per ini

18:45ada ini kan, ada bahasanya per

18:47per

18:49actor, actor base

18:51tau ga, actor base

18:53dulu pernah kita bahas

18:55oh ini, kalau di

18:57apa namanya, di diagram

18:59UML itu ada

19:01activity diagram, ada class diagram

19:03ada apa namanya, yang satunya lagi

19:05yang actor-actor itu

19:07lupain namanya, itulah maksudnya

19:09per actor base itu, nah itu saya sempat pake

19:11matoda itu

19:13iya iya iya iya

19:17dulu pernah banget kita bahas

19:19dulu banget

19:21kat base, ga inget

19:23udah ratusan episode nya

19:25udah, udah ratusan

19:27actor model, actor model

19:29bukan

19:33factor, factory

19:35ga ada actor

19:37ga ditulis

19:39ga ditulis kayaknya, bukan actor kali

19:41iya actor model

19:45actor model

19:47itu kan

19:49yang berhubungan dengan konkurrensi, bukan?

19:51oh iya bener

19:55oke

19:57jadi begitulah, nih ada materi bagus

19:59dari BBC

20:01materinya bagus banget ya

20:03terus baru tau, ternyata BBC

20:05BBC kan kirain cuman media kayak

20:07maksudnya kayak berita

20:09ya berita kan

20:11broadcasting blablabla, ternyata

20:13punya materi pendukung, belajar

20:15untuk anak sekolah, ya walaupun

20:17orientasinya buat

20:19korekulum inggris ya, buat

20:21anak sekolah disana, nah ini buat

20:23kayak anak SMP, SMA gitu

20:25dan pas liat ini

20:27malah impressed karena

20:29website nya bagus, terus kayak penjelasannya

20:31juga bagus, enak di cerna

20:33banget, seneng deh liatnya

20:35dari introduction coba

20:37oh dari introduction

20:39eh introduction dong

20:41kan tadi

20:43jadi apa, ini sih

20:45malah belum masuk codingan ya

20:47cuma ini emang di website ini

20:49pun, di settingnya

20:51sebagai prerequisite dari

20:53ya itu kayak yang Mas Tricia bilang tadi ya

20:55atau Ivan yang bilang tuh tadi

20:57sebelum belajar coding, sebelum diajarin

20:59cara mendeklarasikan

21:01variable dari

21:03dalam python, misalnya sebelum kayak gitu

21:05diajarin cara mikirnya

21:07dulu, mantap

21:09nah ini

21:11kan yang tadi kita bahas ya

21:13apa itu computational thinking

21:15sebelum suatu masalah bisa

21:17diselesaikan, apa

21:19masalahnya sendiri dan cara-cara

21:21gimana masalah itu bisa diselesaikan

21:23itu harus dipahami dulu

21:25kalau apa

21:27jadi ini kan cara pikir

21:29yang memungkinkan kita

21:31menghadapi suatu

21:33problem yang kompleks ya

21:35nah ini tadi

21:37akui tekniknya AADP

21:39AADP

21:41jadi di komosisi tadi

21:43kita udah bahas ya, tentang

21:45memecahkan masalah menjadi masalah yang

21:47lebih kecil

21:49memecahkan masalah jadi masalah yang lebih banyak

21:51bukan ya, lebih kecil

21:53jelas banyak kan kecil-kecil tapi

21:55lebih mudah di manage

21:57lebih mudah di

21:59pahami

22:01lalu setelah dipecah-pecah

22:03kita mencari kesamaannya

22:05betul

22:07kalau

22:09di programming biasanya

22:11kan ada kode yang berulang

22:13itu dibikin

22:15satu fungsi ya kan

22:17bisa dijadikan fungsi

22:19atau apalah

22:21jadi factory

22:23atau kalau UI

22:25jadi satu komponen

22:27abstraksi

22:29berfokus

22:31dan kadang-kadang

22:33kalau masalah itu

22:35kadang tersembunyi biasanya

22:37tersembunyi dibalik

22:39hal-hal yang lain

22:41jadi

22:43nggak clear masalahnya apa

22:45itu kadang-kadang kita bingung tuh

22:47mau cari ini akar masalahnya

22:49apa sih gitu kan makanya dulu sempat

22:51kita bahas tentang

22:53five wise, jadi kalau mau ada

22:55masalah tertentu kita tanya

22:57kenapa sampai 5 kali

22:59atau berapa kali gitu sampai ketemu akar masalahnya

23:01kadang-kadang

23:03yang kita selesaikan

23:05itu belum tentu

23:07akar masalah

23:09jadi muncul lagi

23:11cuma mungkin salah satunya

23:13karena kita nggak kebiasa mikir

23:15jadi ya itu begitu ada masalah

23:17langsung hajar

23:19kelihatannya selesai, maksudnya buat saat ini

23:21kesannya selesai, minggu depan

23:23muncul lagi masalahnya, tapi dalam

23:25varian lain karena belum

23:27di basmi dengan benar masalahnya

23:29ya misalkan gini

23:31misalkan teman-teman bikin aplikasi web

23:33terus tiba-tiba kliennya

23:35atau teman kita bilang

23:37kok website-nya lambat ya

23:39database-nya lambat ya, ya udah

23:41kita restart tuh database server-nya

23:43sebentar cepet

23:45wah cepet nih, terus lama-lama

23:47lambat lagi gitu, itu kan akar masalah kan

23:49sebenarnya, ternyata index-nya

23:51atau apakah masalahnya?

23:53ada query yang

23:55put atau apa gitu

23:57kayak merasa saya

23:59lagi nelpon

24:01ini apa namanya?

24:03customer service-nya

24:05di home

24:07oh disuruh restart ya

24:09restart modem doang kan

24:11apapun masalahnya

24:13udah konek kan

24:15apapun masalahnya, solusinya

24:17restart modem

24:19betul, itu salah satu

24:23SOP-nya ya

24:27terus

24:29abstraksi, ada algoritma ya

24:31ya, desain algoritma

24:33nah ini SOP-nya

24:37SOP yang tadi, kalau ketika ada

24:39apa masalah

24:41cuma satu doang di season 3-nya

24:43cuma satu, nggak ada cabangnya

24:45pertama yang disarankan adalah

24:47restart modem

24:49kak, modem-nya mati

24:51di restart aja, orang mati

24:53nggak bisa nyala

24:55nggak bisa nyala

24:57terus next ya

25:03jadi

25:05desain algoritma ini penting

25:07kenapa? karena

25:09kita bisa hand over

25:11jadi misalkan apa ya

25:13kalau di pekerjaan sehari-hari ya

25:15misalkan workflow

25:17untuk

25:19untuk deploy

25:21ya, jadi oh harus

25:23git add dulu

25:25apa sebelum commit

25:27ada pre-commit hook-nya

25:29pre-commit hook-nya dulu, dinyalain

25:31di set up, jangan sampai

25:33lintarnya nggak jalan, kita langsung commit

25:35misalkan gitu

25:37ada kan aturan-aturan tuh, oh harus pakai

25:39brands dulu kalau mengerjain

25:41jadi dari main, jadikan brands

25:43habis dari brands, kita push

25:45ke github, terus habis itu bikin

25:47pull request, ada juga yang

25:49merge aja langsung, terus nanti ya

25:51beda-beda lah ya, macem-macem gitu kan

25:53itu kan SOP ya

25:55biasanya itu antara tertulis atau

25:57tidak tertulis, tapi itu adalah bagian dari

25:59desain algoritma, gimana kita

26:01misalkan mau

26:03commit kode kita

26:05ke code base

26:07itu caranya gimana

26:09biasanya itu ada tuh, kalau perusahaan yang

26:11rapih itu biasanya ada

26:13ada handbook-nya, semacam handbook

26:15itu adalah bagian dari algoritma

26:19bukan hanya algoritma kode ya

26:21by the way, itu pop-over-nya bagus ya

26:25desainnya, maksudnya kayak enak dilihat aja

26:27di klik, nah

26:29nggak tau kenapa ya, enak dilihat gitu

26:31ini pop-over

26:33yang baru kita jadi penasaran kan

26:35warna purple-purple

26:37purple-purple, slope ya, slope

26:41iya dipiasa

26:43cuma ada itu-nya

26:45ada area roll-nya

26:47tapi, jadi ya nggak apa-apa lagi

26:49oh iya, ini mah rapih

26:51rapih ya, OLD

26:53tapi sebenarnya masih

26:55yang bikin BBC

26:57iya

26:59cuma enak dilihat aja

27:01terus, ya gitu

27:03itu penjelasannya

27:07iya, ini ada 4 ya

27:09nah

27:11yang tadi saya sebutkan

27:13kalau problem-nya udah mulai kompleks

27:15itu biasanya, bingung kita mulai

27:17dari mana

27:19ini, dan ini nggak harus berurutan ya

27:23kita mau ngerjain abstraction

27:25dulu boleh, dari abstraction dulu boleh

27:27dari pattern dulu boleh, tapi algoritma

27:29sih terakhir kayaknya ya

27:31de-composition dulu kali ya

27:35harus ya, harus de-composition dulu

27:37kalau nggak

27:39iya biar gampang, kalau nggak

27:41iya, itu kan lain

27:43iya itu

27:45apa, ya itu tadi

27:47masalahnya terlalu besar untuk di handle

27:49jadi terlalu apa, kayak nggak fokus

27:51kali ya

27:53nah, lihat contoh kasusnya

27:55tapi kan kadang-kadang untuk menemukan masalahnya, harus di abstraction

27:57nggak juga

27:59nggak tahu

28:01baru baca

28:03nah, ini next

28:05next page, penerapannya

28:07jangan, belum, jadi ini selalu di halaman pertama

28:09penjelasan abstraknya

28:11terus halaman selanjutnya

28:13contoh kasusnya

28:15contoh kasusnya

28:17ikut cepat ya

28:19kan udah di load tadi

28:23udah di pencet

28:25kan static juga

28:27nah, ini sih

28:29ini standar ya, contoh kasusnya

28:31ini belum masuk coding sih

28:33tentang rencanakan suatu

28:35rute

28:37blablabla

28:39terus, apa

28:41kalau pengen menentukan aktivitas

28:43hal-hal yang

28:45ke poin-poin yang perlu dipertimbangkan

28:47apa

28:49nah, terus, setelah lagi ke bawah

28:51kalau main video game

28:53contohnya gimana, item-item apa aja

28:55yang perlu di-collect

28:57kayak kita menentukan

28:59kan kita punya suatu tujuan nih

29:01kalau main game yang kayak gini, exitnya mana

29:03harus meng-collect item

29:05apa aja

29:07ya, harus ada exit pointnya

29:09dimana

29:11skornya berapa, gitu ya

29:13musuhnya gimana

29:15terus, scroll paling bawah dia

29:17recap summary-nya

29:19nah, itu

29:21jadi, each complex problem

29:23masing-masing masalah yang

29:25complex dipecah menjadi

29:27beberapa decision

29:29keputusan dan langkah-langkahnya kecil

29:31contohnya, tadi kita mau

29:33pergi gimana

29:35cara menyelesaikan menamatkan level ini

29:37itu contoh dari decomposition

29:39nah, terus

29:41kita fokus di detail-detail yang penting

29:43aja, kalau mau pergi, misalnya

29:45pertimbangkan cuaca, atau kalau mau main game

29:47nyari exitnya dimana

29:49itu contoh

29:51abstraksi

29:53terus, ya itu contoh pattern recognition

29:55sama algorita

29:57ya, pattern recognition

29:59biasanya gerakan musuhnya ya

30:01musuhnya itu gerak gimana

30:03apakah dia loncat, atau dia cuma

30:05jalan doang, kecepatannya berapa

30:07itu kan pattern recognition ya

30:09terus kita harus

30:11sendiri, kita gak boleh nyentuh musuhnya kan

30:13karena kita tahu, karena game-game

30:15pada umumnya

30:17ya, tapi biasanya yang terakhir ini

30:19kalau lagi main game sih, gak kita tulis ya

30:21cuma kita ingat aja

30:23biasanya

30:25cuman

30:27contohnya bagus ya, jadi misalkan nih

30:29teman-teman tiba-tiba

30:31di interview, atau ketemu orang

30:33atau apa, "coba kamu bikin game seperti ini"

30:35langsung overwhelmed kan

30:37wah, gimana ya

30:39gak pernah bikin game sebelumnya gitu, jadi

30:41mungkin langsung stress gitu ya, kepikiran

30:43gimana gitu, padahal

30:45kalau kita pecah

30:47oh, apa dulu nih yang harus dibikin

30:49oh, mungkin platformnya dulu kita bikin

30:51atau kita coba bikin

30:53si karakternya bisa

30:55jalan ke kanan ke kiri dulu

30:57setelah itu baru

30:59musuhnya bisa jalan ke kanan ke kiri

31:01terus habis itu tambahin item

31:03tambahin exit, tambahin score

31:05tambahin waktu, gitu ya

31:07dengan kita pilah-pilah

31:09seperti itu, jadi lebih kebayang lah

31:11dibandingkan sebelumnya, wah

31:13game gitu, langsung kaget

31:15game itu apa

31:17scope-nya kan luas banget

31:19scope-nya luas

31:21bahkan kadang-kadang kita udah dikasih

31:23penjelasan seperti ini juga masih

31:25bingung juga kan, mulai dari mana

31:27mulai dari screen shot

31:29masukin ke

31:31masukin ke clockwork

31:33buat game ini

31:35game ini

31:37apa

31:39apa, "make no mistakes"

31:41nah, Bek, coba

31:47abakal diterangin satu-satu

31:49sama ini bagusnya, contoh-contoh

31:51kasusnya tuh concrete banget, apa

31:53contoh penerapannya

31:55menarik ya

31:57eh, salah ya

31:59Bek, Bek, Bek

32:01nah, sekarang decomposition

32:05ya, ini kan penjelasannya tadi

32:11penjelasannya mah

32:13ya, udah lah ya

32:15langsung ke

32:17praktek-nya aja ya

32:19itu kan tadi kita udah, soalnya kenapa

32:21penting, ya kan, kalau nggak dipecah-pecah

32:23masalahnya besar, sulit, nah

32:25langsung praktek-nya

32:27contohnya

32:29ini prakteknya ya

32:31contoh yang bego-begoan banget lah

32:33apa, gosok gi-gi

32:35itu anak-anak ini kayaknya ya

32:37anak-anak sekolah, anak sente

32:39kedua

32:41memacahkan kriminal

32:43solving a crime

32:45tapi ini konsepnya

32:47adalah di-compose

32:49kan ada definisinya tuh

32:51di-compose

32:53oh, ini jadi ingat ya

32:55kalau kita programming, biasanya

32:57kalau dibaging itu layaknya

32:59seperti memencahkan

33:01masalah, itu ya

33:03kejahatan

33:05kita sendiri yang jadi

33:07penjahatnya

33:09kita sendiri yang jadi penjahatnya

33:11kita sendiri yang jadi penjahatnya

33:13kita yang jadi

33:15detektif, kita yang jadi

33:17tersangka

33:19yang salah kita juga

33:21cuma maksudnya itu ngumpet dimana

33:23bukti kejahatan kita diumpet dimana

33:25kan kita harus nyari, coba scroll ke bawah

33:27itu gambarnya lucu soalnya

33:29sering

33:31ya ini

33:33lucu-lucu

33:35ini saksi

33:37lokasinya disini, jam-jam berapa

33:39harus di-compose dulu

33:41list item-nya tuh, kayak where the crime

33:43tindakan kejahatannya, kapan dilakukannya

33:45buktinya apa saja

33:47ada saksi mata atau nggak

33:49sebelumnya ada

33:51tindak kejahatan yang mirip atau nggak

33:53oh iya

33:55terus

33:57penjahatnya juga beda ya

33:59antara nyolong

34:01perhiasan dengan nyolong ayam

34:03jadi dia bisa cari itu

34:05pattern recognition

34:07nah itu

34:09itu kan disitu

34:11itu kan penjahat selalu pake hitam putih ya

34:13baju penjara

34:15oh iya

34:17itu manifestasi

34:19manifestasi

34:21oh iya

34:23yang nggak, itu

34:25itu wanted kan, itu burunan

34:27mungkin sebelumnya dia pernah masuk penjara

34:29karena nyolong berlian

34:31oh jadi ya

34:33tersangka lagi gitu ya

34:35karena udah sering ya

34:37oke oke

34:39nah nextnya contohnya penerapan di

34:41ah ini baru masuk ke

34:43coding ya

34:45iya

34:55betul

34:57bisa

35:07komplikasi ya

35:13yang resolusi buat

35:15to do listnya

35:17ya itu cuma itu kan

35:19itu lah yang kemarin saya lakukan

35:21suruh dia bikin to do list sendiri

35:25ya mah ini ngumpulin user

35:29requirement itu termasuk hal yang

35:31bisa di decompose

35:33aplikasinya

35:39mau bikin apa

35:41desainnya kayak gimana

35:43target audiensnya apa, eh ini standar ya

35:45pertanyaannya cloud code ya

35:47biasanya kalau kita mau bikin

35:49ya cloud code trending datanya mungkin

35:51dari ini

35:53cuma berarti itu kan cara pikir bukan

35:55perkara itemnya apa, tapi

35:57langkah-langkahnya apa

35:59langkah-langkahnya apa aja, kalau mau

36:01approach suatu

36:03masalah suatu project

36:05iya ini kan yang umum ya

36:07best practice lah gitu ya

36:09best practice

36:11sama ini contohnya buat anak kecil soalnya kan

36:13jadi apa, simple

36:15jadi ini itu

36:17what, who, what

36:195W1H

36:215W1H

36:23tapi nggak 5 sih ya pokoknya

36:25itu semua

36:27ya nggak mesti plek-plek kayak gini

36:29kayak grafik sama audio belum tentu

36:31aplikasi kita butuh audio kan

36:33jadi tergantung kebutuhan aja

36:37ya udah selesai

36:39terus nextnya pattern recognition

36:41ini ya ini menarik

36:45gimana kalau pemula

36:47mengenali pattern itu gimana

36:49caranya, ada langkah-langkahnya nggak

36:51ya itu tadi impulse

36:53coba yang paragraf pertama deh

36:55mencari persamaannya

36:57mencari persamanya

37:01di antara

37:03beberapa problem yang sudah

37:05decomposition

37:07ini contohnya bagus kok

37:09ya cuma penerapannya di kasus yang

37:11kompleks ya, dia nggak ngasih sih

37:13pertama kita harus tahu

37:15dulu patternnya itu apa

37:17pattern itu apa, pola itu apa

37:19jadi ini contohnya sih

37:21kita harus menggambar kucing

37:23apa saja hal

37:25hal yang sama yang

37:27ada di berbagai kucing, ternyata semua kucing

37:29punya mata, punya punggut

37:31punya bulu

37:33yang makan ikan

37:35ada kucing yang ngomong-ngomong

37:37oh iya tau-tau kucing yang

37:39sphinx

37:41sphinx

37:43kucing viraun ya

37:45nah, ini fokus di

37:47titel yang penting, pada umumnya

37:49kucing, pada umumnya

37:51iya

37:53kalau itu tidak umum ya

37:55iya relatif lebih jarang

38:01oke, ada

38:03ada ekor, kakinya

38:05empat gitu ya, yang umum-umum ya

38:07nah itu adalah pattern gitu ya

38:09nah, lalu kenapa

38:11kita pukul

38:13jadi pattern

38:15pattern membuat pekerjaan kita

38:19lebih ringan

38:21problem lebih mudah

38:23disolve, kalau

38:25patternnya mirip

38:27karena kita bisa menggunakan

38:29solusi yang sudah ada sebelumnya

38:31makin banyak pattern yang bisa kita temukan

38:35makin bisa dipercepatkan

38:37mempermudah untuk mengecehkan masalahnya

38:39misalnya kalau contoh ini

38:41sample bentuk kucing

38:43biar enggak perlu

38:45berkucing satu persatu

38:47iya, patternnya nggak penting sih

38:49cuma ya, baguslah

38:51kalau di-delete ke dunia

38:55sekarang, jadinya set Cn

38:57V0

38:59atau

39:01ini kali ya

39:03tailwind

39:05framework ORM gitu ya

39:07framework, iya iya

39:09itu bukan abstraksi ya

39:11pattern

39:13itu pattern sih

39:15abstraksi untuk

39:17memecahkan

39:19masalah yang berulang

39:21abstraksi yang dibuat untuk

39:23memecahkan masalah-masalah yang

39:25berulang dan mirip

39:27lah kan sebetulnya button set Cn itu

39:29kayak sample bentuk kucing itu kan

39:31kita warna sendiri, dikasih warna

39:33mata warna kuning

39:35iya, daripada kita harus bikin button dari awal

39:37terus menerus gitu ya

39:39cuma ganti warna kuning, orange, merah

39:41kita bikin satu button

39:43yang ada kelasnya kuning, orange, merah

39:45jadi tinggal ganti itu aja

39:47dan bahkan kalau

39:49ditarik yang di luar web

39:51itu lagi yang lebih baru

39:53dan kayak standarisasi skills.md

39:55itu kan abstraksi

39:57tapi kan untuk memecahkan masalah yang berulang

39:59kita bolak-balik harus

40:01bilangin, gunakan

40:03react function

40:05component yang standarnya

40:07begini-gini-gini

40:09kalau mau pakai

40:11drizzle dan purso

40:13itu cara jalaninnya

40:15kondensinya ini liatnya kesini

40:17itu kan hal-hal yang berulang, cuma

40:19setiap orang mungkin kombinasi

40:21kebutuhan teknis yang dipakai lain-lain

40:23library yang dipakai lain-lain

40:25tapi kan semua yang melakukan hal yang sama

40:27nah, berarti bisa

40:29dipecahkan dengan skills.md

40:31skills.md

40:33iya ya, itu bukannya

40:35stemple coaching

40:37nah, terus nextnya, recognizing

40:39pattern

40:41bagaimana cara mencari ya

40:43mencari pola yang mirip ya

40:45patterns exist among different

40:49problems and with

40:51individual problems

40:53jadi, kita mencari pola

40:55di antara beberapa

40:57berbagai masalah yang berbeda

40:59atau dalam

41:01masing-masing masalah

41:03nah, contohnya nih

41:05among different problems

41:09kalau

41:13kita mau

41:15bikin kue

41:19jenis kue yang

41:21ingin dibuat

41:23bahan-bahannya

41:25berapa orang yang

41:27kue itu untuk berapa orang

41:29proses bikin

41:31kuenya berapa lama

41:33kapan perlu menambahkan masing-masing bahan

41:35perlu peralatan apa aja

41:37nah, setelah kita tahu cara

41:41membuatnya

41:43kita ngerti nih, caranya bikin

41:47satu kue dengan

41:49udah dipecah-pecah kayak tadi

41:53kue A, kita ngerti caranya bikin

41:55kue A, setelah kita tahu

41:57cara bikin kue A

41:59kita jadi tahu, pasti kita

42:01kurang lebih tahu paper

42:03untuk membuat kue B

42:05jadi, kalau buat di

42:11webdev atau software dev

42:13kita udah pernah sekali bikin

42:15aplikasi crude yang ada unsur

42:17crude CRUD

42:19dashboard, ada crude-nya

42:21ada beberapa endpoint

42:23jenis data, ada beberapa data model

42:25kita udah pernah, besok

42:27kalau next-nya kita bikin aplikasi

42:29yang ada unsur crude lagi

42:31kita tahu kurang lebih

42:33kayak gitu pola-polanya

42:35misalnya kalau untuk

42:37post dan update

42:39request, ya kita harus bikin form

42:41walaupun nanti mungkin detail

42:43detail-detail-nya lain

42:45kita sudah mengenali pattern itu

42:47setelah kita mengedit notifikasi

42:51pattern-pattern itu

42:53we can work on common solutions between the problem

42:55berarti kita bikin sistem kali ya

42:57standarisasi sistem

42:59untuk autentikasi misalnya untuk

43:01SOP ya

43:03jadi teringat, barusan banget

43:07kemarin gue ini

43:09apa namanya, mau

43:11beli sofa

43:13karena sofa di rumah udah rusak

43:15terus begitu nyampe di tokonya

43:17ini tokonya

43:19sebenarnya custom ya, custom sofa design

43:21interior design untuk khusus sofa

43:23dia langsung tunjuk, iya

43:27contoh sampelnya sudah ada

43:29terus dia kasih materialnya ini

43:31bahan dasar kayunya ini

43:33lo mau model yang mana

43:35langsung dibuka katalog

43:37terus kalau kita bilang

43:39gue mau, karena

43:41gue kan pakai jemenai untuk

43:43bisa dipotohin ruangannya

43:45terus minta jemenai

43:47tolong ganti sofa-nya

43:49terus jemenai bisa bikin jadi cakep

43:51gue mau yang kayak gini

43:53dia bilang

43:55bisa kayak gitu, tapi

43:57harganya jauh lebih mahal karena custom

43:59ya, full custom

44:01iya

44:03kalau lo mau yang ada disini

44:05tinggal pilih bentuknya gimana

44:07ukuran

44:09ukuran terserah ya, karena

44:11yang penting bentuk, desainnya

44:13seperti apa

44:15terus bahannya

44:17sudah ada

44:19mau pakai kain atau lender

44:21tinggal di custom upholstery-nya

44:23bahannya apa

44:252 atau 3 atau 4 seater

44:27yang pada umumnya kan

44:2995% customer

44:31iya, udah tinggal pilih, oke saya mau 3 seater

44:35ukurannya yang

44:37medium size aja

44:39gausah yang dalem banget duduknya

44:41terus bahannya ini

44:43sorry, kayunya ini

44:45bahannya kain

44:47yang ini, udah

44:49kalau udah milihnya begitu pakai pattern itu

44:51justru malah dapat discount

44:53ya udah, gue langsung

44:55gausah pikir, aneh-aneh

44:57langsung beli yang itu

44:59jadi

45:01kalau sudah pakai pattern, milihnya

45:03bisa diestimasi

45:05waktunya

45:07dapet discount

45:09terus kemudian

45:11apa namanya

45:13bahannya

45:17atau bentuknya sudah jelas

45:19di depan mata

45:21ya udah, karena dia bilang ada discountnya

45:25langsung gausah mikirin

45:27custom lagi

45:33itu ya

45:35kalau misalnya ada patternnya

45:37bener bener bener

45:43ya sebenernya semua juga pasti ada

45:45polanya kan, mau bikin baju

45:47ada polanya, mau bikin rumah ada

45:49blueprintnya

45:51ya kan itu pola kan

45:53bagian dari pola kan

45:55tapi maksudnya

45:57kita mengumpulkan, kita melis

45:59pola-pola yang umum dan bisa dipakai lagi

46:01kan point, ya kayak si Topo Sofa itu

46:03sebenernya kalau mau random banget

46:05yang beneran generated, pengen kayak gini

46:07dia bisa, tapi kan harus dari awal

46:09itu ke tukang kayunya, mungkin tukang kayunya

46:11harus bikin gambar pakai caranya

46:13dia sendiri, itu kan beneran dari awal

46:15ya jadi mahal banget ya

46:17iya

46:21pola disini lebih ke

46:23mengenali ini ya

46:25apa, pola-pola yang berulang kali ya

46:31apa yang, ilmu yang kita

46:33pelajari, apa yang bisa kita

46:35terapkan di

46:37mungkin sesuatu yang berbeda, yang sedikit

46:39berbeda mungkin

46:41nah terus yang menarik ini

46:43ternyata dalam suatu

46:45masalah yang kecil yang udah dipecah-pecah pun

46:47kayak kita bisa mencari

46:49suatu pattern kayak tadi, kalau contoh

46:51di kue, konteks bikin kue ini

46:53ya kue apapun

46:55kan pasti akan membutuhkan

46:57suatu jenis

46:59bahan

47:01dalam suatu kualitas

47:03bahannya apa, nah terus itu jadi

47:05kayak bisa kita breakdown kan, kita jadiin

47:07tabel atau apalah

47:09jadi itu, kalau kita mikir

47:11kalau software dev ya

47:13jadi array kan, masing-masing objek

47:15ada bahannya apa

47:17terus apa, ukurannya apa

47:21dan habis itu kualitasnya berapa

47:23butuh 300 gram tepung

47:25terigu, butuh apalah 100 gram

47:27garam gula

47:29dalam suatu masalah

47:31yang kecil pun masih bisa dipecah-pecah lagi

47:33dan itu kan bisa, bakal dipakai

47:35buat kue lainnya juga kan

47:37jadi kayak resep ya

47:39pattern, resepnya

47:41sudah ada gitu

47:43tinggal ikutin aja

47:45nah resep itu sebenarnya

47:47algoritma desain kan sebenarnya ya

47:49resep ya, tapi ini kayak

47:51apa ya

47:53iya kayak

47:55fundamental itu basic

47:57memasak lah, basic memasak

47:59kalau misalkan

48:01apa, antara

48:03direbus atau dibakar

48:05atau digoreng

48:07itu kan ada patternnya tuh

48:09nah terus kayak ini

48:11maksudnya ternyata setiap kue punya bahan

48:13ternyata setiap bahan ada ukurannya

48:15itu jadi kayak beneran breakdown ke

48:17satuan yang kecil-kecil banget kan

48:19betul

48:25nah udah

48:27habis

48:29habis, ini perlu, gak perlu ya

48:31gak usah

48:33pattern recognitionnya habis

48:35sekarang abstraksi

48:37abstraksi, ini biasanya

48:39cukup sering ya kalau di

48:41komograman

48:43filtering out

48:45kita mengabaikan karakter-karakter

48:47yang tidak perlu

48:49di fokuskan

48:51kita gak perlu konsentrasi di

48:53detail-detail

48:55tertentu

48:57ya detail-detail

49:01yang tidak, tidak penting

49:03untuk konteks itu

49:05dihilangkan dulu sementara

49:07waktu

49:09ini kita ngomongin konteks nih, bahaya nih

49:11larinya kemana nanti

49:13ignoring the characteristics

49:15of patterns that we don't need

49:17kita mengabaikan

49:19sifat-sifat dari

49:21pattern tadi yang tidak kita butuhkan

49:23kenapa biar

49:25kita bisa konsentrasi di karakter-karakter

49:27yang kita butuhkan

49:29yang kita perlukan, yang penting

49:31contohnya

49:35dari sini kita bisa membuat representasi

49:37atau ide, gambaran mungkinnya

49:39kita bisa punya gambaran, apa sih yang

49:41perlu kita pecahkan

49:43ini tadi, kalau pattern recognition kan

49:47tadi kita udah merumuskan

49:49kan ya

49:51kucing itu seperti apa?

49:53punya mata, punya buntut, punya bulu

49:55suka ikan

49:57bisa meleung

49:59masing-masing kucing punya

50:01karakter khusus

50:03misalnya bulunya warnanya hitam

50:05pututnya panjang, dan lain-lain

50:07kita, oh

50:11kalau kita mau menggambar

50:13kucing, konteksnya mau menggambar kucing

50:15gak perlu mikir bahwa

50:17kucing itu bisa mengeom

50:19dan

50:21oh penting, kalau bulu penting

50:23tapi kita

50:25bisa mengabaikan bahwa kucing itu

50:27suka makan ikan dan bisa mengeom

50:29karena ya kita cuma

50:31yang penting cuma

50:33tahu bahwa kucing itu

50:35punya mata, punya bulu dan

50:37punya buntut, punya ekor ya kan

50:39kalau kita gambar

50:41iya, kayak gambar itu

50:43kayak pelajaran menggambar

50:45burung hantu

50:47mulai dari buletan 1, buletan 2

50:49tiba-tiba jadi

50:51memes itu kan

50:55iya, jadi abstraksi

50:57kita gak mikirin

50:59kayak gimana itunya basic

51:01strukturnya tuh apa dulu gitu ya

51:03itu mungkin dekomensisi ya jatuhnya ya

51:05masih kebalik-balik ya

51:07itu dekomensisi sih ya

51:09oh kepalanya bulet

51:11masih bingung

51:13ya

51:15sebenarnya gabungan sih itu

51:17ya benar sih contoh disini

51:19kalau kita gambar kucing ya kita gak perlu tahu

51:21suaranya kayak gimana

51:23karena kan ini menggambar

51:25bukan menirukan

51:27kalau misalkan kita disuruh

51:29menirukan suara kucing baru

51:31oke, kalau

51:37prakteknya di dunia nyata

51:41kenapa penting? karena

51:43biar kita punya gambaran seterlumnya

51:49apa sih masalahnya

51:51nah kayak kalau gambar kucing itu tadi

51:53ke-distract kucing suka makan ikan kan

51:55itu kayak

51:57men-distract kita dari kita perlu

51:59gambar kucing kan, kita perlu gambar

52:01matanya, kita perlu mewarnai dengan

52:03warna bulunya, perlu gambar

52:05ekornya

52:07yaudah kita gak usah mikirin

52:09bunyi apa suara kucing sama

52:11makanannya

52:13nah ini membantu kita form idea

52:17jadi kita punya gambaran

52:19tentang masalahnya

52:21gambaran ini dikenal sebagai model

52:23nah ini menarik sih

52:25ternyata ada

52:27penggunaan istilah model dalam

52:29konteks kayak gini

52:31nah terus kalau kita tidak

52:33meng abstraksi, kita bisa berakhir

52:35menggunakan solusi yang salah

52:37karena kita tidak menyelesaikan

52:39masalah sebenarnya

52:41contohnya tadi ya

52:47kalau kita tidak abstraksi

52:49kucing tadi

52:51akhirnya kita lebih fokus

52:53kepada oh kucing suaranya begini

52:55dia makan ikan

52:57gak ada hubungannya sama

52:59menyelesaikan pekerjaan kita

53:01yaitu menggambar kucing

53:05jatuhnya jadi

53:07itu ya

53:09terdistraksi ya

53:11dengan hal-hal yang sebenarnya

53:13tidak penting untuk saat itu

53:15untuk memacakan masalah yang

53:17yang beneran harus sekarang kita

53:19handle

53:21nah next page

53:23how to abstract

53:25ini tadi

53:31kita mengumpulkan karakter-karakter

53:33umum yang kita

53:35perlukan

53:37terus kita hilangkan

53:39detail dan karakter yang

53:41kita tidak, yang tidak kita

53:43perlukan

53:45oke, ketika kita mau

53:51bikin kue

53:53ada karakter yang umum

53:55yaitu butuh

53:57resep

53:59setiap resep ada

54:01kuantitasnya

54:03beratnya berapa gram

54:05berapa liter air

54:07berapa sendok

54:09gula garam dan lain-lain ya

54:11sama untuk masak

54:13ya butuh waktu memasaknya

54:15berapa lama

54:17nah cuma disini ya kita fokuskan kan

54:21general patterns-nya kan

54:23kita belum berpikir

54:25bahannya apa

54:27tapi kita tahu satu kue

54:29bisa punya

54:31beberapa bahan

54:33terus masing-masing bahan

54:35punya kuantitas

54:37terus masing-masing kue

54:39perlu waktu tertentu untuk

54:41memasak, nah ini kan kayak

54:43udah masuk data relation ya

54:45pas baca ini sih kepikirnya relation sih

54:47kayak satu user

54:49bisa punya banyak post

54:51ya benar benar benar

54:53terus satu post bisa punya

54:55banyak komen, nggak penting komennya apa

54:57dari siapa ya

54:59terus mungkin satu post ada titlenya

55:01ada bodinya, ada image-nya

55:03mungkin bisa punya banyak image

55:05tapi hanya punya

55:07satu featured image atau main image

55:09misalnya ya misalnya

55:11modeling data ya data modeling ya

55:13pas liat ini langsung dibayang itu sih

55:17cuma kan kita nggak perlu yang detail-detail

55:19banget ya apa

55:21eventually ya kita bakal nentuin lah

55:23misalnya apalah gambarnya

55:25formatnya harus pengen

55:27maksimal ukuran gambarnya berapa

55:29tapi kan kalau di tahap

55:31ini ya nggak perlu

55:33jangan sampai situ dulu kan

55:35yang penting kita menjabarkan dulu user-nya

55:37bentuknya kayak gimana

55:39pos, masing-masing pos bentuknya

55:41kayak gimana dan seterusnya

55:43iya

55:45lanjut, creating model

55:47ngambil

55:55nah ini udah masuk data model kan sebetulnya

55:57a model cap

55:59would be any cap

56:01cap model

56:03nah tapi nggak spesifik

56:05entah mau

56:07buntutnya panjang atau nggak

56:09bulunya panjang atau nggak, model itu

56:11mewakili ya kucing

56:13mana pun

56:15kucing dari

56:17ya kucing jenis apapun ya

56:23cuma ini nggak detail banget sih

56:25ya apapunnya perkenalan sama

56:27konsep data model

56:29ternyata kita mendapatkan suatu model

56:31itu dari proses abstraksi

56:33ya setelah sebelumnya dikomposisnya

56:35pattern recognition

56:37lalu abstraksi kita bisa

56:39merumuskan suatu data model

56:41next, algoritma

56:45algoritma sebenarnya adalah

56:51plan

56:53atau step by step instruction

56:55to solve a problem

56:57atau prompting

56:59dengan sekarang istilahnya

57:01instruction adalah prompting ya

57:03atau step by step sih

57:05sebenarnya ya, step by step

57:07iya, jadi bisa

57:09di reproduced able ya

57:11kalau misalkan ada bugs

57:13itu kan biasanya kita kasih list

57:15buka browser

57:17buka website ini

57:19trus pencet login

57:21trus login modelnya

57:23nggak keluar misalkan

57:25jadi supaya bisa dicoba

57:27di komputer yang lain

57:29dengan step yang sama

57:31sehingga kalau ada bugs

57:33dia bisa tahu

57:35problemnya ada dimana

57:37nah kalau kita buat

57:43program, kita menyuruh

57:45komputer melakukan suatu

57:47terus menyuruh langkah demi langkah

57:49biar bisa tahu langkah-langkahnya apa

57:53perlu direncanakan

57:55untuk merencanakan

57:57langkah-langkah instruksinya itu

57:59kita menggunakan algoritma

58:01tertentu

58:03jadi merasa belajar

58:05computational thinking ini

58:07jadi penting banget ya kalau di dunia

58:09coding agent saat sekarang ini

58:11di era AI ya

58:13itu sebenarnya pertanyaan saya berikut

58:15implementation detail

58:17udah dikerjain oleh

58:19AI nya, tapi kalau untuk

58:21ini nya kita harus control

58:23sedemikian rupa

58:25ternyata berhubungan ya

58:27apa yang kita lakukan

58:29bersama AI

58:31maksudnya kita

58:33suruh dia oh planning dulu sebelum

58:35kamu coding kamu planning dulu

58:37nah disini udah ada ternyata

58:39dari dulu ya kita nggak tahu aja

58:41kalau problemnya

58:43masih besar segelung dong

58:45tanpa dipecah-pecah tiba-tiba kita suruh

58:47yaudah kerjain dashboard

58:49buatlah aplikasi

58:51one shot ya

58:53dia halusinasi

58:55ngabisin doken

58:57ngabisin wiki

58:59wiki usage nya

59:01ya paling dia

59:03nanya balik atau

59:05mungkin kalau sekarang

59:07dia kan cukup proaktif kan buat nanya

59:09kalau dia nggak jelas kan mungkin kita

59:11bikin aplikasi seperti

59:13toko ijo

59:15jangan nanya

59:17bikin aja gitu

59:19dia bikin kayak gimana jadinya

59:21mungkin dia hanya bikin

59:23satu halaman doang

59:25yang isinya gallery jualan

59:27udah gitu

59:29ya atau dibikin semua cuma

59:31jatah topeng kita habis semua udah langsung

59:33ternyata dia bisa bikin

59:3724 jam kelar

59:41kita yang kaget kok bisa ya

59:43ternyata dia masuk ke

59:45dia langsung masuk ke

59:47ke servernya toko ijo

59:49ngambilin semua

59:51code base, ambil gitu

59:53nggak lah dia scraping

59:57jadi tujuannya planning adalah

1:00:03menyelesaikan masalah dari

1:00:07satu masalah

1:00:09mencari solusi

1:00:11atas satu masalah

1:00:13untuk memastikan hasilnya

1:00:15sesuai dengan

1:00:17langkah-langkah untuk mecahkannya

1:00:19bagaimana kita mau

1:00:21merumuskan langkah-langkah

1:00:23untuk mecahkan masalah itu

1:00:25ya ini lebih ke

1:00:27kita udah cari solusi dengan 3

1:00:31tools tadi

1:00:33nah sekarang saatnya ditulis

1:00:35langkah-langkahnya

1:00:37karakter terakhir

1:00:39algoritma tuh harus jelas

1:00:45terus harus jelas mulainya dari mana

1:00:47terus selesainya dimana

1:00:51di tengah-tengahnya instruksinya apa saja

1:00:53ini diagramnya namanya flowchart

1:00:59iya ada nanti

1:01:01ini kalau temen-temen mau

1:01:05mau looping

1:01:07raf wigun harus begini nih

1:01:09harus starting pointnya jelas

1:01:11finishing pointnya jelas

1:01:13instruksinya jelas

1:01:15kalau nggak dia looping terus

1:01:19iya kalau nggak dia looping terus

1:01:21nggak tau garis finishnya mana

1:01:23ini akhirnya apa

1:01:25apa yang membuat dia berhenti looping

1:01:27nah ini adalah shadow code ya

1:01:31biasanya ini dilakukan

1:01:33sebelum kita

1:01:35coding

1:01:37ya itu biar memperjelas

1:01:39langkah-langkahnya apa

1:01:41sebelum detail implementasinya

1:01:43sintaksinya kayak gimana

1:01:45definition, variable kayak gimana

1:01:47sebelum masuk kesitu, ya shadow code itu

1:01:49untuk menjabarin langkah-langkahnya kan

1:01:51nah ini itu paling atas

1:01:53jadi untuk merepresentasikan suatu

1:01:55algoritma, yang kedua bisa pakai

1:01:57shadow code, bisa pakai flow

1:01:59diagram, nah ini contoh

1:02:01flow diagram

1:02:03shadow code bukan programming

1:02:07lanjut ya

1:02:09kita belum pernah coba ya, shadow code

1:02:11kirim ke AI

1:02:13pasti lebih akurat hasilnya

1:02:15ya jadi bagus

1:02:17terus shadow code nya siapa yang

1:02:19generate? AI juga

1:02:21AI juga

1:02:23iyalah dari plan sampai

1:02:27casting semuanya AI

1:02:29yang buka

1:02:31yang access juga agent sekarang

1:02:33bukan manusia user nya

1:02:35AI juga

1:02:37kita nyantai-nyantai

1:02:39aja ya

1:02:41ini flow diagram

1:02:43diagram alur

1:02:45udah tau lah ya

1:02:47ini sih basic ya

1:02:49ini buat

1:02:51anak-anaknya tempe

1:02:53ini if, gitu kan

1:02:55iya

1:02:57ini juga bisa dibuatin sama

1:02:59apa AI assistant

1:03:01mermet, mermet

1:03:03paling senang deh, cuma kalau

1:03:05kalau nggak pakai mermet kan, pakai asci

1:03:07pakai asci sekarang

1:03:09pakai SVG

1:03:11bisa nggak dia ya

1:03:13nggak bisa

1:03:15dia pernah, gue suruh

1:03:17convert SVG, terus dia

1:03:19stress, ngeluping

1:03:21stress, waduh

1:03:27ya kira-kira gini ya

1:03:29tapi SVG nya ribet ya

1:03:31ribet

1:03:33oh berarti

1:03:35yang apa

1:03:37LLM yang disuruh

1:03:39gambar lika nextpeda itu

1:03:41ribet ya

1:03:43emang sengaja dibikin ribet ya

1:03:45buat ketes ya

1:03:47itu ngetes hal yang dia nggak punya

1:03:49training dia tentang itu kan, dia nggak punya konsep itu

1:03:51bisa nggak

1:03:53kalau itu contoh apa ya

1:03:55pikir yang

1:03:57interpolasi kali ya

1:03:59kita kan tau ikan, kita tau sepeda

1:04:01pelikan ya, burung ya

1:04:03burung pelikan, tapi

1:04:05nggak pernah ada data

1:04:07training datanya nggak mungkin ada

1:04:09pelikan naik sepeda, nggak tahu ke depannya ya

1:04:11kalau banyak orang ngeposting

1:04:13di blok gambar pelikan

1:04:15pelikan itu

1:04:17pelikan itu yang bawa bayi

1:04:19itu kan

1:04:21itu babong, dan kita pernah bahas ini

1:04:27asli

1:04:29pertanyaan sama

1:04:31itu bango

1:04:33oh pelikan

1:04:35stork

1:04:37yang bawa bayi itu stork

1:04:39ya itu pokoknya pelikan naik sepeda

1:04:43training datanya nggak

1:04:45mungkin ada, nah bisa nggak

1:04:47si LLM nya bikin

1:04:49naik sepeda itu apa kan harus punya kaki

1:04:51nah itu kan berarti apa ya

1:04:53decomposition ya

1:04:55nah

1:04:57padahal pelikan nggak punya kaki, gimana caranya

1:04:59biar bisa naik sepeda kan harus punya kaki dan punya

1:05:01tangan, nah itu

1:05:03menguji apa, menguji

1:05:05kemampuan ya, menguji kreativitas ya

1:05:07kreativitas

1:05:09ini buat psikis atau core

1:05:11konsep, core konsep ya

1:05:13psikis itu berarti apa, psikologi

1:05:15nggak tau

1:05:17mental model, mental model maksudnya

1:05:19mental model ya

1:05:21pola pikir, pola pikir

1:05:23ini temen-temen udah pada tau ya

1:05:27ternyata banyak yang perlu di pelajarin ya

1:05:29sebelum modingnya sendiri

1:05:31iya ini hal yang perlu dipelajarin

1:05:33sebelum moding, betul

1:05:35terus pertanyaan saya berikutnya adalah apakah

1:05:39konsep

1:05:41computational thinking ini tetap

1:05:43relevan di AI, udah terjawab lah ya

1:05:45oh bentar, masih ada satu section

1:05:47ada satu section lagi

1:05:49menarik

1:05:51tapi ini kayak bonus track-nya

1:05:53gitu loh

1:05:55bukan bagian dari si AADP tadi

1:05:57tapi ternyata ada

1:05:59evaluasinya, menarik sih ini

1:06:01insight-nya

1:06:03mana-mana-mana

1:06:05balik aja ke computational

1:06:07infogan, infogan

1:06:09oh, dimana sini

1:06:11balik ke home page-nya aja tuh

1:06:13computational thinking, ya

1:06:15paling bawah, paling belakang

1:06:17oh ada EFAL-nya

1:06:19tapi sebenarnya kayaknya secara resmi

1:06:23bukan bagian dari 4 proses itu deh

1:06:25soalnya tadi grafiknya juga kan cuma 4

1:06:27tapi maksudnya

1:06:29tips aja mungkin bagian

1:06:31dari workflow-nya

1:06:33begitu kita sudah mendesain

1:06:37suatu solusi menggunakan

1:06:39computational thinking

1:06:41kita harus menguji dulu

1:06:43apakah fit for

1:06:45propose, apakah tepat

1:06:47oh jadi

1:06:49dari 3 itu, terus kita bikin

1:06:51algoritmanya, algoritmanya cek

1:06:53valid atau enggak

1:06:55gitu ya

1:06:57apakah mudah

1:06:59dimengerti, apakah

1:07:01kalau mudah dimengerti ini adalah

1:07:03bagian dari dekomposisi

1:07:05dipecah-pecah dengan baik

1:07:07apakah lengkap

1:07:09ya, lengkap, berarti ini

1:07:11udah dilihat dari segala sudut

1:07:13ya kan

1:07:15kalau efisin atau enggak

1:07:17itu biasanya berhubungan dengan

1:07:19making the best use of

1:07:21available resources secepat

1:07:23mungkin, atau apa

1:07:25ya, space complexity-nya

1:07:27ada constraint biasanya ya

1:07:29apa, time complexity ya

1:07:31time complexity

1:07:33space complexity serendah mungkin

1:07:35ya itu tadi

1:07:37misalnya cuma bikin crude

1:07:39crude app, dashboard

1:07:41tapi pakai open cloud, pakai

1:07:43agentik, pakai apa, maksudnya fitur-fitur

1:07:45yang rumit

1:07:47agentik sih wajar ya, cuma maksudnya

1:07:49mungkin fitur apalah yang

1:07:51aneh-aneh

1:07:53cuma biar bisa masukin di LinkedIn

1:07:55pernah pakai library ini

1:07:57hype ya, hype driven development

1:07:59ya, physical thinking

1:08:01physical thinking itu

1:08:03gimana ya

1:08:05nggak ngerti, berpikir

1:08:07secara fisik gitu ya

1:08:09berpikir sambil

1:08:11sama ada caranya

1:08:13physical thinking

1:08:15ini computational thinking

1:08:17jadi berpikir

1:08:19computational thinking itu

1:08:21itu bukan komputer ya

1:08:23maksudnya ya, bukan hanya komputer ya

1:08:25bukan komputer mesin, tapi

1:08:27itu kan sebetulnya

1:08:29menghitung ya dulu

1:08:31memproses lah ya

1:08:33tapi ini oleh manusia

1:08:35mengolah

1:08:37bukan hanya mesin, tapi juga

1:08:39manusia, juga bisa mengerti

1:08:41apakah memenuhi

1:08:45kriteria yang

1:08:47diberikan

1:08:49nah, kalau algoritmanya

1:08:51sudah menuhi, berarti

1:08:53apa, lanjut

1:08:55bisa ditimb langsung

1:08:57nah, ini kalau di

1:08:59co-code atau di coding assistant

1:09:01apa, switch to coding mode

1:09:03sebelumnya kan plain mode ya

1:09:05nah ini

1:09:07oh, plain mode nya di review dulu biasanya

1:09:09review dulu, iya kan, betul kan

1:09:11berarti, tools itu

1:09:13semua pakai ini ya

1:09:15pakai workflow yang kayak gini

1:09:17berdasarkan computational thinking

1:09:19jadi, sebelum

1:09:23teman-teman menggunakan agentic

1:09:25coding tools

1:09:27belajar computational thinking dulu

1:09:33supaya tidak terjadi seperti

1:09:35yang di sebelah kanan

1:09:37marah-marah sama AI

1:09:39marah-marah sama AI

1:09:41token nya habis

1:09:43usage nya habis seminggu ke depan

1:09:45iya, marah-marah sama

1:09:47dimarahin sama bos

1:09:51token nya habis

1:09:53iya kan gak bisa kerja alasannya, kenapa kamu gak kerja

1:09:57token saya habis

1:09:59gak bisa coding sendiri

1:10:01gak bisa coding seminggu

1:10:03kenapa ya?

1:10:05nunggu token reset

1:10:07iya, nunggu token reset

1:10:09kenapa kita butuh

1:10:15evoluasi dari masalah

1:10:17apa, solusi yang kita

1:10:19ciptakan

1:10:21kalau gak di evoluasi, kita gak tahu

1:10:23bener atau salah

1:10:25mencari masalah

1:10:27mencari solusi ya

1:10:29karena pengen tau apakah

1:10:31solusi yang kita buat

1:10:33mengecahkan masalahnya gak

1:10:35beneran

1:10:37it can be tempting to miss out the evaluating

1:10:39oh, jadi ternyata

1:10:41umum, kalau kita udah menentukan

1:10:43solusi, terus kita udah menisahin algoritma

1:10:45udah gak sabar, pengen langsung

1:10:47eksekusi, kayaknya kalau AI

1:10:49model nya yang murah-murah, itu tuh

1:10:51tiba-tiba nge-switch kan, langsung

1:10:53tiba-tiba langsung moding aja

1:10:55oh kayak kemini kemarin ya

1:10:57kaya gue kemarin

1:10:59langsung di play ke main branch

1:11:01nah, tapi ini dibunt nih

1:11:05tanpa evaluasi

1:11:07kesalahan-kesalahan dalam

1:11:09algoritma yang sudah didesain

1:11:11itu bisa tiga terdeteksi

1:11:13nah, terus, kalau gitu

1:11:15program nya tidak bisa mempecahkan

1:11:17masalah dengan baik, dengan benar

1:11:25ya, misalnya kalau

1:11:27apa, solusi dari pertanyaan

1:11:29gimana cara menggabar kucing

1:11:31dibikin, tapi, apa

1:11:33tidak dibikin dengan baik

1:11:35nanti hasilnya kucingnya

1:11:37seperti anjing

1:11:39kayak lagu

1:11:43pd baik

1:11:45apa itu?

1:11:47yang mana?

1:11:49dia punya anjing, diberi nama kucing

1:11:53lagu apa itu?

1:11:55oh, nggak pernah tahu ya

1:11:57kirain yang lagu pengen jadi polo

1:11:59tapi dia laki-laki

1:12:01ya itu beda lagi

1:12:03orientasinya

1:12:09beda itu

1:12:11apa, solusi yang salah

1:12:15itu kayak gimana sih

1:12:17maksudnya kenapa, solusi bisa salah

1:12:19itu contohnya

1:12:21tidak fully understood

1:12:23tidak dipahami dengan sepenuhnya

1:12:25berarti itu salah dalam proses

1:12:27decomposition

1:12:29atau, jadi, apa

1:12:31tidak dipahami seluruhnya

1:12:33atau tidak lengkap

1:12:35ada bagian-bagian dari problem yang

1:12:37ketinggalan

1:12:39kelewat

1:12:41atau inefficient

1:12:43terlalu rumit, atau terlalu panjang

1:12:45terlalu panjang jalan nya

1:12:47tidak memenuhi

1:12:49material desain awal

1:12:51dimintanya apa, dibuatnya apa

1:12:53next

1:12:59ini

1:13:03penjelasan

1:13:05yang empat tadi ya

1:13:07misalnya, dikumpusnya

1:13:09tidak betul, tidak lengkap

1:13:11ingredient

1:13:131, 2, 3

1:13:15itu kan array

1:13:17satu buahnya bisa punya banyak

1:13:19ingredient, how much

1:13:21when to add

1:13:23ya, ada how much

1:13:25ada kapan

1:13:27dimasukin gitu ya, gak bisa kita langsung

1:13:29masukin semuanya, langsung gitu ya

1:13:31tapi ternyata

1:13:33kesalahannya adalah

1:13:35equipmentnya, ternyata itu

1:13:37equipment part is not properly

1:13:39broken down, or decomposed

1:13:41peralatan itu apa

1:13:43nah, kalau kita membuat

1:13:45algoritma, ternyata

1:13:47equipmentnya pun harus

1:13:49di breakdown

1:13:51itu, terus

1:13:53apa, the algorithm

1:13:55will say what equipment is

1:13:57needed, but not how to use it

1:13:59jadi, algoritmanya nanti

1:14:01cuma bilang, perlu pisau

1:14:03perlu oven, perlu, dan lain-lain

1:14:05tapi, gak lengkap instruksi

1:14:07ini, peralatan ini

1:14:09itu buat langkah yang mana

1:14:11jadi, bisa saja

1:14:13orang yang bikin akan

1:14:15menggunakan pisau untuk

1:14:17mengukur jumlah tepung

1:14:19atau

1:14:21menggunakan, apa, kocokan

1:14:23untuk memotong tega

1:14:25nah, jadi gak bisa

1:14:27berjalan dengan baik, berarti

1:14:29ternyata equipmentnya harus

1:14:31di breakdown juga

1:14:33berarti, kalau ketika

1:14:35kita mendesain algoritm atau mendesain

1:14:37solusi itu, kita harus berasumsi

1:14:39bahwa orang ini gak tahu apa-apa

1:14:41gitu ya

1:14:43ya, komputer kan gak tahu apa-apa

1:14:45kalau gak dikasih tahu

1:14:47kalau kita berasumsi bahwa

1:14:49dia pernah masak

1:14:51gak mungkinlah dia ngambil

1:14:53gula pakai pisau kan, pasti pakai

1:14:55sendok kan, itu gak perlu dibahas

1:14:57gitu kan, udah jadi

1:14:59rahasia umum gitu, tapi kalau kita

1:15:01asumsi bahwa, dia gak pernah masak

1:15:03dia gak pernah kedapur sebelumnya

1:15:05atau dia alien, gak tahu

1:15:07masak-masak

1:15:09atau dia LLM agent

1:15:11yes, betul sekali

1:15:13tapi

1:15:15ada ini juga loh

1:15:17ada

1:15:19terlalu verbose juga

1:15:23jadi rusak juga

1:15:25jadi terlalu panjang, iya, betul-betul

1:15:27iya

1:15:29kalau kita memasak

1:15:31kalau ini kan sudu example ya

1:15:33maksudnya kita gak bakal bikin ini

1:15:35cuma buat bikin kue kan

1:15:37cuma mungkin

1:15:39apa ya, misalnya

1:15:41gue kebayangnya kayak multi-service ya

1:15:47misalnya Google

1:15:49satu login sistem

1:15:51bisa buat Gmail, bisa buat Google Drive

1:15:53bisa buat apa, mungkin

1:15:55ya perlu, tapi mungkin

1:15:57ada hal-hal ya, ya atau misalnya

1:15:59user biasa, atau user workspace

1:16:01yang custom, itu kan privilege-nya

1:16:03lain-lain, tapi kalau misalnya kita gak

1:16:05breakdown dengan betul

1:16:07kan itu bisa jadi kayak gak spesifik kan

1:16:09ada hal yang bisa diakses

1:16:11oleh user yang tipenya

1:16:13workspace, work price

1:16:15commercial, ada yang

1:16:17gak misalnya

1:16:19kalau di real life

1:16:21use case-nya kayak gitu kali

1:16:23membreakdown hal-hal

1:16:25yang gak obvious

1:16:27membreakdown hal-hal

1:16:29yang tidak obvious, iya

1:16:31jadi tergantung

1:16:33level-nya juga ya

1:16:35target audience-nya kali ya

1:16:37target audience-nya ya

1:16:39kalau kita misalkan

1:16:41mau

1:16:43presentasi ke

1:16:45misalkan ke meet-up

1:16:47atau ke acara conference gitu kan

1:16:49kita biasanya cari tahu dulu kan

1:16:51kita tuh presentasi di depan

1:16:53siapa? Kalau di depan

1:16:55developer ya kita ngomongnya

1:16:57teknis gak apa-apa, tapi kalau kita

1:16:59ngomong di depan orang bisnis

1:17:01atau non-technis ya kita gak bisa

1:17:03menyebutkan jargon-jargon

1:17:05yang mereka gak kenal

1:17:07gitu kan, jadi tergantung

1:17:09sudut pandang juga, tergantung audience

1:17:11yang kita target juga

1:17:13atau mungkin kalau contoh yang lebih mirip

1:17:19sama ini, buat bayang

1:17:21misalnya kita satu

1:17:23codebase, misalnya

1:17:25online store lah Ikea atau semacamnya

1:17:29gak harus Ikea lah, pokoknya online store

1:17:31tapi di deploy di berbagai

1:17:33negara, terus masing-masing negara

1:17:35ternyata punya

1:17:37cookies requirement

1:17:39atau data privacy sendiri-sendiri kan

1:17:41nah ini

1:17:43kayaknya gue bayanginnya

1:17:45apple-to-apple sama equipment itu deh

1:17:47kalau misalnya kita bikinnya cuma

1:17:49satu

1:17:51pokoknya cookies policy

1:17:53satu, bisa aja

1:17:55di masing-masing negara kan

1:17:57ada syaratnya kan

1:17:59maksudnya kayak hal-hal yang dikasih tahu

1:18:01jadi kalau jadi PR kan

1:18:03kalau gak salah cookies-nya namanya apa aja

1:18:05kayak prefix-nya apa itu dikasih tahu

1:18:07terus apalah kayak info

1:18:09tentang cara menghapus

1:18:11request data deletion

1:18:13harus ada, tapi di negara lain gak ada

1:18:15nah itu kalau kita gak

1:18:17kita cuma bikin kayak satu

1:18:19satu template buat semua

1:18:21kan gak bisa

1:18:27all right

1:18:29next, kalau gak

1:18:31complete

1:18:33kalau gak complete makanya lebih

1:18:35yes ya

1:18:37iya

1:18:39complete itu artinya

1:18:41selesai sampai akhir gitu ya

1:18:43gak berhenti di tengah jalan gitu ya

1:18:45iya jadi kayak ada hal yang

1:18:47missing itu maksudnya kita gak bisa

1:18:49menyelesaikan proses bikin kue

1:18:51kalau gak dikasih tahu

1:18:53dimana membang

1:18:55apa pemanggang ya

1:18:57pemanggang kuenya pake apa mungkin ya maksudnya

1:18:59terus suhunya berapa

1:19:01kalau misalnya

1:19:03harus pake open atau pake compor

1:19:05atau pake apa terus

1:19:07suhunya berapa itu kan

1:19:09hal yang penting yang tidak boleh

1:19:11gak boleh missing

1:19:13jadi looping ya

1:19:15ini maksudnya evaluasi ini

1:19:17di tahap akhir ngeloop

1:19:19terus balik lagi ke

1:19:21awal kayak

1:19:23setiap awal lagi

1:19:25jadi full circle

1:19:27gitu ya

1:19:29jadi kayak kita

1:19:33walk back kalau kita lakuin

1:19:35semua langkah-langkahnya itu ada yang

1:19:37kurang gak ternyata ada yang kurang ya udah

1:19:39balik lagi

1:19:41boleh tanya out gak

1:19:43boleh silahkan ini kita juga

1:19:45nanti mau jawab pertanyaan

1:19:47dari Amang Li ya yang jagoan-jagoan

1:19:49remote kita ini

1:19:51siapa tau ada tips

1:19:53TV

1:19:55remote TV

1:19:59remote remote TV

1:20:01remote AC kali

1:20:03kok TV sama aja sih

1:20:05ok lanjut

1:20:07tidak efisien

1:20:11itu contohnya apa ya

1:20:13tidak efisien

1:20:15solusinya tidak efisien

1:20:17permasalahannya bisa selesai

1:20:19tapi bertelit-teli

1:20:21terlalu panjang jalannya

1:20:23nah ini tadi kalau big

1:20:25onotation itu kan mengukur

1:20:27time space complexity

1:20:29nyambungnya ke situ ya

1:20:31ini kalau contoh ya

1:20:33sudu example bikin gue

1:20:35ambil bahan satu ke lemari

1:20:37terus diproses

1:20:39abis itu ambil bahan kedua

1:20:41ke lemari lagi

1:20:43ambil diproses

1:20:45kenapa gak sekalian pertama diambil semua bahannya

1:20:49ok

1:20:51ok

1:20:57nah ini kan lebih simpel ya

1:21:03ingredients

1:21:05maksudnya apa namanya

1:21:07langkah-langkahnya jadi lebih

1:21:09pendek ya gak pendek sih

1:21:13cuma ini kan

1:21:15di

1:21:17dimampatkan gitu ya

1:21:19ya lebih simpel

1:21:21tadinya ada 9 langkah

1:21:23kalau dipanjangin

1:21:25kan sebenarnya ini looping kan

1:21:27cuman

1:21:29ya cuman level loopnya itu

1:21:31tadi kan kalau yang contoh

1:21:33pertama loopingnya

1:21:35di level yang salah maksudnya jadi 9

1:21:37langkah padahal hal yang sama

1:21:39bisa dicapai dengan 5 langkah

1:21:41kalau loopingnya cuma di

1:21:43begitu sampai lemari buka pintu lemari

1:21:45ya loopingnya cuman ini mengambil

1:21:47ingredients nya kan

1:21:49oh iya ini

1:21:55yang penting tujuan akhirnya ini sama

1:21:57ya ini kaya apa ya kaya tadi ya

1:21:59abstraksi atau

1:22:01pattern ya pattern

1:22:03ini polanya sama nih sama-sama pick up

1:22:05sama-sama go to cupboard cuman beda ingredients

1:22:07doang

1:22:09ternyata semua ada di cupboard kita harus

1:22:11analisa dulu kan kecuali bahannya

1:22:13pisah-pisah tempatnya ya

1:22:15itu mau gak mau ya harus

1:22:17ngambilnya berkali-kali tapi ternyata

1:22:19di satu tempat oh bisa nih bisa

1:22:21diginiin aja bisa dijadiin satu

1:22:23aja ya

1:22:25iya iya iya oke

1:22:29ini efisiensi ya

1:22:31efisiensi

1:22:33oke kita lanjut

1:22:35nah kalau ini

1:22:37juga cukup jelas ya disuruhnya

1:22:39bikin apa disuruh bikin ai ya

1:22:41iya

1:22:43solusi yang tidak

1:22:45menyelesaikan

1:22:47masalah

1:22:49karena kita

1:22:51iya karena kita biasanya

1:22:53tidak menemukan

1:22:55masalah yang sebenarnya

1:22:57jadi masalahnya cuman bagian

1:22:59kulitnya doang ada masalah ini

1:23:01diselesaikan ternyata

1:23:03kok masih kejadian

1:23:05gitu

1:23:07karena kita kurang reset

1:23:09lebih dalem gitu biasanya sih

1:23:11masalahnya terjadi disini

1:23:21karena solusi tidak menemukan

1:23:23kriteria desain asli

1:23:25itu tidak

1:23:27benar-benar apa yang diperlukan

1:23:29ini lebih ngaco lagi ya

1:23:31apa yang diminta sama

1:23:33apa yang dibikin itu beda

1:23:35iya maksudnya sebagus-bagusnya

1:23:37kan kalau yang tadi yang 3 sebelumnya

1:23:39kan karena masalah kayak ada yang kurang

1:23:41atau nggak lengkap atau kurang efisien

1:23:43nah kalau ini kasus terakhir kan

1:23:45udah lengkap, udah efisien

1:23:47udah bagus tapi ternyata

1:23:49yang diminta bukan itu

1:23:51sama juga boong

1:23:53oh ini sering kejadian ya

1:23:55dengan apa

1:23:57request biasanya dari klien

1:23:59saya pengen bikin gini gini gini gini cuman

1:24:01karena dia kurang bisa

1:24:03menyampaikan dengan teknis

1:24:05sementara kita juga

1:24:07tidak bisa menangkap

1:24:09kita berasumsi mungkin ya

1:24:11maksudnya begini

1:24:13maksudnya begini akhirnya kita bikinin, nih udah jadi

1:24:15bukan gini maksud saya

1:24:17bukan maksudnya ya itu

1:24:19karena abstrak kan

1:24:21terlalu abstrak ya

1:24:23itulah tugas

1:24:31PM, itu orang product

1:24:33atau project manager

1:24:35terus macamnya

1:24:37bisnis lah, orang bisnis

1:24:39iya harus ada apa ya

1:24:43iya orang bisnisnya harus

1:24:45menterdimahkan

1:24:47ya itu

1:24:49requirement gathering-nya dulu kan

1:24:51oh butuhnya ini

1:24:53tapi kadang-kadang juga si

1:24:55orang yang

1:24:57ingin menyelesaikan masalahnya dengan

1:24:59membuat aplikasi contohnya ya, ini contoh

1:25:01spesifiknya, itu juga kadang-kadang

1:25:03dia nggak tahu itu

1:25:05beneran masalah dia atau bukan

1:25:07tugasnya kita sebagai

1:25:09yang menggali itu supaya gimana

1:25:11masalah sebenarnya apa sih

1:25:13itu tadi dia seller

1:25:15individu, dia cuma pengen bisa

1:25:17menjual barangnya, tapi dia bilangnya pengen

1:25:19bikinin kayak tepat dong, karena dia

1:25:21taunya itu

1:25:23taunya itu betul

1:25:25padahal sebenarnya

1:25:27cuma butuh dikatalog

1:25:29bisa detail itu ya, iya

1:25:31betul, cuma butuh dikatalog

1:25:33doang

1:25:35nggak pakai doang sih, cuma butuh dikatalog

1:25:37oke

1:25:39terakhir, how do we evaluate our

1:25:41solution, gimana caranya

1:25:43mengevaluasi solusi kita

1:25:45kayak tips-tipsnya

1:25:47apakah make sense

1:25:49masuk akal atau tidak

1:25:53if you still don't know

1:25:57kalau masih nggak tahu

1:25:59gimana cara melakukan suatu untuk mempecahkan

1:26:01masalah

1:26:03kita harus kembali

1:26:05di composition, kita harus

1:26:07memastikan masalahnya

1:26:09sudah dipecah-pecah dengan benar

1:26:11apakah solusinya men-cover

1:26:17semua bagian masalah

1:26:19oh, ini sebenarnya yang kayak

1:26:21ini di-pairing sama yang tadi ya, kayak

1:26:23nggak lengkap, berarti kita harus

1:26:25apakah sudah men-cover semua

1:26:27masalah

1:26:29kalau belum, tambahkan lagi

1:26:33sampai lengkap

1:26:35apakah solusinya ada

1:26:39repetitive, ada task yang

1:26:41repetitive, kalau

1:26:43ada, bisa nggak

1:26:45dikurangi repetisinya

1:26:47jadi kayak harus, ya benar nggak lupa ya

1:26:51kayak rafligum

1:26:55iya iya iya, benar

1:26:57balik lagi ke

1:26:59berarti kita harus kembali, misalnya ada yang

1:27:01repetitive, yaudah kita balik lagi

1:27:03kita benerin hal-hal yang repetitive

1:27:05sampai solusinya efisien

1:27:07nah, begitu, udah senang

1:27:09kita meminta teman

1:27:11untuk memperiksa

1:27:13review, peer review ya

1:27:17peer review

1:27:19untuk mencari

1:27:23celah dari solusi

1:27:25yang kita buat, kadang-kadang

1:27:27kita tidak bisa melihat

1:27:29kelemahan dari solusi yang kita buat

1:27:31ada bias ya, bias

1:27:35sudut pandang

1:27:39terus dry run

1:27:41ini sebetulnya malah kayak testing ya

1:27:43kayak unit testing, testing

1:27:45iya

1:27:47iya, testing lah punya, ada expectednya

1:27:49itu kan, yang tadi

1:27:51misalnya apa, ngecek umur

1:27:53coba kita masukin 75

1:27:55betul atau nggak

1:27:57outputnya betul atau nggak, berarti ini kan

1:27:59test kan, kayak masa kita expectednya

1:28:01apa, terus kita bandingkan

1:28:03kita bandingin sama outputnya

1:28:05oke

1:28:11itu kan selesai

1:28:13selesai

1:28:15ya ini, masa computational thinkingnya

1:28:17selesai, nah ini jawab-jawabin

1:28:19pertanyaan lah

1:28:21ini, habis ini

1:28:23perlu bertapa

1:28:25untuk menjawabkan itu

1:28:27apa maksudnya, untuk computational thinking

1:28:29habis ini bertapa

1:28:31bertapa, ya

1:28:33ada bukunya yang bagus

1:28:35atau nonton

1:28:37videonya Pak Dika, juga bisa

1:28:39di Indonesia sendiri ada

1:28:41buat latihan itu ada bebras

1:28:43iya itu lucu deh

1:28:45apa slogonya berang-berang

1:28:47yang slogonya

1:28:49go ya, kayaknya, slogonya go lang

1:28:51oh iya

1:28:53beafer, cover ya, berang-berang itu beafer bukan

1:28:55oh iya beafer ya

1:28:57oh bukan kapibara ya

1:28:59bukan

1:29:01kapibara itu mammals bukan sih

1:29:03penggerat

1:29:09penggerat kan

1:29:11mammalian kan

1:29:13oh iya, mammalian

1:29:15mammals

1:29:17ini bebras

1:29:21ini adalah inisiatif

1:29:23dari

1:29:25Bu Inge ya, Almarhum ya

1:29:27sorry kalau salah

1:29:33kayaknya, iya

1:29:35salah satunya, yang

1:29:37menginisiasi

1:29:39ini international kan ya

1:29:41oh bebras.

1:29:43yang indonesia ada

1:29:45bebras indonesia

1:29:47bebras indonesia

1:29:49bebras itu artinya

1:29:53berang-berang

1:29:55dalam bahasa wikwoni ya

1:29:57oke

1:29:59aktivitas ekstrakulikuler

1:30:03yang mendekati kemampuan problem solving

1:30:05berpikir

1:30:09komputasional, oh bahasa indonesia

1:30:11berpikir komputasional ya

1:30:13disini ada soal-soalnya, dia ada

1:30:15kompetisinya juga, ada untuk

1:30:17SD, SMP, dan SMA

1:30:19tapi ini

1:30:21lebih kayak melatih ya, belum

1:30:23maksudnya belum kayak ya, kompetitif

1:30:25programming gitu, tapi nggak selangkah

1:30:27apa kayak, lebih kayak teke-teki yang

1:30:29kalau tes IQ itu loh

1:30:31iya, tes IQ

1:30:33tapi kan maksudnya itu melatih cara pikir

1:30:35terstruktur ya

1:30:37iya, makanya ini kan komputasional

1:30:39di pelajari sebelum kita coding

1:30:41sebelum kita belajar coding maksudnya,

1:30:43belum belajar programming, ini dulu

1:30:45jauh sebelum kita

1:30:47justru dari SD dari kecil

1:30:49iya, anak SD sekarang

1:30:51pinter-pinter ya, atau maksudnya

1:30:53ini di lapangan beneran

1:30:55anak SD pada umumnya

1:30:57tuh pada bisa gini, atau konsep doang sih

1:30:59agak penasaran gitu

1:31:01tidak semua anak SD, tidak semua anak SD

1:31:03yang, ini soalnya ada

1:31:05ada kompetisinya

1:31:07yang berujung di olimpi ada

1:31:09olimpi ada komputer

1:31:11penuh

1:31:13iya

1:31:15tuh, disini ada, ada contohnya nggak ya

1:31:21yang tau

1:31:23ya, temen-temen coba

1:31:25atau ada latihan bebras.order.id

1:31:27latihan ya

1:31:29ini harus login

1:31:31harus login

1:31:33mana soal, contoh-soal

1:31:35contohnya di download aja

1:31:37contoh soal nggak ada tadi

1:31:39oh, umuku

1:31:41mana contoh soal ini

1:31:43oh, discord

1:31:45berang-berang

1:31:47berang-berang mempunyai sistem

1:31:49berpakaian yang kompleks

1:31:51menentukan penampilan

1:31:53kombinasi dari pakaian

1:31:55manfaatkan gambar yang diberikan

1:31:57untuk menentukan aturan berpakaian yang benar

1:31:59berang-berang yang mana yang tidak

1:32:01berpakaian seperti aturan berpakaian

1:32:03big tail

1:32:05yes, berarti buntutnya harus besar

1:32:07itu decision tree-nya

1:32:09bahwa glosses

1:32:11yes, harus pakai kacamata

1:32:13celana warna biru

1:32:17ya

1:32:19itu ABC itu harus dibahas tuh

1:32:21yang mana jawabannya yang mana

1:32:23yang salah ya

1:32:25yang pertama betul

1:32:27yang pertama betul

1:32:29karena pakai celana biru dan

1:32:31topi kuning

1:32:33nah, terus kita lihat yang

1:32:35big tail, yes

1:32:37glasses

1:32:39yes, yang tebu itu pakai

1:32:41kacamata nggak sih nggak kelihatan

1:32:43glasses

1:32:47nggak, nggak pakai

1:32:49eh, berarti salah dong

1:32:51kalau pakai, oh, glasses no

1:32:55glasses no, green shirt

1:32:57yes

1:32:59brown trousers

1:33:01brown trousers, berarti betul

1:33:03eh, berarti yang pertama

1:33:05yang pertama salah ya

1:33:07kalau nggak pakai kacamata

1:33:09pakai, yang pertama pakai

1:33:11kacamata, oh, dengan merah

1:33:13oh, berarti betul nggak kelihatan

1:33:15layarnya kecil

1:33:17yang pertama betul, yang kedua

1:33:19juga betul, abu-abu kan

1:33:21celananya atasannya

1:33:23celananya cokelat

1:33:25celananya cokelat, cokelat brown, sorry

1:33:27terus, topinya biru

1:33:29eh, salah dong, berarti

1:33:31mungkin B, yang B salah ya

1:33:33yang C, oh, B salah

1:33:35yang C coba, big tail, yes

1:33:37glasses, pakai kacamata nggak tuh

1:33:39nggak, nggak kayaknya

1:33:43glasses no, berarti green shirt

1:33:45harus pakai

1:33:47kaos warna hijau

1:33:49yes, brown trousers

1:33:51no, yellow hat, yes

1:33:53harus pakai topi warna kuning

1:33:55betul, berarti ya, maksudnya sesuai

1:33:57sesuai aturan

1:33:59yang ini, yang ini kecil

1:34:01big tail, no, berarti

1:34:03big toe, giginya besar nggak sih itu

1:34:05besar, besar kayaknya

1:34:07eh, nggak kelihatan giginya

1:34:11oh, ini

1:34:13itu gigi bukan, yang putih

1:34:15kalau kurang berang-berang, kecil jangan

1:34:17standarisasi fisik berang-berang

1:34:19oh, digedein semua

1:34:23sorry, saya udah ketahuan jawabannya

1:34:25yang lain

1:34:27yang lain juga gede kan

1:34:29oh nggak ya, kecil ya, kecil

1:34:31kecil ya, kecil

1:34:33blue hat, berarti new hat

1:34:35harus pakai warna biru, berarti B

1:34:37sesuai, berarti nggak sesuai B ya

1:34:39berarti B, udah kelihatan tadi

1:34:41jawabannya

1:34:43tapi maksudnya, kalau kita ngajarin ke

1:34:45murid atau anak atau siapapun

1:34:47itu kan, ya kalau ini

1:34:49contohnya gampang ya, cuma

1:34:51apapun kan, berarti, harus runet

1:34:53satu per satu kan, itu kayak kondisional kan

1:34:55apakah, ini misalnya

1:34:57contohnya besar, yes atau no

1:34:59itu kan, kita nanti bikin

1:35:01kita bikin

1:35:03if-else atau switch case kan, pakai

1:35:05kayak gitu juga kan

1:35:07oh, dibalik ya

1:35:09kita nggak bikin decision tree, tapi

1:35:11kita menjalankan

1:35:13apa, decision tree-nya dikasih

1:35:15terus kita

1:35:17mencoba untuk

1:35:19membaca decision tree itu

1:35:21disesuaikan sama case ya

1:35:23mencoba dengan case output-nya

1:35:25mana output yang betul, mana output yang salah

1:35:27ini anak SD loh

1:35:29ini informatika

1:35:31ini informatika

1:35:33oke, cukup, cukup

1:35:39eh, tadi kayaknya

1:35:41dijawab itu

1:35:43oh iya, lupa

1:35:45iya maksudnya, sekarang kita menjawab

1:35:47soal

1:35:49menjawab

1:35:51komentar-komentar

1:35:53tips dan trik, cara cepat, keterima

1:35:55nggak ada yang cepat, harus

1:35:57semua harus lewat proses

1:35:59karena

1:36:01gagal

1:36:03di technical terus sudah 5 kali

1:36:05ada feedback nggak?

1:36:07minta feedback dulu

1:36:09feedback-nya dimana, iya, eval-eval

1:36:11eval

1:36:15sama mungkin

1:36:17meneliti itu kali ya

1:36:19jenis tempat yang kita apply

1:36:21dia carinya kayak gimana

1:36:23cuma agak susah

1:36:25kalau daftarnya yang

1:36:27sekelas strong gitu, ya udah

1:36:29itu kan mereka buka terus, maksudnya

1:36:31dan posisinya banyak banget

1:36:33kita gagal kan, gagal aja kan

1:36:35tapi kalau misalnya apply-nya ke tempat yang

1:36:37lebih kecil dan industri

1:36:39spesifik, itu kan biasanya

1:36:41ada karakter atau mungkin text-text

1:36:43atau mungkin apalah yang mereka suka

1:36:45maksudnya kita bisa, kalau agensi

1:36:47yang kecil kan kita cek aja tuh

1:36:49di portfolio-nya

1:36:51mereka biasanya bikin kayak gimana sih

1:36:53ya udah, contoh

1:36:55karya kita, contoh portfolio kita

1:36:57mirip-miripin, nah lagi-lagi

1:36:59itu mungkin apply ke

1:37:01satu jenis sempat, tapi kalau apply ke tempat

1:37:03yang lebih besar

1:37:05atau lebih nggak apa

1:37:07contoh perjaannya

1:37:09diprotekin di IA atau apa, ya kan

1:37:11belum tentu bisa

1:37:13jadi mohon maaf, kurang bisa

1:37:15kasih tips-nya

1:37:17full-proof

1:37:19banyak latihan

1:37:23supaya nggak gagal

1:37:25ini berarti

1:37:27ini berarti udah

1:37:29secara kultur udah cocok

1:37:31mungkin sama SR-nya udah lewat, tapi

1:37:33teknikalnya gagal ya, gitu ya maksudnya

1:37:35kalau teknikal itu di

1:37:37SE ya, ya kalau di SE

1:37:39berarti tatsächlich

1:37:41kalau misalnya

1:37:43gagal sekali di kampanye itu

1:37:45bukan berarti nggak bisa apply lagi di kampanye

1:37:47yang sama itu kan

1:37:49jadi kalian punya, kamu dapat

1:37:51ini juga kan, dapat kisi-kisi

1:37:53udah pernah ya

1:37:55terus yang mau ditest

1:37:57kayak apa, jadi udah siap

1:37:59udah siap, udah lebih siap lah ya

1:38:01di testing kedua ya

1:38:03kalau gagal 5 kali di tempat yang berbeda

1:38:05ya udah, balik aja ke yang pertama lagi

1:38:07looping

1:38:09di Ralphie gue

1:38:11tapi dengan punya pengalaman

1:38:13yang pertama, udah tahu

1:38:15apa yang mau ditanya

1:38:17oh, tapi jangan lupa

1:38:19feedback-nya harus ditanyain

1:38:21saya kurangnya dimana, apa yang menyebabkan

1:38:23saya gagal atau belum berhasil

1:38:25dari situ dipelajari, kalau looping-nya

1:38:27dengan atem yang sama mah

1:38:29hasilnya juga tetap sama kan

1:38:31jadi kita pelajari apa yang kurang misalnya

1:38:33oh kamu fundamental-nya kurang ya udah

1:38:35kita perkuat di fundamental

1:38:37beberapa bulan kemudian kita coba apply lagi

1:38:39kalau boleh, gitu kan

1:38:41kalau dibolehkan

1:38:43gitu kali ya

1:38:45oke, pertanyaan kedua

1:38:47kal

1:38:49asde ini

1:38:51data engineering ya?

1:38:53tolong dikoreksi

1:38:55kalau salah ya, data engineering

1:38:57output akhirnya tuh

1:38:59PM, project manager

1:39:01apa better

1:39:03as head of data

1:39:05kalau kita dari pertama

1:39:07sebagai data engineer

1:39:09tanpa senior, better cari tempat

1:39:11baru dengan matter, atau

1:39:13itu bisa dipelajari dengan

1:39:15jalannya waktu

1:39:17gimana sih masnya

1:39:19gaerti

1:39:21pertanyaan pertama dulu ya

1:39:25pertanyaan pertama, kalau data

1:39:27engineer itu

1:39:29career ladder-nya itu

1:39:31jenjang career-nya itu

1:39:33ujungnya PM bukan sih pertanyaannya itu

1:39:35apa lebih baik, head of data

1:39:37semua individual contributor mah bisa aja

1:39:39kalau mau ngejar jadi PM

1:39:41ya kalau mau

1:39:43kalau ngejar gaji

1:39:45kalau ngejar remurni finansial ya

1:39:47kayaknya semua ujung-ujungnya

1:39:49ngejar management kan, tapi ga semua orang cocok

1:39:51ga semua, ga semua

1:39:53ga sisa

1:39:55individual contract itu sama

1:39:57struktural itu berbeda loh jalunya

1:39:59beda jalur

1:40:01manager itu sebenarnya

1:40:03bukan lebih tinggi daripada

1:40:05individual contributor

1:40:07individual contributor

1:40:09belum tentu, tergantung

1:40:11kalau perusahaan Indonesia mungkin masih ada yang

1:40:13lebih tinggi, tapi

1:40:15kalau di luar ya

1:40:17kalau di luar itu ada 2 jarur

1:40:19bagi saya 2 jarur

1:40:21ya manager itu

1:40:23buat asisten kita

1:40:25temenin kita

1:40:27buat unblocker

1:40:29kita butuh apa

1:40:31dia ga unblock

1:40:33jadi kalau di luar itu

1:40:35konsepnya ada 2 jalur

1:40:37jalur technical sama jalur

1:40:39managerial, itu 2

1:40:41jalur yang berbeda

1:40:43jadi kalau misalkan

1:40:45Tias itu

1:40:47lebih suka

1:40:49di jalur technical

1:40:51ini tergantung

1:40:53perusahaannya juga ya, kalau ada 2 jalur itu

1:40:55tapi kalau jadi satu ya

1:40:57ga ada pilihan ya

1:40:59kalau mau naik jinjang

1:41:01atasnya manager ya

1:41:03harus ada tim data engineering sendiri

1:41:05kan kalau mau jadi head of data

1:41:07ini kan asumsi nya

1:41:09head of data engineering

1:41:11nah kalau sebelumnya

1:41:13biar bisa jadi head, harus ada tim

1:41:15eksklusif

1:41:17kalau sendiri jadi head of data ya

1:41:19anggotanya sendiri

1:41:21nah misalnya tim nya ternyata cuma

1:41:23tech gitu kan bisa aja

1:41:25di PC nya cuma tech

1:41:27ya berarti kan ga ada spot untuk itu

1:41:29berarti ga bisa

1:41:31pertanyaan nih, kalau dari pertama

1:41:33SDE tanpa senior

1:41:35better cari tablet baru dengan mentor

1:41:37atau bisa belajar dengan berbeda

1:41:39tergantung si kamu

1:41:41orangnya seperti apa

1:41:43kamu suka belajar sendiri

1:41:45ngulik sendiri atau mau diperintah-perintah

1:41:47untuk belajarnya

1:41:49sebenernya ada

1:41:51ada plus minusnya ya

1:41:53ya ada plus minusnya

1:41:55plusnya kalau punya mentor

1:41:57belajarnya lebih cepat

1:41:59minusnya adalah kalau kita mau naik susah

1:42:01tuh ada mentor dulu diatasnya

1:42:03ga bisa langsung lompat kan, ngelewatin mentor kan

1:42:05kita bergantung

1:42:07kita nunggu, blokernya si mentornya

1:42:09tiba-tiba naik, pengen jadi

1:42:11pengen jadi PM

1:42:13masuk ke management yaudah

1:42:15yaa baru kita naik

1:42:17tapi kalau misalkan diatas kita

1:42:19ga ada siapa-siapa, jenjang hari kita

1:42:21tuh bisa cepet

1:42:23tapi belajarnya lama, ya itu tergantung

1:42:25jadi

1:42:27kalau bisa belajar sendiri dan punya

1:42:29apa ya, punya disiplin

1:42:31yang disiplin diri sendiri

1:42:33yang cukup tinggi kayaknya

1:42:35bisa belajar sendiri, tapi kalau misalkan

1:42:37ga punya disiplin

1:42:39terus ga suka

1:42:41ngulik, kalau ga punya disiplin, baca

1:42:43buku Atomic Habit

1:42:47ya sebelum Atomic Habit

1:42:49baca, apa, jangan lupa

1:42:51Atomic Commit

1:42:53Atomic Design juga

1:42:57ya, semoga

1:43:03membantu lah sedikit-sedikit ya

1:43:05udah kejawab ya

1:43:07kok gua curiga saran kita kurang helpful ya

1:43:09gua agak panoh ya, maaf

1:43:13bukan bermaksud ngasih saran

1:43:15boleh, saran nya dicatat

1:43:17abis itu nanti tanya sama orang yang lain ya

1:43:19tolong di review nih, bener atau engga

1:43:21karena kita bisa halu

1:43:23kita seperti LLM, kita bisa halu

1:43:25kita kan ditembak dengan

1:43:27tanpa konteks ya

1:43:29tanpa konteks ya, kita ga tau

1:43:31si mbak Tias

1:43:33Tias nya itu kerja dimana

1:43:35terus kemudian

1:43:37personalitinya seperti apa

1:43:41karakter, cara bekerja nya seperti apa

1:43:43kita ga bisa ngasih yang sesuai

1:43:45tapi kalau mungkin kita

1:43:47misalnya ketemu dimana

1:43:49di Surabaya, pas lagi

1:43:51DevFest, atau Google I/O

1:43:53langsung nanya ya, saya kerja disini

1:43:55personalitinya seperti karakter, saya sukanya

1:43:57begini begini begini, dan saya dihadapkan dengan

1:43:59masalah seperti ini, mungkin kita bisa

1:44:01ngasih masalah apa

1:44:03ngasih solusinya

1:44:05lebih tepat

1:44:07sekarang ngasihnya ya

1:44:11bisa kiri dan kanan

1:44:13iya

1:44:15ok, lanjut

1:44:17mau tanya saya lusan P.A.I, P.A.I itu apa?

1:44:19saya sebenernya ga tau

1:44:23saya ga tau tapi malu, mau nanya

1:44:25kirain kalian semua tau

1:44:27P.A.I

1:44:29pendidikan agama Islam

1:44:31saksikan anak Indonesia

1:44:33saksikan anak Indonesia

1:44:35pendidikan artificial intelligence

1:44:37mungkin mungkin mungkin

1:44:39apa nih

1:44:41ikut bootcamp, saat ini jalan

1:44:431 bulan apakah bisa berkarir di

1:44:45di IT kali ya

1:44:47maksudnya ya

1:44:49di NIT

1:44:51lagi liat

1:44:53yang dekat huruf N apa ya, M sama B

1:44:55sama A, Y, D

1:44:57ya bener, di IT itu spasi

1:44:59mungkin maksudnya mungkin

1:45:01kalau ini saya bisa jawab

1:45:03saya bisa jawab

1:45:05eka aja lulusannya bukan P.A.I

1:45:07eka aja lulusannya

1:45:09Sastra

1:45:11bisa kok di IT

1:45:13apa lagi kalian

1:45:15kan sama-sama

1:45:17bahasa

1:45:19eka belajar bahasa manusia

1:45:21sekarang kepake buat

1:45:23buat nyuruh-nyuruh

1:45:25prompting

1:45:27ngomong-ngomong soal ini, show off dulu dong

1:45:33sekalian kita pilih topik, show off

1:45:35di topik ya

1:45:37barang-barang kali

1:45:39dibuat LLM

1:45:41jangan, jangan

1:45:43so bentar, teksnya ditanya satu lagi ini

1:45:45kasihan dicuekin, dry run ini

1:45:47konteksnya teknikal atau tidak

1:45:49teknikal

1:45:51bawahnya bootcamp

1:45:53oh bootcamp

1:45:55ada lagi

1:45:57nggak bawahnya, dry run ini

1:45:59konteksnya teknikal atau tidak teknik

1:46:01kayaknya ya, ini tadi kan

1:46:03udah ngomongin program ya

1:46:05teknikal sih, teknikal cuma

1:46:07sebenernya dry run itu kayaknya ya istilah

1:46:09bukan istilah teknis sih

1:46:11pokoknya kita coba aja jalan

1:46:13atau nggak

1:46:15dry run itu ini loh

1:46:17kalau di dunia nyata namanya

1:46:19general repetition

1:46:21kirain, kirain lari kering

1:46:25lari nggak keringetan

1:46:27dry run

1:46:29iya kan makanya belum keringetan

1:46:31belum beneran di deploy kan

1:46:33tapi kita jalanin dulu, kayak gimana sih

1:46:35jalan, jalannya tanpa

1:46:37gradirisik

1:46:39gradirisik ya, gradirisik ya dry run itu gradirisik

1:46:41betul, betul, betul

1:46:43ya latihan-latihannya

1:46:45konteksnya tidak teknikal

1:46:47atau tidak teknikal, dua-duanya ya bisa ya

1:46:49tapi lebih ke teknis sih

1:46:51biasanya, itu bukan istilah

1:46:53teknis, tapi

1:46:55ya bisa diterapin ke

1:46:57apa

1:46:59diterapin secara teknis

1:47:01ok, cukup, oh ada yang

1:47:05tanya lagi

1:47:07terima kasih Li Boys

1:47:09cara belajar atau menyimpan

1:47:11pembahasannya di dunia modding

1:47:13menyimpan pelajaran atau pengetahuan gimana

1:47:15ditulis di

1:47:19notes, punya note system nggak

1:47:21kayak obsidian atau notion

1:47:23itu pakai second brain

1:47:25second brain

1:47:29cara menyimpan pelajaran

1:47:33ya

1:47:39ya di notes, take notes

1:47:41kalau jaman saya

1:47:43SMP itu

1:47:45sampai ditulis guru

1:47:47di papan tulis saya ikut catar

1:47:49kita tulis, iya

1:47:51terus besok pr-nya disuruh

1:47:53iya

1:47:55terus besoknya pr-nya itu disuruh

1:47:57ringkas, halaman sekian

1:47:59sampai sekian, iya

1:48:01merangkum

1:48:03itu penting sebenarnya, skill yang penting ya

1:48:05eh tapi bentar

1:48:07jangan dicatat tuh

1:48:09bikin project, kalau nggak dibikin

1:48:11iya, jadi dicatatan doang maksudnya nggak

1:48:15nggak, nggak puasain nggak

1:48:17itu tahu, tapi

1:48:19saran saya sih kalau belum punya

1:48:21jangan langsung

1:48:23lompat ke second brain, jadi nanti malah

1:48:25belajar second brain nya dulu

1:48:27catat biasa aja

1:48:29mau dicatat doang ringkas

1:48:31balik ke jaman

1:48:33dulu aja cara ngelingkas

1:48:35iya

1:48:37tulis dimana kayak di text file

1:48:39di markdown atau dimana gitu ya

1:48:41kalau emang

1:48:43cocoknya sama building second

1:48:45brain itu ya ya udah

1:48:47asal bisa posisi

1:48:49waktu saya kuliah

1:48:51kulianya di teknik informatika

1:48:53tapi laporan waktu itu

1:48:55jaman saya waktu itu

1:48:57laporan tidak boleh diketik

1:48:59harus ditulis

1:49:01harus ditulis semua

1:49:03termasuk tuh kode-kode paskal

1:49:05kode C++

1:49:07saya bikin tuh

1:49:09buka kurung, tutup kurung, titikoma

1:49:11iya kita kompal di kepala

1:49:13waktu ujian

1:49:15kompalnya di kepala

1:49:17tulis, tulis tangan

1:49:19whiteboarding tuh di whiteboard beneran ya

1:49:21kita dulu latihannya begitu

1:49:23makanya ngelotok banget

1:49:25itu kertasnya double folio

1:49:27masih inget tuh saya kertasnya double folio

1:49:29tuh 4 lembar itu habis

1:49:31tulis tangan semua tuh

1:49:33karena tulis lebih lambat dari ngepik

1:49:37mungkin jadi apa, masuk ke otak kali ya

1:49:39atas tulis

1:49:41mungkin itu kali tujuannya ya

1:49:43tapi terima kasih dengan teknik isabito

1:49:45jadi saya berterima kasih ke cara belajar saya

1:49:47di kampus itu

1:49:51ok

1:49:53ok, sekarang

1:49:55mari kita lihat hasil dari LNN

1:49:57kita launching website

1:49:59yay

1:50:01mana dia

1:50:03silahkan

1:50:07kalau ada yang mau kontribusi

1:50:09ada github nya, eh kita belum taro ya di github nya ya

1:50:11apa yang bisa ditunjukkan

1:50:13selain isinya

1:50:15adalah

1:50:17diambil dari youtube

1:50:19view transition

1:50:21oh view transition, bentar nyalakan dulu

1:50:23klik aja

1:50:25klik aja di mana

1:50:27kok gak bisa

1:50:29gak bisa diklik

1:50:31kok gak bisa diklik

1:50:33oh udah

1:50:35tapi kok

1:50:37kok lambat

1:50:39liat semua episode

1:50:41oh udah bener kok

1:50:43jangan-jangan di throttle itu

1:50:45ini, bukan-bukan

1:50:47apa namanya, belum diaktifin ini nya

1:50:49motion

1:50:51oh reduce motion nya

1:50:53nyalakan

1:50:55iya iya iya, ini ini

1:50:57dah, udah

1:50:59tuh, view transition

1:51:01tadaaa

1:51:03apa lagi yang bisa dipamarkan

1:51:07topik selektor, topik pickernya

1:51:09oh ini search nya, search nya juga bagus

1:51:11search nya

1:51:13cari apa nih

1:51:15ini terjadi

1:51:17di lokal, tanpa

1:51:19ada konek, ini static ya, static page semua ya

1:51:21static page ya

1:51:23pake astro, astro

1:51:25terus ini

1:51:27lazy loading

1:51:29apa namanya, image nya

1:51:31kemaren di tes

1:51:33apa, speed speed

1:51:35speed speed, coba-coba

1:51:37100

1:51:39100 semua

1:51:41web.dev ya

1:51:43100 ya semuanya ya

1:51:45pamer, pamer

1:51:51pamer

1:51:53pamer

1:51:55yang mobile nya juga bagus

1:51:57iya

1:51:59apa biarin dulu, terus apa lagi

1:52:01klik salah satu ini dong

1:52:03klik salah satu

1:52:05episode yang paling baru

1:52:07sudah ada

1:52:09sudah ada, sunrise

1:52:11eh, ringkasannya ini

1:52:13kalau ada yang perlu

1:52:15di koreksi bisa langsung ke github

1:52:17tapi edit jason

1:52:19terus ada

1:52:21transcript

1:52:23gak tau nih, transcript nya akurat

1:52:25atau gak ya, karena kita pake ai

1:52:27semua

1:52:29ini pake whisper

1:52:31dominesia

1:52:35dominesia ya, salah ya

1:52:39dominesia

1:52:41sama sudah bisa komen ke github

1:52:43oh iya komen nih

1:52:45pertamaks

1:52:47tapi harus sign in dengan github

1:52:49dulu ya

1:52:51iya kan pake references, pake akun

1:52:53iya

1:52:55ini password nya masih bisa apa ini

1:52:57password nya 1234

1:52:59password nya

1:53:01password nya akun

1:53:03liat .env nya dong

1:53:05lho

1:53:07WS key nya

1:53:09GCP key nya

1:53:11oh ini pengguna klartflare

1:53:13klartflare pages

1:53:15hasilnya adalah

1:53:19100 semuanya

1:53:21oh masih ya

1:53:23bersyukurlah 100

1:53:25mobile juga 100

1:53:27mobile nya 100 juga

1:53:29jadi

1:53:31kalau ada temen-temen yang website nya belum 100

1:53:33ada masalah

1:53:35ada masalah juga

1:53:37oh beacon

1:53:39oh ini gue aktifkan

1:53:41oh dia aktifkan

1:53:43klartflare

1:53:45analytics ya

1:53:47astro, betul

1:53:49kok bisa tau, oh iya tadi kita udah ngomong ya

1:53:53network dependency tree ini apa

1:53:57oh masih masalah juga, padahal tadi

1:53:59udah gue benerin

1:54:01GCP breakdown

1:54:03ini gara-gara image nya kegedean kayaknya

1:54:05emang ada masalah itu

1:54:09mau matiin aja kan

1:54:13Mas Liza udah hidupin yang

1:54:15analytics yang baru ya

1:54:17iya umami

1:54:19saya matiin aja lah

1:54:21klartflare

1:54:23oh itu dia

1:54:25gak otomatis ya, dia otomatis atau gak sih

1:54:27bisa di mati

1:54:29gak otomatis, tapi by default

1:54:31enggak

1:54:33enggak kan

1:54:35dia gak tiba-tiba inject kan

1:54:37enggak

1:54:39oke apa lagi

1:54:41topik

1:54:43oh gak ada topik

1:54:45gak ada

1:54:47saya udah bikin loh kemarin

1:54:49bisa di reload-reload ini

1:54:51oh ini ya

1:54:53ini fotonya

1:54:59alamannya lagi ngopi

1:55:01belum balik

1:55:03oh sudah

1:55:09dicari, alamannya gak ada

1:55:11tapi niatmu bagus

1:55:13ini loh

1:55:21ini loh keren sekali

1:55:23keren kan

1:55:27keren keren

1:55:29kapan kita foton begini ya

1:55:31iya

1:55:33kayaknya kita bisa bikin

1:55:35thumbnail yang menyesuaikan

1:55:37dengan topik

1:55:39gambarnya kita berubah

1:55:43kalau misalkan

1:55:45computational thinking, gambarnya

1:55:47kayak gimana ya, sesuai interpretasi

1:55:49si nano banana ya

1:55:55terus

1:55:57selanjutnya kita akan

1:55:59mencari topik buat minggu depan ya

1:56:01oke

1:56:03spin the wheel

1:56:05banyak banget

1:56:07gak kelihatan ya

1:56:09oh ini udah jalan belum

1:56:11dia udah, coba gue liat

1:56:13guitar actionnya, harusnya dia udah ngambil

1:56:15topik, jam berapa

1:56:17jam berapa di itu

1:56:19di update

1:56:21tapi ada yang close

1:56:23karena jarang nge-close sih

1:56:25nah ada satu lagi

1:56:29kalau misalnya udah kepilih

1:56:31sebelumnya gak bisa kepilih lagi

1:56:33oh oke

1:56:35udah udah

1:56:37gsap

1:56:39bedah library

1:56:41gsap

1:56:43ini

1:56:45gsap itu yang

1:56:47ini ya

1:56:49yang apa namanya

1:56:51yang bikin-bikin

1:56:53chart ya, bukan

1:56:55iya

1:56:57bisa juga

1:56:59bikin

1:57:01visualisasi ya

1:57:03oh motion

1:57:07animasi

1:57:09yang tadinya berbayar jadi gratis gitu

1:57:15nah itu gue gak tau

1:57:17kan ini

1:57:19terus

1:57:21green shock

1:57:23oh dulu namanya green shock

1:57:25freely

1:57:29kak eka gak ada suara

1:57:31kak eka gak ada suara

1:57:33oh baterainya abis

1:57:35baterainya abis

1:57:39gak bisa denger

1:57:41nah

1:57:43ya gsap itu

1:57:45animation platform

1:57:47dibeli webflow

1:57:49oh dibeli webflow terus dikasih gratis

1:57:51gitu

1:57:53oh tadinya green shock

1:57:55gsap

1:57:57gsap green shock

1:57:59animation platform

1:58:01tapi green shock yang sendiri bukan cuman animation kan

1:58:03wah gak tau

1:58:05oh udah gsap semua

1:58:07yang namanya

1:58:13gue pakenya motion

1:58:15motion

1:58:17oh

1:58:21oke

1:58:23kayak ini bukan ya

1:58:25apa

1:58:27buat animation-animasi itu yang satu lagi

1:58:29framer motion ya

1:58:31itu sama gak

1:58:33ya itu motion

1:58:35gsap

1:58:37versus motion

1:58:39oke

1:58:41mau mau

1:58:43boleh deh

1:58:45sebenernya belum pernah pake sih

1:58:47sebenernya belum pernah pake gsap

1:58:49cuma pernah pake framer motion tapi gak detail banget

1:58:51kita kan harus konsisten

1:58:53sama tools yang kita buat dari pick topic

1:58:55harus terima ya

1:58:57siapa tau

1:58:59ada yang bisa dipake untuk

1:59:01melanjutkan

1:59:03fiturnya kesini

1:59:05masukin kesini

1:59:07gimana gimana

1:59:09ya kita pake

1:59:11gsap disini

1:59:13jadi berat

1:59:15nanti gak seratus

1:59:17iya

1:59:19animasinya udah bisa pake itu aja

1:59:21css

1:59:23tapi kalau gsap

1:59:25buat animasi yang lebih rumit

1:59:27kayak bikin game nah ini kalau mau dikasih game-nya

1:59:29kayak dinosaurus loncat

1:59:31tapi karakter yang kita

1:59:33yang goncat

1:59:35itu berarti

1:59:37yang tadi ini pick topic

1:59:39itu pada saat will

1:59:41dia ada animasinya

1:59:43oke gsap

1:59:45coba aja di spin

1:59:49iya iya oke percaya

1:59:51oh iya sama satu lagi

1:59:53ada di spotify

1:59:55sudah lengkap

1:59:57sudah lengkap

1:59:59oh tepuk tangan dong

2:00:01sudah lengkap

2:00:03yang tadi kan gak lengkap ya

2:00:05oke kita mau dengerin

2:00:09gak mau nonton

2:00:11tapi mau dengerin ya

2:00:13bisa subscribe di spotify podcast

2:00:15oke

2:00:17eh by the way

2:00:19spotify podcastnya gak bisa dikustom ya

2:00:21harus dari youtube ya

2:00:23deskripsinya sama semua gitu

2:00:25jadinya

2:00:27oh iya

2:00:29nah

2:00:31ini dari deskripsi youtube

2:00:33iya lo liat dong

2:00:35di halaman depan ini

2:00:37kalau sudah ada deskripsinya

2:00:39sudah gua ganti tuh kart-kartnya

2:00:41tapi kalau liat ke semua episode

2:00:43bergantung dari based on summary itu kan

2:00:45summary AI-nya kan

2:00:47iya kalau pake episode

2:00:49kalau liat semua episode

2:00:51follow back-nya ke summary dari youtube

2:00:53which is almost sama semua

2:00:55oh iya tapi

2:00:57tidak di update ke youtube makanya

2:00:59sumbernya berbeda

2:01:01di podcast tetap

2:01:03generic

2:01:05oh itu gak bisa dikustom

2:01:07terpisah ya berarti

2:01:09harus ngesing sama youtube

2:01:11ini maksudnya apa

2:01:15seminggu jadi

2:01:17topik buat minggu depan

2:01:19ini apa maksudnya

2:01:21kita tidak mendapatkan konteksnya

2:01:23apa ini seminggu jadi

2:01:25enggak sih

2:01:27cuma berapa jam

2:01:29dari negara LSM

2:01:31berapa jam jadi ini

2:01:33itu yang pick topic

2:01:35saat kita live minggu lagi

2:01:37iya berapa menit kan

2:01:39setengah jam aja sudah jadi

2:01:41pick topic

2:01:43enak ya green field project

2:01:45kayak gitu ya bisa langsung

2:01:47ya bikin aja jadinya gimana

2:01:49di ikut aja

2:01:51oh mana tadi yang kita

2:01:53sudah habis

2:01:55sudah ilang ya

2:01:57minggu depan kita bahas

2:01:59gsap ya

2:02:01gsap versus motion berarti apa

2:02:03ngobrolin library animasi

2:02:05oh iya ngobrolin library animasi

2:02:07episode 166

2:02:09library animasi

2:02:13oke

2:02:19cukup untuk malam ini terima kasih banyak buat semuanya

2:02:21kita ketemu lagi

2:02:23minggu depan dengan topic

2:02:25library animasi

2:02:27selamat malam

2:02:29selamat istirahat

2:02:31sampai jumpa

2:02:33apakah Anda baru pertama kali melihat

2:02:35tayangan dan halaman ini

2:02:37atau mungkin telah kesekian kali melihat

2:02:39untuk membandingkan kembali dengan lainnya

2:02:41jika Anda mencari tahu mengenai layanan web hosting

2:02:43terbaik kami pastikan Anda

2:02:45berada di tempat yang tepat

2:02:47dengan Domainesia dapatkan pengalaman

2:02:49menggunakan layanan hosting yang lebih baik

2:02:51dengan SSD

2:02:53dan performa tinggi dalam infrastruktur cloud

2:02:55yang telah dioptimalkan untuk kebutuhan personal

2:02:57maupun bisnis

2:02:59teknologi ini memungkinkan Anda

2:03:01memperoleh layanan yang lebih stabil

2:03:03serta proteksi dari korupsi data

2:03:05hosting Domainesia juga telah

2:03:07mendukung Node.js, Python, Ruby

2:03:09Go, PHP, Java

2:03:11serta binary Linux

2:03:13lebih dari 200.000 pelanggan

2:03:15telah mempercayakan layanan hosting di Domainesia

2:03:17kepercayaan yang kami jaga

2:03:19dengan garansi Abden 99,9%

2:03:21serta garansi uang kembali 100%

2:03:23buat website Anda lebih mendingnya

2:03:27segera berali ke web hosting Domainesia