EP 156 Selasa, 3 Februari 2026

Computational Thinking

Ringkasan Episode

Episode ini membahas tentang Computational Thinking, sebuah framework berpikir yang menjadi fundamental lebih dasar dari kemampuan teknis programming. Host membahas empat pilar utama Computational Thinking yang dikenal dengan akronim AADP (Abstraction, Algorithm Design, Decomposition, Pattern Recognition) dan bagaimana konsep ini tidak hanya berguna untuk programming tetapi juga applicable dalam kehidupan sehari-hari dan karir profesional. Diskusi juga mencakup bagaimana Computational Thinking sudah diajarkan di kurikulum sekolah (SD/SMP) dan bagaimana materi dari BBC Bitesize memberikan penjelasan yang mudah dipahami dengan contoh-contoh konkret.

Poin-poin Utama

•Computational Thinking adalah framework berpikir layaknya komputer dengan memecahkan masalah secara sistematis dan logis, ini adalah fundamental yang lebih dasar dari fundamental web atau programming
•Empat pilar Computational Thinking (AADP): Abstraction (berfokus pada detail penting), Algorithm Design (merancang langkah-langkah sistematis), Decomposition (memecah masalah besar menjadi bagian kecil), dan Pattern Recognition (mengenali pola yang berulang)
•Computational Thinking tidak hanya untuk programming - ini applicable dalam kehidupan sehari-hari seperti merencanakan resepsi pernikahan, mengatur flow supermarket, hingga menyelesaikan kasus kriminal
•Dekomposisi penting karena masalah besar sering membuat kita bingung mulai dari mana; dengan memecah masalah menjadi bagian kecil, kita bisa fokus dan manage setiap bagian dengan lebih baik
•Pattern Recognition memungkinkan kita menggunakan solusi yang sudah ada untuk masalah serupa, mempercepat penyelesaian, dan menciptakan standarisasi seperti framework, component library, atau SOP
•Abstraction membantu kita fokus pada detail yang penting dan mengabaikan hal-hal yang tidak relevan, seperti ketika mencari akar masalah dengan teknik 5 Whys atau fokus pada core functionality saat development
•Algorithm Design bukan hanya tentang kode tetapi juga tentang SOP dan workflow dalam pekerjaan seperti deployment flow, yang bisa di-hand over ke orang lain karena terdokumentasi dengan baik

Transkrip Bantu Koreksi

Dapatkan hanya di Domain Asia

Wuih, suara itu kayak seru banget gitu ya

Iya, itu dari channelnya Pak Dika tuh

saya nyontek

Oh iya, nyontek

Oke, ini itu built-in soundboard-nya

Enggak, ya ada di soundboard ini kan apa namanya

sound yang umum ya, banyak dipakai

tapi salah satunya dari Pak Dika

Apa kabar, apa kabar?

Oh iya, apa kabar?

Baik, baik

Bentar lagi puasa ya

Oh iya

Tanggal berapa ini kita ya?

18

17-nya Lunar New Year

tanggal 18-nya puasa

kira-kira teman-teman masih mau nonton ngobrolin web ini enggak ya

kalau puasa ya

Coba komen

kan biasanya mundur ke jam 9 ya

jadi mundur 1 jam

Jadi kayak daylight saving ya

Ya daylight saving, iya benar juga

kalau teman-teman apa namanya

masih tetap mau dengerin ya

kita tetap live

tapi kalau enggak mungkin kita rekaman kali ya

kalau enggak kita juga tetap live

Lihat transkrip lengkap (3317 segmen lagi)

oh enggak ya, mau dengerin nggak mau dengerin

kita tetap live

walaupun kalian nggak mau dengerin

kita pengen ngomong

iya, kalau kalian nggak mau dengerin kita

ya udah, ditutup aja Youtube

iya, kita tetap live

tetap live

iya, betul

nggak salah

kita ngomong sendiri jadinya

kalau nggak ada teman-teman itu nggak seru

kalau ada PNC tanya jawab

kita justru nanti nambah bintang tamu pakai open claw

jadi kita saling nambah bintang tamu open claw-nya siapa

kita wawancarai gitu kali ya

tapi kita wawancaranya gini

berikan kami epik id-mu

ini kayaknya lagi seru banget ya

banyak mainan baru ya

model-model baru

yang muncul

terus ada open claw

saya lagi coba, lagi grooming

lagi grooming

ini dong, spill dong gimana open claw-nya

personality-nya gimana

tergantung modelnya

kalau opus enak diajak ngobrol

terus tadi pagi Isang nyobain ganti ke model Cina

salah satu model Cina

emosi

kenapa?

emosi ngobrolnya

enak

tradingnya beda kan ya?

udah pake passes dari gue belum tuh

masih ada 3 lagi pas gue

nggak, gue simpen buat kalau mau ngerjain website ngobrolin web

dihajar sekalian kan terbatas tuh 7 hari doang

kalau lagi sibuk kan sayang ngopinya kan

ini Mak sambil ngopi, saya juga sambil ngopi

saya juga sambil ngopi

saya ngeteh

bukan sponsor ya kopinya ya

saya sambil mutih

aku sambil ngetih, hidup sehat

sehat sekali kalian luar biasa

aku juga lah nggak mau kalah

aku sambil

udah habis

itu malam-malam ngopi Mas Riza

kenapa?

kalau lagi pengen aja

saya ping kalau misalnya Mas Riza

PR saya udah saya open

jawabnya besok pagi

nggak ngaruh, kopi mah ngantuk-ngantuk aja

oh gitu ya

iya, kan biar ngopi itu biar semangat

biar semangat menyapa penonton

semangat ngobrolnya

nggak ngantuk

malam ini nggak ngantuk ya?

nggak lah

yang minimal kita nggak ngantuk

nggak tau yang nonton ngantuk atau nggak

yang pasti kan nggak ada tim nas kan

tadi ngomongin tentang open cloud gitu kan

cepet ngomongin open cloud

kalau temen-temen mau nyoba

bisa, bisa banget

oh iya betul

mana discordnya?

ada discord 50%

oh iya mana dia?

ada discord 50%

kalau mau deploy open cloud

bisa pakai ini

kalau di, apa?

kalau di komputer pribadi

atau bahkan komputer laptop kantor

jangan ya, bahaya kan

apalagi dibuka aksesnya

bisa, itu bisa

kemana-mana perginya

kayak kemarin aja saya baru nyalain

tiba-tiba dia udah scan

wah ini ada Apple Music

dia minta akses ke Apple Music

lho buat apa tiba-tiba dia minta akses

kok ngeri juga ya

makanya

mendingan lebih aman di VPS

jadi kalau ada apa-apa tinggal hapus aja

salah satunya adalah dari Dominesia

itu ada cloud VPS Turbo

temen-temen bisa

dapatkan discord 50%

bisa dipakai lebih dari 1 kali

untuk semua paket dan semua siklus

jadi langsung cek aja Dominesia

karena Dominesia adalah

sponsor kita

jadi semakin

semakin banyak temen-temen pakai

semakin besar kemungkinan kita untuk

disponsori lagi berikutnya ya

jadi terima kasih Dominesia

oke malam ini

kita kembali ke fundamental ya

di sini temen-temen

ada yang

belum baru tahu ga sih

istilah computational thinking

saya

sebenernya kalian udah tahu

tapi ga tau

udah mempraktekan

tapi ga tau konsepnya

terus ini menarik sih

kan tadi Mansri saya bilang fundamental ya

jadi biasanya kita ngomongin fundamental kan

fundamental web misalnya

karena kita ngobrolin web

ngomongin yang fundamental web

nah tapi setelah lihat apa

konten-konten computational thinking ini

ini malah layer yang

lebih dasar lagi ga sih

ini kayak fundamental

fundamental berpikir kan

sebenernya fundamental menjadi manusia

framework ya

problem solving

bener ga sih

dan biasanya kalo di luar itu

sebelum belajar

coding itu biasanya anak-anak

diajarin ini computational thinking

dulu

dan bahkan kalo suatu hari kita

ga coding lagi kita ga

apa ya entah karena

kerjaan kita diambil sama AI atau

mungkin apa kita pindah

ke management

atau mungkin kita pindah ke product atau

apalah maksudnya apa

ini fundamental yang

bisa dibawa banget maksudnya kayak

carry apa bisa di

carry over ke misalnya suatu hari

kita jadi management atau

apa lah finance marketing

apa kan cara mikir kayak gini tetep kepake

kan walaupun kita udah ga coding

sebenernya apa sih computational thinking

gue lagi baca nih

ada ininya talking pointnya dari mas Riza

ada

dibikinin sama

sama Cloudia

sama Cloudia

macam masalah besar jadi bagian kecil-kecil

iya sebenernya kita

udah pernah belajar kan yang apa

problem solving 101 juga ada kan

ada singgungannya

kesana

jadi computational thinking itu

adalah konsep berpikir

framework ya

cara berpikir layaknya

seperti komputer

dengan cara memecatkan masalah

dengan langkah yang sistematis

dan logis

bukan kayak cak lontong dong ya

apa tuh

emang gimana pun ya lo

memecatkan masalah dengan masalah

dengan masalah baru

tanpa solusi

yang paling sering kejadian adalah

ketika kita dapet sebuah tas

ga mesti masalah ya problem gitu ya

tas yang mau kita selesaikan

itu biasanya tas itu bentuknya besar

ukurannya besar

scope nya besar

terus kita bingung ini mau mulai dari mana ya

apa yang harus ditekal pertama kali

langkah pertamanya apa

kita ngerjain yang mana dulu

itulah pentingnya

mindset untuk problem solving

termasuk juga computational thinking

makanya

di computational thinking ini

kalau ga salah udah masuk ke kurikulum

HD atau SMP gitu ya

bagus ya

oke banget

ya jaman gua sekolah dulu ga diajarin sama

kan ya

website BBC itu

ya ampun anak sekarang keren banget

kayaknya dulu cuma diajarin

avalan doang

computational

bahasa Indonesia nya ya

sudah ada belum ya

masuk kelas berapa gitu

2024

oh

mentri sebelumnya ga tau sekarang

harusnya dilanjutkan

yang lagi masalah itu

yang lagi kasus

mudah-mudahan kasusnya cepet terurai lah ya

computational thinking

jaman kita dulu kita ga dapet

makanya kadang-kadang

kita kayak

ya kita mungkin udah menerapkan

tapi kita ga tau kalau itu

itulahnya computational thinking semua

dan mungkin apa ya

learning by doing gitu

kalau salahnya mungkin

iya banyak salahnya

betul

dan sebenernya ini bukan

hanya untuk programming sih

jadi untuk kehidupan sehari-hari

itu tadi fundamentalnya

hidup kan

fundamentalnya jadi manusia yang

kritis atau mungkin ya apa

profesional lah ya

fundamental untuk punya

karir atau punya apalah

punya bisnis secara profesional

iya

jadi misalkan

saya pernah baca di salah satu

buku contohnya itu misalkan

kita bikin event

misalkan kayak apa ya event

pernikahan gitu ya resepsi

nah itu kan

susunan misalkan

makanannya dimana

panggungnya dimana itu sebenernya ada

proses berfikir

secara profesional

jadi ketika tamu pertama kali datang

dihadapkan pada apa? biasanya kan

isi buku tamu tuh

gak bisa kan kita taruh makanan di depan

dan isi buku tamu kita makan gitu kan

udah masukin naplok, udah istirahat bakso

rusuk

iya, di sebelah kanan ada

satay kambing, di sebelah kiri ada bakso

itu yang mana

jadi orang-orang itu

diarahkan gitu juga dengan ketika

kita masuk ke

supermarket misalkan

biasanya itu susunannya itu sering diubah

biasanya kenapa? karena mungkin dia mau

menonjolkan sesuatu, misalkan

ada yang sering ditaruh di deket kasir

kadang-kadang iseng kan

biar lah ambil gitu, ada juga yang

tadi aja posisinya disini

terus dipindah kemana itu sebenernya

bukan random

tapi ada perhitungannya

itu ada

ada hitung-hitungannya, ada ya

kalau dibawa lebih jauh mungkin ke

machine learning kali ya, yang mana

yang kira-kira lebih cocok

di padu-padenkan dengan yang mana

tapi kalau untuk yang sederhana

misalkan kayak tadi resepsi itu

kalau kita kan

udah secara natural ya pastilah

kalau itu harus misi buku tamu dulu

abis itu mungkin

dia mau ngarahin kemana nih?

mau calaman dulu atau mau

makan dulu gitu kan?

bakso dulu

takut gabisa gitu ya

iya

atau

acara sekolahan

sudah gitu ya

supaya gak terlalu

gak terlalu ngantri

misalkan itu harus gimana

dulu, diatur dulu, jangan sampai

ke kanan dulu, abis itu muter

lalu intas juga sama

tatah kota dan lain-lain semuanya itu

sebenernya kan ada tatah caranya

nah salah satunya ya

computational thinking

gedung parkir, betul

ya stasiun

stasiun

nah kalau

komponennya sendiri itu ada 4 kan

basic yang basic

AADP

ya itu

gara-gara padika ya

salah satu

materi yang bagus kalau temen-temen

pengen penjelasan tentang computational thinking

search aja di youtube

ada WPU

ya itu algoritm

design, abstraction

decomposition

pattern recognition

oh, di balik-balik ya

biar jadi AADP

ada apa dengan pinta

ya kalau di

ada apa dengan program

kalau gak, gue sudah pegang soundboardnya

AADP

jadi misalkan temen-temen

ada ketemu masalah yang

bingung mau nyelesainnya gimana

jadi bisa dipecah dulu

jadi bagian-bagian kecil

misalkan

kalau mau bikin web

itu stepnya

dari mana apakah

desainnya dulu

bikin

datanya dulu, maksudnya

ini butuh data apa aja

kan ada macam-macam itu ya

ada berbagai mass hub kan

ada yang, wah dari desain dulu

pake Figma atau pake Photoshop atau apa

gitu kan, abis itu baru

disicing ya

dan bahkan

sebelum itu kan ditarik mundur lagi

ada requirement nya kan, kita ngumpulin

user requirement kan, maksudnya tadinya

misalnya misalnya, Mas, Pak

tolong bikinin saya, website

e-commerce saya

kayak Toko Ijo

atau Toko Orange

maksudnya apa, padahal ternyata dia cuman

satu penjual

di video, dia cuman pengen jual barangnya sendiri

itu kan harus dikulik dulu

berarti itu juga udah ada proses kan

nah dari user requirement

harus di breakdown lagi

jadi misalnya apalah

arsitekturnya kayak

database nya gimana

deponya dimana, back-end, front-end

itu kan beneran proses

ya itu computational thinking sebetulnya

terus abis itu tuh pecah-pecah lagi kan

sampe jadi

implementasi yang bisa dikerjain

ini malah

nyambung sama planning berarti ya

yang pernah kita bahas

iya, kalau sekarang

kan kayaknya kita udah pada

paham ya, udah paham ya

harus bikin PRD dulu

atau spek dulu

gara-gara AI

iya sama kayak kita main ini ya

main coding agent ini

jadi ada flow nya

nah, saya tau

sebelum saya tau ada computational thinking ini

kalau mau misalnya

dipaksa di project ya

saya tuh biasanya diminta

tolong estimasi atau bikinkan

roadmap nya atau bikinkan

gimana sih

implementasinya

saya tuh biasanya pakai itu

pakai

main map

saya suka main map

jadi dari hal yang paling

atas

mau bikin apa, terus mulai cabang-cabang

tuh satu-satu

satu-satu cabang-cabang ya, jadi

kalau lagi bikin main map itu

flow, otak saya nge-flow

aja, ga perlu mikir

cakep apa engga

atau teratur apa engga

karena harus yang dari otak

harus keluar dulu

keluarin dulu semua botamangnya

kayak gimana, terserah

nah, setelah sudah keluar semua

ada lagi ga?

oh, ga ada, habis

baru saya mulai grouping

grouping itu

either per function

atau epic

bahasa PM nya

atau sometimes kayak per domain

jadi domain itu artinya apa ya

kaya

area ya, jadi misalnya

authentication sendiri

atau

cache management sendiri

database nya sendiri

atau query nya sendiri

service API nya sendiri

itu bisa di per domain-domain gitu

atau per

kalau bahasanya mas Tisha dulu, per ini

ada ini kan, ada bahasanya per

per

actor, actor base

tau ga, actor base

dulu pernah kita bahas

oh ini, kalau di

apa namanya, di diagram

UML itu ada

activity diagram, ada class diagram

ada apa namanya, yang satunya lagi

yang actor-actor itu

lupain namanya, itulah maksudnya

per actor base itu, nah itu saya sempat pake

matoda itu

iya iya iya iya

dulu pernah banget kita bahas

dulu banget

kat base, ga inget

udah ratusan episode nya

udah, udah ratusan

actor model, actor model

bukan

factor, factory

ga ada actor

ga ditulis

ga ditulis kayaknya, bukan actor kali

iya actor model

actor model

itu kan

yang berhubungan dengan konkurrensi, bukan?

oh iya bener

oke

jadi begitulah, nih ada materi bagus

dari BBC

materinya bagus banget ya

terus baru tau, ternyata BBC

BBC kan kirain cuman media kayak

maksudnya kayak berita

ya berita kan

broadcasting blablabla, ternyata

punya materi pendukung, belajar

untuk anak sekolah, ya walaupun

orientasinya buat

korekulum inggris ya, buat

anak sekolah disana, nah ini buat

kayak anak SMP, SMA gitu

dan pas liat ini

malah impressed karena

website nya bagus, terus kayak penjelasannya

juga bagus, enak di cerna

banget, seneng deh liatnya

dari introduction coba

oh dari introduction

eh introduction dong

kan tadi

jadi apa, ini sih

malah belum masuk codingan ya

cuma ini emang di website ini

pun, di settingnya

sebagai prerequisite dari

ya itu kayak yang Mas Tricia bilang tadi ya

atau Ivan yang bilang tuh tadi

sebelum belajar coding, sebelum diajarin

cara mendeklarasikan

variable dari

dalam python, misalnya sebelum kayak gitu

diajarin cara mikirnya

dulu, mantap

nah ini

kan yang tadi kita bahas ya

apa itu computational thinking

sebelum suatu masalah bisa

diselesaikan, apa

masalahnya sendiri dan cara-cara

gimana masalah itu bisa diselesaikan

itu harus dipahami dulu

kalau apa

jadi ini kan cara pikir

yang memungkinkan kita

menghadapi suatu

problem yang kompleks ya

nah ini tadi

akui tekniknya AADP

AADP

jadi di komosisi tadi

kita udah bahas ya, tentang

memecahkan masalah menjadi masalah yang

lebih kecil

memecahkan masalah jadi masalah yang lebih banyak

bukan ya, lebih kecil

jelas banyak kan kecil-kecil tapi

lebih mudah di manage

lebih mudah di

pahami

lalu setelah dipecah-pecah

kita mencari kesamaannya

betul

kalau

di programming biasanya

kan ada kode yang berulang

itu dibikin

satu fungsi ya kan

bisa dijadikan fungsi

atau apalah

jadi factory

atau kalau UI

jadi satu komponen

abstraksi

berfokus

dan kadang-kadang

kalau masalah itu

kadang tersembunyi biasanya

tersembunyi dibalik

hal-hal yang lain

jadi

nggak clear masalahnya apa

itu kadang-kadang kita bingung tuh

mau cari ini akar masalahnya

apa sih gitu kan makanya dulu sempat

kita bahas tentang

five wise, jadi kalau mau ada

masalah tertentu kita tanya

kenapa sampai 5 kali

atau berapa kali gitu sampai ketemu akar masalahnya

kadang-kadang

yang kita selesaikan

itu belum tentu

akar masalah

jadi muncul lagi

cuma mungkin salah satunya

karena kita nggak kebiasa mikir

jadi ya itu begitu ada masalah

langsung hajar

kelihatannya selesai, maksudnya buat saat ini

kesannya selesai, minggu depan

muncul lagi masalahnya, tapi dalam

varian lain karena belum

di basmi dengan benar masalahnya

ya misalkan gini

misalkan teman-teman bikin aplikasi web

terus tiba-tiba kliennya

atau teman kita bilang

kok website-nya lambat ya

database-nya lambat ya, ya udah

kita restart tuh database server-nya

sebentar cepet

wah cepet nih, terus lama-lama

lambat lagi gitu, itu kan akar masalah kan

sebenarnya, ternyata index-nya

atau apakah masalahnya?

ada query yang

put atau apa gitu

kayak merasa saya

lagi nelpon

ini apa namanya?

customer service-nya

di home

oh disuruh restart ya

restart modem doang kan

apapun masalahnya

udah konek kan

apapun masalahnya, solusinya

restart modem

betul, itu salah satu

SOP-nya ya

terus

abstraksi, ada algoritma ya

ya, desain algoritma

nah ini SOP-nya

SOP yang tadi, kalau ketika ada

apa masalah

cuma satu doang di season 3-nya

cuma satu, nggak ada cabangnya

pertama yang disarankan adalah

restart modem

kak, modem-nya mati

di restart aja, orang mati

nggak bisa nyala

nggak bisa nyala

terus next ya

jadi

desain algoritma ini penting

kenapa? karena

kita bisa hand over

jadi misalkan apa ya

kalau di pekerjaan sehari-hari ya

misalkan workflow

untuk

untuk deploy

ya, jadi oh harus

git add dulu

apa sebelum commit

ada pre-commit hook-nya

pre-commit hook-nya dulu, dinyalain

di set up, jangan sampai

lintarnya nggak jalan, kita langsung commit

misalkan gitu

ada kan aturan-aturan tuh, oh harus pakai

brands dulu kalau mengerjain

jadi dari main, jadikan brands

habis dari brands, kita push

ke github, terus habis itu bikin

pull request, ada juga yang

merge aja langsung, terus nanti ya

beda-beda lah ya, macem-macem gitu kan

itu kan SOP ya

biasanya itu antara tertulis atau

tidak tertulis, tapi itu adalah bagian dari

desain algoritma, gimana kita

misalkan mau

commit kode kita

ke code base

itu caranya gimana

biasanya itu ada tuh, kalau perusahaan yang

rapih itu biasanya ada

ada handbook-nya, semacam handbook

itu adalah bagian dari algoritma

bukan hanya algoritma kode ya

by the way, itu pop-over-nya bagus ya

desainnya, maksudnya kayak enak dilihat aja

di klik, nah

nggak tau kenapa ya, enak dilihat gitu

ini pop-over

yang baru kita jadi penasaran kan

warna purple-purple

purple-purple, slope ya, slope

iya dipiasa

cuma ada itu-nya

ada area roll-nya

tapi, jadi ya nggak apa-apa lagi

oh iya, ini mah rapih

rapih ya, OLD

tapi sebenarnya masih

yang bikin BBC

iya

cuma enak dilihat aja

terus, ya gitu

itu penjelasannya

iya, ini ada 4 ya

nah

yang tadi saya sebutkan

kalau problem-nya udah mulai kompleks

itu biasanya, bingung kita mulai

dari mana

ini, dan ini nggak harus berurutan ya

kita mau ngerjain abstraction

dulu boleh, dari abstraction dulu boleh

dari pattern dulu boleh, tapi algoritma

sih terakhir kayaknya ya

de-composition dulu kali ya

harus ya, harus de-composition dulu

kalau nggak

iya biar gampang, kalau nggak

iya, itu kan lain

iya itu

apa, ya itu tadi

masalahnya terlalu besar untuk di handle

jadi terlalu apa, kayak nggak fokus

kali ya

nah, lihat contoh kasusnya

tapi kan kadang-kadang untuk menemukan masalahnya, harus di abstraction

nggak juga

nggak tahu

baru baca

nah, ini next

next page, penerapannya

jangan, belum, jadi ini selalu di halaman pertama

penjelasan abstraknya

terus halaman selanjutnya

contoh kasusnya

contoh kasusnya

ikut cepat ya

kan udah di load tadi

udah di pencet

kan static juga

nah, ini sih

ini standar ya, contoh kasusnya

ini belum masuk coding sih

tentang rencanakan suatu

rute

blablabla

terus, apa

kalau pengen menentukan aktivitas

hal-hal yang

ke poin-poin yang perlu dipertimbangkan

apa

nah, terus, setelah lagi ke bawah

kalau main video game

contohnya gimana, item-item apa aja

yang perlu di-collect

kayak kita menentukan

kan kita punya suatu tujuan nih

kalau main game yang kayak gini, exitnya mana

harus meng-collect item

apa aja

ya, harus ada exit pointnya

dimana

skornya berapa, gitu ya

musuhnya gimana

terus, scroll paling bawah dia

recap summary-nya

nah, itu

jadi, each complex problem

masing-masing masalah yang

complex dipecah menjadi

beberapa decision

keputusan dan langkah-langkahnya kecil

contohnya, tadi kita mau

pergi gimana

cara menyelesaikan menamatkan level ini

itu contoh dari decomposition

nah, terus

kita fokus di detail-detail yang penting

aja, kalau mau pergi, misalnya

pertimbangkan cuaca, atau kalau mau main game

nyari exitnya dimana

itu contoh

abstraksi

terus, ya itu contoh pattern recognition

sama algorita

ya, pattern recognition

biasanya gerakan musuhnya ya

musuhnya itu gerak gimana

apakah dia loncat, atau dia cuma

jalan doang, kecepatannya berapa

itu kan pattern recognition ya

terus kita harus

sendiri, kita gak boleh nyentuh musuhnya kan

karena kita tahu, karena game-game

pada umumnya

ya, tapi biasanya yang terakhir ini

kalau lagi main game sih, gak kita tulis ya

cuma kita ingat aja

biasanya

cuman

contohnya bagus ya, jadi misalkan nih

teman-teman tiba-tiba

di interview, atau ketemu orang

atau apa, "coba kamu bikin game seperti ini"

langsung overwhelmed kan

wah, gimana ya

gak pernah bikin game sebelumnya gitu, jadi

mungkin langsung stress gitu ya, kepikiran

gimana gitu, padahal

kalau kita pecah

oh, apa dulu nih yang harus dibikin

oh, mungkin platformnya dulu kita bikin

atau kita coba bikin

si karakternya bisa

jalan ke kanan ke kiri dulu

setelah itu baru

musuhnya bisa jalan ke kanan ke kiri

terus habis itu tambahin item

tambahin exit, tambahin score

tambahin waktu, gitu ya

dengan kita pilah-pilah

seperti itu, jadi lebih kebayang lah

dibandingkan sebelumnya, wah

game gitu, langsung kaget

game itu apa

scope-nya kan luas banget

scope-nya luas

bahkan kadang-kadang kita udah dikasih

penjelasan seperti ini juga masih

bingung juga kan, mulai dari mana

mulai dari screen shot

masukin ke

masukin ke clockwork

buat game ini

game ini

apa

apa, "make no mistakes"

nah, Bek, coba

abakal diterangin satu-satu

sama ini bagusnya, contoh-contoh

kasusnya tuh concrete banget, apa

contoh penerapannya

menarik ya

eh, salah ya

Bek, Bek, Bek

nah, sekarang decomposition

ya, ini kan penjelasannya tadi

penjelasannya mah

ya, udah lah ya

langsung ke

praktek-nya aja ya

itu kan tadi kita udah, soalnya kenapa

penting, ya kan, kalau nggak dipecah-pecah

masalahnya besar, sulit, nah

langsung praktek-nya

contohnya

ini prakteknya ya

contoh yang bego-begoan banget lah

apa, gosok gi-gi

itu anak-anak ini kayaknya ya

anak-anak sekolah, anak sente

kedua

memacahkan kriminal

solving a crime

tapi ini konsepnya

adalah di-compose

kan ada definisinya tuh

di-compose

oh, ini jadi ingat ya

kalau kita programming, biasanya

kalau dibaging itu layaknya

seperti memencahkan

masalah, itu ya

kejahatan

kita sendiri yang jadi

penjahatnya

kita sendiri yang jadi penjahatnya

kita sendiri yang jadi penjahatnya

kita yang jadi

detektif, kita yang jadi

tersangka

yang salah kita juga

cuma maksudnya itu ngumpet dimana

bukti kejahatan kita diumpet dimana

kan kita harus nyari, coba scroll ke bawah

itu gambarnya lucu soalnya

sering

ya ini

lucu-lucu

ini saksi

lokasinya disini, jam-jam berapa

harus di-compose dulu

list item-nya tuh, kayak where the crime

tindakan kejahatannya, kapan dilakukannya

buktinya apa saja

ada saksi mata atau nggak

sebelumnya ada

tindak kejahatan yang mirip atau nggak

oh iya

terus

penjahatnya juga beda ya

antara nyolong

perhiasan dengan nyolong ayam

jadi dia bisa cari itu

pattern recognition

nah itu

itu kan disitu

itu kan penjahat selalu pake hitam putih ya

baju penjara

oh iya

itu manifestasi

manifestasi

oh iya

yang nggak, itu

itu wanted kan, itu burunan

mungkin sebelumnya dia pernah masuk penjara

karena nyolong berlian

oh jadi ya

tersangka lagi gitu ya

karena udah sering ya

oke oke

nah nextnya contohnya penerapan di

ah ini baru masuk ke

coding ya

iya

betul

bisa

komplikasi ya

yang resolusi buat

to do listnya

ya itu cuma itu kan

itu lah yang kemarin saya lakukan

suruh dia bikin to do list sendiri

ya mah ini ngumpulin user

requirement itu termasuk hal yang

bisa di decompose

aplikasinya

mau bikin apa

desainnya kayak gimana

target audiensnya apa, eh ini standar ya

pertanyaannya cloud code ya

biasanya kalau kita mau bikin

ya cloud code trending datanya mungkin

dari ini

cuma berarti itu kan cara pikir bukan

perkara itemnya apa, tapi

langkah-langkahnya apa

langkah-langkahnya apa aja, kalau mau

approach suatu

masalah suatu project

iya ini kan yang umum ya

best practice lah gitu ya

best practice

sama ini contohnya buat anak kecil soalnya kan

jadi apa, simple

jadi ini itu

what, who, what

5W1H

5W1H

tapi nggak 5 sih ya pokoknya

itu semua

ya nggak mesti plek-plek kayak gini

kayak grafik sama audio belum tentu

aplikasi kita butuh audio kan

jadi tergantung kebutuhan aja

ya udah selesai

terus nextnya pattern recognition

ini ya ini menarik

gimana kalau pemula

mengenali pattern itu gimana

caranya, ada langkah-langkahnya nggak

ya itu tadi impulse

coba yang paragraf pertama deh

mencari persamaannya

mencari persamanya

di antara

beberapa problem yang sudah

decomposition

ini contohnya bagus kok

ya cuma penerapannya di kasus yang

kompleks ya, dia nggak ngasih sih

pertama kita harus tahu

dulu patternnya itu apa

pattern itu apa, pola itu apa

jadi ini contohnya sih

kita harus menggambar kucing

apa saja hal

hal yang sama yang

ada di berbagai kucing, ternyata semua kucing

punya mata, punya punggut

punya bulu

yang makan ikan

ada kucing yang ngomong-ngomong

oh iya tau-tau kucing yang

sphinx

sphinx

kucing viraun ya

nah, ini fokus di

titel yang penting, pada umumnya

kucing, pada umumnya

iya

kalau itu tidak umum ya

iya relatif lebih jarang

oke, ada

ada ekor, kakinya

empat gitu ya, yang umum-umum ya

nah itu adalah pattern gitu ya

nah, lalu kenapa

kita pukul

jadi pattern

pattern membuat pekerjaan kita

lebih ringan

problem lebih mudah

disolve, kalau

patternnya mirip

karena kita bisa menggunakan

solusi yang sudah ada sebelumnya

makin banyak pattern yang bisa kita temukan

makin bisa dipercepatkan

mempermudah untuk mengecehkan masalahnya

misalnya kalau contoh ini

sample bentuk kucing

biar enggak perlu

berkucing satu persatu

iya, patternnya nggak penting sih

cuma ya, baguslah

kalau di-delete ke dunia

sekarang, jadinya set Cn

V0

atau

ini kali ya

tailwind

framework ORM gitu ya

framework, iya iya

itu bukan abstraksi ya

pattern

itu pattern sih

abstraksi untuk

memecahkan

masalah yang berulang

abstraksi yang dibuat untuk

memecahkan masalah-masalah yang

berulang dan mirip

lah kan sebetulnya button set Cn itu

kayak sample bentuk kucing itu kan

kita warna sendiri, dikasih warna

mata warna kuning

iya, daripada kita harus bikin button dari awal

terus menerus gitu ya

cuma ganti warna kuning, orange, merah

kita bikin satu button

yang ada kelasnya kuning, orange, merah

jadi tinggal ganti itu aja

dan bahkan kalau

ditarik yang di luar web

itu lagi yang lebih baru

dan kayak standarisasi skills.md

itu kan abstraksi

tapi kan untuk memecahkan masalah yang berulang

kita bolak-balik harus

bilangin, gunakan

react function

component yang standarnya

begini-gini-gini

kalau mau pakai

drizzle dan purso

itu cara jalaninnya

kondensinya ini liatnya kesini

itu kan hal-hal yang berulang, cuma

setiap orang mungkin kombinasi

kebutuhan teknis yang dipakai lain-lain

library yang dipakai lain-lain

tapi kan semua yang melakukan hal yang sama

nah, berarti bisa

dipecahkan dengan skills.md

skills.md

iya ya, itu bukannya

stemple coaching

nah, terus nextnya, recognizing

pattern

bagaimana cara mencari ya

mencari pola yang mirip ya

patterns exist among different

problems and with

individual problems

jadi, kita mencari pola

di antara beberapa

berbagai masalah yang berbeda

atau dalam

masing-masing masalah

nah, contohnya nih

among different problems

kalau

kita mau

bikin kue

jenis kue yang

ingin dibuat

bahan-bahannya

berapa orang yang

kue itu untuk berapa orang

proses bikin

kuenya berapa lama

kapan perlu menambahkan masing-masing bahan

perlu peralatan apa aja

nah, setelah kita tahu cara

membuatnya

kita ngerti nih, caranya bikin

satu kue dengan

udah dipecah-pecah kayak tadi

kue A, kita ngerti caranya bikin

kue A, setelah kita tahu

cara bikin kue A

kita jadi tahu, pasti kita

kurang lebih tahu paper

untuk membuat kue B

jadi, kalau buat di

webdev atau software dev

kita udah pernah sekali bikin

aplikasi crude yang ada unsur

crude CRUD

dashboard, ada crude-nya

ada beberapa endpoint

jenis data, ada beberapa data model

kita udah pernah, besok

kalau next-nya kita bikin aplikasi

yang ada unsur crude lagi

kita tahu kurang lebih

kayak gitu pola-polanya

misalnya kalau untuk

post dan update

request, ya kita harus bikin form

walaupun nanti mungkin detail

detail-detail-nya lain

kita sudah mengenali pattern itu

setelah kita mengedit notifikasi

pattern-pattern itu

we can work on common solutions between the problem

berarti kita bikin sistem kali ya

standarisasi sistem

untuk autentikasi misalnya untuk

SOP ya

jadi teringat, barusan banget

kemarin gue ini

apa namanya, mau

beli sofa

karena sofa di rumah udah rusak

terus begitu nyampe di tokonya

ini tokonya

sebenarnya custom ya, custom sofa design

interior design untuk khusus sofa

dia langsung tunjuk, iya

contoh sampelnya sudah ada

terus dia kasih materialnya ini

bahan dasar kayunya ini

lo mau model yang mana

langsung dibuka katalog

terus kalau kita bilang

gue mau, karena

gue kan pakai jemenai untuk

bisa dipotohin ruangannya

terus minta jemenai

tolong ganti sofa-nya

terus jemenai bisa bikin jadi cakep

gue mau yang kayak gini

dia bilang

bisa kayak gitu, tapi

harganya jauh lebih mahal karena custom

ya, full custom

iya

kalau lo mau yang ada disini

tinggal pilih bentuknya gimana

ukuran

ukuran terserah ya, karena

yang penting bentuk, desainnya

seperti apa

terus bahannya

sudah ada

mau pakai kain atau lender

tinggal di custom upholstery-nya

bahannya apa

2 atau 3 atau 4 seater

yang pada umumnya kan

95% customer

iya, udah tinggal pilih, oke saya mau 3 seater

ukurannya yang

medium size aja

gausah yang dalem banget duduknya

terus bahannya ini

sorry, kayunya ini

bahannya kain

yang ini, udah

kalau udah milihnya begitu pakai pattern itu

justru malah dapat discount

ya udah, gue langsung

gausah pikir, aneh-aneh

langsung beli yang itu

jadi

kalau sudah pakai pattern, milihnya

bisa diestimasi

waktunya

dapet discount

terus kemudian

apa namanya

bahannya

atau bentuknya sudah jelas

di depan mata

ya udah, karena dia bilang ada discountnya

langsung gausah mikirin

custom lagi

itu ya

kalau misalnya ada patternnya

bener bener bener

ya sebenernya semua juga pasti ada

polanya kan, mau bikin baju

ada polanya, mau bikin rumah ada

blueprintnya

ya kan itu pola kan

bagian dari pola kan

tapi maksudnya

kita mengumpulkan, kita melis

pola-pola yang umum dan bisa dipakai lagi

kan point, ya kayak si Topo Sofa itu

sebenernya kalau mau random banget

yang beneran generated, pengen kayak gini

dia bisa, tapi kan harus dari awal

itu ke tukang kayunya, mungkin tukang kayunya

harus bikin gambar pakai caranya

dia sendiri, itu kan beneran dari awal

ya jadi mahal banget ya

iya

pola disini lebih ke

mengenali ini ya

apa, pola-pola yang berulang kali ya

apa yang, ilmu yang kita

pelajari, apa yang bisa kita

terapkan di

mungkin sesuatu yang berbeda, yang sedikit

berbeda mungkin

nah terus yang menarik ini

ternyata dalam suatu

masalah yang kecil yang udah dipecah-pecah pun

kayak kita bisa mencari

suatu pattern kayak tadi, kalau contoh

di kue, konteks bikin kue ini

ya kue apapun

kan pasti akan membutuhkan

suatu jenis

bahan

dalam suatu kualitas

bahannya apa, nah terus itu jadi

kayak bisa kita breakdown kan, kita jadiin

tabel atau apalah

jadi itu, kalau kita mikir

kalau software dev ya

jadi array kan, masing-masing objek

ada bahannya apa

terus apa, ukurannya apa

dan habis itu kualitasnya berapa

butuh 300 gram tepung

terigu, butuh apalah 100 gram

garam gula

dalam suatu masalah

yang kecil pun masih bisa dipecah-pecah lagi

dan itu kan bisa, bakal dipakai

buat kue lainnya juga kan

jadi kayak resep ya

pattern, resepnya

sudah ada gitu

tinggal ikutin aja

nah resep itu sebenarnya

algoritma desain kan sebenarnya ya

resep ya, tapi ini kayak

apa ya

iya kayak

fundamental itu basic

memasak lah, basic memasak

kalau misalkan

apa, antara

direbus atau dibakar

atau digoreng

itu kan ada patternnya tuh

nah terus kayak ini

maksudnya ternyata setiap kue punya bahan

ternyata setiap bahan ada ukurannya

itu jadi kayak beneran breakdown ke

satuan yang kecil-kecil banget kan

betul

nah udah

habis

habis, ini perlu, gak perlu ya

gak usah

pattern recognitionnya habis

sekarang abstraksi

abstraksi, ini biasanya

cukup sering ya kalau di

komograman

filtering out

kita mengabaikan karakter-karakter

yang tidak perlu

di fokuskan

kita gak perlu konsentrasi di

detail-detail

tertentu

ya detail-detail

yang tidak, tidak penting

untuk konteks itu

dihilangkan dulu sementara

waktu

ini kita ngomongin konteks nih, bahaya nih

larinya kemana nanti

ignoring the characteristics

of patterns that we don't need

kita mengabaikan

sifat-sifat dari

pattern tadi yang tidak kita butuhkan

kenapa biar

kita bisa konsentrasi di karakter-karakter

yang kita butuhkan

yang kita perlukan, yang penting

contohnya

dari sini kita bisa membuat representasi

atau ide, gambaran mungkinnya

kita bisa punya gambaran, apa sih yang

perlu kita pecahkan

ini tadi, kalau pattern recognition kan

tadi kita udah merumuskan

kan ya

kucing itu seperti apa?

punya mata, punya buntut, punya bulu

suka ikan

bisa meleung

masing-masing kucing punya

karakter khusus

misalnya bulunya warnanya hitam

pututnya panjang, dan lain-lain

kita, oh

kalau kita mau menggambar

kucing, konteksnya mau menggambar kucing

gak perlu mikir bahwa

kucing itu bisa mengeom

dan

oh penting, kalau bulu penting

tapi kita

bisa mengabaikan bahwa kucing itu

suka makan ikan dan bisa mengeom

karena ya kita cuma

yang penting cuma

tahu bahwa kucing itu

punya mata, punya bulu dan

punya buntut, punya ekor ya kan

kalau kita gambar

iya, kayak gambar itu

kayak pelajaran menggambar

burung hantu

mulai dari buletan 1, buletan 2

tiba-tiba jadi

memes itu kan

iya, jadi abstraksi

kita gak mikirin

kayak gimana itunya basic

strukturnya tuh apa dulu gitu ya

itu mungkin dekomensisi ya jatuhnya ya

masih kebalik-balik ya

itu dekomensisi sih ya

oh kepalanya bulet

masih bingung

ya

sebenarnya gabungan sih itu

ya benar sih contoh disini

kalau kita gambar kucing ya kita gak perlu tahu

suaranya kayak gimana

karena kan ini menggambar

bukan menirukan

kalau misalkan kita disuruh

menirukan suara kucing baru

oke, kalau

prakteknya di dunia nyata

kenapa penting? karena

biar kita punya gambaran seterlumnya

apa sih masalahnya

nah kayak kalau gambar kucing itu tadi

ke-distract kucing suka makan ikan kan

itu kayak

men-distract kita dari kita perlu

gambar kucing kan, kita perlu gambar

matanya, kita perlu mewarnai dengan

warna bulunya, perlu gambar

ekornya

yaudah kita gak usah mikirin

bunyi apa suara kucing sama

makanannya

nah ini membantu kita form idea

jadi kita punya gambaran

tentang masalahnya

gambaran ini dikenal sebagai model

nah ini menarik sih

ternyata ada

penggunaan istilah model dalam

konteks kayak gini

nah terus kalau kita tidak

meng abstraksi, kita bisa berakhir

menggunakan solusi yang salah

karena kita tidak menyelesaikan

masalah sebenarnya

contohnya tadi ya

kalau kita tidak abstraksi

kucing tadi

akhirnya kita lebih fokus

kepada oh kucing suaranya begini

dia makan ikan

gak ada hubungannya sama

menyelesaikan pekerjaan kita

yaitu menggambar kucing

jatuhnya jadi

itu ya

terdistraksi ya

dengan hal-hal yang sebenarnya

tidak penting untuk saat itu

untuk memacakan masalah yang

yang beneran harus sekarang kita

handle

nah next page

how to abstract

ini tadi

kita mengumpulkan karakter-karakter

umum yang kita

perlukan

terus kita hilangkan

detail dan karakter yang

kita tidak, yang tidak kita

perlukan

oke, ketika kita mau

bikin kue

ada karakter yang umum

yaitu butuh

resep

setiap resep ada

kuantitasnya

beratnya berapa gram

berapa liter air

berapa sendok

gula garam dan lain-lain ya

sama untuk masak

ya butuh waktu memasaknya

berapa lama

nah cuma disini ya kita fokuskan kan

general patterns-nya kan

kita belum berpikir

bahannya apa

tapi kita tahu satu kue

bisa punya

beberapa bahan

terus masing-masing bahan

punya kuantitas

terus masing-masing kue

perlu waktu tertentu untuk

memasak, nah ini kan kayak

udah masuk data relation ya

pas baca ini sih kepikirnya relation sih

kayak satu user

bisa punya banyak post

ya benar benar benar

terus satu post bisa punya

banyak komen, nggak penting komennya apa

dari siapa ya

terus mungkin satu post ada titlenya

ada bodinya, ada image-nya

mungkin bisa punya banyak image

tapi hanya punya

satu featured image atau main image

misalnya ya misalnya

modeling data ya data modeling ya

pas liat ini langsung dibayang itu sih

cuma kan kita nggak perlu yang detail-detail

banget ya apa

eventually ya kita bakal nentuin lah

misalnya apalah gambarnya

formatnya harus pengen

maksimal ukuran gambarnya berapa

tapi kan kalau di tahap

ini ya nggak perlu

jangan sampai situ dulu kan

yang penting kita menjabarkan dulu user-nya

bentuknya kayak gimana

pos, masing-masing pos bentuknya

kayak gimana dan seterusnya

iya

lanjut, creating model

ngambil

nah ini udah masuk data model kan sebetulnya

a model cap

would be any cap

cap model

nah tapi nggak spesifik

entah mau

buntutnya panjang atau nggak

bulunya panjang atau nggak, model itu

mewakili ya kucing

mana pun

kucing dari

ya kucing jenis apapun ya

cuma ini nggak detail banget sih

ya apapunnya perkenalan sama

konsep data model

ternyata kita mendapatkan suatu model

itu dari proses abstraksi

ya setelah sebelumnya dikomposisnya

pattern recognition

lalu abstraksi kita bisa

merumuskan suatu data model

next, algoritma

algoritma sebenarnya adalah

plan

atau step by step instruction

to solve a problem

atau prompting

dengan sekarang istilahnya

instruction adalah prompting ya

atau step by step sih

sebenarnya ya, step by step

iya, jadi bisa

di reproduced able ya

kalau misalkan ada bugs

itu kan biasanya kita kasih list

buka browser

buka website ini

trus pencet login

trus login modelnya

nggak keluar misalkan

jadi supaya bisa dicoba

di komputer yang lain

dengan step yang sama

sehingga kalau ada bugs

dia bisa tahu

problemnya ada dimana

nah kalau kita buat

program, kita menyuruh

komputer melakukan suatu

terus menyuruh langkah demi langkah

biar bisa tahu langkah-langkahnya apa

perlu direncanakan

untuk merencanakan

langkah-langkah instruksinya itu

kita menggunakan algoritma

tertentu

jadi merasa belajar

computational thinking ini

jadi penting banget ya kalau di dunia

coding agent saat sekarang ini

di era AI ya

itu sebenarnya pertanyaan saya berikut

implementation detail

udah dikerjain oleh

AI nya, tapi kalau untuk

ini nya kita harus control

sedemikian rupa

ternyata berhubungan ya

apa yang kita lakukan

bersama AI

maksudnya kita

suruh dia oh planning dulu sebelum

kamu coding kamu planning dulu

nah disini udah ada ternyata

dari dulu ya kita nggak tahu aja

kalau problemnya

masih besar segelung dong

tanpa dipecah-pecah tiba-tiba kita suruh

yaudah kerjain dashboard

buatlah aplikasi

one shot ya

dia halusinasi

ngabisin doken

ngabisin wiki

wiki usage nya

ya paling dia

nanya balik atau

mungkin kalau sekarang

dia kan cukup proaktif kan buat nanya

kalau dia nggak jelas kan mungkin kita

bikin aplikasi seperti

toko ijo

jangan nanya

bikin aja gitu

dia bikin kayak gimana jadinya

mungkin dia hanya bikin

satu halaman doang

yang isinya gallery jualan

udah gitu

ya atau dibikin semua cuma

jatah topeng kita habis semua udah langsung

ternyata dia bisa bikin

24 jam kelar

kita yang kaget kok bisa ya

ternyata dia masuk ke

dia langsung masuk ke

ke servernya toko ijo

ngambilin semua

code base, ambil gitu

nggak lah dia scraping

jadi tujuannya planning adalah

menyelesaikan masalah dari

satu masalah

mencari solusi

atas satu masalah

untuk memastikan hasilnya

sesuai dengan

langkah-langkah untuk mecahkannya

bagaimana kita mau

merumuskan langkah-langkah

untuk mecahkan masalah itu

ya ini lebih ke

kita udah cari solusi dengan 3

tools tadi

nah sekarang saatnya ditulis

langkah-langkahnya

karakter terakhir

algoritma tuh harus jelas

terus harus jelas mulainya dari mana

terus selesainya dimana

di tengah-tengahnya instruksinya apa saja

ini diagramnya namanya flowchart

iya ada nanti

ini kalau temen-temen mau

mau looping

raf wigun harus begini nih

harus starting pointnya jelas

finishing pointnya jelas

instruksinya jelas

kalau nggak dia looping terus

iya kalau nggak dia looping terus

nggak tau garis finishnya mana

ini akhirnya apa

apa yang membuat dia berhenti looping

nah ini adalah shadow code ya

biasanya ini dilakukan

sebelum kita

coding

ya itu biar memperjelas

langkah-langkahnya apa

sebelum detail implementasinya

sintaksinya kayak gimana

definition, variable kayak gimana

sebelum masuk kesitu, ya shadow code itu

untuk menjabarin langkah-langkahnya kan

nah ini itu paling atas

jadi untuk merepresentasikan suatu

algoritma, yang kedua bisa pakai

shadow code, bisa pakai flow

diagram, nah ini contoh

flow diagram

shadow code bukan programming

lanjut ya

kita belum pernah coba ya, shadow code

kirim ke AI

pasti lebih akurat hasilnya

ya jadi bagus

terus shadow code nya siapa yang

generate? AI juga

AI juga

iyalah dari plan sampai

casting semuanya AI

yang buka

yang access juga agent sekarang

bukan manusia user nya

AI juga

kita nyantai-nyantai

aja ya

ini flow diagram

diagram alur

udah tau lah ya

ini sih basic ya

ini buat

anak-anaknya tempe

ini if, gitu kan

iya

ini juga bisa dibuatin sama

apa AI assistant

mermet, mermet

paling senang deh, cuma kalau

kalau nggak pakai mermet kan, pakai asci

pakai asci sekarang

pakai SVG

bisa nggak dia ya

nggak bisa

dia pernah, gue suruh

convert SVG, terus dia

stress, ngeluping

stress, waduh

ya kira-kira gini ya

tapi SVG nya ribet ya

ribet

oh berarti

yang apa

LLM yang disuruh

gambar lika nextpeda itu

ribet ya

emang sengaja dibikin ribet ya

buat ketes ya

itu ngetes hal yang dia nggak punya

training dia tentang itu kan, dia nggak punya konsep itu

bisa nggak

kalau itu contoh apa ya

pikir yang

interpolasi kali ya

kita kan tau ikan, kita tau sepeda

pelikan ya, burung ya

burung pelikan, tapi

nggak pernah ada data

training datanya nggak mungkin ada

pelikan naik sepeda, nggak tahu ke depannya ya

kalau banyak orang ngeposting

di blok gambar pelikan

pelikan itu

pelikan itu yang bawa bayi

itu kan

itu babong, dan kita pernah bahas ini

asli

pertanyaan sama

itu bango

oh pelikan

stork

yang bawa bayi itu stork

ya itu pokoknya pelikan naik sepeda

training datanya nggak

mungkin ada, nah bisa nggak

si LLM nya bikin

naik sepeda itu apa kan harus punya kaki

nah itu kan berarti apa ya

decomposition ya

nah

padahal pelikan nggak punya kaki, gimana caranya

biar bisa naik sepeda kan harus punya kaki dan punya

tangan, nah itu

menguji apa, menguji

kemampuan ya, menguji kreativitas ya

kreativitas

ini buat psikis atau core

konsep, core konsep ya

psikis itu berarti apa, psikologi

nggak tau

mental model, mental model maksudnya

mental model ya

pola pikir, pola pikir

ini temen-temen udah pada tau ya

ternyata banyak yang perlu di pelajarin ya

sebelum modingnya sendiri

iya ini hal yang perlu dipelajarin

sebelum moding, betul

terus pertanyaan saya berikutnya adalah apakah

konsep

computational thinking ini tetap

relevan di AI, udah terjawab lah ya

oh bentar, masih ada satu section

ada satu section lagi

menarik

tapi ini kayak bonus track-nya

gitu loh

bukan bagian dari si AADP tadi

tapi ternyata ada

evaluasinya, menarik sih ini

insight-nya

mana-mana-mana

balik aja ke computational

infogan, infogan

oh, dimana sini

balik ke home page-nya aja tuh

computational thinking, ya

paling bawah, paling belakang

oh ada EFAL-nya

tapi sebenarnya kayaknya secara resmi

bukan bagian dari 4 proses itu deh

soalnya tadi grafiknya juga kan cuma 4

tapi maksudnya

tips aja mungkin bagian

dari workflow-nya

begitu kita sudah mendesain

suatu solusi menggunakan

computational thinking

kita harus menguji dulu

apakah fit for

propose, apakah tepat

oh jadi

dari 3 itu, terus kita bikin

algoritmanya, algoritmanya cek

valid atau enggak

gitu ya

apakah mudah

dimengerti, apakah

kalau mudah dimengerti ini adalah

bagian dari dekomposisi

dipecah-pecah dengan baik

apakah lengkap

ya, lengkap, berarti ini

udah dilihat dari segala sudut

ya kan

kalau efisin atau enggak

itu biasanya berhubungan dengan

making the best use of

available resources secepat

mungkin, atau apa

ya, space complexity-nya

ada constraint biasanya ya

apa, time complexity ya

time complexity

space complexity serendah mungkin

ya itu tadi

misalnya cuma bikin crude

crude app, dashboard

tapi pakai open cloud, pakai

agentik, pakai apa, maksudnya fitur-fitur

yang rumit

agentik sih wajar ya, cuma maksudnya

mungkin fitur apalah yang

aneh-aneh

cuma biar bisa masukin di LinkedIn

pernah pakai library ini

hype ya, hype driven development

ya, physical thinking

physical thinking itu

gimana ya

nggak ngerti, berpikir

secara fisik gitu ya

berpikir sambil

sama ada caranya

physical thinking

ini computational thinking

jadi berpikir

computational thinking itu

itu bukan komputer ya

maksudnya ya, bukan hanya komputer ya

bukan komputer mesin, tapi

itu kan sebetulnya

menghitung ya dulu

memproses lah ya

tapi ini oleh manusia

mengolah

bukan hanya mesin, tapi juga

manusia, juga bisa mengerti

apakah memenuhi

kriteria yang

diberikan

nah, kalau algoritmanya

sudah menuhi, berarti

apa, lanjut

bisa ditimb langsung

nah, ini kalau di

co-code atau di coding assistant

apa, switch to coding mode

sebelumnya kan plain mode ya

nah ini

oh, plain mode nya di review dulu biasanya

review dulu, iya kan, betul kan

berarti, tools itu

semua pakai ini ya

pakai workflow yang kayak gini

berdasarkan computational thinking

jadi, sebelum

teman-teman menggunakan agentic

coding tools

belajar computational thinking dulu

supaya tidak terjadi seperti

yang di sebelah kanan

marah-marah sama AI

marah-marah sama AI

token nya habis

usage nya habis seminggu ke depan

iya, marah-marah sama

dimarahin sama bos

token nya habis

iya kan gak bisa kerja alasannya, kenapa kamu gak kerja

token saya habis

gak bisa coding sendiri

gak bisa coding seminggu

kenapa ya?

nunggu token reset

iya, nunggu token reset

kenapa kita butuh

evoluasi dari masalah

apa, solusi yang kita

ciptakan

kalau gak di evoluasi, kita gak tahu

bener atau salah

mencari masalah

mencari solusi ya

karena pengen tau apakah

solusi yang kita buat

mengecahkan masalahnya gak

beneran

it can be tempting to miss out the evaluating

oh, jadi ternyata

umum, kalau kita udah menentukan

solusi, terus kita udah menisahin algoritma

udah gak sabar, pengen langsung

eksekusi, kayaknya kalau AI

model nya yang murah-murah, itu tuh

tiba-tiba nge-switch kan, langsung

tiba-tiba langsung moding aja

oh kayak kemini kemarin ya

kaya gue kemarin

langsung di play ke main branch

nah, tapi ini dibunt nih

tanpa evaluasi

kesalahan-kesalahan dalam

algoritma yang sudah didesain

itu bisa tiga terdeteksi

nah, terus, kalau gitu

program nya tidak bisa mempecahkan

masalah dengan baik, dengan benar

ya, misalnya kalau

apa, solusi dari pertanyaan

gimana cara menggabar kucing

dibikin, tapi, apa

tidak dibikin dengan baik

nanti hasilnya kucingnya

seperti anjing

kayak lagu

pd baik

apa itu?

yang mana?

dia punya anjing, diberi nama kucing

lagu apa itu?

oh, nggak pernah tahu ya

kirain yang lagu pengen jadi polo

tapi dia laki-laki

ya itu beda lagi

orientasinya

beda itu

apa, solusi yang salah

itu kayak gimana sih

maksudnya kenapa, solusi bisa salah

itu contohnya

tidak fully understood

tidak dipahami dengan sepenuhnya

berarti itu salah dalam proses

decomposition

atau, jadi, apa

tidak dipahami seluruhnya

atau tidak lengkap

ada bagian-bagian dari problem yang

ketinggalan

kelewat

atau inefficient

terlalu rumit, atau terlalu panjang

terlalu panjang jalan nya

tidak memenuhi

material desain awal

dimintanya apa, dibuatnya apa

next

ini

penjelasan

yang empat tadi ya

misalnya, dikumpusnya

tidak betul, tidak lengkap

ingredient

1, 2, 3

itu kan array

satu buahnya bisa punya banyak

ingredient, how much

when to add

ya, ada how much

ada kapan

dimasukin gitu ya, gak bisa kita langsung

masukin semuanya, langsung gitu ya

tapi ternyata

kesalahannya adalah

equipmentnya, ternyata itu

equipment part is not properly

broken down, or decomposed

peralatan itu apa

nah, kalau kita membuat

algoritma, ternyata

equipmentnya pun harus

di breakdown

itu, terus

apa, the algorithm

will say what equipment is

needed, but not how to use it

jadi, algoritmanya nanti

cuma bilang, perlu pisau

perlu oven, perlu, dan lain-lain

tapi, gak lengkap instruksi

ini, peralatan ini

itu buat langkah yang mana

jadi, bisa saja

orang yang bikin akan

menggunakan pisau untuk

mengukur jumlah tepung

atau

menggunakan, apa, kocokan

untuk memotong tega

nah, jadi gak bisa

berjalan dengan baik, berarti

ternyata equipmentnya harus

di breakdown juga

berarti, kalau ketika

kita mendesain algoritm atau mendesain

solusi itu, kita harus berasumsi

bahwa orang ini gak tahu apa-apa

gitu ya

ya, komputer kan gak tahu apa-apa

kalau gak dikasih tahu

kalau kita berasumsi bahwa

dia pernah masak

gak mungkinlah dia ngambil

gula pakai pisau kan, pasti pakai

sendok kan, itu gak perlu dibahas

gitu kan, udah jadi

rahasia umum gitu, tapi kalau kita

asumsi bahwa, dia gak pernah masak

dia gak pernah kedapur sebelumnya

atau dia alien, gak tahu

masak-masak

atau dia LLM agent

yes, betul sekali

tapi

ada ini juga loh

ada

terlalu verbose juga

jadi rusak juga

jadi terlalu panjang, iya, betul-betul

iya

kalau kita memasak

kalau ini kan sudu example ya

maksudnya kita gak bakal bikin ini

cuma buat bikin kue kan

cuma mungkin

apa ya, misalnya

gue kebayangnya kayak multi-service ya

misalnya Google

satu login sistem

bisa buat Gmail, bisa buat Google Drive

bisa buat apa, mungkin

ya perlu, tapi mungkin

ada hal-hal ya, ya atau misalnya

user biasa, atau user workspace

yang custom, itu kan privilege-nya

lain-lain, tapi kalau misalnya kita gak

breakdown dengan betul

kan itu bisa jadi kayak gak spesifik kan

ada hal yang bisa diakses

oleh user yang tipenya

workspace, work price

commercial, ada yang

gak misalnya

kalau di real life

use case-nya kayak gitu kali

membreakdown hal-hal

yang gak obvious

membreakdown hal-hal

yang tidak obvious, iya

jadi tergantung

level-nya juga ya

target audience-nya kali ya

target audience-nya ya

kalau kita misalkan

mau

presentasi ke

misalkan ke meet-up

atau ke acara conference gitu kan

kita biasanya cari tahu dulu kan

kita tuh presentasi di depan

siapa? Kalau di depan

developer ya kita ngomongnya

teknis gak apa-apa, tapi kalau kita

ngomong di depan orang bisnis

atau non-technis ya kita gak bisa

menyebutkan jargon-jargon

yang mereka gak kenal

gitu kan, jadi tergantung

sudut pandang juga, tergantung audience

yang kita target juga

atau mungkin kalau contoh yang lebih mirip

sama ini, buat bayang

misalnya kita satu

codebase, misalnya

online store lah Ikea atau semacamnya

gak harus Ikea lah, pokoknya online store

tapi di deploy di berbagai

negara, terus masing-masing negara

ternyata punya

cookies requirement

atau data privacy sendiri-sendiri kan

nah ini

kayaknya gue bayanginnya

apple-to-apple sama equipment itu deh

kalau misalnya kita bikinnya cuma

satu

pokoknya cookies policy

satu, bisa aja

di masing-masing negara kan

ada syaratnya kan

maksudnya kayak hal-hal yang dikasih tahu

jadi kalau jadi PR kan

kalau gak salah cookies-nya namanya apa aja

kayak prefix-nya apa itu dikasih tahu

terus apalah kayak info

tentang cara menghapus

request data deletion

harus ada, tapi di negara lain gak ada

nah itu kalau kita gak

kita cuma bikin kayak satu

satu template buat semua

kan gak bisa

all right

next, kalau gak

complete

kalau gak complete makanya lebih

yes ya

iya

complete itu artinya

selesai sampai akhir gitu ya

gak berhenti di tengah jalan gitu ya

iya jadi kayak ada hal yang

missing itu maksudnya kita gak bisa

menyelesaikan proses bikin kue

kalau gak dikasih tahu

dimana membang

apa pemanggang ya

pemanggang kuenya pake apa mungkin ya maksudnya

terus suhunya berapa

kalau misalnya

harus pake open atau pake compor

atau pake apa terus

suhunya berapa itu kan

hal yang penting yang tidak boleh

gak boleh missing

jadi looping ya

ini maksudnya evaluasi ini

di tahap akhir ngeloop

terus balik lagi ke

awal kayak

setiap awal lagi

jadi full circle

gitu ya

jadi kayak kita

walk back kalau kita lakuin

semua langkah-langkahnya itu ada yang

kurang gak ternyata ada yang kurang ya udah

balik lagi

boleh tanya out gak

boleh silahkan ini kita juga

nanti mau jawab pertanyaan

dari Amang Li ya yang jagoan-jagoan

remote kita ini

siapa tau ada tips

TV

remote TV

remote remote TV

remote AC kali

kok TV sama aja sih

ok lanjut

tidak efisien

itu contohnya apa ya

tidak efisien

solusinya tidak efisien

permasalahannya bisa selesai

tapi bertelit-teli

terlalu panjang jalannya

nah ini tadi kalau big

onotation itu kan mengukur

time space complexity

nyambungnya ke situ ya

ini kalau contoh ya

sudu example bikin gue

ambil bahan satu ke lemari

terus diproses

abis itu ambil bahan kedua

ke lemari lagi

ambil diproses

kenapa gak sekalian pertama diambil semua bahannya

ok

ok

nah ini kan lebih simpel ya

ingredients

maksudnya apa namanya

langkah-langkahnya jadi lebih

pendek ya gak pendek sih

cuma ini kan

di

dimampatkan gitu ya

ya lebih simpel

tadinya ada 9 langkah

kalau dipanjangin

kan sebenarnya ini looping kan

cuman

ya cuman level loopnya itu

tadi kan kalau yang contoh

pertama loopingnya

di level yang salah maksudnya jadi 9

langkah padahal hal yang sama

bisa dicapai dengan 5 langkah

kalau loopingnya cuma di

begitu sampai lemari buka pintu lemari

ya loopingnya cuman ini mengambil

ingredients nya kan

oh iya ini

yang penting tujuan akhirnya ini sama

ya ini kaya apa ya kaya tadi ya

abstraksi atau

pattern ya pattern

ini polanya sama nih sama-sama pick up

sama-sama go to cupboard cuman beda ingredients

doang

ternyata semua ada di cupboard kita harus

analisa dulu kan kecuali bahannya

pisah-pisah tempatnya ya

itu mau gak mau ya harus

ngambilnya berkali-kali tapi ternyata

di satu tempat oh bisa nih bisa

diginiin aja bisa dijadiin satu

aja ya

iya iya iya oke

ini efisiensi ya

efisiensi

oke kita lanjut

nah kalau ini

juga cukup jelas ya disuruhnya

bikin apa disuruh bikin ai ya

iya

solusi yang tidak

menyelesaikan

masalah

karena kita

iya karena kita biasanya

tidak menemukan

masalah yang sebenarnya

jadi masalahnya cuman bagian

kulitnya doang ada masalah ini

diselesaikan ternyata

kok masih kejadian

gitu

karena kita kurang reset

lebih dalem gitu biasanya sih

masalahnya terjadi disini

karena solusi tidak menemukan

kriteria desain asli

itu tidak

benar-benar apa yang diperlukan

ini lebih ngaco lagi ya

apa yang diminta sama

apa yang dibikin itu beda

iya maksudnya sebagus-bagusnya

kan kalau yang tadi yang 3 sebelumnya

kan karena masalah kayak ada yang kurang

atau nggak lengkap atau kurang efisien

nah kalau ini kasus terakhir kan

udah lengkap, udah efisien

udah bagus tapi ternyata

yang diminta bukan itu

sama juga boong

oh ini sering kejadian ya

dengan apa

request biasanya dari klien

saya pengen bikin gini gini gini gini cuman

karena dia kurang bisa

menyampaikan dengan teknis

sementara kita juga

tidak bisa menangkap

kita berasumsi mungkin ya

maksudnya begini

maksudnya begini akhirnya kita bikinin, nih udah jadi

bukan gini maksud saya

bukan maksudnya ya itu

karena abstrak kan

terlalu abstrak ya

itulah tugas

PM, itu orang product

atau project manager

terus macamnya

bisnis lah, orang bisnis

iya harus ada apa ya

iya orang bisnisnya harus

menterdimahkan

ya itu

requirement gathering-nya dulu kan

oh butuhnya ini

tapi kadang-kadang juga si

orang yang

ingin menyelesaikan masalahnya dengan

membuat aplikasi contohnya ya, ini contoh

spesifiknya, itu juga kadang-kadang

dia nggak tahu itu

beneran masalah dia atau bukan

tugasnya kita sebagai

yang menggali itu supaya gimana

masalah sebenarnya apa sih

itu tadi dia seller

individu, dia cuma pengen bisa

menjual barangnya, tapi dia bilangnya pengen

bikinin kayak tepat dong, karena dia

taunya itu

taunya itu betul

padahal sebenarnya

cuma butuh dikatalog

bisa detail itu ya, iya

betul, cuma butuh dikatalog

doang

nggak pakai doang sih, cuma butuh dikatalog

oke

terakhir, how do we evaluate our

solution, gimana caranya

mengevaluasi solusi kita

kayak tips-tipsnya

apakah make sense

masuk akal atau tidak

if you still don't know

kalau masih nggak tahu

gimana cara melakukan suatu untuk mempecahkan

masalah

kita harus kembali

di composition, kita harus

memastikan masalahnya

sudah dipecah-pecah dengan benar

apakah solusinya men-cover

semua bagian masalah

oh, ini sebenarnya yang kayak

ini di-pairing sama yang tadi ya, kayak

nggak lengkap, berarti kita harus

apakah sudah men-cover semua

masalah

kalau belum, tambahkan lagi

sampai lengkap

apakah solusinya ada

repetitive, ada task yang

repetitive, kalau

ada, bisa nggak

dikurangi repetisinya

jadi kayak harus, ya benar nggak lupa ya

kayak rafligum

iya iya iya, benar

balik lagi ke

berarti kita harus kembali, misalnya ada yang

repetitive, yaudah kita balik lagi

kita benerin hal-hal yang repetitive

sampai solusinya efisien

nah, begitu, udah senang

kita meminta teman

untuk memperiksa

review, peer review ya

peer review

untuk mencari

celah dari solusi

yang kita buat, kadang-kadang

kita tidak bisa melihat

kelemahan dari solusi yang kita buat

ada bias ya, bias

sudut pandang

terus dry run

ini sebetulnya malah kayak testing ya

kayak unit testing, testing

iya

iya, testing lah punya, ada expectednya

itu kan, yang tadi

misalnya apa, ngecek umur

coba kita masukin 75

betul atau nggak

outputnya betul atau nggak, berarti ini kan

test kan, kayak masa kita expectednya

apa, terus kita bandingkan

kita bandingin sama outputnya

oke

itu kan selesai

selesai

ya ini, masa computational thinkingnya

selesai, nah ini jawab-jawabin

pertanyaan lah

ini, habis ini

perlu bertapa

untuk menjawabkan itu

apa maksudnya, untuk computational thinking

habis ini bertapa

bertapa, ya

ada bukunya yang bagus

atau nonton

videonya Pak Dika, juga bisa

di Indonesia sendiri ada

buat latihan itu ada bebras

iya itu lucu deh

apa slogonya berang-berang

yang slogonya

go ya, kayaknya, slogonya go lang

oh iya

beafer, cover ya, berang-berang itu beafer bukan

oh iya beafer ya

oh bukan kapibara ya

bukan

kapibara itu mammals bukan sih

penggerat

penggerat kan

mammalian kan

oh iya, mammalian

mammals

ini bebras

ini adalah inisiatif

dari

Bu Inge ya, Almarhum ya

sorry kalau salah

kayaknya, iya

salah satunya, yang

menginisiasi

ini international kan ya

oh bebras.

yang indonesia ada

bebras indonesia

bebras indonesia

bebras itu artinya

berang-berang

dalam bahasa wikwoni ya

oke

aktivitas ekstrakulikuler

yang mendekati kemampuan problem solving

berpikir

komputasional, oh bahasa indonesia

berpikir komputasional ya

disini ada soal-soalnya, dia ada

kompetisinya juga, ada untuk

SD, SMP, dan SMA

tapi ini

lebih kayak melatih ya, belum

maksudnya belum kayak ya, kompetitif

programming gitu, tapi nggak selangkah

apa kayak, lebih kayak teke-teki yang

kalau tes IQ itu loh

iya, tes IQ

tapi kan maksudnya itu melatih cara pikir

terstruktur ya

iya, makanya ini kan komputasional

di pelajari sebelum kita coding

sebelum kita belajar coding maksudnya,

belum belajar programming, ini dulu

jauh sebelum kita

justru dari SD dari kecil

iya, anak SD sekarang

pinter-pinter ya, atau maksudnya

ini di lapangan beneran

anak SD pada umumnya

tuh pada bisa gini, atau konsep doang sih

agak penasaran gitu

tidak semua anak SD, tidak semua anak SD

yang, ini soalnya ada

ada kompetisinya

yang berujung di olimpi ada

olimpi ada komputer

penuh

iya

tuh, disini ada, ada contohnya nggak ya

yang tau

ya, temen-temen coba

atau ada latihan bebras.order.id

latihan ya

ini harus login

harus login

mana soal, contoh-soal

contohnya di download aja

contoh soal nggak ada tadi

oh, umuku

mana contoh soal ini

oh, discord

berang-berang

berang-berang mempunyai sistem

berpakaian yang kompleks

menentukan penampilan

kombinasi dari pakaian

manfaatkan gambar yang diberikan

untuk menentukan aturan berpakaian yang benar

berang-berang yang mana yang tidak

berpakaian seperti aturan berpakaian

big tail

yes, berarti buntutnya harus besar

itu decision tree-nya

bahwa glosses

yes, harus pakai kacamata

celana warna biru

ya

itu ABC itu harus dibahas tuh

yang mana jawabannya yang mana

yang salah ya

yang pertama betul

yang pertama betul

karena pakai celana biru dan

topi kuning

nah, terus kita lihat yang

big tail, yes

glasses

yes, yang tebu itu pakai

kacamata nggak sih nggak kelihatan

glasses

nggak, nggak pakai

eh, berarti salah dong

kalau pakai, oh, glasses no

glasses no, green shirt

yes

brown trousers

brown trousers, berarti betul

eh, berarti yang pertama

yang pertama salah ya

kalau nggak pakai kacamata

pakai, yang pertama pakai

kacamata, oh, dengan merah

oh, berarti betul nggak kelihatan

layarnya kecil

yang pertama betul, yang kedua

juga betul, abu-abu kan

celananya atasannya

celananya cokelat

celananya cokelat, cokelat brown, sorry

terus, topinya biru

eh, salah dong, berarti

mungkin B, yang B salah ya

yang C, oh, B salah

yang C coba, big tail, yes

glasses, pakai kacamata nggak tuh

nggak, nggak kayaknya

glasses no, berarti green shirt

harus pakai

kaos warna hijau

yes, brown trousers

no, yellow hat, yes

harus pakai topi warna kuning

betul, berarti ya, maksudnya sesuai

sesuai aturan

yang ini, yang ini kecil

big tail, no, berarti

big toe, giginya besar nggak sih itu

besar, besar kayaknya

eh, nggak kelihatan giginya

oh, ini

itu gigi bukan, yang putih

kalau kurang berang-berang, kecil jangan

standarisasi fisik berang-berang

oh, digedein semua

sorry, saya udah ketahuan jawabannya

yang lain

yang lain juga gede kan

oh nggak ya, kecil ya, kecil

kecil ya, kecil

blue hat, berarti new hat

harus pakai warna biru, berarti B

sesuai, berarti nggak sesuai B ya

berarti B, udah kelihatan tadi

jawabannya

tapi maksudnya, kalau kita ngajarin ke

murid atau anak atau siapapun

itu kan, ya kalau ini

contohnya gampang ya, cuma

apapun kan, berarti, harus runet

satu per satu kan, itu kayak kondisional kan

apakah, ini misalnya

contohnya besar, yes atau no

itu kan, kita nanti bikin

kita bikin

if-else atau switch case kan, pakai

kayak gitu juga kan

oh, dibalik ya

kita nggak bikin decision tree, tapi

kita menjalankan

apa, decision tree-nya dikasih

terus kita

mencoba untuk

membaca decision tree itu

disesuaikan sama case ya

mencoba dengan case output-nya

mana output yang betul, mana output yang salah

ini anak SD loh

ini informatika

ini informatika

oke, cukup, cukup

eh, tadi kayaknya

dijawab itu

oh iya, lupa

iya maksudnya, sekarang kita menjawab

soal

menjawab

komentar-komentar

tips dan trik, cara cepat, keterima

nggak ada yang cepat, harus

semua harus lewat proses

karena

gagal

di technical terus sudah 5 kali

ada feedback nggak?

minta feedback dulu

feedback-nya dimana, iya, eval-eval

eval

sama mungkin

meneliti itu kali ya

jenis tempat yang kita apply

dia carinya kayak gimana

cuma agak susah

kalau daftarnya yang

sekelas strong gitu, ya udah

itu kan mereka buka terus, maksudnya

dan posisinya banyak banget

kita gagal kan, gagal aja kan

tapi kalau misalnya apply-nya ke tempat yang

lebih kecil dan industri

spesifik, itu kan biasanya

ada karakter atau mungkin text-text

atau mungkin apalah yang mereka suka

maksudnya kita bisa, kalau agensi

yang kecil kan kita cek aja tuh

di portfolio-nya

mereka biasanya bikin kayak gimana sih

ya udah, contoh

karya kita, contoh portfolio kita

mirip-miripin, nah lagi-lagi

itu mungkin apply ke

satu jenis sempat, tapi kalau apply ke tempat

yang lebih besar

atau lebih nggak apa

contoh perjaannya

diprotekin di IA atau apa, ya kan

belum tentu bisa

jadi mohon maaf, kurang bisa

kasih tips-nya

full-proof

banyak latihan

supaya nggak gagal

ini berarti

ini berarti udah

secara kultur udah cocok

mungkin sama SR-nya udah lewat, tapi

teknikalnya gagal ya, gitu ya maksudnya

kalau teknikal itu di

SE ya, ya kalau di SE

berarti tatsächlich

kalau misalnya

gagal sekali di kampanye itu

bukan berarti nggak bisa apply lagi di kampanye

yang sama itu kan

jadi kalian punya, kamu dapat

ini juga kan, dapat kisi-kisi

udah pernah ya

terus yang mau ditest

kayak apa, jadi udah siap

udah siap, udah lebih siap lah ya

di testing kedua ya

kalau gagal 5 kali di tempat yang berbeda

ya udah, balik aja ke yang pertama lagi

looping

di Ralphie gue

tapi dengan punya pengalaman

yang pertama, udah tahu

apa yang mau ditanya

oh, tapi jangan lupa

feedback-nya harus ditanyain

saya kurangnya dimana, apa yang menyebabkan

saya gagal atau belum berhasil

dari situ dipelajari, kalau looping-nya

dengan atem yang sama mah

hasilnya juga tetap sama kan

jadi kita pelajari apa yang kurang misalnya

oh kamu fundamental-nya kurang ya udah

kita perkuat di fundamental

beberapa bulan kemudian kita coba apply lagi

kalau boleh, gitu kan

kalau dibolehkan

gitu kali ya

oke, pertanyaan kedua

kal

asde ini

data engineering ya?

tolong dikoreksi

kalau salah ya, data engineering

output akhirnya tuh

PM, project manager

apa better

as head of data

kalau kita dari pertama

sebagai data engineer

tanpa senior, better cari tempat

baru dengan matter, atau

itu bisa dipelajari dengan

jalannya waktu

gimana sih masnya

gaerti

pertanyaan pertama dulu ya

pertanyaan pertama, kalau data

engineer itu

career ladder-nya itu

jenjang career-nya itu

ujungnya PM bukan sih pertanyaannya itu

apa lebih baik, head of data

semua individual contributor mah bisa aja

kalau mau ngejar jadi PM

ya kalau mau

kalau ngejar gaji

kalau ngejar remurni finansial ya

kayaknya semua ujung-ujungnya

ngejar management kan, tapi ga semua orang cocok

ga semua, ga semua

ga sisa

individual contract itu sama

struktural itu berbeda loh jalunya

beda jalur

manager itu sebenarnya

bukan lebih tinggi daripada

individual contributor

individual contributor

belum tentu, tergantung

kalau perusahaan Indonesia mungkin masih ada yang

lebih tinggi, tapi

kalau di luar ya

kalau di luar itu ada 2 jarur

bagi saya 2 jarur

ya manager itu

buat asisten kita

temenin kita

buat unblocker

kita butuh apa

dia ga unblock

jadi kalau di luar itu

konsepnya ada 2 jalur

jalur technical sama jalur

managerial, itu 2

jalur yang berbeda

jadi kalau misalkan

Tias itu

lebih suka

di jalur technical

ini tergantung

perusahaannya juga ya, kalau ada 2 jalur itu

tapi kalau jadi satu ya

ga ada pilihan ya

kalau mau naik jinjang

atasnya manager ya

harus ada tim data engineering sendiri

kan kalau mau jadi head of data

ini kan asumsi nya

head of data engineering

nah kalau sebelumnya

biar bisa jadi head, harus ada tim

eksklusif

kalau sendiri jadi head of data ya

anggotanya sendiri

nah misalnya tim nya ternyata cuma

tech gitu kan bisa aja

di PC nya cuma tech

ya berarti kan ga ada spot untuk itu

berarti ga bisa

pertanyaan nih, kalau dari pertama

SDE tanpa senior

better cari tablet baru dengan mentor

atau bisa belajar dengan berbeda

tergantung si kamu

orangnya seperti apa

kamu suka belajar sendiri

ngulik sendiri atau mau diperintah-perintah

untuk belajarnya

sebenernya ada

ada plus minusnya ya

ya ada plus minusnya

plusnya kalau punya mentor

belajarnya lebih cepat

minusnya adalah kalau kita mau naik susah

tuh ada mentor dulu diatasnya

ga bisa langsung lompat kan, ngelewatin mentor kan

kita bergantung

kita nunggu, blokernya si mentornya

tiba-tiba naik, pengen jadi

pengen jadi PM

masuk ke management yaudah

yaa baru kita naik

tapi kalau misalkan diatas kita

ga ada siapa-siapa, jenjang hari kita

tuh bisa cepet

tapi belajarnya lama, ya itu tergantung

jadi

kalau bisa belajar sendiri dan punya

apa ya, punya disiplin

yang disiplin diri sendiri

yang cukup tinggi kayaknya

bisa belajar sendiri, tapi kalau misalkan

ga punya disiplin

terus ga suka

ngulik, kalau ga punya disiplin, baca

buku Atomic Habit

ya sebelum Atomic Habit

baca, apa, jangan lupa

Atomic Commit

Atomic Design juga

ya, semoga

membantu lah sedikit-sedikit ya

udah kejawab ya

kok gua curiga saran kita kurang helpful ya

gua agak panoh ya, maaf

bukan bermaksud ngasih saran

boleh, saran nya dicatat

abis itu nanti tanya sama orang yang lain ya

tolong di review nih, bener atau engga

karena kita bisa halu

kita seperti LLM, kita bisa halu

kita kan ditembak dengan

tanpa konteks ya

tanpa konteks ya, kita ga tau

si mbak Tias

Tias nya itu kerja dimana

terus kemudian

personalitinya seperti apa

karakter, cara bekerja nya seperti apa

kita ga bisa ngasih yang sesuai

tapi kalau mungkin kita

misalnya ketemu dimana

di Surabaya, pas lagi

DevFest, atau Google I/O

langsung nanya ya, saya kerja disini

personalitinya seperti karakter, saya sukanya

begini begini begini, dan saya dihadapkan dengan

masalah seperti ini, mungkin kita bisa

ngasih masalah apa

ngasih solusinya

lebih tepat

sekarang ngasihnya ya

bisa kiri dan kanan

iya

ok, lanjut

mau tanya saya lusan P.A.I, P.A.I itu apa?

saya sebenernya ga tau

saya ga tau tapi malu, mau nanya

kirain kalian semua tau

P.A.I

pendidikan agama Islam

saksikan anak Indonesia

saksikan anak Indonesia

pendidikan artificial intelligence

mungkin mungkin mungkin

apa nih

ikut bootcamp, saat ini jalan

1 bulan apakah bisa berkarir di

di IT kali ya

maksudnya ya

di NIT

lagi liat

yang dekat huruf N apa ya, M sama B

sama A, Y, D

ya bener, di IT itu spasi

mungkin maksudnya mungkin

kalau ini saya bisa jawab

saya bisa jawab

eka aja lulusannya bukan P.A.I

eka aja lulusannya

Sastra

bisa kok di IT

apa lagi kalian

kan sama-sama

bahasa

eka belajar bahasa manusia

sekarang kepake buat

buat nyuruh-nyuruh

prompting

ngomong-ngomong soal ini, show off dulu dong

sekalian kita pilih topik, show off

di topik ya

barang-barang kali

dibuat LLM

jangan, jangan

so bentar, teksnya ditanya satu lagi ini

kasihan dicuekin, dry run ini

konteksnya teknikal atau tidak

teknikal

bawahnya bootcamp

oh bootcamp

ada lagi

nggak bawahnya, dry run ini

konteksnya teknikal atau tidak teknik

kayaknya ya, ini tadi kan

udah ngomongin program ya

teknikal sih, teknikal cuma

sebenernya dry run itu kayaknya ya istilah

bukan istilah teknis sih

pokoknya kita coba aja jalan

atau nggak

dry run itu ini loh

kalau di dunia nyata namanya

general repetition

kirain, kirain lari kering

lari nggak keringetan

dry run

iya kan makanya belum keringetan

belum beneran di deploy kan

tapi kita jalanin dulu, kayak gimana sih

jalan, jalannya tanpa

gradirisik

gradirisik ya, gradirisik ya dry run itu gradirisik

betul, betul, betul

ya latihan-latihannya

konteksnya tidak teknikal

atau tidak teknikal, dua-duanya ya bisa ya

tapi lebih ke teknis sih

biasanya, itu bukan istilah

teknis, tapi

ya bisa diterapin ke

apa

diterapin secara teknis

ok, cukup, oh ada yang

tanya lagi

terima kasih Li Boys

cara belajar atau menyimpan

pembahasannya di dunia modding

menyimpan pelajaran atau pengetahuan gimana

ditulis di

notes, punya note system nggak

kayak obsidian atau notion

itu pakai second brain

second brain

cara menyimpan pelajaran

ya

ya di notes, take notes

kalau jaman saya

SMP itu

sampai ditulis guru

di papan tulis saya ikut catar

kita tulis, iya

terus besok pr-nya disuruh

iya

terus besoknya pr-nya itu disuruh

ringkas, halaman sekian

sampai sekian, iya

merangkum

itu penting sebenarnya, skill yang penting ya

eh tapi bentar

jangan dicatat tuh

bikin project, kalau nggak dibikin

iya, jadi dicatatan doang maksudnya nggak

nggak, nggak puasain nggak

itu tahu, tapi

saran saya sih kalau belum punya

jangan langsung

lompat ke second brain, jadi nanti malah

belajar second brain nya dulu

catat biasa aja

mau dicatat doang ringkas

balik ke jaman

dulu aja cara ngelingkas

iya

tulis dimana kayak di text file

di markdown atau dimana gitu ya

kalau emang

cocoknya sama building second

brain itu ya ya udah

asal bisa posisi

waktu saya kuliah

kulianya di teknik informatika

tapi laporan waktu itu

jaman saya waktu itu

laporan tidak boleh diketik

harus ditulis

harus ditulis semua

termasuk tuh kode-kode paskal

kode C++

saya bikin tuh

buka kurung, tutup kurung, titikoma

iya kita kompal di kepala

waktu ujian

kompalnya di kepala

tulis, tulis tangan

whiteboarding tuh di whiteboard beneran ya

kita dulu latihannya begitu

makanya ngelotok banget

itu kertasnya double folio

masih inget tuh saya kertasnya double folio

tuh 4 lembar itu habis

tulis tangan semua tuh

karena tulis lebih lambat dari ngepik

mungkin jadi apa, masuk ke otak kali ya

atas tulis

mungkin itu kali tujuannya ya

tapi terima kasih dengan teknik isabito

jadi saya berterima kasih ke cara belajar saya

di kampus itu

ok

ok, sekarang

mari kita lihat hasil dari LNN

kita launching website

yay

mana dia

silahkan

kalau ada yang mau kontribusi

ada github nya, eh kita belum taro ya di github nya ya

apa yang bisa ditunjukkan

selain isinya

adalah

diambil dari youtube

view transition

oh view transition, bentar nyalakan dulu

klik aja

klik aja di mana

kok gak bisa

gak bisa diklik

kok gak bisa diklik

oh udah

tapi kok

kok lambat

liat semua episode

oh udah bener kok

jangan-jangan di throttle itu

ini, bukan-bukan

apa namanya, belum diaktifin ini nya

motion

oh reduce motion nya

nyalakan

iya iya iya, ini ini

dah, udah

tuh, view transition

tadaaa

apa lagi yang bisa dipamarkan

topik selektor, topik pickernya

oh ini search nya, search nya juga bagus

search nya

cari apa nih

ini terjadi

di lokal, tanpa

ada konek, ini static ya, static page semua ya

static page ya

pake astro, astro

terus ini

lazy loading

apa namanya, image nya

kemaren di tes

apa, speed speed

speed speed, coba-coba

100

100 semua

web.dev ya

100 ya semuanya ya

pamer, pamer

pamer

pamer

yang mobile nya juga bagus

iya

apa biarin dulu, terus apa lagi

klik salah satu ini dong

klik salah satu

episode yang paling baru

sudah ada

sudah ada, sunrise

eh, ringkasannya ini

kalau ada yang perlu

di koreksi bisa langsung ke github

tapi edit jason

terus ada

transcript

gak tau nih, transcript nya akurat

atau gak ya, karena kita pake ai

semua

ini pake whisper

dominesia

dominesia ya, salah ya

dominesia

sama sudah bisa komen ke github

oh iya komen nih

pertamaks

tapi harus sign in dengan github

dulu ya

iya kan pake references, pake akun

iya

ini password nya masih bisa apa ini

password nya 1234

password nya

password nya akun

liat .env nya dong

lho

WS key nya

GCP key nya

oh ini pengguna klartflare

klartflare pages

hasilnya adalah

100 semuanya

oh masih ya

bersyukurlah 100

mobile juga 100

mobile nya 100 juga

jadi

kalau ada temen-temen yang website nya belum 100

ada masalah

ada masalah juga

oh beacon

oh ini gue aktifkan

oh dia aktifkan

klartflare

analytics ya

astro, betul

kok bisa tau, oh iya tadi kita udah ngomong ya

network dependency tree ini apa

oh masih masalah juga, padahal tadi

udah gue benerin

GCP breakdown

ini gara-gara image nya kegedean kayaknya

emang ada masalah itu

mau matiin aja kan

Mas Liza udah hidupin yang

analytics yang baru ya

iya umami

saya matiin aja lah

klartflare

oh itu dia

gak otomatis ya, dia otomatis atau gak sih

bisa di mati

gak otomatis, tapi by default

enggak

enggak kan

dia gak tiba-tiba inject kan

enggak

oke apa lagi

topik

oh gak ada topik

gak ada

saya udah bikin loh kemarin

bisa di reload-reload ini

oh ini ya

ini fotonya

alamannya lagi ngopi

belum balik

oh sudah

dicari, alamannya gak ada

tapi niatmu bagus

ini loh

ini loh keren sekali

keren kan

keren keren

kapan kita foton begini ya

iya

kayaknya kita bisa bikin

thumbnail yang menyesuaikan

dengan topik

gambarnya kita berubah

kalau misalkan

computational thinking, gambarnya

kayak gimana ya, sesuai interpretasi

si nano banana ya

terus

selanjutnya kita akan

mencari topik buat minggu depan ya

oke

spin the wheel

banyak banget

gak kelihatan ya

oh ini udah jalan belum

dia udah, coba gue liat

guitar actionnya, harusnya dia udah ngambil

topik, jam berapa

jam berapa di itu

di update

tapi ada yang close

karena jarang nge-close sih

nah ada satu lagi

kalau misalnya udah kepilih

sebelumnya gak bisa kepilih lagi

oh oke

udah udah

gsap

bedah library

gsap

ini

gsap itu yang

ini ya

yang apa namanya

yang bikin-bikin

chart ya, bukan

iya

bisa juga

bikin

visualisasi ya

oh motion

animasi

yang tadinya berbayar jadi gratis gitu

nah itu gue gak tau

kan ini

terus

green shock

oh dulu namanya green shock

freely

kak eka gak ada suara

kak eka gak ada suara

oh baterainya abis

baterainya abis

gak bisa denger

nah

ya gsap itu

animation platform

dibeli webflow

oh dibeli webflow terus dikasih gratis

gitu

oh tadinya green shock

gsap

gsap green shock

animation platform

tapi green shock yang sendiri bukan cuman animation kan

wah gak tau

oh udah gsap semua

yang namanya

gue pakenya motion

motion

oh

oke

kayak ini bukan ya

apa

buat animation-animasi itu yang satu lagi

framer motion ya

itu sama gak

ya itu motion

gsap

versus motion

oke

mau mau

boleh deh

sebenernya belum pernah pake sih

sebenernya belum pernah pake gsap

cuma pernah pake framer motion tapi gak detail banget

kita kan harus konsisten

sama tools yang kita buat dari pick topic

harus terima ya

siapa tau

ada yang bisa dipake untuk

melanjutkan

fiturnya kesini

masukin kesini

gimana gimana

ya kita pake

gsap disini

jadi berat

nanti gak seratus

iya

animasinya udah bisa pake itu aja

css

tapi kalau gsap

buat animasi yang lebih rumit

kayak bikin game nah ini kalau mau dikasih game-nya

kayak dinosaurus loncat

tapi karakter yang kita

yang goncat

itu berarti

yang tadi ini pick topic

itu pada saat will

dia ada animasinya

oke gsap

coba aja di spin

iya iya oke percaya

oh iya sama satu lagi

ada di spotify

sudah lengkap

sudah lengkap

oh tepuk tangan dong

sudah lengkap

yang tadi kan gak lengkap ya

oke kita mau dengerin

gak mau nonton

tapi mau dengerin ya

bisa subscribe di spotify podcast

oke

eh by the way

spotify podcastnya gak bisa dikustom ya

harus dari youtube ya

deskripsinya sama semua gitu

jadinya

oh iya

nah

ini dari deskripsi youtube

iya lo liat dong

di halaman depan ini

kalau sudah ada deskripsinya

sudah gua ganti tuh kart-kartnya

tapi kalau liat ke semua episode

bergantung dari based on summary itu kan

summary AI-nya kan

iya kalau pake episode

kalau liat semua episode

follow back-nya ke summary dari youtube

which is almost sama semua

oh iya tapi

tidak di update ke youtube makanya

sumbernya berbeda

di podcast tetap

generic

oh itu gak bisa dikustom

terpisah ya berarti

harus ngesing sama youtube

ini maksudnya apa

seminggu jadi

topik buat minggu depan

ini apa maksudnya

kita tidak mendapatkan konteksnya

apa ini seminggu jadi

enggak sih

cuma berapa jam

dari negara LSM

berapa jam jadi ini

itu yang pick topic

saat kita live minggu lagi

iya berapa menit kan

setengah jam aja sudah jadi

pick topic

enak ya green field project

kayak gitu ya bisa langsung

ya bikin aja jadinya gimana

di ikut aja

oh mana tadi yang kita

sudah habis

sudah ilang ya

minggu depan kita bahas

gsap ya

gsap versus motion berarti apa

ngobrolin library animasi

oh iya ngobrolin library animasi

episode 166

library animasi

oke

cukup untuk malam ini terima kasih banyak buat semuanya

kita ketemu lagi

minggu depan dengan topic

library animasi

selamat malam

selamat istirahat

sampai jumpa

apakah Anda baru pertama kali melihat

tayangan dan halaman ini

atau mungkin telah kesekian kali melihat

untuk membandingkan kembali dengan lainnya

jika Anda mencari tahu mengenai layanan web hosting

terbaik kami pastikan Anda

berada di tempat yang tepat

dengan Domainesia dapatkan pengalaman

menggunakan layanan hosting yang lebih baik

dengan SSD

dan performa tinggi dalam infrastruktur cloud

yang telah dioptimalkan untuk kebutuhan personal

maupun bisnis

teknologi ini memungkinkan Anda

memperoleh layanan yang lebih stabil

serta proteksi dari korupsi data

hosting Domainesia juga telah

mendukung Node.js, Python, Ruby

Go, PHP, Java

serta binary Linux

lebih dari 200.000 pelanggan

telah mempercayakan layanan hosting di Domainesia

kepercayaan yang kami jaga

dengan garansi Abden 99,9%

serta garansi uang kembali 100%

buat website Anda lebih mendingnya

segera berali ke web hosting Domainesia

Deskripsi asli dari YouTube

🗣️🕸️ Selasa malam waktunya #NgobrolinWEB! Malam ini kita akan belajar computational thinking. Salah satu kemampuan yang harus diasah sebelum belajar ngoding. CT ini juga merupakan bagian dari kerangka berfikir untuk menyelesaikan masalah. Seru kan?! Mari kita belajar bersama-sama! Episode kali ini merupakan hasil kolaborasi dengan DomaiNesia Gunakan kode promo: NGOBROLINVPSDN buat diskon 50% langganan Cloud VPS Turbo dan dapat digunakan berkali-kali! Kunjungi https://ngobrol.in untuk catatan, tautan dan informasi topik lainnya.

Episode Terkait

Ngobrolin Drama Trademark & Open Source

2 Okt 2024

Ngobrolin Drama Trademark & Open Source

Episode ini membahas drama perseteruan antara Matt Mullenweg (co-founder WordPress) dengan WP Engine, sebuah perusahaan ...

Ngobrolin Storybook

2 Jul 2025

Ngobrolin Storybook

Episode ini membahas Storybook, tool untuk membangun, menguji, dan mendokumentasikan komponen UI secara terisolasi. Host...

Desain Aplikasi CLI

8 Okt 2025

Desain Aplikasi CLI

Episode ini membahas desain aplikasi CLI dan pengalaman pengguna di terminal, termasuk perbedaan CLI, TUI, dan aplikasi ...

Bagikan:

Episode baru setiap Selasa malam. Dengarkan lewat YouTube, Spotify, atau feed podcast favoritmu.

Pilih Cara Langganan

Diskusikan episode ini di GitHub Sponsor & pasang iklan di podcast ini

Komentar

Buka di GitHub Discussions →

Memuat komentar dari GitHub Discussions...

Jika komentar tidak muncul karena ekstensi privasi / adblocker, kamu bisa berdiskusi langsung di GitHub Discussions .