Lompat ke konten utama

Computational Thinking

Episode ini membahas tentang Computational Thinking, sebuah framework berpikir yang menjadi fundamental lebih dasar dari kemampuan teknis programming.

EP 156 2j 3m

Poin utama

Bantu Koreksi
  • 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
Baca ringkasan lengkap

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.

Cari di episode ini

Bantu Koreksi

Sering disebut 32 27 26 9 6 5 3 3

Lompat ke

Lihat transkrip lengkap

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 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 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 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 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 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 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 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 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 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 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 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 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 tats盲chlich 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 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 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 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 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 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

馃棧锔忦煏革笍 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.

Suka episode ini?

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

Pilih Cara Langganan
Bagikan:

Memuat komentar dari GitHub Discussions...

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