Tujuan Pembelajaran

Bisa menggunakan AI untuk planning dan architecture
Mengerti AI-assisted debugging
Mengerti batasan AI dan kapan tidak menggunakannya

Analogi

Diagram


      Development Workflow:
Planning → Architecture → Coding → Review → Debug → Deploy
    ↓           ↓           ↓         ↓        ↓       ↓
   AI          AI          AI        AI       AI      AI

AI bisa membantu di setiap bagian development — tapi dengan cara dan batasan yang berbeda

Penjelasan Konsep

AI tidak hanya untuk coding — AI bisa membantu di seluruh software development lifecycle.

Mari eksplor bagaimana AI bisa membantu di setiap bagian.

1. Planning dengan AI

Gunakan AI untuk membantu merencanakan fitur:

Break down user stories menjadi tugas teknis
Estimasi kompleksitas
Identifikasi dependensi dan risk
Generate acceptance criteria

Prompt contoh: “Break down this user story into technical tasks: ‘As a user,

I want to filter tasks by priority and due date so I can focus on what matters most.’ Include frontend, backend, and database tasks.”

2. Architecture dengan AI

AI bisa membantu merancang arsitektur:

Generate database schema dari requirement
Suggest API endpoint structure
Evaluate trade-offs antara approaches
Generate diagram/dokumentasi

Tapi hati-hati: AI tidak tahu constraint spesifik organisasimu (budget, team size, existing tech stack).

Selalu validasi dengan engineering judgment.

3. Coding dengan AI

Ini adalah use case paling umum yang sudah kita bahas.

Key points:

Generate boilerplate dan scaffolding
Implement business logic
Write tests
Add documentation

4. Code Review dengan AI

Gunakan AI sebagai reviewer kedua:

Identifikasi potensial bug atau edge cases
Suggest improvement untuk readability
Check security vulnerability umum
Verify test coverage

Prompt: “Review this code for: potential bugs,

Security issues, performance concerns, and TypeScript best practices. [PASTE CODE]“

5. Debugging dengan AI

AI sangat membantu untuk debugging:

Paste error message, dapatkan analisis
Explain stack trace yang kompleks
Suggest fix untuk race condition
Identify memory leak patterns

Deployment dengan AI

Generate CI/CD configuration
Troubleshoot deployment issues
Optimize Docker images
Write infrastructure as code

Kapan TIDAK Menggunakan AI

Security-sensitive code: Jangan paste kode ke public AI
Novel problems: AI bagus untuk pattern umum, bukan masalah unik
When learning fundamentals: Jangan pakai AI saat belajar konsep dasar — otakmu perlu latihan
When judgment is needed: Keputusan arsitektur, trade-off, ethical considerations

Contoh Kode

markdown

# AI Debugging Workflow

## 1. Dapatkan error message lengkap
## 2. Copy relevant code context
## 3. Prompt AI:
    "I'm getting this error: [ERROR MESSAGE]
     
     Here's the code: [CODE]
     
     And here's the context:
     - I'm using Bun + Hono + Drizzle ORM
     - This happens when calling POST /api/users
     - The database connection works for other endpoints
     
     What could be causing this and how do I fix it?"

## 4. AI akan analisis dan berikan:
    - Penjelasan penyebab error
    - Suggested fix
    - Prevention tips

## 5. Validasi fix sebelum apply:
    - Apakah fix ini masuk akal?
    - Apakah ada side effects?
    - Apakah ini best practice?

# AI Architecture Review

## Prompt:
    "I'm designing a real-time notification system for a SaaS app.
     Current constraints:
     - 10,000 concurrent users
     - Need real-time updates (WebSocket)
     - Must support push notifications
     - Budget: minimal infrastructure cost
     
     I'm considering these approaches:
     1. WebSocket server (Socket.io)
     2. Server-Sent Events (SSE)
     3. Polling with Redis pub/sub
     
     Evaluate each approach with pros/cons for my constraints."

Penjelasan Kode

Debugging dengan AI lebih efektif kalau kamu provide konteks yang lengkap: error message, kode, dan environment.

Prompt AI

Gunakan AI untuk debug satu bug yang sedang kamu hadapi. Bandingkan waktu debugging dengan dan tanpa AI.

Pertanyaan Reflektif

AI adalah alat, bukan oracle. Keputusan final tetap ada di tangan developer. Jangan outsource thinking ke AI.