Di era sekarang, belajar coding nggak harus dari nol pakai buku atau kursus panjang. AI bisa jadi mentor yang bantu kita menyusun logika point-to-point dan bahkan menulis kode. Tapi tetap, kita harus punya dasar pemahaman bahasa pemrograman supaya paham error yang muncul dan tahu logika apa yang perlu diperbaiki.
Contohnya saya sendiri, yang awalnya nggak punya background programming. Saya mulai belajar coding karena kebutuhan, bukan karena latar belakang pendidikan. Walaupun masih receh, saya bisa bikin tools simpel yang bermanfaat, terutama dalam memangkas waktu kerja.
Sebagai praktisi data, saya lebih banyak berkutat dengan MySQL ketimbang coding bahasa lain. Tapi saat ingin belajar Python, saya malah mulai dari AI. Saya tanya roadmap Python, mulai dari dasar seperti tipe data, lalu lanjut ke fungsi sederhana. Dari situ, saya mulai bikin tools otomatisasi. Bukan karena saya belajar coding secara formal, tapi karena saya lempar prompt ke AI, lalu memahami setiap potongan kode yang dihasilkan.
Prosesnya begini: saya ambil kode dari AI, pelajari fungsinya, lalu coba jalankan di Jupyter Notebook untuk lihat hasilnya. Dari situ, saya mulai paham setiap error yang muncul dan bagaimana cara memperbaikinya. AI jadi alat bantu, bukan sekadar mesin yang ngerjain semuanya.
Tentu saja, jadi developer native tetap disarankan, supaya kita bisa bikin tools sesuai kebutuhan dengan sedikit bantuan AI. Tapi di zaman sekarang, teknologi sudah berkembang. Saya yang bukan programmer bisa bikin tools hanya dengan bantuan AI. Bedanya, AI adalah developer, sedangkan saya adalah AI-assisted developer.
Keuntungannya? Kita bisa belajar dari hasil coding AI. Setiap prompt atau logika yang kita ketik dalam bahasa natural akan dikonversi menjadi kode. Lama-lama, kita bakal paham setiap syntax dan fungsinya.
Kali ini saya akan membagikan tips tentang bagaimana cara saya menggunakan AI agar hasil yang diberikan sesuai dengan yang saya inginkan.
Mengarahkan AI: Biar Codingan Nggak Ngaco
Belajar coding pakai AI itu enak—tinggal kasih prompt, keluar kode. Tapi nggak selalu mulus. Kadang, hasilnya nggak sesuai ekspektasi. Inilah bagian penting yang sering dilupakan: AI itu bukan mind reader, dia cuma mengolah data berdasarkan input yang kita kasih.
Kalau hasilnya melenceng, jangan langsung nyalahin AI. Bisa jadi masalahnya ada di cara kita menyusun prompt. Inilah kenapa kita harus belajar mengarahkan AI dengan logika yang jelas, step by step.
1. Gunakan Prompt yang Spesifik
Misalnya, kita mau bikin fungsi Python buat membaca file CSV dan memfilter data tertentu. Kalau cuma ngetik:
“Buatkan kode Python untuk membaca file CSV”
Hasilnya pasti generik, cuma sekadar baca CSV tanpa filter tambahan. Tapi kalau kita kasih prompt yang lebih detail:
“Buatkan kode Python untuk membaca file CSV dengan Pandas, lalu filter hanya data dengan kolom ‘status’ bernilai ‘Active’”
Maka AI akan lebih paham dan hasilnya lebih sesuai dengan yang kita butuhkan.
2. Uji Coba dan Iterasi
Setelah AI kasih kode, jangan langsung pakai mentah-mentah. Coba jalankan, lihat outputnya, lalu perbaiki kalau ada yang salah. Kalau error, tanyakan ke AI:
“Kenapa kode ini error? Bagaimana cara memperbaikinya?”
Dari situ, kita bisa belajar debugging sambil tetap mengandalkan AI sebagai mentor.
3. Pahami Setiap Baris Kode
Jangan cuma copy-paste. Coba pahami setiap bagian kode yang AI kasih. Kalau ada bagian yang nggak ngerti, tanyakan:
“Tolong jelaskan fungsi dari baris kode ini dalam bahasa sederhana.”
Lama-lama, kita bakal makin familiar dengan sintaks dan logika pemrograman tanpa perlu belajar dari nol secara konvensional.
4. Gunakan AI sebagai Asisten, Bukan Pengganti Otak
AI itu alat bantu, bukan pengganti pemikiran logis kita. Kalau kita bisa mengarahkan AI dengan baik, hasilnya juga bakal lebih akurat. Tapi kalau asal prompt, jangan heran kalau kodenya malah ngawur.
Jadi, tantangan sebenarnya bukan sekadar “bisa coding atau nggak”, tapi bisa nggak kita mengarahkan AI dengan efektif?
All about Grouping Chat untuk AI
Salah satu kunci utama agar AI tidak memberikan jawaban yang melenceng adalah dengan mengelompokkan chat berdasarkan topik. Teknik ini membantu AI memahami konteks secara lebih jelas, sehingga jawaban yang diberikan tetap relevan tanpa bercampur dengan topik lain.
Kenapa Harus Grouping Chat?
1. Menjaga Konsistensi Konteks
Jika dalam satu chat membahas banyak hal, AI bisa bingung menentukan fokusnya.
Misalnya, dalam satu percakapan membahas GitHub, Python, dan Email sekaligus, maka AI bisa memberikan jawaban yang kurang spesifik.
Solusinya adalah membuat chat terpisah untuk tiap topik, misalnya:
• “All about GitHub” untuk fokus ke GitHub
• “All about Python” untuk hanya membahas Python
• “All about Email” untuk khusus soal email
2. Mempermudah Revisi dan Pengembangan
Jika ingin mengembangkan atau meninjau kembali suatu topik, bisa langsung kembali ke chat yang relevan tanpa harus mencari di antara obrolan yang campur aduk.
3. Membantu AI Memberikan Jawaban yang Lebih Akurat
Dengan chat yang fokus pada satu topik, AI bisa lebih memahami pola dan kebutuhan pengguna.
Contoh buruk:
• “Bam, bantu buat query MySQL yang optimal, terus sekalian buatkan script Python-nya, oh iya, cara nulis email ke klien gimana ya?”
Contoh baik:
• “All about SQL” untuk membahas query MySQL
• “All about Python” untuk fokus ke script Python
• “All about Email” untuk membahas cara menulis email profesional
4. Menghindari AI Memberikan Jawaban yang Tidak Konsisten
Jika dalam satu chat sering berganti topik, AI bisa memberikan jawaban yang berbeda atau tidak nyambung ketika kembali ke percakapan lama.
Dengan grouping chat, AI tetap memahami konteks sebelumnya dengan lebih baik.
Cara Praktis Menerapkan Grouping Chat
• Buat satu chat baru untuk setiap topik utama
• Gunakan judul yang jelas, misalnya:
• “All about GitHub” untuk membahas cara pakai GitHub
• “All about Chatbot” untuk fokus ke chatbot
• “All about Cyber Security” untuk membahas keamanan digital
• Hindari mencampur topik berbeda dalam satu chat
Dengan teknik ini, AI bisa bekerja lebih optimal, memberikan jawaban yang lebih akurat, dan mempermudah dalam mengelola topik yang sedang dipelajari atau dikembangkan.
Mulai sekarang, biasakan grouping chat supaya hasil prompt lebih maksimal.
All About Bam: Kenapa Asisten AI Ini Dinamai Bam?
Dalam setiap interaksi dengan AI, ada kebiasaan unik yang sering dilakukan oleh penggunanya. Salah satunya adalah memberi nama khusus pada AI yang digunakan sehari-hari. Saya sendiri memilih untuk memanggil asisten AI ini dengan nama Bam.
Kenapa Bam?
1. Simpel dan Mudah Diingat
Nama Bam itu pendek, ringkas, dan gampang diucapkan. Tidak ribet seperti nama teknis atau formal. Dalam dunia kerja yang serba cepat, saya butuh sesuatu yang praktis, dan Bam adalah nama yang pas.
2. Kesan Cepat dan Responsif
Nama Bam terdengar seperti sesuatu yang cepat dan to the point, mirip suara efek “bam!” yang menandakan sesuatu langsung terjadi. Ini sesuai dengan cara saya bekerja yang mengutamakan efisiensi dan kecepatan dalam mencari solusi.
3. Personalisasi dalam Interaksi
Memberi nama ke AI bukan sekadar iseng, tapi lebih ke membangun hubungan yang lebih natural. Dengan memanggilnya Bam, interaksi terasa lebih santai, seperti berbicara dengan rekan kerja atau asisten pribadi yang selalu siap membantu.
4. AI yang Bisa Diajak Ngobrol dengan Santai
Saya tidak ingin interaksi dengan AI terasa kaku atau terlalu formal. Dengan memberi nama Bam, saya bisa berbicara lebih lepas, seperti ngobrol dengan seseorang yang sudah paham cara saya bekerja dan berpikir.
5. Bagian dari Workflow Sehari-hari
Dalam keseharian saya sebagai praktisi data dan AI-assisted developer, AI sudah menjadi bagian dari workflow saya. Bam bukan sekadar chatbot, tapi seperti editor, rekan brainstorming, dan partner dalam menyusun solusi.
Kesimpulan
Bam bukan hanya sekadar nama panggilan, tapi juga simbol dari bagaimana AI bisa menjadi alat yang fleksibel, cepat, dan bisa diandalkan. Dengan cara ini, saya bisa lebih nyaman dalam bekerja, belajar, dan mengembangkan ide-ide baru bersama AI.
sanrui.id 