Apa itu AI?

Artificial Intelligence (AI) adalah teknologi yang memungkinkan komputer melakukan tugas yang biasanya membutuhkan kecerdasan manusia.

Contoh:

• Menjawab pertanyaan
• Meringkas dokumen
• Membuat kode program
• Membuat gambar
• Menganalisis data

Apa itu Generative AI?

Generative AI adalah jenis AI yang dapat menghasilkan konten baru seperti:

• Teks
• Gambar
• Audio
• Video
• Source Code

Contoh tools:

• ChatGPT
• Gemini
• Claude
• Copilot

Apa itu LLM?

LLM (Large Language Model) adalah model AI yang dilatih menggunakan data teks dalam jumlah sangat besar.

Kemampuan LLM:

• Menjawab pertanyaan
• Menjelaskan konsep
• Membuat ringkasan
• Membantu coding

LLM bekerja dengan memprediksi kata berikutnya berdasarkan konteks — bukan dengan “mengerti” seperti manusia. Itulah mengapa verifikasi jawaban AI selalu diperlukan.

Limitasi AI

AI tidak selalu benar.

Risiko:

• Hallucination — AI menghasilkan informasi yang terdengar masuk akal tapi salah
• Informasi usang — data pelatihan memiliki batas waktu
• Bias — AI mewarisi bias dari data pelatihannya
• Salah memahami konteks — AI tidak punya “nalar” sesungguhnya

Golden Rule:

Never trust. Always verify.

Prompt Engineering

Prompt adalah instruksi yang diberikan kepada AI. Kualitas prompt menentukan kualitas output.

Contoh buruk:

Jelaskan database.

Contoh lebih baik:

Jelaskan database untuk mahasiswa semester 1.
Gunakan bahasa sederhana.
Berikan contoh dalam kehidupan sehari-hari.

Template Prompt

Anda adalah [ROLE].

Tugas Anda adalah [TASK].

Konteks:
[CONTEXT]

Berikan jawaban dalam format:
[FORMAT]

Deliverable Hari Ini

Buat Prompt Library untuk Kebutuhan Akademik — kumpulkan minimal 5 prompt yang berguna untuk kegiatan belajar kamu sehari-hari.

Referensi & Bacaan Lanjutan

• What is Generative AI? — Google Cloud
• Intro to Large Language Models — Andrej Karpathy (YouTube)
• Prompt Engineering Guide
• ChatGPT Prompt Engineering for Developers — DeepLearning.AI
• AI Hallucination — IBM

AI untuk Coding

AI dapat membantu software engineer di hampir semua aktivitas coding:

• Generate code dari deskripsi natural language
• Menjelaskan kode yang belum dipahami
• Debugging dan identifikasi bug
• Refactoring kode yang ada
• Membuat dokumentasi kode

Aturan Dasar: Kamu yang Memimpin

AI adalah pair programmer, bukan replacement programmer. Kamu tetap:

• Memahami masalah yang ingin diselesaikan
• Menentukan pendekatan solusi
• Memverifikasi semua kode yang dihasilkan AI
• Bertanggung jawab atas kode yang kamu submit

Workflow yang Direkomendasikan

Pahami masalah
↓
Buat solusi sendiri (atau sketsa)
↓
Diskusikan dengan AI
↓
Verifikasi hasil
↓
Implementasikan

Prompt Template untuk Coding

Generate Function

Buat fungsi [BAHASA] untuk [DESKRIPSI FUNGSI].
Input: [TIPE DAN CONTOH INPUT]
Output yang diharapkan: [CONTOH OUTPUT]
Berikan penjelasan setiap langkah.

Debugging

Berikut kode saya:

[CODE]

Error yang muncul:
[ERROR MESSAGE]

Tolong identifikasi bug, jelaskan penyebabnya, dan berikan solusinya.

Code Review

Review kode berikut:

[CODE]

Fokus pada:
- Readability
- Performance
- Potential bugs
- Maintainability

Checklist Verifikasi Kode AI

Sebelum menggunakan kode hasil AI, pastikan:

• ✅ Kode dapat dijalankan tanpa error
• ✅ Output sesuai dengan yang diharapkan
• ✅ Tidak ada kerentanan keamanan
• ✅ Logika sudah kamu pahami, bukan hanya copy-paste
• ✅ Edge case sudah dipertimbangkan

Deliverable Hari Ini

Selesaikan Mini Coding Exercise:

1. Generate sebuah fungsi sederhana menggunakan AI
2. Debug kode yang diberikan instruktur menggunakan AI
3. Buat dokumentasi untuk salah satu fungsi tersebut menggunakan AI

Referensi & Bacaan Lanjutan

• GitHub Copilot Documentation
• Cursor — AI Code Editor
• How to use AI for coding — GitHub Blog
• OpenAI Cookbook — Code generation examples
• Clean Code Principles (untuk verifikasi kode AI)

Apa itu SDLC?

Software Development Lifecycle (SDLC) adalah proses terstruktur untuk membangun perangkat lunak, mulai dari ide hingga produk yang berjalan di tangan pengguna.

Tahapan utama:

Requirements → Design → Development → Testing → Deployment → Maintenance

Coding hanya ada di satu tahap — Development. AI membantu di semua tahap.

AI untuk Requirement Analysis

Contoh Prompt:

Saya ingin membuat aplikasi peminjaman buku kampus.

Bantu saya membuat:
- Daftar stakeholder
- User stories (format: Sebagai [role], saya ingin [fitur], sehingga [manfaat])
- Functional requirements
- Non-functional requirements

User Story Template

Sebagai [ROLE],
saya ingin [FEATURE],
sehingga [BENEFIT].

Contoh:

Sebagai mahasiswa,
saya ingin meminjam buku secara online,
sehingga tidak perlu datang langsung ke perpustakaan.

AI untuk Feature Definition

Setelah punya user stories, gunakan AI untuk mendefinisikan fitur secara lebih konkret:

Berdasarkan user stories berikut:
[USER STORIES]

Buat feature list yang mencakup:
- Nama fitur
- Deskripsi singkat
- Prioritas (High/Medium/Low)
- Estimasi kompleksitas

AI untuk Project Planning

AI dapat membantu menyusun:

• Timeline dan milestone
• Breakdown task per sprint
• Risk assessment
• Resource planning

AI untuk Dokumentasi Teknis

AI dapat membantu membuat:

• Project description
• Technical specification
• API documentation
• User guide
• README

Deliverable Hari Ini

Buat Software Project Planning Document untuk sebuah proyek sederhana pilihanmu:

1. Tulis minimal 5 user stories menggunakan AI
2. Buat feature list berdasarkan user stories tersebut

Referensi & Bacaan Lanjutan

• What is SDLC? — AWS
• How to write User Stories — Atlassian
• AI for Software Requirements — Microsoft Research
• Technical Writing with AI — Google Technical Writing Course
• Agile User Story Template — Mountain Goat Software

Etika AI

Prinsip dasar penggunaan AI yang bertanggung jawab:

• Transparency — jujur ketika menggunakan AI dalam pekerjaan
• Fairness — hindari bias dan diskriminasi
• Privacy — lindungi data pribadi dan data sensitif
• Accountability — kamu tetap bertanggung jawab atas output AI

Academic Integrity

AI boleh digunakan untuk:

• Belajar dan memahami konsep
• Brainstorming ide
• Mereview materi yang sudah dipelajari
• Mendapatkan feedback atas draft tulisanmu

AI tidak boleh digunakan untuk:

• Mengumpulkan tugas tanpa memahami isinya
• Mencontek saat ujian
• Melakukan plagiarisme akademik

Data Privacy

Jangan pernah memasukkan informasi berikut ke dalam layanan AI publik:

• Password dan API Key
• Data pelanggan atau pengguna
• Informasi rahasia perusahaan
• Kode sumber sistem produksi
• Data kesehatan atau keuangan pribadi

Bias dan Hallucination

AI dapat menghasilkan output yang bias atau salah. Selalu verifikasi:

• Fakta — cek dengan sumber terpercaya
• Kode — jalankan dan test sebelum digunakan
• Data — validasi dengan dataset aktual
• Rekomendasi — pertimbangkan konteks spesifik situasimu

AI dan Masa Depan Software Engineer

AI tidak menggantikan Software Engineer. Namun kemampuan yang tetap relevan dan sulit digantikan AI:

• Problem solving dan critical thinking
• System design dan arsitektur
• Komunikasi dan kolaborasi tim
• Domain knowledge yang mendalam
• Ethical judgment dan decision making

Software Engineer yang mampu memanfaatkan AI secara efektif akan memiliki keunggulan dibanding mereka yang tidak memanfaatkannya.

Reflection Questions

Sebelum mengakhiri course, renungkan:

1. Apa manfaat terbesar AI bagi perjalananmu sebagai Software Engineer?
2. Apa risiko terbesar penggunaan AI yang perlu kamu waspadai?
3. Bagaimana kamu akan menggunakan AI secara bertanggung jawab?
4. Skill apa yang perlu kamu tingkatkan agar tetap relevan di masa depan?

Deliverable Hari Ini

Buat Final Reflection and Career Action Plan:

1. Jawab keempat reflection questions di atas secara tertulis
2. Buat daftar 3 skill yang akan kamu fokuskan dalam 6 bulan ke depan

Referensi & Bacaan Lanjutan

• AI Ethics Guidelines — European Commission
• The Future of Work with AI — McKinsey
• AI and Academic Integrity — IEEE
• Skills for the AI era — World Economic Forum Future of Jobs Report
• Responsible AI practices — Google

A

AI (Artificial Intelligence) Teknologi yang memungkinkan komputer melakukan tugas yang biasanya membutuhkan kecerdasan manusia — seperti menjawab pertanyaan, mengenali gambar, atau membuat keputusan.

Algorithm Serangkaian instruksi langkah demi langkah yang dijalankan komputer untuk menyelesaikan suatu masalah.

API (Application Programming Interface) Mekanisme komunikasi antar sistem atau aplikasi. API memungkinkan satu aplikasi “berbicara” dengan aplikasi lain menggunakan format yang disepakati (biasanya JSON via HTTP).

B

Bias (AI Bias) Kecenderungan model AI untuk menghasilkan output yang tidak adil atau tidak akurat, biasanya karena data pelatihan yang tidak representatif.

Backend Bagian dari aplikasi yang berjalan di server — menangani logika bisnis, database, dan komunikasi dengan layanan eksternal seperti AI API.

C

Context Window Jumlah maksimum teks (token) yang dapat “dilihat” dan diproses oleh LLM dalam satu percakapan. Teks di luar context window tidak diingat oleh model.

F

Fine-tuning Proses melatih ulang model AI yang sudah ada menggunakan dataset spesifik agar lebih ahli di domain tertentu.

Frontend Bagian dari aplikasi yang berinteraksi langsung dengan pengguna — tampilan, tombol, form, dan segala sesuatu yang terlihat di browser.

G

Generative AI Jenis AI yang dapat menghasilkan konten baru — teks, gambar, audio, video, atau kode — berdasarkan pola yang dipelajari dari data pelatihan.

H

Hallucination Fenomena di mana AI menghasilkan informasi yang terdengar meyakinkan tapi sebenarnya salah atau tidak ada. Terjadi karena model memprediksi token berikutnya, bukan karena “mengerti” fakta.

HTTP (HyperText Transfer Protocol) Protokol komunikasi yang digunakan browser dan aplikasi web untuk bertukar data. Dasar dari hampir semua komunikasi di internet.

L

LLM (Large Language Model) Model AI yang dilatih menggunakan miliaran teks untuk memahami dan menghasilkan bahasa manusia. Contoh: GPT-4, Gemini, Claude, Llama.

Latency Waktu yang dibutuhkan dari saat request dikirim hingga respons diterima. Penting dalam aplikasi AI real-time.

M

Model Hasil dari proses pelatihan AI — file berisi parameter yang menentukan cara model memproses input dan menghasilkan output.

P

Parameter Nilai numerik yang dipelajari model selama pelatihan. GPT-4 memiliki ratusan miliar parameter.

Prompt Instruksi atau teks masukan yang diberikan kepada model AI. Kualitas prompt sangat mempengaruhi kualitas output.

Prompt Engineering Seni dan ilmu merancang prompt yang efektif untuk mendapatkan output AI yang optimal.

R

RAG (Retrieval-Augmented Generation) Teknik yang menggabungkan pencarian dokumen dengan generasi teks — AI mencari informasi relevan dari database sebelum menjawab, sehingga jawaban lebih akurat dan faktual.

S

SDLC (Software Development Lifecycle) Proses terstruktur untuk membangun perangkat lunak: Requirements → Design → Development → Testing → Deployment → Maintenance.

System Prompt Instruksi tersembunyi yang ditulis developer untuk mengarahkan perilaku AI dalam sebuah aplikasi — tidak terlihat oleh pengguna akhir.

T

Token Unit terkecil yang diproses LLM. Satu token ≈ 4 karakter atau ¾ kata dalam bahasa Inggris. Biaya penggunaan API AI dihitung berdasarkan jumlah token.

Transformer Arsitektur neural network yang menjadi fondasi hampir semua LLM modern. Diperkenalkan Google pada 2017 dalam paper “Attention Is All You Need”.

U

User Prompt Pesan yang dikirim pengguna ke AI dalam sebuah percakapan — berbeda dengan System Prompt yang ditulis developer.

Best Practices

Do

✅ Gunakan AI untuk mempercepat proses belajar

✅ Verifikasi setiap output AI sebelum digunakan

✅ Gunakan AI untuk meningkatkan produktivitas, bukan menggantikan pemikiranmu

✅ Pelajari konsep di balik jawaban AI — jangan hanya terima hasilnya

✅ Eksperimen dengan berbagai prompt untuk hasil terbaik

Don’t

❌ Copy-paste kode atau teks AI tanpa memahaminya

❌ Menganggap AI selalu benar atau selalu mutakhir

❌ Mengunggah data sensitif atau rahasia ke AI publik

❌ Bergantung sepenuhnya pada AI tanpa membangun kemampuanmu sendiri

Recommended Tools

AI Assistant

• ChatGPT — general purpose, prompt engineering
• Gemini — terintegrasi dengan Google Workspace
• Claude — kuat untuk analisis teks panjang

Coding Assistant

• GitHub Copilot — langsung di IDE
• Cursor — AI-first code editor
• Windsurf — alternatif Cursor

Productivity

• NotebookLM — belajar dari dokumen
• Gamma — membuat presentasi dengan AI

Final Quiz Preparation Checklist

Pastikan kamu memahami konsep berikut sebelum quiz akhir:

• Definisi dan contoh AI, Generative AI, LLM
• Apa itu Hallucination dan cara mengatasinya
• Prinsip Prompt Engineering yang baik
• AI untuk Coding: generate, debug, review, dokumentasi
• Peran AI di setiap tahap SDLC
• Arsitektur aplikasi AI-powered (Frontend → Backend → AI Service)
• Etika AI: academic integrity, data privacy, bias
• Skills yang tetap relevan di era AI

Final Message

AI bukan pengganti kemampuan berpikir.

AI adalah alat yang dapat mempercepat proses belajar, meningkatkan produktivitas, dan membantu Software Engineer menghasilkan solusi yang lebih baik.

Tetaplah fokus membangun kemampuan problem solving, komunikasi, dan pemahaman teknis yang kuat.

Karena pada akhirnya, software yang baik tetap dibangun oleh manusia yang mampu memahami masalah dan merancang solusi yang tepat.