Kode error terus? cara pakai AI untuk debug tanpa harus jadi expert
Kenapa debugging itu menyebalkan (dan AI bisa membantu)
Semua programmer pernah stuck di error yang sama selama berjam-jam. Senior developer yang sudah sepuluh tahun coding pun mengalaminya. Bukan karena mereka tidak pintar — tapi karena debugging memang begitu: kamu terlalu dekat dengan masalahnya untuk melihatnya dari luar.
AI bisa jadi “rubber duck” yang pintar. Konsep rubber duck debugging adalah kebiasaan programmer menjelaskan masalah mereka ke boneka karet — seringkali, proses menjelaskan itu sendiri yang membuat solusinya muncul. AI melakukan hal yang sama, tapi bisa membalas dengan insight nyata.
Tersedia 24 jam, tidak pernah kesal dengan pertanyaan “basic”, dan bisa menjelaskan error dalam bahasa yang kamu mengerti — itu nilai yang tidak kecil untuk pemula.
Cara menjelaskan error ke AI dengan benar
Ini adalah skill yang paling penting dalam artikel ini. Kualitas jawabanmu dari AI sangat bergantung pada kualitas pertanyaanmu.
Prompt yang buruk:
“Kenapa kode aku error?”
AI tidak punya cukup informasi untuk membantu. Ini seperti menelepon dokter dan bilang “badan saya sakit” tanpa informasi lain.
Template prompt yang benar:
“Aku dapat error ini: [paste error message lengkap]
Ini kodenya: [paste kode yang relevan]
Aku sedang mencoba [jelaskan tujuan program atau fungsi ini]. Tolong explain apa penyebab error ini dan bagaimana cara memperbaikinya.”
Empat elemen yang wajib ada:
- Error message lengkap — bukan “ada error”, tapi paste teks error-nya
- Kode yang menyebabkan error — tidak perlu seluruh project, cukup bagian yang relevan
- Konteks tujuan — apa yang seharusnya kode ini lakukan
- Apa yang sudah kamu coba — supaya AI tidak menyarankan hal yang sama
Contoh nyata: debug 3 error umum dengan ChatGPT
Skenario 1: IndentationError di Python
Error: IndentationError: expected an indented block
Prompt yang efektif:
“Aku dapat IndentationError di Python untuk kode ini: [paste kode]. Aku mencoba membuat fungsi yang [tujuan]. Tolong tunjukkan di baris mana masalahnya dan kenapa Python membutuhkan indentasi di sana.”
ChatGPT akan langsung menunjuk baris spesifik dan menjelaskan aturan indentasi Python — lebih cepat dari membaca dokumentasi.
Skenario 2: TypeError di JavaScript
Error: TypeError: Cannot read properties of undefined (reading 'name')
Prompt:
“Dapat error ini di JavaScript: ‘Cannot read properties of undefined (reading name)’. Ini kodenya: [paste]. Programnya harusnya menampilkan nama user dari data API. Apa yang salah?”
Skenario 3: CSS yang tidak mau apply
Ini lebih tricky karena tidak ada error message. Deskripsi yang baik:
“CSS-ku tidak mau apply ke elemen ini. Aku sudah menulis
.tombol-merah { background: red; }tapi warna background-nya tidak berubah. Ini HTML-nya: [paste]. Ini full CSS-nya: [paste]. Apa yang mungkin menyebabkannya?”
Batasan AI dalam debugging yang perlu kamu tahu
AI tidak sempurna untuk debugging. Beberapa hal yang perlu diingat:
AI tidak bisa run kode. Dia hanya menganalisa secara visual — jadi kadang melewatkan bug yang hanya muncul saat runtime dengan data tertentu.
Konteks yang kurang menghasilkan saran yang meleset. Untuk bug yang melibatkan banyak file atau state yang kompleks, paste hanya kode yang paling relevan dan jelaskan struktur proyeknya secara singkat.
AI bisa memberikan solusi yang salah dengan percaya diri. Selalu test solusinya sebelum dianggap selesai — jangan langsung paste dan assume kode sudah benar.
Kalau sudah 3 iterasi dan masih error, coba describe ulang masalahnya dari sudut berbeda, atau tambahkan lebih banyak konteks tentang bagaimana kode ini digunakan. Kadang reformulasi pertanyaan yang mengubah segalanya.
Debugging dengan AI bukan tentang mendapat jawaban instan — tapi tentang mendapat perspektif baru lebih cepat dari yang bisa kamu dapat sendiri.