Apa itu vibe coding?

Dalam bidang rekayasa perangkat lunak, pengembangan mengalami perubahan dari pengodean manual yang kaku menjadi lebih fleksibel, dibantu AI dan didukung AI melalui AI generatif dan pengodean yang dibantu AI. Vibe coding berada di garis depan perubahan ini. “Vibe coding” mewakili pergeseran menuju pengembangan perangkat lunak yang digerakkan niat, di mana sistem AI membantu pengembang dengan menghasilkan kode dari instruksi bahasa alami.

“Vibe coding” diperkenalkan oleh ilmuwan komputer ternama Andrej Karpathy. pada Februari 2025. Menurut Andrej Karpathy, ini adalah strategi pengodean yang melibatkan pengodean manusia minimal karena programmer dan pembuat kode menggunakan kode AI dalam tugas pemrograman mereka tetapi lebih berkonsentrasi pada bagaimana hasilnya keluar, pengujian, dan penyempurnaan. Dia juga menekankan pentingnya alat AI, alat pengodean, dan asisten pengodean AI dalam pengembangan perangkat lunak. 

Area vibe coding telah pindah dari prompt dasar untuk kode ke pemahaman yang lebih dalam tentang bagaimana pengodean bekerja ketika difokuskan di sekitar konteks, tujuan, dan orkestrasi. Implementasi AI lebih lanjut beralih ke tugas aktual; perbedaannya tidak lagi pada bahasa pemrograman tertentu dan sintaks, melainkan pada tujuan dan konteks.

• Pembuatan prototipe cepat: Seiring vibe coding terus mendapatkan daya tarik di ekosistem, pembuatan prototipe cepat menjadi pendorong utama bagi tim untuk beralih dari konsep tahap awal ke prototipe fungsional untuk menskalakan. Kemampuan ini sangat berharga untuk menguji ide-ide di pasar untuk melihat apakah ide itu benar-benar akan memecahkan masalah atau apakah strategi perlu diubah sama sekali.
• Pendekatan yang berpusat pada masalah: Beralih dari membangun kode dengan gaya pengodean yang kaku ke struktur dinamis memungkinkan inovasi yang cepat karena tindakan memecahkan masalah menjadi landasan bagi pengembang, bukan tumpukan teknologi itu sendiri.
• Kurangi risiko, maksimalkan dampak: Vibe coding akan memungkinkan bisnis untuk cepat maju dengan produk layak minimum (MVP), bereksperimen dengan ide dengan biaya rendah serta mengadopsi dan beradaptasi berdasarkan masukan. Kecepatan ini menurunkan biaya hangus, memperluas penyebaran risiko, dan memungkinkan perubahan arah karena sumber daya hanya berkomitmen pada konsep yang telah tervalidasi.
• Peralihan multimodal: Vibe coding berkembang menjadi pemrograman multimodal dengan pengodean berbasis suara, visual, dan teks untuk meningkatkan produktivitas. Beberapa tren yang paling menarik termasuk pengodean berbasis suara, antarmuka pemrograman visual, pembuatan kode berkemampuan AI, dan lingkungan pengembangan hybrid. Tren-tren ini meningkatkan kegunaan, fleksibilitas, dan intuitivitas pengodean, mengubah lingkungan pengembangan perangkat lunak.

Untuk menerapkan vibe coding dalam praktik, pengguna harus mengikuti langkah-langkah berikut:

Langkah 1: Memilih platform AI coding

Mulailah dengan memilih platform AI coding dan alat pengodean yang sesuai dengan kebutuhan Anda. Platform AI coding seperti Replit, Cursor, GitHub Copilot, Windsurf dan bolt.new menyediakan lebih dari sekadar fitur penyelesaian kode otomatis. Platform tersebut dapat melakukan pembuatan kode real-time, penalaran multifile, debugging, eksekusi perintah, bantuan penerapan dan memori ruang kerja dalam IDE, lingkungan pengembangan atau editor kode.

Langkah 2: Jelaskan tujuan dan konteks

Vibe coding tidak terlalu bergantung pada prompt yang diberikan, melainkan fokus pada konteks yang diberikan. Sebelum mengembangkan kode, penting untuk menyatakan tujuan dan persyaratan aplikasi serta batasan-batasan, tumpukan teknologi yang disukai, dan gaya desain. 

Mari kita ambil contoh untuk memahami.

Buat aplikasi web untuk startup baru yang akan digunakan untuk melacak kebiasaan. Pengguna harus dapat membuat kebiasaan dan melacak tingkat penyelesaian mereka setiap hari. Buat grafik yang menggambarkan kinerja pengguna dan sediakan antarmuka mode gelap minimalis. Gunakan React untuk front-end dan Node.js atau Python untuk pengembangan back-end. Menggabungkan persyaratan bersama dengan konteks yang tepat memudahkan pembantu AI dari penyedia seperti Anthropic untuk menghasilkan output yang lebih benar dan mematuhi arsitektur yang tepat. Promptnya jelas spesifik, relevan konteks, dan berorientasi pada tujuan.

Langkah 3: Hasilkan kode aplikasi awal

Dengan input tujuan dan konteks yang disediakan, AI menghasilkan draf pertama aplikasi. Outputnya dapat berkisar dari arsitektur aplikasi, kode front-end, kode back-end, API, desain basis data, dan dokumentasi yang relevan. Apa yang dihasilkan hanyalah titik awal untuk membangun aplikasi.

Langkah 4: Sempurnakan perangkat lunak yang dihasilkan secara iteratif

Proses pengembangan produksi kode AI bersifat iteratif, membutuhkan iterasi konstan. Setelah meninjau apa yang dibuat pada awalnya, pengembang akan bekerja untuk menyempurnakan aplikasi dan menambahkan fitur-fitur baru. Mereka dapat menyesuaikan persyaratan, mengubah fungsionalitas, meningkatkan kinerja, meningkatkan kegunaan, melakukan pemfaktoran ulang kode, mendesain ulang arsitektur aplikasi atau apa pun. Ini berarti bahwa pengembang mengikuti siklus ini: Tujuan → Buat → Tinjau → Sempurnakan → Buat

Langkah 5: Validasi, keamanan, dan penerapan

Seperti kode perangkat lunak yang ditulis secara tradisional, perangkat lunak yang dihasilkan masih membutuhkan upaya rekayasa untuk dimasukkan ke dalam produksi. Ini membutuhkan ulasan kode, pengujian, pemeriksaan ketergantungan, penilaian keamanan untuk potensi kerentanan, verifikasi kepatuhan dan banyak lagi untuk memastikan kualitas kode yang tinggi. Ini berarti bahwa pengembang bertujuan untuk membuat perangkat lunak yang aman, andal, dapat diskalakan, dapat dipelihara, dan berkualitas produksi.

Alasan kegagalan model AI apa pun tidak pernah semata-mata karena prompt yang buruk. Model AI gagal karena tidak adanya konteks apa pun. Kemajuan masa depan dalam model bahasa besar, atau LLM, akan datang dari area konteks daripada prompt. Agar model AI seperti Gemini menghasilkan output yang andal, itu harus diberikan konteks seperti:

• Konteks bisnis— Masalah apa yang kita coba selesaikan?
• Konteks arsitektur—Bagaimana sistem kita terintegrasi ke dalam arsitektur yang ada?
• Konteks repositori—Konvensi, pola, dan dependensi apa yang sudah ada di basis kode
• Konteks keamanan—Kebijakan, kepatuhan, dan batasan apa yang harus kita ikuti?
• Konteks operasional—Masalah kinerja dan skalabilitas apa yang harus kita penuhi?

Jika model AI gagal memperhitungkan salah satu masalah ini saat menghasilkan output, maka itu mungkin membuat kode yang benar secara teknis, tetapi salah dalam ekosistem operasional dunia nyata. Oleh karena itu, rekayasa konteks akan menjadi kompetensi inti dalam AI perusahaan untuk menghasilkan output yang sadar konteks.

Vibe coding adalah terobosan yang membuktikan AI dapat menghasilkan kode dari prompt bahasa alami, membuat prototipe perangkat lunak lebih cepat dan lebih efisien. Namun, pembuatan kode bukanlah satu-satunya jalan menuju rekayasa perangkat lunak. Pengembangan perangkat lunak produksi membutuhkan perencanaan, desain arsitektur, pembuatan kode, pengujian, ulasan keamanan, penerapan dan tata kelola. Di sinilah vibe coding mulai menunjukkan kekurangannya.

Perubahan yang kini kita lihat di industri adalah pergeseran dari pendekatan prompt > kode menjadi tujuan > agen AI > perangkat lunak. Dengan pendekatan ini, penekanannya bukan pada pembuatan kode berbasis prompt melainkan pada seluruh proses rekayasa perangkat lunak. Dengan begitu, pengembangan perangkat lunak modern tidak lagi menghadapi tantangan pembuatan kode karena mencakup otomatisasi dan pengoordinasian berbagai tugas rekayasa perangkat lunak di setiap tahap pengembangan.

Vibe coding tidak diragukan lagi sangat ampuh. Namun, itu memiliki beberapa tantangan teknis dan tantangan dunia nyata. Berikut adalah beberapa tantangan utama yang tercantum:

1. Kompleksitas teknis: Vibe coding dapat menangani kerangka kerja standar dasar tetapi untuk aplikasi dunia nyata di mana persyaratan teknis bisa baru atau kompleks, vibe coding menjadi menantang.³
2. Masalah kualitas dan kinerja kode: Vibe coding sangat membantu untuk menguji aplikasi dan membuat prototipe, tetapi masih memerlukan pengoptimalan dan penyempurnaan untuk memastikan bahwa kualitas kode dipertahankan. Vibe coding bukanlah pilihan ideal untuk aplikasi terdistribusi karena membutuhkan arsitektur tingkat terstruktur dan strategi optimasi yang canggih.
3. Tantangan debugging: Kode yang dihasilkan oleh AI sulit untuk di-debug karena dinamis dan tidak memiliki struktur arsitektur.
4. Pemeliharaan dan pembaruan: Sering kali, jika aplikasi perangkat lunak tidak diperbarui tepat waktu, itu menjadi usang, itulah sebabnya mereka memerlukan pemeliharaan rutin serta pembaruan. Aplikasi yang dibangun dengan menggunakan kode buatan AI menghadapi tantangan pemeliharaan dan pembaruan jika struktur kode tidak dirawat dengan baik. Masalah ini dapat menyebabkan pengembang kesulitan memahami logika yang mendasarinya ketika mencoba memperbaruinya dan dioptimalkan.
5. Kekhawatiran keamanan: Keterbatasan ini adalah yang paling penting karena dapat menimbulkan beberapa risiko dan kerentanan yang ekstrem. Kode yang dihasilkan menggunakan AI sering dikecualikan dari tinjauan kode dan pemeriksaan keamanan, yang mengarah ke kerentanan tak terlihat yang dapat luput dari perhatian dan dieksploitasi.

Vibe coding menyebabkan jenis utang teknis baru yang disebut utang keamanan. Semakin banyak pengembang merangkul AI coding tanpa validasi, semakin banyak kerentanan yang mungkin muncul dan diperbaiki di beberapa titik di masa depan.

Contoh kerentanan ini meliputi: kunci API dan kata sandi yang di-hardcode ke dalam aplikasi, kerentanan terhadap suntikan SQL, API yang tidak aman, aplikasi yang terlalu istimewa, autentikasi yang tidak memadai, dan pustaka pihak ketiga dengan kerentanan.

Dalam lingkungan tingkat perusahaan, risikonya lebih tinggi karena prototipe rentan awal yang dibuat menggunakan pengodean vibe mungkin nantinya berubah menjadi aplikasi yang siap produksi. Aplikasi itu mengelola informasi pelanggan, detail keuangan, informasi medis, hak kekayaan intelektual dan proses perusahaan lainnya. Apa yang awalnya merupakan prototipe cepat dapat berubah menjadi aplikasi bisnis yang penting tanpa melalui analisis keamanan yang diperlukan. Masalah bergeser dari “kita bisa menciptakannya” menjadi “dapatkah kita mempercayainya?”

Rekayasa perangkat lunak mengalami perubahan dalam model ekonominya karena vibe coding. Secara tradisional, produksi perangkat lunak dibatasi oleh keahlian dan usaha pengodean yang dibutuhkan, terutama di kalangan pemula.

Dengan munculnya kecerdasan buatan, hambatan bergeser dari pengodean itu sendiri ke ide dan keputusan karena pengodean akan tersedia dalam jumlah yang melimpah. Sudah lama ada perselisihan tentang apakah AI dapat digunakan untuk menulis perangkat lunak. Namun, pertanyaan yang lebih relevan yang muncul di dunia saat ini adalah apakah AI dapat dimanfaatkan dengan baik untuk mempercepat inovasi dan membawa produk ke pasar.