Saya pernah minta AI refactor satu fungsi yang cuma 20 baris. Hasilnya? Fungsi itu jadi 60 baris, lebih rapi secara visual, tapi logikanya berubah total dan bug baru muncul di tempat yang nggak saya duga. Waktu itu saya baru sadar, masalahnya bukan di AI-nya, tapi di prompt refactor kode yang saya kasih terlalu longgar tanpa batasan yang jelas.
Refactor kode itu beda dengan nulis kode baru. Kamu nggak cuma minta sesuatu dibuat, tapi minta sesuatu yang sudah jalan diubah tanpa merusak perilakunya. Ini area yang gampang berantakan kalau prompt-nya nggak dipikirkan dengan hati hati, dan di bagian bawah saya akan bahas apa yang biasanya bikin prompt refactor kode gagal, lalu gimana cara menyusunnya biar hasilnya bisa dipercaya.
TL;DR
- Prompt refactor kode yang bagus selalu menyertakan konteks fungsi, batasan, dan hasil akhir yang diinginkan, bukan cuma "tolong rapikan kode ini".
- AI cenderung mengubah logika kalau instruksinya ambigu, jadi kamu perlu tegaskan bagian mana yang boleh diubah dan mana yang harus tetap sama.
- Selalu minta AI jelaskan perubahan yang dilakukan, bukan cuma kasih kode barunya saja.
- Refactor kecil bertahap lebih aman dibanding minta AI merombak semuanya sekaligus.
- Testing tetap jadi tanggung jawab kamu, AI cuma bantu mempercepat prosesnya bukan menggantikan validasi.
Kenapa Refactor Kode Beda dari Sekadar Nulis Kode
Waktu kamu minta AI bikin kode baru, risikonya relatif kecil karena belum ada sistem yang jalan yang bisa rusak. Tapi refactor itu kerja di atas sesuatu yang sudah berfungsi, jadi taruhannya lebih tinggi. Satu perubahan kecil di logic bisa bikin fitur lain yang tadinya jalan normal jadi error.
Ini yang bikin prompt refactor kode butuh perlakuan berbeda dibanding prompt biasa. Kamu nggak cuma menjelaskan apa yang kamu mau, tapi juga apa yang tidak boleh berubah. Misalnya, kalau kamu punya fungsi yang menghitung diskon berdasarkan beberapa kondisi, kamu harus tegaskan ke AI bahwa urutan pengecekan kondisi itu penting dan nggak boleh diacak ulang, meskipun secara kode terlihat lebih "elegan" kalau diubah.
Saya biasanya membayangkan refactor kode itu seperti renovasi rumah yang masih dihuni. Kamu boleh ganti lantai atau cat ulang dinding, tapi kamu nggak mau tukangnya tiba tiba mindahin posisi pintu tanpa bilang bilang. Prompt yang jelas itu fungsinya sama seperti briefing ke tukang: batasannya harus eksplisit dari awal.
Elemen yang Sering Kelewat Waktu Bikin Prompt
Kesalahan paling umum yang saya lihat, termasuk dari pengalaman saya sendiri, adalah kasih kode ke AI lalu bilang "tolong refactor biar lebih clean" tanpa konteks tambahan. Kalimat itu terlalu terbuka, dan AI akan menafsirkan "clean" berdasarkan asumsinya sendiri, yang belum tentu sama dengan standar tim kamu.
Ada beberapa hal yang sebaiknya selalu ada di prompt refactor kode. Pertama, jelaskan tujuan dari fungsi atau kode itu, bukan cuma menyalin kodenya mentah mentah. Kedua, sebutkan constraint teknis seperti bahasa, versi library, atau pola arsitektur yang dipakai di project kamu. Ketiga, tentukan skala perubahan yang diizinkan, misalnya cuma boleh mengubah struktur internal tanpa mengubah nama fungsi atau parameter yang dipakai di file lain.
Tanpa elemen elemen ini, AI akan cenderung melakukan refactor versi "generik" yang kelihatan bagus di permukaan tapi belum tentu cocok dengan kebutuhan real project kamu. Ini yang sering bikin orang kecewa setelah pakai AI untuk urusan kode: bukan karena AI-nya bodoh, tapi karena instruksinya memang belum cukup spesifik.
Contoh Pendekatan yang Lebih Aman
Daripada langsung minta "refactor semua kode ini", saya biasanya minta AI kerja per bagian kecil. Misalnya saya fokus dulu ke satu fungsi, minta AI jelaskan apa yang menurutnya bisa disederhanakan, lalu saya tanya balik alasan di baliknya sebelum menyetujui perubahan itu. Proses tanya jawab ini yang sering hilang kalau orang cuma copy paste kode dan berharap hasil instan.
| Pendekatan | Risiko | Kapan Cocok Dipakai |
|---|---|---|
| Refactor sekaligus semua file | Tinggi, sulit ditelusuri kalau ada bug baru | Project kecil tanpa dependency rumit |
| Refactor per fungsi dengan validasi bertahap | Lebih rendah, mudah dites satu per satu | Codebase yang sudah dipakai di production |
| Refactor dengan penjelasan alasan dari AI | Rendah, kamu bisa evaluasi sebelum apply | Semua situasi, terutama kode kritikal |
Pendekatan bertahap ini memang butuh waktu sedikit lebih lama dibanding minta AI beresin semuanya sekaligus. Tapi trade off ini sepadan, karena kamu jadi punya kontrol lebih besar atas apa yang benar benar berubah di sistem kamu.
Testing Tetap Jadi Tanggung Jawab Kamu
Satu hal yang saya pegang terus: AI bisa bantu menulis ulang kode, tapi dia nggak tahu apakah hasilnya benar benar berfungsi sesuai harapan bisnis kamu. Prompt refactor kode yang bagus sekalipun tetap perlu divalidasi lewat testing, entah itu manual atau automated test yang sudah ada.
Saya biasanya minta AI juga menuliskan skenario testing sederhana setelah refactor, seperti input apa yang harus menghasilkan output tertentu. Ini bukan pengganti test suite yang proper, tapi cukup membantu untuk screening awal sebelum kode itu masuk ke proses review yang lebih formal.
Kalau kamu kerja di tim, ini juga jadi bagian penting untuk dikomunikasikan. Rekan kerja yang review kode kamu perlu tahu bagian mana yang hasil refactor AI, supaya mereka bisa kasih perhatian ekstra di bagian itu saat review. Transparansi kecil seperti ini yang sering menentukan apakah adopsi AI di tim berjalan lancar atau malah menambah friksi baru.
Prompt refactor kode yang efektif itu pada akhirnya soal seberapa jelas kamu mendefinisikan batasan sebelum minta bantuan AI, bukan soal template ajaib yang bisa dipakai untuk semua kasus. Kalau kamu baru mulai coba coba di area ini, langkah paling praktis adalah pilih satu fungsi kecil yang sudah kamu pahami betul, coba susun prompt dengan konteks dan batasan yang jelas, lalu bandingkan hasilnya dengan ekspektasi kamu sendiri.
Pertanyaan yang Sering Diajukan
Apakah AI bisa diandalkan untuk refactor kode di production?
Bisa, tapi dengan pengawasan ketat dan testing yang memadai. AI cocok untuk mempercepat proses awal, namun keputusan final tetap harus lewat review manusia yang paham konteks bisnisnya.
Berapa banyak kode yang sebaiknya dimasukkan dalam satu prompt refactor?
Sebaiknya fokus ke satu fungsi atau modul kecil dulu daripada seluruh file sekaligus. Ini memudahkan kamu melacak perubahan dan mengurangi risiko bug yang sulit ditemukan.
Kenapa hasil refactor AI kadang mengubah logika yang seharusnya tetap sama?
Biasanya karena prompt yang diberikan terlalu umum tanpa batasan eksplisit. Kalau kamu nggak menyebutkan bagian mana yang harus dipertahankan, AI akan menafsirkan sendiri versi yang menurutnya lebih baik.
Apakah perlu menjelaskan konteks bisnis dalam prompt refactor kode?
Sangat membantu, terutama kalau logika kode berkaitan dengan aturan bisnis tertentu. Tanpa konteks itu, AI cuma melihat kode secara teknis dan bisa melewatkan alasan di balik struktur yang sudah ada.
