ROADMAP BELAJAR AI — Superprof

Program mentoring privat untuk Firel Abidanti — Superprof

Roadmap
Belajar AI
yang runut.

Dari prompt yang asal jadi, sampai workflow AI yang rapi, hemat token, dan bisa dikontrol versinya. Tujuh topik, satu alur, selalu ada praktik di tiap pertemuan.

01 Prompt Engineering
02 AI Agent
03 Skills
04 MCP
05 Token Optimization
06 AI Review
07 GitHub untuk Version Control

Navigasi: pakai tombol panah di bawah, tombol keyboard, atau geser di layar sentuh.

MentorWahyu Candra Tama
FormatPrivat, online, praktik langsung
UntukFirel Abidanti

Gambaran program

Tidak loncat-loncat.
Dibangun bertahap.

Banyak orang langsung lompat ke agent dan tools canggih, padahal fondasinya belum kuat. Di program ini urutannya disengaja: kuasai cara bicara ke AI dulu, baru bangun sistemnya, lalu belajar mengontrol biaya dan kualitasnya.

TAHAP 1

Fondasi

Prompt Engineering. Cara memberi instruksi yang jelas supaya output AI konsisten dan bisa diulang.

TAHAP 2

Sistem

AI Agent, Skills, dan MCP. Cara membuat AI bekerja dengan tools, workflow, dan data kamu sendiri.

TAHAP 3

Kontrol

Token Optimization, AI Review, dan GitHub. Cara menjaga biaya, kualitas, dan riwayat pekerjaan tetap rapi.

7 topik utama 1 topik per pertemuan Praktik di setiap sesi Tugas kecil untuk diasah di luar sesi

Peta roadmap — klik untuk loncat

Tujuh langkah, satu alur.

01

Topik 01 — Fondasi

Prompt Engineering

Bedanya output AI yang biasa saja dan yang benar-benar kepakai, hampir selalu ada di cara kamu memberi instruksi.

Yang dipelajari

  • Struktur prompt: role, konteks, tugas, format output
  • Few-shot & contoh: memberi pola supaya hasil konsisten
  • Berpikir bertahap: memecah tugas kompleks jadi langkah kecil
  • Iterasi: cara memperbaiki prompt tanpa mulai dari nol

Praktik & hasil

  • Membedah prompt yang gagal, lalu memperbaikinya bareng
  • Menyusun template untuk kebutuhan nyata kamu
  • Uji banding: prompt asal vs prompt terstruktur
Hasil akhir topik ini

Prompt library pribadi yang bisa kamu pakai ulang untuk kerja dan belajar.

02

Topik 02 — Sistem

AI Agent

Chatbot menjawab. Agent bekerja: merencanakan langkah, memakai tools, melihat hasil, lalu melanjutkan sampai tugas selesai.

Yang dipelajari

  • Agent vs chatbot: perbedaan cara kerja dan kapan memakainya
  • Loop inti: pikir, bertindak, amati, ulangi
  • Tools & memory: cara agent memakai alat dan mengingat konteks
  • Guardrail: batas aman supaya agent tidak bertindak sembarangan

Praktik & hasil

  • Merancang alur agent untuk satu tugas nyata, misalnya riset atau otomasi laporan
  • Menentukan tools apa saja yang agent boleh pakai
  • Simulasi kegagalan dan cara menanganinya
Hasil akhir topik ini

Desain agent sederhana yang siap diuji, lengkap dengan batas dan alur kerjanya.

03

Topik 03 — Sistem

Skills

Kalau kamu menjelaskan cara kerja yang sama berulang kali ke AI, itu tandanya workflow tersebut harus dikemas jadi skill.

Yang dipelajari

  • Apa itu skill: instruksi terstruktur yang bisa dipakai ulang AI
  • Anatomi skill: kapan aktif, langkah kerja, dan contoh yang baik
  • Skill vs prompt: kapan cukup prompt, kapan perlu skill
  • Merawat skill: menguji dan memperbarui seiring kebutuhan berubah

Praktik & hasil

  • Mengubah satu workflow berulang milik kamu jadi skill
  • Menulis instruksi yang jelas supaya hasilnya stabil
  • Menguji skill di beberapa kasus berbeda
Hasil akhir topik ini

Satu skill custom buatanmu sendiri, siap dipakai untuk tugas berulang.

04

Topik 04 — Sistem

MCP

MCP atau Model Context Protocol adalah cara standar menghubungkan AI ke dunia luar: file, database, dan layanan lain, tanpa integrasi yang dibuat ulang terus.

Yang dipelajari

  • Konsep dasar: client, server, tools, dan resources
  • Cara kerja: bagaimana AI meminta data lewat MCP
  • Keamanan: izin akses dan batas data yang dibuka
  • Contoh nyata: MCP untuk file, pencarian, dan layanan produktivitas

Praktik & hasil

  • Menghubungkan satu MCP server dan mencobanya langsung
  • Membaca hasil yang dikembalikan AI dari tools eksternal
  • Memetakan tools apa yang berguna untuk workflow kamu
Hasil akhir topik ini

Pemahaman praktis untuk memakai MCP dengan aman, bukan sekadar teori protokol.

05

Topik 05 — Kontrol

Token Optimization

Semakin sering memakai AI, biaya token jadi nyata. Topik ini mengajarkan cara mendapatkan hasil yang sama baiknya dengan konteks yang jauh lebih ramping.

Yang dipelajari

  • Cara token dihitung: kenapa prompt panjang belum tentu lebih baik
  • Context window: memilih informasi yang benar-benar perlu dimasukkan
  • Teknik merangkum: chunking, ringkasan bertahap, dan referensi file
  • Pilih model: kapan model kecil cukup, kapan perlu yang besar

Praktik & hasil

  • Mengaudit prompt dan percakapan yang boros token
  • Menulis ulang jadi versi hemat tanpa mengorbankan hasil
  • Membandingkan jumlah token sebelum dan sesudah
Hasil akhir topik ini

Checklist hemat token yang bisa kamu terapkan di setiap sesi kerja dengan AI.

06

Topik 06 — Kontrol

AI Review

AI bisa terdengar sangat yakin saat sedang salah. Kemampuan mereview output AI adalah rem yang membuat semua topik sebelumnya aman dipakai.

Yang dipelajari

  • Halusinasi: mengenali jawaban yang mengarang tapi meyakinkan
  • Cek fakta & logika: memverifikasi klaim penting dari output AI
  • Review kode & tulisan: membaca hasil AI dengan kacamata editor
  • Skor kualitas: kriteria sederhana untuk menilai layak pakai atau tidak

Praktik & hasil

  • Membedah output AI yang terlihat bagus tapi bermasalah
  • Memakai framework review empat langkah: klaim, bukti, logika, risiko
  • Meminta AI mereview pekerjaannya sendiri dengan benar
Hasil akhir topik ini

Kerangka review pribadi supaya kamu tidak asal percaya pada output AI.

07

Topik 07 — Kontrol

GitHub untuk Version Control

Semua yang kamu bangun bareng AI di program ini akan disimpan dengan rapi. Tidak ada lagi file bernama final, final banget, atau revisi terakhir.

Yang dipelajari

  • Dasar Git: repository, commit, dan riwayat perubahan
  • Branch: bereksperimen tanpa merusak versi yang sudah bagus
  • GitHub: menyimpan online, README, dan menampilkan hasil kerja
  • Kolaborasi dengan AI: workflow commit saat dibantu agent

Praktik & hasil

  • Membuat repository untuk semua project belajar
  • Latihan commit, branch, dan mengembalikan versi sebelumnya
  • Menyusun README yang menjelaskan project kamu
Hasil akhir topik ini

Repository GitHub berisi seluruh perjalanan belajar, sekaligus jadi portofolio.

Penutup — penawaran untuk Firel Abidanti

Firel, di akhir program kamu punya
sistem kerja AI sendiri.


Prompt library — template siap pakai untuk kebutuhanmu

Desain agent + 1 skill custom — workflow milikmu sendiri

Checklist hemat token & review — kontrol biaya dan kualitas

Repo GitHub — semua praktik tersimpan sebagai portofolio

Cara mulai

1. Firel, balas pesan ini di Superprof dan ceritakan tujuan belajarmu  ·  2. Kita kunci jadwal sesi pertama: Prompt Engineering  ·  3. Setiap sesi lanjut ke topik berikutnya sesuai peta roadmap

Wahyu Candra Tama — Mentor di Superprof. Jadwal dan detail sesi dibicarakan langsung lewat Superprof.