Jujur saja — pernah tidak kamu buka Twitter/X pagi-pagi dan langsung ketemu notifikasi: “Framework X baru rilis v2.0 dengan perubahan breaking change besar”, “AI model baru lebih kencang dari sebelumnya”, “Approach Y sudah deprecated, ganti ke Z”?
Dan di saat yang sama kamu masih punya deadline proyek, email yang belum dibales, dan kopi yang belum diminum.
Saya merasakan ini. Dan saya pernah mencoba solusi yang salah: belajar semua hal. Hasilnya? Burnout, shallow knowledge di banyak hal, dan paradoxnya — tetap merasa ketinggalan.
Masalahnya Bukan Kamu yang Lambat
Kecepatan perubahan teknologi sekarang, terutama di ekosistem AI, memang tidak wajar. Ini bukan persaingan yang fair antara kamu dan “developer yang selalu update”. Ini adalah firehose yang tidak ada manusianya bisa minum semua sekaligus.
Yang perlu berubah bukan kecepatan belajar kamu — tapi strategi belajar kamu.
Strategi yang Saya Pakai: T-Shaped + Perimeter Awareness
Konsep T-shaped knowledge sudah lama: punya kedalaman di satu-dua area, dan keluasan di banyak area. Ini masih relevan.
Tapi saya tambahkan satu konsep: perimeter awareness. Artinya, kamu tidak perlu tau cara pakai semua tools baru — tapi kamu perlu tau bahwa tools itu ada dan untuk apa.
Contoh konkretnya: Saya tidak bisa deploy model ML dari nol. Tapi saya tau bahwa ada tools seperti Replicate atau Hugging Face Inference API yang bisa handle itu dengan minimal kode. Kalau ada project yang butuh itu, saya tau ke mana harus mulai belajar.
Perimeter awareness itu cheap dan valuable. Depth itu mahal dan harus dipilih dengan hati-hati.
Sistem Curation yang Benar-Benar Saya Pakai
1. Batasi Sumber, Bukan Konten
Alih-alih follow 200 akun teknologi, saya selektif: cukup 10-15 orang/akun yang punya sinyal noise-to-signal ratio bagus. Mereka yang saya pilih adalah orang-orang yang:
- Praktisi, bukan cuma komentar
- Jujur soal tradeoff, bukan hype semua
- Sesekali bilang “ini overrated” atau “jangan ikut tren ini dulu”
Kalau satu informasi penting, biasanya tetap akan muncul dari multiple sumber yang saya follow. Natural filtering.
2. Weekly Review, Bukan Daily Anxiety
Saya stop scroll berita teknologi setiap hari. Sebaliknya, saya punya ritual Jumat sore: 30 menit baca digest mingguang. Beberapa yang saya pakai:
- TLDR Newsletter — singkat, padat, multi-topik
- JavaScript Weekly / Node Weekly — kalau kamu di ekosistem JS
- ByteByteGo newsletter — untuk system design dan infrastructure
30 menit seminggu lebih efektif dari 10 menit setiap hari yang penuh anxiety.
3. Learn-by-Doing dengan “Spike” Project
Cara saya benar-benar internalize teknologi baru: buat proyek kecil yang tidak ada tekanan. Saya sebut ini “spike” — istilah dari Agile yang artinya eksplorasi terbatas waktu.
Aturannya: maksimal 2 jam, satu tujuan konkret. Misalnya, “Dalam 2 jam, saya mau bisa deploy REST API sederhana pakai Bun runtime”. Kalau 2 jam dan belum kelar — ya sudah, saya sudah tau cukup untuk memutuskan apakah worth dilanjutkan atau tidak.
Ini hindarin rabbit hole yang membuat satu hari hilang cuma buat setup environment.
4. Second Brain yang Minimal
Saya simpan catatan di Obsidian, tapi dengan disiplin: hanya hal yang sudah saya pakai atau sudah saya validasi sendiri. Bukan setiap artikel menarik yang saya baca.
Struktur folder saya simpel:
/stack— tools dan tech yang aktif saya pakai/explored— hal yang sudah saya spike, dengan catatan singkat/radar— hal yang ingin saya explore nanti
Kalau /radar sudah lebih dari 20 item, saya delete yang paling bawah. Kalau 6 bulan tidak saya sentuh, kemungkinan besar saya tidak akan pernah sentuh.
Red Flags: Tanda-tanda Kamu Terjebak “Learning Theater”
Learning theater adalah kondisi di mana kamu merasa belajar tapi sebetulnya cuma konsumsi konten tanpa tujuan konkret.
Cirinya:
- Bookmark artikel tapi tidak pernah dibaca lagi
- Ikut kursus tapi tidak pernah selesai
- “Save for later” di YouTube yang numpuk ribuan
- Nonton tutorial tapi tidak pernah menulis kode sendiri
Kalau ini kamu — kamu tidak sendirian. Solusinya bukan tambah sumber belajar, tapi kurangi dan aktifkan.
Framework Keputusan: Mana yang Worth Dipelajari?
Kalau ada teknologi baru dan kamu tidak yakin worth dipelajari atau tidak, tanya diri sendiri:
- Ada tidak project konkret yang butuh ini dalam 3 bulan ke depan? Kalau iya, prioritaskan. Kalau tidak, masuk radar.
- Apakah ini solving problem yang saya punya, atau solving problem yang belum ada? Banyak teknologi keren tapi untuk masalah yang belum kamu hadapi.
- Apakah ada yang sudah pakai ini di production dan happy? Tunggu tech matang sebelum all-in.
- Apakah ini replacement atau addition? Replacement (misalnya Bun vs Node) butuh lebih banyak consideration. Addition (tools baru) bisa coba lebih santai.
Tentang AI: Ketika Perubahan Lebih Cepat dari Kemampuan Adaptasi
Di era AI sekarang, satu model baru bisa membuat workflow kemarin jadi obsolete. Saya pilih pendekatan ini: pelajari caranya berpikir dan prompt dengan baik, bukan hafalkan spesifik setiap model.
Prompt engineering yang baik, pemahaman kapabilitas dan limitasi AI, dan kemampuan evaluasi output — ini lebih durable dari tau spesifik versi model tertentu.
Kesimpulan
Tetap update bukan berarti tahu segalanya. Ini soal sistem yang sustainable: curate sumber yang baik, belajar dengan konteks konkret, dan punya awareness tentang apa yang ada tanpa harus menguasai semuanya sekaligus.
Kamu tidak bisa minum lautan. Tapi kamu bisa tau di mana lautan itu ada, dan tau bagaimana cara renang ketika kamu butuh.
Mau diskusi tentang sistem belajar yang efektif untuk developer? Atau butuh guidance teknologi apa yang worth diprioritaskan untuk project kamu? Yuk ngobrol — hubungi mafadev.
Leave a Reply