Blog

• 

  5 Ekstensi VS Code Berbasis AI yang Wajib Dipasang

  5 Ekstensi VS Code Berbasis AI yang Wajib Dipasang

  Marketplace VS Code penuh dengan ekstensi berlabel “AI”. Sebagian besar? Hype belaka atau duplicate dari yang sudah ada. Saya sudah coba banyak dari mereka — buang waktu dan memory yang tidak perlu.

  Tapi ada beberapa yang benar-benar berbeda. Yang mengubah cara saya kerja, bukan cuma menambah fitur yang jarang dipakai. Ini daftar yang jujur berdasarkan penggunaan nyata — bukan sekadar fitur yang terdengar keren di halaman ekstensi.

  ---

  1. GitHub Copilot — Masih Fondasi yang Solid

  Publisher: GitHub
  Harga: $10/bulan (gratis untuk pelajar dan OSS contributor)

  Ini bukan ekstensi yang paling “wow” lagi di era sekarang, tapi alasan saya tetap memasangnya: konsistensi. GitHub Copilot masih yang paling reliably berguna dalam konteks coding sehari-hari.

  Yang Benar-Benar Berguna

  Autocomplete multi-baris — bukan cuma complete satu kata, tapi suggest seluruh blok kode berdasarkan context. Ketika kamu menulis pattern yang familiar (error handling, API call, test case), Copilot sering suggest implementasi yang langsung bisa dipakai.

  Ghost text yang tidak mengganggu — tampilannya subtle, tidak memaksa kamu terima suggestion. Tekan Tab untuk accept, tekan Esc untuk ignore, atau tunggu dia update suggestion berdasarkan yang kamu tulis selanjutnya.

  Copilot Chat — bisa diskusi code langsung di VS Code tanpa buka browser. /explain, /fix, /tests adalah command yang paling sering saya pakai.

  Limitasi yang Perlu Diketahui

  Copilot tidak selalu “get” konteks spesifik project kamu, terutama untuk codebase yang unik atau punya konvensi sendiri. Untuk itu, tools yang lebih agentic (Cursor, Windsurf) lebih baik. Tapi untuk daily autocomplete, Copilot masih solid.

  ---

  2. Continue — AI Assistant Open Source yang Powerful

  Publisher: Continue
  Harga: Gratis (bisa pakai model kamu sendiri)

  Continue adalah ekstensi yang membuat VS Code punya AI assistant yang bisa kamu configure sepenuhnya — termasuk pilih model yang dipakai.

  Kenapa Continue Menarik

  Model agnostic — mau pakai Claude, GPT-4, Gemini, Llama yang jalan lokal, atau model lain? Tinggal configure di file JSON. Ini beda dari Copilot yang locked ke model GitHub.

  Context yang lebih rich — kamu bisa highlight kode, tekan keyboard shortcut, dan langsung diskusi tentang kode itu dengan AI. Termasuk bisa add file, folder, atau output terminal sebagai context.

  Codebase-aware — dengan setup yang benar, Continue bisa index codebase kamu dan memberikan suggestion yang lebih contextual.

  Privacy option — kalau mau pakai model lokal (via Ollama), kode kamu tidak kemana-mana.

  Setup Dasar

  Setelah install, configure ~/.continue/config.json:

  {
  "models": [
  {
  "title": "Claude Sonnet",
  "provider": "anthropic",
  "model": "claude-sonnet-4-5",
  "apiKey": "your-api-key"
  }
  ]
  }

  Tambah keyboard shortcut untuk invoke chat: Ctrl+Shift+J (atau sesuai preferensi).

  ---

  3. Codeium — Copilot Alternatif yang Gratis

  Publisher: Codeium
  Harga: Gratis (ada plan berbayar)

  Codeium adalah alternatif GitHub Copilot yang genuinely bagus dan gratis untuk penggunaan individual. Ini sama tim yang membuat Windsurf IDE.

  Mengapa Layak Dipasang

  Gratis tanpa batas usage — tidak ada limit di tier gratis untuk autocomplete basic. Ini beda dari Copilot yang butuh subscription.

  Support banyak bahasa — lebih dari 70 bahasa programming didukung, termasuk yang niche.

  Codeium Chat — mirip Copilot Chat tapi tersedia di free tier.

  Kecepatan yang kompetitif — suggestion latency-nya comparable dengan Copilot.

  Kapan Pilih Codeium daripada Copilot

  Kalau budget tight dan tidak bisa justify $10/bulan untuk Copilot, Codeium adalah pilihan yang solid. Kualitas suggestion-nya sedikit di bawah Copilot untuk beberapa kasus, tapi untuk daily use perbedaannya tidak selalu signifikan.

  ---

  4. AI Commit — Generate Commit Messages Otomatis

  Publisher: Berbagai publisher (cari “ai commit” di marketplace)
  Alternatif: Ekstensi “Conventional Commits” + AI feature

  Ini ekstensi yang kecil tapi drastis mengubah kebiasaan commit.

  Masalah yang Diselesaikan

  Siapa yang belum menulis commit message seperti “fix stuff”, “update”, atau “wip”? Commit message yang buruk itu technical debt yang sering diabaikan tapi menyakitkan ketika debugging.

  Ekstensi AI commit akan:

  1. Analisis diff yang akan di-commit
  2. Generate commit message yang descriptive mengikuti format conventional commits
  3. Kamu tinggal review dan edit kalau perlu, lalu commit

  Cara Kerja

  Ada beberapa implementasi, tapi flow umumnya:

  1. Stage perubahan seperti biasa
  2. Klik icon atau tekan shortcut
  3. AI generate commit message seperti: feat(auth): add JWT refresh token rotation with 7-day expiry
  4. Accept atau edit, lalu commit

  Hasilnya: git history yang lebih readable tanpa usaha tambahan yang signifikan.

  ---

  5. Error Lens + AI Error Explanation

  Publisher: Alexander (Error Lens) — free

  Error Lens sendiri bukan ekstensi AI, tapi dikombinasikan dengan Copilot atau Continue, ia menjadi sangat powerful.

  Error Lens: Inline Error Display

  Error Lens menampilkan error dan warning inline di samping kode, bukan hanya di panel Problems di bawah. Ini kecil tapi mengubah banyak — kamu langsung lihat masalah di konteks di mana mereka muncul.

  Kombinasi dengan AI

  Ketika Error Lens menampilkan error, kamu bisa langsung:

  1. Hover ke error
  2. Klik quick fix atau gunakan Copilot untuk suggest fix
  3. AI akan lihat error + surrounding code dan suggest perbaikan

  Tanpa perlu copy-paste error ke chat window secara manual. Workflow-nya seamless.

  ---

  Bonus: Ekstensi yang Tidak Saya Rekomendasikan

  Supaya balanced, beberapa yang saya coba dan uninstall:

  Tabnine — dulu bagus, sekarang tertinggal dari kompetitor. Free tier terlalu terbatas.

  IntelliCode dari Microsoft — sudah terintegrasi di VS Code tapi tidak se-powerful Copilot. Tidak perlu install terpisah.

  Berbagai “AI chat” ekstensi random — banyak yang cuma wrapper ChatGPT dengan UI jelek. Lebih baik pakai Continue yang lebih flexible.

  ---

  Stack Ekstensi AI yang Saya Pakai Sekarang

  Ini kombinasi yang saya pakai sehari-hari:

  1. GitHub Copilot — primary autocomplete
  2. Continue — untuk diskusi kode dan context yang lebih dalam
  3. AI Commit — untuk commit messages

  Tidak semua dipasang sekaligus karena bisa conflict dan memperlambat VS Code. Pilih kombinasi yang sesuai kebutuhanmu.

  ---

  Tips Performa: Jangan Pasang Terlalu Banyak

  VS Code dengan banyak ekstensi AI bisa jadi lambat — terutama kalau RAM laptop kamu terbatas. Rekomendasi:

  • Disable ekstensi yang tidak dipakai (bukan uninstall, tapi disable workspace-level)
  • Cek startup time di Help > Startup Performance
  • Kalau VS Code terasa lambat, audit ekstensi yang aktif

  ---

  Penutup

  Ekstensi AI yang bagus itu yang kamu lupakan keberadaannya karena sudah jadi bagian natural dari workflow. Bukan yang membuat kamu sering buka panel khusus atau ingat shortcut yang rumit.

  Mulai dengan satu dari daftar ini — saya rekomendasikan Copilot kalau budget ada, Codeium kalau mau gratis — dan rasakan sendiri selama dua minggu sebelum tambah yang lain.

  Mau diskusi soal setup VS Code yang optimal untuk stack tertentu, atau butuh rekomendasi tools AI yang pas untuk tim kamu? Hubungi mafadev — kita ngobrol bareng.

  July 15, 2026

• 

  Cara Buat Dokumentasi Otomatis dengan AI: Hemat Berjam-jam

  Cara Buat Dokumentasi Otomatis dengan AI: Hemat Berjam-jam

  “Nanti didokumentasikan” — kalimat yang paling sering jadi kebohongan terbesar di dunia software development.

  Bukan karena developer malas. Tapi karena dokumentasi itu membosankan, memakan waktu, dan terasa seperti pekerjaan yang tidak langsung produce value. Kalau pilih antara buat fitur baru atau menulis docs, hampir semua orang pilih fitur.

  Masalahnya, enam bulan ke depan kamu (atau tim kamu) yang akan menderita membaca kode tanpa konteks. Dan waktu itu, “nanti” sudah jadi “tidak pernah”.

  AI mengubah ini. Bukan dengan menghilangkan kebutuhan dokumentasi, tapi dengan menghilangkan friction-nya.

  ---

  Tiga Jenis Dokumentasi yang Bisa Diotomasi

  Sebelum masuk ke workflow, penting untuk tahu mana yang bisa diotomasi dan mana yang tidak.

  Bisa diotomasi dengan baik:

  • Docstring dan JSDoc untuk fungsi
  • README untuk repository atau modul
  • API documentation dari kode
  • Changelog dari commit messages
  • Inline code comments

  Tetap butuh manusia:

  • “Kenapa” keputusan desain diambil
  • Konteks bisnis dan domain knowledge
  • Tutorial step-by-step yang butuh perspektif pengguna
  • Arsitektur decisions (ADR)

  Ekspektasi yang realistis: AI bisa handle 60-70% pekerjaan dokumentasi. Sisanya tetap butuh kamu. Tapi 60-70% itu cukup untuk secara signifikan mengubah berapa waktu yang kamu habiskan.

  ---

  Workflow 1: Docstring Otomatis untuk Fungsi

  Ini yang paling mudah dan langsung menghasilkan value. Untuk setiap fungsi yang kamu tulis atau modifikasi, minta AI generate docstring-nya.

  Di VS Code dengan Copilot / Windsurf / Cursor

  Untuk Python, tulis komentar """ di bawah function signature dan biarkan AI complete:

  def calculate_monthly_payment(
  principal: float,
  annual_rate: float,
  months: int
  ) -> float:
  """
  # AI akan complete dari sini

  Untuk JavaScript/TypeScript, tulis /** dan biarkan AI complete JSDoc:

  /**
  * AI akan generate JSDoc di sini
  */
  function calculateMonthlyPayment(
  principal: number,
  annualRate: number,
  months: number
  ): number {

  Batch Processing via Prompt

  Kalau punya banyak fungsi yang belum terdokumentasi, paste ke chat AI dan minta batch:

  Tambahkan JSDoc yang comprehensive untuk setiap fungsi di bawah ini.
  Sertakan: @param, @returns, @throws (jika relevan), dan contoh usage.
  
  [paste kode di sini]

  ---

  Workflow 2: README Generator

  README yang bagus itu seperti elevator pitch untuk project kamu. Tapi menulis dari nol itu melelahkan.

  Template Prompt untuk README

  Buatkan README.md yang komprehensif untuk project berikut.
  
  Stack: [list stack]
  Deskripsi singkat project: [apa yang dilakukan project ini]
  Target pengguna: [siapa yang akan pakai]
  
  Struktur project:
  [output dari tree -I node_modules -I .git]
  
  Package.json / requirements.txt:
  [paste konten file]
  
  README harus mencakup:
  
  Deskripsi dan screenshot (placeholder)
  Prerequisites
  Cara install dan setup
  Environment variables yang diperlukan
  Cara run (development dan production)
  Struktur folder penting
  Contributing guide singkat

Hasilnya mungkin butuh adjustment, tapi struktur dasarnya sudah ada dan kamu tinggal polish.

Workflow 3: API Documentation dari Kode

Untuk REST API, ada tools yang bisa auto-generate dokumentasi dari kode atau dari OpenAPI spec. Tapi bahkan tanpa tools khusus, AI bisa sangat membantu.

Dari Route Handler ke Dokumentasi

Ini adalah route handlers Express.js untuk module users.
Generate dokumentasi API dalam format yang readable (bisa markdown atau tabel).
Sertakan: endpoint, method, request body/params, response format, dan error codes.

[paste route handlers]

Kombinasi dengan Swagger/OpenAPI

Kalau kamu pakai framework yang support OpenAPI (FastAPI di Python, NestJS di Node.js), AI bisa membantu:

1. Generate OpenAPI annotations untuk endpoint yang belum punya
2. Review dan improve schema yang sudah ada
3. Generate contoh request/response yang realistic

Workflow 4: Changelog dari Git History

Tidak ada yang suka menulis changelog. Tapi changelog yang bagus sangat valuable untuk user dan untuk tracking apa yang berubah.

Otomasi dengan Git Log

git log --oneline --since="2 weeks ago" > commits.txt

Lalu prompt ke AI:

Ini adalah commit history dari 2 minggu terakhir.
Buatkan CHANGELOG.md entry yang proper untuk release v1.x.x.
Kategorikan perubahan dalam: Features, Bug Fixes, Breaking Changes, Improvements.
Tulis dalam bahasa yang user-friendly, bukan technical jargon dari commit message.

[paste commit history]

Workflow 5: Architecture Decision Records (ADR)

ADR adalah dokumentasi tentang “kenapa” — kenapa kita pilih teknologi X, kenapa kita desain sistem seperti ini. Ini yang sulit diotomasi, tapi AI bisa membantu menstrukturkan pemikiranmu.

Template ADR dengan AI

Saya baru saja membuat keputusan teknis berikut:

Keputusan: [apa yang diputuskan]
Konteks: [situasi dan constraints yang dihadapi]
Alternatif yang dipertimbangkan: [opsi lain]
Alasan memilih solusi ini: [reasoning]


Buatkan ADR (Architecture Decision Record) yang proper menggunakan template MADR atau format Michael Nygard.

AI akan menstrukturkan pemikiranmu ke format ADR yang terstandarisasi.

Tools yang Bisa Dikombinasikan

Untuk JavaScript/TypeScript Projects

• TypeDoc — generate API docs dari TypeScript source
• Compodoc — khusus untuk Angular
• Kombinasikan dengan AI untuk improve narasi yang dihasilkan

Untuk Python Projects

• Sphinx + autodoc — standard untuk Python documentation
• pdoc — lebih simple dari Sphinx
• AI untuk generate docstring sebelum tools ini dijalankan

Untuk API

• Swagger UI / Redoc — render OpenAPI spec jadi dokumentasi interaktif
• AI untuk generate atau improve OpenAPI spec

Setup CI/CD untuk Dokumentasi Otomatis

Kalau mau lebih serius, setup pipeline yang otomatis generate docs ketika ada perubahan kode:

# .github/workflows/docs.yml
name: Generate Documentation

on:
push:
branches: [main]

jobs:
docs:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v3
- name: Install dependencies
run: npm install
- name: Generate TypeDoc
run: npx typedoc --out docs src/
- name: Deploy to GitHub Pages
uses: peaceiris/actions-gh-pages@v3
with:
github_token: ${{ secrets.GITHUB_TOKEN }}
publish_dir: ./docs

Hasilnya: setiap push ke main otomatis update dokumentasi yang dipublish.

Praktik Terbaik: Dokumentasi Tetap Human-Reviewed

Meskipun AI bisa generate dokumentasi dengan cepat, ada prinsip yang perlu dijaga:

1. Selalu review sebelum commit — AI bisa salah mendeskripsikan behavior fungsi
2. Tambahkan “why” secara manual — AI tidak tahu alasan bisnis di balik keputusan
3. Jaga akurasi lebih dari completeness — dokumentasi yang salah lebih berbahaya dari tidak ada dokumentasi
4. Update secara reguler — dokumentasi outdated adalah technical debt

Penutup

Dokumentasi yang bagus itu bukan kemewahan — itu investasi yang membayar dirinya sendiri ketika tim berkembang, ketika kamu onboarding orang baru, atau ketika kamu sendiri kembali ke kode yang kamu tulis setahun lalu.

Dengan AI, excusenya sudah tidak ada lagi. Setup workflow yang saya bagikan di atas bisa diimplementasikan dalam beberapa jam, dan efeknya akan terasa di setiap project ke depannya.

Mau bantuan setup documentation workflow untuk project atau tim kamu? Atau perlu diskusi soal tools yang paling pas untuk stack yang sedang kamu pakai? Hubungi mafadev — kita atur bareng.