Tentang dan kontak

1. Tetapkan Spec Terlebih Dahulu

   Sebelum implementasi, saya menulis spec bernomor dengan acceptance criteria dan constitution yang menetapkan aturan kerja setiap agent.

2. Delegasikan Implementasi, Tetap Bertanggung Jawab Atas Review

   AI coding agent mengerjakan sebagian besar kode secara paralel. Saya bertanggung jawab atas desain, review, verifikasi di environment yang sudah di-deploy, dan keputusan merge.

3. Evaluasi Sebelum Rilis

   Saya mengevaluasi perubahan dengan gold set, A/B test, CI gate, dan shadow mode. Hasil negatif saya catat, dan perubahan yang tidak membantu tetap saya nonaktifkan.

4. Rancang Agar Bisa Pulih

   Saya memperhitungkan kemungkinan kegagalan dan menyiapkan jalur pemulihan agar sistem dapat kembali berjalan saat terjadi masalah.

5. Laporkan Metrik Beserta Konteksnya

   Saya hanya menampilkan metrik jika dapat menjelaskan cara pengukurannya: di lab, secara offline, atau live.

• Telemetri LLM dengan konvensi GenAI. Setiap panggilan model mencatat pemakaian token (termasuk reasoning dan cached token), model, provider, dan agent, sehingga biaya dan latensi bisa ditelusuri per fitur.

• Alert sebagai kode. Alert rule, action group, dan diagnostic setting ditulis di Bicep bersama aplikasinya dan dirilis dengan azd: 44 rule aktif di production saat ini, mencakup biaya harian dan bulan berjalan, lonjakan reasoning token, throttling 429 per deployment, latensi judge, dan evaluation gate yang gagal.

• Tata kelola telemetri. Data pribadi disamarkan sebelum diekspor. Saya menerapkan sampling pada span yang menambah noise dan membatasi ingestion per hari, dengan alert saat mencapai 80 persen.

• Self-hosted bila cocok. Untuk backend marketplace tiket, saya menyiapkan Prometheus dan Grafana sebagai kode, dengan black-box probe ke API publik setiap 5 detik serta metrik Postgres, Redis, dan host.

Situs ini juga dipantau: beacon performa anonim, uji performa setiap malam, dan statistik kunjungan publik di Observatorium Pengunjung di Lobby.

Bukti dari production

• OpenTelemetry

  100%

  layanan AI yang disurvei

• Alert rule sebagai kode

  44

  aktif di production, ditulis di Bicep pada 7 repo

• Telemetri token LLM

  3

  layanan AI di production

• Panggilan dependency yang ditelusuri

  ~1,2 jt

  per bulan pada satu scanner berbasis antrean

• Probe API

  10

  endpoint publik setiap 5 detik

param databaseAccountName string
param actionGroupId string

@description('429 responses per 15 minutes that fire the alert.')
param throttleThreshold int = 50

resource database 'Microsoft.DocumentDB/databaseAccounts@2025-10-15' existing = {
  name: databaseAccountName
}

resource throttling 'Microsoft.Insights/metricAlerts@2026-01-01' = {
  name: '${databaseAccountName}-throttling'
  location: 'global'
  properties: {
    description: 'Cosmos DB returned 429 TooManyRequests above the threshold in 15 minutes.'
    severity: 3
    enabled: true
    scopes: [database.id]
    evaluationFrequency: 'PT5M'
    windowSize: 'PT15M'
    autoMitigate: true
    criteria: {
      'odata.type': 'Microsoft.Azure.Monitor.SingleResourceMultipleMetricCriteria'
      allOf: [
        {
          criterionType: 'StaticThresholdCriterion'
          name: 'throttled'
          metricNamespace: 'Microsoft.DocumentDB/databaseAccounts'
          metricName: 'TotalRequests'
          dimensions: [{ name: 'StatusCode', operator: 'Include', values: ['429'] }]
          operator: 'GreaterThan'
          threshold: throttleThreshold
          timeAggregation: 'Count'
        }
      ]
    }
    actions: [{ actionGroupId: actionGroupId }]
  }
}

Studi kasus terkait

• Platform Keamanan Kode Berbasis AIPris.AI, platform keamanan kode AI milik MII: delapan scanner per pull request, triage AI yang mudah dibaca, dan fix agent yang membuka PR dengan validasi serta guardrail.
• Contact Center Voice AI RealtimeARIA, voice AI MII: jawaban dari knowledge base dan pengalihan ke petugas. Latensi interupsi ~2 ke ~0,2 detik pada A/B terkontrol (n=4 panggilan per jalur).
• Review Dokumen Fraud Berbasis AIMII Fraud Detection: OCR dan review LLM dua tahap untuk dokumen pengadaan. Evaluasi memakai set development offline; engine hybrid tetap di shadow mode.
• Operasional Azure AI BersamaMigrasi model dalam satu hari, rotasi key terkoordinasi, alert yang dikelola sebagai kode, dan patch keamanan Node.js di berbagai aplikasi AI.
• Backend Marketplace Tiket AcaraBackend marketplace tiket yang sudah live untuk lelang, resale, ledger wallet, dan settlement mitra.

• AI dan LLM

  • Microsoft Agent Framework
  • LangGraph
  • LangChain
  • Azure OpenAI (incl. Realtime)
  • Prompt Shields
  • Hugging Face
  • RAG
  • Hybrid/Vector Search
  • LLM evaluation

• Data science dan ML

  • pandas
  • NumPy
  • Matplotlib
  • Seaborn
  • Plotly
  • Streamlit
  • Jupyter
  • scikit-learn
  • PyTorch
  • Hugging Face Transformers
  • Keras
  • Sastrawi

• Azure

  • Azure AI Foundry
  • Azure AI Search
  • Cosmos DB
  • Document Intelligence
  • Azure Container Apps
  • Azure App Service
  • Azure Functions
  • Service Bus
  • Key Vault
  • Managed Identity
  • Microsoft Fabric
  • Azure Monitor

• Bahasa pemrograman

  • Python
  • TypeScript
  • JavaScript
  • Go
  • Java
  • PHP

• Backend

  • FastAPI
  • Spring Boot
  • Express.js
  • Gin
  • Echo
  • Laravel
  • CodeIgniter
  • Flask
  • Django
  • GraphQL

• Frontend

  • Next.js
  • React
  • Vue
  • Nuxt
  • Tailwind CSS

• Data dan messaging

  • PostgreSQL
  • MySQL
  • MongoDB
  • Firebase
  • Redis
  • Kafka
  • RabbitMQ
  • Elasticsearch

• DevOps

  • Docker
  • Bicep
  • GitHub Actions
  • Jenkins
  • AWS
  • LiveKit
  • k6
  • SonarQube
  • Sentry

• Lihat CV
• /id/cv