DEV Community: Farhan Abdillah Alfath

Membangun Mini-GPT yang Berjalan di Lokal

Farhan Abdillah Alfath — Wed, 28 Oct 2026 07:31:54 +0000

Perkembangan AI cukup masif pada tahun ini, 2026. Para perusahaan besar seperti OpenAI dan Anthropic terus berlomba merilis AI dengan kemampuan yang lebih hebat dari sebelumnya.

Orang-orang mulai menggunakan model AI tersebut untuk keperluan profesional, kreatif, dan hal lainnya. Tak terkecuali saya sendiri, yang menggunakannya untuk membantu membangun Aplikasi. Meskipun dalam tanda kutip setiap kode yang dibangun harus tetap kita pahami fungsinya.

Model besar AI seperti Claude dan ChatGPT tersebut dibangun diatas sebuah konsep LLM (Large Language Model). LLM Sendiri adalah model dasar yang dilatih dengan banyaknya data untuk bisa memahami berbagai hal. LLM bekerja dengan menebak setiap token selanjutnya pada sebuah kata dan simbol. Sehingga LLM dapat mengetahui apa yang dimaksud oleh sebuah kalimat.

Saya mencoba membangun LLM seperti Mini-GPT yang dapat berjalan di komputer pribadi secara lokal.

Adapun spesifikasi laptop yang saya gunakan adalah sebagai berikut:
Prosesor : Intel Core I5 gen 12
RAM : 16GB

Saya akan membangun LLM dengan arsitektur 128 dimensi, 0,8 juta parameter dan 4 layer.

Setiap huruf unik nantinya akan diberikan nomor sehingga sebuah teks akan menjadi deretan angka.

Cara kerja dari LLM ini adalah ketika model dilatih, adalah ia bisa akan menebak setiap huruf selanjutnya. Proses alurnya yaitu dengan menggeser satu token. Seperti contoh :

Input yang dilihat | Tebakan
r | a
ra | k
rak | a

setiap token akan mengecek seberapa relevan token-token sebelumnya. Mask kemudian akan mencegah token mengintip masa depan.

Tebak satu token, tambahkan ke teks, lalu mengulangi. Beginilah cara LLM menghasilkan teks, satu token demi satu token.

Setelah dilakukan training terhadap model. Awalnya model masih banyak salah (train loss), namun proses training dengan satu teks cerita yang diulang 30 kali menghasilkan train loss sebanyak 0.06. Hasilnya hampir sama persis dengan teks aslinya.

Meski begitu, hasil training terhadap model masih mendapatkan banyak kesalahan kata.

Sebagian besar hasilnya adalah salinan dari teks latih. Tetapi ada bagian yang kacau, seperti “Raka suka menadi, pakanya sekali cerita terlebih dari kecih dahulu”. Kata “kecih” bahkan tidak ada di teks asli. Ini terjadi karena model menebak huruf demi huruf, dan saat beberapa bagian teks mirip, ia bisa “tersesat” ke kalimat lain. Fenomena ini mirip dengan halusinasi pada LLM besar.

Saya memahami bahwa semakin banyak proses training maka model akan semakin pintar. Meskipun dalam kasus ini model masih seperti menghafal teks.

Repository lengkap di

aalfath7 / Mini-GPT

LLM mini bergaya GPT yang dibangun dari nol dengan PyTorch. Tokenizer tingkat karakter, mudah dipahami, cocok untuk belajar cara kerja Transformer.

Belajar Python — Mini GPT

Proyek belajar membuat LLM kecil (Transformer gaya GPT) dari nol dengan PyTorch Modelnya kecil dan tokenizer-nya tingkat karakter (1 huruf = 1 token) supaya mudah dipahami tapi arsitekturnya pada dasarnya sama dengan LLM sungguhan.

Isi

File	Keterangan
mini_gpt.py	Definisi model, tokenizer, training, dan contoh generate teks
pakai_mini_gpt.py	Memakai model yang sudah dilatih secara interaktif (tanpa melatih ulang)
`mini_gpt.pt`	Bobot model hasil training (dibuat oleh `mini_gpt.py`)

Persiapan

pip install torch

Jika ada GPU dengan CUDA, model otomatis memakainya; jika tidak, berjalan di CPU.

Cara Pakai

1. Melatih model

python mini_gpt.py              # latih dengan teks contoh bawaan (cerita tentang Raka)
python mini_gpt.py data.txt     # latih dengan teks milikmu sendiri

Selama training, loss train dan validasi dicetak setiap 500 langkah. Setelah selesai, bobot model disimpan ke mini_gpt.pt dan contoh teks hasil generate ditampilkan.

2. Memakai model

python pakai_mini_gpt.py            # jika model dilatih dengan teks bawaan
python pakai_mini_gpt.py

…

View on GitHub

Tidak Ada Email yang Terlewat: Membangun Job Tracker Otomatis dengan n8n dan NextJS

Farhan Abdillah Alfath — Sat, 24 Oct 2026 09:42:55 +0000

Bagi pencari kerja, mengecek email satu per satu bisa memakan banyak waktu, apalagi jika email yang masuk cukup banyak. Pekerjaan berulang seperti ini sebenarnya bisa diotomatiskan.

Saya mencoba untuk membuat sebuah dashboard Job Tracker yang terintegrasi dengan Gmail. Dashboard tersebut menampilkan setiap email yang masuk jika ada beberapa kata kunci di dalamnya, seperti pengumuman, hasil seleksi, pemberitahuan, lamaran. Sistem secara otomatis juga akan menampilkan email tersebut berdasarkan jenisnya.

Saya membangunnya dengan Next.js untuk dashboard dan n8n untuk sistem otomatisasinya.

Dalam implementasinya di dalam n8n, email yang masuk akan diklasifikasikan sebelum dikirim ke dashboard.

Pada prosesnya terdapat beberapa masalah yang saya dapatkan :

Proses Instalasi n8n menggunakan npm cukup memakan banyak waktu. Saya mencoba mengganti beberapa versi dari node.js. Namun, ternyata prosesnya memakan waktu 10 menit dan belum selesai. Jadi saya melakukan instalasi menggunakan docker, dan berhasil.

Beberapa email yang masuk ternyata tidak masuk ke dalam dashboard. Padahal email itu sudah ada di inbox. Setelah saya cek, masalah ini terjadi karena kurangnya kata kunci yang saya masukkan di konfigurasi n8n. Jadi saya mencoba melengkapi dan memperbanyaknya dan itu berhasil. Namun, ke depannya jika kata kunci terlalu banyak maka email lain yang tidak berhubungan juga akan ikut masuk. Selanjutnya saya akan mencoba mengganti aturan kata kunci tersebut dengan AI.

Akhirnya sistem otomatisasi ini berhasil saya buat dan berjalan sesuai harapan. Sebelumnya, saya butuh 1–2 menit untuk membuka dan membaca satu email hanya untuk tahu apakah isinya penting. Jika ada 10 email lamaran, artinya bisa menghabiskan 10–20 menit. Sekarang, cukup sekitar 1 menit untuk melihat seluruh email yang masuk beserta klasifikasinya di dashboard, sehingga saya bisa langsung fokus membaca email yang benar-benar penting.

Membangun Platform Belajar Al-Quran

Farhan Abdillah Alfath — Fri, 23 Oct 2026 07:18:31 +0000

Dalam beberapa tahun terakhir, Aku fokus untuk belajar Al-Quran dan mengajarkannya. Dan memang dalam pembelajaran Al-Quran, sebagian besar berfokus pada praktik. Teori tetap diajarkan, namun dalam porsi yang berbeda. Ketika seseorang telah bisa membacanya, meski belum terlalu lancar. Barulah di situ pembelajaran teori sedikit demi sedikit diajarkan.

Pembelajaran Teori itulah yang membuat bacaan Al-Quran seseorang semakin baik.

Aku mencoba mengembangkan aplikasi pembelajaran Al-Quran untuk membantu proses tersebut. Sudah bisa diakses di link berikut Quran Academy.

Ini baru tahap awal. Jadi masih banyak yang perlu diperbaiki. Karena dibangun berdasarkan pengalaman pribadi dalam belajar dan mengajar Al-Qur'an. Harapanku setidaknya, diriku sendiri termudahkan untuk belajar Al-Quran lewat Aplikasi ini. Bersyukur jika teman-teman terbantu dengan aplikasi ini.

Aplikasi Al-Quran bukan Sekedar Aplikasi dengan Banyak Fitur

Farhan Abdillah Alfath — Thu, 22 Oct 2026 02:11:56 +0000

Ketika menghadapi skripsi di kampus, saya mencoba mencari masalah yang ada di sekitar saya. Kebetulan, saya adalah seorang penggiat pembelajaran Al-Qur’an dan memiliki banyak pengalaman di bidang tersebut. Saat itu, saya juga sedang menjadi pengajar di sebuah sekolah di Bandar Lampung.

Dengan yakin, saya mengangkat isu tersebut. Saya akan membuat sebuah aplikasi yang dapat membantu proses pembelajaran Al-Qur’an. Saya menambahkan banyak fitur, terutama karena saat itu penggunaan gamifikasi sedang marak. Saya berharap aplikasi tersebut dapat membantu proses pembelajaran dengan baik.

Selama lebih dari tiga bulan, saya membangun aplikasi itu. Akhirnya, tibalah hari ketika saya harus mengujinya. Para siswa mencobanya, dan saya ikut mencobanya sambil menjelaskan cara penggunaannya kepada mereka. Sebagian dari mereka belum terlalu mengerti, sebagian lagi sudah mulai paham. Pengujian selesai, dan aplikasi tersebut berhasil melewati uji kelayakan.

Namun, di sinilah poin penting dari sebuah aplikasi pembelajaran Al-Qur’an. Pembelajaran Al-Qur’an berbeda dengan pembelajaran lainnya. Siswa dituntut untuk lebih banyak praktik dibandingkan memahami materi. Pemahaman materi berada di tingkat lanjutan.

Oleh karena itu, banyak fitur yang saya buat ternyata tidak terlalu membantu, apalagi bagi pemula yang bahkan belum bisa membaca huruf hijaiyah.

Saat ini, saya sedang mengembangkan platform yang dapat lebih membantu proses pembelajaran Al-Qur’an. Saya berharap aplikasi saya berikutnya dapat memberikan manfaat yang lebih besar.

Apakah AI Mampu Menggantikan Developer

Farhan Abdillah Alfath — Wed, 21 Oct 2026 00:44:08 +0000

Beberapa hari belakangan, saya membuat sebuah aplikasi dengan AI. Saya menggunakan Claude dengan versi Opus 5.5. Dan dalam beberapa menit kemudian aplikasi tersebut berhasil dibuat. Sungguh kecepatan yang luar biasa. Dengan tampilan yang juga tidak kalah menarik dibanding buatan developer umumnya.

Saya membayangkan dalam 4 tahun saya berkuliah di Kampus. Belajar menulis kode dari awal. Membutuhkan waktu berbulan-bulan. Saya berfikir, lantas untuk apa semua itu dilakukan. Apakah semua sia-sia. Apakah berarti Developer akan digantikan oleh AI yang mempunyai kemampuan lebih hebat dan cepat.

Saya kemudian mulai merisetnya. Membaca beberapa artikel, dan pemahaman developer intenasional untuk masalah ini. Dan yang Saya simpulkan adalah AI tidak akan bisa menggantikan developer. Dalam hal pengembangan perangkat lunak, peran Developer tetap dibutuhkan dengan penting. Namun, terjadi pergeseran peran.

Dulu, Developer bertugas membuat persiapan, merancang perangkat lunak, menulis kode, mengujinya, sebelum kemudian merilis perangkat lunak tersebut. Sekarang AI bisa memangkas proses tersebut. Developer dapat menggunakan AI untuk melakukan sebagian besar proses, terutama proses penulisan kode.

Kemampuan memahami alur pengembangan perangkat lunak, memastikan dan memahami setiap kode dapat berjalan dengan baik, semua yang dikerjakan AI otomatis menjadi tanggung jawab developer.

Jadi, tidak mungkin AI benar-benar menghilangkan developer. Ia tetap membutuhkannya. Pekerjaan berulang yang AI gantikan. Semua kode menjadi milik dan tanggungjawab Developer.

Belajar Menjadi Developer Yang Produktif

Farhan Abdillah Alfath — Thu, 01 Oct 2026 01:48:26 +0000

Jika anda ingin menjadi Developer yang sukses, maka rajinlah untuk belajar dan mencoba banyak hal. Terutama di bidang Teknologi. Karena Teknologi berkembang pesat. Jika Anda tidak bisa mengikuti dan mempelajarinya. Maka Anda pasti akan tertinggal.

Oleh karena itu, post ini menjadi yang pertama di akun saya untuk menjadi produktif. Sebuah langkah kecil. Saya harap bisa terus berkontribusi di plarform ini.