Review Alat AI: Claude Code (CLI)

Catatan metode. Ini adalah tinjauan independen. stdsquare² tidak berafiliasi dengan Anthropic dan tidak menerima imbalan apa pun. Harga diambil dari dokumentasi resmi per Juli 2026 dan dikonversi ke Rupiah dengan kurs perkiraan Rp 16.300/USD. Tim kami memakai Claude Code dalam produksi internal, sehingga sebagian pengamatan bersifat first-party — tetapi klaim kemampuan tetap harus Anda uji pada proyek Anda sendiri.

Ringkasan & Vendor

Claude Code adalah agen pengkodean yang berjalan di terminal, dikembangkan oleh Anthropic dan ditenagai oleh model bahasa Claude (Sonnet dan Opus pada baris produk 4.x). Diumumkan awal 2025 dan terus berkembang cepat, Claude Code berbeda dari asisten kode berbentuk plugin IDE: ia adalah program baris-perintah (claude) yang Anda jalankan di direktori proyek, dan ia bisa membaca-mengubah-menjalankan kode secara mandiri dalam loop agen.

Filosofi Claude Code adalah “agentic coding di terminal”. Anda memberi tujuan (“tambahkan unit test untuk fungsi regresi”, “carilah bug di pipeline analisis”, “refaktor modul X jadi lebih modular”), dan agen merencanakan langkah, membaca file yang relevan, mengedit, menjalankan perintah shell (termasuk menjalankan tes), lalu mengulang sampai tugas selesai atau terhenti membutuhkan keputusan Anda. Ini melompat lebih jauh dari sekadar “melengkapi kode baris demi baris” — ia bekerja pada level tugas.

Generasi model mutakhir per pertengahan 2026 diakses lewat Claude Code adalah Claude Sonnet 4.x (cepat, hemat) dan Claude Opus 4.x (paling cerdas, paling mahal). Untuk pengembang yang membayar langganan, kedua model tersedia dengan kuota yang tergantung tingkat langganan.

Mengapa seorang peneliti atau dosen di Indonesia mungkin peduli? Karena banyak riset akademik sekarang melibatkan kode — pipeline Python untuk analisis data, skrip R untuk ekonometrika, situs web untuk publikasi (seperti situs Hugo yang sedang Anda baca ini). Claude Code bisa mempercepat tugas-tugas rutin yang dulu menguras waktu: memoles ulang struktur kode, menambahkan tes, mencari bug, atau menghasilkan dokumentasi.

Fitur Kunci

1. Loop agen terminal dengan akses penuh ke proyek

Inilah inti Claude Code. Begitu dijalankan di dalam direktori proyek, ia punya konteks penuh atas struktur file, bisa membaca file mana pun, mengedit, dan menjalankan perintah shell. Untuk peneliti, ini berarti Anda bisa berkata: “Lihat folder data/, muat semua CSV, buat ringkasan statistik, simpan hasil ke output/summary.csv” — dan Claude Code menjalankan sendiri dari membaca file sampai menulis hasil.

Ini berbeda secara mendasar dari plugin IDE yang hanya melengkapi baris. Agen memahami tugas, bukan sekadar teks sebelum kursor.

2. Sub-agen dan perencanaan terstruktur

Claude Code bisa memecah tugas besar menjadi subtugas, menjalankan beberapa langkah secara berurutan atau paralel, dan menyusun rencana sebelum bertindak. Untuk refaktor besar atau debugging sistem kompleks, ini sangat membantu. Tim kami memakai pola ini: minta agen menyusun rencana tertulis dulu, setujui, baru eksekusi.

3. Skill dan MCP (Model Context Protocol)

Claude Code mendukung dua mekanisme ekstensi:

• Skills — paket instruksi dan aset yang mengajari agen domain tertentu (misal skill “buat deck slide akademik” atau “menulis materi kuliah sesuai SOP”). Skill dimuat otomatis sesuai konteks.
• MCP (Model Context Protocol) — standar terbuka untuk menghubungkan agen ke alat dan sumber data eksternal: basis data, API, perangkat file jarak jauh, dan lain-lain.

Dukungan MCP berarti Claude Code bisa, misalnya, mengakses database PostgreSQL lewat MCP server, atau membaca issue tracker GitHub, atau memakai browser otomatis — semuanya dalam satu sesi agen. Untuk peneliti, ini membuka kemungkinan pipeline riset yang sebelumnya butuh pengaturan rumit.

4. Git-aware dan integrasi GitHub

Claude Code paham status Git, bisa membuat branch, commit, bahkan membuka pull request via gh CLI. Untuk alur kerja riset yang sudah memakai Git (semua sebaiknya), ini mengurangi gesekan. Agen bisa, misalnya, menyelesaikan satu tugas refaktor lalu membuat commit dengan pesan yang layak.

5. Hook dan otomatisasi

Claude Code mendukung hook — skrip yang dipicu pada event tertentu (sebelum/sesudah edit, sebelum commit, dst). Ini memungkinkan otomatisasi kustom: jalankan linter setiap habis edit, jalankan tes sebelum commit, atau kirim notifikasi saat tugas panjang selesai. Bagi dosen atau peneliti yang ingin memaksakan standar pada pipeline kode riset, hook memberi jangkar.

6. Mode offline untuk sebagian domain

Walau model butuh koneksi API, banyak skill dan alur kerja (seperti menyusun materi dari sumber lokal) bisa dijalankan tanpa internet. Ini relevan untuk kondisi jaringan Indonesia yang kadang tidak stabil.

Workflow yang Berubah

Claude Code mengubah workflow dari “menulis kode baris demi baris” menjadi “memberi tujuan dan mengoreksi”. Sebagai peneliti, pergeseran ini punya konsekuensi:

Yang menjadi lebih cepat:

• Membuat boilerplate proyek baru (struktur folder, config, README).
• Menulis tes unit untuk fungsi yang sudah ada.
• Migrasi kode antar bahasa (misal SPSS ke Python, atau SAS ke R).
• Mendokumentasikan kode yang sudah lama tidak disentuh.
• Debugging error yang kabur — agen bisa menjalankan berbagai hipotesis dan membaca stack trace.

Yang tetap menjadi tanggung jawab Anda:

• Desain logika analisis. Agen menulis kode, tetapi keputusan metode (model regresi apa, variabel kontrol mana) tetap domain ahli.
• Verifikasi hasil. Kode yang berjalan tanpa error belum tentu benar secara substansi. Selalu jalankan pada kasus uji yang Anda ketahui jawabannya.
• Integritas data. Jangan biarkan agen memodifikasi data riset tanpa pengawasan.

Pricing (dikonversi ke IDR)

Claude Code dijual lewat dua jalur: langganan paket (paling sederhana untuk individu) atau bayar-per-token via API (untuk pemakaian berat atau tim).

Jalur langganan (untuk individu)

Jalur API bayar-per-token (per 1 juta token)

Dikonversi ke Rupiah:

• Sonnet: sekitar Rp 49.000 input / Rp 244.500 output per juta token.
• Opus: sekitar Rp 81.500 input / Rp 407.500 output.
• Haiku: sekitar Rp 16.300 input / Rp 81.500 output.

Anthropic juga menjalankan harga perkenalan USD 2/USD 10 per juta token (input/output) untuk sebagian model hingga akhir Agustus 2026, sebelum naik ke tarif standar USD 3/USD 15. Periksa dokumentasi resmi untuk status harga terkini.

Mana yang lebih murah? Tergantung pola pakai. Untuk satu-dua sesi seminggu, langganan Pro (Rp 326.000/bulan) lebih sederhana. Untuk yang menjalankan agen berjam-jam setiap hari, API bayar-per-token bisa meledak biaya — sesi agen panjang yang banyak membaca file bisa menghabiskan ratusan ribu token, dan dengan Opus biayanya bertambah cepat. Tim kami melihat pemakaian harian Claude Code untuk refaktor dan debugging bisa mencapai Rp 50.000–Rp 300.000 per hari dalam mode API Opus — angka yang harus Anda sadari sebelum mulai.

Use Case Akademik

Yang cocok (rekomendasi)

1. Pipeline analisis data riset — menulis skrip Python/R untuk pembersihan data, transformasi, dan visualisasi. Agen bisa menulis boilerplate, Anda fokus pada desain analisis.
2. Reproduksi makalah — menerjemahkan kode analisis dari paper (sering Stata atau MATLAB) ke Python, lalu memverifikasi hasil.
3. Membangun situs publikasi riset — kami sendiri memakai Claude Code untuk membangun situs Hugo stdsquare² (materi yang sedang Anda baca diproduksi sebagian dengan bantuannya).
4. Otomatisasi tugas administratif riset — skrip untuk menggabungkan PDF, mengkonversi format, membangun indeks.
5. Mengajarkan konsep lewat kode — minta agen membuat contoh kode untuk tiap konsep statistik, lengkap dengan komentar dan kasus uji.

Yang kurang cocok (peringatan)

1. Keputusan metodologis inti — jangan serahkan kepada agen pilihan model ekonometrika atau rancangan eksperimen. Itu tanggung jawab ahli.
2. Kode yang menangani data sensitif tanpa pengawasan — agen bisa tak sengaja menulis data ke file log atau mengunggah ke API.
3. Tugas yang butuh penalaran domain sangat dalam — kalau Anda sendiri belum paham konsep, agen tidak akan menolak menulis kode yang salah secara substansi (ia hanya akan menulis kode yang salah itu dengan percaya diri).

Limitasi & Etika

Teknis

1. Biaya tak terduga. Sesi agen panjang dengan Opus bisa menghabiskan biaya besar. Pantau pemakaian, pakai Sonnet untuk tugas rutin, simpan Opus untuk keputusan sulit.
2. Kurva belajar. Memberi perintah yang baik ke agen adalah keterampilan tersendiri. Awalnya Anda akan frustrasi karena agen melakukan hal yang tidak diinginkan.
3. Hallucination pada API/library. Agen bisa menulis kode yang memakai API yang sudah usang atau parameter yang tidak ada. Selalu jalankan dan verifikasi.
4. Akses sistem berisiko. Agen bisa menjalankan perintah shell. Tanpa pembatasan, ia bisa menghapus file atau menjalankan perintah destruktif. Gunakan mekanisme permission, jangan asal --dangerously-skip-permissions kecuali Anda paham risikonya.
5. Ketergantungan vendor. Claude Code terikat model Anthropic. Harga bisa naik, kuota bisa berubah.

Etika dan praktik aman

1. Verifikasi setiap perubahan. Baca git diff sebelum commit. Jangan commit apa yang tidak Anda pahami.
2. Batasi cakupan. Jalankan agen di direktori proyek, bukan di home directory. Jangan kasih akses ke folder berisi data sensitif.
3. Jejak audit. Manfaatkan Git sebagai jejak — setiap perubahan agen tercatat dan bisa di-rollback.
4. Transparansi publikasi. Jika kode hasil bantuan AI dipakai dalam paper, nyatakan sesuai kebijakan jurnal. Sebagian jurnal kini mewajibkan pengungkapan penggunaan AI.
5. Tanggung jawab akhir. Kode yang dihasilkan adalah kode Anda. Bug di dalamnya adalah bug Anda. Jangan salahkan agen saat hasil analisis salah.

Perbandingan dengan Cursor dan GitHub Copilot

Ketiga alat sering dibandingkan, tetapi sebenarnya melayani filosofi berbeda.

Sorotan

• Claude Code vs Cursor: Keduanya kini semi-agentic, tetapi Claude Code lebih dalam sebagai agen terminal yang bisa menjalankan perintah shell dan loop panjang. Cursor lebih ramah visual dan multi-model. Banyak pengembang memakai keduanya: Cursor untuk pengeditan interaktif, Claude Code untuk tugas otonom panjang.
• Claude Code vs GitHub Copilot: Copilot unggul pada harga termurah, integrasi mendalam di IDE, dan pelengkapan tab cepat. Claude Code unggul pada tugas yang butuh otonomi penuh dan loop agen panjang. Untuk menulis kode analisis sekali-sekali, Copilot memadai; untuk refaktor besar atau pipeline, Claude Code lebih kuat.
• Pertimbangan ekosistem: kalau Anda sudah punya langganan Copilot lewat kampus (umumnya gratis untuk akademik), mulai dari sana. Kalau Anda membangun banyak pipeline dan nyaman terminal, Claude Code layak dicoba.

Kesimpulan & Rekomendasi

Claude Code adalah agen pengkodean paling otonom di kelasnya per pertengahan 2026, dengan kekuatan terbesar pada loop agen panjang di terminal dan ekstensibilitas via skill/MCP. Bagi peneliti yang banyak menulis kode — pipeline data, situs publikasi, skrip analisis — Claude Code bisa memangkas waktu signifikan pada tugas rutin. Pada saat yang sama, ia bukan solusi murah: sesi berat bisa menggerus anggaran, dan ia menuntut disiplin verifikasi yang ketat.

Rekomendasi berdasarkan profil:

• Mahasiswa S2/S3 yang menulis kode riset: coba dulu dengan langganan Pro (Rp 326.000/bulan) selama sebulan. Pakai Sonnet untuk tugas harian, simpan Opus untuk momen sulit. Hentikan kalau tidak terbukti mempercepat.
• Dosen yang membangun materi/publikasi digital: Claude Code sangat membantu untuk tugas seperti membangun situs Hugo, mengelola repo materi, mengotomatiskan konversi format. Mulai dengan Pro, naik ke Max kalau terbukti produktif.
• Peneliti kuantitatif harian: pertimbangkan kombinasi Claude Code + Cursor — Cursor untuk iterasi visual cepat, Claude Code untuk tugas otonom malam hari (misal “jalankan analisis sensivitas, tulis ringkasan”).
• Yang baru belajar kode: jangan mulai dari Claude Code. Mulai dari Copilot atau Cursor yang lebih ramah; Claude Code butuh pemahaman terminal dan kebiasaan verifikasi yang baru dimiliki pemula akan kewalahan.
• Yang anggarannya sangat terbatas: GitHub Copilot (gratis untuk verified student) atau Cursor free tier cukup memadai. Claude Code adalah investasi untuk produktivitas, bukan kebutuhan dasar.

Pada akhirnya, Claude Code bukan sulap. Ia adalah amplifier: memperkuat keahlian yang sudah Anda miliki. Peneliti yang sudah paham metodologi dan praktik kode akan mendapat dorongan produktivitas besar. Peneliti yang belum paham akan mendapat kode yang salah, lebih cepat. Tugas Anda tetap berdiri di tengah: merancang analisis yang benar secara substansi, lalu memverifikasi bahwa kode benar-benar melaksanakannya.

Sumber

• Anthropic — Claude Pricing (resmi)
• Claude Platform Docs — Pricing
• Claude Code — dokumentasi
• Model Context Protocol (MCP)

Lanjutan

• Workflow End-to-End dengan AI — bagaimana alat kode masuk dalam alur riset.
• Prompt Engineering Akademik — keterampilan memberi perintah yang berlaku juga untuk agen kode.
• Review GLM (Zhipu AI) — alternatif model hemat untuk pipeline.
• Review Google Gemini — alat dengan kode eksekusi sendiri untuk pembanding.