Vibe Coding Kian Marak, Bikin Aplikasi Cukup Lewat Perintah ke AI, tapi Risiko Keamanan Mengintai
Membuat aplikasi tidak lagi harus diawali dengan menulis kode baris demi baris. Lewat pendekatan yang dikenal sebagai vibe coding, seseorang cukup menjelaskan aplikasi yang diinginkan kepada AI dalam bahasa sehari-hari, lalu AI yang menuliskan kodenya. Fenomena ini berkembang begitu cepat sehingga Collins Dictionary menobatkan "vibe coding" sebagai Word of the Year 2025.
Istilah tersebut pertama kali dilontarkan Andrej Karpathy, salah satu pendiri OpenAI dan mantan pimpinan AI di Tesla, pada Februari 2025. Sejak itu, tools seperti Claude, Cursor, Lovable, dan Bolt, ditambah layanan backend seperti Supabase dan platform deploy seperti Vercel, menjadi perlengkapan wajib bagi developer pemula, founder startup, hingga pemilik bisnis yang ingin membangun aplikasinya sendiri.
Namun kemudahan ini menyimpan persoalan. Aplikasi yang tampak berjalan mulus di layar belum tentu aman, stabil, dan siap dipakai ribuan pengguna. Artikel ini membahas cara kerja vibe coding, stack yang umum dipakai, alur dari ide sampai production, serta titik di mana aplikasi hasil AI mulai membutuhkan sentuhan engineer.
Apa Itu Vibe Coding?
Vibe coding adalah cara membangun software dengan mengandalkan AI untuk menulis kode berdasarkan instruksi bahasa alami atau prompt. Pengguna berperan sebagai pengarah: menjelaskan fitur, mencoba hasilnya, lalu meminta AI memperbaiki bagian yang belum sesuai.
Bedanya dengan pemrograman konvensional terletak pada fokus. Developer tradisional memikirkan struktur kode, sedangkan vibe coder memikirkan hasil akhir. Karpathy sendiri menggambarkannya sebagai cara coding di mana pengguna bisa "lupa bahwa kodenya ada".
Pendekatan ini sangat efektif untuk membuat prototipe, alat internal sederhana, dan memvalidasi ide bisnis dengan cepat. Pekerjaan yang dulu butuh berminggu-minggu kini bisa selesai dalam hitungan hari, bahkan jam.
Stack yang Umum Dipakai Vibe Coder
Sebagian besar proyek vibe coding memakai kombinasi tools yang mirip. Masing-masing mengisi satu lapisan aplikasi.
| Lapisan | Fungsi | Contoh Tools | Catatan |
|---|---|---|---|
| Model AI | Menulis dan memperbaiki kode | Claude, GPT, Gemini | Kualitas hasil sangat bergantung pada kejelasan instruksi |
| Harness / AI Agent | Membuat AI bisa membaca file, menjalankan perintah, dan bekerja bertahap | Claude Code, Cursor, Lovable, Bolt | Penentu utama apakah AI bisa mengerjakan proyek utuh |
| Backend & Database | Menyimpan data, login pengguna, penyimpanan file | Supabase, Firebase | Cepat disiapkan, tetapi pengaturan keamanannya wajib dicek |
| Deploy & Hosting | Menayangkan aplikasi ke internet | Vercel, Netlify | Praktis untuk awal, perlu dievaluasi saat trafik dan kebutuhan bertambah |
Harness AI: Mengapa Model yang Sama Bisa Hasilnya Berbeda
Banyak orang heran mengapa Claude yang dipakai lewat chat biasa terasa terbatas, sementara Claude yang dijalankan lewat Claude Code mampu membangun aplikasi utuh. Jawabannya ada pada harness.
Harness AI adalah "kerangka kerja" di sekitar model AI. Di dalamnya ada akses ke file proyek, kemampuan menjalankan perintah di terminal, memori tentang konteks pekerjaan, serta siklus kerja berulang: merencanakan, mengeksekusi, mengecek hasil, lalu memperbaiki. Model AI ibarat otak, sedangkan harness adalah tangan, mata, dan buku catatannya.
Konsep yang sama tidak hanya berlaku untuk coding. Harness serupa bisa dibangun untuk kebutuhan bisnis, misalnya agent yang membaca invoice, membalas calon pelanggan, atau memperbarui data CRM secara otomatis.
Alur Vibe Coding dari Ide sampai Production
Berikut tahapan yang umum ditempuh untuk membawa aplikasi hasil AI dari ide hingga siap dipakai pengguna.
1. Tulis spesifikasi sebelum menulis prompt
Jelaskan siapa pengguna aplikasi, masalah apa yang diselesaikan, dan fitur apa saja yang wajib ada. Spesifikasi tertulis membuat AI bekerja lebih konsisten dibanding perintah yang berubah-ubah di tengah jalan.
2. Bangun prototipe secara bertahap
Minta AI mengerjakan satu fitur dalam satu waktu. Uji setiap fitur sebelum lanjut ke berikutnya. Gunakan Git agar setiap perubahan bisa dikembalikan jika AI merusak bagian yang sudah berjalan.
3. Siapkan database dan login di Supabase
Supabase menyediakan database PostgreSQL, sistem autentikasi, dan penyimpanan file yang bisa langsung dipakai. Bagian terpenting di tahap ini adalah mengaktifkan Row Level Security (RLS) di setiap tabel dan memastikan aturannya benar, sehingga setiap pengguna hanya bisa mengakses datanya sendiri.
4. Deploy ke Vercel
Hubungkan repositori GitHub ke Vercel, isi environment variable seperti kunci API Supabase, lalu jalankan deploy. Setiap perubahan yang di-push ke repositori akan otomatis ditayangkan. Pastikan kunci rahasia seperti service_role Supabase tidak pernah ikut terkirim ke sisi browser.
5. Uji dan perkuat sebelum dibuka ke publik
Coba akses data pengguna lain, isi form dengan data aneh, dan buka aplikasi dari berbagai perangkat. Tahap ini sering dilewati karena aplikasi "sudah jalan", padahal di sinilah sebagian besar celah ditemukan.
6. Pantau setelah rilis
Pasang pencatatan error, cadangan database berkala, dan pemantauan biaya layanan. Aplikasi yang sudah dipakai pelanggan membutuhkan perawatan, bukan sekadar dibiarkan berjalan.
Risiko yang Kerap Luput dari Vibe Coder
Masalah terbesar vibe coding bukan pada kemampuan AI menulis kode, melainkan pada hal-hal yang tidak terlihat oleh pengguna awam. Pada 2025, seorang peneliti keamanan memindai 1.645 aplikasi yang dibangun dengan platform Lovable dan menemukan 170 di antaranya membiarkan tabel database Supabase bisa dibaca atau diubah oleh siapa saja. Celah ini kemudian tercatat sebagai CVE-2025-48757 dengan tingkat keparahan kritis.
Akar persoalannya sederhana: pengaturan Row Level Security yang hilang atau keliru. AI menulis kode yang berfungsi, tetapi tidak selalu menulis kode yang aman, dan pengguna tanpa latar belakang teknis tidak tahu apa yang harus diperiksa.
Selain keamanan, ada beberapa risiko lain yang sering muncul:
- Kode makin sulit dirawat. Setiap perbaikan dari AI berpotensi merusak bagian lain, dan lama-lama tidak ada yang benar-benar memahami struktur aplikasinya.
- Tidak ada pengujian. Fitur yang dulu berjalan bisa diam-diam rusak tanpa ada yang menyadari.
- Biaya membengkak. Tagihan layanan cloud dan token AI bisa naik tajam saat pengguna bertambah.
- Sulit dikembangkan. Integrasi dengan sistem lain seperti payment gateway, ERP, atau WhatsApp API membutuhkan pemahaman arsitektur yang lebih dalam.
Kapan Aplikasi Hasil Vibe Coding Butuh Engineer?
Vibe coding dan engineer profesional bukan pilihan yang saling meniadakan. Keduanya cocok untuk tahap yang berbeda.
| Kondisi | Vibe Coding Sudah Cukup | Saatnya Melibatkan Engineer |
|---|---|---|
| Tujuan | Validasi ide, demo ke investor, alat pribadi | Sistem inti bisnis yang dipakai setiap hari |
| Data | Data uji atau data tidak sensitif | Data pelanggan, transaksi, atau dokumen rahasia |
| Pengguna | Puluhan pengguna internal | Ratusan hingga ribuan pengguna aktif |
| Integrasi | Berdiri sendiri | Terhubung ke pembayaran, ERP, atau API pihak ketiga |
| Masa pakai | Jangka pendek | Dirawat dan dikembangkan bertahun-tahun |
Pola yang kini banyak ditempuh adalah pendekatan hybrid: pemilik bisnis membangun prototipe sendiri dengan vibe coding untuk menguji ide, lalu menyerahkan aplikasi ke engineer untuk diaudit, dirapikan, dan disiapkan menuju production.
Checklist Sebelum Aplikasi Go-Live
- Row Level Security aktif di semua tabel Supabase dan aturannya sudah diuji.
- Kunci rahasia tidak ada di kode sisi browser maupun di repositori publik.
- Input dari pengguna divalidasi di sisi server, bukan hanya di tampilan.
- Database dicadangkan secara otomatis dan proses pemulihannya pernah dicoba.
- Error tercatat dan ada notifikasi saat aplikasi bermasalah.
- Estimasi biaya bulanan sudah dihitung untuk skenario pengguna bertambah.
- Ada dokumentasi singkat tentang struktur aplikasi agar bisa dirawat orang lain.
Dari Prototipe ke Sistem Bisnis
Vibe coding menurunkan hambatan untuk mulai membangun software secara drastis. Siapa pun kini bisa mewujudkan ide aplikasinya tanpa menunggu tim developer. Namun aplikasi yang dipakai pelanggan menuntut standar yang berbeda dari prototipe: aman, stabil, dan bisa terus dikembangkan.
Clovertechno mendampingi bisnis di kedua tahap tersebut, mulai dari audit dan penguatan keamanan aplikasi hasil AI, migrasi ke infrastruktur production, hingga pengembangan sistem custom dan AI automation yang terintegrasi dengan proses bisnis. Jika aplikasi Anda sudah berjalan namun mulai terasa rapuh, tim kami siap membantu meninjaunya.
Clovertechno

