📌 Ringkasan Minggu Ini

Periode 12–18 Oktober 2026. Tercatat 32 entri di file state (6 deep, 7 tech, 6 applied, 6 broad, 7 light). Semua nama topik di bawah diambil langsung dari learning_state.json — bukan rekonstruksi ingatan. Satu slot kosong: sesi deep Sabtu 17/10 tidak ada entri (deep terakhir Jumat 22:01, berikutnya Minggu 05:01).

📚 Konsep yang Dipelajari

Deep Learning (fondasi) — 6 topik

d-backprop — Backprop = chain rule yang dijalankan mundur di computational graph. ∂L/∂W = δ·hᵀ, dengan δ = error sinyal terpropagasi. Inti masalahnya bukan derivasi, tapi vanishing/exploding gradient: produk turunan berantai yang <1 berulang jadi ~0, yang >1 jadi tak hingga. Ini alasan arsitektur dalam butuh residual connection, normalisasi, dan inisialisasi khusus.

d-pac-learning — "Bisa dipelajari" punya definisi formal. PAC: dengan probabilitas ≥ 1−δ, error ≤ ε, butuh sampel m ≈ O((1/ε)(ln|H| + ln(1/δ))). Konsekuensi: kapasitas kelas hipotesis menentukan jumlah data yang dibutuhkan. Model besar butuh data banyak bukan karena mode, tapi karena |H|-nya besar. VC dimension adalah versi kontinu untuk kelas tak hingga.

d-halting — Bukti Turing 1936 lewat diagonalisasi: asumsikan H(p,i) ada, konstruksi program D yang berhenti iff H bilang tidak berhenti → kontradiksi. Bukan "belum ada yang pintar", tapi terbukti mustahil untuk kasus umum. Implikasi praktis: tidak ada tool yang bisa memutuskan semua infinite loop; analyzer statis selalu konservatif (false positive atau false negative).

d-tcp-congestion — Dua rezim: slow start (cwnd dobel per RTT) sampai ssthresh, lalu congestion avoidance (AIMD: +1 MSS/RTT, halve saat loss). AIMD adalah kompromi keadilan — additive increase bikin banyak flow konvergen ke porsi setara. BBR beda asumsi: model bandwidth×RTT, tidak reaktif terhadap loss, jadi tidak "ditipu" bufferbloat, tapi bisa agresif terhadap flow loss-based.

d-bayes-derivation — P(H|E) = P(E|H)P(H)/P(E). Yang bikin salah pakai bukan rumusnya, tapi base rate neglect: P(E|H) tinggi tidak berarti P(H|E) tinggi kalau P(H) sangat kecil. Kasus tes medis dengan prevalensi 0,1%: hasil positif tetap mayoritas false positive meski sensitivitas 99%.

d-information-entropy — H(X) = −Σ pᵢ log₂ pᵢ bit. Source coding theorem: panjang rata-rata kode ≥ H, dan Huffman mencapai ≤ H+1. Entropy adalah batas keras kompresi lossless — bukan target optimasi, tapi lantai matematis. Ini yang membuat "kompresi lebih baik lagi" punya plafon yang bisa dihitung.

Technical Exploration — 7 topik

t-db-index — B-tree: O(log n), mendukung range scan dan ordering — dipakai default karena query nyata jarang murni equality. Hash: O(1) tapi hanya equality, tidak bisa ORDER BY/BETWEEN. GIN: inverted index untuk array/JSONB/full-text. GiST: struktur general untuk geometri dan range type. Salah pilih = index tidak dipakai atau write cost naik tanpa manfaat baca.

t-cqrs — Pisahkan model tulis (normalized, konsisten, validasi) dari model baca (denormalized, cepat, banyak bentuk). Event sourcing = log event sebagai source of truth, state = fold dari log. Masuk akal kalau read/write ratio sangat asimetris atau butuh audit trail. Tidak masuk akal untuk CRUD sederhana — harganya eventual consistency + kompleksitas replay/versioning.

t-queue-semantics — At-least-once: pesan bisa dobel. At-most-once: bisa hilang. Exactly-once tidak mungkin lintas batas jaringan tanpa koordinasi transaksional, dan bahkan itu tidak end-to-end (consumer bisa crash setelah commit sebelum efek samping). Solusi nyata: at-least-once + consumer idempotent = "effectively once".

t-k8s-scheduling — requests dipakai scheduler untuk menempatkan pod dan menentukan QoS; limits menentukan throttling (CPU, cgroup quota) atau OOMKill (memory). Kelas QoS: Guaranteed (req=limit), Burstable, BestEffort. Urutan eviction saat node tertekan: BestEffort dulu, Guaranteed terakhir. Pod OOMKilled hampir selalu berarti limit memory, bukan leak.

t-rag-chunking — Chunk terlalu kecil = konteks hilang, embedding ambigu. Terlalu besar = vektor "dilusi" oleh banyak topik, recall turun. Strategi: fixed-size + overlap, recursive (paragraf→kalimat), atau semantic. Tapi kegagalan retrieval sering bukan soal chunking — akar masalah biasanya mismatch antara query dan dokumen (query pendek vs chunk panjang), atau embedding model yang tidak cocok domain.

t-vector-db — HNSW: graph berlapis, layer atas jarang untuk lompatan jauh, layer bawah rapat untuk presisi. Parameter M (koneksi per node) dan efConstruction/efSearch mengatur trade-off recall vs latency vs memori. IVF: cluster dulu (nlist), cari hanya di nprobe cluster terdekat — lebih murah, recall lebih rendah. PQ: kompresi vektor, tukar akurasi dengan memori.

t-css-layout — Flexbox = 1 dimensi (baris ATAU kolom). Grid = 2 dimensi, dengan track eksplisit. float sudah mati untuk layout — satu-satunya kegunaan sah sekarang: text wrap di sekitar gambar. Layout normal flow + formatting context adalah default yang benar; flex/grid dipakai saat butuh distribusi ruang, bukan sebagai pengganti segalanya.

Applied Knowledge — 6 topik

a-sqli — Prepared statement menyelesaikan karena memisahkan kode dari data di level parser, bukan karena escaping. Yang tidak diselesaikan: identifier (nama tabel/kolom) tidak bisa diparameterisasi → wajib allowlist. Second-order injection: data jahat disimpan bersih, lalu dipakai di query yang dibangun string.

a-ssrf — Server dibuat request ke URL yang dikontrol attacker. Target klasik: 169.254.169.254 (metadata cloud). Bypass allowlist umum: DNS rebinding, redirect, IP encoding alternatif (desimal/oktal), IPv6-mapped. Pertahanan: allowlist + resolve DNS dulu lalu validasi IP hasil resolve, blokir link-local/private range, dan IMDSv2 (butuh token+header).

a-jwt — alg: none = token tanpa signature diterima kalau library naif. Algorithm confusion: server verifikasi RS256, attacker kirim HS256 dengan public key sebagai HMAC secret → signature valid. JWT stateless secara desain, jadi tidak bisa direvoke tanpa state tambahan: short TTL + refresh token + denylist/jti untuk kasus darurat.

a-session-fixation — Attacker menanam session ID sebelum korban login; setelah login, ID itu tetap valid dan attacker ikut masuk. Perbaikan: rotasi session ID setiap perubahan privilege (login, elevasi), plus HttpOnly + Secure + SameSite.

a-race-condition — TOCTOU: cek dan pakai bukan operasi atomik. Contoh: cek saldo lalu potong saldo — dua request paralel lolos cek yang sama. Perbaikan berlapis: constraint unik di DB, SELECT ... FOR UPDATE, atomic compare-and-swap, atau optimistic locking dengan version column. Lock di aplikasi saja tidak cukup kalau ada lebih dari satu instance.

a-threat-model — STRIDE: Spoofing, Tampering, Repudiation, Information disclosure, Denial of service, Elevation of privilege. Metodenya: gambar data flow + trust boundary, lalu tanya "apa yang bisa dilanggar di tiap boundary". Dilakukan saat desain, bukan setelah rilis — murah sekarang, mahal nanti.

Broad Exploration — 6 topik

b-exoplanet-detection — Transit: cahaya bintang turun periodik; kedalaman transit memberi rasio radius planet/bintang, periode memberi jarak orbit. Radial velocity: goyangan bintang, memberi m sin i (bukan massa asli — inklinasi tak diketahui). Microlensing: pembelokan cahaya gravitasi, sensitif ke planet bermassa rendah tapi tidak repeatable. Tidak ada metode tunggal yang cukup; ketiganya saling menutup blind spot.

b-neuroplasticity — Otak dewasa plastis, tapi tidak seasal anak-anak. Periode kritis ditutup antara lain oleh pematangan interneuron parvalbumin dan perineuronal nets yang mengunci koneksi. Bukti plastisitas dewasa nyata (reorganisasi kortikal setelah cedera, pembelajaran motorik), tapi klaim populer "otak bisa apa saja kapan saja" melampaui datanya.

b-semiconductor-fab — 3nm sulit karena EUV (13,5 nm) tidak bisa dilewatkan lensa — semua optik cermin, vacuum, sumber plasma timah. Plus multi-patterning, overlay precision skala nanometer, dan defect density. Yield didekati model Poisson Y = e^(−A·D), dengan D defect per cm²: area makin besar, yield jatuh eksponensial. Alasan chip besar mahal bukan cuma bahan, tapi statistik cacat.

b-saas-economics — CAC (biaya akuisisi), LTV = ARPA × gross margin / churn. Aturan praktis: LTV/CAC ≥ 3, payback ≤ 12 bulan. NRR (net revenue retention) >100% adalah tanda terbaik produk benar: pelanggan lama membesar sendiri (upsell − churn) sehingga growth jalan tanpa tambah biaya akuisisi. NRR rendah = mesin bocor, tambah marketing cuma mempercepat kebocoran.

b-privacy-differential — ε-differential privacy: mekanisme acak M memenuhi DP kalau distribusi output pada dataset D dan D′ (beda satu baris) hampir sama, dibatasi e^ε. Laplace mechanism: noise berskala Δf/ε. Komposisi: budget ε terakumulasi per query — 1000 query ber-ε kecil tetap membocorkan. Lokal vs central DP: lokal (noise di klien) lebih aman tapi butuh lebih banyak data.

b-battery-chemistry — Lithium-ion bekerja lewat interkalasi Li⁺ masuk/keluar lattice. Kapasitas menurun karena SEI layer terus tumbuh dan mengonsumsi lithium aktif, plus cracking partikel katoda. Thermal runaway: di atas ~80–150 °C dekomposisi elektrolit eksotermik, berantai jadi kebakaran. LFP lebih stabil dan tahan siklus, NMC lebih padat energi.

Light Learning — 7 topik

l-gps-clock — Relativitas dua arah: jam satelit lebih cepat +45,9 µs/hari (gravitasi lemah di orbit), lebih lambat −7,2 µs/hari (kecepatan). Net +38,6 µs/hari. Karena itu jam satelit di-set melambat saat dibuat. Tanpa koreksi, error posisi membengkak ~10 km/hari.

l-binary-search-bug — mid = (low+high)/2 overflow kalau low+high melebihi batas integer. Bug hidup ~20 tahun di banyak codebase (termasuk Java) sebelum diperbaiki ke low + (high−low)/2. Pelajarannya: bug di algoritma "sederhana" bisa bertahan karena tidak ada yang menguji array raksasa.

l-stuxnet — 2010, menyerang PLC Siemens di fasilitas pengayaan uranium Natanz. Manipulasi kecepatan sentrifugal sambil memutar ulang telemetri normal ke sistem monitoring — operator melihat semuanya baik-baik saja. Empat zero-day, penyebaran lewat USB (air-gap tidak cukup). Preseden: serangan fisik murni software.

l-floating-point — IEEE 754 binary64: 0,1 dan 0,2 tidak punya representasi biner eksak, jadi 0,1+0,2 = 0,30000000000000004. Konsekuensi: jangan bandingkan float dengan ==; urutan penjumlahan mempengaruhi hasil (Kahan summation); uang jangan pakai float.

l-barcode — Guard bar menandai start/stop dan memberi referensi arah baca (bisa dipindai terbalik). Error detection lewat check digit: EAN-13 pakai bobot 1,3 bergantian mod 10; Code 39 pakai mod 43. Quiet zone (margin putih) wajib — tanpa itu scanner tidak bisa menemukan batas simbol.

l-capsaicin — Pedas bukan rasa, tapi nociception: capsaicin mengikat reseptor TRPV1 (yang normalnya mendeteksi panas >43 °C), otak menerima sinyal "panas/nyeri". Burung tidak terpengaruh karena varian TRPV1-nya tidak mengikat capsaicin — adaptasi evolusi yang membuat cabai disebar burung (yang tidak mengunyah biji) bukan mamalia.

l-placebo — Efek plasebo nyata dan terukur, khususnya untuk nyeri: dimediasi opioid endogen (bisa diblokir nalokson). Tapi besar efeknya mengecil saat kontrolnya bagus — banyak "efek plasebo" di studi lama sebenarnya regresi ke mean atau natural history penyakit. Open-label placebo masih menunjukkan efek kecil, yang membingungkan dan belum sepenuhnya dijelaskan.

🛠 Keterampilan yang Dilatih

• Membaca batas keras sistem: entropy (batas kompresi), halting (batas komputasi), PAC (batas generalisasi), exactly-once (batas konsistensi terdistribusi). Pola yang sama, domain beda.
• Memilih berdasarkan access pattern, bukan benchmark: B-tree vs hash vs GIN; HNSW vs IVF; flexbox vs grid.
• Berpikir adversarial saat desain: STRIDE, TOCTOU, SSRF, session fixation — semuanya lebih murah dicegah di diagram daripada di produksi.
• Menghitung biaya tersembunyi: QoS/eviction di k8s, write cost index, akumulasi privacy budget, NRR sebagai indikator kesehatan mesin bisnis.
• Membedakan mekanisme dari mitos: JWT "stateless" bukan berarti tanpa harga; plastisitas otak dewasa nyata tapi terbatas; deteksi exoplanet butuh tiga metode karena tiap metode punya bias sistematis.

🕳 Celah Pengetahuan

Berdasarkan topik yang masih terbuka di pool dan keterkaitannya dengan yang sudah dipelajari:

1. CAP theorem + Raft — sudah belajar consistent hashing, queue semantics, CQRS, tapi belum ada konsensus. Thread terdistribusi ini terputus di tengah.
2. t-tx-isolation — race condition dibahas di level aplikasi, tapi anomaly DB (dirty read, phantom, write skew) belum. Ini lapisan yang sama, beda tempat.
3. t-idempotency — "exactly-once = ilusi" sudah dipahami, tapi resep praktisnya (idempotency key, dedup store) belum.
4. d-attention — backprop sudah, transformer belum. RAG + vector DB sudah, tapi mekanisme model yang dipakai belum.
5. d-eigen — HNSW, PCA, spectral, PageRank semuanya berdiri di atas eigenvalue. Belum disentuh.
6. a-xss, a-idor, a-csrf — klaster OWASP/auth baru 4 dari 8. Auth dibahas tanpa CSRF; akses kontrol belum sama sekali.
7. d-amortized/d-gc-algorithms — biaya rata-rata vs biaya terburuk belum dibedakan formal; ini yang bikin analisis performa sering salah.
8. Sisi manusia dari sains — b-scientific-method dan l-scurvy belum: bagaimana sains belajar dari kesalahannya sendiri.

Catatan: Sabtu 17/10 tidak ada entri deep. Bukan celah konsep, tapi celah ritme — satu slot fondasi hilang minggu ini.

🔗 Koneksi Antar Bidang

1. Entropy → barcode → floating point → Morse Entropy Shannon menetapkan lantai kompresi. Barcode memakai redundansi terkontrol (check digit) untuk melawan noise — kebalikan dari kompresi, tapi prinsipnya sama: informasi dan redundansi adalah dua sisi mata uang yang sama. Floating point menunjukkan batas presisi representasi (entropy dari mantissa terbatas). Morse (belum dipelajari) adalah Huffman sebelum Huffman ada — kode pendek untuk huruf sering. Empat topik, satu hukum.

2. Bayes → placebo → differential privacy → PAC Bayes: keyakinan harus di-update oleh bukti, dan prior sangat menentukan. Placebo: keyakinan (ekspektasi) benar-benar mengubah output fisiologis — prior mengubah data, bukan cuma sebaliknya. Differential privacy: noise ditambahkan supaya inferensi Bayes dari output tidak bisa menyimpulkan individu — menyerang justru lewat kerangka Bayes. PAC: seberapa banyak bukti (sampel) yang dibutuhkan sebelum keyakinan boleh diklaim benar. Satu tema: inferensi selalu bergantung pada asumsi awal, dan asumsi itu bisa diukur.

3. Queue semantics → TCP congestion → CQRS → k8s scheduling TCP retransmit = at-least-once delivery di level paket; idempotensi di level aplikasi yang menyelamatkan. Queue semantics mengangkat masalah yang sama ke level pesan. CQRS menambahkan dimensi: model baca boleh eventual karena model tulis yang jadi otoritas. K8s scheduling menambahkan dimensi lagi: bukan hanya "apakah pesan sampai" tapi "di mana ia dijalankan dan apa yang terjadi saat node mati". Semua jawaban akhirnya sama: tidak ada exactly-once, hanya kompensasi dan idempotensi.

4. Cache hierarchy → vector DB → RAG chunking Cache hierarchy: locality menentukan performa — data dekat lebih murah diakses. HNSW: graph berlapis adalah cache hierarchy untuk ruang vektor — layer atas = "L1" untuk lompatan jauh, layer bawah = presisi. RAG chunking: chunk adalah unit locality untuk retrieval; chunk terlalu besar = cache miss semantik, terlalu kecil = context miss. Tiga skala berbeda (hardware, index, dokumen), satu prinsip: akses berhasil kalau unit data cocok dengan pola aksesnya.

5. Battery chemistry → thermodynamics of life → semiconductor fab Baterai: kapasitas hilang karena entropi menang (SEI tumbuh, lithium terkunci). Kehidupan: sistem yang mempertahankan entropi rendah lokal dengan membuang entropi ke lingkungan (topik pool b-thermodynamics-life). Fab: yield jatuh eksponensial terhadap area karena cacat acak — statistik entropik yang sama, diukur sebagai defect density. Tiga domain, satu kerangka: keteraturan selalu dibayar, dan biayanya bisa dihitung.

6. Halting → PAC → neuroplasticity Halting: ada batas komputasi yang terbukti. PAC: ada batas pembelajaran yang bisa dihitung (sample complexity). Neuroplasticity: otak punya batas plastisitas yang ditutup secara biologis (perineuronal nets). Tiga "tidak bisa" dengan tingkat kepastian berbeda: mustahil (halting), mahal terukur (PAC), dan terbatas tapi bisa diakali sebagian (neuroplasticity).

7. JWT → session fixation → race condition → threat model JWT stateless tidak bisa direvoke; session fixation adalah serangan terhadap identitas sesi yang tidak dirotasi; race condition adalah serangan terhadap jendela waktu antara cek dan pakai. Ketiganya gagal di titik transisi state (login, elevasi, commit). Threat modeling STRIDE adalah alat untuk menemukan titik-titik itu sebelum attacker menemukannya.

8. SaaS economics → queue semantics NRR adalah versi bisnis dari "at-least-once dengan idempotensi": pelanggan lama yang retry (renewal) harus menghasilkan efek yang sama, bukan dobel atau hilang. Churn = pesan hilang. Upsell = pesan dobel yang menguntungkan. Yang membuat mesin sehat bukan volume, tapi konsistensi semantik di setiap transaksi.

🎯 Rekomendasi Minggu Depan

Urutan ini dipilih berdasarkan dependensi — tiap topik membuka topik berikutnya, bukan acak.

1. d-cap-theorem — Tutup thread terdistribusi. Prasyarat untuk Raft, dan menjelaskan mengapa CQRS + queue semantics punya harga yang sudah kamu lihat minggu ini.
2. d-raft — Konsensus konkret: leader election, log replication, commit index. Ini "mesin" di balik sistem yang kamu pakai tiap hari.
3. t-idempotency — Resep praktis untuk masalah yang sudah kamu pahami secara teori: idempotency key, dedup store, retry-safe API.
4. t-tx-isolation — Race condition di lapisan DB: dirty read, non-repeatable read, phantom, write skew. Lengkapi gambar TOCTOU yang sudah ada.
5. d-attention — Jembatan dari backprop ke transformer. Tanpa ini, RAG dan vector DB dipahami sebagai black box.
6. d-eigen — Fondasi matematis HNSW, PCA, spectral clustering. Satu topik, banyak payoff.
7. b-thermodynamics-life — Sambungkan entropy (sudah) + battery chemistry (sudah) jadi kerangka tunggal: kehidupan sebagai proses pengurai entropi.
8. l-morse — Penutup ringan untuk thread informasi: Huffman sebelum Huffman. Murah, dan mengunci pemahaman entropy.

Kalau waktu terbatas, prioritaskan 1, 3, 5 — tiga celah yang paling sering muncul ulang di topik lain.

❓ Satu Pertanyaan Retrospektif

Minggu ini kamu belajar dua batas yang tidak bisa dilanggar: entropy menetapkan lantai kompresi, dan exactly-once tidak ada di sistem terdistribusi. Dua-duanya bukan bug yang menunggu diperbaiki — keduanya hukum yang cuma bisa dikelola.

Batas mana dalam pekerjaanmu yang masih kamu perlakukan sebagai bug — sesuatu yang kamu lawan terus-menerus — padahal sebenarnya itu hukum yang harus kamu desain sekitarnya?