Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Halo, selamat datang kembali. Bot Telegram dan alur ulasan Kopi Senja sudah berjalan. Pertanyaan berikutnya pasti datang dari Laras: biayanya berapa? Di episode ini kita menghitung biaya dari token, mencatat pemakaian nyata, lalu belajar lima cara menghemat dan memasang pagar biaya.
Langkah 1: Apa saja yang dihitung
Setiap kali bot menjawab, apa saja yang dikirim ke Claude? Pertama, instruksi sistem. Instruksi ini dikirim setiap kali, walaupun isinya tidak berubah. Kedua, isi file info toko: daftar produk, harga, jam buka, dan ongkir. Bot butuh data ini untuk menjawab dengan benar. Ketiga, riwayat percakapan, supaya bot ingat pertanyaan sebelumnya. Makin panjang obrolan, makin banyak token yang ikut terkirim. Keempat, pertanyaan pelanggan itu sendiri. Lucunya, bagian ini biasanya justru yang paling pendek. Kelima, jawaban Claude. Empat bagian pertama dihitung sebagai token masuk, sedangkan jawaban dihitung sebagai token keluar dengan tarif yang berbeda. Jadi kalau ingin berhemat, jangan hanya meminta pelanggan bertanya singkat. Bagian yang kita kirim sendiri setiap kali justru jauh lebih besar dan lebih mudah dikendalikan. Raka memakai skrip uji dari awal sesi untuk mengukur satu pertanyaan. Hasilnya, sekitar seribu seratus lima puluh token masuk. Jawabannya hanya sekitar delapan puluh token keluar, karena instruksi membatasi jawaban tiga kalimat. Dan sekitar sembilan puluh tiga persen token masuk adalah bagian yang dikirim berulang: instruksi dan data toko. Inilah sasaran utama penghematan nanti. Angka Anda tentu berbeda, jadi ukur sendiri.
Langkah 2: Menghitung dengan angka contoh
Mari berhitung. Penting: tarif di tabel ini adalah angka contoh yang sengaja dibulatkan, bukan harga resmi. Anggap token masuk bertarif dua puluh rupiah per seribu token. Seribu seratus lima puluh token berarti sekitar dua puluh tiga rupiah. Anggap token keluar lebih mahal, seratus rupiah per seribu token. Delapan puluh token berarti delapan rupiah. Perhatikan, walaupun tarifnya lebih mahal, biayanya kecil karena jawabannya pendek. Totalnya sekitar tiga puluh satu rupiah per pertanyaan. Rumusnya selalu sama: token masuk dikali tarif masuk, ditambah token keluar dikali tarif keluar. Tarif resmi biasanya ditulis per satu juta token, dalam dolar, dan berbeda untuk setiap model. Ambil angkanya dari halaman harga Anthropic, lalu masukkan ke rumus yang sama. Sekarang simulasi sebulan. Anggap bot menerima seratus pertanyaan per hari. Seratus kali tiga puluh satu rupiah berarti sekitar tiga ribu seratus rupiah per hari. Dikali tiga puluh hari, sekitar sembilan puluh tiga ribu rupiah per bulan, masih dengan angka contoh. Angka ini perlu dibandingkan dengan manfaatnya. Kalau bot menghemat satu jam kerja Dimas setiap hari, Laras bisa menilai sendiri apakah layak. Yang penting, keputusannya berdasarkan hitungan, bukan tebakan. Jangan lupa alur ulasan di n8n. Hitungannya sama: berapa ulasan per hari, berapa token per ulasan. Karena ulasan jauh lebih jarang daripada pertanyaan, biayanya biasanya jauh lebih kecil daripada bot.
Langkah 3: Catat pemakaian nyata
Perkiraan perlu dicocokkan dengan kenyataan. Raka meminta Claude Code mencatat pemakaian setiap jawaban ke file log. Perhatikan kalimat terakhirnya: jangan simpan isi pesan pelanggan. Claude Code membaca file bot lebih dulu. Perubahannya hanya tiga baris hijau. Ternyata setiap jawaban API sudah membawa angka pemakaian token, jadi bot tinggal mencatatnya. Raka membaca perubahan, lalu menyetujui. Claude Code menegaskan bahwa yang dicatat hanya angka dan waktu. Privasi pelanggan tetap terjaga, dan log tetap berguna. Setelah tiga hari, Raka membuka lognya di Google Sheets. Hari pertama, delapan puluh enam pertanyaan. Kolom biaya memakai rumus dengan tarif angka contoh tadi. Hari kedua, seratus dua belas pertanyaan. Hari ketiga melonjak menjadi seratus empat puluh tiga, dan token masuknya naik lebih cepat. Rupanya ada pelanggan yang mengobrol panjang, sehingga riwayat percakapan ikut membengkak. Rata-ratanya sekitar seribu dua ratus delapan puluh token masuk per pertanyaan, sedikit di atas perkiraan. Inilah gunanya mencatat: angka nyata sering berbeda dari hitungan awal. Cocokkan juga dengan laporan pemakaian di console Anthropic.
Langkah 4: Lima cara menghemat
Sekarang lima cara menghemat. Pertama, pilih model sesuai tugas. Menjawab jam buka tidak butuh model terbesar. Bandingkan tarif tiap model di halaman harga, lalu uji apakah model yang lebih ringan sudah cukup. Kedua, ringkas bagian yang dikirim berulang. Instruksi yang padat dan data toko tanpa kalimat basa-basi bisa memangkas ratusan token di setiap pertanyaan. Ketiga, batasi panjang jawaban dengan batas token dan permintaan jawaban singkat. Keempat, batasi riwayat. Bot tidak perlu mengirim seluruh obrolan sejak pagi; beberapa pesan terakhir biasanya cukup. Kelima, pakai fitur hemat resmi, misalnya prompt caching, yaitu fitur yang menyimpan sementara bagian prompt yang selalu sama agar lebih murah saat dikirim ulang. Syarat dan besar potongannya cek di dokumentasi resmi. Raka menerapkan dua cara sekaligus: membatasi riwayat menjadi enam pesan terakhir, dan mengaktifkan prompt caching sesuai dokumentasi. Ia juga meminta uji ulang. Claude Code mengubah file bot sesuai permintaan. Lalu ia menjalankan sepuluh pertanyaan uji yang disimpan sejak episode bot. Semuanya masih sesuai harapan. Ini kunci menghemat: mutu harus tetap. Penghematan yang membuat bot salah menjawab justru lebih mahal, karena pelanggan kecewa dan Dimas harus meluruskan. Seminggu kemudian, Raka membandingkan log. Bedanya ada di riwayat: sebelumnya seluruh obrolan ikut terkirim, sekarang hanya enam pesan terakhir. Dengan tarif angka contoh yang sama, biaya per pertanyaan turun dari sekitar tiga puluh empat rupiah menjadi sekitar dua puluh lima rupiah. Kalau rata-rata seratus empat belas pertanyaan per hari, perkiraan sebulan turun dari sekitar seratus lima belas ribu menjadi delapan puluh enam ribu rupiah. Hemat kira-kira seperempat, tanpa mengorbankan mutu jawaban. Angka hemat Anda pasti berbeda, tergantung model, tarif terbaru, dan pola obrolan pelanggan. Yang perlu ditiru adalah caranya: ubah satu hal, ukur dari log, bandingkan, lalu putuskan.
Langkah 5: Pasang pagar biaya
Terakhir, pasang pagar biaya. Pertama, batas pengeluaran bulanan di console Anthropic. Letak menunya bisa berubah, jadi ikuti dokumentasi resmi. Kedua, peringatan otomatis saat pemakaian mendekati batas, supaya Anda tahu sebelum terlambat. Ketiga, batas pesan per pengguna per hari di bot. Satu orang iseng yang mengirim ribuan pesan bisa menghabiskan anggaran dalam semalam. Keempat, cek log token setiap minggu. Lonjakan mendadak adalah tanda ada yang perlu diperiksa. Kelima, siapkan pesan cadangan. Bila batas tercapai, bot tidak diam, tetapi sopan mengarahkan pelanggan ke Dimas. Untuk usaha Anda, tulis kelima pagar ini di satu catatan, lengkap dengan angka batasnya dan siapa yang mengecek log setiap minggu. Pagar yang tidak ada pemiliknya biasanya dilupakan.
Selesai!
Kita sudah menghitung biaya dari token dengan angka contoh, mencatat pemakaian nyata tanpa menyimpan isi pesan, menerapkan cara hemat sambil menjaga mutu, dan memasang pagar biaya. Tarif asli selalu dari halaman harga resmi Anthropic. Pagar biaya baru separuh cerita. Di episode berikutnya kita membahas keamanan: prompt injection, yaitu pesan yang mencoba membajak bot, dan cara membatasi agent. Sampai jumpa!
Latihan mandiri
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Perkirakan biaya bulanan satu ide bot Anda dengan tarif terbaru dari halaman harga resmi
Minta Claude Code menambahkan pencatatan token harian ke bot Anda
Terapkan satu cara hemat, lalu bandingkan token sebelum dan sesudahnya
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
