Belajar Scala - Ekosistem, Alternatif & Refleksi Akhir

#Pendahuluan

Selamat — kalian sudah sampai di episode terakhir series Belajar Scala! 22 episode, dari pre-requisites di episode 0 hingga performance tuning di episode 21. Episode penutup ini bukan sekadar ucapan selamat tinggal; ia adalah peta yang menempatkan Scala dalam ekosistem yang lebih luas dan merangkum apa yang harus kalian bawa ke dunia nyata.

Mengapa perbandingan ini penting? Karena di industri, pilihan bahasa adalah keputusan arsitektur. Memahami posisi Scala relatif terhadap Kotlin, Java, Haskell, dan Clojure membuat kalian — dan tim kalian — memilih alat yang tepat untuk masalah yang tepat.

#Perbandingan Bahasa JVM dan FP

#Scala vs Kotlin

Keduanya modern di JVM, tetapi dengan prioritas berbeda:

• Kotlin lebih pragmatis: kurva belajar landai, null-safety bawaan, tooling diarahkan Android dan backend pragmatic. Komunitas lebih besar.
• Scala lebih dalam: type system lebih ekspresif (ADT, given/using, opaque type), ekosistem FP matang (cats-effect, ZIO, http4s), dan dominan di big data (Spark).

trait Show[A]:
  def show(a: A): String
 
given Show[Int] with
  def show(a: Int): String = a.toString
 
def printAll[A](xs: List[A])(using s: Show[A]): String =
  xs.map(s.show).mkString(", ")
 
println(printAll(List(1, 2, 3)))   // "1, 2, 3"

Pola ini (typeclass, given/using) adalah yang membuat Scala disukai untuk domain complex — dan tidak tersedia senyata ini di Kotlin.

#Scala vs Java

Java kini juga menambah fitur FP (stream, records, pattern matching), tetapi dua dunia tetap berbeda: Java mengutamakan stabilitas dan mainstream, Scala menawarkan ekspresivitas tipe dan paradigma ganda dalam satu bahasa. Untuk perusahaan dengan banyak developer Java, Scala sering jadi lompatan pertama yang "masih di rumah".

#Scala vs Haskell dan Clojure

• Haskell murni functional dan lazy — correctness ekstrem, tetapi kurva belajar sangat curam dan tidak di JVM.
• Clojure adalah Lisp di JVM — dinamis, data-oriented, namun tanpa type system statis yang dimiliki Scala.

Scala menempati sweet spot: type system statis yang kuat + JVM + FP. Tidak ada bahasa lain di posisi persis ini.

#Kapan Memilih Bahasa Mana

Panduan praktisnya:

• Big data / data engineering → Scala (bahasa utama Spark).
• Backend FP type-safe di JVM → Scala.
• Android & JVM pragmatic → Kotlin.
• Enterprise mainstream / skill Java luas → Java.
• FP murni ketat tanpa JVM → Haskell.
• Lisp / data dinamis di JVM → Clojure.

#Rekap Episode 0-21

Perjalanan kalian, dalam satu genggaman:

• Fase 1 (ep 0-2): environment JDK 17+ & Scala 3.8.4, sejarah & filosofi "scalable", arsitektur JVM/TASTy.
• Fase 2 (ep 3-8): instalasi & Hello World, val/var/def, type system, collections, pattern matching & ADT, class/trait/object.
• Fase 3 (ep 9-15): sbt & build tooling, testing MUnit, effect system, concurrency & fiber, http4s/Tapir, Spark/Kafka, database.
• Fase 4 (ep 16-19): error handling & validation, keamanan & best practice, interop Java, property-based testing & testcontainers.
• Fase 5 (ep 20-21): Scala 3.8 & fitur terbaru, performance & profiling.

#Checklist Production

Ketika kalian memulai project Scala sungguhan, gunakan checklist ini:

• Environment: JDK 17+ (3.8.x) atau JDK 8 (LTS 3.3.x); versi scala/scalac konsisten.
• Build: sbt atau Scala CLI setup rapi; scalaVersion eksplisit; dependency dengan %% benar.
• Gaya: val > var, immutable default, Option tanpa null, domain error sebagai ADT.
• Testing: MUnit + ScalaCheck; property test untuk hukum; testcontainers untuk integrasi.
• Effect: I/O dibungkus effect system; Resource/Scope untuk cleanup; structured concurrency.
• Observability: logging terstruktur, metrics, dan tracing sejak awal (bukan setelah insiden).
• CI/CD: build, test, lint, dan dependency audit (sbt-updates + dependencyCheck) otomatis.
• Keamanan: secret via environment, validasi di boundary, parameterized query.

#Sumber Belajar Resmi

Untuk melanjutkan perjalanan:

• scala-lang.org — download (3.8.4 / 3.3.8), blog rilis, news.
• docs.scala-lang.org — Getting Started, Scala 3 Book, Migration Guide.
• index.scala-lang.org — pencarian library.
• scastie.scala-lang.org — playground online tanpa install.
• Metals & sbt docs — tooling harian kalian.
• Series lanjutan yang saling melengkapi: Belajar Java/Kotlin (ekosistem JVM), Belajar Haskell (FP murni), Belajar Apache Spark/Kafka (big data).

#Penutup

Inilah inti terakhir series ini:

• Scala mengisi posisi unik: type system kuat + JVM + OOP dan FP sekaligus.
• Pilih bahasa berdasar kebutuhan: Scala untuk FP di JVM dan big data, Kotlin untuk pragmatis, Java untuk mainstream, Haskell untuk FP murni.
• Dasar yang kalian bangun di 22 episode — dari val hingga fiber, dari MUnit hingga JMH — adalah fondasi yang lengkap untuk kerja nyata.
• Checklist production adalah peta kalian: environment, testing, effect, observability, dan keamanan.

Selamat menyelesaikan Belajar Scala! Kalian sekarang memiliki pijakan yang kokoh: bukan sekadar bisa menulis sintaks, tetapi memahami mengapa setiap keputusan desain ada. Teruslah menulis kode, ukur yang kalian bangun, dan jangan ragu membuka kembali episode mana pun saat menemui masalah. Sampai jumpa di series berikutnya — tetap semangat!