# Cara kami mengukur

Canonical source: https://maguyva.ai/id/methodology

License: text under [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/); code samples under [MIT-0](https://opensource.org/license/mit-0); the Maguyva name, logos, brand assets and other code are not covered. Details: [maguyva.ai/license](https://maguyva.ai/license).

Halaman ini menjelaskan dasar klaim kualitas dan biaya Maguyva. Isinya hanya fakta: apa yang kami ukur, bagaimana kami menilainya, dan apa yang tidak kami klaim telah diaudit.

Terakhir diperbarui: 2026-10. Jumlah terkini dihasilkan ulang dari data sumber; halaman ini menjelaskan model pengukurannya. Catatan bukti yang ditautkan membedakan aturan fixture yang telah diterapkan dari target pencarian historis yang belum terverifikasi.

- Pemeriksaan kelulusan kasus uji
- Dimensi audit bahasa
- Transparansi biaya

> Ini adalah terjemahan berbantuan AI yang disediakan untuk kenyamanan Anda. Versi resmi berbahasa Inggris adalah satu-satunya yang mengikat secara hukum — setiap perjanjian yang Anda setujui saat mendaftar tunduk pada teks berbahasa Inggris. [Baca versi resmi berbahasa Inggris](https://maguyva.ai/methodology)

**tl;dr**: Pelaporan kualitas menggunakan klasifikasi fixture dan papan audit bahasa multidimensi. Status GREEN pada fixture yang diketahui bukanlah ekstraksi benar yang telah diverifikasi secara independen, ataupun jaminan bahwa setiap bahasa yang diaktifkan memenuhi ambang tersebut. Klaim biaya berupa perhitungan harga workspace dan transparansi biaya operasional publik, bukan audit persaingan pihak ketiga.

## 1. Mengapa Halaman Ini Ada

Pembeli yang skeptis tidak seharusnya perlu melakukan reverse-engineering pada teks pemasaran. Maguyva mengindeks repositori dan menampilkan klaim presisi, cakupan bahasa, dan biaya di seluruh situs. Klaim tersebut membutuhkan penjelasan metodologi yang jujur soal cakupan pengukuran: apa yang didukung kasus uji, apa yang didukung hasil penilaian, dan apa yang sekadar cara penyajian, bukan sertifikasi independen.

## 2. Apa yang Kami Ukur

Kualitas kecerdasan kode terutama diukur pada language engine — ekstraksi simbol, relasi, dan graf dari kode sumber — bukan pada skor “kepuasan agen” yang subjektif.

- Rangkaian kasus uji per bahasa: sisi graf dan simbol yang harus diekstrak dengan benar oleh handler
- Klasifikasi akurasi fixture: GREEN mensyaratkan presisi ≥ 0.95, recall ≥ 0.99, F1 ≥ 0.97, dan setidaknya 20 edge yang diharapkan, dengan pemeriksaan tambahan atas kurasi fixture. Ini adalah aturan untuk kasus uji yang diketahui, bukan estimasi keyakinan statistik atau pernyataan bahwa setiap bahasa yang diaktifkan berstatus GREEN.
- Dimensi audit bahasa: akurasi, integritas struktural, kelengkapan, kualitas, dan performa pada papan validasi
- Siklus pemeriksaan korpus dan sampel: sampel sisi graf dari repositori nyata diklasifikasikan berdasarkan rubrik (benar, false positive, kesalahan tipe/cakupan/metadata) — dijelaskan di postingan blog kami tentang peningkatan kualitas bahasa secara berulang
- Penanda kapabilitas produk: apa yang ditawarkan server (AST, analisis lingkup lokal, ekstraksi graf), terpisah dari ukuran katalog

**Penting:** Kasus uji memvalidasi contoh yang kami tulis sendiri. HIJAU berarti kasus yang sudah dikenal lolos. Ini tidak otomatis berarti setiap idiom dunia nyata terekstrak dengan benar. Perbedaan ini disengaja dan diumumkan secara terbuka.

## 3. Hijau vs Terverifikasi Secara Independen

Papan audit bahasa menggunakan beberapa dimensi sehingga satu lampu hijau tidak bisa dibaca sebagai “terbukti sempurna”. Angka utama pada papan biasanya terbagi menjadi:

- overall_green — bebas regresi terhadap kasus uji snapshot sendiri dan pemeriksaan korpus terkait (perlu, tapi tidak cukup)
- independently_verified — memiliki sinyal penilaian yang kuat seperti sampel awal pemeriksaan (termasuk bahasa yang masih menunjukkan kesalahan dalam penilaian)
- verified_clean / nol kesalahan hasil penilaian pada sampel sisi graf — subset bahasa yang dinilai dengan syarat lebih ketat
- kurasi / kepercayaan pada acuan — apakah kasus uji itu sendiri diperlakukan sebagai acuan tepercaya
- flag struktural — ekstraksi graf dan kapabilitas AST tidak identik dengan keanggotaan katalog

Jumlah bahasa dalam pemasaran (misalnya “285+ bahasa”) adalah ukuran katalog: bahasa yang dikonfigurasi dan entri server. Ukuran katalog bukan SLA kualitas AST. Utamakan pelaporan bertingkat daripada satu angka besar yang mentereng. Untuk halaman produk terkini, lihat Kompatibilitas dan Panduan Bahasa; untuk penjelasan lebih lanjut, lihat postingan perbaikan diri rekursif bahasa di blog.

## 4. Kualitas Pencarian dan Pengambilan

Kualitas semantic search bersifat multi-modal: teks, AST, graf, dan embedding digabungkan. Kami mendokumentasikan trade-off rekayasa yang disengaja, bukan mengklaim retrieval yang tak terkalahkan:

- Embedding menggunakan keluarga model komersial (voyage-4-large per snapshot blog Juni 2026), dipilih berdasarkan leaderboard retrieval publik pada saat keputusan diambil
- Vektor dikuantisasi biner untuk penyimpanan dan biaya; ini secara sengaja menukar sebagian presisi retrieval demi pencarian Hamming yang lebih murah dan cepat tanpa database vektor terpisah
- Perutean intent dan bobot fusion merupakan heuristik hasil rekayasa. Proposal Desember 2025 memperkirakan tingkat tanpa hasil awal sekitar 15% dan menetapkan target di bawah 5%; kami belum menyediakan kumpulan kueri atau catatan pengukuran yang membuktikan penurunan tersebut. Catatan bukti mengoreksi klaim sebelumnya bahwa perbaikan itu telah tercapai.
- Postingan blog menyertakan bagian “apa yang masih belum sempurna” — sinyal yang belum sempurna adalah bagian dari catatan, bukan catatan kaki yang disembunyikan

## 5. Klaim Biaya

Bahasa biaya pada Maguyva berkaitan dengan struktur harga dan transparansi operasional, bukan studi TCO formal yang disertifikasi pihak ketiga.

- Harga workspace: ditagih berdasarkan repositori, baris terindeks, dan frekuensi rebuild — bukan per pengguna manusia atau agen. FAQ dan teks paket menjabarkan dimensi-dimensi ini.
- Contoh harga membandingkan 25 pengguna berbayar dengan harga ilustratif $19–$59 per pengguna dengan Crew seharga $49/bulan. Penghematan bervariasi menurut ukuran tim dan produk alternatif; ini bukan perbandingan fitur yang setara atau tolok ukur kompetitif independen.
- Kejujuran biaya operasional: halaman /team mempublikasikan rincian pengeluaran perangkat lunak bulanan yang nyata (langganan, tooling MCP/search, biaya yang mengikuti penggunaan). Ini adalah transparansi customer-zero, bukan laporan keuangan yang diaudit.
- Biaya embedding dan infrastruktur adalah biaya produk yang diterima (embedding premium, penyimpanan, rebuild graf). Kami membayarnya dengan sengaja dan mengatakannya secara terbuka di postingan voyage-4-large dan narasi harga.

## 6. Apa yang Tidak Kami Klaim

Halaman ini juga merupakan daftar hal yang tidak diklaim. Jika sesuatu tidak ada di papan pengukuran, jangan perlakukan nada pemasaran sebagai bukti.

- Tidak ada jaminan presisi absolut menyeluruh untuk setiap bahasa. Ambang batas kasus uji berlaku per bahasa pada kasus yang diketahui; kesalahan dunia nyata yang tersisa memang diperkirakan dan ditangani dalam proses peningkatan kualitas.
- Tidak ada klaim bahwa overall_green sama dengan ekstraksi sempurna tingkat produksi untuk setiap idiom di setiap repositori
- Tidak ada paket sertifikasi kepatuhan pihak ketiga yang diklaim sebagai artefak metodologi di halaman ini (lihat Keamanan untuk fakta penanganan data, bukan lencana kepatuhan)
- Tidak ada perbandingan independen lintas vendor dengan korpus bersama yang dipublikasikan sebagai laporan penilaian tetap
- Kami tetap mengupayakan hasil pencarian dan analisis sebaik mungkin tanpa jaminan, sesuai Ketentuan Layanan — Maguyva bukan pengganti code review, pengujian, atau audit keamanan

## 7. Cara Memverifikasi Sendiri

Alur pembeli yang dimaksudkan tetap: indeks repositori yang sudah Anda pahami, ajukan satu pertanyaan nyata, dan periksa sitasinya.

- Mulai gratis: repositori kecil yang representatif lebih unggul daripada indeks seluruh perusahaan pada hari pertama
- Gunakan alat MCP (intelligent_search, find_symbol, dependency_search) dan buka jalur yang disitasi
- Baca Cara Kerja untuk arsitektur ingestion dan retrieval
- Baca Kompatibilitas dan Panduan Bahasa untuk tingkatan kapabilitas, bukan hanya ukuran katalog
- Baca Keamanan dan Privasi untuk penanganan data; halaman ini tidak menggantikannya

- [Bukti dan koreksi kualitas pencarian (bahasa Inggris)](https://maguyva.ai/evidence/search-quality.md)
- [Bukti kualitas pencarian (JSON, bahasa Inggris)](https://maguyva.ai/evidence/search-quality.json)
- [Cara Kerjanya](https://maguyva.ai/id/docs/how-it-works)
- [Kompatibilitas](https://maguyva.ai/id/docs/compatibility)
- [Harga](https://maguyva.ai/id/pricing)
- [Tim](https://maguyva.ai/id/team)
- [Keamanan](https://maguyva.ai/id/security)
- [Privasi](https://maguyva.ai/id/privacy)
- [Status](https://maguyva.ai/id/status)
- [Peningkatan Mandiri Rekursif untuk Dukungan Bahasa: Menyempurnakan Kecerdasan Kode di ~280 Bahasa](https://maguyva.ai/id/blog/autonomous-quality-loops-language-grind)
- [Mengapa Kami Meningkatkan Pencarian Kode ke voyage-4-large](https://maguyva.ai/id/blog/upgrading-code-search-to-voyage-4-large)

Pertanyaan tentang cakupan pengukuran atau klaim yang terlihat tidak berdasar: [support@maguyva.ai](mailto:support@maguyva.ai)