JBNews.id — Bahasa pemrograman Julia, yang dirancang untuk menyatukan kemudahan Python dengan kecepatan C, gagal menggantikan Python sebagai bahasa dominan di dunia komputasi ilmiah dan tetap bertahan sebagai bahasa niche yang sukses di lingkup spesifik.
Julia lahir dari ambisi besar: memecahkan apa yang disebut sebagai two-language problem dalam komputasi ilmiah. Selama bertahun-tahun, para peneliti dan ilmuwan data harus bekerja dalam dua bahasa berbeda. Mereka melakukan prototyping dengan Python yang lambat namun ramah pengguna, lalu menulis ulang bagian kritis yang membutuhkan performa tinggi dalam bahasa yang lebih cepat seperti C++ atau Rust. Julia dirancang untuk menjadi satu bahasa yang bisa melakukan keduanya sekaligus.
Konsep ini bukan tanpa preseden. Kenneth Iverson, dalam kuliah Turing Award-nya tahun 1979 berjudul “Notation as a Tool of Thought,” menunjukkan bahwa notasi matematika bukan sekadar singkatan yang memudahkan penulisan. Seperti yang dikatakan matematikawan Alfred North Whitehead: “Dengan membebaskan otak dari semua pekerjaan yang tidak perlu, notasi yang baik membebaskannya untuk berkonsentrasi pada masalah yang lebih maju.” Iverson memenangkan Turing Award untuk APL, bahasa pemrograman yang dirancang agar operasi rumit bisa ditulis serumus persamaan matematika.
Julia mengambil semangat yang sama. Bahasa ini lahir dari observasi mendalam terhadap kegagalan dan keberhasilan bahasa-bahasa sebelumnya. Para penciptanya mengumpulkan ide-ide cemerlang dari berbagai bahasa yang sudah ada, menunjukkan bahwa observasi yang cermat harus dilakukan sebelum memulai usaha sebesar menciptakan bahasa pemrograman baru. Mereka menginginkan bahasa yang open source dengan lisensi liberal, mudah dipelajari, namun tetap memuaskan para hacker paling serius.
Mengapa Julia Tidak Menggantikan Python?
Meskipun ambisius, Julia tidak pernah muncul di puncak survei tahunan Stack Overflow tentang bahasa pemrograman paling populer. Python tetap dominan, dan Julia tidak mendekati posisinya. Setidaknya ada tiga alasan utama mengapa hal ini terjadi.
Pertama, bahasa pemrograman hanya sebaik ekosistem dan perangkat pendukungnya. Python memiliki ekosistem yang terlalu kuat untuk digeser. Ribuan library, kerangka kerja, dan sumber daya pembelajaran telah dibangun selama bertahun-tahun. Komunitasnya sangat besar dan aktif. Julia, meskipun unggul dalam performa, tidak bisa menyaingi kekayaan ekosistem Python.
Kedua, Julia tidak diadopsi oleh perusahaan teknologi besar. Dalam sejarah, bahasa minoritas bisa naik daun berkat dukungan korporat semacam ini. Objective-C diangkat oleh Apple untuk pengembangan iOS. Kotlin diadopsi Google untuk pengembangan Android. Tanpa dukungan serupa, Julia kesulitan mendapatkan daya tarik massal.
Ketiga, dan ini yang paling penting: tidak ada yang salah dengan Julia. Bahasa ini tidak gagal. Ia hanya menjadi bahasa niche, dan untuk apa yang dilakukannya, ia cukup sukses.
Kesuksesan Julia di Lingkup Spesifik
Julia digunakan untuk pekerjaan-pekerjaan berat di institusi-institusi bergengsi seperti ASML, CERN, dan NASA. Bahasa ini juga digunakan dalam penemuan obat-obatan (drug discovery) dan machine learning tingkat lanjut. Di tangan para ilmuwan dan insinyur yang membutuhkan performa tinggi tanpa harus meninggalkan kemudahan penulisan, Julia adalah alat yang sangat berharga.
Saya pertama kali menemukan Julia secara tidak sengaja pada tahun 2017, setahun sebelum sintaksnya distabilkan, saat menghadiri kuliah Sebastian Seung, seorang ilmuwan saraf yang menggunakannya untuk memetakan connectome, peta lengkap jalur saraf di otak. Kesan pertama saya adalah pada namanya yang indah dan menyenangkan, kontras dengan nama-nama kaku yang umum di dunia pemrograman: PL/I yang tidak elegan, Erlang yang jelek, C++ yang canggung secara tipografis, atau MUMPS yang secara harfiah patologis—yang, luar biasanya, menjadi tulang punggung sistem perawatan kesehatan Amerika.
Saya juga bisa melihat bahwa pemikiran serius telah dicurahkan dalam merancang Julia. Setelah mempelajari banyak jebakan yang telah dialami bahasa lain, para penciptanya mengumpulkan ide-ide rapi dari berbagai bahasa yang berbeda.
Bahkan jika Julia benar-benar menggantikan Python suatu hari nanti, masih belum jelas apakah bahasa ini bisa memecahkan two-language problem—atau apakah bahasa apa pun bisa melakukannya. Masalah ini tidak terbatas pada komputasi ilmiah. Ia ada di setiap domain perangkat lunak. Dalam gaming, mesin ditulis dalam C++ tetapi skrip dalam Lua. Dalam server backend, ada banyak bahasa yang lebih mudah—Python, Ruby, JavaScript—tetapi ketika performa nyata dibutuhkan, pekerjaan dilakukan dalam Go atau Rust. Sebaliknya, upaya berani untuk menggunakan Go atau Rust untuk pengembangan frontend telah gagal total.
Namun, tidak ada yang bisa mengatakan bahwa kita akan terjebak di sini selamanya. Mungkin suatu hari nanti seseorang yang sedalam pemikiran Iverson akan menemukan cara untuk menjembatani kesenjangan ini untuk selamanya.
Bagi para pengembang dan peneliti di Indonesia, memahami dinamika bahasa pemrograman ini penting untuk memilih alat yang tepat. Pelatihan machine learning yang dibuka oleh Yandex dan Komdigi pada 2026 bisa menjadi kesempatan untuk mempelajari bahasa-bahasa baru yang relevan dengan industri.
Baca Juga:
Julia mungkin tidak akan pernah menjadi bahasa paling populer di dunia. Namun, ia telah membuktikan bahwa kesuksesan tidak selalu diukur dari jumlah pengguna. Bagi pelatihan machine learning dan komputasi ilmiah tingkat lanjut, Julia adalah alat yang tepat di tangan yang tepat. Dan mungkin, suatu hari nanti, bahasa ini akan menjadi bagian dari solusi untuk masalah yang lebih besar: bagaimana membuat komputasi berperforma tinggi dapat diakses oleh semua orang.
Seperti yang ditunjukkan oleh pengujian CAPTCHA webcam oleh Google, inovasi di dunia teknologi sering kali datang dari tempat yang tidak terduga. Julia adalah salah satu inovasi tersebut: bahasa yang lahir dari ambisi besar, namun menemukan tempatnya di ceruk yang paling membutuhkannya.
