Kalau kamu baru mulai membangun aplikasi yang memanfaatkan model OpenAI — bukan sekadar chat lewat ChatGPT, tapi lewat API untuk aplikasi sendiri — hal pertama yang akan kamu temui adalah OpenAI Platform Dashboard di platform.openai.com. Bagi pemula, dashboard ini bisa terasa membingungkan karena banyak tab dengan fungsi yang saling berkaitan tapi berbeda. Artikel ini merangkum semua bagian penting dashboard, apa fungsinya, dan kapan kamu perlu memakai masing-masing.
Apa Bedanya ChatGPT dan OpenAI Platform?
Ini poin yang paling sering bikin bingung pemula: ChatGPT (chat.openai.com) dan OpenAI Platform (platform.openai.com) adalah dua produk dengan billing terpisah. Langganan ChatGPT Plus atau Pro tidak memberimu kredit di Platform. Sebaliknya, kalau kamu developer yang ingin membangun aplikasi sendiri menggunakan model GPT lewat API, kamu harus:
- Membuat akun di platform.openai.com (bisa pakai akun yang sama dengan ChatGPT, tapi billing-nya beda dompet).
- Mengisi saldo/menambahkan metode pembayaran khusus untuk penggunaan API.
- Membuat API key dari dashboard untuk dipakai di kode aplikasimu.
Penggunaan API dihitung per token (satuan potongan teks) yang diproses, bukan biaya bulanan tetap seperti ChatGPT Plus.
Tur Singkat: Bagian-Bagian Utama Dashboard
1. API Keys
Ini tempat pertama yang kamu kunjungi. Di sini kamu membuat, menamai, dan mencabut (revoke) API key. Praktik terbaik:
- Buat key terpisah untuk tiap proyek/aplikasi, jangan pakai satu key untuk semuanya — memudahkan audit dan pencabutan kalau satu aplikasi bermasalah.
- Jangan pernah menaruh API key langsung di kode front-end (client-side) karena bisa dicuri dan disalahgunakan siapa saja yang membuka source halaman.
- Set pembatasan izin (permission) per key kalau tersedia, misalnya hanya boleh akses model tertentu.
2. Playground
Playground adalah tempat bereksperimen dengan model tanpa perlu menulis kode. Kamu bisa mengatur system prompt, parameter (temperature, max tokens), memilih model, dan langsung melihat hasilnya secara interaktif. Sangat berguna untuk menguji ide prompt sebelum diimplementasikan ke aplikasi.
3. Chat Completions (Logs Debugging)
Tab ini menampilkan log request-response mentah dari Chat Completions API — berguna untuk debugging kalau responsmu tidak sesuai ekspektasi. Perlu dicatat: ini khusus untuk Chat Completions API, bukan untuk Assistants API yang punya sistem log threads tersendiri.
4. Assistants
Tab Assistants adalah pusat untuk membuat dan mengelola AI assistant kustom — semacam “GPT khusus” yang bisa kamu beri instruksi, unggah file referensi, dan atur kemampuannya (function calling, code interpreter, file search). Assistant yang dibuat di sini bisa langsung diuji lewat Playground tanpa perlu coding tambahan.
5. Threads
Kalau kamu memakai Assistants API, setiap percakapan tersimpan sebagai “thread” yang bisa dilihat riwayatnya di tab ini — berbeda dari Chat Completions yang bersifat stateless (tidak menyimpan riwayat otomatis).
6. Batches
Untuk kebutuhan memproses banyak request sekaligus tanpa butuh respons instan (misalnya klasifikasi ribuan data, membuat embedding untuk seluruh katalog produk), gunakan Batch API lewat tab ini. Keuntungan utamanya: biaya bisa turun hingga 50% dibanding pemanggilan API biasa karena diproses secara asinkron dalam antrean.
7. Evaluations
Tab ini untuk menguji dan membandingkan performa berbagai versi model atau prompt secara sistematis — menjalankan test case, membandingkan konsistensi jawaban, dan melacak perbaikan dari waktu ke waktu. Berguna kalau kamu serius melakukan prompt engineering atau butuh benchmark sebelum mengganti model produksi.
8. Fine-tuning
Kalau model dasar (base model) belum cukup akurat untuk kebutuhan spesifik domainmu, tab Fine-tuning memungkinkan kamu melatih model kustom dengan data sendiri (format JSONL). Namun perlu dicatat: untuk kebanyakan kasus, kustomisasi bisa dicapai lebih murah lewat:
- System instructions — mengatur perilaku dan gaya lewat prompt sistem.
- Retrieval (RAG) — mengambil jawaban dari basis data/file eksternal secara dinamis.
- Function calling — memperluas kemampuan model lewat pemanggilan fungsi/tool eksternal.
Fine-tuning baru benar-benar dibutuhkan kalau tiga pendekatan di atas belum cukup — misalnya untuk gaya bahasa yang sangat spesifik atau domain pengetahuan yang sangat sempit.
9. Storage
Tempat mengelola file yang diunggah — baik untuk keperluan Assistants API (file referensi) maupun dataset fine-tuning. Ada juga pengelolaan retensi dan penghapusan file agar tidak menumpuk biaya penyimpanan.
10. Usage & Billing
Bagian krusial yang wajib dicek rutin — menampilkan grafik pemakaian token per hari/model, estimasi biaya berjalan, dan pengaturan limit pengeluaran (spending limit). Sangat disarankan mengatur hard limit di sini sejak awal supaya tidak kaget dengan tagihan besar akibat bug (misalnya infinite loop yang memanggil API berulang-ulang).
Tabel Ringkas Kapan Pakai Tab Apa
| Kebutuhan | Tab yang Dipakai |
|---|---|
| Coba-coba prompt cepat | Playground |
| Bikin API key untuk aplikasi | API Keys |
| Bikin chatbot dengan memori & file | Assistants + Threads |
| Proses ribuan data sekaligus, hemat biaya | Batches |
| Uji kualitas & konsistensi output model | Evaluations |
| Kustomisasi gaya/domain model secara mendalam | Fine-tuning |
| Kelola file referensi/dataset | Storage |
| Pantau biaya & cegah tagihan membengkak | Usage & Billing |
Tips Praktis untuk Pemula
- Selalu set spending limit di awal sebelum mulai development — ini pengaman paling penting untuk menghindari tagihan tak terduga.
- Gunakan Playground dulu sebelum menulis kode — banyak masalah prompt bisa diselesaikan lebih cepat lewat trial-error visual daripada debugging lewat kode.
- Pisahkan API key per environment (development, staging, production) supaya kamu bisa mencabut key development tanpa mengganggu produksi.
- Pertimbangkan Batch API kalau pekerjaanmu tidak butuh respons real-time — penghematan biayanya signifikan untuk volume besar.
- Jangan buru-buru fine-tuning — coba dulu system instructions dan RAG karena jauh lebih murah dan lebih cepat diiterasi.
FAQ
Apakah saldo ChatGPT Plus bisa dipakai di Platform API? Tidak. Keduanya billing terpisah. Kamu perlu top-up/mengatur metode pembayaran tersendiri di Platform Dashboard untuk penggunaan API.
Berapa biaya minimum untuk mulai memakai OpenAI API? Bervariasi, umumnya kamu bisa mulai dengan saldo kecil (beberapa dolar) karena billing berbasis token — cocok untuk eksperimen skala kecil sebelum komit ke penggunaan produksi.
Apa bedanya Assistants API dan Chat Completions API? Chat Completions bersifat stateless — kamu harus mengirim ulang seluruh riwayat percakapan tiap request. Assistants API bersifat stateful lewat konsep “threads” yang otomatis menyimpan riwayat percakapan di sisi server OpenAI.
Apakah aman menyimpan API key di kode aplikasi? Tidak untuk kode front-end/client-side. Selalu simpan API key di server (environment variable) dan jangan pernah expose ke browser atau repository publik.
Kapan sebaiknya menggunakan Batch API? Saat pekerjaanmu bersifat non-real-time dan volumenya besar — seperti membuat ringkasan untuk ribuan dokumen, klasifikasi data, atau membuat embedding untuk seluruh katalog. Penghematan biaya bisa mencapai separuh dari harga API biasa.
Kesimpulan
OpenAI Platform Dashboard memang terlihat rumit di awal karena banyak tab dengan istilah teknis, tapi begitu kamu paham fungsi masing-masing, alurnya sebenarnya cukup logis: API Keys untuk akses, Playground untuk eksperimen, Assistants/Threads untuk chatbot stateful, Batches untuk volume besar, Evaluations untuk QA, Fine-tuning untuk kustomisasi mendalam, dan Usage & Billing untuk kontrol biaya. Pahami dulu kebutuhanmu, lalu fokus ke tab yang relevan — tidak perlu menguasai semuanya sekaligus untuk mulai membangun aplikasi dengan OpenAI API.