Tutorial Refactoring Kode Legacy dengan Cursor AI dan AST Parsing

Kode legacy seringkali menjadi bottleneck dalam pengembangan fitur baru. Mengubahnya secara manual berisiko tinggi: satu perubahan kecil bisa merusak perilaku yang sudah stabil selama bertahun-tahun. Artikel ini mendemonstrasikan metode refactoring yang lebih aman menggunakan Cursor AI sebagai pair programmer, dibantu dengan Abstract Syntax Tree (AST) parsing untuk memastikan struktur kode tetap valid setelah transformasi. Pendekatan ini menggabungkan kecepatan AI dengan presisi teknik compiler-level.

Mengapa Refactoring Legacy Butuh Pendekatan Berbeda?

Refactoring kode baru relatif aman karena test coverage masih lengkap dan arsitektur masih fresh. Sebaliknya, kode legacy biasanya memiliki test yang minimal atau bahkan tidak ada, dokumentasi yang outdated, dan dependensi implisit antar modul. Pendekatan brute force dengan rewrite total hampir selalu gagal. Strategi yang lebih efektif adalah refactoring inkremental: ubah sedikit demi sedikit sambil mempertahankan perilaku eksternal.

Stack dan Tools yang Digunakan

• Cursor AI: Editor berbasis VS Code dengan AI agent bawaan yang bisa membaca seluruh codebase.

• @babel/parser atau tree-sitter: Library AST untuk memahami struktur kode tanpa mengeksekusinya.

• Jest atau Vitest: Framework testing untuk menangkap regression sejak dini.

• Git: Version control dengan commit atomik untuk setiap langkah refactor.

Langkah 1: Audit Kode dengan Cursor AI Composer

Buka proyek legacy di Cursor. Gunakan fitur Composer (Ctrl+I) untuk meminta AI menganalisis struktur kode secara global. Prompt yang efektif:

Analisis codebase ini. Identifikasi:
1. File dengan cyclomatic complexity tertinggi
2. Duplikasi logika yang bisa diekstrak ke fungsi utilitas
3. Modul dengan coupling tinggi yang perlu di-encapsulate
Sertakan path file dan baris spesifik untuk setiap temuan.

Cursor akan melakukan ripgrep internal dan menghasilkan laporan berupa daftar file prioritas. Simpan laporan ini sebagai REFACTOR_PLAN.md dan urutkan berdasarkan dampak risiko vs manfaat. Jangan mulai dari file terbesar; mulai dari file kecil yang memiliki banyak dependensi ke luar, bukan ke dalam.

Langkah 2: Membuat Safety Net dengan Snapshot Testing

Sebelum menyentuh logika bisnis, bangun safety net menggunakan snapshot test atau characterization test. Tujuannya bukan memverifikasi kebenaran, melainkan mendeteksi perubahan perilaku:

npm install --save-dev jest
npx jest --init

Buat file characterization.test.js yang memanggil fungsi legacy dengan input representatif, lalu simpan outputnya sebagai snapshot:

const legacyModule = require('./src/legacyModule');

describe('legacy behavior snapshot', () => {
  it('should match existing output for standard input', () => {
    const result = legacyModule.calculatePrice({
      items: [{ id: 1, qty: 2, price: 100 }],
      customerTier: 'GOLD'
    });
    expect(result).toMatchSnapshot();
  });
});

Jalankan test sekali dan commit snapshot-nya. Selama refactoring, jalankan jest --watch di terminal kedua layar. Snapshot test adalah teknik paling cepat untuk membangun safety net tanpa memahami logika bisnis secara mendalam.

Langkah 3: Ekstrak Fungsi dengan AST-Aware Refactoring

Cursor AI sangat pandai melakukan Extract Function, tetapi tanpa panduan AST, AI terkadang melewatkan side effect tersembunyi. Gunakan prompt yang meminta AI mempertimbangkan data flow:

Ekstrak logika perhitungan diskon dari fungsi calculatePrice()
ke fungsi baru bernama computeDiscount().
Pastikan:
- Tidak ada variabel global yang dipindahkan tanpa inisialisasi
- Tipe parameter dan return value konsisten
- Signature fungsi mendukung unit test isolasi

Setelah Cursor menghasilkan refactor, verifikasi dengan AST viewer bawaan Cursor (tab Outline) bahwa tidak ada Identifier yang ter-referensi di scope baru tetapi tidak dideklarasikan. Gunakan git diff untuk memeriksa perubahan baris demi baris sebelum melanjutkan.

Langkah 4: Mengganti Pola Kode Berbahaya Secara Otomatis

Untuk transformasi yang bersifat pola, seperti mengganti var dengan const atau mengubah callback hell menjadi async/await, gunakan Find and Replace AI di Cursor. Tekniknya: blok kode target, tekan Ctrl+K, lalu deskripsikan transformasi:

Ubah semua fungsi callback di blok ini menjadi async/await.
Jangan ubah nama variabel. Pastikan error handling tetap ada
dengan try/catch yang setara.

Cursor akan menampilkan diff per file. Review setiap diff secara manual, terutama di bagian closure dan variabel captured. Jika diff terlalu besar, pecah menjadi blok yang lebih kecil. Jangan pernah menerima diff yang mencakup lebih dari 200 baris dalam satu kali transformasi.

Langkah 5: Verifikasi Regresi dan Dokumentasi Perubahan

Setelah semua refactor selesai, jalankan seluruh test suite:

npm test -- --coverage

Jika snapshot test gagal, periksa apakah perubahan itu intentional atau regression. Untuk perubahan intentional, update snapshot dengan npm test -- --updateSnapshot setelah mendapatkan approval dari lead. Target coverage minimal 70% pada modul yang sudah di-refactor.

Dokumentasikan setiap refactor di CHANGELOG.md dengan format:

## [Unreleased]
### Refactored
- src/legacyModule.js: extract computeDiscount() untuk mengurangi complexity dari 24 menjadi 8
- src/api/routes.js: convert callback-based handlers ke async/await

Strategi Lanjutan: AST Parsing untuk Transformasi Massal

Jika codebase berisi ratusan file dengan pola berulang, gunakan script AST parsing dengan @babel/parser untuk transformasi terprogram:

const parser = require('@babel/parser');
const traverse = require('@babel/traverse').default;
const generate = require('@babel/generator').default;

const code = fs.readFileSync('src/legacy.js', 'utf8');
const ast = parser.parse(code, { sourceType: 'module' });

traverse(ast, {
  VariableDeclaration(path) {
    if (path.node.kind === 'var') {
      path.node.kind = 'const';
    }
  }
});

const output = generate(ast, {}, code).code;
fs.writeFileSync('src/legacy.js', output);

Script ini mengubah semua var menjadi const secara otomatis. Namun, hati-hati: const membutuhkan reassignment analysis. Jika variabel di-reassign, gunakan let. Script canggih membutuhkan scope analysis dengan @babel/traverse untuk membedakan keduanya. Jalankan eslint setelah transformasi massal untuk menangkap variabel yang tidak ter-declare.

Kesimpulan

Refactoring legacy bukanlah tugas sekali jalan. Kombinasi Cursor AI untuk refactoring interaktif, snapshot test untuk safety net, dan AST parsing untuk transformasi massal memberikan kecepatan tanpa mengorbankan keamanan. Mulai dari file kecil, bangun kepercayaan melalui test, dan perlahan-lahan perluas radius refactor ke modul yang lebih kompleks. Konsistensi dan kesabaran adalah kunci utama dalam mengembalikan kode legacy menjadi aset yang produktif.