Halaman ini adalah terjemahan mesin dan mungkin mengandung ketidakakuratan. Versi bahasa Inggris yang berlaku. Lihat versi bahasa Inggris
Kami membangun dari bukti. Bukan dari hype, dan bukan dari tekad — setiap keputusan produk harus bisa ditelusuri kembali ke sesuatu yang dapat Anda periksa.
Siapa yang membangun dengan standar ini →Sehari itu 24 jam. Angka itu tidak bisa ditawar oleh siapa pun.
Kalau masalahnya adalah “saya ingin, tapi tidak punya waktu,” satu-satunya langkah yang tersisa bukan mencari jam tambahan, melainkan menaikkan hasil yang Anda dapat per jam. Begitu Anda menerima bahwa pasokannya tetap, pertanyaan desainnya berubah: bukan “bagaimana kami mendapat lebih banyak bagian dari hari Anda” melainkan “seberapa jauh jam yang sama bisa membawa Anda.”
Jadi mibuki tidak membuat cara untuk berusaha lebih keras. Kami membuat produk yang mengimplementasikan sains efisiensi. Kami tidak berusaha menambah seberapa banyak tekad yang Anda punya; kami menambah seberapa jauh tekad yang sudah Anda punya bisa membawa Anda.
Tiga prinsip di bawah ini adalah kriteria yang benar-benar kami pakai. Ini bukan semboyan — ini aturan yang menentukan apakah sebuah fitur jadi dirilis.
Apa pun yang kami pertimbangkan untuk dibuat harus lolos ketiganya.
Effect size over opinion
Kami tidak merilis sebuah fitur karena ia terlihat menjanjikan. Sebelum mengadopsi sebuah metode belajar atau desain perilaku, kami memeriksa seberapa besar efeknya, apakah ia bereplikasi, dan di mana ia berlaku. Artinya membaca melampaui makalah aslinya sampai ke studi praregistrasi, tinjauan sistematis, dan meta-analisis, tergantung apa yang dibutuhkan pertanyaannya.
Kami mengadopsi sesuatu karena ia sudah terbukti bekerja, bukan karena ia populer. Kebalikannya juga berlaku: kalau belum terbukti bekerja, ia tidak dirilis, sekeras apa pun gaungnya. Yang penting bukan nama metodenya, melainkan untuk siapa ia bekerja, sebesar apa, dan dalam kondisi seperti apa.
Dalam praktik — LangDict memakai spaced repetition. Apakah itu keputusan yang tepat adalah sesuatu yang kami selesaikan dengan akurasi prediksi, bukan dengan pendapat (prinsip 03). Metode, data, dan skornya semuanya publik.
Lihat laporan riset Lexa →Remove friction, not add willpower
Orang berhenti bukan karena tekadnya lemah. Mereka berhenti karena desainnya punya friksi. Jumlah ketukan sebelum Anda mulai, jumlah pengaturan, jumlah keputusan yang harus Anda ambil — semuanya menentukan apakah sebuah kebiasaan bertahan.
Alih-alih menyuruh Anda berusaha lebih keras, kami menghapus langkah. Lebih sedikit pengaturan, langsung bisa dipakai apa adanya, lebih sedikit keputusan. Sasarannya adalah produk yang sama sekali tidak membutuhkan tekad.
Measure it, then publish it
Kalau kami mengklaim sebuah efek, kami mempublikasikannya dalam bentuk yang bisa Anda periksa. Ini adalah batasan atas diri kami, bukan fitur: kalau kami tidak bisa menunjukkan angkanya, kami tidak mengklaim hasilnya.
Dan kami tidak hanya mempublikasikan kesimpulannya. Kami juga mempublikasikan baseline, data, dan metriknya, karena angka tanpa kondisinya hanya bisa membuat kami tampak bagus. Sebuah hasil siap dipublikasikan ketika pembaca bisa mengikuti langkah yang sama dan melihat hal yang sama.
Dalam praktik — Model memori LangDict, Lexa, dibandingkan terhadap parameter default FSRS-7 pada tiga benchmark publik (Anki / Duolingo / maimemo). Baseline-nya adalah konfigurasi standar, tanpa optimasi per pengguna apa pun. Metrik, pembagian data, dan skornya semuanya dipublikasikan.
Baca laporan riset Lexa →Janji-janji ini lebih kuat daripada prinsip, karena Anda bisa memergoki kami melanggarnya.
Tidak ada “belajar 5x lebih cepat.” Ketika kami mempublikasikan sebuah angka, baseline dan cara pengukurannya berada di kalimat yang sama dengan angka itu.
Kami tidak menyembunyikan jalur pembatalan dan kami tidak menempatkan tombol untuk menjebak salah ketuk. Kalau Anda ingin pergi, jalan keluarnya mudah ditemukan.
Tidak ada notifikasi yang menyandera streak. Angka yang ingin kami tumbuhkan bukan waktu Anda di dalam aplikasi — melainkan waktu yang Anda dapatkan kembali.
Tidak ada pertunjukan imbalan yang membuat kemajuan terasa nyata padahal tidak ada pembelajaran di baliknya. Kalau yang bergerak hanya penghitungnya, berarti tidak ada yang bergerak.
Jawabannya berbeda per produk, jadi berikut jawabannya per produk, lengkap dengan alasannya.
Apa pun yang menyela fokus atau proses belajar tidak memuat iklan. Lofi Station menjual fokus; menaruh sesuatu yang dirancang untuk memecah fokus di layar yang sama jelas tidak masuk akal. LangDict kasusnya sama — apa pun yang menarik perhatian di tengah sesi bekerja melawan tujuan aplikasinya.
kikeruka dan Atom memang memuat iklan. Keduanya gratis, dan kami belum membangun cukup perbedaan untuk secara wajar menagih sebuah paket berbayar. Saat ini tidak ada cara untuk membayar agar iklannya hilang di kedua aplikasi itu. Ketika ada paket berbayar yang layak ditagih, kami akan memilih menghapus iklannya atau menjadikannya sesuatu yang bisa Anda matikan.
Jadi ini bukan sebuah prinsip — ini adalah posisi produk dan pendanaan kami saat ini. Kalau itu berubah, halaman ini berubah.
| Produk | Iklan | Alasan |
|---|---|---|
| Lofi Station | Tidak ada | Alat untuk fokus tidak seharusnya memuat hal yang memecah fokus |
| LangDict | Tidak ada | Tidak ada yang menarik perhatian di tengah sesi |
| kikeruka | Ada (tidak bisa dihilangkan) | Agar tetap gratis |
| Atom | Ada | Agar tetap gratis |
Prinsip yang tidak diimplementasikan bukanlah prinsip. Berikut tempat masing-masing mendarat hari ini.
| Produk | Prinsip | Bagaimana ia muncul |
|---|---|---|
| LangDict | 01 + 03 | Memakai spaced repetition, dan mempublikasikan seberapa akurat ia memprediksi pada benchmark publik |
| Atom | 01 + 02 | Kebiasaan dirancang sebagai unit minimal dan pemicu, mengikuti sains perilaku |
| Lofi Station | 02 | Fokus sejak detik ia dibuka — friksi berupa konfigurasi dihilangkan |
| kikeruka | 02 | Pindai lalu tunggu; mengecek kembali bukan lagi sesuatu yang harus Anda lakukan |
open-spaced-repetition. FSRS: Free Spaced Repetition Scheduler. GitHub.
open-spaced-repetition. srs-benchmark: Benchmark of Spaced Repetition Algorithms. GitHub.
open-spaced-repetition. anki-revlogs-10k: Anki review logs from 10,000 users. Hugging Face.
Settles, B., & Meeder, B. (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of the 54th Annual Meeting of the ACL.
Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker & Humblot.
Kami hanya mencantumkan karya yang penulis, tahun, dan wadah publikasinya sudah kami periksa terhadap naskah aslinya.
Last updated: July 2026