Menulis prompt yang baik bukan keahlian teknis yang hanya dimiliki programmer. Pada dasarnya, prompt adalah cara kita menjelaskan pekerjaan kepada pihak yang sangat cepat dan luas pengetahuannya, tetapi tidak tahu apa-apa tentang situasi kita. Artikel ini membahas prinsip yang tidak lekang oleh waktu: tujuan yang jelas, konteks yang cukup, contoh yang disertakan, format hasil yang ditentukan, batasan yang tegas, lalu pemeriksaan dan perbaikan.
Anda akan menemukan kerangka kerja sederhana, contoh prompt untuk kebutuhan sehari-hari di Indonesia (guru, mahasiswa, pelaku UMKM, dan pegawai kantor), studi kasus sebelum dan sesudah perbaikan, daftar kesalahan umum, serta daftar periksa yang bisa langsung dipakai. Semuanya tanpa istilah rumit dan tanpa kewajiban belajar pemrograman.
Lima unsur utama: Tujuan · Konteks · Contoh · Format · Batasan. Peran bersifat opsional. Spesifik bukan berarti panjang; yang dicari adalah kelengkapan informasi relevan.
Pendahuluan
Bayangkan seorang guru SMA yang meminta AI, "Buatkan soal matematika." Jawaban yang muncul berupa sepuluh soal acak, sebagian terlalu mudah, sebagian di luar kurikulum, dan tidak ada kunci jawabannya. Guru tersebut lalu menyimpulkan bahwa AI belum bisa diandalkan. Padahal, rekan guru lain yang meminta, "Buat 10 soal pilihan ganda tentang barisan aritmetika untuk kelas XI SMA, tingkat kesulitan sedang, sertai kunci jawaban dan pembahasan singkat," langsung mendapat bahan yang siap dipakai.
Kecerdasan AI yang dipakai kedua guru itu sama. Yang berbeda adalah kualitas instruksinya. Inilah inti dari seni menulis prompt: bukan trik rahasia, bukan sandi khusus, melainkan kemampuan menjelaskan kebutuhan dengan jelas. Kemampuan ini sebenarnya sudah dimiliki siapa pun yang pernah memberi arahan kepada rekan kerja, asisten, atau mahasiswa bimbingan.
Istilah prompt engineer memang terdengar seperti profesi teknis yang menuntut keahlian khusus. Di dunia pengembangan perangkat lunak, itu benar: ada orang yang merancang prompt untuk sistem berskala besar dan mengujinya secara ketat. Tetapi untuk penggunaan sehari-hari, Anda tidak perlu menjadi salah satunya. Anda hanya perlu memahami beberapa prinsip dasar dan membiasakannya.
Artikel ini disusun bertahap. Bagian awal membahas konsep dan istilah. Bagian tengah berisi panduan untuk tingkat pemula, menengah, dan lanjut, disusul langkah praktis, contoh nyata, dan studi kasus. Bagian akhir mencakup kesalahan umum, pertanyaan yang sering diajukan, mitos dan fakta, serta daftar periksa. Anda boleh membaca berurutan atau langsung melompat ke bagian yang paling Anda butuhkan.
Satu catatan penting sejak awal: contoh dalam artikel ini memakai nama alat yang umum seperti ChatGPT, Gemini, Claude, dan Copilot sebagai gambaran, tetapi prinsipnya berlaku untuk hampir semua asisten AI berbasis teks. Alat akan terus berganti, sedangkan cara menjelaskan kebutuhan dengan baik relatif tetap.
1. Mengapa Topik Ini Penting
AI sudah masuk ke pekerjaan sehari-hari
Asisten AI kini tersedia di peramban, aplikasi perkantoran, ponsel, hingga layanan pelanggan. Di Indonesia, pemakaiannya merambah banyak kalangan: pelajar menyusun ringkasan, dosen menyiapkan materi, pelaku UMKM menulis keterangan produk, dan staf administrasi merapikan surat. Pemerintah pun sudah mulai menyiapkan rambu-rambunya. Kementerian Komunikasi dan Informatika (kini Komdigi) menerbitkan Surat Edaran Menkominfo Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial, dan Kementerian Pendidikan juga menerbitkan panduan penggunaan AI generatif untuk pembelajaran di perguruan tinggi.
Kualitas hasil sangat bergantung pada kualitas instruksi
Model bahasa menghasilkan jawaban berdasarkan teks yang Anda berikan. Instruksi yang kabur membuat model menebak, dan tebakan itu tidak selalu sesuai dengan kebutuhan Anda. Instruksi yang jelas mempersempit ruang tebakan. Dalam praktik, perbedaan ini sering terasa dramatis: jawaban yang tadinya generik berubah menjadi spesifik, relevan, dan lebih mudah diperbaiki.
Menghemat waktu, tenaga, dan biaya
Jika setiap permintaan harus diulang lima kali sebelum hasilnya cocok, AI justru menambah pekerjaan. Prompt yang baik mengurangi bolak-balik. Bagi pengguna layanan berbayar yang dibatasi jumlah pesan atau token, prompt yang efisien juga berarti penghematan nyata.
Menjaga keamanan dan etika
Menulis prompt bukan hanya soal hasil yang bagus, tetapi juga soal apa yang kita kirimkan. Data pribadi pelanggan, dokumen internal perusahaan, atau soal ujian yang belum dipakai sebaiknya tidak ditempel begitu saja. Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (UU PDP) menjadi pengingat bahwa data pribadi punya perlindungan hukum. Kebiasaan menulis prompt yang baik mencakup kebiasaan menyamarkan data sensitif.
Menumbuhkan literasi AI
Kemampuan menyusun instruksi, mengevaluasi jawaban, dan mengoreksi kesalahan model termasuk bagian dari literasi AI. Kemampuan ini akan tetap relevan walaupun antarmuka dan nama produknya berubah.
2. Latar Belakang Sejarah
Gagasan berkomunikasi dengan komputer memakai bahasa sehari-hari sudah lama ada. Pada pertengahan 1960-an, Joseph Weizenbaum di MIT membuat ELIZA, program percakapan sederhana yang bekerja dengan pola kata kunci. Ia belum memahami apa pun, tetapi sudah menunjukkan betapa manusia mudah merasa "diajak bicara" oleh mesin.
Lompatan besar terjadi pada 2017, ketika peneliti Google menerbitkan makalah "Attention Is All You Need" yang memperkenalkan arsitektur Transformer. Arsitektur inilah fondasi sebagian besar model bahasa modern. Pada 2020, tim OpenAI melalui makalah "Language Models are Few-Shot Learners" memperlihatkan bahwa model berukuran besar dapat mengerjakan tugas baru hanya dengan beberapa contoh di dalam prompt, tanpa pelatihan ulang. Sejak saat itu, cara menulis prompt menjadi pokok kajian tersendiri.
Pada 2022, Jason Wei dan rekan-rekannya melaporkan bahwa meminta model menuliskan langkah penalaran sebelum menjawab dapat meningkatkan ketepatan pada soal yang membutuhkan nalar, teknik yang dikenal sebagai chain-of-thought prompting. Pada November 2022, peluncuran ChatGPT membuat teknologi ini dikenal masyarakat luas, dan istilah prompt engineering mendadak populer.
| Periode | Peristiwa | Dampak bagi penulis prompt |
|---|---|---|
| 1960-an | ELIZA dibuat di MIT | Menunjukkan bahwa percakapan dengan mesin sudah lama menarik minat manusia |
| 2017 | Makalah Transformer dari Google | Dasar teknis model bahasa modern |
| 2020 | Makalah GPT-3 tentang few-shot learning | Contoh di dalam prompt terbukti dapat mengarahkan hasil |
| 2020 | Strategi Nasional Kecerdasan Artifisial Indonesia 2020–2045 | Arah kebijakan AI nasional mulai dirumuskan |
| 2022 | Chain-of-thought dan peluncuran ChatGPT | Meminta penalaran bertahap dan percakapan AI menjadi arus utama |
| 2022 | UU Pelindungan Data Pribadi disahkan | Kesadaran bahwa data dalam prompt perlu dijaga |
| 2023–2024 | Surat Edaran Etika AI dan panduan AI generatif untuk pendidikan tinggi | Pedoman penggunaan yang bertanggung jawab di Indonesia |
Perjalanan ini mengajarkan satu hal: model makin pintar, tetapi kebutuhan akan instruksi yang jelas tidak hilang. Model yang lebih baru memang lebih toleran terhadap instruksi yang kurang rapi, tetapi tetap tidak bisa membaca pikiran. Konteks yang hanya ada di kepala Anda tetap harus dituliskan.
3. Konsep Inti
Prompt adalah briefing, bukan kata sandi
Cara paling berguna untuk memahami prompt adalah menganggapnya sebagai briefing kerja. Bayangkan Anda mempekerjakan asisten baru yang sangat cekatan dan banyak membaca, tetapi hari ini adalah hari pertamanya. Ia belum tahu siapa audiens Anda, apa gaya bahasa yang Anda sukai, apa yang sudah Anda coba, dan seperti apa hasil yang dianggap bagus. Anda tentu tidak akan hanya berkata, "Tolong buatkan laporan." Anda akan menjelaskan.
Model memprediksi, bukan mengetahui
Model bahasa menyusun jawaban dengan memprediksi rangkaian kata yang paling masuk akal berdasarkan teks yang diberikan dan pola yang dipelajarinya. Konsekuensinya, model bisa terdengar sangat meyakinkan sambil sekaligus keliru. Fenomena ini disebut halusinasi. Prompt yang baik tidak menghilangkan risiko ini sepenuhnya, tetapi dapat menguranginya, misalnya dengan meminta model hanya memakai bahan yang Anda berikan atau mengakui bila tidak yakin.
Lima unsur prompt yang kuat
Hampir semua panduan resmi dari para pengembang model, termasuk OpenAI, Anthropic, dan Google, menekankan ide yang mirip: jelas, spesifik, berkonteks, dan diuji. Dalam artikel ini, ide tersebut diringkas menjadi lima unsur yang mudah diingat.
| Unsur | Pertanyaan pemandu | Contoh singkat |
|---|---|---|
| Tujuan | Apa yang sebenarnya saya inginkan dari AI? | Buat ringkasan eksekutif satu halaman |
| Konteks | Apa yang perlu AI ketahui tentang situasi saya? | Untuk rapat pengurus koperasi, pesertanya bukan orang keuangan |
| Contoh | Seperti apa hasil yang saya anggap bagus? | Gaya penulisan seperti paragraf berikut: (lampirkan) |
| Format | Bagaimana bentuk keluarannya? | Tiga paragraf, lalu tabel perbandingan, tanpa jargon |
| Batasan | Apa yang tidak boleh atau harus dihindari? | Maksimal 250 kata, jangan mengarang angka, tandai bagian yang tidak pasti |
Anda juga dapat menambahkan unsur keenam yang bersifat opsional, yaitu peran. Misalnya, "Bertindaklah sebagai editor jurnal ilmiah." Peran membantu menetapkan sudut pandang dan gaya, tetapi ia tidak menggantikan unsur lainnya. Peran tanpa tujuan dan konteks hanya menghasilkan jawaban yang bergaya, bukan jawaban yang tepat.
Spesifik tidak sama dengan panjang
Prompt yang baik tidak harus panjang. Prompt yang baik adalah prompt yang tidak menyisakan hal penting untuk ditebak. Satu kalimat padat bisa lebih efektif daripada tiga paragraf berputar-putar. Sebaliknya, untuk tugas rumit seperti menganalisis dokumen kebijakan, prompt panjang yang terstruktur justru lebih baik. Ukurannya bukan jumlah kata, tetapi kelengkapan informasi yang relevan.
Percakapan adalah proses, bukan satu kali tembak
Banyak orang berhenti setelah jawaban pertama yang kurang pas. Padahal, prompt adalah awal dialog. Anda dapat memberi umpan balik, "Terlalu formal, buat lebih santai," "Tambahkan contoh dari bisnis kuliner," atau "Ringkas jadi lima poin." Kemampuan mengarahkan lewat iterasi sering lebih berharga daripada upaya menyusun prompt yang sempurna sejak awal.
4. Terminologi Utama
Anda tidak perlu menghafal semua istilah di bawah ini untuk menulis prompt yang baik. Namun, mengenalinya akan membantu ketika membaca panduan, mengikuti pelatihan, atau berdiskusi dengan rekan yang lebih teknis.
| Istilah | Arti sederhana | Contoh dalam praktik |
|---|---|---|
| Prompt | Instruksi atau masukan yang Anda berikan kepada AI | Ringkas teks berikut menjadi tiga poin untuk guru SD |
| Model bahasa besar (LLM) | Sistem AI yang dilatih dengan teks dalam jumlah sangat besar untuk memahami dan menghasilkan bahasa | Mesin di balik chatbot populer |
| Token | Potongan teks yang diproses model, bisa berupa kata atau bagian kata | Teks panjang menghabiskan lebih banyak token |
| Jendela konteks | Batas jumlah teks yang dapat dipertimbangkan model dalam satu percakapan | Percakapan yang sangat panjang dapat membuat detail awal terlupakan |
| Halusinasi | Jawaban yang terdengar benar tetapi keliru atau mengada-ada | Kutipan jurnal yang tidak pernah ada |
| Zero-shot | Meminta tugas tanpa memberi contoh | Terjemahkan kalimat ini ke bahasa Inggris |
| Few-shot | Meminta tugas dengan menyertakan beberapa contoh | Dua contoh ulasan beserta label sentimennya, lalu minta label untuk ulasan ketiga |
| Chain-of-thought | Meminta model menuliskan penalaran bertahap | Jelaskan langkah perhitungan sebelum memberi hasil akhir |
| Prompt sistem | Instruksi dasar yang mengatur perilaku asisten dalam sebuah aplikasi | Aturan nada bicara layanan pelanggan sebuah toko daring |
| Temperature | Pengaturan tingkat variasi jawaban pada beberapa alat | Rendah untuk jawaban konsisten, tinggi untuk ide kreatif |
| RAG | Teknik memberi model akses ke dokumen rujukan sebelum menjawab | Chatbot yang menjawab berdasarkan panduan internal perusahaan |
| Iterasi | Proses memperbaiki prompt atau hasil secara berulang | Merevisi jawaban lewat beberapa putaran umpan balik |
Satu hal yang sering membingungkan: pengaturan seperti temperature umumnya hanya tersedia di antarmuka tertentu atau lewat API. Pengguna aplikasi percakapan biasa umumnya tidak perlu menyentuhnya. Fokuslah pada isi instruksi.
5. Panduan Pemula
Jika Anda baru mulai, jangan terburu-buru mempelajari teknik rumit. Tiga kebiasaan sederhana di bawah ini sudah cukup untuk meningkatkan mutu jawaban secara terasa.
Kebiasaan pertama: tulis tugas dengan kata kerja yang jelas
Awali prompt dengan kata kerja yang tegas: ringkas, bandingkan, tulis ulang, buat daftar, jelaskan, kritik, terjemahkan, klasifikasikan. Hindari permintaan samar seperti "bantu saya soal laporan ini". Bantu dalam bentuk apa? Merapikan bahasa, memeriksa angka, atau memperpendek?
Kebiasaan kedua: sebutkan untuk siapa dan untuk apa
Jawaban yang sama bisa bagus bagi satu orang dan tidak berguna bagi orang lain. Penjelasan tentang suku bunga untuk mahasiswa ekonomi berbeda dengan penjelasan untuk pedagang pasar. Cukup tambahkan satu kalimat: siapa pembacanya, apa tujuan teks itu, dan di mana teks itu akan dipakai.
Kebiasaan ketiga: tentukan bentuk hasil
Sebutkan jumlah, panjang, dan bentuknya: tiga paragraf, lima poin, tabel dengan tiga kolom, surat resmi satu halaman, atau skrip video 60 detik. Tanpa arahan, model akan memilih bentuknya sendiri, dan pilihannya belum tentu cocok.
| Prompt lemah | Prompt yang lebih baik | Mengapa lebih baik |
|---|---|---|
| Buatkan soal matematika. | Buat 10 soal pilihan ganda tentang barisan aritmetika untuk kelas XI SMA, tingkat kesulitan sedang, lengkap dengan kunci jawaban dan pembahasan singkat. | Jenjang, topik, jumlah, format, dan kelengkapan jelas |
| Tulis caption jualan. | Tulis tiga caption Instagram untuk kopi susu gula aren di warung kopi UMKM, harga Rp18.000, gaya santai, maksimal 30 kata, dan akhiri dengan ajakan memesan lewat WhatsApp. | Produk, harga, gaya, panjang, dan tujuan tertulis |
| Jelaskan inflasi. | Jelaskan inflasi kepada siswa SMA dalam tiga paragraf pendek, gunakan contoh kenaikan harga beras, dan sebutkan bahwa Badan Pusat Statistik (BPS) merilis data inflasi secara berkala. | Audiens, panjang, contoh, dan rujukan lembaga resmi ditentukan |
| Perbaiki tulisan saya. | Perbaiki tata bahasa dan ejaan paragraf berikut sesuai Ejaan Bahasa Indonesia yang Disempurnakan (EYD) Edisi V, jangan ubah makna, dan tunjukkan perubahan yang Anda lakukan dalam daftar singkat. | Jenis perbaikan, batas perubahan, dan bentuk laporan jelas |
Tiga kebiasaan kecil yang berdampak besar
- Mintalah AI mengajukan pertanyaan bila informasinya kurang. Contohnya: "Sebelum menjawab, ajukan maksimal tiga pertanyaan jika ada informasi yang masih kurang."
- Pisahkan instruksi dari bahan yang diolah. Beri tanda yang jelas, misalnya "Teks yang harus diringkas: (tempel teks)".
- Minta dua atau tiga alternatif untuk tugas kreatif, lalu pilih dan perbaiki yang terbaik.
6. Panduan Tingkat Menengah
Setelah terbiasa dengan dasar-dasarnya, Anda bisa mulai memakai beberapa teknik yang meningkatkan konsistensi dan ketepatan.
Beri contoh agar AI menangkap pola
Teknik ini dikenal sebagai few-shot. Daripada menjelaskan panjang lebar gaya yang Anda inginkan, tunjukkan satu sampai tiga contoh. Misalnya, seorang pemilik toko daring ingin mengelompokkan ulasan pelanggan:
Ulasan: "Barang sampai cepat, kemasan rapi." Label: Positif
Ulasan: "Warnanya sesuai foto, tapi ukurannya agak kecil." Label: Netral
Ulasan: "Sudah seminggu belum datang dan penjual tidak membalas." Label: Negatif
Ulasan: "Bahannya adem, jahitannya rapi, pasti beli lagi." Label:
Contoh yang beragam dan mewakili kasus nyata akan lebih efektif daripada contoh yang seragam. Jika semua contoh Anda berlabel Positif, model cenderung condong ke arah itu.
Pecah tugas besar menjadi bagian-bagian kecil
Meminta "buatkan proposal bisnis lengkap" dalam satu prompt sering menghasilkan teks yang dangkal di semua bagian. Cobalah memecahnya: tentukan dulu kerangka, kembangkan satu bagian per putaran, lalu gabungkan dan periksa konsistensinya. Cara ini juga memudahkan Anda mengoreksi di tengah jalan.
Gunakan pembatas dan struktur
Ketika prompt berisi beberapa komponen, yaitu instruksi, bahan, dan contoh, beri pemisah yang tegas. Anda dapat memakai judul seperti INSTRUKSI, BAHAN, dan FORMAT, atau tanda seperti tiga garis pemisah. Struktur membantu model membedakan bagian mana yang harus dikerjakan dan bagian mana yang hanya bahan.
Minta AI menandai ketidakpastian
Salah satu kalimat paling berguna adalah, "Jika Anda tidak yakin atau data tidak tersedia, katakan dengan jelas dan jangan mengarang." Untuk pekerjaan yang melibatkan angka, hukum, kesehatan, atau kutipan, kalimat ini hampir wajib.
Tetapkan kriteria penilaian
Jika Anda meminta AI menilai atau mengkritik sesuatu, sebutkan kriterianya. "Nilai draf artikel ini berdasarkan kejelasan argumen, kelengkapan bukti, dan keterbacaan, masing-masing skala 1 sampai 5, disertai alasan singkat" jauh lebih berguna daripada "Bagaimana menurutmu?"
| Teknik | Kapan dipakai | Contoh kalimat |
|---|---|---|
| Few-shot | Hasil harus mengikuti pola atau gaya tertentu | Ikuti pola dua contoh berikut untuk data baru |
| Pemecahan tugas | Tugas panjang atau berlapis | Mari kerjakan bagian pertama dulu, lalu saya konfirmasi |
| Pembatas | Prompt memuat instruksi dan bahan sekaligus | Teks sumber ada di antara tanda tiga garis |
| Penanda ketidakpastian | Topik berisiko atau berbasis fakta | Jika tidak yakin, tulis TIDAK PASTI |
| Kriteria penilaian | Meminta evaluasi atau umpan balik | Nilai berdasarkan tiga kriteria berikut |
7. Panduan Tingkat Lanjut
Bagian ini untuk Anda yang memakai AI hampir setiap hari atau perlu hasil yang konsisten dalam pekerjaan berulang. Anda tetap tidak perlu menulis kode.
Penalaran bertahap dan batas manfaatnya
Meminta model berpikir langkah demi langkah terbukti membantu pada soal yang membutuhkan nalar, sebagaimana dilaporkan oleh penelitian chain-of-thought. Namun, beberapa model terbaru sudah dirancang untuk bernalar secara internal. Pada model seperti itu, instruksi untuk berpikir bertahap kadang tidak lagi diperlukan, dan yang lebih penting adalah menjelaskan masalah serta kriteria keberhasilan dengan baik. Cara terbaik adalah mencoba keduanya pada tugas Anda dan membandingkan hasilnya.
Rangkai beberapa prompt
Prompt chaining berarti memecah pekerjaan menjadi tahap yang masing-masing punya prompt sendiri, dan keluaran satu tahap menjadi masukan tahap berikutnya. Contohnya untuk menyusun artikel: tahap satu mengumpulkan pertanyaan pembaca, tahap dua menyusun kerangka, tahap tiga menulis draf, tahap empat memeriksa fakta dan gaya. Setiap tahap lebih mudah dikendalikan daripada satu prompt raksasa.
Buat templat yang dapat dipakai ulang
Jika Anda sering mengerjakan hal yang sama, ubah prompt yang berhasil menjadi templat dengan tempat kosong. Misalnya:
Tugas: ringkas dokumen berikut untuk [pembaca] dalam [jumlah] poin.
Konteks: dokumen ini dipakai untuk [tujuan].
Batasan: jangan menambah informasi di luar dokumen; tandai bagian yang ambigu.
Dokumen: [tempel di sini]
Uji dengan beberapa kasus
Prompt yang bekerja baik pada satu contoh belum tentu andal pada contoh lain. Siapkan lima sampai sepuluh kasus yang beragam, termasuk kasus aneh, lalu jalankan prompt Anda pada semuanya. Catat yang gagal dan perbaiki. Ini adalah versi sederhana dari pengujian sistematis yang dianjurkan dalam banyak panduan resmi.
Landasi jawaban pada sumber
Untuk tugas yang menuntut ketepatan, tempelkan sumbernya dan minta AI hanya memakai sumber tersebut: "Jawab hanya berdasarkan teks di bawah. Jika jawabannya tidak ada, katakan tidak ada." Prinsip yang sama dipakai pada sistem RAG di perusahaan, tetapi Anda bisa menirunya secara manual.
Minta tinjauan kedua
Setelah AI menghasilkan draf, minta ia memeriksanya terhadap daftar kriteria: "Tinjau draf di atas. Daftar kalimat yang klaimnya tidak didukung data, istilah yang membingungkan, dan bagian yang berulang. Lalu revisi." Peninjauan kedua tidak menjamin kebenaran, tetapi sering menangkap kelemahan yang terlewat.
Waspadai teks pihak ketiga
Ketika AI diminta membaca halaman web, surel, atau dokumen dari orang lain, teks itu bisa saja memuat instruksi terselubung yang berusaha membelokkan perilaku model. Fenomena ini disebut prompt injection. Sebagai pengguna biasa, cukup ingat dua hal: perlakukan isi sumber luar sebagai bahan, bukan perintah, dan jangan memberi AI wewenang untuk bertindak (misalnya mengirim pesan atau membayar) tanpa persetujuan Anda.
Bangun pustaka prompt pribadi
Simpan prompt yang berhasil dalam satu berkas, beri nama jelas, dan catat tanggal serta alat yang dipakai. Seiring waktu, pustaka ini menjadi aset kerja yang nilainya sering melebihi hasil satu-dua tugas.
8. Panduan Langkah demi Langkah
Berikut alur kerja yang bisa Anda terapkan pada hampir semua tugas. Sebagai ilustrasi, kita memakai kasus fiktif: pemilik sebuah CV yang bergerak di bidang kemasan makanan ingin menulis surat penawaran kerja sama kepada pengelola UMKM kuliner.
Langkah pertama: tentukan hasil akhir yang Anda butuhkan
Tulis satu kalimat tentang apa yang ingin dihasilkan dan bagaimana ia akan dipakai. Contoh: "Surat penawaran satu halaman yang dikirim lewat surel kepada pemilik usaha kuliner skala kecil, agar mereka tertarik mencoba kemasan kami."
Langkah kedua: kumpulkan konteks yang tidak dimiliki AI
Catat fakta yang relevan: nama usaha, produk, harga dalam Rupiah, keunggulan, dan syarat. Misalnya kemasan kertas berlapis mulai Rp1.200 per unit untuk pembelian minimal 500 unit. Jangan mengandalkan AI untuk mengisi fakta yang tidak ia ketahui.
Langkah ketiga: sebutkan pembaca dan nada
Pembacanya pemilik usaha kecil yang sibuk. Nada yang dipilih: sopan, hangat, tidak memaksa, dan memakai bahasa yang mudah dipahami tanpa jargon.
Langkah keempat: tentukan format dan batasan
Satu halaman, tiga paragraf pendek, ada baris subjek surel, ditutup ajakan membalas. Batasan: jangan menjanjikan diskon yang tidak tertulis, jangan mengarang testimoni.
Langkah kelima: gabungkan menjadi prompt
Langkah keenam: baca hasilnya dengan kritis
Periksa fakta, angka, dan nada. Cari kalimat yang terdengar bagus tetapi kosong. Pastikan tidak ada klaim yang tidak Anda berikan.
Langkah ketujuh: beri umpan balik yang spesifik
Daripada mengatakan "kurang bagus", katakan, "Paragraf kedua terlalu panjang, pangkas menjadi dua kalimat, dan tambahkan satu kalimat tentang cetak logo tanpa menambah biaya."
Langkah kedelapan: simpan sebagai templat
Jika hasilnya sudah sesuai, ganti detail spesifik dengan tempat kosong dan simpan. Lain kali Anda hanya perlu mengganti nama usaha, produk, dan harga.
| Tahap | Pertanyaan kunci | Hasil yang dituju |
|---|---|---|
| Rumuskan | Apa hasil akhir dan untuk apa dipakai? | Satu kalimat tujuan |
| Kumpulkan | Fakta apa yang hanya saya ketahui? | Daftar bahan dan angka |
| Sesuaikan | Siapa pembacanya dan nada apa yang cocok? | Profil audiens |
| Batasi | Format dan larangan apa yang perlu ditulis? | Spesifikasi keluaran |
| Uji | Apakah hasilnya benar dan sesuai? | Draf terverifikasi |
| Perbaiki | Bagian mana yang perlu diubah? | Versi final |
| Simpan | Bisakah dipakai ulang? | Templat prompt |
9. Contoh Dunia Nyata
Contoh berikut menunjukkan bagaimana lima unsur prompt bekerja pada kebutuhan yang akrab di Indonesia. Nama usaha dan tokoh bersifat ilustrasi.
Guru: menyusun soal dan rubrik
Perhatikan bahwa prompt ini menyebut jenjang, topik, jumlah, tingkat kesulitan, konteks lokal, dan bentuk keluaran. Guru tetap perlu menyelesaikan sendiri beberapa soal untuk memastikan kuncinya benar, karena model dapat keliru pada perhitungan.
Mahasiswa: memahami materi, bukan menyalin jawaban
Prompt seperti ini memakai AI sebagai pendamping belajar. Mahasiswa sebaiknya tetap mengikuti aturan kampus soal penggunaan AI pada tugas dan karya ilmiah, serta mencantumkan sumber asli saat menulis. Panduan Kementerian Pendidikan untuk perguruan tinggi menekankan penggunaan yang bertanggung jawab dan integritas akademik.
Pelaku UMKM: deskripsi produk
Larangan menulis klaim yang tidak disebutkan penting bagi pelaku usaha, sebab klaim pada produk makanan dikaitkan dengan izin edar dan sertifikasi. Pastikan NIB dan perizinan lain melalui sistem OSS sudah beres sebelum mencantumkan apa pun.
Pegawai kantor: merapikan notulen
Pencari kerja: surat lamaran
| Pengguna | Kebutuhan | Unsur yang paling menentukan |
|---|---|---|
| Guru | Soal, rubrik, modul ajar | Konteks jenjang dan format keluaran |
| Mahasiswa | Memahami konsep, latihan | Tujuan belajar dan batasan agar tidak sekadar menyalin |
| Pelaku UMKM | Deskripsi produk, balasan pelanggan | Batasan klaim dan contoh gaya bahasa |
| Pegawai administrasi | Notulen, surat, ringkasan | Format dan aturan untuk informasi yang hilang |
| Pencari kerja | Surat lamaran, persiapan wawancara | Sumber informasi yang sah dan batasan mengarang |
| Penulis konten | Kerangka, ide, penyuntingan | Audiens dan contoh gaya |
| Peneliti | Merangkum literatur, merapikan bahasa | Landasan sumber dan verifikasi manual |
10. Studi Kasus
Tiga studi kasus berikut merupakan ilustrasi komposit yang disusun berdasarkan pola kesalahan yang umum terjadi. Angka dan nama bersifat contoh, bukan data hasil riset.
Studi kasus pertama: guru dan modul ajar
Situasi. Bu Sari, guru IPA di sebuah SMP, perlu menyusun modul ajar tentang sistem pencernaan untuk dua pertemuan.
Prompt awal. "Buatkan modul ajar sistem pencernaan."
Masalah. Hasilnya panjang, tetapi isinya umum. Tidak ada kaitan dengan capaian pembelajaran, kegiatan tidak cocok dengan kelas berisi 36 siswa, dan tidak ada penilaian.
Prompt perbaikan. "Anda adalah guru IPA SMP. Susun modul ajar untuk dua pertemuan (masing-masing 2 x 40 menit) tentang sistem pencernaan manusia untuk kelas VIII. Kelas berisi 36 siswa dengan fasilitas proyektor, tanpa laboratorium. Sertakan tujuan pembelajaran, kegiatan inti berbasis diskusi kelompok, satu asesmen formatif berupa kuis lima soal, dan alternatif kegiatan bagi siswa yang cepat selesai. Gunakan bahasa Indonesia baku dan hindari istilah yang terlalu teknis."
Hasil. Modul menjadi sesuai kondisi kelas, kegiatan lebih realistik, dan Bu Sari hanya perlu menyesuaikan beberapa bagian. Pelajaran pentingnya: konteks kelas yang tertulis lebih berpengaruh daripada panjang kalimat.
Studi kasus kedua: UMKM dan deskripsi produk
Situasi. Pak Dedi menjual batik tulis secara daring dan ingin deskripsi produk untuk lima kain.
Prompt awal. "Tulis deskripsi batik yang menarik."
Masalah. AI menuliskan klaim seperti "pewarna alami 100 persen" dan "dibuat oleh pengrajin bersertifikat", padahal Pak Dedi tidak pernah menyebutnya. Itu contoh halusinasi yang berisiko bagi pelaku usaha.
Prompt perbaikan. "Tulis deskripsi 70 sampai 90 kata untuk batik tulis berikut: motif parang, bahan katun primisima, panjang 2,5 meter, harga Rp385.000, dibuat di Pekalongan. Gunakan hanya fakta yang saya berikan. Jika Anda ingin menambahkan informasi lain, tulis di akhir dalam kurung siku sebagai usulan yang harus saya periksa. Gaya elegan namun hangat."
Hasil. Deskripsi akurat, dan usulan tambahan terpisah sehingga mudah diverifikasi. Kasus ini memperlihatkan nilai batasan eksplisit dan aturan "pisahkan fakta dari usulan".
Studi kasus ketiga: staf administrasi dan notulen
Situasi. Mbak Lia perlu membuat notulen dari catatan rapat berantakan sepanjang tiga halaman.
Prompt awal. "Rapikan catatan ini."
Masalah. Hasilnya berupa tulisan lebih rapi, tetapi keputusan dan tugas bercampur, dan beberapa tenggat ditambahkan sendiri oleh AI.
Prompt perbaikan. "Susun notulen dari catatan berikut dengan bagian peserta, keputusan, dan tindak lanjut. Untuk tindak lanjut, buat tabel dengan kolom tugas, penanggung jawab, dan tenggat. Jangan menambah nama atau tanggal yang tidak ada di catatan; tulis BELUM DITENTUKAN bila tidak tersedia. Setelah itu, daftar tiga hal yang menurut Anda ambigu dan perlu saya konfirmasi."
Hasil. Notulen lebih mudah diperiksa, dan daftar hal ambigu membantu Mbak Lia menghubungi peserta rapat untuk melengkapi data. Meminta AI menyebutkan keraguannya sendiri adalah salah satu cara paling murah untuk meningkatkan mutu.
| Kasus | Akar masalah | Perbaikan utama |
|---|---|---|
| Modul ajar | Konteks kelas tidak ditulis | Tambahkan jenjang, durasi, jumlah siswa, fasilitas |
| Deskripsi batik | AI mengisi kekosongan fakta | Batasi pada fakta yang diberikan, pisahkan usulan |
| Notulen | Format dan aturan data hilang tidak ditentukan | Tetapkan struktur tabel dan label BELUM DITENTUKAN |
11. Penerapan Praktis
Kemampuan menulis prompt tumbuh lewat latihan kecil yang konsisten. Berikut program latihan tujuh hari yang bisa diikuti dalam 15 sampai 20 menit per hari.
| Hari | Latihan | Target |
|---|---|---|
| Pertama | Ubah tiga permintaan samar Anda sendiri menjadi permintaan dengan tujuan dan format jelas | Terbiasa menyebut hasil akhir |
| Kedua | Tambahkan pembaca dan nada pada satu tugas penulisan | Terbiasa menyebut audiens |
| Ketiga | Latih few-shot dengan dua contoh untuk tugas klasifikasi atau gaya | Memahami kekuatan contoh |
| Keempat | Pecah satu tugas besar menjadi tiga tahap | Terbiasa memecah pekerjaan |
| Kelima | Tambahkan aturan ketidakpastian pada tugas berbasis fakta | Menekan risiko mengarang |
| Keenam | Uji satu prompt pada lima kasus berbeda | Menemukan kelemahan prompt |
| Ketujuh | Bukukan tiga prompt terbaik sebagai templat | Membangun pustaka pribadi |
Selain latihan, terapkan juga tiga kebiasaan kerja berikut. Pertama, selalu baca hasil AI seolah-olah itu draf dari magang yang rajin tetapi belum berpengalaman. Kedua, periksa hal-hal yang berisiko: angka, nama, tanggal, kutipan, dan klaim hukum. Ketiga, catat apa yang berhasil, karena ingatan kita tentang prompt yang bagus ternyata cepat memudar.
12. Manfaat
Menguasai penyusunan prompt yang baik membawa sejumlah manfaat nyata.
- Hemat waktu. Putaran revisi berkurang karena instruksi pertama sudah mendekati kebutuhan.
- Mutu lebih konsisten. Templat dan kriteria yang jelas membuat hasil tidak naik turun.
- Kontrol lebih besar. Anda yang mengarahkan, bukan sekadar menerima apa pun yang keluar.
- Risiko lebih rendah. Batasan dan aturan ketidakpastian menekan kemungkinan klaim palsu.
- Kolaborasi lebih mudah. Prompt yang tertulis rapi dapat dibagikan dan diperbaiki bersama tim.
- Pembelajaran lebih dalam. Menuliskan kebutuhan dengan jelas memaksa kita memahami masalahnya lebih baik.
13. Keterbatasan
Prompt yang baik tidak membuat AI menjadi sempurna. Pemahaman tentang keterbatasan justru bagian dari keahlian.
| Keterbatasan | Penjelasan | Cara menyikapi |
|---|---|---|
| Halusinasi | Model dapat menghasilkan fakta, kutipan, atau tautan yang tidak ada | Verifikasi pada sumber resmi, minta model mengaku bila tidak yakin |
| Pengetahuan terbatas waktu | Model dilatih sampai batas waktu tertentu, kecuali terhubung ke pencarian | Tempel data terbaru atau gunakan fitur pencarian lalu cek sumbernya |
| Bias | Model mewarisi pola dari data pelatihannya | Minta sudut pandang beragam dan tinjau hasilnya secara kritis |
| Variasi jawaban | Pertanyaan yang sama bisa menghasilkan jawaban berbeda | Uji berulang pada tugas penting dan simpan versi yang disetujui |
| Konteks terbatas | Percakapan yang sangat panjang dapat membuat detail awal tergeser | Ringkas berkala dan ulangi instruksi penting |
| Privasi data | Isi prompt dapat diproses oleh penyedia layanan | Samarkan data pribadi dan baca kebijakan privasi alat |
| Ketergantungan | Terlalu bergantung dapat menumpulkan kemampuan sendiri | Kerjakan bagian penalaran inti secara mandiri |
Satu keterbatasan lain yang kerap terlewat: bahasa Indonesia baku, bahasa daerah, dan istilah lokal tidak selalu ditangani sama baiknya oleh setiap model. Jika hasilnya terasa kaku atau keliru memilih istilah, sertakan contoh kalimat yang Anda anggap tepat. Untuk bidang yang bertaruh tinggi seperti hukum, kedokteran, dan keuangan, hasil AI tidak menggantikan nasihat tenaga profesional.
14. Praktik Terbaik
Dari seluruh pembahasan di atas, praktik berikut paling sering membedakan pengguna yang puas dari pengguna yang kecewa.
Mulai dengan hasil akhir di kepala
Sebelum mengetik, jawab dulu dua pertanyaan: hasil seperti apa yang saya inginkan, dan bagaimana saya tahu hasil itu sudah bagus? Jika Anda sendiri belum bisa menjawabnya, AI pun akan kesulitan.
Tulis seperti memberi arahan kepada manusia
Gunakan kalimat lengkap dan bahasa yang wajar. Anda tidak perlu mantra atau bahasa khusus. Instruksi yang bisa dipahami rekan kerja Anda umumnya juga bisa dipahami AI.
Jelaskan alasan di balik aturan
Aturan yang disertai alasan lebih mudah diikuti dengan benar. "Hindari singkatan karena pembacanya orang awam" lebih baik daripada "Jangan pakai singkatan." Dengan alasan, model dapat menyesuaikan diri pada situasi yang tidak Anda duga.
Katakan yang harus dilakukan, bukan hanya yang dilarang
"Tulis dalam paragraf mengalir tanpa poin" lebih mudah diikuti daripada "Jangan pakai poin." Larangan tetap berguna, tetapi arahan positif biasanya lebih jelas.
Taruh bahan panjang dengan struktur yang rapi
Pada dokumen yang panjang, penelitian seperti "Lost in the Middle" (Liu dan rekan, 2023) menunjukkan bahwa model cenderung kurang andal memakai informasi yang terselip di tengah konteks panjang. Letakkan instruksi penting dengan jelas, dan ulangi pokok permintaan di akhir bila bahannya sangat panjang.
Verifikasi sebelum mempercayai
Perlakukan hasil AI sebagai draf. Cek angka dengan sumber resmi, misalnya BPS untuk data statistik, Bank Indonesia untuk kebijakan moneter dan nilai tukar, OJK untuk ketentuan jasa keuangan, dan Direktorat Jenderal Pajak (DJP) untuk aturan perpajakan. Untuk peraturan, rujuk langsung ke teks resmi perundang-undangan.
Jaga data sensitif
Hapus atau samarkan nama, nomor identitas, alamat, nomor rekening, dan data pelanggan sebelum menempelkannya. Ganti dengan penanda seperti PELANGGAN A. Pelajari kebijakan data dari alat yang Anda pakai, terutama untuk keperluan kantor atau lembaga.
Iterasi dengan umpan balik spesifik
Sebutkan bagian mana yang perlu diubah dan ke arah mana. Satu umpan balik yang tepat sering lebih berguna daripada menulis ulang seluruh prompt.
| Praktik | Alasan | Contoh penerapan |
|---|---|---|
| Tulis tujuan dan kriteria sukses | Mengurangi tebakan | Surat satu halaman, nada sopan, tanpa janji diskon |
| Beri konteks nyata | AI tidak tahu situasi Anda | Kelas 36 siswa, tanpa laboratorium |
| Gunakan contoh | Pola lebih mudah ditangkap daripada deskripsi | Dua contoh ulasan berlabel |
| Tetapkan format | Hasil siap pakai | Tabel tiga kolom |
| Minta AI mengaku bila ragu | Menekan klaim palsu | Tulis TIDAK PASTI |
| Verifikasi | AI bisa keliru | Cek angka ke sumber resmi |
| Simpan templat | Konsistensi dan efisiensi | Pustaka prompt pribadi |
15. Kesalahan Umum
| Kesalahan | Dampak | Perbaikan |
|---|---|---|
| Prompt terlalu singkat dan samar | Jawaban generik | Tambahkan tujuan, pembaca, dan format |
| Tidak memberi konteks | Jawaban tidak sesuai situasi | Tuliskan fakta penting yang hanya Anda ketahui |
| Meminta terlalu banyak sekaligus | Hasil dangkal di semua bagian | Pecah menjadi tahap-tahap |
| Menumpuk instruksi yang saling bertentangan | Hasil tidak konsisten | Urutkan prioritas, misalnya "ringkas, tapi jangan membuang angka" |
| Menerima jawaban pertama tanpa mengoreksi | Kualitas rendah dan risiko salah | Beri umpan balik spesifik |
| Memercayai kutipan dan angka begitu saja | Informasi palsu tersebar | Verifikasi pada sumber primer |
| Menempelkan data pribadi mentah | Risiko privasi dan pelanggaran aturan | Samarkan data sebelum dikirim |
| Berpegang pada satu rumus ajaib | Kaku dan sering tidak cocok | Sesuaikan teknik dengan tugas |
| Menyalin prompt viral tanpa memahami | Hasil tidak sesuai kebutuhan | Pahami logikanya, lalu sesuaikan |
| Marah-marah atau mengancam AI | Tidak ada manfaat nyata | Fokus pada instruksi yang lebih jelas |
Dua kesalahan di tabel tersebut layak mendapat sorotan tambahan. Pertama, kebiasaan menyalin "prompt sakti" dari media sosial. Prompt semacam itu kadang berguna sebagai titik awal, tetapi tanpa pemahaman mengapa ia bekerja, Anda tidak akan bisa memperbaikinya ketika hasilnya meleset. Kedua, anggapan bahwa menambahkan kata-kata seperti "ini sangat penting" otomatis menaikkan mutu. Penegasan boleh dipakai seperlunya, tetapi yang membuat jawaban membaik hampir selalu informasi yang lebih lengkap, bukan nada yang lebih mendesak.
16. Rekomendasi Ahli
Bagian ini merangkum benang merah dari pedoman resmi yang diterbitkan para pengembang model dan dari penelitian yang dikutip di atas. Ringkasan ini ditulis dengan kata-kata sendiri, dan Anda dianjurkan membaca sumber aslinya pada bagian akhir artikel.
Pertama, hampir semua pedoman resmi sepakat bahwa kejelasan dan kespesifikan adalah fondasi. Dokumentasi Anthropic, misalnya, menyarankan agar pengguna memperlakukan model seperti karyawan baru yang cerdas tetapi belum mengenal konteks, sehingga instruksi perlu eksplisit. Panduan OpenAI menekankan penulisan instruksi yang jelas, pemberian teks rujukan, pemecahan tugas rumit, dan pengujian secara sistematis. Panduan Google untuk pengguna Gemini umumnya menganjurkan unsur seperti peran, tugas, konteks, dan format.
Kedua, contoh di dalam prompt terbukti ampuh. Makalah tentang GPT-3 mencatat bahwa model besar dapat belajar pola tugas dari beberapa contoh dalam konteks, dan pedoman praktis dari penyedia model mendorong penggunaan contoh yang beragam dan mewakili.
Ketiga, struktur membantu. Pemisah antara instruksi, bahan, dan contoh mengurangi kekeliruan, terutama pada prompt yang panjang.
Keempat, pengujian dan iterasi adalah bagian dari prosesnya. Tidak ada prompt yang pantas dianggap final sebelum diuji pada kasus yang beragam.
Kelima, tanggung jawab tetap pada manusia. Surat Edaran Menkominfo Nomor 9 Tahun 2023 menempatkan prinsip seperti inklusivitas, kemanusiaan, keamanan, aksesibilitas, transparansi, kredibilitas, akuntabilitas, pelindungan data pribadi, pembangunan dan lingkungan berkelanjutan, serta kekayaan intelektual dalam pemanfaatan kecerdasan artifisial. Bagi pengguna biasa, pesan praktisnya sederhana: gunakan AI dengan bijak, jaga data, dan bertanggung jawab atas hasil yang Anda pakai.
17. Pertanyaan yang Sering Diajukan
Q. Apakah saya perlu belajar pemrograman untuk menulis prompt yang baik?
Tidak. Untuk penggunaan sehari-hari, kemampuan yang dibutuhkan adalah kejelasan berpikir dan kemampuan menulis instruksi. Pemrograman baru relevan bila Anda membangun aplikasi yang memanggil model secara otomatis.
Q. Apakah ada rumus prompt yang paling benar?
Tidak ada satu rumus yang paling benar. Rumus seperti peran, tugas, konteks, dan format hanyalah alat bantu mengingat. Prinsip dasarnya tetap: jelaskan kebutuhan Anda sehingga tidak ada hal penting yang dibiarkan ditebak.
Q. Seberapa panjang prompt yang ideal?
Sepanjang yang dibutuhkan untuk memuat informasi penting, tidak lebih. Tugas sederhana cukup satu atau dua kalimat. Tugas kompleks dengan banyak ketentuan wajar memakai prompt beberapa paragraf yang terstruktur.
Q. Apakah menulis dalam bahasa Inggris selalu memberi hasil lebih baik?
Tidak selalu. Banyak model modern menangani bahasa Indonesia dengan baik. Untuk tugas yang bernuansa lokal, seperti surat dinas, istilah hukum Indonesia, atau konteks budaya, menulis dalam bahasa Indonesia sering lebih tepat. Jika hasilnya kurang memuaskan, Anda dapat membandingkan kedua bahasa pada tugas Anda sendiri.
Q. Perlukah memakai kata "tolong" dan "terima kasih"?
Tidak wajib dan tidak ada bukti bahwa kesantunan menjamin hasil yang lebih baik. Namun, nada yang tenang dan jelas membantu Anda sendiri menyusun instruksi yang rapi.
Q. Mengapa jawaban AI berbeda setiap kali saya bertanya?
Model menghasilkan jawaban dengan unsur variasi. Untuk menjaga konsistensi, tetapkan format dan batasan yang ketat, berikan contoh, dan simpan versi prompt yang sudah berhasil.
Q. Bagaimana cara mengurangi halusinasi?
Berikan sumber dan minta AI hanya memakai sumber itu, izinkan ia menjawab "tidak tahu", minta penandaan bagian yang tidak pasti, dan verifikasi hal-hal penting. Langkah-langkah ini mengurangi risiko, tetapi tidak menghapusnya.
Q. Bolehkah saya memasukkan data pelanggan atau dokumen kantor?
Sebaiknya jangan menempelkan data pribadi atau dokumen rahasia tanpa memahami kebijakan alat yang dipakai dan aturan internal tempat Anda bekerja. UU PDP mengatur pelindungan data pribadi, jadi samarkan atau gunakan layanan yang disetujui organisasi Anda.
Q. Apakah pelajar dan mahasiswa boleh memakai AI untuk tugas?
Itu bergantung pada kebijakan sekolah atau kampus masing-masing. Pada umumnya, memakai AI untuk memahami materi, mencari ide, atau memeriksa bahasa lebih dapat diterima dibandingkan menyerahkan hasil AI sebagai karya sendiri. Tanyakan aturannya kepada guru atau dosen, dan cantumkan penggunaan AI bila diwajibkan.
Q. Apakah profesi prompt engineer akan hilang?
Sulit memastikan. Yang cukup jelas, kemampuan dasar menyusun instruksi menjadi keterampilan umum, mirip kemampuan memakai mesin pencari atau perangkat lunak perkantoran. Peran spesialis di bidang pengembangan sistem AI mungkin tetap ada, tetapi bentuk dan namanya bisa berubah.
Q. Alat mana yang sebaiknya saya pakai?
Pilih berdasarkan kebutuhan, anggaran, kebijakan privasi, dan kualitas hasil untuk tugas Anda. Prinsip penulisan prompt dalam artikel ini berlaku lintas alat, sehingga Anda tidak perlu mempelajarinya ulang saat berpindah.
Q. Bagaimana tahu prompt saya sudah cukup baik?
Gunakan uji sederhana: jika seorang rekan kerja membaca prompt Anda tanpa konteks lain, apakah ia tahu persis apa yang harus dikerjakan, untuk siapa, dan seperti apa hasil yang diharapkan? Jika ya, kemungkinan besar prompt Anda sudah cukup baik.
18. Mitos vs. Fakta
| Mitos | Fakta |
|---|---|
| Prompt bagus harus memakai kata-kata ajaib atau rumus rahasia | Yang berpengaruh adalah kejelasan tujuan, konteks, dan format, bukan kata sakti |
| Semakin panjang prompt, semakin bagus hasilnya | Yang penting kelengkapan informasi relevan; prompt panjang yang berputar-putar justru merugikan |
| AI selalu tahu fakta terbaru | Pengetahuan model terbatas waktu, kecuali ia terhubung ke sumber terbaru, dan tetap perlu diverifikasi |
| Jika AI menjawab dengan yakin, berarti benar | Nada yakin tidak menjamin kebenaran; halusinasi bisa terdengar sangat meyakinkan |
| Hanya orang teknis yang bisa memakai AI dengan baik | Kemampuan menjelaskan kebutuhan jauh lebih menentukan daripada latar belakang teknis |
| Satu prompt sempurna cukup untuk semua tugas | Tugas berbeda membutuhkan penyesuaian, dan iterasi adalah hal wajar |
| Memberi peran seperti ahli otomatis membuat jawaban ahli | Peran membantu gaya dan sudut pandang, tetapi mutu tetap bergantung pada konteks dan verifikasi |
| Menggunakan AI berarti curang | Tergantung aturan dan cara pemakaian; transparansi dan integritas yang menentukan |
19. Daftar Periksa Praktis
Gunakan daftar ini sebelum menekan tombol kirim dan setelah membaca jawaban.
Sebelum mengirim prompt
| Item | Centang |
|---|---|
| Saya sudah menulis hasil akhir yang diinginkan dengan kata kerja yang jelas. | ☐ |
| Saya sudah menyebut siapa pembacanya dan untuk apa hasil ini dipakai. | ☐ |
| Saya sudah menuliskan konteks dan fakta penting yang hanya saya ketahui. | ☐ |
| Saya sudah menentukan format, panjang, dan nada. | ☐ |
| Saya sudah menulis batasan, termasuk larangan mengarang. | ☐ |
| Saya sudah menyertakan contoh bila gaya atau pola tertentu diperlukan. | ☐ |
| Saya sudah menyamarkan data pribadi dan data rahasia. | ☐ |
Setelah menerima jawaban
| Item | Centang |
|---|---|
| Saya sudah memeriksa angka, nama, tanggal, dan kutipan pada sumber resmi. | ☐ |
| Saya sudah mencari klaim yang tidak saya berikan atau tidak punya dasar. | ☐ |
| Saya sudah memberi umpan balik spesifik untuk bagian yang kurang. | ☐ |
| Saya sudah memastikan hasilnya sesuai aturan sekolah, kampus, atau kantor. | ☐ |
| Saya sudah menyimpan prompt yang berhasil sebagai templat. | ☐ |
Rangkuman cepat
| Situasi | Tindakan tercepat |
|---|---|
| Hasil terlalu umum | Tambahkan konteks dan contoh |
| Hasil terlalu panjang | Tentukan batas kata dan format |
| Hasil memuat klaim tak berdasar | Tambahkan aturan "gunakan hanya fakta yang saya berikan" |
| Hasil tidak konsisten | Tetapkan struktur dan simpan templat |
| Tugas terlalu besar | Pecah menjadi tahap-tahap |
| Ragu pada kebenaran | Minta penandaan ketidakpastian dan verifikasi manual |
20. Penutup
Menulis prompt yang baik pada akhirnya adalah latihan berpikir jernih dan berkomunikasi dengan jelas. Anda tidak perlu menjadi prompt engineer untuk melakukannya. Anda hanya perlu menjawab beberapa pertanyaan sederhana sebelum bertanya kepada AI: apa yang saya inginkan, untuk siapa, dalam bentuk apa, dengan batasan apa, dan bagaimana saya akan memeriksanya?
Mulailah dari satu tugas kecil hari ini. Ambil permintaan yang biasanya Anda tulis dalam satu kalimat samar, lalu tulis ulang dengan lima unsur: tujuan, konteks, contoh, format, dan batasan. Bandingkan hasilnya. Perbedaan yang Anda rasakan akan menjadi motivasi terbaik untuk melanjutkan.
Alat AI akan terus berubah, dan teknik yang populer hari ini mungkin usang beberapa tahun lagi. Tetapi kebiasaan menjelaskan kebutuhan dengan terang, menguji hasil, dan bertanggung jawab atas keputusan akan tetap bernilai, siapa pun atau apa pun lawan bicara Anda.
21. Poin-Poin Penting
- Prompt adalah briefing kerja. Semakin jelas briefing-nya, semakin tepat hasilnya.
- Lima unsur utama: tujuan, konteks, contoh, format, dan batasan. Peran bersifat opsional.
- Spesifik bukan berarti panjang; yang dicari adalah kelengkapan informasi relevan.
- Contoh, pembatas, pemecahan tugas, dan penanda ketidakpastian adalah teknik menengah yang paling terasa manfaatnya.
- Untuk tugas berulang, simpan prompt sebagai templat dan uji pada beberapa kasus.
- AI dapat berhalusinasi. Verifikasi angka, nama, kutipan, dan klaim penting pada sumber resmi.
- Lindungi data pribadi sesuai semangat UU PDP, dan ikuti aturan institusi Anda.
- Iterasi bukan tanda kegagalan, melainkan bagian normal dari proses.
22. Bacaan yang Disarankan
- Makalah "Attention Is All You Need" (Vaswani dan rekan, 2017) untuk memahami arsitektur di balik model bahasa modern.
- Makalah "Language Models are Few-Shot Learners" (Brown dan rekan, 2020) tentang pembelajaran dari contoh di dalam prompt.
- Makalah "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models" (Wei dan rekan, 2022) tentang penalaran bertahap.
- Makalah "Lost in the Middle: How Language Models Use Long Contexts" (Liu dan rekan, 2023) tentang penggunaan konteks panjang.
- Panduan prompt dari OpenAI, Anthropic, dan Google untuk pengguna dan pengembang.
- Panduan penggunaan AI generatif untuk pembelajaran di perguruan tinggi yang diterbitkan oleh kementerian yang membidangi pendidikan.
23. Sumber Otoritatif Eksternal
Tautan berikut mengarah ke situs penerbit atau repositori resmi. Karena situs dapat berubah, bila tautan tidak lagi terbuka, cari judul dokumen pada situs penerbitnya.
| Sumber | Penerbit | Manfaat bagi pembaca |
|---|---|---|
| Prompt engineering overview | Anthropic | Praktik menulis instruksi, contoh, struktur, dan penalaran |
| Prompt engineering guide | OpenAI | Strategi menulis instruksi yang jelas dan menguji prompt |
| Panduan prompt untuk Gemini | Kerangka tugas, konteks, peran, dan format untuk pengguna umum | |
| Attention Is All You Need (arxiv.org/abs/1706.03762) | Vaswani dkk., arXiv | Latar teknis model bahasa modern |
| Language Models are Few-Shot Learners (arxiv.org/abs/2005.14165) | Brown dkk., arXiv | Dasar teknik few-shot |
| Chain-of-Thought Prompting (arxiv.org/abs/2201.11903) | Wei dkk., arXiv | Dasar teknik penalaran bertahap |
| Lost in the Middle (arxiv.org/abs/2307.03172) | Liu dkk., arXiv | Perilaku model pada konteks panjang |
| Surat Edaran Menkominfo Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial | Kementerian Komunikasi dan Informatika (Komdigi) | Pedoman etika pemanfaatan AI di Indonesia |
| UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi | Pemerintah RI, JDIH BPK | Dasar hukum pelindungan data pribadi |
| Data dan statistik resmi (bps.go.id) | Badan Pusat Statistik | Verifikasi angka dan data statistik |
| Kamus Besar Bahasa Indonesia daring (kbbi.kemdikbud.go.id) | Badan Pengembangan dan Pembinaan Bahasa | Rujukan istilah dan ejaan baku |
Artikel ini disusun berdasarkan informasi per April 2026. Fitur alat, ketentuan layanan, dan pedoman publik dapat berubah. Sebelum mengandalkan alat apa pun, periksa informasi resmi terbaru. Artikel ini bersifat informasi umum dan bukan nasihat hukum, medis, atau keuangan.
Cara Menulis Prompt AI yang Efektif
Tanpa Harus Menjadi Prompt Engineer
Terbit: 5 Oktober 2026 · © 2026 Hak cipta dilindungi.