Prompt Engineering Dasar: Bikin AI Menjawab Tepat Sasaran

"AI-nya nggak paham maksud saya." Kalimat ini muncul di hampir setiap grup diskusi AI. Tapi setelah ditelusuri, sembilan dari sepuluh kali masalahnya bukan di AI-nya — melainkan di prompt-nya: terlalu singkat, terlalu kabur, atau tidak memberi informasi yang sebenarnya dibutuhkan.

Prompt engineering adalah seni dan teknik menyusun instruksi (prompt) agar model AI menghasilkan jawaban yang tepat, relevan, dan bisa dipakai — bukan sekadar jawaban yang "kelihatan pintar".

Kabar baiknya: kamu nggak perlu kursus mahal buat jago. Sebagian besar peningkatan kualitas datang dari beberapa prinsip dasar yang bisa dipraktikkan hari ini juga.

Kenapa Prompt Bagus Menghasilkan Jawaban Bagus

Model AI itu pada dasarnya mesin penebak kata yang sangat canggih. Dia tidak "tahu" maksudmu — dia menebak respons paling mungkin dari pola prompt yang kamu beri. Prompt kabur menghasilkan tebakan kabur. Prompt presisi menghasilkan tebakan yang presisi.

Contoh paling sederhana. Prompt kabur:

"Tulis tentang kopi."

Model bisa menulis apa saja: sejarah kopi, resep, puisi tentang kopi. Semuanya "benar", tapi belum tentu yang kamu mau. Bandingkan:

"Tulis caption Instagram 2 kalimat untuk kedai kopi, tone santai, target anak muda, highlight menu baru kopi susu gula aren."

Prompt kedua memberi: format (caption IG), panjang (2 kalimat), tone (santai), audiens (anak muda), topik spesifik (menu baru). Model tidak perlu menebak — dia tinggal eksekusi.

Prinsip 1: Jelas dan Spesifik

Aturan emasnya: tulis prompt seolah kamu memberi brief ke freelancer baru — orang yang pintar, tapi tidak tahu konteks di kepalamu.

Jelek:

"Buatkan email."

Bagus:

"Buatkan email follow-up ke klien setelah meeting kemarin. Tujuannya mengingatkan proposal yang dikirim Senin lalu. Tone profesional tapi hangat, maksimal 150 kata, bahasa Indonesia."

Perhatikan apa yang ditambahkan: ke siapa, konteksnya apa, tujuannya apa, tone, panjang, bahasa. Setiap detail yang kamu tambah adalah satu tebakan yang tidak perlu dilakukan model.

Prinsip 2: Beri Konteks yang Cukup

Model tidak tahu latar belakangmu. Kalau kamu minta saran tanpa konteks, dia memberi saran generik. Kasih dia bahan:

"Saya developer backend dengan 2 tahun pengalaman Python. Saya mau belajar Go untuk bangun API. Buatkan rencana belajar 4 minggu, 1 jam per hari, fokus ke hal yang beda dari Python."

Tanpa kalimat pertama, model akan membuat rencana untuk "pemula umum" — buang-buang waktumu untuk hal yang sudah kamu kuasai. Konteks yang berguna: siapa kamu, buat siapa hasilnya, batasan apa yang ada (waktu, budget, teknologi), dan apa yang sudah kamu coba.

Tapi jangan berlebihan juga. Konteks yang relevan membantu; cerita hidup yang tidak relevan cuma menghabiskan token. Praktisnya: sertakan informasi yang mengubah jawaban. Kalau informasinya tidak mengubah jawaban, buang.

Prinsip 3: Tentukan Format Output

Salah satu sumber frustrasi terbesar: model menjawab benar tapi formatnya tidak bisa dipakai. Solusinya sederhana — minta formatnya eksplisit:

"Bandingkan 3 model AI untuk chatbot customer service. Jawab dalam tabel dengan kolom: Nama Model, Kelebihan, Kekurangan, Estimasi Biaya. Maksimal 5 baris per kolom."

Format yang bisa diminta: tabel, bullet list, numbered steps, JSON, panjang maksimal, struktur heading. Buat developer, ini krusial: kalau kamu butuh output JSON buat diparsing kode, bilang dari awal. Contoh integrasinya bisa kamu lihat di tutorial API pertama.

Teknik Ringan yang Langsung Bisa Dipakai

Beri contoh (few-shot)

Kalau kamu punya standar khusus, tunjukkan — jangan cuma jelaskan. Misalnya kamu mau model menulis deskripsi produk dengan gaya tokomu:

"Tulis deskripsi produk dengan gaya seperti contoh ini:

Contoh: 'Kopi susu gula aren — manisnya pas, susunya creamy, bikin melek tanpa deg-degan.'

Sekarang tulis untuk: Matcha latte."

Satu-dua contoh sering lebih efektif daripada tiga paragraf penjelasan gaya.

Kasih peran (role prompting)

"Kamu adalah senior backend engineer yang sedang me-review kode junior. Tunjukkan bug dan saran perbaikan untuk kode berikut..."

Peran memberi model "mode" berpikir: kosakata, sudut pandang, dan standar kualitas yang sesuai. Bukan sihir — ini cuma cara ringkas memberi konteks ekspektasi.

Minta langkah demi langkah

Untuk soal yang butuh penalaran (matematika, logika, analisis), tambahkan:

"Jawab langkah demi langkah sebelum memberi kesimpulan akhir."

Ini memaksa model "menunjukkan kerjanya", yang biasanya menaikkan akurasi untuk soal multi-langkah. Teknik ini juga berkaitan dengan pemilihan model yang kuat di reasoning — prompt bagus + model yang tepat = hasil terbaik.

Cara Iterasi: Prompt Jarang Benar di Percobaan Pertama

Anggap prompt seperti draf tulisan: versi pertama jarang final. Alur iterasi yang sehat:

1. Tulis versi pertama — cepat saja, jangan overthinking.
2. Baca hasilnya kritis — di mana tepatnya meleset? Terlalu umum? Format salah? Nada tidak cocok?
3. Perbaiki satu hal dalam prompt — tambahkan detail yang hilang, bukan tulis ulang total.
4. Ulangi sampai hasilnya konsisten bagus untuk beberapa input berbeda.

Simpan prompt yang sudah jadi sebagai template. Buat kamu yang pakai API, template ini tinggal dimasukkan ke kode sebagai string — dan kalau mau coba model lain tanpa ubah apa-apa, router seperti Panglima Router bikin itu semudah ganti satu parameter.

Satu tips: saat iterasi, kunci parameter temperature di nilai rendah (mis. 0.2-0.3). Kamu mau menilai kualitas prompt-nya, bukan keacakan modelnya.

Kesalahan Klasik Pemula

Prompt satu kata. "Marketing." "Python." Model bukan cenayang. Jelaskan mau diapakan.

Terlalu banyak permintaan sekaligus. "Tulis artikel, buatkan gambarnya, sekalian strategi promosinya." Pecah jadi beberapa prompt berurutan — hasilnya jauh lebih baik per bagian.

Tidak memberi batasan. Tanpa batasan panjang, model bisa menulis 500 kata saat kamu butuh 50. Selalu sebut panjang/format yang diinginkan.

Langsung menyalahkan model. Sebelum ganti model, coba perbaiki prompt dulu. Seringnya, prompt yang sama yang "gagal" di model A ternyata bagus-bagus saja setelah diperjelas — dan prompt yang jelas bekerja lebih baik di semua model.

Menaruh info sensitif di prompt. Jangan tempel password, API key, atau data pribadi ke prompt — ke model mana pun, lewat layanan apa pun. Ini kebiasaan yang harus ditanam sejak hari pertama. Praktik keamanan lengkapnya ada di panduan keamanan API key.

Latihan 10 Menit Hari Ini

Teori tanpa praktik tidak nempel. Coba ini sekarang:

1. Ambil satu tugas nyata dari kerjaanmu minggu ini (email, caption, ringkasan, kode).
2. Tulis prompt versi "malas" — seperti yang biasa kamu tulis.
3. Tulis ulang dengan tiga prinsip di atas: spesifik, beri konteks, tentukan format.
4. Bandingkan hasilnya. Simpan versi menangnya sebagai template.

Kalau mau coba ke banyak model sekaligus buat lihat mana yang paling cocok dengan gaya prompt-mu, paket Trial Rp5.000/hari cukup buat eksperimen seharian. Daftar dan buat key lewat bot Telegram @panglimarouter_bot — bayarnya bisa pakai QRIS.

Pertanyaan yang Sering Muncul

Apakah prompt engineering masih relevan kalau model makin pintar?

Ya, tapi bentuknya bergeser. Model baru makin pandai menebak maksud dari prompt singkat — tapi "menebak maksud" tetap bukan "tahu maksud". Untuk hasil yang presisi dan bisa diulang (apalagi di produksi), prompt yang eksplisit tetap menang.

Berapa panjang prompt yang ideal?

Secukupnya untuk menghilangkan tebakan. Kadang 2 kalimat cukup, kadang butuh 2 paragraf plus contoh. Patokannya: kalau orang pintar yang tidak tahu konteks bisa mengerjakan tugasnya dengan benar dari prompt itu, panjangnya sudah pas.

Apakah prompt yang bagus di satu model bagus juga di model lain?

Umumnya ya untuk prinsip dasar (jelas, konteks, format). Tapi tiap model punya kepekaan berbeda terhadap gaya instruksi — makanya uji prompt andalanmu saat ganti model, jangan asumsi langsung cocok.

Perlu belajar prompt engineering sampai level ahli?

Untuk kebanyakan orang, tidak. Tiga prinsip di artikel ini plus kebiasaan iterasi sudah mencakup 80% manfaatnya. Teknik lanjutan baru relevan kalau kamu membangun produk AI yang prompt-nya jadi bagian sistem.

Di mana saya bisa diskusi dan tanya soal prompt?

Gabung ke grup Telegram Panglima Router — banyak developer dan AI enthusiast yang sharing eksperimen prompt dan setting model di sana.