Mengenal Prompt Engineering dan Cara Menulis Prompt yang Efektif

Banyak orang mencoba tools AI seperti ChatGPT atau Claude, lalu merasa kecewa karena jawabannya terasa umum, datar, atau bahkan keliru. Sering kali permasalahannya bukan terletak pada model AI itu sendiri, melainkan pada bagaimana kita menyampaikan instruksi kepadanya.

Keterampilan merumuskan instruksi terstruktur ini dikenal dengan istilah Prompt Engineering. Ini bukan sihir bahasa, melainkan teknik komunikasi terstruktur agar mesin memahami konteks, batasan, dan format hasil yang kamu harapkan secara presisi.

---

1. Anatomi Prompt yang Efektif: Framework CRAC

Untuk menghindari hasil yang kabur, gunakan framework sistematis bernama CRAC (Context, Role, Action, Constraint):

1. Context (Konteks): Jelaskan latar belakang masalah dan audiens tujuan.
2. Role (Peran): Tetapkan persona atau sudut pandang keahlian yang harus diemban AI.
3. Action (Tindakan): Instruksikan tugas spesifik dengan kata kerja operasional yang tegas.
4. Constraint (Batasan): Batasi panjang teks, gaya bahasa, nada bicara, serta hal-hal yang dilarang.

Perbandingan Nyata

Mari kita bandingkan instruksi yang buruk dengan instruksi yang telah dioptimasi dengan framework CRAC:

Contoh Prompt Buruk

Tolong buatkan artikel tentang cara investasi saham untuk anak muda.

Hasil: Artikel umum yang klise, mengulang nasihat standar yang sudah sering dibaca di internet.

Contoh Prompt Terstruktur (CRAC)

[ROLE]
Bertindaklah sebagai perencana keuangan independen bersertifikat (CFP) di Indonesia dengan pengalaman 10 tahun membimbing generasi Gen Z.

[CONTEXT]
Banyak mahasiswa dan pekerja baru (usia 20-25 tahun) ingin mulai berinvestasi di pasar modal Indonesia (IHSG), tetapi bingung membedakan antara investasi jangka panjang dan trading spekulatif.

[ACTION]
Tuliskan panduan langkah demi langkah praktis sebanyak 5 tahap untuk mulai berinvestasi reksa dana indeks dan saham blue-chip.

[CONSTRAINT]
- Gunakan bahasa Indonesia yang santai, lugas, dan mudah dipahami tanpa jargon yang membingungkan.
- Sertakan peringatan risiko profil konservatif.
- Jangan sebutkan rekomendasi kode saham spesifik.
- Format dalam bentuk poin dan tabel alokasi dana sederhana.

---

2. Tiga Teknik Prompting Lanjutan yang Terbukti Efektif

Setelah menguasai dasar instruksi, berikut tiga teknik lanjutan yang sering digunakan para praktisi AI profesional:

A. Few-Shot Prompting (Memberikan Contoh Nyata)

Model bahasa belajar sangat cepat melalui contoh pola (in-context learning). Daripada hanya menjelaskan aturan, berikan 1 atau 2 pasangan contoh masukan dan keluaran yang kamu inginkan.

Ubah judul artikel berita berikut menjadi gaya ringkas dan berbobot:

Contoh 1:
Masukan: Perusahaan Teknologi Tersebut Mengumumkan PHK Massal Terhadap Ratusan Karyawannya
Keluaran: Efisiensi Global: Ratusan Karyawan Terdampak Restrukturisasi

Contoh 2:
Masukan: Riset Terbaru Menemukan Bahwa Minum Kopi Terlalu Banyak Bisa Bikin Sulit Tidur
Keluaran: Studi Konsumsi Kafein: Batas Waktu Minum Kopi untuk Kualitas Tidur Optimal

Tugas Kamu:
Masukan: Algoritma Kecerdasan Buatan Generatif Sekarang Makin Pintar Membaca Bahasa Indonesia
Keluaran:

B. Chain-of-Thought (Penalaran Bertahap)

Untuk tugas kalkulasi logika, perbandingan teknis, atau pemecahan masalah bisnis kompleks, mintalah model untuk berpikir langkah demi langkah sebelum menulis kesimpulan akhir.

Cukup tambahkan kalimat sederhana: “Pikirkan dan uraikan proses analisismu langkah demi langkah sebelum memberikan rekomendasi akhir.”

Mekanisme ini memaksa model mengalokasikan token untuk melakukan verifikasi internal sebelum menghasilkan kesimpulan.

---

3. Kesalahan Umum yang Harus Dihindari

Berdasarkan pengujian redaksi kami, ada tiga kekeliruan yang paling sering dilakukan:

• Terlalu Banyak Instruksi yang Saling Bertentangan: Menyuruh model menulis “sangat singkat” sekaligus “membahas semua detail mendalam” akan membingungkan prioritas tokenisasi.
• Tidak Menentukan Format Output: Jika kamu membutuhkan tabel Markdown atau format JSON, tuliskan secara eksplisit sejak awal.
• Membiarkan Halusinasi Tanpa Pagar Pengaman: Selalu tambahkan instruksi penegas: “Jika kamu tidak menemukan data yang pasti atau informasinya tidak terverifikasi, nyatakan bahwa kamu tidak mengetahuinya daripada mereka-reka data.”

---

4. Rangkuman & Praktik Terbaik

Prompt engineering bukanlah hafalan template yang kaku. Seiring model AI berkembang semakin cerdas dalam menangkap maksud tersirat, kunci utamanya adalah kejelasan berpikir. Jika kamu sendiri belum tahu apa yang ingin kamu capai, mesin secanggih apa pun tidak akan bisa memberikan jawaban yang memuaskan.