Prompt engineering adalah keterampilan berbicara dengan model AI (seperti ChatGPT, Claude, Gemini, Llama, dll.) dengan cara yang memberi Anda hasil yang akurat, andal, dan bermanfaat. Panduan ini memandu Anda melalui hal-hal penting sehingga Anda dapat memulai hari ini dan meningkat dengan cepat.

# 1. Apa Itu Prompt Engineering?

Prompt engineering adalah praktik merancang, menguji, dan menyempurnakan instruksi yang Anda berikan kepada model AI sehingga mereka menghasilkan output yang benar-benar Anda inginkan.

Anda sudah melakukan prompt engineering setiap kali Anda:

  • Meminta ChatGPT untuk menulis ulang email dengan nada yang berbeda
  • Meminta kode dengan komentar dan pengujian
  • Meminta penjelasan langkah demi langkah alih-alih ringkasan

Anda dapat menganggapnya seperti memberikan arahan kepada asisten yang cerdas tetapi literal. Semakin jelas arahannya, semakin baik hasilnya.

Untuk mendalami lebih lanjut nanti, Anda dapat membaca:

# 2. Prinsip Inti dari Prompt yang Baik

Ini adalah fondasi yang akan Anda gunakan di hampir setiap situasi:

# 2.1 Bersikap jelas dan spesifik

Prompt yang buruk:

Jelaskan Kubernetes.

Prompt yang lebih baik:

Jelaskan Kubernetes kepada pengembang backend junior yang memahami Docker tetapi baru mengenal sistem terdistribusi. Gunakan contoh sederhana, hindari jargon, dan batasi hingga 400 kata.

Mengapa ini berhasil:

  • Mendefinisikan audiens (pengembang backend junior)
  • Menyatakan pengetahuan sebelumnya (mengetahui Docker)
  • Menetapkan gaya dan panjang (contoh sederhana, <400 kata)

# 2.2 Berikan peran + tujuan + konteks + batasan

Sebuah pola yang andal:

Anda adalah seorang [peran]. Tujuan Anda adalah [tujuan]. Berikut adalah konteks: [konteks]. Ikuti batasan berikut: [batasan].

Contoh:

Anda adalah seorang insinyur TypeScript senior. Tujuan Anda adalah untuk meninjau fungsi berikut dan menyarankan peningkatan konkret. Konteks: Ini berjalan di lingkungan serverless Node.js 20 dan harus tetap type‑safe. Batasan:

  • Tunjukkan paling banyak 5 masalah.
  • Tampilkan kode yang direvisi dalam satu blok TypeScript.
  • Jelaskan setiap perubahan dalam 1–2 kalimat.

Struktur ini secara dramatis meningkatkan peluang mendapatkan apa yang Anda butuhkan.

# 2.3 Mintalah penalaran langkah demi langkah

Jika tugas melibatkan logika, keputusan, atau perencanaan, mintalah model untuk berpikir langkah demi langkah.

Contoh:

  • “Berpikirlah langkah demi langkah sebelum menjawab.”
  • “Pertama, uraikan penalaran Anda, lalu berikan jawaban akhir yang diberi label dengan jelas.”
  • “Buat daftar asumsi, lalu turunkan jawabannya.”

Ini sering menghasilkan respons yang lebih akurat dan transparan.

# 2.4 Tampilkan contoh (prompting beberapa contoh)

Model belajar dari pola dalam prompt Anda. Jika Anda menunjukkan format dan gaya yang Anda inginkan, Anda akan mendapatkan hasil yang lebih baik.

Contoh prompt:

Saya akan memberi Anda deskripsi produk. Kembalikan tagline singkat yang berfokus pada manfaat.

Contoh 1 Deskripsi: Sepatu lari ringan yang dirancang untuk latihan sehari-hari. Tagline: “Berlari lebih jauh, terasa lebih ringan.”

Contoh 2 Deskripsi: Headset peredam bising untuk pekerja jarak jauh. Tagline: “Heningkan dunia, fokus pada pekerjaan Anda.”

Sekarang lakukan hal yang sama untuk deskripsi ini: Deskripsi: Meja berdiri dengan preset memori dan manajemen kabel.

Ini disebut prompting beberapa contoh (Anda memberikan beberapa contoh tugas).

# 2.5 Ulangi: prompt → uji → perbaiki

Prompt engineering bersifat eksperimental. Jarang prompt pertama menjadi yang terbaik.

Alur kerja:

  1. Mulai dengan prompt yang jelas.
  2. Lihat output: Apa yang hilang? Apa yang salah? Apa yang terlalu samar?
  3. Tambahkan batasan atau klarifikasi.
  4. Ulangi sampai Anda puas.

Anda dapat secara eksplisit bertanya:

Tingkatkan jawaban Anda sebelumnya dengan batasan baru ini: [daftar]. Tulis ulang jawabannya sepenuhnya.

# 3. Templat Prompt Sederhana yang Dapat Anda Gunakan Kembali

Berikut adalah templat salin‑tempel yang dapat Anda adaptasi segera.

# 3.1 Mempelajari konsep baru

Anda adalah seorang guru yang sabar. Jelaskan [topik] kepada seseorang yang memahami [apa yang sudah saya ketahui].

  • Gunakan contoh sederhana dan konkret.
  • Hindari jargon kecuali Anda mendefinisikannya terlebih dahulu.
  • Batasi penjelasan hingga [X] kata.
  • Di akhir, beri saya 3 latihan praktis untuk menguji pemahaman saya.

# 3.2 Menulis atau menulis ulang teks

Anda adalah seorang copywriter ahli. Tugas: Tulis ulang teks berikut agar [nada: ramah / profesional / ringkas / persuasif] untuk [audiens]. Batasan:

  • Jaga semua fakta kunci tetap akurat.
  • Tetap di bawah [X] kata.
  • Gunakan kalimat pendek dan bahasa yang jelas.

Teks:

[tempel teks Anda]

# 3.3 Bertukar pikiran

Bertindak sebagai konsultan kreatif. Saya membutuhkan ide untuk [proyek/tujuan]. Batasan:

  • Target audiens: [audiens]
  • Anggaran: [anggaran atau “anggaran rendah”]
  • Jangka waktu: [waktu] Output:
  • Daftar setidaknya 10 ide
  • Untuk setiap ide, sertakan: deskripsi 1 kalimat + perkiraan upaya (rendah/menengah/tinggi)

# 3.4 Coding dan debugging

Anda adalah seorang pengembang [bahasa/kerangka kerja] senior. Tugas: Bantu saya melakukan debug atau meningkatkan kode berikut. Lingkungan: [versi, runtime, kerangka kerja] Persyaratan:

  • Jelaskan bug atau masalah dalam bahasa yang mudah.
  • Sarankan versi yang diperbaiki atau ditingkatkan.
  • Tambahkan komentar yang menjelaskan setiap perubahan yang tidak jelas.

Kode:

[kode Anda di sini]

Untuk pola lainnya, lihat:

# 4. Kesalahan Umum yang Harus Dihindari

# 4.1 Terlalu samar

Buruk:

Bantu saya dengan startup saya.

Lebih baik:

Saya sedang membangun SaaS untuk pusat kebugaran kecil untuk mengelola keanggotaan. Tahap saat ini: memvalidasi permintaan. Bantu saya:

  1. Daftar 5 cara untuk menemukan dan berbicara dengan 10 pemilik pusat kebugaran pertama saya.
  2. Buat 3 templat email untuk penjangkauan dingin.
  3. Sarankan 5 pertanyaan wawancara untuk memahami masalah terbesar mereka.

# 4.2 Mengajukan beberapa pertanyaan yang tidak terkait sekaligus

Alih-alih:

Jelaskan Kubernetes, dan juga tulis Dockerfile, dan sarankan buku untuk dibaca.

Bagi menjadi prompt terpisah atau pisahkan tugas dengan jelas:

Tugas 1: [detail] Tugas 2: [detail] Tugas 3: [detail]

Jawab setiap tugas di bawah judulnya sendiri.

# 4.3 Tidak menentukan format

Saat Anda peduli dengan struktur, katakan demikian:

  • “Kembalikan jawaban sebagai JSON yang valid.”
  • “Gunakan tabel markdown dengan kolom: Fitur, Deskripsi, Prioritas.”
  • “Struktur jawaban sebagai: Ikhtisar, Pro, Kontra, Rekomendasi.”

Contoh:

Bandingkan PostgreSQL dan MongoDB untuk aplikasi SaaS kecil. Format jawaban sebagai tabel markdown dengan kolom: Kriteria, PostgreSQL, MongoDB, Rekomendasi.

# 5. Cara Mempraktikkan Prompt Engineering (Rencana Langkah demi Langkah)

Anda tidak memerlukan kursus untuk memulai. Berikut adalah rencana latihan sederhana untuk minggu pertama Anda:

# Hari 1–2: Tulis ulang dan tingkatkan

  1. Ambil konten yang sudah Anda miliki: email, CV, README, draf blog.
  2. Minta model untuk:
    • Tingkatkan kejelasan
    • Sesuaikan nada
    • Persingkat / buat lebih detail
  3. Bereksperimen dengan batasan yang berbeda dan bandingkan output.

# Hari 3–4: Mengajar dan belajar

  1. Pilih topik yang ingin Anda pelajari (mis., Docker, dasar-dasar machine learning, SEO).
  2. Gunakan templat “mempelajari konsep baru”.
  3. Ajukan pertanyaan lanjutan:
    • “Jelaskan itu dengan contoh yang berbeda.”
    • “Apa kesalahpahaman umum?”
    • “Beri saya rencana studi 7 hari.”

# Hari 5–7: Bangun prompt sistem kecil

“Prompt sistem” adalah instruksi tingkat tinggi yang dapat digunakan kembali yang menentukan bagaimana AI harus berperilaku.

  1. Pilih peran (mis., “tutor coding pribadi saya” atau “asisten pemasaran saya”).

  2. Tulis persona yang detail:

    Anda adalah asisten [domain] pribadi saya.

    • Anda selalu mengajukan 2–3 pertanyaan klarifikasi sebelum memberikan jawaban panjang.
    • Anda lebih menyukai contoh daripada teori.
    • Anda menyimpan jawaban di bawah 500 kata kecuali saya mengatakan “perdalam”.
    • Anda memperingatkan saya ketika Anda tidak yakin atau sesuatu mungkin sudah ketinggalan zaman.

  3. Gunakan prompt sistem yang sama ini di beberapa obrolan dan perbaiki.

# 6. Ide Prompting Tingkat Lanjut (Saat Anda Siap)

Setelah Anda nyaman dengan dasar-dasarnya, jelajahi:

# 6.1 Chain‑of‑thought dan prompt multi‑langkah

Alih-alih meminta jawaban akhir secara langsung, mintalah model untuk:

  1. Pecah masalah menjadi submasalah
  2. Selesaikan masing-masing
  3. Gabungkan menjadi jawaban akhir

Prompt:

Mari kita selesaikan ini secara bertahap.

  1. Daftar submasalah yang terlibat dalam [tugas].
  2. Selesaikan setiap submasalah secara berurutan.
  3. Di akhir, rangkum solusi keseluruhan akhir dalam kurang dari 200 kata.

# 6.2 Prompting yang sadar akan alat dan kode (untuk pengembang)

Jika Anda sedang membangun aplikasi dengan LLM, lihat:

Konsep untuk dipelajari:

  • Function calling / tools (biarkan model memanggil fungsi atau API Anda sendiri)
  • Retrieval‑Augmented Generation (RAG) (menjawab pertanyaan tentang dokumen Anda sendiri)
  • Templat dan penjaga prompt (keamanan, konsistensi, output terstruktur)

# 6.3 Prompt evaluasi

Gunakan AI untuk mengevaluasi AI:

Berikut adalah pertanyaan dan dua jawaban yang berbeda.

  • Pertanyaan: [Q]
  • Jawaban A: [A1]
  • Jawaban B: [A2]

Bertindak sebagai evaluator yang ketat.

  1. Jawaban mana yang lebih baik memenuhi persyaratan pertanyaan?
  2. Daftar 3 alasan konkret.
  3. Beri setiap jawaban skor dari 1–10 pada: Akurasi, Kejelasan, Kelengkapan.

Ini berguna jika Anda membandingkan versi prompt atau model yang berbeda.

# 7. Sumber Daya Pembelajaran dan Langkah Selanjutnya

Untuk terus meningkatkan:

# 8. Ringkasan: Cara Memulai Hari Ini

  1. Bersikap eksplisit: definisikan peran, tujuan, audiens, dan batasan.
  2. Minta struktur: tentukan format (daftar, tabel, JSON, bagian).
  3. Pandu pemikiran: minta penalaran dan asumsi langkah demi langkah.
  4. Tampilkan contoh: tunjukkan gaya/format yang Anda inginkan.
  5. Ulangi: perbaiki prompt menggunakan umpan balik dari setiap respons.

Jika Anda memberi tahu saya untuk apa Anda ingin menggunakan AI (coding, menulis, penelitian, pembelajaran, bisnis, dll.), saya dapat membantu Anda membuat serangkaian prompt yang dapat digunakan kembali dan disesuaikan yang disesuaikan dengan alur kerja Anda.