Prompt Engineering
Seni berkomunikasi dengan AI
Teknik membuat instruksi yang tepat dan efektif untuk mendapatkan hasil optimal dari AI.
- ✓ Struktur prompt yang baik
- ✓ Konteks & spesifikasi
- ✓ Iterasi & perbaikan
Design Thinking
Pendekatan kreatif berbasis empati
Metodologi untuk merancang solusi AI yang berpusat pada kebutuhan pengguna.
- ● Empathize → Memahami
- ● Define → Merumuskan
- ● Ideate → Menciptakan
- ● Prototype → Membuat
- ● Test → Menguji
Inti Pembelajaran Bab 4
Bab ini mengajarkan bagaimana merancang sistem AI secara kreatif melalui prompt yang efektif, memahami cara kerja LLM, mengenali bias, dan menerapkan Design Thinking untuk solusi yang bertanggung jawab.
💬 Apa itu Prompt Engineering?
Prompt Engineering adalah seni dan teknik membuat perintah (prompt) yang tepat untuk mendapatkan hasil yang diinginkan dari AI/LLM.
Analogi sederhana:
🎯 Seperti memberi instruksi ke asisten — semakin jelas instruksimu, semakin baik hasilnya!
📝 Komponen Prompt yang Baik
Konteks
Berikan latar belakang atau situasi yang relevan
Instruksi
Jelaskan tugas atau tindakan yang diinginkan
Format
Tentukan format output yang diharapkan
Contoh
Berikan contoh untuk memperjelas ekspektasi
✨ Contoh: Prompt Buruk vs Baik
Prompt Buruk
→ Terlalu umum, tidak ada konteks
Prompt Baik
→ Spesifik, ada konteks & format
💡 Tips Prompt Engineering
Be Specific
Jelaskan detail yang kamu inginkan
Iterate
Perbaiki prompt berdasarkan hasil
Give Examples
Tunjukkan contoh yang diinginkan
🧠 Cara Kerja Large Language Model (LLM)
LLM seperti ChatGPT bekerja dengan memprediksi kata berikutnya berdasarkan pola dari data pelatihan yang sangat besar.
Data Pelatihan
Pola & Statistik
Prediksi Token
Output Teks
Penting: LLM tidak benar-benar "memahami" — mereka menghasilkan teks berdasarkan probabilitas statistik dari pola yang dipelajari.
⚖️ Bias dalam AI
AI dapat mengandung bias — kecenderungan yang tidak adil atau tidak akurat — yang berasal dari data pelatihan atau desain sistem.
Data Bias
Data pelatihan tidak representatif atau tidak seimbang
Selection Bias
Pemilihan data yang tidak objektif oleh pembuat
Confirmation Bias
AI memperkuat stereotip yang sudah ada
🛡️ Cara Mengatasi Bias:
- • Gunakan dataset yang beragam dan representatif
- • Lakukan audit dan pengujian berkala
- • Libatkan perspektif dari berbagai kelompok
- • Transparansi tentang keterbatasan AI
💡 Apa itu Design Thinking?
Design Thinking adalah metodologi pemecahan masalah yang berpusat pada manusia (human-centered), dengan pendekatan kreatif dan iteratif untuk merancang solusi yang efektif.
5 Tahapan Design Thinking
EMPATHIZE
Memahami kebutuhan dan perasaan pengguna
Aktivitas: Wawancara, observasi, survei untuk memahami perspektif pengguna.
Contoh AI: "Apa masalah yang dihadapi pengguna saat mencari informasi?"
DEFINE
Merumuskan masalah dengan jelas
Aktivitas: Menyintesis temuan menjadi problem statement yang fokus.
Contoh: "Pengguna butuh cara cepat mendapatkan jawaban akurat tanpa membaca artikel panjang."
IDEATE
Brainstorming dan menghasilkan ide-ide kreatif
Aktivitas: Brainstorming tanpa batasan, mind mapping, "How Might We" questions.
Contoh: "Bagaimana jika AI bisa merangkum artikel dalam 3 poin utama?"
PROTOTYPE
Membuat versi awal/mockup dari solusi
Aktivitas: Membuat sketsa, wireframe, atau model sederhana yang bisa diuji.
Contoh: Membuat mockup chatbot AI dengan fitur ringkasan otomatis.
TEST
Menguji prototipe dengan pengguna nyata
Aktivitas: Usability testing, feedback collection, iterasi berdasarkan hasil.
Contoh: Meminta 5 pengguna mencoba chatbot dan mengumpulkan feedback.
Proses Iteratif
Design Thinking bukan proses linear! Kamu mungkin perlu kembali ke tahap sebelumnya berdasarkan temuan baru. Iterasi adalah kunci untuk solusi yang lebih baik.
🎮 Latihan: Prompt Builder
Coba buat prompt yang baik berdasarkan komponen yang sudah dipelajari!
Hasil Prompt:
📝 Quiz Singkat
Loading question...