Cara Nge-Prompt AI 2026, To The Point

Cara nge-prompt terus berubah setiap ada model baru. Contohnya kebiasaan menulis instruksi pakai huruf kapital dan kata-kata keras seperti "CRITICAL: You MUST…" supaya AI nurut. Di panduan resminya, Anthropic sekarang justru menyarankan untuk mengurangi bahasa seagresif itu, karena model yang lebih baru lebih responsif terhadap system prompt, sehingga instruksi sekeras itu bisa bikin model bereaksi berlebihan.

Di artikel ini aku rangkum praktik prompt engineering yang masih terbukti jalan di 2026. Prompt engineering di sini maksudnya sederhana: merancang instruksi ke AI secara sadar, sehingga hasilnya bisa diprediksi dan diulang, bukan kebetulan bagus.

"Halo", "tolong", "terima kasih" nggak perlu

AI nggak punya perasaan yang perlu dijaga. Buat model, kata-kata seperti "halo", "maaf ganggu", "tolong ya", dan "makasih banyak" cuma token biasa yang ikut diproses. Kata-kata itu memperpanjang prompt tanpa menambah informasi apa pun soal tugasnya.

Riset soal ini juga menarik. Studi Mind Your Tone dari Penn State menguji 50 soal pilihan ganda (matematika, sains, sejarah) yang masing-masing ditulis ulang dalam lima tingkat kesopanan, lalu dijalankan 10 kali di ChatGPT-4o. Hasilnya justru kebalikan dari dugaan banyak orang:

Akurasi jawaban berdasarkan nada prompt(% benar)

• Sangat sopan80,8%
• Sopan81,4%
• Netral82,2%
• Kasar82,8%
• Sangat kasar84,8%

Tapi jangan buru-buru menyimpulkan "AI lebih pintar kalau dikasarin". Selisihnya cuma 4 poin, di satu model, dengan 50 soal, dan penelitinya sendiri menyebut ukuran dataset itu sebagai keterbatasan. Studi lanjutan Does Tone Change the Answer? yang menguji GPT-4o mini, Gemini 2.0 Flash, dan Llama 4 Scout malah menemukan efek nada yang berbeda-beda per model, dan mengecil sampai hilang signifikansinya kalau dilihat lintas banyak jenis tugas.

Kesimpulanku dari dua studi itu: nada bukan tuas utamanya. Kamu nggak perlu kasar, tapi juga nggak perlu basa-basi. Kalimat langsung dengan kata kerja di depan, seperti "Buatkan…", "Analisis…", atau "Ringkas…", bikin instruksi lebih jelas buat model, dan juga lebih enak dibaca ulang oleh manusia.

Yang penting itu konteks, bukan sopan santun

Kalau nada nggak banyak ngaruh, apa yang ngaruh? Jawabannya konteks.

Di panduan prompting resminya, Anthropic menyarankan kita memperlakukan AI seperti karyawan baru yang pintar tapi belum paham kebiasaan dan alur kerja kita. Semakin presisi kita menjelaskan apa yang dimau, semakin bagus hasilnya. Mereka juga kasih tes sederhana: tunjukkan prompt kamu ke rekan kerja yang nggak tahu konteksnya. Kalau dia bingung, AI juga bakal bingung.

Bedakan dua jenis tambahan di dalam prompt:

• Filler memperpanjang prompt tanpa mengubah isi jawaban. Contoh: "yang bagus ya", "pokoknya profesional banget", "ini penting banget".
• Konteks mengubah isi jawaban. Contoh: "ini untuk pitch deck Series D ke investor growth-stage" menghasilkan outline yang sangat berbeda dengan "ini untuk pendaftaran akselerator tahap awal".

Tapi konteks juga harus dipilih, bukan asal ditumpuk. Riset Large Language Models Can Be Easily Distracted by Irrelevant Context yang dipresentasikan di ICML 2023 menunjukkan performa model turun drastis ketika soal disisipi informasi yang nggak relevan. Jadi jangan asal copy-paste seluruh dokumen dan riwayat chat. Masukkan yang memang dibutuhkan untuk tugas itu.

Soal "kamu adalah expert senior…"

Memberi peran ke AI memang direkomendasikan. Panduan Anthropic menyebut peran di system prompt membantu memfokuskan perilaku dan nada jawaban, bahkan cukup dengan satu kalimat.

Tapi ekspektasinya perlu diluruskan. Studi When "A Helpful Assistant" Is Not Really Helpful yang terbit di Findings of EMNLP 2024 menguji 162 peran di 4 keluarga model dengan 2.410 pertanyaan faktual. Hasilnya, menambahkan persona di system prompt tidak meningkatkan akurasi dibanding tanpa persona.

Jadi "kamu senior technical writer dengan pengalaman 10 tahun" bukan mantra yang otomatis bikin jawaban lebih benar. Peran berguna kalau ia membawa konteks nyata: siapa pembacanya, standar apa yang dipakai, dan istilah apa yang boleh atau nggak boleh muncul.

Framework prompt yang aku pakai

Prompt yang reliable biasanya bukan yang paling panjang atau paling kreatif, tapi yang strukturnya paling jelas. Ini kerangka yang aku pakai untuk hampir semua tugas:

1. Tugas, mulai dari kata kerja. "Ringkas laporan terlampir", bukan "tolong bantu aku soal laporan ini".
2. Konteks yang disengaja. Untuk apa hasilnya, siapa yang baca, dan apa yang udah diketahui pembaca.
3. Format output yang jelas. JSON, tabel, bullet, atau jumlah kata. Kalau formatnya penting, sebutkan eksplisit.
4. Batasan dan edge case. Nilai yang boleh dipakai, panjang maksimal, dan apa yang harus dilakukan kalau datanya nggak ada.
5. Peran, kalau relevan. Dipakai untuk mengatur sudut pandang dan standar, bukan sebagai jimat akurasi.

Untuk prompt yang isinya campuran instruksi, dokumen, dan contoh, panduan Anthropic juga menyarankan membungkus tiap bagian dengan tag, misalnya <konteks> dan <format>, supaya model nggak salah membedakan mana instruksi dan mana bahan.

Takeaway: prompt itu function signature, bukan curhat

Kalau cuma boleh ingat satu hal: tulis prompt seperti kamu menulis function signature. Input-nya jelas, output-nya jelas, dan kasus anehnya udah diantisipasi. Paragraf panjang yang penuh basa-basi mungkin terasa sopan, tapi buat model itu cuma teks tambahan yang harus disaring.

Checklist sebelum menekan Enter:

• Kalimat pertama dimulai dengan kata kerja, bukan "tolong" atau "halo".
• Ada konteks yang mengubah jawaban: untuk apa, untuk siapa.
• Format output disebutkan.
• Batasan dan kasus kalau data kosong sudah diatur.
• Peran ditambahkan hanya kalau membawa standar atau sudut pandang yang jelas.
• Informasi yang nggak relevan sudah dibuang.

Prompt yang udah terbukti jalan, simpan dan dokumentasikan bareng tim, supaya nggak hilang di riwayat chat satu orang. Soal ini aku bahas di SOP Sederhana Biar AI Perusahaan Tetap Jadi Aset.