Prompt Engineering: Cara Membuat Prompt AI yang Lebih Tepat dan Efektif

Artificial Intelligence (AI) semakin banyak digunakan untuk membantu berbagai pekerjaan, mulai dari mencari informasi, membuat artikel, merangkum dokumen, menulis kode program, hingga menganalisis data. Berbagai tools AI seperti ChatGPT, Google Gemini, dan Claude memungkinkan pengguna menyelesaikan pekerjaan dengan lebih cepat melalui instruksi berbentuk teks atau yang dikenal sebagai prompt.

Namun, pernahkah mendapatkan jawaban AI yang terlalu umum, kurang sesuai dengan kebutuhan, atau bahkan tidak menjawab pertanyaan yang sebenarnya?

Salah satu penyebabnya adalah instruksi yang diberikan belum cukup jelas dan terarah. AI membutuhkan konteks serta arahan yang tepat agar dapat menghasilkan respons yang sesuai dengan tujuan pengguna.

Di sinilah Prompt Engineering berperan penting. Teknik ini membantu pengguna menyusun instruksi yang lebih jelas, spesifik, dan terstruktur sehingga AI dapat memberikan hasil yang lebih relevan.

Lalu, apa itu Prompt Engineering? Bagaimana cara membuat prompt yang efektif? Apa saja teknik yang bisa digunakan? Simak pembahasannya berikut ini.

1. Apa Itu Prompt Engineering?

Prompt Engineering adalah proses merancang, menyusun, dan menyempurnakan instruksi atau pertanyaan yang diberikan kepada model AI agar menghasilkan respons sesuai dengan tujuan pengguna.

Dalam konteks Generative AI, prompt merupakan masukan yang digunakan untuk mengarahkan model dalam menghasilkan keluaran, seperti teks, kode program, ringkasan, gambar, atau bentuk konten lainnya.

Sementara itu, Prompt Engineering berfokus pada bagaimana instruksi tersebut disusun agar model dapat memahami tugas, konteks, batasan, dan format hasil yang diharapkan.

Sebagai contoh, pengguna ingin meminta AI membuat artikel tentang teknologi.

Prompt sederhana:
"Buatkan artikel tentang teknologi."

Instruksi tersebut masih terlalu umum. AI belum mengetahui target pembaca, panjang artikel, sudut pembahasan, maupun gaya bahasa yang diinginkan.

Prompt yang lebih terarah:
"Buatkan artikel berbahasa Indonesia tentang perkembangan Artificial Intelligence untuk pembaca pemula. Gunakan bahasa yang mudah dipahami, jelaskan pengertian AI, cara kerja, contoh penerapan, serta manfaatnya dalam kehidupan sehari-hari. Susun artikel menggunakan heading dan subheading."

Dengan instruksi yang lebih lengkap, AI memiliki gambaran lebih jelas mengenai tugas yang harus dilakukan.

Perlu dipahami bahwa Prompt Engineering bukan sekadar membuat pertanyaan menjadi panjang. Tujuan utamanya adalah memberikan informasi yang cukup dan relevan agar AI dapat memahami kebutuhan pengguna.

2. Mengapa Prompt Engineering Penting?

Prompt Engineering menjadi keterampilan yang semakin berguna karena kualitas instruksi dapat memengaruhi relevansi dan kegunaan hasil yang diberikan AI.

Berikut beberapa alasan mengapa teknik ini penting.

a. Menghasilkan Jawaban yang Lebih Relevan

Instruksi yang jelas membantu AI memahami apa yang sebenarnya ingin dicapai pengguna. Misalnya, ketika meminta penjelasan tentang MySQL, pengguna dapat menentukan apakah jawaban ditujukan untuk pemula, mahasiswa, atau programmer berpengalaman.

Dengan begitu, tingkat pembahasan dapat disesuaikan dengan kebutuhan.

b. Mengurangi Kesalahpahaman

Prompt yang terlalu singkat atau ambigu dapat membuat AI menafsirkan permintaan dengan cara yang berbeda dari maksud pengguna.

Dengan memberikan konteks, batasan, dan tujuan yang jelas, kemungkinan kesalahpahaman dapat dikurangi.

c. Menghemat Waktu

Prompt yang disusun dengan baik dapat mengurangi kebutuhan untuk berulang kali memperbaiki instruksi.

Pengguna tidak harus terus-menerus meminta AI mengubah format, menambahkan informasi, atau menyesuaikan gaya bahasa karena kebutuhan tersebut sudah dijelaskan sejak awal.

d. Membantu Pekerjaan Teknis

Bagi programmer, Prompt Engineering dapat digunakan untuk membantu:

• Menjelaskan kode program.
• Mencari kemungkinan penyebab error.
• Membuat fungsi atau algoritma.
• Menyusun query SQL.
• Membuat dokumentasi teknis.
• Meninjau struktur dan kualitas kode.

e. Meningkatkan Produktivitas

Prompt Engineering dapat diterapkan dalam berbagai pekerjaan, seperti menulis, belajar, melakukan penelitian, membuat laporan, menganalisis data, dan mengembangkan aplikasi.

Dengan instruksi yang tepat, AI dapat menjadi asisten yang membantu menyelesaikan pekerjaan secara lebih terarah.

3. Bagaimana Cara Kerja Prompt Engineering?

Pada dasarnya, Prompt Engineering bekerja dengan memberikan instruksi kepada model AI melalui prompt. Model kemudian memproses masukan tersebut berdasarkan pola yang telah dipelajari selama proses pelatihan dan konteks yang tersedia dalam percakapan.

Pada Large Language Model (LLM), model menghasilkan teks dengan memprediksi token berikutnya berdasarkan konteks sebelumnya.

Karena itu, susunan prompt dapat memengaruhi arah dan bentuk respons yang dihasilkan.

Secara sederhana, alurnya dapat digambarkan sebagai berikut:

• Pengguna menentukan tujuan. Pengguna menentukan pekerjaan atau informasi yang ingin diperoleh dari AI.
• Pengguna menyusun prompt. Instruksi dibuat dengan menyertakan tugas, konteks, dan format keluaran jika diperlukan.
• AI memproses prompt. Model menganalisis masukan berdasarkan konteks dan pola yang telah dipelajari.
• AI menghasilkan respons. Model memberikan jawaban sesuai instruksi dan kemampuannya.
• Pengguna mengevaluasi hasil. Jika belum sesuai, prompt dapat diperbaiki dan diberikan kembali.

Contoh sederhana:

Pengguna ingin membuat program PHP untuk menghitung luas persegi panjang.

Prompt awal:
"Buatkan kode PHP menghitung luas."

Prompt yang diperbaiki:
"Buatkan contoh program PHP Native untuk menghitung luas persegi panjang. Program menerima input panjang dan lebar melalui form HTML, kemudian menghitung luas menggunakan rumus panjang dikalikan lebar. Tampilkan hasil perhitungan dan berikan penjelasan singkat pada setiap bagian kode."

Prompt kedua memberikan informasi lebih lengkap mengenai bahasa pemrograman, jenis aplikasi, input, rumus, dan bentuk keluaran yang diharapkan.

4. Elemen Penting dalam Membuat Prompt

Prompt yang efektif umumnya memiliki beberapa elemen penting. Tidak semua elemen harus selalu digunakan, tetapi semakin kompleks tugas yang diberikan, semakin penting instruksi disusun secara terstruktur.

a. Role atau Peran

Role digunakan untuk memberikan gambaran mengenai sudut pandang atau keahlian yang diharapkan dari AI.

Contoh:
"Anda adalah seorang programmer PHP berpengalaman."

Instruksi tersebut memberikan konteks mengenai perspektif yang diharapkan ketika AI menjawab pertanyaan pemrograman.

Namun, pemberian role tidak menjamin AI benar-benar memiliki keahlian profesional. Hasilnya tetap perlu diperiksa.

b. Task atau Tugas

Task menjelaskan pekerjaan yang harus dilakukan AI.

Contoh:
"Buatkan contoh aplikasi CRUD menggunakan PHP dan MySQL."

Tugas sebaiknya disampaikan secara langsung dan spesifik.

c. Context atau Konteks

Context memberikan informasi tambahan yang membantu AI memahami situasi dan kebutuhan pengguna.

Contoh:
"Aplikasi ini digunakan untuk mengelola data mahasiswa pada sistem informasi akademik sederhana."

Dengan konteks tersebut, AI dapat menyesuaikan contoh kode dan struktur pembahasan.

d. Constraints atau Batasan

Constraints merupakan batasan yang harus diperhatikan ketika AI menghasilkan jawaban.

Contoh:

• Gunakan PHP Native tanpa framework.
• Gunakan database MySQL.
• Hindari penggunaan library eksternal.
• Gunakan bahasa Indonesia.
• Jangan mengubah struktur tabel yang sudah tersedia.

Batasan membantu menjaga hasil agar tetap sesuai dengan kebutuhan.

e. Output Format atau Format Keluaran

Format keluaran menjelaskan bagaimana hasil yang diharapkan harus disajikan.

Contoh:
"Susun jawaban dalam bentuk tabel yang berisi nama metode, pengertian, kelebihan, dan kekurangan."

Format keluaran dapat berupa paragraf, daftar, tabel, kode program, JSON, atau struktur lainnya.

Contoh Penggabungan Elemen Prompt

Berikut contoh prompt yang menggabungkan beberapa elemen tersebut:

Role:
Anda adalah seorang programmer PHP berpengalaman.

Task:
Buatkan aplikasi CRUD data mahasiswa.

Context:
Aplikasi digunakan untuk mengelola data mahasiswa pada sistem informasi akademik sederhana.

Constraints:
Gunakan PHP Native, MySQL, dan Bootstrap. Jangan menggunakan framework PHP.

Output Format:
Berikan struktur folder, desain tabel database, kode program, dan penjelasan cara menjalankannya.

Dengan membagi instruksi menjadi beberapa bagian, pengguna dapat memastikan bahwa kebutuhan utama sudah disampaikan dengan jelas.

5. Teknik Prompt Engineering yang Perlu Diketahui

Ada beberapa teknik Prompt Engineering yang dapat digunakan untuk berbagai kebutuhan. Setiap teknik memiliki pendekatan dan tujuan yang berbeda.

a. Zero-Shot Prompting

Zero-Shot Prompting adalah teknik memberikan instruksi kepada AI tanpa menyertakan contoh jawaban terlebih dahulu.

AI diminta menyelesaikan tugas berdasarkan instruksi dan kemampuan yang telah dipelajari sebelumnya.

Contoh:
"Klasifikasikan kalimat berikut ke dalam sentimen positif, negatif, atau netral: 'Pelayanan aplikasi ini sangat cepat dan mudah digunakan.'"

AI diminta melakukan klasifikasi tanpa diberikan contoh sebelumnya. Teknik ini cocok untuk tugas sederhana yang instruksinya sudah cukup jelas.

b. Few-Shot Prompting

Few-Shot Prompting adalah teknik memberikan beberapa contoh input dan output sebelum meminta AI menyelesaikan tugas baru.

Contoh:
"Kelompokkan kalimat berdasarkan sentimennya.

Contoh 1:
Kalimat: Produk ini sangat bagus.
Sentimen: Positif

Contoh 2:
Kalimat: Pengiriman barang sangat lambat.
Sentimen: Negatif

Contoh 3:
Kalimat: Produk sudah diterima.
Sentimen: Netral

Sekarang klasifikasikan kalimat berikut:
'Kualitas produk sangat memuaskan.'"

Dengan memberikan contoh, AI memiliki gambaran mengenai pola jawaban yang diharapkan.

Few-Shot Prompting berguna ketika pengguna menginginkan format keluaran atau pola klasifikasi tertentu.

c. Chain-of-Thought Prompting

Chain-of-Thought (CoT) merupakan pendekatan yang mendorong model untuk menangani persoalan melalui tahapan penalaran, bukan sekadar memberikan jawaban akhir secara langsung.

Contoh instruksi:
"Selesaikan soal matematika berikut secara bertahap. Jelaskan rumus yang digunakan, proses perhitungan, dan hasil akhirnya."

Teknik ini dapat membantu dalam menyelesaikan persoalan yang membutuhkan beberapa tahapan, seperti matematika, logika, dan analisis.

Namun, penjelasan yang dihasilkan AI tidak selalu mencerminkan proses internal model secara akurat. Untuk persoalan penting, hasil perhitungan dan kesimpulan tetap perlu diverifikasi.

d. Role-Based Prompting

Role-Based Prompting adalah teknik memberikan peran atau perspektif tertentu kepada AI sebelum menyampaikan tugas.

Contoh:
"Anda adalah seorang dosen pembimbing pemrograman. Jelaskan perbedaan antara Primary Key dan Foreign Key kepada mahasiswa pemula menggunakan contoh database sederhana."

Teknik ini membantu mengarahkan gaya penjelasan dan tingkat pembahasan.

e. Instruction-Based Prompting

Instruction-Based Prompting berfokus pada pemberian instruksi yang jelas dan terstruktur mengenai pekerjaan yang harus dilakukan.

Contoh:
"Buatkan ringkasan artikel berikut dalam lima poin. Gunakan bahasa Indonesia yang sederhana. Jangan menambahkan informasi yang tidak terdapat dalam artikel."

Teknik ini cocok untuk tugas yang memiliki aturan dan batasan tertentu.

f. Iterative Prompting

Iterative Prompting merupakan pendekatan menyempurnakan prompt secara bertahap berdasarkan hasil yang diberikan AI.

Pengguna tidak harus mendapatkan hasil sempurna dalam satu instruksi. Sebaliknya, hasil pertama dapat dievaluasi kemudian diperbaiki melalui instruksi lanjutan.

Contoh alur:

1. Minta AI membuat rancangan artikel.
2. Periksa apakah struktur sudah sesuai.
3. Minta AI memperbaiki bagian yang kurang jelas.
4. Tambahkan batasan atau informasi yang belum tercakup.
5. Evaluasi kembali hasil akhirnya.

Teknik ini sangat berguna untuk pekerjaan kompleks seperti penulisan artikel, pengembangan aplikasi, dan analisis data.

6. Contoh Prompt Engineering untuk Berbagai Kebutuhan

Agar lebih mudah dipahami, berikut beberapa contoh penerapan Prompt Engineering dalam aktivitas sehari-hari.

a. Membuat Artikel

Prompt:
"Buatkan artikel berbahasa Indonesia dengan judul 'Apa Itu Artificial Intelligence? Pengertian, Cara Kerja, dan Contohnya'.
Target pembaca adalah pemula yang belum memahami teknologi AI. Gunakan bahasa yang sederhana, informatif, dan mudah dipahami.
Susun artikel dengan bagian pengertian, cara kerja, jenis-jenis AI, contoh penerapan, kelebihan dan kekurangan, serta kesimpulan. Gunakan heading dan subheading yang terstruktur."

Prompt tersebut memberikan informasi mengenai topik, target pembaca, gaya bahasa, dan struktur artikel.

b. Membantu Pemrograman

Prompt:
"Anda adalah seorang programmer PHP berpengalaman. Buatkan fungsi PHP Native untuk melakukan validasi form pendaftaran pengguna.
Ketentuan:

• Validasi nama tidak boleh kosong.
• Validasi email harus menggunakan format yang benar.
• Password minimal 8 karakter.
• Konfirmasi password harus sama.
• Gunakan prepared statement jika menyertakan proses penyimpanan ke MySQL.

Berikan kode program dan penjelasan singkat."

Dengan instruksi tersebut, AI memiliki gambaran lebih jelas mengenai fungsi yang harus dibuat.

c. Membantu Penelitian atau Skripsi

Prompt:
"Bantu saya memahami metode Random Forest untuk penelitian klasifikasi. Jelaskan konsep dasar, cara kerja, tahapan algoritma, kelebihan, kekurangan, dan contoh penerapannya. Gunakan bahasa akademik yang tetap mudah dipahami mahasiswa."

Prompt ini dapat membantu mahasiswa mempelajari konsep penelitian. Namun, referensi ilmiah, kutipan, dan hasil penelitian tetap harus diperiksa menggunakan sumber yang valid.

d. Menganalisis Data

Prompt:
"Analisis dataset penjualan berikut. Identifikasi produk dengan jumlah penjualan tertinggi, pola penjualan berdasarkan bulan, dan kemungkinan perubahan tren. Sajikan hasil analisis dalam tabel dan berikan kesimpulan berdasarkan data yang tersedia. Jangan membuat angka atau informasi yang tidak terdapat dalam dataset."

Instruksi ini memberikan batasan agar analisis tetap berlandaskan data yang diberikan.

e. Belajar Konsep Teknologi

Prompt:
"Jelaskan konsep API REST kepada pemula yang sudah memahami dasar HTML, CSS, dan PHP. Gunakan analogi sederhana, jelaskan cara kerja request dan response, serta berikan contoh penggunaan API menggunakan PHP."

Prompt tersebut membantu AI menyesuaikan penjelasan dengan tingkat pemahaman pembaca.

7. Kesalahan Umum dalam Membuat Prompt

Meskipun terlihat sederhana, masih banyak pengguna yang memberikan instruksi kurang tepat sehingga hasil AI tidak sesuai harapan.

Berikut beberapa kesalahan yang perlu dihindari.

a. Instruksi Terlalu Umum

Contoh:
"Jelaskan tentang database."

Permintaan tersebut tidak menjelaskan jenis database, tingkat pembahasan, maupun tujuan penjelasan.

Perbaikannya:
"Jelaskan pengertian database MySQL kepada pemula, termasuk fungsi, struktur tabel, dan contoh penggunaannya dalam aplikasi web."

b. Tidak Memberikan Konteks

Pengguna terkadang langsung memberikan tugas tanpa menjelaskan kondisi atau kebutuhan yang melatarbelakanginya.

Contohnya, meminta AI memperbaiki kode tanpa menyertakan pesan error, versi bahasa pemrograman, atau potongan kode terkait.

Padahal, informasi tersebut dapat membantu AI memberikan solusi yang lebih relevan.

c. Tidak Menentukan Format Jawaban

Jika pengguna membutuhkan jawaban dalam bentuk tabel, tetapi tidak menyebutkannya, AI mungkin memberikan penjelasan dalam bentuk paragraf.

Karena itu, format keluaran sebaiknya dijelaskan sejak awal jika memang diperlukan.

d. Memberikan Terlalu Banyak Instruksi yang Tidak Terstruktur

Prompt yang panjang belum tentu efektif. Jika berbagai instruksi dicampur tanpa susunan yang jelas, AI dapat kesulitan menentukan prioritas tugas.

Sebaiknya pisahkan instruksi menjadi beberapa bagian, seperti tujuan, konteks, batasan, dan format hasil.

e. Tidak Memeriksa Hasil AI

Kesalahan lainnya adalah langsung menggunakan hasil AI tanpa melakukan pemeriksaan. AI dapat memberikan informasi yang keliru, kode yang tidak berjalan, referensi yang tidak valid, atau kesimpulan yang tidak didukung data. Karena itu, hasil AI tetap harus diperiksa sebelum digunakan.

8. Tips Membuat Prompt AI yang Lebih Efektif

Berikut beberapa tips praktis yang dapat diterapkan ketika menggunakan ChatGPT, Gemini, Claude, maupun tools AI lainnya.

1. Tentukan tujuan dengan jelas. Ketahui hasil apa yang ingin diperoleh sebelum menulis prompt.
2. Gunakan instruksi spesifik. Hindari pertanyaan yang terlalu umum jika membutuhkan hasil yang terarah.
3. Berikan konteks yang relevan. Jelaskan latar belakang atau kondisi yang membantu AI memahami kebutuhan.
4. Tentukan batasan. Sebutkan hal-hal yang boleh dan tidak boleh dilakukan AI.
5. Tentukan format keluaran. Jika membutuhkan tabel, daftar, kode, atau JSON, sampaikan secara langsung.
6. Berikan contoh jika diperlukan. Contoh input dan output dapat membantu AI memahami pola yang diharapkan.
7. Gunakan proses bertahap. Untuk pekerjaan kompleks, pecah tugas menjadi beberapa bagian.
8. Evaluasi hasil jawaban. Periksa kebenaran informasi sebelum menggunakan hasilnya.

Satu hal yang perlu diingat, prompt yang efektif tidak harus selalu panjang. Instruksi singkat dapat memberikan hasil yang baik selama tujuan dan kebutuhannya sudah jelas.

9. Perbedaan Prompt Engineering, RAG, dan Fine-Tuning

Prompt Engineering, Retrieval-Augmented Generation (RAG), dan Fine-Tuning sering digunakan dalam pengembangan aplikasi berbasis AI.

Ketiganya dapat membantu meningkatkan kesesuaian hasil AI, tetapi memiliki cara kerja yang berbeda.

a. Prompt Engineering

Prompt Engineering berfokus pada penyusunan instruksi agar model menghasilkan respons sesuai kebutuhan.

Pendekatan ini tidak mengharuskan pengembang mengubah parameter atau melatih ulang model.

b. RAG (Retrieval-Augmented Generation)

RAG merupakan pendekatan yang menghubungkan model AI dengan sumber informasi eksternal.

Ketika pengguna mengajukan pertanyaan, sistem mengambil informasi yang relevan dari dokumen atau basis pengetahuan, kemudian memberikan informasi tersebut sebagai konteks bagi model untuk menghasilkan jawaban.

c. Fine-Tuning

Fine-Tuning merupakan proses menyesuaikan model yang telah dilatih sebelumnya menggunakan dataset khusus.

Tujuannya adalah membantu model mempelajari pola, gaya respons, atau kemampuan yang lebih sesuai dengan tugas tertentu.

Tabel Perbandingan

Apakah Ketiganya Bisa Digabungkan?

Ya. Ketiga pendekatan tersebut dapat digunakan secara bersamaan dalam sebuah aplikasi AI.

Sebagai contoh, perusahaan ingin membuat chatbot yang dapat menjawab pertanyaan pelanggan.

• Prompt Engineering digunakan untuk mengatur instruksi, gaya bahasa, dan format jawaban chatbot.
• RAG digunakan untuk mengambil informasi dari dokumen produk, panduan layanan, dan kebijakan perusahaan.
• Fine-Tuning dapat digunakan jika perusahaan membutuhkan penyesuaian perilaku model berdasarkan contoh percakapan tertentu.

Dengan menggabungkan pendekatan tersebut, pengembang dapat membangun aplikasi AI yang lebih sesuai dengan kebutuhan.

Namun, tidak semua aplikasi membutuhkan ketiganya. Pemilihan metode sebaiknya disesuaikan dengan permasalahan, biaya, dan kompleksitas sistem.

10. Apakah Prompt Engineering Perlu Dipelajari oleh Programmer?

Prompt Engineering merupakan keterampilan yang bermanfaat bagi programmer, terutama karena AI semakin banyak digunakan sebagai alat bantu pengembangan perangkat lunak.

Programmer dapat menggunakan teknik ini untuk:

• Memahami kode program yang belum dikenal.
• Membuat contoh fungsi atau algoritma.
• Membantu menemukan penyebab error.
• Menyusun query database.
• Membuat dokumentasi aplikasi.
• Membantu proses pengujian perangkat lunak.
• Memahami teknologi dan framework baru.

Namun, programmer tetap perlu memahami dasar pemrograman dan melakukan pengujian terhadap kode yang dihasilkan AI.

AI dapat membantu mempercepat proses pengembangan, tetapi tidak menggantikan kebutuhan untuk memahami logika program, keamanan, arsitektur, dan kualitas perangkat lunak.

Dengan menguasai Prompt Engineering, programmer dapat memanfaatkan AI secara lebih efektif sebagai asisten dalam pekerjaan sehari-hari.

Kesimpulan

Prompt Engineering merupakan teknik menyusun dan menyempurnakan instruksi agar model AI dapat menghasilkan respons yang lebih sesuai dengan kebutuhan pengguna.

Teknik ini tidak hanya digunakan untuk membuat pertanyaan yang lebih jelas, tetapi juga mencakup pemberian konteks, penentuan peran, batasan, contoh, dan format keluaran.

Beberapa teknik yang dapat dipelajari antara lain Zero-Shot Prompting, Few-Shot Prompting, Chain-of-Thought Prompting, Role-Based Prompting, Instruction-Based Prompting, dan Iterative Prompting.

Prompt Engineering juga memiliki perbedaan dengan RAG dan Fine-Tuning. Prompt Engineering mengoptimalkan instruksi, RAG menyediakan informasi eksternal sebagai konteks, sedangkan Fine-Tuning menyesuaikan model melalui proses pelatihan.

Bagi mahasiswa, peneliti, maupun programmer, keterampilan ini dapat membantu memanfaatkan AI secara lebih terarah dan produktif.

Pada akhirnya, kualitas hasil AI tidak hanya bergantung pada teknologi model yang digunakan, tetapi juga pada kemampuan pengguna dalam menyampaikan tujuan dan instruksi secara jelas. Meskipun demikian, hasil yang diberikan AI tetap perlu dievaluasi dan diverifikasi sebelum digunakan.

Referensi

1. OpenAI. Prompt Engineering Guide. https://platform.openai.com/docs/guides/prompt-engineering
2. Anthropic. Prompt Engineering Overview. https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
3. Google AI for Developers. Prompt Design Strategies. https://ai.google.dev/gemini-api/docs/prompting-strategies
4. Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Advances in Neural Information Processing Systems (NeurIPS). https://arxiv.org/abs/2201.11903
5. Brown, T. B., et al. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS). https://arxiv.org/abs/2005.14165