Prompt yang Bagus Itu Bukan yang Paling Panjang: Tiga Hal yang Terbukti Bikin AI Paham Maksud Kamu

Banyak orang mengira prompt yang bagus itu prompt yang panjang dan penuh detail. Kenyataannya tidak sesederhana itu. Kamu mungkin pernah menulis tiga paragraf instruksi, lalu AI tetap menghasilkan sesuatu yang meleset. Di lain waktu, satu kalimat pendek justru langsung tepat sasaran.

Ada riset yang mencoba menjawab kenapa hal itu terjadi. Tim peneliti dari University of Nevada, Las Vegas, menganalisis 265 percakapan nyata antara developer dan ChatGPT yang tercatat di pull request proyek open-source. Mereka menilai setiap prompt dari tiga sisi: spesifisitas (seberapa jelas tujuan dan batasannya), konteks (apakah ada bahan konkret seperti potongan kode atau pesan error), dan verifikasi (apakah ada kriteria untuk mengecek hasilnya benar atau tidak). Hasilnya cukup menarik, karena tiap sisi ternyata berpengaruh di tahap yang berbeda.

1. Spesifik soal tujuan, bukan sekadar panjang

Menurut riset UNLV tersebut, spesifisitas adalah faktor paling kuat yang menentukan apakah AI berhasil menghasilkan kode yang bisa dipakai. Pengaruhnya jauh lebih besar dibanding dua faktor lainnya. Spesifik di sini artinya jelas soal apa yang mau dicapai, apa batasannya, dan bagian mana yang tidak boleh diubah.

Riset lain yang terbit di arXiv soal pengaruh spesifisitas prompt pada pembuatan kode juga menemukan pola serupa, dengan satu catatan penting. Untuk tugas umum, menambah detail di atas kira-kira 100 kata tidak lagi banyak membantu. Jadi yang dicari adalah kejelasan, bukan jumlah kata.

Bandingkan dua prompt ini:

"Bikin aplikasi toko online yang bagus dan lengkap."

"Bikin halaman katalog produk untuk toko kue. Setiap produk punya nama, harga, foto, dan stok. Kalau stok habis, tombol pesan otomatis nonaktif. Jangan ubah halaman login yang sudah ada."

Prompt kedua tidak terlalu panjang, tapi AI langsung tahu apa yang harus dibuat, aturan apa yang berlaku, dan apa yang harus dibiarkan.

2. Kasih konteks, termasuk alasannya

Masih dari riset yang sama, prompt yang menyertakan konteks konkret punya peluang sekitar dua kali lebih besar untuk menghasilkan kode yang bisa dipakai. Konteks juga satu-satunya faktor yang memengaruhi seberapa dalam kode buatan AI benar-benar menyatu dengan aplikasi yang sudah ada.

Konteks bisa berupa banyak hal: siapa pengguna aplikasinya, data apa saja yang dikelola, atau pesan error yang muncul. Kalau ada yang rusak, tempelkan pesan error-nya apa adanya daripada menulis "aplikasinya error". AI tidak bisa melihat layar kamu, jadi pesan error itulah satu-satunya petunjuk yang dia punya.

Anthropic, perusahaan di balik model Claude, menambahkan satu hal yang sering dilupakan dalam panduan prompting resminya: jelaskan alasan di balik permintaan kamu. Misalnya, daripada hanya menulis "pakai font besar", tulis "pakai font besar karena sebagian besar pengguna kami adalah orang tua yang membuka aplikasi dari HP". Dengan tahu alasannya, AI bisa mengambil keputusan yang tepat untuk hal-hal lain yang tidak kamu sebutkan, seperti ukuran tombol atau kontras warna.

Panduan yang sama juga menyarankan untuk menulis apa yang kamu mau, bukan apa yang tidak kamu mau. "Tampilkan daftar pesanan dalam bentuk tabel yang bisa diurutkan berdasarkan tanggal" lebih mudah dipahami AI daripada "jangan bikin tampilannya berantakan".

3. Beri tahu cara mengecek hasilnya

Ini temuan yang paling jarang dibahas. Menurut riset UNLV, prompt yang menyertakan kriteria pengecekan punya peluang sekitar delapan kali lebih besar untuk hasilnya benar-benar dipakai oleh developer. Kriteria pengecekan artinya kamu menjelaskan seperti apa hasil yang dianggap benar.

Contohnya: "Setelah form pendaftaran diisi, data harus muncul di halaman admin, dan email yang sama tidak boleh bisa daftar dua kali." Kalimat seperti ini memberi AI target yang jelas, sekaligus memberi kamu daftar hal yang perlu dicoba setelah AI selesai bekerja.

Kebiasaan ini juga penting karena hasil AI memang perlu dicek. Survei Stack Overflow yang pernah kami bahas di artikel 84% Developer Pakai AI Coding Tools, Tapi Cuma 29% yang Percaya Hasilnya menunjukkan bahwa bahkan developer profesional pun tidak langsung percaya pada kode buatan AI.

Bonus: satu fitur dalam satu waktu

Berbagai panduan vibe coding dari platform seperti Softr dan Base44 sepakat soal satu hal: banyak kesalahan terjadi karena AI diminta membuat terlalu banyak hal sekaligus dengan arahan yang minim. Lebih baik bangun satu fitur, cek hasilnya, lalu lanjut ke fitur berikutnya.

Ada juga kabar baik dari riset yang dirilis National Bureau of Economic Research (NBER) pada Agustus 2026. Peneliti membandingkan AI yang hanya menjawab lewat chat dengan AI agent yang bisa menjalankan dan memperbaiki kodenya sendiri. Tingkat keberhasilan naik dari 74 persen menjadi 96 persen saat tugasnya dikerjakan oleh agent. Menariknya, teknik prompting tambahan seperti memberi banyak contoh jauh lebih membantu chatbot biasa dibanding agent. Artinya, kalau kamu memakai AI agent yang bisa langsung bekerja di dalam project, kamu tidak perlu menjadi ahli prompt. Cukup jelaskan tujuan, konteks, dan cara mengecek hasilnya dengan jelas.

Rangkuman cepat

Sebelum mengirim prompt berikutnya, coba cek tiga hal ini:

Tujuan: apakah AI tahu persis apa yang harus dibuat, dan bagian mana yang tidak boleh diubah?

Konteks: apakah kamu sudah menyebut siapa penggunanya, data apa yang dikelola, dan alasan di balik permintaan kamu?

Pengecekan: apakah kamu sudah menjelaskan seperti apa hasil yang dianggap benar?

Kalau mau langsung praktik, seri Ide Project kami berisi contoh prompt lengkap yang bisa kamu pakai sebagai titik awal, dari landing page sampai aplikasi stok gudang.