Home

Pendahuluan

Dalam beberapa tahun terakhir, model bahasa besar (Large Language Models/LLM) seperti ChatGPT, Deepseek, Gemini, dan Claude telah menjadi asisten virtual yang sangat powerful. Namun, satu keluhan umum yang sering muncul dari pengguna pemula adalah: "jawaban AI terlalu umum," "tidak sesuai konteks," atau "kurang mendalam."

Masalah ini sebenarnya bukan semata-mata keterbatasan AI, melainkan ketidaktepatan dalam memberikan instruksi (prompt). Solusi untuk masalah ini bukanlah membuat prompt yang super panjang dalam sekali coba, melainkan menggunakan Iterative Prompting.

Apa itu Iterative Prompting?

Iterative prompting adalah pendekatan di mana kita tidak berharap AI memberikan jawaban sempurna di percakapan pertama. Sebaliknya, kita melakukan proses dialog berulang: memberi prompt, mengevaluasi hasil, lalu memperbaiki instruksi berdasarkan kelemahan output sebelumnya.

Sederhananya: Jangan meminta AI memasak sekali jadi. Lebih baik cicipi, lalu minta tambah garam, lalu minta tambah rempah, hingga rasanya pas.

Proses ini terdiri dari siklus:

1. Prompt awal → Dapatkan respons.

2. Analisis → Apa yang kurang? Terlalu panjang? Kurang teknis? Formatnya salah?

3. Refinement → Modifikasi prompt dengan tambahan instruksi spesifik.

4. Repetisi → Ulangi hingga output memenuhi standar.

Mengapa Iterative Prompting Penting untuk Dunia Akademik?

Sebagai dosen dan mahasiswa, kita sering membutuhkan output AI yang presisi, misalnya: membuat soal ujian, merangkum jurnal, menghasilkan hipotesis penelitian, atau menyusun outline buku. Dengan iterative prompting, kita bisa:

• Mengurangi halusinasi AI (informasi yang dibuat-buat).

• Mendapatkan kedalaman analitis layaknya rekan sejawat, bukan seperti mahasiswa tingkat pertama.

• Menyesuaikan format output (misal: format APA, daftar pustaka, atau tabel perbandingan).

• Mengajarkan AI "gaya berpikir" khas keilmuan kita.

Contoh Praktis dalam Skenario Akademik

Skenario: Seorang dosen ingin membuat 10 soal pilihan ganda tentang Metodologi Penelitian, level kesulitan sedang, disertai kunci jawaban dan pembahasan singkat.

❌ Pendekatan Non-Iterative (Sekali Jadi)

Prompt: "Buatkan 10 soal pilihan ganda metodologi penelitian."

Output: Soal-soal yang terlalu umum, misalnya: "Apa itu variabel?" Pilihan gandanya juga sederhana, tidak ada pembahasan.

✅ Pendekatan Iterative (4 Siklus)

Siklus 1 (Prompt Awal)

Prompt: "Buat 10 soal pilihan ganda tentang Metodologi Penelitian untuk mahasiswa semester akhir."

Evaluasi: Soal sudah jadi, tapi tingkat kesulitan masih rendah (seperti untuk mahasiswa awal). Belum ada pembahasan jawaban.

Siklus 2 (Refinemen – Tingkat Kesulitan)

Prompt lanjutan: "Soal sebelumnya terlalu mudah. Sekarang buat ulang soal-soal tersebut dengan tingkat kesulitan tinggi. Gunakan istilah-istilah teknis seperti validitas internal, sampling purposive, uji asumsi klasik, dan triangulasi."

Evaluasi: Soal menjadi lebih sulit, tapi format masih acak (tidak rapi). Tidak ada kunci jawaban terpisah.

Siklus 3 (Refinemen – Format & Kunci Jawaban)

Prompt lanjutan: "Bagus. Sekarang format ulang 10 soal di atas dalam bentuk: (1) teks soal, (2) pilihan A-E, (3) tambahkan baris 'Kunci: X' di bawah setiap soal, (4) tulis pembahasan singkat mengapa jawaban itu benar dalam 1 kalimat."

Evaluasi: Format sudah sesuai. Tapi pembahasan belum mendalam, hanya mengulang pernyataan soal.

Siklus 4 (Refinemen – Kedalaman Pembahasan)

Prompt lanjutan: "Pembahasannya terlalu dangkal. Untuk setiap jawaban benar, berikan alasan metodologis mengapa pilihan lain salah. Gunakan contoh kasus penelitian fiktif (misal: penelitian tentang efektivitas e-learning)."

Output Final: 10 soal berkualitas tinggi, format rapi, pembahasan mendalam, dan relevan dengan bidang ilmu. Selesai dalam 4 kali interaksi, bukan 20 menit mengedit manual.

Strategi Praktis untuk Iterative Prompting yang Efektif

Berdasarkan pengalaman saya sebagai dosen, berikut beberapa trik yang bisa langsung kamu pakai:

1. Mulai dengan Instruksi Terbuka, lalu Persempit

Jangan langsung minta "Buatkan 50 soal". Mulai dengan "Buat 3 contoh soal" untuk lihat polanya.

2. Gunakan Kata Kunci: "Ulangi tapi dengan perubahan..."

Kata "ulangi" membuat AI mempertahankan konteks, lalu Anda cukup menyebut aspek yang diubah, misal: "Ulangi, tapi jadikan dalam bentuk paragraf naratif, bukan poin-poin."

3. Minta AI Mengevaluasi Dirinya Sendiri

Setelah dapat output, beri prompt: "Evaluasi kelemahan dari jawaban yang baru saja kamu berikan, lalu perbaiki." Ini memicu AI melakukan iterasi secara mandiri.

4. Gunakan Prompt Berlapis (Chaining)

Pecah tugas besar:

• Langkah 1: "Jelaskan konsep regresi logistik."

• Langkah 2: "Berdasarkan penjelasan itu, buat analogi sederhana untuk mahasiswa ekonomi."

• Langkah 3: "Sekarang buat 5 soal hitungan dari analogi tersebut."

Kesalahan Umum dalam Iterative Prompting

Integrasi dengan Metode Pengajaran

Bapak/Ibu dosen bisa mengajarkan iterative prompting ini kepada mahasiswa sebagai bagian dari literasi AI. Contoh tugas:

"Gunakan ChatGPT untuk membantu menuliskan kerangka proposal skripsi. Lakukan minimal 3 siklus iterasi. Dokumentasikan: prompt awal, kritik Anda terhadap jawaban AI, prompt perbaikan, dan output akhir. Kumpulkan dalam bentuk laporan refleksi."

Ini melatih mahasiswa untuk tidak menerima mentah-mentah output AI, tapi justru mengembangkan critical thinking dan prompt engineering skills.

Penutup

Iterative prompting mengubah paradigma dari "bertanya sekali, berharap sempurna" menjadi "berdialog, menyempurnakan bersama." Inilah keterampilan abad 21 yang sesungguhnya: bukan hanya menggunakan AI, tapi mengarahkan AI secara sistematis untuk menghasilkan karya yang bermutu akademik.

Sebagai dosen, kita tidak perlu takut AI menggantikan peran kita. Sebaliknya, dengan iterative prompting, AI menjadi asisten yang bisa kita "didik" dan "arahkan" untuk membantu mahasiswa belajar lebih dalam, lebih cepat, dan lebih kritis.

Selamat mencoba di kelas dan riset Anda!