Seni Menulis Prompt Biar Hasilnya Bagus

Di episode sebelumnya kamu sudah menyiapkan tools vibe coding gratis. Sekarang pertanyaan pentingnya: kenapa dua orang memakai tool yang sama, prompt yang mirip, tapi hasilnya beda jauh? Jawabannya bukan di tool-nya, tapi di cara mereka berkomunikasi. Prompt adalah skill, bukan bakat. Dan seperti semua skill, ada polanya, bisa dilatih, dan artikel ini membedah polanya sampai ke akarnya.

Artikel ini episode kedua series Vibe Coding. Kita bahas anatomi prompt yang bagus, kesalahan paling umum, dan cara iterasi saat hasilnya belum pas. Kuasai ini, dan semua episode praktik setelahnya akan terasa sepuluh kali lebih mudah.

Prompt Itu Briefing, Bukan Mantra

Analogi yang paling pas: prompt itu seperti briefing ke arsitek. Kalau kamu bilang ke arsitek "buatkan rumah", kamu akan dapat rumah yang entah seperti apa, karena "rumah" buat arsitek bisa berarti seratus hal. Tapi kalau briefingmu "buatkan desain rumah 2 lantai, 3 kamar tidur, gaya minimalis, budget 500 juta, untuk keluarga dengan 2 anak kecil", arsitek langsung punya pijakan. AI persis begitu. Dia bukan pembaca pikiran, dia penerjemah instruksi. Kualitas terjemahannya ditentukan kualitas instruksimu.

Formula yang terbukti efektif punya lima komponen: peran (kamu minta AI jadi siapa), konteks (latar belakang yang perlu dia tahu), tugas (apa yang harus dilakukan, spesifik), batasan (apa yang boleh dan tidak boleh), format output (hasilnya mau berbentuk apa). Tidak semua prompt butuh kelimanya, tapi prompt yang gagal hampir selalu kekurangan minimal dua di antaranya.

Luruskan Dulu: Panjang Bukan Jaminan, Singkat Bukan Dosa

Salah kaprah pertama: prompt bagus itu prompt yang panjang. Panjang yang berisi pengulangan dan basa-basi justru mengaburkan instruksi penting. Yang menentukan adalah kelengkapan informasi, bukan jumlah kata. Prompt 3 kalimat yang menyebut teknologi, fitur, dan batasan mengalahkan prompt 3 paragraf yang isinya curhat.

Salah kaprah kedua: AI sudah pintar, pasti paham maksudku. AI memang pintar menebak, tapi tebakannya mengikuti pola paling umum di data latihnya, bukan kebutuhan spesifikmu. Setiap detail yang tidak kamu sebutkan akan diisi dengan asumsi default. Kadang asumsinya benar, sering meleset. Tugasmu adalah menyisakan sesedikit mungkin ruang untuk asumsi di hal-hal yang penting.

Bedah Contoh: Dari Prompt Sampah ke Prompt Bagus

Mari lihat evolusinya dengan contoh nyata, tugas yang sama: bikin fungsi validasi form.

Prompt level 1, terlalu kabur: "Buatkan validasi form." Hasilnya? AI menebak bahasa apa, framework apa, field apa, aturan apa. Kamu dapat sesuatu, tapi hampir pasti bukan yang kamu mau.

Prompt level 2, ada konteks tapi belum ada batasan: "Buatkan fungsi JavaScript untuk validasi form pendaftaran dengan field nama, email, dan password." Lebih baik, tapi aturan validasinya masih ditebak AI. Panjang password minimal berapa? Email dicek formatnya gimana?

Prompt level 3, lengkap: "Kamu adalah programmer JavaScript senior. Buatkan fungsi validateRegister(name, email, password) yang mengembalikan array berisi pesan error (kosong kalau valid). Aturan: nama minimal 3 karakter, email harus format valid, password minimal 8 karakter dengan 1 angka. Jangan pakai library eksternal, tulis komentar penjelasan di tiap aturan."

Perhatikan apa yang berubah: ada peran, ada nama fungsi dan bentuk return yang spesifik, ada aturan yang eksplisit, ada batasan teknologi, ada permintaan dokumentasi. AI tidak perlu menebak apa pun yang penting. Inilah kenapa prompt level 3 hampir selalu menghasilkan kode yang langsung pakai.

Iterasi: Prompt Pertama Hampir Tidak Pernah Sempurna

Pemula mengira prompt itu sekali tulis langsung jadi. Profesional tahu prompt itu percakapan. Pola iterasi yang efektif: mulai dari prompt lengkap seperti contoh level 3, lihat hasilnya, lalu beri feedback spesifik. Bukan "jelek, ulangi", tapi "bagian hitung totalnya salah saat diskon 0 persen, perbaiki hanya fungsi itu, jangan ubah yang lain".

Tiga teknik feedback yang paling ampuh: tunjuk bagian spesifiknya ("fungsi hitungKembalian, baris 42"), jelaskan yang diharapkan vs yang terjadi ("seharusnya menampilkan 5000, tapi muncul NaN"), batasi ruang geraknya ("jangan ubah fungsi lain"). Teknik terakhir ini penting karena AI cenderung me-refactor hal yang tidak diminta, dan refactor tak diundang adalah sumber bug baru.

Dan kalau AI mulai ngawur, misalnya mengulang kesalahan yang sama atau mengubah file yang tidak disuruh, jangan ragu mulai chat baru yang bersih. Konteks yang sudah kotor lebih susah diperbaiki daripada mulai dari awal dengan prompt yang lebih baik.

Pola Prompt Siap Pakai untuk Tugas Umum

Tiga pola yang bisa langsung kamu salin polanya untuk tugas sehari-hari. Pola menjelaskan: "Jelaskan [konsep/kode] ini seolah saya anak SMA yang baru pertama kali dengar. Pakai satu analogi sehari-hari, lalu tunjukkan contoh kodenya, lalu jelaskan kenapa kodenya ditulis begitu." Pola memperbaiki: "Di [file/fungsi] ini ada [gejala]. Seharusnya [ekspektasi]. Jelaskan kemungkinan penyebabnya dulu, lalu berikan perbaikan minimal tanpa mengubah bagian lain." Pola membuat: "Buatkan [hasil] dengan [teknologi]. Syarat: [daftar syarat spesifik]. Batasan: [yang tidak boleh]. Format: [bentuk output yang diinginkan]."

Perhatikan, ketiganya mengikuti formula yang sama: konteks dulu, tugas spesifik, batasan eksplisit. Lama-lama kamu tidak perlu menghafal polanya karena sudah jadi cara berpikir. Itulah tanda skill-nya sudah nempel. Dan satu catatan: pola ini bukan cuma buat coding. Briefing yang jelas ke AI untuk menulis email, merancang presentasi, atau merencanakan belajar memakai prinsip yang persis sama.

Kebiasaan Pro: Simpan Prompt yang Berhasil

Satu kebiasaan yang membedakan pemula dan praktisi serius: mereka menyimpan prompt yang berhasil. Bikin file prompt-andalan.md di repomu, catat prompt yang menghasilkan output bagus beserta konteksnya: untuk tugas apa, tool apa, tanggal berapa. Lama-lama kamu punya perpustakaan formula pribadi. Ini juga melatihmu memperhatikan pola: prompt seperti apa yang konsisten berhasil, dan itu mempertajam intuisimu.

Latihan: Operasi Plastik Tiga Prompt Sampah

Ambil tiga prompt buruk berikut, lalu tulis ulang masing-masing jadi versi level 3. Jangan cuma dibaca, tulis beneran, karena otot prompting cuma terbentuk saat menulis.

1. "Buatkan website." Tulis ulang jadi prompt untuk website portofolio pribadi satu halaman: sebutkan teknologinya (HTML CSS JS biasa), section apa saja (hero, tentang, proyek, kontak), dan gaya tampilannya.
2. "Bikinin game dong." Tulis ulang jadi prompt game tebak angka: sebutkan aturannya (angka 1 sampai 100, maksimal 7 tebakan, kasih petunjuk terlalu besar atau kecil), dan tampilannya (satu file HTML).
3. "Tolol, kok error terus." Ubah jadi feedback profesional untuk kasus hipotetis: fungsi login yang selalu mengembalikan "password salah" padahal password benar. Tulis feedback yang menyebut gejala, yang diharapkan, dan batasan perbaikannya.
4. Uji satu: jalankan satu prompt hasil tulis ulangmu di AI Studio atau AI chat pilihanmu. Nilai hasilnya 1 sampai 10. Kalau di bawah 7, iterasi sekali lagi dengan feedback spesifik, lalu catat apa yang berubah.

Senjata sudah siap, cara memerintah sudah dikuasai. Saatnya perang beneran. Di episode berikutnya, Praktik Bikin Landing Page dalam 30 Menit, kita pakai semua yang dipelajari untuk membangun landing page utuh dari nol sampai online, lengkap dengan urutan prompt yang bisa kamu tiru langkah demi langkah.