Prompt Engineering 06: Memecah Tugas dan Berpikir Bertahap

Kalau kamu meminta seseorang menyelesaikan soal cerita matematika tanpa coretan, peluang salahnya lebih besar. Model bahasa mirip: untuk tugas yang butuh beberapa langkah, memberi "ruang" untuk menguraikan langkah, atau memecah tugas menjadi beberapa prompt, sering membuat hasil jauh lebih baik.

Yang akan dipelajari

• Meminta model menguraikan langkah sebelum menjawab
• Memisahkan proses berpikir dari jawaban akhir
• Prompt berantai (prompt chaining)
• Meminta model memeriksa jawabannya sendiri
• Kapan teknik ini tidak perlu

Meminta langkah penalaran

Ingat materi 01: model menghasilkan jawaban sepotong demi sepotong. Jika jawaban akhir ditulis di kalimat pertama, model "memutuskan" sebelum sempat menguraikan masalahnya. Meminta langkah dulu membuat jawaban akhir dibangun di atas uraian tersebut. Teknik ini dikenal sebagai chain-of-thought.

Prompt langsung:

Sebuah dataset punya 1.250 citra. 20% untuk tes, sisanya dibagi
untuk latih dan validasi dengan rasio 85:15. Berapa citra validasi?

Prompt bertahap:

Sebuah dataset punya 1.250 citra. 20% untuk tes, sisanya dibagi
untuk latih dan validasi dengan rasio 85:15. Berapa citra validasi?

Uraikan perhitungannya langkah demi langkah, lalu tulis jawaban akhir
pada baris terakhir dengan format "Jawaban: <angka>".
Jika hasilnya bukan bilangan bulat, jelaskan cara pembulatannya.

Versi kedua membuat setiap langkah terlihat, sehingga kamu juga bisa memeriksa di mana kesalahan terjadi. Instruksi pembulatan juga menangkap detail yang sering terlewat (1.000 × 0,15 = 150, kebetulan bulat; tetapi untuk angka lain bisa tidak).

Catatan: sebagian model terbaru punya mode "berpikir" (reasoning atau thinking) bawaan yang melakukan penalaran sebelum menjawab tanpa diminta. Teknik di materi ini tetap berguna: langkah yang terlihat memudahkan verifikasi, dan memecah tugas tetap membantu untuk tugas yang panjang.

Memisahkan proses dan jawaban akhir

Jika uraian langkah hanya untuk membantu model, tetapi kamu hanya butuh hasilnya, pisahkan keduanya:

Pikirkan masalah ini di dalam tag <analisis>.
Setelah itu, tulis rekomendasi akhir untuk pembaca di dalam tag <jawaban>,
maksimal 100 kata, tanpa menyebut proses analisisnya.

Kamu cukup mengambil isi <jawaban>. Di aplikasi, bagian ini bisa diambil otomatis oleh program.

Prompt berantai (chaining)

Untuk tugas besar, lebih baik membagi pekerjaan menjadi beberapa prompt terpisah, di mana hasil satu prompt menjadi input prompt berikutnya.

Contoh: menyusun tinjauan pustaka dari lima abstrak.

Langkah	Prompt	Hasil
1	"Ekstrak tujuan, metode, dataset, hasil dari setiap abstrak dalam tabel."	Tabel ringkasan
2	"Dari tabel ini, kelompokkan paper berdasarkan pendekatan metode dan sebutkan kesamaan/perbedaannya."	Pengelompokan
3	"Identifikasi celah penelitian (research gap) yang belum ditangani kelompok mana pun."	Daftar celah
4	"Tulis draf tinjauan pustaka 400 kata berdasarkan pengelompokan dan celah ini."	Draf

Keuntungannya:

• Setiap prompt fokus pada satu tugas, sehingga lebih akurat.
• Kamu bisa memeriksa dan memperbaiki hasil setiap langkah sebelum lanjut.
• Jika hasil akhir buruk, kamu tahu langkah mana yang bermasalah.

Di layanan chat, chaining bisa dilakukan dalam satu percakapan, satu langkah per pesan. Di aplikasi, setiap langkah bisa menjadi panggilan API terpisah.

Meminta model memeriksa jawabannya

Model bisa diminta meninjau hasilnya sendiri dengan kriteria yang jelas:

Periksa draf tinjauan pustaka di atas terhadap kriteria berikut:
1. Setiap klaim didukung oleh salah satu dari lima abstrak.
2. Tidak ada paper yang disebut tetapi tidak ada di daftar.
3. Celah penelitian tidak bertentangan dengan tabel ringkasan.

Sebutkan setiap pelanggaran beserta kalimatnya, lalu tulis versi perbaikan.

Pemeriksaan dengan kriteria spesifik jauh lebih berguna daripada "Apakah jawabanmu sudah benar?", karena pertanyaan umum seperti itu sering dijawab "ya" begitu saja, atau justru mengubah jawaban yang sudah benar.

Pemeriksaan oleh model membantu, tetapi bukan pengganti verifikasi kamu sendiri, terutama untuk fakta dan referensi.

Kapan tidak perlu

• Pertanyaan sederhana (definisi, terjemahan pendek): langkah tambahan hanya memperpanjang jawaban.
• Tugas kreatif ringan.
• Ketika kecepatan dan biaya lebih penting daripada ketelitian.

Coba sendiri

Pilih satu keputusan nyata, misalnya memilih topik skripsi dari tiga kandidat, lalu jalankan:

Saya harus memilih satu dari tiga topik skripsi berikut.
<topik>
1. ...
2. ...
3. ...
</topik>
<kondisi_saya>
Waktu: 6 bulan. Kemampuan: Python menengah. Akses data: ...
</kondisi_saya>

Langkah:
1. Untuk setiap topik, nilai kelayakan data, tingkat kesulitan teknis,
   dan risiko tidak selesai tepat waktu.
2. Bandingkan ketiganya dalam tabel.
3. Beri rekomendasi beserta alasan dan risiko utama yang harus diantisipasi.

Kesalahan yang sering terjadi

Kesalahan	Perbaikan
Satu prompt raksasa untuk tugas multi-langkah	Pecah menjadi rantai prompt
Meminta "periksa lagi" tanpa kriteria	Berikan daftar kriteria yang harus dicek
Memakai langkah bertahap untuk pertanyaan sederhana	Gunakan seperlunya
Langsung lanjut ke langkah berikutnya tanpa memeriksa hasil	Periksa hasil setiap langkah; kesalahan awal terbawa sampai akhir

Latihan

1. Ubah prompt ini menjadi prompt bertahap: "Apakah metode A atau B lebih cocok untuk data saya?" (Anggap kamu punya deskripsi data dan kedua metode.)
2. Rancang rantai tiga prompt untuk mengubah transkrip wawancara mentah menjadi laporan temuan penelitian kualitatif.
3. Tulis prompt pemeriksaan dengan kriteria spesifik untuk ringkasan rapat yang dibuat model.

Contoh jawaban

Latihan 1

<data>[deskripsi data: jumlah, fitur, label, distribusi]</data>
<metode_a>[deskripsi]</metode_a>
<metode_b>[deskripsi]</metode_b>

Langkah:
1. Sebutkan karakteristik data yang paling relevan untuk pemilihan metode.
2. Untuk masing-masing metode, jelaskan kesesuaian dan risikonya
   terhadap karakteristik tersebut.
3. Tulis rekomendasi akhir di baris terakhir: "Rekomendasi: A/B, karena ...".
Jika informasi kurang untuk memutuskan, sebutkan informasi apa yang dibutuhkan.

Alasannya: langkah 1 memaksa model memperhatikan data sebelum menilai, dan izin "informasi kurang" mencegah rekomendasi yang dipaksakan.

Latihan 2

1. Ekstraksi: "Dari transkrip ini, kutip pernyataan responden yang berkaitan dengan [topik], beri nomor dan identitas responden. Jangan parafrase."
2. Pengodean: "Kelompokkan kutipan bernomor ini ke dalam tema. Setiap tema: nama, definisi singkat, dan nomor kutipan pendukung."
3. Laporan: "Tulis bagian temuan berdasarkan tema-tema ini. Setiap klaim harus menyertakan minimal satu kutipan pendukung dengan nomornya."

Alasannya: kutipan asli di langkah 1 menjadi dasar yang bisa ditelusuri, sehingga laporan akhir tidak berisi klaim tanpa bukti. Peneliti tetap harus meninjau pengodean, karena itu bagian dari analisis ilmiahnya.

Latihan 3

Periksa ringkasan rapat berikut terhadap transkrip aslinya.
Kriteria:
1. Setiap keputusan di ringkasan benar-benar disepakati di transkrip.
2. Setiap tugas punya penanggung jawab dan tenggat sesuai transkrip
   (tulis "tidak disebutkan" jika memang tidak ada).
3. Tidak ada keputusan penting di transkrip yang terlewat.
Laporkan temuan per kriteria, lalu tulis ringkasan yang sudah diperbaiki.

<transkrip>...</transkrip>
<ringkasan>...</ringkasan>