---
title: "Apa itu chain-of-thought prompting? CoT vs model penalaran"
description: "Chain-of-thought prompting meminta LLM menuliskan langkah sebelum jawaban. Asal-usulnya, mengapa membantu, dan bagaimana model penalaran kini melakukannya sendiri."
url: https://broadrouter.com/id/glossary/chain-of-thought/
lang: id
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/chain-of-thought/) (diperbarui 2026-11-16).

# Chain-of-thought (CoT)

Diperbarui 2026-11-16

Chain-of-thought (CoT) adalah teknik prompting di mana model bahasa diberi contoh atau diminta menuliskan langkah-langkah penalaran perantara sebelum jawaban akhirnya. Teknik ini meningkatkan akurasi pada soal multi-langkah seperti aritmetika dan logika, dan model penalaran kini menghasilkannya secara otomatis.

Disebut juga: CoT, rantai pemikiran, prompting langkah demi langkah, chain-of-thought prompting, step-by-step prompting, CoT prompting

Chain-of-thought dimulai sebagai trik prompt dan berubah menjadi fitur model.

## Cara kerjanya

Wei dan rekan-rekannya memublikasikan metode ini pada 2022. Alih-alih contoh few-shot yang hanya menampilkan pertanyaan dan jawaban, mereka menulis contoh yang menampilkan langkah-langkah di antaranya. Dengan delapan contoh seperti itu, model berukuran 540 miliar parameter mencapai akurasi state-of-the-art di GSM8K, kumpulan soal cerita matematika tingkat sekolah dasar, mengungguli GPT-3 yang di-fine-tune dengan verifier. Mereka menguji penalaran aritmetika, akal sehat, dan simbolik.

Contoh chain-of-thought dalam prompt:

```text
Q: A shop has 23 apples. It uses 20 and buys 6 more. How many are left?
A: It starts with 23. After using 20 it has 3. After buying 6 it has 9. The answer is 9.
```

Menuliskan langkah memberi model lebih banyak token komputasi sebelum ia berkomitmen pada jawaban, dan setiap langkah mengondisikan langkah berikutnya. Ini adalah bentuk [few-shot prompting](https://broadrouter.com/id/glossary/few-shot-prompting/) di mana contoh mengajarkan metode, bukan sekadar format.

## Bagaimana model penalaran menginternalisasinya

Model penalaran dilatih untuk menghasilkan teks langkah demi langkah ini sendiri. Panduan OpenAI mengatakan model-model ini “use internal reasoning tokens before producing a response” (terjemahan: memakai token penalaran internal sebelum menghasilkan respons), dan token itu tidak terlihat melalui API-nya tetapi tetap memakai konteks dan ditagih sebagai output. Beberapa model terbuka justru mengembalikan penalarannya di field terpisah. Lihat [token penalaran](https://broadrouter.com/id/glossary/reasoning-tokens/) untuk cara penghitungannya.

## Kenapa ini penting

-   **Akurasi.** Tugas multi-langkah seperti matematika, perencanaan, dan perbaikan kode paling diuntungkan. Pencarian fakta sederhana nyaris tidak.
-   **Biaya dan latensi.** Setiap langkah adalah [token output](https://broadrouter.com/id/glossary/input-and-output-tokens/). Rantai yang panjang bisa lebih mahal daripada jawabannya.
-   **Bukan bukti.** Langkah yang tertulis bisa tampak masuk akal namun tetap salah, jadi tidak mencegah [halusinasi](https://broadrouter.com/id/glossary/hallucination/).

## Di BroadNet Inference

Dokumentasi BroadNet menyebut DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B bernalar sebelum menjawab, dan penalaran itu dihitung dalam [`max_tokens`](https://broadrouter.com/id/glossary/max-tokens/). Sisakan 1.000 token atau lebih, atau setel `reasoning_effort` ke `low`; dengan batas kecil, jawaban bisa kembali kosong. Jika dilaporkan, `usage.completion_tokens_details.reasoning_tokens` menunjukkan berapa banyak yang terpakai. Dokumentasi tidak mencantumkan BroadNet Gemma 4 VL 26B sebagai model penalaran, jadi chain-of-thought prompting klasik adalah cara memintanya menuliskan langkah. [Panduan respons kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/) dan artikel tentang [biaya token penalaran](https://broadrouter.com/id/blog/reasoning-tokens-cost/) membahas cara menganggarkannya.

## Pertanyaan umum

### Apakah chain-of-thought sama dengan token penalaran?

Berkaitan, tetapi tidak sama. Chain-of-thought adalah teknik menuliskan langkah-langkah. Token penalaran adalah yang dihasilkan model penalaran saat melakukannya secara internal, dan ditagih sebagai output.

### Perlukah saya menulis "pikirkan langkah demi langkah" untuk model penalaran?

Biasanya tidak perlu. Model penalaran sudah bernalar sebelum menjawab. Panduan OpenAI menyarankan memberinya tujuan dan batasan yang jelas alih-alih merinci setiap langkah.

### Apakah chain-of-thought lebih mahal?

Ya. Langkah-langkahnya adalah token output, yang biasanya token paling mahal, dan menambah latensi.

## Lihat juga

-   [Token penalaran (reasoning tokens)](https://broadrouter.com/id/glossary/reasoning-tokens/) (istilah)
-   [Few-shot prompting](https://broadrouter.com/id/glossary/few-shot-prompting/) (istilah)
-   [max\_tokens](https://broadrouter.com/id/glossary/max-tokens/) (istilah)
-   [Halusinasi AI (hallucination)](https://broadrouter.com/id/glossary/hallucination/) (istilah)
-   [Token input dan output](https://broadrouter.com/id/glossary/input-and-output-tokens/) (istilah)
-   [Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/) (panduan)
-   [Token penalaran: mengapa Anda membayar output lebih dari yang terlihat](https://broadrouter.com/id/blog/reasoning-tokens-cost/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-chain-of-thought&utm_content=page-cta) ·

**Sumber**

-   [Wei dkk. (2022), Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (diperiksa 2026-11-16)](https://arxiv.org/abs/2201.11903)
-   [OpenAI, panduan model penalaran (diperiksa 2026-11-16)](https://developers.openai.com/api/docs/guides/reasoning)
-   [Referensi API BroadNet Inference, token penalaran dan token cache (diperiksa 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-chain-of-thought&utm_content=sources)
