---
title: "Apa itu prompt engineering? Menulis instruksi untuk LLM"
description: "Prompt engineering adalah menulis dan menguji instruksi agar LLM memberi output yang Anda butuhkan setiap kali. Teknik inti, cara mengujinya, dan tips prompt Arab."
url: https://broadrouter.com/id/glossary/prompt-engineering/
lang: id
updated: 2026-11-15
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/prompt-engineering/) (diperbarui 2026-11-15).

# Prompt engineering (rekayasa prompt)

Diperbarui 2026-11-15

Prompt engineering adalah proses menulis, menyusun, dan menguji instruksi yang diberikan ke model bahasa agar model konsisten menghasilkan output yang memenuhi kebutuhan Anda. Cakupannya meliputi pesan peran, instruksi yang jelas, contoh, format, dan pengukuran hasil terhadap kasus uji.

Disebut juga: prompt engineering, rekayasa prompt, teknik prompt, desain prompt, prompting, prompt design, prompting techniques

Prompt adalah sebuah spesifikasi. Prompt engineering berarti menulisnya dengan baik dan memeriksa apakah model mengikutinya.

## Cara kerjanya

Panduan OpenAI mendefinisikan prompt engineering sebagai “the process of writing effective instructions for a model” (terjemahan: proses menulis instruksi yang efektif untuk model) agar model “consistently generates content that meets your requirements” (terjemahan: konsisten menghasilkan konten yang memenuhi kebutuhan Anda). Teknik intinya mirip di berbagai vendor:

| Teknik | Yang dilakukan |
| --- | --- |
| Peran | Taruh aturan di [system prompt](https://broadrouter.com/id/glossary/system-prompt/) (atau pesan developer) dan permintaan di pesan user |
| Struktur | Susun system prompt dengan urutan identitas, instruksi, contoh, konteks; pakai heading Markdown dan tag XML untuk menandai bagian |
| Contoh | Tambahkan beberapa pasangan input dan output ([few-shot prompting](https://broadrouter.com/id/glossary/few-shot-prompting/)) yang mencakup kasus berbeda |
| Penalaran | Minta pemikiran langkah demi langkah ([chain of thought](https://broadrouter.com/id/glossary/chain-of-thought/)), atau gunakan model penalaran |
| Format output | Minta format yang tetap, atau gunakan [output terstruktur](https://broadrouter.com/id/glossary/structured-output/) jika API mendukungnya |
| Stabilitas | Kunci versi model agar perilakunya tidak berubah tanpa Anda sadari |

Ikhtisar Anthropic menyarankan memulai dengan tiga hal: kriteria keberhasilan yang jelas, cara mengujinya, dan draf prompt pertama. Dalam praktiknya, itu berarti satu set [eval](https://broadrouter.com/id/glossary/eval/).

Contoh singkat, sebelum dan sesudah:

```text
Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>
```

(Sebelum: “Ringkas tiket ini.” Sesudah: model meringkas tiket dukungan untuk tim engineering dalam 3 poin, yaitu masalahnya, dampaknya bagi pelanggan, dan langkah berikutnya; memakai kata-kata pelanggan untuk pesan error; dan tidak menebak penyebab.)

Untuk agen, prompt hanyalah satu bagian dari konteks yang lebih besar. Tulisan Anthropic tentang context engineering memisahkan prompt engineering, “methods for writing and organizing LLM instructions” (terjemahan: metode untuk menulis dan menata instruksi LLM), dari [context engineering](https://broadrouter.com/id/glossary/context-engineering/), yang mengelola semua hal lain yang dilihat model.

## Kenapa ini penting

-   **Kualitas tanpa pelatihan.** Prompt yang lebih baik adalah perbaikan termurah untuk dicoba, sebelum [fine-tuning](https://broadrouter.com/id/glossary/fine-tuning/) atau model yang lebih besar.
-   **Biaya.** System prompt dikirim ulang di setiap permintaan. Buang bagian yang tidak mengubah output; lihat [mengurangi token prompt](https://broadrouter.com/id/blog/reduce-prompt-tokens/).
-   **Migrasi.** Prompt yang disetel untuk satu model bisa berperilaku berbeda di model lain. Jalankan ulang set eval Anda saat berganti model.

## Di BroadNet Inference

Model chat BroadNet menerima daftar `messages` Chat Completions standar, jadi peran system, user, dan assistant serta contoh few-shot berfungsi seperti biasa. Anda bisa mencoba prompt di [playground](https://broadrouter.com/id/guides/try-broadnet-inference-playground/) sebelum menulis kode. Untuk output bahasa Arab, [prompt engineering bahasa Arab](https://broadrouter.com/id/blog/arabic-prompt-engineering/) membahas ragam bahasa, dialek, angka, dan format kanan-ke-kiri.

Output terstruktur didokumentasikan untuk [GLM 5.3](https://broadrouter.com/id/models/glm-5.3/) dan [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/). Pada DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B, penalaran ikut dihitung dalam `max_tokens`, jadi prompt “pikirkan langkah demi langkah” juga butuh ruang di anggaran.

## Pertanyaan umum

### Apakah prompt engineering masih diperlukan di model yang lebih baru?

Ya, meski triknya berubah. Model baru mengikuti instruksi yang lugas dan spesifik dengan baik, jadi sebagian besar pekerjaannya adalah menyatakan kebutuhan dengan jelas, memberi contoh, dan menguji dengan input nyata.

### Kapan sebaiknya fine-tuning saja?

Saat prompt yang sudah diuji dengan contoh masih gagal di sebagian besar kasus, atau terlalu panjang untuk dikirim di setiap permintaan. Dokumentasi Anthropic juga mencatat bahwa beberapa tujuan, seperti latensi atau biaya yang lebih rendah, lebih mudah dicapai dengan memilih model lain.

### Apakah prompt untuk output bahasa Arab sebaiknya ditulis dalam bahasa Arab?

Keduanya bisa berhasil. Sebutkan ragam bahasa atau dialek yang Anda inginkan, dan cara menangani angka serta teks campuran. Tulisan prompt engineering bahasa Arab membandingkan kedua pendekatan.

## Lihat juga

-   [System prompt (prompt sistem)](https://broadrouter.com/id/glossary/system-prompt/) (istilah)
-   [Few-shot prompting](https://broadrouter.com/id/glossary/few-shot-prompting/) (istilah)
-   [Chain-of-thought (CoT)](https://broadrouter.com/id/glossary/chain-of-thought/) (istilah)
-   [Context engineering (rekayasa konteks)](https://broadrouter.com/id/glossary/context-engineering/) (istilah)
-   [Eval (evaluasi LLM)](https://broadrouter.com/id/glossary/eval/) (istilah)
-   [Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/) (istilah)
-   [Coba BroadNet Inference di browser, tanpa akun](https://broadrouter.com/id/guides/try-broadnet-inference-playground/) (panduan)
-   [Prompt engineering bahasa Arab: register, RTL, angka, teks campuran](https://broadrouter.com/id/blog/arabic-prompt-engineering/) (artikel)
-   [Mengurangi token prompt: hasil terukur untuk system prompt, tool, data](https://broadrouter.com/id/blog/reduce-prompt-tokens/) (artikel)
-   [Sebelum fine-tuning: definisikan masalah yang ingin diselesaikan](https://broadrouter.com/id/blog/fine-tuning-readiness/) (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-prompt-engineering&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi API OpenAI, panduan prompt engineering (diperiksa 2026-11-15)](https://developers.openai.com/api/docs/guides/prompt-engineering)
-   [Dokumentasi Anthropic, ikhtisar prompt engineering (diperiksa 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)
-   [Anthropic Engineering, Effective context engineering for AI agents (diperiksa 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
