Daftar Isi

 

Tutorial Prompt Chain-of-Thought: Trik Bikin AI Berpikir Runtun dan Logis untuk Masalah Kompleks

Pernah memberikan pertanyaan yang cukup rumit kepada AI, tetapi jawabannya malah terasa seperti orang yang sedang menebak? Awalnya terdengar meyakinkan, lengkap dengan istilah teknis dan penjelasan panjang. Setelah diperiksa, ternyata ada bagian yang salah, angka tidak cocok, atau kesimpulannya tidak nyambung dengan informasi awal.

Masalah seperti ini sering disebut sebagai hallucination, yaitu ketika AI menghasilkan informasi yang terdengar benar tetapi sebenarnya keliru, tidak didukung data, atau bahkan tidak ada.

Salah satu teknik prompting yang sering dibahas untuk menghadapi masalah tersebut adalah Chain-of-Thought, atau pendekatan yang meminta model menyelesaikan masalah melalui tahapan penalaran. Salah satu contoh instruksi yang populer adalah:

“Pikirkan langkah demi langkah sebelum memberikan jawaban.”

Namun, ada cara yang lebih aman dan praktis untuk menggunakan konsep tersebut. Daripada meminta AI menampilkan seluruh proses berpikir internalnya, kita bisa meminta AI memecah masalah menjadi langkah-langkah, memeriksa asumsi, melakukan verifikasi, lalu memberikan ringkasan alasan yang bisa diperiksa pengguna.

Berikut cara menggunakannya.

Apa Itu Chain-of-Thought?

Secara sederhana, Chain-of-Thought adalah pendekatan prompting yang mendorong AI menangani masalah kompleks secara bertahap, bukan langsung melompat ke kesimpulan.

Misalnya, daripada memberikan pertanyaan:

“Berapa biaya perjalanan saya?”

kita bisa memberikan instruksi:

“Pecah masalah menjadi beberapa komponen, identifikasi data yang diperlukan, hitung setiap komponen, lalu periksa kembali hasil akhirnya sebelum menjawab.”

AI kemudian memiliki struktur kerja yang lebih jelas.

Konsep ini sangat berguna untuk pertanyaan yang membutuhkan beberapa tahapan, seperti matematika, analisis data, pemrograman, perencanaan, perbandingan produk, hingga pemecahan masalah teknis.

Yang perlu dipahami, meminta “berpikir langkah demi langkah” bukan jaminan bahwa jawaban AI otomatis benar. AI tetap bisa melakukan kesalahan pada salah satu tahap. Karena itu, prompt yang bagus sebaiknya tidak hanya meminta penalaran bertahap, tetapi juga meminta pemeriksaan ulang.

Kenapa Prompt Langkah demi Langkah Bisa Membantu?

AI generatif pada dasarnya sangat pandai menghasilkan teks yang terlihat masuk akal. Namun, masalah kompleks membutuhkan lebih dari sekadar jawaban yang terdengar meyakinkan.

Ketika sebuah persoalan memiliki banyak bagian, kesalahan kecil di awal bisa memengaruhi seluruh jawaban.

Contohnya adalah soal matematika.

Jika data awal salah dimasukkan, operasi berikutnya juga akan ikut salah. Begitu pula dalam coding. Jika AI salah memahami kebutuhan program pada tahap awal, kode yang dihasilkan mungkin terlihat rapi tetapi sebenarnya menyelesaikan masalah yang berbeda.

Dengan memberikan struktur seperti:

1. pahami masalah,
2. identifikasi informasi,
3. tentukan metode,
4. selesaikan,
5. verifikasi,
6. berikan jawaban,

AI mendapatkan kerangka yang lebih teratur.

Baca juga : Amazfit T-Rex Dual Solar Rilis, Smartwatch yang Bisa Diisi Daya dari Dua Sisi

Tutorial Membuat Prompt Step-by-Step

Cara paling sederhana adalah menambahkan instruksi proses sebelum pertanyaan utama.

Contohnya:

“Analisis masalah ini secara bertahap. Identifikasi informasi penting, tentukan pendekatan yang tepat, kerjakan setiap bagian secara sistematis, lalu verifikasi hasil sebelum memberikan jawaban akhir.”

Setelah itu, masukkan masalah yang ingin diselesaikan.

Contoh:

“Analisis masalah ini secara bertahap. Identifikasi informasi penting, tentukan pendekatan yang tepat, kerjakan setiap bagian secara sistematis, lalu verifikasi hasil sebelum memberikan jawaban akhir.

Saya memiliki pendapatan Rp150.000 per hari selama 6 hari kerja. Pengeluaran mingguan saya Rp500.000. Berapa uang yang tersisa dalam sebulan jika dihitung empat minggu?”

Prompt seperti ini lebih terstruktur dibanding sekadar bertanya “berapa sisanya?”

Tambahkan Instruksi untuk Memeriksa Asumsi

Ini bagian yang sering dilupakan.

AI terkadang mengisi informasi yang tidak diberikan pengguna dengan asumsi sendiri. Dalam masalah sederhana mungkin tidak terlalu berbahaya, tetapi dalam persoalan kompleks bisa menghasilkan kesimpulan yang melenceng.

Tambahkan instruksi seperti:

“Jangan mengarang data yang tidak diberikan. Jika ada informasi yang kurang, sebutkan asumsi yang diperlukan atau minta klarifikasi.”

Dengan instruksi tersebut, AI didorong untuk membedakan antara fakta yang diberikan, asumsi, dan hasil perhitungan.

Contohnya:

“Gunakan hanya data yang tersedia. Jika terdapat informasi yang tidak cukup untuk menentukan jawaban, jangan menebak. Jelaskan informasi apa yang masih diperlukan.”

Prompt seperti ini sangat berguna ketika mengerjakan analisis teknis, finansial, penelitian, atau pertanyaan yang memiliki banyak variabel.

Tambahkan Tahap Verification

Kalau tujuan utama menggunakan teknik ini adalah mengurangi hallucination, bagian verifikasi justru sangat penting.

Jangan berhenti pada:

“Pikirkan langkah demi langkah.”

Lebih baik gunakan:

“Setelah menyelesaikan analisis, periksa kembali perhitungan, konsistensi logika, dan apakah kesimpulan benar-benar didukung oleh data yang diberikan.”

AI kemudian diarahkan untuk melakukan pengecekan sebelum memberikan jawaban final.

Untuk soal matematika, verifikasinya bisa berupa pemeriksaan ulang operasi.

Untuk coding, AI bisa diminta memeriksa kemungkinan error, edge case, dan kesesuaian kode dengan requirement.

Untuk analisis informasi, AI bisa diminta memisahkan fakta dari asumsi.

Gunakan Format “Plan, Solve, Verify”

Salah satu format prompt yang cukup praktis adalah membagi pekerjaan menjadi tiga bagian.

Plan

AI diminta menentukan pendekatan yang akan digunakan.

Solve

AI mengerjakan masalah berdasarkan pendekatan tersebut.

Verify

AI melakukan pemeriksaan terhadap hasil.

Contoh prompt:

“Gunakan pendekatan Plan-Solve-Verify. Pertama, identifikasi masalah dan informasi penting serta tentukan metode yang sesuai. Kedua, selesaikan masalah secara sistematis. Ketiga, periksa kembali hasilnya dan cari kemungkinan kesalahan atau asumsi yang tidak valid. Setelah itu berikan jawaban akhir beserta ringkasan alasan yang dapat diverifikasi.”

Format ini bisa digunakan untuk berbagai macam persoalan.

Jangan Selalu Meminta AI Menampilkan Semua Proses Berpikir

Ada perbedaan antara meminta AI melakukan penalaran secara bertahap dan meminta AI mengeluarkan seluruh proses berpikir internalnya.

Untuk penggunaan sehari-hari, yang lebih berguna adalah meminta hasil yang dapat diperiksa.

Misalnya:

“Berikan ringkasan langkah penyelesaian, asumsi yang digunakan, perhitungan penting, dan hasil akhir. Tidak perlu menampilkan proses berpikir internal yang panjang.”

Dengan format tersebut, pengguna tetap mendapatkan transparansi yang diperlukan untuk memeriksa jawaban tanpa membutuhkan uraian internal yang sangat panjang.

Hal ini juga membuat jawaban lebih ringkas dan mudah dibaca.

Contoh Prompt untuk Soal Matematika

Untuk matematika, gunakan prompt:

“Selesaikan soal ini secara sistematis. Identifikasi informasi yang diketahui dan yang ditanyakan, pilih rumus atau metode yang sesuai, lakukan perhitungan secara bertahap, lalu cek kembali hasilnya. Jika ada asumsi, nyatakan dengan jelas. Setelah itu berikan ringkasan langkah penyelesaian dan jawaban akhir.”

Prompt tersebut bisa digunakan untuk soal aritmetika, aljabar, statistika, hingga persoalan yang lebih kompleks.

Contoh Prompt untuk Coding

Untuk pemrograman, struktur prompt bisa dibuat seperti ini:

“Analisis requirement terlebih dahulu. Pecah masalah menjadi beberapa bagian, tentukan pendekatan implementasi, lalu buat kode. Setelah kode selesai, periksa kemungkinan bug, edge case, input tidak valid, dan kesesuaiannya dengan requirement. Berikan kode final serta ringkasan perubahan dan alasan desain utama.”

Ini lebih berguna daripada sekadar mengatakan:

“Think step-by-step and write the code.”

Pasalnya, prompt kedua hanya memberikan instruksi umum. Prompt pertama menentukan apa saja yang perlu diperiksa.

Contoh Prompt untuk Mengurangi Hallucination

Untuk pertanyaan faktual, gunakan struktur berbeda:

“Jawab berdasarkan informasi yang tersedia. Pisahkan fakta, asumsi, dan kesimpulan. Jangan mengarang informasi yang tidak diketahui. Jika tingkat kepastian rendah atau data tidak cukup, katakan secara eksplisit. Periksa kembali apakah kesimpulan benar-benar didukung oleh informasi yang tersedia.”

Kalau AI memiliki akses ke sumber atau fitur pencarian, tambahkan:

“Untuk klaim faktual yang dapat berubah, gunakan sumber terbaru dan cantumkan sumber yang mendukung klaim tersebut.”

Dengan begitu, prompt tidak hanya meminta AI “berpikir lebih keras”, tetapi juga membuat proses jawabannya lebih disiplin.

Chain-of-Thought Bukan Obat Anti-Hallucination

Ini bagian yang paling penting.

Prompt “think step-by-step” bukan mantra ajaib yang membuat AI selalu benar.

AI masih bisa menghasilkan jawaban salah dengan struktur yang terlihat sangat logis. Bahkan jawaban yang panjang dan sistematis belum tentu memiliki dasar fakta yang benar.

Karena itu, pendekatan yang lebih kuat adalah menggabungkan beberapa teknik:

Pecah masalah agar persoalan kompleks menjadi bagian kecil.

Periksa asumsi agar AI tidak mengisi kekosongan informasi dengan tebakan.

Verifikasi hasil untuk menemukan kesalahan perhitungan atau logika.

Gunakan sumber ketika persoalannya membutuhkan fakta aktual.

Minta tingkat keyakinan atau batasan ketika informasi memang tidak lengkap.

Dengan kombinasi tersebut, kualitas jawaban biasanya lebih mudah dikontrol dibanding hanya menambahkan satu kalimat “pikirkan langkah demi langkah”.

Template Prompt yang Bisa Dipakai

Kalau ingin memiliki satu template serbaguna, gunakan format berikut:

“Analisis masalah ini secara sistematis. Pertama, pahami tujuan dan identifikasi informasi yang tersedia. Kedua, pecah masalah menjadi beberapa bagian yang relevan. Ketiga, tentukan metode atau pendekatan yang paling sesuai. Keempat, selesaikan setiap bagian secara hati-hati. Kelima, periksa kembali hasil, asumsi, perhitungan, dan konsistensi logikanya. Jangan mengarang informasi yang tidak tersedia. Jika ada ketidakpastian, jelaskan. Setelah selesai, berikan jawaban akhir yang ringkas beserta ringkasan langkah dan alasan utama yang dapat diverifikasi.”

Template tersebut bisa ditempel sebelum berbagai jenis pertanyaan.

Kapan Teknik Ini Paling Berguna?

Pendekatan step-by-step paling terasa manfaatnya ketika masalah memiliki beberapa tahapan.

Misalnya soal matematika yang panjang, debugging program, analisis data, perencanaan proyek, analisis dokumen, troubleshooting perangkat, atau pertanyaan yang memiliki banyak kondisi.

Untuk pertanyaan sederhana seperti “berapa hasil 25 × 4?”, prompt sepanjang itu justru berlebihan.

Jadi, jangan menggunakan Chain-of-Thought untuk semuanya. Gunakan ketika kompleksitas masalah memang membutuhkan struktur.

Kesimpulan

Teknik Chain-of-Thought dapat menjadi salah satu pendekatan prompting yang berguna ketika menghadapi masalah kompleks. Instruksi seperti “pikirkan langkah demi langkah” pada dasarnya mendorong AI untuk menangani persoalan secara lebih terstruktur.

Namun, jika tujuan utamanya adalah mengurangi hallucination, jangan berhenti pada perintah tersebut.

Prompt yang lebih kuat meminta AI untuk memecah masalah, mengidentifikasi asumsi, mengerjakan bagian-bagian penting, memeriksa kembali hasil, dan menyatakan ketidakpastian jika informasi tidak cukup.

Dengan kata lain, bukan sekadar meminta AI berpikir lebih panjang, tetapi membuat proses penyelesaian masalah menjadi lebih terstruktur dan mudah diverifikasi.

Dan ini yang sering dilupakan: AI yang memberikan jawaban panjang belum tentu AI yang memberikan jawaban benar. Struktur, verifikasi, dan sumber yang tepat tetap jauh lebih penting daripada sekadar banyaknya kata.