15 Kerangka Kerja Prompt ChatGPT Terbaik pada Tahun 2025

15 Kerangka Kerja Prompt ChatGPT Terbaik pada Tahun 2025

by | Oct 31, 2025 | AI & Teknologi Cerdas, Tentang saya

15 Best ChatGPT Prompt Frameworks in 2025

1. RACE Framework

Role: Menetapkan peran yang harus diambil oleh ChatGPT.

Action: Tugas yang harus dilakukan oleh ChatGPT.

Context: Memberikan latar belakang atau informasi yang relevan untuk membantu ChatGPT dalam memahami konteks.

Expectation: Mengatur harapan tentang format dan kualitas output yang diinginkan.

Contoh Prompt: “Role: Anda adalah penasihat keuangan berpengalaman yang memberikan nasihat untuk perencanaan pensiun. Action: Buat daftar langkah-langkah yang dapat diambil oleh profesional muda untuk mempersiapkan pensiun. Context: Audiens adalah individu yang baru memulai karir mereka dan memiliki pinjaman pelajar. Expectation: Daftar yang jelas dan praktis, dengan penjelasan singkat, yang bisa dimengerti oleh audiens umum tanpa menggunakan jargon keuangan yang rumit.”

2. TAG Framework

Task: Apa yang perlu dilakukan.

Action: Langkah-langkah atau metode yang harus diikuti.

Goal: Hasil akhir atau tujuan yang ingin dicapai.

Contoh Prompt: “Task: Ringkas artikel tentang energi terbarukan. Action: Fokus pada teknologi baru yang dibahas dalam artikel dan dampaknya terhadap pasar energi. Goal: Ringkasan yang mudah dipahami bagi pembaca yang sibuk, menyajikan poin-poin utama tanpa perlu membaca seluruh artikel.”

3. TRACE Framework

Task: Apa yang perlu dilakukan.

Request: Kebutuhan atau permintaan spesifik.

Action: Tindakan atau langkah yang perlu diambil.

Context: Latar belakang atau informasi yang diperlukan untuk memahami tugas.

Example: Memberikan contoh output yang diinginkan.

Contoh Prompt: “Task: Tulis deskripsi produk untuk botol air ramah lingkungan baru. Request: Tulis tiga deskripsi berbeda, masing-masing dengan fokus pada bahan, desain, dan manfaat. Action: Soroti keunikan produk dan alasan mengapa konsumen harus memilihnya. Context: Audiens adalah individu yang sadar lingkungan. Example: ‘Botol AquaPure terbuat dari plastik laut daur ulang yang menjaga air tetap dingin selama 24 jam, menjaga lingkungan dan tubuh Anda!’”

4. CARE Framework

Context: Memberikan informasi latar belakang.

Action: Tugas atau tindakan spesifik.

Result: Hasil yang diinginkan.

Example: Memberikan contoh output yang diharapkan.

Contoh Prompt: “Context: Kami sedang meluncurkan aplikasi mobile baru untuk belajar bahasa. Action: Tulis email pendek untuk mengajak orang bergabung sebagai penguji beta aplikasi. Result: Email harus menarik dan menyebutkan manfaat sebagai penguji beta. Example: ‘Daftar sebagai penguji beta LingoLeap dan nikmati akses eksklusif ke fitur-fitur baru! Temukan cara baru belajar bahasa yang menyenangkan.’”

5. APE Framework

Action: Apa yang harus dilakukan.

Purpose: Tujuan dari tugas tersebut.

Expectation: Apa yang diharapkan dari output.

Contoh Prompt: “Action: Buat lima judul untuk blog post tentang berkebun berkelanjutan. Purpose: Menarik pembaca dengan judul yang ramah SEO untuk meningkatkan klik. Expectation: Judul harus kurang dari 70 karakter dan menarik perhatian dengan menggunakan kata kunci yang tepat.”

6. BAB Framework

Before: Masalah atau kondisi saat ini.

After: Kondisi masa depan yang diinginkan.

Bridge: Solusi yang menghubungkan sebelum dan sesudah.

Contoh Prompt: “Before: Tim kami merasa kewalahan dengan terlalu banyak pertemuan yang mengurangi produktivitas. After: Kami ingin agar pertemuan lebih efisien dan anggota tim bisa fokus bekerja tanpa gangguan. Bridge: Buat rencana tindakan untuk mengurangi pertemuan dan mengatur waktu kerja tanpa gangguan.”

7. RTF Framework

Role: Peran yang diambil oleh ChatGPT.

Task: Apa yang harus dilakukan.

Format/Finish: Format atau struktur hasil output.

Contoh Prompt: “Role: Anda adalah penulis perjalanan yang mengkhususkan diri dalam petualangan alam. Task: Tulis rencana perjalanan 7 hari untuk pendakian di Patagonia. Format/Finish: Rencana perjalanan harus dalam format tabel dengan kolom untuk hari, lokasi, aktivitas utama, dan tingkat kesulitan.”

8. RISE Framework

Role: Persona atau karakter yang diambil.

Input: Informasi yang diberikan.

Steps: Langkah-langkah yang harus diambil.

Expectation: Output yang diharapkan.

Contoh Prompt: “Role: Anda adalah proofreader profesional. Input: Teks posting blog untuk diperiksa. Steps: 1. Periksa ejaan dan tata bahasa. 2. Saran perbaikan untuk alur dan kejelasan. 3. Pastikan nada suara konsisten. Expectation: Output yang diperbaiki dan diberi catatan tentang perubahan yang dilakukan.”

9. CRISPE Framework

Capacity/Role: Kapasitas atau peran yang diambil.

Insight: Informasi yang memberikan wawasan.

Statement: Instruksi utama.

Personality: Nada dan gaya.

Experiment: Eksplorasi beberapa opsi.

Contoh Prompt: “Capacity/Role: Anda adalah pemasar digital. Insight: Kami adalah kafe yang ingin menarik lebih banyak pengunjung pada sore hari. Statement: Buat tiga ide kampanye pemasaran kreatif untuk kafe kami. Personality: Ide-ide harus ceria dan ramah anggaran. Experiment: Untuk setiap ide, beri rincian konsep utama dan audiens yang ditargetkan.”

10. COAST Framework

Context: Memberikan latar belakang situasi.

Objective: Tujuan yang ingin dicapai.

Action: Langkah-langkah yang perlu diambil.

Strategy: Strategi untuk mencapainya.

Tactics: Taktik yang lebih spesifik dan rinci.

Contoh Prompt: “Context: Kami ingin meningkatkan keterlibatan media sosial untuk perusahaan startup kami. Objective: Meningkatkan interaksi dengan pengikut di Instagram dalam 30 hari. Action: Buat strategi konten untuk 30 hari. Strategy: Fokus pada posting yang bersifat edukatif dan interaktif. Tactics: Buat posting mingguan dengan tips dan polling untuk mendorong komentar.”

11. STEP Framework

Situation: Situasi atau kondisi yang ada.

Task: Tugas yang harus diselesaikan.

Execution: Bagaimana tugas itu akan dilaksanakan.

Performance: Ukuran atau kriteria keberhasilan.

Contoh Prompt: “Situation: Tim penjualan kami kesulitan memanfaatkan perangkat lunak CRM terbaru. Task: Latih tim penjualan untuk menggunakan fitur baru. Execution: Siapkan sesi pelatihan dan buat tutorial langkah-demi-langkah. Performance: Tim harus menunjukkan pemahaman yang baik dengan menyelesaikan simulasi penggunaan perangkat lunak.”

12. SPECS Framework

Situation: Menyediakan latar belakang atau keadaan saat ini.

Problem: Menyebutkan masalah yang dihadapi.

Example: Memberikan contoh atau ilustrasi.

Change: Mengusulkan perubahan atau solusi.

Solution: Menyusun solusi yang lebih efektif.

Contoh Prompt: “Situation: Kami menghadapi kesulitan dalam mengelola proyek tim yang melibatkan banyak orang. Problem: Proyek seringkali tertunda karena kurangnya koordinasi. Example: Misalnya, kami terlambat menyelesaikan proyek A karena miskomunikasi. Change: Implementasikan alat manajemen proyek yang lebih efisien. Solution: Berikan panduan langkah demi langkah untuk menggunakan perangkat lunak yang baru.”

13. MINT Framework

Method: Metode atau pendekatan yang digunakan.

Input: Data atau informasi yang diberikan.

Next Steps: Langkah-langkah yang perlu dilakukan berikutnya.

Timeframe: Waktu yang dibutuhkan untuk menyelesaikan tugas tersebut.

Contoh Prompt: “Method: Gunakan metode analisis SWOT untuk menilai perusahaan kami. Input: Laporan keuangan dan analisis pasar. Next Steps: Tentukan kekuatan, kelemahan, peluang, dan ancaman perusahaan. Timeframe: Selesaikan analisis dalam waktu 2 hari.”

14. TEAM Framework

Task: Apa yang perlu dilakukan.

Environment: Lingkungan tempat tugas dilakukan.

Action: Langkah-langkah yang harus diambil.

Method: Metode yang digunakan untuk mencapai hasil.

Contoh Prompt: “Task: Rencanakan kampanye pemasaran untuk peluncuran produk baru. Environment: Kami bekerja dengan tim remote dan deadline ketat. Action: Buat timeline dan strategi komunikasi untuk semua tim. Method: Gunakan perangkat manajemen proyek seperti Trello dan Slack untuk koordinasi.”

15. PACE Framework

Plan: Rencanakan apa yang perlu dilakukan.

Action: Langkah-langkah yang perlu diambil.

Check: Periksa hasil dan evaluasi kinerja.

Execute: Laksanakan langkah-langkah yang telah direncanakan.

Contoh Prompt: “Plan: Buat kampanye pemasaran untuk produk baru kami. Action: Tentukan saluran pemasaran dan audiens target. Check: Evaluasi hasil melalui analitik dan umpan balik pelanggan. Execute: Luncurkan kampanye di media sosial dan situs web.”

Perbedaan antara struktur data graf dan algoritma graf

Perbedaan antara struktur data graf dan algoritma graf

by | Oct 29, 2025 | Algoritma dan Stuktur Data

Perbedaan antara struktur data graf dan algoritma graf terletak pada konsep dasar dan tujuan penggunaannya dalam ilmu komputer. Berikut penjelasannya:

🧱 Struktur Data Graf

Definisi:
Struktur data graf adalah representasi matematis dari himpunan objek (simpul/vertex) yang saling terhubung melalui hubungan (sisi/edge). Graf digunakan untuk menggambarkan hubungan antar objek dalam berbagai bidang seperti jaringan sosial, peta jalan, dan sistem rekomendasi.

Karakteristik:

  • Terdiri dari simpul (vertices) dan sisi (edges).

  • Dapat berupa graf berarah (directed) atau tidak berarah (undirected).

  • Dapat memiliki bobot pada sisi (weighted) atau tidak (unweighted).

  • Struktur non-linear yang memungkinkan representasi hubungan kompleks.

Contoh Implementasi:

  • Matriks ketetanggaan (adjacency matrix).

  • Daftar ketetanggaan (adjacency list).

  • Matriks insidensi (incidence matrix).

Contoh aplikasi:

  • Representasi jaringan sosial di media sosial.

  • Model peta jalan untuk navigasi.

  • Sistem rekomendasi berbasis hubungan antar item.

🧠 Algoritma Graf

Definisi:
Algoritma graf adalah prosedur atau langkah-langkah sistematis yang digunakan untuk memecahkan masalah yang berkaitan dengan graf. Algoritma ini memanfaatkan struktur data graf untuk melakukan operasi seperti pencarian, penelusuran, dan optimisasi.

Jenis-Jenis Algoritma Graf:

  • Pencarian dan Penelusuran:

    • Depth-First Search (DFS).

    • Breadth-First Search (BFS).

  • Penentuan Jalur:

    • Dijkstra (untuk graf berbobot positif).

    • Bellman-Ford (untuk graf dengan bobot negatif).

    • Floyd-Warshall (untuk semua pasangan simpul).

  • Deteksi Siklus dan Komponen Terhubung:

    • Algoritma untuk mendeteksi siklus dalam graf.

    • Identifikasi komponen terhubung dalam graf tak berarah.

  • Algoritma Minimum Spanning Tree:

    • Prim.

    • Kruskal.

  • Algoritma Topological Sort:

    • Digunakan pada Directed Acyclic Graph (DAG).

Contoh aplikasi:

  • Menemukan jalur terpendek antara dua titik dalam peta.

  • Mendapatkan rekomendasi item berdasarkan hubungan antar item.

  • Menentukan urutan pengerjaan tugas dalam proyek.

🔍 Perbandingan

Aspek Struktur Data Graf Algoritma Graf
Definisi Representasi hubungan antar objek Prosedur untuk memecahkan masalah graf
Tujuan Menyimpan dan mengorganisir data graf Memproses dan menganalisis data graf
Contoh Matriks ketetanggaan, daftar ketetanggaan DFS, BFS, Dijkstra
Fokus Struktur penyimpanan data Operasi dan manipulasi data graf
Contoh Aplikasi Representasi jaringan sosial Menemukan jalur terpendek, deteksi siklus

📚 Referensi Tambahan

  • GeeksforGeeks – Graph Data Structure and Algorithms: Artikel ini memberikan penjelasan mendalam tentang struktur data graf dan algoritma terkait. (GeeksforGeeks)

  • Stack Overflow – What’s the difference between the data structure Tree and Graph: Diskusi yang membahas perbedaan antara struktur data pohon dan graf. (Stack Overflow)

  • Trivusi – Struktur Data Graph: Pengertian, Jenis, dan Kegunaannya: Artikel yang mengulas berbagai jenis graf dan kegunaannya dalam ilmu komputer. (trivusi.web.id)

Semoga penjelasan ini membantu Anda memahami perbedaan antara struktur data graf dan algoritma graf. Jika Anda memerlukan contoh kode atau penjelasan lebih lanjut, jangan ragu untuk bertanya!

Apa Itu OSINT (Open Source Intelligence)?

Apa Itu OSINT (Open Source Intelligence)?

by | Oct 27, 2025 | Berita & Tren Teknologi

Apa Itu OSINT (Open Source Intelligence)?

Oleh Teteng pada 31 Oktober 2024

Pengertian OSINT

Open Source Intelligence (OSINT) adalah metode pengumpulan dan analisis informasi yang berasal dari sumber yang dapat diakses publik. Sumber informasi ini meliputi berbagai platform seperti situs web, media sosial, forum online, dan database publik. OSINT berbeda dari intelijen tradisional yang mengandalkan sumber tertutup, sehingga lebih mudah diakses oleh siapa saja yang memiliki keterampilan dan alat yang tepat. OSINT kini menjadi semakin relevan dalam bidang keamanan siber, penyelidikan, dan penelitian bisnis.

Tahapan dalam Open Source Intelligence (OSINT)

1. Menentukan Tujuan yang Jelas

Proses OSINT dimulai dengan penentuan tujuan yang jelas. Dengan tujuan yang spesifik, individu atau organisasi dapat fokus pada pencarian yang lebih terarah. Tujuan yang spesifik meningkatkan efisiensi dalam seluruh proses. Sebagai contoh, perusahaan yang ingin menilai persepsi publik terhadap produk baru akan memiliki tujuan yang berbeda dengan lembaga penegak hukum yang mencari pola aktivitas mencurigakan di dunia maya.

2. Identifikasi Sumber Informasi

Pemilihan sumber informasi yang relevan sangat penting dalam OSINT. Sumber-sumber terbuka bisa sangat bervariasi, mulai dari media sosial, situs berita, hingga database publik. Pilihlah sumber yang dapat dipercaya dan relevan dengan tujuan yang ingin dicapai.

3. Pengumpulan Data

Setelah sumber ditetapkan, tahap berikutnya adalah pengumpulan data. Ini melibatkan penggunaan teknik pencarian yang beragam untuk menemukan informasi yang dibutuhkan. Berbagai alat seperti pencarian khusus, web scraping, dan metode lainnya memungkinkan pengumpulan data dalam bentuk teks, gambar, atau metadata.

4. Analisis Data

Data yang terkumpul kemudian dianalisis untuk menemukan pola atau tren yang mendukung tujuan awal. Tahap ini membutuhkan kemampuan analisis yang baik, karena data mentah harus diubah menjadi wawasan yang dapat dipahami dan digunakan untuk pengambilan keputusan.

5. Aplikasi Hasil Analisis

Hasil analisis OSINT kemudian diaplikasikan sesuai dengan tujuan yang telah ditetapkan. Di sinilah OSINT menunjukkan nilai sesungguhnya: informasi yang diperoleh dapat digunakan untuk mendukung keputusan strategis atau operasional, baik dalam bisnis, keamanan, atau penelitian.

Penutup

OSINT adalah pilar penting dalam dunia informasi modern. Dengan proses pengumpulan dan analisis data yang efektif, OSINT memungkinkan berbagai entitas untuk bertindak berdasarkan data yang relevan, meningkatkan keamanan, dan memperkuat strategi mereka.

Aplikasi Sistem Riset dan Pengabdian kepada Masyarakat UNHASY Dana Internal (SRIKANDI)

Aplikasi Sistem Riset dan Pengabdian kepada Masyarakat UNHASY Dana Internal (SRIKANDI)

by | Oct 25, 2025 | inovasi

Aplikasi Sistem Riset dan Pengabdian kepada Masyarakat UNHASY Dana Internal (SRIKANDI)

Inovasi terbaru untuk meningkatkan efisiensi dan objektivitas dalam penilaian proposal riset dan pengabdian masyarakat.

Penerapan Teknologi Natural Language Processing (NLP)

Universitas Hasyim Asy'ari (UNHASY) memperkenalkan aplikasi inovatif dalam sistem riset dan pengabdian kepada masyarakat, yaitu Sistem Riset dan Pengabdian kepada Masyarakat UNHASY Dana Internal (SRIKANDI). Aplikasi ini dikembangkan oleh Edwin Hari Agus Prastyo, S.Kom., M.Kom. bersama tim peneliti dari Fakultas Teknologi Informasi UNHASY, dengan tujuan untuk meningkatkan efisiensi dan objektivitas dalam penilaian proposal yang diajukan untuk pendanaan hibah internal.

Aplikasi SRIKANDI memanfaatkan teknologi Natural Language Processing (NLP) untuk menganalisis proposal secara otomatis, mengurangi waktu yang sebelumnya dibutuhkan untuk evaluasi manual. Metode NLP memungkinkan aplikasi ini untuk menilai kualitas proposal berdasarkan kriteria yang telah ditetapkan, seperti orisinalitas, relevansi, metodologi, dan dampak sosial. Hal ini tidak hanya meningkatkan efisiensi, tetapi juga menjamin hasil penilaian yang lebih objektif, menghindari potensi bias yang sering terjadi dalam proses manual.

Meningkatkan Kecepatan Proses Seleksi

Dengan adanya sistem penilaian otomatis, proses seleksi proposal hibah yang biasanya memakan waktu lama kini dapat diselesaikan dalam hitungan menit. Sebagai contoh, penilaian proposal yang sebelumnya memakan waktu hingga 40 menit kini dapat selesai hanya dalam waktu sekitar 2 menit. Hal ini jelas membawa dampak positif dalam mempercepat pengambilan keputusan serta mengurangi beban administratif bagi reviewer dan pengusul proposal.

Fitur Utama Aplikasi SRIKANDI

  • Analisis Teks Otomatis: Menggunakan NLP untuk menganalisis teks proposal dan menilai kelayakan proposal secara cepat dan objektif.
  • Penilaian Berbasis Kriteria: Menilai proposal berdasarkan kriteria yang telah ditentukan, seperti metodologi, relevansi, dan dampak sosial.
  • Laporan Otomatis: Sistem menghasilkan laporan penilaian yang transparan dan dapat diakses oleh pengusul serta reviewer.
  • Peningkatan Akurasi: Mengurangi kesalahan subjektif dalam proses penilaian dan meningkatkan keakuratan hasil seleksi.

Manfaat dan Dampak Positif

Aplikasi SRIKANDI diharapkan dapat memberikan dampak besar tidak hanya di lingkungan Universitas Hasyim Asy'ari, tetapi juga dapat menjadi contoh penerapan teknologi dalam administrasi pendidikan tinggi di Indonesia. Dengan aplikasi ini, UNHASY memimpin langkah digitalisasi administrasi riset, membawa kemudahan bagi semua pihak yang terlibat dalam pengelolaan hibah penelitian.

Dengan keberhasilan aplikasi ini, diharapkan proses administrasi penelitian dan pengabdian kepada masyarakat di UNHASY dapat berjalan lebih efektif, mendukung pengembangan riset yang lebih berkualitas, serta memberikan kontribusi nyata bagi kemajuan teknologi di dunia pendidikan Indonesia.

Kontribusi terhadap Pengembangan Teknologi di Indonesia

Penerapan NLP dalam sistem penilaian otomatis proposal riset ini merupakan langkah maju dalam mengembangkan teknologi yang dapat mempercepat dan mempermudah proses administratif di lembaga pendidikan. Aplikasi SRIKANDI ini bukan hanya memberikan manfaat di Universitas Hasyim Asy'ari, tetapi juga dapat menjadi model bagi universitas lain dalam menghadapi tantangan administrasi proposal riset yang sering kali rumit dan memakan waktu.