Semua yang benar-benar perlu Anda tahu tentang kecerdasan buatan — dari istilah dasar sampai cara menulis prompt yang bekerja. Tanpa jargon berlebihan, tanpa iklan. Everything you actually need to know about artificial intelligence — from the basic terms to writing prompts that work. No jargon overload, no ads.
Bagaimana istilah-istilah ini saling berhubunganHow these terms relate to each other
Bidang luas yang membuat mesin meniru kemampuan kognitif manusia — belajar, menalar, dan mengambil keputusan.The broad field of making machines mimic human cognition — learning, reasoning and deciding.
Cabang AI di mana model belajar pola dari data, bukan dari aturan yang ditulis manual oleh manusia.A branch of AI where models learn patterns from data instead of hand-written rules.
ML yang memakai jaringan saraf berlapis banyak. Ini tulang punggung hampir semua AI modern.ML using many-layered neural networks. It is the backbone of nearly all modern AI.
Model bahasa raksasa yang dilatih pada korpus teks masif, lalu memprediksi token berikutnya untuk menyusun jawaban.Huge language models trained on massive text corpora, predicting the next token to compose an answer.
Sistem yang menghasilkan konten baru — teks, gambar, audio, video, maupun kode program.Systems that produce new content — text, images, audio, video or code.
LLM yang diberi alat, memori, dan tujuan, lalu bertindak mandiri secara bertahap untuk menyelesaikannya.An LLM given tools, memory and a goal, acting autonomously step by step to achieve it.
Sepuluh istilah yang paling sering munculThe ten terms you will meet most often
Kuasai sepuluh konsep ini dan Anda sudah bisa membaca hampir semua diskusi soal AI tanpa tersesat. Master these ten ideas and you can follow almost any AI discussion without getting lost.
Potongan kecil teks (kira-kira kata atau suku kata) yang menjadi satuan hitung model. Harga dan batas konteks dihitung dari token.Small text chunks (roughly a word or sub-word) — the model's counting unit. Pricing and context limits are measured in tokens.
Semua instruksi yang Anda kirim ke model. Kualitas keluaran sangat ditentukan oleh kualitas prompt.Everything you send as instruction. Output quality is largely determined by prompt quality.
Jumlah maksimum token yang bisa "diingat" model dalam satu percakapan.The maximum number of tokens a model can "remember" within a single conversation.
Pengatur keacakan. Rendah berarti konsisten dan faktual; tinggi berarti kreatif dan bervariasi.The randomness knob. Low means consistent and factual; high means creative and varied.
Representasi teks sebagai vektor angka. Dasar dari pencarian semantik dan sistem rekomendasi.Text represented as numeric vectors. The basis of semantic search and recommendation systems.
Retrieval-Augmented Generation: model menjawab dengan lebih dulu mengambil dokumen relevan sebagai rujukan.Retrieval-Augmented Generation: the model answers by first retrieving relevant documents as grounding.
Melatih ulang model pada data khusus agar cocok dengan gaya atau tugas tertentu.Retraining a model on custom data so it fits a specific style or task.
Model menyampaikan informasi yang salah dengan sangat percaya diri. Selalu verifikasi fakta penting.The model states wrong information very confidently. Always verify important facts.
Model yang memproses lebih dari satu jenis input — teks, gambar, audio, atau video sekaligus.Models that handle more than one input type — text, image, audio or video at once.
Instruksi dasar yang menetapkan peran, batasan, dan nada bicara asisten.Base instructions that set the assistant's role, limits and tone of voice.
Momen model benar-benar menghasilkan jawaban, berbeda dari proses pelatihannya.The moment a model actually produces an answer — distinct from the training process.
Pintu resmi agar perangkat lunak Anda bisa memanggil model secara otomatis dari kode.The official door that lets your software call a model automatically from code.
Enam kelompok, tiga puluh lebih alatSix groups, thirty-plus tools
Pilih satu alat per kategori dulu. Menguasai satu dengan baik jauh lebih berguna daripada mencoba semuanya setengah-setengah. Pick one tool per category first. Mastering one well beats half-trying all of them.
Anatomi dan teknik yang benar-benar bekerjaAnatomy and techniques that actually work
Prompt yang bagus bukan prompt yang panjang, melainkan yang lengkap. Enam bagian berikut adalah kerangka paling praktis. A good prompt is not a long one, it is a complete one. These six parts are the most practical framework.
Minta langsung tanpa contoh. Cepat, cocok untuk tugas umum.Ask directly with no example. Fast, fine for general tasks.
Beri 2–3 contoh pola yang diinginkan agar keluaran konsisten.Give 2–3 examples of the desired pattern to keep output consistent.
Minta model berpikir bertahap untuk soal logika, hitungan, atau analisis.Ask the model to reason step by step for logic, math or analysis.
Tetapkan persona ahli untuk mengubah kosakata dan kedalaman jawaban.Set an expert persona to change vocabulary and depth of the answer.
Kunci struktur keluaran supaya mudah diproses mesin maupun manusia.Lock the output structure so it is easy to process by machine or human.
Perlakukan jawaban pertama sebagai draf, lalu perbaiki bertahap.Treat the first answer as a draft, then refine it step by step.
Lima tahap, dari pengguna sampai pembangunFive stages, from user to builder
Kuasai istilah inti di bab 01–02, coba satu chatbot, dan biasakan menulis prompt setiap hari meski hanya untuk tugas kecil.Master the core terms in chapters 01–02, try one chatbot, and get used to writing prompts daily even for small tasks.
Latih zero-shot, few-shot, chain-of-thought, dan penguncian format keluaran. Bangun pustaka prompt pribadi untuk tugas yang berulang.Practise zero-shot, few-shot, chain-of-thought and output formatting. Build your own prompt library for recurring tasks.
Gabungkan alat dari peta bab 03 untuk menyelesaikan satu proyek kecil: teks, gambar, suara, dan kode menjadi satu hasil utuh.Combine tools from the chapter 03 map to finish one small project: text, image, audio and code into a single complete result.
Pakai API, buat RAG sederhana di atas dokumen Anda sendiri, coba agen kecil, jalankan model lokal, dan pelajari evaluasi serta biaya.Use APIs, build simple RAG over your own documents, try a small agent, run a local model, and learn about evaluation and cost.
Pilih satu arah: fine-tuning, rekayasa ML, keamanan AI, atau riset. Di sini Anda mulai membaca makalah, bukan hanya tutorial.Pick one direction: fine-tuning, ML engineering, AI security or research. Here you start reading papers, not just tutorials.
Bagian yang paling sering dilewatkanThe part most people skip
Jangan pernah mengirim rahasia, kredensial, atau data pelanggan ke layanan publik.Never send secrets, credentials or customer data to public services.
AI bisa salah dengan sangat yakin. Periksa klaim penting ke sumber utama.AI can be confidently wrong. Check important claims against primary sources.
Keluaran mewarisi bias dari data pelatihan. Waspadai keputusan yang menyangkut orang.Output inherits biases from training data. Be careful with decisions about people.
Perhatikan lisensi data pelatihan dan status karya yang dihasilkan.Mind the licensing of training data and the status of generated works.
Jangan biarkan konten dari luar mengubah instruksi sistem aplikasi Anda.Never let outside content override your application's system instructions.
Beri tahu pembaca ketika sebuah konten dibuat atau dibantu oleh AI.Tell readers when content is created or assisted by AI.
Kamus ringkas untuk dibaca cepatA quick-reference mini glossary