Hubungan Antara Ketepatan Berbahasa dan Akurasi Respons AI: Studi Pada Prompt Bahasa Indonesia

Danang Pangestu; Zuhayr Kovit

doi:10.30997/karimahtauhid.v4i8.20298

Authors

Danang Pangestu Universitas Djuanda
Zuhayr Kovit Universitas Djuanda

DOI:

https://doi.org/10.30997/karimahtauhid.v4i8.20298

Keywords:

: Kesulitan, Hambatan, Mahasiswa, Bahasa Inggris

Abstract

Penelitian ini bertujuan untuk menyelidiki hubungan antara keakuratan penggunaan bahasa dalam prompt berbahasa Indonesia dan tingkat akurasi respons yang dihasilkan oleh kecerdasan buatan (AI), terutama model bahasa yang didasarkan pada proses bahasa alami. Penelitian ini menerapkan pendekatan kuantitatif dengan menganalisis berbagai prompt yang dikelompokkan berdasarkan tingkat keakuratan bahasa. Setelah itu, akurasi jawaban yang dihasilkan oleh AI dievaluasi. Penelitian menunjukkan adanya hubungan positif yang signifikan antara ketepatan penggunaan bahasa dalam prompt dan kualitas respons dari AI. Semakin tepat bahasa yang digunakan dalam prompt, semakin tinggi akurasi dan relevansi respons yang dihasilkan.

References

REFERENSI

Long, D. X., Dinh, D., Nguyen, N.-H., Kawaguchi, K., Chen, N. F., Joty, S., & Kan, M.-Y. (2025). What Makes a Good Natural Language Prompt? http://arxiv.org/abs/2506.06950

Ren, Y., & Li, S. (2024). Prompt Optimization Methods for Large Language Models with Long Text Input. https://ijetaa.com/article/view/109/

Son, M., Won, Y. J., & Lee, S. (2025). Optimizing Large Language Models: A Deep Dive into Effective Prompt Engineering Techniques. Applied Sciences (Switzerland), 15(3). https://doi.org/10.3390/app15031430

Hindra Kurniawan, Adiguna Sasama W.U, & Tambunan, R. W. (2024). Potensi AI dalam Meningkatkan Kreativitas dan Literasi dalam Pembelajaran Bahasa Indonesia. JAMI: Jurnal Ahli Muda Indonesia, 5(1), 10–17. https://doi.org/10.46510/jami.v5i1.285

Apriliani, D. (2024). Penggunaan artificial intelligence dalam pembelajaran bahasa Indonesia. DIKBASTRA: Jurnal Pendidikan Bahasa Dan Sastra, 7(1). https://doi.org/10.22437/dikbastra.v7i1.33262

Subargo, Y. L., Satrio, P., Hayani, & Abni, S. R. N. (2023). Aktivasi Argumentasi Melalui Model Pembelajaran Provokatif-Interaksial dengan Optimalisasi Kecerdasan Buatan ChatGPT pada Kelas Bahasa Indonesia Mahasiswa Universitas Airlangga. GHANCARAN: Jurnal Pendidikan Bahasa Dan Sastra Indonesia. https://doi.org/10.19105/ghancaran.vi.11777

Waludi, I., Yudistira, N., & Basuki, A. (2025). KONVERSI PROMPT KE SUARA BERBAHASA INDONESIA MENGGUNAKAN TACOTRON 2 (Vol. 9, Issue 5). http://j-ptiik.ub.ac.id

Purnama Saefudin, D., & Hussaeni Handi Pratama, S. (n.d.). LINGUISTIC VARIATIONS IN CHATGPT. https://doi.org/10.35473/po.v5i2.2715

Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2021). Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing. http://arxiv.org/abs/2107.13586

Tansri, F. F., Monem, N., & Weinberg, L. (2025). Authenticity in Biased Diversity: Investigating the Language of Prompt Performances in AI Image Generators. Journal of Aesthetics, Creativity and Art Management, 4(1), 75–101. https://doi.org/10.59997/jacam.v4i1.5414

Ibrahim, M. A., Faisal, Sulistiya, Z. D., & Winarto, T. S. Y. (2024). Prompt-Based Data Augmentation with Large Language Models for Indonesian Gender-Based Hate Speech Detection. Journal of Computer Science, 20(8), 819–826. https://doi.org/10.3844/jcssp.2024.819.826

Federiakin, D., Molerov, D., Zlatkin-Troitschanskaia, O., & Maur, A. (2024). Prompt engineering as a new 21st century skill. Frontiers in Education, 9. https://doi.org/10.3389/feduc.2024.1366434

Chen, L. C., Weng, H. T., Pardeshi, M. S., Chen, C. M., Sheu, R. K., & Pai, K. C. (2025). Evaluation of Prompt Engineering on the Performance of a Large Language Model in Document Information Extraction. Electronics (Switzerland), 14(11). https://doi.org/10.3390/electronics14112145

Jacobsen, L. J., & Weber, K. E. (2025). The Promises and Pitfalls of Large Language Models as Feedback Providers: A Study of Prompt Engineering and the Quality of AI-Driven Feedback. AI, 6(2), 35. https://doi.org/10.3390/ai6020035

Lee, D., & Palmer, E. (2025). Prompt engineering in higher education: a systematic review to help inform curricula. International Journal of Educational Technology in Higher Education, 22(1). https://doi.org/10.1186/s41239-025-00503-7