Contents show

Prompt agar ChatGPT tidak mengarang sumber, angka, atau data perlu menjelaskan bahan yang boleh dipakai, informasi yang tidak boleh ditambah, serta cara menandai kekosongan. Minta hubungan setiap klaim dengan sumbernya. Setelah itu, periksa hasilnya sendiri; tidak ada kalimat prompt yang menjamin keluaran selalu bebas kesalahan.

Tujuannya bukan membuat daftar pustaka terlihat panjang. Sebuah nama penelitian, tautan, atau angka yang tidak dapat ditelusuri justru menambah pekerjaan. Lebih baik draf menyatakan data belum tersedia daripada mengisi bagian kosong dengan rincian yang terdengar meyakinkan.

Tentukan tugas: mengolah bahan atau mencari sumber

Mengolah bahan berarti menggunakan dokumen atau catatan yang memang Anda berikan. Mencari sumber berarti melakukan penelusuran yang nyata dan membuka bahan sesuai kebutuhan. Jangan mencampurkan keduanya sampai model menyebut sumber baru seolah sudah termasuk berkas awal.

Ilustrasi kartu sumber untuk memeriksa dasar klaim dan perhitungan dari data yang tersedia

Jika tugasnya merangkum data yang disediakan, instruksikan untuk tetap di dalam bahan. Jika membutuhkan sumber tambahan, pisahkan tahap pencariannya dan periksa hasilnya sebelum dipakai dalam draf. Model tidak boleh mengaku telah membaca halaman yang tidak dapat diakses.

OpenAI menjelaskan bahwa ChatGPT dapat menghasilkan kutipan, studi, atau referensi rekaan. Informasi teknis, angka, dan dokumen eksternal perlu diverifikasi. Rujukan resmi ini mendasari perlunya pemeriksaan, bukan menjanjikan bahwa satu pengaturan prompt menghilangkan semua kesalahan.

Beri kode bahan yang sederhana

Gunakan S1, S2, dan seterusnya untuk bahan yang benar-benar tersedia. Di samping kode, tulis jenis bahan, tanggal atau versi jika diketahui, cakupan, dan status sudah dibaca. Simpan informasi asal yang diperlukan tanpa mengirim data pribadi yang tidak relevan.

Kode sumber bukan bukti keaslian. Ia hanya memudahkan hubungan antara klaim dan bahan. Dokumen bernama S1 tetap perlu diperiksa apakah memang sesuai topik, dapat digunakan, dan tidak kehilangan konteks ketika dipotong.

Untuk bahan berupa ulasan, gunakan prinsip pada rangkuman review dengan konteks: catat sumber, tanggal, dan kemungkinan bahan berulang. Lima potongan dari cerita yang sama tidak boleh otomatis dihitung sebagai lima pengalaman independen.

Prompt pertama: batasi penambahan data

Kerjakan tugas berikut hanya dari bahan berkode yang saya berikan. Tujuan: [isi]. Bahan: [S1, S2, dan seterusnya]. Jangan membuat nama orang, lembaga, penelitian, kutipan, tanggal, tautan, angka, atau spesifikasi yang tidak didukung bahan. Untuk informasi yang tidak tersedia, tulis belum tersedia dan sebut jenis bahan yang diperlukan. Bedakan ringkasan, perhitungan dari angka yang diberikan, dan usulan. Hubungkan setiap klaim penting dengan kode sumber. Jangan mengaku sudah mencari atau membaca sumber tambahan. Jangan mengisi kekosongan hanya agar format selesai.

Tambahkan batas yang relevan dengan tugas. Untuk deskripsi barang, nama model dan ukuran tidak boleh diganti. Untuk laporan kegiatan, rencana tidak boleh berubah menjadi hasil. Untuk rangkuman pendapat, satu orang tidak boleh berubah menjadi seluruh peserta.

Jika draf masih menambah rincian, jangan sekadar mengulang larangan dengan huruf besar. Tunjukkan kalimat bermasalah dan minta hubungan dengan bahan. Bila tidak ada dukungan, hapus atau pindahkan menjadi pertanyaan yang perlu diperiksa.

Contoh rekaan: catatan dua sesi kegiatan

Seluruh bahan berikut dibuat untuk latihan. S1 mencatat lima peserta hadir pada sesi A. S2 mencatat tujuh peserta hadir pada sesi B. Tidak ada informasi apakah orang yang sama ikut kedua sesi. Tugasnya membuat ringkasan kehadiran per sesi, bukan jumlah orang unik seluruh kegiatan.

Pernyataan	Dasar	Status
Lima peserta hadir pada sesi A	S1	Didukung bahan latihan
Tujuh peserta hadir pada sesi B	S2	Didukung bahan latihan
Total catatan kehadiran dua sesi adalah dua belas	5 + 7	Perhitungan, bukan jumlah orang unik
Dua belas orang berbeda mengikuti kegiatan	Tidak tersedia	Jangan disimpulkan
Jumlah meningkat karena promosi	Tidak tersedia	Sebab tidak diketahui

Perhitungan sederhana dapat benar tetapi kesimpulannya keliru jika definisi berubah. Tulis apa yang dijumlahkan. Jangan menambahkan alasan promosi berhasil karena angka sesi kedua lebih besar. Hubungan sebab membutuhkan bahan lain yang tidak ada pada latihan.

Jika pembaca membutuhkan jumlah orang unik, jawab bahwa bahan belum cukup. Tidak perlu menciptakan daftar nama atau menyatakan peserta berbeda hanya agar ringkasan mempunyai satu angka akhir.

Prompt kedua: pisahkan angka sumber dan perhitungan

Audit semua angka pada draf ini. Buat tabel angka atau klaim jumlah, nilai sumber, definisi, periode, satuan, kode bahan, serta perhitungan bila ada. Jangan mengubah jumlah kejadian menjadi jumlah orang unik. Jangan mengisi penyebut persentase, data kosong, atau penyebab perubahan dari dugaan. Jika perhitungan dilakukan, tampilkan operasi ringkas dan batas kesimpulannya. Draf dan bahan: [isi].

Periksa aritmetika dengan alat yang sesuai dan cocokkan inputnya. Kalkulator dapat membantu penjumlahan, tetapi tidak menentukan apakah dua baris mewakili orang yang sama. Definisi dan cakupan tetap perlu dipahami dari sumber.

Angka kosong bukan otomatis nol. Nol menyatakan suatu nilai, sedangkan belum tersedia menyatakan kekurangan data. Mengganti semua sel kosong menjadi nol dapat mengubah rata-rata, total, serta makna ringkasan. Jangan membuat keputusan pengisian tanpa memahami bahan.

Nama sumber dan kutipan perlu dicocokkan

Nama orang atau lembaga yang benar tidak membuktikan bahwa pernyataan tertentu pernah dibuat. Cocokkan judul dokumen, penulis, konteks, dan bagian yang mendukung klaim. Jangan membuat referensi gabungan dari penulis satu dokumen dan judul dokumen lain.

Jika draf memakai tanda petik, periksa kata aslinya. Ringkasan dengan bahasa sendiri bukan kutipan langsung. Jangan membiarkan AI membuat kalimat lebih menarik lalu tetap mengatribusikannya sebagai ucapan persis seseorang.

Tautan aktif juga belum cukup. Halaman dapat membahas topik serupa tetapi tidak memuat klaim yang dirujuk. Jika belum dibuka, statusnya belum dibaca. Jika isinya tidak mendukung, jangan mempertahankan tautan sebagai hiasan agar paragraf tampak mempunyai dasar.

Prompt ketiga: audit klaim dan rujukan sebelum draf dipakai

Audit draf terhadap bahan yang tersedia, bukan dari ingatan umum. Daftar klaim penting, kode sumber yang benar-benar mendukung, bagian bahan yang relevan secara singkat, serta status dukungan. Periksa nama, judul, tanggal, angka, kutipan, dan hubungan sebab. Jangan menambahkan rujukan baru untuk menyelamatkan klaim tanpa dasar. Pisahkan klaim yang perlu dihapus, perlu dikoreksi, dan perlu sumber tambahan. Jangan menyatakan sumber telah diperiksa jika belum diberikan atau dibaca.

Gunakan audit sebagai bantuan membaca, bukan bukti akhir. Buka kembali bahan pada klaim penting. Model yang membuat draf dapat mengulang kekeliruan yang sama ketika diminta memeriksanya. Hasil audit perlu diuji terhadap sumber, bukan diterima karena berbentuk tabel.

Pada konten edukasi produk, ide dan fakta harus tetap terpisah. Model boleh menyarankan topik yang perlu dijawab, tetapi tidak boleh menciptakan spesifikasi untuk membuat topik tersebut tampak sudah terbukti.

Jika sumber tambahan benar-benar diperlukan

Tulis pertanyaan riset yang spesifik dan jenis sumber yang sesuai. Misalnya mencari manual model untuk klaim ukuran atau pengumuman penyelenggara untuk jadwal. Jangan meminta daftar sepuluh referensi tanpa memeriksa apakah semuanya relevan terhadap klaim yang dibutuhkan.

Jika memakai penelusuran, catat bahan yang dibuka, apa yang ditemukan, dan bagian yang tidak dapat diakses. Jangan meringkas teks di balik akses tertutup dari judul saja. Bila sumber tidak tersedia, pilih menghapus klaim atau menandai kebutuhan konfirmasi.

Untuk materi pribadi, jangan mencari pengganti dari internet. Contoh pada kuis kenangan keluarga memakai catatan yang disepakati. Tanggal kenangan yang tidak diketahui perlu ditanyakan atau dihilangkan, bukan dilengkapi model agar soal mempunyai jawaban pasti.

Contoh perbaikan draf tanpa menambah cerita

Draf rekaan yang keliru: “Dua belas orang berbeda mengikuti kegiatan, membuktikan promosi berhasil.” Perbaikannya: “Catatan latihan menunjukkan lima kehadiran pada sesi A dan tujuh pada sesi B. Jumlah orang unik serta alasan perbedaan antar sesi belum diketahui.” Informasi tetap berguna meski kesimpulannya lebih terbatas.

Jika diperlukan ringkasan yang lebih singkat, gunakan “Kehadiran tercatat per sesi adalah lima dan tujuh; data orang unik belum tersedia.” Jangan menghapus batas itu demi satu kalimat promosi. Ketepatan definisi lebih penting daripada membuat semua angka tampak mudah dibandingkan.

Simpan daftar pertanyaan terbuka dekat draf terbaru. Jika sumber kemudian tersedia, perbarui klaim yang terjawab dan catat perubahan. Jangan menganggap seluruh draf lolos hanya karena satu referensi tambahan ditemukan.

Latihan ketika dua bahan memakai nama yang mirip

Contoh rekaan: S1 membahas sesi A pada kegiatan bulan pertama, sedangkan S2 membahas sesi A pada kegiatan bulan berikutnya. Kesamaan nama sesi tidak membuat angka boleh dijumlahkan sebagai satu pelaksanaan. Catat periode masing-masing sebelum menghitung atau menulis tren.

Begitu pula, sebuah tabel dapat memuat nama peserta yang disingkat sama untuk orang berbeda. Jangan meminta AI menyatukan identitas hanya dari kemiripan nama. Jika tugas memang membutuhkan pemeriksaan orang unik, gunakan prosedur dan data yang sah serta sesuai kewenangan. Untuk latihan publik, cukup jelaskan bahwa informasi belum memadai tanpa menampilkan identitas nyata.

Instruksi perbaikan dapat berbunyi: “Pertahankan kode kegiatan dan periode pada setiap angka. Jangan menggabungkan entri hanya karena nama kelompok sama. Tampilkan pasangan yang belum dapat dicocokkan dan alasan dari bahan.” Pemeriksa lalu meninjau hubungan antarbaris sebelum angka masuk ringkasan.

Latihan ini menunjukkan mengapa daftar larangan perlu dilengkapi definisi. Tanpa arti sesi, peserta, periode, dan sumber, model masih bisa membuat penjumlahan yang tampak rapi tetapi menjawab pertanyaan berbeda dari tujuan awal. Periksa makna input sebelum menilai hasil perhitungannya.