Prompt AI Keren: Cara Menulis dan 8 Kerangka Siap Pakai

Ada satu pengalaman yang hampir semua pengguna AI pernah lalui. Anda melihat gambar buatan AI yang benar-benar bagus di media sosial, lalu penulisnya membagikan prompt-nya di kolom komentar. Anda menyalinnya persis, dan hasilnya di layar Anda terlihat datar. Warnanya pucat, komposisinya berantakan, dan sama sekali tidak menyerupai contoh yang tadi Anda lihat.

Kesimpulan yang biasa diambil adalah ada yang disembunyikan. Padahal penyebabnya lebih sederhana. Prompt AI keren yang beredar di media sosial hampir seluruhnya berbentuk tumpukan kata kunci, yaitu deretan kata sifat dan istilah teknis yang dipisahkan koma tanpa kalimat yang menghubungkannya. Bentuk itu menular cepat karena mudah disalin, tetapi justru bukan bentuk yang disarankan oleh pihak yang membuat modelnya.

Menariknya, empat perusahaan yang membangun model berbeda memberi nasihat yang sama. Google untuk gambar dan video, OpenAI dan Anthropic untuk teks, dan Suno untuk musik, semuanya menyarankan menulis instruksi sebagai kalimat deskriptif yang utuh. Artikel ini membongkar kerangka bersama tersebut, lalu menurunkannya menjadi delapan contoh prompt siap pakai untuk gambar, video, dan musik. Kalau yang Anda butuhkan khusus foto diri sendiri, rumusnya lebih spesifik dan sudah kami bahas di prompt Gemini AI foto sendiri.

Satu Kerangka yang Berlaku di Semua Tool AI

Setiap penyedia AI menerbitkan panduan prompt sendiri dengan nama bagian yang berbeda. Kalau disandingkan, isinya ternyata bertemu di titik yang sama.

Empat daftar itu bisa diringkas menjadi empat pertanyaan. Pertanyaan yang sama berlaku di ChatGPT, di Gemini, maupun di AI image generator (aplikasi yang mengubah teks menjadi gambar) mana pun:

1. Siapa yang mengerjakan: peran yang Anda inginkan diambil AI. "Berperanlah sebagai editor naskah yang teliti" mengubah gaya jawaban jauh lebih besar daripada menambah kata "yang bagus".
2. Apa yang dikerjakan: satu tugas utama dengan kata kerja yang jelas. Ringkas, bandingkan, buatkan, perbaiki, terjemahkan.
3. Konteks apa yang perlu diketahui: untuk siapa hasilnya, dipakai di mana, dan batasan yang berlaku.
4. Bentuk keluarannya seperti apa: panjang, format, dan susunannya. Tabel tiga kolom, lima poin, satu paragraf, maksimal 150 kata.

Anthropic menegaskan bahwa prompt terbaik bukan yang terpanjang atau paling rumit, melainkan yang mencapai tujuan Anda secara konsisten dengan struktur seminimal mungkin. Jadi keempat pertanyaan itu bukan daftar yang wajib diisi semuanya. Untuk permintaan sederhana, dua di antaranya sering sudah cukup.

Yang membuat empat pertanyaan ini bekerja di banyak tool sekaligus adalah kesamaan mesinnya. Sebagian besar tool populer berjalan di atas model bahasa besar atau large language model. Cara kerjanya kami bahas terpisah di artikel LLM dan AI generatif.

Deskripsikan Adegan, Jangan Menumpuk Kata Kunci

Untuk prompt gambar, dokumentasi Google menyatakannya dalam satu kalimat: deskripsikan adegannya, jangan sekadar mendaftar kata kunci. Paragraf naratif yang deskriptif hampir selalu menghasilkan gambar yang lebih baik dan lebih menyatu daripada daftar kata yang terputus-putus.

Alasannya ada pada cara model membaca. Model gambar generasi sekarang memahami hubungan antar-kata, bukan menimbang tiap kata secara terpisah. Saat Anda menulis "cangkir kopi, meja kayu, cahaya jendela", model harus menebak sendiri bagaimana ketiganya berhubungan. Saat Anda menulis kalimat, hubungan itu Anda yang tentukan.

Perhatikan dua prompt berikut untuk objek yang sama:

kopi, cangkir keramik, meja kayu, cahaya pagi,
minimalis, 8k, ultra realistic, cinematic,
masterpiece, high detail

Foto produk sebuah cangkir keramik putih berisi
kopi hitam, diletakkan di ujung kiri meja kayu
jati bertekstur kasar. Cahaya pagi masuk dari
jendela di sebelah kanan dan meninggalkan
bayangan panjang yang lembut ke arah kiri. Uap
tipis masih terlihat naik dari permukaan kopi.

Prompt kedua lebih panjang, tetapi setiap tambahannya menghilangkan satu tebakan. Model tidak lagi perlu menerka posisi cangkir, arah cahaya, atau arah bayangan. Sementara pada prompt pertama, kata seperti masterpiece dan 8k tidak menambah informasi apa pun tentang gambar yang Anda inginkan.

Dua cara menulis prompt gambar: daftar kata kunci meninggalkan tiga tebakan, kalimat deskriptif menutup ketiganya.

Enam Kerangka Prompt Gambar di Luar Foto Diri

Google menerbitkan enam kerangka prompt gambar untuk keperluan yang berbeda. Berikut keenamnya dalam bahasa Indonesia, dengan bagian yang perlu Anda ganti ditulis di dalam kurung siku. Semuanya siap Anda salin. Contohnya sengaja diambil dari luar foto diri, karena prompt AI foto keren juga dibutuhkan untuk foto barang dagangan, logo, poster, dan bahan ajar.

Foto produk. Untuk katalog, marketplace, atau unggahan promosi.

Foto produk beresolusi tinggi dengan pencahayaan
studio, menampilkan [produk] di atas [permukaan
latar]. Pencahayaan memakai [susunan lampu]
untuk [tujuannya, misalnya menonjolkan tekstur
permukaan]. Sudut kamera [jenis sudut].

Teks dan logo di dalam gambar. Untuk sampul, spanduk, atau papan nama.

Buat [jenis gambar] untuk [merek atau konsep]
dengan teks "[teks yang harus muncul]" dalam
gaya huruf [gaya huruf]. Desainnya [deskripsi
gaya], dengan skema warna [warna].

Stiker atau ilustrasi bergaya. Untuk ikon, maskot, karikatur, dan tempelan obrolan.

Stiker bergaya [gaya] menampilkan [subjek],
dengan ciri [ciri khasnya] dan palet warna
[warna]. Garisnya [jenis garis] dan pewarnaannya
[jenis arsiran]. Latar belakangnya putih polos.

Komposisi minimalis. Untuk latar presentasi dan header artikel.

Komposisi minimalis dengan satu [subjek]
diletakkan di [posisi dalam bingkai]. Latarnya
kanvas [warna] yang luas dan kosong, menyisakan
ruang negatif yang lega.

Panel komik. Untuk materi edukasi dan konten bercerita.

Satu panel komik bergaya [gaya gambar]. Di latar
depan, [karakter dan aksinya]. Di latar
belakang, [detail lokasi]. Panel memuat [jenis
balon teks] berisi tulisan "[teks]".

Potret fotorealistis. Kerangka paling lengkap, dan yang paling sering dipendekkan orang sampai kehilangan gunanya.

Foto realistis [jenis shot] dari [subjek],
sedang [aksi atau ekspresi], berlatar
[lingkungan]. Adegan diterangi [deskripsi
cahaya] sehingga tercipta suasana [suasana].
Diambil dengan [kamera dan lensa], menonjolkan
[tekstur dan detail kunci].

Bagian dalam kurung siku itulah yang membuat sebuah prompt bisa dipakai berulang kali. Anda mengganti isinya, bukan mencari prompt baru setiap kali kebutuhannya berubah.

Menyebut Cahaya dan Kamera seperti Fotografer

Dokumentasi Google menyarankan memakai istilah fotografi dan sinema untuk mengendalikan komposisi. Istilah-istilah ini bekerja karena model dilatih dari gambar-gambar yang keterangannya memang memakai kosakata tersebut. Masalahnya, sebagian besar pembaca bukan fotografer. Berikut arti istilah yang paling berpengaruh, supaya Anda memakainya dengan sadar, bukan menyalinnya begitu saja.

Menyebut satu istilah dari kolom kiri biasanya mengubah hasil lebih banyak daripada menambah lima kata sifat pujian. Prompt foto keren yang benar-benar bekerja umumnya hanya memuat dua sampai tiga istilah ini, dipilih sesuai kebutuhan, bukan ditumpuk sekaligus.

Larangan Tidak Bekerja: Tulis Kondisi yang Anda Inginkan

Kebiasaan yang sangat umum adalah menuliskan larangan di akhir prompt: "tanpa teks", "jangan ada orang lain", "no watermark". Pada model gambar, cara ini sering justru mendatangkan hal yang Anda tolak.

Dokumentasi Google memberi contohnya secara langsung. Alih-alih menulis "no cars", jelaskan adegannya secara positif: "jalanan yang lengang dan sepi tanpa tanda-tanda lalu lintas". Perbedaannya terlihat sepele, tetapi hasilnya berbeda karena model bekerja dengan menyusun apa yang disebutkan, bukan dengan menyaring apa yang dilarang. Menyebut "mobil" di dalam kalimat larangan tetap memasukkan gagasan mobil ke dalam adegan.

Aturan praktisnya: setiap kali Anda hendak menulis "tanpa" atau "jangan", ganti dengan deskripsi keadaan yang Anda inginkan. "Tanpa orang lain di belakang" menjadi "latar belakang berupa dinding beton kosong". "Jangan terlalu terang" menjadi "cahaya redup dari satu lampu meja di sisi kiri".

Bahasa Indonesia atau Inggris untuk Menulis Prompt

Jawabannya bergantung pada mesin yang menjalankan tool Anda, dan inilah alasan pertanyaan ini tidak pernah punya jawaban tunggal.

Untuk percakapan dan pembuatan gambar langsung di aplikasi Gemini, bahasa Indonesia bekerja dengan baik dan tidak perlu Anda terjemahkan lebih dulu. Hal yang sama berlaku untuk ChatGPT. Model-model ini menangani bahasa Indonesia sebagai bahasa masukan yang wajar.

Yang berbeda adalah model gambar dan video yang berdiri sendiri. Imagen adalah model gambar Google yang dipakai lewat Vertex AI dan sejumlah aplikasi pihak ketiga. Dokumentasinya mencantumkan daftar bahasa yang didukung secara eksplisit: Inggris sebagai bawaan, ditambah Mandarin, Prancis, Jerman, Hindi, Jepang, Korea, Portugis, dan Spanyol. Bahasa Indonesia tidak ada di daftar itu.

Perbedaannya berdampak langsung. Prompt dalam bahasa yang didukung diterjemahkan dulu ke bahasa Inggris sebelum masuk ke model. Prompt dalam bahasa yang tidak didukung dipakai apa adanya, dan dokumentasi Google menyebutkan hasilnya bisa di luar dugaan.

Untuk video, Veo menyatakannya di bagian keterbatasan: bahasa Inggris sepenuhnya didukung, sementara bahasa lain belum dievaluasi sehingga mungkin bekerja tetapi hasilnya bisa berbeda-beda.

Bahasa prompt bergantung pada mesinnya: Gemini dan ChatGPT aman berbahasa Indonesia, Imagen dan Veo sebaiknya Inggris.

Rekomendasi praktisnya ada tiga. Untuk percakapan dan pekerjaan teks, tulis dalam bahasa yang sama dengan bahasa hasil akhirnya. Untuk gambar dan video di aplikasi resmi Gemini, bahasa Indonesia aman dipakai, tetapi istilah teknis seperti golden hour dan softbox biarkan tetap berbahasa Inggris. Untuk tool pihak ketiga yang tidak menyebutkan model apa yang dipakainya, tulis prompt dalam bahasa Inggris, karena itu satu-satunya bahasa yang pasti didukung semua model.

Prompt Video: Lima Unsur dan Batas Delapan Detik

Prompt video memakai lima unsur: subjek, aksi, gaya, posisi dan gerakan kamera, serta suasana yang mencakup warna dan pencahayaan. Unsur keempat itulah yang membedakannya dari prompt gambar, karena kamera video bisa bergerak.

Satu batasan teknis sangat menentukan cara menulisnya. Satu klip Veo hanya berdurasi 4, 6, atau 8 detik. Delapan detik terlalu pendek untuk sebuah cerita, tetapi cukup untuk satu gerakan kamera. Karena itu prompt video yang berhasil menggambarkan satu gerakan saja, bukan rangkaian kejadian.

Kamera bergerak perlahan maju (dolly in)
mendekati sebuah sepeda tua yang bersandar di
dinding bata merah. Cahaya sore keemasan datang
dari kiri. Daun kering beterbangan pelan di
latar depan. Gaya sinematik, warna hangat.

Dua hal lain perlu Anda ketahui sebelum mulai. Rasio yang tersedia hanya 16:9 untuk lanskap dan 9:16 untuk potret, jadi tentukan dulu videonya akan tayang di mana. Dan video yang dihasilkan hanya disimpan di server selama dua hari sebelum dihapus, sehingga hasil yang Anda sukai harus segera diunduh.

Prompt Musik: Kolom Gaya dan Tag Bagian Lagu

Pembuat lagu berbasis AI seperti Suno membagi prompt ke dalam dua kolom terpisah, dan kesalahan paling umum adalah menumpuk semuanya di satu kolom.

Kolom pertama berisi gaya musik. Kolom kedua berisi lirik, yang bagian-bagiannya ditandai dengan tag dalam kurung siku seperti [Verse], [Chorus], dan [Outro]. Tag itu bukan untuk dinyanyikan, melainkan penanda struktur supaya model tahu kapan lagu harus berganti bagian.

Yang menarik, Suno mengubah anjurannya sendiri. Gaya lama menuliskan kolom gaya sebagai daftar pendek seperti "deep house, emotional, melodic". Panduan resminya sekarang menyarankan instruksi yang lebih deskriptif dan menyerupai percakapan — persis pergeseran yang juga terjadi pada prompt gambar.

Lagu pop akustik bertempo sedang dengan nuansa
hangat. Dibuka gitar akustik yang dipetik pelan,
lalu bass dan perkusi ringan masuk di bagian
kedua. Vokal perempuan dengan jangkauan rendah,
dinyanyikan lembut dan dekat.

Enam Kebiasaan yang Membuat Prompt Gagal

1. Menumpuk kata sifat pujian: masterpiece, ultra detailed, award winning, dan sejenisnya tidak menjelaskan apa pun tentang gambar yang Anda mau. Ruang itu lebih berguna untuk menyebut arah cahaya atau jarak kamera.
2. Menyalin prompt tren tanpa mengganti subjeknya: prompt yang beredar ditulis untuk objek dan foto acuan milik orang lain. Prompt miniatur Gemini AI, misalnya, memuat detail alas dan kemasan yang harus disesuaikan dengan subjek Anda sendiri.
3. Meminta terlalu banyak perubahan sekaligus: satu permintaan berisi lima perubahan biasanya menghasilkan dua yang berhasil dan tiga yang terabaikan. Ubah satu hal, lihat hasilnya, lanjutkan.
4. Memakai kata sifat kabur tanpa acuan: "elegan", "estetik", dan "profesional" berarti berbeda bagi tiap orang. Ganti dengan yang bisa diukur — warna, bahan, jarak, arah cahaya.
5. Meminta AI membuatkan prompt lalu memakainya mentah-mentah: mengetik "buatkan prompt AI untuk foto produk sabun" memang titik awal yang masuk akal. Yang keliru adalah langsung menempelkan hasilnya tanpa memeriksa, karena AI cenderung menambahkan detail yang tidak pernah Anda sebut.
6. Berhenti setelah percobaan pertama: prompt gambar dan video jarang jadi dalam sekali jalan. Semua panduan resmi menyebut iterasi sebagai bagian dari prosesnya, bukan tanda kegagalan.

Hal yang Perlu Anda Pertimbangkan

Kerangka mana pun tidak menghapus empat keterbatasan berikut, dan lebih baik Anda mengetahuinya sebelum mengandalkan hasilnya.

Setiap gambar membawa penanda. Dokumentasi Google menyatakan bahwa semua gambar yang dihasilkan memuat watermark SynthID. Penanda ini tidak terlihat mata, tetapi terbaca oleh alat pemeriksa. Untuk keperluan yang mensyaratkan foto asli, hasil AI tetap tidak sah.

Hasil yang persis sama sulit diulang. Prompt yang sama bisa menghasilkan gambar berbeda pada percobaan berikutnya. Simpan berkasnya, jangan mengandalkan prompt-nya untuk memanggil ulang hasil yang Anda sukai.

Prompt punya masa berlaku. Saat model diperbarui, prompt lama bisa memberi hasil yang berbeda dari contoh aslinya. Prompt pendek yang mengandalkan tebakan model paling cepat lapuk; prompt yang menyebutkan detailnya sendiri lebih tahan.

Keterangan yang dihasilkan bisa keliru. Untuk prompt teks, model dapat menuliskan nama, angka, atau kutipan yang terdengar meyakinkan tetapi tidak benar. Gejala ini kami bahas terpisah di artikel halusinasi AI. Periksa ulang setiap fakta sebelum dipakai.

Pertanyaan yang Sering Diajukan

Apakah ada satu prompt yang bisa dipakai di semua tool sekaligus?

Tidak ada satu prompt tunggal, tetapi kerangkanya bisa dipindahkan. Empat pertanyaan di bagian awal artikel ini berlaku di ChatGPT, Gemini, maupun generator gambar lain. Yang perlu disesuaikan hanya kosakata teknisnya. Prompt AI generator gambar membutuhkan istilah kamera dan cahaya, sementara prompt ChatGPT untuk pekerjaan teks lebih membutuhkan penyebutan format keluaran.

Apakah menambahkan "8K", "ultra HD", dan "masterpiece" membantu?

Tidak, dan sering justru merugikan. Kata-kata itu tidak menjelaskan isi gambar, sementara resolusi keluaran ditentukan oleh pengaturan tool, bukan oleh kata di dalam prompt. Ruang yang terpakai untuk kata-kata tersebut lebih berguna untuk menyebut satu detail konkret seperti bahan permukaan atau arah bayangan.

Apa bedanya menulis prompt gambar dan prompt teks?

Prompt gambar menggambarkan satu keadaan yang membeku: apa yang terlihat, dari sudut mana, dan dengan cahaya seperti apa. Prompt teks menggambarkan sebuah pekerjaan: siapa yang mengerjakan, tugasnya apa, dan hasilnya harus berbentuk apa. Karena itu prompt gambar berisi kata benda dan keterangan, sementara prompt teks berisi kata kerja.

Bolehkah saya meminta AI membuatkan prompt untuk saya?

Boleh, dan untuk pemula ini cara yang masuk akal untuk memulai. Sebutkan hasil yang Anda bayangkan, lalu minta AI menyusunnya menjadi prompt yang terstruktur. Yang perlu Anda lakukan setelahnya adalah membaca hasilnya dan membuang detail yang tidak Anda inginkan, karena AI cenderung menambahkan unsur yang tidak pernah Anda sebut.

Kenapa teks di dalam gambar hasil AI sering salah eja?

Model gambar menggambar huruf sebagai bentuk visual, bukan menyusunnya sebagai rangkaian karakter. Semakin panjang teksnya, semakin besar peluang bentuknya melenceng. Cara menekan risikonya adalah membatasi teks sampai tiga atau empat kata, menuliskannya di dalam tanda kutip, dan menyebutkan gaya hurufnya secara terpisah.

Apakah kerangka prompt video dan musik sama dengan gambar?

Kerangkanya mirip, tetapi ada satu unsur tambahan di masing-masing. Prompt video menambahkan gerakan kamera, karena kameranya tidak diam. Prompt musik menambahkan struktur waktu lewat tag bagian lagu, karena hasilnya berjalan dari awal ke akhir. Prompt gambar tidak membutuhkan keduanya.

Kesimpulan

Prompt AI yang keren bukan kalimat rahasia yang beredar terbatas, melainkan deskripsi yang cukup lengkap sehingga model tidak perlu menebak. Empat pertanyaan sudah menutup sebagian besar kebutuhan: siapa yang mengerjakan, apa yang dikerjakan, konteksnya apa, dan bentuk keluarannya bagaimana. Sisanya ditentukan oleh kosakata yang sesuai dengan mediumnya.

Kerangka ini paling terasa gunanya saat hasil yang Anda inginkan spesifik dan akan dipakai berulang, seperti foto produk atau materi promosi. Untuk permintaan sekali pakai yang sederhana, satu kalimat jelas sering sudah memadai, dan memaksakan struktur penuh hanya menghabiskan waktu. Semoga artikel ini membantu.