Laras Magic Prompt: Teknik 4 Langkah yang Bikin AI Ngerti 90% Maksud Kamu

Singkatnya: Laras Magic Prompt adalah framework prompt 4 langkah yang gue develop setelah frustrasi sama AI yang jawabannya ngawur mulu. L-A-R-A-S = Latar (konteks) → Arahan (tugas utama) → Role (peran AI) → Aturan (batasan) → Spesifikasi (format output). Ikuti 4 langkah ini dan akurasi AI naik dari "ya gitu deh" jadi "nah ini yang gue mau!"

Oke, gue harus jujur dulu — Laras Magic Prompt ini awalnya lahir dari rasa frustrasi. Waktu itu gue lagi ngerjain laporan analisis data, udah ngetik prompt sepanjang 1 halaman penuh ke ChatGPT. Berharap dapet analisis yang mind-blowing. Hasilnya? ChatGPT malah ngejelasin definisi analisis data. What the...?

Abis kejadian itu gue duduk, ngopi, dan mikir: "Ada yang salah sama cara gue nulis prompt. Gue udah kasih banyak info, tapi strukturnya nggak jelas — AI-nya nggak tau mana yang prioritas, mana yang cuma konteks tambahan." Dari situ gue mulai nyusun framework sistematis — dan lahirlah LARAS.

Setelah 6 bulan pemakaian — di kerjaan harian, ngerjain proyek freelance, bahkan bantuin temen yang non-teknis — framework ini konsisten ngasih hasil yang bagus. Bukan cuma di ChatGPT, tapi juga Gemini, Claude, bahkan Copilot. Kenapa? Karena strukturnya universal — dia maksa kamu mikir "apa yang sebenernya gue mau" sebelum nulis prompt.

Apa Itu Laras Magic Prompt

Laras Magic Prompt adalah framework prompt engineering 4 langkah berbasis akronim L-A-R-A-S yang membantu kamu menyusun instruksi AI secara terstruktur — memastikan setiap prompt mengandung konteks, arahan jelas, role yang tepat, aturan main, dan format output yang spesifik. Framework ini bisa dipakai untuk semua LLM utama: ChatGPT, Gemini, Claude, dan lainnya.

Kepanjangan LARAS:

Yang bikin LARAS beda dari framework prompt lain? Dia memaksa urutan berpikir yang logis. Kebanyakan orang nulis prompt mulai dari "Arahan" — langsung "bikinin gue..." tanpa kasih konteks dulu. Hasilnya? AI nebak-nebak. LARAS maksa kamu kasih konteks DULUAN, baru tugas. Urutannya penting banget.

Cara Pakai Laras Magic Prompt: Breakdown Per Langkah

Setiap langkah di framework LARAS punya aturan spesifik. Ini breakdown lengkapnya — dari yang paling sering diskip sampai yang paling krusial:

L — Latar (Konteks)

Langkah pertama dan paling sering diskip: kasih tau AI situasi kamu sekarang. Tanpa konteks, AI cuma bisa kasih jawaban generik. Dengan konteks, AI bisa tailored jawabannya ke situasi spesifik kamu.

Cara nulis Latar yang bagus:

• Siapa kamu? (mahasiswa, freelancer, startup founder, marketing manager)
• Apa yang lagi kamu kerjain? (skripsi, pitch deck, campaign, laporan)
• Apa masalahnya? (data mentah belum diolah, ide mentok, deadline besok)
• Apa yang udah kamu coba? (udah pakai metode X, hasilnya kurang Y)

Contoh Latar yang bagus: "Aku mahasiswa semester akhir yang lagi ngerjain skripsi tentang pengaruh AI di UMKM Indonesia. Aku udah punya data survey dari 200 responden dalam format CSV, tapi bingung gimana cara analisis korelasinya."

Contoh Latar yang jelek: "Aku lagi ngerjain sesuatu." — Gini mah AI-nya hopeless.

A — Arahan (Tugas Utama)

Ini inti prompt kamu — apa yang kamu mau AI kerjain. Arahan harus spesifik, actionable, dan satu fokus utama. Jangan minta banyak hal dalam satu prompt.

Cara nulis Arahan yang bagus:

• Satu tugas utama per prompt (bukan "bikinin ini, terus itu, terus yang itu juga")
• Pakai kata kerja yang jelas: "analisis", "buat", "bandingkan", "summarize", "hitung"
• Sebutin scope: "analisis 3 tren utama", bukan cuma "analisis"

Contoh Arahan yang bagus: "Analisis korelasi antara variabel 'frekuensi penggunaan AI' dan 'peningkatan omzet' dari data survey, dan jelaskan 3 insight utama."

Ini bagian yang paling straight-forward, tapi anehnya banyak orang yang gagal di sini — karena mereka sendiri nggak tau apa yang mereka mau. Kalau kamu bingung nulis Arahan, mundur selangkah: mikir dulu "sebenernya output apa yang gue harapkan?" Baru tulis.

R — Role (Peran AI)

Kasih AI persona spesifik — ini ngaruh banget ke tone, depth, dan perspektif jawaban. AI yang dikasih role "profesor statistik" bakal jawab beda sama yang dikasih role "content creator TikTok." Padahal prompt-nya sama.

Cara nulis Role yang bagus:

• Spesifik jabatan + pengalaman: "senior data analyst dengan 10 tahun pengalaman"
• Sebutin industri: "UX researcher di fintech"
• Tambahin trait: "yang suka jelasin pakai analogi sederhana"

Role ini sering disepelein, padahal impact-nya gede. Bahkan untuk task simpel kayak "kasih ide caption Instagram", kasih role "social media manager brand fashion" bakal ngasih hasil yang lebih on-point daripada tanpa role.

A — Aturan (Constraint & Batasan)

Di sinilah kamu kasih tau AI apa yang BOLEH dan NGGAK BOLEH dilakuin. Banyak orang cuma fokus "apa yang gue mau" (Arahan), lupa kasih tau "tapi jangan kayak gini ya" (Aturan). Ini yang bikin output sering ngelantur.

Cara nulis Aturan yang bagus:

• JANGAN: "Jangan pakai istilah teknis", "Hindari buzzword marketing"
• BOLEH/WAJIB: "Semua klaim harus didukung data", "Wajib sebutin sumber"
• Batasan format: "Jawab maks 300 kata", "Jangan lebih dari 5 bullet points"
• Nada/tone: "Gunakan bahasa santai, seperti ngobrol sama teman"

Ini adalah layer "quality control" di prompt kamu. Makin jelas aturannya, makin kecil kemungkinan AI ngasih jawaban yang nggak sesuai ekspektasi. Kadang gue nulis Aturan lebih panjang dari Arahan-nya sendiri — dan itu nggak apa-apa.

S — Spesifikasi (Format Output)

Langkah terakhir: tentuin persis format output yang kamu mau. Jangan biarin AI nebak formatnya sendiri — dia hampir pasti nebak salah.

Cara nulis Spesifikasi yang bagus:

• Format: "tabel 3 kolom", "bullet list", "paragraf narasi", "JSON", "markdown"
• Struktur: "Section 1: Ringkasan. Section 2: Analisis. Section 3: Rekomendasi."
• Panjang: "Setiap section maks 100 kata"

Ini detail kecil yang impact-nya gede. Prompt yang sama — beda Spesifikasi — bisa ngasih output yang totally different format-nya. Bayangin kamu minta hasil yang bisa langsung di-copy ke Excel, tapi ChatGPT ngasih paragraf narasi 5 halaman. Frustrasi, kan? Spesifikasi mencegah itu.

Contoh Lengkap Laras Magic Prompt

Biar makin jelas, ini contoh prompt lengkap pakai framework LARAS untuk 3 use case berbeda:

Contoh 1: Bikin Konten Marketing

"[L] Aku marketing manager di startup SaaS yang baru launch fitur AI content generator. Target market: UKM Indonesia yang biasa bikin konten manual. Mereka sering kehabisan ide konten dan nggak punya tim kreatif dedicated. [A] Buat 5 ide konten Instagram Reels untuk promosi fitur baru ini. [R] Kamu adalah creative director dengan pengalaman 8 tahun di agency. [A] Setiap ide harus bisa dieksekusi dalam 15 detik. JANGAN pakai efek yang butuh skill editing advanced. Gunakan skenario sehari-hari UKM yang relatable. [S] Format: 1. [Judul Reels] — [Deskripsi 2 kalimat] — [Props yang dibutuhkan] — [Caption suggestion 50 kata]."

Contoh 2: Analisis Data

"[L] Aku baru selesai running A/B test untuk 2 versi landing page. Version A: headline benefit-focused. Version B: headline curiosity-focused. Data: A = 5.2% conversion, B = 3.8% conversion, sample size 2000 visitors per version. [A] Analisis hasil A/B test dan jelaskan kenapa version A menang. [R] Kamu adalah CRO (Conversion Rate Optimization) specialist. [A] Jelaskan pakai bahasa yang dimengerti non-teknis. Sertakan statistical significance. JANGAN asumsi — pakai data yang gue kasih aja. [S] Format: Ringkasan (3 kalimat) → Analisis (5 poin) → Rekomendasi (3 poin actionable) → Kesimpulan (2 kalimat)."

Contoh 3: Belajar Skill Baru

"[L] Aku full-stack developer yang udah 5 tahun pakai REST API, sekarang mau transisi ke GraphQL. Aku udah baca dokumentasi resmi GraphQL tapi masih bingung di bagian resolver dan data loader. [A] Jelaskan konsep resolver dan data loader di GraphQL. [R] Kamu adalah senior backend developer yang udah migrasi dari REST ke GraphQL dan ngerti pain points transisi ini. [A] Gunakan analogi yang relate ke pengalaman REST developer. JANGAN terlalu teoretis — fokus di implementasi nyata. [S] Format: Analogi pembuka → Definisi teknis → Contoh kode (JavaScript) → Common pitfalls → Best practice."

Laras Magic Prompt vs Framework Prompt Lain

Ada beberapa framework prompt engineering populer — ini perbandingannya biar kamu tau kapan pakai yang mana:

Gue sendiri pakai LARAS untuk prompt yang kompleks (analisis, konten panjang, strategi), RTFC untuk daily task (email, summarize, translate), dan APE untuk quick question. Nggak ada satu framework yang cocok untuk semua — adaptasi sesuai kebutuhan.

Tertarik eksplor framework lain? Cek cara membuat prompt AI untuk overview teknik yang lebih luas, dan teknik prompt engineering untuk metode lanjutan.

FAQ: Seputar Laras Magic Prompt

LARAS bisa dipake di semua AI?

Bisa. ChatGPT, Gemini, Claude, Copilot — strukturnya universal. Cuma penyesuaian dikit: Gemini lebih responsif ke Role yang spesifik, Claude lebih bagus kalau Aturan-nya detail.

Harus selalu pakai 5 komponen?

Nggak. Buat task simple (translate, summarize), cukup Latar + Arahan + Spesifikasi aja. LARAS fleksibel — kamu bisa skip komponen yang nggak relevan.

Kenapa hasilnya kadang masih ngaco?

Biasanya karena Latar kurang jelas atau Arahan terlalu luas. AI itu literally nggak bisa baca pikiran kamu — kalau kamu sendiri ragu mau output apa, AI pasti makin ragu. Kuncinya: clear thinking → clear prompt.

Ada cheat sheet-nya?

Gue personally punya template Notion yang tinggal diisi: "[L] ___ [A] ___ [R] ___ [A] ___ [S] ___". Copy template, isi sesuai kebutuhan, done. Works for 90% use case gue.

Laras Magic Prompt itu bukan teori — ini framework yang lahir dari frustrasi nyata dan terbukti works di daily workflow. Yang bikin dia beda: urutan berpikir yang dipaksakan. Sebelum nulis Arahan, kamu dipaksa mikir konteks. Sebelum ekspektasi tinggi, kamu dipaksa mikir batasan. It's basically "think before you prompt" — tapi di-formal-kan jadi framework.

Coba deh next time kamu mau nanya ke AI. Jangan langsung ketik — tarik napas dulu, susun pakai LARAS. Bandingin hasilnya sama prompt asal-asalan. Kaget nggak? Kalau artikel ini ngebantu, share ke temen yang masih sering komplain "AI-nya bego" — padahal prompt-nya yang nggak jelas. Lanjut baca text prompt AI dan ChatGPT prompt generator buat tools yang bikin proses ini makin gampang!