20 Istilah AI yang Wajib Diketahui Pemula: Dari LLM, Prompt hingga AI Agent

Baru beberapa menit membaca berita tentang AI, Anda mungkin sudah menemukan istilah seperti LLM, generative AI, multimodal, token, RAG, hallucination, hingga AI agent.

Masalahnya, satu artikel sering menjelaskan istilah tersebut menggunakan istilah lain yang sama asingnya.

LLM dijelaskan sebagai model berbasis neural network.

Neural network dijelaskan sebagai bagian dari machine learning.

Machine learning kemudian dijelaskan sebagai cabang dari artificial intelligence.

Belum lima menit membaca, rasanya seperti membuka kamus untuk memahami kamus lain.

Padahal dasar AI sebenarnya tidak harus serumit itu.

Bayangkan dunia AI seperti sebuah kota.

Artificial Intelligence adalah kotanya.

Machine Learning adalah salah satu kawasan besar di dalam kota tersebut.

Deep Learning adalah bagian yang lebih khusus.

LLM merupakan salah satu jenis teknologi yang berkembang dari sana.

Prompt adalah cara Anda memberikan instruksi.

Token adalah potongan informasi yang diproses model.

RAG membantu AI mengambil informasi tambahan.

Sedangkan AI agent mencoba menggunakan berbagai kemampuan tersebut untuk menyelesaikan sebuah tujuan melalui beberapa langkah.

Jika hubungan ini sudah dipahami, istilah AI mulai terasa jauh lebih masuk akal.

Artikel ini membahas 20 istilah AI yang paling penting untuk diketahui pemula, menggunakan bahasa sederhana dan contoh yang dekat dengan penggunaan sehari-hari.

📌 Intinya

Anda tidak perlu menghafal semua istilah AI.

Yang lebih penting adalah memahami hubungan di antara istilah tersebut.

Setelah memahami fondasinya, membaca berita teknologi, menggunakan ChatGPT, mencoba Gemini, memilih AI tools, atau mempelajari perkembangan AI baru akan terasa jauh lebih mudah.

Peta Sederhana Dunia AI

Sebelum masuk ke 20 istilah, lihat hubungan sederhananya.

Artificial Intelligence ↓ Machine Learning ↓ Deep Learning ↓ Neural Network ↓ Model AI ↓ Generative AI ↓ Large Language Model ↓ Chatbot / AI Assistant ↓ Prompt ↓ Output

Di luar jalur tersebut terdapat teknologi lain yang membantu model, seperti:

• embeddings;
• RAG;
• multimodal AI;
• fine-tuning;
• AI agent.

Tidak semua sistem AI mengikuti alur yang sama persis.

Namun peta ini cukup membantu pemula melihat gambaran besarnya.

Jika ingin memulai dari penjelasan AI paling dasar, baca Apa Itu Artificial Intelligence (AI)?.

1. Artificial Intelligence (AI)

Artificial Intelligence atau kecerdasan buatan adalah istilah luas untuk teknologi yang dirancang agar komputer dapat melakukan tugas yang biasanya membutuhkan kemampuan yang kita kaitkan dengan kecerdasan manusia.

Contohnya:

• memahami bahasa;
• mengenali gambar;
• memprediksi sesuatu;
• membuat rekomendasi;
• menghasilkan tulisan;
• memecahkan masalah;
• merencanakan tindakan.

AI bukan satu aplikasi tertentu.

ChatGPT adalah produk AI.

Gemini adalah produk AI.

Sistem rekomendasi video juga dapat menggunakan AI.

Pendeteksi spam dapat menggunakan AI.

Jadi ketika seseorang berkata:

“AI semakin berkembang.”

yang dimaksud biasanya adalah bidang teknologi yang sangat luas, bukan satu chatbot saja.

2. Machine Learning

Machine Learning adalah pendekatan yang memungkinkan komputer mempelajari pola dari data untuk melakukan prediksi atau mengambil keputusan.

Analogi sederhananya:

Bayangkan Anda ingin mengajari seseorang membedakan apel dan jeruk.

Anda dapat memberikan aturan:

“Kalau warnanya merah, mungkin apel.”

Tetapi aturan tersebut mudah gagal.

Cara lain adalah memperlihatkan banyak contoh apel dan jeruk sampai orang tersebut mengenali polanya.

Machine Learning bekerja dengan gagasan serupa.

Sistem belajar dari data.

Contohnya digunakan dalam:

• rekomendasi produk;
• prediksi penipuan;
• klasifikasi email;
• pengenalan gambar;
• analisis pelanggan.

📌 Intinya

AI adalah bidang besarnya.

Machine Learning adalah salah satu cara untuk membuat sistem AI.

3. Deep Learning

Deep Learning adalah bagian dari Machine Learning yang menggunakan jaringan saraf dengan banyak lapisan untuk mempelajari pola yang kompleks.

Teknologi ini sangat penting dalam perkembangan:

• pengenalan suara;
• computer vision;
• pemrosesan bahasa;
• generative AI.

Bayangkan Machine Learning sebagai seseorang yang belajar menemukan pola.

Deep Learning seperti memberikan sistem tersebut kemampuan untuk mempelajari pola dalam beberapa tingkat.

Mulai dari pola sederhana sampai representasi yang jauh lebih kompleks.

4. Neural Network

Neural Network atau jaringan saraf adalah struktur komputasi yang terdiri dari unit-unit yang saling terhubung.

Namanya terinspirasi secara longgar dari jaringan neuron biologis, tetapi neural network komputer bukanlah salinan otak manusia.

Ini penting.

Istilah “neural” kadang membuat orang membayangkan AI memiliki otak seperti manusia.

Tidak demikian.

Neural network adalah sistem matematika dan komputasi yang dapat mempelajari hubungan dalam data.

Contohnya dapat digunakan untuk mengenali:

“Apakah gambar ini berisi kucing?”

atau:

“Kata apa yang kemungkinan muncul berikutnya dalam kalimat ini?”

5. Model AI

Model AI adalah sistem yang telah dilatih untuk melakukan suatu tugas berdasarkan pola yang dipelajari dari data.

Model dapat memiliki kemampuan berbeda.

Ada model untuk:

• teks;
• gambar;
• suara;
• video;
• prediksi;
• coding;
• gabungan berbagai jenis data.

Analogi sederhananya:

Jika aplikasi adalah mobil, model dapat dianggap sebagai salah satu bagian “mesin kecerdasannya”.

Antarmuka aplikasi dan model di belakangnya tidak selalu sama.

Itu sebabnya sebuah layanan AI dapat memperbarui model tanpa harus mengganti seluruh aplikasinya.

6. Generative AI

Generative AI adalah AI yang dapat menghasilkan konten baru berdasarkan pola yang telah dipelajari.

Konten tersebut dapat berupa:

• teks;
• gambar;
• suara;
• musik;
• kode;
• video.

ChatGPT merupakan salah satu contoh layanan yang menggunakan generative AI.

Generator gambar AI juga termasuk kategori ini.

Perbedaannya dengan sistem prediksi biasa adalah hasil akhirnya dapat berupa konten baru.

Misalnya:

AI tradisional:

“Apakah email ini spam?”

Generative AI:

“Tulis email profesional untuk menindaklanjuti calon pelanggan.”

7. Large Language Model (LLM)

Large Language Model atau LLM adalah model AI yang dilatih untuk bekerja dengan bahasa dalam skala besar.

LLM dapat melakukan berbagai aktivitas seperti:

• menjawab pertanyaan;
• menjelaskan konsep;
• menulis;
• meringkas;
• menerjemahkan;
• membantu coding;
• menganalisis teks.

Sederhananya, LLM sangat pandai mempelajari pola hubungan dalam bahasa dan menghasilkan respons berdasarkan konteks.

Namun ada kesalahpahaman penting.

LLM bukan database yang hanya mencari satu jawaban yang telah disimpan.

Model menghasilkan respons berdasarkan pola dan konteks.

Karena itu jawabannya dapat berbeda meskipun pertanyaannya hampir sama.

8. Chatbot AI

Chatbot AI adalah aplikasi yang memungkinkan manusia berinteraksi dengan AI melalui percakapan.

ChatGPT merupakan contoh yang sangat populer.

Gemini dan Claude juga memiliki pengalaman percakapan.

Tetapi:

Chatbot ≠ LLM.

LLM adalah model.

Chatbot adalah bentuk aplikasi atau antarmuka yang memungkinkan kita berinteraksi dengan model tersebut.

Analogi sederhananya:

Mesin pencari adalah aplikasi.

Indeks dan teknologi pencariannya berada di belakang layar.

Hal yang sama terjadi pada chatbot AI.

Jika ingin memahaminya lebih jauh, baca Apa Itu ChatGPT?.

9. Prompt

Prompt adalah instruksi atau informasi yang diberikan kepada AI.

Contoh sederhana:

“Jelaskan Machine Learning.”

Itu adalah prompt.

Tetapi prompt bisa jauh lebih lengkap:

“Jelaskan Machine Learning kepada siswa SMA menggunakan analogi sederhana, maksimal 300 kata, lalu berikan tiga contoh penggunaannya dalam kehidupan sehari-hari.”

Prompt kedua memberikan lebih banyak konteks.

Karena itu biasanya hasilnya juga lebih terarah.

Prompt dapat berisi:

• tujuan;
• konteks;
• peran;
• format;
• batasan;
• contoh.

Pelajari lebih lengkap melalui Apa Itu Prompt AI?.

10. Prompt Engineering

Prompt Engineering adalah proses merancang instruksi agar sistem AI menghasilkan respons yang lebih sesuai dengan kebutuhan.

Namanya terdengar teknis.

Namun konsep dasarnya sederhana:

belajar berkomunikasi dengan AI secara lebih jelas.

Misalnya:

Prompt biasa:

“Buat artikel tentang AI.”

Prompt lebih terstruktur:

“Buat outline artikel tentang AI untuk pemilik UMKM Indonesia yang belum memahami teknologi. Fokus pada lima penggunaan praktis yang dapat diterapkan dengan anggaran rendah.”

Perbedaannya bukan menggunakan kata-kata ajaib.

Perbedaannya adalah memberikan informasi yang dibutuhkan AI.

💡 Tips

Jangan terlalu sibuk mencari “prompt rahasia”.

Kemampuan menjelaskan tujuan dengan jelas jauh lebih berharga.

Pelajari praktiknya melalui Cara Membuat Prompt ChatGPT yang Efektif.

11. Token

Token adalah unit kecil yang digunakan model untuk memproses teks.

Token tidak selalu sama dengan satu kata.

Sebuah kata dapat menjadi satu token atau beberapa bagian, tergantung model dan bahasa.

Mengapa pengguna perlu mengetahuinya?

Karena token berkaitan dengan:

• panjang input;
• panjang output;
• context window;
• penggunaan API tertentu.

Anda tidak perlu menghitung token setiap kali menggunakan chatbot.

Namun memahami konsepnya membantu ketika membaca spesifikasi model.

Analogi sederhananya:

Jika kalimat adalah sebuah bangunan, token adalah potongan kecil bahan yang digunakan AI untuk memproses bangunan tersebut.

12. Context Window

Context window adalah jumlah informasi yang dapat dipertimbangkan model dalam satu konteks kerja.

Bayangkan Anda sedang berbicara dengan seseorang sambil memberikan:

• percakapan;
• dokumen;
• instruksi;
• data;
• contoh.

Semua informasi itu membutuhkan “ruang perhatian”.

Context window menggambarkan seberapa banyak informasi yang dapat dimasukkan dan diproses dalam konteks tertentu.

Semakin besar context window tidak otomatis membuat AI selalu lebih pintar.

Namun kapasitas konteks yang besar dapat berguna untuk:

• dokumen panjang;
• codebase;
• penelitian;
• percakapan panjang.

13. Multimodal AI

Multimodal AI adalah AI yang dapat bekerja dengan lebih dari satu jenis informasi.

Misalnya:

• teks;
• gambar;
• suara;
• video.

Dulu kita terbiasa memisahkan alat.

AI teks untuk teks.

AI gambar untuk gambar.

AI suara untuk suara.

Sekarang batas tersebut semakin kabur.

Sebuah sistem AI dapat menerima foto kemudian menjelaskan isinya.

Atau menerima suara dan menjawab secara lisan.

Atau membaca dokumen yang mengandung teks dan gambar.

Inilah yang disebut kemampuan multimodal.

14. Training

Training atau pelatihan adalah proses ketika model mempelajari pola dari data.

Dalam bentuk yang sangat disederhanakan:

data diberikan kepada sistem,

model membuat prediksi,

kesalahan diukur,

parameter disesuaikan,

proses dilakukan berulang kali.

Hasil akhirnya adalah model yang dapat melakukan tugas tertentu.

Training model AI modern dapat membutuhkan sumber daya komputasi yang sangat besar.

Namun sebagai pengguna biasa, Anda tidak perlu melakukan training dari nol hanya untuk menggunakan AI.

15. Fine-Tuning

Fine-tuning adalah proses melatih lebih lanjut sebuah model yang sudah ada agar lebih sesuai dengan tugas atau perilaku tertentu.

Analogi sederhananya:

Seseorang sudah menjadi dokter.

Kemudian ia mengambil spesialisasi.

Dia tidak memulai pendidikan dari kelas satu lagi.

Fine-tuning mirip dengan mengambil fondasi yang sudah ada kemudian menyesuaikannya.

Misalnya sebuah perusahaan ingin model lebih cocok untuk:

• format tertentu;
• klasifikasi tertentu;
• gaya respons tertentu;
• kebutuhan khusus domain.

Fine-tuning berbeda dengan sekadar memberikan prompt.

16. Embedding

Embedding adalah representasi numerik dari informasi seperti teks sehingga komputer dapat memahami hubungan atau kemiripan secara matematis.

Namanya terdengar rumit.

Bayangkan sebuah perpustakaan.

Buku dengan topik mirip ditempatkan berdekatan.

Buku memasak dekat buku resep.

Buku pemrograman dekat teknologi.

Embedding melakukan sesuatu yang secara konsep mirip, tetapi dalam ruang matematika.

Informasi dengan makna yang mirip dapat memiliki representasi yang relatif berdekatan.

Embedding berguna dalam:

• semantic search;
• rekomendasi;
• pencarian dokumen;
• RAG.

17. RAG

RAG adalah singkatan dari Retrieval-Augmented Generation.

Ini salah satu istilah yang semakin sering muncul.

Konsepnya:

sebelum menjawab, sistem mencari informasi yang relevan dari sumber tertentu.

Informasi tersebut kemudian diberikan kepada model untuk membantu menghasilkan jawaban.

Bayangkan ujian open book.

LLM adalah siswa.

Database adalah buku.

RAG adalah proses mencari halaman yang relevan sebelum siswa menjawab.

RAG sangat berguna ketika AI perlu bekerja dengan:

• dokumen perusahaan;
• knowledge base;
• dokumentasi;
• artikel;
• informasi yang tidak sepenuhnya berada dalam pengetahuan model.

📌 Intinya

RAG tidak otomatis menjamin jawaban benar.

Kualitas sumber dan proses pengambilannya tetap penting.

18. Hallucination

Hallucination adalah istilah yang digunakan ketika model AI menghasilkan informasi yang terdengar meyakinkan tetapi sebenarnya salah, tidak didukung, atau dibuat-buat.

Contohnya:

• referensi yang tidak ada;
• angka yang salah;
• kutipan palsu;
• nama fitur yang keliru;
• fakta yang tercampur.

Ini salah satu alasan mengapa AI tidak boleh diperlakukan sebagai sumber kebenaran mutlak.

⚠️ Kesalahan Umum

Jangan berpikir:

“Bahasanya sangat yakin, berarti benar.”

Gaya bahasa dan kebenaran adalah dua hal berbeda.

Untuk informasi penting, selalu periksa sumber asli.

Ini sangat penting untuk:

• kesehatan;
• hukum;
• keuangan;
• akademik;
• berita;
• data.

19. AI Agent

AI agent adalah sistem AI yang dirancang untuk mengambil beberapa langkah menuju sebuah tujuan, kadang dengan menggunakan tools atau sistem lain.

Chatbot biasa mungkin menjawab:

“Berikut cara merencanakan perjalanan.”

AI agent secara konsep dapat mencoba melakukan lebih banyak langkah, misalnya:

menentukan kebutuhan,

mencari informasi,

membandingkan pilihan,

mengorganisasi hasil,

dan mengambil tindakan tertentu jika memiliki akses yang diizinkan.

Analogi sederhananya:

Chatbot seperti konsultan yang memberikan jawaban.

Agent lebih mirip asisten yang mencoba menjalankan sebuah pekerjaan melalui beberapa langkah.

Namun istilah “agent” digunakan cukup luas oleh industri.

Kemampuan sebenarnya dapat sangat berbeda antara satu produk dengan produk lain.

20. Artificial General Intelligence (AGI)

AGI atau Artificial General Intelligence adalah konsep mengenai sistem AI dengan kemampuan yang sangat luas dan umum, bukan hanya kuat pada tugas tertentu.

Istilah ini sering muncul dalam diskusi masa depan AI.

Namun AGI tidak memiliki satu definisi teknis yang diterima semua pihak.

Karena itu, hati-hati dengan headline seperti:

“AGI sudah tiba.”

Pertanyaan yang perlu diajukan:

Menurut definisi siapa?

Dengan ukuran apa?

Kemampuan apa yang diuji?

⭐ Pandangan AIUpdateId

AI berkembang sangat cepat sehingga istilah lama dan istilah baru sering bercampur dalam percakapan yang sama.

Hal ini membuat teknologi terlihat lebih rumit daripada sebenarnya.

Masalah lainnya adalah banyak istilah AI juga digunakan sebagai bahasa pemasaran.

Kata seperti:

“agentic”,

“reasoning”,

“intelligent”,

atau bahkan “AGI”

dapat memiliki arti yang berbeda tergantung siapa yang menggunakannya.

Karena itu, keterampilan penting bagi pembaca bukan hanya mengetahui definisi.

Tetapi mampu bertanya:

“Apa sebenarnya yang dilakukan teknologi ini?”

Jika pertanyaan tersebut dapat dijawab dengan jelas, Anda biasanya sudah memahami teknologinya jauh lebih baik daripada hanya menghafal istilah.

Bagaimana Semua Istilah Ini Terhubung?

Mari kita gunakan satu contoh.

Anda membuka sebuah chatbot AI.

Di belakangnya terdapat sebuah model.

Model tersebut mungkin berupa LLM.

LLM dibuat menggunakan teknik deep learning dan neural network.

Anda menulis sebuah prompt.

Prompt dipecah dan diproses dalam bentuk token.

Model mempertimbangkan informasi yang tersedia dalam context window.

Jika sistem memiliki kemampuan RAG, ia dapat mengambil informasi tambahan.

Jika mendukung multimodal, ia mungkin juga memahami gambar atau suara.

Kemudian model menghasilkan jawaban.

Jika jawabannya salah tetapi terdengar meyakinkan, itu bisa menjadi hallucination.

Jika sistem dapat mengambil beberapa tindakan dan menggunakan tools untuk mengejar tujuan, kita mulai masuk ke konsep AI agent.

Sekarang semua istilah tadi tidak lagi terlihat sebagai 20 kata terpisah.

Mereka merupakan bagian dari sistem yang saling berhubungan.

Istilah Mana yang Harus Dipelajari Lebih Dulu?

Jika benar-benar baru, saya sarankan urutannya:

1. Artificial Intelligence
2. Machine Learning
3. Generative AI
4. LLM
5. Chatbot
6. Prompt
7. Token
8. Context Window
9. Multimodal AI
10. Hallucination

Setelah itu lanjutkan dengan:

• neural network;
• deep learning;
• embeddings;
• RAG;
• fine-tuning;
• AI agent.

Tidak perlu memahami matematika mendalam untuk mulai menggunakan AI.

Pahami dulu fungsi dan hubungannya.

Mitos vs Fakta tentang Istilah AI

Mitos: LLM sama dengan ChatGPT

Fakta:

LLM adalah jenis model.

ChatGPT adalah produk dan pengalaman AI yang dapat menggunakan model tertentu di belakangnya.

Mitos: AI memahami dunia sama seperti manusia

Fakta:

Sistem AI memproses informasi menggunakan metode komputasi dan model yang berbeda dari cara manusia mengalami dunia.

Mitos: Context window besar berarti AI pasti lebih pintar

Fakta:

Context window menggambarkan kapasitas konteks, bukan ukuran tunggal kecerdasan.

Mitos: Ada citation berarti AI pasti benar

Fakta:

Sumber tetap perlu dibuka dan diperiksa.

Mitos: AI agent berarti robot

Fakta:

Agent dapat sepenuhnya berupa perangkat lunak.

Robot hanyalah salah satu kemungkinan bentuk sistem yang menggunakan AI.

Coba Sekarang

Buka AI yang biasa Anda gunakan.

Kemudian masukkan:

“Jelaskan hubungan antara AI, Machine Learning, Deep Learning, Neural Network, Generative AI, dan LLM menggunakan satu analogi sederhana. Setelah itu berikan saya lima pertanyaan untuk mengecek apakah saya benar-benar memahaminya.”

Jangan hanya membaca jawabannya.

Jawab pertanyaannya.

Jika ada bagian yang salah, tanyakan:

“Bagian mana dari pemahaman saya yang keliru?”

Itulah cara yang jauh lebih efektif untuk belajar daripada menghafal definisi.

Checklist Pemula Saat Menemukan Istilah AI Baru

Ketika menemukan istilah baru, tanyakan:

• Ini nama teknologi, produk, atau fitur?
• Apa fungsi utamanya?
• Masalah apa yang diselesaikan?
• Apa yang masuk sebagai input?
• Apa yang keluar sebagai output?
• Apakah membutuhkan data atau sumber tambahan?
• Apa keterbatasannya?
• Apakah istilah ini memiliki definisi teknis yang jelas atau hanya istilah pemasaran?

Jika tujuh pertanyaan tersebut dapat dijawab, Anda biasanya sudah memiliki pemahaman yang cukup baik.

Kesimpulan

Dunia Artificial Intelligence memang memiliki banyak istilah.

Tetapi sebagian besar mulai terasa sederhana ketika kita memahami hubungan di antaranya.

Artificial Intelligence adalah bidang besarnya.

Machine Learning adalah salah satu pendekatan di dalam AI.

Deep Learning menggunakan neural network yang kompleks.

Generative AI menghasilkan konten.

LLM bekerja dengan bahasa.

Prompt memberikan instruksi.

Token merupakan bagian informasi yang diproses model.

Context window menentukan ruang konteks.

Multimodal AI bekerja dengan beberapa jenis informasi.

RAG membantu mengambil sumber tambahan.

Hallucination mengingatkan kita bahwa AI dapat salah.

Dan AI agent membawa gagasan AI dari sekadar menjawab menuju penyelesaian tujuan melalui beberapa langkah.

Anda tidak perlu menjadi engineer untuk memahami semuanya.

Mulailah dari satu konsep.

Hubungkan dengan konsep berikutnya.

Dalam waktu singkat, berita AI yang sebelumnya terlihat penuh jargon akan jauh lebih mudah dibaca.

📚 Lanjut Belajar

Mulai dari fondasi melalui Apa Itu Artificial Intelligence?.

Kenali chatbot AI melalui Apa Itu ChatGPT?.

Pelajari penggunaannya melalui Cara Menggunakan ChatGPT untuk Pemula.

Pahami instruksi AI melalui Apa Itu Prompt AI?.

Tingkatkan kemampuan prompt melalui Cara Membuat Prompt ChatGPT yang Efektif.

Bandingkan platform melalui ChatGPT vs Gemini.

Jika Anda seorang penulis, baca AI Terbaik untuk Menulis Artikel.

Jika Anda mahasiswa, lanjutkan ke AI Terbaik untuk Mahasiswa.