{"id":13378,"date":"2026-04-06T08:43:42","date_gmt":"2026-04-06T08:43:42","guid":{"rendered":"https:\/\/binus.ac.id\/binus-digital\/?p=13378"},"modified":"2026-04-06T09:05:23","modified_gmt":"2026-04-06T09:05:23","slug":"ai-tidak-selalu-benar-5-hal-yang-perlu-kamu-pahami-sebelum-menggunakan-ai","status":"publish","type":"post","link":"https:\/\/binus.ac.id\/binus-digital\/2026\/04\/06\/ai-tidak-selalu-benar-5-hal-yang-perlu-kamu-pahami-sebelum-menggunakan-ai\/","title":{"rendered":"AI Tidak Selalu Benar: 5 Hal yang Perlu Kamu Pahami Sebelum Menggunakan AI"},"content":{"rendered":"

Akhir-akhir ini, hampir semua orang di media sosial berbicara tentang AI. Ketika sebuah postingan konten terkesan \u201cjanggal\u201d, orang beramai-ramai menulis komentar \u201cAI nih\u201d.<\/span>\u00a0<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Minggu lalu, saya berkumpul dengan teman-teman lama di sebuah kedai kopi. Berbincangan kami seputar kabar, update kehidupan dan teknologi. <\/span>Disclaime<\/span><\/i>r, latar belakang teman-teman saya ini kebetulan bukan di bidang kreatif atau teknologi. Salah satu teman saya berkata, \u201csekarang apa saja bisa dibikin pakai AI. Kita tanya apapun pasti dijawab\u201d. Sayangnya, mereka belum mengetahui ada hal-hal yang harus dipahami sebelum menggunakan AI untuk menjawab semua pertanyaan sehari-hari. Pertanyaan random seperti \u201capa manfaat buah apel?\u201d. Mereka yakin bahwa jawaban AI 100% benar dan akurat. Apakah benar demikian?<\/span>\u00a0<\/span><\/p>\n

Sebelum masuk lebih jauh, izinkan saya berbagi sedikit latar belakang. Saya bekerja sebagai UI\/UX designer di sebuah perusahaan swasta di sektor pendidikan, tepatnya di unit yang turut mendorong transformasi digital di lingkungan internal. Kami sudah mulai mengeksplorasi AI sejak awal kemunculannya, ketika hasilnya masih jauh dari sempurna dan belum banyak orang di sekitar saya (di luar tim) yang benar-benar memahami apa itu AI.<\/span><\/p>\n

Seiring waktu, teknologinya berkembang sangat cepat. AI kini bukan lagi sesuatu yang eksperimental, tapi sudah digunakan secara luas oleh masyarakat. Dalam pekerjaan saya sendiri, AI menjadi alat bantu, terutama untuk kebutuhan visual yang membantu mempercepat proses tanpa mengorbankan kualitas. Penggunaannya pun bukan sekadar \u201ccopy-paste hasil jadi\u201d, melainkan tetap melalui proses editing, penyusunan layout, hingga finishing yang matang.<\/span>\u00a0<\/span><\/p>\n

Dan sampai hari ini, proses belajarnya masih terus berjalan. Dunia AI bergerak cepat\u2014dengan update yang hampir tak pernah berhenti, serta munculnya berbagai model LLM dengan keunggulan dan benchmark yang terus bersaing.<\/span>\u00a0<\/span><\/p>\n

Oke, saya rasa cukup perkenalannya, mari kita lanjutkan pembahasan mengenai AI. <\/span>\u00a0<\/span><\/p>\n

Sebelum kalian menggunakan AI, ada baiknya mengetahui beberapa ketentuan AI agar menjadi fondasi dalam merespon jawaban hasil generate AI. Mungkin setelah mengetahuinya, anda tidak lagi bilang \u201ctinggal tanya AI aja, dia tahu semua.\u201d Sebenarnya ada sekitar 10 poin esensial mengenai ketentuan<\/span>\u00a0<\/span><\/i>AI yang tertulis di beberapa sumber artikel dan publikasi, namun saya setuju dengan sebuah artikel yang ditulis oleh Syeiras Naphad. Dia menulis 5 poin fundamental AI term, dan menurut saya ini sudah cukup menjadi fondasi kuat untuk pengguna baru.<\/span>\u00a0<\/span><\/p>\n

Yuk,\u00a0mulai.<\/span>\u00a0<\/span><\/p>\n

\"\"
AI-Generated Image<\/figcaption><\/figure>\n

 <\/p>\n

    \n
  1. Token<\/span><\/li>\n<\/ol>\n

    Kalau manusia berkomunikasi dengan rangkaian kata yang membentuk kalimat, LLM hanya membaca potongan-potongan kata, bahkan unit terkecil dari sebuah kata (chunk)<\/span><\/i>. Pecahan-pecahan kata ini yang disebut token. Kita ambil contoh kalimat \u201c saya belajar membaca\u201d. Bagi manusia, ini adalah sebuah kalimat, tapi bagi AI kalimat ini akan dipecah menjadi token \u201csaya\u201d, \u201cbelajar\u201d, \u201cmembaca\u201d. Bahkan bisa menjadi lebih kecil lagi, \u201cbel\u201d, \u201cajar\u201d, \u201cmem\u201d, \u201cbaca\u201d.<\/span>\u00a0<\/span><\/p>\n

    Mengapa\u00a0ini\u00a0penting\u00a0diketahui?<\/span><\/p>\n

    Karena setiap produk AI yang Anda gunakan seperti ChatGPT, Claude, Gemini, menghitung token di balik layar. Semakin banyak token yang Anda kirim dalam pesan Anda, semakin banyak yang harus diproses oleh model. Semakin banyak token yang dihasilkan dalam balasannya, semakin mahal biaya operasionalnya.<\/span>\u00a0<\/span><\/p>\n

    2. Context Window<\/span><\/i>\u00a0(Jendela\u00a0Konteks)<\/span>\u00a0<\/span><\/p>\n

    Dikutip dari IBM, jendela konteks dari model bahasa besar (LLM) adalah jumlah teks, dalam token, yang dapat dipertimbangkan atau \u201cdiingat\u201d oleh model sekaligus. Jendela konteks yang lebih besar memungkinkan model AI untuk memproses input yang lebih lama dan memasukkan jumlah informasi yang lebih besar ke dalam setiap hasil.<\/span>\u00a0<\/span><\/p>\n

    Bayangkan anda berbicara dengan orang yang hanya bisa mengingat kata-kata spesifik seperti di menit ke X dan beberapa kata di akhir ucapan anda. Kemana kata-kata lain? Hilang dan terlupakan. Itulah gambaran ketika AI memiliki jendela konteks terbatas untuk mengolah semua kata-kata yang anda letakkan dalam sebuah percakapan. Semakin besar ukuran jendela konteks LLM, akan meningkatkan kemampuan akurasi, lebih sedikit halusinasi, respons model yang lebih koheren, percakapan yang lebih lama, dan peningkatan kemampuan untuk menganalisis urutan data yang lebih panjang. Namun, biaya untuk mendapatkan jendela konteks besar tidaklah murah.<\/span>\u00a0<\/span><\/p>\n

    Sebagai referensi, berikut ini adalah daftar panjang jendela konteks yang ditawarkan oleh beberapa model dan keluarga model yang sering dikutip per Jamuari 2026, dikutip dari elvex.com. Beberapa model bahkan telah menawarkan<\/span>\u00a0Ultra-Long Context Champions<\/span><\/i>\u00a0dengan\u00a0panjang\u00a0lebih\u00a0dari\u00a0satu\u00a0juta\u00a0token.<\/span>\u00a0<\/span><\/p>\n