- AI, machine learning, dan deep learning bukan sinonim. Ketiganya bertingkat: deep learning adalah bagian dari machine learning, dan machine learning adalah bagian dari AI.
- LLM seperti model di balik ChatGPT tidak "mencari jawaban" di sebuah perpustakaan. LLM memprediksi kata (token) berikutnya berdasarkan pola yang dipelajari dari data latih.
- Karena cara kerjanya berbasis prediksi, LLM bisa menghasilkan jawaban yang terdengar meyakinkan tapi keliru (hallucination). Informasi penting tetap perlu kamu verifikasi.
- Token dan context window menentukan seberapa panjang percakapan atau dokumen yang bisa "diingat" AI dalam satu sesi.
- Istilah baru seperti AI agent dan RAG menggambarkan arah AI berikutnya: dari sekadar menjawab, menjadi mengerjakan tugas dan merujuk sumber.
Istilah AI yang paling perlu kamu pahami sebelum memakai ChatGPT adalah machine learning, Large Language Model (LLM), token, context window, prompt, dan hallucination. Keenam istilah ini menjelaskan cara ChatGPT bekerja, kenapa jawabannya bisa salah, dan bagaimana cara meminta hasil yang lebih baik.
Di artikel ini, kamu akan menemukan 20 istilah AI dan artinya, dibagi menjadi dua kelompok: istilah inti yang langsung terasa saat kamu memakai chatbot, dan istilah yang sering muncul di berita teknologi. Setiap istilah dilengkapi definisi singkat, contoh, dan hal yang perlu diwaspadai.
Apa Itu AI dan Kenapa Istilahnya Sering Tertukar?
Artificial intelligence (AI) atau kecerdasan buatan adalah teknologi yang membuat komputer mampu meniru kemampuan manusia seperti belajar, memahami bahasa, memecahkan masalah, dan mengambil keputusan. Istilahnya sering tertukar karena AI adalah payung besar yang menaungi banyak konsep bertingkat.
Menurut IBM, AI, machine learning, deep learning, dan generative AI adalah rangkaian konsep yang saling bersarang. Cara termudah membayangkannya adalah seperti boneka matryoshka:
Selain itu, AI juga sering dibedakan menjadi dua jenis:
- Narrow AI (AI sempit): AI yang unggul di tugas tertentu saja. Semua AI yang kamu pakai hari ini, termasuk ChatGPT, termasuk jenis ini.
- General AI (AGI): AI hipotetis yang mampu menyamai atau melampaui kemampuan manusia di hampir semua tugas. Sampai sekarang, AGI masih berupa target riset, bukan produk yang sudah ada.
Kalau kamu baru mulai mengenal chatbot, baca juga penjelasan lengkap tentang apa itu ChatGPT dan cara kerjanya.
Daftar Istilah AI Paling Penting dan Artinya
Istilah AI inti yang perlu dipahami pemula ada 12, mulai dari machine learning sampai hallucination. Istilah-istilah ini paling sering kamu temui saat memakai ChatGPT, Gemini, atau Claude, dan memengaruhi kualitas jawaban yang kamu dapat.
1. Machine Learning (ML)
Machine learning adalah cabang AI yang membuat komputer belajar pola dari data, lalu memakai pola itu untuk membuat prediksi atau keputusan. Komputer tidak diberi aturan satu per satu, tetapi diberi banyak contoh.
Contoh: Filter spam di email belajar dari ribuan email yang sudah ditandai "spam" dan "bukan spam". Lama-lama, filter itu bisa mengenali email spam baru yang belum pernah dilihat.
Bidang ini juga melahirkan profesi yang banyak dicari. Kalau tertarik, simak peran dan prospek machine learning engineer.
2. Deep Learning
Deep learning adalah bagian dari machine learning yang memakai neural network dengan banyak lapisan untuk mengolah data yang kompleks, seperti gambar, suara, dan teks.
Contoh: Fitur face unlock di ponsel memakai deep learning. Lapisan awal mengenali garis dan tepi, lapisan berikutnya mengenali mata atau hidung, dan lapisan akhir mencocokkan wajah secara utuh.
3. Neural Network (Jaringan Saraf Tiruan)
Neural network adalah model machine learning yang tersusun dari "neuron" digital sederhana yang ditumpuk berlapis-lapis. Setiap neuron menerima angka, mengolahnya, lalu meneruskan hasilnya ke lapisan berikutnya.
Idenya memang terinspirasi dari sel saraf di otak manusia, seperti dijelaskan IBM. Tapi inspirasinya longgar. Neural network adalah rumus matematika yang menyesuaikan jutaan hingga miliaran angka (parameter), bukan tiruan otak yang bekerja dengan cara yang sama.
4. Algorithm (Algoritma)
Algoritma adalah serangkaian langkah atau aturan yang diikuti komputer untuk menyelesaikan tugas. Mirip resep nasi goreng: ada urutan langkah yang jelas dari bahan sampai jadi.
Dalam AI, ada dua hal yang perlu dibedakan. Algoritma pelatihan adalah "resep" untuk melatih model dari data. Model adalah hasil akhirnya, yaitu sistem yang sudah belajar dan siap dipakai. Jadi ChatGPT bukan algoritma, melainkan model yang dihasilkan dari algoritma pelatihan. Pembahasan lebih lengkapnya ada di artikel algoritma AI.
5. Training Data (Data Latih)
Training data adalah kumpulan data yang dipakai untuk melatih model AI. Kualitas data latih sangat menentukan kualitas model.
Yang penting bukan hanya jumlahnya, tetapi juga keragaman, akurasi, dan kebaruannya. Data latih yang berat sebelah akan menghasilkan model yang berat sebelah juga (lihat istilah bias di bagian berikutnya). Data latih juga punya batas waktu (knowledge cutoff), sehingga model bisa tidak tahu kejadian terbaru jika tidak tersambung ke pencarian web.
6. NLP (Natural Language Processing)
NLP adalah bidang AI yang membuat komputer mampu memahami, mengolah, dan menghasilkan bahasa manusia. NLP sudah lama ada sebelum ChatGPT populer.
Contoh: Google Translate, asisten suara, fitur koreksi ejaan, dan chatbot layanan pelanggan semuanya memakai NLP. LLM adalah generasi terbaru dari teknologi NLP.
7. Large Language Model (LLM)
Large Language Model (LLM) adalah model deep learning yang dilatih dengan teks dalam jumlah sangat besar untuk memahami dan menghasilkan bahasa manusia. Model di balik ChatGPT, Gemini, dan Claude AI adalah contoh LLM.
Cara kerjanya sering disalahpahami. LLM tidak menyimpan buku dan artikel seperti perpustakaan, lalu mencari jawaban di dalamnya. Menurut IBM, LLM bekerja sebagai mesin prediksi statistik: model menghitung kemungkinan kata (tepatnya token) berikutnya, memilih yang paling cocok, lalu mengulanginya sampai jawaban selesai.
Hal yang perlu diketahui: Karena berbasis prediksi pola, LLM sangat pandai menyusun kalimat yang lancar. Tapi lancar tidak sama dengan benar. Ini yang menjelaskan munculnya hallucination.
8. Token
Token adalah potongan teks terkecil yang dibaca dan dihasilkan LLM. Satu token bisa berupa satu kata utuh, potongan kata, atau tanda baca.
Menurut OpenAI, dalam bahasa Inggris satu token kira-kira setara 4 karakter, atau 100 token setara sekitar 75 kata. Rasio ini bisa berbeda untuk bahasa lain, termasuk bahasa Indonesia.
Kenapa penting? Token adalah satuan "kuota" AI. Batas panjang jawaban, batas pemakaian harian, dan harga API semuanya dihitung dalam token.
9. Context Window
Context window adalah jumlah maksimal token yang bisa diperhatikan model dalam satu percakapan, termasuk pertanyaanmu, dokumen yang kamu unggah, dan jawaban AI itu sendiri. Dokumentasi Claude menyebutnya sebagai "memori kerja" model.
Contoh: Saat percakapan sangat panjang atau kamu mengunggah banyak dokumen sekaligus, AI bisa mulai "lupa" instruksi awal atau menolak melanjutkan. Itu tanda context window sudah penuh. Solusi praktisnya, mulai percakapan baru dengan ringkasan poin penting. Tips lainnya ada di panduan cara mengatasi limit Claude.
10. Prompt
Prompt adalah instruksi atau pertanyaan yang kamu berikan ke AI. Kualitas prompt sangat memengaruhi kualitas jawaban.
Prompt yang baik bukan sekadar panjang, tetapi jelas: apa tujuannya, apa konteksnya, dan format hasil seperti apa yang kamu mau. Bandingkan dua prompt ini:
- Lemah: "Buatkan caption Instagram."
- Lebih baik: "Buatkan 3 caption Instagram untuk promo kopi susu Rp15.000 di Bandung, target mahasiswa, gaya santai, maksimal 30 kata, sertakan 1 ajakan beli."
Pelajari dasarnya di artikel apa itu prompt AI.
11. Generative AI
Generative AI adalah jenis AI yang mampu membuat konten baru, seperti teks, gambar, audio, video, atau kode, berdasarkan pola dari data latihnya. ChatGPT untuk teks dan generator gambar seperti Midjourney adalah contohnya.
Bedanya dengan AI "tradisional": AI tradisional umumnya mengklasifikasi atau memprediksi (misalnya "email ini spam atau bukan"), sedangkan generative AI menghasilkan sesuatu yang sebelumnya belum ada.
12. Hallucination
Hallucination adalah kondisi ketika AI menghasilkan jawaban yang terdengar meyakinkan, tetapi salah, tidak relevan, atau sepenuhnya dikarang. Definisi ini sejalan dengan penjelasan IBM.
Kenapa bisa terjadi? Riset OpenAI (September 2025) menjelaskan bahwa cara model dilatih dan dievaluasi cenderung memberi "nilai" lebih untuk tebakan yang percaya diri daripada jawaban jujur "saya tidak tahu". Akibatnya, model terbiasa menebak.
Contoh: Kamu meminta AI mencarikan jurnal tentang perilaku konsumen di Indonesia. AI memberikan judul, nama penulis, dan tahun yang terlihat rapi, tapi ternyata jurnalnya tidak pernah ada. Karena itu, selalu cek ulang data, angka, kutipan, dan referensi sebelum dipakai.
Istilah AI yang Sering Muncul di Berita tapi Jarang Dijelaskan
Istilah AI yang sering muncul di berita teknologi antara lain AI agent, RAG, fine-tuning, multimodal AI, open source AI, bias, AI safety, dan AGI. Istilah ini menggambarkan arah perkembangan AI berikutnya sekaligus risiko yang sedang ramai dibahas.
13. AI Agent
AI agent adalah sistem AI yang tidak hanya menjawab pertanyaan, tetapi juga merencanakan langkah, memakai tools, dan menjalankan tugas secara mandiri sampai selesai.
Anthropic membedakan dua pendekatan. Workflow adalah alur yang langkahnya sudah ditentukan lewat kode. Agent membiarkan model menentukan sendiri langkah dan tools yang dipakai.
Contoh: Chatbot biasa bisa menjelaskan cara membuat laporan penjualan. AI agent bisa langsung mengambil data dari spreadsheet, menghitung, membuat grafik, lalu menyusun laporannya. Dampaknya ke dunia kerja dibahas di artikel AI agent mengubah cara dunia kerja, dan bedanya dengan asisten AI biasa ada di AI copilot vs AI agent.
14. RAG (Retrieval-Augmented Generation)
RAG adalah teknik yang menggabungkan pencarian informasi dari sumber eksternal dengan kemampuan LLM menyusun jawaban. Menurut Google Cloud, RAG membuat jawaban AI lebih akurat, lebih baru, dan lebih relevan karena berpijak pada data di luar data latihnya.
Contoh: Saat kamu bertanya ke chatbot yang tersambung ke web, sistem mencari halaman yang relevan dulu, lalu LLM merangkum isinya dan mencantumkan sumbernya. Perusahaan juga memakai RAG agar chatbot internal bisa menjawab berdasarkan SOP dan dokumen mereka sendiri. Cara kerja serupa dibahas di artikel cara kerja AI search.
15. Fine-Tuning
Fine-tuning adalah proses melatih ulang model yang sudah jadi dengan dataset yang lebih kecil dan spesifik agar model lebih ahli di tugas tertentu. Definisi ini merujuk pada penjelasan IBM.
Bedanya dengan RAG: Fine-tuning mengubah "kebiasaan" model, misalnya gaya bahasa atau format jawaban. RAG memberi model akses ke informasi baru tanpa melatih ulang. Untuk kebutuhan menjawab dari dokumen yang sering berubah, RAG biasanya lebih praktis.
16. Multimodal AI
Multimodal AI adalah AI yang mampu memproses dan menggabungkan beberapa jenis data sekaligus, seperti teks, gambar, audio, dan video. Definisi ini sejalan dengan penjelasan IBM.
Contoh: Kamu memotret soal matematika atau grafik penjualan, lalu meminta ChatGPT menjelaskannya. AI membaca gambar dan menjawab dalam teks. Beberapa tools yang bisa melakukannya dibahas di artikel AI yang bisa menjawab soal dari gambar.
17. Open Source AI vs Closed AI
Open source AI adalah model AI yang komponennya dibuka untuk dipakai, dipelajari, dan dimodifikasi publik, sedangkan closed AI dikelola tertutup oleh satu perusahaan. Model di balik ChatGPT, Gemini, dan Claude termasuk closed AI.
Ada nuansa penting di sini. Banyak model yang disebut "open source", seperti Llama dari Meta, sebenarnya lebih tepat disebut open-weight: bobot modelnya bisa diunduh, tetapi data latih dan lisensinya tidak sepenuhnya terbuka. Standar Open Source AI Definition 1.0 dari Open Source Initiative mensyaratkan keterbukaan informasi data, kode, dan parameter sekaligus. Perbandingan model populer bisa kamu lihat di ChatGPT vs Gemini vs Claude.
18. Bias dalam AI
Bias dalam AI adalah kecenderungan sistem AI menghasilkan keputusan atau jawaban yang tidak adil bagi kelompok tertentu, biasanya karena data latihnya tidak seimbang.
Contoh nyata: Riset Gender Shades (Buolamwini & Gebru, 2018) menguji tiga sistem komersial pengenal gender dari wajah. Tingkat kesalahan untuk perempuan berkulit gelap mencapai 34,7%, sedangkan untuk laki-laki berkulit terang maksimal hanya 0,8%.
Untuk pengguna sehari-hari, artinya sederhana: jangan pakai hasil AI mentah-mentah untuk keputusan yang menyangkut orang, seperti menyaring CV atau menilai karyawan.
19. AI Safety
AI safety adalah bidang yang memastikan sistem AI bekerja aman, sesuai niat manusia, dan tetap bisa dikendalikan. Isu ini makin sering muncul seiring makin canggihnya model AI.
Beberapa tonggak yang sering dirujuk:
- Januari 2023, NIST (lembaga standar AS) merilis AI Risk Management Framework 1.0 sebagai panduan sukarela mengelola risiko AI.
- Maret 2023, surat terbuka Future of Life Institute meminta jeda minimal 6 bulan untuk pelatihan sistem AI yang lebih kuat dari GPT-4. Surat ini ditandatangani puluhan ribu orang, termasuk banyak peneliti AI.
- Desember 2023, Kominfo (kini Komdigi) menerbitkan Surat Edaran Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial, yang memuat nilai inklusivitas, aksesibilitas, keamanan, kemanusiaan, serta kredibilitas dan akuntabilitas.
20. AGI (Artificial General Intelligence)
AGI adalah tahap hipotetis ketika sistem AI mampu menyamai atau melampaui kemampuan kognitif manusia di hampir semua tugas.
Menurut IBM, LLM yang ada saat ini belum dianggap AGI, meski sebagian peneliti berpendapat sebaliknya. Jadi saat kamu membaca berita "AI sudah setara manusia", cek dulu konteksnya: biasanya yang dimaksud adalah AI unggul di tugas tertentu, bukan di semua bidang.
Cara Istilah AI Ini Bekerja Saat Kamu Pakai ChatGPT untuk Riset
Saat kamu memakai ChatGPT untuk riset, enam istilah bekerja bersamaan: prompt, token, context window, LLM, RAG, dan hallucination. Memahami urutannya membantu kamu tahu kapan jawaban AI bisa dipercaya dan kapan perlu dicek ulang.
Misalnya, kamu seorang marketer yang perlu riset tren belanja online di Indonesia untuk bahan presentasi:
- Prompt. Kamu menulis: "Rangkum tren belanja online di Indonesia dua tahun terakhir, sertakan sumber datanya." Makin jelas tujuan dan formatnya, makin relevan hasilnya.
- Token. Prompt kamu dipotong menjadi token. Jawaban AI juga dihitung dalam token, sehingga ada batas panjangnya.
- Context window. Kalau kamu menambahkan tiga laporan PDF, semuanya ikut masuk ke context window. Dokumen yang terlalu banyak bisa membuat AI melewatkan detail.
- LLM. Model memprediksi rangkaian kata yang paling masuk akal berdasarkan pola dari data latihnya.
- RAG (jika fitur pencarian web aktif). Sistem mencari halaman terbaru dulu, lalu LLM merangkumnya beserta tautan sumber. Tanpa pencarian, AI hanya mengandalkan data latih yang punya batas waktu.
- Hallucination. Angka, nama lembaga, atau judul laporan yang muncul bisa saja keliru. Buka tautan sumbernya dan cocokkan datanya sebelum dipakai di slide.
Kebiasaan sederhana yang membantu: minta AI menyebutkan sumber, buka sumber itu sendiri, dan bedakan bagian yang berupa fakta dengan bagian yang berupa opini atau ringkasan AI. Untuk riset akademik, ada juga tools khusus yang dibahas di artikel AI untuk mencari jurnal.
Mengapa Literasi Istilah AI Penting untuk Semua Orang?
Literasi istilah AI penting karena orang yang paham cara kerja AI bisa memakainya lebih efektif dan lebih kritis. Kamu jadi tahu kapan AI bisa diandalkan, kapan harus diverifikasi, dan bagaimana menulis instruksi yang menghasilkan jawaban berguna.
Memahami istilah adalah langkah pertama. Langkah berikutnya adalah membiasakan diri memberi instruksi yang terstruktur. Salah satu caranya dengan P.R.O.M.P.T dari Belajarlagi, kerangka 6 langkah untuk menulis prompt: Pinpoint the Outcome, Relevant Context, Outline Task & Output, Make AI Think With You, Probe & Validate, dan Tune & Iterate. Penjelasan dan contoh tiap langkahnya ada di artikel cara menulis prompt AI dengan framework P.R.O.M.P.T.

Kalau kamu ingin belajar bertahap dari nol, mulai dari panduan belajar AI untuk pemula. Kalau kamu ingin langsung praktik memakai AI untuk pekerjaan sehari-hari, mulai dari riset, menulis, sampai mengolah data, ikuti Mini Bootcamp Claude dari Belajarlagi.





