Daeng Kuma, Kristalicia Clarita
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

OPTIMASI PROMPT ENGINEERING SEBAGAI STRATEGI PENINGKATAN KOGNITIF: STUDI EKSPERIMEN PADA PEMBELAJARAN ALGORITMA DAN PEMROGRAMAN Gaffar, Abdul Majid; Bahrin; Labolo, Abdul Yunus; Purnomo, Zulkarnain S.; Daeng Kuma, Kristalicia Clarita; Saharuddin
PROGRESS Vol 18 No 1 (2026): April
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v18i1.544

Abstract

Penetrasi ChatGPT di lingkungan akademik telah memicu kekhawatiran mengenai penurunan kemampuan berpikir kritis mahasiswa akibat ketergantungan pada jawaban instan. Penelitian ini bertujuan untuk menguji efektivitas optimasi prompt engineering (teknik pemberian instruksi terstruktur) sebagai strategi untuk meningkatkan kemampuan kognitif mahasiswa pada mata kuliah Algoritma dan Pemrograman. Dengan menggunakan metode eksperimen murni (True Experimental Design), penelitian ini melibatkan 60 mahasiswa Program Studi Teknologi Informasi yang dibagi ke dalam kelompok eksperimen dan kelompok kontrol. Kelompok eksperimen diberikan intervensi berupa panduan prompting menggunakan teknik Chain-of-Thought (CoT) dan Socratic Prompting, sementara kelompok kontrol menggunakan ChatGPT secara bebas. Hasil penelitian menunjukkan adanya perbedaan signifikan pada nilai post-test antara kedua kelompok ($p < 0,05$), dengan rata-rata kelompok eksperimen (82,5) jauh melampaui kelompok kontrol (64,2). Analisis N-Gain Score menunjukkan bahwa kelompok eksperimen mengalami peningkatan kognitif kategori "Tinggi" (0,71). Temuan ini membuktikan bahwa optimasi prompting mampu mengubah peran AI dari mesin penjawab otomatis menjadi mitra dialog kognitif yang merangsang logika berpikir. Penelitian ini memberikan implikasi bagi dosen muda untuk mengintegrasikan literasi prompting dalam kurikulum sebagai strategi mitigasi terhadap risiko adiksi teknologi tanpa mengorbankan efisiensi AI.