<![CDATA[Penelitian ini mengeksplorasi strategi perancangan antarmuka pengguna (user interface ) yang imajinasi bagi masyarakat awam dengan tingkat literasi digital terbatas melalui pemanfaatan kecerdasan buatan. Fokus utama penelitian ini adalah menganalisis bagaimana kualitas proses dalam prompt engineering mempengaruhi efektivitas Large Language Model (LLM) dalam menghasilkan solusi desain. Peneliti mengusulkan penggunaan framework CO-STAR sebagai struktur instruksi formal untuk meningkatkan kejelasan dan relevansi output AI. Melalui eksperimen komparatif terhadap enam model LLM, hasil desain dievaluasi oleh 129 responden menggunakan skala Likert dan analisis statistik Mean Rank . Temuan menunjukkan bahwa kerangka kerja CO-STAR secara signifikan membantu AI dalam menghubungkan elemen visual yang kompleks menjadi tata letak yang mudah dipahami oleh pengguna pemula. Studi ini menyimpulkan bahwa rekayasa prompt yang presisi mampu mengatasi limitasi sistem tokenisasi AI, sekaligus memberikan kontribusi praktis dalam menciptakan produk digital yang mendukung inklusivitas digital bagi seluruh lapisan masyarakat.]]>
Copyrights © 2026
