{"id":3003,"date":"2026-10-03T09:03:52","date_gmt":"2026-10-03T02:03:52","guid":{"rendered":"https:\/\/www.informasinusantara.co.id\/wp\/2026\/10\/03\/context-engineering-cara-menata-context-ai-2\/"},"modified":"2026-10-03T09:03:59","modified_gmt":"2026-10-03T02:03:59","slug":"context-engineering-cara-menata-context-ai-2","status":"publish","type":"post","link":"https:\/\/www.informasinusantara.co.id\/wp\/2026\/10\/03\/context-engineering-cara-menata-context-ai-2\/","title":{"rendered":"Context Engineering: Cara Menata Context Agar AI Lebih Tepat"},"content":{"rendered":"\n<div class=\"kin-article\"><style>.kin-article .kin-figure figcaption,.kin-article .kin-hero-caption{font-size:13px;line-height:1.65;color:#666;padding:9px 12px;margin:0}.kin-article details{margin:20px auto}.kin-article summary{cursor:pointer;color:#672ea7;font-weight:700}.kin-article .table-scroll{overflow-x:auto;max-width:100%;margin:18px 0}.kin-article .packet-table{border-collapse:collapse;min-width:700px;width:100%;font-size:13px;line-height:1.55}.kin-article .packet-table th,.kin-article .packet-table td{border:1px solid #e8e8e8;padding:10px;text-align:left;vertical-align:top}.kin-article .packet-table th{background:#f7f3fb}.kin-article .e13-diagram-mobile{display:none!important}.kin-article .e13-permission-diagram figcaption{font-size:13px;color:#666}.kin-article .tldr h2{margin-top:0!important;font-size:1rem}@media(max-width:640px){.kin-article .e13-diagram-desktop{display:none!important}.kin-article .e13-diagram-mobile{display:block!important}}<\/style><figure class=\"kin-figure kin-figure--hero\" data-candidate-id=\"E13-HERO-D\" data-kin-review-exclude=\"\"><img fetchpriority=\"high\" decoding=\"async\" src=\"https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d.jpg\" alt=\"Ilustrasi AI membantu pekerjaan setelah menerima instruksi dan konteks yang relevan.\" width=\"1376\" height=\"768\" loading=\"eager\"><figcaption>AI membutuhkan konteks yang tepat, bukan hanya instruksi.<\/figcaption><\/figure><blockquote class=\"tldr\"><h2 data-source-index=\"1\" data-source-kind=\"h2\"><span>TL;DR<\/span><\/h2><p data-source-index=\"2\" data-source-kind=\"p\"><span>Context engineering membantu menyiapkan instruksi, bahan, dan batas tugas yang relevan sebelum AI menjawab. Untuk pekerjaan berulang, pisahkan keputusan terbaru dari arsip dan masukkan hanya dokumen atau hasil tool yang dibutuhkan, lalu periksa jawaban terhadap bahan itu. Menghubungkan RAG atau tools tidak otomatis membuka semua akses atau menjamin kebenaran; kualitas sumber, izin, dan pemeriksaan hasil tetap menentukan apakah jawaban layak dipakai.<\/span><\/p><\/blockquote><p class=\"kin-hero-caption\">AI membutuhkan konteks yang tepat, bukan hanya instruksi.<\/p><h2 data-source-index=\"3\" data-source-kind=\"h2\"><span>Ketika AI Tahu Perintahnya, Tetapi Belum Tahu Pekerjaannya<\/span><\/h2><p data-source-index=\"4\" data-source-kind=\"p\"><span>Banyak orang mengenal AI melalui satu hal: menulis prompt. Pengguna memberikan pertanyaan, lalu AI memberikan jawaban. Namun pada pekerjaan yang lebih nyata, masalahnya sering bukan sekadar bagaimana menulis perintah, melainkan apakah AI memiliki informasi yang tepat untuk memahami tugas tersebut.<\/span><\/p><p data-source-index=\"5\" data-source-kind=\"p\"><span>Bayangkan sebuah kelompok siswa sedang menyiapkan presentasi. Awalnya guru memberikan tugas membuat laporan pengamatan lengkap dengan lampiran. Beberapa hari kemudian, guru mengirim pengumuman bahwa hasil akhir tugas berubah menjadi slide presentasi, bukan laporan panjang. Namun lampiran pengamatan tetap harus dikumpulkan.<\/span><\/p><p data-source-index=\"6\" data-source-kind=\"p\"><span>Dalam skenario rekaan ini, seorang anggota kelompok bertanya, \u201cJadi sekarang cukup membuat slide saja, atau lampirannya masih ikut?\u201d<\/span><\/p><p data-source-index=\"7\" data-source-kind=\"p\"><span>Jawabannya tidak bisa ditemukan dari satu informasi saja. Instruksi awal menjelaskan bentuk tugas pertama, sedangkan pengumuman baru menjelaskan perubahan aturan. Keduanya diperlukan agar kelompok tidak mengambil keputusan yang salah.<\/span><\/p><p data-source-index=\"8\" data-source-kind=\"p\"><span>AI menghadapi situasi yang mirip. Ketika pengguna meminta \u201cbuat rangkuman tugas ini\u201d, AI memang menerima instruksi. Namun hasilnya juga dipengaruhi oleh informasi lain yang tersedia, seperti tujuan pekerjaan, dokumen pendukung, riwayat yang masih relevan, hasil pencarian, atau data dari tools.<\/span><\/p><p data-source-index=\"9\" data-source-kind=\"p\"><span>Karena itu, pertanyaan yang lebih penting bukan hanya bagaimana membuat prompt yang panjang, tetapi informasi apa yang perlu tersedia agar AI dapat menyelesaikan pekerjaan tertentu.<\/span><\/p><h2 data-source-index=\"10\" data-source-kind=\"h2\"><span>Context Engineering Bukan Sekadar Prompt yang Lebih Panjang<\/span><\/h2><p data-source-index=\"11\" data-source-kind=\"p\"><span>Prompt engineering berfokus pada penyusunan instruksi kepada AI. Pengguna dapat menjelaskan tujuan, format keluaran, contoh jawaban, atau batasan tertentu.<\/span><\/p><p data-source-index=\"12\" data-source-kind=\"p\"><span>Context engineering melihat bagian yang lebih luas: bagaimana lingkungan informasi untuk sebuah tugas disiapkan sebelum AI bekerja.<\/span><\/p><p data-source-index=\"13\" data-source-kind=\"p\"><span>Dalam sebuah pekerjaan AI, konteks dapat berasal dari beberapa sumber. Instruksi menjelaskan apa yang harus dilakukan. Bahan pendukung memberikan informasi yang diperlukan. Riwayat yang relevan membantu mempertahankan keputusan atau kondisi terbaru. Tools dapat membantu mengambil informasi dari sistem lain.<\/span><\/p><p data-source-index=\"14\" data-source-kind=\"p\"><span>Namun menambahkan lebih banyak informasi tidak selalu membuat hasil lebih baik. Context engineering bukan memasukkan semua data yang tersedia ke dalam AI. Tujuannya adalah memilih informasi yang memang membantu pekerjaan tersebut.<\/span><\/p><p data-source-index=\"15\" data-source-kind=\"p\"><span>Sebuah proyek dengan puluhan keputusan lama, misalnya, tidak selalu membutuhkan seluruh arsip dimasukkan kembali. Jika hanya satu keputusan terbaru yang berlaku, AI perlu diberi konteks yang membantu membedakan informasi aktif dari informasi lama.<\/span><\/p><p data-source-index=\"16\" data-source-kind=\"p\"><span>Dengan pendekatan ini, pengguna tidak hanya bertanya \u201capa prompt yang bagus?\u201d, tetapi juga \u201capa bahan yang benar, batas yang diperlukan, dan cara memeriksa hasilnya?\u201d<\/span><\/p><h2 data-source-index=\"17\" data-source-kind=\"h2\"><span>Dari Dokumen Tugas ke Jawaban AI: Mengapa Bahan yang Tepat Penting<\/span><\/h2><figure class=\"kin-figure\" data-candidate-id=\"E13-INLINE-02-C\" data-kin-review-exclude=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-inline-02-c.jpg\" alt=\"Ilustrasi AI mengambil bahan relevan dari dokumen dan manusia memeriksa hasilnya.\" width=\"1376\" height=\"768\" loading=\"lazy\"><figcaption>RAG membantu menyediakan bahan tambahan, tetapi hasil tetap perlu diperiksa.<\/figcaption><\/figure><p data-source-index=\"18\" data-source-kind=\"p\"><span>Kembali ke contoh kelompok siswa tadi. Jika semua bahan tersedia, AI dapat membantu membandingkan instruksi awal dengan pengumuman revisi. Sistem dapat menemukan bahwa bentuk akhir berubah menjadi slide, tetapi lampiran masih diperlukan.<\/span><\/p><p data-source-index=\"19\" data-source-kind=\"p\"><span>Alurnya terlihat sederhana: bahan yang relevan ditemukan, AI membaca bahan tersebut, AI menyusun jawaban, lalu manusia memeriksa apakah jawaban tersebut sesuai.<\/span><\/p><p data-source-index=\"20\" data-source-kind=\"p\"><span>Salah satu pendekatan untuk menyediakan bahan tambahan bagi AI adalah Retrieval-Augmented Generation atau RAG. RAG membantu model memperoleh informasi dari sumber eksternal sebelum menghasilkan jawaban.<\/span><\/p><p data-source-index=\"21\" data-source-kind=\"p\"><span>Namun RAG bukan jaminan bahwa jawaban selalu benar. Dokumen yang ditemukan bisa merupakan versi lama, informasi penting bisa tidak ikut ditemukan, atau AI bisa salah menarik kesimpulan dari bahan yang benar.<\/span><\/p><p data-source-index=\"22\" data-source-kind=\"p\"><span>Karena itu kualitas hasil tetap bergantung pada beberapa hal: kualitas sumber, proses pencarian, informasi yang diberikan kepada model, dan pemeriksaan terhadap keluaran.<\/span><\/p><p data-source-index=\"23\" data-source-kind=\"p\"><span>Jika seseorang hanya memiliki satu dokumen yang sudah diketahui isinya, memberikan dokumen tersebut langsung ke model mungkin sudah cukup. RAG lebih berguna ketika informasi tersebar di banyak sumber dan pencarian bahan perlu dilakukan berulang.<\/span><\/p><p data-source-index=\"24\" data-source-kind=\"p\"><span>Untuk pembahasan lanjutan tentang pola pencarian dokumen dan batasnya, pembaca dapat melanjutkan ke artikel KIN <\/span><strong><span>\u201c<a href=\"https:\/\/www.informasinusantara.co.id\/wp\/id\/2026\/10\/02\/rag-explained-ai-baca-dokumen-perusahaan\/\" target=\"_blank\" rel=\"noopener noreferrer\">Apa Itu RAG? Cara AI Mencari Bahan yang Tepat Sebelum Menjawab<\/a>\u201d<\/span><\/strong><span>. Artikel tersebut membahas bagaimana AI dapat mencari bahan yang berkaitan sebelum menjawab, sekaligus menjelaskan bahwa hasil tetap perlu dicocokkan dengan sumber.<\/span><\/p><h2 data-source-index=\"25\" data-source-kind=\"h2\"><span>Ketika Tools Terhubung, Izin Tetap Harus Dipisahkan<\/span><\/h2><figure class=\"kin-figure\" data-candidate-id=\"E13-INLINE-03-B\" data-kin-review-exclude=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-inline-03-b.jpg\" alt=\"Ilustrasi AI terhubung ke layanan dengan pemeriksaan izin sebelum tindakan.\" width=\"1376\" height=\"768\" loading=\"lazy\"><figcaption>Koneksi AI tidak sama dengan izin penuh.<\/figcaption><\/figure><p data-source-index=\"26\" data-source-kind=\"p\"><span>Konteks AI tidak hanya berasal dari dokumen. Beberapa sistem juga dapat terhubung dengan aplikasi lain melalui tools, misalnya untuk mencari dokumen, melihat jadwal, atau membaca data dari layanan tertentu.<\/span><\/p><p data-source-index=\"27\" data-source-kind=\"p\"><span>Namun kemampuan terhubung tidak sama dengan izin melakukan tindakan.<\/span><\/p><p data-source-index=\"28\" data-source-kind=\"p\"><span>Bayangkan seorang panitia sekolah memiliki akses untuk melihat jadwal penggunaan aula. Akses tersebut tidak berarti ia boleh menghapus jadwal kelompok lain atau membatalkan acara tanpa izin.<\/span><\/p><p data-source-index=\"29\" data-source-kind=\"p\"><span>Hal yang sama berlaku pada AI. Kemampuan membaca sebuah sumber berbeda dengan izin mengubah sumber tersebut. Tool yang tersedia bukan berarti semua tindakan otomatis diperbolehkan.<\/span><\/p><p data-source-index=\"30\" data-source-kind=\"p\"><span>Dokumen atau hasil dari tools juga tidak otomatis menjadi instruksi yang harus diikuti AI. Keduanya tetap merupakan bahan yang perlu dipahami dalam konteks tugas.<\/span><\/p><p data-source-index=\"31\" data-source-kind=\"p\"><span>Prompt injection menjadi salah satu risiko ketika masukan atau dokumen tertentu mencoba memengaruhi perilaku sistem. Karena itu aplikasi AI perlu memisahkan data, instruksi, izin akses, dan tindakan yang diperbolehkan.<\/span><\/p><p data-source-index=\"32\" data-source-kind=\"p\"><span>Model Context Protocol atau MCP adalah salah satu pendekatan untuk membuat komunikasi antara aplikasi AI dan layanan eksternal lebih terstruktur. MCP membantu aplikasi meminta layanan dengan pola komunikasi yang lebih konsisten, tetapi bukan berarti membuka semua akses secara otomatis.<\/span><\/p><p data-source-index=\"33\" data-source-kind=\"p\"><span>Untuk memahami bagaimana konsep ini diterapkan pada integrasi AI dan tools, pembaca dapat melanjutkan ke artikel KIN <\/span><strong><span>\u201c<a href=\"https:\/\/www.informasinusantara.co.id\/wp\/id\/2026\/10\/02\/apa-itu-mcp-model-context-protocol\/\" target=\"_blank\" rel=\"noopener noreferrer\">Apa Itu MCP? Biar AI Nggak Cuma Nunggu Dikirimi File<\/a>\u201d<\/span><\/strong><span>. Artikel tersebut membahas bagaimana MCP membantu menghubungkan AI dengan layanan lain, sekaligus mempertahankan batas bahwa koneksi tidak sama dengan izin penuh.<\/span><\/p><p data-source-index=\"34\" data-source-kind=\"p\"><span>Pertanyaan yang perlu dijawab sebelum memakai tools bukan hanya \u201capakah AI bisa terhubung?\u201d, tetapi juga sumber apa yang boleh dibaca, tindakan apa yang diizinkan, dan kapan manusia perlu memeriksa sebelum tindakan dilakukan.<\/span><\/p><figure class=\"kin-diagram e13-permission-diagram\" data-kin-review-exclude=\"\"><svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 716 1250\" role=\"img\" class=\"e13-diagram-desktop\"><title>DIAGRAM_FINAL_V2 \u2014 E13-V5.1-FINISHER<\/title><desc>All direct material and external source\/tool inputs pass N07 Permission Check. Denied stops. Allowed accesses approved material before AI processing. Human evaluation requiring revision returns to N03 planning.<\/desc><defs><marker id=\"arrow-desktop\" viewBox=\"0 0 10 10\" refX=\"9\" refY=\"5\" markerWidth=\"7\" markerHeight=\"7\" orient=\"auto-start-reverse\"><path d=\"M 0 0 L 10 5 L 0 10 z\" fill=\"#672ea7\"><\/path><\/marker><\/defs><polyline points=\"358.0,86 358.0,122\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"358.0,188 358.0,224\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"358.0,290 358.0,326\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"358.0,392 358.0,426 170.0,426 170.0,444\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"358.0,392 358.0,426 546.0,426 546.0,444\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"170.0,520 170.0,540 358.0,540 358.0,562\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"546.0,520 546.0,540 358.0,540 358.0,562\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"358.0,628 358.0,654 105.0,654 105.0,690\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><text x=\"231.5\" y=\"646\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"18\" text-anchor=\"middle\">Denied<\/text><polyline points=\"358.0,628 358.0,654 480.0,654 480.0,684\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><text x=\"540.0\" y=\"646\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"18\" text-anchor=\"middle\">Allowed<\/text><polyline points=\"480.0,760 480.0,792\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"480.0,858 480.0,900\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"480.0,966 480.0,1008\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><polyline points=\"480.0,1084 480.0,1116 105.0,1116 105.0,1144\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><text x=\"292.5\" y=\"1108\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"18\" text-anchor=\"middle\">Pass<\/text><polyline points=\"480.0,1084 480.0,1116 480.0,1116 480.0,1144\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><text x=\"568.0\" y=\"1108\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"18\" text-anchor=\"middle\">Needs Revision<\/text><polyline points=\"674,1182.0 704,1182.0 704,257.0 590,257.0\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-desktop)\"><\/polyline><rect x=\"126\" y=\"20\" width=\"464\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"358.0\" y=\"48.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N01<\/text><text x=\"358.0\" y=\"71.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">User Task<\/text><rect x=\"126\" y=\"122\" width=\"464\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"358.0\" y=\"150.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N02<\/text><text x=\"358.0\" y=\"173.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Define Goal and Required Outcome<\/text><rect x=\"126\" y=\"224\" width=\"464\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"358.0\" y=\"252.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N03<\/text><text x=\"358.0\" y=\"275.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Prepare Context Requirements<\/text><rect x=\"126\" y=\"326\" width=\"464\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"358.0\" y=\"354.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N04<\/text><text x=\"358.0\" y=\"377.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Identify Required Inputs<\/text><rect x=\"126\" y=\"562\" width=\"464\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"358.0\" y=\"590.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N07<\/text><text x=\"358.0\" y=\"613.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Permission Check<\/text><rect x=\"30\" y=\"444\" width=\"280\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"170.0\" y=\"477.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N05<\/text><text x=\"170.0\" y=\"500.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Direct Material Input<\/text><rect x=\"406\" y=\"444\" width=\"280\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"546.0\" y=\"466.14\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N06<\/text><text x=\"546.0\" y=\"489.14\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">External Source \/ Tool<\/text><text x=\"546.0\" y=\"512.14\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Input<\/text><rect x=\"286\" y=\"684\" width=\"388\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"480.0\" y=\"717.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N08<\/text><text x=\"480.0\" y=\"740.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Access Approved Material<\/text><rect x=\"286\" y=\"792\" width=\"388\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"480.0\" y=\"820.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N09<\/text><text x=\"480.0\" y=\"843.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Build Context<\/text><rect x=\"286\" y=\"900\" width=\"388\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"480.0\" y=\"928.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N10<\/text><text x=\"480.0\" y=\"951.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">AI Processing<\/text><rect x=\"286\" y=\"1008\" width=\"388\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"480.0\" y=\"1041.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N11<\/text><text x=\"480.0\" y=\"1064.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Human Evaluation<\/text><rect x=\"286\" y=\"1144\" width=\"388\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"480.0\" y=\"1177.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">N12<\/text><text x=\"480.0\" y=\"1200.64\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">Return To Planning<\/text><rect x=\"30\" y=\"690\" width=\"150\" height=\"64\" rx=\"9\" fill=\"#fff0f3\" stroke=\"#b93650\" stroke-width=\"1.5\"><\/rect><text x=\"105.0\" y=\"729.14\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">STOP<\/text><rect x=\"30\" y=\"1144\" width=\"150\" height=\"64\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"105.0\" y=\"1183.14\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"21\" text-anchor=\"middle\">END<\/text><\/svg><svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 380 1250\" role=\"img\" class=\"e13-diagram-mobile\"><title>DIAGRAM_FINAL_V2 \u2014 E13-V5.1-FINISHER<\/title><desc>All direct material and external source\/tool inputs pass N07 Permission Check. Denied stops. Allowed accesses approved material before AI processing. Human evaluation requiring revision returns to N03 planning.<\/desc><defs><marker id=\"arrow-mobile\" viewBox=\"0 0 10 10\" refX=\"9\" refY=\"5\" markerWidth=\"7\" markerHeight=\"7\" orient=\"auto-start-reverse\"><path d=\"M 0 0 L 10 5 L 0 10 z\" fill=\"#672ea7\"><\/path><\/marker><\/defs><polyline points=\"190.0,86 190.0,122\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"190.0,188 190.0,224\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"190.0,290 190.0,326\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"190.0,392 190.0,426 86.0,426 86.0,444\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"190.0,392 190.0,426 294.0,426 294.0,444\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"86.0,520 86.0,540 190.0,540 190.0,562\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"294.0,520 294.0,540 190.0,540 190.0,562\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"190.0,628 190.0,654 48.0,654 48.0,690\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><text x=\"119.0\" y=\"646\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"15\" text-anchor=\"middle\">Denied<\/text><polyline points=\"190.0,628 190.0,654 221.0,654 221.0,684\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><text x=\"265.0\" y=\"646\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"15\" text-anchor=\"middle\">Allowed<\/text><polyline points=\"221.0,760 221.0,792\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"221.0,858 221.0,900\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"221.0,966 221.0,1008\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><polyline points=\"221.0,1084 221.0,1116 48.0,1116 48.0,1144\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><text x=\"134.5\" y=\"1108\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"15\" text-anchor=\"middle\">Pass<\/text><polyline points=\"221.0,1084 221.0,1116 221.0,1116 221.0,1144\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><text x=\"285.0\" y=\"1108\" fill=\"#672ea7\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"15\" text-anchor=\"middle\">Needs Revision<\/text><polyline points=\"338,1182.0 368,1182.0 368,257.0 338,257.0\" fill=\"none\" stroke=\"#672ea7\" stroke-width=\"2\" marker-end=\"url(#arrow-mobile)\"><\/polyline><rect x=\"42\" y=\"20\" width=\"296\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"190.0\" y=\"48.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N01<\/text><text x=\"190.0\" y=\"67.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">User Task<\/text><rect x=\"42\" y=\"122\" width=\"296\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"190.0\" y=\"150.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N02<\/text><text x=\"190.0\" y=\"169.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Define Goal and Required Outcome<\/text><rect x=\"42\" y=\"224\" width=\"296\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"190.0\" y=\"252.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N03<\/text><text x=\"190.0\" y=\"271.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Prepare Context Requirements<\/text><rect x=\"42\" y=\"326\" width=\"296\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"190.0\" y=\"354.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N04<\/text><text x=\"190.0\" y=\"373.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Identify Required Inputs<\/text><rect x=\"42\" y=\"562\" width=\"296\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"190.0\" y=\"590.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N07<\/text><text x=\"190.0\" y=\"609.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Permission Check<\/text><rect x=\"4\" y=\"444\" width=\"164\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"86.0\" y=\"468.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N05<\/text><text x=\"86.0\" y=\"487.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Direct Material<\/text><text x=\"86.0\" y=\"506.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Input<\/text><rect x=\"212\" y=\"444\" width=\"164\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"294.0\" y=\"468.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N06<\/text><text x=\"294.0\" y=\"487.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">External Source \/<\/text><text x=\"294.0\" y=\"506.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Tool Input<\/text><rect x=\"104\" y=\"684\" width=\"234\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"221.0\" y=\"717.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N08<\/text><text x=\"221.0\" y=\"736.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Access Approved Material<\/text><rect x=\"104\" y=\"792\" width=\"234\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"221.0\" y=\"820.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N09<\/text><text x=\"221.0\" y=\"839.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Build Context<\/text><rect x=\"104\" y=\"900\" width=\"234\" height=\"66\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"221.0\" y=\"928.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N10<\/text><text x=\"221.0\" y=\"947.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">AI Processing<\/text><rect x=\"104\" y=\"1008\" width=\"234\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"221.0\" y=\"1041.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N11<\/text><text x=\"221.0\" y=\"1060.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Human Evaluation<\/text><rect x=\"104\" y=\"1144\" width=\"234\" height=\"76\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"221.0\" y=\"1177.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">N12<\/text><text x=\"221.0\" y=\"1196.94\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">Return To Planning<\/text><rect x=\"4\" y=\"690\" width=\"88\" height=\"64\" rx=\"9\" fill=\"#fff0f3\" stroke=\"#b93650\" stroke-width=\"1.5\"><\/rect><text x=\"48.0\" y=\"727.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">STOP<\/text><rect x=\"4\" y=\"1144\" width=\"88\" height=\"64\" rx=\"9\" fill=\"#f7f3fb\" stroke=\"#d9c9e8\" stroke-width=\"1.5\"><\/rect><text x=\"48.0\" y=\"1181.44\" fill=\"#231d2a\" font-family=\"Arial,Helvetica,sans-serif\" font-size=\"16\" text-anchor=\"middle\">END<\/text><\/svg><figcaption>Diagram Deterministik Final \u00b7 DIAGRAM_FINAL_V2<\/figcaption><\/figure><h2 data-source-index=\"35\" data-source-kind=\"h2\"><span>Context yang Banyak Tidak Selalu Lebih Baik<\/span><\/h2><figure class=\"kin-figure\" data-candidate-id=\"E13-INLINE-04-A\" data-kin-review-exclude=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-inline-04-a.jpg\" alt=\"Ilustrasi perbandingan konteks terlalu sedikit, terlalu banyak, dan konteks yang terstruktur.\" width=\"1376\" height=\"768\" loading=\"lazy\"><figcaption>Informasi perlu dipilih dan disusun agar tetap berguna.<\/figcaption><\/figure><p data-source-index=\"36\" data-source-kind=\"p\"><span>Ada anggapan bahwa semakin banyak informasi diberikan kepada AI, semakin baik jawabannya.<\/span><\/p><p data-source-index=\"37\" data-source-kind=\"p\"><span>Masalahnya, jumlah informasi bukan satu-satunya faktor. Konteks yang terlalu sedikit dapat membuat AI kehilangan detail penting, tetapi konteks yang terlalu banyak juga dapat membuat informasi penting sulit ditemukan.<\/span><\/p><p data-source-index=\"38\" data-source-kind=\"p\"><span>Penelitian \u201cLost in the Middle: How Language Models Use Long Contexts\u201d membahas bagaimana beberapa model menggunakan informasi dalam konteks panjang. Penelitian tersebut menunjukkan bahwa performa beberapa model dapat berubah ketika informasi relevan berada pada posisi tertentu dalam konteks.<\/span><\/p><p data-source-index=\"39\" data-source-kind=\"p\"><span>Namun hasil tersebut memiliki batas. Temuan tersebut bergantung pada model yang diuji, tugas yang digunakan, dan konfigurasi eksperimen. Hal itu tidak berarti semua model modern selalu gagal memahami informasi dalam konteks panjang.<\/span><\/p><p data-source-index=\"40\" data-source-kind=\"p\"><span>Pelajaran praktisnya adalah membuat konteks lebih terstruktur. Informasi penting perlu ditempatkan dengan jelas, bahan tanpa tujuan perlu dikurangi, dan hubungan antarbagian informasi perlu dibuat lebih mudah dipahami.<\/span><\/p><h2 data-source-index=\"41\" data-source-kind=\"h2\"><span>Contoh Coding: Context Membantu Menjelaskan Kebutuhan, Bukan Menjamin Jawaban<\/span><\/h2><p data-source-index=\"42\" data-source-kind=\"p\"><span>Permintaan seperti \u201cbuat jadwal belajar coding\u201d masih menyisakan banyak pertanyaan.<\/span><\/p><p data-source-index=\"43\" data-source-kind=\"p\"><span>AI belum mengetahui apakah pengguna ingin belajar Python, membuat aplikasi, memahami algoritma, atau menyiapkan proyek tertentu.<\/span><\/p><p data-source-index=\"44\" data-source-kind=\"p\"><span>Jika pengguna memberikan konteks tambahan seperti \u201csaya baru belajar Python, punya waktu 30 menit setiap hari, sudah memahami matematika dasar, dan ingin membuat game kecil dalam beberapa bulan\u201d, AI memiliki gambaran yang lebih jelas mengenai tujuan dan batas pekerjaan.<\/span><\/p><p data-source-index=\"45\" data-source-kind=\"p\"><span>Secara hipotetis, AI dapat membantu menyusun rencana yang dimulai dari konsep dasar, latihan kecil, lalu proyek sederhana.<\/span><\/p><p data-source-index=\"46\" data-source-kind=\"p\"><span>Namun contoh tersebut hanya menggambarkan bagaimana konteks dapat mengubah jenis jawaban yang dihasilkan. Itu bukan hasil benchmark, eksperimen, atau pengujian kemampuan model tertentu.<\/span><\/p><p data-source-index=\"47\" data-source-kind=\"p\"><span>Sebelum mengikuti rencana tersebut, pengguna tetap perlu memeriksa apakah targetnya realistis, apakah materi sesuai kemampuan awal, dan apakah ada bagian yang perlu diperbaiki.<\/span><\/p><h2 data-source-index=\"48\" data-source-kind=\"h2\"><span>Mulai dari Satu Pekerjaan yang Nyata<\/span><\/h2><p data-source-index=\"49\" data-source-kind=\"p\"><span>Context engineering paling mudah dipahami ketika diterapkan pada satu pekerjaan tertentu.<\/span><\/p><p data-source-index=\"50\" data-source-kind=\"p\"><span>Misalnya seseorang sering meminta AI membantu membuat ringkasan dokumen. Sebelum memberikan tugas, ia dapat menentukan tujuan ringkasan, dokumen yang relevan, format keluaran, dan cara memeriksa hasil.<\/span><\/p><p data-source-index=\"51\" data-source-kind=\"p\"><span>Sebuah tim yang ingin memakai AI untuk membantu mencari aturan internal juga tidak harus langsung menghubungkan semua sistem.<\/span><\/p><p data-source-index=\"52\" data-source-kind=\"p\"><span>Mulailah dari satu kebutuhan kecil:<\/span><\/p><ul><li data-source-index=\"53\" data-source-kind=\"li\"><p><span>satu jenis pertanyaan;<\/span><\/p><\/li><li data-source-index=\"54\" data-source-kind=\"li\"><p><span>sumber yang jelas;<\/span><\/p><\/li><li data-source-index=\"55\" data-source-kind=\"li\"><p><span>akses yang terbatas;<\/span><\/p><\/li><li data-source-index=\"56\" data-source-kind=\"li\"><p><span>hasil yang mudah diperiksa.<\/span><\/p><\/li><\/ul><p data-source-index=\"57\" data-source-kind=\"p\"><span>Dari percobaan kecil tersebut, pengguna dapat melihat apakah masalah sebenarnya berada pada bahan yang kurang, pencarian yang salah, instruksi yang tidak jelas, atau pemeriksaan hasil yang belum cukup.<\/span><\/p><h2 data-source-index=\"58\" data-source-kind=\"h2\"><span>Kesimpulan<\/span><\/h2><p data-source-index=\"59\" data-source-kind=\"p\"><span>Context engineering adalah cara menata informasi yang dibutuhkan AI untuk satu pekerjaan.<\/span><\/p><p data-source-index=\"60\" data-source-kind=\"p\"><span>Konsep ini mencakup instruksi, bahan pendukung, riwayat relevan, tools, dan batasan penggunaan. Tujuannya bukan membuat prompt sepanjang mungkin, tetapi membuat konteks yang lebih tepat.<\/span><\/p><p data-source-index=\"61\" data-source-kind=\"p\"><span>RAG dapat membantu menyediakan informasi tambahan, tetapi tidak menggantikan pemeriksaan. Tools dapat memperluas kemampuan AI, tetapi tidak menghapus kebutuhan akan izin. Konteks panjang dapat membantu, tetapi tetap perlu dikelola dengan baik.<\/span><\/p><p data-source-index=\"62\" data-source-kind=\"p\"><span>Mulailah dari satu tugas yang sering dilakukan. Tentukan informasi apa yang benar-benar diperlukan, berikan batas yang jelas, lalu periksa apakah hasil AI memang membantu pekerjaan tersebut.<\/span><\/p><details id=\"sources\"><summary data-source-index=\"63\" data-source-kind=\"h2\">Sumber dan Referensi<\/summary><div class=\"sources-content\"><h3 data-source-index=\"64\" data-source-kind=\"h3\"><span>Context Engineering<\/span><\/h3><p data-source-index=\"65\" data-source-kind=\"p\"><span>Mei et al. \u2014 <\/span><em><span>A Survey of Context Engineering for Large Language Models<\/span><\/em><br><a href=\"https:\/\/arxiv.org\/abs\/2507.13334\" target=\"_blank\" rel=\"noopener noreferrer\"><span>https:\/\/arxiv.org\/abs\/2507.13334<\/span><\/a><\/p><p data-source-index=\"66\" data-source-kind=\"p\"><span>Catatan penggunaan: referensi konsep context engineering berdasarkan metadata dan abstrak. Tidak digunakan sebagai klaim pembacaan penuh paper atau taxonomy lengkap.<\/span><\/p><p data-source-index=\"67\" data-source-kind=\"p\"><span>Vishnyakova \u2014 <\/span><em><span>Context Engineering: From Prompts to Corporate Multi-Agent Architecture<\/span><\/em><br><a href=\"https:\/\/arxiv.org\/abs\/2603.09619\" target=\"_blank\" rel=\"noopener noreferrer\"><span>https:\/\/arxiv.org\/abs\/2603.09619<\/span><\/a><\/p><p data-source-index=\"68\" data-source-kind=\"p\"><span>Catatan penggunaan: referensi konseptual berdasarkan metadata dan abstrak. Tidak digunakan sebagai standar resmi.<\/span><\/p><h3 data-source-index=\"69\" data-source-kind=\"h3\"><span>RAG<\/span><\/h3><p data-source-index=\"70\" data-source-kind=\"p\"><span>Amazon Web Services \u2014 <\/span><em><span>What is Retrieval-Augmented Generation (RAG)?<\/span><\/em><br><a href=\"https:\/\/docs.aws.amazon.com\/prescriptive-guidance\/latest\/retrieval-augmented-generation-options\/what-is-rag.html\" target=\"_blank\" rel=\"noopener noreferrer\"><span>https:\/\/docs.aws.amazon.com\/prescriptive-guidance\/latest\/retrieval-augmented-generation-options\/what-is-rag.html<\/span><\/a><\/p><h3 data-source-index=\"71\" data-source-kind=\"h3\"><span>MCP<\/span><\/h3><p data-source-index=\"72\" data-source-kind=\"p\"><span>Model Context Protocol \u2014 Introduction<\/span><br><a href=\"https:\/\/modelcontextprotocol.io\/introduction\" target=\"_blank\" rel=\"noopener noreferrer\"><span>https:\/\/modelcontextprotocol.io\/introduction<\/span><\/a><\/p><h3 data-source-index=\"73\" data-source-kind=\"h3\"><span>Long Context<\/span><\/h3><p data-source-index=\"74\" data-source-kind=\"p\"><span>Liu et al. \u2014 <\/span><em><span>Lost in the Middle: How Language Models Use Long Contexts<\/span><\/em><br><a href=\"https:\/\/aclanthology.org\/2024.tacl-1.9\/\" target=\"_blank\" rel=\"noopener noreferrer\"><span>https:\/\/aclanthology.org\/2024.tacl-1.9\/<\/span><\/a><\/p><h3 data-source-index=\"75\" data-source-kind=\"h3\"><span>Security<\/span><\/h3><p data-source-index=\"76\" data-source-kind=\"p\"><span>OWASP Foundation \u2014 OWASP Top 10 for Large Language Model Applications<\/span><br><a href=\"https:\/\/owasp.org\/www-project-top-10-for-large-language-model-applications\/\" target=\"_blank\" rel=\"noopener noreferrer\"><span>https:\/\/owasp.org\/www-project-top-10-for-large-language-model-applications\/<\/span><\/a><\/p><\/div><\/details><details id=\"claim-map\" data-kin-review-exclude=\"\"><summary>Source \/ Claim Map Final \u2014 Paket Finisher<\/summary><div class=\"table-scroll\" tabindex=\"0\" aria-label=\"Source \/ Claim Map Final \u2014 geser tabel untuk semua kolom\"><table class=\"packet-table\"><thead><tr><th><span>ID<\/span><\/th><th><span>Klaim<\/span><\/th><th><span>Source<\/span><\/th><th><span>URL<\/span><\/th><th><span>Batas<\/span><\/th><\/tr><\/thead><tbody><tr><td><span>S001<\/span><\/td><td><span>Context engineering membahas pengelolaan konteks untuk LLM, bukan hanya prompt<\/span><\/td><td><span>Mei et al. \u2014 <\/span><em><span>A Survey of Context Engineering for Large Language Models<\/span><\/em><\/td><td><a href=\"https:\/\/arxiv.org\/abs\/2507.13334\"><span>https:\/\/arxiv.org\/abs\/2507.13334<\/span><span><\/span><\/a><\/td><td><span>Metadata dan abstrak saja. Tidak mengklaim membaca full paper atau taxonomy lengkap.<\/span><\/td><\/tr><tr><td><span>S002<\/span><\/td><td><span>Context engineering sebagai pendekatan konseptual pengelolaan lingkungan informasi AI<\/span><\/td><td><span>Vishnyakova \u2014 <\/span><em><span>Context Engineering: From Prompts to Corporate Multi-Agent Architecture<\/span><\/em><\/td><td><a href=\"https:\/\/arxiv.org\/abs\/2603.09619\"><span>https:\/\/arxiv.org\/abs\/2603.09619<\/span><span><\/span><\/a><\/td><td><span>Metadata dan abstrak saja. Tidak digunakan sebagai standar resmi.<\/span><\/td><\/tr><tr><td><span>S003<\/span><\/td><td><span>RAG mengambil informasi eksternal sebelum generation<\/span><\/td><td><span>AWS Prescriptive Guidance \u2014 What is RAG?<\/span><\/td><td><a href=\"https:\/\/docs.aws.amazon.com\/prescriptive-guidance\/latest\/retrieval-augmented-generation-options\/what-is-rag.html\"><span>https:\/\/docs.aws.amazon.com\/prescriptive-guidance\/latest\/retrieval-augmented-generation-options\/what-is-rag.html<\/span><span><\/span><\/a><\/td><td><span>Mendukung konsep retrieval\/context tambahan, bukan jaminan kebenaran.<\/span><\/td><\/tr><tr><td><span>S004<\/span><\/td><td><span>Long context memiliki batas bergantung model dan konfigurasi<\/span><\/td><td><span>Liu et al. \u2014 <\/span><em><span>Lost in the Middle: How Language Models Use Long Contexts<\/span><\/em><\/td><td><a href=\"https:\/\/aclanthology.org\/2024.tacl-1.9\/\"><span>https:\/\/aclanthology.org\/2024.tacl-1.9\/<\/span><span><\/span><\/a><\/td><td><span>Tidak mendukung klaim semua model gagal.<\/span><\/td><\/tr><tr><td><span>S005<\/span><\/td><td><span>Prompt injection adalah risiko aplikasi LLM<\/span><\/td><td><span>OWASP LLM01 Prompt Injection<\/span><\/td><td><a href=\"https:\/\/owasp.org\/www-project-top-10-for-large-language-model-applications\/\"><span>https:\/\/owasp.org\/www-project-top-10-for-large-language-model-applications\/<\/span><span><\/span><\/a><\/td><td><span>Tidak berarti AI memperoleh akses baru.<\/span><\/td><\/tr><tr><td><span>S006<\/span><\/td><td><span>MCP adalah pendekatan komunikasi AI dengan tools\/sistem eksternal<\/span><\/td><td><span>Model Context Protocol Introduction<\/span><\/td><td><a href=\"https:\/\/modelcontextprotocol.io\/introduction\"><span>https:\/\/modelcontextprotocol.io\/introduction<\/span><span><\/span><\/a><\/td><td><span>Tidak berarti semua akses terbuka otomatis. MCP dijelaskan sebagai standar koneksi AI ke sistem eksternal. <\/span><span><span><span><a href=\"https:\/\/modelcontextprotocol.io\/docs\/2026-07-28\/getting-started\/intro?utm_source=chatgpt.com\"><span><span><span><\/span><span>Model Context Protocol<\/span><\/span><\/span><\/a><\/span><\/span><\/span><\/td><\/tr><\/tbody><\/table><\/div><\/details><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Pelajari context engineering: cara menyiapkan instruksi, bahan, riwayat, dan tools agar AI menerima konteks yang relevan untuk satu pekerjaan serta tetap diperiksa hasilnya.<\/p>\n","protected":false},"author":4,"featured_media":2998,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"pagelayer_contact_templates":[],"_pagelayer_content":"","_siteseo_titles":"Context Engineering: Cara Menata Context Agar AI Lebih Tepat | KIN","_siteseo_descriptions":"Pelajari context engineering: cara menyiapkan instruksi, bahan, riwayat, dan tools agar AI menerima konteks yang relevan untuk satu pekerjaan serta tetap diperiksa hasilnya.","_siteseo_keywords":"context engineering","_siteseo_robots_index":"","_kin_translation_pair":3002,"footnotes":""},"categories":[33],"tags":[],"class_list":["post-3003","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"rttpg_featured_image_url":{"full":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d.jpg",1376,768,false],"landscape":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d.jpg",1376,768,false],"portraits":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d.jpg",1376,768,false],"thumbnail":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d-150x150.jpg",150,150,true],"medium":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d-300x167.jpg",300,167,true],"large":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d-1024x572.jpg",800,447,true],"1536x1536":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d.jpg",1376,768,false],"2048x2048":["https:\/\/www.informasinusantara.co.id\/wp\/wp-content\/uploads\/2026\/10\/e13-hero-d.jpg",1376,768,false]},"rttpg_author":{"display_name":"KIN Marketing","author_link":"https:\/\/www.informasinusantara.co.id\/wp\/author\/vincent-laptop-kantor\/"},"rttpg_comment":0,"rttpg_category":"<a href=\"https:\/\/www.informasinusantara.co.id\/wp\/category\/news\/\" rel=\"category tag\">News<\/a>","rttpg_excerpt":"Pelajari context engineering: cara menyiapkan instruksi, bahan, riwayat, dan tools agar AI menerima konteks yang relevan untuk satu pekerjaan serta tetap diperiksa hasilnya.","_links":{"self":[{"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/posts\/3003","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/comments?post=3003"}],"version-history":[{"count":1,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/posts\/3003\/revisions"}],"predecessor-version":[{"id":3005,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/posts\/3003\/revisions\/3005"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/media\/2998"}],"wp:attachment":[{"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/media?parent=3003"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/categories?post=3003"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.informasinusantara.co.id\/wp\/wp-json\/wp\/v2\/tags?post=3003"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}