Trik Prompting AI untuk Penyusunan Modul Ajar IPA: Dari Prompt Sederhana Menjadi Perangkat Pembelajaran Berkualitas
Generative Artificial Intelligence (GenAI) seperti ChatGPT dapat membantu guru menyusun modul ajar dengan jauh lebih efisien. Namun, kualitas modul yang dihasilkan AI sangat bergantung pada kualitas instruksi atau prompt yang diberikan guru. Kajian tentang prompt engineering bahkan menunjukkan bahwa desain prompt merupakan bagian penting dalam menghasilkan respons AI yang relevan dan berkualitas untuk kepentingan pendidikan.
Persoalannya, masih banyak guru menggunakan prompt yang terlalu sederhana, misalnya:
“Buatkan modul ajar IPA kelas 7 tentang kalor.”
AI memang akan menghasilkan modul ajar, tetapi kemungkinan besar hasilnya generik. Tujuan pembelajarannya belum tentu sesuai, aktivitas siswa dapat terlalu sederhana, asesmennya belum tentu mengukur kompetensi yang diharapkan, dan konteks pembelajarannya mungkin tidak sesuai dengan karakteristik peserta didik.
Karena itu, prompting untuk pendidikan sebaiknya dipandang sebagai proses instructional design, bukan sekadar memberikan perintah kepada AI.
1. Jangan Mulai dengan “Buatkan Modul Ajar”
Kesalahan pertama adalah langsung meminta AI menghasilkan produk akhir.
Bayangkan Anda meminta seorang guru baru:
“Tolong buatkan modul ajar IPA.”
Guru tersebut tentu membutuhkan informasi tambahan: kelas berapa? Materinya apa? kemampuan awal siswanya bagaimana? berapa alokasi waktunya? model pembelajarannya apa? bagaimana asesmennya?
AI juga demikian.
Prompt yang lebih baik dapat dimulai dengan:
“Anda adalah ahli pendidikan IPA SMP dan instructional designer. Saya akan menyusun modul ajar IPA kelas VII. Sebelum menyusun modul, analisis terlebih dahulu karakteristik materi, kompetensi yang harus dikembangkan siswa, kemungkinan miskonsepsi, aktivitas eksperimen yang relevan, dan bentuk asesmen yang sesuai.”
Teknik ini membuat AI melakukan analisis sebelum menghasilkan produk.
Hal tersebut penting karena GenAI memang dapat membantu menghasilkan materi, personalisasi pembelajaran, dan mengurangi sebagian beban kerja guru, tetapi hasil AI tetap membutuhkan pendekatan pedagogis dan pengawasan manusia.
2. Gunakan Formula Prompt: ROLE–CONTEXT–TASK–CONSTRAINT–OUTPUT
Salah satu cara praktis menyusun prompt pendidikan adalah menggunakan lima komponen berikut.
R — Role
Tentukan peran AI.
Contoh:
“Bertindaklah sebagai ahli kurikulum, guru IPA SMP, dan instructional designer.”
C — Context
Berikan konteks pembelajaran.
Contoh:
“Modul digunakan untuk siswa kelas VII SMP dengan kemampuan heterogen pada materi Suhu, Kalor, dan Pemuaian.”
T — Task
Jelaskan pekerjaan AI secara spesifik.
“Susun kegiatan pembelajaran berbasis guided inquiry yang memungkinkan siswa merumuskan masalah, membuat hipotesis, melakukan eksperimen, menginterpretasikan data, dan menarik kesimpulan.”
C — Constraint
Berikan batasan.
Misalnya:
“Kegiatan dilaksanakan 3 JP, menggunakan alat yang tersedia di laboratorium SMP, tidak menggunakan bahan berbahaya, dan harus dapat dilaksanakan dalam kelompok beranggotakan 4–5 siswa.”
O — Output
Tentukan struktur keluaran.
“Sajikan dalam tabel yang terdiri atas tahap pembelajaran, aktivitas guru, aktivitas siswa, keterampilan proses sains, asesmen formatif, dan alokasi waktu.”
Prompt seperti ini jauh lebih terarah dibandingkan:
“Buatkan kegiatan pembelajaran IPA.”
3. Berikan AI “Identitas Pedagogis”
Salah satu trik penting adalah jangan hanya memberi AI topik, tetapi berikan juga kerangka pedagogis yang akan digunakan.
Misalnya Anda menginginkan pembelajaran berbasis inquiry.
Prompt dapat ditulis:
“Rancang pembelajaran IPA menggunakan guided inquiry. Setiap aktivitas harus memungkinkan peserta didik melakukan observasi fenomena, merumuskan pertanyaan investigatif, menyusun hipotesis, menentukan variabel, mengumpulkan data, menganalisis bukti, dan menyusun kesimpulan berbasis bukti.”
Sekarang bandingkan dengan:
“Buat pembelajaran inquiry tentang kalor.”
Prompt pertama memberikan struktur epistemik pembelajaran sains, sedangkan prompt kedua hanya memberikan label model pembelajaran.
Ini penting karena AI tidak otomatis memahami maksud pedagogis guru hanya karena sebuah istilah dicantumkan.
4. Jangan Meminta Modul Sekaligus: Gunakan Prompt Chaining
Untuk modul ajar yang kompleks, jangan memasukkan semuanya dalam satu prompt raksasa.
Gunakan prompt chaining, yaitu memecah pekerjaan menjadi beberapa tahap.
Alurnya dapat dibuat seperti berikut:
CP → Analisis Materi → TP → Asesmen → Aktivitas → LKPD → Diferensiasi → Refleksi → Validasi
Misalnya tahap pertama:
“Analisis CP berikut dan identifikasi konsep inti, kompetensi, keterampilan proses sains, dan kedalaman kognitif yang diperlukan.”
Setelah hasilnya sesuai, lanjutkan:
“Berdasarkan analisis tersebut, rumuskan tujuan pembelajaran yang terukur.”
Kemudian:
“Berdasarkan tujuan pembelajaran tadi, tentukan bukti ketercapaian tujuan dan asesmen yang paling sesuai.”
Selanjutnya:
“Sekarang rancang aktivitas pembelajaran yang memungkinkan siswa mencapai tujuan dan menghasilkan bukti belajar tersebut.”
Teknik seperti ini membuat guru berdialog dan melakukan kontrol kualitas pada setiap tahap, bukan menerima produk AI secara pasif.
Kajian sistematis terbaru mengenai prompt engineering di pendidikan menunjukkan bahwa prompting dapat dipandang bukan hanya sebagai teknik mendapatkan jawaban, tetapi juga sebagai proses interaksi manusia–AI untuk mendukung proses berpikir.
5. Gunakan Prinsip Backward Design dalam Prompt
Jangan selalu meminta AI memulai dari kegiatan.
Mulailah dari:
Apa yang harus dikuasai siswa?
kemudian:
Bukti apa yang menunjukkan siswa telah menguasainya?
baru:
Aktivitas apa yang membuat siswa mencapai kemampuan tersebut?
Contoh prompt:
“Gunakan prinsip backward design. Jangan langsung menyusun kegiatan. Tahap pertama, identifikasi kompetensi akhir siswa. Tahap kedua, tentukan evidence of learning dan asesmen yang dapat membuktikan kompetensi tersebut. Tahap ketiga, rancang pengalaman belajar IPA yang menghasilkan evidence tersebut.”
Dengan pendekatan ini, modul ajar tidak menjadi sekadar kumpulan aktivitas menarik.
Ada hubungan:
Tujuan → Asesmen → Aktivitas Pembelajaran
6. Minta AI Mengintegrasikan IPA, Bukan Memisahkan Fisika–Kimia–Biologi
Untuk pembelajaran IPA SMP, AI sering menghasilkan pembelajaran yang terlalu terkotak-kotak.
Karena itu prompt harus mengarahkan AI melihat fenomena secara terpadu.
Misalnya:
“Gunakan pendekatan IPA terpadu. Jangan membuat bagian Fisika, Kimia, dan Biologi secara terpisah. Gunakan satu fenomena kontekstual yang memungkinkan konsep dari ketiga disiplin tersebut digunakan secara terpadu untuk menjelaskan fenomena.”
Contohnya, fenomena pembuatan garam tradisional dapat digunakan untuk membahas:
Fisika: kalor, radiasi matahari, perubahan suhu.
Kimia: larutan, konsentrasi, kristalisasi.
Biologi/Lingkungan: organisme pada ekosistem pesisir dan pengaruh salinitas.
Siswa kemudian tidak sekadar mempelajari tiga disiplin secara terpisah, melainkan menggunakan berbagai konsep sains untuk menjelaskan satu permasalahan nyata.
7. Masukkan HOTS ke dalam Tuntutan Kognitif, Bukan Sekadar KKO
Prompt yang kurang tepat:
“Gunakan KKO menganalisis, mengevaluasi, dan mencipta.”
AI kemungkinan hanya mengganti kata kerja.
Lebih baik:
“Aktivitas HOTS harus menuntut siswa menggunakan data atau bukti untuk membandingkan alternatif penjelasan, menemukan hubungan sebab-akibat, mengevaluasi klaim berdasarkan bukti, dan merancang solusi terhadap masalah kontekstual. Hindari aktivitas yang jawabannya dapat diperoleh hanya dengan mengingat definisi.”
Perbedaannya besar.
HOTS bukan kata kerja dalam kalimat, tetapi proses berpikir yang diperlukan untuk menyelesaikan tugas.
Kajian eksperimental mengenai penggunaan ChatGPT menunjukkan potensi GenAI dalam mendukung performa akademik dan kecenderungan berpikir tingkat tinggi, tetapi kualitas implementasi dan desain asesmen tetap menjadi persoalan penting.
8. Gunakan AI untuk Membuat Diferensiasi
AI sangat berguna ketika guru memiliki siswa dengan kemampuan berbeda.
Daripada menulis:
“Buat pembelajaran berdiferensiasi.”
berikan struktur.
“Buat tiga tingkat scaffolding untuk aktivitas eksperimen berikut: Level 1 untuk siswa yang masih membutuhkan bantuan intensif, Level 2 untuk siswa dengan kemampuan sedang, dan Level 3 untuk siswa yang mampu melakukan investigasi lebih mandiri. Kompetensi akhir ketiga kelompok harus tetap sama.”
Dengan demikian, AI tidak sekadar membuat soal mudah, sedang, dan sulit.
Yang dibedakan adalah dukungan belajarnya.
9. Minta AI Membuat Miskonsepsi Sebelum Membuat Asesmen
Ini salah satu trik yang sangat berguna untuk guru IPA.
Sebelum meminta AI membuat soal, tuliskan:
“Identifikasi 5 miskonsepsi yang paling mungkin dimiliki siswa SMP pada materi tekanan zat. Untuk setiap miskonsepsi, jelaskan kemungkinan pola penalaran siswa dan bukti yang dapat digunakan guru untuk mendeteksinya.”
Setelah itu:
“Berdasarkan lima miskonsepsi tersebut, buat asesmen diagnostik.”
Hasilnya biasanya jauh lebih diagnostik dibandingkan langsung mengatakan:
“Buat 10 soal tekanan zat.”
AI sekarang memiliki model kesalahan siswa sebelum menyusun instrumen.
10. Jangan Lupa Prompt untuk Mengevaluasi Hasil AI
AI tidak hanya dapat digunakan sebagai generator.
Gunakan AI sebagai reviewer.
Setelah modul selesai, buat percakapan baru dan masukkan modul tersebut dengan prompt:
“Bertindaklah sebagai reviewer ahli pendidikan IPA. Jangan memperbaiki modul terlebih dahulu. Audit kualitas modul berikut berdasarkan alignment tujuan–aktivitas–asesmen, kedalaman kognitif, keterampilan proses sains, keterlaksanaan eksperimen, diferensiasi, keselamatan laboratorium, dan potensi miskonsepsi.”
Kemudian minta:
“Berikan skor 1–4 untuk setiap aspek, tunjukkan bagian yang bermasalah, jelaskan alasannya, kemudian berikan rekomendasi perbaikan.”
Teknik ini menjadikan AI sebagai critical reviewer, bukan sekadar penulis.
11. Prompt Lengkap yang Bisa Langsung Digunakan Guru IPA
Berikut template yang dapat dikembangkan.
Bertindaklah sebagai ahli kurikulum, instructional designer, dan guru IPA SMP yang memahami pembelajaran berbasis inquiry dan asesmen autentik.
Saya akan mengembangkan modul ajar IPA untuk siswa kelas [KELAS] dengan topik [TOPIK].
Konteks siswa: [KARAKTERISTIK SISWA].
Alokasi waktu: [WAKTU].
Tahap 1 – Analisis
Analisis CP/materi dan identifikasi konsep inti, prasyarat pengetahuan, kemungkinan miskonsepsi, keterampilan proses sains, serta tingkat kedalaman kognitif yang dibutuhkan.
Tahap 2 – Tujuan Pembelajaran
Rumuskan tujuan pembelajaran yang spesifik, terukur, dan mengintegrasikan pemahaman konsep dengan keterampilan proses sains.
Tahap 3 – Asesmen
Tentukan evidence of learning, asesmen diagnostik, formatif, dan sumatif yang selaras dengan tujuan pembelajaran.
Tahap 4 – Aktivitas
Rancang kegiatan berbasis inquiry yang dimulai dari fenomena kontekstual, dilanjutkan perumusan masalah, hipotesis, investigasi, pengumpulan data, analisis bukti, argumentasi ilmiah, dan kesimpulan.
Tahap 5 – HOTS
Pastikan aktivitas menuntut siswa menganalisis data, mengevaluasi bukti atau klaim, memecahkan masalah, dan/atau menghasilkan solusi. Jangan menganggap soal sulit otomatis sebagai HOTS.
Tahap 6 – Diferensiasi
Berikan scaffolding berbeda berdasarkan kesiapan belajar tanpa mengubah kompetensi akhir.
Tahap 7 – Quality Control
Audit kembali keselarasan tujuan, aktivitas, dan asesmen. Identifikasi kelemahan modul dan revisi sebelum memberikan hasil akhir.
Sajikan hasil secara sistematis dan gunakan tabel jika membantu keterbacaan.
Template tersebut masih dapat diperluas dengan PjBL, STEM, etnosains, literasi sains, PISA, Taksonomi Bloom, Taksonomi SOLO, SEL, pembelajaran mendalam, maupun kerangka pembelajaran lain sesuai kebutuhan guru.
AI adalah Co-Designer, Bukan Pengganti Guru
Kemampuan GenAI menghasilkan teks dengan cepat terkadang menciptakan ilusi bahwa produk yang tampak lengkap berarti sudah benar secara pedagogis.
Padahal penelitian tentang penggunaan LLM dalam pendidikan berulang kali menunjukkan perlunya human oversight, literasi AI, pemeriksaan fakta, perhatian terhadap bias, etika, serta kesesuaian pedagogis.
Karena itu, prinsip yang lebih tepat bukan:
Prompt → AI → Modul Jadi
melainkan:
Tujuan Guru → Prompt → AI → Evaluasi Guru → Re-prompt → Validasi → Modul Ajar
Guru tetap menjadi instructional decision maker.
AI membantu mempercepat eksplorasi ide, menyusun alternatif aktivitas, membuat variasi asesmen, mengembangkan scaffolding, dan melakukan evaluasi awal. Bahkan literatur K–12 terbaru menempatkan AI sebagai alat yang dapat membantu guru mengembangkan pengalaman belajar kreatif sekaligus menekankan pentingnya AI literacy.
Dengan demikian, keterampilan penting guru di era AI bukan sekadar “bisa menggunakan ChatGPT”, tetapi mampu mengarahkan AI berdasarkan pengetahuan pedagogi, konten IPA, asesmen, karakteristik siswa, dan tujuan pembelajaran.
Prompt yang baik tidak menggantikan kompetensi guru. Prompt yang baik justru menerjemahkan kompetensi guru agar dapat dipahami AI.
Daftar Pustaka — APA 7th Edition
Saya memilih 7 referensi internasional (2022–2026) yang relevan dengan GenAI, prompting, pendidikan, dan desain pembelajaran. Untuk artikel jurnal, tautan di bawah diarahkan ke DOI/laman resmi penerbit, bukan blog atau ResearchGate.
Akgun, S., & Greenhow, C. (2022). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. AI and Ethics, 2, 431–440. https://doi.org/10.1007/s43681-021-00096-7.
Artikel resmi Springer NatureKasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274.
Artikel resmi Elsevier/ScienceDirectTlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10, Article 15. https://doi.org/10.1186/s40561-023-00237-x.
Artikel resmi Springer Nature – Open AccessFarrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2024). A SWOT analysis of ChatGPT: Implications for educational practice and research. Innovations in Education and Teaching International, 61(3), 460–474. https://doi.org/10.1080/14703297.2023.2195846.
Artikel resmi Taylor & FrancisLee, D., & Palmer, E. (2025). Prompt engineering in higher education: A systematic review to help inform curricula. International Journal of Educational Technology in Higher Education, 22, Article 7. https://doi.org/10.1186/s41239-025-00503-7.
Artikel resmi Springer Nature – Open AccessQian, Y. (2025). Prompt engineering in education: A systematic review of approaches and educational applications. Journal of Educational Computing Research, 63(7–8). https://doi.org/10.1177/07356331251365189.
Artikel resmi SAGE JournalsWatson, J. M., Bowen, J. A., & Watson, C. E. (2024). Learning with AI: The K–12 teacher's guide to a new era of human learning. Johns Hopkins University Press. https://doi.org/10.56021/9781421451206.