DIPERBARUI: 2026-11-06

[A1-M2]Pemula⏱ 30 Mnt Baca + 45 Mnt Praktik

Rekayasa Konteks, System Instructions & Output Terstruktur

Memaksa Model Probabilistik Menghasilkan Struktur Data Deterministik Menggunakan JSON Schema

BAGIKAN MODUL:Dukung rekan developer & tim Anda

💬WHATSAPP inLINKEDIN 𝕏POST

[KONTRAK HASIL BELAJAR // A1-M2]Standar Kompetensi Industri

⏱ 30 Mnt Baca•⚡ 45 Mnt Praktik•Lulus: ≥ 80/100 Poin

01. Target Pembelajar & Prasyarat

Developer yang ingin menghubungkan respons AI langsung ke database tanpa risiko parsing error.

Prasyarat:Modul A1-M1: Anatomi LLM & Siklus Agen

02. Kompetensi Konseptual (Level 1–2)

✓Membedakan System Prompt biasa dengan Context Engineering tingkat produksi.
✓Menjelaskan bagaimana constrained decoding dan JSON Schema memaksa token model sesuai sintaks objek.

03. Kompetensi Praktis & Artefak Nyata (Level 3–4)

✓Merancang JSON Schema Draft 2020-12 yang lengkap dengan required, enum, dan additionalProperties: false.
✓Membangun parser tangguh yang memvalidasi output sebelum disimpan ke sistem internal.

Artefak yang Dibangun: Validator skema data terstruktur untuk triase tiket layanan pelanggan.

04. Aplikasi Nyata & Verifikasi

Penerapan Industri: Ekstraksi data faktur otomatis, klasifikasi prospek penjualan, dan pengisian form digital.

Metode Verifikasi: Menguji parser terhadap variasi output teks dan memverifikasi kegagalan jika ada field wajib yang hilang.

[BAGIAN 01 // MASALAH & URGENSI ARSITEKTURAL]

Mengapa Subjek Ini Krusial dalam Rekayasa Nyata?

Pelajari seni Context Engineering, perancangan guardrails di System Prompt, dan penegakan struktur JSON valid menggunakan skema ketat.

Dalam lingkungan produksi, kegagalan memahami batas-batas arsitektur sistem sering kali menyebabkan bug yang sulit dilacak, pemborosan biaya komputasi, atau antarmuka yang lambat bagi pengguna.

[BAGIAN 02 // MEKANISME DI BALIK LAYAR]

Bagaimana Sistem Sebenarnya Bekerja di Tingkat Protokol

Dari Prompt Engineering Menuju Context Engineering

Banyak tutorial hanya mengajarkan trik merangkai kata-kata persuasif di dalam prompt. Dalam rekayasa perangkat lunak produksi, hal itu tidak cukup. Kita membutuhkan Context Engineering: perancangan lingkungan konteks yang mencakup instruksi peran, batasan negatif (apa yang dilarang), skema output mesin, dan contoh one-shot terverifikasi.

Ketika sebuah sistem bergantung pada output AI untuk memperbarui database, satu karakter koma yang hilang atau field yang tertukar nama akan memicu runtime error pada aplikasi hilir. Oleh karena itu, kita menggunakan JSON Schema sebagai kontrak formal.

[DIAGRAM TEKNIS SVG INTERAKTIF // DIAG-01]

Alur Arsitektur Sistem Otonom & Runtime

LANGKAH 1 DARI 4

ENTITAS AKTIF:User -> Sistem

Pesan bahasa alami diterima melalui antarmuka web atau webhook chat.

[LIVE PAYLOAD INSPECTOR]JSON 2026

{
  "input": "Berapa estimasi biaya pembuatan landing page bisnis?"
}

[BAGIAN 03 // MATRIKS KESALAHPAHAMAN]

Koreksi Asumsi Umum vs Realitas Rekayasa

×ASUMSI KELIRU

“Cukup menulis 'Kembalikan format JSON' agar model selalu mengeluarkan JSON valid.”

✓REALITAS SISTEM

Tanpa JSON Schema atau response_format: { type: 'json_object' }, model sering menambahkan markdown trik ticks (```json) atau teks obrolan pembuka yang menggagalkan JSON.parse().

[BAGIAN 04 // LABORATORIUM PRAKTIS & KODE]

Implementasi Langkah-demi-Langkah

Hasil akhir yang diharapkan: Skrip validasi JSON Schema yang memproses draf tiket dan menolak data yang tidak mematuhi kontrak.

STRUKTUR PROYEK DIREKOMENDASIKAN:

lab-a1-m2/
└── schema-validator.mjs

1Implementasi Validator Skema Mandiri

Validasi runtime sederhana untuk memastikan integritas data output AI.

schema-validator.mjs•javascript

✓Tested Successfully

LINGKUNGAN TERUJI: Node.js v20.10.030 BARIS KODE

1	// schema-validator.mjs
2	function validasiOutputTiket(data) {
3	const KATEGORI_VALID = ['TEKNIS', 'TAGIHAN', 'PENJUALAN'];
4	const PRIORITAS_VALID = ['RENDAH', 'SEDANG', 'TINGGI', 'KRITIS'];
5
6	if (typeof data !== 'object' \|\| data === null) {
7	return { valid: false, error: 'Output harus berupa objek JSON' };
8	}
9	if (!KATEGORI_VALID.includes(data.kategori)) {
10	return { valid: false, error: `Kategori '${data.kategori}' tidak valid.` };
11	}
12	if (!PRIORITAS_VALID.includes(data.prioritas)) {
13	return { valid: false, error: `Prioritas '${data.prioritas}' tidak valid.` };
14	}
15	if (typeof data.ringkasan !== 'string' \|\| data.ringkasan.length < 5) {
16	return { valid: false, error: 'Ringkasan minimal 5 karakter' };
17	}
18	return { valid: true, data };
19	}
20
21	const sampelAI = JSON.stringify({
22	kategori: 'TEKNIS',
23	prioritas: 'TINGGI',
24	ringkasan: 'Website 3D mengalami drop FPS di perangkat seluler',
25	skorKeyakinan: 0.95
26	});
27
28	const parsed = JSON.parse(sampelAI);
29	const hasil = validasiOutputTiket(parsed);
30	console.log('Hasil Validasi:', hasil);

KEPUTUSAN ARSITEKTURAL UTAMA:

• Validasi runtime independen di sisi klien: Mencegah data kotor masuk ke database lokal.

PERINTAH EKSEKUSI TERMINAL:

$ node schema-validator.mjs

OUTPUT YANG DIHARAPKAN:

Hasil Validasi: { valid: true, data: { kategori: 'TEKNIS', ... } }

[BAGIAN 05 // PANDUAN TROUBLESHOOTING & TANTANGAN]

Mengantisipasi Masalah Umum & Tantangan Ekstensi

Pesan Error: JSON.parse error

Penyebab: Ada karakter markdown ```json di awal teks

Solusi Eksak: Lakukan regex sanitasi teks sebelum JSON.parse().

⚡ TANTANGAN EKSTENSI MANDIRI:

Tambahkan field estimasiJamPenyelesaian bertipe number dengan nilai minimal 1.

[RUBRIK EVALUASI KOMPETENSI 100 POIN // A1-M2]

Uji Kompetensi Mandiri & Verifikasi Hasil

Standar kelulusan Z-Automation mewajibkan skor minimum 80 / 100 Poin dengan komponen Implementasi Praktis minimal 21 / 35 Poin (60%). Jawab soal diagnostik dan centang hasil pengujian praktis Anda.

BAGIAN A // PERTANYAAN DIAGNOSTIK KONSEPTUAL & TEKNIS (40 POIN)

01.Mengapa properti 'additionalProperties: false' sangat dianjurkan dalam JSON Schema untuk AI?

Untuk mencegah model menambahkan properti halusinasi yang tidak kita minta.

Agar ukuran file skema menjadi lebih kecil.

BAGIAN B // DAFTAR PERIKSA HASIL IMPLEMENTASI PRAKTIS (35 POIN — MIN. 21 POIN)

Centang item di bawah ini hanya jika Anda telah menjalankan kode di komputer Anda dan mengamati output yang benar:

Skrip berhasil memvalidasi sampel JSON yang sesuai kontrak+20 Poin

Skrip menolak sampel data dengan kategori sembarang+15 Poin

← MODUL SEBELUMNYA[A1-M1] Anatomi LLM & Siklus Hidup AI Agent MODUL SELANJUTNYA →[A1-M3] Mekanisme Tool Calling & Integrasi Fungsi Eksternal