Kamus Istilah Kecerdasan Buatan: 55 Istilah AI Dijelaskan dengan Sederhana (2026)

Untuk siapa kamus ini? Untuk siapa saja yang sering menemukan kata seperti "token", "prompt", atau "model bahasa besar" dalam obrolan, berita, atau alat AI dan ingin memahaminya tanpa latar belakang teknis. Setiap istilah dilengkapi padanan bahasa Inggris, definisi sederhana, dan contoh bila perlu.

Jika Anda baru mengenal AI, mulailah dengan panduan Apa Itu Kecerdasan Buatan dan Bagaimana Cara Kerjanya? lalu simpan halaman ini sebagai rujukan.

Cara memakai kamus ini

• Istilah dikelompokkan dalam enam topik, dari dasar hingga keamanan dan hukum

• Padanan bahasa Inggris dicantumkan agar Anda mengenalinya di sumber lain

• Untuk menemukan istilah dengan cepat, gunakan pencarian di browser (Ctrl+F)

1. Konsep dasar

Kecerdasan buatan (Artificial Intelligence, AI)

Perangkat lunak yang mempelajari pola dari data alih-alih mengikuti aturan yang ditulis sebelumnya, lalu memakainya untuk tugas seperti memahami bahasa, mengenali gambar, atau membuat konten. Ini juga nama seluruh bidangnya.

AI sempit (Narrow AI)

AI yang mahir dalam satu atau beberapa tugas tertentu, seperti terjemahan, pengenalan wajah, atau percakapan. Semua alat AI saat ini, termasuk chatbot paling canggih, adalah AI sempit.

AI umum (Artificial General Intelligence, AGI)

AI hipotetis yang bisa mempelajari dan mengerjakan hampir semua tugas intelektual manusia di bidang apa pun. AGI menjadi tujuan riset banyak laboratorium, tetapi belum ada dan belum ada kesepakatan kapan akan tercapai.

Superinteligensi (Artificial Superintelligence, ASI)

AI hipotetis yang melampaui manusia paling cerdas di hampir semua bidang. Biasanya muncul dalam diskusi tentang masa depan dan keamanan AI.

Algoritma (Algorithm)

Rangkaian langkah pasti untuk memecahkan masalah. Dalam AI, algoritma menentukan cara belajar, dan hasil belajarnya disebut "model".

Model

Hasil pelatihan sistem AI: file berisi jutaan hingga miliaran angka tempat pengetahuan model dipadatkan. Saat orang berkata "model baru dirilis", yang dimaksud adalah file hasil pelatihan ini.

Machine learning (ML)

Cabang AI ketika mesin belajar dari contoh alih-alih diprogram secara eksplisit. Filter spam email dan rekomendasi layanan streaming adalah contoh sehari-hari.

Deep learning

Jenis machine learning yang memakai neural network dengan banyak lapisan. Terobosan besar dekade terakhir, dari pengenalan suara hingga chatbot, berasal dari deep learning.

Neural network (jaringan saraf tiruan)

Struktur yang terinspirasi dari otak, tersusun dari lapisan "neuron" buatan. Tiap neuron menggabungkan angka dengan bobot berbeda lalu meneruskan hasilnya ke lapisan berikutnya. Hadiah Nobel Fisika 2024 diberikan kepada pelopor gagasan ini.

AI generatif (Generative AI)

Model yang membuat konten baru: teks, gambar, video, audio, atau kode. ChatGPT serta pembuat gambar dan musik adalah contoh AI generatif.

2. Cara model belajar

Data pelatihan (Training Data)

Contoh yang dipelajari model, seperti teks, gambar, atau audio. Kualitas dan keragaman data pelatihan langsung memengaruhi akurasi dan bias model.

Pelatihan (Training)

Proses ketika model berulang kali menebak, tebakannya dibandingkan dengan jawaban benar, lalu parameternya disesuaikan sedikit. Pelatihan model besar memakan waktu berminggu-minggu atau berbulan-bulan di ribuan prosesor.

Pra-pelatihan (Pre-training)

Tahap pertama pelatihan model besar, saat model melihat data umum dalam jumlah sangat besar dan mempelajari pola luas sebelum disetel untuk tugas tertentu.

Parameter atau bobot (Parameters / Weights)

Angka di dalam model yang disesuaikan selama pelatihan dan menyimpan apa yang dipelajarinya. Model bahasa besar memiliki miliaran parameter, tetapi parameter lebih banyak tidak selalu berarti model lebih baik.

Pembelajaran terawasi (Supervised Learning)

Belajar dari contoh yang jawabannya sudah diketahui, seperti ribuan foto berlabel "kucing" atau "anjing". Model belajar sampai dari masukan ke jawaban yang benar.

Pembelajaran tanpa pengawasan (Unsupervised Learning)

Belajar dari data tanpa label untuk menemukan pola atau kelompok, misalnya mengelompokkan pelanggan secara otomatis berdasarkan perilaku belanja.

Pembelajaran penguatan (Reinforcement Learning)

Metode ketika model belajar lewat coba-coba, menerima "hadiah" atau "hukuman" atas tindakannya. AlphaGo memakai cara ini untuk mengalahkan juara dunia permainan Go.

Pembelajaran penguatan dari umpan balik manusia (RLHF)

Tahap pelatihan chatbot ketika manusia memeringkat berbagai jawaban model, dan model belajar memberi jawaban yang lebih membantu, jujur, dan aman.

Penyetelan lanjutan (Fine-tuning)

Pelatihan tambahan pada model yang sudah dilatih dengan data yang lebih khusus agar lebih baik dalam tugas atau bidang tertentu, misalnya menyetel model umum untuk dokumen hukum.

Overfitting

Saat model menghafal contoh pelatihan alih-alih mempelajari pola umum: sangat baik pada data pelatihan tetapi buruk pada data baru. Seperti siswa yang menghafal jawaban tanpa memahami materi.

Inferensi (Inference)

Tahap pemakaian model yang sudah dilatih: menerima masukan baru dan menghasilkan jawaban. Setiap kali Anda mengobrol dengan chatbot, model sedang menjalankan inferensi dan tidak belajar dari Anda.

3. Model bahasa dan chatbot

Model bahasa besar (Large Language Model, LLM)

Neural network yang sangat besar dan dilatih dengan teks dalam jumlah raksasa untuk memprediksi kata berikutnya. Kemampuan sederhana ini menjadi dasar kemampuan menulis, meringkas, menerjemahkan, dan bercakap pada chatbot.

Transformer

Arsitektur neural network yang diperkenalkan dalam makalah Attention Is All You Need tahun 2017 dan menjadi fondasi hampir semua model bahasa besar saat ini. Huruf "T" dalam GPT berasal dari sini.

Mekanisme attention

Bagian transformer yang memungkinkan model mengetahui, untuk tiap kata, kata lain mana dalam teks yang paling penting, misalnya kata benda mana yang dirujuk oleh "ia".

Token

Potongan teks terkecil yang diolah model: kata, bagian kata, atau tanda baca. Dalam bahasa Inggris satu token kira-kira tiga perempat kata; dalam banyak bahasa lain satu kata sering terpecah menjadi beberapa token. Biaya pemakaian dan batas panjang diukur dalam token.

Jendela konteks (Context Window)

Jumlah teks maksimal, diukur dalam token, yang bisa "dilihat" model sekaligus, termasuk pesan sebelumnya dan dokumen lampiran. Jika percakapan melampauinya, bagian terlama keluar dari memori kerja model.

Embedding

Cara mengubah kata, kalimat, atau gambar menjadi deretan angka sehingga makna yang mirip mendapat angka yang berdekatan. Pencarian semantik dan RAG dibangun di atas embedding.

Suhu (Temperature)

Pengaturan yang mengendalikan seberapa acak jawaban model. Suhu rendah memberi jawaban yang lebih mudah ditebak dan terfokus; suhu tinggi memberi jawaban yang lebih beragam dan kreatif.

Halusinasi (Hallucination)

Saat model memberi jawaban yang lancar dan meyakinkan tetapi salah atau karangan, seperti statistik yang tidak ada atau sumber palsu. Terjadi karena model dilatih untuk menghasilkan teks yang masuk akal, bukan memeriksa fakta.

Chatbot

Program yang bercakap dengan pengguna dalam bahasa alami. Chatbot masa kini biasanya dibangun di atas model bahasa besar.

Model penalaran (Reasoning Model)

Model bahasa yang menguraikan masalah langkah demi langkah sebelum memberi jawaban akhir. Model ini lebih unggul dalam matematika, pemrograman, dan masalah bertahap, tetapi biasanya lebih lambat dan mahal.

4. Gambar, video, dan suara

Model difusi (Diffusion Model)

Teknik utama di balik sebagian besar pembuat gambar saat ini. Model belajar menghapus noise dari gambar langkah demi langkah; saat membuat gambar, ia mulai dari noise acak murni dan, dipandu teks Anda, mengubahnya menjadi gambar.

Teks ke gambar (Text-to-Image)

Membuat gambar dari deskripsi teks, misalnya "mercusuar saat senja, gaya cat air".

Penyuntingan gambar dengan AI (Inpainting)

Mengubah sebagian gambar yang ada dengan perintah teks, seperti menghapus objek, mengganti latar belakang, atau menambah detail, tanpa menyentuh bagian lainnya.

Teks ke video (Text-to-Video)

Membuat video pendek dari deskripsi teks atau gambar. Karena frame harus tetap konsisten sepanjang waktu, membuat video jauh lebih mahal daripada gambar diam.

Teks ke suara (Text-to-Speech, TTS)

Mengubah teks tertulis menjadi ucapan yang terdengar alami dengan intonasi dan jeda yang pas. Dipakai untuk buku audio, sulih suara video, dan asisten suara.

Pengenalan suara (Speech-to-Text, ASR)

Mengubah ucapan menjadi teks tertulis, seperti subtitle otomatis atau mengetik dengan suara.

Kloning suara (Voice Cloning)

Membuat suara yang mirip suara orang tertentu dengan AI. Karena risiko penyalahgunaan dan hak pemilik suara, sebagian besar layanan tepercaya membatasi peniruan suara orang sungguhan tanpa izin.

Deepfake

Foto, audio, atau video palsu tetapi realistis yang dibuat dengan AI untuk memperlihatkan seseorang mengatakan atau melakukan hal yang tidak pernah ia lakukan. Jangan percaya konten mengejutkan tanpa sumber tepercaya.

Multimodal

Model yang memahami atau menghasilkan beberapa jenis data sekaligus, misalnya melihat foto lalu membahasnya, atau membuat gambar dan suara dari teks.

5. Menggunakan AI

Prompt

Teks atau instruksi yang Anda berikan kepada AI: pertanyaan, permintaan, atau deskripsi gambar. Kualitas prompt langsung memengaruhi kualitas hasil.

Rekayasa prompt (Prompt Engineering)

Keterampilan menulis prompt yang menghasilkan hasil terbaik, misalnya dengan menyebut peran, tujuan, audiens, format keluaran, dan memberi contoh.

Prompt sistem (System Prompt)

Instruksi tersembunyi yang diberikan pembuat chatbot kepada model di awal setiap percakapan untuk menentukan perilaku, nada, dan batasannya.

Zero-shot dan few-shot

Dalam zero-shot Anda hanya menyebutkan permintaan; dalam few-shot Anda juga memberi beberapa contoh masukan dan keluaran yang diinginkan agar model menangkap polanya. Beberapa contoh yang baik sering memperbaiki hasil secara drastis.

Retrieval-augmented generation (RAG)

Teknik ketika model terlebih dulu mencari informasi relevan dari sumber luar, seperti dokumen perusahaan atau pencarian web, lalu menyusun jawaban berdasarkan informasi itu. Jawaban jadi lebih mutakhir dan halusinasi berkurang.

Agen AI (AI Agent)

Sistem yang tidak sekadar menjawab, tetapi merencanakan dan menjalankan beberapa langkah sendiri untuk mencapai tujuan: mencari, memakai alat, membuat file, dan memeriksa hasil.

API (antarmuka pemrograman aplikasi)

Cara perangkat lunak terhubung langsung ke model AI dan memakainya. Banyak aplikasi dan bot memakai model perusahaan besar lewat API, biasanya membayar per token.

Model terbuka (Open-source / Open-weight Model)

Model yang parameternya dirilis untuk publik, sehingga siapa pun bisa mengunduh, menjalankannya di server sendiri, atau menyetelnya. Model tertutup hanya tersedia lewat layanan atau API pembuatnya.

6. Keamanan, etika, dan hukum

Bias

Kecenderungan model menghasilkan hasil yang tidak adil atau berat sebelah, biasanya karena ketimpangan atau prasangka dalam data pelatihan, misalnya selalu menggambarkan profesi tertentu dengan satu jenis kelamin.

Penyelarasan (Alignment)

Upaya agar perilaku AI selaras dengan tujuan dan nilai manusia, sehingga tetap membantu, jujur, dan aman serta melakukan apa yang sebenarnya kita maksud.

Pagar pengaman atau filter keamanan (Guardrails)

Aturan dan filter yang dipakai pembuat model untuk mencegah keluaran yang berbahaya, ilegal, atau merugikan. Saat sebuah alat menolak permintaan "karena pembatasan konten", biasanya pagar pengaman pembuat model yang bekerja.

Jailbreak

Upaya mengelabui model dengan prompt khusus agar mengabaikan batas keamanannya. Pembuat model terus mengenali dan memblokir teknik ini, dan memakainya biasanya melanggar ketentuan layanan.

Watermark dan pelabelan konten AI (AI Watermarking)

Tanda yang terlihat atau tersembunyi pada konten buatan AI agar asal-usulnya bisa dikenali. Aturan baru, termasuk Undang-Undang AI Uni Eropa, mengarah pada kewajiban pelabelan ini.

Undang-Undang AI Uni Eropa (EU AI Act)

Undang-undang AI komprehensif pertama di dunia. Mulai berlaku pada 1 Agustus 2024, dengan kewajiban yang diterapkan bertahap selama beberapa tahun. Undang-undang ini mengklasifikasikan sistem menurut tingkat risiko, melarang sebagian penggunaan, dan menetapkan aturan transparansi untuk konten buatan AI.

Privasi data (Data Privacy)

Melindungi informasi pribadi saat memakai AI. Aturan sederhananya: jangan pernah memasukkan kata sandi, nomor kartu, dokumen identitas, atau informasi rahasia ke chatbot mana pun, dan ketahui kebijakan penyimpanan data setiap layanan.

Dari istilah ke praktik

Mengenal istilah baru separuh perjalanan; separuh lainnya adalah mencoba alatnya. Mulailah dengan alat obrolan seperti ChatGPT, Gemini, atau Claude, atau, jika Anda lebih suka obrolan, pembuatan gambar, video, suara, dan musik di satu tempat di dalam Telegram, cobalah heymesbot. Tulis beberapa prompt sederhana dan lihat seperti apa "token", "suhu", atau "halusinasi" dalam praktik.

Untuk memahami bagaimana konsep-konsep ini saling terkait, baca panduan lengkap Apa Itu Kecerdasan Buatan dan Bagaimana Cara Kerjanya?

Sumber

• Google: Glosarium Machine Learning

• IBM: Apa itu kecerdasan buatan?

• Stanford HAI: The 2026 AI Index Report

• OpenAI: Apa itu token dan cara menghitungnya

• Vaswani dkk. (2017): Attention Is All You Need

• Ouyang dkk. (2022): Melatih model bahasa dengan umpan balik manusia

• Ho dkk. (2020): Model probabilistik difusi

• Lewis dkk. (2020): Retrieval-Augmented Generation (RAG)

• Undang-Undang AI Uni Eropa: teks dan jadwal

• Hadiah Nobel: Fisika 2024