Mahasiswa musik mungkin lebih akrab dengan akor, interval, progresi harmoni, ritme, dan timbre daripada subjek-predikat-objek. Tidak masalah. Tetapi ketika masuk ke dunia penelitian, ada satu instrumen yang sering dilupakan: kalimat efektif.
Lucunya, di era kecerdasan artifisial, masalah ini menjadi semakin penting. Banyak mahasiswa musik merasa bahwa selama sudah bisa mengetik, "tolong buatkan latar belakang penelitian tentang X yang bagus" di Chat GPT maka penelitian akan otomatis nampak bagus. Sayangnya, LLM seperti GPT belum layak dipadankan dengan dosen pembimbing yang secara spesifik mendalami bidang tertentu bertahun-tahun dan menangkap fenomena terbaru bahkan yang belum dikenali media, mesin pencari, dan LLM.
Justru sebaliknya, kualitas prompt sangat bergantung pada kualitas gagasan yang dimasukkan ke dalamnya. Dan kualitas gagasan sangat bergantung pada kemampuan kita menyusun pikiran secara jelas. Dengan kata lain: perjalanan penelitian musik bisa dimulai dari sesuatu yang sangat sederhana: kalimat efektif.
Problematika Mahasiswa Musik dan Menyusun Kalimat
Di kampus musik, kita terbiasa berbicara tentang ketepatan nada. Nada yang sedikit meleset dapat terdengar janggal. Dalam penelitian, hal yang sama terjadi pada bahasa. Kalimat yang tidak jelas menghasilkan gagasan yang bisa saja ngawur. Gagasan yang ngawur menghasilkan pertanyaan penelitian yang kabur. Pertanyaan penelitian yang kabur kemudian menghasilkan metodologi yang membingungkan. Akhirnya mahasiswa bertanya: “Pak, ini penelitian saya sebenarnya meneliti apa?”
Tidak sedikit dosen pembimbing menarik napas panjang atas pernyataan dan perntanyaan ini. Bukan karena dosennya killer. Bisa jadi karena masalahnya sudah dimulai sejak kalimat pertama.
Dari Kalimat Efektif ke Prompt AI
Kalimat efektif mengajarkan kita menyampaikan gagasan secara jelas, logis, ringkas, dan tepat sasaran. Prinsip tersebut sebenarnya sangat dekat dengan cara membuat prompt yang baik. Bandingkan dua prompt berikut:
- Prompt pertama: “Buatkan penelitian tentang mahasiswa musik.” Chat GPT, Claude, Deep Seek, spesifik dengan LLMnya pun bingung. Mahasiswa musik yang mana? Penelitiannya tentang apa? Kemampuan mereka? Pendidikan? Kreativitas? Teknologi? Komposisi? Produksi musik?
- Prompt Kedua: “Saya adalah mahasiswa S1 Musik yang ingin melakukan penelitian tentang kebiasaan mahasiswa dalam menggunakan musik digital, khususnya bagaimana mahasiswa mendengarkan musik melalui Spotify, YouTube, TikTok, atau platform digital lainnya. Bantu saya mengembangkan ide penelitian ini dengan terlebih dahulu mengidentifikasi fenomena yang menarik, masalah yang mungkin muncul dari fenomena tersebut, alasan mengapa masalah itu penting untuk diteliti, serta kemungkinan variabel yang dapat digunakan. Setelah itu, berikan beberapa alternatif judul penelitian yang sesuai untuk mahasiswa S1 Musik, rumusan masalah, tujuan penelitian, manfaat penelitian, metode yang paling sederhana dan sesuai, subjek penelitian, teknik pengumpulan data, serta contoh analisis data yang dapat digunakan. Jelaskan setiap bagian dengan bahasa yang mudah dipahami mahasiswa S1 dan pastikan topik tersebut tetap memiliki hubungan yang jelas dengan bidang musik, bukan sekadar penelitian tentang penggunaan teknologi. Jangan langsung menganggap ide tersebut bagus; berikan juga kritik dan saran jika terdapat bagian yang terlalu luas, sulit diteliti, atau kurang memiliki nilai akademik.”
Tiba-tiba ruang berpikir menjadi lebih jelas. Bukan karena AI mendadak menjadi lebih pintar, tetapi karena manusianya memberikan masalah yang lebih terstruktur. Dalam prompt tersebut ada beberapa Dalam prompt kedua, sebenarnya ada beberapa komponen penting dalam prompt penelitian, yaitu:
- Identitas/posisi peneliti → “Saya adalah mahasiswa S1 Musik”
- Topik penelitian → “kebiasaan mahasiswa dalam menggunakan musik digital”
- Konteks/fenomena → Spotify, YouTube, TikTok, dan platform digital lainnya.
- Eksplorasi masalah → meminta AI menemukan fenomena dan masalah yang menarik untuk diteliti.
- Alasan pentingnya penelitian → mengapa masalah tersebut layak diteliti.
- Variabel penelitian → meminta kemungkinan variabel yang dapat digunakan.
- Opsi judul → beberapa pilihan judul penelitian.
- Rumusan masalah → pertanyaan yang akan dijawab penelitian.
- Tujuan penelitian → apa yang ingin dicapai.
- Manfaat penelitian → kontribusi atau kegunaan penelitian.
- Metode penelitian → pendekatan yang sesuai dan sederhana.
- Subjek penelitian → siapa yang akan diteliti.
- Teknik pengumpulan data → misalnya kuesioner, wawancara, observasi, dan sebagainya.
- Teknik analisis data → bagaimana data yang diperoleh dianalisis.
- Tingkat kesulitan → disesuaikan dengan kemampuan mahasiswa S1.
- Relevansi bidang → penelitian harus tetap memiliki hubungan dengan ilmu musik.
- Kritik dan evaluasi → AI diminta menunjukkan kelemahan atau bagian yang terlalu luas/sulit.
- Gaya penjelasan → menggunakan bahasa yang mudah dipahami mahasiswa S1.
Jadi kalau disederhanakan, struktur prompt-nya yang saya rekomendasikan seperti ini:
Siapa saya → mau meneliti apa → fenomenanya apa → masalahnya apa → mengapa penting → apa yang diteliti → opsi ide judul → rumusan masalah → tujuan → manfaat → metode → subjek → pengumpulan data → analisis data → batasan → kritik.
Catatan: ide prompting saya boleh banget dibantah di kolom komentar.
Prompt Bukan Tongkat Sihir
Kesalahpahaman terbesar dalam penggunaan LLM untuk penelitian adalah menganggap prompt sebagai semacam mantra. Mahasiswa mengetik: “Buatkan penelitian Sinta 2 yang inovatif dan belum pernah diteliti.” Kemudian berharap keluar penelitian yang siap dikirim ke jurnal. Kalau memang semudah itu, mungkin perpustakaan universitas sudah berubah menjadi ruang komputer dengan tombol “Generate Sinta 2”.
LLM AI dapat membantu mencari pola, menyusun kerangka, menjelaskan teori, membandingkan konsep, bahkan membantu menganalisis data. Namun AI tetap membutuhkan masalah penelitian yang benar-benar dipahami manusia. LLM AI dapat membantu mengolah pertanyaan. Tetapi pertanyaan penelitian tetap harus lahir dari manusia.
Penelitian Musik Tidak Hanya Tentang Musik
Ini bagian yang kadang mengejutkan mahasiswa musik. Penelitian musik bukan sekadar mengetahui bahwa suatu lagu menggunakan progresi I–V–vi–IV. Penelitian membutuhkan kemampuan untuk menjelaskan:
- apa masalahnya,
- mengapa masalah itu penting,
- siapa yang mengalami masalah,
- bagaimana masalah tersebut dapat diamati,
- teori apa yang relevan,
- data apa yang diperlukan,
- dan bagaimana data tersebut dianalisis.
Artinya, seorang peneliti musik perlu menjadi sedikit musisi, sedikit ilmuwan, sedikit penulis, dan di zaman AI sedikit prompt engineer. Bukan untuk menjadi programmer. Tetapi untuk mampu berkomunikasi dengan mesin secara presisi.
Dari Kalimat Efektif Menuju Pertanyaan Penelitian
Kita bisa melihat prosesnya seperti sebuah rantai: Kalimat efektif → gagasan jelas → masalah teridentifikasi → pertanyaan penelitian → metodologi → data → analisis → kesimpulan. Jika bagian awalnya bermasalah, bagian berikutnya ikut terdampak. Misalnya: “Mahasiswa musik sekarang banyak yang kurang memahami teori musik.” Ini masih berupa pernyataan umum. Kemudian diperjelas: “Sebagian mahasiswa semester pertama memiliki kemampuan teori musik yang berbeda ketika memasuki program studi.” Mulai muncul persoalan. Kemudian menjadi pertanyaan: “Bagaimana profil kemampuan teori musik mahasiswa semester pertama berdasarkan jalur penerimaan mahasiswa?” Sekarang kita sudah memiliki sesuatu yang lebih dekat dengan penelitian. AI kemudian dapat membantu mengembangkan variabel, instrumen, metode analisis, atau literatur yang relevan. AI bekerja lebih baik ketika manusia berpikir lebih baik.
Jangan Sampai AI Lebih Terstruktur daripada Penelitinya
Ada ironi baru dalam dunia akademik. Dulu mahasiswa kesulitan mencari informasi. Sekarang informasi berlimpah. Dulu mahasiswa kesulitan menulis. Sekarang AI bisa membantu menulis.
Namun muncul masalah baru: mahasiswa tidak selalu tahu apa yang sebenarnya ingin diteliti. Akibatnya, AI menghasilkan paragraf yang sangat rapi, sangat akademis, bahkan penuh istilah ilmiah tetapi ketika dosen bertanya, “Apa masalah utama penelitianmu?”, penelitinya kembali membuka laptop. Ini adalah fenomena yang cukup lucu sekaligus berbahaya: tulisannya akademis, tetapi pemikirannya belum tentu akademis.
Mahasiswa Musik Perlu Menguasai Bahasa
Karena itu, kemampuan bahasa tidak boleh dianggap sebagai pelajaran tambahan yang tidak berhubungan dengan musik. Kalimat efektif adalah bagian dari literasi penelitian. Dan di era AI, literasi tersebut berkembang menjadi kemampuan memberikan instruksi yang tepat kepada mesin. Musisi terbiasa mengatur tempo. Peneliti mengatur variabel. Musisi mengatur dinamika. Peneliti mengatur argumentasi. Musisi mendengarkan detail. Peneliti membaca detail. Dan pengguna AI harus mampu memberikan instruksi yang detail.
No Clear Thinking, No Prompt!
Mahasiswa musik tidak perlu mengharamkan AI. Justru AI dapat menjadi alat yang sangat kuat untuk membantu penelitian musik. Tetapi alat yang kuat membutuhkan pengguna yang memahami apa yang sedang dikerjakannya. Maka mungkin kita perlu membalik cara pandang. Bukan: “Bagaimana membuat prompt AI yang bagus?” Tetapi: “Bagaimana membuat pikiran saya cukup jelas sehingga dapat dijadikan prompt yang bagus?” Dari sinilah perjalanan itu dimulai. Dari kalimat efektif, lalu menjadi gagasan, kemudian gagasan menjadi pertanyaan, dan pertanyaan menjadi penelitian. Pada akhirnya penelitian yang baik tidak hanya menghasilkan teks yang terdengar ilmiah, tetapi pengetahuan yang benar-benar berguna bagi musik dan masyarakat. Sebab pada akhirnya, AI boleh semakin pintar. Tetapi kalau penelitinya masih bingung dengan kalimat pertamanya, ChatGPT pun mungkin ikut bingung walau outputnya nampak ilmiah.