EFEKTIVITAS PROMPT ENGINEERING PADA LARGE LANGUAGE MODELS SEBAGAI INSTRUMEN SCAFFOLDING DALAM PENDIDIKAN INFORMATIKA: TINJAUAN LITERATUR SISTEMATIS

Abstract

Integrasi Large Language Models (LLM) dalam pendidikan informatika memunculkan paradoks pedagogis: akses informasi menjadi tanpa batas, namun memicu fenomena "ilusi kompetensi" atau cognitive offloading, di mana siswa bergantung pada kode hasil generate mesin tanpa menguasai landasan algoritmiknya. Penelitian ini merupakan Systematic Literature Review (SLR) yang bertujuan untuk mengeksplorasi efektivitas Prompt Engineering sebagai instrumen scaffolding (perancah kognitif) untuk merestrukturisasi peran AI dari "penyedia solusi" menjadi "tutor pasif". Melalui protokol PRISMA pada basis data Scopus, sebanyak 59 dokumen teridentifikasi, dan 15 studi primer (2024-2026) diekstraksi untuk sintesis kualitatif. Hasil penelitian menunjukkan bahwa implementasi batasan prompt instruksional, khususnya Socratic Prompting dan evaluasi reflektif berbasis baris kode, berhasil memaksa siswa untuk berpikir deduktif dan mengurangi ketergantungan salin tempel (blind copy-paste). Lebih lanjut, model perancah metakognitif adaptif terbukti mengaktifkan "rem kognitif" yang menjaga otonomi intelektual pembelajar. Kesimpulan dari studi ini menegaskan bahwa keahlian menyusun prompt instruksional telah bertransformasi dari sekadar keterampilan teknis operasi mesin menjadi kompetensi pedagogis esensial bagi pendidik ilmu komputer.