Cara Membedakan Apakah Teks Ditulis oleh AI atau Manusia: 7 Uji

Cara membedakan apakah teks ditulis oleh AI atau manusia paling andal bukan lewat satu skor detektor, melainkan lewat tiga lapis pemeriksaan: jejak proses menulis (draf, riwayat revisi, catatan), akurasi detail spesifik (nama, angka, tanggal, kutipan yang bisa ditelusuri), dan konsistensi gaya dengan tulisan lama penulisnya. Skor detektor otomatis hanya sinyal awal, bukan vonis. Angka resmi dari OpenAI dan Turnitin di bawah ini menjelaskan kenapa.

Yang Bisa Kamu Buktikan vs Yang Cuma Dugaan

Ada dua pertanyaan yang sering tertukar. Pertanyaan pertama: "apakah teks ini terasa seperti hasil AI?" Pertanyaan kedua: "apakah saya bisa membuktikannya?" Jaraknya jauh sekali.

Dugaan gaya itu murah. Bukti itu mahal.

Riset dari University of California San Diego yang terbit di Proceedings of the National Academy of Sciences memberi gambaran seberapa tipis batasnya sekarang: dalam uji Turing tiga pihak berdurasi lima menit, GPT-4.5 dengan prompt persona dinilai sebagai "manusia" oleh 73% peserta — lebih sering daripada manusia asli yang ikut dalam percakapan yang sama. Tanpa prompt persona, angkanya anjlok ke 36%. Artinya, kemampuanmu menebak lewat "feeling" saja sudah kalah kelas, dan siapa pun yang bilang bisa mengenali teks AI 100% dari sekali baca sedang menjual sesuatu.

Kenapa Skor Detektor AI Tidak Layak Dijadikan Vonis

Mari mulai dari pengakuan yang paling menohok. OpenAI merilis AI Text Classifier pada Januari 2023, lalu menariknya pada 20 Juli 2023 dengan alasan tingkat akurasi yang rendah. Di dokumentasinya sendiri, OpenAI menyebut alat itu hanya mengenali 26% teks buatan AI dengan benar, sementara 9% tulisan manusia justru dicap sebagai buatan AI.

Perusahaan yang membuat ChatGPT tidak sanggup mendeteksi output ChatGPT secara andal. Renungkan sebentar posisi itu.

Turnitin, yang paling banyak dipakai kampus Indonesia, lebih hati-hati dalam mengklaim. Menurut penjelasan resmi Chief Product Officer mereka, tingkat positif palsu di level dokumen berada di bawah 1% untuk dokumen dengan deteksi AI 20% ke atas — tapi di level kalimat angkanya sekitar 4%. Mereka juga menaikkan syarat minimum dari 150 menjadi 300 kata, dan sejak pembaruan model, skor di rentang 1–19% tidak lagi ditampilkan sebagai persentase, melainkan sekadar tanda bintang. Kenapa? Karena di rentang itu kesalahan terlalu sering terjadi, terutama di kalimat pembuka dan penutup dokumen.

Lalu ada temuan yang paling relevan buat kita, penutur non-Inggris. Studi Liang dan kolega dari Stanford yang terbit di jurnal Patterns (2023) menguji tujuh detektor komersial pada esai TOEFL karya penulis non-native. Hasilnya: rata-rata 61,3% esai manusia itu salah dicap "dihasilkan AI", padahal esai siswa kelas 8 di Amerika hampir selalu diklasifikasi dengan benar. Yang lebih menyakitkan, ketika esai TOEFL yang sama diminta diperkaya kosakatanya agar terdengar seperti penutur asli, tingkat salah klasifikasinya turun drastis ke 11,6%. Jadi yang dihukum detektor bukan "kecurangan", melainkan keterbatasan ragam bahasa.

Konteks Indonesia membuatnya makin rawan. Ulasan di The Conversation Indonesia mencatat bahwa klaim akurasi tinggi umumnya bersandar pada studi internal dan belum tentu berlaku lintas bahasa; pengujian pihak ketiga terhadap GPTZero, misalnya, menemukan positif palsu di kisaran 10–20%. Sementara sebagian besar detektor dilatih dengan porsi data Inggris yang jauh lebih besar dari bahasa Indonesia.

Cara Membedakan Apakah Teks Ditulis oleh AI atau Manusia Lewat 7 Uji Manual

Kalau alat otomatis serapuh itu, apa yang tersisa? Pemeriksaan manual — yang ironisnya lebih tahan banting karena menyerang kelemahan struktural model bahasa, bukan sekadar pola permukaannya.

1. Uji spesifisitas yang tidak bisa dikarang. Cari detail yang cuma bisa dimiliki orang yang benar-benar hadir: nama gang, harga parkir, cuaca hari itu, nama file yang error, jam berapa rapatnya molor. Model bahasa bisa mengarang detail semacam ini, tapi biasanya tidak muncul spontan kecuali diminta.
2. Uji rujukan. Ini uji paling produktif. Telusuri setiap kutipan, nama jurnal, dan angka statistik yang disebut. Halusinasi referensi — sumber terdengar meyakinkan tapi tidak pernah ada — masih jadi cacat khas teks yang disusun mentah oleh AI, dan berulang kali disebut sebagai penanda utama oleh kalangan akademik.
3. Uji ritme. Tulisan manusia naik-turun: kalimat 4 kata bersebelahan dengan kalimat 35 kata. Teks AI mentah cenderung rata, seperti garis EKG pasien yang terlalu sehat. Ini persis prinsip yang dipakai detektor (perplexity dan burstiness), hanya saja matamu tidak akan menghukum penulis non-native hanya karena kosakatanya sederhana.
4. Uji simetri struktur. Perhatikan pola: apakah setiap subjudul punya panjang paragraf serupa, setiap daftar berisi tepat tiga poin, dan setiap bagian ditutup kalimat rangkuman yang rapi? Manusia jarang serapi itu tanpa disuruh.
5. Uji gema instruksi. Kalau kamu dosen atau editor, cocokkan teks dengan soal atau brief-nya. Pengulangan istilah kunci dari soal secara berlebihan di hampir setiap paragraf adalah red flag yang sering disebut praktisi pendidikan — mahasiswa biasanya tidak sedisiplin itu mengulang frasa soal.
6. Uji opini berisiko. Minta penulisnya menunjuk satu hal yang menurutnya salah, mahal, atau tidak layak dibeli. Teks AI default cenderung berdiri di tengah, memuji semua pihak, dan menghindari penilaian yang bisa membuat orang tersinggung.
7. Uji tiga menit. Tanyakan tiga hal: kenapa memilih sumber A dan bukan B, bagian mana yang paling sulit ditulis, dan apa yang dibuang dari draf pertama. Orang yang benar-benar menulis punya jawaban dalam hitungan detik.

Cara membedakan apakah teks ditulis oleh AI atau manusia yang paling jujur adalah menggabungkan minimal tiga dari tujuh uji di atas. Satu sinyal tunggal? Itu prasangka, bukan temuan.

Mitos Em Dash, "Delve", dan Tanda Baca yang Katanya Bukti AI

Banyak yang mengira tanda pisah panjang (—) adalah sidik jari AI. Padahal logikanya terbalik. Em dash memang sering muncul di output model bahasa justru karena model itu dilatih dari tulisan formal yang sudah melewati penyuntingan: buku, jurnal, artikel jurnalistik. Yang kamu deteksi sebenarnya bukan "mesin", melainkan "tulisan yang diedit dengan rapi".

Kosakata pun begitu. Kata seperti "delve" atau "tapestry" memang jadi sorotan karena kemunculannya melonjak, dan itu bisa jadi petunjuk kalau — dan hanya kalau — kamu tahu gaya asli penulisnya. Mahasiswa yang biasanya menulis sederhana lalu tiba-tiba memakai diksi mewah patut ditanya. Mahasiswa yang memang gemar membaca sastra? Tidak.

Contoh paling terkenal soal betapa rapuhnya penanda permukaan datang dari 2023, ketika tangkapan layar GPTZero yang menyatakan Konstitusi Amerika Serikat "kemungkinan besar ditulis AI" viral di media sosial. Penciptanya, Edward Tian, menjelaskan bahwa teks itu terlalu sering muncul di data pelatihan berbagai model bahasa, sehingga polanya terasa sangat "terprediksi" bagi detektor. Dokumen dari abad ke-18 dicap buatan mesin. Begitulah cara kerja alat yang cuma mengukur keterdugaan kata.

Tabel: Sinyal Kuat, Sinyal Lemah, dan Sinyal Menyesatkan

Sinyal	Kekuatan bukti	Catatan
Referensi/kutipan tidak bisa ditelusuri	Kuat	Bisa diverifikasi pihak ketiga, tidak bergantung selera
Tidak ada riwayat revisi atau draf	Kuat	Timeline dokumen jauh lebih sulit dipalsukan
Penulis tak bisa menjelaskan pilihannya sendiri	Kuat	Perlu wawancara, bukan skor
Ritme kalimat sangat seragam	Sedang	Bisa juga ciri penulis pemula atau non-native
Skor detektor otomatis	Sedang–lemah	Positif palsu nyata; jangan jadi bukti tunggal
Penggunaan em dash	Menyesatkan	Penanda penyuntingan, bukan penanda mesin
Bahasa terlalu formal atau kaku	Menyesatkan	Justru pola yang menghukum penulis non-native

Kalau Kamu yang Dituduh: Bukti Proses Mengalahkan Skor

Sebagai ilustrasi (bukan kejadian nyata): seorang penulis lepas mengirim artikel 1.240 kata ke klien, dan tiga jam kemudian menerima balasan berisi tangkapan layar detektor bertuliskan "87% AI". Padahal ia menulisnya selama dua hari, dengan tujuh kali revisi.

Yang menyelamatkannya bukan debat soal gaya bahasa. Melainkan tiga hal ini:

• Riwayat versi dokumen. Google Docs, Word, atau Notion menyimpan jejak pengetikan dan revisi berjam-jam. Skor detektor adalah satu angka; riwayat revisi adalah cerita bertanggal yang jauh lebih sulit dipalsukan.
• Ketidaksepakatan antar-detektor. Jalankan teks yang sama di beberapa alat. Hasil yang saling bertabrakan justru membuktikan bahwa angka itu tidak stabil, bukan otoritatif.
• Rujukan ilmiah. Lampirkan studi Liang dkk. di Patterns (2023) dengan angka 61,3% itu. Kombinasi bukti proses plus tingkat positif palsu yang sudah terbit di jurnal peer-review biasanya cukup untuk membuat penilai yang waras berhenti dan mempertimbangkan ulang.

Untuk institusi, konsekuensinya sudah terasa. Beberapa kampus memilih menonaktifkan fitur deteksi AI karena risiko tuduhan palsu; Vanderbilt University dilaporkan mengambil langkah itu sejak 2023, dengan alasan sederhana — positif palsu 1% terdengar kecil sampai kamu mengalikannya dengan puluhan ribu naskah per tahun.

Catatan: artikel ini bersifat informatif dan bukan panduan hukum atau kebijakan akademik. Setiap kampus, redaksi, dan perusahaan punya aturan sendiri soal penggunaan AI. Sebelum menuduh atau membela diri, periksa dulu kebijakan resmi di institusi masing-masing.

Arah Berikutnya: Deteksi Digeser oleh Watermarking

Ternyata, jalan keluar yang paling menjanjikan bukan menebak dari luar, melainkan menandai dari dalam. Google DeepMind mengembangkan SynthID-Text, teknik watermarking yang menyisipkan pola statistik tak kasatmata saat model menghasilkan teks. Metodenya dipublikasikan di jurnal Nature pada Oktober 2024 dan implementasi rujukannya dibuka sebagai open source, termasuk lewat Hugging Face Transformers.

Pengujiannya juga tidak main-main: DeepMind menganalisis sekitar 20 juta respons Gemini, dan pengguna tidak merasakan perbedaan kualitas antara teks yang diberi watermark dan yang tidak. Tapi DeepMind sendiri menegaskan ini bukan obat mujarab.

Batasannya jelas dan penting untuk kamu pahami: watermark hanya bisa mendeteksi teks dari model yang memang memasangnya. Teks dari model yang tidak memakai watermark, atau teks yang sudah ditulis ulang habis-habisan oleh manusia, tetap di luar jangkauan. Selama tidak semua penyedia model sepakat, celahnya akan selalu ada.

Pertanyaan yang Sering Muncul

Apakah AI detector akurat untuk teks berbahasa Indonesia?
Belum ada data publik yang meyakinkan. Sebagian besar tolok ukur yang dipublikasikan berbasis teks Inggris, dan bias terhadap penulis non-native sudah terdokumentasi di jurnal. Perlakukan skornya sebagai petunjuk lemah.

Kalau saya pakai AI untuk merapikan tata bahasa, apakah tulisan saya jadi "tulisan AI"?
Secara teknis, teks hasil suntingan berat memang bisa menaikkan skor detektor. Secara etika dan kebijakan, jawabannya bergantung pada aturan institusimu — sebagian mengizinkan bantuan penyuntingan asalkan diungkapkan, sebagian melarang total. Tanya dulu, jangan berasumsi.

Berapa panjang minimal teks supaya deteksi masuk akal?
Turnitin menaikkan syarat minimumnya dari 150 ke 300 kata, dan OpenAI dulu menyebut alatnya tidak andal untuk teks di bawah 1.000 karakter. Untuk caption Instagram atau balasan email pendek, deteksi otomatis praktis tidak berarti apa-apa.

Apakah menulis ulang teks AI dengan kata-kata sendiri bisa lolos deteksi?
Sering bisa. Studi Stanford menunjukkan sekadar meminta model menaikkan level bahasanya saja sudah memangkas tingkat deteksi secara signifikan. Justru inilah alasan kenapa detektor tidak layak jadi bukti tunggal: yang paling mudah lolos adalah orang yang sengaja menyiasatinya, sementara yang paling sering kena adalah penulis jujur dengan gaya bahasa sederhana.

Ringkasan Cepat

• Skor detektor bukan vonis. OpenAI menutup alat deteksinya sendiri karena akurasinya rendah — hanya 26% teks AI yang terdeteksi benar.
• Positif palsu paling sering menimpa penulis non-native. Angka 61,3% dari studi Stanford itu bukan anomali kecil.
• Bukti terkuat selalu bersifat proses: riwayat revisi, draf, catatan, dan kemampuan menjelaskan pilihan sendiri.
• Em dash, kosakata mewah, dan gaya formal adalah penanda menyesatkan.
• Gabungkan minimal tiga uji manual sebelum menyimpulkan apa pun.
• Watermarking seperti SynthID-Text menjanjikan, tapi hanya berlaku untuk model yang memasangnya.

Kalau kamu seorang pengajar atau editor, coba lakukan satu hal minggu ini: alih-alih menempelkan naskah ke detektor, minta penulisnya menceritakan bagian mana yang paling sulit ditulis. Jawabannya biasanya lebih informatif daripada angka persentase mana pun. Kamu sendiri pernah salah dituduh — atau malah salah menuduh?

---

Tags: #CaraMembedakanTeksAI #TulisanAIVsManusia #AIDetector #CiriCiriTulisanAI #DeteksiTeksAI #TurnitinAI #GPTZero #PositifPalsuDetektorAI #CekTulisanAI #SynthIDWatermarking