AI-like, Siapa Takut?

Reporter: SUSYANTO TUNUT |

Editor: SULIS |

Kamis , 15 May 2025 - 21:07

Dr. Susyanto Tunut - Dosen Prodi Kewirausahaan Universtas PGRI Silampari - Foto: Dok. Pribadi-

KORANLINGGAUPOS.ID - AI-like merujuk pada karakteristik teks, karya, atau perilaku yang terlihat seolah dihasilkan oleh Artificial Intelligence (AI) — meskipun mungkin sebenarnya dibuat manusia.Istilah ini berkembang untuk menggambarkan konten yang: terlalu rapi, terlalu netral, terlalu generik, minim ciri khas personal.

Fenomena ini memunculkan ketakutan baru:Apakah kita, sebagai manusia, secara tidak sadar sedang menulis, berbicara, atau berkarya dengan gaya seperti mesin?Apakah "AI-like" justru membunuh spontanitas, keunikan, dan ekspresi asli manusia?

Ada platform AI yang mengklaim bisa deteksi produk AI. Ada platform AI yang mengklaim bisa membuat produk AI menjadi humanis. Bagaimana mungkin?

Tulisan ini ingin mengajak kita memahami “cara kerja” AI Detector Tools dan bagaimana kita sebaiknya menyikapi fenomena AI Like.

Cara Kerja AI Detector Tools

Ya. Banyak AI detector tools yang mengklaim bisa mendeteksi apakah suatu teks dibuat oleh AI, seperti GPT, Claude, atau lainnya. Tapi pertanyaannya seberapa mungkin (how possible) deteksi ini akurat dan dapat diandalkan? Jawaban jujurnya: mungkin secara teknis, tapi masih jauh dari pasti dan banyak batasannya.

Untuk memahaminya, mari kita lihat bagaimana cara kerja AI Detector. Bagaimana AI Detector Bekerja?

Solaiman, I., Brundage, M., Clark, J., et al. (2019), Gao, C., et al. (2023), dan TurnItIn (2023) menyebutkan bahwa AI detector biasanya bekerja berdasarkan: (1) Perhitungan Perplexity dan Burstiness: Perplexity merujuk kepada seberapa mudah teks diprediksi oleh model Bahasa. Sedangkan Burstiness menunjukkan seberapa bervariasi panjang dan gaya kalimatnya. Tulisan AI biasanya terlalu rapi, terlalu “average”, tanpa variasi gaya dan struktur; (2) Pola Sintaksis dan Frekuensi Kata pada AI cenderung menggunakan struktur kalimat yang stabil, netral, dan mirip satu sama lain. Detektor melihat apakah struktur itu terlalu ‘matang’ dan terlalu ‘halus’.

AI detector akan menganalisis atau mendeteksi apakah sebuah teks ditulis oleh manusia atau LLM (Large Language Model) seperti ChatGPT, GPT-4, Claude, Gemini, dll, melalui: 1. Statistik Token-Level dari LLM, 2. Struktur Kalimat dan Keberulangan, 3. Analisis Keunikan Gaya Bahasa, dan 4. Kecepatan Perubahan Topik dalam Teks. Mari kita bahas satu per satu.

1. Statistik Token-Level dari LLM

Beberapa detektor membandingkan teks dengan distribusi token khas dari GPT atau model sejenis. Statistik token-level melihat frekuensi, variasi, dan pola kemunculan token (unit kata) untuk membedakan teks manusia vs LLM. Tapi… akurasinya masih rendah! Tabel berikut menunjukkan beberapa kemungkinan eror yang dilakukan oleh sebuah AI detector:

Faktor

ai-like, siapa takut?                            koranlinggaupos.id - ai-like merujuk pada karakteristik teks, karya, atau perilaku yang terlihat seolah dihasilkan oleh artificial intelligence (ai) — meskipun mungkin sebenarnya dibuat manusia.istilah ini berkembang untuk menggambarkan konten yang: terlalu rapi, terlalu netral, terlalu generik, minim ciri khas personal.
fenomena ini memunculkan ketakutan baru:apakah kita, sebagai manusia, secara tidak sadar sedang menulis, berbicara, atau berkarya dengan gaya seperti mesin?apakah "ai-like" justru membunuh spontanitas, keunikan, dan ekspresi asli manusia?
ada platform ai yang mengklaim bisa deteksi produk ai.  ada platform ai yang mengklaim bisa membuat produk ai menjadi humanis.  bagaimana mungkin?
tulisan ini ingin mengajak kita memahami “cara kerja” ai detector tools dan bagaimana kita sebaiknya menyikapi fenomena ai like.
baca juga:opini : triks menjadi sekolah / madrasah yang elegan dan humanis
baca juga:opini : belajar dimulai dari cinta: peran psikologi dalam membentuk fondasi karakter anak usia dini
cara kerja ai detector tools
ya. banyak ai detector tools yang mengklaim bisa mendeteksi apakah suatu teks dibuat oleh ai, seperti gpt, claude, atau lainnya. tapi pertanyaannya seberapa mungkin (how possible) deteksi ini akurat dan dapat diandalkan? jawaban jujurnya: mungkin secara teknis, tapi masih jauh dari pasti dan banyak batasannya.
untuk memahaminya, mari kita lihat bagaimana cara kerja ai detector.  bagaimana ai detector bekerja?
solaiman, i., brundage, m., clark, j., et al. (2019), gao, c., et al. (2023), dan turnitin  (2023) menyebutkan bahwa ai detector biasanya bekerja berdasarkan: (1) perhitungan perplexity dan burstiness: perplexity merujuk kepada  seberapa mudah teks diprediksi oleh model bahasa.  sedangkan burstiness menunjukkan seberapa bervariasi panjang dan gaya kalimatnya.  tulisan ai biasanya terlalu rapi, terlalu “average”, tanpa variasi gaya dan struktur; (2) pola sintaksis dan frekuensi kata pada ai cenderung menggunakan struktur kalimat yang stabil, netral, dan mirip satu sama lain.  detektor melihat apakah struktur itu terlalu ‘matang’ dan terlalu ‘halus’.
ai detector akan menganalisis atau mendeteksi apakah sebuah teks ditulis oleh manusia atau llm (large language model) seperti chatgpt, gpt-4, claude, gemini, dll, melalui: 1. statistik token-level dari llm, 2. struktur kalimat dan keberulangan, 3. analisis keunikan gaya bahasa, dan 4. kecepatan perubahan topik dalam teks.  mari kita bahas satu per satu.
1. statistik token-level dari llm
beberapa detektor membandingkan teks dengan distribusi token khas dari gpt atau model sejenis.  statistik token-level melihat frekuensi, variasi, dan pola kemunculan token (unit kata) untuk membedakan teks manusia vs llm. tapi… akurasinya masih rendah!  tabel berikut menunjukkan beberapa kemungkinan eror yang dilakukan oleh sebuah ai detector:
faktor
realita
false positive
tulisan manusia bisa disangka ai (terutama kalau rapi dan netral)
false negative
tulisan ai bisa lolos (kalau diedit manual, atau ditulis dengan prompt kreatif)
bahasa non-inggris
ai detector banyak gagal saat mengecek teks dalam bahasa selain inggris
pengaruh paraphrasing
hasil ai yang diedit sedikit bisa langsung lolos deteksi
konten generik
topik-topik umum (climate change, media sosial) lebih mudah “ditebak” ai-like
baca juga:opini integritas dari hati keluarga sebagai pondasi pencegahan anti korupsi
baca juga:opini : urusan kebudayaan yang terpinggirkan - hidup segan mati tak mau
 2. struktur kalimat dan keberulangan,
struktur kalimat merujuk pada cara kata, frasa, dan klausa disusun untuk membentuk sebuah kalimat yang bermakna.dalam analisis deteksi teks (manusia vs mesin), struktur kalimat yang diamati meliputi: (1) kompleksitas sintaksis: sederhana, majemuk, kompleks, atau campuran?; (2) variasi panjang kalimat: apakah panjang pendek kalimat bervariasi alami?; dan (3) penggunaan konektor logis: seperti "namun", "sebaliknya", "meskipun".
keberulangan (redundancy) mengacu pada pola berulang dalam teks, baik dalam: struktur kalimat, pemilihan kata, dan urutan argumen atau gaya berpikir.teks llm (seperti chatgpt, gpt-4) cenderung lebih konsisten — artinya, model sering mengulang pola kalimat yang mirip satu sama lain, bahkan tanpa sengaja.
contoh teks manusia:
"saya sangat menikmati kunjungan itu, meski harus diakui, beberapa bagian perjalanan terasa melelahkan. anehnya, rasa lelah itu justru membuat pengalaman lebih berkesan."
variasi struktur: ada kontras (“meski”), ada nuansa emosional (“anehnya”).panjang kalimat bervariasi.
contoh teks llm:
"saya menikmati kunjungan itu. perjalanan tersebut menyenangkan. pengalaman itu memberikan kesan positif."
jika diamati struktur kalimat sangat konsisten dan paralel.kalimat relatif pendek dan homogen
baca juga:opini : revitalisasi budaya daerah, sebuah catatan kecil tentang seni dan budaya di bumi silampari
baca juga:opini : laesa maiestas dan masyarakat
3. analisis keunikan gaya bahasa
apa itu keunikan gaya bahasa?keunikan gaya bahasa berarti ciri khas individu dalam menggunakan bahasa:bagaimana seseorang memilih kata, menyusun kalimat, membangun suasana, dan menyampaikan pesan.gaya bahasa mencakup:pilihan diksi (kata-kata yang dipilih),struktur kalimat khas (panjang, ritme, pola),nada atau tone (resmi, santai, emosional, humoris), dan gaya retoris (pertanyaan retoris, hiperbola, metafora, ironi, dll). setiap manusia (bahkan tanpa disadari) memiliki fingerprint gaya bahasa — seperti sidik jari.
mengapa ini penting dalam hal mendeteksi teks llm?teks manusia biasanya memiliki keunikan karena dipengaruhi oleh:emosi,pengalaman,kepribadian, dan budaya.  hal ini membuat tulisannya tidak seragam dan sering kali punya "suara" khas.  di sisi lain, teks llm (seperti gpt) cenderung: (a)  netral, sopan, rapi; (b) hindari opini keras (kecuali diarahkan eksplisit); (c) lebih homogen antar pengguna; dan (d) kurang memiliki "warna pribadi" kecuali diberi prompt sangat spesifik.itu sebabnya, analisis keunikan gaya bahasa mendeteksi apakah teks ditulis oleh manusia yang unik atau oleh llm yang lebih "generik".
contohnya dapat kita bandingkan:
teks manusia:
"langit sore itu bagai cat air tumpah di kanvas raksasa; aku berdiri terpaku, menertawakan betapa kecilnya semua masalahku."
kalimat ini menunjukkan:  metafora kuat, nada emosional tinggi, dan diksi tidak biasa.
teks llm:
"langit sore itu sangat indah, dengan berbagai warna yang membuat suasana menjadi tenang dan damai."
kalimatnya memperlihatkan: deskripsi aman,pilihan kata konservatif, dankurang unsur emosional personal.
baca juga:opini : terjebak dalam labirin pikiran: kenapa overthinking semakin menghantui?
baca juga:opini: wujudkan buah hati menjadi generasi emas sejak dini
4. kecepatan perubahan topik dalam teks
sekarang kita bahas apa itu kecepatan perubahan topik?kecepatan perubahan topik mengacu pada seberapa sering dan seberapa drastis sebuah teks berpindah dari satu ide utama ke ide lain.dalam tulisan manusia, perubahan topik bisa terjadi lebih cepat, spontan, dan tidak selalu mulus — karena dipengaruhi oleh emosi, refleksi, atau dinamika berpikir alami. sebaliknya, dalam teks llm, perubahan topik cenderung lebih lambat, linier, dan sistematis — karena model dilatih untuk menjaga koherensi dan kelancaran pembahasan.
mengapa ini penting dalammendeteksi teks llm?perubahan topik yang terlalu rapi, sistematis, dan minim lonjakan adalah ciri umum tulisan mesin.manusia kadang:membelokkan pembicaraan di tengah kalimat,menyisipkan anekdot pribadi tiba-tiba, atau melompat ke ide baru tanpa transisi sempurna.detektor ai menggunakan analisis topik untuk melihat:apakah pergantian ide terasa alami (gaya manusia), atau terlalu terstruktur dan bertahap (gaya llm).
sebagai contoh, mari kita bandingkan:
teks manusia:
"kebijakan pendidikan memang penting, apalagi mengingat kondisi sekolah saat ini. oh, bicara soal itu, saya ingat waktu kecil pernah ikut lomba cerdas cermat yang sangat mengubah hidup saya…"
perhatikan: perubahan topik cepat: dari sistem pendidikan langsung ke pengalaman pribadi. kemudian, lonjakan alami, memperlihatkan spontanitas berpikir.
teks llm:
"kebijakan pendidikan sangat penting. salah satu alasannya adalah meningkatkan kualitas sumber daya manusia. selain itu, pendidikan juga berdampak pada pertumbuhan ekonomi nasional."
coba lihat: perubahan topik bertahap, linier, logis, tanpa loncatan personal.
kembali ke isu awal: bisakah ai detector bisa mendetek ai-like? atau meng-humanize teks?
ya, secara teknis bisa dilakukan, tapi belum bisa dijadikan bukti absolut.hasilnya hanya berupa probabilitas, bukan konfirmasi mutlak.
kenyataannya, openai sendiri menghentikan text classifier-nya (2023) karena akurasi rendah.  turnitin ai detector sering dianggap over-detect dan menghasilkan kontroversi di lingkungan pendidikan.  peneliti dari princeton menyebut: “deteksi ai adalah arms race yang tidak akan selesai — semakin baik detektor, semakin pintar modelnya beradaptasi.”
cek similiritas seperti turnitin, mungkin masih bisa di terima secara algoritmik.  dengan cara kerja membandingkan tulisan dengan teks yang sudah dikenali sebelumnya dan terpublis secara terkanalisir melalui web, atau jurnal.  tapi utk produk tulisan lain, apa justifikasi cek ailike?
pertanyaan ini menyentuh fondasi epistemologis dan etis dari fenomena “ai detection”. dan benar: algoritma similarity checker seperti turnitin dan ai checker seperti gptzero bekerja dengan prinsip dan justifikasi yang berbeda secara fundamental.
berdasarkan cara kerjanya cek similaritas (turnitin dan semacamnya) dengan : (1) membandingkan tulisan kamu dengan database raksasa yang berisi:artikel jurnal, repository, situs web, publikasi pendidikan, laporan, dll; (2) algoritma mencari kemiripan frasa, struktur kalimat, urutan ide; (3) output-nya berupa: berapa persen teks kamu mirip dengan teks yang sudah ada.
dengan demikian cek similaritas memiliki justifikasi akademik, karena: berbasis sumber aktual dan tertelusur, bisa dilacak secara forensik, ada bukti dokumen pembandingnya, dan tujuannya: plagiarisme, bukan orisinalitas ide.
sementara, cek ai / ai content detection, cara kerjanya adalah: tidak membandingkan dengan sumber eksternal, hanya menganalisis pola bahasa: seberapa “ai-like” suatu tulisan menurut model statistik, tidak bisa menunjukkan “ini mirip dengan teks dari sumber x”, dan outputnya berupa: probabilitas bahwa teks ini dihasilkan ai, tanpa bukti eksplisit.
kalau demikian, apa justifikasi deteksi ai? untuk saat ini, justifikasi deteksi ai bukan forensik atau hukum, melainkan: (1) kepentingan etis dan integritas akademik ( menjaga orisinalitas pemikiran, bukan hanya bentuk tulisan; (2) alat bantu evaluasi awal (memberi sinyal kepada dosen/guru bahwa naskah ini patut dikaji lebih lanjut, bukan otomatis disalahkan); dan (3) indikasi gaya tulisan, bukan bukti plagiarisme (tidak bisa disamakan dengan “copy-paste dari jurnal”)
analoginya:cek similaritas  seperti cctv yang menangkap kamu menyalin dari buku, sedangkan, cek ai  seperti detektif yang curiga kamu terlalu lancar menjawab — tapi tidak punya rekaman.
jadi dapat disimpulkan,  cek similarity memilikijustifikasi kuat secara hukum, akademik, dan bukti literal, sementara cek ai hanya indikator dugaan berbasis pola bahasa, belum bisa dijadikan bukti valid tanpa konfirmasi tambahan.
suatu teks yang dihasilkan oleh llm (chatgpt), secara teknis:struktur kalimatnya sangat rapi, gaya bahasanya konsisten, netral, dan informatif, ada ritme pola “kalimat pembuka”,kemudian“isi”, lalu “kesimpulan” yang khas llm, terakhir, jarang (bahkan hampir tidak ada) kesalahan ketik, logika, atau gaya manusiawi seperti ‘ragu-ragu’ atau ‘loncat berpikir’
baca juga:opini: membaca kecenderungan arah kebijakan kepemimpinan yok-terus 2025-2030
baca juga:opini : pentingnya menjaga lingkungan untuk kesehatan hidup sehat
ai like dan bahasa akademik
masalahnya, sebagai akademisi terbiasa menulis secara baku.  apakah ini rentan ai like?dan di sinilah dilema paling menarik muncul.jawaban jujurnya? iya, tulisan yang terlalu baku, terstruktur, dan terlalu sempurna — meskipun murni kamu tulis sendiri — bisa terdeteksi sebagai “ai-like”. bahkan jika kamu tidak menggunakan ai sama sekali.
kenapa gaya baku rentan terdeteksi “ai-like”? ini dikarenakan ai belajar dari jutaan tulisan baku dan formal — seperti artikel, jurnal, dan ensiklopedia — jadi: (a) gaya tulisan baku = gaya tulisan ai; (b) kalimat panjang, logis, netral, tidak emosional = sangat “model-friendly”; dan (c) tidak ada kesalahan manusiawi seperti jeda aneh, frase ambigu, atau kalimat terpotong
ironisnya, semakin baik kamu menulis secara akademik atau profesional, semakin besar kemungkinan tulisanmu ditandai sebagai “ai-like” oleh detektor berbasis statistik.bahkan ada kasus mahasiswa yang:nulis skripsi sendiri dengan struktur akademik yang rapi, lalu dituduh pakai ai oleh dosen karena “terlalu sempurna”.  padahal memang dia jago nulis. 
penelitian dari stanford (2023) menunjukkan bahwa:“ai detectors frequently classify writing by non-native english speakers and formal academic writers as ai-generated due to stylistic rigidity and fluency.”
bagaimana kalau kamu punya prinsip lebih suka ai like tinggi, karena naskah akademik, dibandingkan terpaksa merubah kalimat yang justru tidak menunjukkan maksud penulisan? ini prinsip yang sangat sah dan valid secara akademik — bahkan bisa dikatakan lebih disiplin secara logika ilmiah.kenapa sah menjaga gaya “ai-like” untuk naskah akademik?pertama, ai-like tidak sama dengansalah, justru terkadang ideal.  kedua, teks yang terdeteksi “ai-like” sering kali terlalu rapi, terstruktur, dan netral—dan ini bukan kelemahan untuk penulisan akademik. bahkan, gaya seperti ini adalah ciri khas artikel ilmiah, jurnal scopus, dan disertasi.struktur kalimatnya yang bersih, non-emosional, dan berbasis logika memenuhi prinsip-prinsip objektivitas ilmiah.dengan kata lain, jika tulisanmu terasa ai-like, itu bisa berarti kamu menulis dengan sangat baik dan sesuai standar akademik tinggi.
jangan korbankan akurasi demi kesan “human”.  karena, mengubah kalimat menjadi “lebih manusiawi” (retoris, kasual, reflektif) tidak selalu tepat dalam konteks naskah ilmiah. jika perubahan itu membuat makna utama bergeser atau kehilangan ketajaman, maka lebih baik mempertahankan struktur aslinya.prinsip utama penulisan ilmiah adalah kejelasan dan ketepatan makna, bukan gaya yang “terasa manusiawi”.
baca juga:opini : urgensi transformasi guru di tengah adaptasi perubahan kurikulum
baca juga:opini : penamaan brand kuliner umkm 2025 
jadi bagaimana solusinya?
1. pertahankan gaya baku — tapi beri “jejak manusia”: tambahkan sedikit gaya narasi atau refleksi, pertanyaan retoris, atau frasa subjektif seperti  “menariknya”, “patut dicatat”, “dalam praktiknya”
2. gunakan kalimat yang tidak terlalu rata: campur kalimat pendek dan panjang. hindari 100% simetri antarkalimat
3.sisipkan pemikiran orisinal: ai bisa meniru gaya, tapi tidak bisa menciptakan pengalaman pribadi, intuisi reflektif, atau insight kontekstual lokal. itu keunggulan manusiamu.
kesimpulannya: menulis secara baku bukan kesalahan. tapi dalam era deteksi ai, tulisan manusia yang terlalu sempurna bisa disangka buatan mesin.kuncinya: bukan ubah jadi jelek, tapi tambahkan “ketidaksempurnaan manusiawi yang alami.”
sebagai tips: (1) jangan gunakan ai detector sebagai satu-satunya alat evaluasi; (2) gunakan diskusi reflektif atau oral test untuk validasi keaslian pemahaman; (3) kalau kamu pakai ai dalam menulis, edit dan personalisasi gaya kamu agar tidak “tercium” ai detector.
referensi :
gao, c., et al. 2023. how gpt models write: exploring detection techniques for ai-generated text. arxiv preprint. https://doi.org/10.48550/arxiv.2301.11305
solaiman, i., et al. 2019. release strategies and the social impacts of language models. openai policy paper. san francisco, ca.
turnitin white paper. 2023. ai writing detection: early insights. turnitin research publications.
solaiman, i., et al. 2019. release strategies and the social impacts of language models. openai policy paper. san francisco, ca.

Tag

Share

Koran Terkait

Kembali ke koran edisi Linggau Pos, JUMAT, 16 MEI 2025

Berita Terkini

Berita Terpopuler

Berita Pilihan