Pendahuluan

AI kini berada sangat dekat dengan kehidupan akademik. Mahasiswa dapat meminta bantuan untuk menyusun kerangka makalah, merangkum artikel, menjelaskan istilah sulit, membuat daftar kemungkinan topik, memperbaiki kalimat, bahkan meninjau struktur argumen. Dalam beberapa menit, sebuah sistem AI dapat menghasilkan teks yang tampak rapi, percaya diri, dan akademis.

Namun, justru di situlah tantangan utamanya.

Teks yang tampak akademis belum tentu benar. Jawaban yang lancar belum tentu bersumber. Rangkuman yang meyakinkan belum tentu setia pada artikel asli. Daftar referensi yang terlihat lengkap belum tentu nyata. Karena itu, buku ini dibangun di atas satu gagasan utama: AI boleh menjadi asisten penelitian, tetapi tidak boleh menjadi pemegang tanggung jawab akademik.

Tanggung jawab akademik tetap berada pada manusia: mahasiswa yang mengajukan tugas, peneliti yang menulis laporan, atau penulis yang mencantumkan namanya pada karya ilmiah.

Mengapa buku ini diperlukan

Untuk memahami posisi buku ini, kita mulai dari istilah paling dasar.

AI, atau artificial intelligence, adalah sistem komputasi yang dirancang untuk melakukan tugas yang biasanya memerlukan kemampuan kognitif manusia, seperti mengenali pola, mengolah bahasa, membuat prediksi, atau memberikan rekomendasi. Dalam buku ini, perhatian utama kita adalah AI generatif, yaitu AI yang dapat menghasilkan keluaran baru, misalnya teks, gambar, kode, tabel, atau ringkasan.

Contoh sederhana: ketika Anda menulis, “Buatkan tiga kemungkinan judul esai tentang dampak media sosial terhadap kesehatan mental mahasiswa,” AI generatif dapat menghasilkan beberapa judul. Ia tidak hanya mencari satu kalimat yang sudah ada di internet, melainkan menyusun teks baru berdasarkan pola yang dipelajari dari data pelatihannya. Model bahasa besar, atau large language model, bekerja dengan mempelajari pola statistik dalam bahasa dan menghasilkan kelanjutan teks yang mungkin sesuai dengan konteks masukan; karena itu, keluaran yang terdengar fasih tidak otomatis berarti keluaran itu benar secara faktual atau memiliki pemahaman seperti manusia (Bender et al., 2021).

Di lingkungan kampus, kemampuan seperti ini bisa sangat membantu. AI dapat mempercepat tahap awal berpikir. Misalnya, seorang mahasiswa yang belum tahu cara memulai kajian tentang “literasi digital” dapat meminta AI menyusun daftar subtopik: keamanan data, kemampuan mengevaluasi informasi, etika bermedia sosial, akses teknologi, dan sebagainya. Daftar itu dapat menjadi pemantik. Mahasiswa kemudian memilih, membatasi, mencari sumber asli, dan menyusun argumen sendiri.

Masalah muncul ketika pemantik dianggap sebagai hasil akhir.

Jika AI menulis definisi, mahasiswa harus memeriksa definisi itu pada buku, artikel, standar, atau sumber akademik yang relevan. Jika AI menyebut angka, mahasiswa harus mencari data aslinya. Jika AI menyebut nama teori, mahasiswa harus memeriksa apakah teori itu benar-benar ada, siapa penggagasnya, dan bagaimana teori itu digunakan dalam literatur. Kajian tentang halusinasi dalam sistem generasi bahasa menunjukkan bahwa model dapat menghasilkan informasi yang tidak didukung oleh sumber atau tidak sesuai dengan fakta, meskipun bentuk kalimatnya tampak meyakinkan (Ji et al., 2023).

Dalam buku ini, kemampuan terpenting bukan sekadar “bisa memakai AI”. Kemampuan yang lebih penting adalah bisa memeriksa AI.

AI sebagai asisten, bukan pengganti peneliti

Kata asisten berarti pihak yang membantu pekerjaan utama, bukan pihak yang mengambil alih keputusan utama. Dalam penelitian akademik, pekerjaan utama mencakup memilih masalah, menentukan pertanyaan penelitian, membaca sumber, menilai bukti, membangun argumen, menarik kesimpulan, dan bertanggung jawab atas isi tulisan.

AI dapat membantu sebagian proses itu. Misalnya:

Seorang mahasiswa ingin menulis esai tentang penggunaan AI dalam pendidikan. Ia dapat meminta AI:

“Bantu saya membuat daftar sudut pandang yang mungkin dipakai untuk membahas AI dalam pendidikan tinggi.”

AI mungkin memberi sudut pandang seperti efisiensi belajar, risiko plagiarisme, kesenjangan akses, privasi data, dan perubahan peran dosen. Ini berguna sebagai awal.

Tetapi mahasiswa tidak boleh berhenti di situ. Ia perlu bertanya: sudut pandang mana yang paling relevan dengan tugas saya? Mana yang punya literatur cukup? Mana yang bisa saya bahas dalam batas 2.500 kata? Apakah ada sudut pandang yang bias karena hanya melihat konteks negara tertentu? Apakah ada kebijakan kampus atau pedoman etika yang harus diperhatikan?

Di sini terlihat pembagian kerja yang sehat:

• AI membantu membuka kemungkinan.
• Manusia memilih arah.
• AI membantu menyusun draf atau pertanyaan.
• Manusia memeriksa sumber dan makna.
• AI membantu memperjelas bahasa.
• Manusia memastikan argumen benar, jujur, dan sesuai bukti.

Prinsip ini sejalan dengan panduan UNESCO yang menekankan bahwa penggunaan AI generatif dalam pendidikan dan penelitian perlu disertai pengawasan manusia, perlindungan integritas akademik, perhatian terhadap privasi, serta kejelasan kebijakan penggunaan (UNESCO, 2023). Dengan kata lain, persoalan utama bukan “boleh atau tidak boleh memakai AI” secara mutlak, melainkan bagaimana memakai AI tanpa melepaskan tanggung jawab intelektual dan etis.

Apa yang dimaksud dengan “harus diperiksa”

Judul buku ini memakai frasa harus diperiksa karena keluaran AI tidak dapat diperlakukan sebagai sumber otoritatif. Untuk memahami ini, kita perlu membedakan tiga hal: klaim, bukti, dan sumber.

Klaim adalah pernyataan yang mengatakan sesuatu tentang dunia, teks, data, atau hubungan antaride. Contoh:

“Penggunaan media sosial yang berlebihan berkaitan dengan peningkatan gejala kecemasan pada remaja.”

Kalimat ini adalah klaim faktual karena menyatakan hubungan yang dapat diteliti. Klaim seperti ini memerlukan bukti.

Bukti adalah dasar yang mendukung atau melemahkan klaim. Bukti dapat berupa hasil penelitian, data survei, dokumen hukum, arsip, kutipan teks primer, atau hasil observasi yang dijelaskan metodenya.

Sumber adalah tempat bukti itu ditemukan. Dalam kerja akademik, sumber dapat berupa artikel jurnal, buku akademik, laporan resmi, dataset, undang-undang, wawancara, atau dokumen primer lain.

Contoh sederhana:

• Klaim: “Tingkat pengangguran terbuka Indonesia pada periode tertentu adalah sekian persen.”
• Bukti: angka statistik tenaga kerja.
• Sumber: publikasi resmi Badan Pusat Statistik untuk periode yang dimaksud.

Jika AI memberi klaim tanpa sumber, klaim itu belum layak dimasukkan ke tulisan akademik. Jika AI memberi sumber, sumber itu tetap harus diperiksa. Judul, penulis, tahun, penerbit, DOI, halaman, dan isi kutipan harus cocok dengan dokumen asli. Salah satu risiko penting AI generatif adalah kemampuannya menghasilkan referensi yang tampak meyakinkan tetapi tidak nyata atau tidak sesuai dengan isi yang diklaim; risiko ini berkaitan dengan fenomena halusinasi dalam generasi bahasa alami (Ji et al., 2023).

Maka, “harus diperiksa” berarti:

1. Apakah klaimnya jelas?
2. Apakah klaim itu memerlukan sumber?
3. Apakah sumber yang diberikan benar-benar ada?
4. Apakah sumber itu benar-benar mengatakan hal yang diklaim?
5. Apakah konteksnya tidak dipotong atau disalahartikan?
6. Apakah ada sumber lain yang mendukung, membatasi, atau menentang klaim tersebut?
7. Apakah kesimpulan yang ditulis sebanding dengan kekuatan buktinya?

Pertanyaan-pertanyaan ini akan menjadi kebiasaan utama sepanjang buku.

Integritas akademik sebagai pusat penggunaan AI

Integritas akademik berarti menjalankan kerja akademik dengan jujur, bertanggung jawab, adil, dapat dipercaya, hormat terhadap karya orang lain, dan berani mempertanggungjawabkan proses sendiri. International Center for Academic Integrity merumuskan nilai-nilai dasar integritas akademik sebagai kejujuran, kepercayaan, keadilan, rasa hormat, tanggung jawab, dan keberanian (International Center for Academic Integrity, 2021).

Dalam konteks AI, integritas akademik tidak hanya berarti “tidak menyalin tulisan orang lain”. Ia juga mencakup pertanyaan yang lebih luas:

Apakah Anda mengakui bantuan AI jika kebijakan kampus memintanya? Apakah Anda memeriksa kembali kutipan yang diberikan AI? Apakah Anda memasukkan data responden ke alat AI tanpa izin? Apakah Anda membiarkan AI membuat analisis utama, lalu mengaku seolah-olah semua itu hasil pemikiran Anda sendiri? Apakah Anda memahami argumen yang Anda kumpulkan?

Contoh:

Seorang mahasiswa meminta AI menulis seluruh bagian pembahasan skripsi berdasarkan beberapa poin singkat. Ia tidak membaca artikel yang disebutkan, tidak memeriksa data, dan tidak memahami alur argumennya. Walaupun teksnya tidak menyalin langsung dari satu sumber tertentu, praktik ini tetap bermasalah karena mahasiswa menyerahkan pekerjaan intelektual utama kepada AI dan tidak dapat mempertanggungjawabkan isi tulisan.

Bandingkan dengan contoh lain:

Mahasiswa yang sama menulis sendiri pembahasan awal, lalu meminta AI menunjukkan bagian yang kurang jelas, kemungkinan kontraargumen, dan saran transisi antarparagraf. Setelah itu, ia memeriksa setiap saran, menolak sebagian, memperbaiki sebagian, dan mencatat penggunaan AI sesuai kebijakan kampus. Dalam contoh kedua, AI berperan sebagai alat bantu, sementara tanggung jawab akademik tetap dipegang manusia.

Perbedaan antara dua contoh itu bukan hanya pada alat yang dipakai, melainkan pada siapa yang berpikir, siapa yang memutuskan, dan siapa yang bertanggung jawab.

Cara buku ini akan membantu Anda

Buku ini disusun untuk mahasiswa yang ingin memakai AI secara produktif, tetapi tidak ingin kehilangan kemandirian akademik. Kita tidak akan menganggap AI sebagai musuh. Kita juga tidak akan menganggap AI sebagai mesin kebenaran. Sikap yang dilatih adalah sikap tengah yang lebih matang: terbuka, kritis, terverifikasi, dan etis.

Pada bab-bab awal, Anda akan membangun cara pandang dasar. Kita akan membahas mengapa AI bukan pengganti tanggung jawab akademik, bagaimana AI generatif bekerja dalam bahasa sederhana, dan bagaimana membagi tugas antara manusia dan AI. Bagian ini penting karena kesalahan penggunaan AI sering dimulai dari bayangan yang keliru tentang kemampuan AI. Jika AI dianggap seperti ensiklopedia yang selalu benar, Anda mudah tertipu oleh jawaban yang lancar. Jika AI dianggap tidak berguna sama sekali, Anda kehilangan kesempatan untuk memakainya sebagai alat berpikir.

Setelah itu, buku bergerak ke keterampilan praktis. Anda akan belajar merancang pertanyaan penelitian yang tidak dikendalikan AI, menulis prompt yang membantu, memakai AI untuk brainstorming, membedakan klaim dan bukti, serta memverifikasi jawaban AI melalui sumber asli. Di bagian ini, kita akan sering memakai contoh konkret: bagaimana meminta AI membuat daftar ide, bagaimana menandai klaim yang perlu dicek, bagaimana mencari artikel asli, dan bagaimana membandingkan jawaban AI dengan literatur.

Bab-bab berikutnya masuk ke kerja akademik yang lebih rinci: membaca literatur, mengelola sitasi, menyusun argumen, memeriksa data dan metode, menyunting tulisan, serta mencatat penggunaan AI secara transparan. Kita juga akan membahas privasi, keamanan data, bias, dan keadilan. Topik-topik ini penting karena penggunaan AI tidak hanya menyangkut benar-salah informasi, tetapi juga menyangkut hak orang lain, kerahasiaan data, dan representasi kelompok yang mungkin terabaikan. Kerangka manajemen risiko AI dari NIST menekankan pentingnya memahami, mengukur, dan mengelola risiko AI, termasuk risiko terhadap keandalan, keamanan, privasi, transparansi, dan dampak sosial (National Institute of Standards and Technology, 2023).

Pada akhir buku, Anda akan menyusun protokol pemeriksaan akhir dan alur kerja penelitian berbantuan AI dari awal sampai akhir. Tujuannya bukan membuat Anda bergantung pada satu alat tertentu, karena alat AI akan terus berubah. Tujuannya adalah membangun kebiasaan berpikir yang tetap berguna walaupun teknologi berganti.

Sikap belajar yang dibutuhkan

Ada tiga sikap yang akan membuat buku ini berguna.

Pertama, rasa ingin tahu yang aktif. Jangan hanya bertanya, “Apa jawaban AI?” Tanyakan juga, “Dari mana jawaban ini bisa diperiksa?” dan “Apa yang mungkin terlewat?” Misalnya, jika AI menjelaskan teori tertentu, cari siapa penulis utamanya, kapan teori itu muncul, dan bagaimana teori itu dikritik.

Kedua, kerendahan hati epistemik. Kata epistemik berkaitan dengan pengetahuan: bagaimana kita tahu sesuatu, sejauh mana kita yakin, dan apa batas pengetahuan kita. Kerendahan hati epistemik berarti bersedia mengatakan, “Saya belum tahu,” “Saya perlu memeriksa,” atau “Bukti yang saya punya belum cukup.” Dalam penelitian, sikap ini bukan kelemahan. Justru inilah dasar kerja ilmiah yang hati-hati.

Contoh: AI mengatakan bahwa “sebagian besar penelitian menunjukkan X”. Kalimat ini terdengar kuat. Tetapi peneliti yang berhati-hati akan bertanya: sebagian besar dari penelitian apa? Di negara mana? Tahun berapa? Dengan metode apa? Apakah ada tinjauan sistematis? Apakah ada penelitian yang bertentangan?

Ketiga, disiplin dokumentasi. Jika Anda memakai AI dalam proses akademik, catatlah. Catatan tidak harus rumit. Minimal, tuliskan alat yang dipakai, tanggal, tujuan penggunaan, prompt penting, bagian mana yang terbantu, dan bagaimana Anda memeriksa hasilnya. Dokumentasi membuat proses Anda lebih transparan, membantu Anda mengingat keputusan yang diambil, dan memudahkan penyesuaian dengan kebijakan dosen atau kampus.

Contoh catatan sederhana:

12 Maret 2026 — Menggunakan AI untuk meminta daftar kemungkinan subtopik tentang etika AI dalam pendidikan. Saya memakai hasilnya sebagai brainstorming, memilih dua subtopik, lalu mencari sumber akademik melalui database jurnal. Tidak ada kalimat AI yang langsung dimasukkan ke draf.

Catatan seperti ini menunjukkan bahwa AI dipakai sebagai alat bantu proses, bukan sebagai pengganti kerja akademik.

Batas penting sejak awal

Sebelum masuk ke bab berikutnya, ada beberapa batas yang perlu ditegaskan.

Pertama, buku ini tidak menggantikan kebijakan kampus, dosen, jurnal, atau lembaga penelitian. Jika dosen melarang penggunaan AI untuk tugas tertentu, ikuti instruksi itu. Jika kampus mewajibkan deklarasi penggunaan AI, lakukan dengan jujur. UNESCO juga menekankan pentingnya lembaga pendidikan menyusun panduan yang jelas tentang penggunaan AI generatif, termasuk aspek etika, perlindungan data, dan integritas akademik (UNESCO, 2023).

Kedua, buku ini tidak mengajarkan cara “mengakali detektor AI”. Detektor semacam itu sendiri memiliki keterbatasan, tetapi fokus etis buku ini bukan bagaimana lolos dari pemeriksaan. Fokusnya adalah bagaimana menghasilkan karya yang benar-benar dapat Anda pertanggungjawabkan.

Ketiga, buku ini tidak menganjurkan memasukkan semua bahan akademik ke AI. Data pribadi, transkrip wawancara, naskah yang belum terbit, dokumen internal, data responden, dan materi berhak cipta harus diperlakukan hati-hati. Anda perlu memahami izin, kebijakan privasi, dan risiko penyimpanan data sebelum memasukkan materi semacam itu ke sistem AI.

Keempat, buku ini tidak menjanjikan bahwa verifikasi selalu cepat. Kadang memeriksa satu klaim membutuhkan waktu lebih lama daripada menghasilkan satu halaman teks dengan AI. Tetapi dalam akademik, kecepatan bukan satu-satunya nilai. Ketepatan, kejujuran, dan keterlacakan sumber adalah bagian dari kualitas karya.

Janji utama buku ini

Jika dibaca dan dilatih dengan serius, buku ini akan membantu Anda membangun lima kemampuan.

Anda akan mampu membagi tugas antara manusia dan AI: mana yang boleh dibantu, mana yang harus diputuskan sendiri, dan mana yang harus diperiksa oleh sumber asli.

Anda akan mampu membaca keluaran AI secara kritis: membedakan klaim, opini, ringkasan, rekomendasi, asumsi, dan bukti.

Anda akan mampu memverifikasi informasi: mencari sumber primer atau sumber akademik yang relevan, memeriksa kutipan, menilai kredibilitas, dan membandingkan beberapa sumber.

Anda akan mampu mencatat penggunaan AI secara transparan: bukan sebagai beban administratif, melainkan sebagai bagian dari integritas proses penelitian.

Anda akan mampu menjaga suara dan tanggung jawab sendiri: memakai AI untuk memperjelas, bukan menggantikan; meminta bantuan, bukan menyerahkan; menerima saran, bukan kehilangan penilaian.

Pada akhirnya, pertanyaan terpenting bukan “Apakah saya memakai AI?” melainkan:

“Apakah saya masih memahami, memeriksa, memilih, dan bertanggung jawab atas karya akademik saya?”

Jika jawabannya ya, AI dapat menjadi asisten yang berguna. Jika jawabannya tidak, AI telah berubah dari alat bantu menjadi pengambil alih tanggung jawab.

Buku ini mengajak Anda memilih jalan pertama: memakai AI dengan cerdas, tetapi tetap memegang kendali intelektual dan etis sebagai penulis akademik.

References

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610–623. https://doi.org/10.1145/3442188.3445922

International Center for Academic Integrity. (2021). The fundamental values of academic integrity (3rd ed.). International Center for Academic Integrity.

Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248. https://doi.org/10.1145/3571730

National Institute of Standards and Technology. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693