Studi Perbandingan AI Humanizer: Apa yang Terjadi pada Teks Akademik yang Sama

Dalam studi perbandingan humanizer AI kami, setiap humanizer mengubah 48 teks akademik yang sama ke arah gaya penulisan manusia, dan perbedaan antartool paling besar terletak pada apa yang mereka pertahankan. Sebagian mempertahankan makna, sitasi, dan angka tetap dekat dengan sumber. Yang lain menambahkan angka dan nama rekaan atau kesalahan tata bahasa baru, dan keluaran seperti itu sering kali justru yang diberi label manusia oleh sebuah detektor.

TextPulse Research menjalankan studi perbandingan humanizer AI pada Agustus 2026 dan menerbitkannya sebagai makalah kerja pada 29 Agustus. TextPulse adalah salah satu alat di dalamnya, sehingga setiap alat menerima masukan yang sama dan setiap ukuran merupakan skrip publik. Makalah kerja lengkap memuat setiap tabel, gambar, dan skrip, dan seluruh 432 teks yang ditulis ulang bersifat publik.

Apa yang diuji dalam studi perbandingan humanizer AI

Studi ini memberikan 48 teks yang sama kepada setiap humanizer. Masing-masing merupakan bagian Hasil dan Pembahasan dari sebuah studi empiris rekaan, ditulis oleh model AI dan panjangnya sekitar 301 kata. Empat keluarga model menulis masing-masing 12 teks: OpenAI, Google, DeepSeek, dan Anthropic. Teks-teks tersebut mencakup empat disiplin dan tiga gaya sitasi, sehingga setiap alat menghadapi angka, nama penulis, dan penanda referensi yang harus dipertahankannya.

Bagian desain	Apa yang digunakan studi ini
Teks sumber	48 bagian Hasil dan Pembahasan yang ditulis AI, masing-masing 264 hingga 344 kata
Siapa yang menulisnya	12 teks masing-masing dari model OpenAI, Google, DeepSeek, dan Anthropic
Disiplin	Kedokteran dan kesehatan, ilmu fisik dan komputasi, ilmu sosial, humaniora
Gaya sitasi	APA penulis-tahun, tanda kurung numerik, tanpa sitasi
Fakta yang diperiksa dalam teks	404 istilah teknis, 887 angka, 124 sitasi
Cara setiap alat dijalankan	Ditempel sekali ke halaman webnya pada pengaturan default, keluaran disimpan sebagaimana dikembalikan
Tanggal	26 hingga 28 Agustus 2026
Detektor	Turnitin, satu dokumen per alat, dan GPTZero, setiap teks secara terpisah

Tugas humanizer adalah menulis ulang keluaran AI, sehingga studi ini dimulai dari keluaran AI dengan daftar fakta yang telah diverifikasi. Sebelum penulisan ulang apa pun, setiap model mencantumkan istilah, angka, dan sitasi yang telah digunakannya. Setiap item yang tercantum dibandingkan dengan teks, dan setiap item yang tidak ada di dalamnya dihapus. Hasilnya adalah daftar tetap untuk setiap teks, sehingga studi ini dapat menghitung secara tepat apa yang dipertahankan, diubah, atau diciptakan oleh setiap humanizer.

Setiap teks dimasukkan ke halaman web setiap alat satu kali, pada pengaturan default alat tersebut, dan keluarannya disimpan persis כפי adanya saat kembali. Tidak ada yang mengedit keluaran. Beberapa alat memproses kurang dari 48 karena tingkatan gratis membatasi berapa banyak teks yang akan diterima oleh suatu alat. Satu set inti berisi 24 teks sama untuk setiap alat, dalam urutan yang sama. TextPulse memproses semuanya, 48.

Bagaimana studi ini mengukur teks yang telah dihumanisasi

Skor detektor memberi tahu Anda bagaimana sebuah teks terlihat bagi satu detektor pada satu hari. Itu tidak mengatakan apa pun tentang apakah hasil penulisan ulang masih melaporkan hasil yang sama. Studi ini menilai setiap keluaran pada teks itu sendiri terlebih dahulu dan pada detektor kemudian. Bagi mahasiswa atau peneliti, penting untuk memiliki makalah yang tetap menyatakan apa yang dikatakan data, dalam prosa yang terdengar seperti ditulis oleh manusia.

Measure	Apa yang diperiksa	Mengapa ini penting dalam sebuah makalah
Meaning	Seberapa dekat penulisan ulang dengan sumber, sebagai skor kemiripan dari 0 hingga 1	Skor yang lebih rendah berarti paragraf itu kini menyatakan sesuatu yang lain
Sitasi dipertahankan	Proporsi sitasi dalam teks yang masih ada dengan penulis dan tahun yang sama	Tahun yang berubah merusak kecocokan dengan daftar referensi
Angka dipertahankan	Proporsi angka yang diperiksa yang masih ada dalam teks	Ukuran sampel atau nilai p yang hilang mengubah hasil
Item yang dibuat-buat	Angka dan nama dalam keluaran yang tidak pernah ada dalam sumber	Angka yang dibuat-buat adalah pernyataan palsu tentang studi tersebut
Kesalahan tata bahasa ditambahkan	Kesalahan baru per 1.000 kata, dihitung dengan LanguageTool	Kesalahan mengurangi nilai dan kepercayaan penelaah
Tingkat keterbacaan	Perubahan dalam tingkat Flesch-Kincaid	Teks AI memiliki tingkat kelas yang lebih tinggi daripada prosa manusia yang diterbitkan
Posisi gaya	Posisi teks di antara tulisan manusia tipikal dan tulisan AI tipikal	Detektor stilometrik merespons fitur-fitur ini
Length	Panjang keluaran dibandingkan dengan sumber, 0.70 hingga 1.30 kali dihitung sebagai dipertahankan	Alat yang memotong separuh teks telah menghilangkan konten

Posisi gaya berasal dari sebuah skala yang dikembangkan TextPulse dari 47 fitur gaya dari 121,092 teks akademik, yang dijelaskan dalam makalah klasifikasi stilometrik kami. Teks akademik manusia tipikal berada pada 0 dan teks AI tipikal berada pada 100. Kami menyebut separuh tengah teks manusia (-36 hingga 33) sebagai rentang manusia.

Kosakata dinilai terhadap daftar 1,057 kata dari makalah kosakata AI kami. Dari jumlah tersebut, 581 adalah kata yang lebih sering digunakan model AI daripada manusia, dan 476 cenderung sebaliknya. Studi ini menghitung berapa banyak kata yang cenderung AI yang dihapus oleh setiap alat per 1.000 kata.

Apa yang dilakukan setiap humanizer terhadap teks

Setiap alat dalam studi ini menggeser keluarannya ke arah ujung manusia pada skala gaya. Teks AI yang tidak diolah rata-rata memperoleh 138, melampaui teks AI tipikal pada 100. Setelah ditulis ulang, beberapa alat mencapai rentang manusia dan yang lain berhenti sekitar setengah jalan. Setiap alat juga menghapus kosakata yang condong ke AI dan menurunkan tingkat bacaan, sehingga arah perubahan sama di seluruh bidang.

Dua jenis fitur paling banyak menggerakkan teks sepanjang skala. Pasangan pertama adalah panjang kata rata-rata dan proporsi kata panjang. Penulisan ulang dari "help" menjadi "facilitate" akan membuat teks lebih mirip AI karena meningkatkan panjang kata rata-rata dan meningkatkan proporsi kata panjang. Yang kedua adalah variasi panjang kalimat, yang mendorong ke arah manusia. Sebuah paragraf yang semua kalimatnya memiliki 22 hingga 26 kata bersifat datar, tetapi paragraf yang memadukan kalimat 9 kata dengan kalimat 31 kata bersifat bervariasi.

Tujuannya adalah mencapai tingkat bacaan yang lebih rendah. Teks akademik yang ditulis AI memiliki tingkat Flesch-Kincaid yang lebih tinggi daripada prosa akademik manusia yang diterbitkan. Jadi, jika nilainya turun, tulisan menjadi lebih mirip gaya lugas yang digunakan peneliti. Itulah yang ditanggapi oleh detektor stilometrik. Perubahan itulah juga yang membuat draf lebih mudah dibaca. Kedua tujuan itu selaras selama isinya tetap utuh.

Postingan kami tentang bagaimana humanizer mengubah sebuah kalimat menunjukkan penyuntingan ini satu kalimat demi satu kalimat. Studi ini menambahkan pengukuran, seberapa jauh setiap perubahan menggeser teks, dan apa biayanya dalam makna dan fakta.

Di mana alat-alat itu berbeda: makna, sitasi, dan angka

Alat-alat itu berbeda dalam tingkat retensinya. Misalnya, di seluruh studi, antara 29 dan 100 persen sitasi dipertahankan. Antara 0.06 dan 4.44 item yang direkayasa muncul per keluaran. Antara 0.65 dan 4.91 kesalahan tata bahasa baru muncul per 1,000 kata. Item yang direkayasa itu berupa ukuran sampel, persentase, batas kepercayaan, nama penulis, dan institusi yang tidak pernah disebutkan oleh sumber.

Nama dan satuan hilang dengan cara yang lebih halus. Ketika sebuah alat memparafrasekan sebuah statistik, alat itu sering menghilangkan satuannya, sehingga "Cohen's d" menjadi ukuran efek dan "Celsius" menjadi derajat. Nama penulis hilang bersama sitasinya. Nama spesies, kala, dan instrumen diganti dengan deskripsi. Pembaca yang ingin memeriksa suatu hasil memerlukan nama-nama itu, sehingga setiap kehilangan seperti ini dihitung.

Kedalaman penulisan ulang dan kesetiaan mendorong ke arah yang berlawanan. Alat yang mengubah sepertiga kata lebih mudah mempertahankan makna. Alat yang mengubah sebagian besar kata memiliki lebih banyak peluang untuk kehilangan sesuatu. Proporsi kata yang diubah berkisar dari 35 hingga 68 persen. Hasil yang diinginkan peneliti adalah penulisan ulang yang mendalam tetapi tetap mempertahankan makna. Kombinasi itu jarang ditemukan.

Studi ini juga mencari karakter tersembunyi: karakter tak terlihat, spasi nonstandar, dan huruf yang tampak serupa dari alfabet Kiril atau Yunani. Beberapa humanizer menambahkan hal-hal ini untuk mengubah hasil detektor. Tidak ada alat dalam studi ini yang menambahkan apa pun, sehingga tidak ada keluaran yang gagal pada gerbang kualitas karena alasan itu.

Mengapa hasil detektor saja merupakan tolok ukur humanizer yang lemah

Hasil detektor yang berdiri sendiri merupakan tolok ukur humanizer yang tidak lengkap. Dalam studi perbandingan humanizer AI, keluaran yang paling sering diberi label manusia oleh GPTZero justru berasal dari alat yang menciptakan lebih banyak angka dan nama, menghilangkan lebih banyak sitasi, atau menambahkan lebih banyak kesalahan tata bahasa. Cara termudah untuk mengubah estimasi detektor adalah mengubah isi teks. Penulisan ulang seperti itu gagal pada makalah yang seharusnya dibantunya.

Untuk mengukur kedua sisi sekaligus, studi ini menetapkan gerbang kualitas. Agar lolos, sebuah keluaran harus memiliki skor makna setidaknya 0.95 dan setidaknya 90 persen sitasinya. Keluaran itu juga harus tidak memiliki angka atau nama yang diciptakan, tidak memiliki karakter tersembunyi, dan panjangnya berada dalam toleransi. Label manusia dari GPTZero kemudian hanya dihitung untuk keluaran yang lolos gerbang tersebut. Gerbang itu sama untuk setiap alat.

Setiap keluaran alat dimasukkan ke dalam satu dokumen dengan satu teks per halaman. Studi ini menggunakan satu persentase AI Turnitin untuk dokumen tersebut. Turnitin menggunakan tanda bintang вместо angka untuk kurang dari 20 persen. Hasil detektor merupakan estimasi dari satu versi detektor pada tanggal penelitian. Kami menulis tentang membaca skor AI Turnitin Anda dalam panduan kami tentang apa arti skor AI Turnitin.

Bagaimana TextPulse tampil dalam perbandingan humanizer

TextPulse menempati peringkat pertama dalam indeks komposit studi ini, yang memberi bobot sama pada kedalaman penulisan ulang, makna, posisi gaya, tata bahasa, dan integritas konten. Skor TextPulse adalah 0.811 untuk kelima ukuran tersebut dan 0.843 ketika ukuran detektor yang digated ditambahkan. Kinerjanya baik karena tidak memiliki ukuran yang lemah. Alat ini menulis ulang lebih dari separuh setiap teks dan mempertahankan fakta yang menjadi dasar sebuah makalah.

Measure	TextPulse result
Kata yang diubah	52%
Makna dipertahankan (kemiripan dengan sumber)	0.971, sekitar 97 %
Sitasi dipertahankan	99%
Angka dipertahankan	87%
Entitas bernama dipertahankan	95%
Kesalahan tata bahasa ditambahkan	0.65 per 1,000 kata, paling sedikit dalam studi
Item yang dibuat-buat	0.48 per keluaran; satu nama yang dibuat-buat dalam satu keluaran dari lima puluh
Tingkat keterbacaan	3.6 tingkat lebih rendah, penurunan terbesar
Kata-kata yang bernuansa AI dihapus	39 per 1,000 kata, paling banyak dalam studi
Posisi gaya	29, di dalam kisaran manusia
Keluaran dalam toleransi panjang	47 of 48
Keluaran yang melewati gerbang kualitas	67%
Skor AI Turnitin, satu dokumen dari semua keluaran	24 %, yang terendah dalam studi (seri)
Label manusia GPTZero pada keluaran yang melewati gerbang	10.4 % (5 dari 48), yang tertinggi dalam studi

Dua hasil paling penting untuk penggunaan akademik. Di antara alat yang mengubah setidaknya setengah kata, TextPulse paling baik mempertahankan makna. Di antara alat dengan skor makna 0.97 atau lebih tinggi, alat ini mengubah kata paling banyak. Tidak ada alat lain dalam studi yang termasuk dalam kedua kelompok itu. Humanizer untuk penulisan akademik memerlukan kombinasi tersebut, karena parafrase ringan mempertahankan gaya AI, sedangkan parafrase mendalam yang menghilangkan fakta mengubah temuan.

GPTZero memberi label manusia pada 9 dari 48 keluaran TextPulse, dan 5 di antaranya juga lolos gerbang kualitas, hasil bergerbang tertinggi dalam studi. Dokumen Turnitin untuk keluaran TextPulse memperoleh skor 24 persen AI, setara dengan skor terendah. Dokumen lainnya memperoleh skor dari 28 hingga 74 persen. Hasil detektor adalah estimasi, dan studi melaporkannya berdampingan dengan ukuran teks karena alasan itu.

Apa yang tidak dapat diberitahukan oleh studi ini kepada Anda

Studi perbandingan AI humanizer mencantumkan keterbatasannya sendiri. Teks ditulis oleh model AI berdasarkan prompt yang tetap, dan draf nyata lebih panjang serta kurang seragam. Setiap alat dijalankan satu kali, pada pengaturan defaultnya, antara 26 dan 28 Agustus 2026. Vendor memperbarui alat mereka, sehingga hasil ini menggambarkan tanggal tersebut dan harus dibaca sebagai cuplikan keadaan.

Alat yang berbeda memiliki jumlah teks yang berbeda karena mereka dibatasi pada sejumlah teks gratis tertentu yang akan diproses oleh alat tersebut. Hal ini juga menghasilkan interval kepercayaan yang lebih besar untuk alat dengan lebih sedikit teks. Turnitin menghasilkan satu skor per dokumen dan karena itu tidak memiliki sebaran skor per teks. GPTZero adalah satu detektor, satu versi model (2026-08-09-base).

TextPulse membuat studi ini dan merupakan salah satu alat di dalamnya. Setiap alat diberi masukan yang sama. Sesuai protokol, semua ukuran adalah skrip yang tersedia untuk umum, dan semua hasil mentah dibagikan. Ini berarti bahwa siapa pun dapat menjalankan kembali angka-angka tersebut, atau memberi bobot yang berbeda. Teks sumber, seluruh 432 keluaran, balasan detektor, dan skrip bersifat publik.

Cara menggunakan temuan ini pada draf Anda sendiri

Temuan ini berubah menjadi pemeriksaan singkat yang dapat Anda jalankan setelah menggunakan humanizer apa pun, termasuk milik kami. Bandingkan keluaran dengan draf Anda untuk hal-hal yang dihitung dalam studi. Pada satu bagian, ini memerlukan beberapa menit.

1. Periksa setiap angka terhadap draf Anda: ukuran sampel, persentase, nilai p, dan interval kepercayaan.
2. Periksa setiap sitasi dalam teks untuk penulis dan tahun yang sama, lalu cocokkan dengan daftar referensi Anda.
3. Cari nama yang berubah: instrumen, spesies, dataset, satuan, dan nama penulis.
4. Baca untuk klaim yang menjadi lebih kuat, seperti "may indicate" yang ditulis ulang menjadi "shows".
5. Bandingkan panjangnya. Keluaran yang jauh lebih pendek daripada sumber kemungkinan besar telah menghilangkan konten.
6. Bacakan teks dengan suara keras untuk menangkap kesalahan tata bahasa yang ditambahkan oleh penulisan ulang.

Panjang adalah pemeriksaan yang paling cepat di antara pemeriksaan ini. Dalam studi tersebut, keluaran antara 0.70 dan 1.30 kali panjang sumber dihitung sebagai dipertahankan. TextPulse mempertahankan 47 dari 48 keluaran di dalam rentang itu, dengan rata-rata 1.14 kali sumber, sehingga keluarannya berjalan sedikit lebih panjang daripada draf.

Sitasi memerlukan waktu paling lama untuk diperiksa secara manual. Dalam studi tersebut, TextPulse mempertahankan 99 persen di antaranya, dan perubahannya ada pada penyajian, seperti sitasi dalam tanda kurung yang diubah menjadi sitasi naratif. Tulisan kami tentang AI humanizer yang mempertahankan sitasi menjelaskan apa yang perlu dicari pada penanda referensi Anda sendiri.

burstiness checker gratis mengukur seberapa besar variasi panjang kalimat dalam draf Anda. Variasi panjang kalimat adalah salah satu fitur yang dalam skala studi diberi bobot ke arah tulisan manusia. Untuk panduan berperingkat dengan harga, lihat panduan kami tentang AI humanizer terbaik untuk penulisan akademik. Saat Anda siap menulis ulang, TextPulse AI humanizer dirancang untuk mempertahankan angka, nama, dan sitasi Anda, serta melaporkan perkiraan Human Score untuk hasilnya.