Pola Penulisan AI: Kata, Ritme, dan Tanda Baca yang Membongkarnya

Baca kalimat ini sekali dan lihat apakah Anda sudah tahu asalnya: para peneliti terus menyoroti interaksi kompleks antara motivasi dan prestasi, dan semakin banyak karya menyoroti peran kunci yang dimainkan regulasi diri dalam keberhasilan akademik. Tidak ada yang salah dengan kalimat itu. Setiap klausa gramatikal, setiap kata adalah kata yang nyata, dan seorang penilai tidak akan mengurangi satu poin pun. Namun kalimat itu tetap terdengar seolah-olah keluar dari mesin, karena memang begitu. Inilah yang dibahas dalam bagian ini.

Pola penulisan AI adalah kebiasaan yang dapat diulang, dalam pemilihan kata, ritme kalimat, tanda baca, dan struktur, yang membuat prosa yang disusun mesin mudah dikenali sekilas. Pola ini berkelompok pada empat tingkat: kata yang dipilih model, bentuk kalimatnya, tanda baca yang sering digunakannya, dan cara ia menyusun argumen secara keseluruhan. Tidak satu pun dari semuanya, jika berdiri sendiri, membuktikan apa pun. Namun bersama-sama, di dalam satu paragraf, pola itu sulit diabaikan.

Mesin yang melakukan ini disebut detektor statistik. Mesin ini memberi skor pada seberapa dapat diprediksi setiap kata, menurut apa yang diharapkan oleh model bahasa. Sebuah laporan memuat matematika perplexity dan burstiness di balik skor itu, yang dibahas lebih rinci dalam artikel lain tentang cara kerja detektor AI. Sisa artikel ini adalah katalog penanda penulisan AI yang dapat didengar, dihitung, atau ditunjukkan pembaca pada halaman. Hal ini bisa penting, bahkan jika sebuah detektor keliru, tidak tersedia, atau tidak relevan. Apa yang disajikan di sini tidak memerlukan model maupun langganan.

Mengapa Pola Penulisan AI Terdengar Robotik?

Sebuah model bahasa melakukan sesuatu yang berbeda dari manusia pada tingkat kalimat, yaitu memilih kata berikutnya yang paling mungkin secara statistik, berulang kali, di dalam sistem yang dilatih agar terdengar kompeten, bukan khas. Kompetensi pada skala itu menghasilkan prosa yang halus, benar, dan mudah dilupakan, yang menjadi akar kesan robotik. Pembaca sering kali tidak dapat menyebutkan apa yang salah dengan paragraf seperti itu, hanya bahwa paragraf itu terasa datar, dan empat tingkat di bawah inilah tempat kedataran itu berada.

Pilihan kata adalah tingkat yang pertama kali diperhatikan pembaca, kata-kata formal dan teatrikal yang muncul di tempat yang tidak semestinya. Irama kalimat lebih halus, sebuah paragraf di mana setiap kalimat berjalan dengan panjang yang kira-kira sama. Tanda baca dan pemformatan membawa ciri khasnya sendiri, sebuah tanda pisah yang digunakan sebagai sambungan serbaguna, daftar berpoin yang memecah teks yang sejak awal tidak pernah berupa daftar dalam benak penulis. Struktur adalah yang paling tidak terlihat, sebuah bagian yang mengulang judulnya sendiri, memuat tepat tiga poin, lalu menutup dengan merangkum dirinya sendiri.

Mulailah dengan kata-kata, yang paling mudah ditunjukkan, dan yang paling terdokumentasi.

Kata Apa yang Sering Digunakan Berlebihan oleh AI?

Anda melihat kata-kata formal dan sedikit teatrikal ini berulang kali: "delve", "underscore", "showcase" dan "pivotal" termasuk yang paling terdokumentasi. Dmitry Kobak dan tiga rekan penulis berupaya mengidentifikasi bahasa tersebut. Mereka menganalisis 15.1 juta abstrak PubMed dari 2010 hingga 2024 dan mengidentifikasi sekelompok kata yang mengalami peningkatan frekuensi yang tajam ketika ChatGPT dirilis. "Delve" meningkat paling jauh, studi yang diterbitkan dalam Science Advances pada Juli 2025 itu memperkirakan frekuensinya pada 2024 sekitar 28 kali lebih tinggi daripada sebelum 2023. Yang paling dekat berikutnya adalah "underscore" dan "showcase". Para penulis memperkirakan setidaknya 13.5 persen abstrak 2024 menunjukkan tanda-tanda bantuan AI, meningkat di atas 40 persen di beberapa negara dan penerbit.

Mengapa model cenderung pada kata-kata tertentu ini kurang pasti daripada polanya sendiri. Sebuah studi COLING 2025 menguji dua puluh satu kata yang terwakili secara berlebihan terhadap arsitektur model, data pelatihan, dan umpan balik manusia yang digunakan untuk menyempurnakan chatbot, dan menemukan tahap umpan balik sebagai kontributor yang paling masuk akal tanpa sepenuhnya menjelaskan efeknya. Penafsirannya juga masih diperdebatkan, sebuah pertukaran pada 2026 dalam jurnal PNAS menolak sejauh mana pergeseran frekuensi kata mengukur penggunaan AI secara langsung, hal yang patut diingat sebelum memperlakukan satu angka pun di sini sebagai fakta yang sudah pasti.

Itu bukan hanya benar untuk abstrak jurnal. Dalam sebuah studi yang membandingkan setengah juta esai mahasiswa dan esai yang dihasilkan AI, para peneliti membandingkan panjang dan pilihan kata dalam makalah tersebut dan menemukan bahwa esai manusia secara keseluruhan lebih panjang dan menggunakan kosakata yang lebih luas. Dalam sebuah studi tentang tinjauan sejawat yang diserahkan ke empat konferensi machine learning, termasuk ICLR 2024 dan NeurIPS 2023, para peneliti menggunakan teknik yang sama untuk memperkirakan bahwa antara enam dan lima belas persen teks tinjauan telah dimodifikasi secara substansial oleh sebuah LLM. Teks tersebut lebih mungkin dipengaruhi oleh sebuah LLM ketika diserahkan mendekati tenggat waktu.

Kata atau frasa yang terlalu sering digunakan AI	Apa yang digunakan penulis cermat sebagai gantinya
delve (into)	lihat, periksa
underscore	tunjukkan, tekankan
showcase	presentasikan, demonstrasikan
pivotal	utama, penentu
robust	solid, andal
intricate	kompleks, terperinci
meticulous	cermat, menyeluruh
tapestry	campuran, ragam
testament	tanda, bukti
boasts	memiliki, mencakup
foster	mendorong, mendukung
garner	mendapatkan, menarik
multifaceted	banyak sisi, kompleks
holistic	menyeluruh, keseluruhan
nuanced	cermat, tepat
invaluable	berguna, bernilai
realm	bidang, area
embark on	memulai, mulai
unlock	membuka, memungkinkan
interplay	hubungan, kaitan

Tidak satu pun dari kata-kata ini salah jika berdiri sendiri. Bagian metode yang menyebut suatu temuan robust menggunakan kata itu dengan benar, dan seorang sejarawan yang menggambarkan argumen hukum yang rumit tidak sedang mengaku kepada chatbot. Yang terdengar seperti buatan mesin adalah kepadatannya: tiga atau empat dari kata-kata ini dalam satu paragraf, tidak melakukan pekerjaan yang spesifik, ditumpuk seperti cara model menumpuknya karena masing-masing secara terpisah merupakan pilihan berikutnya yang paling aman. Pemeriksaan cepat dengan free AI word cleaner milik TextPulse menandai kepadatan itu secara langsung.

Mengapa Kalimat AI Semua Terdengar Memiliki Panjang yang Sama?

Sebuah model membangun setiap kalimat dengan cara yang sama seperti ia membangun kalimat sebelumnya, alih-alih memadatkan satu gagasan menjadi enam kata di satu tempat dan menguraikannya menjadi tiga puluh kata di tempat lain, sehingga hasilnya cenderung berada pada panjang yang hampir sama di sepanjang teks. Variasi itu, atau ketiadaannya, adalah sesuatu yang dapat Anda dengar dengan membacakan sebuah paragraf dengan suara keras, suatu latihan yang berbeda dari skor burstiness yang dihitung oleh detektor dari sifat dasar yang sama.

Dua kebiasaan yang lebih kecil memperlihatkan ritmenya dari dekat. Sebuah model suka menutup kalimat dengan participle menggantung yang memberi isyarat tentang signifikansi tanpa menambahkan informasi, suatu klaim yang diikuti dengan penekanan pada perlunya penelitian lebih lanjut atau yang mencerminkan pergeseran yang lebih luas dalam bidang tersebut. Model juga cenderung memakai struktur berpasangan agar terdengar seimbang, seperti dalam rumusan metode ini tidak hanya efisien tetapi juga dapat diskalakan. Jika diucapkan sekali, konstruksi itu tidak menonjol. Jika diucapkan dalam setiap paragraf, konstruksi itu terdengar seperti templat dengan nomina yang diganti-ganti.

Aturan Tiga

Pada tingkat frasa juga, kelompok yang terdiri dari tiga unsur adalah ritme bawaan model: tiga adjektiva sebelum sebuah nomina, tiga contoh dalam sebuah daftar, tiga klausa yang dibangun dengan cara yang sama secara berurutan. Kelompok tiga yang sesekali muncul selalu menjadi bagian dari English. Kelompok tiga yang ditempatkan dengan baik bukanlah gejala apa pun. Yang menjadi petunjuk adalah frekuensinya. Tiga bukan masalahnya. Masalahnya adalah tiga yang muncul di hampir setiap paragraf.

Menghitung sudah cukup untuk menangkap sebagian besar hal ini tanpa pelatihan khusus. Bacalah sebuah paragraf dan tandai panjang setiap kalimat dalam jumlah kata. Jika semua tanda Anda berada dalam selisih beberapa kata dari tanda terakhir, ritmenya menjadi petunjuknya. Gunakan burstiness checker gratis TextPulse untuk mengotomatiskan penghitungan dan memetakannya, berguna untuk bagian yang terlalu panjang untuk dinilai sekilas satu kalimat pada satu waktu.

Em Dash dan Petunjuk Tanda Baca Lainnya

Mengapa Tanda Ini Menjadi Pilihan Utama

Em dash mungkin adalah tanda baca yang paling sering disalahkan dalam tulisan mesin. Anda mungkin mengenalnya sebagai garis panjang yang menggantikan koma, titik dua, atau titik untuk menghubungkan dua bagian kalimat. Em dash bukan hal baru dan bukan sesuatu yang diciptakan oleh AI. Selama pedoman gaya ada, dari Chicago hingga AP, pedoman itu telah mengizinkan penggunaannya untuk penekanan dan penyisipan jeda. Dan banyak penulis profesional menggunakannya secara sengaja.

Alasan yang paling mungkin mengapa tanda ini begitu sering muncul dalam keluaran mesin adalah hal yang biasa saja: tanda ini umum dalam prosa yang telah disunting dan ditata secara profesional, yang menjadi bahan pelatihan model bahasa, dan tanda ini memungkinkan sebuah kalimat terus bergerak tanpa harus berakhir dengan titik. Model yang dibangun untuk menghasilkan teks yang lancar dan saling terhubung sering meraih fleksibilitas itu, lebih sering daripada kebanyakan orang saat menyusun draf dengan tangan.

Seberapa sering kemunculannya sangat bervariasi menurut sistem yang menghasilkan teks tersebut. Sebuah uji banding yang dilakukan pada pertengahan 2025 memberikan prompt yang sama kepada enam chatbot dan menghitung tanda itu: tiga sistem mengembalikannya delapan atau sembilan kali dalam kurang dari enam ratus kata, satu menggunakannya dua kali dalam hampir seribu kata, dan dua tidak menggunakannya sama sekali. Frekuensi adalah sifat dari model mana pun yang menghasilkan paragraf di depan Anda, bukan ciri tetap tulisan AI. OpenAI menambahkan pengaturan pada November 2025 yang memungkinkan pengguna memberi tahu ChatGPT untuk berhenti menggunakan tanda itu dan benar-benar mematuhinya, sehingga petunjuk ini kini sebagian bersifat opsional.

Tidak satu pun dari hal itu menjadikan tanda itu sendiri sebagai bukti apa pun. Banyak penulis yang cermat menggunakannya secara sengaja, dan banyak esai mahasiswa yang sama sekali tidak pernah menyentuh chatbot juga menggunakannya, kadang-kadang karena seorang dosen mengajarkannya kepada mereka. Yang layak diperiksa adalah kepadatan: sebuah halaman yang bersandar pada tanda itu setiap kalimat kedua terbaca berbeda dari halaman yang menggunakannya dua kali secara sengaja. penghapus em dash gratis TextPulse memeriksa kepadatan itu dan mengusulkan koma, titik dua, titik, atau tanda hubung sesuai kebutuhan setiap kemunculan.

Poin, Teks Tebal, dan Header

Tingkat yang sama mencakup keputusan pemformatan di bawah kalimat. Daftar berpoin di tengah prosa yang sejak awal tidak pernah menjadi daftar dalam benak penulis. Heading dalam title case ketika bagian lain dokumen menggunakan sentence case. Frasa yang ditebalkan di awal setiap butir seperti judul mini. Tidak satu pun dari ini adalah tanda baca, tetapi semuanya berasal dari tempat yang sama: sebuah model yang memformat untuk jendela chat, tempat struktur visual menggantikan transisi yang biasanya dibawa oleh prosa.

Struktur dan Bentuk Argumen

Tingkat terakhir berada di atas kalimat dan paling sulit diperbaiki dengan sekadar mengganti kata, karena itu adalah bentuk argumen itu sendiri. Sebuah bagian yang ditulis mesin sering dibuka dengan menyatakan ulang heading-nya sendiri dalam kata-kata yang sedikit berbeda, bergerak melalui dua atau tiga poin pendukung yang diberi bobot kira-kira sama tanpa memandang seberapa besar masing-masing sebenarnya penting, lalu ditutup dengan merangkum apa yang baru saja dikatakannya alih-alih menambahkan sesuatu yang baru.

Kebiasaan terkait muncul terus-menerus dalam tulisan yang lebih panjang: sebuah bagian mencantumkan apa yang dilakukan sesuatu dengan baik, berbelok pada kata seperti however, mencantumkan tantangan dalam tiga poin yang rapi, lalu menunjuk pada masa depan yang agaknya akan menyelesaikannya. Argumen yang nyata lebih tidak rapi daripada itu. Seorang penulis manusia biasanya lebih peduli pada satu poin daripada dua poin lainnya, memberinya lebih banyak ruang, dan tidak berutang penutup yang simetris kepada pembaca.

Ini juga merupakan tingkat ketika penulisan akademik yang formulaik dapat tampak sangat mirip dengan tulisan mesin, karena bagian metode atau tinjauan pustaka memang seharusnya mengikuti bentuk yang tetap. Perbedaannya terletak di dalam bentuk itu. Tinjauan pustaka yang ditulis mesin menyebutkan poin-poin biasa suatu bidang dalam urutan yang biasa. Tinjauan pustaka yang ditulis manusia memperdebatkan poin mana yang penting dan mengapa, bahkan di dalam templat yang kaku, karena suatu posisi yang nyata sedang dipertahankan.

Apakah Tanda-Tanda Ini Membuktikan Bahwa Teks Ditulis oleh AI?

Tidak ada satu tanda pun yang membuktikan apa pun, dan kumpulan lengkap tanda-tanda itu juga tidak. Di bawah tekanan dari editor atau dosen, penulis akademik yang cermat dapat menghasilkan paragraf dengan beberapa ciri ini, seperti ketiadaan pronomina, tetapi tanpa bantuan chatbot. Penulis bahasa Inggris nonpenutur asli juga dapat menggunakan kata-kata aman yang diajarkan di kelas, dan mahasiswa yang diajarkan untuk menggunakan penghubung formal mungkin juga menggunakan banyak ciri ini. Daftar kata bukanlah bukti pelanggaran; itu adalah kekeliruan yang dapat membuat penulis yang cermat dituduh secara keliru. Kita harus menyoroti kekeliruan ini, bukan mengulanginya secara diam-diam.

Yang dapat dilakukan alat secara bertanggung jawab adalah menunjukkan polanya, bukan mengadili tulisan. Yang dapat kami tawarkan dengan AI humanizer TextPulse adalah estimasi Human Score berdasarkan teks yang ada di depannya. Ini adalah pembacaan tentang posisi suatu draf terhadap pola-pola permukaan ini, bukan putusan dari detektor mana pun dan bukan janji tentang apa yang dikatakan alat lain besok. Ini adalah angka yang dapat Anda gunakan sebagai titik awal untuk suatu keputusan, seperti pemeriksa ejaan menandai sebuah kata tanpa memutuskan apakah kalimat di sekitarnya baik atau tidak.

Setiap penanda di atas memiliki halamannya sendiri. Kosakata itu sendiri dikatalogkan dalam sebuah tulisan tentang kata-kata yang membocorkan ChatGPT, dengan pembahasan terpisah mengenai kebiasaan em dash dan tentang mengapa model cenderung memilih satu verba tertentu. Label yang lebih luas juga dibahas: apa arti AI slop, apa arti AI fluff, dan panduan praktis untuk menentukan apakah sesuatu ditulis oleh AI. Jika kekhawatirannya adalah draf Anda sendiri, bukan milik orang lain, ada tulisan tentang menghapus kata-kata AI dari tulisan Anda.

Lain kali Anda membaca tulisan Anda dan ada sesuatu di dalamnya yang terasa kurang tepat, jangan hanya mencari sinonim untuk menggantikannya. Cobalah membacanya dengan suara keras. Hitung jumlah kata dalam setiap kalimat. Tanyakan pada diri Anda apa tepatnya fungsi setiap kata di sana. Itulah cara baca yang sama yang telah dijalankan oleh seorang penyunting yang cermat jauh sebelum semua ini memiliki nama.