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

Bacalah kalimat ini sekali dan lihat apakah Anda sudah tahu dari mana asalnya: para peneliti terus menyoroti interaksi kompleks antara motivasi dan pencapaian, dan semakin banyak karya menyoroti peran kunci yang dimainkan oleh regulasi diri dalam keberhasilan akademik. Tidak ada yang salah dengannya. Setiap klausa gramatikal, setiap kata adalah kata yang nyata, dan seorang penilai tidak akan mengurangi satu poin pun. Namun, kalimat ini tetap terdengar seolah-olah keluar dari mesin, karena memang demikian. 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 sendirian membuktikan apa pun. Namun, jika muncul bersama dalam satu paragraf, pola-pola itu sulit diabaikan.

Mesin yang melakukan hal ini disebut detektor statistik. Mesin ini memberi skor pada seberapa dapat diprediksi setiap kata, menurut apa yang diharapkan oleh sebuah 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 tanda-tanda penulisan AI yang dapat didengar, dihitung, atau ditunjukkan oleh pembaca pada halaman. Hal ini dapat penting, bahkan jika sebuah detektor keliru, tidak tersedia, atau tidak relevan. Uraian berikut 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, dalam sistem yang dilatih untuk terdengar kompeten, bukan khas. Kompetensi pada skala itu menghasilkan prosa yang mulus, benar, dan mudah dilupakan, yang menjadi akar kesan robotik. Pembaca sering kali tidak dapat mengatakan 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 disadari pembaca: kata-kata formal dan teatrikal yang muncul di tempat yang tidak semestinya. Irama kalimat lebih tenang, sebuah paragraf di mana setiap kalimat berjalan dengan panjang yang kira-kira sama. Tanda baca dan pemformatan membawa ciri khasnya sendiri, sebuah tanda hubung yang digunakan sebagai sambungan serbaguna, daftar berpoin yang memecah teks yang sejak awal bukan 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 dari kata-katanya, yang paling mudah ditunjuk, 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 tajam dalam frekuensi ketika ChatGPT dirilis. "delve" meningkat paling jauh, studi yang diterbitkan di Science Advances pada Juli 2025 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 berkonvergensi pada kata-kata tertentu ini kurang pasti dibandingkan 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 efek tersebut. Penafsirannya juga masih diperdebatkan: sebuah pertukaran pendapat tahun 2026 di jurnal PNAS menolak seberapa langsung pergeseran frekuensi kata mengukur penggunaan AI, hal yang patut diingat sebelum memperlakukan angka tunggal apa 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 ulasan 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 ulasan 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 yang cermat sebagai gantinya
delve (into)	lihat, periksa
underscore	tunjukkan, tekankan
showcase	tampilkan, demonstrasikan
pivotal	utama, penentu
robust	kokoh, andal
intricate	kompleks, terperinci
meticulous	cermat, menyeluruh
tapestry	campuran, ragam
testament	tanda, bukti
boasts	memiliki, mencakup
foster	mendorong, mendukung
garner	mendapatkan, menarik
multifaceted	berbagai sisi, kompleks
holistic	menyeluruh, keseluruhan
nuanced	cermat, tepat
invaluable	berguna, berharga
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 dibuat mesin adalah kepadatan: tiga atau empat kata ini dalam satu paragraf, dipakai tanpa fungsi 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 ritme itu dari dekat. Sebuah model suka menutup kalimat dengan participle menggantung yang memberi isyarat pada 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 skalabel. Jika diucapkan sekali, konstruksi itu tidak menonjol. Jika diucapkan dalam setiap paragraf, konstruksi itu terdengar seperti templat dengan kata benda yang diganti-ganti.

Aturan Tiga

Pada tingkat frasa juga, kelompok yang terdiri dari tiga merupakan 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 telah menjadi bagian dari bahasa Inggris. Kelompok tiga yang ditempatkan dengan baik bukanlah gejala apa pun. Yang menjadi petunjuk adalah frekuensinya. Tiga bukan masalahnya. Yang menjadi masalah 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 telah 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 disusun 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 tulisan dengan tangan.

Seberapa sering kemunculannya sangat bergantung pada sistem mana yang menghasilkan teks tersebut. Uji coba berdampingan 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, yang membuat 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 patut diperiksa adalah kepadatan: sebuah halaman yang bersandar pada tanda itu setiap kalimat kedua terbaca berbeda dari halaman yang menggunakannya dua kali dengan sengaja. penghapus em dash gratis TextPulse memeriksa kepadatan itu dan mengusulkan koma, titik dua, titik, atau tanda hubung yang dituntut oleh 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 pikiran penulis. Header dalam title case ketika bagian lain dokumen menggunakan sentence case. Frasa yang ditebalkan di awal setiap poin 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 mengganti kata, karena itulah bentuk argumen itu sendiri. Sebuah bagian yang ditulis mesin sering dibuka dengan menyatakan ulang judulnya sendiri dengan 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 terus muncul 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 sama rapi, lalu memberi isyarat pada masa depan yang agaknya akan menyelesaikannya. Argumen yang nyata lebih tidak rata 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 penulisan mesin, karena bagian metode atau tinjauan pustaka memang seharusnya mengikuti bentuk yang tetap. Perbedaannya terletak di dalam bentuk itu. Tinjauan pustaka yang ditulis mesin menyebut poin-poin biasa suatu bidang dalam urutan 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.

Menilai Teks yang Tidak Anda Tulis

Empat Tanda yang Paling Layak Diperhatikan

Kesenjangan spesifisitas adalah tanda terkuat yang tersedia bagi pembaca tanpa alat apa pun. Prosa yang disusun mesin membuat klaim yang berlaku pada setiap tingkat generalitas dan tidak terikat pada tingkat mana pun. Prosa itu melaporkan bahwa penelitian telah menelaah pertanyaan tersebut tanpa menyebut studi, bahwa efeknya signifikan tanpa memberikan ukuran, bahwa praktik itu umum di sektor tersebut tanpa menyebut perusahaan atau tahun. Penulis manusia yang bekerja dengan batas kata yang sama cenderung menghabiskan kata-kata itu pada satu hal konkret, karena mereka memang memiliki satu hal konkret dan ingin memasukkannya.

Sitasi yang tidak dapat ditelusuri adalah satu-satunya tanda dalam daftar ini yang mendekati bukti, dan tanda ini juga yang paling jarang. Referensi yang diformat dengan sangat rapi, diatribusikan kepada jurnal yang nyata, membawa pengenal yang tidak menghasilkan catatan apa pun, sangat sulit dihasilkan secara tidak sengaja. Periksa tiga referensi sebelum Anda memeriksa hal lain dalam naskah yang Anda ragukan. Itu hanya memerlukan dua menit dan hasilnya entah mengakhiri pertanyaan itu atau menghapus sinyal terkuat dari pertimbangan.

Kepadatan kosakata adalah tanda yang paling sering pertama kali dicari pembaca dan yang paling sering gagal. Sinyalnya adalah kepadatan, bukan kata individual mana pun. Satu verba formal adalah register akademik yang biasa, sedangkan lima verba dalam satu paragraf yang tidak melakukan kerja spesifik apa pun adalah sebuah pola. Menghitung dengan tangan di seluruh naskah yang panjang itu lambat, dan pembersih kata AI gratis milik TextPulse menandai kelompok-kelompok itu secara otomatis, yang mengubah kesan samar menjadi sesuatu yang dapat Anda tunjuk di halaman.

Yang paling halus dari keempatnya adalah register yang tidak pernah berubah. Seorang penulis manusia hampir selalu melakukan sesuatu yang sedikit tidak selaras di sepanjang dua ribu kata, sebuah kalimat pendek setelah tiga kalimat panjang, sisipan dalam tanda kurung, penilaian yang sebenarnya tidak perlu dibuat, sebuah kata yang dipilih karena disukai. Prosa yang disusun mesin mempertahankan satu register dari baris pertama sampai baris terakhir. Ada genre yang melarang semua hal ini, jadi penanda ini jauh kurang bernilai dalam bagian metode daripada dalam pernyataan pribadi.

Penanda yang Tampak Kuat tetapi Sebenarnya Tidak

Tata bahasa yang sempurna tidak membuktikan apa pun. Ejaan dan tanda baca telah diotomatisasi selama dua dekade, dan setiap penulis yang cermat yang menjalankan pemeriksa akan menghasilkan permukaan yang sama bersihnya. Register formal juga tidak membuktikan apa pun, karena formalitas adalah apa yang dibutuhkan oleh sebagian besar genre akademik dan profesional menurut kebijakan. Penggunaan heading, teks tebal, dan daftar berpoin secara intensif adalah kebiasaan gaya rumah jauh sebelum menjadi hal lain, dan banyak penulis telah dilatih untuk itu bertahun-tahun sebelum sebuah chatbot memperlihatkannya kepada siapa pun. Kebiasaan tanda baca memiliki bobot yang sama rendahnya, dan em dash khususnya telah diminta untuk menanggung jauh lebih banyak daripada yang dapat dipikul oleh satu tanda.

Skor detektor juga termasuk dalam kelompok ini, dan hal ini cenderung mengejutkan orang. Skor adalah penilaian statistik tentang seberapa dapat diprediksi teks itu, dan prosa yang dapat diprediksi adalah apa yang dihasilkan manusia yang cermat setiap hari, itulah sebabnya positif palsu dapat muncul sama sekali. Keluaran detektor adalah salah satu masukan bagi keputusan yang masih harus dibuat oleh seseorang, dan penjelasan TextPulse tentang cara kerja detektor AI menjelaskan apa yang diukur oleh angka itu sebelum siapa pun memperlakukannya sebagai putusan.

Apa yang Harus Dilakukan Ketika Sebuah Teks Memicu Beberapa Penanda

Periksa terlebih dahulu hal yang dapat diperiksa. Ambil tiga sitasi, satu angka, dan satu fakta bernama, lalu verifikasi masing-masing. Satu penelusuran itu memisahkan teks yang tipis dari teks yang direkayasa, dan keduanya menuntut respons yang sangat berbeda. Berikutnya, bandingkan naskah yang diserahkan dengan sesuatu yang ditulis orang yang sama sebelumnya di bawah pengawasan, karena perubahan mendadak dalam register dalam diri satu penulis lebih berbobot daripada pembacaan absolut atas satu dokumen. Lalu ajukan pertanyaan yang hanya dapat dijawab penulis tentang teksnya sendiri: mengapa sumber ini, bukan alternatif yang jelas, apa yang semula akan diperdebatkan oleh bagian ketiga, paragraf mana yang paling menyulitkan mereka. Seseorang yang menulisnya akan menjawab segera.

Ikuti kebijakan yang memang ada, bukan kebijakan yang akan Anda tulis. Sebagian besar institusi kini menetapkan siapa yang boleh mengajukan kekhawatiran, bukti apa yang dapat diterima, dan apa yang diberitahukan kepada penulis, dan melewatkan urutan itu justru mengubah pertanyaan yang wajar menjadi keluhan. Penulis di sisi lain dari masalah ini, yang diberi tahu bahwa karya mereka sendiri terbaca seperti draf mesin, memiliki tugas yang berbeda, dan TextPulse's AI humanizer melaporkan perkiraan Human Score yang dihitung dari teks, bukan putusan dari detektor mana pun.

Menerapkan tes yang sama pada draf Anda sendiri lebih sulit, dan apakah tulisan Anda terdengar seperti AI memiliki halamannya sendiri. Kosakata itu sendiri dikatalogkan secara terpisah, dalam daftar kata-kata yang membocorkan ChatGPT.

Sembilan penanda itu merupakan alasan untuk mengajukan pertanyaan, dan pertanyaannya selalu sama: apa yang diketahui teks ini yang tidak akan diketahui oleh tebakan yang fasih? Ajukan terlebih dahulu pada sitasi. Itulah satu-satunya bagian dari setiap naskah yang menjawab dengan sendirinya, tanpa siapa pun harus dituduh melakukan apa pun.

Apakah Penanda Ini Membuktikan Bahwa Teks Ditulis oleh AI?

Tidak ada satu tanda pun yang membuktikan apa pun, dan kumpulan lengkap tanda-tanda itu juga tidak membuktikan apa pun. Di bawah tekanan dari editor atau profesor, penulis akademik yang cermat dapat menghasilkan paragraf dengan beberapa ciri ini, seperti ketiadaan pronomina, tetapi tanpa bantuan chatbot. Penulis bahasa Inggris non-native 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 bukan bukti pelanggaran, ini adalah kesalahan yang dapat membuat penulis yang cermat dituduh secara keliru. Kita seharusnya menyoroti kesalahan ini, bukan mengulanginya secara diam-diam.

Yang dapat dilakukan alat secara bertanggung jawab adalah menunjukkan pola, bukan mengadili tulisan. Yang kami tawarkan dengan AI humanizer TextPulse adalah estimasi Human Score berdasarkan teks yang ada di depannya. Ini adalah pembacaan tentang posisi sebuah 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 mengambil keputusan, seperti pemeriksa ejaan menandai sebuah kata tanpa memutuskan apakah kalimat di sekitarnya baik atau tidak.

Setiap tanda di atas memiliki halamannya sendiri. Kosakata itu sendiri dikatalogkan dalam tulisan tentang kata-kata yang membocorkan ChatGPT, dengan pembahasan terpisah tentang 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 saat Anda membaca prosa 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 sendiri apa tepatnya fungsi setiap kata di sana. Itulah cara baca yang sama yang telah dilakukan seorang penyunting yang cermat jauh sebelum semua ini memiliki nama.