Apakah Turnitin Dapat Mendeteksi Teks yang Diparafrasekan?

Ya. Turnitin mendeteksi teks yang diparafrasekan, dan memang itulah tujuan pembuatannya. Dua sistem di dalam laporan yang sama menangkapnya. Similarity Report menandai bagian yang masih tumpang tindih dengan karya yang telah diterbitkan atau makalah yang sebelumnya diserahkan setelah redaksinya diubah, yang merupakan tugas yang telah dijalankannya sejak jauh sebelum penulisan AI ada. AI Writing Report memiliki kategori berlabel tersendiri untuk teks yang dihasilkan AI yang telah diproses melalui alat parafrase atau word spinner. Mengganti kata dengan sinonim tidak membersihkan keduanya.

Sistem mana yang menangkap suatu bagian bergantung pada asal teks tersebut. Materi yang diparafrasekan dan diambil dari suatu sumber adalah masalah similarity. Materi yang diparafrasekan dan dihasilkan oleh ChatGPT adalah masalah penulisan AI. Banyak pengumpulan tugas merupakan keduanya sekaligus, dan kedua sistem tetap membaca setiap pengumpulan tugas.

Turnitin Menamai Teks AI yang Diparafrasekan sebagai Kategorinya Sendiri

Ini bukan inferensi dari cara kerja detektor secara umum. AI Writing Report milik Turnitin membagi persentasenya ke dalam dua kategori berlabel, dan yang kedua adalah teks AI yang diparafrasekan.

Laporan tersebut mendefinisikan angka utamanya sebagai "the combined amount of likely AI-generated text as well as likely AI-generated text that was also likely AI-paraphrased". Butir kedua diberi label "AI-generated text that was AI-paraphrased" dan dijelaskan sebagai "likely AI-generated text that was likely revised using an AI-paraphrase tool or word spinner".

Dokumentasi dukungan Turnitin menjawab pertanyaan ini secara eksplisit. Ketika ditanya langsung apakah Turnitin dapat mendeteksi konten yang diparafrasekan dengan alat parafrase AI, panduannya menyatakan: "Yes, Turnitin's AI indicator includes detection of AI-generated content that may have been paraphrased using a word spinner/AI paraphrasing tool." Jawaban yang hampir identik juga mencakup teks yang diproses dengan alat bypasser yang dibuat khusus untuk menulis ulang keluaran AI agar lolos dari detektor. Tidak satu pun menghasilkan skor terpisah. Keduanya masuk ke persentase tunggal yang sama yang dilihat oleh pengajar.

Apa yang Dideteksi oleh Masing-masing Sistem

	Laporan Similarity	Laporan Penulisan AI
Apa yang diperiksa	Apakah teks tumpang tindih dengan sumber yang sudah ada dalam basis data Turnitin atas konten web, publikasi, dan makalah mahasiswa	Apakah prosa tersebut terbaca sebagai tulisan yang secara statistik khas dari tulisan yang dihasilkan mesin
Parafrase yang dideteksi dari	Karya orang lain yang telah diterbitkan atau diserahkan	Draf yang dihasilkan AI, termasuk yang telah direvisi oleh alat parafrase atau bypasser
Dampak dari penggantian sinonim	Menurunkan persentase, tetapi tetap menyisakan istilah khas, kutipan, dan struktur kalimat yang cocok	Sebagian besar mempertahankan skor seperti semula, karena pengklasifikasi membaca pola kalimat, bukan pilihan kata
Tempat tampilnya	Persentase plus kelompok kecocokan yang menamai setiap sumber	Satu persentase, dibagi menjadi hanya AI-generated dan AI-paraphrased

Kedua laporan tersebut adalah produk yang terpisah dengan angka yang terpisah, dan sebuah makalah dapat bersih pada salah satunya tetapi ditandai pada yang lain. TextPulse membahas pemisahan ini secara lengkap dalam perbandingan antara skor similarity Turnitin dan skor AI-nya, serta mekanisme pengklasifikasi itu sendiri dalam cara Turnitin mendeteksi tulisan AI.

Sisi Similarity: Teks yang Diubah Kata-katanya Tetap Tumpang Tindih

Pemeriksaan kemiripan adalah latihan pencocokan. Turnitin membandingkan suatu kiriman dengan repositori konten web, publikasi, dan makalah yang sebelumnya dikirimkan, lalu melaporkan seberapa besar bagiannya tumpang tindih dengan sesuatu yang sudah terindeks. Ubah cukup banyak kata, dan string persis yang dibandingkan menjadi lebih sedikit, sehingga persentasenya turun. Itu nyata, dan itulah alasan alat parafrase ada.

Yang tetap bertahan setelah pertukaran itu adalah bagian yang sering diremehkan mahasiswa. Istilah teknis, nama diri, angka yang dikutip, dan kutipan langsung tetap sama karena tidak ada sinonim untuk hal-hal tersebut. Demikian pula struktur kalimat, ketika hanya kata penghubung yang diganti. Turnitin melaporkan tumpang tindih sebagai kelompok kecocokan, masing-masing menyebut sumbernya, dan itulah yang membedakan suatu bagian yang dikutip dengan benar dari bagian yang hanya diubah redaksinya.

Merumuskan ulang suatu sumber sambil mempertahankan urutan kalimat dan detail pendukungnya disebut patchwriting, dan dalam sebagian besar kebijakan universitas hal itu diperlakukan sebagai bentuk plagiarisme, baik persentase kemiripannya turun maupun tidak. Penilai yang dilatih untuk mengenalinya sering dapat melihatnya secara langsung, karena argumen yang mengikuti paragraf sumber kalimat demi kalimat terbaca seperti itu, apa pun kosakatanya. Angka yang rendah tidak sama dengan pekerjaan yang bersih, dan itulah inti panduan TextPulse tentang apa yang dihitung sebagai skor Turnitin yang baik.

Sisi AI, suatu lintasan sinonim tidak mengubah skor

Indikator penulisan AI tidak pernah membandingkan paragraf Anda dengan suatu sumber, sehingga tidak ada kecocokan yang dapat diputus oleh sinonim. Indikator ini memberi skor pada prosa kalimat demi kalimat berdasarkan seberapa dekat prosa itu mengikuti pola statistik tulisan yang dihasilkan mesin, yaitu keterdugaan kata, ritme kalimat, dan frasa generik yang secara default dipilih oleh model bahasa.

Mengganti kata-kata meninggalkan hampir seluruh hal itu tetap utuh. Kalimat mempertahankan panjangnya, urutannya, dan jaringan penghubung yang sama antar klausa. Inilah sebabnya menjalankan draf AI melalui alat parafrase dan melihat skor AI tetap tidak berubah merupakan pengalaman yang sangat umum. Kosakatanya berubah. Pola yang dinilai oleh pengklasifikasi tidak berubah, sehingga teks itu masih dibaca sebagai ditulis mesin, persis seperti yang dinyatakan oleh kategori parafrase Turnitin bahwa seharusnya demikian.

Distribusi Panjang Kalimat Tetap Bertahan Setelah Penulisan Ulang

Prosa yang disusun mesin cenderung menetap dalam rentang panjang kalimat yang sempit, karena model yang memprediksi satu token pada satu waktu tidak memiliki alasan untuk membuat kalimat keempat lebih pendek daripada kalimat ketiga. Sebaliknya, tulisan manusia tersebar, sebuah kalimat sembilan belas kata, lalu satu kalimat enam kata, lalu satu kalimat tiga puluh dua kata yang memuat sebuah klaim beserta pembatasannya sekaligus. Penjelasan GPTZero sendiri menyebut hal ini secara langsung, dengan mendefinisikan burstiness sebagai ukuran seberapa besar pola penulisan dan perplexities teks bervariasi di seluruh dokumen.

Pertukaran sinonim menggeser panjang sebuah kalimat satu atau dua kata, dan menggeser setiap kalimat dengan jumlah yang sama kecilnya, sehingga distribusinya mempertahankan bentuknya. Sebuah paragraf yang sebelum diproses berjalan pada delapan belas, sembilan belas, tujuh belas, dan dua puluh kata akan tetap berada dalam selisih satu atau dua kata dari profil datar yang sama setelahnya.

Hal ini dapat diukur tanpa perlu mendekati detektor. Sebuah free burstiness checker melaporkan seberapa besar variasi tingkat kalimat yang dibawa suatu bagian teks, dan menjalankan paragraf yang sama melaluinya sebelum dan sesudah proses parafrase menunjukkan angka itu hampir tidak bergerak sementara kosakatanya berubah sepenuhnya.

Urutan Klausa dan Transisi Juga Tetap Bertahan

Urutan klausa adalah ciri struktural kedua yang dibiarkan apa adanya oleh parafrase, dan ciri ini lebih terlihat oleh pembaca daripada panjang kalimat. Prosa mesin cenderung menempatkan topik di awal, menyatakan klaim, lalu menambahkan klausa pembatas di akhir, berulang kali. "While the sample size was limited, the results suggest" dan "Although further research is needed, the findings indicate" adalah kalimat yang sama dengan kata-kata yang berbeda.

Alat parafrase akan mengubah "while" menjadi "although" dan "suggest" menjadi "show". Alat itu tidak akan memutuskan bahwa pembatasan tersebut seharusnya berada dalam kalimat pendeknya sendiri tiga baris kemudian, atau bahwa penyangga seharusnya dihapus sepenuhnya. Itu adalah penilaian editorial tentang apa yang sedang diperdebatkan oleh paragraf tersebut, dan mesin substitusi tidak memiliki pandangan atas argumen itu.

Transisi adalah yang ketiga dan yang paling terlihat. Model cenderung memakai seperangkat kecil konjungsi yang stabil pada titik penghubung, yaitu however, additionally, furthermore, in addition. Parafrase mengganti salah satunya dengan anggota lain dari set yang sama, sehingga pengklasifikasi tetap melihat transisi baku dari distribusi yang diharapkan pada posisi yang diharapkan. Itulah sinyal yang dibacanya sebelum penulisan ulang dimulai.

Fitur yang dibaca oleh pengklasifikasi	Diubah oleh proses parafrase	Mengapa
Pilihan kata individual	Ya, secara substansial	Satu-satunya fitur yang memang dirancang untuk diubah oleh mesin substitusi
Panjang kalimat dan variansinya	Hampir tidak	Kata yang diganti memiliki panjang yang dekat, sehingga profilnya tetap
Urutan klausa dalam kalimat	Jarang	Pengurutan ulang mengubah penekanan, yang dibatasi oleh kendala makna
Konjungsi pada titik penghubung	Ditukar di dalam set kecil yang sama	Satu transisi baku menggantikan transisi baku yang lain
Prediktabilitas kata berikutnya	Sedikit	Sinonim yang lebih jarang kurang diharapkan, tetapi kerangka di sekitarnya tetap seprediktif sebelumnya
Bukti dan detail yang spesifik	Tidak	Penulisan ulang tidak dapat menambahkan materi yang tidak pernah ada dalam draf

Apa yang Sebenarnya Mengubah Hasil

Kedua sistem tersebut bereaksi terhadap gejala yang berbeda dari penulisan ulang dangkal yang sama, jadi perbaikannya juga sama untuk keduanya, ubah penulisannya, bukan katanya. Itu berarti menyusun ulang kalimat, bukan mengurutkan ulang isinya, memvariasikan panjang kalimat secara sengaja, menghapus penghubung generik yang secara default dipakai model, dan menambahkan detail pendukung yang cukup spesifik sehingga hanya mungkin berasal dari materi sumber yang benar-benar Anda baca. Kemiripan menurun karena strukturnya tidak lagi mengikuti sumber. Skor AI menurun karena pola yang dinilai oleh pengklasifikasi sudah hilang.

Alat parafrase tidak dapat melakukan pekerjaan itu, dan perbedaan antara dua kategori alat tersebut layak dipahami sebelum membayar salah satunya, yang dibahas TextPulse dalam AI humanizer versus paraphraser. Memeriksa prediktabilitas tingkat kata dari draf itu sendiri dengan free perplexity checker menunjukkan pola yang ditanggapi oleh pengklasifikasi dengan cara yang lebih berguna daripada skor semata.

AI humanizer for students dari TextPulse bekerja pada sisi struktural masalah ini, membangun ulang ritme kalimat, variasi panjang, dan urutan klausa alih-alih menukar kata-kata individual, yang merupakan celah yang dibiarkan terbuka lebar oleh proses yang hanya mengganti sinonim. Khusus untuk tugas kuliah, humanizing an AI essay for college membahas alur kerja dari awal sampai akhir, dan whether Turnitin detects DeepSeek menjawab pertanyaan yang sama untuk model yang berbeda.

Tidak ada dari ini yang mengubah apa yang diizinkan oleh kebijakan penggunaan AI suatu mata kuliah, dan tidak ada pendekatan penulisan ulang yang menyelesaikan skor setelah fakta. Ujian yang layak diterapkan sebelum mengirim apa pun adalah apakah Anda dapat menjelaskan, kalimat demi kalimat, mengapa karya di depan Anda mengatakan apa yang dikatakannya.