Cara Turnitin Mendeteksi AI, Langkah demi Langkah

Laporan Turnitin dapat menghasilkan satu angka, misalnya empat puluh dua persen, dan hampir tidak mengatakan apa pun selain itu tentang bagaimana angka tersebut diperoleh, kecuali jika seseorang mencari mekanisme di baliknya. Angka itu tidak dibaca dari dokumen secara keseluruhan dan bukan tebakan. Angka itu adalah hasil akhir dari suatu alur yang spesifik dan terdokumentasi, yang berjalan dengan cara yang sama pada setiap pengiriman.

Lalu bagaimana Turnitin mendeteksi AI? Dengan memecah suatu pengiriman menjadi bagian-bagian, memberi skor pada masing-masing bagian berdasarkan apakah bagian tersebut kemungkinan dihasilkan oleh AI atau dihasilkan oleh AI lalu diparafrasekan, dan merata-ratakan skor-skor itu untuk menentukan skor persentase keseluruhan yang ditampilkan pada laporan. Setiap tahap alur tersebut dijelaskan dalam dokumentasi Turnitin sendiri, bukan direkayasa balik dari luar.

Ini secara khusus membahas fitur deteksi penulisan AI Turnitin, sebuah sistem yang terpisah dari pemeriksaan kesamaan atau plagiarisme yang lebih lama yang membandingkan suatu pengiriman dengan dokumen lain. Mekanisme di bawah ini berada dalam pertanyaan yang lebih luas tentang bagaimana AI detectors sebenarnya bekerja, dan Turnitin merupakan contoh kerja yang berguna justru karena ia memublikasikan lebih banyak metode miliknya sendiri daripada yang dilakukan sebagian besar vendor. Uraian berikut dimulai dengan alurnya, lalu apa yang ditandainya dalam praktik, apa yang ditemukan oleh pengujian independen bahwa sistem ini meleset, dan siapa di dalam institusi yang sebenarnya melihat hasilnya.

Bagaimana Turnitin Mendeteksi AI? Alur Secara Singkat

Detektor penulisan AI Turnitin menjalankan empat langkah dalam urutan tetap. Pertama, detektor memeriksa apakah sebuah dokumen memiliki cukup teks prosa yang memenuhi syarat untuk diberi skor sama sekali. Kedua, detektor membagi teks itu menjadi segmen-segmen yang masing-masing terdiri dari beberapa ratus kata. Ketiga, sebuah model memberi skor pada setiap segmen secara individual. Keempat, skor segmen dirata-ratakan menjadi satu persentase tingkat dokumen yang benar-benar dilihat pembaca.

Laporan Penulisan AI Bukan Laporan Similarity

Laporan penulisan AI Turnitin adalah produk yang terpisah dari laporan similarity yang memeriksa plagiarisme. Keduanya berjalan pada model yang berbeda dan ditampilkan pada tab yang berbeda dalam antarmuka yang sama. Skor similarity membandingkan suatu pengiriman dengan basis data sumber yang telah diterbitkan sebelumnya dan makalah mahasiswa lain, lalu menghasilkan persentase yang cocok. Skor AI melakukan hal yang sama sekali berbeda: sebuah pengklasifikasi membaca prosa, menetapkan pada setiap segmen yang dinilai suatu kemungkinan bahwa segmen itu dihasilkan oleh AI, lalu menggabungkan skor-skor itu menjadi satu persentase dokumen. Karena keduanya mengukur hal yang berbeda, suatu pengiriman dapat memiliki skor similarity 2 persen dan skor AI 60 persen, atau sebaliknya.

Persentase AI juga lebih sempit daripada yang terdengar. Persentase itu menggambarkan proporsi prosa yang memenuhi syarat yang diprediksi model ditulis oleh AI, bukan seluruh dokumen, karena blok kode, poin-poin daftar, judul, dan tulisan bentuk singkat dihapus sebelum skor dihitung. Hingga saat penulisan ini, detektor hanya berjalan pada teks bahasa Inggris, Spanyol, dan Jepang.

Langkah Satu: Membagi Dokumen Menjadi Potongan

Sebelum apa pun diberi skor, model Turnitin membagi pengiriman menjadi potongan-potongan yang masing-masing terdiri dari beberapa ratus kata, kira-kira lima hingga sepuluh kalimat per potongan. Segmentasi dilakukan terlebih dahulu karena model ini dibangun untuk memberi skor pada potongan sebesar itu, bukan pada satu kalimat dan bukan pada seluruh disertasi dalam satu kali proses.

Hanya teks prosa yang dihitung sebagai sebuah chunk. Model ini dirancang untuk membaca tulisan bentuk panjang. Sebuah dokumen yang memuat prosa sekaligus tabel atau kode akan dinilai memiliki sejumlah persentase teks prosa, tetapi mungkin tidak menggambarkan seluruh teks prosa dalam dokumen tersebut. Ini karena detektor menilai kumpulan data yang tidak mencakup blok kode, poin-poin, atau teks bentuk singkat. Inilah sebabnya dokumen tersebut dapat menghasilkan persentase yang hanya menggambarkan sebagian dari apa yang dikirimkan.

Penilaian pada tingkat chunk memiliki konsekuensi yang lebih tenang tetapi patut disebutkan. Satu kalimat yang disusun AI yang berada di dalam chunk yang selebihnya ditulis manusia, dengan beberapa ratus kata, akan dirata-ratakan bersama semua hal lain dalam chunk itu, sehingga pengaruhnya terhadap skor chunk tersebut sendiri terdilusi oleh seberapa banyak teks di sekitarnya yang ditulis manusia dan berbagi chunk yang sama. Sisipan AI yang singkat tetap mencapai model. Hanya saja, bobotnya lebih kecil daripada chunk yang disusun AI dari kata pertama hingga kata terakhir.

Langkah Dua: Menilai Setiap Segmen

Setiap chunk dinilai secara tersendiri, terlepas dari setiap chunk lain dalam dokumen. Model memprediksi apakah rentang teks tertentu itu ditulis manusia, dihasilkan AI, atau dihasilkan AI lalu diparafrasekan, sebuah pembedaan tiga arah, bukan sekadar ya atau tidak.

Ini adalah kategori yang terpisah dan bukan sekadar perluasan dari dihasilkan AI, yang menunjukkan bahwa ada masalah nyata ketika parafrase melemahkan deteksi. Hal ini didukung oleh sebuah studi tahun 2023, yang menemukan bahwa menjalankan teks yang dihasilkan AI melalui model parafrase khusus menurunkan akurasi sebuah detektor penelitian yang disebut DetectGPT dari 70.3% menjadi 4.6%, pada tingkat positif palsu 1% yang konstan. Tidak tampak bahwa Turnitin telah menerbitkan apa pun tentang seberapa tahan pengklasifikasi tiga arahnya sendiri terhadap teknik yang sama. Kategori ini ada karena alasan yang terdokumentasi.

Pemberian skor pada tingkat chunk, bukan pada tingkat seluruh dokumen, adalah pilihan desain yang disengaja. Sebuah tesis setebal sembilan puluh halaman dengan dua paragraf yang disusun AI dan sebuah esai lima halaman yang sepenuhnya disusun AI adalah masalah yang berbeda, dan pengambilan rata-rata di seluruh chunk adalah yang memungkinkan satu angka pada tingkat dokumen mencerminkan perbedaan itu, alih-alih meratakannya.

Turnitin belum memublikasikan arsitektur internal model per-chunk itu dengan rincian yang sama seperti langkah-langkah pipelinenya. Model itu adalah pengklasifikasi terawasi yang dilatih pada contoh berlabel, bukan ambang sederhana pada jenis skor mentah next-token yang dibahas dalam panduan TextPulse tentang apa yang sebenarnya diukur oleh perplexity dalam deteksi AI, meskipun gagasan yang mendasarinya, teks yang luar biasa dapat diprediksi, hampir pasti merupakan bagian dari apa yang dipelajari pengklasifikasi semacam itu untuk dikenali.

Langkah Tiga: Merata-ratakan Menjadi Persentase Tingkat Dokumen

Skor chunk dirata-ratakan menjadi satu persentase yang ditampilkan laporan. Persentase itu mewakili proporsi teks prosa yang memenuhi syarat, hanya tulisan bentuk panjang, yang diprediksi model sebagai dihasilkan AI atau dihasilkan AI lalu diparafrasekan. Itu adalah proporsi segmen yang diberi skor, bukan klaim bahwa bagian kata yang tepat dari dokumen itu secara harfiah diketik oleh mesin.

Persentase pada laporan adalah rata-rata. Inilah sebabnya dua dokumen yang sama-sama menghasilkan empat puluh persen dapat tampak berbeda jika dilihat lebih dekat. Yang satu mungkin memiliki empat puluh persen chunk yang diberi skor sebagai sepenuhnya dihasilkan AI. Yang lain mungkin memiliki setiap chunk yang diberi skor sebagai sebagian mungkin, lalu rata-ratanya menjadi angka utama yang sama. Itu tidak menunjukkan pola mana yang menghasilkan angka tersebut.

Apakah Turnitin Dapat Mendeteksi ChatGPT, Claude atau Gemini?

Biasanya ya, ketika sebuah dokumen memuat tulisan AI yang substansial, dan pengklasifikasi tidak peduli vendor mana yang menghasilkannya. Turnitin menyatakan bahwa modelnya mencari pola penulisan, bukan nama merek, dan cakupannya telah diperluas berulang kali sejak peluncuran awal GPT-3.5 dan GPT-4 pada 2023. Panduan saat ini menyebut seri GPT-5, Gemini dan Claude di antara sistem yang menjadi sasaran pelatihannya, dengan rilis model baru yang ditambahkan secara berkelanjutan. Seorang mahasiswa yang menggunakan Gemini, Claude atau DeepSeek sebagai gantinya tidak sedang mengakali detektor hanya dengan memilih perusahaan yang berbeda.

Porsi pengumpulan yang terdampak hal ini telah meningkat. Sekitar 15 persen esai yang dipindai Turnitin antara Oktober 2025 dan Februari 2026 menunjukkan 80 persen atau lebih tulisan yang dihasilkan AI, naik dari sekitar 3 persen ketika alat ini diluncurkan pada April 2023.

Teks AI yang diparafrasekan mendapat kategorinya sendiri, bukan perlakuan bebas, yang merupakan klasifikasi tiga arah yang dijelaskan di atas. Dokumentasi Turnitin memisahkan teks yang dinilainya hanya sebagai dihasilkan AI dari teks yang dinilainya sebagai dihasilkan AI lalu diparafrasekan oleh AI, dan pada Agustus 2025 Turnitin menambahkan deteksi yang secara khusus ditujukan pada alat penghindar AI yang dibuat untuk menulis ulang keluaran mesin agar lolos dari detektor. Itu tidak berarti parafrase tidak berguna atau bahwa setiap bagian yang ditulis ulang akan tertangkap. Itu berarti asumsi bahwa parafrase tidak terlihat oleh Turnitin secara default sudah tidak mutakhir selama beberapa waktu. Apa yang dilakukan alat ini terhadap teks yang diparafrasekan secara khusus, dan terhadap keluaran DeepSeek, dibahas secara terpisah.

Persyaratan Jumlah Kata Minimum dan Ambang Batas Asterisk

Sebuah pengumpulan memerlukan setidaknya 300 kata teks prosa yang memenuhi syarat sebelum detektor AI Turnitin akan menghasilkan skor sama sekali, naik dari minimum sebelumnya 150 kata. Di bawah panjang itu, memang tidak ada cukup teks untuk menjalankan proses segmentasi dan perataan rata-rata.

Batas minimum 300 kata itu sejalan dengan ukuran satu potongan penilaian yang dijelaskan sebelumnya, beberapa ratus kata, lima sampai sepuluh kalimat. Dokumen yang tepat berada pada batas minimum sebenarnya hanya menyerahkan kepada alur pemrosesan sekitar satu potongan teks yang memenuhi syarat untuk dirata-ratakan, bukan beberapa potongan, dan ini menjadi salah satu alasan mengapa laporan yang berada dekat batas itu lebih mungkin jatuh ke rentang yang kurang andal, yang hendak ditandai oleh ambang berikutnya.

Turnitin juga tidak akan menampilkan persentase di bawah ambang 20%. Sejak Juli 2024, laporan menampilkan tanda bintang di samping tanda persen, bukan angka. Satu perilaku laporan ini menimbulkan kebingungan lebih besar daripada bagian alur pemrosesan lainnya, sehingga dibahas dalam bagian tersendiri di bawah.

Kondisi	Yang ditampilkan laporan	Alasannya
Kurang dari 300 kata prosa yang memenuhi syarat	Tidak ada skor AI sama sekali	Teks tidak cukup untuk menjalankan alur pemrosesan segmentasi dan perataan rata-rata secara andal
Skor akan jatuh di bawah 20%	Tanda bintang di samping tanda persen, bukan angka	Dokumentasi Turnitin sendiri melaporkan tingkat positif palsu yang secara terukur lebih tinggi pada rentang itu
Skor 20% atau lebih tinggi	Persentase tertentu	Dianggap cukup andal oleh Turnitin untuk ditampilkan sebagai angka

Apa Arti Skor Tanda Bintang pada Turnitin?

Tanda bintang pada laporan penulisan AI Turnitin berarti model mendeteksi sebagian tulisan AI, tetapi kurang dari 20 persen dokumen, dan Turnitin menolak memublikasikan angka pada rentang itu. Pada posisi yang biasanya diisi persentase, laporan menampilkan tanda bintang di samping tanda persen. Dokumentasi produk Turnitin sendiri menyatakannya secara langsung: "When AI is detected below the 20% threshold in the report, it is now indicated with an asterisk (*%) and no percentage is attributed."

Jadi, tanda bintang bukanlah kesalahan, bukan skor yang hilang, dan bukan tanda bahwa ada sesuatu yang salah dengan unggahan. Itu adalah keputusan yang disengaja oleh vendor untuk menahan angka yang tidak dianggap cukup andal untuk dicetak.

Mengapa Turnitin menyembunyikan angka di bawah 20 persen

Karena rentang itulah tempat alat ini paling mungkin keliru, dan janji akurasi Turnitin sendiri dirancang untuk mengecualikannya. Perusahaan berkomitmen untuk menjaga tingkat false positive "di bawah 1% untuk dokumen dengan lebih dari 20% tulisan AI". Baca cakupannya dengan cermat: komitmen itu memiliki batas bawah yang tertanam di dalamnya, dan batas bawah itu adalah 20 persen yang sama. Di bawah garis itu perusahaan tidak mengklaim keandalan yang sama, jadi alih-alih mencetak angka kecil yang pasti akan diperlakukan pembaca sebagai angka yang presisi, perusahaan tidak mencetak apa pun sama sekali. Tanda bintang ada untuk menghindari false positive, artinya tanda itu ada untuk menghindarkan pengajar dari angka yang akan menggambarkan keliru dokumen yang ditulis manusia.

Penalaran ini mengikuti mekanisme yang dijelaskan sebelumnya. Skor tingkat dokumen adalah rata-rata dari potongan-potongan beberapa ratus kata. Ketika hanya sebagian kecil dari potongan itu yang dinilai sebagai AI, rata-rata yang dihasilkan bertumpu pada sinyal yang sangat sedikit, dan alur pemrosesan tidak dapat secara andal membedakan 8 persen yang benar dari 8 persen yang keliru. Menyembunyikan angka adalah respons yang jujur terhadap hal itu, dan itulah dorongan yang sama di balik minimum 300 kata.

Apa arti tanda bintang dalam praktik di universitas

Dalam praktiknya, sebagian besar institusi memperlakukan tanda bintang sebagai sesuatu yang tidak perlu ditindaklanjuti, dan membacanya sebagai skor rendah yang konsisten dengan karya yang ditulis manusia. Penalarannya sederhana. Jika vendor yang membangun detektor tidak mau menjamin angka dalam rentang itu, pengajar tidak memiliki hal substantif untuk diajukan kepada mahasiswa, apalagi sesuatu untuk dibawa ke panel pelanggaran. Bagi sebagian besar proses integritas akademik, laporan yang menampilkan tanda bintang secara fungsional setara dengan laporan yang bersih.

Itulah deskripsi tentang bagaimana hasil itu digunakan, dan itu penting untuk diketahui jika Anda sedang menatapnya. Itu tidak sama dengan penilaian tentang apa sebenarnya dokumen itu, dan perbedaan ini penting ke dua arah.

Apa yang tidak dimaksud oleh tanda bintang

• Itu bukan sertifikat kepengarangan manusia. Turnitin sedang menolak untuk memberi skor pada dokumen dengan yakin, yang merupakan pernyataan tentang detektornya, bukan tentang penulisnya.
• Itu tidak sama dengan nol. Dokumen tanpa penulisan AI sama sekali dan dokumen dengan satu paragraf yang dibantu AI dapat menghasilkan tanda bintang yang identik, dan itulah tepatnya mengapa angkanya tidak ditampilkan.
• Itu tidak dapat dibandingkan antarpengajuan. Dua tanda bintang memberi tahu Anda bahwa kedua dokumen berada di bawah ambang yang sama dan tidak memberi tahu apa pun tentang bagaimana keduanya saling dibandingkan.
• Itu bukan skor kemiripan. Pencocokan plagiarisme adalah laporan terpisah pada tab terpisah, dan laporan itu menampilkan persentasenya sendiri terlepas dari apa yang dilakukan indikator AI.

Konsekuensi praktis yang patut diingat adalah bahwa penyuntingan ringan yang dibantu AI, satu paragraf ditulis ulang dengan bantuan dan sisanya ditulis tanpa bantuan, sering kali akan menghasilkan tanda bintang alih-alih persentase kecil. Kehadiran maupun ketiadaan angka tidak menyelesaikan persoalan itu dengan sendirinya, dan itulah kesimpulan yang sama yang dicapai oleh angka akurasi di bawah ini dari arah yang berlawanan.

Apa yang Diklaim Turnitin tentang Akurasi, dan Angka Siapa Ini

Turnitin menerbitkan angka akurasinya sendiri, dan angka itu patut dibaca persis seperti itu: angka validasi milik vendor sendiri, bukan audit independen. Materi yang dipublikasikannya menyatakan tingkat positif palsu di bawah 1% untuk dokumen yang diberi skor model di atas 20% penulisan AI, suatu ambang yang sejalan dengan batas tanda bintang yang dijelaskan di atas. Program yang sama kemudian diperluas ke sampel tulisan English Language Learner sebagai tanggapan atas penelitian tentang bias detektor.

Turnitin mengatakan bahwa mereka memvalidasi angka itu terhadap basis acuan besar berupa makalah yang ditulis manusia dan diserahkan sebelum ChatGPT ada. Materi Turnitin tidak konsisten mengenai ukuran pasti basis acuan tersebut, halaman FAQ menyebut 700,000 makalah, sedangkan sebuah posting blog dari Chief Product Officer Turnitin menyebut 800,000, dengan klaim di bawah 1% yang sama melekat pada keduanya. Materi Turnitin juga menggambarkan sebuah pertukaran, menurut penjelasan perusahaan sendiri, mendeteksi konten yang dihasilkan AI secara lebih agresif berarti melewatkan sekitar 15% darinya.

Perusahaan juga telah merevisi klaimnya sendiri di ruang publik. Pada 2023, tidak lama setelah peluncuran, chief product officer Turnitin mengakui bahwa pengujian laboratorium tidak memprediksi berapa banyak positif palsu yang akan muncul dalam penggunaan dunia nyata, khususnya pada penyerahan yang pendek, dan melaporkan tingkat positif palsu pada tingkat kalimat sekitar 4 persen. Menaikkan panjang minimum yang dapat dinilai dari 150 menjadi 300 kata adalah respons terhadap kesenjangan itu.

Jika dibaca bersama, angka-angka ini menggambarkan sebuah pertukaran yang spesifik, bukan satu angka akurasi tunggal. Tingkat positif palsu di bawah 1% terdengar hampir dapat diabaikan sampai dibandingkan dengan berapa banyak penyerahan yang diproses melalui sistem, dan tingkat kelolosan 15% berarti bagian yang bermakna dari konten yang dihasilkan AI dinilai sebagai manusia secara sengaja, bukan karena kegagalan. Materi Turnitin sendiri menyajikan kedua angka itu sebagai keseimbangan yang dimaksudkan dari sistem, bukan sebagai bukti bahwa alat itu semata-mata benar atau semata-mata salah.

Apa yang Ditemukan Pengujian Independen

Pengujian independen menambahkan rincian yang tidak diberikan oleh angka dari vendor, dalam semangat yang sama seperti pengujian independen terhadap detektor AI yang lebih luas, yang terus menemukan kesenjangan antara kondisi laboratorium dan penyerahan nyata. Center for the Advancement of Teaching di Temple University menjalankan salah satu pemeriksaan yang lebih cermat yang tersedia. Para peneliti menyerahkan 120 sampel tulisan, dibagi sama rata antara tulisan sepenuhnya manusia, tulisan sepenuhnya dihasilkan AI, tulisan yang dihasilkan AI lalu dijalankan melalui alat parafrase, dan teks hibrida yang menggabungkan kontribusi manusia dan AI, lalu mencatat apa yang dikembalikan Turnitin untuk masing-masing sampel.

Alat ini dengan tepat mengidentifikasi 93 persen sampel yang sepenuhnya ditulis manusia dan 77 persen sampel yang sepenuhnya dihasilkan AI. Pada pertanyaan yang lebih sulit, akurasi turun lebih jauh. Turnitin secara akurat hanya mengidentifikasi 63 persen sampel AI yang diparafrasekan sebagai dihasilkan AI, dan hanya 43 persen sampel hibrida sebagai bukan sepenuhnya manusia maupun sepenuhnya AI. Itulah kategori yang paling dekat dengan cara penulisan yang dibantu AI benar-benar diproduksi, dan para peneliti secara khusus menandai teks hibrida sebagai kemungkinan menyumbang porsi yang besar dan terus bertambah dari pengajuan nyata seiring semakin banyak mata kuliah menugaskan pekerjaan yang menggunakan AI untuk sebagian tugas.

Apa yang diuji	Hasil Turnitin
Sampel 100% ditulis manusia	93% diidentifikasi dengan benar sebagai manusia
Sampel 100% dihasilkan AI	77% diidentifikasi dengan benar sebagai AI
Teks AI yang dijalankan melalui alat parafrase	63% diidentifikasi dengan benar sebagai AI
Sampel hibrida, sebagian manusia dan sebagian AI	43% diidentifikasi dengan benar sebagai bukan 0% maupun 100%
Dokumen dengan lebih dari 20% ditandai (angka Turnitin sendiri)	Tingkat positif palsu di bawah 1%

Tidak satu pun dari ini merupakan temuan independen di pihak Turnitin. Para peneliti di luar perusahaan, yang dikutip dalam liputan atas studi bias Turnitin sendiri, menggambarkan gambaran yang kembali lebih rumit, khususnya bagi penulis bahasa Inggris nonpenutur asli dan draf yang banyak diedit.

Di Mana Sorotan pada Tingkat Kalimat Menjadi Tidak Akurat

Skor tingkat dokumen bukan satu-satunya tampilan yang dapat dibuka oleh pengajar, dan tampilan lainnya kurang dapat diandalkan. Beberapa antarmuka menampilkan laporan penanda yang menyoroti kalimat-kalimat tertentu sebagai kemungkinan ditulis oleh AI. Para peneliti Temple memeriksa penyorotan itu terhadap kalimat mana dalam sampel hibrida mereka yang benar-benar ditulis oleh AI dan tidak menemukan hubungan di antara keduanya. Hal ini penting jika seorang pengajar meneruskan tangkapan layar paragraf yang disorot alih-alih persentase ringkasan, skor keseluruhan dokumen berkinerja jauh lebih baik daripada penyorotan tingkat kalimat.

Siapa Sebenarnya yang Melihat Skor

Skor AI bukan bagian dari laporan yang dilihat mahasiswa secara bawaan. Skor itu berada pada tab tersendiri, terlihat oleh pengajar dan administrator, dan mahasiswa hanya melihatnya jika pengajar memilih untuk membagikan laporan atau menampilkannya secara langsung. Ini merupakan perbedaan struktural yang nyata dari skor kemiripan, yang biasanya dapat dilihat mahasiswa sendiri di dalam sistem yang sama setelah suatu pengumpulan telah diproses.

Hal yang sama berlaku untuk apakah fitur itu ada sama sekali bagi suatu mata kuliah tertentu, yang merupakan keputusan institusional di atas dan di luar pengajar. Administrator tingkat akun dapat menyalakan atau mematikan deteksi AI Turnitin untuk seluruh institusi. Seorang dosen mungkin tidak dapat menyalakannya jika universitasnya telah mematikannya, dan sebaliknya. Dua mahasiswa di universitas yang berbeda dapat menyerahkan karya yang sebanding dan mengalami pengalaman yang sangat berbeda terhadap alat ini, karena alasan yang sama sekali tidak berkaitan dengan apa yang ditulis oleh keduanya.

Mengapa Beberapa Universitas Mematikannya

University of Waterloo menghentikan fitur deteksi AI Turnitin pada September 2025, dan alasan yang dipublikasikannya sangat langsung. Universitas itu menyebut ketidakandalan alat yang telah didokumentasikan, biasnya terhadap mahasiswa yang bahasa pertamanya bukan bahasa Inggris, serta pengujian internalnya sendiri, yang mencakup setidaknya satu kasus teks yang sepenuhnya ditulis manusia tetapi diberi skor 100 persen dihasilkan oleh AI. Jika ditimbang terhadap biaya alat tersebut, universitas menyimpulkan bahwa biayanya lebih besar daripada manfaatnya dan mengalihkan upaya tersebut ke perancangan ulang penilaian dan pelatihan literasi AI sebagai gantinya.

Waterloo adalah satu contoh yang tampak dari perpecahan yang lebih luas, bukan pengecualian. Universitas yang tetap mengaktifkan fitur ini umumnya menambahkan pagar pengaman, alih-alih memperlakukan skor sebagai putusan yang berdiri sendiri, dengan mewajibkan percakapan dengan mahasiswa sebelum apa pun yang formal dimulai dan memperlakukan angka itu sebagai alasan untuk membuka percakapan tersebut, bukan menutupnya. Membaca lebih lanjut tentang bagaimana universitas menangani kebijakan AI secara lebih luas membuat polanya lebih jelas, apakah suatu skor sampai kepada Anda sama sekali bergantung pada keputusan yang dibuat jauh di atas ruang seminar Anda, bukan pada sifat tetap dari teknologinya sendiri.

Apa yang Dibuktikan, dan Tidak Dibuktikan, oleh Skor Tinggi

Skor AI yang tinggi adalah bukti, bukan putusan. Turnitin sendiri membingkai persentase itu sebagai satu titik data untuk penilaian pengajar, bukan sebagai temuan pelanggaran, dan angka akurasi di atas menjelaskan mengapa pembingkaian itu penting, karena bahkan skor pada tingkat dokumen yang berkinerja cukup baik tetap salah membaca bagian yang bermakna dari tulisan yang banyak diedit, diparafrasekan, atau hibrida, dan sorotan pada tingkat kalimat jauh kurang andal daripada angka ringkasnya. Tidak satu pun dari itu menjamin bahwa skor individual mana pun salah. Itu berarti satu persentase adalah alasan untuk mengajukan pertanyaan, bukan temuan yang harus diterima begitu saja.

Satu persentase pada tingkat dokumen memadatkan empat langkah terpisah menjadi satu angka, dan tidak satu pun dari langkah itu membaca makna atau memeriksa apakah suatu argumen masuk akal. Melihat bagaimana suatu bagian yang lebih pendek memperoleh skor pada sinyal statistik mendasar yang menjadi dasar suatu alur seperti ini adalah cara yang lebih langsung untuk memahami laporan daripada memperlakukan persentase itu sebagai putusan. free perplexity checker milik TextPulse menjalankan versi yang disederhanakan dari penilaian pada tingkat kata semacam itu terhadap draf Anda sendiri, di luar alur institusional apa pun, dan free burstiness checker miliknya mencakup separuh pengukuran yang berkaitan dengan ritme kalimat dari pengukuran yang sama. Keduanya memberi Anda pembacaan atas tulisan Anda sendiri, bukan prediksi tentang apa yang akan dikatakan Turnitin tentangnya. Tidak ada alat yang dapat secara bertanggung jawab menjanjikan hal itu tentang sistem yang tidak dikendalikannya.

Turnitin melaporkan dua angka dan keduanya mengukur hal yang tidak berkaitan. Yang mana yang dimaksud dijelaskan secara terpisah, bersama dengan apa yang sebenarnya dihitung sebagai skor Turnitin yang baik setelah Anda mengetahui apa yang dirujuk oleh persentase tersebut. Beberapa pertanyaan terkait memiliki halaman masing-masing: apakah seorang dosen dapat mengetahui bahwa Anda menggunakan ChatGPT tanpa detektor apa pun, versi yang lebih langsung darinya, apakah saya akan ketahuan, dan untuk konteks tertentu, deteksi AI dalam program keperawatan dan apakah kantor penerimaan perguruan tinggi melakukan pemeriksaan ini. Kerangka yang lebih luas dibahas dalam tulisan terpisah tentang integritas akademik dan AI.

Tidak satu pun dari ini kemungkinan merupakan versi final. Turnitin telah menulis ulang ambang batasnya, aturan keterlihatannya, dan cakupan modelnya lebih dari sekali sejak 2023, dan Agustus 2026 juga bukan kata terakhir. Ini berada bersama bagian lain dari koleksi alat gratis TextPulse, bagi siapa pun yang menginginkan sinyal kedua sebelum memperlakukan persentase dari satu institusi sebagai kata terakhir.

Temuan Riset Kami Sendiri

Dalam studi kesepakatan detektor TextPulse Research, sembilan detektor AI komersial menilai 90 teks akademik yang sama. Salah satunya adalah teks hibrida 455 kata: pembuka dan penutup tulisan manusia yang mengapit bagian tengah 168 kata buatan AI. Turnitin memberi teks ini skor 26.8% AI, sementara vonis alat lain atas kata-kata yang sama berkisar dari 0% hingga 95.7% AI. Makalah lengkap, korpus, dan matriks skor tiap alat tersedia terbuka di TextPulse Research.