USMUSM

Jurnal TransformatikaJurnal Transformatika

Proliferasi model AI generatif menimbulkan tantangan signifikan terhadap integritas akademik dan autentisitas konten. Penelitian ini mengembangkan sistem pengenalan pola multi-lapis untuk mendeteksi teks yang dihasilkan AI dan mengklasifikasikan model AI sumber. Sistem ini menganalisis 12 algoritma: parameter linguistik, struktural, dan statistik di tujuh lapisan analitis menggunakan dokumen yang diunggah dalam format PDF, DOCX, dan TXT. Mekanisme penilaian berbobot menghasilkan skor probabilitas AI keseluruhan (0-100%) dan probabilitas individual untuk 10 model AI. Pengujian dengan 500 dokumen akademik mencapai akurasi 87,3% dalam deteksi AI dan akurasi 82,0% dalam klasifikasi model. Analisis entropi, keberagaman struktur kalimat, dan penanda emosional terbukti paling diskriminatif. Sistem ini menunjukkan bahwa pengenalan pola berbasis aturan yang transparan menawarkan alternatif yang layak untuk pendekatan neural kotak hitam, dengan aplikasi praktis dalam verifikasi integritas konten akademik, autentikasi, dan forensik digital.

Penelitian ini berhasil mengembangkan sistem deteksi teks buatan AI berbasis aturan yang transparan, memberikan kontribusi signifikan dalam menjaga integritas akademik di era AI generatif.Sistem ini, yang mengimplementasikan pengenalan pola multi-lapis dengan 12 algoritma berbobot, mencapai akurasi deteksi AI sebesar 87,3% dan akurasi klasifikasi model AI spesifik sebesar 82,0%.Keunggulan utama sistem ini terletak pada metodologinya yang transparan, kemampuan ganda dalam mendeteksi dan mengidentifikasi model AI, serta implementasi sumber terbuka yang mendukung penerapan institusional secara privasi-aware.

Melihat tantangan yang terus berkembang dalam deteksi teks yang dihasilkan AI, penelitian lanjutan dapat berfokus pada beberapa area krusial. Pertama, bagaimana kita dapat mengembangkan sistem deteksi yang lebih tangguh terhadap strategi penghindaran canggih, seperti parafrase ekstrem atau rekayasa prompt yang dirancang khusus untuk mengelabui detektor? Ini juga mencakup kemampuan sistem untuk secara akurat mengidentifikasi dan membedakan konten dalam dokumen hibrida yang secara sengaja mencampuradukkan tulisan manusia dan AI, sebuah skenario yang semakin umum. Kedua, penting untuk memperluas cakupan linguistik sistem ini. Meskipun penelitian ini melibatkan bahasa Inggris dan Indonesia, studi mendalam tentang bagaimana karakteristik linguistik unik dari bahasa lain, terutama yang memiliki struktur tata bahasa dan gaya penulisan yang sangat berbeda, memengaruhi akurasi deteksi AI sangat diperlukan. Hal ini akan memastikan relevansi dan efektivitas global sistem. Ketiga, mengingat laju evolusi model AI generatif yang sangat cepat, penelitian harus mengeksplorasi mekanisme adaptif. Pertanyaan pentingnya adalah bagaimana sistem deteksi AI dapat secara otomatis mempelajari dan menyesuaikan diri dengan sidik jari linguistik baru yang muncul dari model AI yang lebih baru atau versi yang diperbarui, tanpa memerlukan kalibrasi manual yang berkelanjutan. Implementasi model pembelajaran berkelanjutan atau arsitektur modular yang memungkinkan pembaruan fitur dinamis bisa menjadi arah yang menjanjikan. Dengan demikian, sistem akan tetap relevan dan akurat seiring waktu.

  1. Artificial Intelligence-Based Automatic Text Detection System Using Multi-Layer Pattern Recognition |... journals.usm.ac.id/index.php/transformatika/article/view/13256Artificial Intelligence Based Automatic Text Detection System Using Multi Layer Pattern Recognition journals usm ac index php transformatika article view 13256
Read online
File size620.9 KB
Pages11
DMCAReport

Related /

ads-block-test