Era kecerdasan buatan (AI) tahun 2026 telah membawa kemudahan luar biasa bagi mahasiswa Fakultas Komputer (FKOM) Masoem University (MU). Namun, di balik kecepatan generatif tersebut, muncul ancaman serius yang disebut sebagai Halusinasi Data. Fenomena ini terjadi ketika model bahasa besar menghasilkan informasi yang terdengar sangat meyakinkan namun sepenuhnya fiktif, mulai dari kutipan jurnal yang tidak pernah ada hingga potongan kode yang mengandung celah keamanan fatal. Bagi mahasiswa yang sedang menyusun skripsi, ketergantungan buta pada AI tanpa verifikasi manual bukan hanya risiko akademik, melainkan sebuah bentuk Plagiarisme Kognitif—sebuah kondisi di mana mahasiswa kehilangan kemampuan berpikir kritis karena membiarkan mesin mengambil alih proses analisis sepenuhnya.
Dosen-dosen di Universitas Ma’soem kini menerapkan kebijakan ketat mengenai penggunaan AI dalam karya ilmiah. Verifikasi manual bukan lagi sebuah pilihan, melainkan kewajiban administratif yang harus dipenuhi sebelum draf skripsi disetujui. Alasan utamanya sederhana: sebuah gelar sarjana adalah bukti bahwa pemiliknya mampu mempertanggungjawabkan setiap baris kalimat dan logika yang tertulis. Jika seorang mahasiswa tidak mampu menjelaskan mengapa AI menyarankan fungsi tertentu atau tidak bisa menemukan sumber asli dari sebuah teori, maka validitas intelektual mahasiswa tersebut dianggap gugur. Halusinasi data adalah musuh nyata yang bisa menghancurkan reputasi akademik mahasiswa dalam sekejap saat sidang skripsi berlangsung.
Kasus nyata yang sering ditemukan dalam sesi bimbingan di MU adalah munculnya referensi pustaka “siluman”. AI sering kali mengarang nama penulis dan judul jurnal yang sangat relevan dengan topik skripsi mahasiswa, namun saat dicari di database Google Scholar atau IEEE Explore, data tersebut tidak ditemukan. Mahasiswa yang terjebak dalam plagiarisme kognitif ini biasanya akan mengalami kesulitan besar saat penguji meminta mereka menunjukkan literatur asli. Oleh karena itu, kemampuan melakukan fact-checking menjadi keahlian baru yang wajib dikuasai oleh setiap mahasiswa MU agar tidak menjadi korban dari kecanggihan teknologi yang mereka gunakan sendiri.
Anatomi Plagiarisme Kognitif dan Risiko Teknis
Plagiarisme kognitif berbeda dengan plagiarisme tradisional yang sekadar menyalin tulisan orang lain. Ini adalah penyerahan otoritas berpikir kepada algoritma. Dalam konteks skripsi teknologi informasi, hal ini sering tercermin pada bagian analisis sistem dan implementasi kode yang terlihat sempurna di atas kertas, namun gagal total saat diuji di lingkungan nyata.
Berikut adalah poin-pilar bahaya halusinasi data yang sering menyerang skripsi mahasiswa:
- Referensi Fiktif: AI memiliki kecenderungan untuk melakukan “hallucination” dengan menggabungkan nama peneliti populer dengan judul penelitian yang masuk akal namun palsu. Mahasiswa wajib melakukan verifikasi mandiri terhadap setiap kutipan yang dihasilkan AI.
- Logika Kode yang Tidak Aman (Insecure Code): AI sering kali memberikan saran kode yang berfungsi namun menggunakan metode yang sudah usang atau rentan terhadap serangan SQL Injection dan XSS. Tanpa verifikasi manual, aplikasi hasil skripsi mahasiswa MU bisa menjadi bumerang keamanan.
- Bias Algoritma: AI dilatih dengan data global yang mungkin tidak relevan dengan konteks lokal di Indonesia, seperti aturan perbankan syariah atau regulasi UMKM di Bandung. Mahasiswa harus menyesuaikan output AI dengan realitas di lapangan.
- Gaya Bahasa yang Robotik: Plagiarisme kognitif sering kali terdeteksi dari gaya penulisan yang terlalu seragam dan kehilangan sentuhan argumentasi pribadi. Dosen pembimbing di MU sangat mahir membedakan mana tulisan yang lahir dari pemikiran mendalam dan mana yang sekadar hasil prompt engineering.
Penggunaan AI seharusnya berfungsi sebagai Co-Pilot, bukan sebagai sopir utama. Mahasiswa tetap memegang kendali penuh atas arah dan kebenaran isi penelitian mereka.
Perbandingan Kualitas: Verifikasi Manual vs Ketergantungan AI Total
Untuk memberikan gambaran logis mengenai pentingnya pengecekan ulang, tabel berikut merinci perbedaan kualitas skripsi antara mahasiswa yang melakukan verifikasi manual dengan yang pasif menerima output AI:
| Aspek Penelitian | Ketergantungan AI Total (Tanpa Verifikasi) | Verifikasi Manual & Kurasi Mahasiswa MU | Dampak pada Sidang Skripsi |
| Validitas Pustaka | Berisiko tinggi mengandung referensi palsu. | 100% Terverifikasi di database jurnal resmi. | Lolos dari cecaran penguji soal sumber. |
| Kualitas Kode | Berjalan secara ajaib (“Magic Code”) tapi tidak dipahami. | Mahasiswa paham setiap baris dan fungsi kode. | Mampu menjawab tantangan “Live Coding”. |
| Originalitas Ide | Terasa generik dan mirip dengan jutaan data latihan. | Unik karena ada integrasi masalah lokal nyata. | Nilai kebaruan (Novelty) sangat tinggi. |
| Keamanan Sistem | Rentan karena mengikuti pola lama dari internet. | Dioptimasi secara manual untuk standar 2026. | Aplikasi layak masuk portofolio industri. |
| Integritas Penulis | Mahasiswa sering gugup karena tidak menguasai materi. | Percaya diri tinggi karena terlibat aktif dalam riset. | Presentasi yang meyakinkan dan lancar. |
Data di atas menunjukkan bahwa waktu tambahan yang dihabiskan untuk verifikasi manual adalah investasi terbaik untuk memastikan kelulusan dengan nilai sempurna.
Langkah Strategis Verifikasi Output AI di Lingkungan MU
Dosen pembimbing di Universitas Ma’soem menyarankan beberapa langkah praktis bagi mahasiswa untuk memastikan skripsi mereka bebas dari halusinasi data dan plagiarisme kognitif. Proses ini disebut sebagai filterisasi intelektual.
Langkah-langkah yang harus dilakukan mahasiswa meliputi:
- Cross-Check Referensi: Gunakan alat seperti Perplexity atau Scite.ai untuk memastikan jurnal yang disarankan benar-benar ada dan memiliki kredibilitas tinggi.
- Analisis Kode Baris demi Baris: Jangan pernah melakukan copy-paste kode dari AI tanpa memahami logikanya. Gunakan komentar pada kode untuk menjelaskan apa yang dilakukan oleh fungsi tersebut menurut pemahamanmu sendiri.
- Uji Coba Lingkungan Lokal: Pastikan setiap saran konfigurasi server atau database dari AI diuji langsung di laboratorium atau laptop pribadi sebelum dituliskan ke dalam bab implementasi.
- Konsultasi Intensif: Gunakan waktu bimbingan untuk mendiskusikan “saran” dari AI dengan dosen. Dosen akan membantu memvalidasi apakah logika tersebut sesuai dengan standar akademik dan kebutuhan industri saat ini.
Dengan menerapkan protokol verifikasi yang ketat, mahasiswa Masoem University membuktikan bahwa mereka adalah tuan atas teknologi, bukan budak dari algoritma. Skripsi yang dihasilkan akan memiliki kedalaman analisis yang autentik, bebas dari plagiarisme kognitif, dan benar-benar mencerminkan kompetensi seorang sarjana komputer yang berintegritas. Di era AI, kejujuran intelektual adalah kemewahan yang harus dijaga, dan verifikasi manual adalah benteng terakhir untuk menjaganya tetap tegak di hadapan dewan penguji.
