Kematian Skripsi Konvensional: Mengapa Mahasiswa yang Pakai AI Justru Bisa Gagal Total?

Bayangkan skenario ini.

Seorang mahasiswa menyelesaikan skripsinya dalam tiga hari. Bab demi bab rampung dalam hitungan jam. Referensi tersusun rapi. Abstrak dalam bahasa Inggris terasa profesional.

Lalu ia duduk di hadapan penguji.

Dan tidak bisa menjawab satu pun pertanyaan tentang penelitiannya sendiri.

Ini bukan cerita fiksi. Ini adalah pola yang mulai terjadi di kampus-kampus Indonesia, dan hampir tidak ada yang membicarakannya secara jujur.

Chapter 1: Paradoks Kecepatan vs Kedalaman

Indonesia memegang rekor yang tidak seharusnya dibanggakan.

Berdasarkan Chegg Global Student Survey 2025 yang melibatkan lebih dari 11.700 mahasiswa di 15 negara, Indonesia mencatatkan angka tertinggi penggunaan AI dalam perkuliahan - 95% mahasiswanya menggunakan Generative AI untuk mendukung studi mereka.^[1] Angka ini jauh melampaui rata-rata global yang hanya berada di angka 80%.

Secara sekilas, ini terlihat seperti kemajuan. Mahasiswa Indonesia adaptif. Melek teknologi. Siap menghadapi masa depan.

Tapi ada satu fakta lain yang jarang disandingkan dengan angka itu.

Dalam sebuah studi tentang ketergantungan AI pada mahasiswa Indonesia, 79,3% responden menyatakan bahwa kemampuan berpikir kritis atau kreativitas mereka menurun akibat sering menggunakan AI. Hanya 20,7% yang merasa tidak mengalami penurunan.^[2]

Kita sedang mencetak mahasiswa yang cepat, tapi tidak lagi mampu berpikir dalam.

Dan masalahnya jauh lebih serius dari sekadar soal nilai. Ada jebakan yang menunggu di balik kecepatan itu, sebuah kesalahan yang, sekali terjadi di meja sidang, bisa merusak reputasi akademik secara permanen. Kesalahan yang tidak akan terdeteksi oleh Turnitin. Tidak akan tampak di draft manapun. Tapi akan langsung terbongkar oleh satu pertanyaan dari penguji.

Chapter 2: "Halusinasi" Akademik - Saat Data Fiktif Dianggap Fakta

AI tidak berbohong.

Tapi ia juga tidak peduli dengan kebenaran.

Model bahasa seperti ChatGPT bekerja dengan cara memprediksi kata berikutnya berdasarkan pola statistik, bukan berdasarkan pemahaman makna. Artinya, ketika ditanya referensi ilmiah, ia akan menghasilkan sesuatu yang terdengar sangat meyakinkan: nama jurnal, volume, halaman, nama penulis, meskipun tidak satu pun dari itu pernah ada di dunia nyata.

Dalam dunia akademik, fenomena ini disebut halusinasi AI.

Bagi seorang dosen penguji yang berpengalaman, mendeteksi referensi fiktif hanya butuh waktu beberapa menit. Tapi bagi mahasiswa yang terbuai oleh kecepatan, ini adalah jebakan yang hampir tidak terlihat sebelum terlambat. Mengutip data yang tidak pernah ada dalam sidang skripsi bukan sekadar kesalahan teknis, ini pelanggaran integritas akademik yang bisa berujung pada sanksi permanen, bahkan setelah gelar resmi diraih.

Hal yang mengkhawatirkan, dari 80% mahasiswa dunia yang sudah menggunakan AI untuk studi mereka, lebih dari separuhnya - 53% - mengaku khawatir menerima informasi yang tidak akurat dari alat-alat AI tersebut.^[3] Mereka sadar akan risikonya. Namun tetap menggunakannya tanpa verifikasi silang.

Ini bukan masalah kecerdasan. Ini masalah kecepatan yang mengalahkan kehati-hatian.

Tapi jujur saja, data palsu masih bisa dideteksi. Masih bisa diperbaiki. Masih ada solusinya.

Yang jauh lebih berbahaya adalah sesuatu yang tidak akan pernah muncul dalam laporan deteksi manapun. Sesuatu yang bahkan tidak disadari oleh mahasiswa yang melakukannya. Dan inilah yang sesungguhnya membuat skripsi kehilangan nyawanya.

Chapter 3: Celah "Novelty" yang Tak Terjangkau Algoritma

Di sinilah letak paradoks terbesar.

Inti dari sebuah skripsi, tesis, atau disertasi bukan pada kelengkapan referensinya. Bukan pada keindahan tata bahasanya. Inti sesungguhnya ada pada satu kata: Novelty, kebaruan.

Dan di sinilah AI, sekuat apapun ia, memiliki batas yang tidak bisa dilintasinya.

AI dilatih dari data masa lalu. Ia adalah ensiklopedia raksasa yang berisi semua yang pernah ditulis, pernah dipikirkan, pernah dipublikasikan. Ia sangat hebat dalam merangkum teori lama dan menyusun pola dari yang sudah ada.

Tapi ia tidak bisa pergi ke lapangan. Ia tidak bisa merasakan ketegangan psikologis siswa di sebuah sekolah terpencil di Kalimantan saat kurikulum berubah mendadak. Ia tidak bisa menangkap nuansa lokal yang justru menjadi kontribusi paling berharga dari sebuah penelitian. Novelty lahir dari pengamatan langsung dari pertanyaan yang belum pernah ditanyakan sebelumnya, di tempat yang spesifik, pada waktu yang spesifik.

Itu adalah wilayah yang hanya bisa dijejak oleh manusia.

Tapi mari kita jujur: mengetahui bahwa AI punya keterbatasan tidak cukup. Pertanyaan yang sesungguhnya adalah: kalau tidak bisa bergantung penuh, lalu bagaimana seharusnya kita menggunakannya? Apakah ada cara untuk mendapatkan keuntungan dari AI tanpa kehilangan kemampuan berpikir yang paling berharga itu?

Ada. Dan jawabannya mengharuskan kamu untuk menjadi sesuatu yang lebih besar dari sekadar pengguna.

Chapter 4: Menjadi Peneliti 2.0 - Strategi Human-AI Collaboration

Ada profesi yang tidak pernah memainkan alat musiknya sendiri.

Tapi ia yang menentukan apakah konser itu sublime atau biasa saja.

Itulah Dirigen.

Peneliti masa depan harus berposisi persis seperti itu. Bukan menolak AI, itu sama naifnya dengan menolak listrik. Tapi juga bukan menyerahkan seluruh pemikiran ke mesin. Kamu yang menentukan nada, tempo, dan arah penelitianmu. AI hanya memainkan instrumen yang kamu tunjuk.

Secara praktis, pembagian perannya terlihat seperti ini:

Serahkan ke AI: merapikan tata bahasa, menerjemahkan abstrak, mencari padanan istilah teknis, membuat ringkasan literatur awal, memformat daftar pustaka.

Pegang sendiri: identifikasi masalah di lapangan, analisis data mentah, interpretasi temuan, penarikan kesimpulan, dan yang paling krusial: argumen mengapa penelitianmu penting dan berbeda dari yang sudah ada.

Inilah yang membuat karya kamu tidak bisa disalahkan oleh detektor AI manapun: bukan karena kamu menyembunyikan penggunaannya, tapi karena cara berpikirmu autentik dan tidak tergantikan.

Tapi ada konsekuensi lain yang tersembunyi lebih dalam. Sesuatu yang tidak akan terasa saat kamu masih di bangku kuliah. Yang baru benar-benar tampak bertahun-tahun kemudian di dunia kerja, di tengah tekanan nyata, ketika tidak ada lagi dosen pembimbing dan tidak ada lagi tenggat skripsi. Hanya ada kamu, dan sebuah masalah yang harus diselesaikan dengan pikiranmu sendiri.

Chapter 5: Ancaman "Gelar Tanpa Kompetensi"

Gelar adalah simbol. Bukan bukti.

Bukti sesungguhnya adalah apa yang bisa kamu lakukan ketika tidak ada AI yang menemanimu. Ketika atasan bertanya, "Analisis situasinya bagaimana?" dan kamu harus berpikir, bukan mengetik prompt.

Penelitian tentang ketergantungan AI pada mahasiswa Indonesia menemukan bahwa penggunaan berlebihan berkorelasi dengan penurunan kemampuan analisis, evaluasi, dan sintesis, kemampuan kognitif yang justru paling dibutuhkan dalam dunia profesional.^[4] Skripsi yang dikerjakan 90% oleh AI mungkin akan lulus sidang. Tapi "otot otak" yang tidak pernah dilatih selama empat tahun kuliah tidak akan tiba-tiba kuat di hari pertama kerja.

Inilah yang saya maksud dengan Kematian Skripsi Konvensional. Bukan karena skripsi tidak lagi relevan, tapi karena skripsi yang hanya formalitas, yang hanya mengejar kelengkapan tanpa proses dialektika, kehilangan nilai terbesarnya: melatih kamu untuk berpikir.

Penutup

Teknologi tidak pernah jahat. Yang menentukan dampaknya adalah siapa yang memegang kendali.

AI bisa menjadi asisten riset terbaik yang pernah ada, atau menjadi jalan pintas yang perlahan mengikis kemampuan berpikirmu tanpa kamu sadari. Bukan dalam satu hari. Bukan dalam satu tugas. Tapi pelan-pelan, setiap kali kamu memilih untuk tidak berpikir sendiri.

Bagi kamu yang sedang berjuang menyelesaikan tugas akhir: prosesnya yang berat itu bukan hambatan. Itulah intinya.

Gelar yang kamu perjuangkan dengan pikiran sendiri akan selalu lebih berharga dari gelar yang diketikkan oleh mesin, bukan karena nilai di ijazahnya berbeda, tapi karena kamu yang berbeda setelahnya.

Teruslah mempertanyakan. Teruslah meneliti dengan hati. Karena kebijaksanaan sejati tidak akan pernah bisa dikodekan ke dalam algoritma.

Referensi

1. Chegg, Inc. & Yonder Consulting. (2025). Chegg Global Student Survey 2025: 80% of Undergraduates Worldwide Have Used GenAI to Support their Studies – But Accuracy a Top Concern. Business Wire. https://investor.chegg.com - Data spesifik Indonesia (95%) dikonfirmasi via Databoks/Katadata: https://databoks.katadata.co.id
2. Firdaus, J. A., Ummah, R. I., Aprialini, R. R., Fithriyyah, A., Mahsusi, M., & Faizin, A. (2025). Ketergantungan Penggunaan Kecerdasan Buatan (AI) pada Tugas Akademik Mahasiswa Terhadap Kemampuan Berpikir Kritis dan Kreatif. Didaktika: Jurnal Kependidikan, 14(1), 1203–1214. https://jurnaldidaktika.org/contents/article/view/1634
3. Chegg, Inc. (2025). Chegg Global Student Survey 2025. https://www.chegg.org/global-student-survey-2025
4. Sukmantara, R. (2024). Dampak Ketergantungan Pada Kecerdasan Buatan (AI) Terhadap Kemampuan Berpikir Kritis Mahasiswa. AIRA: Artificial Intelligence Research and Applied Learning, 3(1), 1–17. https://journal.dinamikapublika.id/index.php/AIRA/article/view/63