BALIEXPRESS.ID-Temuan terbaru dari publikasi di Nature (1 April 2026) berjudul “Hallucinated citations are polluting the scientific literature. What can be done?” seharusnya tidak kita baca sambil lalu. Ia bukan sekadar laporan teknis tentang kesalahan referensi, melainkan sebuah peringatan keras tentang krisis yang diam-diam menggerogoti fondasi ilmu pengetahuan.
Dalam analisis terhadap lebih dari 4.000 publikasi, ditemukan bahwa sebagian besar artikel yang mencurigakan mengandung setidaknya satu sitasi yang tidak dapat diverifikasi, bahkan tidak pernah ada. Jika diekstrapolasi, lebih dari 100.000 publikasi ilmiah dari tahun 2025 saja berpotensi terdampak. Angka ini bukan sekadar statistik. Ia adalah cerminan dari sesuatu yang lebih dalam, yakni perubahan cara kita berinteraksi dengan pengetahuan di era AI.
Hari ini, alat seperti ChatGPT dan berbagai model bahasa besar (Large Language Models / LLMs) lainnya telah menjadi bagian dari keseharian akademik. Mereka membantu merangkum artikel, menyusun argumen, bahkan menghasilkan daftar pustaka dalam hitungan detik. Efisiensi ini menggiurkan, terutama dalam ekosistem akademik yang semakin kompetitif dan menuntut produktivitas tinggi. Namun di balik kemudahan itu, tersembunyi jebakan yang tidak selalu kita sadari, yaitu ilusi akurasi.
AI tidak “tahu” dalam perannya “menjadi manusia.” Ia mampu memprediksi. Ia merangkai kata berdasarkan pola. Maka ketika diminta membuat sitasi, ia tidak selalu mengambil dari basis data nyata, melainkan “menciptakan” referensi yang tampak logis. Nama penulis mungkin nyata. Judul jurnal terdengar kredibel.
Digital Object Identifier (DOI) terlihat valid. Tetapi ketika ditelusuri, semuanya berujung pada sesuatu yang bisa jadi palsu. Inilah yang oleh para peneliti disebut sebagai hallucinated citations, atau bahkan lebih tajam lagi, “Frankenstein citations”, yang bermakna potongan-potongan realitas yang dijahit menjadi sesuatu yang tampak hidup, padahal tidak pernah eksis. Ya, seperti wujud makhluk yang diciptakan oleh Victor Frankenstein, seorang ilmuwan, dalam novel karya Mary Shelley (1818), yang meskipun berbasis ilmu, namun dipandang mengesampingkan standar aman pengetahuan, tanggung jawab, dan etika dalam sains.
Sangat mudah untuk menyalahkan AI atas fenomena ini. Namun, jika kita jujur, teknologi hanyalah alat. Akar persoalan justru terletak pada budaya akademik kita sendiri. Di beberapa konteks pendidikan, misalnya Indonesia, budaya membaca masih belum mengakar kuat. Menurut studi yang diterbitkan di jurnal Kasetsart Journal of Social Sciences (2024), membaca seharusnya bersifat ekstensif (Extensive Reading), yaitu membaca yang menyenangkan yang tanpa disadari kemudian membantu penguasaan kosakata, informasi, dan membentuk aspek kognitif secara terstruktur tanpa disadari yang akan bermanfaat di kemudian hari, bukan membaca untuk menjawab soal (Intensive Reading). Membaca sering kali dilakukan karena tuntutan tugas, bukan kebutuhan intelektual. Mahasiswa mencari “yang penting ada bisa menjawab (soal/tes)”, bukan “apa yang sebenarnya dikatakan oleh soal/informasi/penelitian tersebut.”
Akibatnya, relasi dengan literatur menjadi dangkal. Artikel ilmiah tidak dibaca sebagai sumber pemahaman, tetapi sebagai simbol legitimasi. Dalam situasi seperti ini, kehadiran AI yang bisa “menyediakan” referensi secara instan menjadi sangat menggoda.
Lebih jauh lagi, kita menghadapi persoalan klasik, yaitu lemahnya kemampuan berpikir kritis. Dalam banyak kasus, output dari AI diterima begitu saja tanpa verifikasi. Ada semacam kepercayaan implisit bahwa teknologi canggih pasti benar. Padahal, dalam tradisi ilmiah, keraguan justru merupakan titik awal dari pengetahuan.
Kita juga tidak bisa mengabaikan dominasi surface learning, yakni pola belajar yang berfokus pada hafalan dan reproduksi informasi, bukan memahami, berinteraksi kritis dengan informasi, dan mencipta sesuatu dari pemahamn sendiri (deep learning). Dalam pendekatan ini, referensi sering kali hanya menjadi pelengkap administratif, sesuatu yang harus ada agar tulisan terlihat ilmiah. Jarang sekali ia diperlakukan sebagai bagian dari argumen.
Di sinilah letak ironi terbesar. Ketika referensi kehilangan maknanya, maka keberadaannya, benar atau palsu, menjadi tidak lagi penting bagi sebagian penulis. Dan semua ini diperparah oleh satu kecenderungan zaman, yakni obsesi terhadap kecepatan. Publikasi harus cepat. Tugas harus selesai segera. Artikel harus banyak. Dalam tekanan seperti ini, verifikasi sering dianggap sebagai hambatan, bukan kebutuhan.
Yang membuat fenomena ini berbahaya bukan hanya jumlahnya, tetapi sifatnya yang sistemik. Ketika satu artikel mengandung sitasi palsu, artikel lain mungkin mengutipnya. Rantai kesalahan ini dapat berkembang secara eksponensial, menciptakan “realitas semu” dalam literatur ilmiah. Bayangkan seorang peneliti yang membangun argumen berdasarkan referensi yang sebenarnya tidak ada.
Bayangkan mahasiswa yang mengutip artikel tersebut dalam skripsinya. Bayangkan kebijakan publik yang, secara tidak langsung, dipengaruhi oleh pengetahuan yang cacat. Dalam jangka panjang, ini bukan hanya masalah akademik. Ini adalah ancaman terhadap kepercayaan publik terhadap sains itu sendiri.
Apa langkah-langkah yang bisa dilakukan untuk menyikapi hal ini? Jika akar persoalan ini adalah budaya, maka solusi utamanya juga harus bersifat kultural.
Langkah pertama adalah mengembalikan martabat membaca. Membaca tidak boleh lagi diposisikan sebagai aktivitas sekunder. Ia harus menjadi inti dari proses belajar. Mahasiswa perlu dilatih untuk membaca secara aktif, mengajukan pertanyaan, mengidentifikasi asumsi, mengevaluasi metodologi, dan mengkritisi kesimpulan.
Dalam konteks ini, dosen memiliki peran strategis. Tugas-tugas akademik perlu dirancang ulang agar tidak bisa diselesaikan hanya dengan “copy-paste” atau bantuan AI. Misalnya, alih-alih meminta ringkasan artikel, dosen dapat meminta analisis perbandingan antara beberapa studi, mengonversi tugas dalam moda lain (misal menulis tangan), mencipta ulang respons teman dalam kelas dalam bahasa sendiri atau bentuk lain, atau refleksi kritis terhadap metodologi riset yang digunakan. Ketika membaca menjadi proses berpikir, bukan sekadar mengumpulkan informasi, maka ketergantungan pada referensi instan akan berkurang secara alami.
Langkah kedua adalah membangun literasi AI yang memadai. Pengguna perlu memahami batasan teknologi yang mereka gunakan. AI bukan mesin kebenaran, melainkan alat bantu berbasis probabilitas. Prinsip yang harus dipegang sederhana tetapi krusial adalah “gunakan AI untuk menemukan, bukan untuk memverifikasi.” Setiap referensi yang dihasilkan harus diperiksa ulang melalui basis data akademik, seperti Google Scholar, Scopus, atau Web of Science dan lainnya. Selain itu, penting untuk membiasakan diri memeriksa DOI secara langsung. Jika tautan tidak mengarah ke publikasi yang jelas, itu adalah sinyal peringatan. Dalam dunia akademik, skeptisisme bukanlah sikap negatif, ia adalah langkah awal menjadi objektif dan bentuk tanggung jawab.
Langkah ketiga adalah menggeser filosofi belajar. Perubahan yang lebih mendasar adalah pergeseran dari surface learning ke deep learning. Ini bukan sekadar perubahan metode, tetapi tentang pandangan akan filosofi belajar. Dalam deep learning, tujuan utama bukanlah menyelesaikan tugas, melainkan memahami konsep. Referensi tidak lagi menjadi ornamen, tetapi fondasi argumen. Siswa yang benar-benar memahami apa yang mereka tulis akan secara otomatis lebih selektif dalam memilih dan menggunakan sumber. Untuk mencapai ini, evaluasi pembelajaran juga harus berubah. Penilaian tidak boleh hanya berbasis hasil akhir, tetapi juga proses. Ada banyak tulisan tentang pendekatan belajar mendalam ini, mulai dari kajian paling awal oleh Marton dan Säljö (1976) dari Göteborg Group, kemudian Biggs (1978, 195, 1987, 1999, 2001, 2003, 2011), Enwistle (1979, 1991, 2014, 2009) dan penulis sendiri (2013, 2017, 2018, 2021, 2022, 2023, 2025, 2026). Intinya, pergeseran filosofi ini dalam era AI adalah melihat lebih dalam pada “Bagaimana mahasiswa menemukan sumber?” “Bagaimana mereka memverifikasinya?”, atau “Bagaimana mereka mengintegrasikannya ke dalam argumen?”
Terakhir, kolaborasi AI-Manusia yang efektif, bermakna, dan beretika. Akhirnya, solusi atas masalah yang diciptakan oleh teknologi juga dapat ditemukan dalam teknologi itu sendiri. Perangkat manajemen referensi seperti Zotero, Mendeley, dan EndNote memungkinkan pengguna mengambil metadata langsung dari sumber yang terverifikasi. Di sisi lain, penerbit dan jurnal dapat mulai mengadopsi alat deteksi sitasi bermasalah berbasis AI. Proses peer review juga perlu diperluas untuk mencakup validasi referensi, bukan hanya evaluasi konten. Memang, ini akan menambah kompleksitas. Tetapi, dalam situasi di mana integritas ilmiah dipertaruhkan, kompleksitas adalah harga yang layak dibayar.
Hal fundamental yang terlihat di sini adalah bawah persoalan ini kembali pada satu hal, yaitu etika. AI tidak memiliki integritas. Ia tidak memiliki tanggung jawab. Semua itu ada pada manusia yang menggunakannya. Ketika seorang peneliti memasukkan referensi tanpa verifikasi, itu bukan kesalahan teknologi, namun itu adalah pilihan. Bagi peneliti (penulis) awal, tekanan untuk produktif memang nyata. Publikasi sering menjadi ukuran keberhasilan. Namun, kecepatan tidak boleh mengorbankan kualitas. Setiap sitasi yang ditulis adalah bentuk komitmen terhadap kebenaran. Satu referensi palsu mungkin tampak sepele. Tetapi ia adalah celah kecil yang, jika dibiarkan, dapat meruntuhkan bangunan besar bernama ilmu pengetahuan.
Kita sedang berada di persimpangan penting. Di satu sisi, AI menawarkan peluang luar biasa untuk mempercepat dan memperluas penelitian. Di sisi lain, ia juga membuka kemungkinan baru untuk kesalahan, bahkan manipulasi yang sulit dideteksi. Pilihan kita hari ini akan menentukan arah masa depan akademik. Apakah kita akan menjadi generasi yang tergoda oleh kemudahan instan, atau generasi yang mampu memanfaatkan teknologi tanpa kehilangan integritas? Jawaban atas pertanyaan ini tidak terletak pada kebijakan besar atau teknologi canggih, tetapi pada kebiasaan sehari-hari, yaitu membaca dengan sungguh-sungguh, berpikir secara kritis, dan memverifikasi setiap informasi yang kita gunakan.
Integritas ilmiah tidak dibangun dalam sekejap, misal menulis sekali kemudian mencapai target, dan berhenti. Ia dibangun dari tindakan-tindakan kecil yang konsisten, termasuk memastikan bahwa setiap sitasi yang kita tulis benar-benar ada. Di era di mana mesin semakin pintar, tantangan terbesar kita bukanlah mengikuti kecerdasan mereka, tetapi menjaga kejernihan kita sebagai manusia. (*)
Penulis
Made Hery Santosa, Ph.D.
Pendidik dan Peneliti Undiksha
Editor : I Putu Mardika