Apakah GPTZero akurat? Berikut bukti yang ditunjukkan

Detektor teks AI seperti GPTZero mencari jejak statistik, bukan "membaca" makna tulisan Anda. Dua sinyal inti di antaranya adalah perplexity (seberapa mudah setiap kata ditebak oleh model bahasa acuan) dan burstiness (seberapa besar tingkat keterprediksian itu bervariasi antar-kalimat). Gagasannya adalah tulisan manusia cenderung kurang mudah ditebak dan lebih tidak merata, sementara output mesin mentah sering kali lebih halus dan seragam.

GPTZero menyatakan bahwa kini mereka menggabungkan sinyal-sinyal klasik ini dengan model multi-komponen yang lebih besar, dilatih pada beragam tulisan, termasuk teks pelajar, sehingga menghasilkan skor tingkat kalimat maupun tingkat dokumen. Hal ini penting untuk cara Anda memaknai hasilnya: detektor memperkirakan sebuah probabilitas berdasarkan pola tulisan, bukan membuktikan siapa penulisnya. Jadi "akurasi" sangat bergantung pada jenis teks yang Anda masukkan dan di mana batas ambang keputusan AI-atau-bukan ditetapkan.

Dalam pengujian tolok ukur terkendali, GPTZero tampil kuat. Pengujian tolok ukur oleh vendor maupun pihak ketiga melaporkan tingkat deteksi di kisaran 90-an tinggi persen pada bagian teks yang jelas-jelas dibuat AI, dengan tingkat positif palsu yang sangat rendah pada kumpulan data yang telah dikurasi. Pada jenis teks AI yang bersih dan jelas seperti itu, alat ini cukup andal.

Pengujian independen pada tulisan dunia nyata yang lebih berantakan memberikan gambaran yang lebih hati-hati. Berbagai ulasan sepanjang 2026 melaporkan akurasi dunia nyata umumnya berada di kisaran 80-an pertengahan hingga 90-an rendah persen, dengan tingkat positif palsu pada tulisan manusia sungguhan sering disebutkan sekitar 8-12% tergantung sampelnya. Angka-angka ini berubah sesuai kumpulan data dan pengaturan, jadi anggap persentase mana pun sebagai perkiraan kasar, bukan jaminan. Ringkasan jujurnya: kuat pada output AI murni, terlihat lebih goyah pada segala hal lainnya.

Kelemahan yang paling banyak didokumentasikan adalah bias terhadap penulis yang bukan penutur asli bahasa Inggris. Sebuah studi Stanford yang banyak dikutip (Liang dkk., diterbitkan di jurnal Patterns, 2023) menjalankan tujuh detektor GPT pada 91 esai TOEFL yang ditulis oleh penutur non-asli bahasa Inggris dan 88 esai oleh mahasiswa AS. Detektor-detektor tersebut menangani esai mahasiswa AS dengan baik, tetapi salah mengklasifikasikan lebih dari separuh esai non-penutur asli sebagai buatan AI, dengan rata-rata tingkat positif palsu sekitar 61%, hampir semuanya ditandai oleh setidaknya satu detektor dan sekitar seperlima ditandai oleh semua detektor yang diuji.

Alasannya bersifat mekanis, bukan disengaja. Pola-pola yang dikaitkan detektor dengan tulisan "mesin", seperti kosakata yang lebih sederhana, susunan kata yang lebih mudah ditebak, dan sedikit sentuhan idiomatik, juga merupakan ciri alami dari menulis dalam bahasa kedua atau ketiga. Yang menarik, studi yang sama menemukan bahwa tingkat positif palsu menurun tajam ketika esai-esai tersebut ditulis ulang dengan pilihan kata yang lebih rumit, menunjukkan bahwa skor tersebut mencerminkan gaya, bukan kejujuran. Jika Anda menulis dalam bahasa Inggris sebagai bahasa tambahan, satu tanda AI saja layak disikapi dengan skeptisisme yang wajar.

Akurasi detektor menurun begitu teks bergeser dari output model AI yang mentah. Pengujian independen 2026 menunjukkan akurasi bisa turun sekitar 15-30 poin persentase pada bagian teks yang diparafrasekan atau diedit berat, dan hasil pada draf campuran manusia-plus-AI sangat tidak konsisten. Tulisan campuran, di mana seseorang mengedit draf AI atau AI menghaluskan draf manusia, justru adalah area abu-abu yang paling menyulitkan detektor.

Teks pendek adalah titik lemah lain: dengan hanya beberapa kalimat untuk dianalisis, sinyalnya sekadar tidak cukup untuk membuat penilaian yang meyakinkan, dan baik positif palsu maupun negatif palsu sama-sama meningkat. Kesimpulan praktisnya, GPTZero berada pada performa terbaiknya pada output AI panjang yang belum tersentuh, dan paling kurang dapat diandalkan pada tulisan yang diedit, diparafrasekan, hibrida, atau pendek — yang sebenarnya merupakan bentuk kebanyakan dokumen nyata.

Tidak ada detektor saat ini, termasuk GPTZero, yang bersifat final, dan alat-alat ini sendiri umumnya menyarankan agar skornya tidak dijadikan satu-satunya bukti. Perlakukan setiap hasil sebagai probabilitas dan ajakan untuk menelusuri lebih dalam, bukan vonis akhir. Jika sebuah tulisan ditandai, pertimbangkan konteksnya: latar belakang penulis, draf dan riwayat versi, serta bagaimana teks tersebut dihasilkan — semuanya lebih penting daripada satu angka saja.

Alur kerja yang masuk akal adalah melakukan pengecekan silang dengan alat independen kedua, bukan sekadar mempercayai satu skor, dan bersikap lebih hati-hati terhadap penulis non-penutur asli, teks pendek, dan draf yang telah diedit. Bagi pendidik dan peninjau, itu berarti menggunakan detektor sebagai pembuka percakapan, bersanding dengan penilaian manusia. Bagi penulis, itu berarti menjaga proses Anda tetap transparan dan melakukan pengecekan mandiri sebelum mengumpulkan, sehingga tanda yang mengejutkan tidak membuat Anda lengah.