Oleh: Suryani, S.Kom., M.T.
(Dosen Teknik Informatika, Bidang Ilmu Komputer dan Kecerdasan Buatan – Universitas Dipa Makassar)
Kecerdasan buatan atau Artificial Intelligence (AI) kini menjadi bagian penting dari ekosistem digital sekaligus semakin dekat dengan kehidupan sehari-hari. Di lingkungan perguruan tinggi, AI telah hadir di ruang kelas, laboratorium, perpustakaan, bahkan dalam proses mahasiswa mengerjakan tugas di rumah.
Mahasiswa seringkali menggunakan AI untuk mencari informasi, menjelaskan konsep yang sulit, menerjemahkan teks, menyusun kerangka tulisan, memeriksa tata bahasa, hingga membantu membuat kode program. Bagi mahasiswa yang mengalami kesulitan memahami materi, AI dapat menjadi teman belajar yang cepat dan mudah diakses.
Kemudahan tersebut tentu membawa manfaat. Namun, pada saat yang sama, muncul pertanyaan yang patut direnungkan: ketika jawaban dapat diperoleh hanya dalam hitungan detik, apakah mahasiswa masih menjalani proses berpikir yang sesungguhnya?
Pertanyaan ini penting karena pendidikan tinggi bukan sekadar tempat menghasilkan tugas, laporan, atau jawaban yang tampak sempurna. Pendidikan tinggi memiliki tanggung jawab yang lebih besar, yakni membentuk daya kritis, kreativitas, kemandirian, integritas, dan tanggung jawab intelektual.
Mahasiswa mungkin mampu menghasilkan tulisan yang rapi, tetapi belum tentu dapat menjelaskan argumen di dalamnya. Mereka dapat memperoleh kode program yang berjalan, tetapi belum tentu memahami logika yang membangun program tersebut. Tugas dapat diselesaikan lebih cepat, tetapi kemampuan menghadapi persoalan serupa secara mandiri belum tentu ikut berkembang.
Ketika Kemudahan Menjadi Ketergantungan
Ketergantungan terhadap AI tidak dapat dinilai hanya dari seberapa sering mahasiswa menggunakannya. Mahasiswa yang memakai AI setiap hari belum tentu mengalami ketergantungan. Bisa jadi ia menggunakannya untuk memperoleh sudut pandang lain, menemukan kesalahan, atau memperdalam pemahaman terhadap materi.
Sebaliknya, mahasiswa yang tidak terlalu sering menggunakan AI tetap dapat menunjukkan pola ketergantungan apabila setiap kali menerima tugas, ia menyerahkan seluruh proses pengerjaan kepada teknologi.
Dengan demikian, persoalan utamanya bukan sekadar seberapa sering AI digunakan, melainkan bagaimana dan untuk tujuan apa teknologi tersebut dimanfaatkan.
AI masih berfungsi sebagai pendukung pembelajaran ketika mahasiswa tetap membaca sumber lain, memeriksa kebenaran informasi, mengolah kembali jawaban dengan bahasanya sendiri, serta mampu menjelaskan hasil pekerjaannya. Penggunaan mulai mengarah pada ketergantungan ketika mahasiswa menerima keluaran AI secara mentah, tidak lagi berusaha memahami masalah, atau merasa tidak mampu mengerjakan tugas tanpa bantuan teknologi.
Kondisi inilah yang melatarbelakangi penelitian saya yang mendapatkan pendanaan oleh Direktorat Penelitian Dan Pengabdian Kepada Masyarakat (DPPM) Diktisaintek tahun anggaran tahun 2026 yang berjudul “A Hybrid KNN–Decision Tree Model for Assessing Students’ Dependency on Artificial Intelligence Tools in Higher Education.”
Penelitian tersebut melibatkan 1.001 mahasiswa dan menggunakan pendekatan machine learning untuk membaca pola penggunaan AI melalui dimensi perilaku, kognitif, dan etika. Variabel yang dianalisis mencakup motivasi dasar, intensitas penggunaan, motivasi intrinsik, persepsi terhadap manfaat AI, persepsi etis, dan indeks prestasi mahasiswa.
Membaca Pola Penggunaan AI dengan Machine Learning
Model yang dikembangkan menggabungkan dua metode, yaitu K-Nearest Neighbor atau KNN dan Decision Tree. KNN digunakan untuk mengelompokkan mahasiswa berdasarkan kemiripan karakteristik penggunaan AI. Sementara itu, Decision Tree digunakan untuk membantu menjelaskan faktor-faktor yang paling berpengaruh terhadap hasil klasifikasi.
Penggabungan kedua metode tersebut penting karena teknologi yang diterapkan dalam pendidikan tidak cukup hanya menghasilkan prediksi yang akurat. Hasilnya juga harus dapat dipahami oleh dosen, mahasiswa, dan pengelola perguruan tinggi.
Hasil penelitian menunjukkan bahwa model KNN mencapai akurasi sebesar 94,03 persen, presisi 96,03 persen, recall83,23 persen, dan F1-score 87,95 persen, dengan nilai K optimal sebesar tujuh. Dari 1.001 responden, model mengklasifikasikan 35 mahasiswa pada kategori rendah, 536 pada kategori sedang, dan 430 pada kategori tinggi.
Dalam kerangka penelitian ini, kategori tersebut tidak cukup dibaca sebagai tinggi atau rendahnya frekuensi penggunaan AI. Kategori juga mencerminkan kualitas, tanggung jawab, dan risiko ketergantungan dalam penggunaan teknologi. Mahasiswa yang aktif menggunakan AI belum tentu menunjukkan pola yang negatif apabila penggunaannya tetap disertai sikap kritis, refleksi, dan kesadaran etis.
Analisis Decision Tree menunjukkan bahwa intensitas penggunaan AI menjadi faktor yang paling berpengaruh dengan nilai Information Gain sebesar 0,3948. Faktor berikutnya adalah motivasi intrinsik, motivasi dasar, dan persepsi etis. Persepsi etis sendiri memperoleh nilai Information Gain sebesar 0,3149, yang menunjukkan bahwa kesadaran etis memiliki peran penting dalam memahami hubungan mahasiswa dengan AI.
Temuan tersebut memperlihatkan bahwa persoalan ketergantungan AI bukan semata-mata persoalan teknologi. Di dalamnya terdapat dimensi perilaku, motivasi, cara berpikir, dan tanggung jawab akademik.
Bukan untuk memberikan Label Negatif
Model penilaian ketergantungan AI tidak seharusnya digunakan untuk memberikan label negatif atau menghukum mahasiswa. Sistem ini lebih tepat diposisikan sebagai instrumen deteksi dini.
Mahasiswa yang menunjukkan pola penggunaan berisiko dapat diberikan pendampingan sebelum kebiasaan tersebut memengaruhi kemandirian belajarnya. Pendampingan dapat berbentuk pelatihan literasi AI, penguatan etika akademik, kegiatan refleksi, presentasi tugas, atau pembelajaran berbasis proyek.
Mahasiswa perlu memahami kapan penggunaan AI diperbolehkan, bagaimana penggunaannya harus dilaporkan, serta bagian pekerjaan apa yang tetap harus dilakukan secara mandiri. Transparansi dalam penggunaan AI merupakan bagian dari integritas akademik.
Dosen dan Sistem Penilaian Perlu Beradaptasi
Perubahan tidak dapat dibebankan hanya kepada mahasiswa. Dosen dan perguruan tinggi juga harus menyesuaikan metode pembelajaran dan penilaian.
Tugas yang hanya meminta mahasiswa mencari definisi, membuat rangkuman, atau menjelaskan konsep umum semakin mudah diselesaikan dengan bantuan AI. Karena itu, penilaian perlu diarahkan pada kemampuan menganalisis kasus, menerapkan konsep, mempertahankan argumentasi, menjelaskan proses pengerjaan, dan menyelesaikan masalah nyata.
Dalam pembelajaran pemrograman, misalnya, mahasiswa dapat menggunakan AI untuk membantu menemukan kesalahan kode. Namun, mereka tetap harus mampu menjelaskan fungsi setiap bagian program, alasan memilih suatu metode, dan logika di balik solusi yang dibuat.
Dosen juga perlu menilai proses, bukan hanya produk akhir. Presentasi, demonstrasi, diskusi, catatan perkembangan, dan refleksi individual dapat memberikan gambaran yang lebih utuh mengenai pemahaman mahasiswa.
Dengan cara tersebut, teknologi justru dapat menjadi bagian dari pembelajaran, selama mahasiswa tetap menjadi pelaku utama dalam proses berpikir dan pengambilan keputusan.
Literasi AI Melampaui Kemampuan Menulis Prompt
Literasi AI sering disederhanakan sebagai kemampuan menyusun prompt yang baik. Padahal, literasi AI mencakup hal yang jauh lebih luas.
Mahasiswa perlu memahami bahwa keluaran AI tidak selalu benar. Sistem dapat menghasilkan informasi yang tidak akurat, referensi yang tidak tersedia, jawaban yang bias, atau penjelasan yang tampak meyakinkan tetapi tidak didukung bukti yang memadai.
Karena itu, literasi AI perlu mencakup kemampuan memeriksa fakta, membandingkan sumber, mengenali bias, menjaga kerahasiaan data, menghormati hak cipta, dan mempertanggungjawabkan hasil pekerjaan.
Semakin cepat informasi dihasilkan, semakin penting pula kemampuan manusia untuk memeriksa dan menilainya. Di sinilah berpikir kritis menjadi kompetensi yang tidak dapat diserahkan kepada mesin.
Pada akhirnya, teknologi khususnya AI telah menjadi bagian dari perubahan zaman dan masa depan dunia kerja. Tanggung jawab kampus adalah memastikan bahwa pemanfaatannya tidak mengikis daya kritis, integritas, kreativitas, dan kemandirian intelektual mahasiswa.
AI seharusnya membantu mahasiswa berpikir, bukan mengambil alih seluruh proses berpikir mereka. Keberhasilannya tidak cukup diukur dari seberapa cepat tugas diselesaikan, tetapi dari seberapa jauh teknologi tersebut membuat mahasiswa semakin memahami persoalan, semakin kritis menilai informasi, dan semakin bertanggung jawab atas keputusan yang diambil.
Ketika AI semakin cerdas, manusia harus semakin sadar untuk menjaga nalarnya. (***)
