Di tengah gelombang disrupsi teknologi yang merambah dunia akademis, Program Studi S3 Manajemen dan Kebijakan Publik (MKP) Fakultas Ilmu Sosial dan Ilmu Politik Universitas Gadjah Mada menyelenggarakan pelatihan bertajuk “Penggunaan Kecerdasan Buatan (AI) untuk Penelitian”. Acara yang digelar pada Rabu (24/9/2025) di Ruang BA 304 ini menghadirkan dosen DMKP, Alvi Syahrina, S.T., M.Sc., untuk membedah potensi sekaligus batasan AI dalam menunjang disertasi mahasiswa doktoral.
Pelatihan ini merespons kebutuhan mendesak akan efisiensi dalam penelusuran literatur tanpa mengorbankan integritas akademik. Dalam paparannya, Alvi Syahrina menegaskan bahwa kehadiran AI tidak serta merta menggantikan peran peneliti, melainkan berfungsi sebagai akselerator dalam memetakan pengetahuan.
Efisiensi Literatur dan Penemuan “Research Gap”
Dalam sesi praktikal, Alvi mendemonstrasikan bagaimana AI dapat memangkas waktu yang biasanya dihabiskan peneliti untuk membaca ratusan jurnal. “Manfaat utamanya bisa menghemat waktu. Kalau dulu memang harus kita baca satu persatu, baca satu ternyata nggak nyambung, mundur lagi. Menggunakan tool AI itu sudah kelihatan topiknya apa saja,” ujar Alvi.
Ia memperkenalkan berbagai tools seperti Scopus AI, SciSpace, dan Connected Papers yang membantu menemukan pola, tren, dan celah penelitian (research gap). Hal ini krusial bagi mahasiswa S3 yang dituntut menghasilkan novelty atau kebaruan. “Seringkali harus bolak-balik baca paper untuk melihat kembali sebenarnya apa sih yang belum dilakukan,” tambahnya.
Salah satu tools baru yang diperkenalkan adalah Future House, yang dinilai Alvi memiliki keunggulan transparansi dibanding tools lainnya. “Kita bisa track alur berpikirnya. Saya memberi dia instruksi untuk membuat bab dua… kemudian kita bisa tracking oh dia melakukan pencarian paper query-nya kayak gitu,” jelas Alvi saat mendemokan alat tersebut.
Batasan AI: Hindari untuk Analisis Data
Meski sangat membantu dalam tinjauan pustaka, Alvi memberikan peringatan keras terkait penggunaan AI dalam tahap analisis data, baik kualitatif maupun kuantitatif. Hal ini disebabkan oleh masalah transparansi dan konsistensi hasil.
“Kesulitannya adalah kalau kita menggunakan AI itu nanti bisa jadi jawabannya sangat bervariasi dari satu prompt dengan prompt yang lainnya. Kemudian kita tidak bisa traceback, ini sumbernya seperti apa dan bagaimana hasil itu dihasilkan,” tegas Alvi. Ia menyarankan peneliti untuk tetap menggunakan perangkat lunak konvensional seperti NVivo atau Stata untuk menjaga akuntabilitas data.
Etika “Prompt Hygiene” dan Keamanan Data
Isu etika menjadi sorotan utama dalam pelatihan ini. Alvi memperkenalkan konsep “Prompt Hygiene”, yakni kehati-hatian dalam memasukkan data ke dalam mesin AI. “Jangan sampai kita masukkan data-data sensitif, data hasil penelitian kita, maupun data perusahaan atau organisasi,” ingatnya.
Untuk pengguna ChatGPT, ia memberikan tips praktis mematikan fitur pelatihan model agar data pengguna tidak diserap oleh sistem. “Pastikan improve the model for everyone ini di-off-kan. Supaya data kita nggak dipakai untuk men-training AI model selanjutnya,” instruksinya kepada para peserta.
Integritas Peneliti Tetap yang Utama
Menutup sesi pelatihan, Alvi mengingatkan bahwa meskipun naskah yang dihasilkan AI bisa terlihat sempurna secara tata bahasa, seringkali tulisan tersebut “kosong” jika tidak disertai pemikiran kritis peneliti. “Karyanya mungkin dari bahasa kelihatannya keren, tapi kalau kita baca memang tidak ada isinya, kosong, dan mungkin dia hanya mengulang-ulang satu dua kata saja,” kritiknya.
Oleh karena itu, verifikasi manual tetap menjadi kewajiban mutlak. “Kita manfaatkan untuk mengumpulkan sumber seluas dan sebanyak mungkin, tapi juga tidak menghilangkan integritas kita sebagai peneliti,” pungkas Alvi
Penulis & Foto: Fahri
