Kata Pengantar

Perguruan tinggi berdiri di atas tiga pilar yang saling menopang: pendidikan dan pengajaran, penelitian, serta pengabdian kepada masyarakat. Ketiganya dikenal sebagai Tridharma, dan seorang dosen dituntut menunaikan seluruhnya sekaligus — sering kali dalam jadwal yang sama padatnya. Kehadiran kecerdasan buatan generatif (generative AI) sejak paruh kedua dekade 2020-an mengubah lanskap kerja akademik dengan kecepatan yang belum pernah terjadi sebelumnya. Alat yang mampu menyusun draf, meringkas ratusan artikel, membantu menata kode analisis, hingga menyimulasikan dialog Sokratik kini tersedia di ujung jari.

Buku ini ditulis dengan satu keyakinan yang kami pegang teguh: AI adalah instrumen, bukan pengganti nalar akademik. Ia dapat memperbesar produktivitas dosen secara dramatis, tetapi tidak dapat — dan tidak boleh — menggantikan pertimbangan ilmiah, tanggung jawab intelektual, dan integritas yang menjadi denyut nadi profesi ini. Sebuah kalimat yang dihasilkan mesin tetaplah tanggung jawab manusia yang menandatangani karya tersebut. Sebuah sitasi yang disodorkan mesin tetap wajib diverifikasi manusia. Sebuah nilai yang diberikan kepada mahasiswa tetap merupakan penilaian profesional dosen, bukan keluaran algoritma.

Kami menyusun buku ini secara pragmatis namun berhati-hati. Setiap bab menawarkan praktik konkret — mulai dari menyusun Rencana Pembelajaran Semester, merancang rubrik asesmen tingkat perguruan tinggi, melakukan tinjauan literatur sistematis, hingga menavigasi kebijakan jurnal tentang pengungkapan penggunaan AI — sekaligus menandai dengan jelas garis merah etika yang tidak boleh dilewati. Kami percaya bahwa dosen yang paling produktif di era ini bukanlah yang paling banyak mendelegasikan pekerjaan kepada mesin, melainkan yang paling cakap mengarahkan mesin sambil tetap menjadi otoritas atas kebenaran, orisinalitas, dan makna dari setiap karyanya.

Semoga buku ini menjadi teman berpikir yang jujur bagi Anda — bukan untuk mempercepat jalan pintas, melainkan untuk memperluas ruang bagi hal-hal yang hanya bisa dilakukan oleh seorang cendekiawan: bertanya dengan tajam, menimbang dengan adil, dan mengabdi dengan tulus.

"Alat yang paling ampuh sekalipun tidak membebaskan penggunanya dari tanggung jawab; ia justru menuntut tanggung jawab yang lebih besar." — Tim Sainskerta

Cara Membaca & Disclaimer

Buku ini dibagi menjadi tiga bagian yang mengikuti struktur Tridharma: Mengajar (Bab 1–4), Meneliti (Bab 5–10), dan Mengabdi & Mengintegrasikan (Bab 11–13). Anda tidak harus membacanya secara linear. Seorang dosen yang sedang menyiapkan proposal hibah dapat langsung menuju Bab 10; yang sedang membimbing tesis dapat mulai dari Bab 9. Namun kami sangat menganjurkan agar Bab 1 (etika Tridharma) dan Bab 8 (integritas riset) dibaca oleh setiap pembaca, karena keduanya menjadi kerangka moral bagi seluruh isi buku.

Konvensi dalam buku ini

• Blok prompt berlatar gelap dengan tombol "Salin" berisi contoh instruksi yang dapat Anda tempelkan ke alat AI. Perlakukan sebagai titik awal, bukan resep final — sesuaikan dengan mata kuliah, rumpun ilmu, dan konteks institusi Anda.
• Kotak sorotan (callout) menandai catatan penting; kotak berwarna aksen menandai peringatan etika.
• Ilustrasi garis membantu memvisualkan alur kerja dan konsep.

Bab 1 · AI dalam Tridharma: Peluang, Batas, dan Etika Akademik

Sebelum menyentuh satu pun alat, seorang dosen perlu memiliki peta konseptual yang jernih: apa yang pantas didelegasikan kepada mesin, apa yang wajib tetap dikerjakan manusia, dan di mana letak garis yang tak boleh dilewati. Bab ini membangun kerangka itu, agar seluruh praktik dalam buku berpijak pada fondasi etis yang sama.

Tiga peran, satu instrumen

Dalam pendidikan, AI dapat membantu menyusun materi, menghasilkan variasi soal, memberi umpan balik formatif, dan mendiferensiasi bahan ajar untuk beragam tingkat kesiapan mahasiswa. Dalam penelitian, ia mempercepat penelusuran literatur, membantu menata argumen, menyunting bahasa, dan menjelaskan metode statistik yang rumit. Dalam pengabdian, ia mempermudah penerjemahan pengetahuan akademik ke bahasa komunitas, penyusunan modul pelatihan, dan komunikasi dampak. Satu instrumen, tiga medan pengabdian.

Namun setiap medan memiliki risiko khasnya. Dalam pengajaran, risiko terbesar adalah mengalihkan pembelajaran mahasiswa — membuat mereka mengonsumsi jawaban tanpa membangun kemampuan berpikir. Dalam penelitian, risiko terbesar adalah mencemari catatan ilmiah dengan fabrikasi, sitasi palsu, atau klaim yang tak terverifikasi. Dalam pengabdian, risiko terbesar adalah menyampaikan informasi keliru kepada masyarakat yang mempercayai otoritas perguruan tinggi.

Kerangka empat pertanyaan sebelum mendelegasikan

Sebelum menyerahkan sebuah tugas kepada AI, ajukan empat pertanyaan berikut. Kerangka ini sederhana namun ampuh untuk menjaga integritas.

1. Apakah tugas ini merupakan inti dari penilaian atau kepakaran saya? Jika ya (misalnya memberi nilai akhir, merumuskan hipotesis, menafsirkan temuan), AI hanya boleh menjadi pembantu, bukan pengambil keputusan.
2. Dapatkah saya memverifikasi keluarannya? Jika Anda tidak mampu mengecek kebenaran keluaran (misalnya di bidang yang bukan keahlian Anda), risiko menyebarkan kekeliruan meningkat tajam.
3. Apakah data yang saya masukkan boleh dibagikan? Naskah yang belum terbit, data mahasiswa, data penelitian berkerahasiaan, dan informasi pribadi memerlukan kehati-hatian ekstra.
4. Apakah ada kewajiban pengungkapan? Jurnal, penyandang dana, atau institusi mungkin mewajibkan Anda mengungkap penggunaan AI. Ketahui aturannya sebelum, bukan sesudah.

Garis merah etika akademik

Beberapa penggunaan bukan sekadar tidak dianjurkan, melainkan pelanggaran serius yang dapat berujung pada sanksi akademik. Kami menandainya di sini dan akan mengulasnya lebih dalam pada Bab 8.

• Fabrikasi data atau sumber. Meminta AI "membuat" data eksperimen atau menerima sitasi yang tidak diverifikasi adalah misconduct.
• Menyerahkan penilaian mahasiswa sepenuhnya kepada mesin tanpa tinjauan manusia, terutama untuk keputusan berdampak tinggi (kelulusan, penghargaan, sanksi).
• Mengunggah karya orang lain (naskah yang sedang Anda review, data rahasia, tulisan mahasiswa berhak privasi) ke layanan yang tidak menjamin kerahasiaan.
• Mengklaim orisinalitas atas teks yang seluruhnya dihasilkan mesin tanpa kontribusi intelektual dan tanpa pengungkapan bila diwajibkan.

Bab-bab berikutnya akan menunjukkan bagaimana bekerja produktif di dalam batas-batas ini — bukan dengan menghindarinya, tetapi dengan menjadikannya bagian dari cara kerja yang matang.

Bab 2 · Menyiapkan Materi Kuliah & RPS/Silabus

Penyusunan Rencana Pembelajaran Semester (RPS) dan materi ajar adalah salah satu pekerjaan yang paling menyita waktu sekaligus paling diuntungkan oleh AI — asalkan dosen tetap memegang kendali atas keselarasan (constructive alignment) antara capaian pembelajaran, aktivitas, dan asesmen.

Mulai dari capaian, bukan dari topik

Kesalahan umum adalah meminta AI "membuatkan silabus mata kuliah X" begitu saja. Keluarannya akan generik dan sering tidak selaras dengan kurikulum program studi Anda. Praktik yang lebih baik: mulai dari Capaian Pembelajaran Lulusan (CPL) yang dibebankan pada mata kuliah, turunkan menjadi Capaian Pembelajaran Mata Kuliah (CPMK) dan sub-CPMK, lalu minta AI membantu memetakan topik dan aktivitas mingguan yang mendukungnya. Dengan begitu AI bekerja di dalam kerangka yang sudah Anda kuasai.

Berikan AI konteks sebanyak mungkin: nama mata kuliah, bobot SKS, level (sarjana/magister), prasyarat, profil mahasiswa, pendekatan pembelajaran yang dianut program studi (misalnya Outcome-Based Education), dan referensi utama yang Anda gunakan. Semakin kaya konteks, semakin relevan dan sedikit "halusinasi" keluarannya.

Alur kerja menyusun RPS bersama AI

1. Definisikan kerangka. Tuliskan sendiri CPL, CPMK, dan sub-CPMK. Ini adalah keputusan akademik yang tidak boleh didelegasikan.
2. Petakan mingguan. Minta AI mengusulkan distribusi 14–16 pertemuan yang menopang setiap sub-CPMK, lengkap dengan bentuk pembelajaran dan estimasi waktu.
3. Rancang aktivitas. Untuk tiap pertemuan, minta usulan aktivitas aktif (diskusi, studi kasus, problem-based learning) yang sesuai level kognitif Taksonomi Bloom yang dituju.
4. Selaraskan asesmen. Pastikan setiap CPMK memiliki instrumen asesmen; minta AI mengecek keterlacakan (traceability) antara CPMK dan komponen penilaian.
5. Verifikasi & personalisasi. Tinjau seluruh keluaran. Ganti referensi yang tidak Anda kenal, sesuaikan beban dengan realitas kelas, dan pastikan tidak ada sumber fiktif.

Bertindaklah sebagai perancang kurikulum untuk pendidikan tinggi yang menganut
Outcome-Based Education. Saya mengampu mata kuliah "[NAMA MK]" (3 SKS, semester
[X], program studi [PRODI], jenjang sarjana). Prasyarat: [MK PRASYARAT]. Profil
mahasiswa: [deskripsi singkat].

Berikut CPMK yang sudah saya tetapkan:
- CPMK1: [...]
- CPMK2: [...]
- CPMK3: [...]

Tugas Anda: usulkan peta 14 pertemuan. Untuk tiap pertemuan sebutkan (a) topik,
(b) sub-CPMK yang didukung, (c) bentuk pembelajaran aktif, (d) level Taksonomi
Bloom yang dituju, dan (e) estimasi alokasi waktu. Tandai secara eksplisit bila
ada CPMK yang belum tercakup. Jangan mengarang referensi; jika mengusulkan bahan
bacaan, tandai [PERLU VERIFIKASI DOSEN].

Menghasilkan bahan ajar dan bahan bacaan

Untuk tiap topik, AI dapat menyusun kerangka slide, ringkasan konsep, daftar istilah kunci, contoh soal, hingga analogi untuk menjelaskan konsep sulit. Namun berhati-hatilah pada dua hal. Pertama, contoh dan angka yang dihasilkan mesin bisa keliru — verifikasi setiap rumus, definisi, dan data. Kedua, jangan pernah menerima daftar pustaka mentah dari AI tanpa pengecekan; model bahasa terkenal kerap menghasilkan judul artikel, nama penulis, dan DOI yang tampak meyakinkan namun tidak pernah ada. Selalu cocokkan setiap rujukan dengan basis data nyata (katalog perpustakaan, penerbit, atau pengindeks).

Bab 3 · Metode Pembelajaran: Flipped Classroom, Studi Kasus, Blended

Kekuatan sejati AI dalam pengajaran bukan sekadar mempercepat pembuatan materi, melainkan membuka ruang bagi metode pembelajaran aktif yang selama ini sulit diterapkan karena keterbatasan waktu persiapan. Bab ini menautkan AI dengan tiga pendekatan yang terbukti meningkatkan pembelajaran mendalam.

Flipped classroom yang ditopang AI

Dalam kelas terbalik, mahasiswa mempelajari materi dasar sebelum pertemuan, sehingga waktu tatap muka dapat digunakan untuk diskusi, pemecahan masalah, dan penerapan. Beban persiapan biasanya berat: dosen harus menyiapkan bahan pra-kelas berkualitas dan pertanyaan pemantik. Di sinilah AI menolong — menyusun ringkasan pra-baca, membuat kuis pengecek pemahaman (formatif, tanpa nilai), dan merancang pertanyaan diskusi berjenjang dari yang faktual hingga evaluatif.

Yang tetap menjadi wilayah dosen: memilih apa yang layak dipelajari mandiri versus apa yang menuntut kehadiran pakar; memfasilitasi diskusi kelas dengan responsif; dan membaca dinamika kelompok — hal-hal yang tidak dapat dialihkan ke mesin.

Pembelajaran berbasis kasus

Studi kasus menuntut mahasiswa menerapkan konsep pada situasi nyata yang berantakan dan ambigu. AI dapat menjadi mitra andal untuk menghasilkan skenario kasus yang kaya konteks, lengkap dengan data pendukung, dilema, dan sudut pandang pemangku kepentingan yang berbeda. Anda dapat meminta variasi tingkat kesulitan, atau kasus yang sengaja mengandung "jebakan" konsep untuk memicu diskusi.

Penting: kasus yang melibatkan orang, organisasi, atau data nyata harus diperlakukan hati-hati. Untuk kasus pembelajaran, kasus fiktif namun realistis justru lebih aman dan fleksibel. Tandai dengan jelas kepada mahasiswa bila kasus bersifat rekaan.

Buatkan sebuah studi kasus fiktif namun realistis untuk mata kuliah "[NAMA MK]"
jenjang [sarjana/magister]. Kasus harus menuntut mahasiswa menerapkan konsep
[KONSEP 1], [KONSEP 2], dan [KONSEP 3].

Sertakan: (1) narasi latar 300-400 kata dengan konteks organisasi/situasi;
(2) dilema utama yang tidak memiliki jawaban tunggal yang benar; (3) 3-4 data
pendukung (tabel/angka) yang perlu dianalisis mahasiswa; (4) sudut pandang minimal
tiga pemangku kepentingan yang berbeda kepentingan; (5) lima pertanyaan diskusi
berjenjang dari analisis hingga evaluasi. Tegaskan di awal bahwa kasus ini fiktif.

Blended learning dan diferensiasi

Pembelajaran bauran memadukan daring dan luring. AI membantu menjaga koherensi antara komponen daring (modul, forum, kuis mandiri) dan luring (praktikum, diskusi), serta memungkinkan diferensiasi: menyusun beberapa versi penjelasan untuk konsep yang sama — versi ringkas, versi mendalam, versi dengan analogi — sehingga mahasiswa dengan latar berbeda tetap terlayani. Pertimbangkan pula membangun panduan penggunaan AI untuk mahasiswa itu sendiri (lihat Bab 13), agar mereka menggunakannya sebagai alat belajar, bukan alat menghindari belajar.

Bab 4 · Asesmen & Rubrik Tingkat Perguruan Tinggi

Asesmen adalah jantung penjaminan mutu. Ironisnya, kehadiran AI generatif sekaligus mempersulit dan mempermudah pekerjaan ini: mempersulit karena mahasiswa kini dapat menghasilkan jawaban dengan mesin, mempermudah karena dosen dapat merancang instrumen dan rubrik lebih cepat. Bab ini membahas keduanya.

Merancang rubrik analitik yang tajam

Rubrik yang baik membuat penilaian transparan, konsisten antar-penilai, dan mendidik. AI sangat berguna untuk menghasilkan draf deskriptor tiap sel — misalnya membedakan "Sangat Baik", "Baik", "Cukup", dan "Perlu Perbaikan" untuk kriteria "kedalaman analisis". Namun keputusan tentang kriteria apa yang dinilai dan berapa bobotnya adalah pertimbangan akademik dosen yang mencerminkan CPMK.

Praktik yang kami anjurkan: tuliskan kriteria dan bobot sendiri, lalu minta AI menyusun deskriptor berjenjang yang saling eksklusif dan dapat diamati. Deskriptor yang baik menghindari kata kabur seperti "cukup baik" tanpa penjelasan, dan menyatakan perilaku atau bukti konkret yang dapat diverifikasi penilai.

Bantu saya menyusun rubrik analitik untuk menilai [JENIS TUGAS: makalah/presentasi/
proyek] pada mata kuliah "[NAMA MK]" jenjang [X]. Kriteria dan bobot sudah saya
tetapkan:
- [Kriteria 1] (bobot ..%)
- [Kriteria 2] (bobot ..%)
- [Kriteria 3] (bobot ..%)

Untuk tiap kriteria, tulis deskriptor pada empat tingkat: Sangat Baik / Baik /
Cukup / Perlu Perbaikan. Deskriptor harus (a) dapat diamati, (b) saling eksklusif
antar-tingkat, (c) menghindari kata kabur, dan (d) menyebut bukti konkret yang
dilihat penilai. Sajikan dalam bentuk tabel.

Merancang asesmen yang tahan terhadap penyalahgunaan AI

Alih-alih berupaya "mendeteksi" penggunaan AI oleh mahasiswa — yang secara teknis tidak andal dan berisiko menuduh keliru — rancanglah asesmen yang menuntut proses, konteks, dan pemikiran yang sulit dipalsukan. Beberapa strategi:

• Asesmen berlapis proses: nilai draf bertahap, catatan refleksi, dan rekam jejak revisi, bukan hanya produk akhir.
• Kontekstualisasi lokal: tugas yang menuntut data lapangan, wawancara, atau pengalaman kelas yang spesifik.
• Lisan dan otentik: presentasi, viva, atau demonstrasi yang menguji pemahaman langsung.
• Refleksi metakognitif: minta mahasiswa menjelaskan pilihan dan penalaran mereka, termasuk (bila diizinkan) bagaimana mereka menggunakan AI secara bertanggung jawab.

Umpan balik formatif dengan bantuan AI

AI dapat membantu Anda menyusun umpan balik yang lebih rinci dan konstruktif dalam waktu lebih singkat — misalnya menghasilkan draf komentar berdasarkan rubrik yang Anda terapkan. Namun untuk penilaian berdampak tinggi, keputusan nilai akhir harus tetap di tangan dosen. Jangan pernah mengunggah identitas mahasiswa atau karya berhak privasi ke layanan yang tidak menjamin kerahasiaan; anonimkan bila perlu, dan patuhi kebijakan perlindungan data institusi Anda.

Bab 5 · Tinjauan Literatur Sistematis & Perumusan Masalah

Tinjauan literatur adalah fondasi setiap penelitian. AI dapat memangkas waktu penelusuran secara dramatis, tetapi justru di sinilah godaan pelanggaran integritas paling besar — model bahasa gemar "menciptakan" sumber. Bab ini menunjukkan cara memanfaatkan kecepatan AI tanpa mengorbankan kesahihan.

Apa yang boleh dan tidak boleh dilakukan AI

AI boleh membantu: merumuskan pertanyaan penelitian, menyarankan kata kunci dan sinonim untuk string pencarian, menjelaskan konsep asing, meringkas artikel yang sudah Anda miliki dan baca, mengelompokkan tema, dan menyusun kerangka argumen. AI tidak boleh menjadi sumber daftar pustaka: jangan pernah menyalin sitasi yang "disebutkan" model tanpa memverifikasinya di basis data nyata. Kesahihan sumber adalah tanggung jawab peneliti, bukan mesin.

Alur yang sehat: gunakan basis data akademik dan mesin pencari ilmiah untuk menemukan literatur; gunakan AI untuk mengolah literatur yang telah Anda peroleh. Dengan pemisahan peran ini, risiko fabrikasi sumber nyaris hilang.

Tinjauan sistematis versus naratif

Untuk tinjauan sistematis, protokol yang ketat (misalnya kerangka PRISMA) menuntut transparansi: kriteria inklusi/eksklusi, string pencarian, dan alur penyaringan yang dapat direplikasi. AI dapat membantu menyusun draf protokol, memeriksa konsistensi kriteria, dan membantu mengekstraksi data dari artikel yang Anda unggah secara sah. Namun keputusan inklusi/eksklusi setiap studi, penilaian kualitas metodologis, dan sintesis akhir tetap merupakan kerja intelektual peneliti.

Saya sedang menyusun protokol tinjauan literatur sistematis dengan topik:
"[TOPIK/PERTANYAAN]". Bantu saya pada tahap perencanaan (bukan pencarian):

1. Rumuskan pertanyaan penelitian dalam kerangka PICO/PICOC bila relevan.
2. Usulkan kata kunci utama beserta sinonim dan istilah terkait untuk membangun
   string pencারian Boolean (AND/OR).
3. Usulkan kriteria inklusi dan eksklusi yang jelas (tahun, jenis studi, bahasa,
   populasi, dsb).
4. Usulkan kerangka ekstraksi data (kolom apa yang perlu dicatat per artikel).

PENTING: Jangan menyebut atau mengarang artikel/sumber apa pun. Saya akan mencari
sendiri di basis data. Fokus hanya pada rancangan protokol.

Merumuskan masalah dan celah penelitian

Perumusan masalah yang kuat lahir dari dialog antara pengetahuan Anda dan temuan literatur. AI dapat menjadi lawan berpikir yang berguna: mengajukan pertanyaan kritis atas asumsi Anda, menyoroti kontradiksi antar-studi, atau mengusulkan sudut pandang alternatif. Perlakukan sebagai sparring partner, bukan orakel. Celah penelitian (research gap) yang autentik harus Anda validasi sendiri dengan membaca sumber primer — AI dapat salah menilai apa yang "belum diteliti" karena keterbatasan dan ketidakmutakhiran pengetahuannya.

Bab 6 · Metodologi & Analisis Data (Kualitatif dan Kuantitatif)

Metodologi menentukan kredibilitas temuan. AI dapat menjadi asisten metodologis yang tangguh — menjelaskan pilihan desain, membantu menulis dan men-debug kode analisis, hingga menafsirkan luaran statistik — selama peneliti tetap memegang penalaran dan tanggung jawab atas kesahihan.

Memilih dan menjustifikasi desain penelitian

Sebelum menyentuh data, gunakan AI untuk mempertajam pemahaman metodologis: perbedaan antara desain eksperimen dan kuasi-eksperimen, kapan menggunakan pendekatan kualitatif fenomenologis versus grounded theory, atau implikasi ukuran sampel terhadap kekuatan uji. AI adalah tutor yang sabar untuk konsep-konsep ini. Namun keputusan desain akhir harus Anda justifikasi sendiri dalam proposal — dengan rujukan metodologis yang Anda verifikasi.

Analisis kuantitatif

Untuk analisis kuantitatif, AI unggul dalam membantu menulis skrip (misalnya dalam R atau Python), menjelaskan pesan galat, menyarankan uji statistik yang sesuai jenis data dan asumsi, serta menafsirkan luaran. Alur yang aman:

1. Rancang analisis dulu. Tentukan hipotesis, variabel, dan uji yang sesuai sebelum melihat hasil, untuk menghindari p-hacking.
2. Mintalah kode, lalu pahami. Jangan menjalankan kode yang tidak Anda mengerti. Minta AI menjelaskan tiap langkah.
3. Verifikasi asumsi. Cek normalitas, homogenitas, multikolinearitas — jangan menerima hasil buta.
4. Tafsir dengan hati-hati. Signifikansi statistik bukan signifikansi praktis. AI dapat membantu merumuskan interpretasi, tetapi maknanya Anda yang menentukan.

Analisis kualitatif

Dalam penelitian kualitatif, AI dapat membantu proses pengodean awal (initial coding) atas transkrip yang Anda miliki secara sah, menyarankan tema, atau memeriksa konsistensi kode. Tetapi penafsiran makna — inti dari riset kualitatif — menuntut kepekaan konteks, refleksivitas, dan pemahaman mendalam yang merupakan wilayah peneliti. Waspadai pula bias yang mungkin dibawa model. Pertimbangkan aspek kerahasiaan: transkrip wawancara sering mengandung data pribadi partisipan. Anonimkan sebelum diproses, dan pastikan penggunaan sesuai persetujuan etik (ethical clearance) serta informed consent yang telah diberikan partisipan.

Saya memiliki transkrip wawancara yang SUDAH saya anonimkan (tanpa identitas
pribadi) untuk penelitian kualitatif bertema "[TEMA]". Pendekatan analisis:
[thematic analysis / grounded theory / dll].

Bantu saya pada tahap pengodean awal: usulkan kode-kode deskriptif untuk kutipan
berikut, kelompokkan menjadi tema kandidat, dan tandai kutipan yang ambigu untuk
saya tinjau ulang. Jelaskan dasar tiap usulan kode. Jangan menyimpulkan temuan
akhir — penafsiran final akan saya lakukan sendiri.

[Tempel kutipan yang sudah dianonimkan di sini]

Bab 7 · Penulisan Ilmiah & Manajemen Referensi

Menulis dengan jelas adalah keterampilan yang dapat dilatih, dan AI adalah asisten penyuntingan yang sangat membantu. Kuncinya: gunakan AI untuk memperbaiki ekspresi gagasan Anda, bukan untuk menggantikan gagasan itu sendiri.

Batas sehat penggunaan AI dalam menulis

Terdapat spektrum penggunaan, dari yang paling aman hingga yang bermasalah:

Prinsip: Anda pemilik gagasan, AI penyempurna ekspresi

Praktik yang kami anjurkan adalah menulis draf mentah dengan gagasan Anda sendiri — betapapun berantakannya — lalu meminta AI membantu memperjelas, memperhalus, dan memeriksa konsistensi. Dengan urutan ini, substansi tetap autentik dan AI berperan sebagai editor, bukan penulis. Waspadai "penyeragaman gaya": teks yang terlalu banyak diproses mesin cenderung kehilangan suara penulis dan terasa generik. Suara akademik Anda adalah aset; jaga agar tetap terdengar.

Berikut satu paragraf draf saya untuk bagian [pendahuluan/metode/diskusi] sebuah
artikel ilmiah bidang [BIDANG]. Tolong sunting agar lebih jelas, ringkas, dan
mengalir secara logis, dengan menjaga gaya akademik formal Bahasa Indonesia
(atau: register akademik). JANGAN menambah klaim, data, atau sitasi baru — hanya
perbaiki ekspresi dari yang sudah ada. Tandai bila ada kalimat yang argumennya
lemah atau ambigu sehingga perlu saya perkuat sendiri.

[Tempel paragraf Anda]

Manajemen referensi

Untuk mengelola sitasi, andalkan perangkat manajemen referensi khusus (reference manager) yang terhubung ke basis data nyata, bukan AI generatif. AI berguna untuk memahami perbedaan gaya sitasi (APA, IEEE, Vancouver, dan lain-lain) atau mengecek konsistensi format, tetapi setiap entri harus bersumber dari metadata asli. Ingat: sebuah sitasi yang tampak sempurna secara format bisa saja merujuk pada artikel yang tidak pernah ada. Cocokkan judul, penulis, tahun, dan pengidentifikasi (DOI) dengan sumber aslinya.

Bab 8 · Publikasi, Sitasi & Integritas Riset

Inilah bab yang paling penting dari seluruh buku ini. Integritas riset bukan sekadar kepatuhan pada aturan, melainkan komitmen moral terhadap kebenaran yang menjadi alasan keberadaan sains. Kehadiran AI menambah dimensi baru pada tanggung jawab lama; bab ini membahasnya secara langsung dan tanpa kompromi.

Tiga pilar yang tidak boleh runtuh

Integritas riset bertumpu pada tiga larangan klasik yang berlaku sama kerasnya di era AI:

• Anti-fabrikasi: tidak mengarang data, hasil, atau kejadian. Meminta AI menghasilkan "data" empiris palsu adalah fabrikasi.
• Anti-falsifikasi: tidak memanipulasi data, gambar, atau proses sehingga menyesatkan. Menggunakan AI untuk "memperindah" hasil hingga menyimpang dari kenyataan adalah falsifikasi.
• Anti-plagiarisme: tidak mengambil gagasan atau kata orang lain tanpa atribusi. Ini termasuk teks hasil AI yang mendaur ulang karya orang lain tanpa Anda sadari.

Sitasi palsu: bahaya khas era AI

Model bahasa dapat menghasilkan sitasi yang tampak sangat meyakinkan — nama penulis yang masuk akal, judul yang relevan, jurnal yang kredibel, bahkan DOI yang berformat benar — namun sepenuhnya fiktif. Fenomena ini telah menyebabkan naskah ditolak, ditarik, dan reputasi ternoda. Aturannya mutlak: setiap sitasi harus diverifikasi pada sumber aslinya sebelum masuk ke naskah. Buka artikelnya, pastikan ada, pastikan mengatakan apa yang Anda kutip. Tidak ada pengecualian.

Kepengarangan dan status AI

Konsensus komunitas ilmiah dan kebijakan sebagian besar penerbit besar menegaskan: AI tidak dapat menjadi penulis (author). Kepengarangan menuntut tanggung jawab dan akuntabilitas atas karya — sesuatu yang tidak dapat dipikul oleh alat. Manusia yang menggunakan AI-lah yang bertanggung jawab penuh atas seluruh isi, termasuk bagian yang dibantu mesin. Menempatkan nama alat AI sebagai penulis atau ucapan terima kasih yang menyesatkan dapat menyalahi pedoman.

Pengungkapan penggunaan AI

Semakin banyak jurnal, konferensi, dan penyandang dana mewajibkan penulis mengungkapkan bila dan bagaimana AI digunakan dalam penyusunan karya. Kewajiban ini bervariasi: sebagian meminta pernyataan di bagian metode atau ucapan terima kasih; sebagian mengecualikan alat bantu bahasa rutin; sebagian melarang penggunaan tertentu sama sekali. Ketahui kebijakan target publikasi Anda sebelum menulis, bukan sesudah. Ketika ragu, ungkapkan secara transparan — keterbukaan selalu lebih aman daripada penyembunyian.

Sebuah pernyataan pengungkapan yang baik menyebutkan: alat apa yang digunakan, untuk tujuan apa (misalnya penyuntingan bahasa, pembuatan kode analisis), pada bagian mana, dan penegasan bahwa penulis bertanggung jawab penuh atas hasil akhir serta telah memverifikasinya.

Bantu saya menyusun DRAF pernyataan pengungkapan penggunaan AI untuk sebuah artikel
ilmiah, mengikuti praktik transparansi yang baik. Fakta penggunaan saya:
- Alat: [nama alat]
- Tujuan: [mis. penyuntingan bahasa Inggris; membantu menulis skrip analisis di R]
- Bagian yang terdampak: [mis. seluruh naskah untuk bahasa; bagian analisis data]
- Yang TIDAK dibantu AI: [mis. perumusan hipotesis, pengumpulan & interpretasi data]

Susun pernyataan singkat, jujur, dan profesional yang menegaskan bahwa saya sebagai
penulis bertanggung jawab penuh atas seluruh isi dan telah memverifikasi setiap
keluaran. Ingatkan saya untuk mencocokkan format dengan pedoman jurnal target.

Kerahasiaan naskah orang lain (peer review)

Bila Anda menjadi mitra bestari (reviewer), naskah yang Anda tinjau adalah dokumen rahasia milik penulis dan penerbit. Mengunggah naskah tersebut ke layanan AI publik dapat melanggar kerahasiaan dan berpotensi membocorkan gagasan yang belum terbit. Banyak penerbit kini secara eksplisit melarang praktik ini. Lakukan telaah dengan keahlian Anda sendiri; bila institusi menyediakan alat AI berkerahasiaan terjamin dan kebijakan penerbit mengizinkan, barulah pertimbangkan penggunaannya secara terbatas dan transparan.

Etika penggunaan gambar dan angka

Manipulasi citra ilmiah (mikroskopi, gel, dan sebagainya) dengan alat berbasis AI hingga menyesatkan adalah falsifikasi. Penyesuaian yang sah harus proporsional, diterapkan menyeluruh, dan diungkapkan sesuai pedoman jurnal. Gambar yang dihasilkan AI, bila digunakan untuk ilustrasi, wajib ditandai sebagai gambar hasil AI dan tidak boleh disajikan seolah-olah data nyata.

Bab 9 · Pembimbingan Mahasiswa yang Etis (Skripsi, Tesis, Disertasi)

Membimbing tugas akhir adalah salah satu tanggung jawab paling personal seorang dosen. Kehadiran AI mengubah dinamika ini: mahasiswa kini punya akses ke alat yang sama, dan pembimbing perlu menetapkan norma yang jelas sejak awal — untuk melindungi pembelajaran mahasiswa sekaligus menjaga integritas karya.

Menetapkan kesepakatan penggunaan AI sejak awal

Di pertemuan pertama, bicarakan secara eksplisit bagaimana AI boleh dan tidak boleh digunakan dalam penelitian mahasiswa. Kesepakatan ini sebaiknya selaras dengan kebijakan program studi dan mencakup: penggunaan yang diperbolehkan (misalnya penyuntingan bahasa, bantuan memahami konsep), penggunaan yang dilarang (fabrikasi, menyerahkan pemikiran analitis kepada mesin), dan kewajiban pengungkapan dalam naskah. Kejelasan di awal mencegah konflik dan tuduhan di kemudian hari.

Menjaga agar mahasiswa tetap belajar

Bahaya terbesar bukanlah kecurangan, melainkan pembelajaran yang tercuri. Seorang mahasiswa yang menyerahkan perumusan masalah, desain metodologi, atau interpretasi temuan kepada AI akan lulus tanpa memperoleh kompetensi yang seharusnya. Sebagai pembimbing, arahkan penggunaan AI ke peran yang memperkuat pembelajaran: sebagai tutor untuk memahami konsep sulit, sebagai lawan diskusi untuk menguji argumen, sebagai editor bahasa — bukan sebagai pengganti kerja intelektual inti.

Membimbing di era AI: peran pembimbing menguat, bukan melemah

Justru karena mahasiswa kini mudah memperoleh jawaban dangkal dari mesin, peran pembimbing sebagai penjamin kedalaman menjadi lebih penting. Fokuskan sesi bimbingan pada hal-hal yang tidak dapat diberikan mesin: menantang asumsi, menuntut justifikasi, membaca kepekaan konteks lapangan, dan mengembangkan kematangan sebagai peneliti. Viva atau ujian lisan yang menguji pemahaman langsung menjadi instrumen penting untuk memastikan mahasiswa benar-benar menguasai karyanya sendiri.

Bertindaklah sebagai fasilitator diskusi metodologi. Saya dosen pembimbing yang
ingin menyiapkan pertanyaan menantang untuk sesi bimbingan tesis mahasiswa bidang
[BIDANG] dengan topik "[TOPIK]" dan metode [METODE].

Susun 8-10 pertanyaan kritis yang akan menguji apakah mahasiswa benar-benar
memahami (bukan sekadar menyalin) pilihan metodologisnya: pertanyaan tentang
justifikasi desain, ancaman validitas, keterbatasan, dan interpretasi alternatif.
Urutkan dari yang mendasar ke yang menantang. Tujuan saya adalah membimbing, bukan
menjatuhkan — beri catatan singkat apa yang ingin saya gali dari tiap pertanyaan.

Bab 10 · Hibah & Proposal Penelitian

Kompetisi hibah menuntut proposal yang jernih, meyakinkan, dan taat administrasi. AI dapat mempercepat penyusunan dan memperkuat kejelasan argumen — tetapi kebaruan (novelty), kelayakan, dan janji ilmiah proposal tetap harus lahir dari kepakaran peneliti.

Di mana AI paling menolong

• Struktur dan kejelasan: memastikan alur logis dari latar belakang, urgensi, celah, tujuan, hingga luaran.
• Ringkasan awam: menerjemahkan gagasan teknis ke ringkasan yang dapat dipahami reviewer lintas bidang tanpa kehilangan ketepatan.
• Kepatuhan format: mengecek kelengkapan komponen sesuai panduan penyandang dana (anggaran, jadwal, indikator capaian).
• Antisipasi kritik: berperan sebagai reviewer skeptis yang menyorot kelemahan sebelum proposal dikirim.

Di mana AI tidak boleh menggantikan Anda

Gagasan inti, hipotesis, kebaruan ilmiah, dan penilaian kelayakan adalah wilayah peneliti. AI tidak mengetahui secara mendalam lanskap terkini bidang Anda maupun kapasitas riil tim dan laboratorium Anda; klaim kelayakan dan kebaruan yang tidak Anda validasi berisiko keliru dan merusak kredibilitas. Selain itu, banyak penyandang dana memiliki kebijakan tentang penggunaan AI dalam penulisan proposal — dan tentang penggunaan AI oleh reviewer terhadap proposal yang mereka nilai. Patuhi ketentuan ini, termasuk soal kerahasiaan proposal orang lain yang mungkin Anda review.

Bertindaklah sebagai reviewer hibah yang kritis namun konstruktif di bidang [BIDANG].
Berikut ringkasan proposal penelitian saya:

[Tempel ringkasan: latar belakang, celah, tujuan, metode, luaran yang dijanjikan]

Berikan telaah tajam: (1) apakah urgensi & celah penelitian meyakinkan? (2) apakah
metode selaras dengan tujuan? (3) risiko kelayakan apa yang mungkin dipertanyakan
reviewer? (4) bagian mana yang kurang jelas bagi reviewer lintas bidang? (5) tiga
saran perbaikan paling berdampak. Fokus pada penalaran, bukan menulis ulang untuk
saya. Jangan menambah klaim baru atau referensi.

Bab 11 · Pengabdian kepada Masyarakat

Pengabdian adalah jembatan antara menara gading dan kehidupan nyata masyarakat. AI dapat memperbesar dampak pengabdian — menerjemahkan pengetahuan akademik ke bahasa yang mudah dipahami, menyusun modul pelatihan, dan memperkuat komunikasi — selama akurasi dan kepekaan konteks tetap dijaga.

Menerjemahkan ilmu ke bahasa komunitas

Salah satu tantangan pengabdian adalah menjembatani jurang bahasa antara akademisi dan masyarakat. AI membantu menyusun materi edukasi yang ringkas, jelas, dan sesuai tingkat literasi audiens — poster kesehatan, panduan praktis untuk UMKM, modul pelatihan untuk guru desa, dan sebagainya. Anda dapat meminta beberapa versi untuk audiens berbeda dari satu bahan sumber yang sama.

Namun ingat: informasi yang disampaikan atas nama perguruan tinggi menyandang otoritas yang dipercaya masyarakat. Kekeliruan — misalnya saran kesehatan atau hukum yang salah — dapat berdampak nyata dan merugikan. Verifikasi setiap klaim faktual, dan libatkan pakar bidang bila materi menyentuh keselamatan, kesehatan, keuangan, atau hukum.

Merancang program dan mengukur dampak

AI membantu menyusun kerangka program pengabdian: analisis kebutuhan, tujuan, aktivitas, indikator keberhasilan, dan rencana keberlanjutan. Ia juga membantu merancang instrumen evaluasi dampak (misalnya kuesioner pra-pasca pelatihan) dan menyusun laporan. Tetapi pemahaman atas konteks sosial-budaya komunitas — kepekaan yang menentukan keberhasilan pengabdian — tetap menuntut kehadiran dan empati manusia. AI tidak mengenal komunitas Anda; Anda yang mengenalnya.

Bantu saya menyusun materi edukasi masyarakat dari sumber akademik berikut. Audiens:
[deskripsi: mis. pelaku UMKM di daerah dengan literasi digital terbatas]. Tujuan:
[mis. memahami dasar pembukuan sederhana].

Sumber (ringkasan konsep yang sudah saya validasi):
[Tempel poin-poin yang sudah benar menurut Anda]

Susun materi dalam bahasa yang sederhana, konkret, dan kontekstual, hindari jargon
akademik. Sertakan contoh yang relevan dengan keseharian audiens. Tandai bagian mana
pun yang menyentuh klaim faktual sensitif [PERLU VERIFIKASI PAKAR] agar saya cek
ulang. Jangan menambah klaim di luar yang saya berikan.

Bab 12 · 40 Prompt Dosen Siap Pakai

Berikut kumpulan 40 prompt yang dapat langsung Anda gunakan, dikelompokkan menurut kegiatan Tridharma. Perlakukan sebagai kerangka awal: ganti tanda kurung siku dengan konteks Anda, dan selalu verifikasi keluaran. Ingat prinsip di seluruh buku ini — AI membantu, Anda bertanggung jawab.

A. Pembelajaran & RPS (Prompt 1–8)

1. Jelaskan konsep "[KONSEP SULIT]" dalam mata kuliah [MK] dengan tiga tingkat
kedalaman: (a) analogi sehari-hari, (b) penjelasan teknis untuk mahasiswa sarjana,
(c) nuansa lanjutan untuk magister. Tandai bila ada penyederhanaan yang berisiko
menyesatkan.

2. Usulkan kerangka slide (judul + poin kunci) untuk kuliah 100 menit bertopik
"[TOPIK]", selaras sub-CPMK "[SUB-CPMK]". Sisipkan dua momen pertanyaan interaktif
dan satu miskonsepsi umum yang perlu diluruskan.

3. Buat lima variasi soal untuk menguji sub-CPMK "[...]" pada level [C3-Menerapkan]
Taksonomi Bloom, dengan tingkat kesulitan bertingkat. Sertakan kunci jawaban dan
alasan tiap opsi pengecoh (untuk soal pilihan ganda).

4. Rancang aktivitas pembelajaran aktif 30 menit untuk konsep "[KONSEP]" dengan
metode think-pair-share, lengkap dengan pemicu diskusi, peran mahasiswa, dan cara
saya memfasilitasi tanpa mendominasi.

5. Susun bahan pra-baca flipped classroom (600-800 kata) untuk topik "[TOPIK]"
beserta lima pertanyaan pengecek pemahaman formatif. Bahasa jelas untuk mahasiswa
[jenjang]. Jangan mengarang sumber; tandai bila perlu rujukan [VERIFIKASI DOSEN].

6. Petakan sub-CPMK berikut ke 14 pertemuan mata kuliah [MK] [SKS] SKS, dengan
bentuk pembelajaran, aktivitas, dan estimasi waktu tiap pertemuan. Tandai sub-CPMK
yang belum tercakup. Sub-CPMK: [daftar].

7. Buat tiga versi penjelasan konsep "[KONSEP]" untuk diferensiasi: versi ringkas
(mahasiswa yang sudah paham), versi bertahap (yang kesulitan), dan versi dengan
analogi visual. Semua akurat dan konsisten satu sama lain.

8. Tinjau draf RPS berikut dan periksa keterlacakan antara CPMK, aktivitas, dan
komponen asesmen. Tandai CPMK yang tidak memiliki asesmen, dan asesmen yang tidak
tertaut ke CPMK mana pun. [Tempel RPS]

B. Asesmen & Umpan Balik (Prompt 9–15)

9. Susun rubrik analitik untuk [jenis tugas] dengan kriteria dan bobot berikut: [...].
Empat tingkat capaian, deskriptor yang dapat diamati dan saling eksklusif, dalam
bentuk tabel.

10. Rancang tugas otentik yang tahan terhadap penyalahgunaan AI untuk mata kuliah
[MK], yang menuntut data lapangan/pengalaman lokal/refleksi proses. Jelaskan mengapa
tugas ini sulit diselesaikan hanya dengan mesin.

11. Berdasarkan rubrik ini [tempel rubrik], bantu susun DRAF umpan balik konstruktif
untuk karya berikut [tempel karya yang sudah dianonimkan]. Fokus pada perbaikan
spesifik. Ingatkan bahwa nilai akhir tetap keputusan saya.

12. Buat kisi-kisi (blueprint) ujian tengah semester untuk [MK]: distribusi soal
per CPMK, per level Bloom, jenis soal, dan bobot. Pastikan proporsional dengan waktu
pembelajaran tiap topik.

13. Tinjau kualitas lima butir soal pilihan ganda berikut: apakah ada petunjuk
jawaban tak sengaja, pengecoh lemah, atau ambiguitas? Sarankan perbaikan. [Tempel
soal]

14. Susun instrumen penilaian sejawat (peer assessment) untuk proyek kelompok,
termasuk kriteria kontribusi individu dan cara mengurangi bias sosial dalam
penilaian antar-anggota.

15. Rancang serangkaian pertanyaan viva/ujian lisan berjenjang untuk memverifikasi
bahwa mahasiswa benar-benar memahami tugas [judul] yang ia serahkan, tanpa terkesan
menuduh.

C. Tinjauan Literatur & Perumusan Masalah (Prompt 16–22)

16. Bantu pertajam pertanyaan penelitian dari gagasan kasar berikut: "[gagasan]".
Rumuskan dalam kerangka [PICO/PICOC] bila relevan, dan usulkan tiga varian dengan
cakupan berbeda (sempit-sedang-luas).

17. Usulkan kata kunci utama, sinonim, dan istilah terkait untuk membangun string
pencarian Boolean tentang "[TOPIK]". JANGAN sebut artikel apa pun — saya akan
mencari sendiri di basis data.

18. Berikut ringkasan lima artikel yang SUDAH saya baca [tempel ringkasan saya].
Bantu kelompokkan menjadi tema, identifikasi titik sepakat dan kontradiksi, dan
usulkan celah penelitian yang perlu saya validasi sendiri.

19. Rancang protokol tinjauan sistematis (kriteria inklusi/eksklusi, kerangka
ekstraksi data) untuk topik "[TOPIK]". Fokus pada rancangan, bukan pencarian sumber.

20. Jelaskan perbedaan konseptual antara [teori/pendekatan A] dan [teori/pendekatan
B] dalam bidang [BIDANG], termasuk implikasinya bagi desain penelitian. Sarankan
sumber klasik untuk saya cari & verifikasi sendiri.

21. Bertindaklah sebagai lawan diskusi kritis. Berikut kerangka argumen latar
belakang saya [tempel]. Serang asumsinya, tunjukkan lompatan logika, dan tanyakan
bukti apa yang saya butuhkan untuk memperkuatnya.

22. Bantu susun kerangka teoretis (theoretical framework) yang menghubungkan konsep
[A], [B], dan [C] untuk penelitian saya, dengan menjelaskan asumsi hubungan antar-
konsep. Tandai hubungan yang masih perlu saya dukung dengan literatur.

D. Metodologi & Analisis Data (Prompt 23–29)

23. Saya berencana meneliti [pertanyaan] dengan data [jenis data]. Bandingkan dua
atau tiga desain penelitian yang sesuai, beserta kelebihan, keterbatasan, dan
ancaman validitas masing-masing. Bantu saya memilih dengan justifikasi.

24. Saya punya data [deskripsi variabel dan skala]. Uji statistik apa yang sesuai
untuk menjawab hipotesis "[H1]"? Jelaskan asumsi tiap uji dan cara memeriksanya.
Jangan menganalisis data yang tidak saya berikan.

25. Tulis skrip R (atau Python) untuk melakukan [uji/analisis] pada data dengan
struktur berikut [deskripsi kolom]. Beri komentar tiap langkah agar saya paham, dan
sertakan pengecekan asumsi. Saya akan menjalankannya pada data asli saya sendiri.

26. Saya mendapat pesan galat berikut saat menjalankan kode analisis: "[pesan
galat]". Ini kode saya: [tempel]. Jelaskan penyebabnya dan cara memperbaikinya,
serta apa yang perlu saya pahami agar tak terulang.

27. Berikut luaran statistik dari analisis saya [tempel tabel hasil]. Bantu saya
menafsirkannya secara hati-hati: apa yang boleh dan tidak boleh disimpulkan?
Ingatkan perbedaan signifikansi statistik dan praktis.

28. Bantu pengodean awal transkrip kualitatif yang SUDAH dianonimkan berikut
[tempel]. Usulkan kode deskriptif dan tema kandidat, jelaskan dasarnya, dan tandai
kutipan ambigu. Penafsiran final tetap saya lakukan sendiri.

29. Bantu rancang instrumen [kuesioner/pedoman wawancara] untuk mengukur [konstruk].
Pastikan tiap butir menagih satu konstruk, hindari pertanyaan menggiring dan
bermakna ganda. Sarankan cara menguji validitas & reliabilitasnya.

E. Penulisan, Review & Publikasi (Prompt 30–35)

30. Sunting paragraf berikut agar lebih jelas dan mengalir dengan register akademik,
tanpa menambah klaim/data/sitasi. Tandai kalimat yang argumennya lemah. [Tempel
paragraf]

31. Bantu susun kerangka (outline) artikel ilmiah dengan struktur [IMRaD] untuk
penelitian saya tentang "[TOPIK]" dengan temuan utama [ringkas]. Tunjukkan pesan
kunci tiap bagian. Saya yang akan mengisi substansinya.

32. Bertindaklah sebagai mitra bestari yang kritis namun adil. Telaah draf abstrak
saya berikut [tempel]: apakah masalah, metode, temuan, dan implikasi tersampaikan
jelas? Beri tiga saran perbaikan tanpa menulis ulang untuk saya.

33. Jelaskan perbedaan gaya sitasi [APA / IEEE / Vancouver] untuk jenis sumber
[jurnal/buku/prosiding], dengan contoh format. Saya akan mengisi metadata dari
sumber asli yang sudah saya verifikasi.

34. Susun draf pernyataan pengungkapan penggunaan AI yang jujur dan profesional
untuk artikel saya. Fakta: alat [...], tujuan [...], bagian [...]. Tegaskan tanggung
jawab penuh penulis. Ingatkan saya mencocokkan dengan pedoman jurnal target.

35. Bantu saya menyusun surat pengantar (cover letter) ke editor jurnal untuk naskah
berjudul "[JUDUL]": nyatakan kontribusi, kesesuaian dengan lingkup jurnal, dan
pernyataan orisinalitas. Nada profesional dan ringkas.

F. Pembimbingan, Hibah & Pengabdian (Prompt 36–40)

36. Susun 8-10 pertanyaan kritis untuk sesi bimbingan tesis mahasiswa (topik "[...]",
metode [...]) yang menguji pemahaman metodologis sejati. Beri catatan tujuan tiap
pertanyaan. Nada membimbing, bukan menjatuhkan.

37. Bantu saya menyusun "kesepakatan penggunaan AI" antara pembimbing dan mahasiswa
bimbingan: apa yang boleh, apa yang dilarang, dan kewajiban pengungkapan. Selaraskan
dengan prinsip integritas akademik. Bahasa jelas dan adil.

38. Bertindaklah sebagai reviewer hibah kritis di bidang [BIDANG]. Telaah ringkasan
proposal saya [tempel]: urgensi, kesesuaian metode, risiko kelayakan, kejelasan
untuk reviewer lintas bidang, dan tiga saran paling berdampak.

39. Bantu terjemahkan konsep akademik berikut [tempel poin yang sudah saya validasi]
menjadi materi edukasi untuk [audiens]. Bahasa sederhana dan kontekstual, dengan
contoh keseharian. Tandai klaim faktual sensitif [PERLU VERIFIKASI PAKAR].

40. Rancang kerangka program pengabdian masyarakat untuk mengatasi kebutuhan
"[kebutuhan]" pada komunitas [deskripsi]: tujuan, aktivitas, indikator keberhasilan,
rencana keberlanjutan, dan instrumen evaluasi dampak pra-pasca.

Bab 13 · Alur Kerja Dosen + AI & Kebijakan AI Kampus

Bab penutup ini merangkai seluruh isi buku menjadi satu alur kerja yang koheren, dan menutup dengan panduan menyusun kebijakan AI di tingkat institusi — karena praktik individu yang baik perlu ditopang oleh tata kelola yang jelas.

Alur kerja mingguan yang berkelanjutan

Dosen produktif tidak memperlakukan AI sebagai keran yang dibuka sekali besar, melainkan sebagai asisten yang hadir konsisten di sepanjang siklus kerja. Sebuah ritme yang sehat mungkin tampak seperti ini:

• Awal pekan (mengajar): siapkan bahan pra-kelas, pertanyaan diskusi, dan variasi soal dengan bantuan AI; verifikasi akurasi; personalisasi ke konteks kelas.
• Tengah pekan (meneliti): olah literatur yang telah dikumpulkan, susun draf dengan gagasan sendiri lalu perhalus dengan AI, tulis dan uji kode analisis — selalu memverifikasi.
• Akhir pekan (mengabdi & refleksi): terjemahkan pengetahuan ke bahan pengabdian, susun laporan, dan tinjau kembali penggunaan AI Anda sepanjang minggu terhadap prinsip integritas.

Daftar periksa integritas mingguan

Menuju kebijakan AI kampus yang matang

Praktik individu yang baik akan lebih lestari bila didukung kebijakan institusi yang jelas, adil, dan hidup (bukan sekadar dokumen formal). Kebijakan AI kampus yang matang idealnya mencakup:

• Prinsip pemandu: nilai-nilai dasar (integritas, transparansi, tanggung jawab manusia, keadilan, perlindungan data) yang menjadi landasan seluruh aturan.
• Panduan per-peran: ketentuan berbeda untuk dosen, mahasiswa, peneliti, dan tenaga kependidikan, karena risiko dan kebutuhan mereka berbeda.
• Kejelasan yang boleh & dilarang: contoh konkret penggunaan yang diterima, wilayah abu-abu yang perlu konsultasi, dan larangan tegas.
• Aturan pengungkapan: kapan dan bagaimana penggunaan AI harus diungkap dalam karya akademik dan tugas mahasiswa.
• Perlindungan data & privasi: data apa yang tidak boleh diunggah ke layanan pihak ketiga, dan alat mana yang disediakan/direkomendasikan institusi.
• Proses yang adil: mekanisme menangani dugaan pelanggaran yang menjunjung asas praduga tak bersalah dan tidak mengandalkan detektor otomatis semata.
• Peninjauan berkala: komitmen memperbarui kebijakan seiring perkembangan teknologi dan standar komunitas ilmiah.
• Literasi & pelatihan: program pengembangan agar seluruh sivitas memahami dan mampu menerapkan kebijakan, bukan sekadar mematuhinya.

Bantu saya (anggota tim penyusun kebijakan) menyusun KERANGKA kebijakan penggunaan
AI untuk perguruan tinggi. Konteks institusi: [jenis PT, ukuran, rumpun ilmu].
Susun kerangka yang mencakup: prinsip pemandu, panduan per-peran (dosen/mahasiswa/
peneliti/tendik), contoh boleh vs dilarang, aturan pengungkapan, perlindungan data,
proses penanganan pelanggaran yang adil, dan mekanisme peninjauan berkala.

Untuk tiap bagian, ajukan pertanyaan yang perlu kami putuskan sebagai institusi.
Tegaskan bahwa kerangka ini harus diselaraskan dengan peraturan nasional, kode etik
profesi, dan kebijakan penyandang dana/penerbit yang relevan.

Rangkuman: tiga kalimat untuk diingat

Bila seluruh buku ini harus diperas menjadi tiga kalimat, inilah intinya. Pertama, AI memperbesar apa yang bisa Anda lakukan, tetapi tidak pernah mengurangi tanggung jawab atas apa yang Anda hasilkan. Kedua, kecepatan tidak boleh mengorbankan kebenaran — verifikasi setiap sitasi, data, dan klaim adalah kewajiban, bukan pilihan. Ketiga, integritas bukanlah hambatan bagi produktivitas, melainkan syarat bagi karya akademik yang layak disebut ilmu.

"Seorang dosen yang bijak menggunakan AI bukan untuk berpikir lebih sedikit, melainkan untuk berpikir tentang hal-hal yang lebih penting." — Tim Sainskerta

Selamat mengajar, meneliti, dan mengabdi — dengan produktif dan berintegritas.