Masuk tirto.id
tirto.id - Dugaan manipulasi riset oleh sejumlah warga negara Indonesia (WNI) dalam konferensi ilmiah International Symposium on Pneumococci and Pneumococcal Diseases (ISPPD) 2026 di Kopenhagen, Denmark, membuka kembali perdebatan lama soal integritas akademik.
Namun, kali ini persoalannya tak lagi sekadar plagiarisme atau pemalsuan data secara konvensional. Kemajuan teknologi kecerdasan buatan atau artificial intelligence (AI) menghadirkan tantangan baru karena memungkinkan abstrak hingga data penelitian sintetis di jurnal ilmiah dibuat dalam hitungan menit.
Dugaan skandal pemalsuan riset ini mulanya viral setelah diungkap peneliti Wa Ode Dwi Daningrat saat menghadiri konferensi tersebut. Ia lalu membagikannya melalui akun media sosial pada Senin (25/5/2025). Postingan Wa Ode juga diunggah di akun milik dosen dan peneliti Ida Bagus Mandhara Brasika.
Dalam keterangannya, Wa Ode menyebut skandal terungkap saat konferensi ilmiah untuk para ahli pneumonia seluruh dunia, ISPPD, berlangsung pada 17-21 Mei 2026 lalu.
Dalam konferensi yang bertempat di Denmark itu, terdapat kelompok periset asal Indonesia yang tampak telah menghasilkan temuan luar biasa. Para periset ini terdiri dari tiga orang, yakni Prihantini, Rifaldy Fajar, dan Rini Winarti. Akan tetapi, setelah ditelisik, kelompok periset itu diduga telah mengikuti konferensi dengan hasil penelitian palsu.
Menteri Pendidikan Tinggi, Sains, dan Teknologi (Mendikti Saintek), Brian Yuliarto, mengungkapkan bahwa terdapat empat orang yang diduga terlibat dalam kasus pemalsuan riset untuk mengikuti forum ilmiah internasional.
Berdasarkan temuan sementara, para terduga pelaku diduga memanfaatkan identitas akademik tertentu demi memperoleh fasilitas perjalanan ke luar negeri yang disediakan penyelenggara konferensi.
Brian menjelaskan keempat terduga merupakan lulusan sarjana Universitas Negeri Yogyakarta (UNY). Kementerian, kata dia, telah berkoordinasi dengan pihak kampus untuk menelusuri kasus tersebut.
“Sudah mengundang langsung keempat terduga tersebut. Dan sudah diwawancarai, motif dan lain sebagainya. Jadi, memang cukup kuat saat ini dugaan bahwa mereka ingin memanfaatkan travel grant ke luar negeri. Tapi tentu ini memiliki atau sangat bermasalah dari sisi etik dan integritas,” ujar Brian di Gedung DPR RI, Jakarta, Selasa (2/6/2026).
Menurut Brian, dugaan pemalsuan riset tersebut tidak hanya berdampak pada individu yang terlibat, tetapi juga berpotensi mencoreng reputasi penelitian Indonesia di mata komunitas akademik global. Karena itu, ia meminta publik tidak serta-merta menggeneralisasi kasus tersebut kepada seluruh peneliti Indonesia.
“Dan yang sangat disayangkan juga adalah dengan kasus ini, maka kredibilitas penelitian di Indonesia juga kemudian akan disanksi-kan,” ungkap dia.
Kementerian, lanjut Brian, masih terus mengumpulkan informasi dan bukti tambahan untuk memperkuat penanganan perkara tersebut. Ia juga membuka ruang bagi masyarakat yang memiliki informasi relevan untuk turut menyampaikan data kepada pemerintah.
Bahaya AI Ubah Lanskap Penipuan Jurnal Ilmiah
Dugaan manipulasi riset oleh sejumlah orang tersebut menjadi pengingat bahwa ancaman terhadap integritas akademik kini memasuki babak baru. Kini, praktik kecurangan akademik memungkinkan berbagai bentuk penipuan jurnal ilmiah dilakukan dengan jauh lebih mudah, cepat, dan murah.
Chairman Lembaga Riset Keamanan Siber dan Komunikasi atau Communication and Information System Security Research Cente (CISSReC), Pratama D. Persadha, menilai kasus yang tengah menjadi sorotan tersebut menunjukkan bagaimana AI telah mengubah lanskap integritas akademik secara fundamental.
“Jika pada masa lalu praktik kecurangan akademik umumnya dilakukan melalui plagiarisme konvensional, fabrikasi data secara manual, atau pemalsuan identitas penulis, maka saat ini berbagai bentuk penyimpangan ilmiah dapat dilakukan dengan tingkat kecanggihan yang jauh lebih tinggi dan dengan biaya yang semakin rendah,” kata Pratama kepada Tirto, Selasa (2/6/2026).
Menurut dia, perubahan tersebut tidak terlepas dari kemunculan model bahasa besar atau large language model/LLM dan berbagai perangkat AI generatif yang mampu menghasilkan teks akademik, melakukan sintesis literatur, menyusun referensi, bahkan mensimulasikan hasil penelitian dalam hitungan menit.
Di satu sisi, AI dapat menjadi alat bantu yang mempercepat proses penelitian. Teknologi tersebut dapat digunakan untuk pencarian literatur, analisis data, penerjemahan naskah, hingga penyusunan draf awal artikel ilmiah. Namun, kemampuan yang sama juga membuka peluang penyalahgunaan dalam dunia akademik.
“Hambatan teknis yang dahulu membatasi pelaku kecurangan kini semakin berkurang. Seseorang yang tidak memiliki pengalaman penelitian yang memadai dapat menghasilkan dokumen akademik yang tampak profesional hanya dengan memberikan beberapa instruksi kepada sistem AI,” ujar Pratama.
Pratama menjelaskan, salah satu perubahan paling signifikan terlihat pada kemampuan AI dalam menghasilkan abstrak penelitian. Abstrak ilmiah umumnya berisi ringkasan tujuan, metodologi, hasil, dan kesimpulan penelitian.
Struktur tersebut relatif mudah ditiru oleh model AI modern yang dilatih menggunakan miliaran dokumen akademik yang tersedia secara publik.
Akibatnya, jelas Pratama, abstrak yang dihasilkan AI seringkali memiliki tata bahasa yang baik, penggunaan istilah ilmiah yang tepat, serta alur argumentasi yang terlihat logis.
“Dalam banyak kasus, reviewer konferensi yang hanya melakukan penilaian awal terhadap abstrak dapat mengalami kesulitan untuk membedakan antara hasil penelitian nyata dan abstrak yang sepenuhnya dibuat oleh AI,” kata dia.
Kemampuan AI tidak berhenti pada penyusunan abstrak. Saat ini, berbagai platform AI juga mampu menghasilkan artikel ilmiah secara utuh, mulai dari bagian pendahuluan, tinjauan pustaka, metodologi, hasil penelitian, hingga kesimpulan.
Menurut Pratama, meski kualitas ilmiah substansinya belum tentu kuat, tampilan luar naskah tersebut dapat terlihat sangat meyakinkan bagi pembaca yang tidak melakukan verifikasi mendalam.
Fenomena itu memunculkan apa yang oleh sebagian akademisi disebut sebagai synthetic science, yakni karya ilmiah yang secara formal menyerupai penelitian asli tetapi tidak didukung oleh proses penelitian yang benar-benar dilakukan.
Lebih jauh, ancaman lain yang muncul dari penggunaan AI generatif adalah fabrikasi referensi. Pratama menjelaskan bahwa model AI memiliki kecenderungan menghasilkan hallucination, yaitu menciptakan informasi yang tampak benar tetapi sebenarnya tidak ada.
Dalam konteks akademik, hal tersebut dapat berupa judul artikel, nama penulis, volume jurnal, nomor halaman, maupun data penelitian yang sepenuhnya fiktif.
“Referensi semacam itu sering kali terlihat kredibel karena mengikuti format sitasi akademik yang benar. Apabila proses verifikasi tidak dilakukan secara menyeluruh, referensi palsu tersebut dapat lolos ke dalam naskah ilmiah,” ujarnya.
Bahaya AI di Dunia Akademik
Namun, menurut Pratama, aspek paling serius dari penyalahgunaan AI dalam dunia akademik adalah kemampuannya menghasilkan data penelitian sintetis yang tampak realistis.
Berbagai model AI saat ini dapat membuat dataset yang secara statistik terlihat masuk akal. Hubungan antar variabel dapat disusun agar sesuai dengan hipotesis penelitian yang diinginkan, lengkap dengan grafik, tabel, hingga hasil uji statistik.
“Dalam beberapa eksperimen, data sintetis yang dihasilkan AI bahkan mampu meniru distribusi data penelitian asli dengan tingkat kemiripan yang tinggi,” kata dia.
Kondisi itu membuat upaya mendeteksi manipulasi menjadi lebih sulit, terutama apabila peneliti tidak diwajibkan menyerahkan data mentah atau dokumentasi proses pengumpulan data.
Ilusi Kompetensi Ilmiah
Bagi Pratama, persoalan utama dalam penggunaan AI bukan semata-mata karena teknologi tersebut mampu menulis makalah. Masalah yang lebih mendasar adalah kemampuan AI menciptakan apa yang ia sebut sebagai “ilusi kompetensi ilmiah”.
“Sebuah naskah dapat terlihat seperti karya seorang peneliti berpengalaman, padahal penulisnya mungkin tidak memahami teori, metodologi, maupun data yang sedang dibahas,” ujar dia.
Oleh itu, sejumlah jurnal dan konferensi internasional mulai mengubah pendekatan penilaian mereka. Fokus evaluasi tidak lagi hanya pada kualitas tulisan, melainkan juga pada verifikasi proses penelitian, data mentah, kode analisis, serta bukti bahwa penelitian benar-benar dilakukan. Dengan kata lain, kualitas bahasa tidak lagi cukup untuk menjadi indikator kualitas sains.
“Pada era AI, kualitas bahasa tidak lagi dapat dijadikan indikator utama kualitas sains. Yang menjadi pembeda adalah kualitas pemikiran, metodologi, dan integritas penelitinya,” kata Pratama.
Ia menambahkan bahwa kemunculan AI generatif juga memperkuat praktik paper mill, yakni industri yang menjual artikel ilmiah siap publikasi kepada individu atau institusi yang membutuhkan publikasi akademik secara instan.
Jika sebelumnya produksi artikel palsu membutuhkan tim penulis manusia, kini sebagian besar proses tersebut dapat dilakukan dengan bantuan AI dan intervensi manusia yang minimal.
Dalam konteks dugaan manipulasi riset pada konferensi internasional, Pratama menegaskan bahwa persoalan utamanya adalah penyalahgunaannya untuk menciptakan representasi palsu atas aktivitas ilmiah yang tidak pernah dilakukan.
“Namun ketika AI digunakan untuk menciptakan data, eksperimen, responden, atau hasil penelitian yang tidak pernah ada, maka yang terjadi bukan lagi sekadar pelanggaran etika akademik, melainkan bentuk penipuan ilmiah,” terang Pratama.
Bukan Lagi Mendeteksi AI, Tapi Memverifikasi Penelitian
Pratama menilai perkembangan AI generatif telah mengubah cara komunitas akademik memandang ancaman penipuan ilmiah. Menurut dia, pertanyaan yang kini paling relevan bukan lagi apakah sebuah artikel ditulis menggunakan AI, melainkan apakah penelitian yang dilaporkan benar-benar pernah dilakukan.
“Faktanya, hingga saat ini belum ada teknologi yang mampu mendeteksi secara akurat dan konsisten apakah suatu artikel ilmiah ditulis oleh AI,” kata Pratama.
Ia menjelaskan bahwa berbagai perangkat pendeteksi AI masih memiliki tingkat kesalahan yang tinggi. Naskah yang sepenuhnya ditulis manusia dapat ditandai sebagai hasil AI, sementara tulisan yang dibuat AI lalu disunting manusia sering kali lolos tanpa terdeteksi.
Oleh karena itu, komunitas akademik internasional mulai meninggalkan pendekatan “mendeteksi AI” dan beralih ke pendekatan “memverifikasi penelitian”.
Menurut Pratama, lapisan pertama verifikasi dilakukan melalui pemeriksaan data mentah. Penelitian yang benar umumnya meninggalkan jejak digital yang sulit dipalsukan secara konsisten, mulai dari dataset asli, log pengumpulan data, catatan laboratorium, rekaman wawancara, hingga kode analisis statistik.
“Penelitian sintetis biasanya mulai menunjukkan inkonsistensi ketika dilakukan pemeriksaan semacam ini,” ujarnya.
Lapisan berikutnya adalah audit metodologi. Menurut Pratama, AI memang mampu menghasilkan uraian metodologi yang terdengar akademis, tetapi sering kesulitan menjelaskan detail operasional penelitian.
Maka dari itu, sejumlah konferensi dan universitas mulai menerapkan wawancara metodologis terhadap penulis yang dianggap berisiko tinggi untuk memastikan penelitian benar-benar dilakukan.
Selain itu, terdapat pula pendekatan analisis forensik data. Metode ini digunakan untuk mengidentifikasi pola statistik yang dianggap tidak wajar dalam suatu penelitian.
“Data yang direkayasa sering kali meninggalkan pola-pola statistik yang dianggap tidak wajar, misalnya distribusi angka yang terlalu sempurna, korelasi antarvariabel yang terlalu tinggi, atau pola respons yang menunjukkan karakteristik hasil simulasi,” kata dia.
Pratama menyebut para peneliti statistik kini memanfaatkan berbagai teknik seperti Benford’s Law, digit frequency analysis, entropy analysis, hingga anomaly detection untuk mendeteksi kemungkinan fabrikasi data.
Tak hanya itu, verifikasi referensi juga menjadi bagian penting dalam proses pemeriksaan. Saat ini telah tersedia berbagai sistem yang memungkinkan pengecekan keberadaan referensi, validitas DOI, hingga kesesuaian sitasi dengan argumen yang dikemukakan dalam artikel.
Langkah lain yang semakin banyak diterapkan adalah prinsip Open Science atau sains terbuka. Melalui pendekatan ini, jurnal bereputasi tinggi mulai mewajibkan peneliti menyimpan data penelitian, kode program, protokol eksperimen, dan instrumen penelitian pada repositori publik.
Pratama juga menyoroti pentingnya identitas digital akademik seperti ORCID yang memungkinkan riwayat publikasi, afiliasi, dan aktivitas penelitian seorang akademisi ditelusuri secara lebih mudah. Meski demikian, ia mengakui perlombaan antara teknologi AI dan mekanisme deteksi akan terus berlangsung.
“AI dapat menghasilkan paper yang sangat meyakinkan. AI dapat menghasilkan tinjauan pustaka yang tampak komprehensif. AI dapat menghasilkan grafik dan tabel yang terlihat realistis. AI bahkan dapat menciptakan data sintetis yang lolos pemeriksaan statistik sederhana,” ujarnya.
Namun, menurut Pratama, masih ada satu hal yang sulit dipalsukan secara konsisten, yakni jejak penelitian yang utuh.
“Penelitian yang benar biasanya menghasilkan ekosistem bukti yang saling berkaitan. Ada proposal penelitian, persetujuan etik, instrumen survei, data mentah, catatan lapangan, kode analisis, korespondensi dengan responden, revisi hasil, hingga diskusi metodologis yang berkembang selama penelitian berlangsung,” kata dia.
Oleh karena itu, Pratama menilai masa depan integritas akademik tidak akan bergantung pada perangkat lunak pendeteksi AI semata, melainkan pada audit menyeluruh terhadap proses penelitian.
Mengapa Kecurangan Jurnal Ilmiah Masih Terus Terjadi?
Dugaan manipulasi riset oleh sejumlah WNI itu kembali memunculkan pertanyaan lama yang terus menghantui dunia akademik: mengapa seorang peneliti memilih memalsukan data, mencatut identitas, atau merekayasa penelitian?
Menurut peneliti dari Griffith University Australia, Dicky Budiman, pelanggaran integritas ilmiah hampir tidak pernah lahir dari satu penyebab tunggal. Di balik setiap kasus fabrikasi data atau pemalsuan riset, terdapat kombinasi tekanan individu, kelemahan sistem, dan budaya akademik yang tidak sehat.
“Pelanggaran integritas ilmiah itu hampir tidak pernah disebabkan oleh satu faktor tunggal. Sebaliknya, ini biasanya merupakan hasil interaksi antara tekanan individu, kelemahan sistem, dan juga budaya akademik yang tidak sehat,” kata Dicky kepada Tirto.
Kasus yang tengah ramai diperbincangkan itu masih berstatus dugaan. Namun, menurut Dicky, apabila tuduhan terkait fabrikasi data, penggunaan identitas palsu, maupun penyalahgunaan AI terbukti benar, maka perbuatan tersebut dapat masuk ke dalam kategori pelanggaran integritas ilmiah yang sangat serius.
Dalam standar internasional, jelas Dicky, terdapat tiga bentuk utama pelanggaran integritas penelitian. Pertama adalah fabrication, yakni mengarang data yang tidak pernah ada. Kedua falsification, yaitu memanipulasi data, metode, atau hasil penelitian. Ketiga adalah plagiarism, atau mengambil karya orang lain tanpa atribusi yang semestinya.
Menurut Dicky, pelanggaran semacam itu tidak dapat dipandang sebagai kesalahan administratif biasa.
Ia menjelaskan bahwa ilmu pengetahuan modern dibangun di atas asumsi bahwa data benar-benar dikumpulkan, metode penelitian benar-benar dilakukan, dan identitas peneliti dapat diverifikasi. Ketika salah satu unsur tersebut runtuh, maka rantai kepercayaan ilmiah ikut terganggu.
“Ini adalah ancaman terhadap kredibilitas publikasi ilmiah, sistem peer review, mekanisme grant riset, juga reputasi institusi dan legitimasi ilmu pengetahuan itu sendiri,” kata Dicky.
Menurut Dicky, salah satu faktor yang paling sering ditemukan dalam berbagai kasus pelanggaran integritas riset adalah tekanan publikasi. Di banyak perguruan tinggi dan lembaga penelitian, produktivitas akademik masih diukur secara berlebihan melalui jumlah publikasi, indeks sitasi, atau faktor dampak jurnal.
“Ketika karier, promosi jabatan, tunjangan, pendanaan, reputasi sangat bergantung pada indikator tersebut, sebagian individu yang tidak berkarakter, tidak berintegritas, tidak bermoral juga, tidak beretika, itu mulai melihat hasil penelitian sebagai target yang harus dicapai dengan segala cara,” ujarnya.
Dalam situasi semacam itu, muncul godaan untuk memanipulasi data, menghilangkan hasil penelitian yang tidak sesuai hipotesis, melakukan plagiarisme, menggunakan identitas palsu, hingga membeli artikel atau jasa penulis bayangan atau ghostwriting.
Dicky mengatakan berbagai laporan dari Committee on Publication Ethics (COPE) maupun World Conference on Research Integrity berulang kali menunjukkan bahwa tekanan kinerja berbasis publikasi menjadi faktor risiko utama pelanggaran integritas riset. Namun, menurut dia, persoalan utamanya bukan terletak pada publikasi itu sendiri.
“Masalah sebenarnya sering bukan pada publikasi itu sendiri, tapi pada sistem penghargaan yang terlalu menitikberatkan kuantitas dibanding kualitas,” kata Dicky.
Ia menilai banyak institusi masih memberikan penghargaan besar terhadap jumlah artikel, jurnal bereputasi, nilai sitasi, atau peringkat universitas, tetapi belum cukup menghargai kualitas metodologi, transparansi data, replikasi penelitian, maupun kontribusi terhadap masyarakat.
Fenomena tersebut dikenal dalam etika organisasi sebagai Goodhart’s Law, yakni ketika suatu indikator dijadikan target utama, indikator tersebut berhenti menjadi ukuran yang baik.
Ambisi, Kompetisi, dan Lemahnya Pengawasan
Selain tekanan publikasi, Dicky Budiman juga menyoroti budaya kompetisi yang berlebihan dalam dunia akademik. Menurut dia, tingkat keberhasilan memperoleh hibah penelitian di banyak negara relatif rendah. Akibatnya, sebagian peneliti merasa harus selalu menghasilkan temuan yang spektakuler agar dapat bertahan dalam kompetisi.
Padahal, dalam sains, hasil penelitian yang tidak sesuai harapan atau menghasilkan temuan negatif tetap memiliki nilai ilmiah.
“Budaya yang hanya menghargai penemuan besar itu juga yang mendorong manipulasi hasil penelitian,” ujar Dicky.
Faktor lain yang tak kalah penting adalah lemahnya pendidikan integritas riset. Dicky menilai tidak semua pelanggaran lahir dari niat buruk. Sebagian peneliti mungkin tidak memahami standar pengelolaan data, batas antara kesalahan metodologis dan pelanggaran etik, atau tidak pernah memperoleh pelatihan etika penelitian yang memadai.
Karena itu, pendidikan integritas ilmiah seharusnya menjadi bagian dari pembentukan ilmuwan sejak awal karier.
Di samping itu, lanjut Dicky, terdapat pula faktor psikologis dan individual, seperti ambisi berlebihan, kebutuhan akan pengakuan, narsisme akademik, rasionalisasi moral, hingga keyakinan bahwa pelanggaran tidak akan terdeteksi.
“Termasuk juga keinginan untuk terkenal, viral. Nah ini yang akhirnya menjadi salah satu pendorong kenapa akhirnya terjadi pelanggaran seperti ini,” kata Dicky.
Menurut dia, lemahnya sistem pengawasan juga turut membuka ruang bagi penyimpangan. Pelanggaran integritas lebih mudah terjadi ketika data mentah tidak pernah diperiksa, audit penelitian tidak dilakukan, konflik kepentingan tidak dilaporkan, atau mekanisme perlindungan pelapor atau whistle-blower tidak tersedia.
“Jadi bukan hanya masalah pada pelakunya tapi juga kegagalan sistem mendeteksi penyimpangan sejak dini,” ujarnya.
Dicky menilai masyarakat umumnya tidak memiliki kapasitas untuk membedakan perilaku satu peneliti dengan komunitas ilmiah secara keseluruhan. Akibatnya, satu kasus dapat memunculkan keraguan terhadap hasil penelitian secara lebih luas.
“Masyarakat awam itu kan tidak bisa membedakan satu peneliti nakal dengan komunitas ilmiah secara keseluruhan. Akhirnya ya narasi yang muncul bisa ilmuwan tidak bisa dipercaya, riset bisa dibeli, data bisa direkayasa,” kata Dicky.
Dari sisi akademik, kerugian terbesar justru sering kali muncul dalam jangka panjang. Reputasi peneliti maupun institusi yang tercantum dalam penelitian bermasalah dapat tercoreng selama bertahun-tahun.
Ia menambahkan, universitas atau lembaga riset yang namanya dikaitkan dengan kasus integritas ilmiah berpotensi menghadapi pengawasan lebih ketat dari jurnal internasional serta kesulitan memperoleh hibah penelitian di masa mendatang.
Bahkan, menurut Dicky, dampaknya tidak selalu berhenti pada individu atau institusi tertentu. Komunitas ilmiah internasional cenderung melihat pola yang muncul dari suatu negara.
“Kalau misalnya di satu negara seperti Indonesia sering muncul kasus paper mill, jurnal predatori, fabrikasi data, manipulasi sitasi, maka biasanya ada risiko ya cenderung seluruh peneliti dari negara Indonesia ini berisiko menghadapi pemeriksaan lebih ketat, skeptisisme reviewer, hambatan kolaborasi internasional,” ujarnya.
Selain persoalan reputasi, Dicky menilai riset palsu juga dapat menimbulkan kerugian ekonomi yang tidak kecil. Dana penelitian yang sudah dikeluarkan menjadi sia-sia apabila dasar ilmiah penelitian tersebut ternyata tidak valid.
Namun, aspek yang paling mengkhawatirkan berada pada ranah kebijakan publik. Dicky mengingatkan bahwa banyak kebijakan pemerintah disusun berdasarkan hasil penelitian ilmiah. Ketika data yang menjadi dasar pengambilan keputusan ternyata keliru, dampaknya bisa dirasakan langsung oleh masyarakat.
“Kalau pemerintah menggunakan hasil-hasil riset yang abal-abal tadi, ya ini akan berbahaya untuk program-program kesehatan, untuk alokasi anggaran, untuk strategi pengendalian penyakit, apalagi terkait kesiapsiagaan wabah misalnya,” katanya.
Reformasi Sistem, Bukan Sekadar Menghukum Pelaku
Dicky menilai respons terhadap kasus-kasus pelanggaran integritas ilmiah tidak boleh berhenti pada pemberian sanksi kepada pelaku. Menurut dia, langkah yang lebih mendesak adalah membangun ekosistem riset yang mampu mencegah pelanggaran sejak awal.
“Langkah yang paling mendesak adalah bukan hanya menghukum pelaku setelah kasus terjadi, tapi juga membangun ekosistem integritas ilmiah yang mampu mencegah pelanggaran sejak awal,” kata Dicky.
Ia mendorong pemerintah memperkuat sistem nasional integritas riset melalui standar penanganan pelanggaran yang jelas, perlindungan terhadap pelapor, serta integrasi aspek integritas dalam evaluasi pendanaan penelitian.
Perguruan tinggi juga dinilai perlu mengubah budaya akademik yang terlalu berorientasi pada kuantitas publikasi.
Menurut Dicky, evaluasi akademik seharusnya lebih memperhatikan kualitas penelitian, keterbukaan data, dampak sosial, kolaborasi ilmiah, kepatuhan etika, serta kontribusi terhadap pendidikan.
“Lebih baik menghasilkan satu penelitian yang valid daripada 10 artikel yang meragukan,” ujarnya.
Penulis: Nabila Ramadhanty
Editor: Bayu Septianto
