Integrasi teknologi komputasi ke dalam disiplin ilmu humaniora telah menghasilkan percepatan akses terhadap teks-teks klasik. Proses digitalisasi naskah kuno, khususnya lontar di Bali, menghasilkan basis data tekstual yang masif. Transformasi ini menghadirkan korpus data yang kemudian berinteraksi dengan model Kecerdasan Buatan (AI), khususnya Large Language Models (LLM). Namun, penerapan LLM pada teks keagamaan dan susastra klasik memunculkan persoalan epistemologis dan filologis yang fundamental, yaitu halusinasi AI.

Secara teknis, halusinasi AI didefinisikan sebagai kecenderungan algoritma untuk menghasilkan informasi yang tidak akurat, fiktif, atau menyimpang dari fakta empiris, namun disajikan dalam struktur sintaksis yang koheren sehingga terlihat seolah-olah valid.

Dalam studi teks agama Hindu Bali, halusinasi ini bermanifestasi dalam tiga bentuk utama : halusinasi fakta (penciptaan referensi sloka palsu), halusinasi kontekstual (kegagalan memahami batasan spasial dan kultural), dan halusinasi linguistik (kegagalan memproses morfologi bahasa kuno).

Analisis ini menyajikan evaluasi filologis terhadap mekanisme kegagalan algoritmik tersebut, mengkaji arsitektur komputasional yang menyebabkannya, serta mengaplikasikan kerangka uji epistemologis klasik untuk mengukur tingkat distorsi teks suci.

Analisis terhadap halusinasi AI membutuhkan pemahaman mengenai sumber data (data provenance) yang melatih algoritma. Di Bali, inisiatif preservasi teks telah beralih dari konservasi fisik menuju digitalisasi berskala institusional.

Preservasi fisik naskah lontar secara tradisional dilakukan melalui penyimpanan dalam wadah kayu khusus yang disebut kropak dan pengaturan suhu ruangan untuk mencegah kerusakan material. Institusi formal pertama yang menangani preservasi ini adalah Gedong Kirtya di Singaraja, yang didirikan pada tahun 1928, dan saat ini mengelola sekitar 4.500 hingga 5.200 koleksi naskah. Koleksi ini diklasifikasikan ke dalam kategori spesifik: Lontar Weda, Agama, Wariga, Itihasa, Babad, Satua Bali, dan Lelampahan Wayang.

Perkembangan teknologi mendorong digitalisasi untuk mempermudah akses tanpa merusak fisik naskah. Berbagai institusi saat ini mengelola pangkalan data digital dengan kapasitas yang signifikan. Dinas Kebudayaan Provinsi Bali mengelola 2.792 cakep lontar yang terbagi dalam 16 kategori, termasuk Kekawin, Geguritan, Kidung, Tattwa, Mantra Astawa, Palakerta, dan Usada, yang diintegrasikan melalui platform digital guna mengefisiensikan sistem katalog manual. Pusat Kajian Lontar Fakultas Ilmu Budaya Universitas Udayana menyimpan lebih dari 1.000 lontar, termasuk teks berusia lebih dari 100 tahun seperti Babad Tabanan. Balai Bahasa Provinsi Bali turut menyediakan layanan SITARIB (Koleksi Lontar Balai Bahasa Provinsi Bali) yang memuat 242 naskah terdigitalisasi untuk kajian transliterasi. Institusi lain seperti Puri Kauhan Ubud dan berbagai yayasan independen juga mempublikasikan naskah digital melalui repositori web terbuka.

Meskipun volume data digital ini masif, format penyimpanannya mayoritas berupa reproduksi fotografis atau dokumen alih aksara dasar. Pangkalan data ini tidak memiliki anotasi linguistik, metadata struktural, maupun korpus paralel yang berstandar machine-readable (dapat dibaca langsung oleh mesin latih algoritma). Ketika LLM melakukan pengumpulan data (web-scraping) secara otonom, algoritma menyerap teks-teks ini tanpa memahami hierarki, konteks teologis, maupun struktur tata bahasanya. Hal ini menyebabkan model komputasi memperlakukan teks suci Sanskerta dan Kawi setara dengan teks informasional umum, yang pada akhirnya memicu reduksi makna dan fabrikasi data.

Prinsip Filologi berhadapan dengan Reproduksi Teks Algoritmik

Filologi beroperasi pada prinsip bahwa teks kuno harus direkonstruksi secara hati-hati untuk mendekati bentuk aslinya, serta dibersihkan dari kesalahan penyalinan (korupsi teks) untuk memberikan pemahaman yang relevan dengan latar belakang budaya asalnya.

Metodologi Transmisi Teks Klasik

Menurut pendekatan filologi konvensional, penanganan naskah melibatkan langkah kerja sistematis yang meliputi inventarisasi, deskripsi fisik, perbandingan naskah (jika naskah jamak), kritik teks, transliterasi, hingga menghasilkan suntingan teks atau edisi kritis. Dalam penyuntingan naskah tunggal, terdapat metode diplomatik — di mana teks direproduksi secara persis sebagaimana aslinya karena dianggap suci atau memiliki nilai historis yang mutlak — dan metode standar. Kritik teks (aparat kritik) diaplikasikan untuk menyeleksi varian bacaan, mempertimbangkan kesalahan penulisan oleh penyalin (copyist error), dan merekonstruksi bagian yang hilang atau rusak.

AI sebagai Penyalin Teks Sub-Standar

Dalam ekosistem kecerdasan buatan, LLM generatif bertindak sebagai “penyalin” atau entitas yang memproduksi teks turunan. Berbeda dengan filolog manusia yang bekerja berdasarkan kaidah kodikologi dan kehati-hatian hermeneutik, LLM memproduksi teks berbasis probabilitas distribusi kata.

Algoritma tidak memiliki kesadaran akan metode diplomatik maupun kapasitas untuk melakukan kritik teks. Saat diminta menghasilkan terjemahan atau interpretasi dari kutipan susastra Hindu, LLM sering kali merangkai (stitching) potongan kalimat dari berbagai sumber yang tidak berhubungan secara historis atau teologis.

Proses ini menghasilkan teks yang dalam terminologi filologi diklasifikasikan sebagai teks yang sangat korup (corruptio), karena variasi bacaan yang dihasilkan bukanlah bentuk kreasi manusiawi atau kekeliruan optis penyalin masa lalu, melainkan cacat probabilitas komputasional.

Halusinasi linguistik pada LLM tidak hanya berakar pada kekurangan data, tetapi juga pada inkompatibilitas struktural antara algoritma modern dan morfologi bahasa klasik. Teks keagamaan Hindu Bali berakar pada bahasa Sanskerta dan bahasa Jawa Kuno (Kawi).

Karakteristik Ortografis dan Gramatikal

Aksara Kawi berevolusi dari aksara Pallava asal India Selatan dan digunakan secara luas di Asia Tenggara sejak abad ke-8 Masehi. Aksara ini adalah sistem abugida, di mana 35 konsonan dasar memiliki vokal inheren (/a/) yang dimodifikasi menggunakan diakritik dependen untuk mengubah vokal, serta menggunakan Wirama (pangkon) untuk menghilangkan vokal inheren. Pembentukan kluster konsonan dilakukan melalui penulisan subjoined (gantungan/gempelan).

Dari segi gramatikal, Sanskerta dan Jawa Kuno (yang banyak menyerap kosakata Sanskerta atau tatsama) memiliki sistem infleksi yang sangat kaya. Tata bahasa Sanskerta, yang dikodifikasi secara ketat oleh Pāṇini dalam Aṣṭādhyāyī, mendasarkan pembentukan kata pada akar kata (root) yang dimodifikasi oleh afiks, serta sistem kasus (vibhakti) yang mengindikasikan fungsi sintaksis kata benda secara langsung tanpa bergantung pada urutan kata (free word order). Fitur Sandhi (peleburan fonologis antara dua kata atau morfem yang berdekatan) menyebabkan unit kata menjadi sangat panjang dan padat makna.

Kegagalan Model Tokenisasi (Tokenizer)

LLM memproses bahasa dengan memecah teks menjadi unit-unit dasar yang disebut token. Metode tokenisasi standar yang mendominasi arsitektur AI modern adalah Byte Pair Encoding (BPE) dan Unigram Language Model (ULM). Tokenizer ini dioptimalkan untuk bahasa analitis beraksara Latin (seperti bahasa Inggris) di mana spasi berfungsi secara konsisten sebagai penanda batas kata.

Penerapan BPE standar pada bahasa Sanskerta dan Kawi menghasilkan fragmentasi token yang ekstrem. Analisis kuantitatif membuktikan bahwa model BPE standar seperti (yang digunakan oleh GPT) berkinerja buruk pada aksara abugida. Pada bahasa Inggris atau Hindi, satu teks paralel mungkin membutuhkan sekitar 42 hingga 46 token.

Namun, teks Sanskerta yang sama, karena kepadatan morfologisnya, dipecah menjadi 111,46 token oleh model. Hal ini menghasilkan metrik Characters per Token (CpT) yang sangat rendah (1,13 CpT), menandakan inefisiensi arsitektur.

Fragmentasi arbitrer ini memisahkan akar kata dari vibhakti dan membelah kluster konsonan serta Sandhi secara acak. Ketika representasi internal sebuah kata Sanskerta tercabik menjadi belasan potongan yang tidak memiliki nilai leksikal, algoritma kehilangan kemampuan untuk merujuk pada struktur sintaksis yang benar.

Kondisi ini adalah determinan utama dari halusinasi linguistik, di mana mesin menghasilkan kalimat Sanskerta atau Kawi yang keliru secara tata bahasa dan secara semantik tidak koheren.

1234»