naskah-id

Skill agen AI untuk menulis dan menyunting karya ilmiah berbahasa Indonesia: artikel jurnal, skripsi, tesis, proposal hibah, dan laporan penelitian. Ejaan dan kata mengikuti EYD V dan KBBI. Angka, hasil, dan sitasi Anda tidak diubah.

README ini juga disunting dengan skill ini. Catatan lengkapnya, termasuk lima kesalahan yang ditemukan di versi sebelumnya, ada di contoh/readme-ini.md.

Lima tanda terkuat

Kelima tanda ini sering membuat naskah Indonesia terasa ditulis mesin atau diterjemahkan kata per kata. Penulis manusia juga memakainya, jadi anggap ini kebiasaan yang perlu diperbaiki, bukan bukti. Pada setiap contoh, versi kedua hanya memakai fakta yang sudah ada di versi pertama.

1. Pembuka kosmik

Di era digital ini, tidak dapat dipungkiri bahwa Puskesmas di Kabupaten X masih mencatat kunjungan ibu hamil di buku register.

Puskesmas di Kabupaten X masih mencatat kunjungan ibu hamil di buku register.

2. Subjek hilang karena kata depan

Dari hasil analisis menunjukkan bahwa kepuasan pasien rendah.

Hasil analisis menunjukkan bahwa kepuasan pasien rendah.

3. Perangkai tiruan bahasa Inggris

Penelitian dilakukan di Desa Sukamaju di mana kelompok tani memainkan peran penting dalam distribusi pupuk.

Penelitian dilakukan di Desa Sukamaju, tempat kelompok tani berperan penting dalam distribusi pupuk.

4. "Hal ini" dan penghubung yang sama di setiap paragraf

Kadar hemoglobin responden rendah. Hal ini menunjukkan bahwa asupan zat besi kurang. Selain itu, …

Kadar hemoglobin responden rendah. Kadar serendah ini menunjukkan bahwa asupan zat besi kurang.

5. Klaim digelembungkan

Rerata skor naik dari 61,2 menjadi 74,5 dengan peningkatan yang sangat signifikan (p < 0,001) sehingga model ini merupakan solusi yang inovatif.

Rerata skor naik dari 61,2 menjadi 74,5 (p < 0,001).

Klaim solusi yang inovatif dibuang karena tidak ada data yang mendukungnya. Bila sebuah kalimat butuh angka yang belum Anda berikan, skill menulis [PERLU DATA: …] dan tidak mengarang angka.

Apa ini dan apa yang bukan

Skill ini memperbaiki ejaan dan kalimat, menyusun bagian naskah dari bahan yang Anda berikan, dan menandai klaim yang belum didukung rujukan.

Skill ini tidak dibuat untuk mengakali Turnitin atau detektor AI. Skill ini juga bukan detektor AI. Gaya bahasa tidak bisa menunjukkan apakah sebuah tulisan dibuat oleh manusia atau AI, jadi hasilnya jangan dijadikan bukti bahwa seorang mahasiswa memakai AI.

Agen yang memakai skill ini terikat kontrak tanggung jawab:

• tidak mengarang data, hasil, kutipan, atau rujukan;
• tidak mengubah angka, hasil, atau sitasi saat menyunting;
• tidak menulis ulang bila Anda hanya meminta koreksi;
• menolak perjokian skripsi dan permintaan menyamarkan hasil AI;
• menyusun draf pernyataan penggunaan AI sesuai format jurnal atau kampus Anda.

Bila tidak ada rujukan yang terverifikasi, agen menulis [PERLU RUJUKAN: …]. Penanda itu memang tidak enak dilihat, tetapi jauh lebih aman daripada rujukan yang tampak meyakinkan dan ternyata tidak ada.

Pemasangan

Lewat npx skills (cara utama, untuk semua agen)

Butuh Node.js 18 atau lebih baru. Satu perintah ini bekerja untuk Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, Windsurf, OpenCode, Cline, Kiro, Antigravity, dan puluhan agen lain yang mendukung format Agent Skills.

npx skills add nothinx/naskah-id        # untuk proyek di folder ini saja
npx skills add nothinx/naskah-id -g     # untuk semua proyek

Tanpa opsi tambahan, perintah ini menanyakan agen mana yang dipasangi. Untuk langsung memilih agen, tambahkan -a diikuti nama agen, dipisah spasi:

Agen	Nama untuk -a	Lokasi skill di proyek
Claude Code	claude-code	.claude/skills/naskah-id
Codex	codex	.agents/skills/naskah-id
Cursor	cursor	.agents/skills/naskah-id
Gemini CLI	gemini-cli	.agents/skills/naskah-id
GitHub Copilot	github-copilot	.agents/skills/naskah-id
OpenCode	opencode	.agents/skills/naskah-id
Cline	cline	.agents/skills/naskah-id
Antigravity	antigravity	.agents/skills/naskah-id
Windsurf	windsurf	.windsurf/skills/naskah-id
Kiro	kiro-cli	.kiro/skills/naskah-id

npx skills add nothinx/naskah-id -a claude-code codex cursor gemini-cli github-copilot -y

Lokasi di tabel adalah hasil pemasangan tingkat proyek yang diuji pada 22 Oktober 2026. Daftar lengkap nama agen muncul bila -a diberi nama yang tidak dikenal. Untuk memperbarui: npx skills update naskah-id.

Claude Code sebagai plugin

Ketik di dalam sesi Claude Code:

/plugin marketplace add nothinx/naskah-id
/plugin install naskah-id@naskah-id

Untuk memperbarui: /plugin marketplace update naskah-id.

Salin manual (Codex dan agen lain)

git clone https://github.com/nothinx/naskah-id.git ~/.codex/skills/naskah-id

Ganti ~/.codex/skills dengan folder skill agen Anda, misalnya ~/.claude/skills untuk Claude Code atau ~/.agents/skills, folder bersama yang dibaca Codex, Gemini CLI, GitHub Copilot, dan agen lain yang mengikuti format Agent Skills. Di Windows, ~ berarti folder pengguna (C:\Users\<nama-pengguna>). Berkas agents/openai.yaml untuk Codex sudah disertakan. Untuk memperbarui, jalankan git pull di folder itu.

Claude.ai

1. Buat ZIP berisi folder naskah-id yang di dalamnya langsung ada SKILL.md. ZIP unduhan GitHub berisi folder naskah-id-main; ubah dulu nama foldernya menjadi naskah-id, lalu kompres ulang.
2. Di Claude.ai, buka pengaturan, bagian skill, lalu unggah ZIP itu sebagai skill kustom. Bila diminta, aktifkan dulu fitur eksekusi kode.

Aplikasi Gemini (Gems)

Aplikasi chat Gemini, baik versi web maupun desktop, tidak membaca folder skill yang dipasang lewat npx skills. Folder itu hanya dibaca Gemini CLI. Untuk memakai skill ini di aplikasi chat, buat Gem:

1. Di aplikasi Gemini, buka Gems, lalu buat Gem baru, misalnya dengan nama naskah-id.
2. Salin seluruh isi SKILL.md ke kolom instruksi.
3. Unggah berkas di folder references/ sebagai pengetahuan Gem.

Di Gem, skill hanya bekerja sebagai aturan bahasa dan rujukan. scripts/periksa.py, scripts/openalex.py, dan server MCP tidak bisa dijalankan, jadi pemeriksaan otomatis dan pencarian rujukan tidak tersedia.

Alat riset (opsional)

Untuk mencari dan mengecek rujukan, skill memakai alat berikut:

• OpenAlex: scripts/openalex.py ikut terpasang dan langsung bisa dipakai, tanpa akun.
• Consensus dan alphaXiv: server MCP yang perlu login. Pada plugin Claude Code, keduanya ikut terpasang lewat .mcp.json; ketik /mcp untuk masuk.
• PubMed: konektor claude.ai.

Bila alat itu belum tersambung, agen menawarkan cara menyambungkannya saat pertama kali pekerjaan Anda butuh rujukan. Perintah dan potongan konfigurasi untuk Claude Code, Codex, claude.ai, Cursor, Gemini CLI, GitHub Copilot, Windsurf, dan OpenCode ada di references/alat-riset.md.

Cek pemasangan

Mulai sesi baru, lalu minta: Cek ejaan kalimat ini: Data di analisis dengan SPSS. Agen yang memuat skill akan mengoreksi di analisis menjadi "dianalisis" tanpa mengubah bagian lain.

Pemeriksa scripts/periksa.py bersifat opsional dan butuh Python 3.7 atau lebih baru, tanpa pustaka tambahan.

Cara pakai

Minta saja dengan bahasa biasa. Skill akan dimuat bila permintaan Anda menyangkut naskah ilmiah berbahasa Indonesia.

Anda menulis	Yang dikerjakan agen
"Cek ejaan bab 3 ini, jangan ubah kalimatnya."	Koreksi: ejaan, tanda baca, kata baku. Perubahan dilaporkan satu per satu.
"Rapikan bahasa latar belakang ini, terasa kaku."	Sunting: susunan kalimat, perangkai, pleonasme, klise. Isi tidak berubah.
"Tulis ulang paragraf tinjauan pustaka ini supaya tidak menyitir satu per satu."	Tulis ulang: struktur paragraf berubah, sitasi tetap melekat pada klaimnya.
"Buat abstrak dari hasil berikut, target jurnal SINTA 2 bidang kesehatan."	Tulis: abstrak dari bahan Anda, dengan penanda untuk data yang kurang.
"Saya pakai AI untuk merapikan bab 2. Apa yang harus saya cantumkan?"	Draf pernyataan penggunaan AI sesuai sasaran.

Sebutkan jurnal atau kampus sasaran bila ada. Bila agen punya akses web, ia membaca templat dan beberapa artikel terbitan jurnal itu lebih dulu untuk mengikuti struktur, gaya sitasi, sudut pandang, dan istilah bidangnya. Bila tidak, agen mengatakan bahwa konvensi jurnal belum dicek.

Cara kerja

1. Kenali sasaran. Jenis naskah, jurnal atau kampus, gaya sitasi.
2. Tandai. Masalah dibagi tiga: K (kaidah, wajib diperbaiki), G (gaya, anjuran), dan AI (klise mesin). Sebelum menandai, agen memeriksa daftar konvensi yang harus dipertahankan: pasif di bab Metode, "penelitian ini", istilah asing yang lazim di bidangnya, hedging yang sah, dan "signifikan" dalam arti statistik.
3. Draf. Perbaikan sesuai batas pekerjaan.
4. Periksa fakta. Draf dibandingkan dengan teks asli: angka, nama, dan sitasi harus sama, tidak ada fakta baru, kekuatan klaim tidak naik.
5. Serahkan. Teks, catatan perubahan, penanda yang tersisa, dan draf pernyataan penggunaan AI.

Untuk mencari rujukan, skill memakai scripts/openalex.py, ditambah Consensus, alphaXiv, PubMed, Crossref, dan Garuda atau SINTA bila tersedia. Tanpa alat apa pun, skill tetap bekerja dan menandai klaim yang belum berujukan dengan [PERLU RUJUKAN: …].

Isi repo

Berkas	Isi
SKILL.md	Kontrak ringkas, batas perubahan, alur kerja, tanda terkuat
KONTRAK.md	Kontrak tanggung jawab lengkap dan templat pernyataan penggunaan AI
references/pola-ai.md	Katalog pola AI dan kalke Inggris: Waspadai, Masalahnya, Sebelum, Sesudah
references/pertahankan.md	Konvensi ilmiah yang jangan dikoreksi
references/kalimat-efektif.md	Subjek hilang, perangkai, nominalisasi, pleonasme
references/ejaan-eyd-v.md	Kata depan, gabungan kata, angka, satuan, tanda koma, huruf miring
references/kata-baku.md	Kata tidak baku yang sering muncul di naskah
references/istilah.md	Parameter menimbang padanan istilah asing dan data keterpakaiannya
references/singkatan.md	Kaidah singkatan dan akronim, daftar singkatan, nama lembaga yang berubah
references/sitasi.md	Kejujuran rujukan, cara mengecek, gaya sitasi
references/bagian-naskah.md	Abstrak, pendahuluan, tinjauan pustaka, metode, hasil, simpulan
contoh/	Paragraf sebelum dan sesudah dari teknik, kesehatan, sosial, pendidikan, sejarah
references/alat-riset.md	Cara menyambungkan OpenAlex, Consensus, alphaXiv, dan PubMed
scripts/periksa.py	Pemeriksa pola berbasis regex dan pembanding fakta asli/hasil, hanya pustaka standar Python
scripts/openalex.py	Cari, cek, dan kutip karya lewat OpenAlex dan Crossref, hanya pustaka standar Python
.mcp.json	Server MCP Consensus dan alphaXiv untuk plugin Claude Code
evals/cases.json	Kasus uji perilaku agen beserta kriteria lulus dan cek otomatis
evals/jalankan.py	Runner eval: menjalankan agen, mengecek otomatis, dan memanggil model penilai
evals/banding.py	Pembanding mutu tulisan dua folder jawaban: temuan per 100 kata dan penilaian berpasangan buta

Pemeriksa cepat

scripts/periksa.py menyaring pola kaidah dan klise mesin tanpa memanggil model apa pun. Menerima berkas .md, .txt, dan .docx (pada .docx, nomor baris adalah nomor paragraf).

python scripts/periksa.py naskah.md skripsi.docx
python scripts/periksa.py --banding asli.md hasil.md   # angka, sitasi, kutipan yang berubah
python scripts/periksa.py --tes

Contoh keluaran:

naskah.md:4: [KE-01 K] 'Dari hasil pengujian menunjukkan': subjek hilang karena kata depan; ...
naskah.md:9: [KB-01 K] 'analisa': baku: analisis
naskah.md:12: [NM-01 G] 'mengalami penurunan': nominalisasi; pakai verbanya langsung ...
naskah.md: 3 temuan (K 2, G 1)

Label K (kaidah) membuat kode keluar 1. Label G (gaya) dan AI (klise mesin) hanya anjuran. Bagian Daftar Pustaka, Referensi, dan Abstract dilewati.

--banding membandingkan teks asli dengan hasil suntingan:

[SITASI] hilang: (Santoso, 2020)
[ANGKA] hilang: 1,2%
[ANGKA] baru: 1,3%
[PEMISAH] 0.5 -> 0,5 (cek: koreksi desimal atau nilai berubah?)

Pemeriksa ini sengaja sederhana. Pada uji abstrak nyata, ia menemukan 5 masalah dan melewatkan 5 lainnya yang baru tertangkap saat dibaca. Pada README versi sebelumnya, ia tidak menemukan apa pun, padahal ada lima kesalahan isi. Pakai pemeriksa sebagai penyaring awal, lalu baca setiap temuan dalam konteksnya.

Cek daftar pustaka

python scripts/openalex.py daftar pustaka.txt

[3] RAGU: Santoso, B., & Wibowo, A. (2019). Pengaruh media sosial terhadap prestasi belajar…
    -> Mukhtar, A., & MD, L. (2020). PENGARUH KOMPETENSI GURU TERHADAP KINERJA GURU …
    judul tidak cocok (cakupan 0.67); penulis pertama Afiah Mukhtar tidak disebut
[5] RAGU: Hinton, G. (2018). Deep residual learning for image recognition. Nature, 12(3), 1-9.
    -> He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition …
    penulis pertama Kaiming He tidak disebut; tahun 2016 tidak disebut

RAGU dan TIDAK DITEMUKAN bukan bukti rujukan palsu: jurnal tanpa DOI sering tidak terindeks.

Menimbang istilah asing

Padanan resmi tidak selalu dipakai pembaca bidangnya. Skill ini mengukurnya:

python scripts/openalex.py istilah "pembelajaran mesin" "machine learning" --bidang informatika

  istilah                        judul  judul+abstrak  pangsa
  pembelajaran mesin                49            399      8%
  machine learning                 561           1834     92%
Putusan: "machine learning" dominan (92% judul). Untuk teks baru, pakai bentuk ini.
pembelajaran mesin jarang tetapi masih dipakai: pada suntingan, pertahankan pilihan penulis.

Urutan pertimbangan lengkap (gaya selingkung, keterpakaian, ketepatan makna, pembaca, konsistensi) dan hasil pengukuran 26 pasang istilah ada di references/istilah.md. Kaidah singkatan dan akronim, daftar singkatan yang sering muncul, serta nama lembaga yang berubah ada di references/singkatan.md. Perintah lain (cek, rujukan, doi, bib, dikutip) ada di references/alat-riset.md.

Menguji skill

python evals/jalankan.py --agen "claude -p" --hasil evals/hasil/dengan-skill --penilai "claude -p"

--agen dan --penilai menerima perintah apa pun yang membaca prompt dari stdin, jadi agen lain juga bisa diuji. Untuk melihat manfaat skill, jalankan sekali tanpa skill ke folder lain lalu bandingkan skornya. Cek otomatis (angka bertahan, pola wajib dan terlarang) berjalan tanpa penilai; kriteria lainnya butuh penilai atau dibaca manusia.

Hasil 23 Oktober 2026 untuk 25 kasus, dengan agen Gemini 4 Argon dan penilai Claude Opus:

Kondisi	Cek otomatis	Kriteria penilai
Tanpa skill	25/25	75/76
Dengan skill	25/25	76/76

Selisihnya belum bermakna. Model dasarnya sudah lulus hampir semua kriteria, dan tiga kasus yang semula gagal dengan skill baru lulus setelah SKILL.md diperbaiki lalu dijalankan ulang sekali. Agen dalam pengujian ini tidak bisa menjalankan perintah, jadi periksa.py dan openalex.py tidak ikut teruji.

Pada model yang lebih lemah, manfaatnya terlihat jelas. Hasil 23 Oktober 2026 untuk 25 kasus yang sama, dengan agen Claude Haiku (satu putaran) dan penilai Claude Opus:

Kondisi	Cek otomatis	Kriteria penilai	Temuan K / G / AI per 100 kata
Tanpa skill	17/25	56/76	0,49 / 0,28 / 0,23
Dengan skill	19/25	70/76	0,26 / 0,05 / 0,00

Temuan per 100 kata dihitung evals/banding.py dari periksa.py (K kata baku, G gaya, AI pola AI; SG-04 tidak dihitung). Pada Gemini, skor kriteria hampir sama, tetapi temuan gaya turun dari 0,16 menjadi 0,03 per 100 kata (28 kasus). evals/banding.py --penilai juga bisa menilai mutu tulisan secara berpasangan dan buta; hasil penilaian buta belum tersedia.

python evals/banding.py evals/hasil/dengan-skill evals/hasil/tanpa-skill --penilai "claude -p"

Pernyataan penggunaan AI

Bila Anda memakai skill ini untuk naskah yang akan dikirim, cantumkan pernyataan penggunaan AI sesuai kebijakan sasaran. Contoh untuk jurnal SINTA atau kampus:

Dalam penyusunan naskah ini, penulis menggunakan [NAMA ALAT] untuk menyunting ejaan dan susunan kalimat. Seluruh isi, data, dan rujukan telah diperiksa penulis, dan penulis bertanggung jawab penuh atas isi naskah.

Templat untuk Elsevier, IEEE, dan Springer Nature ada di KONTRAK.md.

Sumber

• Ejaan Bahasa Indonesia yang Disempurnakan Edisi V (Keputusan Kepala Badan Bahasa No. 0424/I/BS.00.01/2022). https://ejaan.kemendikdasmen.go.id/
• Kamus Besar Bahasa Indonesia daring. https://kbbi.kemendikdasmen.go.id/
• Alwi, H. dkk. Tata Bahasa Baku Bahasa Indonesia, ed. IV. Badan Bahasa, 2017.
• Pusat Bahasa. Kalimat Efektif Bahasa Indonesia, 1995.
• BIPM. The International System of Units (SI), ed. 9.
• Kebijakan AI dari COPE, Elsevier, IEEE, Springer Nature, Universitas Indonesia, UGM, dan Ditjen Diktiristek. Rincian di KONTRAK.md.

Struktur repo terinspirasi dari:

• blader/humanizer
• hardikpandya/stop-slop
• conorbronsdon/avoid-ai-writing
• AIScientists-Dev/academic-humanizer

Teks repo ini ditulis sendiri untuk bahasa Indonesia, kecuali kutipan berlisensi CC BY-SA di contoh/korpus/ yang atribusinya dicantumkan per kutipan.

Kontribusi

Laporan paling berguna ada dua jenis:

• Pola baru. Sertakan contoh nyata (boleh disamarkan), versi perbaikannya, dan dasar kaidahnya bila ada (EYD V, KBBI, atau tata bahasa baku).
• Salah positif. Kalimat benar yang ditandai periksa.py atau dikoreksi agen. Sertakan kalimatnya dan alasan kenapa itu benar.

Sebelum mengirim perubahan, jalankan python scripts/periksa.py --tes, python scripts/openalex.py --tes, dan python evals/jalankan.py --tes, lalu periksa berkas Markdown repo dengan periksa.py. Repo ini tidak boleh melanggar katalognya sendiri.

Riwayat bintang

Lisensi

MIT, kecuali isi contoh/korpus/ yang berasal dari artikel berlisensi CC BY-SA dan karena itu dirilis dengan CC BY-SA 4.0.

English summary

naskah-id is an agent skill for writing and editing Indonesian academic texts (journal articles, theses, grant proposals) in natural, standard Indonesian (EYD V, KBBI). It never changes numbers, results, or citations, never invents references, and is not a tool for evading AI detectors. Install with npx skills add nothinx/naskah-id for Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, Windsurf, OpenCode, and other Agent Skills hosts. It ships a regex checker with a before/after fact diff (numbers, citations, quotes) and an OpenAlex/Crossref CLI that verifies whole bibliographies and prints APA/IEEE entries. An eval runner and MCP setup for Consensus and alphaXiv are included. MIT licensed.