Mahasiswa tingkat akhir yang penelitiannya berbasis wawancara cepat atau lambat sampai pada satu pertanyaan: rekaman sepuluh jam ini mau diketik sendiri, dibayarkan ke jasa ketik, atau diserahkan ke perangkat lunak? Ketiganya sama-sama punya ongkos, hanya bentuknya berbeda.

Terlihat gratis, padahal tidak. Satu jam rekaman menghabiskan sekitar lima sampai tujuh jam pengetikan karena harus berhenti dan memutar ulang terus-menerus. Untuk sepuluh jam rekaman, totalnya lima puluh sampai tujuh puluh jam kerja. Bila dikerjakan empat jam sehari, waktu yang terpakai lebih dari dua minggu penuh.

Biayanya bukan uang, melainkan waktu yang seharusnya dipakai untuk analisis dan revisi bab. Opsi ini masih masuk akal jika rekamannya hanya satu atau dua jam.

Tarif jasa transkrip umumnya dihitung per menit atau per jam rekaman. Untuk sepuluh jam rekaman, angkanya bisa menyentuh ratusan ribu hingga jutaan rupiah, tergantung penyedia dan seberapa mendesak tenggatnya.

Kelebihannya, hasilnya akurat karena dikerjakan manusia yang paham konteks. Kekurangannya ada dua: waktu tunggu bisa beberapa hari, dan rekaman yang memuat data pribadi informan berpindah tangan ke pihak lain. Untuk penelitian dengan topik sensitif, poin kedua perlu dipertimbangkan serius.

Perangkat lunak pengenal suara memproses rekaman satu jam dalam tiga sampai lima menit. Layanan yang memang dilatih untuk Bahasa Indonesia seperti Verbatim AI mengeluarkan draf lengkap dengan penanda waktu dan pemisahan pembicara, lalu penggunanya mengoreksi sendiri.

Skema pembayarannya berupa beli kuota menit sekali bayar, bukan langganan bulanan yang terus menagih setelah skripsi rampung. Tersedia pula kuota gratis setiap bulan untuk mencoba sebelum memutuskan membayar.

Yang perlu jujur disebutkan, hasil AI bukan langsung jadi. Akurasinya berada di kisaran 90 sampai 95 persen untuk rekaman bersih, sehingga koreksi manual tetap dibutuhkan. Perkiraan waktunya, lima wawancara berdurasi satu jam bisa selesai dalam empat sampai enam jam termasuk pemeriksaan, dibanding dua puluh lima sampai tiga puluh lima jam bila diketik dari nol.

Untuk rekaman di bawah dua jam, mengetik sendiri masih wajar. Untuk rekaman belasan jam dengan jadwal sidang yang sudah dekat, kombinasi AI plus koreksi manual biasanya paling seimbang antara biaya, waktu, dan kendali atas data. Jasa manual tetap relevan untuk rekaman yang kualitas audionya buruk, sebab di situlah mesin paling banyak meleset.

Apa pun pilihannya, format lampirannya harus benar: header identitas informan, label pembicara yang konsisten, timestamp, serta notasi baku untuk jeda dan ekspresi nonverbal. Ketentuan format ini dibahas lengkap dalam panduan AI transkripsi wawancara, termasuk perbedaan mode verbatim dan clean yang kerap ditanyakan dosen pembimbing sebelum sidang.