Integrasi Generative Artificial Intelligence (GenAI) dalam pendidikan tinggi menghadapi tantangan integritas akademik akibat ketidakandalan perangkat lunak pendeteksi teks AI dan ketiadaan regulasi teknis yang terstandarisasi. Penerapan kerangka kerja AI Assessment Scale (AIAS) menawarkan solusi transparansi yang terstruktur, namun terkendala oleh kompleksitas penentuan batas level jika dilakukan secara manual oleh dosen. Penelitian ini mengembangkan sistem rule-based classification berbasis web yang mengintegrasikan algoritma Forward Chaining dan mekanisme Self-Declaration untuk mengatasi permasalahan tersebut di lingkungan Politeknik Negeri Jakarta. Arsitektur yang dibangun membagi proses operasional ke dalam tiga modul utama, yaitu manajemen knowledge base yang dinamis oleh administrator, klasifikasi penugasan oleh dosen, dan pelaporan transparansi akademik oleh mahasiswa. Sistem mengevaluasi masukan berdasarkan enam parameter karakteristik pedagogi, seperti Taksonomi Bloom dan SOLO, untuk menderivasikan rekomendasi batas AI Score (Level 1 hingga 5) secara deterministik. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memvalidasi fungsionalitas logika inferensi, serta User Acceptance Testing (UAT) untuk mengukur tingkat penerimaan pengguna sasaran. Hasil pengujian menunjukkan tingkat keberhasilan komputasi sebesar 100% pada pengujian Black Box, di mana sistem secara presisi mampu mengklasifikasikan AI Score serta memitigasi konflik logika pada aturan. Sistem terbukti valid dan responsif untuk diimplementasikan sebagai instrumen tata kelola ekosistem Responsible AI secara komprehensif.