Literasi & Etika AIMenengahFase D–FE3E4

Bias AI

AI belajar dari data. Kalau datanya berat sebelah, keputusannya jadi tidak adil bagi kelompok yang jarang muncul di data — bias bisa merugikan orang sungguhan.

Contoh kasus

Filter wajah yang sulit mengenali kulit gelap karena dilatih dari wajah yang kurang beragam.

Silabus

Data timpang di dalam, keputusan tak adil di luar. Kualitas data = kualitas keadilan.

Tujuan Belajar

·Memahami hubungan kualitas data dengan bias AI
·Mengenali bias sebagai persoalan etika, bukan cuma teknis
·Tahu bahwa memperbaiki data memperbaiki keadilan

Cara Kerja

·AI menarik garis keputusan dari data latih
·Data berat sebelah menarik garis ke kelompok mayoritas
·Kelompok minoritas jadi lebih sering salah dinilai
·Menyeimbangkan data meluruskan garisnya

Prasyarat

·Bagaimana AI Belajar

Contoh Nyata

·Face-unlock & filter wajah
·Seleksi lamaran kerja otomatis
·Skoring pinjol

Pesan kunci AI seadil datanya. Data timpang menghasilkan keputusan bias.