🎯 Tujuan 💡 Materi Asyik 🎮 Tantangan Interaktif 📝 Evaluasi Formatif ✨ Rangkuman & Refleksi
Learn / KKA / Literasi & Etika AI / 04. Bias & Keadilan dalam AI ⚖️
🤖 KKA · Unit 03 · Modul 04

Bias & Keadilan dalam AI ⚖️ 🚀

Kenapa AI bisa pilih kasih atau tidak adil? Pelajari bahaya bias data dan bagaimana kita bisa menciptakan AI yang jujur untuk semua orang!

⏱️ Waktu: 40 Menit 💡 Level: Kelas 7 SMP (Seru & Mudah) 📝 Evaluasi: 20 Soal (4 Bagian)
🎯

Tujuan Pembelajaran

Setelah mempelajari materi ini, kamu akan bisa:

01.
Memahami Arti Bias Data

Mengetahui bahwa AI bisa condong berat sebelah jika data latihannya tidak seimbang.

02.
Mengenali Contoh Ketidakadilan AI

Menganalisis sistem pengenal wajah yang gagal mendeteksi warna kulit tertentu.

03.
Prinsip Fairness & Inklusif

Melatih AI dengan data yang beragam dari berbagai suku, usia, dan gender.

04.
Menguji Netralitas Model

Melakukan audit data sebelum model AI disebarluaskan ke masyarakat.

Kenapa AI Bisa Tidak Adil? 🤔

Komputer tidak punya rasa benci atau dengki. Tapi jika data latihannya 90% berasal dari satu kelompok saja, AI akan mengira kelompok lain itu 'salah' atau tidak penting. Itulah yang disebut Bias Algoritma.

💡 Contoh Nyata: Kamera pintar yang hanya dilatih foto orang dewasa sering gagal mengenali wajah anak-anak. Solusinya? Tambahkan foto anak-anak ke dalam data latihannya!

🎮 Tantangan: Detektif Bias Data

Pilih tindakan yang tepat untuk memperbaiki dataset berikut:

Skenario: AI penerima beasiswa hanya dilatih dengan data nilai siswa dari kota besar, sehingga menolak siswa dari desa.

📝

Evaluasi Formatif: Bias & Keadilan dalam AI ⚖️

Uji pemahamanmu secara mandiri (Total Nilai: 100 Poin)

Target Kelulusan Minimal 70 Poin
Bagian A

Pilihan Ganda (5 Soal · Bobot: 25 Poin)

1. Apa penyebab utama munculnya bias pada hasil keputusan AI?

2. Cara terbaik untuk mencegah bias pada AI adalah...

3. Contoh bias AI di bidang pengenalan suara adalah...

4. Prinsip 'Inklusif' dalam pengembangan AI berarti...

5. Siapakah yang bertanggung jawab jika AI menghasilkan keputusan yang tidak adil?

Bagian B

Benar atau Salah (5 Soal · Bobot: 25 Poin)

1. AI bisa membuat keputusan diskriminatif jika data pelatihannya mengandung prasangka manusia.
2. Menambah keragaman data latihan dapat membantu mengurangi bias algoritma.
3. Komputer secara alami memiliki sifat jahat dan suka membeda-bedakan orang.
4. Audit etika penting dilakukan sebelum aplikasi AI dirilis ke publik.
5. Keadilan (fairness) dalam AI berarti memperlakukan setiap kelompok pengguna secara setara.
Bagian C

Menjodohkan Konsep & Penjelasan (5 Pasangan · Bobot: 25 Poin)

Bagian D

Mengurutkan Langkah Alur Kerja (Bobot: 25 Poin)

A. Merumuskan tujuan AI dan memeriksa apakah dataset sudah mewakili seluruh kelompok
B. Membersihkan data dari stereotip dan prasangka yang merugikan
C. Melatih model AI dengan teknik pembobotan adil (Fairness Training)
D. Menguji apakah akurasi AI setara pada semua kelompok pengguna (Fairness Testing)
E. Membuka saluran pengaduan bagi pengguna jika menemukan kejanggalan keputusan AI
✨

Rangkuman Materi & Refleksi Belajar

Poin penting yang wajib kamu ingat

1. AI Meniru Data: Jika datanya bias, AI akan mewarisi bias tersebut.

2. Beragam Itu Penting: Semakin bervariasi dataset, semakin adil AI memperlakukan manusia.

3. Manusia Tetap Pemimpin: Pengembang AI wajib menjaga nilai etika dan keadilan sosial.