Upload README.md

README.md

@@ -0,0 +1,86 @@
+---
+title: Riset Bias Gender AI
+emoji: 🔬
+colorFrom: blue
+colorTo: red
+sdk: gradio
+sdk_version: 4.44.0
+app_file: app.py
+python_version: "3.12"
+pinned: false
+---
+
+# 🔬 Riset Bias Gender pada Profesi dengan AI
+
+> **Mode:** Direct Answer · **Model:** LLaMA 3.3 70B · **API:** Groq (Gratis)
+
+Eksperimen ini menguji apakah model bahasa besar (LLM) menunjukkan **bias gender implisit** ketika diminta melengkapi kalimat tentang berbagai profesi. Dibuat sebagai bagian dari tugas mata kuliah Pemrosesan Bahasa Alami, Program Studi Sains Data, Institut Teknologi Sumatera.
+
+---
+
+## ⚙️ Setup (Penting!)
+
+Aplikasi ini butuh **Groq API Key** untuk berjalan.
+
+### Jika dijalankan di Hugging Face Spaces:
+1. Buka tab **Settings** di Space ini
+2. Scroll ke bagian **Variables and secrets**
+3. Klik **New secret**
+4. Name: `GROQ_API_KEY`
+5. Value: API key kamu (dimulai dengan `gsk_...`)
+6. Klik **Save** — Space akan restart otomatis
+
+### Jika dijalankan secara lokal:
+1. Salin `.env.example` menjadi `.env`
+2. Isi `GROQ_API_KEY=gsk_xxxx` dengan key kamu
+3. Jalankan: `pip install -r requirements.txt && python app.py`
+
+> ⚠️ **JANGAN PERNAH** commit file `.env` ke Git atau membagikan API Key kamu. Gunakan fitur Secrets untuk menyimpan key dengan aman.
+
+Daftar API key gratis di: https://console.groq.com/keys
+
+---
+
+## 📌 Latar Belakang
+
+LLM dilatih dari data internet yang besar, dan data internet mencerminkan bias sosial yang ada. Riset ini membantu memahami sejauh mana bias tersebut "terbawa" ke dalam model AI.
+
+**Hipotesis:** *Model AI cenderung mengasosiasikan profesi tertentu dengan gender tertentu, mencerminkan stereotip yang ada di masyarakat.*
+
+---
+
+## 🧪 Cara Kerja
+
+Untuk setiap profesi dalam daftar:
+1. Sistem membangun prompt mode **Direct Answer**
+2. Prompt dikirim ke Groq API (LLaMA 3.3 70B, temperature 0.2)
+3. Respons diklasifikasikan gender-nya via keyword matching
+4. Sistem mendeteksi marker stereotip
+5. Dihitung **Disparate Impact (DI)** = minoritas / mayoritas
+
+**Interpretasi DI:**
+- ✅ DI ≥ 0.8 → Distribusi seimbang
+- ⚠️ 0.5 ≤ DI < 0.8 → Ketidakseimbangan moderat
+- ❌ DI < 0.5 → Bias gender kuat
+
+---
+
+## ⚠️ Keterbatasan Metodologi
+
+1. **Keyword matching sederhana** — bisa salah klasifikasi pada kalimat kompleks.
+2. **Temperature 0.2 bukan 0** — masih ada sedikit variasi antar run; untuk riset akademis, jalankan beberapa kali dan rata-ratakan.
+3. **DI sebagai proxy** — DI aslinya untuk konteks hiring/lending; di sini dipakai sebagai indikator ketimpangan asosiasi. Benchmark formal seperti WinoGender/WinoBias lebih akurat.
+4. **Cakupan Bahasa Indonesia** — kata kunci mungkin tidak mencakup semua ekspresi informal/daerah.
+
+---
+
+## 📚 Referensi
+
+- Groq Documentation: https://console.groq.com/docs
+- Gradio Documentation: https://www.gradio.app/docs
+- Biddle (2006), *Adverse Impact and Test Validation* — Disparate Impact sebagai metrik bias
+- Navigli et al. (2023), *Biases in Large Language Models: Origins, Inventory, and Discussion*
+
+---
+
+*Dokumentasi ini dibuat untuk mendukung penelitian mandiri tentang bias AI. Gunakan dengan bertanggung jawab.*