Data science bekerja dengan data tentang manusia, sehingga keputusan teknis selalu berdimensi etika. Section ini membahas privasi dan teknik anonimisasi, keamanan data, bias dan keadilan algoritma, persetujuan penggunaan data, kualitas dan provenance, keterbatasan model, reproduksibilitas penelitian, hingga tanggung jawab profesional seorang data scientist terhadap hasil kerjanya.

# Privasi Data

Pahami prinsip privasi, PII, dan teknik anonimisasi serta pseudonymisasi.

Buka → # Keamanan Data

Amankan data dan aksesnya: prinsip minimum, kredensial, dan kebiasaan aman.

Buka → # Bias dan Keadilan

Kenali sumber bias data dan model beserta langkah audit keadilannya.

Buka → # Persetujuan Penggunaan Data

Pahami dasar persetujuan pemrosesan data dan praktik pengumpulan yang jujur.

Buka → # Kualitas dan Provenance Data

Kaitkan kualitas data dan jejak asal-usulnya dengan tanggung jawab analisis.

Buka → # Keterbatasan Model

Dokumentasikan keterbatasan model secara terbuka agar penggunaan tidak melampaui kelayakannya.

Buka → # Reproduksibilitas Penelitian

Rancang analisis agar orang lain dapat memeriksa dan mengulangnya.

Buka → # Tanggung Jawab Data Scientist

Pahami tanggung jawab profesional data scientist terhadap manusia yang terdampak.

Buka →