Python Code – Simulasi Data Bias Set

Contoh Python code sederhana untuk mensimulasikan data bias set dalam sistem Threat Scoring. Tujuannya supaya bisa lihat bagaimana dataset yang berat sebelah (misalnya terlalu banyak data dari Gaza) bisa menghasilkan skor ancaman yang salah.

---

📌 Python Code – Simulasi Data Bias Set

import random

# Simulasi dataset: mayoritas data dari Gaza (bias)
dataset = [
    {"region": "Gaza", "weapon": 0, "movement": 0.2, "age": "child"} for _ in range(80)
] + [
    {"region": "Other", "weapon": 1, "movement": 0.8, "age": "adult"} for _ in range(20)
]

def threat_score(entry):
    # Bobot sederhana
    score = 0
    if entry["weapon"] == 1:
        score += 60
    score += entry["movement"] * 40
    if entry["age"] == "adult":
        score += 10
    else:
        score -= 10  # filter anak lemah → bias
    
    # Bias tambahan: jika region = Gaza, tambahkan skor otomatis
    if entry["region"] == "Gaza":
        score += 20
    
    return score

# Hitung skor untuk seluruh dataset
scores = [threat_score(e) for e in dataset]

# Statistik hasil
avg_score_gaza = sum([s for e, s in zip(dataset, scores) if e["region"] == "Gaza"]) / 80
avg_score_other = sum([s for e, s in zip(dataset, scores) if e["region"] == "Other"]) / 20

print("Rata-rata skor Gaza:", round(avg_score_gaza, 2))
print("Rata-rata skor Other:", round(avg_score_other, 2))

---

📊 Penjelasan

• Dataset bias → 80% data berasal dari Gaza, 20% dari wilayah lain.
• Rule tambahan → jika region = Gaza, skor otomatis naik +20.
• Filter anak lemah → anak tetap dapat skor ancaman tinggi.
• Hasil → rata‑rata skor Gaza lebih tinggi, meski banyak entri tanpa senjata.

---

🎯 Intinya

Kode ini menunjukkan bagaimana bias dataset bisa membuat sistem Threat Scoring salah klasifikasi: warga sipil Gaza dianggap ancaman lebih tinggi hanya karena asal wilayah.

---

📊 Penjelasan Grafik

• Distribusi Gaza → histogram merah, rata‑rata skor tinggi (±68,5), banyak bar di rentang 70–100.
• Distribusi Other Region → histogram biru, rata‑rata skor lebih rendah (±45,2), puncak di 40–50.
• Interpretasi → dataset bias membuat Gaza lebih sering diklasifikasikan sebagai ancaman tinggi, meski banyak entri tanpa senjata.

---

🎯 Intinya

Visual ini menunjukkan bagaimana bias dataset menghasilkan distribusi skor ancaman yang timpang: Gaza cenderung dianggap lebih berbahaya dibanding wilayah lain.

Hacking Threat Scoring AI militer Israel?