Autentikasi Wajah: Definisi, Cara Kerja, dan Manfaat
Autentikasi wajah adalah metode membuktikan identitas pengguna dengan mencocokkan wajahnya di kamera terhadap data wajah yang sudah terdaftar. Metode ini menggantikan atau melengkapi kata sandi, PIN, dan OTP saat login atau transaksi. Agar aman, autentikasi wajah selalu butuh liveness detection, sehingga foto dan video tidak bisa menipunya.
Definisi Autentikasi Wajah sebagai Lapisan Keamanan Biometrik
Secara teknis, autentikasi wajah adalah proses yang membandingkan citra wajah pengguna secara real-time dengan data biometrik yang sudah terdaftar sebelumnya. Kemudian model AI menerjemahkan wajah menjadi deretan angka dan mengukur kedekatannya dengan wajah acuan.
Pertanyaan yang autentikasi wajah jawab sangat spesifik: apakah orang ini benar pemilik akun yang ia klaim? Dengan kata lain, pencocokannya bersifat 1:1, yaitu satu wajah dengan satu wajah referensi milik akun tersebut.
| Komponen | Fungsi |
|---|---|
| Sensor atau kamera | Menangkap citra wajah secara real-time |
| Feature extractor | Mengubah wajah menjadi representasi numerik |
| Template database | Menyimpan data wajah referensi yang terenkripsi |
| Matching engine | Menghitung kemiripan citra baru dengan template |
| Liveness detection | Menolak foto, video, dan topeng |
Autentikasi Wajah, Verifikasi Wajah, dan Face Recognition: Apa Bedanya?
Tiga istilah ini sering tertukar, padahal momennya berbeda. Verifikasi wajah terjadi sekali saat pendaftaran, ketika sistem membuktikan bahwa wajah pendaftar cocok dengan foto identitasnya. Sebaliknya, autentikasi wajah terjadi berulang kali sesudahnya, setiap kali pengguna login atau bertransaksi.
| Istilah | Kapan | Pembanding | Pertanyaan yang Dijawab |
|---|---|---|---|
| Verifikasi wajah | Saat pendaftaran atau eKYC | Foto KTP atau foto di sumber resmi | Apakah pendaftar pemilik identitas ini? |
| Autentikasi wajah | Saat login atau transaksi | Template wajah yang terdaftar di akun | Apakah yang mengakses pemilik akun ini? |
| Face recognition 1:N | Saat mencari identitas | Seluruh wajah di database | Siapa orang ini? |
Namun hubungan keduanya juga penting. Autentikasi wajah hanya sekuat verifikasi saat pendaftaran. Kalau wajah yang terdaftar sejak awal milik pelaku, setiap autentikasi berikutnya justru membuktikan identitas yang salah. Alur verifikasi pendaftaran kami bahas di artikel verifikasi selfie.
Penyebab Meningkatnya Adopsi Autentikasi Wajah di Industri Digital
Setidaknya tiga faktor juga mendorong adopsi autentikasi wajah di Indonesia dan global.
- Kredensial mudah bocor: kata sandi dan OTP bisa pelaku curi, misalnya lewat phishing atau social engineering. Bahkan biaya kebocorannya besar. Menurut IBM Cost of a Data Breach Report 2023, rata-rata biaya satu insiden pelanggaran data secara global mencapai USD 4,45 juta.
- Regulasi onboarding digital: lembaga keuangan wajib membuktikan identitas nasabah dari jarak jauh, sehingga wajah yang sama bisa langsung menjadi kunci autentikasi.
- Kamera ponsel yang memadai: autentikasi wajah berbasis perangkat lunak juga berjalan di kamera depan biasa, tanpa sensor khusus.
Cara Kerja Autentikasi Wajah dari Tangkap Gambar hingga Keputusan Verifikasi
Proses autentikasi wajah berjalan dalam empat tahap berurutan. Namun di sisi pengguna, semuanya terasa seperti satu langkah.
Tahap 1: Deteksi Wajah
Sistem mencari wajah dalam frame kamera dengan algoritma deteksi objek seperti MTCNN atau RetinaFace. Setelah itu, sistem memotong wajah dari latar belakang dan meluruskan posisinya.
Tahap 2: Ekstraksi Fitur Biometrik
Model deep learning, umumnya berbasis convolutional neural network, mengubah wajah menjadi vektor angka yang biasa praktisi sebut embedding. Jadi, vektor ini mewakili ciri khas wajah pengguna.
Tahap 3: Liveness Detection
Pada tahap ini, sistem menguji apakah yang tampil adalah manusia yang hadir langsung, bukan cetakan, rekaman, atau topeng. Liveness pasif menganalisis tekstur dan kedalaman dari satu gambar tanpa interaksi. Sementara itu, liveness aktif meminta pengguna menoleh, mengedip, atau membuka mulut.
Tahap 4: Pencocokan dan Keputusan
Sistem menghitung kemiripan vektor wajah baru dengan template akun, misalnya dengan cosine similarity. Jika skornya melewati ambang yang bisnis tetapkan, sistem memberi akses. Besaran ambang berbeda di setiap sistem, karena bergantung pada model dan selera risiko bisnis.
Cara Menerapkan Autentikasi Wajah dalam Proses Bisnis Digital
Dalam bisnis, penerapan autentikasi wajah biasanya mengikuti tiga skenario.
Skenario 1: Onboarding Pengguna Baru (e-KYC)
Di sini, sistem membandingkan wajah dalam selfie dan wajah di KTP atau paspor. Wajah yang lolos kemudian tersimpan sebagai template untuk autentikasi berikutnya, sehingga proses KYC sekaligus menyiapkan kunci login.
Skenario 2: Login dan Akses Akun
Autentikasi wajah menggantikan kata sandi atau PIN di aplikasi mobile banking, e-commerce, dan sistem HR. Hasilnya, pengguna cukup menghadapkan wajah ke kamera untuk masuk. Banyak aplikasi hanya memintanya saat login dari perangkat baru, supaya pengguna tidak terganggu setiap hari.
Skenario 3: Transaksi Bernilai Tinggi
Autentikasi wajah juga menjadi lapisan tambahan atau step-up authentication untuk transaksi di atas batas tertentu. Misalnya transfer ke rekening baru atau penggantian nomor ponsel, terutama dari perangkat yang belum pernah terlihat. Di titik ini, wajah lebih kuat daripada OTP yang rentan terhadap SIM swap dan social engineering.
Kapan Autentikasi Wajah Lebih Baik daripada OTP?
Autentikasi wajah unggul ketika risikonya datang dari pihak lain yang menguasai kredensial pengguna. Contohnya pengambilalihan akun lewat OTP yang korban serahkan kepada penipu, atau SIM swap. Akibatnya, pelaku bisa mendapatkan kode OTP, tetapi tidak bisa menghadirkan wajah korban di depan kamera yang memakai liveness.
Namun wajah tidak menyelesaikan semua masalah. Kalau pelaku menekan korban sendiri untuk bertransaksi, misalnya dalam penipuan berkedok panggilan darurat, autentikasi wajah tetap lolos karena orangnya memang benar. Perbandingan lengkap biometrik, OTP, dan kata sandi ada di artikel autentikasi biometrik.
Optimasi Akurasi dan Performa Sistem Autentikasi Wajah
Selama operasional, akurasi autentikasi wajah terutama terukur lewat dua metrik.
- False Acceptance Rate (FAR): porsi orang lain yang lolos, padahal ia bukan pemilik akun.
- False Rejection Rate (FRR): porsi pemilik akun asli yang sistem tolak, sehingga mereka harus mencoba lagi.
Keduanya bergerak berlawanan. Ambang yang lebih ketat menurunkan FAR tetapi menaikkan FRR, sehingga pengguna asli lebih sering gagal. Misalnya, bisnis biasanya memakai ambang berbeda untuk konteks berbeda: lebih longgar untuk login rutin, lebih ketat untuk transaksi besar.
| Faktor | Dampak terhadap Akurasi |
|---|---|
| Kualitas kamera | Resolusi rendah merusak detail wajah |
| Pencahayaan | Cahaya dari belakang menaikkan FRR |
| Sudut wajah | Sudut ekstrem menurunkan kemampuan pencocokan |
| Kualitas model AI | Model dengan data latih beragam lebih stabil di berbagai kelompok pengguna |
| Usia template | Template lama kurang cocok dengan wajah yang sudah berubah |
Kesalahan Umum dalam Implementasi Autentikasi Wajah
Bisnis yang pertama kali menerapkan autentikasi wajah juga sering mengulang kesalahan yang sama.
- Mengabaikan liveness detection: sistem tanpa liveness mudah tertipu foto, video replay, dan deepfake, seperti kami uraikan di artikel spoofing attack.
- Tidak menguji keberagaman pengguna: model yang belum teruji pada beragam usia, warna kulit, dan kondisi wajah bisa lebih sering salah, terutama pada kelompok tertentu.
- Menyimpan data biometrik tanpa enkripsi: wajah tidak bisa pengguna ganti seperti kata sandi, sehingga kebocorannya bersifat permanen.
- Mengabaikan UU PDP: template wajah tergolong data spesifik menurut Pasal 4 undang-undang tersebut. Bisnis perlu dasar pemrosesan yang sah, pengamanan yang memadai, dan kebijakan retensi yang jelas.
Menggabungkan Autentikasi Wajah dengan Verifikasi Dokumen
Autentikasi wajah tidak cukup untuk onboarding pengguna baru, karena ia hanya membandingkan wajah dengan wajah. Karena itu, strategi yang lebih kuat menambahkan tiga pemeriksaan.
- OCR dokumen: sistem membaca data KTP atau paspor secara otomatis, lalu mengisi formulir.
- Pemeriksaan keaslian dokumen: kemudian sistem menilai apakah dokumen yang pengguna unggah berasal dari kartu fisik asli.
- Pengecekan ke data kependudukan: terakhir, sistem menguji NIK dan data diri pemohon terhadap catatan Dukcapil.
Kombinasi ini juga sesuai dengan aturan sektor keuangan. Untuk onboarding jarak jauh, POJK 8/2023 (Pasal 21 ayat 5) meminta data kependudukan plus dua faktor keaslian, dan wajah memenuhi salah satunya.
Autentikasi Wajah dengan Verihubs
Verihubs menyediakan dua komponen utama autentikasi wajah. Layanan face recognition mendaftarkan wajah pengguna (Enroll), lalu mencocokkannya saat login atau transaksi (Verify dan Compare). Bahkan fitur Search pada layanan yang sama bisa menemukan satu wajah yang muncul di beberapa akun.
Kemudian, untuk menolak foto dan video, liveness detection berjalan di setiap pengambilan wajah. Pemeriksaan ini bisa pasif melalui API atau aktif melalui Web SDK.
FAQ: Pertanyaan Umum tentang Autentikasi Wajah
Apa itu autentikasi wajah?
- Autentikasi wajah adalah metode membuktikan identitas pengguna dengan mencocokkan wajahnya di kamera terhadap data wajah yang sudah terdaftar di akunnya. Bisnis pun biasa memakainya untuk login dan otorisasi transaksi.
Apa keuntungan memakai verifikasi wajah lewat selfie?
- Keuntungannya antara lain membuktikan bahwa pengguna adalah pemilik identitas tanpa tatap muka, menolak NIK dan foto KTP curian, mempercepat onboarding, dan menyiapkan wajah sebagai kunci untuk login dan transaksi berikutnya.
Apa beda autentikasi wajah dan verifikasi wajah?
- Verifikasi wajah terjadi sekali saat pendaftaran, ketika sistem mencocokkan selfie dengan foto identitas. Sementara itu, autentikasi wajah terjadi berulang kali setelahnya, ketika sistem mencocokkan wajah pengguna dengan template yang terdaftar di akunnya.
Apakah autentikasi wajah aman untuk transaksi keuangan?
- Aman jika sistemnya memakai liveness detection dan pendaftaran wajahnya terverifikasi. Namun untuk transaksi bernilai besar, banyak bank menjadikan wajah sebagai lapisan tambahan di atas faktor lain, bukan satu-satunya faktor.
Apakah autentikasi wajah bisa tertipu foto?
- Tanpa liveness detection, foto berkualitas tinggi bisa lolos. Karena itu, liveness pasif dan aktif mengurangi risiko itu dengan memeriksa kedalaman, tekstur kulit, dan respons terhadap gerakan.
Bagaimana data wajah saya tersimpan?
- Sistem yang baik menyimpan template biometrik terenkripsi, yaitu representasi numerik wajah, bukan sekadar foto mentah. Meski begitu, template tetap termasuk data biometrik, sehingga penyimpanannya harus mengikuti UU PDP.
Autentikasi Wajah sebagai Fondasi Keamanan Digital Modern
Autentikasi wajah menggabungkan AI, biometrik, dan liveness detection untuk membuktikan bahwa yang mengakses akun adalah pemiliknya. Namun kekuatannya bergantung pada dua hal: pendaftaran wajah yang terverifikasi dan liveness di setiap pengambilan gambar.
Rancang keduanya sebelum Anda merilis fitur login wajah. Diskusikan penerapan autentikasi wajah bersama tim Verihubs untuk menentukan titik login dan transaksi yang paling butuh perlindungan.
