Verifikasi Data Adalah: Proses, Metode & Sumber Acuan
Verifikasi data adalah proses mencocokkan nilai data yang dimasukkan pengguna dengan catatan pada sumber acuan resmi, misalnya NIK yang diketik dibandingkan dengan basis data Dukcapil. Berbeda dengan verifikasi identitas yang membuktikan siapa orangnya, verifikasi data menilai apakah nilainya cocok. Artikel ini membahas metode pencocokan, sumber acuan di Indonesia, dan cara menangani ketidakcocokan.
Verifikasi data merupakan salah satu lapisan di dalam kerangka verifikasi secara umum. Halaman ini fokus pada sisi teknis pencocokan nilai data, bukan pada pembuktian identitas seseorang.
Apa Itu Verifikasi Data dan Bedanya dari Verifikasi Identitas
Verifikasi data bekerja pada tingkat nilai, bukan tingkat orang. Sistem membandingkan satu per satu field yang dimasukkan pengguna dengan record pada sumber acuan, lalu memutuskan apakah nilainya cocok, cocok sebagian, atau tidak cocok. Pembedaan ini penting karena kedua proses menjawab pertanyaan yang berbeda.
| Aspek | Verifikasi Data | Verifikasi Identitas |
|---|---|---|
| Pertanyaan yang dijawab | Apakah nilai ini cocok dengan catatan acuan? | Apakah orang ini benar pemilik identitas tersebut? |
| Objek yang dinilai | Field data seperti NIK, nama, tanggal lahir, NPWP | Orang beserta dokumen dan wajahnya |
| Metode utama | Pencocokan terhadap basis data acuan | OCR dokumen, face matching, liveness detection |
| Keluaran | Cocok, cocok sebagian, atau tidak cocok | Terverifikasi atau ditolak |
| Kelemahan bila berdiri sendiri | Data curian tetap lolos karena nilainya memang benar | Membutuhkan data acuan yang bersih agar akurat |
Baris terakhir tabel menjelaskan mengapa keduanya harus berjalan bersama. Data hasil pencurian akan lolos verifikasi data karena nilainya memang terdaftar. Yang menahannya adalah verifikasi identitas, karena pelaku tidak memiliki wajah yang cocok dengan dokumen tersebut.
Empat Sumber Acuan Verifikasi Data di Indonesia
Kualitas verifikasi data sepenuhnya bergantung pada kualitas sumber acuannya. Mencocokkan data dengan sumber yang tidak otoritatif hanya menghasilkan rasa aman yang keliru.
| Sumber Acuan | Data yang Dapat Dicocokkan | Otoritas |
|---|---|---|
| Dukcapil | NIK, nama, tanggal lahir, alamat, data kartu keluarga | Direktorat Jenderal Kependudukan dan Pencatatan Sipil |
| DJP | NPWP dan kesesuaian nama wajib pajak | Direktorat Jenderal Pajak |
| Perbankan | Nomor rekening dan nama pemilik rekening | Bank penerbit |
| Basis data internal | Riwayat pengguna, data pendaftaran sebelumnya | Perusahaan itu sendiri |
Metode Pencocokan Data: Exact Match, Fuzzy Match, dan Toleransi
Tidak semua ketidakcocokan berarti penipuan. Nama yang ditulis berbeda atau alamat yang berubah adalah hal wajar. Karena itu sistem verifikasi data memakai beberapa metode pencocokan dengan tingkat ketegasan berbeda.
Exact Match untuk Field Berstruktur Tetap
Exact match menuntut kesamaan karakter demi karakter. Metode ini dipakai untuk field yang formatnya baku dan tidak boleh meleset, seperti NIK enam belas digit, NPWP, dan nomor rekening. Satu digit berbeda berarti tidak cocok.
Fuzzy Match untuk Nama dan Alamat
Fuzzy match menghitung tingkat kemiripan antara dua teks, sehingga toleran terhadap perbedaan penulisan. Metode ini penting untuk nama Indonesia yang kerap ditulis bervariasi, misalnya penggunaan gelar, singkatan, atau ejaan berbeda seperti “Muhammad” dan “Muhamad”. Sistem menetapkan ambang kemiripan, dan hasil di atas ambang dianggap cocok.
Toleransi dan Normalisasi Sebelum Pencocokan
Sebelum dibandingkan, data dinormalisasi terlebih dahulu: huruf disamakan besar kecilnya, spasi berlebih dihapus, tanda baca dibersihkan, dan format tanggal diseragamkan. Tanpa normalisasi, banyak data yang sebenarnya cocok akan ditolak hanya karena perbedaan format.
Menangani Ketidakcocokan Data Tanpa Menghukum Pengguna Sah
Ketidakcocokan punya beberapa sebab, dan masing-masing menuntut penanganan berbeda. Menolak semuanya secara otomatis akan membuang banyak pengguna yang sebenarnya sah.
| Jenis Ketidakcocokan | Contoh | Penanganan yang Tepat |
|---|---|---|
| Kesalahan pengetikan | Satu digit NIK tertukar | Beri kesempatan koreksi, jangan langsung tolak |
| Perubahan data resmi | Pindah alamat atau ganti nama setelah menikah | Minta dokumen pendukung terbaru |
| Variasi penulisan nama | Perbedaan gelar atau ejaan | Fuzzy match dengan ambang yang wajar |
| Data acuan belum diperbarui | Perubahan belum tercatat di sumber | Verifikasi manual dengan dokumen fisik |
| Indikasi pemalsuan | Beberapa field tidak cocok sekaligus | Tolak dan tandai untuk peninjauan fraud |
Aturan praktisnya sederhana: satu field tidak cocok umumnya adalah persoalan kualitas data, sedangkan beberapa field tidak cocok sekaligus adalah sinyal risiko yang perlu ditinjau.
Posisi Verifikasi Data dalam Alur Onboarding Digital
Dalam alur onboarding, verifikasi data berada di antara pembacaan dokumen dan pencocokan wajah. Urutannya menentukan efisiensi biaya, karena pemeriksaan yang murah sebaiknya dijalankan lebih dulu.
Pertama, OCR KTP membaca dan mengekstrak nilai dari dokumen. Kedua, verifikasi data mencocokkan nilai hasil ekstraksi dengan sumber acuan seperti Dukcapil. Ketiga, liveness detection dan face matching memastikan orang yang mendaftar benar pemilik identitas tersebut. Penjelasan menyeluruh mengenai keseluruhan lapisan ini tersedia di panduan verifikasi.
Verifikasi Data dengan Verihubs
Verihubs menyediakan pencocokan data langsung ke sumber acuan resmi. ID Verification memeriksa kesesuaian NIK, nama, dan tanggal lahir terhadap data Dukcapil. Pemeriksaan NPWP dilakukan terhadap data Direktorat Jenderal Pajak, sementara Bank Account Verification memastikan kesesuaian nomor rekening dengan nama pemiliknya.
Lapisan pencocokan data ini bekerja berdampingan dengan verifikasi identitas berbasis biometrik. Face Recognition Verihubs tercatat berakurasi 99,9 persen dan diakui NIST sebagai peringkat pertama di Indonesia, dilengkapi Deepfake Detection dengan tingkat keberhasilan 95 persen sebagai satu-satunya penyedia lokal di Indonesia. Platform ini melayani lebih dari 400 klien dengan rata-rata 500.000 verifikasi per hari dan direkomendasikan OJK sebagai Inovasi Teknologi Sektor Keuangan.
Pertanyaan yang Sering Diajukan tentang Verifikasi Data
Apa itu verifikasi data?
Verifikasi data adalah proses mencocokkan nilai data yang dimasukkan pengguna dengan catatan pada sumber acuan resmi, misalnya membandingkan NIK yang diketik dengan basis data Dukcapil, untuk memastikan nilainya benar dan terdaftar.
Apa arti verifikasi data dalam proses onboarding?
Dalam onboarding digital, verifikasi data berarti tahap pencocokan nilai hasil pembacaan dokumen dengan sumber acuan resmi. Tahap ini berlangsung setelah OCR membaca dokumen dan sebelum pencocokan wajah dilakukan.
Apa bedanya verifikasi data dan validasi data?
Validasi data memeriksa apakah format dan nilainya masuk akal, misalnya NIK harus enam belas digit angka. Verifikasi data melangkah lebih jauh dengan membandingkan nilai tersebut ke sumber acuan eksternal untuk memastikan datanya benar-benar terdaftar.
Apa artinya data sudah diverifikasi?
Artinya nilai data yang diserahkan telah dicocokkan dengan sumber acuan dan dinyatakan sesuai. Perlu dicatat bahwa status ini menyatakan datanya cocok, bukan bahwa orang yang menyerahkannya sudah terbukti sebagai pemilik sah.
Bagaimana cara verifikasi data ke Dukcapil?
Perusahaan yang membutuhkan pencocokan ke data kependudukan mengaksesnya melalui penyedia yang memiliki hak akses resmi. Sistem mengirimkan NIK beserta data pendukung, lalu menerima hasil kesesuaian tanpa menyalin keseluruhan data kependudukan.
Apa yang harus dilakukan jika data tidak cocok saat verifikasi?
Bergantung pada penyebabnya. Kesalahan pengetikan cukup diberi kesempatan koreksi, perubahan data resmi memerlukan dokumen pendukung terbaru, sedangkan ketidakcocokan pada beberapa field sekaligus sebaiknya ditandai untuk peninjauan risiko.
Verifikasi Data Menentukan Kualitas Sinyal Verifikasi Identitas
Verifikasi data kerap diperlakukan sebagai pemeriksaan administratif yang berdiri sendiri, padahal perannya lebih menentukan dari itu. Ketika pencocokan nilai dilakukan terhadap sumber acuan yang otoritatif, seluruh lapisan verifikasi di atasnya bekerja dengan data yang lebih bersih, sehingga keputusan biometrik menjadi lebih dapat dipercaya. Sebaliknya, sumber acuan yang lemah membuat sistem canggih sekalipun mengambil keputusan berdasarkan fondasi yang rapuh. Bagi penyelenggara layanan digital di Indonesia, memilih sumber acuan yang tepat adalah keputusan arsitektur, bukan sekadar detail teknis.
Ingin mencocokkan data pengguna langsung ke sumber acuan resmi seperti Dukcapil dan DJP? Diskusikan kebutuhan verifikasi data bisnis Anda dengan tim Verihubs.
