Ditinjau oleh Liveness detection adalah teknologi yang memastikan wajah di depan kamera itu wajah asli yang hadir langsung, bukan foto, video, atau deepfake yang ditunjukkan ke kamera. Dalam alur verifikasi identitas berbasis KTP, ini bukan pengulangan dari OCR atau face match, tapi lapisan tambahan yang menutup celah yang dua proses itu tidak bisa tutup sendiri.
Kalau kamu sedang menyusun atau mengevaluasi alur KYC (Know Your Customer) berbasis KTP untuk fintech, e-commerce, perbankan digital, atau asuransi, artikel ini menjelaskan di mana persisnya posisi liveness detection dalam alur itu, kenapa OCR dan face match saja belum cukup, dan kapan lapisan ini layak ditambahkan.
Apa Itu Liveness Detection?
Liveness detection artinya sistem mengecek apakah wajah yang muncul di kamera benar-benar milik orang yang hadir secara fisik saat itu, bukan representasi wajah orang lain yang direkam ulang. Bedanya dengan face match sederhana adalah face match hanya membandingkan dua gambar wajah untuk mencari kemiripan, sementara liveness detection mengecek apakah sumber gambar itu adalah manusia hidup di depan kamera, bukan cetakan foto, layar ponsel yang memutar video, atau masker.
Istilah payung untuk seluruh proses ini biasanya disebut eKYC (electronic Know Your Customer), yaitu proses verifikasi identitas pelanggan secara digital tanpa tatap muka. Liveness detection adalah salah satu komponen di dalam eKYC, bukan pengganti proses eKYC itu sendiri.
Tiga Tahap Verifikasi Identitas Berbasis KTP
Alur eKYC berbasis KTP yang umum dipakai fintech, perbankan digital, asuransi, dan e-commerce di Indonesia berjalan dalam tiga tahap berurutan. Setiap tahap punya tugas yang berbeda dan tidak saling menggantikan.
Tahap 1: OCR Ekstrak Data dari KTP
Tahap pertama adalah OCR (Optical Character Recognition) membaca foto KTP dan mengubah teks di dalamnya jadi data terstruktur, seperti NIK, nama, tempat dan tanggal lahir, hingga alamat. Tugasnya murni ekstraksi data, bukan verifikasi wajah. Kalau kamu butuh detail lengkap field apa saja yang bisa diekstrak dan cara memvalidasi NIK 16 digit, sudah dibahas terpisah di Data OCR KTP yang Bisa Diambil dan Cara Memvalidasi NIK 16 Digit dan Cara Scan KTP jadi Teks (Ekstraksi Data) untuk Aplikasi.
Tahap 2: Face Match Cocokkan Foto KTP dengan Selfie
Setelah data KTP terbaca, sistem perlu memastikan bahwa orang yang mengunggah KTP adalah pemilik KTP itu sendiri. Di sinilah face match bekerja dengan cara membandingkan foto di KTP dengan foto selfie yang diambil pengguna saat itu juga, lalu mengembalikan hasil berupa kecocokan (match) dan tingkat keyakinan (confidence score). Verifikasi wajah dengan cara ini sudah cukup umum dipakai untuk dokumen identitas Indonesia seperti KTP dan SIM, dan biasanya dipasangkan langsung dengan hasil OCR dalam satu alur pengambilan foto.
Yang perlu digarisbawahi adalah face match hanya mengukur kemiripan dua gambar, lalu mengembalikan hasil kecocokan beserta tingkat keyakinannya. Ia tidak tahu apakah gambar selfie itu diambil dari wajah asli di depan kamera atau dari foto/video yang diperlihatkan ke kamera. Itu bukan kelemahan desain, cuma di luar cakupan tugasnya, sama seperti OCR yang juga tidak dirancang untuk mengecek kemiripan wajah.
Tahap 3: Liveness Detection Pastikan Wajah Itu Nyata
Tahap terakhir inilah yang menutup celah dari tahap 2. Liveness detection mengecek kehadiran fisik asli si pengguna, bukan menggantikan face match, tapi berjalan setelahnya sebagai lapisan tambahan. Urutannya penting, dimulai dari face match dulu memastikan wajah itu cocok dengan foto KTP, baru liveness memastikan wajah yang dicocokkan tadi benar-benar hadir langsung, bukan rekaman.
Kenapa OCR dan Face Match Saja Tidak Cukup?
Tanpa liveness detection, alur verifikasi identitas berbasis KTP punya celah yang bisa dieksploitasi. Bayangkan skenario ilustratif ketika seseorang mengunggah foto KTP milik orang lain (misalnya hasil kebocoran data atau KTP yang hilang), lalu saat diminta selfie, ia menunjukkan foto atau video wajah pemilik KTP itu ke kamera, bukan wajahnya sendiri. Kalau sistem cuma mengandalkan OCR dan face match, foto atau video itu bisa saja punya tingkat kemiripan tinggi dengan foto di KTP dan lolos verifikasi, padahal orang yang sebenarnya duduk di depan kamera bukan pemilik identitas tersebut.
Liveness detection dirancang untuk menahan skenario semacam ini di tahap terakhir, sebelum akun atau transaksi disetujui. Tanpa lapisan ini, proses verifikasi identitas berbasis KTP tetap rawan terhadap upaya penyamaran identitas menggunakan foto atau video pihak lain.
Jenis Liveness Detection, Aktif vs Pasif
Ada dua pendekatan umum yang dipakai vendor identity verification untuk menjalankan liveness detection.
- Liveness aktif: pengguna diminta melakukan instruksi tertentu di depan kamera, misalnya berkedip, menggerakkan kepala ke arah tertentu, atau tersenyum. Sistem mengecek apakah gerakan itu direspons secara natural dan real-time.
- Liveness pasif: sistem menganalisis wajah di latar belakang tanpa meminta pengguna melakukan aksi apa pun, misalnya dengan mengamati tekstur kulit, kedalaman wajah, dan pantulan cahaya alami pada permukaan wajah.
Liveness aktif cenderung lebih mudah dipahami pengguna karena instruksinya eksplisit, tapi menambah satu langkah dalam alur onboarding dan bisa terasa merepotkan kalau instruksinya berlapis-lapis. Liveness pasif lebih ringkas dari sisi pengalaman pengguna karena berjalan otomatis di latar belakang tanpa instruksi tambahan, tapi bergantung penuh pada kualitas kamera dan pencahayaan saat pengambilan gambar, sehingga akurasinya lebih sensitif terhadap kondisi perangkat pengguna. Banyak vendor identity verification menggabungkan kedua pendekatan ini sekaligus, bukan memilih salah satu secara eksklusif.
Jenis Serangan yang Dideteksi Liveness (Presentation Attack)
Dalam standar industri biometrik, upaya menipu sistem verifikasi wajah dengan menunjukkan representasi wajah palsu ke kamera disebut presentation attack, istilah yang didefinisikan formal dalam standar ISO/IEC 30107 tentang deteksi serangan presentasi biometrik. Beberapa bentuk presentation attack yang umum dibahas vendor identity verification, seperti diuraikan Regula dalam pembahasan presentation attack detection, meliputi:
- Foto cetak atau foto yang ditampilkan di layar ponsel/tablet ke arah kamera.
- Video replay, yaitu memutar ulang rekaman video wajah orang lain.
- Masker 3D yang meniru bentuk dan tekstur wajah asli.
- Deepfake, wajah hasil rekayasa AI yang disintesis menyerupai wajah target.
Liveness detection yang baik dirancang untuk mendeteksi pola-pola ini, baik lewat analisis gerakan (untuk metode aktif) maupun analisis tekstur dan kedalaman gambar (untuk metode pasif), sebelum sistem menyatakan verifikasi berhasil.
Kapan Bisnis Perlu Menambahkan Liveness Detection?
Liveness detection paling relevan untuk bisnis yang menjalankan proses KYC atau onboarding bernilai tinggi, atau yang rawan jadi target penyalahgunaan identitas. Beberapa contoh konteksnya:
- Fintech dan pinjaman online, saat membuka akun atau mengajukan pinjaman atas nama seseorang.
- Perbankan digital, saat pembukaan rekening jarak jauh tanpa tatap muka di cabang.
- Asuransi, saat pendaftaran polis atau proses klaim yang membutuhkan verifikasi identitas pemegang polis.
- E-commerce dengan transaksi bernilai tinggi atau fitur paylater, yang perlu memastikan pengguna yang mendaftar adalah pemilik identitas sah.
Kalau bisnis kamu belum menangani skenario bernilai tinggi seperti ini, OCR dan face match saja mungkin sudah cukup untuk tahap awal. Tapi begitu volume transaksi atau risiko penyalahgunaan identitas naik, liveness detection jadi lapisan yang layak dipertimbangkan. Pertimbangannya bukan cuma soal keamanan, tapi juga trade-off pengalaman pengguna: menambah satu langkah verifikasi berarti menambah friksi di alur pendaftaran, jadi keputusan menambahkan liveness detection sebaiknya disandingkan dengan seberapa besar risiko penyalahgunaan identitas yang sedang ditanggung bisnismu.
Ketiga tahap ini saling melengkapi, bukan saling menggantikan, OCR mengekstrak data dari KTP, face match mencocokkan foto KTP dengan selfie pengguna, dan liveness detection memastikan selfie itu berasal dari wajah asli yang hadir langsung. Fondasi dari alur ini tetap ada di tahap pertama. Kalau kamu sedang membangun alur KYC berbasis KTP dan butuh titik awal yang jelas, cara kerja API OCR KTP resmi api.co.id bisa jadi referensi untuk tahap ekstraksi data ini, sebelum kamu lanjut menyusun tahap face match dan liveness di alur verifikasi identitasmu. Untuk konteks cara kerja OCR KTP secara lebih luas, ada juga pembahasan di Teknologi OCR KTP: Cara Kerja & Manfaat Verifikasi.
