Face Recognition di Dunia Keuangan, Untuk Apa?

JAKARTA,KOMPAS.com - Face recognition  (pengenalan wajah) merupakan teknologi yang bisa mendeteksi wajah seseorang. Namun bagaimana peranan face recognition di dunia keuangan? 

Berbicara teknologi face recognition dalam dunia keuangan,  China merupakan negara yang terdepan dalam mengembangkan teknologi ini. 

Melalui sistem pembayaran Alipay and WePay, penggunanya bisa melakukan transaksi pembayaran di restoran cepat saji dengan menggunakan wajah mereka. 

Baca juga: Kemendagri Kembangkan Data Kependudukan Berbasis Face Recognition

Namun bagaimana dengan pemanfaatan face recognition dalam dunia keuangan di Indonesia?

Saat ini di Indonesia, teknologi face recognition lebih banyak digunakan oleh kepolisian. 

Namun ada sebuah perusahaan Indonesia yang mengembangkan teknologi face recognition untuk dunia keuangan. 

Perusahaan ini bernama Nodeflux, mereka bergerak di bidang teknologi kecerdasan buatan (Artifical Intelegence/ AI), Face Recognition itu sendiri adalah bagian dari AI. 

"Selama ini kan kita kalau buka akun payment gateway atau rekening online itu kan biasanya, kita masukin foto KTP kita, foto wajah kita lalu kita selfie sama KTP kita. Biasanya proses untuk approve-nya itu kan berhari-hari, kenapa? karena yang nyeleksi satu-satu itu masih dilakukan manusia," ucap Group Product Manager Richard Dharmadi. 

Namun dengan menggunakan AI face recognition proses penyeleksian tersebut bisa diselesaikan dalam hitungan detik. 

"Kan banyak yang khawatir kalau data mereka bakal dipakai sama orang atau fotonya bocor, tapi sistem kami ini tidak menyimpan foto-foto tersebut, jadi setelah verifikasi, ya sudah, yang ada di sistem hanya angka kecocokan foto wajah dan foto wajah di ktp," kata Richard.

Adapun metode yang digunakan oleh Nodeflux berupa pembanding antara wajah input dengan wajah referensi yang terbagi menjadi dua jenis.

Metode pertama adalah 1:1 (one to one), yakni perbandingan satu gambar dengan satu gambar referensi.

Kemudian metode kedua adalah 1:N (one to many), yakni perbandingan satu input gambar dengan beragam gambar tambahan dari tiap sisi. 

"Namun untuk penyeleksiaan pengguna, kami menggunakan jenis one to one," ucap Richard.