Aplikasi Absensi Face Recognition: Cara Kerja dan Batasannya

Aplikasi absensi face recognition adalah sistem yang mengenali wajah karyawan secara otomatis dan mencocokkannya dengan data wajah yang sudah didaftarkan sebelumnya, lalu memutuskan sendiri apakah orang di depan kamera itu benar karyawan yang bersangkutan. Terdengar mirip dengan aplikasi absensi wajah berbasis selfie yang banyak dipakai UMKM, dan di sinilah kebingungan bermula. Keduanya sama-sama memakai kamera ponsel, sama-sama menampilkan wajah di layar, tetapi cara kerja dan konsekuensi hukumnya berbeda jauh. Artikel ini membedah apa yang sebenarnya terjadi di balik layar, apa saja batasannya, dan kapan teknologi ini layak Anda pakai.

Bedanya dengan absensi selfie biasa

Ini pembeda paling penting dan paling sering salah dipahami. Pada absensi selfie, aplikasi hanya memotret dan menyimpan gambarnya sebagai bukti. Sistem tidak tahu itu wajah siapa. Yang menilai adalah manusia, biasanya pemilik atau admin, saat membuka rekap di akhir periode. Kalau tidak ada yang membuka rekap itu, foto tersebut tetap berguna, tetapi fungsinya bergeser menjadi efek jera. Karyawan tahu wajahnya terekam, jadi ia berpikir dua kali sebelum menitipkan absen.

Pada face recognition, keputusan diambil mesin. Wajah yang tertangkap kamera diubah menjadi angka, lalu dibandingkan dengan angka yang sudah tersimpan saat pendaftaran. Kalau kemiripan melewati ambang tertentu, absen diterima. Kalau tidak, absen ditolak di tempat, tanpa menunggu manusia memeriksa. Perbedaan ini terlihat sepele, padahal menentukan apa yang sebenarnya Anda simpan di server, siapa yang bertanggung jawab kalau salah, dan aturan mana yang berlaku.

Cara kerja face recognition secara sederhana

Anda tidak perlu paham matematikanya untuk mengambil keputusan bisnis yang benar, tetapi empat tahap ini sebaiknya Anda kenali. Tanpa gambaran ini, Anda mudah percaya pada angka akurasi yang dilempar tenaga penjual.

Pertama, pendaftaran atau enrollment. Karyawan memotret wajahnya beberapa kali dari sudut berbeda. Ini semacam pembuatan kartu identitas digital. Kualitas tahap ini menentukan seluruh sisanya. Kalau foto pendaftaran diambil di ruangan gelap, sistem akan rewel selamanya.

Kedua, ekstraksi fitur. Sistem tidak menyimpan foto Anda lalu membandingkannya seperti manusia membandingkan dua gambar. Yang dilakukan adalah mengubah wajah menjadi deretan angka yang mewakili ciri geometrisnya, misalnya jarak antar mata, bentuk rahang, atau kontur hidung. Deretan angka inilah yang disebut template biometrik.

Ketiga, pencocokan. Saat karyawan absen, wajahnya diubah lagi menjadi angka dengan cara yang sama, lalu dibandingkan dengan template yang tersimpan. Hasilnya bukan jawaban ya atau tidak, melainkan skor kemiripan. Wajah yang sama pun tidak pernah menghasilkan angka yang persis identik, karena cahaya, sudut, dan ekspresi selalu berubah.

Keempat, ambang kemiripan. Di sinilah pemilik sistem menentukan garis. Kalau skor di atas ambang, dianggap cocok. Ambang ini bukan setelan netral, melainkan pertukaran yang harus dipilih. Ambang longgar membuat karyawan jarang ditolak, tetapi memperbesar peluang orang lain diterima sebagai Anda. Ambang ketat membuat penyusup sulit lolos, tetapi karyawan asli jadi sering gagal absen dan mengeluh.

Dua jenis kesalahan itu punya nama resmi. Menerima orang yang salah disebut false accept atau false match. Menolak orang yang benar disebut false reject atau false non-match. NIST, lembaga standar Amerika Serikat, menguji algoritma pengenalan wajah persis dengan dua ukuran ini dalam program Face Recognition Technology Evaluation. Yang perlu Anda catat, keduanya bergerak berlawanan. Menekan satu berarti menaikkan yang lain. Tidak ada setelan yang membuat dua-duanya nol.

Batasan yang jarang diceritakan vendor

Kami perlu jujur di bagian ini, karena inilah yang membuat banyak UMKM kecewa setelah membeli. Face recognition bekerja baik pada kondisi ideal, dan tempat kerja jarang ideal.

Cahaya adalah musuh utama. Absen pagi di depan pintu dengan matahari menyorot dari belakang membuat wajah menjadi siluet, dan sistem kehilangan hampir semua ciri yang ia butuhkan. Masker menutup hidung, mulut, dan rahang sekaligus, artinya sebagian besar penanda hilang dan yang tersisa hanya area mata. Kacamata, apalagi yang memantulkan cahaya, menambah kesulitan. Perubahan wajah karena berat badan, jenggot yang tumbuh, atau usia membuat template lama makin tidak cocok dari waktu ke waktu, jadi pendaftaran ulang berkala itu pekerjaan yang nyata, bukan sekali selesai.

Ada pula kasus yang mustahil diselesaikan teknologi mana pun secara tuntas. Saudara kembar identik punya ciri wajah yang sangat mirip, dan sebagian sistem memang bisa tertukar. Ini jarang, tetapi bukan mitos. Yang tidak jarang adalah hal berikutnya: akurasi tidak sama rata untuk semua orang. NIST secara khusus mengukur perbedaan hasil antar kelompok demografis dalam evaluasinya, dan temuan itu penting bagi Anda karena artinya sebagian karyawan bisa lebih sering ditolak daripada yang lain tanpa melakukan kesalahan apa pun. Kalau itu terjadi di tim Anda, yang muncul bukan sekadar masalah teknis, melainkan rasa tidak adil.

Baris terakhir tabel itu layak dibahas sendiri. Tanpa liveness detection, sistem pengenalan wajah hanya membaca pola dan tidak peduli pola itu berasal dari manusia hidup atau dari layar ponsel yang menampilkan foto Anda. Jadi absensi wajah tanpa deteksi kehidupan bisa dikalahkan dengan cara yang memalukan sederhananya: cukup arahkan kamera ke foto rekan kerja. Industri sadar soal ini. Android, misalnya, menggolongkan kekuatan biometrik berjenjang, dan kelas tertinggi yang mereka sebut Class 3 atau Strong menuntut ketahanan terhadap upaya penipuan seperti itu, bukan sekadar bisa mengenali wajah. Artinya, tidak semua yang disebut face recognition setara.

Data wajah adalah data pribadi spesifik

Bagian ini yang paling sering dilewati saat pengambilan keputusan, padahal dampaknya paling panjang. Begitu Anda menyalakan face recognition, Anda berhenti sekadar menyimpan foto. Anda mulai menyimpan ciri biometrik karyawan, dan status hukumnya berbeda.

UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menggolongkan data biometrik sebagai data pribadi yang bersifat spesifik. Penggolongan itu bukan sekadar label. Konsekuensinya, pemrosesan data semacam ini menuntut persetujuan dari karyawan sebagai pemilik data, disertai kejelasan untuk apa data dipakai, serta penanganan yang lebih berhati-hati dibanding data biasa seperti nama atau nomor telepon. Sebagai pemberi kerja, Anda menjadi pihak yang bertanggung jawab atas data itu.

Namun ada satu hal yang menurut kami lebih menentukan daripada urusan kepatuhan, dan jarang disampaikan. Kata sandi yang bocor bisa diganti dalam sepuluh detik. Nomor telepon yang bocor bisa diganti dengan kartu baru. Wajah tidak. Kalau template biometrik karyawan Anda bocor, karyawan tersebut menanggungnya seumur hidup, dan Anda tidak punya tombol reset untuk menebusnya. Itu bukan risiko yang selesai dengan permintaan maaf.

Yang sering kami temui di lapangan, pemilik usaha memilih face recognition karena terdengar canggih, lalu tidak pernah menanyakan satu pun dari empat pertanyaan itu. Data karyawan akhirnya menumpuk di server pihak ketiga yang tidak pernah mereka periksa, demi menyelesaikan masalah yang sebetulnya bisa selesai dengan cara lebih murah.

Kapan layak, kapan berlebihan untuk UMKM

Sekarang bagian praktisnya. Face recognition bukan teknologi buruk. Ia hanya sering dipasang di tempat yang tidak membutuhkannya.

Teknologi ini masuk akal saat jumlah karyawan sudah besar sehingga tidak ada manusia yang sempat memeriksa foto satu per satu. Ia juga masuk akal saat perputaran karyawan tinggi dan admin tidak hafal wajah orang baru, saat shift bergantian sepanjang hari di banyak titik, atau saat sifat pekerjaan memang menuntut kendali akses ketat, misalnya area dengan barang bernilai tinggi. Pada situasi seperti itu, biaya memeriksa manual lebih besar daripada beban mengelola data biometrik.

Sebaliknya, ia berlebihan kalau tim Anda sepuluh sampai dua puluh orang yang saling kenal wajah, semua bekerja di satu lokasi, dan pemilik masih hadir setiap hari. Di situasi ini Anda menambah kewajiban hukum, menambah titik kegagalan baru, dan menambah biaya, untuk menutup celah yang sudah tertutup oleh kenyataan bahwa semua orang saling melihat.

Izinkan kami menyampaikan pendapat yang mungkin tidak populer. Titip absen jarang murni masalah teknologi. Ia biasanya masalah kebiasaan dan aturan yang tidak jelas. Kami pernah melihat perusahaan mengganti sistem absensi tiga kali dan masalahnya tetap ada, karena yang tidak pernah diperbaiki adalah kejelasan konsekuensi dan konsistensi penegakannya. Sistem yang paling canggih pun tidak bisa menutup kebocoran yang sumbernya adalah tidak adanya tindakan saat pelanggaran ketahuan. Kalau atasan membiarkan, karyawan akan menemukan celah, secanggih apa pun kameranya. Selain itu, tidak ada sistem absensi yang seratus persen anti curang, termasuk face recognition. Yang bisa dilakukan teknologi hanyalah mempersulit dan menimbulkan efek jera.

Alternatif yang lebih sederhana

Kalau tujuan Anda adalah memastikan orang yang absen benar-benar hadir di tempat kerja, ada jalan yang lebih ringan sebelum melompat ke biometrik. Kombinasi foto selfie dan verifikasi titik lokasi menutup dua pertanyaan sekaligus: siapa yang absen dan di mana ia absen. Foto membuat orang enggan menitipkan absen karena wajahnya terekam dan bisa diperiksa kapan saja. Titik GPS memastikan absen tidak dilakukan dari kasur di rumah. Pendekatan ini kami bahas lebih rinci di artikel tentang absensi selfie dan GPS untuk menekan titip absen, termasuk cara kerja pembatasan area lewat geofence.

Kami perlu menyatakan ini terang-terangan supaya tidak ada salah paham. Absenia tidak punya fitur face recognition. Yang kami jalankan adalah aplikasi kamera absensi berbasis selfie yang dipadukan dengan verifikasi lokasi, bukan pencocokan wajah biometrik otomatis. Foto menjadi bukti kehadiran, dan efek jeranya datang dari kenyataan bahwa wajah itu terekam dan tercatat lokasinya. Kami memilih jalan ini secara sadar, karena untuk sebagian besar UMKM pendekatan ini sudah cukup menimbulkan efek jera tanpa memaksa Anda menyimpan data biometrik yang tidak bisa diganti bila bocor.

Selain absensi selfie dan GPS, yang sudah berjalan di Absenia hari ini adalah pengajuan cuti dan izin beserta persetujuannya, pengaturan shift, data karyawan, rekap kehadiran, serta laporan yang bisa diekspor. Fitur payroll, slip gaji, hitung PPh 21, dan BPJS masih dalam pengembangan dan akan hadir menyusul, jadi untuk sekarang data kehadiran yang rapi itulah yang kami siapkan sebagai bahan perhitungan gaji Anda. Anda bisa melihat cara kerjanya di halaman absensi online, atau memulai dari aplikasi di ponsel Android karyawan tanpa perlu memasang perangkat apa pun di kantor.

Bagaimana kalau Anda tetap merasa butuh perangkat fisik? Mesin sidik jari masih relevan untuk sebagian tempat, terutama yang seluruh karyawannya masuk lewat satu pintu dan tidak pernah bekerja di luar. Perbandingan jujurnya, termasuk kelemahan masing-masing, kami tulis di artikel absensi fingerprint dibanding absensi online. Intinya, pilih yang paling sesuai dengan cara tim Anda benar-benar bekerja, bukan yang paling banyak fiturnya.

Soal biaya, kami juga tidak ingin membesar-besarkan. Absenia bukan yang termurah di pasar. Kerjoo membuka paket Basic di sekitar Rp 7.800 per karyawan per bulan, lebih murah dari paket Absensi kami yang Rp 9.000 per karyawan per bulan. Yang bisa kami tawarkan dengan jujur adalah free tier yang longgar, yaitu gratis Rp 0 selamanya untuk tim di bawah 10 karyawan, serta harga yang transparan tanpa biaya implementasi. Paket Lengkap Rp 19.000 per karyawan per bulan yang mencakup payroll akan menyusul. Rinciannya ada di halaman harga, dan kalau tim Anda masih kecil, pilihan aplikasi absensi gratis untuk UMKM layak dicoba lebih dulu sebelum Anda mengeluarkan uang untuk teknologi yang mungkin belum Anda butuhkan.

Pertanyaan yang sering ditanyakan

Apa bedanya aplikasi absensi face recognition dan absensi selfie biasa?

Face recognition mencocokkan wajah secara otomatis dengan template biometrik yang sudah tersimpan, lalu sistem sendiri yang memutuskan cocok atau tidak. Absensi selfie hanya menyimpan foto sebagai bukti kehadiran, dan yang menilai wajah itu benar atau tidak adalah manusia saat rekap, atau tidak dinilai sama sekali sehingga fungsinya sebatas efek jera. Keduanya sama-sama memakai kamera, jadi sering dikira sama, padahal kewajiban hukum dan risikonya berbeda jauh.

Apakah aplikasi absensi face recognition bisa ditipu pakai foto?

Bisa, kalau sistemnya tidak punya liveness detection atau deteksi kehidupan. Tanpa lapisan itu, sistem hanya melihat pola wajah dan tidak peduli polanya datang dari orang asli atau dari foto, video, atau layar ponsel lain. Karena itu, saat menimbang vendor, tanyakan secara spesifik apakah ada liveness detection dan bagaimana cara mengujinya, jangan berhenti pada klaim akurasi tinggi.

Apakah Absenia punya fitur face recognition?

Tidak. Absenia memakai absensi selfie yang dipadukan dengan verifikasi lokasi GPS, bukan pencocokan wajah biometrik otomatis. Foto berfungsi sebagai bukti kehadiran dan sebagai efek jera, sementara titik lokasi memastikan absen dilakukan di tempat yang seharusnya. Kami memilih pendekatan ini karena untuk mayoritas UMKM sudah cukup, tanpa menambah beban penyimpanan data biometrik.

Apakah menyimpan data wajah karyawan boleh secara hukum di Indonesia?

Boleh, tetapi ada kewajibannya. UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menggolongkan data biometrik sebagai data pribadi yang bersifat spesifik, sehingga pemrosesannya menuntut persetujuan dan penanganan yang lebih hati-hati daripada data biasa. Yang perlu Anda sadari, data wajah tidak bisa diganti kalau bocor, berbeda dengan kata sandi yang tinggal direset.

Apakah absensi face recognition akurat kalau karyawan pakai masker atau kacamata?

Akurasinya turun, seberapa besar tergantung sistemnya. Masker menutup separuh wajah sehingga bagian yang bisa dibaca tinggal sedikit, sementara kacamata, perubahan berat badan, jenggot, atau cahaya yang buruk juga memengaruhi hasil pencocokan. NIST menguji akurasi algoritma wajah dengan dua ukuran, yaitu kesalahan menolak orang yang benar dan kesalahan menerima orang yang salah, dan hasilnya berbeda-beda antar algoritma serta antar kelompok demografis.

Apakah UMKM kecil perlu aplikasi absensi face recognition?

Sering kali tidak. Kalau tim Anda di bawah 20 orang dan saling kenal wajah, foto selfie plus titik GPS sudah menutup hampir semua celah titip absen. Face recognition lebih masuk akal saat jumlah karyawan besar, perputaran orang tinggi, atau shift bergantian sehingga tidak ada yang sempat memeriksa foto satu per satu. Perlu diingat, tidak ada sistem absensi yang seratus persen anti curang.