API Estimasi Usia: Verifikasi Usia dengan Swafoto

Didit Estimasi Usia memprediksi usia seseorang dari swafoto, dilengkapi deteksi liveness pasif, sehingga Anda dapat membatasi layanan berdasarkan usia tanpa meminta dokumen identitas dari setiap pengguna. Model ini paling presisi pada rentang usia yang menjadi penentu akses: galat absolut rata-ratanya adalah 1.1 tahun untuk usia 16 dan 17 tahun dan 1.9 tahun untuk usia 18 hingga 20 tahun, serta mengklasifikasikan 96% swafoto secara tepat ke dalam kategori di bawah 18 tahun atau 18 tahun ke atas (lihat Performa model).

​

Metode Estimasi Usia

Platform kami menerapkan estimasi usia bersamaan dengan berbagai teknologi Deteksi Liveness:

Metode	Deskripsi	Tingkat Keamanan	Terbaik Untuk
3D Action & Flash	• Menggabungkan verifikasi biometrik multifaktor dengan urutan tindakan acak dan analisis pola cahaya dinamis. • Pada awalnya, pengguna diminta untuk melakukan tindakan sederhana—seperti berkedip atau mengangguk—memastikan interaksi waktu nyata. • Secara bersamaan, sistem memproyeksikan urutan pola cahaya ke wajah, menganalisis pantulan untuk mengonfirmasi struktur tiga dimensi wajah. • Algoritma pembelajaran mendalam memeriksa ekspresi mikro dan respons pantulan cahaya untuk memverifikasi keberadaan orang yang hidup. • Menawarkan keamanan tertinggi dengan mengintegrasikan petunjuk perilaku (tindakan) dan fisik (kedalaman berbasis cahaya), sehingga hampir mustahil untuk dipalsukan dengan gambar statis, video, atau bahkan topeng canggih.	Tertinggi	Perbankan, layanan kesehatan, aplikasi pemerintah
3D Flash	• Menggunakan analisis pola cahaya dinamis untuk memvalidasi topologi wajah tanpa memerlukan interaksi pengguna. • Memproyeksikan serangkaian pola cahaya ke wajah dengan kecepatan lebih dari 30 bingkai per detik, menganalisis pantulan untuk membuat peta kedalaman. • Peta kedalaman ini mengonfirmasi struktur tiga dimensi wajah, membedakannya dari gambar datar atau spoof 2D. • Memberikan pengalaman yang mulus sambil mempertahankan keamanan tinggi terhadap serangan presentasi seperti foto atau layar.	Tinggi	Layanan keuangan, akses akun, verifikasi identitas
Passive Liveness	• Mengandalkan analisis pembelajaran mendalam bingkai tunggal untuk mendeteksi tanda-tanda kehidupan. • Demi privasi, wajah pengguna tampak buram di antarmuka, meyakinkan mereka bahwa gambar mereka dianalisis hanya untuk estimasi usia, bukan untuk identifikasi. • Memeriksa gambar untuk menemukan artefak, pola tekstur, dan indikator halus lainnya yang membedakan wajah asli dari pemalsuan. • Jaringan saraf konvolusional (CNN) memvalidasi fitur wajah dan mengidentifikasi anomali, seperti yang berasal dari foto cetak atau layar digital. • Menawarkan verifikasi yang cepat dan praktis namun memberikan keamanan standar, cocok untuk kasus penggunaan berisiko rendah.	Standar	Skenario dengan friksi rendah, aplikasi konsumen

Setiap metode menghasilkan estimasi usia yang akurat beserta skor keyakinan dan data estimasi jenis kelamin pelengkap.

​

Ambang Batas yang Dapat Dikonfigurasi

Anda dapat menyesuaikan tingkat keamanan dengan mengatur ambang batas yang berbeda untuk estimasi usia. Sebagai contoh:

​

Pembatasan Usia Per Negara

Pembatasan usia dapat dikonfigurasi berdasarkan per negara, mencerminkan fakta bahwa usia dewasa menurut hukum berbeda-beda di setiap yurisdiksi. Alih-alih menetapkan satu usia minimum atau maksimum global, Anda dapat menentukan batas usia khusus untuk setiap negara — dan bahkan untuk masing-masing negara bagian atau wilayah di dalam suatu negara.

​

Cara Kerjanya

• Konfigurasi tingkat negara: Tetapkan usia minimum dan/atau maksimum untuk setiap negara (diidentifikasi berdasarkan wilayah penerbit dokumen). Misalnya, Anda mungkin mewajibkan usia minimum 18 tahun di Amerika Serikat, 19 tahun di Korea Selatan, dan 21 tahun di Uni Emirat Arab.
• Pengesampingan untuk negara bagian/wilayah: Untuk negara-negara dengan variasi subnasional (seperti Amerika Serikat atau Meksiko), Anda dapat mengonfigurasi pengesampingan untuk setiap negara bagian. Misalnya, Mississippi mungkin mewajibkan usia minimum 21 tahun sementara default AS adalah 18 tahun. Sistem mencocokkan negara bagian menggunakan wilayah yang diekstrak dari dokumen melalui OCR.
• Default usia dewasa menurut hukum: Konsol menyediakan tombol satu klik “Terapkan usia dewasa menurut hukum” yang secara otomatis mengisi usia minimum setiap negara berdasarkan usia dewasa menurut hukum yang berlaku di seluruh dunia. Anda kemudian dapat menyesuaikan masing-masing negara atau negara bagian sesuai kebutuhan.
• Tindakan yang dapat dikonfigurasi: Saat usia pengguna berada di bawah batas minimum atau melebihi batas maksimum untuk negara penerbit dokumen mereka, Anda dapat memilih tindakan yang akan diambil: Tolak atau Tinjau.

​

Contoh Konfigurasi

​

Cara kerja

​

Estimasi Usia Adaptif

Untuk skenario di mana verifikasi usia yang presisi bersifat krusial, platform kami menawarkan estimasi usia adaptif dengan fallback verifikasi identitas. Pendekatan ini memberikan keseimbangan antara kenyamanan pengguna dan kepatuhan terhadap regulasi.

​

Cara Kerja Estimasi Usia Adaptif

​

Yang dikembalikan oleh fallback

Pencocokan wajah fallback berjalan tanpa node Pencocokan Wajah dalam alur kerja, sehingga muncul dalam keputusan sesi dengan cara yang mudah disalahartikan sebagai pemeriksaan yang tidak pernah Anda konfigurasikan:

• features mencantumkan FACE_MATCH selain AGE_ESTIMATION dan ID_VERIFICATION setelah fallback dijalankan.
• face_matches[] memuat satu entri dengan score, source_image (potret dokumen), dan target_image (swafoto estimasi usia). node_id-nya adalah node estimasi usia (feature_age_estimation pada alur kerja bawaan) karena pencocokan tersebut termasuk dalam langkah tersebut, bukan langkah Pencocokan Wajah.
• Skor yang rendah memicu peringatan pencocokan wajah seperti biasa dan dapat mengarahkan sesi ke peninjauan atau penolakan, persis seperti yang dilakukan oleh node Pencocokan Wajah yang dikonfigurasi.
• Ini tidak ditagih sebagai Pencocokan Wajah: sesi hanya dikenakan biaya untuk estimasi usia dan untuk Verifikasi Identitas.

Sesi yang lolos atau gagal hanya berdasarkan swafoto tidak pernah menjalankan fallback, sehingga mengembalikan face_matches: null. Untuk mencegah gambar masuk ke payload keputusan, batasi kolom face_matches menggunakan atribut respons alur kerja.

​

Manfaat Estimasi Usia Adaptif

• Friksi Berkurang: Sebagian besar pengguna menyelesaikan verifikasi hanya dengan swafoto
• Kepatuhan Ditingkatkan: Kasus yang tidak pasti mendapatkan verifikasi dokumen menyeluruh dengan aturan usia spesifik per negara
• Efisiensi Biaya: Verifikasi Identitas hanya digunakan jika diperlukan
• Toleransi Risiko yang Dapat Disesuaikan: Sesuaikan ambang batas berdasarkan persyaratan regulasi Anda
• Memperhatikan Yurisdiksi: Menerapkan usia dewasa yang benar secara otomatis berdasarkan negara dan wilayah penerbit dokumen pengguna

Pendekatan ini sangat berharga untuk layanan dengan batasan usia seperti game online, pengiriman alkohol, dan platform konten dewasa, di mana menyeimbangkan pengalaman pengguna dengan kepatuhan regulasi sangatlah penting.

​

Jaminan usia (ISO/IEC 27566-1)

Alur kerja dapat menyatakan bahwa alur kerja tersebut mengikuti standar jaminan usia ISO/IEC 27566-1. Buat alur kerja dari templat konsol Estimasi Usia (ISO/IEC 27566-1) atau Verifikasi Usia (ISO/IEC 27566-1). Pernyataan ini dibuat saat alur kerja dibuat dan tidak dapat diubah setelahnya. Selama alur kerja menyatakan standar tersebut, Didit menguncinya pada jawaban ya atau tidak satu kali terkait usia. Pengaturan yang terkunci berlaku untuk setiap penyimpanan, baik di konsol maupun melalui API:

• Anda menerima keputusan usia dan tidak ada hal lain. Atribut respons dikunci, sehingga keputusan tidak membawa data pribadi.
• 13 adalah batas usia minimum terendah di setiap negara, dalam setiap penimpaan regional, dan dalam ambang batas estimasi usia adaptif. Nilai yang lebih rendah akan ditolak.
• Tidak ada pengenalan lintas sesi. Pemeriksaan dokumen duplikat dan wajah duplikat dinonaktifkan, dan tidak ada templat biometrik yang disimpan.
• Pengambilan terbatas. Dokumen hanya diambil menggunakan kamera, tanpa pengunggahan berkas, tanpa pengambilan swafoto tersembunyi saat dokumen difoto, dan tanpa perekaman audio.
• Tidak ada pemeriksaan data tambahan. Perbandingan detail yang diharapkan dan langkah peninjauan data dinonaktifkan, dan Verifikasi Identitas hanya membaca dokumen, tanpa pencarian database atau dompet ID digital.
• Ambang batas wajib diisi. Alur kerja tanpa ambang batas usia ditolak saat disimpan, sehingga tidak akan pernah menyetujui semua orang secara default.

​

Performa dan Statistik Model

Angka-angka di bawah ini menjelaskan model usia di lingkungan produksi sejak 4 November 2026. Angka-angka tersebut berasal dari set evaluasi terkunci miliknya: 2,399 swafoto dari orang-orang berusia 13 tahun ke atas, yang disisihkan sebelum pelatihan, dengan usia setiap orang diambil dari dokumen identitas terverifikasi mereka. Tidak ada model yang dilatih menggunakan swafoto ini atau berdasarkan orang-orang ini. Angka keseluruhan berlaku untuk campuran evaluasi sebesar 10% berusia di bawah 18 tahun, dengan distribusi usia orang dewasa yang sama seperti pada lalu lintas langsung; masing-masing rentang usia dilaporkan tersendiri di bawah ini.

​

Metrik Akurasi

Metrik	Nilai	Deskripsi
Kesalahan Absolut Rata-rata (MAE)	2.6 tahun	Perbedaan rata-rata antara usia perkiraan dan usia yang tercantum pada dokumen
Standar Deviasi	2.3 tahun	Seberapa besar variasi kesalahan dari satu estimasi ke estimasi lainnya
Benar pada ambang batas 18 tahun	96.0%	Swafoto yang diklasifikasikan dengan benar sebagai di bawah 18 tahun atau 18 tahun ke atas, tanpa rentang cadangan; setidaknya 95.3% dengan tingkat keyakinan 95%

​

Performa di Berbagai Rentang Usia

Kesalahan paling kecil terjadi di sekitar usia yang menjadi dasar keputusan pembatasan usia, dan meningkat seiring bertambahnya usia.

Rentang usia	MAE (tahun)	Standar deviasi (tahun)
13-15	1.70	1.17
16-17	1.14	1.37
18-20	1.86	1.74
21-25	2.21	1.78
26-40	2.77	2.20
41-60	3.03	2.62
Di atas 60	4.33	3.64