API Skrining AML: Sanksi & PEP

Didit Skrining AML memeriksa seseorang secara real-time terhadap 1,300+ sumber sanksi global, PEP, dan daftar pantauan serta media negatif, lalu mengembalikan setiap kecocokan potensial dengan dua skor: skor kecocokan untuk mengetahui seberapa besar kemungkinan kecocokan tersebut adalah orang yang sama, dan skor risiko untuk mengetahui seberapa berisiko entitas yang terdaftar tersebut. Pelajaran Academy tentang membaca hasil verifikasi membahas skrining AML pada menit 8:40: sanksi, PEP, dan media negatif pada sesi langsung.

Tabel sumber daftar pantauan skrining AML Didit termasuk daftar sanksi OFAC, Uni Eropa, PBB, dan daftar PEP

Konsep Kunci: Skor Kecocokan vs Skor Risiko

Didit menggunakan sistem dua skor untuk skrining AML:

Skor Kecocokan (Keyakinan Identitas)

Pertanyaan: Apakah kecocokan ini adalah orang yang sama dengan orang yang sedang kita skrining?
Faktor: Kesamaan nama, Tanggal Lahir, Negara/Kewarganegaraan, Nomor Dokumen
Tujuan: Mengklasifikasikan kecocokan sebagai Positif Palsu atau Belum ditinjau (Kecocokan yang Mungkin)
Ambang batas: Ambang Batas Skor Kecocokan (bawaan: 93)

Skor Risiko (Tingkat Risiko Entitas)

Pertanyaan: Seberapa berisiko entitas ini jika kecocokan tersebut benar?
Faktor: Risiko negara, Kategori (PEP/Sanksi/dll.), Catatan kriminal
Tujuan: Menentukan status AML akhir (Disetujui/Dalam Peninjauan/Ditolak)
Ambang batas: Ambang Batas Persetujuan (bawaan: 80) dan Ambang Batas Peninjauan (bawaan: 100)

┌─────────────────────────────────────────────────────────────────────────────┐
│                           AML SCREENING FLOW                                │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  STEP 1: Screen against watchlists                                          │
│     └── Returns potential matches (match score ≥ 75% included)              │
│                                                                             │
│  STEP 2: For each match, calculate MATCH SCORE                              │
│     └── Match Score = (Name × W1) + (DOB × W2) + (Country × W3)             │
│                                                                             │
│  STEP 3: Classify match by match score                                      │
│     ├── Match Score < 93 → FALSE POSITIVE (excluded from risk)              │
│     └── Match Score ≥ 93 → UNREVIEWED (included in risk)                    │
│                                                                             │
│  STEP 4: For unreviewed matches, calculate RISK SCORE                       │
│     └── Risk Score = (Country × 30%) + (Category × 50%) + (Criminal × 20%)  │
│                                                                             │
│  STEP 5: Determine AML STATUS (highest risk score among non-FP matches)     │
│     ├── Risk Score < 86 → APPROVED                                          │
│     ├── 86 ≤ Risk Score ≤ 100 → IN REVIEW                                   │
│     └── Risk Score > 100 → DECLINED                                         │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘

Status Peninjauan Kecocokan

Setiap kecocokan AML diberi status peninjauan berdasarkan skor kecocokannya:

Status	Deskripsi	Kapan Ditetapkan
Positif Palsu	Kecocokan kemungkinan BUKAN orang yang sama	Skor kecocokan < ambang batas (otomatis)
Belum ditinjau	Kecocokan adalah kecocokan potensial yang perlu ditinjau	Skor kecocokan ≥ ambang batas (otomatis)
Kecocokan Dikonfirmasi	Kecocokan telah diverifikasi sebagai orang yang sama	Diatur secara manual oleh petugas kepatuhan
Tidak konklusif	Tidak dapat menentukan apakah kecocokan adalah orang yang sama	Diatur secara manual oleh petugas kepatuhan

Tips: Anda dapat mengubah status peninjauan kecocokan di Console dengan melihat ikhtisar AML atau mengklik kecocokan tertentu untuk melihat detailnya.

Fitur Utama

1. Ekstraksi Data Komprehensif

Ekstraksi Akurat: Ekstrak data dari informasi yang diberikan pengguna atau dokumen identitas menggunakan teknologi OCR canggih.
Logika Fuzzy: Memperhitungkan variasi nama dan salah eja untuk memastikan pengambilan data yang komprehensif.

2. Cakupan Daftar Pantauan yang Luas

Lakukan skrining terhadap beberapa kategori termasuk:

Daftar Sanksi: Dari badan pemerintah dan internasional.
Politically Exposed Person (PEP): Individu yang memegang jabatan publik penting.
Catatan Kriminal: Termasuk database kriminal global dan lokal.
Pemberitaan Media Negatif: Artikel berita dan laporan tentang kejahatan keuangan dan risiko lainnya.
Daftar Pantauan Kustom: Dapat dikonfigurasi berdasarkan kebutuhan spesifik klien.

3. Algoritma Pencocokan Canggih

Pencocokan Fuzzy: Menangkap variasi kecil pada nama atau detail untuk memastikan pencocokan yang akurat.
Banyak Titik Data: Menggunakan nama, tanggal lahir, kewarganegaraan, dan pengenal lainnya untuk skrining menyeluruh.
Logika Golden Key: Pencocokan nomor dokumen yang dapat menimpa skor untuk identifikasi definitif.

4. Penilaian Risiko Dua Skor

Setiap kecocokan menerima DUA skor:

Skor	Tujuan	Klasifikasi
Skor Kecocokan (0-100)	Apakah ini orang yang sama?	Positif Palsu vs Belum ditinjau
Skor Risiko (0-100)	Seberapa berisiko entitas ini?	Menentukan status AML akhir

Status Tinjauan Kecocokan (berdasarkan Skor Kecocokan):

Positif Palsu: Skor kecocokan di bawah ambang batas - kemungkinan besar BUKAN orang yang sama
Belum ditinjau: Skor kecocokan pada atau di atas ambang batas - memerlukan peninjauan

Status AML Akhir (berdasarkan Skor Risiko tertinggi di antara kecocokan non-positif palsu):

Disetujui: Semua kecocokan yang belum ditinjau memiliki skor risiko rendah
Dalam Peninjauan: Setidaknya satu kecocokan yang belum ditinjau memiliki skor risiko menengah-tinggi
Ditolak: Setidaknya satu kecocokan yang belum ditinjau memiliki skor risiko sangat tinggi

5. Skrining Media Negatif Terperinci

Lakukan skrining terhadap berbagai kategori media negatif, termasuk:

Kejahatan Keuangan: Pencucian uang, penggelapan, dan lainnya.
Kejahatan Kekerasan: Penyerangan, pembunuhan, dan pelanggaran terkait.
Terorisme: Keterlibatan dalam atau dukungan terhadap aktivitas teroris.
Narkotika: Perdagangan narkoba dan kejahatan terkait.
Penipuan: Berbagai jenis penipuan dan praktik curang.
Pelanggaran Regulasi: Pelanggaran terhadap persyaratan kepatuhan regulasi.

6. Parameter Skrining yang Dapat Disesuaikan

Sensitivitas yang Dapat Disesuaikan: Konfigurasikan sensitivitas skrining berdasarkan selera risiko organisasi Anda.
Daftar Pantauan yang Dapat Disesuaikan: Pilih daftar pantauan dan kategori mana yang akan disertakan dalam proses skrining untuk memenuhi persyaratan spesifik.

Ambang Batas yang Dapat Dikonfigurasi

Anda dapat menyesuaikan tingkat keamanan dengan menetapkan ambang batas yang berbeda: Konfigurasi Skor Kecocokan:

Pengaturan	Bawaan	Deskripsi
Ambang Batas Skor Kecocokan	93	Kecocokan di bawah ini adalah Positif Palsu, pada atau di atasnya adalah Belum ditinjau
Bobot Nama	60	Bobot untuk nama dalam skor kecocokan
Bobot Tanggal Lahir	25	Bobot untuk tanggal lahir dalam skor kecocokan
Bobot Negara	15	Bobot untuk negara dalam skor kecocokan

Ambang Batas Skor Risiko (Status Akhir):

Pengaturan	Bawaan	Deskripsi
Ambang Batas Persetujuan	80	Skor risiko di bawah = Disetujui
Ambang Batas Peninjauan	100	Skor risiko di atas = Ditolak; di antaranya = Dalam Peninjauan

Ambang batas skor risiko AML Didit untuk status Disetujui, Dalam Peninjauan, dan Ditolak

Ambang batas ini dapat disesuaikan berdasarkan toleransi risiko dan persyaratan keamanan Anda.

Cara Kerja

Proses Skrining AML kami secara efisien mengidentifikasi potensi risiko sekaligus meminimalkan keterlambatan bagi pengguna yang sah.

Ekstraksi Data

Sistem mengekstrak informasi yang relevan baik dari data yang diberikan pengguna maupun dari dokumen identitas yang diunggah.

Masukan	Metode
Dokumen identitas	Teknologi OCR canggih untuk ekstraksi data yang akurat
Data yang diberikan pengguna	Input langsung (nama, tanggal lahir, kewarganegaraan, nomor dokumen)
Logika fuzzy	Memperhitungkan variasi nama dan kesalahan ejaan

Skrining Daftar Pantauan

Data yang diekstrak dicocokkan silang dengan 1,300+ daftar pantauan global dan database secara waktu nyata:

Daftar Sanksi — Lembaga pemerintah dan internasional (OFAC, UE, PBB, dll.)
Politically Exposed Person (PEP) — Individu dengan fungsi publik terkemuka
Catatan Kriminal — Database kriminal global dan lokal
Media Negatif — Artikel berita dan laporan mengenai kejahatan keuangan
Daftar Pantauan Kustom — Dapat dikonfigurasi berdasarkan kebutuhan Anda

Perhitungan Skor Kecocokan

Untuk setiap potensi kecocokan, sistem menghitung skor keyakinan identitas — seberapa besar kemungkinan bahwa itu adalah orang yang sama.

Faktor	Bobot Bawaan	Deskripsi
Kemiripan nama	60%	Pencocokan fuzzy yang memperhitungkan variasi
Tanggal Lahir	25%	Perbandingan tanggal lahir persis atau sebagian
Negara/Kewarganegaraan	15%	Perbandingan negara asal

Skor Kecocokan di bawah ambang batas (bawaan: 93) → diklasifikasikan sebagai Positif Palsu
Skor Kecocokan pada atau di atas ambang batas → diklasifikasikan sebagai Belum Ditinjau (kemungkinan cocok)
Golden Key: Kecocokan nomor dokumen dapat menetapkan skor menjadi 100% untuk identifikasi definitif

Perhitungan Skor Risiko

Untuk kecocokan yang bukan positif palsu, sistem menghitung tingkat risiko entitas:

Faktor	Bobot	Deskripsi
Kategori	50%	Tingkat PEP, jenis sanksi, tingkat keparahan kriminal
Risiko negara	30%	Peringkat risiko dari negara terkait
Catatan Kriminal	20%	Adanya dan tingkat keparahan riwayat kriminal

Penentuan Status Akhir

Berdasarkan skor risiko tertinggi di antara semua kecocokan yang bukan positif palsu:

Skor Risiko	Status	Tindakan
Di bawah ambang batas persetujuan	Disetujui	Lolos otomatis, tidak ada risiko yang kredibel
Di antara kedua ambang batas	Dalam Peninjauan	Ditandai untuk peninjauan kepatuhan manual
Di atas ambang batas peninjauan	Ditolak	Risiko tinggi, penolakan otomatis

Jika semua kecocokan adalah positif palsu, hasilnya adalah Disetujui (tidak ditemukan kecocokan yang kredibel).

Pembuatan Hasil

Laporan mendetail dibuat dengan transparansi penuh:

Skor kecocokan dan skor risiko dari masing-masing kecocokan beserta rinciannya
Klasifikasi kecocokan (Positif Palsu vs. Belum Ditinjau vs. Dikonfirmasi)
Database sumber dan detail kategori untuk setiap temuan
Hasil dikirimkan melalui respons API, webhook, atau Business Console
Pengambilan keputusan otomatis berdasarkan ambang batas skor risiko yang Anda konfigurasikan

Referensi Data Temuan AML

Setiap temuan AML yang dikembalikan dalam respons API berisi informasi mendalam tentang entitas yang cocok. Berikut adalah kolom-kolom utama dan nilai yang mungkin.

Kategori Dataset

Kolom datasets pada setiap temuan menunjukkan kategori database kepatuhan tempat entitas tersebut ditemukan. Nilai yang memungkinkan:

Nilai	Deskripsi
`PEP`	Politically Exposed Person (PEP) (umum)
`PEP Level 1`	Kepala negara, politisi senior, hakim mahkamah agung
`PEP Level 2`	Anggota parlemen, duta besar, pemimpin militer
`PEP Level 3`	Pejabat pemerintah daerah, pegawai negeri sipil tingkat menengah
`PEP Level 4`	RCA (Relatives and Close Associates / Kerabat dan Kolega Dekat) dari individu PEP
`Sanctions`	Daftar sanksi internasional dan nasional (OFAC, Uni Eropa, PBB, dll.)
`Adverse Media`	Artikel dan laporan media negatif terkait kejahatan finansial
`Warnings and Regulatory Enforcement`	Peringatan regulator, tindakan penegakan hukum, dan alert kepatuhan
`Fitness and Probity`	Registri kelayakan dan kepatutan dari regulator keuangan
`SIP`	Daftar Orang Berkepentingan Khusus
`SIE`	Daftar Entitas Berkepentingan Khusus
`Insolvency`	Registri insolvensi dan kebangkrutan

Kecocokan Sanksi

Array sanction_matches berisi rincian untuk setiap daftar sanksi tempat entitas ditemukan. Kolom utama:

Kolom	Tipe	Deskripsi
`list_name`	`string[]`	Nama-nama daftar sanksi
`matched_name`	`string`	Nama sebagaimana yang tertera pada daftar sanksi
`description`	`string`	Deskripsi entri sanksi
`reason`	`string`	Alasan teks bebas mengapa entitas tersebut dijatuhi sanksi. Ini bukan enum — nilai berasal langsung dari otoritas pemberi sanksi dan menjelaskan dasar spesifik pencantuman (misalnya, “Executive Order 13224 (Terrorism)”, “Support for actions undermining Ukraine’s sovereignty”).
`legal_basis`	`string[]`	Dasar hukum sanksi
`sanction_program`	`string[]`	Program-program sanksi tempat entitas dicantumkan
`sanctioning_authority`	`string[]`	Otoritas yang memberlakukan sanksi
`listed_on`	`string[]`	Tanggal ketika entitas dicantumkan
`source_url`	`string`	URL ke sumber

Kecocokan Peringatan

Array warning_matches berisi rincian untuk kecocokan dari peringatan, penegakan regulasi, dan daftar terkait. Kolom additional_data dapat menyertakan array data.case_details dengan informasi kasus terstruktur.

Tipe Kasus Peringatan

Kolom case_type di dalam additional_data.data.case_details[] menjelaskan sifat kasus peringatan tersebut. Nilai yang diketahui:

Nilai	Deskripsi
`Accusation`	Tuduhan atau dakwaan resmi
`Arrest`	Catatan penangkapan
`Bribery`	Kasus terkait penyuapan
`Criminal`	Kasus pidana umum
`Fraud`	Kasus terkait penipuan
`Illegal Fundraising`	Aktivitas penggalangan dana ilegal
`Non-conviction Terror`	Pencantuman terkait terorisme tanpa vonis hukum
`Proclaimed Offender`	Pelaku yang dinyatakan secara resmi
`Regulatory Enforcement`	Tindakan penegakan regulasi
`Terrorism`	Kasus terkait terorisme
`Terrorism-related`	Terkait dengan aktivitas terorisme
`Terrorism-related listing`	Dicantumkan sehubungan dengan terorisme

Autentikasi

Verifikasi

Pemantauan

Platform

API Skrining AML: Sanksi & PEP

Konsep Kunci: Skor Kecocokan vs Skor Risiko

Skor Kecocokan (Keyakinan Identitas)

Skor Risiko (Tingkat Risiko Entitas)

Status Peninjauan Kecocokan

Tips: Anda dapat mengubah status peninjauan kecocokan di Console dengan melihat ikhtisar AML atau mengklik kecocokan tertentu untuk melihat detailnya.

Fitur Utama

1. Ekstraksi Data Komprehensif

2. Cakupan Daftar Pantauan yang Luas

3. Algoritma Pencocokan Canggih

4. Penilaian Risiko Dua Skor

5. Skrining Media Negatif Terperinci

6. Parameter Skrining yang Dapat Disesuaikan

Ambang Batas yang Dapat Dikonfigurasi

Cara Kerja

Referensi Data Temuan AML

Kategori Dataset

Kecocokan Sanksi

Kecocokan Peringatan

Tipe Kasus Peringatan

​Konsep Kunci: Skor Kecocokan vs Skor Risiko

​Skor Kecocokan (Keyakinan Identitas)

​Skor Risiko (Tingkat Risiko Entitas)

​Status Peninjauan Kecocokan

​Tips: Anda dapat mengubah status peninjauan kecocokan di Console dengan melihat ikhtisar AML atau mengklik kecocokan tertentu untuk melihat detailnya.

​Fitur Utama

​1. Ekstraksi Data Komprehensif

​2. Cakupan Daftar Pantauan yang Luas

​3. Algoritma Pencocokan Canggih

​4. Penilaian Risiko Dua Skor

​5. Skrining Media Negatif Terperinci

​6. Parameter Skrining yang Dapat Disesuaikan

​Ambang Batas yang Dapat Dikonfigurasi

​Cara Kerja

​Referensi Data Temuan AML

​Kategori Dataset

​Kecocokan Sanksi

​Kecocokan Peringatan

​Tipe Kasus Peringatan

Konsep Kunci: Skor Kecocokan vs Skor Risiko

Skor Kecocokan (Keyakinan Identitas)

Skor Risiko (Tingkat Risiko Entitas)

Status Peninjauan Kecocokan

Tips: Anda dapat mengubah status peninjauan kecocokan di Console dengan melihat ikhtisar AML atau mengklik kecocokan tertentu untuk melihat detailnya.

Fitur Utama

1. Ekstraksi Data Komprehensif

2. Cakupan Daftar Pantauan yang Luas

3. Algoritma Pencocokan Canggih

4. Penilaian Risiko Dua Skor

5. Skrining Media Negatif Terperinci

6. Parameter Skrining yang Dapat Disesuaikan

Ambang Batas yang Dapat Dikonfigurasi

Cara Kerja

Referensi Data Temuan AML

Kategori Dataset

Kecocokan Sanksi

Kecocokan Peringatan

Tipe Kasus Peringatan