Langsung ke konten utama
API Validasi Database Didit memeriksa data identitas terhadap registri sipil resmi, otoritas pajak resmi, atau daftar pemilih resmi di setiap negara, seperti RENAPER (Argentina), Receita Federal (Brasil), Tribunal Electoral (Panama), RENAPO (Meksiko), Junta Central Electoral (Republik Dominika), Registraduría Nacional (Kolombia), dan lainnya. Setiap kueri ditagihkan per panggilan yang berhasil, mulai dari $0.05/check tanpa minimum bulanan. Hasil ditentukan dari hasil per layanan: 1×1 saat satu registri mengembalikan kecocokan penuh, dan 2×2 saat dua registri independen mengonfirmasi data. Halaman ini menjelaskan cara hasil tersebut dihitung, ambang batas pencocokan fuzzy yang diterapkan pada nama, serta logika keputusan yang mengatur partialMatchAction dan noMatchAction dalam aturan alur kerja Anda.

​
Pencocokan 1×1

Metode ini mencocokkan satu titik data masukan (biasanya nomor identitas nasional atau pengenal serupa) dengan database kami. Jika kecocokan langsung ditemukan, kami mengonfirmasi identitasnya. Namun, jika percobaan awal gagal, kami dapat mencoba sumber data tepercaya lainnya secara berurutan (waterfall). Artinya, kami terus melakukan validasi melalui penyedia berikutnya hingga kami mendapatkan kecocokan atau semua opsi habis. Yang penting, kecocokan sebagian tidak menghentikan proses. Kami baru berhenti ketika menemukan kecocokan penuh dan meyakinkan, atau memastikan bahwa tidak ada kecocokan. Logika Pencocokan 1x1 mengharuskan data pribadi pengguna dicocokkan dengan satu sumber agar mendapatkan Kecocokan Penuh pada identitasnya.* *Sumber negara yang berlaku disaring hingga Kecocokan Penuh pada identitas ditemukan. Jika Kecocokan Penuh tidak ditemukan, sistem kemudian menyaring sumber-sumber tersebut secara berulang untuk mencari Kecocokan Sebagian pada identitas pengguna.
Tabel 1×1 di atas dan tabel 2×2 di bawah menggambarkan model umum, bukan jaminan yang berlaku untuk setiap layanan. Kolom penentu berbeda menurut layanan dan menurut masukan opsional yang Anda kirim. Registri hanya dapat membandingkan kolom yang dimilikinya dan kolom yang Anda berikan kepadanya, dan hasil suatu layanan ditentukan oleh kolom yang benar-benar dibandingkannya. Tidak semua layanan membandingkan nomor identifikasi, dan beberapa hanya membandingkannya jika Anda mengirimkannya. Misalnya, Spanyol - Verifikasi DNI/NIE (esp_dni) memerlukan nama, tanggal lahir, dan alamat, serta menerima national_id sebagai masukan opsional. Layanan ini selalu membandingkan nama, tanggal lahir, dan alamat, dan juga membandingkan nomor identifikasi saat Anda mengirimkan national_id.Kolom wajib belum tentu kolom penentu, dan kolom opsional bisa menjadi kolom penentu. Kolom wajib harus dikirim agar permintaan diterima, dan kolom yang tercantum dalam source_data adalah data yang dikembalikan registri. Keduanya tidak memberi tahu Anda kolom mana yang menentukan hasil. Contoh respons di halaman setiap layanan menggambarkan satu kemungkinan respons, sehingga kunci pada objek validation mereka bukan daftar lengkap kolom yang dibandingkan layanan tersebut. Halaman referensi API setiap layanan, yang tercantum di bawah Negara & Layanan yang Didukung, mencantumkan masukan wajib dan opsionalnya di bawah Masukan.

​
Pencocokan 2×2

Metode ini mengharuskan pencocokan dua titik data input (misalnya, nama + tanggal lahir, atau nomor identitas nasional + nomor telepon) dengan dua kolom yang sesuai di database kami. Seperti pada 1x1, kami menggunakan pendekatan waterfall dengan membuat kueri ke beberapa sumber data secara berurutan. Kami terus menjalani setiap langkah hingga menemukan kecocokan lengkap pada kedua kolom data. Kecocokan sebagian atau kecocokan pada satu kolom saja tidak memadai; proses validasi akan berlanjut hingga kecocokan definitif pada 2 kolom tercapai atau semua sumber telah diperiksa. Logika pencocokan 2x2 mengharuskan data pribadi pengguna dicocokkan dengan dua sumber untuk mendapatkan Kecocokan Penuh pada identitas mereka.* *Sumber negara yang berlaku disaring hingga ditemukan Kecocokan Penuh untuk identitas tersebut. Jika Kecocokan Penuh tidak ditemukan, sistem kemudian secara berulang menyaring sumber-sumber tersebut untuk mencari Kecocokan Parsial pada identitas pengguna.

​
Pencocokan kategori data dan atribut

Berikut adalah skenario yang menghasilkan Kecocokan Penuh untuk kategori Nama, Tanggal Lahir, dan ID. Kecocokan Parsial hanya mungkin terjadi pada kategori Nama.

​
Pencocokan kategori nama

Kecocokan Penuh pada kategori Nama dianggap terjadi ketika salah satu skenario pencocokan atribut data berikut terpenuhi:
  • Penggabungan Nama Lengkap Kecocokan Penuh (Nama Depan dan Nama Belakang digabungkan dengan ambang batas kemiripan 85%)
  • Nama Depan Kecocokan Penuh + Nama Belakang Kecocokan Penuh
  • Nama Depan Kecocokan Penuh + Nama Ibu Kecocokan Penuh
  • Nama Depan Kecocokan Penuh + Nama Ayah Kecocokan Penuh
Kecocokan Parsial pada kategori Nama dianggap terjadi ketika salah satu skenario pencocokan atribut data berikut terpenuhi:
  • Nama Depan Kecocokan Penuh
  • Nama Belakang Kecocokan Penuh
  • Nama Ayah Kecocokan Penuh
  • Nama Ibu Kecocokan Penuh
  • Nama Ibu Kecocokan Penuh + Nama Ayah Kecocokan Penuh

​
Pencocokan kategori tanggal lahir

Kecocokan Penuh pada kategori Tanggal Lahir hanya dianggap terjadi ketika skenario pencocokan atribut data berikut terpenuhi:
  • Tahun Lahir Kecocokan Penuh + Bulan Lahir Kecocokan Penuh + Hari Lahir Kecocokan Penuh
Kecocokan Parsial pada kategori Tanggal Lahir tidak mungkin terjadi.

​
Pencocokan kategori ID

Kecocokan Penuh pada kategori ID hanya dianggap terjadi ketika skenario pencocokan atribut data berikut terpenuhi:
  • Nomor Identifikasi Kecocokan Penuh
Kecocokan Parsial pada kategori ID tidak mungkin terjadi. Kategori ID hanya dihitung jika layanan membandingkan nomor identifikasi. Beberapa layanan tidak pernah membandingkannya, dan beberapa hanya membandingkannya ketika Anda mengirimkannya sebagai input.

​
Pencocokan Fuzzy untuk Atribut Data

Berikut kriteria pencocokan fuzzy untuk berbagai atribut data pada sumber data di berbagai negara.
  • Atribut Data Nama Agar atribut data kategori Nama menghasilkan Kecocokan Penuh, kemiripan karakter Levenshtein-nya harus minimal 70% dibandingkan dengan rekaman di sumber data. Untuk penggabungan nama lengkap (First Name + Last Name digabung), digunakan ambang batas yang lebih tinggi, yaitu kemiripan 85%. Contohnya, jika input atribut Nama adalah ‘Christophel’ dan nama sebenarnya adalah ‘Christopher’, hasil Kecocokan Penuh dikembalikan berdasarkan logika pencocokan fuzzy. Sistem ini berlaku untuk atribut data First Name, Last Name, Paternal Name, dan Maternal Name.
  • Atribut Data Tanggal Lahir dan ID Kami tidak menerapkan pencocokan fuzzy apa pun pada atribut data dalam kategori Tanggal Lahir atau ID. Kecocokan persis diwajibkan untuk kolom-kolom ini.

​
Contoh

Berikut adalah contoh input atribut data yang memenuhi kriteria logika pencocokan fuzzy dan menghasilkan Kecocokan Penuh.

​
Lihat juga

  • Ikhtisar Validasi Database: cara kerja API dari awal hingga akhir, registri yang didukung, harga.
  • Kode Hasil: daftar lengkap kode respons penyedia (meninggal dunia, di bawah umur, dokumen tidak ditemukan, ketidakcocokan biometrik).
  • Peringatan: informasi yang kami tampilkan saat layanan tidak dapat berjalan karena input yang tidak ada.
  • Negara & Layanan yang Didukung: setiap registri aktif, kolom yang wajib diisi, dan harga per panggilan.
  • Laporan: ekspor penagihan bulanan per layanan.
Terakhir diubah pada 7 November 2026