Penggunaan ​Facial Recognition​ untuk ​Government Surveillance

Surveillance ​adalah segala bentuk pengumpulan dan pemrosesan data personal yang
digunakan untuk mengatur dan memengaruhi pihak pemilik data personal tersebut.
Penggunaan ​facial recognition u​ ntuk keperluan ​government surveillance telah dilakukan di
berbagai negara, seperti Cina, Uni Eropa, dan Amerika Serikat. Tidak hanya negara tersebut,
tren penggunaan ​facial recognition untuk alasan keamanan juga mulai bermunculan di negara
lain. Akan tetapi, timbul beberapa isu dan masalah dengan penggunaan ​facial recognition
oleh pemerintah.

Menurut National Institute of Standards and Technology, teknologi ​facial recognition terbaru
memiliki tingkat akurasi sebesar 90% dengan tingkat ​false positive sebesar 10%. Tingkat
false positive yang cukup tinggi ini dipengaruhi oleh faktor-faktor seperti kualitas kamera,
pencahayaan, ras, dan gender. Penelitian yang dilakukan oleh MIT dan ACLU menunjukkan
bahwa tingkat akurasi ​facial recognition menurun saat mengidentifikasi orang berkulit gelap
dan perempuan. Selain hal-hal tersebut, akurasi ​facial recognition juga menurun ketika sudut
pengambilan gambar terhadap wajah subjek di atas 20 derajat.

Kemungkinan kesalahan identifikasi akibat keterbatasan teknis dalam penggunaan ​facial

recognition ​telah memunculkan isu hak-hak sipil. Selain isu sipil akibat keterbatasan teknis,
isu lain yang muncul dari penggunaan ​facial recognition adalah masalah privasi. Kamera
yang diletakkan di dekat tempat ibadah dan perkumpulan organisasi memungkinkan beberapa
pihak untuk memonitor lawan politik.

Penggunaan teknologi ​facial recognition p​ erlu diikuti dengan regulasi pemerintah yang
memadai. Keterbatasan teknis dari teknologi ​facial recognition ​perlu diiringi dengan
implementasi regulasi yang tepat. Selain itu, perlu ditemukan solusi untuk mengawasi
pemanfaatan ​facial recognition oleh pemerintah untuk meningkatkan akuntabilitas dan
transparansi dari penggunaan data yang didapat dari sistem tersebut.
Referensi

Grother , Patrick & Ngan, Mei & Hanaoka, Kayee. (2019). Face Recognition Vendor Test
(FRVT) Part 2: Identification. Information Access Division, Information Technology
Laboratory NIST.

Klare, Brendan & Burge, Mark & Klontz, Joshua & Vorder Bruegge, Richard & Jain, Anil.
(2012). Face Recognition Performance: Role of Demographic Information. Information
Forensics and Security, IEEE Transactions on. 7. 1789-1801. 10.1109/TIFS.2012.2214212.

Loh, Steve. (2018, February 9). Facial Recognition Is Accurate, if You’re a White Guy.
Retrieved from
https://www.nytimes.com/2018/02/09/technology/facial-recognition-race-artificial-intelligenc
e.html

Dinev, Tamara & Hart, Paul & Mullen, Michael. (2008). Internet privacy concerns and
beliefs about government surveillance – An empirical investigation. The Journal of Strategic
Information Systems. 17. 214-233. 10.1016/j.jsis.2007.09.002.

Singer, Natasha & Metz, Cade. (2019, December 19). Many Facial-Recognition Systems Are
Biased, Says U.S. Study. Retrieved from
https://www.nytimes.com/2019/12/19/technology/facial-recognition-bias.html
Lampiran
Mind map