Ketika WiFi Menjadi Sensor Manusia

Mengapa RF/WiFi Sensing Perlu Tata Kelola Privasi, Keamanan, dan Regulasi Berbasis Risiko

Tulisan ini merupakan ringkasan dari artikel lengkap “Analisis Perspektif PDP dan Hukum Indonesia terhadap Teknologi RF Sensing” . Link Dokumen Lengkap:

[embed]Analisis Perspektif PDP dan Hukum Indonesia terhadap Teknologi RF Sensing_Eryk BP_Juni 2026.pdf Edit descriptiondrive.google.com

Tulisan ini dibuat untuk memberikan pandangan terhadap riset MIT pada 2015 (Adib, F., et al. (2015). Capturing the Human Figure Through a Wall. ACM Transactions on Graphics.) dan perkembangan dari teknologi sejenis sampai dengan tahun 2026.

Bayangkan skenario ini.

Tidak ada kamera. Tidak ada mikrofon. Tidak ada sensor yang terlihat. Namun dari balik dinding gedung kantor Anda, seseorang dapat mengetahui berapa orang yang sedang rapat, di mana posisi mereka berdiri, bahkan bagaimana cara mereka berjalan.

Sekilas mirip cerita di film. Tapi ini adalah kemampuan yang sudah dibuktikan secara ilmiah (mulai diriset 2015) dan pada tahun 2025, sudah distandardisasi masuk ke dalam spesifikasi WiFi resmi internasional. Artikel ini menjelaskan bagaimana teknologi RF/WiFi through-wall human sensing berkembang, mengapa ini adalah isu privasi serius yang harus masuk radar setiap organisasi di Indonesia, dan apa yang perlu dilakukan sekarang.

Apa itu RF Through-Wall Human Sensing?

Pada dasarnya, gelombang radio dapat menembus material padat seperti dinding gypsum, partisi kantor, atau beton ringan. Ketika gelombang ini memantul kembali dari tubuh manusia, perangkat penerima dapat menganalisis pantulan tersebut untuk menyimpulkan informasi tentang keberadaan, posisi, postur, dan gerakan seseorang.

Riset foundational dari MIT yang dipublikasikan tahun 2015 (dikenal sebagai RF-Capture) membuktikan kemampuan ini dengan angka yang mengejutkan, dimana akurasi sebesar 88,2% dapat mengidentifikasi individu hanya dari bentuk skeleton yang direkonstruksi, tanpa wajah dan tanpa kamera.

Sistem memancarkan sinyal radio dengan daya rata-rata 70 mikrowatt (setara 1/1000 daya WiFi standar) dan memproses pantulannya untuk membentuk figur tubuh manusia kasar. Dalam hal ini, sistem mampu membedakan 15 orang berbeda dengan akurasi 88,2%.

1. Deteksi anggota tubuh: akurasi 99,13% pada jarak 3 meter.
2. Tracking trajektori tangan: median error hanya 2,19 sentimeter, cukup untuk merekonstruksi huruf yang Anda tulis di udara dari balik dinding.

Hal yang paling mengkhawatirkan bukanlah angka akurasinya, namun ketidakterlihatannya. Sensor berukuran 60×18 cm dapat diletakkan di sudut ruangan, disembunyikan dalam panel furnitur, atau dipasang di balik eternit tanpa satu pun tanda visual yang mengisyaratkan keberadaannya.

Perjalanan Riset

RF-Capture pada 2015 adalah titik awal. Satu dekade berikutnya, teknologi ini berkembang dengan kecepatan yang mengubah fundamental asumsi kebijakan yang selama ini dipakai.

1. 2015 — RF-Capture — MIT CSAIL

Skeleton tubuh manusia kasar dari pantulan RF. Akurasi 88,2% untuk mengidentifikasi 15 orang. Memerlukan perangkat khusus dan subjek berjalan mendekati sensor.

2. 2018 — RF-Pose — MIT, CVPR

Pose 2D 14 keypoints secara real-time melalui dinding. Menggunakan deep learning. Tidak memerlukan subjek berjalan mendekat. Akurasi sebanding kamera pada kondisi visible.

3. 2018 — RF-Pose3D — MIT, ACM SIGCOMM

Skeleton 3D dinamis untuk banyak orang sekaligus. Crowd monitoring dari balik dinding sudah terbukti secara ilmiah.

4. 2022 — DensePose From WiFi — Carnegie Mellon

Pemetaan 24 wilayah tubuh manusia menggunakan dua router WiFi TP-Link biasa. Tidak perlu perangkat RF khusus. 20–26 frame per detik.

5. 2023 — AdaPose — NTU Singapore

Model WiFi sensing bisa dipindahkan ke lokasi baru tanpa pelatihan ulang besar. Domain shift tidak lagi hambatan untuk deployment praktis.

6. 2025 — IEEE 802.11bf disahkan

Standar resmi: sensing diintegrasikan ke spesifikasi WiFi. Setiap chipset WiFi yang compliant kini berpotensi memiliki kemampuan mendeteksi manusia secara built-in.

7. 2025 — Wi-GWIR — Springer Nature

Gait signature dari sinyal WiFi terbukti dapat mengidentifikasi individu secara reliabel. Konfirmasi ilmiah: pola berjalan seseorang = biometric identifier via WiFi.

8. 2026 — WiFlow — KUST China

Model pose estimation berbasis WiFi dengan 2,23 juta parameter. Dapat berjalan di perangkat IoT seharga sekitar $5.

Kesimpulan dari perkembangan ini jelas bahwa kita tidak lagi berbicara tentang perangkat riset eksperimental yang hanya ada di laboratorium. Kita berbicara tentang kemampuan yang sudah ada di infrastruktur WiFi yang tersebar di setiap gedung.

Data Apa yang Sebenarnya Dikumpulkan?

Salah satu kesalahan paling umum dalam diskusi kebijakan RF sensing adalah menyederhanakan outputnya sebagai “sinyal teknis” yang tidak tunduk pada regulasi Pelindungan Data Pribadi. Padahal UU PDP mendefinisikan data pribadi sebagai data yang dapat mengidentifikasi seseorang secara langsung maupun tidak langsung, termasuk melalui kombinasi dengan informasi lain. Dengan definisi ini, banyak output RF/WiFi sensing termasuk dalam cakupan data pribadi.

Sumber: Analisis Penulis

Hal yang membuat ini lebih kompleks adalah data yang tampak tidak sensitif secara terisolasi bisa menjadi sangat sensitif ketika digabungkan. Misalnya:

1. Occupancy log (jam berapa ada orang di ruangan) + jadwal HR = rekonstruksi pola absensi individual.
2. Motion signature + database karyawan = identifikasi spesifik tanpa wajah.
3. Fall detection + riwayat medis = inferensi kondisi kesehatan.

Analisis risiko tidak bisa berhenti pada data yang dikumpulkan secara terisolasi. Rantai inferensi (kemampuan mengombinasikan data yang tampak rendah risiko menjadi informasi yang sangat sensitif) harus menjadi bagian wajib dari setiap penilaian risiko / Data Protection Impact Assessment (DPIA) untuk sistem RF/WiFi sensing.

Contoh Use Case

Dalam konteks Indonesia, RF/WiFi sensing dapat muncul dalam berbagai sektor: gedung perkantoran, rumah sakit, apartemen, sekolah, pusat data, fasilitas telekomunikasi, fasilitas energi, hingga area pertahanan. Tidak semua use case harus dilarang. Namun setiap use case harus diuji dari aspek tujuan, kebutuhan, proporsionalitas, transparansi, dampak hak, dan keamanan sistem.

1. Workplace surveillance: Sensor yang semula dipasang untuk smart building dapat bergeser menjadi alat pemantau produktivitas atau kedisiplinan karyawan tanpa pemberitahuan yang memadai.
2. Fasilitas kesehatan: Deteksi jatuh dan pemantauan pasien lansia dapat sah jika berbasis keselamatan, tetapi menjadi bermasalah jika RF body signature disimpan sebagai data pelatihan tanpa batas waktu.
3. Ruang residensial: Sensor di apartemen atau rumah dapat secara tidak sengaja memantau unit tetangga, terutama bila konfigurasi ruang dan dinding memungkinkan sinyal melewati batas privat.
4. Fasilitas strategis: RF/WiFi sensing dapat menjadi isu kontra-intelijen jika digunakan untuk memantau pola kehadiran pejabat, rapat, atau personel kunci dari lokasi bersebelahan.
5. Anak dan sekolah: Penggunaan pada anak membutuhkan standar yang lebih tinggi karena menyangkut kepentingan terbaik anak, validitas persetujuan, dan risiko profiling sejak dini.

Dari Device-centric ke Risk-based Governance

Pendekatan regulasi lama cenderung device-centric: mengatur perangkat tertentu, frekuensi tertentu, atau sertifikasi perangkat tertentu. Pendekatan ini tetap penting, tetapi tidak cukup. Dengan WiFi sensing, kemampuan penginderaan dapat muncul dari kombinasi perangkat komoditas, firmware, model AI, dataset, dan dashboard analitik.

Karena itu, tata kelola perlu bergeser menjadi risk-based, use-case-centric, dan outcome-centric. Regulasi harus menilai apa tujuan pemrosesan, data apa yang dihasilkan, apakah subjek dapat diidentifikasi, apakah ada profiling, apakah sistem bekerja secara tersembunyi, seberapa invasif dampaknya, dan kontrol apa yang diterapkan.

Yang harus dikendalikan bukan hanya perangkat, tetapi output, konteks penggunaan, dan dampak terhadap hak manusia.

Prinsip Tata Kelola yang Perlu Diterapkan

Agar inovasi RF/WiFi sensing tetap dapat dimanfaatkan secara sah, organisasi perlu menerapkan prinsip tata kelola sejak tahap desain. Berikut prinsip yang dapat digunakan sebagai baseline.

1. Purpose limitation sejak desain: Tujuan harus spesifik, sah, dan tidak boleh bergeser dari facility management menjadi employee surveillance tanpa dasar hukum baru.
2. DPIA wajib untuk high-risk use case: Setiap sistem yang mengidentifikasi, melacak, membuat profil, atau memproses data biometric-like harus melalui Data Protection Impact Assessment (DPIA).
3. Edge processing sebagai default: Raw signal, CSI, BFI, atau skeleton data sebaiknya diproses sedekat mungkin dengan perangkat dan tidak dikirim ke cloud kecuali benar-benar diperlukan.
4. Data minimization dan output abstraction: Sistem sebaiknya menghasilkan alert atau agregat, bukan menyimpan raw waveform atau pose individual secara permanen.
5. Retensi pendek: Data teknis yang tidak diperlukan harus dihapus cepat; penyimpanan jangka panjang harus membutuhkan justifikasi risiko dan kontrol tambahan.
6. Transparency dan notice: Subjek perlu mengetahui area sensing, tujuan, jenis output, hak subjek data, dan kontak pengendali data.
7. Larangan covert sensing komersial: Pemantauan tersembunyi untuk marketing, produktivitas karyawan, atau behavioral scoring seharusnya dilarang atau dibatasi sangat ketat.
8. Audit keamanan dan model: Sistem perlu diuji terhadap spoofing, eavesdropping, adversarial attack, model poisoning, dan akses admin yang berlebihan.
9. Human oversight: Keputusan penting tentang individu tidak boleh sepenuhnya otomatis berdasarkan RF/WiFi sensing.
10. Oversight untuk penggunaan intelijen dan pertahanan: Penggunaan negara memerlukan dasar kewenangan, kebutuhan, proporsionalitas, pencatatan, pengawasan, dan mekanisme akuntabilitas.

Checklist Praktis untuk Organisasi

Sebelum mengadopsi RF/WiFi sensing, organisasi dapat menggunakan checklist berikut sebagai uji awal kelayakan.

Sumber: Analisis Penulis

Agenda Kebijakan untuk Indonesia

Indonesia membutuhkan pendekatan yang tidak anti-inovasi, tetapi juga tidak naif terhadap risiko. RF/WiFi sensing dapat membantu deteksi jatuh lansia, pencarian korban bencana, keselamatan pekerja, monitoring fasilitas kritis, dan situational awareness dalam keadaan darurat. Namun manfaat tersebut harus dibatasi oleh prinsip legalitas, transparansi, kebutuhan, proporsionalitas, keamanan, dan akuntabilitas.

Agenda kebijakan yang dapat dipertimbangkan antara lain:

1. klasifikasi risiko nasional untuk RF/WiFi sensing
2. kewajiban DPIA untuk use case high-risk
3. larangan covert sensing untuk tujuan komersial atau ketenagakerjaan
4. standar teknis privacy-by-default untuk perangkat
5. sertifikasi perangkat dan model
6. kewajiban vendor untuk memenuthi prinsip transparency
7. serta pengawasan khusus untuk penggunaan di sektor kesehatan, anak, fasilitas strategis, intelijen, dan pertahanan.

Regulasi juga perlu bersifat technology-neutral. Istilah yang diatur sebaiknya tidak hanya menyebut RF-Capture atau through-wall radar, tetapi mencakup sistem yang menggunakan sinyal RF, WiFi, WLAN sensing, CSI, BFI, atau sinyal nirkabel lain untuk melakukan deteksi, estimasi, identifikasi, profiling, atau inferensi terhadap manusia.

Penutup

Pertanyaan besar ke depan bukan lagi apakah WiFi atau RF signal dapat digunakan untuk sensing manusia. Perkembangan riset dan standardisasi menunjukkan bahwa kemampuan tersebut semakin realistis. Pertanyaan yang lebih penting adalah apakah organisasi, regulator, dan ekosistem teknologi siap membangun tata kelola yang memadai sebelum teknologi ini menjadi bagian dari ruang kerja, rumah sakit, sekolah, hunian, dan fasilitas publik.

WiFi selama ini adalah infrastruktur konektivitas. Ke depan, ia juga dapat menjadi infrastruktur penginderaan. Jika dikelola dengan benar, teknologi ini dapat meningkatkan keselamatan dan layanan publik. Jika dibiarkan tanpa batas, ia dapat menjadi infrastruktur pengawasan yang tidak terlihat.

Inovasi RF/WiFi sensing harus berjalan bersama privacy engineering, security engineering, dan governance. Tanpa itu, teknologi yang dirancang untuk melindungi manusia justru dapat melemahkan ruang privat manusia

Referensi

1. Adib, F., et al. (2015). Capturing the Human Figure Through a Wall. ACM Transactions on Graphics.
2. Zhao, M., et al. (2018). Through-Wall Human Pose Estimation Using Radio Signals. CVPR 2018.
3. Zhao, M., et al. (2018). RF-Based 3D Skeletons. ACM SIGCOMM 2018.
4. Zhao, M., et al. (2019). Through-Wall Human Mesh Recovery Using Radio Signals. ICCV 2019.
5. Geng, J., Huang, D., & De la Torre, F. (2022/2023). Dense Human Pose Estimation From WiFi. CMU Robotics Institute / arXiv.
6. Zhou, Y., et al. (2024). AdaPose: Toward Cross-Site Device-Free Human Pose Estimation with Commodity WiFi. IEEE Internet of Things Journal.
7. Liu, X., et al. (2025). A Survey on Secure WiFi Sensing Technology: Attacks and Defenses. Sensors.
8. IEEE 802.11bf-2025. Enhancements for Wireless LAN Sensing.
9. UU No 27 Tahun 2022 tentang Pelindungan Data Pribadi.

Semoga bermanfaat. Terima kasih.

Salam,

Eryk Budi Pratama

Cybersecurity, Privacy, and AI Governance & Security Professional