Polisi Georgia Gunakan Flock Safety untuk Melacak Mantan Pacar dan Temannya: Pelajaran Bahaya AI Surveillance

Kasus Pelacakan Ilegal oleh Polisi Georgia

Seorang perwira polisi di Georgia, Amerika Serikat, terbukti menggunakan sistem Flock Safety — jaringan kamera pembaca plat nomor (License Plate Reader/LPR) yang ditenagai AI — untuk melacak pergerakan mantan pacarnya dan teman mantan pacarnya. Kasus ini direkam dalam laporan investigasi Wired dan menyoroti bagaimana teknologi pengawasan massal bisa disalahgunakan oleh orang yang seharusnya menegakkan hukum.

Flock Safety memasang ribuan kamera di lingkungan perumahan, kota, dan bisnis di seluruh AS. Sistem ini otomatis memindai setiap plat nomor yang lewat, mencatat waktu, lokasi, dan gambar kendaraan, lalu menyimpannya dalam database cloud yang dapat diakses oleh pelanggan — termasuk departemen polisi. Perusahaan ini mengklaim memiliki lebih dari 4.000 komunitas dan 2.000 lembaga penegak hukum sebagai klien.

Bagaimana Flock Safety Bekerja: AI di Ujung Jalan

Berbeda dengan CCTV konvensional yang hanya merekam video, Flock menggunakan computer vision dan machine learning untuk mengekstrak data terstruktur dari setiap kendaraan: nomor plat, merk, model, warna, dan karakteristik unik seperti stiker atau kerusakan. Data ini diindeks dan dicari dalam hitungan detik.

Polisi bisa memasukkan nomor plat atau deskripsi kendaraan, dan sistem akan menampilkan riwayat lokasi lengkap — kapan dan di mana kendaraan itu terlihat. Beberapa fitur lanjutan bahkan memungkinkan “alert real-time” saat kendaraan target terdeteksi.

Kronologi Penyalahgunaan

Menurut laporan Wired, perwira polisi tersebut mengakses sistem Flock berkali-kali untuk memeriksa lokasi mantan pacarnya (yang juga seorang polisi) dan teman dekatnya. Dia melakukan pencarian di luar jam kerja dan tanpa alasan investigasi yang sah. Akses ini tercatat di log sistem, yang kemudian menjadi bukti dalam investigasi internal.

Kedua korban melaporkan rasa takut dan terganggu privasinya. Salah satunya mengungkapkan: “Saya merasa seperti diintip 24/7 oleh seseorang yang punya akses ke seluruh kota.”

Implikasi Lebih Luas: AI Surveillance Tanpa Pengawasan

Kasus ini bukan insiden terisolasi. Laporan-laporan serupa muncul di berbagai negara bagian AS. Masalah intinya: infrastruktur pengawasan massal dibangun dengan oversight minimal.

• Retensi data panjang: Flock menyimpan data hingga 30 hari (bisa diperpanjang per kontrak), menciptakan jejak pergerakan lengkap warga biasa.
• Akses luas: Bukan hanya detektif kasus besar, Tabs petugas patroli biasa bisa query database.
• Transparansi rendah: Banyak komunitas memasang Flock tanpa debat publik atau kebijakan privasi tertulis.
• Mission creep: Sistem yang dijual untuk “menangkap pencuri motor” berubah jadi alat stalking, profiling, atau pengawasan aktivitas hukum seperti demo.

Pelajaran untuk Indonesia: Jangan Hanya Impor Teknologi, Impor Juga Governance-nya

Di Indonesia, proyek-proyek Smart City dan Safe City mulai memasang kamera AI dengan kemampuan ANPR (Automatic Number Plate Recognition) dan pengenalan wajah. Jakarta, Bandung, Surabaya, dan kota-kota lain sudah menguji atau menerapkan sistem serupa.

Tabs regulasi perlindungan data pribadi (UU PDP) baru mulai diberlakukan penuh. Banyak pemda dan vendor men-deploy teknologi surveillance sebelum kerangka hukum dan mekanisme audit siap.

Beberapa langkah mitigasi yang harus ditempuh:

1. Audit Track wajib: Setiap query ke database LPR harus ter-log, time-stamped, dan ditautkan ke nomor kasus/reses investigasi resmi.
2. Role-based access control (RBAC): Hanya investigator berwenang yang boleh akses pencarian historis; petugas lapangan hanya terima alert real-time untuk kasus aktif.
3. Retensi data terbatas: Hapus data plat nomor yang tidak terkait investigasi dalam 24–72 jam, bukan 30 hari.
4. Oversight independen: Badan pengawas data pribadi atau komite etik kota harus review log akses berkala.
5. Transparansi publik: Daerah yang pasang kamera AI wajib publikasikan kebijakan penggunaan, jangkauan, dan statistik akses per kuartal.

Tools & Praktik yang Bisa Dipakai Saat Ini

Bagi organisasi (pemerintah, kampus, perkantoran) yang sudah atau akan pasang LPR/AI camera, pertimbangkan:

• Open-source ALPR: OpenALPR atau PlateRecognizer — bisa di-host on-premise, data tidak keluar ke cloud vendor.
• Privacy-by-design framework: Gunakan panduan ENISA Privacy by Design saat desain arsitektur sistem.
• Data minimization: Konfigurasi kamera hanya capture plat, bukan wajah penumpang atau konteks lingkungan luas.
• Encryption at rest & in transit: Pastikan vendor support AES-256 dan TLS 1.3 minimal.

Prompt Contoh untuk Audit Kebijakan Surveillance Internal

Anda adalah auditor privasi data. Berikan checklist 20 poin untuk mengevaluasi apakah sistem LPR/AI camera di organisasi kami mematuhi UU PDP dan prinsip privacy by design. Fokus pada: retensi data, kontrol akses, logging, transparency, dan mekanisme complaint warga. Output dalam tabel Markdown dengan kolom: Kriteria, Standar Minimum, Bukti yang Dibutuhkan, Status (Compliant/Partial/Non-Compliant).

Kesimpulan

Kasus polisi Georgia adalah peringatan keras: teknologi AI surveillance tanpa governance ketat adalah senjata bermata dua. Flock Safety dan sejenisnya memang memudahkan investigasi kriminal, Tabs arsitekturnya — database terpusat, akses luas, retensi lama — menciptakan risiko penyalahgunaan yang sistemik.

Bagi Indonesia yang sedang gencar membangun Smart City, pelajarannya jelas: jangan biarkan kecepatan deployment mengalahkan keamanan dan etika. UU PDP memberikan kerangka hukum, Tabs implementasi teknis (RBAC, audit log, data minimization) harus dibangun sejak hari nol — bukan setelah insiden terjadi.

Warga berhak tahu: kamera di ujung jalan itu merekam apa, siapa yang bisa lihat, dan sampai kapan datanya disimpan. Tanpa jawaban transparan, “keamanan” jadi eufemisme untuk pengawasan tanpa batas.