Apakah Embedding Termasuk Data Pribadi? Panduan bagi SI Sebelum Review Keamanan Klien
Embedding bukan sekadar angka. Simak alasan vector database perlu diperlakukan sebagai data pribadi dan lima hal yang harus disiapkan SI sebelum review keamanan.
Jawaban singkatnya: bila teks sumbernya memuat data pribadi, embedding-nya perlu diperlakukan sebagai data pribadi juga. Vektor memang berupa angka, tetapi teks aslinya dapat direkonstruksi dari embedding, dan vector database umumnya menyimpan potongan teks asli persis di samping vektornya.
Pertanyaan ini kerap muncul saat tim keamanan bank, BUMN, atau instansi pemerintah meninjau proyek RAG. Tulisan ini membantu system integrator (SI) menjawabnya dengan bukti, bukan asumsi.
Mengapa embedding tidak bisa dianggap "hanya angka"?
Argumen "hanya angka" sulit bertahan di hadapan auditor, karena tiga hal berikut.
- Definisi hukum. Pasal 1 angka 1 UU Nomor 27 Tahun 2022 mendefinisikan data pribadi sebagai data tentang orang perseorangan yang teridentifikasi atau dapat diidentifikasi, baik secara tersendiri maupun jika dikombinasikan dengan informasi lain. Embedding yang dapat dikaitkan kembali ke dokumen nasabah masuk dalam cakupan ini.
- Hasil riset inversion. Morris dkk. (2023) berhasil memulihkan 92% input sepanjang 32 token secara persis dari embedding-nya, termasuk sebagian besar nama lengkap pada kumpulan catatan klinis. OWASP juga memasukkan embedding inversion ke dalam daftar risiko LLM08:2025.
- Isi index. Satu record di vector database biasanya memuat vektor, teks chunk, nama file, dan ID pelanggan sebagai metadata untuk filtering. Dari keempatnya, hanya vektor yang benar-benar berupa angka.
Apa yang perlu disiapkan SI sebelum review keamanan?
SI perlu menyiapkan jawaban dan bukti untuk lima pertanyaan berikut. Yang paling sering terlewat adalah lokasi embedding model: bila embedding dibuat lewat API di luar negeri, teks mentah sudah keluar dari Indonesia sebelum menjadi vektor, sekalipun vector database-nya berada di Jakarta.
| Pertanyaan tim keamanan klien | Yang perlu dijawab SI | Bukti yang disiapkan |
|---|---|---|
| Di mana embedding model berjalan? | Lokasi pemrosesan embedding, bukan hanya lokasi storage | Diagram arsitektur dan daftar sub-prosesor |
| Apa saja yang disimpan di index? | Vektor, teks chunk, metadata, dan field mana yang memuat data pribadi | Skema index |
| Siapa yang bisa melakukan query ke index? | Access control per peran dan per tenant | Kebijakan akses dan log retrieval |
| Bagaimana jika subjek data pribadi meminta penghapusan? | Dokumen sumber, chunk, vektor, dan cache ikut terhapus | Prosedur penghapusan yang sudah diuji |
| Apakah ada data yang keluar dari Indonesia? | Semua panggilan API, termasuk embedding, reranker, dan logging | Konfigurasi endpoint dan daftar layanan pihak ketiga |
Permintaan penghapusan bukan sekadar skenario teoretis. Pasal 8 UU PDP memberi subjek data pribadi hak untuk menghapus dan memusnahkan data tentang dirinya, dan hak itu mencakup salinan yang berada di dalam index.
Di mana IONext berperan
IONext menyediakan GPU dan managed inference yang di-host di Jakarta, dioperasikan oleh PT Data Awan Nusantara, dan bersertifikat ISO/IEC 27001:2022 dari TÜV NORD. SI dapat menjalankan embedding model open-weight, vector database, dan LLM di infrastruktur IONext di Indonesia, dengan billing dalam rupiah. Batasnya jelas: skema index, access control tingkat aplikasi, dan prosedur penghapusan tetap menjadi bagian dari desain SI, sementara keputusan atas data tetap berada di tangan klien sebagai pengendali data pribadi.
Arsitektur lengkapnya dibahas di arsitektur RAG yang datanya tetap di Indonesia. Pembagian tanggung jawab antara klien, SI, dan penyedia infrastruktur ada di pembagian peran SI dalam proyek AI. Detail sertifikasi tersedia di halaman Trust IONext, dan spesifikasi GPU di halaman GPU IONext.
Sedang menyiapkan proyek RAG untuk klien di sektor yang diatur ketat? Diskusikan pola co-sell lewat Program Mitra IONext, atau coba langsung ORBIT dan IONA melalui pendaftaran mandiri.
Sumber
- UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (JDIH Kemenkeu), diakses Oktober 2026
- Morris, Kuleshov, Shmatikov, Rush. Text Embeddings Reveal (Almost) As Much As Text, arXiv:2310.06816 (2023)
- OWASP GenAI Security Project, LLM08:2025 Vector and Embedding Weaknesses, diakses Oktober 2026
Tulisan ini berisi informasi umum, bukan nasihat hukum. Untuk keputusan pada proyek tertentu, sebaiknya berkonsultasi dengan penasihat hukum.
IONext adalah infrastruktur AI berdaulat yang di-host di Indonesia, dioperasikan oleh PT Data Awan Nusantara di Jakarta. IONext menyediakan GPU as a Service, managed inference melalui API yang kompatibel dengan OpenAI, dan hosting model open-weight, bersertifikat ISO/IEC 27001:2022 oleh TÜV NORD.