Konten dari Pengguna

Ketika Satu Angka Menentukan Nasib

M Arizal

M Arizal

Development Economist and Causal Inference Researcher

·waktu baca 4 menit

google
Ikuti kumparan di Google
info
Jadikan kumparan sebagai preferensi terpercayamu di Google
comment
0
sosmed-whatsapp-white
copy-circle
more-vertical

Tulisan dari M Arizal tidak mewakili pandangan dari redaksi kumparan

Mengapa angka desil dalam DTSEN bukan sekadar kategorisasi, melainkan penentu akses jutaan keluarga terhadap layanan dasar?

ilustrasi warga antre untuk verifikasi status Desil, foto:freepik.com
zoom-in-whitePerbesar
ilustrasi warga antre untuk verifikasi status Desil, foto:freepik.com

Salah satu tantangan terbesar negara berkembang adalah memastikan bantuan negara benar-benar sampai ke tangan yang paling membutuhkan. Tantangan ini bukan soal niat baik pemerintah, melainkan soal ketepatan instrumen yang digunakan untuk mengidentifikasi siapa yang berhak. Di sinilah angka desil dalam Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) memainkan peran yang jauh lebih besar dari yang dipahami publik.

Badan Pusat Statistik (BPS) baru-baru ini menjelaskan bahwa desil DTSEN adalah pemeringkatan relatif kesejahteraan keluarga, bukan ukuran absolut kemiskinan. Penentuan posisi desil menggunakan metode statistik Proxy Means Test (PMT), yang mengestimasi tingkat kesejahteraan berdasarkan karakteristik yang dapat diamati seperti kondisi perumahan, kepemilikan aset, konsumsi listrik, pendidikan, pekerjaan, hingga disabilitas. Karena menggunakan kombinasi banyak variabel secara serentak, satu perubahan kecil pada satu indikator tidak serta-merta mengubah posisi desil seseorang.

Persoalannya adalah bahwa PMT bukanlah instrumen yang sempurna. Kidd & Wyld (2011) dalam kajian untuk AusAID menemukan bahwa PMT di Indonesia hanya mampu menjelaskan sekitar 37 persen variasi konsumsi antarrumah tangga, jauh di bawah angka Sri Lanka (57 persen) maupun Bangladesh (56 persen). Angka itu berarti lebih dari separuh variasi kondisi ekonomi nyata antarkeluarga tidak tertangkap oleh model.

Keterbatasan secara matematis ini bukan kelemahan teknis yang bisa diabaikan, melainkan celah bawaan desain yang membawa konsekuensi nyata bagi jutaan orang. Alatas et al. (2012) dalam studi eksperimen di 640 desa Indonesia menemukan bahwa PMT unggul tipis atas metode berbasis komunitas dalam mengidentifikasi kemiskinan, tetapi dengan trade-off kepuasan masyarakat yang lebih rendah karena konsep kemiskinan yang dipakai model statistik tidak selalu selaras dengan realitas yang dirasakan warga. World Bank mencatat exclusion error mencapai 45 persen pada cakupan program 20 persen populasi, artinya hampir separuh keluarga yang sesungguhnya layak menerima bantuan justru tidak tercakup.

Apakah kondisi serupa terjadi di Indonesia? Buktinya sudah ada dan jumlahnya mengkhawatirkan. Sepanjang 2025, Kementerian Sosial menonaktifkan 13,5 juta peserta Penerima Bantuan Iuran Jaminan Kesehatan Nasional (PBI JKN) karena perubahan posisi desil dalam DTSEN. Di wilayah kerja satu kantor cabang BPJS Kesehatan di Semarang saja, 176.008 jiwa kehilangan akses layanan kesehatan gratis dalam satu kali pemutakhiran data. Di Jakarta, terdepat mahasiswa penerima Kartu Jakarta Mahasiswa Unggul (KJMU) dicoret dari daftar penerima karena perpindahan desil setelah pemadanan data, dan beberapa di antaranya terancam tidak dapat melanjutkan studi.

Data BPS per Maret 2025 mencatat 23,85 juta penduduk miskin atau 8,47 persen dari total populasi, dengan garis kemiskinan yang hanya sebesar Rp609.160 per kapita per bulan. Gini ratio tercatat 0,375. Angka-angka ini menggambarkan betapa jutaan orang berkerumun tepat di sekitar ambang batas kemiskinan, sehingga pergerakan kecil dalam skor PMT sudah cukup untuk menggeser posisi seseorang dari desil 5 ke desil 6 dan seketika mencabutnya dari PKH, BPNT, maupun PBI JKN. APBN 2026 mengalokasikan Rp508,2 triliun untuk perlindungan sosial, menyasar 10 juta keluarga penerima manfaat (KPM) PKH dan 18,3 juta KPM BPNT. Di balik angka besar ini, pemerintah sendiri mengakui bahwa sekitar 45 persen bansos masih mengalami inclusion error, sementara exclusion error di sisi lain tetap signifikan: lebih dari 54 juta jiwa di desil 1 hingga 5 diperkirakan belum menerima PBI JKN.Paradoks ini menunjukkan bahwa masalah utama DTSEN hari ini bukan semata-mata soal orang yang tidak berhak menerima bantuan, melainkan juga soal orang yang berhak tetapi tidak terjangkau.

Mekanisme yang perlu dipahami adalah bahwa desil bersifat relatif, bukan absolut. Ketika pemutakhiran data dilakukan secara masif, posisi relatif jutaan keluarga bergeser serentak, bahkan ketika kondisi ekonomi riil mereka tidak berubah. Ini berarti seseorang bisa turun desil bukan karena kondisinya memburuk, melainkan karena keluarga lain di sekitarnya terekam membaik dalam data. Dalam sistem yang menjadikan desil sebagai gerbang biner tunggal untuk mengakses layanan dasar, dinamika statistik ini diterjemahkan langsung menjadi hilangnya hak sosial tanpa peringatan dan tanpa transisi.

Yang diperlukan ke depan bukan penolakan terhadap DTSEN, melainkan reformasi bentuk program agar desil tidak berfungsi sebagai sakelar on-off yang kaku. Pertama, perlu ada zona transisi di sekitar batas desil yang rawan, khususnya antara desil 5 dan 6, agar perpindahan satu tingkat tidak serta-merta mencabut seluruh hak. Kedua, mekanisme sanggah dan reaktivasi perlu dipercepat secara signifikan, terutama untuk kelompok rentan seperti penyandang disabilitas, ibu hamil, dan pasien kronis yang tidak mampu menanggung biaya kesalahan data. Ketiga, BPS dan Kemensos perlu mempublikasikan statistik inclusion dan exclusion error secara berkala sebagai bagian dari pertanggungjawaban publik atas sistem yang kini menentukan hajat hidup lebih dari 290 juta jiwa. DTSEN adalah lompatan besar dalam tata kelola data sosial Indonesia, tetapi nilainya akan ditentukan bukan oleh cakupannya, melainkan oleh ketepatan dan keadilan cara data itu digunakan