Desil dan Warga yang Tak Terbaca Negara

Desil pada dasarnya adalah praktik social sorting, yakni pengelompokan warga berdasarkan data dan kategori sosial-ekonomi yang kemudian berpengaruh pada perlakuan institusional terhadap mereka (Lyon, 2003). Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) memetakan rumah tangga ke dalam 10 kelompok.

Desil 1 merupakan kelompok dengan tingkat kesejahteraan relatif paling rendah, sedangkan desil 10 berada pada posisi relatif paling tinggi. Namun, penting diingat, desil adalah peringkat kesejahteraan relatif—bukan garis pendapatan dan bukan pula penentu tunggal yang secara otomatis menetapkan seseorang menerima atau tidak menerima bantuan sosial.

Ilustrasi warga. Foto: Magnific AI

Sebagai instrumen kebijakan, pemetaan itu dibutuhkan. Negara tidak mungkin menyalurkan bantuan secara adil tanpa mengetahui siapa yang paling membutuhkan. Persoalannya muncul ketika data yang seharusnya membantu melihat kerentanan justru menjadi kacamata tunggal untuk menilai kehidupan warga.

Seorang buruh dengan rumah berdinding permanen dan sepeda motor, misalnya, dapat tampak cukup mampu dalam daftar aset. Padahal, rumah mungkin warisan keluarga dan motor adalah alat pencari nafkah. Penghasilannya mungkin habis untuk kontrakan, makan, ongkos, cicilan, sekolah anak, atau biaya berobat. Ketika sakit, terkena PHK, atau harga pangan meningkat, ia tidak memiliki tabungan untuk bertahan.

Dalam perspektif kriminologi, persoalan ini dapat dibaca melalui konsep pengawasan kesejahteraan (welfare surveillance) dan eksklusi administratif. Klasifikasi warga berdasarkan data sosial-ekonomi memang diperlukan untuk menentukan prioritas program. Namun, ketika data tidak mutakhir, indikator tidak cukup peka terhadap kerentanan, atau mekanisme koreksi sulit diakses, status desil dapat berubah menjadi label administratif yang menentukan perlakuan birokrasi.

Studi Benjamin Schwarz dan Rikke Frank Jørgensen di Denmark memandang pemeriksaan kelayakan bantuan sebagai control tests. Mereka menunjukkan bahwa pergeseran dari pemeriksaan tatap muka yang memberi ruang diskresi menuju verifikasi semiotomatis dan berjarak dapat memperkuat standardisasi, sekaligus menciptakan kondisi bagi masuknya logika kriminalisasi ke dalam pengawasan kesejahteraan (Schwarz dan Jørgensen, 2026).

Dalam situasi demikian, warga yang secara nyata hidup dalam kemiskinan atau kerentanan dapat tersisih bukan karena kebutuhannya tidak ada, melainkan karena kebutuhannya tidak terbaca oleh sistem. Pengalaman ini dapat disebut sebagai eksklusi administratif: perlindungan sosial tertutup bukan oleh putusan pengadilan atau larangan formal, melainkan oleh kategori data, verifikasi, dan prosedur birokrasi yang tidak mampu menangkap perubahan hidup warga.

Risiko itu kian besar dalam tata kelola yang makin terdigitalisasi. Literatur menyebutnya sebagai “jerat digital” (digital cage). Sebuah keadaan ketika warga terperangkap dalam arsitektur data dan prosedur digital yang kaku. Informasi tentang dirinya tersebar dalam berbagai basis data, keputusan dibuat melalui pemadanan kategori, sedangkan alasan keputusan dan jalur koreksi sulit dipahami ataupun diakses (Peeters dan Widlak, 2023).

Dalam konteks desil, jerat digital dapat muncul ketika seorang warga mengalami PHK, sakit berkepanjangan, kehilangan pencari nafkah, atau penurunan usaha, tetapi perubahan itu belum tercermin dalam data. Ia lalu tetap dibaca berdasarkan jejak lama—kepemilikan aset, alamat, komposisi keluarga, atau indikator kesejahteraan sebelumnya.

Jika pengaduan hanya tersedia secara daring, membutuhkan dokumen yang sulit dipenuhi, atau tidak menjelaskan alasan penolakan, warga dapat merasa menghadapi situasi Kafkaesque: berhadapan dengan sistem administrasi yang rumit dan sulit dipahami, sementara alasan keputusan maupun jalur koreksinya tidak terang.

Pengalaman Belanda menunjukkan bahaya ketika penegakan terhadap dugaan welfare fraud berjalan bersama arsitektur data yang tidak transparan. Dalam skandal tunjangan pengasuhan anak, puluhan ribu warga secara keliru dituduh melakukan fraud, kemudian tersisih dari akses tunjangan.

Peeters dan Widlak menunjukkan bahwa pertukaran data lintas lembaga dan analisis algoritmik dapat membuat birokrasi kehilangan kemampuan memahami alasan di balik keputusan administratifnya sendiri. Bagi warga, situasi itu dapat berubah menjadi labirin yang sulit ditembus: keputusan telah dibuat, tetapi dasar keputusan dan jalan koreksinya tidak terang (Peeters dan Widlak, 2023).

Kasus Belanda tentu tidak dapat disamakan begitu saja dengan konteks desil di Indonesia. Namun, ia menjadi peringatan bahwa ketepatan sasaran tidak cukup ditopang oleh pemadanan data; sistem juga harus transparan, dapat diuji, dan menyediakan mekanisme koreksi yang sungguh-sungguh bekerja.

Tentu, negara wajib memastikan bantuan sosial tepat sasaran dan anggaran publik tidak diselewengkan. Verifikasi serta pemutakhiran data diperlukan agar bantuan tidak jatuh kepada pihak yang tidak memenuhi kriteria. Namun, kehati-hatian tersebut tidak semestinya berkembang menjadi kecurigaan berlebihan terhadap warga miskin.

Kekeliruan data, keterlambatan pembaruan informasi, kesulitan mengurus dokumen, atau kegagalan sistem membaca perubahan kondisi keluarga tidak patut diperlakukan sebagai kesalahan moral warga.

Karena itu, beban pembuktian jangan dipindahkan kepada warga. Ketika negara menyatakan seseorang tidak layak menerima bantuan, warga berhak mengetahui data dan indikator yang dipakai, serta memiliki jalur koreksi yang mudah ditemukan, dapat diakses tanpa biaya, dan tidak semata bergantung pada layanan digital.

Pemerintah telah membuka kanal resmi melalui aplikasi Cek Bansos, termasuk fitur Usul dan Sanggah, serta jalur pemutakhiran melalui pemerintah daerah. Namun, keterbukaan kanal harus diikuti kepastian bahwa koreksi diperiksa dalam batas waktu yang jelas, diterangkan hasilnya, dan benar-benar dapat memengaruhi keputusan program.

Desil seharusnya menjadi alat untuk menemukan warga yang membutuhkan, bukan palang untuk menutup akses perlindungan. Angka memang membantu negara mengambil keputusan dalam skala besar. Namun, siapa yang dapat menjamin data itu mampu menangkap beban cicilan, hilangnya pendapatan saat sakit, atau kecemasan keluarga untuk memastikan dapur tetap mengepul hingga akhir bulan?

Karena itu, data harus menjadi pintu untuk memahami kenyataan sosial, bukan alasan untuk mengabaikannya. Jadi, sudahkah Anda mengecek desil berapa Anda?