Ironi Ketimpangan di Balik Pengelompokan Desil BPS

Dok. Ilustrasi AI

Analisis anomali desil BPS: kekeliruan metode statistik memicu pencabutan hak bansos & UKT warga miskin. Perlu evaluasi algoritma, validasi lapangan, & fleksibilitas data demi keadilan sosial.

Sistem pendataan kesejahteraan sosial di Indonesia kembali memicu polemik publik. Kasus seorang pengemudi bentor di Kulon Progo yang tergolong dalam Desil 9, serta mahasiswa di Surabaya yang terancam putus kuliah karena masuk Desil 7, menjadi potret buram validitas data kemiskinan kita. Kebijakan publik yang bertujuan mendistribusikan bantuan sosial secara adil justru terjebak dalam ironi teknokrasi: data di atas kertas secara ekstrem bertolak belakang dengan kenyataan hidup masyarakat di lapangan.

Fenomena ini mengekspos celah serius dalam mekanisme pengelompokan tingkat kesejahteraan yang dilakukan Badan Pusat Statistik (BPS) melalui Data Tunggal Sosial dan Ekonomi Nasional (DTSEN). Pengelompokan masyarakat ke dalam sepuluh fraksi (desil) berdasarkan kesejahteraan sosial ekonomi tidak sekadar menjadi urusan statistik teknis, melainkan penentu hak dasar warga negara untuk mengakses bantuan sosial, jaminan kesehatan, dan beasiswa pendidikan.

Kerangka Konseptual dan Regulasi Pengelompokan Kesejahteraan

Secara statistik, desil membagi populasi menjadi sepuluh kelompok sama besar (masing-masing 10%) berdasarkan urutan indikator kesejahteraan. Desil 1 mewakili 10% populasi dengan tingkat kesejahteraan terendah, sedangkan Desil 10 mencakup 10% populasi dengan tingkat kesejahteraan tertinggi.

[ DESIL 1 ] --------> [ DESIL 7 ] --------> [ DESIL 9-10 ]

10% Terbawah Vulnerable 10% Teratas

(Kemiskinan Ekstrem) (Rentan Terlempar) (Kelas Menengah-Raya)

BPS menggunakan pendekatan Proxy Means Testing (PMT) untuk menentukan peringkat ini. Metode ini memperkirakan pengeluaran atau pendapatan rumah tangga berdasarkan variabel implisit yang mudah diamati, seperti:

• Kondisi Fisik Perumahan: Jenis lantai, dinding, atau luas bangunan.

• Akses Fasilitas Dasarnya: Sanitasi, sumber air minum, dan daya listrik.

• Kepemilikan Aset Durable: Kendaraan bermotor, elektronik, atau kepemilikan usaha.

• Demografi & Ketenagakerjaan: Tingkat pendidikan, status pekerjaan, dan jumlah anggota keluarga.

Landasan hukum pendataan ini berakar pada UU No. 13 Tahun 2011 tentang Penanganan Fakir Miskin, yang memandatkan pembentukan data terpadu sebagai rujukan pemenuhan hak-hak dasar. Hal ini ditegaskan kembali melalui Instruksi Presiden No. 4 Tahun 2022 tentang Percepatan Penghapusan Kemiskinan Ekstrem, yang mendorong pemanfaatan data Registrasi Sosial Ekonomi (Regsosek) yang kini terintegrasi dalam DTSEN.

Namun, secara doktrinal, hukum administrasi negara menuntut setiap keputusan berbasis data harus memenuhi asas kepastian hukum dan asas kecermatan. Ketika algoritma statistik mengklasifikasikan seorang penarik bentor ke dalam kelompok masyarakat berkecukupan (Desil 9), terjadi inkonsistensi substantif antara norma hukum perlindungan sosial dan fakta sosiologis.

Realitas Lapangan: Kegagalan Model Proxy Means Testing

Penyebab utama dari anomali data ini terletak pada keterbatasan model PMT dalam menangkap dinamika ekonomi riil. BPS berargumen bahwa penentuan desil tidak semata-mata diukur dari nominal gaji, melainkan komposit dari puluhan variabel. Namun, terdapat tiga kelemahan mendasar dalam pendekatan ini:

1. Aset Fisik vs. Ketersediaan Likuiditas (Cash Flow): Seorang warga yang memiliki rumah berlantai keramik hasil warisan bersama keluarga besar, atau memiliki sepeda motor tua untuk mobilitas kerja, akan mendapatkan skor PMT yang tinggi. Algoritma mengasumsikan kepemilikan aset tersebut sebagai cerminan daya beli, tanpa memperhitungkan bahwa pendapatan harian mereka dari sektor informal sangat terbatas dan tidak menentu.

2. Lebarnya Spektrum Desil Teratas: Pengelompokan desil bersifat relatif, bukan absolut. Di dalam Desil 9 dan 10, batas bawahnya dihuni oleh masyarakat rentan atau kelas menengah bawah yang baru sedikit melampaui garis kemiskinan absolut. Namun, mereka ditempatkan di "kotak" yang sama dengan kelompok masyarakat berpenghasilan tinggi dan konglomerat. Akibatnya, kelompok rentan ini kehilangan akses terhadap jaminan kesehatan (PBI BPJS) atau bantuan pendidikan (KIP-K).

3. Keterlambatan Pemutakhiran Data (Data Lag): Ekonomi masyarakat informal bersifat amat dinamis. Kejadian seperti PHK, musibah sakit, atau penjualan aset untuk membayar utang (seperti kasus mahasiswa yang menjual motor demi biaya awal kuliah) sering kali lambat terekam dalam pembaruan data DTSEN.

Implikasi Sosial dan Kebijakan Publik

Penyimpangan kriteria ini memicu dua dampak sistemik yang membahayakan tata kelola jaminan sosial:

Jenis Kesalahan Bentuk Kejadian Dampak Sosial-Ekonomi

Exclusion Error (Inklusi Terabaikan) Warga miskin/rentan tercatat pada Desil 7–10. Kehilangan hak atas bansos, terancam putus sekolah, atau terjerat utang.

Inclusion Error (Inklusi Salah Sasaran) Kelompok berkecukupan tercatat pada Desil Rendah. Anggaran negara tidak efektif dan menciptakan ketidakadilan distribusi sosial.

Secara sosiologis, exclusion error yang masif berpotensi merusak kepercayaan publik (public trust) terhadap kaji ulang kebijakan pemerintah. Ketika seorang pekerja harian melihat namanya berada di desil yang sama dengan kelompok kaya, timbul persepsi bahwa sistem pendataan bekerja secara sewenang-wenang dan melupakan kondisi riil di lapangan.

Solusi Strategis Reformasi Pendataan Kesejahteraan

Untuk mengatasi ironi ketimpangan ini, diperlukan langkah konkret perbaikan dari aspek teknis maupun regulasi:

• Pembaruan Bobot Indikator PMT: BPS perlu mengkalibrasi ulang bobot variabel aset produktif versus aset konsumtif. Kepemilikan kendaraan bermotor tunggal untuk mencari nafkah tidak boleh disetarakan dengan kepemilikan aset investasi.

• Mekanisme Ground Checking dan Verifikasi Komunitas: Penetapan status desil yang menjadi batas kritis (cutoff point) penerima bantuan tidak boleh sepenuhnya diserahkan pada statistik terpusat. Perlu ada peran aktif dari musyawarah desa/kelurahan (Musdes/Muskel) sebagai filter validasi kondisi faktual warga.

• Integrasi Sistem Usul-Sanggah Real-Time: Saluran pengaduan dan pemutakhiran data mandiri harus dipangkas birokrasi jalurnya. Pengajuan perbaikan data warga yang mendesak—seperti untuk kebutuhan kuliah atau pengobatan—harus memiliki mekanisme verifikasi cepat (fast-track).

Pendataan kesejahteraan sosial pada hakikatnya adalah instrumen untuk menghadirkan keadilan sosial, bukan sekadar instrumen statistik pemeringkatan. Pengelompokan desil yang presisi, adaptif, dan mencerminkan realitas sosiologis adalah syarat mutlak agar kehadiran negara benar-benar dirasakan oleh seluruh lapisan masyarakat.