JAKARTA (SUMBAR).GP — Persoalan pemeringkatan penerima bantuan sosial berbasis desil kembali membuka pertanyaan mendasar tentang bagaimana negara membaca kemiskinan.
Di satu sisi, pemerintah membutuhkan basis data yang akurat agar bantuan sosial tidak salah sasaran. Namun di sisi lain, ketika kondisi sosial-ekonomi jutaan keluarga diterjemahkan ke dalam angka desil, muncul persoalan yang jauh lebih serius: bagaimana jika angka tersebut tidak sepenuhnya menggambarkan kenyataan hidup warga?
Pertanyaan itu mengemuka dalam forum diskusi terbuka mengenai polemik sistem pemeringkatan desil bantuan sosial. Menteri Sosial RI dan Kepala Badan Pusat Statistik (BPS) berhalangan hadir dan diwakili jajaran pimpinan teknis.
Meski demikian, absennya dua pejabat tersebut tidak mengurangi substansi perdebatan. Justru forum berkembang menjadi kritik terhadap pendekatan metodologis dan konsekuensi kebijakan dari penggunaan Data Tunggal Sosial Ekonomi Nasional (DTSEN) dalam penentuan penerima berbagai program perlindungan sosial.
Pengamat Kebijakan Publik Universitas Gadjah Mada (UGM), Wahyu Media Askar, tampil mempertanyakan fondasi dari sistem tersebut.
Menurut Media, persoalannya bukan semata-mata apakah pemerintah memiliki model statistik yang canggih. Persoalan yang lebih mendasar adalah apakah data yang dimasukkan ke dalam model benar-benar mampu menggambarkan realitas sosial masyarakat.
Garbage In, Garbage Out
Media mengingatkan prinsip yang sangat dikenal dalam dunia pengolahan data: garbage in, garbage out.
Model regresi, algoritma statistik, hingga machine learning tidak dapat secara otomatis mengubah data yang buruk menjadi keputusan yang benar.
Jika data awal mengandung kesalahan, ketidaklengkapan, keterlambatan pembaruan, atau gagal menangkap kondisi sosial tertentu, maka kesalahan tersebut berpotensi terbawa sampai pada tahap akhir pengambilan keputusan.
Di sinilah kritik Media menjadi penting.
Ia menyoroti adanya potensi simpangan atau error yang menurutnya dapat sangat besar, bahkan hampir mencapai 40 persen dalam konteks yang dibahasnya.
Angka tersebut, jika benar terjadi dalam skala penargetan bansos nasional, bukan lagi sekadar persoalan teknis statistik.
Sebab setiap persentase kesalahan dapat memiliki konsekuensi terhadap kehidupan manusia.
Di atas kertas, ia disebut error. Di tengah masyarakat, ia bisa berarti keluarga kehilangan bantuan.
Dan persoalan tersebut dikenal dalam kebijakan perlindungan sosial sebagai exclusion error: warga yang sesungguhnya membutuhkan bantuan justru tidak masuk dalam kelompok penerima.
Ketika Kesalahan Algoritma Menjadi Kesalahan Kebijakan
Problem terbesar muncul ketika hasil pemeringkatan digunakan sebagai dasar untuk mengambil keputusan administratif.
Sistem dapat menghasilkan angka. Sistem dapat menyusun peringkat. Sistem dapat mengelompokkan masyarakat ke dalam desil.
Tetapi sistem tidak hidup di dalam rumah warga.
Sistem tidak melihat ketika penghasilan sebuah keluarga turun secara tiba-tiba. Sistem tidak selalu mengetahui beban biaya pengobatan. Sistem tidak merasakan kehilangan pekerjaan. Sistem juga tidak serta-merta memahami bahwa keluarga yang secara statistik berada pada kelompok tertentu bisa menghadapi kebutuhan sosial yang jauh lebih berat dibanding keluarga lain dengan posisi desil yang sama.
Karena itu, pertanyaan yang perlu diajukan bukan sekadar “berapa desil keluarga ini?”
Pertanyaan yang lebih substantif adalah:
“Masalah apa yang sedang dihadapi keluarga ini dan perlindungan apa yang sebenarnya mereka butuhkan?”
Perbedaan dua pertanyaan tersebut menggambarkan perbedaan antara melihat kemiskinan sebagai angka dan melihat kemiskinan sebagai realitas manusia.
Amartya Sen dan Kritik terhadap Kemiskinan yang Disederhanakan
Media menggunakan perspektif pemikiran ekonom peraih Nobel, Amartya Sen, untuk menjelaskan persoalan tersebut.
Dalam pendekatan kapabilitas Sen, kemiskinan tidak semata-mata berkaitan dengan rendahnya pendapatan. Kemiskinan juga menyangkut keterbatasan kemampuan seseorang untuk menjalani kehidupan yang mereka nilai layak.
Dengan perspektif tersebut, kemiskinan menjadi persoalan multidimensional.
Ada persoalan pendidikan.
Ada kesehatan.
Ada pekerjaan.
Ada tempat tinggal.
Ada akses terhadap layanan publik.
Ada kemampuan memenuhi kebutuhan dasar.
Dan semua persoalan tersebut tidak selalu bergerak dalam arah yang sama.
Karena itu, ketika seluruh kompleksitas tersebut dipadatkan menjadi sebuah angka desil tunggal, terdapat risiko negara memperoleh gambaran yang rapi secara statistik tetapi tidak sepenuhnya akurat secara sosial.
Data bisa terlihat bersih. Kehidupan masyarakat belum tentu.
Desil 7 Tidak Otomatis Berarti Tidak Membutuhkan Negara
Salah satu persoalan yang patut mendapatkan perhatian adalah kemungkinan munculnya anggapan bahwa semakin tinggi desil, semakin kecil kebutuhan terhadap perlindungan sosial.
Logika tersebut dapat bermasalah apabila diterapkan secara kaku.
Sebuah keluarga dapat memiliki pendapatan yang membuatnya berada pada desil relatif tinggi, tetapi pada saat bersamaan menghadapi persoalan kesehatan berat.
Keluarga lain mungkin tidak masuk kelompok termiskin, tetapi memiliki anak yang membutuhkan dukungan pendidikan.
Ada pula keluarga yang pendapatannya tidak terlalu rendah, tetapi pengeluarannya melonjak akibat kondisi tertentu.
Dalam situasi seperti itu, desil ekonomi tidak selalu identik dengan kebutuhan sosial.
Karena itu, Media menyoroti kasus warga yang menurut pemetaan tertentu dapat terdorong ke desil lebih tinggi—bahkan desil tujuh—sementara kebutuhan mereka terhadap layanan kesehatan atau pendidikan masih sangat nyata.
Konsekuensinya bisa jauh lebih serius apabila perubahan klasifikasi tersebut berpengaruh terhadap akses terhadap program seperti PBI maupun KIP.
Pertanyaannya kemudian sederhana tetapi mendasar:
Apakah seseorang yang tidak lagi berada di desil bawah otomatis tidak lagi membutuhkan perlindungan negara?
Jika jawabannya tidak, maka sistem penargetan tidak boleh berhenti pada pemeringkatan.
PKH Jangan Kalah oleh Obsesi pada Angka
Dalam forum tersebut, Media juga mengingatkan pemerintah agar tidak terjebak pada apa yang ia kritik sebagai “atraksi statistik”.
Pemerintah memang membutuhkan data.
Bahkan, negara modern tidak mungkin menjalankan program perlindungan sosial tanpa sistem data yang baik.
Namun data seharusnya menjadi alat bantu pengambilan keputusan, bukan menjadi satu-satunya realitas yang dipercaya.
Media menekankan pentingnya melihat kembali efektivitas program yang memang terbukti memberikan dampak kepada keluarga miskin, termasuk bantuan tunai bersyarat seperti Program Keluarga Harapan (PKH).
Sejumlah penelitian akademik menunjukkan bahwa bantuan tunai bersyarat dapat memberikan dampak terhadap pengurangan kemiskinan serta memperluas akses rumah tangga penerima terhadap layanan dasar.
Maka persoalannya bukan memilih antara data atau bansos.
Persoalannya adalah bagaimana data digunakan untuk memastikan bantuan benar-benar sampai kepada orang yang membutuhkan.
Pertanyaan Besar untuk BPS dan Kemensos
Perdebatan ini pada akhirnya tidak dapat berhenti di ruang seminar.
Ada sejumlah pertanyaan yang layak dijawab secara terbuka oleh pemerintah.
Bagaimana tingkat akurasi klasifikasi desil DTSEN?
Berapa besar inclusion error dan exclusion error yang terjadi?
Seberapa sering data diperbarui?
Bagaimana perubahan kondisi ekonomi keluarga ditangkap oleh sistem?
Bagaimana warga dapat mengajukan keberatan apabila merasa salah klasifikasi?
Dan yang paling penting:
Berapa banyak keluarga yang kehilangan atau berisiko kehilangan akses bansos akibat perubahan klasifikasi tersebut?
Pertanyaan itu penting karena kesalahan penargetan memiliki dua sisi.
Jika orang yang tidak berhak menerima bantuan masuk ke dalam daftar, negara mengalami inclusion error.
Tetapi jika orang yang seharusnya menerima bantuan justru dikeluarkan, negara menghadapi exclusion error.
Keduanya sama-sama problematik.
Namun dalam kasus exclusion error, konsekuensinya bisa sangat berat bagi keluarga yang benar-benar bergantung pada bantuan tersebut.
Jangan Biarkan Negara Kalah oleh Datanya Sendiri
Modernisasi sistem data sosial ekonomi merupakan kebutuhan.
Pemerintah memang harus meninggalkan pola pendataan yang terfragmentasi dan membangun basis data yang lebih terpadu.
Tetapi integrasi data tidak boleh dipahami sebagai akhir dari persoalan.
Justru setelah sebuah sistem data nasional dibangun, pekerjaan berikutnya menjadi jauh lebih penting: memastikan data tersebut benar, mutakhir, transparan, dapat dikoreksi, dan tidak menghilangkan manusia dari proses pengambilan keputusan.
Sebab kemiskinan bukan sekadar persoalan statistik.
Ia adalah persoalan kehidupan.
Ketika seorang ibu tidak mampu membayar biaya pengobatan anaknya, angka desil tidak akan menanggung biaya tersebut.
Ketika seorang anak terancam putus sekolah, tabel statistik tidak akan mengantarnya kembali ke ruang kelas.
Dan ketika sebuah keluarga kehilangan sumber penghasilan, algoritma tidak otomatis mengembalikan dapurnya tetap mengepul.
Karena itu, kritik terhadap sistem desil seharusnya tidak dibaca sebagai penolakan terhadap data.
Sebaliknya, kritik tersebut dapat ditempatkan sebagai peringatan agar negara tidak menjadikan statistik sebagai pengganti realitas sosial.
Negara membutuhkan data untuk mengetahui siapa yang miskin.
Tetapi negara juga membutuhkan mekanisme verifikasi untuk memastikan siapa yang sebenarnya masih membutuhkan pertolongan.
Pada akhirnya, ukuran keberhasilan sistem bansos bukanlah seberapa rapi masyarakat dapat dirangking dari desil satu sampai sepuluh.
Ukuran keberhasilannya jauh lebih sederhana.
apakah tidak ada keluarga miskin yang ditinggalkan hanya karena sebuah angka mengatakan mereka sudah tidak miskin.
Sebab apabila sistem yang dibangun untuk menghapus kemiskinan justru membuat warga miskin kehilangan akses perlindungan, maka persoalannya bukan lagi sekadar kesalahan data.
Itu sudah menjadi persoalan keadilan sosial.
#GP | Red
Tidak ada komentar:
Posting Komentar