Polemik mengenai akurasi penentuan desil kesejahteraan ekonomi masyarakat di Indonesia kembali mencuat ke permukaan publik. Dalam konteks pembangunan nasional, desil bukan sekadar angka statistik, melainkan instrumen fundamental yang digunakan oleh Kementerian Kependudukan dan Pembangunan Keluarga (Kemendukbangga) atau BKKBN bersama Badan Pusat Statistik (BPS) untuk memetakan strata ekonomi penduduk dari kelompok termiskin hingga kelompok sejahtera. Namun, diskrepansi antara data di lapangan dengan realitas sosiologis yang terjadi sering kali menimbulkan bias kebijakan, yang pada akhirnya memicu ketidakpuasan masyarakat terkait efektivitas penyaluran bantuan sosial.
Fondasi Metodologis Penentuan Desil dan Tantangan Objektivitas
Secara teoretis, desil merupakan klasifikasi penduduk ke dalam 10 kelompok yang disusun berdasarkan peringkat kesejahteraan. Dalam ekosistem data nasional, penentuan ini merujuk pada indikator komposit yang mencakup konsumsi rumah tangga, kepemilikan aset, serta akses terhadap infrastruktur dasar. Deputi Bidang Pengendalian Penduduk Kemendukbangga/BKKBN, Bonivasius Prasetya Ichtiarto, dalam sebuah diskusi kebijakan di Jakarta, menekankan bahwa akurasi data sangat bergantung pada partisipasi aktif masyarakat sebagai sumber informasi primer.
Masalah mendasar yang sering ditemukan adalah rendahnya literasi data di tingkat akar rumput. Fenomena di mana responden memberikan jawaban tidak akurat—baik karena kekhawatiran akan kehilangan bantuan sosial maupun upaya untuk menutupi kondisi ekonomi yang sebenarnya—menjadi hambatan krusial. Ketika responden cenderung "mengelabui" pencacah dengan melaporkan pendapatan yang lebih tinggi atau sebaliknya, sistem Big Data pemerintah akan menghasilkan output yang terdistorsi. Hal ini merupakan tantangan klasik dalam survei sosial ekonomi, di mana bias respons (response bias) mendegradasi validitas data makro secara sistematis.
Analisis Sosiologis terhadap Distorsi Data di Lapangan
Ditinjau dari perspektif sosiologi ekonomi, ketidakjujuran responden dalam memberikan keterangan kepada petugas survei sering kali didorong oleh ketakutan akan stigmatisasi atau ketidakpercayaan terhadap mekanisme distribusi bantuan. Sebagaimana dijelaskan oleh Bonivasius, terdapat anomali ketika masyarakat berpenghasilan rendah justru memberikan informasi yang tidak sinkron dengan kondisi riil aset yang mereka miliki.
Sebagai contoh, perilaku konsumtif yang terlihat melalui kepemilikan barang elektronik atau kendaraan bermotor sering kali tidak berkorelasi linear dengan stabilitas ekonomi jangka panjang. Namun, jika petugas lapangan tidak memiliki kemampuan wawancara yang mumpuni untuk melakukan validasi silang (cross-checking), data yang masuk ke sistem Pusat Data Nasional menjadi tidak kredibel. Inilah yang kemudian memicu evaluasi kebijakan publik secara berkelanjutan guna memastikan bahwa instrumen pengumpulan data benar-benar mampu menangkap variabel ekonomi yang dinamis.
Peningkatan Kapasitas Petugas dan Pengawasan Berjenjang
Untuk memitigasi risiko mismatch atau ketidaksesuaian data, Kemendukbangga/BKKBN menyoroti pentingnya profesionalisme petugas pencacah. Pendataan bukan sekadar aktivitas administratif, melainkan proses verifikasi yang membutuhkan kemampuan observasi tinggi. Strategi yang diusulkan mencakup:
- Pelatihan Interviewer Berbasis Kompetensi: Petugas harus dilatih untuk melakukan teknik wawancara mendalam (in-depth interview) yang mampu mendeteksi inkonsistensi jawaban responden.
- Sistem Pengawasan Berjenjang: Melibatkan perangkat daerah seperti RT/RW atau tokoh masyarakat untuk melakukan konfirmasi faktual terhadap data yang telah dihimpun, guna memastikan data mencerminkan kondisi ekonomi riil.
- Audit Data Berkala: Melakukan pembersihan data (data cleansing) secara rutin untuk membuang anomali yang mungkin timbul akibat kesalahan input atau respons yang tidak valid.
Dalam strategi penguatan data nasional, penggunaan teknologi informasi juga menjadi keniscayaan. Integrasi data antara BPS, Kemendukbangga, dan instansi terkait lainnya harus dilakukan secara real-time untuk meminimalisir celah bagi manipulasi data di tingkat lokal.
Dampak Jangka Panjang terhadap Kebijakan Fiskal
Ketidakakuratan data desil memiliki implikasi ekonomi makro yang signifikan. Jika data yang digunakan oleh pemerintah sebagai basis pemberian subsidi tidak tepat sasaran, maka akan terjadi pemborosan anggaran negara atau justru kegagalan dalam mengentaskan kemiskinan ekstrem. Dalam teori ekonomi kesejahteraan, alokasi sumber daya yang tidak efisien (deadweight loss) akibat data yang buruk dapat menghambat pertumbuhan ekonomi nasional.
Airlangga Hartarto, dalam berbagai kesempatan, menegaskan bahwa indikator kategori desil harus berbasis pada survei ekonomi yang komprehensif, mencakup Data Terpadu Kesejahteraan Sosial (DTSEN). Sinergi antara kebijakan fiskal dan data akurat adalah prasyarat mutlak bagi keberhasilan program perlindungan sosial. Tanpa validitas data yang terjaga, setiap rupiah yang dikeluarkan negara untuk bantuan sosial berisiko kehilangan efektivitasnya, yang pada akhirnya merugikan masyarakat itu sendiri.
Urgensi Literasi Data bagi Masyarakat
Diperlukan pendekatan komunikatif yang masif dari pemerintah kepada masyarakat mengenai pentingnya memberikan informasi yang jujur. Narasi yang harus dibangun bukan lagi sekadar "pendataan", melainkan "investasi data". Dengan memberikan data yang akurat, masyarakat sebenarnya sedang berpartisipasi dalam penyusunan kebijakan yang lebih adil dan tepat sasaran.
Pemerintah perlu melakukan kampanye edukasi yang menjelaskan bahwa status desil bukanlah label permanen, melainkan potret kondisi ekonomi yang akan dievaluasi secara periodik. Transparansi dalam proses pendataan dan penjelasan mengenai manfaat desil bagi akses layanan publik—seperti pendidikan, kesehatan, dan bantuan ekonomi produktif—diharapkan dapat meningkatkan tingkat kooperatif responden.
Kesimpulan dan Rekomendasi Kebijakan
Permasalahan desil adalah cerminan dari kompleksitas tata kelola data di negara berkembang. Sebagai pengamat industri, kami menilai bahwa langkah Kemendukbangga/BKKBN untuk memperketat kualitas petugas dan meningkatkan kesadaran publik adalah langkah yang tepat, namun belum cukup. Diperlukan integrasi sistematis antara teknologi pengenalan pola (pattern recognition) dengan verifikasi lapangan yang humanis.
Ke depan, pemerintah disarankan untuk:
- Melakukan Sinkronisasi Data Lintas Sektor: Menghubungkan data kependudukan, data perpajakan, dan data kepemilikan aset untuk memvalidasi klaim ekonomi responden.
- Penguatan Pengawasan Independen: Melibatkan pihak ketiga atau akademisi dalam mengaudit metodologi pendataan secara berkala guna menjamin objektivitas.
- Digitalisasi Respons: Mengurangi ketergantungan pada catatan manual dengan aplikasi yang mampu memberikan peringatan dini (early warning system) jika terdapat ketidaksinkronan data yang ekstrem saat proses input berlangsung.
Dengan membenahi ekosistem data dari hulu ke hilir, Indonesia dapat memastikan bahwa kebijakan pembangunan tidak hanya sekadar formalitas administratif, tetapi benar-benar mampu menyentuh kelompok masyarakat yang paling membutuhkan. Integritas data adalah cermin dari kedewasaan birokrasi dan partisipasi masyarakat dalam mewujudkan kesejahteraan sosial yang merata dan berkeadilan bagi seluruh rakyat di Indonesia. Pada akhirnya, akurasi data adalah kunci utama dalam memenangkan pertarungan melawan kemiskinan dan ketimpangan ekonomi di masa depan.