Akurasi Data Bantuan Sosial Dipertanyakan: Desil DTSEN Mendesak Verifikasi Komprehensif
Pemanfaatan data desil dari Data Terpadu Sosial Ekonomi Nasional (DTSEN) sebagai penentu utama penerima program bantuan sosial (bansos) pemerintah tengah menjadi sorotan tajam. Meskipun bertujuan menyederhanakan proses identifikasi, para pengamat menilai ketergantungan tunggal pada metode ini tanpa dilengkapi verifikasi lapangan dan indikator pelengkap dapat mengancam akurasi data serta keadilan penyaluran bantuan bagi warga yang benar-benar membutuhkan.
Pemerintah secara aktif mengandalkan sistem desil dalam DTSEN untuk mengkategorikan tingkat kesejahteraan ekonomi masyarakat. Klasifikasi ini kemudian menjadi landasan krusial dalam menentukan siapa saja yang berhak menerima berbagai bentuk bansos. Namun, sistem yang dianggap praktis ini menyimpan potensi permasalahan serius, terutama terkait dinamika perubahan ekonomi individu yang tidak selalu tercermin secara real-time dalam data statis.
Mengapa Desil DTSEN Perlu Verifikasi Tambahan?
Metode desil, yang membagi populasi ke dalam sepuluh kelompok berdasarkan tingkat kesejahteraan ekonomi, menawarkan gambaran makro yang efisien. Namun, tanpa penyesuaian dan validasi berkelanjutan, data ini cenderung menjadi usang dengan cepat. Beberapa alasan utama mengapa verifikasi tambahan menjadi sangat penting adalah:
- Dinamika Ekonomi Keluarga: Kondisi ekonomi rumah tangga sangat fluktuatif. Seseorang yang berada di desil bawah pada satu periode bisa saja mengalami peningkatan ekonomi, atau sebaliknya, jatuh lebih dalam ke kemiskinan akibat kehilangan pekerjaan, bencana alam, atau sakit. Data desil yang tidak diperbarui secara berkala akan gagal menangkap perubahan ini.
- Keterbatasan Indikator: Desil umumnya mengandalkan indikator pendapatan atau kepemilikan aset yang terbatas. Aspek-aspek lain seperti beban tanggungan keluarga, akses terhadap layanan kesehatan, kualitas tempat tinggal, atau utang yang menumpuk seringkali terlewatkan.
- Potensi Kesalahan Data Awal: Proses pengumpulan data DTSEN, meskipun masif, tidak luput dari human error atau manipulasi. Tanpa proses verifikasi berlapis, kesalahan ini dapat berlanjut dan memengaruhi keputusan penyaluran bansos.
- Fenomena Inklusi dan Eksklusi Error: Ketergantungan pada data desil semata berisiko tinggi menyebabkan dua jenis kesalahan fatal: *inclusion error* (bantuan diterima oleh mereka yang sebenarnya tidak berhak) dan *exclusion error* (mereka yang berhak justru tidak mendapatkan bantuan). Kedua kesalahan ini merusak kepercayaan publik dan efisiensi anggaran negara.
Indikator Pelengkap dan Peran Verifikasi Lapangan
Untuk mengatasi keterbatasan desil, para ahli menyarankan pemerintah agar melengkapi DTSEN dengan sistem verifikasi yang lebih robust dan indikator lain yang lebih komprehensif. Beberapa pendekatan yang dapat dipertimbangkan meliputi:
- Verifikasi Lapangan Langsung: Petugas khusus dapat melakukan kunjungan ke rumah calon penerima untuk memvalidasi kondisi nyata, mengkonfirmasi data yang ada, dan mengumpulkan informasi tambahan yang relevan.
- Indikator Multidimensional: Selain pendapatan, pertimbangkan indikator seperti pola konsumsi listrik/air, kepemilikan kendaraan, kualitas sanitasi, akses pendidikan anak, dan kondisi kesehatan anggota keluarga. Pendekatan multidimensional ini memberikan gambaran kesejahteraan yang lebih holistik.
- Pelibatan Komunitas Lokal: Pengurus Rukun Tetangga (RT) atau Rukun Warga (RW) memiliki pemahaman mendalam tentang kondisi ekonomi warganya. Pelibatan mereka dalam proses validasi dapat membantu mengidentifikasi individu yang luput dari pendataan atau justru tidak lagi membutuhkan bantuan.
- Cross-Checking dengan Basis Data Lain: Menghubungkan data DTSEN dengan basis data pemerintah lainnya, seperti data Pajak Bumi dan Bangunan (PBB), kepemilikan kendaraan bermotor, atau kepesertaan BPJS Kesehatan, dapat memperkuat akurasi.
Dampak Akurasi Data terhadap Keadilan Sosial dan Kepercayaan Publik
Akurasi data bukan sekadar persoalan teknis; ini adalah fondasi keadilan sosial. Ketika bansos tidak tepat sasaran, dampak negatifnya sangat luas. Individu yang sangat membutuhkan bisa terjerat dalam lingkaran kemiskinan yang lebih dalam, sementara masyarakat luas kehilangan kepercayaan terhadap efektivitas dan integritas program pemerintah. Ini sejalan dengan upaya pemerintah sebelumnya untuk terus memperbaiki sistem Data Terpadu Kesejahteraan Sosial (DTKS), yang menjadi cikal bakal banyak data sosial. Masalah akurasi data telah menjadi pekerjaan rumah yang berkelanjutan, dan kritik terhadap desil DTSEN ini merupakan kelanjutan dari tantangan tersebut.
Memastikan setiap rupiah bantuan sosial menjangkau tangan yang tepat adalah investasi dalam stabilitas sosial dan ekonomi. Oleh karena itu, langkah-langkah proaktif untuk memperkuat metodologi identifikasi penerima bantuan, termasuk verifikasi komprehensif dan penggunaan indikator pelengkap, bukan lagi pilihan melainkan sebuah urgensi. Pemerintah harus berani berinvestasi lebih dalam pada sistem data yang adaptif dan akuntabel untuk mewujudkan kesejahteraan ekonomi warga RI secara merata dan berkeadilan. [Pelajari lebih lanjut tentang pengelolaan data kesejahteraan sosial di Indonesia di situs Kementerian Sosial RI.](https://kemensos.go.id/)
