Ekonom Soroti Pelemahan DTSEN, Desil Bansos Harus Jadi Penyaring Awal

Sebuah vonis digital tanpa ampun melayang di atas kepala ribuan warga rentan. Tanpa peringatan, bantuan sosial (bansos) yang selama ini menjadi penopang hidup sehari-hari mendadak terhenti. Alasan di balik pemutusan tersebut kerap seragam dan dingin: nama mereka tercatat dalam sistem terdegradasi ke kategori "desil mampu". Fenomena salah sasaran ini menguak celah fatal dalam tata kelola Data Terpadu Sosio-Ekonomi Nasional (DTSEN) yang menggantungkan nasib rakyat pada pemodelan statistik kaku.

Investigasi mendalam menunjukkan bahwa algoritma pemeringkatan desil kerap gagal membaca realitas lapangan yang dinamis. Keluarga yang secara obyektif masih berjuang memenuhi kebutuhan dasar tiba-tiba terlempar ke Desil 6 atau lebih tinggi—kategori yang secara otomatis menggugurkan hak mereka atas jaminan kesehatan publik maupun bansos tunai. Kesalahan pengelompokan ini mengindikasikan adanya kelemahan sistemik yang mendasar pada metode pendataan nasional.

Cacat Sistemik di Balik Angka Desil

Kritik keras meluncur dari sejumlah ekonom dan pakar kebijakan publik. Sistem klasifikasi ekonomi berbasis desil—yang membagi tingkat kesejahteraan masyarakat dari rentang 1 hingga 10—dinilai kerap dipraktikkan secara salah melegitimasi pencabutan hak-hak dasar. Indikator variabel yang digunakan sering kali terlalu menyederhanakan kondisi riil perorangan di lapangan.

"Sistem desil seharusnya berfungsi sebagai alat penyaring awal (filtering mechanism) untuk memetakan prioritas, bukan vonis mutlak yang serta-merta mencabut hak sosial warga tanpa klarifikasi." Ujar analis kebijakan ekonomi Senior.

Dalam praktiknya, variabel penentu kesejahteraan kerap terkecoh oleh data sekunder. Kepemilikan sepeda motor tua atau daya listrik 900 VA sering kali langsung mengatrol peringkat desil seseorang, tanpa memperhitungkan beban riil keluarga seperti pengeluaran medis kronis, jumlah tanggungan, hingga kehilangan pekerjaan pasca-pandemi.

Membandingkan Pendekatan Model Data

Berikut adalah perbandingan antara pendekatan model DTSEN kaku saat ini dengan pendekatan fleksibel berbasis verifikasi lapangan yang direkomendasikan para ahli:

Vonis Digital Tanpa Verifikasi Lapangan

Tinggi angka exclusion error—yakni kondisi di mana warga miskin dan rentan gagal menerima bansos akibat kesalahan pendataan—menjadi bukti autentik ketidaksiapan sistem terintegrasi. Banyak laporan menunjukkan warga baru mengetahui bansos mereka dihentikan saat mengantre di bank penyalur atau rumah sakit, tanpa pernah ada proses wawancara konfirmasi sebelumnya.

Implikasi dari kecacatan ini bukan sekadar persoalan administratif, melainkan menyangkut keberlangsungan hidup. Ketika satu kesalahan input variabel data terjadi, dampaknya bisa memutus mata rantai bantuan bagi lansia tunggal, penyandang disabilitas, hingga anak-anak berisiko tengkes (stunting).

• Distorsi Indikator: Penilaian aset fisik sering kali membiaskan status pendapatan aktual warga rentan.
• Ketimpangan Informasi: Warga yang terdampak jarang mendapatkan akses untuk melakukan sanggahan data.
• Absensi Human-in-the-Loop: Pengambilan keputusan sepenuhnya diserahkan pada algoritma tanpa intervensi analisis kepekaan sosial.

Urgensi Reformasi Kebijakan Pendataan

Untuk mencegah dampak yang kian menggerus rasa keadilan, pembenahan mendasar harus segera diimplementasikan. Pemerintah mendesak perlunya integrasi mekanisme sanggah yang cepat dan mudah diakses di tingkat desa atau kelurahan. Pemeringkatan desil tidak boleh lagi dijadikan eksekutor tunggal dalam regulasi distribusi bantuan sosial.

Penguatan kapasitas petugas pendata lapangan serta pelibatan pengawasan komunitas lokal menjadi syarat mutlak. Tanpa koreksi mendasar terhadap tata cara penggunaan desil pada DTSEN, pencabutan bansos berbasis algoritma mentah akan terus melahirkan ketidakadilan struktural yang merugikan rakyat paling rentan.