Ruang Gagasan & Dialektika |

HANTAMFAKTA.

Jurnal Esai, Opini, & Argumentasi Kritis

Sosial 8 min read

Ilusi Desil: Ketika Statistik Kemiskinan Mengkhianati Realitas

Di balik narasi akurasi DTKS dan Regsosek: Menelanjangi kebangkrutan epistemologis metode PMT, patronase birokrasi jalanan, dan skandal kaum berpunya di desil perlindungan sosial.

R
Redaksi HantamFakta
Esai Kebijakan Publik & Investigasi Data
Diterbitkan pada
Selasa, 22 September 2026
Ilusi Desil: Ketika Statistik Kemiskinan Mengkhianati Realitas
Berkas Telaah Kebijakan: Distorsi Perlindungan Sosial
šŸ“‹ Fokus Masalah & Metodologi

Proxy Means Testing (PMT) & Regsosek/DTKS

Pengukuran kemiskinan berbasis aset fisik statis yang mengabaikan beban utang riil, goncangan ekonomi, dan arus kas harian.

⚔ Implikasi Keadilan Sosial

Krisis Inklusi & Eksklusi Ekstrem

Kaum miskin riil terlempar ke Desil 6–7 akibat lantai keramik kusam atau motor tua, sementara elit lokal dan kroni menyusup ke Desil 1–4.


I. Panggung Sandiwara di Ambang Pintu

Di sebuah gang sempit kawasan pinggiran Jakarta, seorang janda berusia enam puluh lima tahun duduk di atas dipan reyot. Dinding rumahnya adalah anyaman bambu yang lembap dan berjamur; atap sengnya bocor setiap kali hujan deras turun. Penghasilannya bergantung pada belas kasihan tetangga dan upah mencuci pakaian yang tidak pernah menentu—jarang melampaui lima ratus ribu rupiah sebulan. Namun, dalam basis data perlindungan sosial pemerintah, perempuan tua ini tercatat berada di Desil 7: kelompok masyarakat yang dinilai ā€œmampuā€ dan tidak berhak menerima sepeser pun bantuan iuran jaminan kesehatan, apalagi bantuan pangan.

Tiga kilometer dari gubuk tersebut, di sebuah perumahan kluster beraspal mulus, sebuah mobil sport utility vehicle (SUV) keluaran lima tahun terakhir terparkir rapi di garasi rumah berpagar besi tempa. Di atas kertas, sang kepala keluarga memiliki status yang mencengangkan: ia terdaftar di Desil 4—kategori rentan miskin yang menjadikannya sah menerima subsidi energi, kuota bantuan sosial reguler, hingga pembebasan biaya kuliah bagi anaknya melalui beasiswa afirmasi. Bahkan, dalam beberapa skandal data yang sempat meledak ke permukaan publik, nama-nama yang berafiliasi dengan kekuasaan lokal, birokrat mapan, hingga keluarga mantan anggota parlemen tercatat menyusup ke dalam desil terbawah perlindungan sosial.

Bagaimana sebuah sistem klasifikasi statistik nasional yang menghabiskan anggaran triliunan rupiah dapat menghasilkan distorsi yang begitu mengerikan?

Fenomena ini bukan sekadar anomali teknis yang bisa diselesaikan dengan pembersihan data (data cleansing) rutin. Ini adalah kebangkrutan epistemologis dari sebuah instrumen teknokratis. Sistem peringkat desil di Indonesia—yang saat ini mengacu pada Data Terpadu Kesejahteraan Sosial (DTKS) dan hasil Registrasi Sosial Ekonomi (Regsosek)—telah mereduksi kompleksitas penderitaan hidup manusia menjadi algoritma skoring yang kering, mekanistik, dan sangat mudah dimanipulasi.

Ketika angka desil di atas meja birokrat dianggap lebih suci dan lebih benar daripada realitas empiris yang kasat mata di lapangan, negara sesungguhnya tidak sedang mengentaskan kemiskinan. Negara sedang mempraktikkan ā€œkekerasan administratifā€: mendistribusikan keadilan sosial berbasis fiksi statistik.


II. Arsitektur Kerapuhan: Mengapa Model PMT Rentan Membual

Untuk memahami mengapa desil bisa melenceng begitu jauh, kita harus membongkar dapur metodologinya. Selama bertahun-tahun, penentuan siapa yang miskin dan siapa yang kaya di Indonesia didasarkan pada metode Proxy Means Testing (PMT). Pendekatan ini lahir dari asumsi bahwa masyarakat miskin—terutama di sektor informal—tidak memiliki slip gaji resmi atau bukti penghasilan yang bisa diverifikasi secara perbankan. Sebagai gantinya, pemerintah menciptakan ā€œvariabel proksiā€: ciri-ciri fisik aset rumah tangga yang dianggap mencerminkan tingkat kesejahteraan ekonomi.

Muncullah kuesioner panjang berisi puluhan variabel: jenis lantai (tanah, semen, keramik), jenis dinding, jenis atap, kepemilikan aset elektronik (kulkas, televisi, penanak nasi), hingga kepemilikan kendaraan bermotor. Algoritma kemudian memberikan bobot angka pada setiap jawaban, menghitung skor total, lalu menyortir seluruh populasi ke dalam sepuluh kelompok persentil kesejahteraan: Desil 1 untuk 10% termiskin, hingga Desil 10 untuk 10% terkaya.

Secara teoretis, rancangan ini tampak elegan dan ilmiah. Di atas kertas laboratorium ekonomi, model regresi tampak sempurna. Namun, di dunia nyata, model proksi ini memiliki cacat bawaan yang fatal: ia mengukur tampilan luar yang statis (stock of assets), bukan daya tahan hidup yang dinamis (flow of income and economic shock).

šŸ“Š ANOMALI METODOLOGI PMT: DISTORSI DARI REALITAS KE SISTEM
1. Realitas Sosial Riil
  • āš ļø Utang konsumtif/rentenir menumpuk
  • āš ļø Ketahanan pangan harian tak menentu
  • āš ļø Kepala keluarga sakit tanpa proteksi
Status Riil: Miskin Ekstrem
2. Kuesioner Proksi (PMT)
  • šŸ“¦ Kulkas satu pintu rusak? (Dicentang: Ada)
  • šŸ  Lantai keramik kusam warisan? (Dicentang: Ada)
  • šŸ›µ Motor butut 15 tahun lalu? (Dicentang: Ada)
Instrumen: Aset Fisik Statis
3. Output Basis Data
  • šŸ“ˆ Skor Algoritma: Terkalkulasi Tinggi
  • šŸ·ļø Klasifikasi Resmi: Desil 6 / 7
  • 🚫 Vonis Sistem: Diklaim "MAMPU"
Akibat: Bansos & Jaminan Kesehatan Tereliminasi

Perhatikan bagaimana model ini menghukum orang miskin yang berusaha mempertahankan martabatnya. Sebuah keluarga yang tinggal di rumah warisan keluarga besar—meskipun fondasinya rapuh dan tanahnya bukan milik pribadi—bisa memiliki lantai keramik kusam dan dinding tembok bata. Mereka mungkin memiliki sepeda motor butut berusia lima belas tahun yang dibeli saat kepala keluarga masih memiliki pekerjaan pabrik sebelum terkena pemutusan hubungan kerja. Mereka mungkin menyimpan kulkas satu pintu yang sudah rusak kompresornya di sudut dapur.

Di mata algoritma PMT, keberadaan lantai keramik, sepeda motor, dan kulkas tersebut langsung mendongkrak skor ekonomi keluarga itu keluar dari ambang batas kemiskinan. Algoritma tidak peduli bahwa di dalam rumah berlantai keramik itu, anak-anak mereka tidur dengan perut keroncongan karena sang ayah tidak lagi memiliki penghasilan tetap. Algoritma tidak menghitung beban utang rentenir, penyakit kronis tanpa jaminan yang menguras kas harian, atau fakta bahwa motor tua tersebut adalah satu-satunya alat produksi yang tersisa untuk mengantar pesanan ojek pangkalan demi membeli dua liter beras.

Sebaliknya, keluarga yang jauh lebih licik secara ekonomi—mereka yang memiliki pendapatan tunai lancar dari usaha informal atau jaringan rente lokal—bisa dengan mudah menyamarkan asetnya. Mereka tidak mendaftarkan mobil atas nama pribadi, mengontrak di rumah yang tampak bersahaja demi menghindari sorotan pajak, atau cukup menyembunyikan barang-barang bernilai saat pendataan dilakukan. Model PMT mengasumsikan masyarakat adalah kumpulan objek yang pasif dan jujur, padahal masyarakat adalah aktor strategis yang memahami bahwa tampilan luar menentukan apakah mereka akan mendapatkan kucuran bantuan negara atau tidak.


III. Birokrasi Pinggir Jalan: Kolusi, Patronase, dan Modus ā€œKedekatanā€

Kerapuhan metodologis ini menjadi berkali-kali lipat lebih destruktif saat ia bertemu dengan realitas lapangan: faktor manusia bernama surveyor.

Data sosial tidak jatuh dari langit ke peladen (server) Kementerian Sosial atau Badan Pusat Statistik secara otomatis. Data tersebut diproduksi melalui interaksi tatap muka antara petugas pencacah lapangan dengan warga. Di titik inilah teori sosiologi Michael Lipsky (2010) mengenai street-level bureaucracy menemukan wujud paling telanjangnya: para petugas di garis depan memiliki diskresi yang luar biasa besar, namun beroperasi di bawah kompensasi rendah, beban kerja berlebih, dan supervisi yang minim.

Siapa sebenarnya surveyor lapangan ini? Dalam banyak proyek pendataan masal—mulai dari Pemutakhiran Basis Data Terpadu (PBDT) hingga Regsosek—banyak surveyor yang direkrut adalah warga lokal, tenaga honorer, kader posyandu, kerabat perangkat desa, atau pemuda karang taruna. Mereka bukan investigator forensik independen; mereka adalah bagian integral dari struktur sosial lokal yang sarat dengan relasi kuasa, kekerabatan, dan potensi konflik kepentingan.

āš–ļø RELASI KUASA DAN KEBOCORAN PENDATAAN DI TINGKAT AKAR RUMPUT
šŸ›ļø Elit Lokal & Tim Sukses

Kepala Lingkungan, Tokoh Adat, RT/RW

Memiliki kepentingan menjaga konstituen patronase, membela kerabat dekat, dan mengamankan alokasi bantuan bagi lingkaran lingkar satu.

šŸ“‹ Surveyor Lapangan

Kader Lokal, Relawan Lepas, Kerabat Pamong

Beban kuota harian puluhan berkas, honor minim, tanpa proteksi independen; sangat rentan terhadap kompromi dan intervensi hierarkis.

⚔ Distorsi Hasil Verifikasi Subjektif
šŸ‘„ Kerabat & Kroni Desil 1 – 4 (Aman Bansos)

Data aset diperlunak agar lolos kuota bantuan sosial.

šŸ—£ļø Warga Kritis/Oposan Desil 6 – 8 (Hukuman Sosial)

Skor didongkrak sepihak; dicoret dari jaring pengaman.

šŸ„€ Kaum Miskin Marjinal Terabaikan & Buta Digital

Tak punya akses sanggah aplikasi; suara diredam di Musdes formalitas.

Di sinilah pintu masuk subjektivitas yang merusak terbuka lebar. Ada tiga modus utama bagaimana relasi patronase ini mengacaukan penentuan desil di lapangan:

  1. Efek Kedekatan Kekerabatan dan Klientelisme: Jika seorang warga memiliki hubungan darah dengan ketua RT, kepala dusun, atau tim sukses kepala desa terpilih, pertanyaan-pertanyaan dalam lembar survei dapat dinegosiasikan. Jawaban atas variabel sensitif—seperti pengeluaran mingguan atau aset produktif—bisa diperlunak. Formulir diisi bukan berdasarkan apa yang dilihat, melainkan berdasarkan kesepakatan tacit demi memastikan kerabat tersebut masuk ke dalam ā€œDesil Emasā€ (Desil 1 sampai Desil 4) yang merupakan zona penerima manfaat berbagai program perlindungan sosial.

  2. Dramaturgi dan Pengondisian Lokasi: Warga yang paham seluk-beluk pendataan kerap melakukan rekayasa visual saat surveyor datang. Barang-barang elektronik dipindahkan ke rumah tetangga, kendaraan disembunyikan di gang seberang, dan cerita penderitaan disusun secara terstruktur. Sebaliknya, warga miskin yang lugu, jujur, dan memiliki rasa malu tinggi sering kali menjawab apa adanya, bahkan melebih-lebihkan kondisi ekonominya demi menjaga martabat keluarga di depan orang luar. Surveyor yang tidak memiliki kepekaan etnografis akan menelan mentah-mentah tampilan permukaan tersebut.

  3. Sentimen Personal dan Hukuman Politik Lokal: Bukan rahasia lagi bahwa di tingkat akar rumput, data bantuan sosial kerap dijadikan instrumen koersif. Warga yang vokal mengkritik transparansi dana desa, menolak iuran liar rukun tetangga, atau berbeda pilihan politik saat pemilihan lurah, secara sistematis dapat ā€œdihukumā€ dalam pendataan. Surveyor yang berada di bawah pengaruh kepala lingkungan cukup memberi tanda centang pada opsi-opsi yang mendongkrak skor kesejahteraan warga kritis tersebut, melontarkannya ke Desil 6 atau 7, dan mencabut hak dasar mereka atas bantuan jaminan sosial.

Surveyor memegang pena, dan pena tersebut memiliki kuasa diskresioner yang sangat mematikan. Ketika ketiadaan integritas berpadu dengan tekanan kuota pendataan—di mana seorang surveyor harus menyelesaikan belasan kartu keluarga dalam sehari demi mengejar honor per dokumen—verifikasi mendalam menjadi barang mustahil. Yang terjadi adalah formalitas administratif: yang penting kuesioner terisi penuh, terunggah ke sistem aplikasi, dan anggaran proyek terserap sempurna.


IV. Skandal Desil Kaum Berpunya: Tragedi Moral Inclusion Error

Distorsi data ini akhirnya meledak menjadi skandal moral ketika batas antara yang berhak dan yang tidak berhak lenyap sama sekali. Munculnya laporan bahwa ada aparatur sipil negara (ASN) aktif, pengusaha mapan, hingga keluarga anggota Dewan Perwakilan Rakyat (DPR) yang terdaftar di Desil 4 bukanlah sebuah kesalahan ketik sepele. Ini adalah gejala dari sistem yang sudah busuk dari dalam.

Bagaimana mungkin seorang anggota parlemen—dengan gaji pokok, tunjangan kehormatan, dan fasilitas dinas bernilai puluhan hingga ratusan juta rupiah per bulan—bisa tercatat dalam desil yang setara dengan buruh tani musiman?

Jawabannya terletak pada keterputusan (disconnect) yang luar biasa antara basis data kementerian dengan realitas administrasi sipil. Selama bertahun-tahun, data kemiskinan di Indonesia dikelola dalam silo-silo kementerian yang tertutup. Nomor Induk Kependudukan (NIK) sering kali tidak dipadankan secara real-time dengan data kepemilikan aset dari Badan Pertanahan Nasional (BPN), data kepemilikan kendaraan dari Samsat Kepolisian, data pembayaran pajak dari Direktorat Jenderal Pajak, apalagi data transaksi perbankan dari OJK.

Akibatnya, seseorang bisa saja memegang KTP lama dengan alamat di kampung halamannya, tercatat di desil rendah karena profil keluarganya di desa didaftarkan oleh pamong setempat sebagai warga miskin, sementara orang tersebut telah lama hidup makmur di kota besar sebagai pengusaha atau pejabat publik.

Dalam teori perlindungan sosial, ada dua jenis kesalahan fatal dalam penyaluran bantuan:

  • Error of Inclusion (Kesalahan Memasukkan): Orang mampu yang tidak berhak masuk ke dalam kelompok penerima manfaat.
  • Error of Exclusion (Kesalahan Mengeluarkan): Orang miskin yang sangat berhak terlempar ke luar dari sistem jaminan sosial.

Secara teknokratis, keduanya sering kali hanya dipandang sebagai angka persentase deviasi statistik. Namun secara moral dan kemanusiaan, kedua kesalahan ini memiliki bobot kepedihan yang sangat timpang.

Bagi orang berada atau elit politik, inclusion error hanyalah subsidi yang tidak tahu malu—sebuah fasilitas ekstra untuk memangkas pengeluaran rumah tangga yang sebenarnya mampu mereka bayar sendiri. Namun bagi orang miskin absolut, exclusion error adalah vonis penderitaan. Ketika seorang buruh cuci atau pemulung terlempar dari desil bantuan karena kesalahan data, dampaknya instan: anaknya putus sekolah karena tidak mendapatkan Kartu Indonesia Pintar (KIP), anggota keluarganya yang sakit kritis ditolak oleh rumah sakit karena kartu BPJS PBI mereka dinonaktifkan secara sepihak, dan mereka terjerembap lebih dalam ke dalam kubangan kemiskinan ekstrem.

Matriks Perbandingan Desain Teknis Desil vs. Realitas Empiris Lapangan

Parameter KebijakanDesain Teknis Pemerintah (Idealitas Administratif)Realitas Sosiologis Lapangan (Fakta Empiris)Konsekuensi terhadap Keadilan Sosial
Metode PengukuranProxy Means Testing (PMT): Skor aset fisik dihitung via algoritma matematika yang objektif.Penilaian visual yang bias; fokus pada aset statis (warisan/rusak) tanpa menghitung beban utang riil dan ketiadaan arus kas (cash-flow).Orang miskin yang merawat rumah warisan dianggap kaya; orang mampu berpenghasilan tunai cair dianggap miskin.
Profil SurveyorPetugas independen terlatih, objektif, berintegritas tinggi, beroperasi dengan panduan baku.Tenaga lepas lokal, kader partisan, atau kerabat perangkat desa yang memiliki bias relasional dan beban target kerja harian.Data menjadi instrumen klientelisme: kerabat pejabat lokal diproteksi, warga yang tidak disukai dieksklusi.
Validasi & VerifikasiVerifikasi berjenjang dari Musyawarah Desa (Musdes) hingga pengesahan data tingkat kementerian.Musdes sering kali hanya menjadi ajang stempel formalitas; daftar nama ditentukan sepihak oleh elit desa di balik pintu tertutup.Demokrasi di tingkat akar rumput dibajak; ruang sanggah bagi warga miskin yang tersingkir praktis tertutup.
Interoperabilitas DataSistem terintegrasi berbasis NIK yang terhubung dengan basis data kependudukan nasional.Silo data antarlembaga masih tebal; data DTKS/Regsosek tidak terhubung silang secara otomatis dengan data pajak, Samsat, dan aset perbankan.Elit lokal, ASN, pengusaha daerah, hingga kerabat politisi DPR lolos ke Desil 1–4 tanpa terdeteksi oleh sistem.
Sifat DataDinamis, mutakhir, dan menggambarkan fluktuasi ekonomi masyarakat secara berkala.Statis dan kaku; pembaruan data memakan birokrasi berbulan-bulan, lambat merespons goncangan ekonomi mendadak (PHK, sakit).Warga yang jatuh miskin akibat krisis mendadak tidak tertolong; mereka yang sudah sejahtera tetap menikmati bansos selama bertahun-tahun.

V. Menelanjangi Apologia Teknokrat: Mitos Kemutakhiran Regsosek

Ketika gelombang protes masyarakat meledak mengenai ketidakakuratan desil ini, respon standar yang keluar dari mulut para pejabat kementerian dan perencana kebijakan selalu seragam: ā€œSistem kami sudah jauh lebih baik. Angka ketidaktepatan hanyalah margin of error yang wajar dalam pendataan skala masal ratusan juta penduduk. Melalui Regsosek dan pemutakhiran berkala, data akan terus disempurnakan.ā€

Dalih ini harus ditolak secara tegas. Mengatakan bahwa kesalahan desil hanyalah ā€œmargin kesalahan wajarā€ adalah bentuk ketidakjujuran intelektual.

Pertama, sebuah kesalahan hanya bisa disebut margin of error acak (random error) jika penyimpangannya menyebar secara normal di seluruh strata sosial. Namun, apa yang terjadi di Indonesia adalah kesalahan yang bersifat sistemik (systemic error) dan berpihak secara politis. Pola di mana keluarga aparat desa mendapatkan desil rendah sementara keluarga miskin yang marjinal terlempar keluar bukanlah kebetulan probabilitas statistik. Itu adalah distorsi struktural yang didorong oleh insentif ekonomi dan ketiadaan mekanisme pengawasan independen.

Kedua, fiksasi pada digitalisasi dan integrasi NIK hanyalah bentuk fetisisme teknologi yang menipu. Pemerintah tampak percaya bahwa selama semua data dikumpulkan menggunakan gawai (gadget), dikirimkan ke peladen pusat dengan koordinat GPS, dan diproses dengan kecerdasan buatan, maka data yang dihasilkan otomatis menjadi valid dan objektif.

Mereka sengaja menutup mata terhadap hukum paling mendasar dalam ilmu komputasi dan statistik: garbage in, garbage out (sampah yang masuk, sampah pula yang keluar).

Jika data primer yang diinput oleh surveyor lapangan berasal dari survei yang malas, kompromistis, subjektif, dan penuh titipan elit lokal, maka secanggih apa pun algoritma pemeringkat desil yang bekerja di Jakarta, hasil akhirnya tetaplah sebuah ā€œfiksi statistik digitalā€. Menggunakan peladen canggih dan format data JSON tidak lantas mengubah kebohongan lapangan menjadi kebenaran saintifik; ia hanya mendandani kebohongan tersebut dengan jubah modernitas birokrasi.

Ketiga, konsep desil itu sendiri memaksakan sebuah pemotongan (cut-off) yang kejam dan tidak manusiawi. Batas antara Desil 4 (garis teratas penerima sebagian besar bansos) dan Desil 5 (kelompok yang dianggap mandiri) sering kali hanya ditentukan oleh selisih beberapa desimal skor PMT. Di lapangan, perbedaan kondisi ekonomi antara sebuah keluarga di persentil ke-40 (Desil 4) dengan keluarga di persentil ke-41 (Desil 5) sering kali nol besar. Keduanya sama-sama hidup dari upah harian yang pas-pasan, keduanya sama-sama tidak memiliki tabungan darurat, dan keduanya sama-sama berjarak satu krisis medis dari kebangkrutan total.

Namun, negara menciptakan jurang pemisah yang brutal: keluarga di Desil 4 mendapatkan bantuan beras, subsidi listrik, dan jaminan kesehatan gratis, sementara keluarga di Desil 5 dibiarkan bertarung sendirian di tengah lautan inflasi harga pangan hanya karena skor algoritma mereka berselisih 0,02 poin. Memperlakukan desil sebagai garis demarkasi moral yang kaku untuk menentukan siapa yang layak ditolong negara adalah bentuk kemalasan berpikir birokrasi modern.


VI. Anatomi Dampak Sosial: Retaknya Kohesi di Tingkat Komunitas

Kerusakan yang ditimbulkan oleh penentuan desil yang ugal-ugalan ini tidak berhenti pada buku anggaran negara; ia meracuni modal sosial (social capital) dan menghancurkan tatanan kehidupan bertetangga di tingkat komunitas.

Sebelum intervensi program bansos berbasis desil yang eksklusif ini datang secara masif, masyarakat pedesaan dan perkampungan kota di Indonesia memiliki instrumen pertahanan sosial komunal yang relatif solid. Warga saling berbagi makanan saat paceklik, bergotong-royong merenovasi gubuk tetangga yang runtuh, dan menjaga jaring pengaman sosial informal berbasis empati horizontal.

Namun, klasifikasi desil negara yang serampangan telah menyulut apa yang disebut sosiolog Robert Putnam sebagai kecurigaan antarwarga (eroding generalized trust). Ketika bantuan sosial turun dan didistribusikan secara tidak adil, rasa ketidakadilan horizontal langsung mendidih.

Warga yang benar-benar miskin menyaksikan dengan mata kepala sendiri bagaimana tetangga mereka—yang memiliki usaha rental tenda atau suami yang bekerja sebagai pegawai kantor—setiap bulan pulang membawa karung beras medium dan kartu jaminan kesehatan gratis. Ketika ditanyakan kepada pamong desa, jawabannya selalu dingin dan birokratis: ā€œItu data dari pusat, bukan wewenang kami. Nama mereka ada di sistem, nama kalian tidak ada.ā€

šŸ’„ SIKLUS KEHANCURAN MODAL SOSIAL AKIBAT DATA KELIRU
šŸ”„ Kecemburuan Horizontal

Kecurigaan & Friksi Antarwarga

Warga miskin melihat tetangga bermobil/berpamong menerima bansos pangan dan jaminan kesehatan, melahirkan kemarahan komunal yang terpendam.

šŸ›”ļø Apologia Birokrasi

"Data Dari Pusat, Kami Hanya Menyalurkan"

Aparatur tingkat bawah melempar tanggung jawab ke algoritma kementerian pusat; ruang komplain di tingkat akar rumput terkunci.

šŸ“‰ Dampak Terhadap Kohesi Komunitas

• Erosi Gotong Royong: Kedermawanan informal warga luntur karena rasa ketidakadilan distribusi bantuan negara.

• Normalisasi Perburuan Rente: Warga mampu berlomba "memiskinkan diri secara administratif" lewat SKTM instan demi jalur afirmasi.

• Keputusasaan Struktural: Kelompok paling rentan kehilangan kepercayaan mutlak terhadap keadilan Republik.

Ketiadaan transparansi ini melahirkan sinisme sosial yang pekat. Negara tidak lagi dipandang sebagai pengayom yang adil, melainkan sebagai mesin lotre yang buta atau bandar yang korup. Gotong royong terkikis karena warga miskin merasa ditinggalkan oleh sistem, sementara warga berkemampuan yang menikmati bansos justru mengembangkan mentalitas pemburu rente (rent-seeking mentality): mereka enggan jujur dan berusaha mempertahankan status miskin di atas kertas demi tidak kehilangan aliran dana cuma-cuma.

Kondisi ini memicu fenomena penipuan massal yang dilembagakan. Demi mengejar desil rendah, warga berlomba-lomba memiskinkan diri secara administratif. Surat Keterangan Tidak Mampu (SKTM)—yang seharusnya menjadi instrumen darurat bagi mereka yang benar-benar sekarat secara ekonomi—telah terdegradasi menjadi komoditas administratif yang diobral murah di kantor-kantor kelurahan untuk meloloskan anak-anak keluarga berada masuk ke perguruan tinggi negeri favorit melalui jalur afirmasi kuota kemiskinan.

Inilah pembusukan karakter bangsa yang dipicu secara langsung oleh arsitektur kebijakan negara yang cacat nalar.


VII. Rekonstruksi Radikal: Menuntut Keadilan Melampaui Algoritma Kering

Kita tidak bisa membiarkan fiksi statistik ini terus berjalan sementara martabat jutaan orang miskin digadaikan demi laporan kinerja kementerian yang tampak rapi di hadapan presiden. Jika negara serius ingin mewujudkan mandat Pasal 34 UUD 1945 bahwa fakir miskin dan anak-anak yang terlantar dipelihara oleh negara, maka perombakan paradigma pendataan sosial harus dilakukan secara radikal.

Perbaikan ini tidak bisa lagi sekadar mengandalkan pembaruan aplikasi ponsel pintar atau instruksi menteri yang tidak bergigi. Langkah-langkah perubahan struktural harus segera dipaksakan:

1. Pembongkaran Monopoli Tertutup: Menuju Radical Public Scrutiny

Daftar penerima bantuan sosial berdasarkan desil tidak boleh lagi diperlakukan layaknya dokumen rahasia negara. Nama-nama kepala keluarga beserta skor desilnya (terutama Desil 1 sampai Desil 4) wajib dipajang secara terbuka di papan pengumuman balai desa, kantor kelurahan, hingga situs web yang mudah diakses oleh publik tanpa syarat registrasi yang rumit.

Keterbukaan radikal (radical transparency) adalah racun utama bagi korupsi dan patronase. Ketika seorang pejabat, pengusaha, atau kerabat kepala desa melihat namanya terpampang sebagai ā€œwarga miskinā€ di dinding balai RT dan disaksikan oleh seluruh tetangganya, rasa malu sosial (social sanction) akan bekerja di tempat di mana hukum birokrasi gagal beroperasi.

2. Redesain Mekanisme Sanggah: Berdayakan Pengadilan Komunitas Independen

Mekanisme pengusulan dan sanggahan (grievance mechanism) yang ada saat ini melalui aplikasi digital mandiri terbukti tidak efektif, karena mengasumsikan bahwa orang miskin memiliki literasi digital, telepon pintar berspesifikasi tinggi, dan pulsa kuota yang memadai. Sistem ini bias kelas sejak awal.

Negara harus melembagakan kembali Musyawarah Desa/Kelurahan Khusus (Musdesus) untuk verifikasi kemiskinan, namun dengan satu syarat mutlak: pelaksanaannya harus diawasi oleh komite independen lintas-sektor (tokoh agama independen, perwakilan buruh, akademisi lokal, LSM non-profit), bukan dipimpin sepihak oleh kepala desa atau perangkat birokrasi yang memiliki konflik kepentingan politik. Keputusan mendiskualifikasi penerima desil palsu harus memiliki kekuatan hukum yang mengikat di tingkat daerah.

3. Interoperabilitas Data Forensik yang Wajib dan Mengikat

Retorika tentang integrasi data harus diwujudkan menjadi tindakan hukum konkret. Kementerian Keuangan, Kementerian Dalam Negeri, Kementerian Perhubungan, dan Kepolisian RI harus dipaksa membuka pintu data mereka untuk verifikasi silang otomatis terhadap DTKS dan Regsosek:

  • Seseorang yang NIK-nya terdaftar memiliki transaksi pembelian tanah dalam lima tahun terakhir, memiliki kepemilikan mobil pribadi atas nama dirinya atau keluarganya dalam satu kartu keluarga, atau memiliki kepemilikan saham di pasar modal, harus secara otomatis dan permanen di-blacklist dari Desil 1 hingga Desil 4.
  • Pejabat publik, ASN, anggota TNI/Polri, dan anggota legislatif di tingkat mana pun yang terdaftar dalam desil penerima manfaat bansos harus dikenai sanksi etik berat serta tuntutan hukum pengembalian kerugian negara karena telah merampas hak warga miskin.

4. Transisi Menuju Categorical & Universal Targeting pada Sektor Esensial

Pada akhirnya, kegagalan desil harus menyadarkan kita bahwa pendekatan targeted welfare (bantuan yang ditargetkan secara sempit menggunakan instrumen proksi) selalu menghasilkan celah eksklusi yang luar biasa mahal. Untuk sektor-sektor esensial penyangga kehidupan dasar manusia—khususnya jaminan kesehatan (BPJS Kesehatan PBI) dan pendidikan dasar-menengah—negara harus berani bergerak menuju universal coverage (cakupan semesta).

Ketika jaminan kesehatan dan pendidikan diselenggarakan secara universal tanpa memusingkan apakah seseorang berada di Desil 3 atau Desil 5, negara secara otomatis mematikan industri rente desil, melenyapkan penderitaan orang miskin yang tersingkir akibat salah data, dan menjamin hak asasi warga negara tanpa syarat administratif yang merendahkan martabat manusia.


VIII. Memulihkan Kembali Kemanusiaan yang Dihapus Angka

Statistik adalah alat bantu untuk membaca kenyataan, bukan cermin ajaib yang menciptakan kenyataannya sendiri. Ketika seorang ibu renta yang kelaparan diusir dari antrean bantuan pangan hanya karena sistem komputer mengatakan ia berada di Desil 7, yang sesungguhnya sedang rusak bukanlah nasib ibu tersebut, melainkan nurani negara yang merancangnya.

Desil yang tidak akurat, subjektif, dan disandera oleh kedekatan patronase bukan sekadar masalah teknis pengelolaan basis data. Ini adalah kejahatan struktural yang dibiarkan terus berjalan di balik tirai jargon modernitas birokrasi. Setiap kesalahan penetapan desil adalah pengkhianatan langsung terhadap kontrak sosial antara negara dan warganya; sebuah pencurian sistemik atas hak-hak kaum paling lemah demi memanjakan mereka yang memiliki akses dan kedekatan dengan lingkaran kekuasaan.

Sudah saatnya kita berhenti memperlakukan angka-angka di layar monitor sebagai kebenaran mutlak. Kembalikan mata kebijakan publik kita ke tanah tempat rakyat berpijak. Jika negara ini tidak lagi mampu membedakan mana gubuk janda miskin yang bocor dan mana rumah bertingkat seorang elit yang serakah hanya karena kalkulasi desilnya salah, maka sesungguhnya bukan sistem datanya saja yang sedang buta—negara itu sendiri sedang kehilangan legitimasi moralnya untuk memerintah.


šŸ“š Daftar Pustaka / Referensi

  • Alatas, V., Banerjee, A., Hanna, R., Olken, B. A., & Julia, R. (2012). Targeting the Poor: Evidence from a Field Experiment in Indonesia. American Economic Review, 102(4), 1206–1240. https://doi.org/10.1257/aer.102.4.1206
  • Badan Kebijakan Fiskal (BKF) Kementerian Keuangan RI. (2021). Analisis Efektivitas dan Ketepatan Sasaran Bantuan Sosial di Indonesia. Kemenkeu RI.
  • Badan Pusat Statistik (BPS). (2023). Metodologi Pendataan Registrasi Sosial Ekonomi (Regsosek) 2022: Menuju Satu Data Perlindungan Sosial dan Pemberdayaan Masyarakat. BPS RI.
  • Brown, C., Ravallion, M., & van de Walle, D. (2018). A Poor Means Test? Econometric Targeting in Africa. Journal of Development Economics, 134, 109–124. https://doi.org/10.1016/j.jdeveco.2018.04.004
  • Kidd, S., & Gelders, B. (2017). Child-Poverty: A Critical Review of Proxy Means Testing. Development Pathways Working Paper.
  • Lipsky, M. (2010). Street-Level Bureaucracy: Dilemmas of the Individual in Public Services (30th Anniversary ed.). Russell Sage Foundation.
  • Putnam, R. D. (2000). Bowling Alone: The Collapse and Revival of American Community. Simon & Schuster.
  • Scott, J. C. (1998). Seeing Like a State: How Certain Schemes to Improve the Human Condition Have Failed. Yale University Press.
  • SMERU Research Institute. (2020). Mengatasi Error of Exclusion dan Inclusion dalam Penyaluran Bansos Pandemi di Tingkat Komunitas. Policy Brief SMERU No. 4/2020.
  • World Bank. (2022). Indonesia Economic Prospects: Financial Deepening for Stronger and More Inclusive Growth. World Bank Group.

Tulisan Terkait di Kategori Sosial