Oleh: Redaksi

Ada sesuatu yang menggelitik dari polemik data bantuan sosial belakangan ini.

Di satu sisi, nama anggota DPR RI Eva Stevany Rataba muncul dalam sorotan setelah tercatat dalam Desil 4 Data Tunggal Sosial dan Ekonomi Nasional (DTSEN). Di sisi lain, masyarakat menyaksikan berita tentang lansia yang justru kehilangan bantuan sosial setelah status desilnya naik.

Dua kasus ini mungkin tidak identik. Tetapi ketika diletakkan berdampingan, keduanya memunculkan satu pertanyaan besar:

Seberapa adil sebuah sistem ketika angka dalam database dapat menentukan siapa yang dianggap layak dibantu dan siapa yang tidak?

Eva Stevany Rataba dan Pertanyaan tentang Akurasi Data

Nama Eva Stevany Rataba menjadi perhatian setelah muncul informasi bahwa dirinya tercatat dalam Desil 4 DTSEN dan dikaitkan dengan bantuan sosial Program Keluarga Harapan (PKH).

Eva sendiri membantah pernah mendaftar maupun menerima PKH. Ia bahkan mendatangi Dinas Sosial Toraja Utara untuk meminta penelusuran terhadap data tersebut.

Dinas Sosial Toraja Utara kemudian memberikan klarifikasi bahwa Eva tidak pernah terdaftar sebagai penerima PKH maupun bantuan sosial lainnya. Namun, Dinsos membenarkan bahwa nama Eva tercantum dalam Desil 4 dan menyatakan persoalan pengelompokan desil merupakan kewenangan BPS.

Di sinilah persoalannya menjadi menarik.

Sebab menurut penjelasan resmi BPS, desil bukan daftar penerima bansos. Desil adalah pemeringkatan relatif kesejahteraan keluarga ke dalam 10 kelompok. Desil 1 merupakan kelompok dengan tingkat kesejahteraan relatif paling rendah, sementara Desil 10 paling tinggi. Desil juga bukan ukuran tunggal pendapatan atau kekayaan.

Artinya, seseorang berada di Desil 4 belum otomatis berarti orang tersebut menerima bansos.

Tetapi secara sosial, munculnya nama seseorang dalam desil rendah tentu akan menimbulkan pertanyaan apabila profil kehidupannya tampak tidak sesuai dengan kategori tersebut.

Terlebih, pemberitaan mengenai LHKPN Eva menyebutkan total kekayaan yang dilaporkan pada 2023 sekitar Rp16,17 miliar.

Maka pertanyaan yang semestinya diajukan bukan semata-mata, “Mengapa Eva masuk Desil 4?”

Pertanyaan yang lebih mendasar adalah:

“Seberapa akurat sistem pemeringkatan tersebut dalam menggambarkan kondisi sosial-ekonomi seseorang?”

Di Sisi Lain, Ada Lansia yang Justru Kehilangan Bansos

Pertanyaan itu menjadi jauh lebih serius jika kita melihat kasus warga miskin dan lansia.

Di Yogyakarta, misalnya, diberitakan seorang lansia bernama Yoyok Sunaryo, 67 tahun, yang hidup seorang diri dan mengalami berbagai masalah kesehatan. Ia sebelumnya mendapatkan bansos, tetapi kemudian bantuan tersebut berhenti setelah status desilnya berubah dari Desil 1 atau 2 menjadi Desil 6–10.

Kasus lain terjadi di Kota Bima.

Saani, seorang janda lansia berusia 76 tahun, diberitakan kehilangan bantuan sosial setelah namanya tercatat berada di Desil 6 atau kategori yang dianggap lebih sejahtera. Padahal, menurut pemberitaan tersebut, ia hidup sendiri dan sebelumnya bekerja sebagai pemecah batu.

Di sinilah publik berhadapan dengan paradoks.

Ada orang yang secara kasatmata membutuhkan bantuan tetapi kehilangan bantuan karena sistem mengatakan tingkat kesejahteraannya meningkat.

Sementara dalam kasus Eva, sistem justru menempatkan seorang pejabat publik dalam kelompok kesejahteraan relatif rendah meskipun pemerintah daerah menegaskan bahwa ia bukan penerima bansos.

Dua kasus tersebut memang tidak dapat disamakan begitu saja.

Tetapi keduanya menunjukkan satu persoalan yang sama:

ketika data tidak sepenuhnya mencerminkan realitas, siapa yang menanggung akibatnya?

Ketika Angka Bertemu Realitas

Pemerintah sebenarnya mempunyai alasan kuat menggunakan sistem berbasis data.

BPS menjelaskan bahwa DTSEN dibangun dengan mengintegrasikan berbagai sumber data dan mempertimbangkan banyak karakteristik sosial-ekonomi, antara lain kondisi rumah, akses air, energi, kepemilikan aset, pendidikan, pekerjaan, kesehatan, disabilitas dan komposisi keluarga.

Pemeringkatan dilakukan menggunakan pendekatan Proxy Means Test (PMT).

Secara konsep, pendekatan ini masuk akal.

Negara dengan ratusan juta penduduk tentu membutuhkan sistem untuk menentukan prioritas secara objektif. Negara tidak mungkin menentukan penerima bantuan hanya berdasarkan siapa yang datang ke kantor desa atau siapa yang paling keras mengeluh.

Masalahnya muncul ketika algoritma dan database berhadapan dengan kehidupan manusia yang kompleks.

Seorang lansia dapat memiliki rumah yang secara administratif dianggap sebagai aset, tetapi tidak memiliki uang tunai untuk membeli makanan.

Seseorang dapat tercatat memiliki aset tertentu, tetapi aset tersebut tidak menghasilkan pendapatan.

Seseorang dapat memiliki keluarga yang secara administratif masih tercatat sebagai bagian dari rumah tangga, tetapi dalam kenyataan hidup sendirian.

Sebaliknya, seseorang dapat memiliki berbagai karakteristik yang oleh sistem dibaca sebagai indikator kesejahteraan tertentu, sementara kondisi aktualnya mungkin berbeda.

Karena itu, data statistik tidak boleh diperlakukan sebagai kebenaran mutlak.

Data harus menjadi alat untuk menemukan realitas, bukan menggantikan realitas.

Ketimpangan Keadilan: Ketika Orang Miskin Harus Membuktikan Kemiskinannya

Di sinilah persoalan keadilan muncul.

Bagi masyarakat miskin, kehilangan bansos bukan sekadar perubahan angka dalam database.

Bagi seorang lansia yang hidup sendiri, kehilangan bantuan makanan bisa berarti kehilangan makan.

Bagi keluarga miskin, hilangnya bantuan tunai bisa berarti anak tidak dapat memenuhi kebutuhan sekolah.

Karena itu, kesalahan klasifikasi memiliki konsekuensi yang tidak sama bagi setiap orang.

Jika seorang anggota masyarakat yang relatif mampu salah masuk kelompok kesejahteraan rendah, konsekuensinya mungkin berupa rasa malu, pertanyaan publik, atau kesalahan administratif.

Tetapi jika seorang lansia miskin salah ditempatkan ke kelompok kesejahteraan tinggi, konsekuensinya dapat langsung menyentuh kebutuhan paling dasar: makan, kesehatan dan keberlangsungan hidup.

Inilah yang disebut sebagai ketimpangan dampak kesalahan data.

Kesalahan dalam database mungkin terlihat kecil di atas kertas.

Tetapi kesalahan yang sama bisa sangat besar ketika menimpa orang yang paling rentan.

Jangan Sampai “Tepat Data” Mengalahkan “Tepat Sasaran”

Pemerintah tentu menginginkan bansos tepat sasaran.

Namun, tepat sasaran tidak boleh hanya berarti:

“Nama yang berada dalam database sudah sesuai dengan kriteria.”

Yang lebih penting adalah:

“Orang yang benar-benar membutuhkan bantuan menerima bantuan, sementara mereka yang tidak berhak tidak menerima.”

Itulah ukuran keadilan yang sesungguhnya.

BPS sendiri mengakui bahwa DTSEN merupakan data yang dinamis dan harus terus diperbarui. BPS juga menjelaskan bahwa apabila masyarakat menemukan data yang tidak sesuai dengan kondisi sebenarnya, tersedia mekanisme pemutakhiran melalui kanal seperti Cek Bansos, SIKS-NG dan Cek DTSEN.

Bahkan pada kasus Pak Timbul di Kulon Progo, BPS melakukan pengecekan lapangan setelah perubahan desil dari 1 menjadi 9 menjadi perhatian publik. Hasil pengecekan menemukan bahwa informasi dalam DTSEN sebelumnya belum mencerminkan kondisi terkini.

Ini menunjukkan satu hal penting:

data bisa salah, data bisa tertinggal, dan data harus bisa dikoreksi.

Persoalan Terbesarnya Bukan Eva

Karena itu, polemik Eva Stevany Rataba sebaiknya jangan berhenti pada perdebatan apakah seorang anggota DPR layak atau tidak berada di Desil 4.

Persoalan yang lebih besar adalah mekanisme koreksi dan akuntabilitas sistem data kesejahteraan itu sendiri.

Jika seorang pejabat publik menemukan kejanggalan dalam datanya, ia memiliki akses, pengetahuan, dan kemampuan untuk datang ke kantor pemerintah dan meminta penjelasan.

Pertanyaannya:

Bagaimana dengan lansia sebatang kara yang bahkan tidak memahami apa itu DTSEN, desil, PMT atau mekanisme pengaduan?

Bagaimana dengan warga desa yang tidak memiliki akses internet?

Bagaimana dengan orang miskin yang tidak tahu bahwa namanya telah dipindahkan dari Desil 2 ke Desil 6?

Bagaimana dengan warga yang tidak tahu mengapa bantuan mereka tiba-tiba berhenti?

Di sinilah keadilan sosial diuji.

Negara Harus Memiliki Mekanisme “Banding”

Sebuah sistem yang menentukan akses masyarakat terhadap bantuan publik harus memiliki mekanisme koreksi yang mudah, cepat dan manusiawi.

Jangan sampai seorang warga miskin harus melalui proses administratif yang panjang hanya untuk membuktikan bahwa ia masih miskin.

Mekanisme pengaduan seharusnya bukan sekadar tersedia secara formal, tetapi mudah digunakan oleh kelompok paling rentan.

Idealnya, ketika terjadi perubahan desil yang menyebabkan penghentian bantuan terhadap lansia, penyandang disabilitas, keluarga tanpa penghasilan tetap atau kelompok rentan lainnya, harus ada verifikasi lapangan atau masa transisi sebelum bantuan benar-benar dihentikan.

Sebab keputusan administratif tidak boleh mengabaikan risiko kemanusiaan.

Keadilan Tidak Boleh Berhenti di Layar Komputer

Kasus Eva dan kasus lansia yang kehilangan bansos memberikan pelajaran yang sama.

Database membutuhkan manusia untuk memeriksanya.

Teknologi dapat membantu negara mengelola puluhan juta keluarga. Statistik dapat membantu pemerintah membuat kebijakan. Algoritma dapat mempercepat pemeringkatan.

Tetapi komputer tidak tinggal di rumah kontrakan seorang lansia.

Komputer tidak merasakan lapar.

Komputer tidak mengetahui apakah seorang janda tua masih mampu membeli beras minggu depan.

Karena itu, data harus selalu memiliki pintu menuju kenyataan di lapangan.

Ketika data mengatakan seseorang sejahtera tetapi kenyataan menunjukkan sebaliknya, negara harus percaya pada proses verifikasi, bukan sekadar mempertahankan angka.

Sebaliknya, ketika seseorang yang secara ekonomi jelas mampu justru masuk kelompok kesejahteraan rendah, negara juga harus berani memperbaiki datanya.

Jangan Ada “Keadilan Dua Kecepatan”

Inilah inti persoalannya.

Jangan sampai ada dua kecepatan dalam memperbaiki data.

Pejabat atau orang yang memiliki akses bisa dengan cepat meminta koreksi, sementara rakyat miskin harus menunggu bantuan yang tak kunjung datang.

Jika kesalahan data terjadi pada siapa pun, prosedur koreksinya harus sama-sama cepat.

Jika Eva meminta datanya diperiksa, itu adalah haknya.

Tetapi hak yang sama harus tersedia bagi Yoyok, Saani dan jutaan warga lain yang tidak memiliki akses dan daya tawar yang sama.

Keadilan bukan berarti semua orang mendapatkan bantuan.

Keadilan berarti setiap orang dinilai berdasarkan kondisi yang benar dan mendapatkan hak sesuai dengan kondisi tersebut.

Penutup: Desil Harus Menjadi Alat, Bukan Vonis

DTSEN adalah langkah penting menuju tata kelola bansos yang lebih berbasis data. BPS sendiri menegaskan bahwa desil merupakan gambaran posisi relatif kesejahteraan dan bukan ukuran tunggal kondisi ekonomi seseorang.

Karena itu, desil tidak boleh berubah menjadi semacam “vonis sosial”.

Desil 4 tidak otomatis berarti seseorang miskin.

Desil 6 juga tidak otomatis berarti seseorang mampu hidup tanpa bantuan.

Dan perubahan desil tidak boleh diterjemahkan secara mekanis tanpa mempertimbangkan kondisi nyata, terutama bagi kelompok rentan.

Kasus Eva Stevany Rataba menunjukkan bahwa data bisa menimbulkan pertanyaan ketika tidak sesuai dengan profil seseorang.

Kasus lansia yang kehilangan bansos menunjukkan bahwa kesalahan yang sama dapat memiliki konsekuensi yang jauh lebih berat bagi orang miskin.

Maka ukuran keberhasilan DTSEN bukan sekadar berapa banyak data yang berhasil dihimpun.

Ukuran keberhasilannya adalah:

Apakah seorang nenek yang benar-benar membutuhkan bantuan masih mendapatkan bantuan?

Apakah keluarga miskin tidak tersingkir hanya karena kesalahan klasifikasi?

Dan apakah orang yang sebenarnya tidak berhak benar-benar dikeluarkan dari daftar?

Jika jawabannya belum selalu “ya”, maka pekerjaan rumah pemerintah bukan hanya memperbaiki data.

Tetapi memperbaiki keadilan.

Sebab pada akhirnya, negara bukan sedang mengelola angka.

Negara sedang mengelola kehidupan manusia.