Dalam beberapa waktu ini, kita sering melihat berita dan keluhan di media sosial mengenai ketidaktepatan sasaran penentuan desil kesejahteraan pada banyak keluarga. Penetapan desil ini krusial karena dijadikan acuan utama oleh pemerintah untuk menyalurkan bantuan sosial hingga subsidi pendidikan dan energi. Sayangnya, banyak keluhan di mana status desil seseorang tidak mencerminkan kondisi ekonominya yang nyata. Hal ini menjadi cukup berbahaya karena dampaknya langsung terasa pada masyarakat yang membutuhkan. Persoalan ini bukan sekadar masalah salah catat di tingkat lapangan, melainkan ada kelemahan metodologis dalam cara pembagian dan pengukuran tingkat kesejahteraan masyarakat.
Masalah utama terletak pada pembagian populasi ke dalam sepuluh kelompok sama besar, yaitu desil 1 hingga 10, yang dipraktikkan oleh Badan Pusat Statistik (BPS) dan Kementerian Sosial (Kemensos). Sistem ini mengurutkan kelompok dari desil 1 hingga desil 10 secara “relatif” semata, tanpa didasarkan pada logika upah, batasan penghasilan riil, atau kebutuhan hidup layak yang berlaku di pasar kerja. Kondisi ini makin diperparah oleh resistensi publik di mana timbul kecemasan akan pencatutan data oleh otoritas perpajakan. Ketakutan ini membuat sebagian masyarakat enggan memberikan jawaban yang jujur saat diwawancarai, sehingga survei sering diisi seadanya.
Secara konseptual, BPS mengukur kesejahteraan individu berbasis pengeluaran konsumsi keluarga, bukan total pendapatan riil. Dalam teori ekonomi, kesejahteraan hidup diukur dari tiga kebutuhan dasar: sandang, pangan, dan papan. Namun, akibat dinamika sosial saat ini, komponen “papan” sering kali menciptakan bias metodologis. Rumah tangga yang mengontrak rumah di perkotaan sering kali tercatat memiliki skor konsumsi pengeluaran yang tinggi akibat biaya sewa rumah, padahal mereka tidak memiliki aset riil dan berada dalam kondisi finansial yang sangat rentan. Oleh karena itu, tingkat konsumsi pangan yang mencerminkan daya beli paling mendasar seharusnya dijadikan sebagai alat ukur paling objektif dan tahan bias dalam menilai tingkat kerentanan ekonomi rumah tangga.
Di sisi lain, petugas pencatat kerap melakukan penggalian informasi (probing) yang dangkal. Padahal, dalam pendataan statistik, tingkat kesejahteraan rumah tangga i diestimasi melalui skor pengeluaran atau konsumsi:
Dengan Yᵢ sebagai kondisi riil dan sebagai galat pengukuran (measurement error). Rumah tangga diklasifikasikan ke dalam desil berdasarkan ambang batas . Pada interval desil yang sempit (10 persen), selisih antar-ambang batas sangatlah kecil. Jika rentang nilai tersebut lebih kecil dari standar deviasi galat pengukuran yang semakin membengkak akibat bias probing dan ketidakjujuran responden, sehingga probabilitas kesalahan klasifikasi (misclassification probability) menjadi sangat tinggi:
Di mana Φ merupakan fungsi distribusi kumulatif normal standar. Dampaknya, dua rumah tangga dengan tingkat kesejahteraan atau Upah Minimum Provinsi (UMP) yang identik bisa terpisah ke dalam desil berbeda hanya karena kualitas probing pencatatan pengeluaran harian yang berbeda. Dalam skema pembatasan subsidi BBM berbasis desil sempit, misalnya, kelompok pekerja atau masyarakat berpendapatan menengah bawah dapat dengan mudah terlempar ke desil yang dianggap “mampu” hanya karena sedikit kesalahan estimasi konsumsi. Hal inilah yang memicu tingginya kesalahan pengikutsertaan (inclusion error) dan kesalahan pengecualian (exclusion error), baik pada program bantuan sosial tunai maupun hak atas subsidi energi dasar.
Guna mengatasi kelemahan metodologis tersebut, Indonesia sebaiknya mulai mengadaptasi pendekatan kuintil yang diterapkan secara global oleh World Bank. Namun, penerapan batas kuintil ini harus disesuaikan berdasarkan jenis kebijakannya. Untuk penargetan bantuan sosial tunai (bansos), batas agregat 20 persen terbawah (bottom 20%) dapat digunakan pada kelompok rentan (vulnerable groups) yang mencakup masyarakat miskin dan rentan miskin. Menggabungkan desil 1 dan 2 memperluas ambang batas dari c₁ menjadi c₂, sehingga meredam sensitivitas akibat fluktuasi data dan galat survei.
Sementara itu, untuk kebijakan subsidi energi seperti BBM, pembatasan tidak bisa secara kaku hanya menyasar 20 persen terbawah. Kelompok masyarakat berpendapatan menengah (middle income atau aspiring middle class) yang berada pada rentang 20 hingga 60 persen terbawah masih sangat membutuhkan akses subsidi BBM. Kelompok menengah ini memiliki elastisitas konsumsi energi yang tinggi, sehingga jika akses BBM bersubsidi dicabut total dari mereka, daya beli mereka akan merosot tajam dan berisiko menekan mereka ke bawah garis kemiskinan.
Oleh karena itu, pemerintah perlu memisahkan antara fungsi pengumpulan data statistik oleh BPS dan penetapan kriteria operasional oleh kementerian teknis. BPS dapat terus mencatat data mikro secara rinci hingga sepuluh interval untuk kebutuhan analisis akademis, namun pemerintah sebaiknya menyederhanakan kriteria operasional bantuan dan subsidi berbasis kuintil agregat yang realistis. Pembatasan subsidi BBM, misalnya, idealnya dikaitkan dengan pengecualian khusus untuk kelompok 20 persen teratas (top 20%) yang benar-benar mampu, ketimbang secara kaku membatasi subsidi hanya untuk kelompok miskin ekstrem.
Untuk mendukung efektivitas pemisahan fungsi ini dan menjamin integritas data, pemerintah juga wajib mempertegas firewall pemisahan antara data statistik BPS dan data perpajakan guna mengembalikan kepercayaan publik. Pembelajaran penting dapat dipetik dari rekam jejak global. Pada masa Uni Soviet, pencampuran fungsi statistik dengan fungsi kontrol administrasi dan target perencanaan ekonomi terpusat memicu “kebusukan data struktural”. Pelaku usaha dan pejabat memalsukan data demi menghindari sanksi atau mengejar insentif, yang akhirnya menyesatkan keputusan pemerintah pusat hingga memicu keruntuhan ekonomi makro. Krisis utang Yunani pada tahun 2009 pun diperparah oleh intervensi politik pada lembaga statistik nasional mereka (ELSTAT). Ketika pasar internasional mengetahui data statistik ekonomi mereka diintervensi demi kepentingan anggaran jangka pendek, Yunani mengalami penarikan modal besar-besaran akibat krisis kepercayaan (trust deficit).
Sebaliknya, praktik baik (good practice) dapat ditiru dari Amerika Serikat yang menerapkan batas pemisah yang kokoh (ironclad firewall) antara U.S. Census Bureau dan Internal Revenue Service (IRS/Direktorat Pajak AS). Di bawah Title 13 United States Code, petugas sensus yang membocorkan data individu kepada agen pajak dapat dipenjara hingga 5 tahun dan dikenakan denda berat. Kepercayaan publik yang tinggi inilah yang membuat warga AS bersedia melaporkan kondisi ekonomi mereka yang sebenarnya tanpa rasa takut akan diaudit oleh otoritas pajak.
Masyarakat pun perlu menyikapi pelaksanaan sensus dan survei secara ideal. Sensus BPS dijamin kerahasiaannya oleh UU No. 16 Tahun 1997 tentang Statistik dan tidak dipublikasikan secara individu untuk kepentingan penagihan pajak. Partisipasi aktif dengan memberikan data yang jujur dan transparan merupakan kunci utama agar profil ekonomi daerah terekam dengan akurat, sehingga penargetan jaring pengaman sosial tidak salah sasaran. Dengan demikian, kombinasi antara keterbukaan masyarakat, pembenahan indikator konsumsi dasar, serta reformasi penargetan berbasis kuintil ini tidak hanya meningkatkan akurasi alokasi anggaran, tetapi juga melindungi kelas menengah dari guncangan ekonomi, meredam potensi konflik sosial di tingkat akar rumput, dan menjamin keadilan distribusi bantuan secara nyata.
Referensi:
Tesliuc, Emil; Grosh, Margaret; Ouerghi, Azedine; del Ninno, Carlo. 2008. For Protection and Promotion : The Design and Implementation of Effective Safety Nets. World Bank. http://hdl.handle.net/10986/6582
World Bank. 2012. Targeting: Poor and Vulnerable Households in Indonesia. World bank. http://hdl.handle.net/10986/26700