Desil DTSEN Dipertanyakan: Ketika Data Statistik Negara Berbenturan dengan Realitas Dompet Warga
SukaKata.com – Fenomena keluhan warganet baru-baru ini terkait hasil pengecekan desil dalam Data Tunggal Sosial Ekonomi Nasional (DTSEN) membuka kembali perdebatan lama tentang akurasi data sosial di Indonesia.
Dalam beberapa hari terakhir, media sosial ramai dengan pengakuan warga yang merasa kondisi ekonominya tidak sesuai dengan klasifikasi desil yang ditetapkan Badan Pusat Statistik (BPS). Ada yang mengaku menganggur, tinggal di kontrakan, bahkan hanya memiliki sisa uang ratusan ribu rupiah, tetapi justru masuk dalam desil tinggi seperti desil 8, 9, bahkan 10.
Secara faktual, desil merupakan pembagian kelompok kesejahteraan masyarakat menjadi sepuluh bagian berdasarkan tingkat pengeluaran atau konsumsi, bukan semata pendapatan. Desil 1 merepresentasikan kelompok paling miskin, sementara desil 10 adalah kelompok dengan tingkat kesejahteraan tertinggi. Dalam konteks DTSEN, data ini menjadi krusial karena digunakan sebagai dasar penyaluran bantuan sosial (bansos). Artinya, kesalahan klasifikasi bukan sekadar persoalan statistik, tetapi berimplikasi langsung pada keadilan distribusi bantuan negara.
Keluhan warganet menunjukkan adanya gap antara data dan realitas. Banyak yang merasa bahwa indikator yang digunakan tidak mencerminkan kondisi ekonomi aktual mereka. Misalnya, seseorang dengan penghasilan Rp1,8 juta yang tinggal di kontrakan tanpa tabungan, tetapi tercatat sebagai desil 8. Bahkan ada pengangguran yang masuk desil 9 atau 10. Jika klaim ini valid, maka ada dua kemungkinan: kesalahan dalam pengumpulan data atau kelemahan dalam metode penghitungan.
Dalam perspektif teori statistik sosial, masalah ini dapat dijelaskan melalui konsep measurement error dan data lag. Measurement error terjadi ketika variabel yang diukur—dalam hal ini kesejahteraan—tidak sepenuhnya merepresentasikan kondisi sebenarnya. Sementara data lain merujuk pada keterlambatan pembaruan data, sehingga kondisi ekonomi individu yang sudah berubah (misalnya kehilangan pekerjaan) belum tercermin dalam sistem.
Selain itu, pendekatan berbasis konsumsi yang digunakan dalam penentuan desil juga memiliki keterbatasan. Teori ekonomi rumah tangga menyebutkan bahwa konsumsi tidak selalu linear dengan pendapatan. Seseorang bisa saja memiliki pengeluaran tinggi karena utang, bantuan keluarga, atau aset yang dijual sementara, bukan karena kesejahteraan yang stabil. Akibatnya, sistem dapat “membaca” individu tersebut sebagai lebih sejahtera dari kondisi sebenarnya.
Dari sudut pandang kebijakan publik, fenomena ini juga berkaitan dengan konsep inclusion error dan exclusion error dalam program bantuan sosial. Inclusion error terjadi ketika orang yang tidak layak justru masuk sebagai penerima atau kelompok menengah atas, sementara exclusion error terjadi ketika mereka yang layak justru tidak terdata dengan benar. Kasus desil yang janggal ini berpotensi memperbesar kedua jenis kesalahan tersebut sekaligus.
Lebih jauh lagi, persoalan ini mencerminkan tantangan klasik dalam tata kelola data negara: integrasi dan validasi. DTSEN sebagai upaya integrasi data sosial sebenarnya merupakan langkah maju dibanding sistem sebelumnya yang terfragmentasi. Namun integrasi tanpa validasi berkala justru berisiko menghasilkan kesalahan dalam skala yang lebih besar. Ketika satu data salah, dampaknya bisa meluas ke berbagai kebijakan, mulai dari bansos hingga perencanaan fiskal.
Di sisi lain, penting juga untuk memahami bahwa BPS menggunakan metodologi yang kompleks dan berbasis survei nasional. Artinya, tidak semua kasus individu bisa langsung dijadikan bukti kesalahan sistemik. Namun ketika keluhan muncul secara masif dan konsisten, hal itu tidak bisa diabaikan sebagai anomali semata. Dalam teori governance, ini disebut sebagai signal of systemic bias, yaitu indikasi awal adanya bias dalam sistem yang perlu segera dievaluasi.
Dengan demikian, polemik desil DTSEN bukan sekadar viral di media sosial, tetapi menjadi alarm penting bagi pemerintah. Transparansi metode, pembaruan data secara berkala, serta mekanisme koreksi mandiri bagi masyarakat menjadi kunci untuk menjaga kredibilitas sistem. Tanpa itu, kepercayaan publik terhadap data negara akan terus tergerus.
Kesimpulannya, data bukan hanya soal angka, tetapi tentang representasi realitas. Ketika warga merasa tidak diwakili oleh data, maka yang dipertaruhkan bukan hanya akurasi statistik, tetapi juga legitimasi kebijakan publik itu sendiri. Pemerintah perlu memastikan bahwa setiap angka dalam DTSEN benar-benar mencerminkan kondisi nyata masyarakat—bukan sekadar hasil perhitungan yang jauh dari kehidupan sehari-hari. (Octav)
