KUNINGAN (MASS) – Ketika seorang anggota DPR RI bisa tercatat sebagai kelompok desil 4 dalam Data Tunggal Sosial dan Ekonomi Nasional atau DTSEN, pertanyaan terpentingnya bukan apakah anggota DPR tersebut benar-benar menerima bantuan sosial.
Kementerian Sosial sudah menegaskan bahwa yang bersangkutan tidak pernah menerima sepeser pun bansos. Persoalan yang jauh lebih serius justru ini:
Jika sistem dapat menempatkan seorang pejabat negara ke kelompok kesejahteraan bawah, seberapa yakin kita bahwa sistem yang sama tidak sedang menempatkan rakyat miskin ke kelompok yang terlalu tinggi?
Menteri Sosial Saifullah Yusuf pada 8 September 2026 menjelaskan bahwa data anggota DPR tersebut berasal dari histori lama sebelum pemutakhiran DTSEN dilakukan secara menyeluruh.
Penjelasan ini penting. Akan tetapi, ia sekaligus membuka persoalan yang lebih besar mengenai bagaimana sebuah basis data sosial ekonomi yang sangat dinamis hendak digunakan pemerintah untuk menentukan hak individual warga negara.
DTSEN sekarang bukan database biasa. Berdasarkan Instruksi Presiden Nomor 4 Tahun 2025, data ini menjadi rujukan pemerintah untuk berbagai program bantuan sosial dan pemberdayaan masyarakat.
BPS mencatat DTSEN versi 3 per 10 Juli 2026 telah mencakup sekitar 290,13 juta individu dan 95,98 juta keluarga.
Ketika sebuah data digunakan terhadap hampir seluruh penduduk Indonesia dan menjadi pintu masuk memperoleh bantuan negara, kesalahan klasifikasi bukan lagi persoalan statistik semata. Ia berubah menjadi persoalan keadilan.
Desil Bukan Stempel Kaya dan Miskin
Di sinilah kita perlu meluruskan sesuatu yang semakin sering disalahpahami dalam perdebatan publik. Desil bukan sertifikat kemiskinan. Desil juga bukan ukuran kekayaan absolut seseorang.
BPS sendiri telah menjelaskan dengan sangat terang bahwa desil menunjukkan posisi relatif suatu keluarga dibandingkan keluarga lainnya berdasarkan berbagai karakteristik sosial ekonomi, bukan ukuran tunggal kondisi ekonomi sebuah keluarga.
Desil 1 adalah 10 persen kelompok dengan tingkat kesejahteraan relatif terendah, kemudian naik sampai desil 10 sebagai kelompok relatif tertinggi.
Kata kuncinya adalah relatif.
DTSEN menggunakan pendekatan Proxy Means Test atau PMT. Kondisi ekonomi diperkirakan berdasarkan berbagai karakteristik yang dapat diamati, seperti kondisi rumah, sumber air, bahan bakar memasak, aset, listrik, komposisi keluarga, pendidikan, pekerjaan, kesehatan dan sejumlah karakteristik lainnya.
Metode ini sah sebagai alat statistik. Bahkan PMT digunakan di berbagai negara ketika pendapatan atau konsumsi rumah tangga sulit diperoleh secara lengkap.
Masalah muncul ketika alat pemeringkatan statistik tersebut berubah fungsi menjadi semacam hakim administratif untuk menentukan apakah seseorang layak atau tidak layak memperoleh pelayanan negara.
Inilah conceptual error yang harus dihindari.
Model statistik dapat sangat berguna untuk memetakan populasi. Akan tetapi, probabilitas tidak boleh begitu saja diterjemahkan menjadi kepastian pada tingkat individu.
Seorang warga dapat secara statistik terlihat berada pada kelompok tertentu, sementara realitas ekonominya berbeda karena kehilangan pekerjaan, sakit, memiliki tanggungan besar, mengalami gagal usaha, atau karena data aset dan kondisi rumah tangganya belum diperbarui.
Bahkan BPS sendiri menegaskan bahwa desil bukan daftar penerima suatu program dan penggunaannya harus selalu dibaca sesuai konteks program bersangkutan.
Pernyataan tersebut seharusnya menjadi pagar penting bagi pemerintah.
Pak Timbul dari Desil 1 ke 9, Lalu Menjadi 3
Kita tidak sedang membicarakan risiko hipotetis.
Beberapa pekan lalu publik menyaksikan kasus Pak Timbul di Kulon Progo.
Posisi keluarganya dalam DTSEN berubah dari desil 1 menjadi desil 9. Persoalan itu menjadi penting karena berkaitan dengan kebutuhan pendaftaran Kartu Indonesia Pintar Kuliah bagi anaknya.
BPS kemudian melakukan pengecekan lapangan. Setelah data diperbarui sesuai kondisi aktual, posisi keluarga Pak Timbul berubah kembali menjadi desil 3. BPS menjelaskan bahwa informasi sebelumnya belum mencerminkan kondisi terkini.
Perjalanan desil 1, kemudian 9, lalu 3 bukan sekadar cerita tentang kesalahan administrasi.
Bayangkan konsekuensinya apabila pada periode ketika keluarga tersebut tercatat sebagai desil 9 tidak tersedia mekanisme koreksi yang cepat. Di atas kertas ia terlihat berada pada kelompok 20 persen relatif paling sejahtera.
Dalam kehidupan nyata, anaknya sedang membutuhkan akses terhadap bantuan pendidikan.
Inilah masalah besar ketika angka statistik berubah menjadi gerbang hak sosial.
Kesalahan menempatkan orang kaya sebagai miskin memang merugikan negara karena menimbulkan inclusion error.
Akan tetapi, menempatkan orang miskin sebagai kaya menghasilkan konsekuensi yang jauh lebih brutal: orang yang membutuhkan justru kehilangan bantuan.
BPS menyatakan pemutakhiran DTSEN Volume 2 tahun 2026 telah menurunkan kesalahan inklusi menjadi sekitar 0,06 persen. Itu merupakan kemajuan yang patut diapresiasi.
Akan tetapi, persentase kecil pada database yang mencakup hampir 290 juta individu tetap harus diperlakukan serius. Lebih penting lagi, pemerintah jangan hanya berbicara mengenai inclusion error.
Publik juga perlu mengetahui secara transparan besarnya exclusion error, yaitu berapa banyak masyarakat yang sebenarnya berhak tetapi tersingkir akibat klasifikasi data.
Bagi statistik, kesalahan mungkin berbentuk persentase. Bagi keluarga miskin, kesalahan itu bisa berarti anak tidak memperoleh bantuan pendidikan atau keluarga kehilangan perlindungan kesehatan.
Ketika Desil Menjadi Mesin Pembagi Hak
Masalah ini menjadi semakin mendesak karena penggunaan DTSEN terus meluas.
PBI Jaminan Kesehatan Nasional telah menggunakan DTSEN untuk meningkatkan ketepatan sasaran. Pemerintah juga menggunakan desil 1 sampai 4 untuk menentukan penerima berbagai bantuan.
Bahkan bantuan beras pemerintah untuk Oktober hingga Desember 2026 direncanakan menjangkau sekitar 33,2 juta keluarga kategori desil 1 sampai desil 4, masing-masing 10 kilogram per bulan.
Ini artinya, garis pemisah antardesil bukan lagi sekadar garis dalam tabel statistik.
Ia dapat menentukan siapa memperoleh beras dan siapa tidak, siapa mendapatkan bantuan pendidikan, siapa memperoleh bantuan kesehatan, bahkan ke depan dapat menentukan siapa yang dianggap layak menikmati subsidi negara.
Di sinilah pemerintah harus berhati-hati.
Bayangkan dua keluarga yang kondisi ekonominya hampir identik. Keluarga pertama berada tepat di ujung desil 4, sementara keluarga kedua berada sedikit di atasnya dan masuk desil 5. Secara ekonomi, perbedaan kesejahteraan keduanya mungkin sangat kecil.
Akan tetapi, jika kebijakan menggunakan batas kaku desil 4, konsekuensinya bisa sangat besar. Satu keluarga memperoleh bantuan, sementara tetangganya tidak.
Fenomena ini dikenal sebagai cliff effect. Perubahan kecil dalam skor menghasilkan perubahan sangat besar dalam hak yang diterima.
Lebih berbahaya lagi apabila logika yang sama kelak digunakan secara agresif untuk membatasi subsidi energi. Orang dapat dianggap “mampu” bukan karena penghasilannya benar-benar tinggi, melainkan karena posisi relatifnya berada pada desil tertentu.
Padahal kelas menengah Indonesia sangat heterogen. Kepemilikan rumah, kendaraan atau daya listrik tertentu belum tentu identik dengan kemampuan membayar yang tinggi.
Ada rumah warisan, kendaraan yang digunakan mencari nafkah, keluarga dengan tanggungan besar, serta rumah tangga yang penghasilannya tiba-tiba jatuh sementara asetnya masih tercatat.
Model statistik tidak selalu mampu menangkap seluruh dinamika tersebut secara real time.
Data Tunggal Jangan Menjadi Kebenaran Tunggal
Indonesia memang membutuhkan DTSEN. Kita tidak boleh kembali kepada era ketika setiap kementerian mempunyai database sendiri, definisi sendiri, dan daftar penerima sendiri.
Integrasi DTKS, P3KE, Regsosek serta berbagai data administratif merupakan kemajuan penting dalam tata kelola perlindungan sosial.
Yang harus dikoreksi bukan keberadaan DTSEN, melainkan cara negara memperlakukannya.
Pertama, pemerintah harus membedakan dengan tegas antara DTSEN sebagai targeting instrument dan DTSEN sebagai eligibility verdict.
Data boleh digunakan untuk menyaring calon penerima, tetapi keputusan final untuk program yang menyangkut hak dasar harus memungkinkan verifikasi tambahan.
Kedua, pemerintah perlu menerapkan zona transisi, terutama di sekitar batas desil. Jangan membuat kebijakan dengan logika desil 4 mendapat semuanya sementara desil 5 langsung kehilangan semuanya.
Besaran bantuan dapat diturunkan secara bertahap sesuai kemampuan ekonomi sehingga tidak muncul cliff effect.
Ketiga, mekanisme usul, sanggah dan koreksi harus diperlakukan sebagai bagian utama sistem, bukan pintu darurat setelah warga menjadi viral.
BPS memang telah menyediakan Cek DTSEN, sementara Kemensos memiliki mekanisme melalui Cek Bansos dan pemerintah daerah.
Akan tetapi, rakyat yang datanya salah tidak seharusnya harus viral terlebih dahulu agar memperoleh koreksi cepat.
Keempat, pemerintah perlu mempublikasikan indikator kualitas DTSEN secara periodik, bukan hanya inclusion error, tetapi juga exclusion error, tingkat perubahan antardesil setelah ground check, serta berapa banyak keputusan bantuan yang dikoreksi setelah sanggahan masyarakat.
Kasus anggota DPR yang masuk desil 4 mungkin terdengar lucu bagi sebagian orang. Justru dari anomali itulah kita memperoleh peringatan penting.
Jika orang yang secara kasatmata tidak layak menerima bansos dapat muncul dalam kelompok kesejahteraan bawah karena histori data, maka kemungkinan sebaliknya juga harus menjadi perhatian negara: orang yang benar-benar membutuhkan dapat terlihat terlalu sejahtera di dalam database.
Oleh karena itu, DTSEN harus menjadi alat bantu negara memahami rakyat, bukan mesin yang menentukan nasib rakyat secara otomatis.
Statistik dapat memperkirakan kesejahteraan. Algoritma dapat mengurutkan jutaan keluarga.
Akan tetapi, ketika keputusan menyangkut beras di meja makan, biaya sekolah anak, akses kesehatan dan subsidi kebutuhan dasar, negara membutuhkan lebih dari sekadar skor.
Negara membutuhkan mekanisme koreksi yang cepat, transparan dan manusiawi.
Sebab tujuan akhir kebijakan sosial bukan menghasilkan database yang tampak sempurna, melainkan memastikan tidak ada rakyat yang kehilangan hak hanya karena negara salah membaca kehidupannya.***
Penulis : Achmad Nur Hidayat, Ekonom dan Pakar Kebijakan Publik UPN Veteran Jakarta