Sisipublik.com – Kementerian Sosial (Kemensos) terus melakukan pemutakhiran Data Tunggal Sosial Ekonomi dan Nasional (DTSEN) untuk menyesuaikan basis data penerima bantuan sosial dengan perubahan kondisi sosial ekonomi masyarakat. Langkah tersebut juga menjadi bagian dari upaya pemerintah memperbaiki ketepatan penentuan desil sebagai salah satu dasar penetapan prioritas perlindungan sosial.
Tenaga Ahli Menteri Sosial Bidang Perencanaan dan Evaluasi Kebijakan Strategis, Andy Kurniawan, mengatakan pembaruan data diperlukan karena kondisi masyarakat dapat berubah dan temuan ketidaksesuaian masih muncul di lapangan. Karena itu, pemerintah menindaklanjuti berbagai masukan untuk memperbaiki data yang digunakan dalam program bantuan sosial.
Pemutakhiran DTSEN Buka Akses Bansos bagi 4,3 Juta KPM
Andy menyebut pemanfaatan DTSEN telah memberikan dampak pada cakupan penerima bantuan sosial. Sekitar 4,3 juta Keluarga Penerima Manfaat (KPM) yang sebelumnya belum masuk dalam daftar penerima kini memperoleh bansos setelah pemerintah menggunakan pendekatan desil.
Menurut Andy, perubahan tersebut menunjukkan pentingnya basis data yang mampu menggambarkan kondisi sosial ekonomi masyarakat secara lebih menyeluruh. Dengan demikian, pemerintah dapat mengevaluasi kembali kelompok masyarakat yang masuk dalam prioritas perlindungan sosial.
Pemutakhiran itu juga berjalan bersamaan dengan penyempurnaan metodologi penentuan desil. Pemerintah tidak hanya memperbarui data secara administratif, tetapi juga mengevaluasi metode yang digunakan untuk mengukur tingkat kesejahteraan rumah tangga.
Penentuan Desil Gunakan Model Sosial Ekonomi
Direktur Metodologi, Statistik, dan Science Data Badan Pusat Statistik (BPS), Prof. Setia Pramana, menjelaskan bahwa DTSEN menggabungkan sejumlah sumber data pemerintah, antara lain DTKS, Regsosek, dan P3KE. Setiap sumber memiliki karakteristik serta kelengkapan informasi yang berbeda sehingga proses integrasi membutuhkan pengolahan lebih lanjut.
BPS kemudian menyusun peringkat kesejahteraan rumah tangga berdasarkan berbagai karakteristik sosial ekonomi. Penentuan tersebut tidak hanya mengandalkan pendapatan karena data pendapatan atau pengeluaran secara langsung tidak tersedia untuk seluruh rumah tangga.
Untuk mengatasi keterbatasan tersebut, BPS memanfaatkan data Susenas yang memiliki informasi pengeluaran rumah tangga. Data itu menjadi dasar pembangunan model estimasi bagi rumah tangga yang tidak memiliki informasi pengeluaran secara langsung.
BPS menggunakan pendekatan Proxy Means Test (PMT) dan metode machine learning dalam proses pemodelan. Selain itu, karakteristik wilayah turut menjadi pertimbangan karena kondisi sosial ekonomi masyarakat berbeda antara satu kabupaten/kota dan daerah lainnya.
Prof. Setia mengatakan BPS membangun model pada tingkat kabupaten/kota agar karakteristik masing-masing wilayah dapat tercermin dalam pengukuran kesejahteraan.
Evaluasi Data Berjalan Seiring Perubahan Kondisi Masyarakat
Pembaruan data menjadi bagian penting dalam proses tersebut. Kondisi rumah tangga dapat berubah karena perpindahan domisili, perubahan anggota keluarga, kematian, maupun faktor sosial ekonomi lainnya.
Kemensos membuka ruang bagi masukan dari akademisi, media, dan pihak lain untuk memperbaiki metodologi serta penentuan desil. Andy menilai masukan yang konstruktif dapat membantu pemerintah menyempurnakan DTSEN sekaligus meningkatkan ketepatan sasaran program perlindungan sosial.
Dengan proses pemutakhiran yang berlangsung secara berkelanjutan, pemerintah berupaya memastikan perubahan kondisi masyarakat dapat tercermin dalam basis data sosial ekonomi. Langkah tersebut menjadi penting agar penentuan penerima manfaat tidak hanya mengandalkan data lama, tetapi mengikuti perkembangan kondisi masyarakat.
Komentar