Kasus yang menimpa Timbul (49), seorang pengemudi becak motor asal Lendah, Kulon Progo, yang tercatat dalam Desil 9 pada Data Terpadu Kesejahteraan Sosial (DTKS), memicu diskursus kritis mengenai urgensi akurasi data dalam distribusi bantuan sosial dan aksesibilitas pendidikan. Peristiwa ini bukan sekadar insiden administratif, melainkan cerminan dari tantangan sistemik dalam pemutakhiran data kemiskinan di Indonesia. Ketika seorang warga yang secara faktual berada pada strata ekonomi rendah diklasifikasikan ke dalam kelompok ekonomi atas, hambatan struktural muncul, khususnya dalam pemenuhan hak akses pendidikan tinggi bagi generasi muda yang kurang mampu secara finansial.
Paradoks Klasifikasi Ekonomi dalam DTKS
Dalam kerangka kebijakan publik di Indonesia, Desil merupakan pengelompokan tingkat kesejahteraan rumah tangga menjadi 10 bagian, di mana Desil 1 mewakili kelompok 10% rumah tangga dengan tingkat kesejahteraan terendah, sementara Desil 10 mewakili kelompok dengan tingkat kesejahteraan tertinggi. Secara teoretis, sistem ini dirancang untuk memastikan ketepatan sasaran (targeting accuracy) bagi program perlindungan sosial seperti Program Keluarga Harapan (PKH) atau Program Indonesia Pintar (PIP).
Namun, kasus Timbul menunjukkan adanya exclusion error—kondisi di mana masyarakat yang seharusnya berhak menerima bantuan justru tereliminasi karena data yang tidak mencerminkan realitas lapangan. Badan Pusat Statistik (BPS) melalui Plt Kepala BPS DIY, Endang Tri Wahyuningsih, menyatakan bahwa klasifikasi tersebut didasarkan pada variabel kepemilikan aset, termasuk status kepemilikan rumah dan usaha kecil. Pertanyaannya, apakah variabel-variabel tersebut cukup sensitif untuk menangkap fluktuasi pendapatan harian sektor informal seperti pengemudi becak motor?
Analisis Kesenjangan Antara Data dan Realitas Lapangan
Kesenjangan antara data administratif dan realitas sosio-ekonomi sering kali berakar pada frekuensi pemutakhiran data. Menurut pakar kebijakan publik, data kemiskinan memiliki sifat dinamis, sementara proses verifikasi dan validasi (verivali) di tingkat daerah sering kali terhambat oleh keterbatasan sumber daya manusia dan aksesibilitas informasi.
Dalam konteks Kulon Progo, Timbul yang sebelumnya merupakan penerima manfaat PKH tiba-tiba mengalami lonjakan kategori ke Desil 9. Perubahan drastis ini mengindikasikan adanya disfungsi dalam proses sinkronisasi data antar-tingkatan pemerintahan. Jika BPS menetapkan standar berdasarkan kepemilikan rumah—yang mungkin merupakan warisan atau peninggalan masa lalu—tanpa menghitung arus kas (cash flow) bulanan yang tidak menentu, maka parameter tersebut menjadi bias. Sektor informal, seperti yang dilakoni Timbul, tidak memiliki pendapatan tetap, sehingga penggunaan indikator statis sebagai alat ukur utama sangat rentan terhadap distorsi.
Dampak Sistemik terhadap Aksesibilitas Pendidikan
Pendidikan tinggi merupakan eskalator mobilitas vertikal yang krusial bagi keluarga dari kelompok ekonomi bawah. Ketika Lucky, anak dari Timbul, diterima di Universitas Negeri Yogyakarta (UNY) melalui jalur mandiri dengan kewajiban biaya pendidikan mencapai Rp 15 juta, beban tersebut menjadi sangat signifikan. Ketidakmampuan mengakses SKTM (Surat Keterangan Tidak Mampu) akibat anomali data Desil secara langsung menutup akses bagi mahasiswa tersebut untuk mendapatkan keringanan biaya atau beasiswa melalui skema PIP.
Fenomena ini mempertegas urgensi dari sistem pendataan inklusif yang mampu merespons kondisi darurat ekonomi individu secara real-time. Jika sistem pendidikan tinggi masih menggunakan data DTKS sebagai saringan utama dalam menentukan besaran Uang Kuliah Tunggal (UKT) atau beasiswa, maka ribuan mahasiswa lainnya berpotensi mengalami nasib serupa: terjerat dalam birokrasi data yang tidak lagi relevan dengan kondisi ekonomi riil keluarga mereka.
Evaluasi Kebijakan: Mengapa Verifikasi Ulang Menjadi Keharusan?
Pernyataan BPS DIY pada 24 Agustus 2026 yang menyatakan bahwa perubahan desil masih dimungkinkan adalah langkah korektif yang normatif, namun tidak menyelesaikan akar permasalahan. Pertanyaannya, sejauh mana efektivitas mekanisme pengaduan masyarakat jika proses verifikasi ulang membutuhkan waktu yang lama?
Analisis data makro menunjukkan bahwa ketepatan sasaran bantuan sosial di Indonesia masih berada pada kisaran 70-80%. Artinya, ada sekitar 20-30% masyarakat yang belum terjangkau dengan akurat. Untuk meminimalisir dampak sosial dari kesalahan data, diperlukan beberapa langkah strategis:
- Digitalisasi Verifikasi Lapangan: Mengintegrasikan data pendapatan pajak, penggunaan listrik, dan data kependudukan secara cross-platform yang lebih dinamis.
- Pemberdayaan Pemerintah Desa: Memberikan kewenangan lebih besar kepada pemerintah desa untuk melakukan verifikasi faktual yang bersifat partisipatif, di mana tokoh masyarakat turut dilibatkan dalam validasi status ekonomi warganya.
- Mekanisme Sangah (Appeal Mechanism): Menyediakan kanal pengaduan yang transparan dan cepat bagi warga yang merasa klasifikasinya tidak sesuai, dengan tenggat waktu penyelesaian yang terukur.
Pandangan Masa Depan: Reformasi Tata Kelola Data Sosial
Kasus di Kulon Progo adalah peringatan bagi pemerintah pusat maupun daerah. Di era Big Data, seharusnya data tidak lagi menjadi hambatan bagi warga negara untuk mendapatkan haknya. Ke depan, integrasi antara data pendidikan dan data kesejahteraan sosial harus bersifat integratif dan mampu melakukan self-correction.
Penting untuk dicatat bahwa dalam ekonomi berbasis sektor informal, kepemilikan aset fisik tidak selalu berbanding lurus dengan kemampuan finansial likuid. Seorang pengemudi becak mungkin memiliki rumah, namun rumah tersebut tidak memberikan return on investment yang cukup untuk membiayai pendidikan tinggi. Oleh karena itu, pendekatan akademis dalam penentuan Desil harus bergeser dari sekadar melihat "apa yang dimiliki" menjadi "berapa kemampuan daya beli saat ini".
Kesimpulan
Peristiwa yang dialami Timbul merupakan potret mikro dari tantangan makro dalam tata kelola data kesejahteraan di Indonesia. Tanpa perbaikan sistemik pada metodologi pengumpulan dan pemutakhiran data, ketidakadilan administratif akan terus berulang. Pemerintah perlu segera melakukan re-evaluasi terhadap algoritma penentuan Desil agar lebih sensitif terhadap kondisi masyarakat sektor informal. Bagi institusi pendidikan seperti UNY, penting untuk memiliki kebijakan internal yang lebih fleksibel dalam melakukan verifikasi ulang bagi mahasiswa yang memiliki kendala data, sehingga potensi sumber daya manusia yang berkualitas tidak terbuang percuma hanya karena kendala administratif yang tidak akurat.
Ke depannya, transparansi data dan akuntabilitas pemerintah dalam mengelola DTKS akan menjadi kunci utama dalam memastikan bahwa bantuan sosial dan akses pendidikan benar-benar menyasar mereka yang membutuhkan, bukan mereka yang "terpilih" oleh data yang kadaluwarsa. Kepercayaan publik sangat bergantung pada kemampuan negara dalam memperbaiki kesalahan administratif secara cepat dan responsif, demi keadilan sosial bagi seluruh rakyat Indonesia.