Setara Raffi Ahmad, Warga Penghasilan Minimal Rp3,1 Juta Masuk Desil 10

Ade Rosman
11 September 2026, 09:48
Warga berkonsultasi dengan petugas mengenai status aktivasi Identitas Kependudukan Digital (IKD) dan status desil Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) saat layanan Mobile Bantuan Aktivasi IKD dan DESIL di Keluharan Sondakan, Solo, Jawa Tengah,
ANTARA FOTO/Mohammad Ayudha/YU
Warga berkonsultasi dengan petugas mengenai status aktivasi Identitas Kependudukan Digital (IKD) dan status desil Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) saat layanan Mobile Bantuan Aktivasi IKD dan DESIL di Keluharan Sondakan, Solo, Jawa Tengah, Rabu (9/9/2026).
Button AI SummarizeMembuat ringkasan dengan AI

Center of Reform on Economics (CORE) Indonesia mengungkap lebarnya rentang pengeluaran masyarakat yang masuk dalam kelompok desil 10. Berdasarkan data Susenas yang dianalisis CORE, pengeluaran masyarakat dalam desil 10 berada di kisaran Rp 3,1 juta hingga Rp 192 juta.

Ekonom CORE Indonesia, Yusuf Rendy Manilet mengatakan, rentang tersebut menunjukkan bahwa masyarakat yang berada dalam kelompok desil yang sama dapat memiliki kondisi ekonomi yang sangat berbeda.

“Di desil 10 itu, pengeluaran yang berada di desil 10 itu berada di kisaran Rp 3,1 juta hingga Rp 192 juta,” kata Yusuf dalam diskusi CORE Indonesia, di Jakarta, Kamis (10/9).

Menurut Yusuf, kondisi tersebut perlu menjadi perhatian pemerintah karena klasifikasi desil dapat digunakan sebagai salah satu acuan dalam menentukan penerima bantuan sosial (bansos).

"Maka tidak heran, banyak yang kaget ketika misalnya klasifikasi desilnya dia sama dengan orang kayak seperti Raffi Ahmad ataupun para milioner yang lain gitu. Karena tadi rentang pengeluarannya di desil 10 itu cukup timpang gitu dan cukup besar,” katanya.

Dia menilai, rentang yang sangat lebar dalam satu kelompok desil menunjukkan perlunya kehati-hatian apabila desil digunakan untuk menentukan masyarakat yang berhak menerima maupun yang tidak lagi mendapatkan bantuan.

“Dari rentang ini saja cukup jelas jauh itu bedanya, maka harus lebih hati-hati lagi terutama kalau misalnya mau menggunakan desil sebagai acuan dalam pencabutan ataupun penyaluran bantuan,” katanya.

Pasalnya, mayoritas penghuni Desil 10 bukanlah konglomerat. Data tabulasi silang CORE Indonesia dengan kriteria Bank Dunia menunjukkan 93,9 persen atau sekitar 20,9 juta jiwa di Desil 10 tergolong kelas menengah. 

Sementara kelompok yang benar-benar masuk kategori Kelas Atas atau orang kaya di Desil 10 hanya berjumlah 6,1 persen atau sekitar 1,35 juta jiwa.

"Karena itu, memakai klasifikasi desil 9 dan 10 sebagai satu-satunya penanda kelompok mampu, lalu menjadikannya dasar pencabutan subsidi atau bantuan, sangat tidak tepat," tulis CORE Indonesia dalam laporan tertulisnya.

Yusuf menuturkan, data rentang Rp 3,1 juta hingga Rp 192 juta tersebut merupakan desil Susenas, bukan rentang desil Data Tunggal Sosial Ekonomi Nasional (DTSEN) secara langsung.

Variabel Berbeda

Pada kesempatan yang sama, ekonom CORE Indonesia Dipo Satria Ramli menjelaskan desil Susenas dan desil DTSEN tidak dapat disamakan. DTSEN menggunakan lebih banyak variabel dalam menentukan kondisi sosial ekonomi masyarakat.

“Table ini berbeda ya antara desil Susenas dan desil DTSEN. Karena DTSEN kan dia sudah pakai 39 variabel, tapi salah satu yang dimasukkan ini salah satu inputnya,” kata Dipo.

Menurut Dipo, desil pada dasarnya hanya merupakan pengelompokan penduduk berdasarkan posisi relatif dalam suatu distribusi data.

“Desil itu sebenarnya artinya per sepuluh. Jadi, misalnya ada 90 juta orang, artinya 9 juta pertama itu desil 1, lalu yang 9 juta terakhir desil 10,” ujarnya.

Dia mengatakan masyarakat juga tidak dapat langsung mengartikan desil 10 sebagai kelompok orang kaya. Sebab, kondisi ekonomi masyarakat di dalam satu kelompok desil bisa sangat beragam.

Dipo menjelaskan DTSEN sendiri dibangun dengan menggabungkan sejumlah sumber data, termasuk Data Terpadu Kesejahteraan Sosial (DTKS), P3KE, dan Regsosek. Data tersebut kemudian diolah menggunakan pendekatan *proxy means test* dengan sejumlah variabel.

Pendekatan tersebut tidak hanya melihat pendapatan atau pengeluaran, tetapi juga mempertimbangkan sejumlah indikator lain, termasuk kepemilikan aset.

Namun, Dipo mengingatkan kepemilikan aset tidak selalu mencerminkan kemampuan daya beli seseorang.

“Si jumlah banyak aset tersebut tidak menggambarkan daya beli. Ya, jadi orang yang mobilnya banyak belum tentu dia atau orang yang motornya banyak belum tentu dia penghasilannya banyak,” katanya.

Dia mencontohkan seseorang bisa saja memiliki sejumlah kendaraan karena kendaraan tersebut digunakan untuk kegiatan usaha atau disewakan.

Sementara itu, Yusuf menyoroti persoalan lain dalam penggunaan data desil, yakni masih adanya kesalahan klasifikasi yang dapat berdampak terhadap ketepatan sasaran bantuan pemerintah.

Dia mencontohkan adanya kasus seorang tukang becak di Kulon Progo yang tidak menerima Program Indonesia Pintar karena berdasarkan data tercatat masuk desil 9.

CORE juga menemukan kasus aset yang telah dijual tetapi masih tercatat dalam data sehingga memengaruhi klasifikasi desil seseorang. Selain itu, terdapat kasus satu orang yang tercatat dalam desil berbeda pada data kementerian dan pemerintah daerah.

Menurut Yusuf, kesalahan klasifikasi tersebut dapat menyebabkan dua jenis kesalahan dalam penyaluran bantuan, yakni exclusion error dan inclusion error.

Exclusion error terjadi ketika masyarakat yang seharusnya berhak menerima bantuan justru tidak mendapatkannya. Sementara inclusion error terjadi ketika masyarakat yang seharusnya tidak menjadi sasaran justru menerima bantuan.

“Kesalahan desil ini juga akan ikut menentukan error dalam penyaluran bantuan pemerintah,” kata Yusuf.

Karena itu, CORE Indonesia meminta pemerintah melakukan validasi dan verifikasi secara lebih hati-hati sebelum menjadikan desil sebagai salah satu acuan utama dalam menentukan penerima maupun pencabutan bansos.

Yusuf menilai penggunaan DTSEN sebagai basis data tunggal dapat menjadi langkah positif, tetapi akurasi dan pemutakhiran data tetap menjadi hal yang harus diperhatikan agar bantuan pemerintah tidak salah sasaran.

Pemerintah diminta menerapkan lapisan verifikasi kedua, seperti kapasitas CC kendaraan untuk subsidi BBM, atau Data Pokok Pendidikan (Dapodik) untuk bantuan sekolah, agar penyaluran hak masyarakat tepat sasaran.

add katadata as preferred source
Berita Katadata.co.id di WhatsApp Anda

Dapatkan akses cepat ke berita terkini dan data berharga dari WhatsApp Channel Katadata.co.id

Ikuti kami
Baca artikel ini lewat aplikasi mobile.

Dapatkan pengalaman membaca lebih nyaman dan nikmati fitur menarik lainnya lewat aplikasi mobile Katadata.

mobile apps preview
Reporter: Ade Rosman

Cek juga data ini

Artikel Terkait

Video Pilihan
Loading...