BPS Ungkap Tingkat Error Data Desil DTSEN Capai 23%
Membuat ringkasan dengan AI Badan Pusat Statistik (BPS) mengakui tingkat kesalahan atau error untuk pengklasifikasian pengeluaran masyarakat atau desil dalam Data Tunggal Sosial dan Ekonomi Nasonal (DTSEN) mencapai 23%.
Direktur Metodologi dan Sains Data Badan Pusat Statistik (BPS), Setia Pramana mengatakan, tingkat error ini sebenarnya turun dari sebelumnya yang menyentuh angka 37%.
“Bahwa di awal DTSEN dilakukan, itu sekitar 37% (error-nya). Kemudian makin lama makin turun. Saat ini, model matematisnya itu sekitar 23% (error-nya) itu disebut inclusion-exclusion error,” kata Setia dalam diskusi Metodologi Desil, di Politeknik Statistika STIS, Jakarta Timur, Jumat (11/9).
Setia menjelaskan, DTSEN bersumber dari pemadanan data individu dari Registrasi Sosial Ekonomi (Regsosek), Data Terpadu Kesejahteraan Sosial (DTKS), dan Pensasaran Percepatan Penghapusan Kemiskinan Ekstrem (P3KE), serta data dari Kependudukan dan Catatan Sipil (Dukcapil). Dalam proses pengolahan data, BPS juga melibatkan sumber lain dari PLN dan BPJS Ketenagakerjaan.
Setia menuturkan, BPS menggunakan model Proximity Mean Test (PMT), yang membuat proksi dengan perhitungan linier. Setelah itu, BPS memproses pembaruan data tersebut menggunakan machine learning yaitu XGBoost dan Random Forest untuk meningkatkan keakuratan.
Setelah mendapat tabulasi data itu, BPS lalu melakukan prediksi terhadap 90an juta data yang tidak memiliki informasi tentang pengeluaran, dengan menggunakan variable predictor. Variabel ini memuat komposisi rumah tangga, kondisi rumah, aset, dan sebagainya.
“Kami gunakan untuk memperkirakan, berapa sih nilai pengeluaran per kapitanya,” kata Setia.
Ia menjelaskan, Indonesia berbeda dengan kondisi di negara maju. Mayoritas penduduk Indonesia bekerja di sektor informal, sehingga perkiraan dengan indikator pengeluaran dilakukan.
Selain itu, menurut dia, BPS juga mempertimbangkan berdasarkan geografis, lantaran, tingkatan kesejahteraan di setiap daerah tidak sama.
BPS memodelkan karakteristik rumah tangga di 514 kabupaten/kota yang digunakan untuk melengkapi karakteristik PMT setiap kota hingga, hasilnya muncul pemeringkatan.
Setelah melakukan itu, BPS lalu menerjunkan tim untuk melakukan verifikasi guna memeriksa kondisi masyarakat di lapangan.
Setia menuturkan, sejumlah faktor yang menjadi permasalahan saat pemotretan data bukanlah sebatas metode matematis. Faktor lain yang menjadi mssalah yakni keterbatasan anggaran, kendala pembayaran, geografi yang sulit, dan korupsi. Selain itu, terdapat pula kemungkinan salah klasifikasi desil terjadi karena data tidak muthakir dan tidak akurat.
Untuk meminimalisasi error ini, BPS bekerja sama dengan kementerian/lembaga lain dalam meningkatkan akurasi data.
Data BPS mencatat 93.025.360 catatan keluarga untuk DTSEN pada 3 Februari 2025. Kemudian, pada 10 Juli 2026, data ini telah termutakhirkan sebanyak 33,13% menjadi 95.980.577 catatan keluarga.
Pada kesempatan yang sama, Direktur Kebijakan Publik Center of Economic and Law Studies (CELIOS) Media Askar menilai adanya ‘cacat’ dalam metode yang digunakan BPS.
Untuk mengukur kemiskinan, BPS menggunakan angka pengeluaran. Media menilai cara ini sudah terlalu lama digunakan BPS, yakni sejak 1984.
Media menilai, perlunya pembenahan data agar apa yang terpotret mencerminkan kondisi nyata masyarakat di lapangan.
Karena itu, ia menyarankan agar BPS juva memotret data pendapatan masyarakat. Ia menyebut, langkah ini bisa dilakukan dengan berkolabirasi menggunakan sistem Coretax yang dimiliki Direktorat Jenderal Pajak (DJP) Kementerian Keuangan.
“Kalau masih berbasis pengeluaran masih ada banyak masalah hari ini. Ke depan perlu data pendapatan,” kata Media.
Media menyarankan BPS memotret disposable income yaitu pendapatan yang tersisa setelah dikurangi utang dan kebutuhan sehari-hari, tabungan, dan investasi.
Dapatkan pengalaman membaca lebih nyaman dan nikmati fitur menarik lainnya lewat aplikasi mobile Katadata.
