Jakarta – Badan Pusat Statistik (BPS) mengakui bahwa Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) masih memiliki tingkat kesalahan klasifikasi atau error dalam menentukan desil pengeluaran masyarakat sebesar 23%.
Angka tersebut menunjukkan adanya perbaikan metodologi, mengingat pada awal implementasi DTSEN, tingkat kesalahan sempat mencapai 37%.
Direktur Metodologi dan Sains Data BPS, Setia Pramana, menyebutkan bahwa angka 23% tersebut dikategorikan sebagai inclusion-exclusion error.
“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,” ujar Setia dalam diskusi Metodologi Desil di Politeknik Statistika STIS, Jakarta Timur, Jumat (11/9/2026), sebagaimana dikutip dari transkrip diskusi resmi.
Setia menjelaskan bahwa DTSEN disusun melalui proses pemadanan data dari berbagai sumber, termasuk Registrasi Sosial Ekonomi (Regsosek), Data Terpadu Kesejahteraan Sosial (DTKS), serta data Pensasaran Percepatan Penghapusan Kemiskinan Ekstrem (P3KE).
Selain itu, BPS turut mengintegrasikan data dari Dukcapil, PT PLN, serta BPJS Ketenagakerjaan dalam proses pengolahan data tersebut.
Untuk meningkatkan presisi, BPS menerapkan metode Proximity Mean Test (PMT) dengan perhitungan linier yang kemudian disempurnakan melalui kecerdasan buatan atau machine learning.
Teknologi seperti XGBoost dan Random Forest digunakan untuk memproses lebih dari 90 juta data yang tidak memiliki informasi pengeluaran secara eksplisit.
Variabel prediktor yang digunakan mencakup komposisi rumah tangga, kondisi fisik hunian, hingga kepemilikan aset.
Setia menambahkan bahwa tantangan pendataan di Indonesia cukup unik karena mayoritas penduduk bekerja di sektor informal, sehingga indikator pengeluaran menjadi tolok ukur utama.
BPS juga menerapkan pemodelan berdasarkan karakteristik geografis di 514 kabupaten dan kota di seluruh Indonesia.
Hal ini dilakukan agar pemeringkatan kesejahteraan dapat disesuaikan dengan kondisi riil di setiap wilayah.
Meski model matematis telah diterapkan, Setia mengakui adanya kendala non-teknis yang memengaruhi akurasi data di lapangan.
Keterbatasan anggaran, kesulitan geografis, hingga ketidakakuratan data yang tidak mutakhir menjadi beberapa faktor penghambat utama.
Hingga 10 Juli 2026, BPS mencatat telah memutakhirkan 95.980.577 catatan keluarga, naik dari 93.025.360 catatan pada Februari 2025.
Di sisi lain, Direktur Kebijakan Publik Center of Economic and Law Studies (CELIOS), Media Askar, menyoroti adanya kelemahan fundamental dalam metode pengukuran kemiskinan yang digunakan BPS.
Menurutnya, penggunaan indikator pengeluaran yang telah diterapkan sejak tahun 1984 perlu segera dibenahi agar lebih akurat merepresentasikan kondisi nyata masyarakat.
“Kalau masih berbasis pengeluaran masih ada banyak masalah hari ini. Ke depan perlu data pendapatan,” ujar Media, dikutip dari pernyataan resmi lembaga tersebut.
Media menyarankan agar BPS mulai mengintegrasikan data pendapatan masyarakat melalui kolaborasi dengan sistem Coretax milik Direktorat Jenderal Pajak.
Ia menekankan pentingnya mengukur disposable income atau pendapatan yang tersisa setelah dikurangi kewajiban utang, kebutuhan pokok, hingga tabungan dan investasi.
Langkah ini dinilai krusial agar klasifikasi desil masyarakat tidak lagi terjebak dalam bias data yang selama ini terjadi akibat ketergantungan pada variabel pengeluaran semata.
