Halojember - Membaca fenomena sosial ekonomi yang terjadi di masyarakat perlu data. Ahli statistik Amerika, W. Edwards Deming, mengatakan, “Tanpa data statistik, Anda hanyalah orang biasa yang berpendapat.” Carly Florina, seorang ahli bisnis dan politik Stanford University, mengatakan bahwa tujuan statistik adalah mengubah data menjadi informasi, dan informasi menjadi wawasan.
Persoalannya, masyarakat umum masih sangat awam terkait statistik dan sering memandang error (baca: keterbatasan) statistik sebagai ketidakberdayaan statistik dalam membangun kepercayaan di masyarakat. Padahal, statistik dibangun untuk mendapatkan kesimpulan yang confidence (penuh keyakinan), dengan peluang terjadinya error yang relatif kecil.
Untuk mengetahui bagaimana kesenjangan pendapatan di antara masyarakat, perlu data pendapatan rumah tangga di suatu wilayah. Kendala yang dihadapi, sangat sulit untuk mendapatkan informasi pendapatan setiap rumah tangga. Masyarakat cenderung menyembunyikan pendapatannya.
Untuk mengetahui pendapatan rumah tangga, salah satu pendekatannya adalah dengan melakukan survei pengeluaran rumah tangga. Asumsinya, besar pendapatan rumah tangga itu paralel dengan pengeluaran konsumsi rumah tangganya. Semakin besar pengeluaran konsumsinya, diasumsikan semakin besar pendapatan yang diterima. Masyarakat pada umumnya lebih nyaman ditanya mengenai pengeluaran konsumsi daripada pendapatannya. Oleh karena itu, banyak indikator ekonomi yang menganalisis pendapatan rumah tangga di suatu wilayah menggunakan data proksi berupa pengeluaran konsumsi rumah tangga.
Statistik pengeluaran konsumsi rumah tangga ini sering digunakan dalam menentukan berbagai indikator makro ekonomi, seperti Indeks Gini (indeks ketimpangan pendapatan), Indikator Pemerataan Distribusi Pendapatan Versi Bank Dunia, Indeks Pembangunan Manusia (IPM) pada komponen kemampuan ekonomi, dan Indikator Kemiskinan. Dengan adanya indikator-indikator makro tersebut, akan diketahui kondisi sosial ekonomi suatu wilayah secara global.
Pada indikator pemerataan pendapatan versi Bank Dunia, misalnya, akan diperoleh informasi bahwa jika kelompok 40 persen penduduk termiskin menikmati kurang dari 12 persen dari total pendapatan wilayahnya, maka dikatakan di wilayah itu terjadi ketimpangan tinggi atau pemerataan yang rendah. Jika kelompok 40 persen penduduk termiskin menikmati antara 12 persen sampai 17 persen dari total pendapatan wilayah ketimpangan dikatakan sedang atau moderat. Sementara itu, jika kelompok tersebut menikmati lebih dari 17 persen maka ketimpangan dikatakan rendah atau cukup merata.
Contoh satu lagi, yaitu bagaimana membaca Indeks Gini. Jika diperoleh Indeks Gini pada kisaran 0,00 – 0,20, maka wilayah tersebut mempunyai ketimpangan pendapatan yang sangat rendah. Jika Indeks Gini pada kisaran 0,20 – 0,40 disebut ketimpangan sedang; 0,40 – 0,60 disebut ketimpangan tinggi; dan 0,60 – 1,00 disebut ketimpangan sangat tinggi.
Dengan angka statistik, Pemerintah dapat memperoleh gambaran dan kesimpulan yang berguna dalam memahami ketimpangan yang terjadi di masyarakat. Maka sangat jelas sekali dengan referensi angka statistik, akan diperoleh kesimpulan-kesimpulan yang sangat berguna bagi Pemerintah memahami ketimpangan yang terjadi. Pemerintah dengan outcome kebijakannya, diharapkan dapat memanfaatkan data statistik untuk memperbaiki kondisi sosial ekonomi masyarakat, salah satunya dengan mengupayakan ketimpangan yang lebih rendah. Itulah yang dimaksud dengan data statistik yang berdampak, yaitu statistik yang mampu memberikan outcome perubahan bukan sekadar angka belaka.
Meskipun data statistik ini menghasilkan suatu kesimpulan, sifatnya yang masih makro membuatnya perlu dikolaborasikan dengan data mikro agar kebijakan yang dihasilkan lebih terarah.
Di mana kantong-kantong kemiskinan? Status pekerjaan apa yang banyak digeluti penduduk miskin? Bagaimana tingkat pendidikan tertinggi anggota rumah tangga miskin? Di mana mereka tinggal? Pertanyaan – pertanyaan tersebut membutuhkan data pendukung lainnya, yaitu data mikro. Sementara, data makro belum mampu menjawab pertanyaan itu.
Sebagai contoh, untuk menghitung persentase penduduk miskin. Penduduk miskin dan tidak miskin ditentukan oleh Garis Kemiskinan (GK), yaitu suatu nilai rupiah dari pengeluaran minimum untuk kebutuhan makanan (setara 2.100 kilokalori per hari) dan non makanan (perumahan, pakaian, pendidikan, dan kesehatan).
Secara matematis, penduduk yang pengeluaran konsumsi rumah tangganya lebih tinggi 1 rupiah saja di atas garis kemiskinan maka dikelompokkan sebagai penduduk tidak miskin, meskipun secara kasat mata kondisi ekonominya bisa saja tidak jauh berbeda dengan penduduk yang berada di bawah Garis Kemiskinan.
Itulah mengapa statistik ini dikatakan hanyalah “alat ukur” secara matematis. Statistik digunakan sebagai alat untuk menyimpulkan suatu fenomena, dalam hal ini untuk mengetahui berapa persen kira-kira jumlah penduduk miskin di suatu wilayah.
Untuk intervensi langsung ke masyarakat, Pemerintah masih membutuhkan data mikro lainnya seperti DTSEN (Data Tunggal Sosial Ekonomi Nasional). Data DTSEN ini sifatnya dinamis, dan terus mengalami penyempurnaan. Pemerintah mengupayakan agar data DTSEN semakin akurat sehingga program peningkatan kesejahteraan tepat sasaran.
Kejujuran Statistik
Statistik hanyalah alat ukur, namun validitas dari angka statistik sangat bergantung dari proses pengumpulan datanya. Kejujuran dalam statistik sangat menentukan kesimpulan hasil analisis. Statistik yang akurat akan mampu menyajikan dan memberikan data apa adanya sesuai fakta tanpa ada rekayasa atau manipulasi.
Baik pendata maupun responden sebagai objek pendataan harus jujur dalam wawancara atau pengumpulan data. Masyarakat harus memberikan data kondisi sebenarnya kepada petugas pendata. Di sisi lain, pendata juga harus me-record kondisi sesungguhnya di lapangan, bukan di atas meja. Statistik yang jujur akan menjaga kepercayaan publik serta menghindarkan masyarakat dari informasi sesat dan kegaduhan dalam masyarakat.
Setidaknya error atau kesalahan yang mungkin terjadi sangat kecil, jika proses pengumpulan datanya dengan jujur. Oleh karena itu, updating data (perbaharuan data) secara berkala perlu dilakukan karena data itu bersifat dinamis. Bisa jadi dahulu suatu rumah tangga berstatus tidak miskin sekarang jadi miskin, atau sebaliknya dulu miskin sekarang tidak miskin, dulu masih sehat sekarang sudah sakit-sakitan dan butuh bantuan, dulu masih dalam satu KK sekarang sudah membentuk KK baru, dulu keberadaannya tidak ada sekarang ada karena migrasi, kelahiran dan kematian dan masih banyak penyebab lainnya.
Masyarakat perlu memahami bahwa pengumpulan data statistik merupakan upaya mulia Pemerintah untuk mewujudkan kesejahteraan masyarakat, dan bagaimana menjawab persoalan-persoalan yang ada di dalam masyarakat. Meskipun diakui bahwa data statistik itu memiliki kelemahan dan tidak ada yang sempurna.
Seorang ahli statistik dari Inggris, George Edward Pelham Box mengatakan, “Essentially all models are wrong, but some are useful.” Tidak ada model statistik yang bisa menangkap semua kompleksitas realita, tetapi setiap model memiliki asumsi, batasan, dan penyimpangan dari kenyataan. Oleh karena itu, gunakan model statistik secara bijak, jangan mempercayai data statistik seolah itu kebenaran mutlak, tetapi juga jangan menolaknya hanya karena tidak sempurna.
Selamat Hari Statistik Nasional 26 September 2026.
*) Penulis adalah Kepala BPS Kabupaten Lumajang.
Editor : Sidkin