Langsung ke konten utama

Kompensasi Kenaikan Harga BBM (BLSM), ‘Ancaman’ Buat BPS


Meskipun sedikit terpaksa dan tak enak hati, pemerintah akhirnya memutuskan untuk menaikkan harga Bahan Bakar Minyak (BBM) pada 1 April 2012 nanti. Keputusan yang tentu saja tak populis ini dibarengi optimisme: ekses inflasi yang ditimbulkan dapat dikelola dengan baik (manageable) serta daya beli mereka yang terkena dampak ─penduduk kelompok menengah ke bawah (miskin dan hampir miskin)dapat dijaga (Kompas, 28/02/2012).

Dampak yang sudah pasti terjadi jika harga BBM jadi dinaikkan adalah inflasi. Harga-harga kebutuhan pokok dipastikan akan mengalami lonjakan sehingga memukul telak daya beli penduduk kelas menengah ke bawah. Kalau sudah seperti itu, nampaknya, apa yang terjadi pada  tahun 2005-2006 lalu akan kemabali terulang: lonjakan jumlah penduduk miskin.

Berdasarkan data BPS, pasca krisis ekonomi tahun 1998, tingkat kemiskinan (jumlah dan persentase penduduk miskin) terus menurun secara konsisten. Tren penurunan angka kemiskinan hanya sekali mengalami koreksi, yakni pada tahun 2006. BPS mencatat, pada saat itu, jumlah penduduk miskin mencapai 39,30 juta orang (17,75 persen dari total penduduk), naik sebesar 4,2 juta orang dibandingkan dengan tahun 2005.

Kenaikan jumlah penduduk miskin pada tahun 2006 dipicu oleh keputusan pemerintah menaikkan harga BBM pada tahun 2005 sabagai respon terhadap kenaikan harga minyak dunia kala itu. Keputusan ini memacu inflasi pada tahun 2005 hingga menembus angka 17,11 persen. Harga-harga kebutuhan pokok merangkak naik, terutama beras. Padahal, sebagian besar pendapatan penduduk kelompok menengah ke bawah dialokasikan untuk membeli beras. Selain itu, kontribusi komoditas ini terhadap pembentukan garis kemiskinan BPS sangat dominan, pada September 2011 lalu, misalnya, mencapai 26,6 persen di perkotaan dan 33,7 persen di perdesaan (BPS, 2012).

Untungnya, kala itu, pemerintah cukup sigap dalam menjaga daya beli penduduk miskin dan hampir miskin dari gempuran inflasi dengan menggelontorkan dana Bantuan Langsung Tunai (BLT) sebagai bentuk kompensasi kepada sekitar 19,1 juta rumah tangga miskin dan hampir miskin yang diperkirakan terkena dampak kenaikan harga BBM. Terlepas dari segala kekurangannya, tanpa program bantuan tunai (cash transfer) seperti itu, dapat dipastikan, lonjakan jumlah penduduk miskin akan lebih besar lagi.

Apa yang terjadi pada tahun 2006 nampaknya akan kembali berulang jika pemerintah tidak mampu mengelola ekses inflasi yang terjadi─akibat kenaikan harga BBM pada 1 April 2012 nanti─dengan baik. Selain itu, untuk mengantisipasi lonjakan penduduk miskin, kebijakan serupa BLT, mau tidak mau, harus diambil oleh pemerintah. Dengan demikian, daya beli penduduk miskin dan hampir miskin dapat dipertahankan.

Saat ini, Pemerintah bersama DPR sedang menggodok skema program bantuan cash transfer serupa BLT sebagai kompensasi kepada penduduk kelas menengah ke bawah yang terkena dampak kenaikkan harga BBM. Program yang baru ini disebut Bantuan Langsung Masyarakat Sementara (BLSM), yang memiliki kemiripan dengan BLT dengan sejumlah penyempurnaan: varian jenis kompensasi yang diberikan diperluas (pangan, pendidikan, transportasi, dll). Selain itu, program yang baru ini diupayakan lebih tepat sasaran.

Ancaman buat BPS
Dalam penyaluran bantuan, pemerintah sudah pasti membutuhkan data rumah tangga yang menjadi target sasaran program bantuan. Dan, seperti program BLT lalu, penyediaan data rumah tangga sasaran menjadi tanggung jawab BPS.

Pengalaman pada BLT lalu menunjukkan, penyaluran bantuan banyak yang tidak tepat sasaran. Ditengarai, salah satu penyebabnya adalah akurasi data rumah tangga sasaran (RTS) yang lemah. Di lapangan banyak didapati, rumah tangga yang seharusnya tidak layak menerima bantuan justru terdaftar sebagai penerima bantuan (inclussion error), begitupula sebaliknya banyak rumah tangga yang layak menerima bantuan justru tidak terdaftar sebagai penerima bantuan (exclussion error).

Sebetulnya, kelemahan pada data RTS yang ada bukan disebabkan oleh kelemahan  metodologi statistik yang digunakan BPS dalam mengidentifikasi RTS. Tapi, lebih disebabkan oleh persoalan teknis di lapangan: kualitas petugas pendataan.

Data RTS untuk program BLT diperoleh dari Pendataan Sosial Ekonomi tahun 2005 (PSE05). Proses pendataan ini bukan main beratnya karena cakupannya adalah seluruh Indonesia. Kala itu, sekitar 50-an juta rumah tangga di seluruh Indonesia dikumpulkan karakteristiknya (identitas, alamat, dan 14 variabel penciri kemiskinan) untuk diidentifikasi sebagai RTS atau bukan.

Jujur, BPS sedikit kewalahan dalam PSE05. Pasalnya, jumlah petugas yang dimiliki BPS kala itu hanya beberapa ribu orang di seluruh Indonesia. Sama sekali tidak berimbang dengan beban kerja yang ada (puluhan juta rumah tangga). Karenanya, BPS terpaksa harus merekrut petugas di luar BPS. Masalahnya kemudian, sebagian besar petugas yang direkrut itu berdasarkan rekomendasi aparat desa/keluruhan, yang hampir dipastikan syarat akan nepotisme.

Walhasil, BPS gagal mendapatkan petugas yang betul-betul berkualitas. Penentuan RTS pun tidak lagi didasarkan pada metodologi statistik yang telah dibangun dengan susah payah, tetapi berdasarkan subjektifitas petugas dan hubungan kekerabatan sehingga berdampak pada data RTS yang dihasilkan.

Masalah juga muncul karena konteks pendataan adalah untuk pemberian bantuan. Pada kondisi seperti ini, banyak responden yang tidak jujur ketika diwawancarai. Dengan lain perkataan, banyak yang pura-pura miskin agar terdaftar sebagai penerima bantuan.

Celakanya, terkait penyaluran BLT yang tidak tepat sasaran, BPS justru menjadi bulan-bulanan dan sasaran amuk massa. Terkait BLT, banyak kantor BPS di daerah dikepung dan dirusak massa. Bahkan, beberapa orang pegawai BPS tewas karena kena bacok atau tertusuk belati. Padahal, BPS hampir sama sekali tidak mendapatkan apa-apa dari program BLT, selain peluh dan lelahnya proses pendataan.

Hal seperti inilah sebetulnya yang ditakutkan oleh para insan BPS akan kembali berulang saat program BLMS digulirkan. Banyak pegawai BPS di daerah menganggap program ini merupakan ‘ancaman’ terhadap keselamatan mereka. (*)

Pendapat Pribadi. Data-data dari BPS.

Komentar

Postingan populer dari blog ini

Bisakah R2 (baca: R kuadrat) Bernilai Negatif?

Koefisien determinasi (R2) merupakan ukuran kecocokan hasil estimasi sebuah model regresi linier dengan data yang dimodelkan, atau biasa disebut ukuran goodness of fit dari sebuah model regresi linier. Dengan lain perkataan, R2 menunjukkan seberapa dekat garis regresi yang diestimasi dengan data yang sebenarnya atau seberapa besar proporsi variasi variabel respon yang dapat dijelaskan oleh garis regresi. Ukuran ini dapat digunakan jika semua asumsi terkait residual telah terpenuhi. Bisakah R2 Bernilai Negatif? Pada dasarnya, R2 tidak pernah bernilai negatif, kecuali model regresi yang digunakan tanpa intersep. Jika model regresi yang digunakan tanpa intersep, maka R2 tidak bermakna meskipun bernilai positif. Kelemahan mendasar dari  R2 adalah nilainya yang selalu bertambah ketika dilakukan penambahan variabel bebas ke dalam model, meskipun variabel tersebut tidak begitu penting dalam menjelaskan variabel respon (tidak signifikan). Untuk mengatasi hal ini digunakan R

Kesalahan Spesifikasi Model: Penyebab dan Solusi

Dalam ekonometrika, ketika kita bekerja dengan model-model struktural, yakni model dimana hubungan antara variabel dalam model didasarkan pada suatu kerangka teori ekonomi, keselahan spesifikasi model kerap kali terjadi. Hal ini merupakan masalah serius yang sering terjadi pada penelitian yang menggunakan model ekonometrik, khususnya regresi, sebagai  alat analisis. Kesalahan spesifikasi menyebabkan model yang dihasilkan tidak dapat digunakan untuk kepentingan analisis karena dapat menyesatkan ( misleading ). Sedikitnya,  ada dua gejala yang dapat dijadikan acuan untuk mengetahui kalau model yang kita gunakan mengalami kesalahan spesifikasi. Dua gejala tersebut adalah sebagai berikut: 1.   Hasil running model menunjukkan tanda koefisien regresi yang merepresentasikan arah hubungan antara variabel  penjelas dan variabel respon berseberangan atau tidak sesuai dengan teori.  Meski tidak selalu merupakan gejala terjadinya kesalahan spesifikasi, kehadiran gejala ini me

Di Balik Penurunan Jumlah Petani Gurem

Hingga kini, kemiskinan di Indonesia masih menjadi fenomena sektor pertanian. Secara faktual, sebagian besar penduduk miskin tinggal di desa dan bekerja sebagai petani dan buruh tani. Ditengarai, salah satu penyebab kemiskinan masih berpusat di sektor pertanian adalah penguasaan lahan pertanian oleh petani yang kian sempit. Skala usaha yang kecil mengakibatkan pendapatan dari kegiatan usaha tani tidak mencukupi untuk memenuhi kebutuhan hidup meski kegiatan usaha tani yang dijalankan sebetulnya cukup menguntungkan. Alhasil, kesejahteraan pun begitu sulit direngkuh. Kemarin (2 Desember), Badan Pusat Statistik (BPS) telah merilis jumlah petani gurem hasil Sensus Pertanian tahun 2013 (disingkat ST2013). Menurut BPS, petani gurem didefinisikan sebagai rumah tangga pertanian yang mengusahakan lahan pertanian kurang dari setengah hektar. BPS mencatat, jumlah petani gurem pada Mei 2013 sebanyak 14,25 juta rumah tangga atau sekitar 55,33 persen dari sekitar 26 juta rumah tangga