Daftar penerima bantuan sosial (bansos) di Indonesia bertambah sebanyak 4,3 juta Keluarga Penerima Manfaat (KPM). Masuknya jutaan penerima baru tersebut merupakan hasil dari pemanfaatan basis Data Tunggal Sosial Ekonomi Nasional (DTSEN) oleh Kementerian Sosial.
Tenaga Ahli Menteri Sosial Bidang Perencanaan dan Evaluasi Kebijakan Strategis, Andy Kurniawan, menjelaskan bahwa penggunaan DTSEN memberikan cakupan yang lebih luas dalam memotret kondisi sosial ekonomi masyarakat. Langkah ini memungkinkan warga yang sebelumnya tidak tercatat untuk masuk ke dalam skema penerima bantuan.
Menurut Andy, pemutakhiran data melalui DTSEN diperlukan guna merespons dinamika perubahan kondisi riil masyarakat sekaligus mengatasi berbagai ketidaksesuaian data yang ditemukan di lapangan. Pemutakhiran ini berkaitan langsung dengan penentuan desil kesejahteraan yang dijadikan acuan pemerintah dalam menetapkan prioritas program perlindungan sosial.
Pernyataan tersebut disampaikan dalam acara Diskusi Metodologi Penentuan Desil dan Pengukuran Kemiskinan di Indonesia yang berlangsung di Politeknik Statistika STIS, Jakarta, Jumat (11/9/2026).
Cek Lokasi Merchant Terdekat Makin Praktis via WhatsApp dengan Sabrina BRI
Integrasi Data dan Metode Penentuan Desil
Basis data DTSEN disusun melalui integrasi sejumlah pangkalan data milik pemerintah, meliputi Data Terpadu Kesejahteraan Sosial (DTKS), Registrasi Sosial Ekonomi (Regsosek), dan Pensasaran Percepatan Penghapusan Kemiskinan Ekstrem (P3KE).
Direktur Metodologi, Statistik, dan Science Data Badan Pusat Statistik (BPS), Prof. Setia Pramana, menguraikan bahwa penentuan desil tidak semata-mata dihitung berdasarkan tingkat pendapatan. BPS menyusun peringkat kesejahteraan dengan melihat karakteristik sosial ekonomi rumah tangga secara menyeluruh.
Untuk melengkapi data rumah tangga yang tidak memiliki catatan pengeluaran langsung, BPS memanfaatkan data Survei Sosial Ekonomi Nasional (Susenas) guna membangun model estimasi. Pemodelan tersebut menggunakan pendekatan Proxy Means Test (PMT) yang dipadukan dengan metode machine learning.
Tepatkah Pembukaan Rekening Bank untuk 200 Juta Warga?
BPS mengembangkan pemodelan ini berdasarkan karakteristik di masing-masing kabupaten dan kota karena kondisi sosial ekonomi antardaerah memiliki perbedaan. Hasil pemodelan per daerah tersebut kemudian dihimpun untuk menyusun peringkat kondisi sosial ekonomi di tingkat nasional.
Dalam diskusi tersebut, Media Askar dari Celios turut memberikan sejumlah masukan konstruktif bagi pemerintah terkait penyempurnaan metodologi perhitungan, penetapan desil, dan pembenahan sistem DTSEN agar penyaluran bansos semakin tepat sasaran.
