Data Bansos Dirombak! Kemensos Catat 4,3 Juta KPM Baru Masuk Daftar Penerima

BPS Gunakan Data Susenas dan Machine Learning

Dalam menentukan peringkat kesejahteraan, BPS menghadapi tantangan karena tidak semua rumah tangga memiliki informasi pendapatan atau pengeluaran secara langsung.

Untuk mengatasi persoalan tersebut, BPS memanfaatkan data Survei Sosial Ekonomi Nasional (Susenas) yang memiliki informasi mengenai pengeluaran rumah tangga.

Data tersebut kemudian digunakan untuk membangun model estimasi bagi rumah tangga yang tidak memiliki informasi pengeluaran secara langsung.

Salah satu pendekatan yang digunakan adalah Proxy Means Test (PMT) dengan dukungan metode machine learning.

Melalui pendekatan tersebut, karakteristik sosial ekonomi rumah tangga digunakan untuk memperkirakan tingkat kesejahteraan.

Dengan metode ini, pemerintah tidak hanya bergantung pada satu indikator dalam menentukan kondisi ekonomi masyarakat.

Setiap Daerah Punya Model Berbeda

Menariknya, BPS juga mempertimbangkan karakteristik masing-masing wilayah dalam membangun model.

Prof. Setia menjelaskan model dibangun berdasarkan kondisi masing-masing kabupaten dan kota. Hal ini dilakukan karena karakteristik sosial ekonomi masyarakat di setiap daerah tidak selalu sama.

Kondisi masyarakat di perkotaan, misalnya, bisa berbeda dengan masyarakat di wilayah pedesaan. Begitu pula karakteristik ekonomi antara satu daerah dengan daerah lainnya.

Dengan model yang memperhatikan kondisi wilayah, hasil pemeringkatan diharapkan bisa lebih menggambarkan situasi masyarakat secara nyata.

Hasil pemodelan tersebut kemudian digunakan untuk menyusun peringkat kondisi sosial ekonomi secara nasional.

Pemerintah Buka Masukan untuk Perbaikan DTSEN

Kemensos menyatakan terbuka terhadap berbagai masukan untuk memperbaiki metodologi, penentuan desil, maupun DTSEN secara keseluruhan.