Angka Yang Berbeda Wajah: Membedah Metodologi di Balik Statistik Kemiskinan Indonesia

Kemal H Simanjuntak

Konsultan Manajemen | GRC Expert | Asesor LSP Tatakelola, Risiko, Kepatuhan (TRK)

FORUM KEADILAN – Ketika satu lembaga menyebut 8,47 persen penduduk Indonesia miskin dan lembaga lain menyebut 68,25 persen, reaksi awam biasanya adalah kecurigaan dan salah satunya pasti berbohong. Padahal dalam ilmu statistik sosial, ini bukan soal kejujuran data, melainkan soal apa yang sedang diukur dan dengan penggaris seperti apa.

Memahami ini penting bagi wacana publik, sebab keliru membaca statistik sama berbahayanya dengan sengaja memanipulasinya—keduanya berujung pada kebijakan yang salah sasaran.

Konsep Kunci: Problem Konstruksi Garis Kemiskinan (The Poverty Line Problem)

Dalam literatur ekonomi pembangunan, ada satu persoalan mendasar yang dikenal sebagai the poverty line problem—istilah yang banyak dibahas ekonom Bank Dunia Martin Ravallion. Intinya sederhana namun fundamental yaitu garis kemiskinan bukanlah fakta alam yang ditemukan, melainkan konstruksi statistik yang dibangun dari asumsi tentang apa itu “kebutuhan dasar” dan berapa biayanya.

Karena garis ini adalah konstruksi, setiap perubahan asumsi—metode perhitungan, keranjang konsumsi acuan, tahun basis harga, hingga metode konversi mata uang—akan menghasilkan angka kemiskinan yang berbeda dari populasi yang sama persis.

BPS menggunakan metode cost of basic needs yaitu menghitung biaya minimum kalori (2.100 kkal/kapita/hari) ditambah kebutuhan non-makanan dasar, dikalibrasi dengan harga dan pola konsumsi lokal Indonesia. World Bank menggunakan garis kemiskinan internasional berbasis purchasing power parity (PPP) tahun basis 2021, yang dirancang untuk membandingkan negara secara lintas-batas, bukan untuk mengukur kebutuhan riil di satu negara.

Karena Indonesia kini diklasifikasikan sebagai negara berpendapatan menengah atas, garis PPP yang otomatis berlaku adalah USD8,30/hari—jauh di atas garis kebutuhan dasar domestik. Inilah sumber selisih 60 poin persentase itu bukan dua fakta yang bertentangan, melainkan dua definisi “cukup” yang tidak pernah dirancang untuk saling dibandingkan secara langsung.

Masalah Konversi PPP: Ketika Nilai Tukar Bukan Nilai Tukar Pasar

Persoalan statistik kedua yang jarang dipahami publik adalah bahwa konversi PPP bukan menggunakan kurs rupiah-dolar pasar, melainkan kurs paritas daya beli yang disesuaikan agar satu dolar PPP membeli jumlah barang yang setara di berbagai negara.

Angka Rp1.512.000/bulan yang setara USD8,30/hari PPP tidak sama dengan hasil konversi kurs pasar biasa. Ketidaktahuan atas perbedaan teknis ini kerap dimanfaatkan secara sengaja dalam wacana publik ada pihak yang ingin angka kemiskinan terlihat kecil dan diam-diam akan memakai garis domestik BPS, sementara pihak yang ingin angka terlihat besar akan memakai garis PPP UMIC tanpa menjelaskan basis konversinya. Keduanya sah secara statistik, tetapi tidak sah secara etika komunikasi publik jika basis pengukurannya disembunyikan.

Rasio Gini: Ukuran yang Sensitif terhadap Apa yang Tidak Diukur

Rasio Gini per September 2025 tercatat 0,363, turun dari 0,375 (Maret 2025) dan 0,381 (September 2024)—secara literal berarti ketimpangan pengeluaran menurun. Namun secara metodologis, Gini yang dihitung BPS berbasis data pengeluaran Susenas (survei rumah tangga), bukan pendapatan atau kekayaan. Ukuran berbasis pengeluaran cenderung menghasilkan angka ketimpangan lebih rendah dibanding ukuran berbasis kekayaan, karena rumah tangga kaya menabung dan menginvestasikan sebagian besar pendapatannya alih-alih membelanjakannya—sehingga bagian “atas” distribusi tidak sepenuhnya tertangkap survei konsumsi.

Data pengeluaran kelompok 40 persen terbawah yang justru naik dari 18,41 persen (September 2024) menjadi 19,28 persen (September 2025) memberi gambaran tambahan yang lebih informatif dari Gini sendirian, sekaligus menunjukkan kenapa satu angka ringkasan tidak boleh dibaca terisolasi dari indikator pendampingnya.

Kesenjangan Kota-Desa sebagai Ilustrasi Bias Agregasi

Gini nasional 0,363 menyembunyikan variasi signifikan: 0,383 di perkotaan berbanding 0,295 di pedesaan, dengan Papua Selatan tertinggi (0,426) dan Bangka Belitung terendah (0,214). Ini adalah contoh textbook dari aggregation bias—angka nasional tunggal yang menutupi heterogenitas riil di baliknya.

Kemiskinan perkotaan yang naik dari 6,66 persen menjadi 6,73 persen bersamaan dengan penurunan Gini nasional menunjukkan bahwa indikator ringkasan (summary statistic) bisa bergerak berlawanan arah dengan kondisi riil kelompok tertentu, sebuah fenomena yang dalam statistik dikenal berkerabat dengan paradoks agregasi seperti Simpson’s Paradox.

Implikasi bagi Wacana Keadilan

Publik seharusnya tidak terjebak memilih satu angka sebagai “angka benar” dan menuduh angka lain sebagai kebohongan. Yang perlu dituntut adalah transparansi metodologi setiap kali angka dikutip di ruang public menggunakan metode apa, garis apa, tahun basis apa, dan mengukur dimensi apa.

Kebijakan sosial yang dirancang berdasarkan angka yang disalahpahami metodenya berisiko salah sasaran—bantuan dirancang untuk populasi 8,47 persen akan sangat berbeda cakupan dan besarannya dari bantuan yang dirancang untuk merespons populasi 68,25 persen. Literasi statistik, dalam konteks ini, bukan sekadar kemampuan teknis, melainkan prasyarat keadilan itu sendiri. *