RADARPATI.JAWAPOS.COM - Pemerintah tengah mempersiapkan langkah reformatif dalam skema penyaluran bantuan sosial (bansos) nasional.
Selain mematangkan rencana pengalihan sistem menjadi transfer tunai langsung senilai hingga Rp5,4 juta per orang per tahun, pemerintah juga berencana mengadopsi teknologi kecerdasan buatan (AI), pengenalan wajah (face recognition), serta identitas digital tunggal (digital single ID) untuk meningkatkan ketepatan sasaran penerima manfaat.
Baca Juga: Bulan Depan Bansos Tunai Cair Rp5,4 Juta Per KTP? Ini Daftar Penerimanya
Pemanfaatan machine learning (pembelajaran mesin) dalam AI ditujukan untuk mengelompokkan prioritas penerima manfaat secara near real-time.
Teknologi ini diharapkan mampu mengatasi masalah klasik kemiskinan dinamis yang kerap tidak tertangkap oleh Data Tunggal Sosial dan Ekonomi Nasional (DTSEN) berbasis desil statis.
Akar Masalah Penyaluran Bansos Klasik
Studi literatur menunjukkan bahwa akurasi penargetan sejumlah program bansos di Indonesia masih terbilang rendah. Sebagai contoh, Bantuan Pangan Nontunai (BPNT) mencatatkan tingkat akurasi penargetan (targeting accuracy) sebesar 47,46%.
Rendahnya angka tersebut mengindikasikan dua masalah utama:
Exclusion Error (>50%): Lebih dari separuh rumah tangga miskin dan rentan yang berhak justru belum tercakup sebagai penerima.
Inclusion Error (71,04%): Tingginya persentase rumah tangga yang tidak memenuhi kriteria tetapi tetap menerima bantuan.
Tingginya distorsi ini kerap dipicu oleh kelemahan mekanisme community-based targeting (musyawarah desa/kelurahan).
Dalam praktiknya, penentuan rekomendasi oleh aktor lokal sering kali terpengaruh oleh faktor nonteknis, seperti relasi sosial, preferensi politik, hingga asimetri informasi di tingkat tapak.
Mitigasi Risiko dan Tantangan Penerapan AI
Meski machine learning menawarkan tingkat presisi yang lebih tinggi dibanding proses manual, implementasi AI bukan merupakan solusi tunggal. Efektivitas sistem baru ini sangat bergantung pada kualitas data serta sistem keamanan yang melingkupinya.
Pemerintah perlu memitigasi dua aspek kritis dalam penerapan AI untuk bansos:
1. Perluasan dan Dinamika Data
Model machine learning membutuhkan basis data masukan yang kaya dan adaptif. Rencana pemadanan data administratif (Kemenag, BPJS Kesehatan, PLN, Polri) perlu diperluas dengan memasukkan data kondisi geografis dan cuaca (misalnya dari BMKG). Langkah ini krusial untuk menangkap kerentanan musiman yang dihadapi kelompok rentan seperti petani dan nelayan, serta mengakomodasi perbedaan karakteristik kemiskinan antarwilayah (seperti perbedaan kerentanan antara Orang Asli Papua dan non-OAP).
2. Keamanan Data Pribadi dan Tata Kelola Privasi
Penggunaan digital single ID dan teknologi face recognition yang mengonsolidasikan data sensitif lintas kementerian/lembaga meningkatkan risiko keamanan cyber. Konsolidasi data berskala masif wajib diimbangi dengan protokol perlindungan data pribadi (PDP) yang ketat dan transparan guna mencegah kebocoran data maupun penyalahgunaan identitas masyarakat.
Apakah Anda memerlukan analisis tambahan mengenai perbandingan akurasi antara metode penargetan tradisional (community-based) dan metode prediktif berbasis machine learning? (*)
Editor : Zakarias Fariury