Desil 1: Kelompok 10 persen masyarakat dengan pengeluaran terendah (kelompok paling miskin).
Desil 2 hingga Desil 8: Kelompok masyarakat kelas menengah yang memiliki tingkat pengeluaran bervariasi.
Desil 9 dan Desil 10: Kelompok 10 hingga 20 persen masyarakat dengan pengeluaran tertinggi (kelompok masyarakat mampu atau kaya).
Ketika seorang tukang becak yang seharusnya berada di desil 1 atau desil 2 justru masuk ke desil 9, maka terjadi kesalahan fatal dalam pemetaan ekonomi. Hal ini menunjukkan adanya "inclusion error" atau kesalahan di mana orang yang tidak berhak menerima bantuan justru masuk ke dalam kategori yang salah, atau dalam kasus ini, status ekonominya dianggap sangat tinggi.
Penyebab Terjadinya Kesalahan Data di Lapangan
Muncul pertanyaan besar: Mengapa kesalahan seperti ini bisa terjadi? Meskipun BPS telah menerapkan berbagai metodologi yang ketat, dinamika di lapangan seringkali menjadi tantangan yang sulit dihindari. Ada beberapa faktor yang diduga menjadi penyebab terjadinya anomali data seperti yang dialami Timbul:
1. Kesalahan Input atau Human ErrorProses pendataan melibatkan petugas lapangan yang melakukan wawancara langsung dengan responden. Kesalahan dalam menangkap jawaban responden, salah dalam melakukan input angka ke dalam sistem digital, atau ketidaktelitian dalam mengisi formulir survei dapat menyebabkan distorsi data yang signifikan.
2. Metodologi Pengambilan Sampel dan Pengisian DataTerkadang, pertanyaan mengenai pengeluaran rumah tangga bisa bersifat ambigu. Jika responden salah memahami pertanyaan atau petugas salah menginterpretasikan jawaban mengenai aset yang dimiliki (misalnya kepemilikan barang elektronik yang dianggap sebagai indikator kekayaan tinggi), maka hasil akhirnya bisa melenceng jauh dari realitas kesejahteraan sebenarnya.
3. Ketidakselarasan Data Antar InstansiIndonesia seringkali menghadapi tantangan "ego sektoral" dalam pengelolaan data. Data dari BPS, Data Terpadu Kesejahteraan Sosial (DTKS) dari Kementerian Sosial, dan data kependudukan dari Dukcapil terkadang tidak tersinkronisasi dengan sempurna. Ketidaksinkronan ini dapat menyebabkan seseorang memiliki profil yang berbeda-beda di tiap lembaga pemerintah.
Dampak Fatal Misklasifikasi Data terhadap Kebijakan Publik
Kasus Timbul hanyalah satu dari sekian banyak potensi masalah yang bisa muncul jika akurasi data tidak dijaga. Dampak dari salah klasifikasi desil ini sangat nyata dan dapat merugikan masyarakat luas dalam beberapa aspek utama:
