```html
Temuan 6 Juta Data Ganda, Jumlah Penerima Program Makan Bergizi Gratis Berpotensi Berkurang
Badan Gizi Nasional tengah melakukan pembersihan data secara masif demi memastikan akurasi penyaluran program unggulan pemerintah.
JAKARTA - Program unggulan pemerintah, Makan Bergizi Gratis (MBG), kini tengah menghadapi tantangan besar terkait akurasi data penerima manfaat. Badan Gizi Nasional (BGN) mengungkapkan adanya temuan mengejutkan terkait integritas data yang menjadi dasar penyaluran program tersebut. Tercatat, terdapat potensi sekitar 6 juta data ganda dalam basis data penerima yang sedang dalam proses verifikasi.
Temuan ini membawa implikasi serius terhadap proyeksi jumlah penerima manfaat di lapangan. Jika data ganda tersebut berhasil dibersihkan, maka jumlah total penerima program MBG diprediksi akan mengalami penurunan signifikan dibandingkan estimasi awal yang direncanakan. Hal ini dilakukan sebagai langkah mitigasi agar anggaran negara yang dialokasikan tidak mengalir ke pihak yang tidak berhak atau terjadi tumpang tindih penerimaan.
Dampak Temuan Data Ganda Terhadap Efisiensi Anggaran
Keberadaan 6 juta data ganda bukan sekadar masalah administratif semata, melainkan masalah krusial yang menyangkut efisiensi fiskal negara. Program Makan Bergizi Gratis merupakan salah satu program dengan alokasi anggaran yang sangat besar dalam APBN. Oleh karena itu, ketepatan sasaran menjadi harga mati agar tujuan utama program—yakni peningkatan gizi anak sekolah, ibu hamil, dan kelompok rentan lainnya—dapat tercapai secara optimal.
Jika data ganda ini tidak segera ditangani, terdapat risiko terjadinya inefisiensi anggaran yang masif. Dana yang seharusnya bisa menjangkau lebih banyak anak di wilayah terpencil, justru berpotensi "terbuang" karena terhitung dua kali atau lebih untuk individu yang sama. BGN menekankan bahwa pembersihan data ini adalah prioritas utama sebelum implementasi skala penuh dilakukan secara nasional.
Beberapa risiko yang muncul akibat data ganda antara lain:
Ketidaktepatan sasaran: Anggaran terserap untuk individu yang sama, namun jumlah individu nyata yang menerima manfaat menjadi lebih sedikit dari target.
Pemborosan APBN: Terjadinya pembengkakan anggaran yang tidak produktif karena perhitungan berbasis data yang tidak valid.
