Menghitung Nyawa di Ruang Gelap

BAYANGKAN Anda memiliki senter kecil di tengah hutan yang gulita. Anda menyorotkan cahaya itu ke satu sudut, dan menemukan ada 12 pohon yang sakit.

Lalu, tanpa pernah melangkah ke bagian hutan lain yang masih gelap, Anda berteriak kepada dunia bahwa mayoritas pohon di hutan itu sehat-sehat saja.

Metafora sederhana inilah yang menghantui benak saya ketika Menteri Sosial Saifullah Yusuf meledakkan "bom data" pada Februari 2026 ini.

Beliau mengungkap ada 54 juta warga miskin yang tak terlindungi BPJS Kesehatan (PBI), sementara 15 juta orang "mampu" justru menikmatinya.

Namun, di balik riuh rendah angka yang diperdebatkan politisi di Senayan itu, terselip satu fakta paling sunyi sekaligus paling mengerikan:

Jika Kementerian Sosial baru sanggup memverifikasi 12 juta dari total 35 juta kepala keluarga yang seharusnya diperiksa, lantas nasib macam apa yang sedang terjadi pada 23 juta keluarga lain yang masih berada di "ruang gelap" data itu?

Apakah mereka dianggap tidak miskin hanya karena petugas survei belum mengetuk pintu rumah mereka yang reot?

Pertanyaan ini bukan sekadar gugatan statistik. Ini soal nyawa. Kita sedang terjebak dalam ilusi presisi. Kita merasa tahu segalanya karena memiliki dasbor digital, padahal dasbor itu dibangun di atas fondasi ketidaktahuan yang masif terhadap separuh realitas republik ini.

Ilusi angka di meja

Mari kita bedah logika yang dipakai pemerintah dengan kepala dingin, tapi hati yang tetap panas.

Ketika angka "54 juta miskin tak ter-cover" dan "15 juta orang kaya menikmati subsidi" disandingkan, terjadi kecelakaan logika yang dalam psikologi disebut false equivalence atau kesetaraan palsu.

Baca juga: Data dan Nyawa di Jaminan Kesehatan

Seolah-olah, dosa memberi uang pada orang kaya setara beratnya dengan dosa membiarkan orang miskin mati tanpa obat.

Padahal, meminjam kacamata teori fondasi moral dari Jonathan Haidt (2012), bobot moral kedua kesalahan ini timpang.

Ketika 15 juta orang mampu menerima PBI, yang terjadi adalah inefisiensi anggaran—uang negara bocor. Kita marah karena rasa keadilan (fairness) kita terusik.

Namun, ketika 54 juta orang miskin tidak terlindungi BPJS Kesehatan, yang terjadi adalah tragedi kemanusiaan. Ini adalah pelanggaran terhadap aspek kepedulian yang seharusnya menjadi nyawa negara.

Narasi sibuk memburu "orang kaya curang" sering kali menjadi taktik pengalihan yang cerdik: kita digiring untuk membenci tetangga punya motor, tapi dapat bansos, supaya kita lupa menuntut tanggung jawab kegagalan negara mendata warganya yang paling papa.

Lebih jauh lagi, kesimpulan yang ditarik dari data yang belum lengkap ini berbau hasty generalization (generalisasi yang tergesa-gesa).

Riset dari Widyaningsih dkk. (2023) menunjukkan bahwa petugas verifikasi cenderung mendata wilayah yang mudah dijangkau secara geografis dan administratif.

Artinya, data 12 juta KK yang sudah diverifikasi itu kemungkinan besar bias ke wilayah perkotaan atau desa yang infrastrukturnya baik.

Lalu, bagaimana dengan mereka di pelosok NTT, Papua, atau pulau-pulau kecil di Maluku yang sinyal internet saja tak ada?

Sangat mungkin, jika 23 juta data yang "gelap" itu dibuka, angkanya jauh lebih mengerikan dari sekadar 54 juta. Dalam statistik kebijakan, apa yang tidak kita lihat sering kali jauh lebih mematikan daripada apa yang kita lihat (Wahyudi et al., 2024).

Kejahatan birokrasi

Mengapa kekacauan ini terus berulang seperti kaset rusak dari zaman BLT hingga sekarang? Jawabannya bukan karena kita punya pejabat yang jahat. Justru sebaliknya.

Masalahnya ada pada apa yang disebut Adams dan Balfour (2014) sebagai administrative evil atau kejahatan administratif.

Ini adalah kondisi di mana orang-orang baik di dalam birokrasi melakukan hal-hal yang mengerikan (seperti membiarkan orang miskin tak terdata) semata-mata karena mereka patuh pada prosedur.

Bayangkan seorang petugas dinas sosial di kabupaten. Dia orang baik, ayah yang bertanggung jawab. Namun, sistem di komputernya berkata: "Jika NIK tidak padan dengan Dukcapil, data ditolak."

Maka, dengan patuh dia mencoret nama seorang janda tua yang tak punya KTP karena rumahnya terbakar.

Baca juga: Kemiskinan yang Tersembunyi

Petugas itu tidak merasa bersalah; dia merasa telah bekerja profesional menjaga "integritas data". Padahal, di dunia nyata, kepatuhan teknisnya itu baru saja memvonis janda tersebut kehilangan hak berobat.

Inilah wajah birokrasi kita: sistem yang lebih takut pada temuan audit BPK ketimbang tangisan warga.

Kita juga perlu membicarakan psikologi kemiskinan dengan lebih welas asih. Pemerintah sering menuntut warga miskin untuk "proaktif" melapor jika belum dapat bantuan.

Terdengar masuk akal, bukan? Namun, riset Scarcity Mindset dari Mullainathan dan Shafir (2013) menampar asumsi kita.

Kemiskinan itu menyedot kapasitas mental. Ketika otak Anda penuh dengan pertanyaan "besok anak makan apa?", Anda tidak punya sisa "RAM" di otak untuk memikirkan cara mengurus surat keterangan tidak mampu di kelurahan yang birokrasinya berbelit.

Menuntut orang miskin untuk proaktif secara administratif adalah bentuk ketidakadilan kognitif.

Di sisi lain, label "15 juta orang kaya penerima bansos" juga perlu kita lihat ulang. Siapa mereka? Apakah mereka konglomerat? Kemungkinan besar tidak.

Data Bank Dunia (2024) menunjukkan besarnya kelompok aspiring middle class—mereka yang tidak miskin menurut BPS, tapi satu kali sakit keras saja akan langsung jatuh miskin.

Mereka mempertahankan BPJS PBI bukan karena serakah, tapi sebagai strategi bertahan hidup (coping strategy) di tengah ekonomi yang tak pasti. Melabeli mereka sebagai "pencuri" hanya memecah belah solidaritas sosial kita.

Memanusiakan algoritma 

Lantas, harus bagaimana? "Verifikasi ulang" dengan cara lama—mengirim petugas membawa kuesioner tebal—hanya akan mengulang kesalahan yang sama. Kita butuh revolusi cara pandang.

Pertama, berhentilah terobsesi mencari "siapa yang miskin". Itu sulit, mahal, dan rentan salah karena kondisi miskin itu cair.

Balik logikanya: carilah "siapa yang kaya". Jauh lebih mudah melacak jejak kekayaan lewat data pajak, kepemilikan mobil, atau transaksi bank.

Baca juga: BPJS PBI dan Risiko Kebijakan Tanpa Masa Transisi

Gunakan konsep affluence testing. Berikan jaminan kesehatan secara universal kepada semua warga negara sebagai hak dasar.

Lalu, sistem secara otomatis menagih iuran hanya kepada mereka yang terdeteksi mampu secara data digital. Dengan cara ini, exclusion error (orang miskin yang tertolak) bisa ditekan hingga nol persen (Alatas et al., 2012).

Biarlah negara rugi sedikit menanggung orang setengah mampu, daripada negara berdosa membiarkan satu orang miskin terlantar.

Kedua, libatkan hati dalam teknologi. Penggunaan AI dan blockchain untuk data bansos memang menjanjikan transparansi (Ahmed et al., 2025), tapi teknologi butuh sentuhan manusia.

Kembalikan peran musyawarah komunitas. Tetangga lebih tahu siapa yang dapurnya tidak ngebul hari ini dibandingkan algoritma di server Jakarta.

Berikan kewenangan diskresi pada petugas lapangan untuk meloloskan warga yang secara visual dan faktual menderita, meskipun secara administratif datanya bolong.

Pada akhirnya, angka 54 juta dan 15 juta itu bukanlah sekadar statistik untuk bahan rapat kabinet. Itu adalah cermin retak wajah kemanusiaan kita.

Di balik angka "23 juta keluarga yang belum diverifikasi", ada jutaan napas yang menunggu kepastian.

Jangan sampai kita menjadi bangsa yang bangga dengan kerapian data di atas kertas, tapi gagal memanusiakan manusia yang berpijak di atas tanah.

Presisi itu penting, tapi empati adalah segalanya. Mari nyalakan senter ke seluruh penjuru ruang gelap itu, sebelum terlambat.

Tag:  #menghitung #nyawa #ruang #gelap