1 / 42

Hamonangan Ritonga , Ph.D Badan Pusat Statistik

Pengembangan dan pemanfaatan data kemiskinan DENGAN BERTUMPU PADA KEBIJAKAN serta RUANG DAN peluang Pihak lainnya. Hamonangan Ritonga , Ph.D Badan Pusat Statistik. Disampaikan pada Workshop Nasional :

luz
Download Presentation

Hamonangan Ritonga , Ph.D Badan Pusat Statistik

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Pengembangandanpemanfaatan data kemiskinan DENGAN BERTUMPU PADA KEBIJAKAN serta RUANG DAN peluangPihaklainnya HamonanganRitonga, Ph.D BadanPusatStatistik Disampaikanpada Workshop Nasional : Database partisipatifdanpemanfaatannyauntukpemetaansosialekonomiinteraktifdanSistemInformasidanAdministrasiDesa/Kelurahan Jakarta, 27 Februari 2014

  2. Pendahuluan (1): Manajemen Pembangunandari Perspektif Data Statistik Administrasi Pembangunan Politik Pembangunan Perumusan Kebijakan Penentuan Kebijakan Renstra KL/Daerah/Desa Implementasi Kebijakan, program, kegiatan Disepakati Perencanaan: Desain, anggaran,dan prosedur MONEV Prioritas pembangunan IndikatorKeberhasilan Issu pembangunan Implementasi kegiatan ANALISIS SITUASI: Gambaran obyektif dan kebutuhan masyarakat On Going Post Monitoring Evaluasi

  3. Peran Data Statistik dalam Pembangunan • Dalam pelaksanaan pembangunan yang baik, penentuan suatu kebijakan dan pembuatan suatu keputusan yang berdasarkan “fakta” (evidence based policy decision taking and policy-making ) menjadi suatu keharusan. • Dengan tuntutan kebijakan dan pengambilan keputusan yang berdasarkan fakta, maka data yang dikumpulkan harus valid (sahih) dan reliable (dapat diandalkan atau dipercaya) • Sistim Statistik Nasional sesuai UU Statistik No. 16 tahun 1997: • 1) BPS bertanggung jawab atas statistik dasar, • 2) K/LNK bertanggung jawab atas statistik sektoral, • 3) Lembaga penelitian (termasuk perguruan tinggi) mengumpulkan statistik khusus.

  4. Hampir • Miskin • Hampir • Miskin Miskin Miskin Sangat Miskin Sangat Miskin * Program Anti-Kemiskinan di Indonesia KEBIJAKAN MAKRO EKONOMI Meningkatkan kesejahteraan dan perluasan kesempatan kerja Percepatan Penanggulangan Kemiskinan 2014: 8-10 % Revisi: 9-10,5 • Kluster-1 (Berbasiskeluarga) • Beasiswa • Jemkesmas • Raskin • PKH • BLT • BantuanSosial Kluster-2 (Berbasiskomunitas) Program PemberdayaanMasyarakat (PNPM) Kluster-3 (Berbasis UMKM) KreditMikro (KUR) Kluster-4 Perumahan Transportasi Air bersih Listrikuntukrakyatmiskin Nelayanmiskin*) Kelompokrentandiperkotaan*) Sumber: BAPPENAS 2011

  5. PENGEMBANGAN DAN PEMANFAATAN DATA KEMISKINAN DI INDONESIA

  6. DATA KEMISKINAN MAKRO

  7. PENGUKURAN KEMISKINAN MAKRO DI INDONESIA Konsep yang dipakai (BPS) danjugabeberapanegara lain adalahkemampuanmemenuhikebutuhandasar (basic needs approach) “ Kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan (diukur dari sisi pengeluaran)” Penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita perbulan di bawah Garis Kemiskinan, yang diperoleh dari hasil Survei Sosial Ekonomi Nasional (SUSENAS) setiap tahun.

  8. KOMPONEN GARIS KEMISKINAN (GK): GK Makanan => setaradenganpemenuhankebutuhankalori 2100 kkal per kapitaperhari. Paketkomoditikebutuhandasarmakanandiwakilioleh 52 jeniskomoditi GK Non Makanan => kebutuhan minimum untukperumahan, sandang, pendidikan, dankesehatan (51 jeniskomoditi di perkotaandan 47 jeniskomoditi di perdesaan) ● ● ● Tidak Miskin ● ● ● ● ● ● ● ● ● GarisKemiskinan (bedatiapprovinsi) GK Nasional 2013 = Rp. 271.626 GK NTB 2013 = Rp. 262.128 GK DKI Jakarta 2013 = Rp. 410.865 Hampir Miskin ● ● A ● B Miskin ● ● Catatan: Metodeinidigunakan BPS sejak1998 ● Sangat Miskin (kronis)

  9. Jenis-Jenis Komoditi untuk Penghitungan Garis Kemiskinan Makanan

  10. Jenis-Jenis Komoditi untuk PenghitunganGaris Kemiskinan Non-Makanan

  11. PerkembanganGarisKemiskinandi Indonesia (Rupiah/ Kapita/Bulan)

  12. Tren Data Kemiskinandi Indonesia 1996-2013

  13. KarakteristikKemiskinandi Indonesia: (1) Masihbanyakpendudukmiskindanrentanmiskin • 1. Sangat Miskin (VP) < 0,8*PL • 2. Miskin (P) ≤ 1*PL • 3. Hampir Miskin (NP) : 1*PL - 1,2*PL • 4. Tidak Miskin (U): > 1,2*PL 10,83% (26,39 juta penduduk hampir miskin) 11,96 % (29,13 juta penduduk sangat miskin dan hampir miskin

  14. KarakteristikKemiskinandi Indonesia: (2 ) PerbedaanProvinsiTinggi 14

  15. KarakteristikKemiskinandi Indonesia: (3 ) Beberapakomoditiberkontribusitinggiterhadap GK 2013 15

  16. Karakteristikkemiskinandi Indonesia: (4)Sebagianbesarhidupdipedesaan, tidakproduktif, dankondisirumahtidakbaik Penduduk miskin 2013: 28.07 juta (11.37 %) • 63.2% di Pedesaan • 57.8 % bekerja di sektor pertanian • Jumlah ART: 4.82 orang • Tamat SD/Buta Huruf • Jam kerja pendek • Pekerjaan utama: Sektor informal Kondisi rumah: Tidak ada listrik Tidak ada fasilitas WC Tidak ada air bersih Luas lantai per kapita< 8 m2 Kualitas lantai, dinding, dan atap rendah

  17. DATA KEMISKINAN MIKRO • PendataanSosialEkonomiTahun 2005 (PSE05) • Variabel: variabelumum (karakteristikrumahtangga) • Rangking RTS: Indeksdenganbobotlokal • PelaksanaPendataan: BPS

  18. Tujuan: Mendapatkan Rumah Tangga Sasaran (RTS ) menurut nama dan alamat KRT untuk BLT, Raskin dan Jamkesmas Instrumen pendataan Kuesioner 14 Variabel pembeda kemiskinan, dengan kesesuaian tinggi [> 83%] dengan kriteria garis kemiskinan Pendataan Kemiskinan  Ada partisipasi Ketua RT/Dusun/SLS Tahap 1: meminta Ketua RT membuat daftar rumahtangga layak diberi bantuan Tahap 2: mendata rumahtangga tersebut dengan instrumen pendataan Kriteria Rumah Tangga Sasaran (1) Cakupan: rumahtangga sangat miskin (RTSM), miskin (RTM), hampir miskin Dibuat indeks kemiskinan ≡ I RTM = Σi Wi Xi, dimana Xi = 0 (tidak miskin) atau 1 (sifat miskin) W adalah matrix koefisien dengan dimensi 450 kab/kota kali 14 variabel Kategori: RTSM (I RTM = 0,80-1,00); RTM (I RTM =0,60-0,79); RTHM (I RTM <0,60) Tujuan,Instrumen, Metodologi dan Kriteria RTS

  19. Variabel KemiskinanNon-Moneter

  20. RTS Hasil PSE 2005 MenurutKategori

  21. Contoh Daftar RTS Menurut Nama KRT dan Alamat:RT 002, RW 01, Desa “X”, Kab. “Y”

  22. DATABASE KEMISKINAN MIKRO 2. Pendataan Perlindungan Sosial Tahun 2008 (PPLS08) • Variabel: 23 variabel umum (karakteristik rumah tangga dan individu) • Rangking RTS: Model Proxy Means Test (Regressi) • Pelaksana Pendataan: BPS BADAN PUSAT STATISTIK

  23. Tujuan dan Informasi yang dikumpulkan • Tujuan: Menghasilkan RTS untuk Program Perlindungan Sosial: PKH, Raskin, Jamkesmas • Informasi yang dikumpulkan: data individu: - Nama dan alamat kepala rumah tangga, jumlah keluarga, dan jumlah anggota rumah tangga, dan hubungan denga kepala rumah tangga , - Jenis kelamin, umur, status perkawinan, kepemilikan kartu identitas, - Partisipasi sekolah, kelas tertinggi yang pernah/sedang diduduki, ijazah tertinggi yang dimiliki, - Jenis cacat, penyakit kronis/menahun yang diderita, - Lapangan usaha dari pekerjaan utama dan status pekerjaan utama. • Informasi yang dikumpulkan: data rumah tangga • Status penguasaan tempat tinggal, luas lantai, jenis dinding, jenis atap, sumber air minum, cara memperoleh air minum, sumber penerangan utama, bahan bakar utama, dan tempat pembuangan air tinja.

  24. Tahap 1:  Ada partisipasi Ketua RT/Dusun/SLS Daftar RTS-BLT [pre-printed] setiap RT/Dusun/SLS terendah dilakukan verifikasi dengan negative list =>DROP INCLUSION ERROR Daftar RTS hasil nominasi RT/Dusun/SLS terendah untuk penyisiran RTS baru untuk verifikasi dengan metode sama =>INCLUDE EXCLUSION ERROR Sekaligus perbaikan alamat jika ada mutasi Tahap 2: RTS layak hasil Tahap I dilakukan pencacahan Updating variabel rumah tangga Keterangan pokok demografi dan sosial ekonomiindividu semua anggota rumah tangga Metodologi Pendataan [1]

  25. Pengolahan Data: Metode ban berjalan: pencacahan dan pengolahan parallel Petugas Task Force melakukan pengecekan lapangan dan sekaligus membawa dokumen hasil pencacahan ke BPS kabupaten/kota untuk pengolahan Membuat prediksi pendapatan/pengeluaran per kapita setiap RTS dengan PMT [Proxy Mean Test] per kabupaten/kota Tahap 3: RTS dengan pengeluaran/kapita < 1,2*GK lolos verifikasi RTS dengan pengeluaran/kapita > 1,2*GK dilakukan verifikasi lapangan untuk memastikan kelayakan RTS lolos verifikasi difinalkanpengolahannya Metodologi Pendataan [2]

  26. Prediksi pengeluaran per kapita RTS berdasarkan keterangan karakteristik sosial ekonomi dan keberadaan dan kemudahan akses pada fasilitas sosial dasar Model matematika yang secara statistika diuji validitas, kecocokan [fit], dan signifikansinya [minimum error] Ykap=∑[aijXij+bikYik] = a1X1 +….+ anXn + b1Y1 +….+ bmYm Ykap = pengeluaran per kapita a, b = koeffisien persamaan/model; i = 1, 2, …, 489; j = 1, 2, … n; k = 1, 2, … m. X = variabel sosial ekonomi, Y = variabel keberadaan fasilitas dan jarak ke fasilitas [puskesmas, SMP] 489 model berbedauntuk setiap kabupaten/kota PENENTUAN RTS: PROXY MEAN TEST

  27. RTS Hasil PPLS 2008 MenurutKategori

  28. Contoh Data RTS Menurut Nama KRT dan Alamat : RT 003 RW 02 Desa “X”, Kab. “Y”

  29. DATA KEMISKINAN MIKRO 3. Pendataan Program Perlindungan Sosial 2011 (PPLS2011) • Variabel: 26 variabel umum (keterangan rumahtangga dan anggota rumahtangga) • Rangking RTS: Model Proxy Means Test • Pelaksana: BPS BADAN PUSAT STATISTIK

  30. Tujuan:Menyusun Basis Data TerpaduNasional (40 % termiskin) Pengalaman berbagai pentargetan sebelumnya RT Sangat Miskin RT Miskin RT Hampir Miskin Dilaksanakan terintegrasi oleh BPS Basis Data Terpaduuntuk Program BantuanSosial T A R G E T I N P U T BLT ProsesPendataan 2011 ProsesPendataan 2011 PROSES PENDATAAN (Dilakukan 3 tahunsekaliterakhir 2008, berikutnya 2011) Jamkesmas Raskin PKH Survei penduduk digunakan untuk mempertajam sasaran rumah tangga yang menjadi sasaran proses pendataan Sebagai basis data nasional Sebagai sumber data bagi penerima semua program penanggulangan kemiskinan/perlindungan sosial Program Lain TNP2K MELAKUKAN KENDALI MUTU SISTEM PENTARGETAN

  31. Informasi yang dikumpulan dalam PPLS 2011

  32. Metodologi Pendataan PPLS 2011 • Cakupan: • Wilayah: 33 Provinsi, 497 Kabupaten/Kota 6.699 Kecamatan, 77.062 desa/kelurahan, ± 1,2 juta Satuan Lingkungan Setempat Terkecil (SLS): Rukun Tetangga, Dukuh, Jorong, dsb • Calon rumahtangga untuk di survei :± 26 juta (42,5% penduduk) Petugas: Pencacah Lapangan (PCL)= 99.365 orang; Pengawas (PML) = 16.706 Orang • Mekanisme Pendataan  Ada partisipasi warga miskin • verifikasi keberadaan  26 juta calon rumahtangga terindikasi rentan miskin (sangat miskin, miskin, dan hampir miskin) untuk di survei pada Ketua SLS:RT, Dukuh, Jorong, dsb. • konsultasi di ruang tertutup dengan 3 rumahtangga miskin => menambah rumahtangga miskin yang belum dicakup [exclusion error] • penyisiran pada saat pendataan calon rumah tangga untuk menambah rumahtangga miskin yang belum dicakup [exclusion error] • pencacahan pada calon rumah tangga sasaran: => Komputer akan membuang rumahtangga mampu, misalnya PNS, Polri, TNI, Pegawai BUMN/BUMD, dan rumahtangga mampu lainnya [inclusionerror]

  33. Tahapan Pendataan RTS miskin Prelisted RTS per SLS Ketua RT 2 1 Konsultasi tambahan RTS Konfirmasi keberadaan RTS pada Ketua RT 3 KONSULTASI DENGAN RTS MISKIN Keliling SLS, SWEEPING Validasi dan kompilasi propinsi Updated lists RTS Data Entry Kompilasi Pusat Evaluasi final kelayakan RTS Database PPLS 2011

  34. Pengurutan Rumah Tangga Sasaran (RTS) Pengurutan RTS: menggunakan model Proxy Means Test (PMT), yaitu Regresi pengeluaran per kapita dengan variabel non moneter, termasuk Wealth Index.  Diperoleh Perkiraan pengeluaran perkapita setiap RTS. Formula Pengurutan RTS sebagai berikut: Dimana: yij= pengeluaran konsumsi per capita pada rumahtangga i des j α= intercept β = pekiraan koefisien karakteristik rumahtangga (Susenas 2011) Xij = vector karakteristik rumahtannga ke i pada desaj θ = perkiraan koefisien variabel wealth index (PPLS 2011) Zj = vector variabel wealth index (PPLS 2011) εij = kesalahan model

  35. RTS Hasil PPLS 2011 MenurutKategori

  36. Contoh Data Cakupan RTS Menurut KRT dan Alamat: RT 002 RW 02, Desa”X”, Kab. “Y”

  37. KeterbatasanPendataan BPS untukPerencanaandanEvalusi Pembangunan Tingkat Desa/Kelurahan (1) • Sesuai UU Statistik No. 16 tahun 1997, BPS mempunyaitugasmenyediakanstatistikdasar (angkaringkasanatauagregat) untukperencanaanpembangunantingkatwilayahatautargersasarangeografisdanevaluasikinerjahasilpembangunan, bukanuntukmenyediakanketeranganindividuatau data mentah unit observasi; • Meskipun BPS melakukanpengumpunan data secaramenyeluruhatausensus (sensuspenduaukuntuktahunbekahiran 0, sensuspertanianuntuktahunberakhiran 3, dansensusekonomi) penyajiannya paling rendahhanyamemungkinkansampaitingkatdesa. • Data terendahlainnya yang dihasilkan BPS padatingkatdesa/kelurahanadalahhasilPendataanPotensiDesasetiap 3 tahun, tetapihanyamenyajikandata potensidanprofildesa, dantidakmencakup data individupenduduk.

  38. KeterbatasanPendataan BPS untukPerencanaandanEvaluasi Pembangunan Tingkat Desa/Kelurahan (2) • Dalampendataankemiskinanmikro (PSE 2005, PPLS 2008, dan PPLS 2011), BPS hanyamelakukanpengumpulandanpengolahan; sedangkanpenyajiannyaadalaholehKementerianatauLembaga yang berwenang, misalnya PPLS 2011 oleh TNP2K. • Dalampengumpulan data kemiskinan, BPS hanyamelibatkanmasyarakatdanpemimpinditingkatdesasecaraterbatasuntukmaksudmeminimalkankesalahaninclusion error akibatnepotisme (elite capture)danmoral hazard, sertaexclusion error. • Dalampengumpulan data kemiskinanmikro, untukalasanketerbandinganantarwilayah BPS menggunakanvariabeloprasionalumum, tidakmemasukkanvariabellokalspesifik.

  39. Keterbatasan Data Kemiskinan BPS • BPS biasanya melakuka pemantauan statistik dengan variabel-variabel operasional yang dirancang dengan asumsi seragam tentang organisasi sosial setempat, • Database kemiskinan Database kemiskinan mikro yang dihasilkan BPS menggunakan variabel umum dan seragam untuk semua, dan tidak memperhatikan variabel spesifik lokal. • Informasi statistik yang benar-benar menggambarkan kondisi lokal, dengan budaya berbeda secara lebar diantara populasi penduduk Indonesia, sangat tidak tersedia.  Diperlukan pendekatan berbasis komunitas, tetapi perlu fasilitator karena rawan elite capture atau moral hazard

  40. Peluang Partisipasi Pihak Lainnya • Untukmengembangkanstrategipenanggulangankemiskinan yang efektifditingkatdesa/kelurahan, tidakhanyadiperlukanidentifikasirunahtangga/pendudukmiskin, tapijugapenyebabkemiskinansertadampaknya. • Penyebabdandampakkemiskinanberbedaantarwilayah, tergantungperbedaanorganisasisosialdiantarawilayah/daerah; • Dalam monitoring kemiskinan, perludiperhatikanperubahan status kesejahteraandariindividu/keluargaolehpihaklainnya; melaluipartisipasiwarga. • Perluverifikasi data yang dihasilkan BPS, dankedepandesa/kelurahandapatmengembangkansendirikemiskiskinanpartisipatif, didukungolehfasilitator yang kompetendandapatdikaitkandengankriteriastandarnasional. • BerdasarkanhsilUjiCoba BPS, bekerjasamadengan WB dan LSM MitraSamya (2009), metodeterbaikadalahMetodeHibrida

  41. Hasil Uji Coba Pendataan Kemiskinan Mikro Kerjasama BPS, WB, dan LSM Mitra Samya (2009)

  42. DATA ITU SULIT DAN MAHAL, TETAPI AKAN LEBIH SULIT DAN MAHAL MEMBANGUN TANPA DATA TERIMA KASIH

More Related