RADARSOLO.COM - Penyaluran bantuan sosial (bansos) tunai senilai Rp5,4 juta untuk tiap keluarga penerima manfaat akan diuji coba pada 2027.
Ketua Dewan Ekonomi Nasional (DEN), Luhut Binsar Pandjaitan, menjelaskan bahwa kendati bentuk bantuan diarahkan secara tunai (cash), penggunaannya akan dikunci melalui skema pembatasan akses belanja berbasis kupon (voucher digital).
Guna mendukung perubahan skema teknis tersebut, pemerintah mendorong penerapan Government Technology (GovTech) berbasis kecerdasan buatan (artificial intelligence/AI) yang terhubung langsung dengan basis data kependudukan milik Ditjen Dukcapil Kementerian Dalam Negeri.
Sistem verifikasi calon penerima manfaat akan memanfaatkan dua teknologi utama:
- Pemindaian Wajah (Face Recognition): Mengidentifikasi identitas penerima secara presisi saat pencairan atau transaksi.
- Teknologi Biometrik: Memvalidasi data fisik penerima guna mencocokkan identitas kependudukan.
Cara ini digadang-gadang guna memastikan akurasi data, sekaligus menekan penyalahgunaan bansos, misalnya untuk judi online.
Seberapa efektifkan cara itu?
Jonathan Farez Satyadharma, researcher dari SMERU Research Institute seperti dikutip dari theconversation.com dalam tulisannya menjelaskan, meski terdengar menjanjikan, pemanfaatan AI tak bisa menjadi solusi tunggal atas masalah penyaluran bansos.
Dalam praktiknya, berkaca dari pengalaman Indonesia, efektivitas sistem tetap bergantung pada kualitas informasi yang digunakan serta tata kelolanya.
Pemerintah setidaknya perlu memitigasi risiko dari dua aspek utama ini:
Pertama, seperti teknologi prediktif lainnya, keluaran pembelajaran mesin dalam AI sangat bergantung pada kualitas data untuk melatih model.
Dalam terobosan kali ini, pemerintah sebenarnya berencana memadankan berbagai basis data lainnya, seperti dari Kementerian Dalam Negeri, BPJS Kesehatan, PLN, dan Polri.
Namun, kemiskinan dan kerentanan bisa berubah-ubah sesuai kondisi sosial, ekonomi, bahkan lingkungan saat itu.
Pembelajaran mesin, dengan demikian, memerlukan lebih banyak basis data lainnya.
"Sebagai contoh, perubahan iklim dan kondisi cuaca dapat menyebabkan kelompok seperti petani dan nelayan yang tidak rentan saat pengambilan data justru menjadi rentan hanya pada musim atau periode tertentu. Kerentanan ini kami temukan dalam studi terbaru (belum dipublikasi)," tulis Jonathan.
Basis data untuk AI penyaluran bansos juga perlu memperhatikan karakteristik kemiskinan dan kerentanan yang berbeda-beda sesuai kondisi wilayah dan kelompok masyarakat setempat.
"Sebagai contoh, studi kami di Papua menunjukkan bahwa Orang Asli Papua (OAP) menghadapi kerentanan berbeda daripada non-OAP, meskipun tinggal dalam wilayah geografis yang sama," ungkapnya.
Penargetan yang mengandalkan data statis berisiko membatasi kemampuan pembelajaran mesin untuk menangkap perubahan kondisi ekonomi rumah tangga maupun bentuk kerentanan yang berubah-ubah.
Karena itu, pemerintah idealnya tak memperbaiki bansos hanya melalui penggunaan AI.
Tetapi juga pada memperluas sumber data yang digunakan. Integrasi data cuaca dan iklim, misalnya dari BMKG, dapat menjadi salah satu opsi untuk menangkap perubahan kondisi masyarakat.
Baca Juga: BMKG Pastikan Suara Dentuman Misterius di Bandung Raya Bukan Berasal dari Gempa
Pemerintah juga dapat mempertimbangkan pemanfaatan data digital lain untuk memperkirakan tingkat kesejahteraan secara lebih adaptif, selama penggunaannya dilakukan dengan penuh tanggung jawab dan transparan.
Selain itu, model pembelajaran mesin juga perlu dirancang agar mampu mempertimbangkan karakteristik lokal yang sering kali sulit digambarkan melalui indikator administratif seperti jumlah penduduk, dan luas wilayah.
Sebagai contoh, AI perlu dilatih untuk memahami penelitian-penelitian yang sudah ada.
Kombinasi berbagai sumber informasi dinamis berpotensi menghasilkan performa prediksi yang lebih baik dibandingkan penggunaan satu sumber data statis semata.
Baca Juga: Wushu Kota Solo Raih 2 Emas, 4 Perak, dan 4 Perunggu di Popda Jateng 2026
Namun, semakin luas dan beragam data yang digunakan, semakin besar pula kebutuhan terhadap tata kelola dan perlindungan privasi yang memadai. Inilah aspek kedua yang perlu diperhatikan pemerintah.
Integrasi data melalui identitas digital tunggal memang berpotensi meningkatkan konsistensi dan efisiensi penyaluran bantuan, tetapi pada saat yang sama juga meningkatkan risiko kebocoran atau penyalahgunaan data.
Oleh karena itu, keamanan data perlu menjadi prasyarat utama dalam penyaluran bansos berbasis AI.
Harapannya, peningkatan akurasi penargetan tidak mengorbankan perlindungan data pribadi masyarakat. (wa)
Editor : Tri Wahyu Cahyono