Mekanisme Prioritisasi

Modul Analisis SEPAKAT menentukan ranking untuk prioritas intervensi pada indikator capaian yang tersedia berdasarkan capaian terhadap indikator tertentu, dikalikan dengan pengeluaran relatif individu di daerah tersebut.

Terdapat 31+29 indikator yang terpilih dalam prioritisasi, berasal dari 5 sektor pembangunan (Pendidikan, Kesehatan, Ketenagakerjaan, Infrastruktur Rumah Tangga, dan Perlindungan Sosial), yang datanya tersedia dan representatif secara statistik terhadap daerah tersebut.

31 indikator terpilih adalah indikator umum, sedangkan 29 indikator adalah indikator dari SPM dan TPB yang memiliki target pencapaian nasional yang sudah ditentukan berdasarkan hukum.

Urutan dalam prioritisasi ditentukan berdasarkan skor, dengan formula sebagai berikut:

Di mana:

• 〖skor〗_x adalah skor prioritisasi untuk indikator capaian x
• i menyatakan setiap individu dari subpopulasi tertentu. Nilai i dapat berada di antara 1 sampai n, dengan n menyatakan estimasi populasi tertentu dari subpopulasi tersebut.
• x_i adalah status capaian individu i untuk indikator capaian x. Nilai x_i dapat berupa 0 (belum memenuhi capaian indikator) dan 1 (sudah memenuhi capaian indikator).
• X_(i∈{0,target} ) adalah total nilai x_i di dalam kelompok tertentu. Nilai X_i dapat berada di antara 0 dan target.
• target adalah nilai maksimum yang diharapkan untuk pencapaian indikator capaian x. Target untuk indikator capaian umum bernilai 100%, sedangkan target untuk indikator capaian SPM dan TPB dapat bernilai di bawah itu, sesuai dengan dasar hukum yang digunakan untuk menentukan indikator capaian tersebut.
• Informasi target nilai untuk indikator capaian SPM dan TPB dapat dilihat pada halaman wiki masing-masing indikator capaian.
• w_i adalah bobot yang diberikan untuk setiap individu i, berdasarkan pengeluaran relatif individu i.
• Pengeluaran relatif ditentukan berdasarkan pengeluaran individu i (ditulis dengan y_i) dibagi total pengeluaran seluruh individu di daerah tersebut (ditulis dengan ∑▒(∑▒y_i )/y).
• Rumus pengeluaran relatif dapat disederhanakan secara matematis menjadi 1/y_i , yaitu 1 dibagi pengeluaran individu i.

Implikasi utama dari mekanisme perhitungan skor prioritas SEPAKAT adalah penduduk miskin (mempunyai pengeluaran yang relatif rendah) dianggap berjumlah lebih banyak dibandingkan penduduk kaya (mempunyai pengeluaran yang relatif tinggi). Jumlah penduduk miskin di daerah pengguna yang belum memenuhi indikator capaian mempunyai pengaruh yang lebih besar dibandingkan jumlah penduduk kaya.

Implikasi lainnya dari mekanisme perhitungan adalah, perhitungan skor dapat dimodifikasi sesuai target pencapaian. Hal ini berguna untuk menghitung skor pada indikator-indikator SPM dan TPB, di mana masing-masing indikator memiliki target yang sudah ditentukan sebelumnya dalam dasar hukum yang kuat (Perpres/RPJMD).

Hasil skor kemudian digolongkan menjadi 3 tahap prioritas:

• Prioritas rendah (ditandai hijau): 0.7 <= skor < 1
• Prioritas sedang (ditandai kuning): 0.3 <= skor <= 0.7
• Prioritas utama (ditandai merah): 0 < skor <= 0.3

Kemudian hasil prioritisasi disajikan dalam bentuk score card yang memiliki warna dominan dan memuat informasi ringkas terkait indikator tersebut.

Contoh scorecard adalah sebagai berikut:

Perhitungan indikator capaian dan skor prioritisasi didasarkan pada data mentah dari Survei Sosial Ekonomi Nasional (SUSENAS) yang dilaksanakan di bulan Maret setiap tahunnya.

SUSENAS adalah survei yang dilaksanakan setiap dua kali setahun oleh Badan Pusat Statistik (BPS RI), yang tujuan utamanya adalah mengukur kondisi sosioekonomi penduduk yang representatif terhadap daerah di Indonesia. Keterangan lebih lanjut mengenai masing-masing wave dari SUSENAS, seperti desain pengambilan sampel dan rentang pengumpulan data, dapat diakses di laman Mikrodata SUSENAS.

Salah satu isu utama dari penggunaan data survei adalah representativitas sampel data survei terhadap daerah yang menjadi subjek penelitian. Tim SEPAKAT telah mengakomodasi isu tersebut dengan hanya menampilkan hasil skor prioritas yang memiliki nilai relative standard error (RSE) di bawah 25%. Statistik RSE sendiri dihitung oleh Tim SEPAKAT dengan memperhitungkan desain sampel SUSENAS, demi mendapatkan nilai yang akurat. Penjelasan singkat mengenai pentingnya RSE dapat dibaca di sini.