Indonesiandaily.com – Ketepatan sasaran menjadi salah satu tantangan dalam pelaksanaan program Makan Bergizi Gratis (MBG). Untuk menjawab persoalan tersebut, pendekatan ilmu statistika dapat dimanfaatkan dalam memetakan kondisi wilayah, membaca karakteristik masyarakat, hingga mendukung pengambilan keputusan berbasis data.
Guru Besar Departemen Statistika Fakultas Sains dan Teknologi (FSTeM) Universitas Brawijaya (UB), Prof Ani Budi Astuti, melihat peluang besar penerapan metode statistika dalam mengevaluasi program pemerintah. Salah satunya melalui pendekatan Bayesian yang dikombinasikan dengan analisis spasial.
Menurut Ani, pendekatan tersebut memungkinkan peneliti memetakan suatu wilayah berdasarkan karakteristik data yang dimiliki. Hasil pemetaan dapat digunakan untuk mengidentifikasi persoalan dan merumuskan langkah intervensi yang lebih sesuai dengan kebutuhan masyarakat.
Dalam konteks MBG, analisis semacam ini berpotensi membantu pemerintah memahami perbedaan kondisi antardaerah, termasuk kebutuhan kelompok sasaran dan persoalan dalam pelaksanaan program.
“Melalui pemetaan wilayah berbasis spasial dengan pendekatan Bayesian, hasil penelitian bisa diarahkan untuk menghasilkan tindakan mitigasi yang lebih tepat,” jelas Ani dalam sebuah talk show.
Ia menilai program berskala nasional seperti MBG membutuhkan dukungan informasi yang akurat. Sebab, karakteristik masyarakat dan kondisi setiap wilayah tidak selalu sama sehingga pendekatan kebijakan yang seragam belum tentu menjawab seluruh persoalan di lapangan.
Bayesian, Solusi untuk Data yang Terbatas dan Kompleks
Pengembangan metode Bayesian merupakan salah satu fokus keilmuan Ani, terutama dalam penelitian bidang kesehatan. Ia memilih pendekatan tersebut karena penelitian kesehatan kerap menghadapi keterbatasan jumlah sampel atau responden.
Misalnya, penelitian untuk mengukur dampak penggunaan obat baru tidak selalu memungkinkan melibatkan banyak responden. Padahal, keterbatasan sampel dapat menjadi tantangan dalam menghasilkan analisis statistik yang tepat.
Bayesian menawarkan pendekatan yang lebih fleksibel karena dapat digunakan pada berbagai ukuran sampel, baik kecil, sedang maupun besar. Metode ini juga memungkinkan peneliti menganalisis data dengan karakteristik distribusi yang kompleks.
Ani menjelaskan, persoalan data tidak hanya berkaitan dengan jumlah sampel. Dalam sejumlah penelitian, satu kumpulan data dapat memiliki kelompok dengan pola distribusi berbeda atau dikenal sebagai mixture distribution.
Karakteristik tersebut membutuhkan metode analisis yang mampu menangkap keragaman data tanpa mengabaikan kondisi sebenarnya.
“Bayesian bisa digunakan untuk berbagai ukuran sampel. Bentuk sebaran datanya pun bisa bermacam-macam,” ungkapnya.
Selama ini, penerapan pendekatan tersebut banyak diarahkan pada penelitian kesehatan di Malang maupun berbagai wilayah lain di Indonesia.
Statistika Harus Mampu Membaca Data Real Time
Selain pengembangan metode Bayesian, Ani menilai tantangan ilmu statistika ke depan semakin berkaitan dengan kemampuan mengolah data digital yang terus bergerak.
Menurutnya, metode statistik tidak cukup hanya mengandalkan data yang dikumpulkan pada periode tertentu. Peneliti perlu mengembangkan pendekatan yang adaptif terhadap perubahan data secara real time.
Salah satu peluang penerapannya adalah membaca opini masyarakat terhadap kebijakan publik, termasuk pelaksanaan MBG. Data dari media sosial seperti X (Twitter) dapat dimanfaatkan untuk menangkap respons masyarakat terhadap suatu program.
Data tersebut kemudian dianalisis untuk memperoleh gambaran mengenai persepsi, persoalan, maupun kecenderungan respons masyarakat.
Pendekatan ini membuka peluang bagi pengembangan evaluasi kebijakan yang lebih responsif. Pemerintah tidak hanya mengandalkan laporan berkala, tetapi juga dapat mempertimbangkan dinamika informasi yang berkembang di masyarakat.
Dorong Pengambilan Keputusan Berbasis Data
Ani menegaskan, masa depan ilmu statistika akan semakin ditentukan oleh kemampuannya mengolah data dengan berbagai karakteristik. Mulai dari data berukuran kecil hingga data digital dalam jumlah sangat besar.
Karena itu, pendekatan data-driven perlu terus dikembangkan agar analisis statistik dapat mengikuti kondisi nyata, bukan sekadar menyesuaikan data dengan asumsi metode tertentu.
Baginya, statistika memiliki ruang penerapan yang luas. Tidak hanya mendukung penelitian akademik, tetapi juga dapat menjadi instrumen untuk memahami persoalan kesehatan, sosial, hingga kebijakan publik.
Pengembangan metode yang lebih adaptif diharapkan membuat hasil penelitian semakin relevan dengan kebutuhan masyarakat. Termasuk menyediakan landasan analitis bagi evaluasi program pemerintah agar intervensi yang dilakukan lebih tepat berdasarkan karakteristik dan kebutuhan wilayah.
“Ke depan, metode statistik harus mampu beradaptasi dengan kondisi data apa adanya, baik jumlahnya sedikit, sedang, banyak maupun sangat banyak,” tegasnya.
