of 32 /32
REZA BANGUN MAHARDIKA LIFE PENGENTASAN KEMISKINAN BERBASIS TEKNOLOGI DAN INOVASI

PENGENTASAN KEMISKINAN BERBASIS TEKNOLOGI DAN … · Mengenal Penyebab Kemiskinan Indonesia Kebijakan Pengentasan Kemiskinan di Indonesia Teknologi sebagai Alat Anti-Kemiskinan Big

  • Author
    leque

  • View
    237

  • Download
    0

Embed Size (px)

Text of PENGENTASAN KEMISKINAN BERBASIS TEKNOLOGI DAN … · Mengenal Penyebab Kemiskinan Indonesia...

  • REZA BANGUN MAHARDIKA

    LIFE

    PENGENTASAN KEMISKINANBERBASIS TEKNOLOGI

    DAN INOVASI

  • REZA BANGUN MAHARDIKA

    PENGENTASAN KEMISKINANBERBASIS TEKNOLOGI

    DAN INOVASI

  • Pengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    Penulis Reza Bangun Mahardhika

    Editor Reza Bangun Mahardhika

    Desain GrafisAhmad Nur Hasan

    Diterbitkan oleh Forbil Institute Hak Cipta dilindungi Undang-undang. Dilarang memperbanyak atau mengutip sebagian atau seluruh isi buku tanpa izin tertulis dari Forbil Institute.

    Cetakan Pertama Dicetak di Yogyakarta, Indonesia. ISBN 978-602-52952-4-9

    Forbil InstituteJl. Pandega Asih I, Perum Sari Asih I Blok B17, Condongcatur, Yogyakarta, Indonesia 55281

    Telp: +62 (274) 43662864Tel. Seluler: +62 81578011199Email: [email protected]

  • KATA PENGANTAR Kemiskinan merupakan permasalahan yang tiada habisnya. Data dari Badan Pusat Statisik menunjukan bahwa pada bulan Maret tahun 2018 mencapai 25,95 juta orang. Jumlah tersebut memang banyak, namun di sisi lain persentase penduduk miskin Indonesia hanya sebesar 9,82 persen dan merupakan persentase penduduk miskin terendah di dalam sejarah. Pemerintah tidak boleh berpuas diri, pasalnya Indonesia sedang mengalami perlambatan penurunan jumlah penduduk miskin. Pada tahun 2006, tingkat kemiskinan mencapai 17,8 persen dan turun 5,84 persen pada tahun 2012, sedangkan pada tahun 2012 sampai 2018, penurunan tingkat kemiskinan hanya mencapai 2 persen. Hal ini tentu menjadi pekerjaan rumah yang cukup menantang bagi pemerintah. Buku ini merupakan salah satu seri buku dari Forbil Institute. Buku Pengentasan Kemiskinan berbasis Teknologi dan Inovasi diharapkan dapat menjadi pengantar singkat untuk memahami kondisi kemiskinan di Indonesia. Buku ini juga memberikan pengantar singkat bagaimana peran dari teknologi untuk turut mengentaskan permasalahan kemiskinan dari Indonesia. Selamat menikmati!

    Dr. Nanang Pamuji MugasejatiDirektur Forbil Institute

    Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    LIFE

    v

  • Kata PengantarDaftar IsiDaftar GrafikDaftar GambarLatar BelakangProfil Kemiskinan Indonesia Kemiskinan Sebelum dan Sesudah Krisis Sekilas Kemiskinan di Era Reformasi Mengenal Penyebab Kemiskinan Indonesia Kebijakan Pengentasan Kemiskinan di IndonesiaTeknologi sebagai Alat Anti-Kemiskinan Big Data untuk Melawan Kemiskinan Survei berbasis Teknologi Pemetaan Kemiskinan berbasis Big Data Potensi Pendidikan Jarak JauhKesimpulanDaftar PustakaProfil Penulis

    DAFTAR ISI

    vi

    DAFTAR GRAFIKGrafik 1. Garis Kemiskinan Indonesia 2015-2018 (Rupiah) Grafik 2. Persentase Penduduk Miskin Indonesia 2012-2018 (%)

    DAFTAR GAMBARGambar 1. Tahap-Tahap SWIFT

    Reza Bangun Mahardika

    Grafik 3. Persentase Penduduk Miskin berdasar Bank Dunia 2000-2016 (%)

    Pengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    vivi122

    36

    10

    8

    1010

    vi

    43

    11

    v

    12131618

    22

    5

  • LATAR BELAKANG

    Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    Secara keseluruhan, memang tingkat kemiskinan di Indonesia menunjukan penurunan. Bahkan pada Maret 2018, persentase penduduk miskin di Indonesia berhasil turun hingga menjadi satu digit atau sebesar 9,82 persen atau terendah di sepanjang sejarah. Bank Dunia (2017) mengatakan bahwa 80 persen penurunan kemiskinan tersebut didorong oleh pertumbuhan dibandingkan perubahan distribusi konsumsi Indonesia. Namun, tidak dapat dipungkiri bahwa terjadi perlambatan penurunan kemiskinan di Indonesia (Bank Dunia, 2017). Berdasarkan ukuran kemiskinan bank dunia, pada periode 2014-2016 persentase penduduk miskin berhasil menurun sekitar 0,7 persen per tahun, sedangkan pada periode 2009-2014, penurunan persentase penduduk miskin mencapai 2,1 persen per tahun (Bank Dunia, 2017).

    Perlambatan penurunan kemiskinan di Indonesia menjadi pekerjaan rumah yang harus segera diselesaikan. Teknologi industri 4.0 dapat memberikan peran dan menjadi instrumen pengentasan yang efektif. Era revolusi industri 4.0 adalah era penggunaan tren teknologi canggih seperti kecerdasan buatan, big data, wearables (AR/VR), cloud computing, Internet of Things (IoT), dan robotika canggih. Berbagai teknologi tersebut dapat dimanfaatkan Indonesia untuk membantu dalam pengentasan kemiskinan. Buku ini bertujuan untuk memberikan berbagai alternatif penggunaan teknologi industri 4.0 untuk mengentaskan kemiskinan di Indonesia.

    1

  • Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    2

    PROFIL KEMISKINAN INDONESIAKemiskinan Sebelum dan Sesudah Krisis

    Pada periode Orde Baru, tingkat kemiskinan turun secara drastis. Di tahun 1970, 60 persen penduduk Indonesia dikategorikan miskin dan jumlah tersebut turun hingga mencapai 11 persen di tahun 1996, satu tahun sebelum krisis keuangan Asia (Boediono, 2017). Di tahun 1998, mendekati akhir krisis, tingkat kemiskinan di Indonesia meningkat drastis, hingga 24 persen, sebagai dampak dari penurunan PDB hingga 13 persen, pemecatan tenaga kerja dan kenaikan harga pangan yang mencapai dua kali lipat. Setelah krisis keuangan asia, penurunan tingkat kemiskinan di Indonesia menjadi lebih pelan. Terdapat hipotesis bahwa setelah krisis Asia, Indonesia mengalami penurunan elastisitas pertumbuhan ekonomi terhadap kemiskinan. Artinya, terdapat penurunan hubungan antara pertumbuhan ekonomi dan tingkat penurunan kemiskinan (Sumarto et al, 2012). Sejak krisis, setiap pertumbuhan ekonomi memang turut menurunkan jumlah penduduk miskin, namun penduduk yang tidak berada di kategori miskin menerima manfaat yang lebih banyak dibanding penduduk miskin (Boediono, 2017). Hal tersebut terjadi karena terdapat perubahan dari sumber pertumbuhan ekonomi Indonesia

    Pada periode sebelum krisis, pertumbuhan ekonomi didorong oleh ekspansi dari sektor labor-intensive dan industri yang berorientasi ekspor (Sumarto et al, 2012). Namun, periode setelah krisis menunjukan bahwa sektor ekonomi yang tumbuh adalah sektor capital-intensive seperti pertambangan dan telekomunikasi (Sumarto et al, 2012). Sektor tersebut menyerap tenaga kerja yang lebih sedikit dibanding sektor lainnya, sehingga kesempatan bekerja untuk orang yang miskin menjadi lebih sedikit ditengah kegiatan ekonomi yang meningkat (Sumarto et al, 2012). Pada periode setelah krisis pertumbuhan justru didorong oleh ekspor beberapa komoditas primer seprti produk mineral dan minyak dan gas serta produk perkebunan (Boediono, 2017). Berbagai komoditas tersebut cenderung kurang labour-intensive.

    Pertumbuhan ekonomi yang tinggi di masa sebelum krisis keuangan Asia berdampak pada penurunan jumlah penduduk miskin secara masif dan meningkatkan tingkat kesejahteraan seperti kenaikan angka partisipasi sekolah dan meningkatnya angka harapan hidup. Krisis yang menimpa Indonesia di tahun 1997 dan 1998 membalikkan semua keadaan tersebut. Pada periode sebelum krisis (1976-1996), tingkat kemiskinan turun dari 40,11 persen menjadi 11,3 persen. Penurunan penduduk miskin mencapai 28,8 persen selama 20 tahun atau rata-rata 1,44 persen pertahun (Sumarto et al, 2012).

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    Indikator yang digunakan untuk mengukur ketimpangan adalah koefisien gini. Pada masa orde baru, nilai dari koefisien gini cenderung lebih stabil dan berkisar diantara 0,32-0,33 (Boediono, 2017). Pada tahun 1996, tahun sebelum krisis, nilai dari koefisien gini meningkat menjadi 0,36. Pada periode krisis, tren dari koefisien gini menunjukan penurunan dimana nilai dari koefisien gini turun menjadi 0,30. Hal tersebut menunjukan bahwa pada periode krisis, pengeluaran konsumsi dari seluruh lapisan masyarakat miskin maupun tidak miskin menunjukan penurunan (Boediono, 2017). Namun, kelompok masyarakat yang berada di kelas pendapatan tinggi mengalami penurunan yang paling besar dibanding kelompok lainnya.

    3

    Sekilas Kemiskinan di Era Reformasi

    Apa yang dimaksud dengan kemiskinan? Badan Pusat Statistik (BPS) mengukur kemiskinan dengan menggunakan konsep kemampuan memenuhi kebutuhan dasar. Dengan pendekatan ini, kemiskinan diukur sebagai ketidakmpapuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Penduduk dikategorikan miskin jika rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan. Berikut adalah data dari garis kemiskinan secara nasional.

    Grafik 1. Garis Kemiskinan Indonesia 2015-2018 (Rupiah)

    Sumber: Badan Pusat Statistik, 2018

    350000300000

    200000250000

    150000100000

    050000

    Perkotaan Pedesaan Nasional

    242241 251943 260459 264941274544 283964 294806

    Sem

    este

    r 1 (M

    aret

    )

    Sem

    este

    r 2 (S

    epte

    mbe

    r)

    Sem

    este

    r 1 (M

    aret

    )

    Sem

    este

    r 2 (S

    epte

    mbe

    r)

    Sem

    este

    r 1 (M

    aret

    )

    Sem

    este

    r 2 (S

    epte

    mbe

    r)

    Sem

    este

    r 1 (M

    aret

    )

    2015 2016 2017 2018

  • Data diatas menunjukan bahwa pada periode 2015 sampai 2017, garis kemiskinan di pedesaan lebih tinggi dibanding perkotaan. Sebagai contoh, pada Maret 2017, nilai dari garis kemiskinan di perkotaan sebesar 270.856 rupiah, sedangkan di pedesaan lebih tinggi 8000 rupiah atau sebesar 278.277 rupiah. Hal tersebut menunjukan bahwa masyarakat desa harus mengeluarkan uang lebih banyak untuk memenuhi kebutuhan hidupnya. Namun, pada maret 2018, nilai dari garis kemiskinan antara perkotaan, pedesaan dan nasional cenderung lebih merata, bahkan garis kemiskinan di perkotaan lebih tinggi dibandingkan pedesaan. Pada maret 2018, garis kemiskinan di perkotaan mencapai 295.272 rupiah dan di pedesaan mencapai 294.302 rupiah. Data berikut menunjukan persentase penduduk miskin, baik di desa maupun di kota.

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    4

    Grafik 2. Persentase Penduduk Miskin Indonesia 2012-2018 (%)

    Sumber: Badan Pusat Statistik, 2018 diolah

    02

    PerkotaanPedesaan Total

    Sem

    este

    r 1 (M

    aret

    )

    2012

    Sem

    este

    r 2 (S

    epte

    mbe

    r)

    Sem

    este

    r 1 (M

    aret

    )Se

    mes

    ter 2

    (Sep

    tem

    ber)

    Sem

    este

    r 1 (M

    aret

    )Se

    mes

    ter 2

    (Sep

    tem

    ber)

    Sem

    este

    r 1 (M

    aret

    )Se

    mes

    ter 2

    (Sep

    tem

    ber)

    Sem

    este

    r 1 (M

    aret

    )Se

    mes

    ter 2

    (Sep

    tem

    ber)

    Sem

    este

    r 1 (M

    aret

    )Se

    mes

    ter 2

    (Sep

    tem

    ber)

    Sem

    este

    r 1 (M

    aret

    )2013 2014 2015 2016 2017 2018

    468

    10121416 15,2

    8,78

    11,9613,2

    7,02

    9,82

    Persentase penduduk miskin nasional secara tren menunjukan penurunan. Hal tersebut berarti menunjukan adanya peningkatan kesejahteraan dari masyarakat Indonesia. Pada Maret 2012, persentase penduduk miskin secara total mencapai 11,96 persen. Persentase penduduk miskin berhasil turun hingga 9,82 persen di Maret 2018. Jika dilihat secara lebih detail, persentase penduduk miskin di pedesaan lebih tinggi dibanding di perkotaan. Pada Maret 2012, persentase penduduk miskin di pedesaan mencapai 15,12 persen, sedangkan di perkotaan mencapai 8,78 persen. Di periode tersebut, selisih antara persentase penduduk miskin di pedesaan dan perkotaan mencapai 6,34 persen. Empat tahun kemudian, pada Maret 2018, persentase penduduk miskin di pedesaan menjadi 13,2 persen dan di perkotaan sebesar 7,02 persen. Persentase penduduk miskin dari tahun 2012 ke tahun 2018 di perkotaan

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    5

    Grafik 3. Persentase Penduduk Miskin berdasar Bank Dunia 2000-2016 (%)

    Sumber: Bank Dunia, 2018 diolah

    berhasil turun sebesar 1,76 persen dan di pedesaan sebesar 1,92 persen. Hal tersebut menunjukan bahwa penurunan persentase jumlah penduduk miskin di pedesaan lebih cepat dibandingkan di perkotaan. Data diatas menggunakan standar kemiskinan dari definisi dari BPS, namun bagaimana jika menggunakan definisi kemiskinan dari Bank Dunia?

    Bank Dunia membagi kemiskinan menjadi tiga kategori, yaitu:

    1 Penduduk dikategorikan kemiskinan ekstrim jika pengeluaran kurang dari $1.90 perhari dengan (2011 PPP) atau Rp 9.080,8 perhari di tahun 2011Penduduk dikategorikan miskin jika pengeluaran kurang dari $3.20 perhari dengan (2011 PPP) atau Rp 15.294,0 per hari di tahun 2011Penduduk dikategorikan miskin jika pengeluaran kurang dari $5.50 perhari dengan (2011 PPP) atau Rp 26.286,6 perhari di tahun 2011

    23 Perlu diperhatikan bahwa nilai dollar yang digunakan diatas menggunakan nilai tukar dari purchasing power parity di tahun 2011. Berikut adalah grafik yang menunjukan persentase penduduk miskin dengan menggunakan standar bank dunia.

    0

    204060

    80100120

    94,8

    77,6

    39,3

    87,589,3

    61,365,7

    21,127,4

    62,3

    30,9

    6,5

    2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

    Persentase Penduduk Miskin $5.50/Rp 9.080,8 per hari (2011 PPP)Persentase Penduduk Miskin $3.20/Rp 15.294,0 per hari (2011 PPP)Persentase Penduduk Miskin $1.90/Rp 26.286,6 per hari (2011 PPP)

    Tren dari tahun 2000 sampai 2016 menunjukan bahwa jumlah persentase penduduk miskin mengalami penurunan. Pada ukuran $1,90 per hari, persentase penduduk miskin di tahun 2000 mencapai 39,3 persen dan berhasil menurun menjadi 6,5 persen di tahun 2016. Dengan menggunakan ukuran pengeluaran $3,20 per hari, persentase penduduk miskin di tahun 2016 mencapi 30,9 persen, turun dari 77,6 persen di tahun 2000. Hal tersebut menunjukan adanya penurunan jumlah penduduk

  • miskin secara masif pada kategori tersebut. Pada ukuran $5,50 per hari, persentase penduduk miskin di tahun 2000 sangat besar, mencapai 94,8 persen. Namun, angka tersebut berhasil menurun menjadi 62,3 persen di tahun 2016. Terdapat hal yang cukup menarik dari grafik diatas. Hampir pada seluruh periode 2000 sampai 2016 persentase penduduk miskin selalu menurun. Namun, pada periode 2005-2006, terjadi kenaikan persentase jumlah penduduk miskin dan terjadi di seluruh kategori. Pada kategori pengeluaran $1,90 per hari, persentase penduduk miskin meningkat dari 21,1 persen menjadi 27,4 persen. Selanjutnya pada kategori pengeluaran $3,20 dan $5,50 perhari, persentase penduduk miskin masing-masng meningkat dari 61,3 persen menjadi 65,7 persen dan dari 87,5 persen menjadi 89,3 persen. Apa penyebab dari kenaikan persentase penduduk miskin? Penyebab utama dari kenaikan jumlah persentase penduduk miskin adalah kenaikan harga bahan bakar minyak di tahun 2005. Selanjutnya, kenaikan dari harga bahan minyak turut meningkatkan berbagai harga barang kebutuhan pokok. Kelompok dengan pengeluaran 1.90 menjadi kelompok yang paling terpukul dengan kenaikan harga barang kebutuhan pokok. Persentase penduduk miskin di kelompok pengeluaran $1,90 perhari meningkat sekitar 6,3 persen, jauh lebih tinggi dibanding peningkatan di kelompok lainnya. Pada saat itu, kenaikan harga bahan minyak meningkatkan jumlah penduduk miskin, baik di perkotaan maupun pedesaan.

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    6

    Mengenal Penyebab Kemiskinan Indonesia

    Kemiskinan merupakan salah satu masalah yang dihadapi oleh negara-negara berkembang, salah satunya Indonesia. Berbagai indikator statistik yang telah dijelaskan diatas memang menunjukan bahwa Indonesia berada di jalur tepat karena tingkat kemiskinan berhasil diturunkan. Namun, bukan berarti Indonesia tanpa masalah, sebab terjadi perlambatan penurunan tingkat kemiskinan di Indonesia. Untuk mengatasi masalah tersebut, hal yang harus dilakukan adalah mengenal penyebab dari kemiskinan. Haughton dan Khandkerm (2009), dalam bukunya Handbook of Poverty and Inequality, menjelaskan apa sebenarnya penyebab dari kemiskinan. Terdapat beberapa faktor yang dapat menyebabkan atau setidaknya berkorelasi dengan kemiskinan. Faktor-faktor tersebut meliputi:

    Karakteristik di tingkat daerahArtinya karakteristik daerah yang rawan bencana, daerah yang terpencil dan sulit untuk diakses, kualitas pemerintah dan hak milik dan penegakannya turut berpengaruh terhadap penyebab kemiskinanKarakteristik di tingkat masyarakat/komunitasArtinya ketersediaan infrastruktur (jalan, air, listrik) dan layanan jasa (layanan pendidikan, layanan kesehatan), jarak ke pasar dan hubungan sosial memiliki pengaruh atau berkorelasi terhadap kemiskinan

    1

    2

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    7

    Karakteristik di tingkat individu dan rumah tanggaFaktor karakteristik individu yang terpenting dalam hubungannya dengan kemiskinan adalah demografi, ekonomi dan sosial. Dalam demografi, jumlah anggota rumah tangga, struktur umur, angka ketergantungan dan gender dari Kepala rumah tangga memiliki pengaruh terhadap kemiskinan. Status ekonomi seperti status pekerjaan, berapa lama bekerja dan properti yang dimiliki turut berpengaruh atau berkorelasi dengan kemiskinan. Status sosial seperti tingkat kesehatan dan nutrisi, pendidikan dan adanya perlindungan turut berpengaruh terhadap kemiskinan dari individu.

    3

    Masalah kemiskinan merupakan masalah yang kompleks. Secara teori memang penyebab dari kemiskinan dapat dibagi menjadi ketiga karakteristik utama diatas, yaitu karakteristik daerah, karakteristik lingkungan atau masyarakat dan karakteristik dari individu. Haughton dan Khandkerm (2009) dengan data dari Pantai Gading dan menggunakan metode regresi, berhasil menemukan faktor-faktor yang dapat menjadi determinan dari pengeluaran rumah tangga perkapita. Selanjutnya regresi tersebut dibagi menjadi dua daerah, yaitu daerah pedesaan dan perkotaan. Hasilnya penelitian tersebut menunjukan bahwa di perkotaan, pendidikan merupakan determinan yang penting dari besarnya pengeluaran perkapita rumah tangga. Hanya dengan memiliki tingkat pendidikan sampai sekolah dasar, pendapatan dari individu akan lebih tinggi 38 persen dibandingkan dengan orang yang sama sekali tidak mengenyam pendidikan. Namun, di daerah pedesaan, ternyata efek dari pendidikan terhadap pengeluaran tidak begitu tinggi. Di pedesaan, efek dari ketersediaan infrastruktur jauh lebih besar dibandingkan dengan pendidikan. Selanjutnya, bagaimana dengan kondisi Indonesia? Dartanto & Nurkholis (2013) dengan menggunakan data panel Susenas 2005 dan 2007 berusaha untuk menentukan seberapa dalam tingkat kemiskinan dan apa penyebab dari kemiskinan di Indonesia. Hasil penelitian mereka menunjukan bahwa 28 persen dari rumah tangga miskin termasuk di dalam kemiskinan kronis yang artinya mereka tetap miskin selama dua periode dan 7 persen dari rumah tangga yang tidak miskin rentan menjadi miskin. Dartanto & Nurkholis (2013) juga menemukan bahwa kemiskinan di Indonesia lebih cenderung kepada fenomena pedesaan dan sensitif terhadap kenaikan dari garis kemiskinan. Kenaikan dari garis kemiskinan sebesar 25 persen dapat menyebabkan kenaikan tingkat kemiskinan lebih dari 100 persen (Dartanto dan Nurkholis, 2013). Dengan menggunakan model ordered logit, Dartanto & Nurkholis (2013) juga mencoba menemukan determinan dari tingkat kemiskinan. Hasil dari penelitian Dartanto & Nurkholis (2013) menunjukan bahwa determinan dari kemiskinan dinamis di Indonesia adalah pencapaian pendidikan, jumlah anggota keluarga, kepemilikan aset fisik (kepemilikan rumah dan tanah), sektor tenaga kerja, status pekerjaan, akses kepada listrik dan kredit mikro, dan status pekerjaan kepala rumah tangga. Estimasi secara parsial menunjukan bahwa pertambahan anggota keluarga sebanyak 1 orang mengurangi probabilitas rumah tangga untuk menjadi rumah

  • tangga non miskin sebesar 1,9 persen (Dartanto dan Nurkholis, 2013). Faktor lain adalah pencapaian pendidikan. Kenaikan pencapaian pendidikan meningkatkan probabilitas untuk menjadi tidak miskin (Dartanto dan Nurkholis, 2013). Semakin tinggi tingkat pendidikan yang diraih, maka kesempatan untuk meraih pekerjaan yang lebih baik akan semakin besar dan selanjutnya mampu meraih pendapatan yang lebih tinggi pula. Kepala rumah tangga yang bekerja di sektor yang formal dan mendapat gaji yang tetap, memiliki probabilitas yang lebih tinggi untuk menjadi non-miskin. Individu yang bekerja di sektor yang formal memiliki probabilitas 5,8 persen lebih tinggi untuk menjadi tidak miskin. Kemiskinan berkaitan dengan jenis pekerjaan tertentu. Di Indonesia, kemiskinan cenderung diasosiasikan dengan sektor pekerjaan di bidang pertanian untuk pedesaan dan sektor informal di perkotaan (Nurwati, 2008). Selanjutnya, Nazara (2007:35) mengungkapkan bahwa kemiskinan selalu dikaitkan dengan ketidakmampuan dalam mencapai pendidikan tinggi. Hal tersebut berkaitan dengan tingginya biaya untuk melanjutkan pendidikan. Hal ini berkaitan dengan lingkaran kemiskinan dimana rumah tangga miskin cenderung berpenghasilan rendah dan terpusat di pedesaan. Penghasilan yang rendah menyebabkan sang anak tidak dapat meraih tingkat pendidikan yang lebih tinggi sehingga produktivitasnya akan rendah. Akibat dari produktivitas yang rendah adalah pendapatan yang rendah. Hal ini akan terus berputar-putar, sehingga disebut lingkaran kemiskinan.

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    8

    Kebijakan Pengentasan Kemiskinan di Indonesia

    Pada periode sebelum krisis, program pengentasan kemiskinan tidak bersasaran (Widianto, 2012). Artinya, program penanggulangan kemiskinan tidak langsung disasarkan kepada penduduk miskin. Strategi penanggulangan kemiskinan lebih fokus kepada pertumbuhan ekonomi dan dilengkapi dengan pembangunan infrastruktur perdesaan. Pembangunan fokus bersasaran berdasarkan daerah. Pembangunan berbagai fasilitas di perdesaan seperi BIMAS, KUK, pembangunan fasilitas kesehatan dan sekolah dilakukan secara masif. Pendekatan tersebut memang berhasil menurunkan jumlah penduduk miskin, namun banyak penduduk miskin yang tidak menikmati hasil pembangunan (Widianto, 2012).

    Indonesia telah menerapkan berbagai kebijakan pengentasan kemiskinan. Di bawah kepempimpan Presiden Susilo Bambang Yudhoyono (SBY), kebijakan pengentasan kemiskinan berubah dari makro, menjadi pendekatan top-down melalui pendekatan ke tingkat rumah tangga dan masyarakat (Dartanto dan Nurkholis, 2013). Berbagai kebijakan diterapkan untuk mengatasi masalah kemiskinan. Berikut adalah beberapa contoh kebijakan yang diterapkan di Masa Pemerintahan SBY meliputi:

    Bantuan Operasional Sekolah (BOS); Kredit untuk UMKM;Program Pengembangan Kecamatan;Pemberian Raskin

    Pemberian Bantuan Langsung TunaiAsuransi Kesehatan untuk Rumah tangga miskin (Askeskin)Program Keluarga Harapan (PKH)

    1234

    56

    7

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    9

    Dalam masa Pemerintahan Jokowi, kebijakan pengentasan kemiskinan juga dilakukan. Empat strategi dasar yang ditetapkan dalam melakukan percepatan penanggulangan kemiskinan meliputi: 1. Menyempurnakan program perlindungan sosial; 2. Peningkatan askes masyarakat miskin terhadap pelayanan dasar; 3. Pemberdayaan masyarakat; 4. Pembangunan yang inklusi. Berdasarkan informasi dari website Tim Nasional Percepatan Penanggulangan Kemiskinan, berikut adalah beberapa kebijakan pengentasan kemiskinan di periode Pemerintahan Jokowi:

    Kartu Indonesia Pintar Kartu Indonesia SehatListrik bagi Masyarakat MiskinSimpanan Keluarga SejahteraKartu Perlindungan SosialKIAT Guru

    123456

  • TEKNOLOGI SEBAGAI ALAT ANTI-KEMISKINAN

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    10

    Kita telah memasuki era industri 4.0. Industri 4.0 merupakan era dimana berbagai teknologi canggih telah masuk ke dalam kehidupan. Sebut saja teknologi seperti kecerdasan buatan, penggunaan AR/VR, cloud computing, big data analytics, 3D printing dan Internet of Things telah marak digunakan. Indonesia tidak ingin ketinggalan dalam menyambut era industri 4.0. Melalui Making Indonesia 4.0, Indonesia menyiapkan peta jalan yang terintegrasi untuk mengimplementasikan sejumlah strategi untuk memasuki era Industri 4.0 (Kemenperin, 2018). Pada dasarnya, making Indonesia 4.0 merupakan peta jalan untuk menyiapkan industri manufaktur di Indonesia agar siap memasuki era industri 4.0, namun teknologi di Industri 4.0 tidak hanya dapat dimanfaatkan untuk industri manufaktur. Berbagai kecanggihan teknologi industri 4.0 juga dapat dimanfaatkan sebagai alat untuk mengentaskan kemiskinan.

    Big Data untuk Melawan KemiskinanSurvei berbasis Teknologi

    Big Data merupakan data set dalam jumlah yang sangat besar sehingga dapat dianalisis secara lebih mendalam agar mampu menemukan pola, trend dan khususnya membaca perilaku manusia dan interaksinya. Big Data memiliki peran untuk membantu mengentaskan kemiskinan. Keterbatasan data mengenai kondisi kemiskinan merupakan tantangan utama bagi pemerintah untuk mengentaskan kemiskinan. Tantangan tersebut juga dihadapi oleh Bank Dunia yang memiliki tujuan untuk mengakhiri kemiskinan ekstrim dan meningkatkan kesejahteraan bersama. Peningkatan frekuensi data mengenai kemiskinan berperan penting dan efektif untuk memantau kondisi kemiskinan (WEF, 2014). Bank dunia telah menyiapkan inisiatif untuk menggabungkan Big Data dan Small Data untuk melakukan estimasi mengenai kemiskinan. Small data merupakan pengumpulan informasi yang dilakukan secara tradisional. Inisiatif Bank Dunia tersebut salah satunya melalui SWIFT (Survey of Well-being via Instant and Frequent Tracking). SWIFT mengumpulkan data dari sampel yang dapat menjadi representatif populasi (Yoshida, 2014). Seperti pendekatan Big Data pada umumnya, SWIFT mengaplikasikan berbagai formula/algoritma untuk menghemat waktu dan biaya dari pengumpulan data dan estimasi tingkat kemiskinan. Sebagai contoh, SWIFT tidak mengestimasi kemiskinan dari data konsumsi atau pendapatan, karena memakan waktu

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    11

    yang cukup lama. Namun, SWIFT menggunakan algoritma untuk mengestimasi kemiskinan dari berbagai data yang berkorelasi kemiskinan yang mudah untuk dikumpulkan (Yoshida, 2014). Selanjutnya, data yang dikumpulkan akan dipindah ke sistem dari SWIFT dimana korelasi tersebut akan diubah menjadi data statistik kemiskinan secara otomatis. Untuk memotong waktu pengumpulan data dan analisis data, SWIFT menggunakan Computer Assisted Perosnal Interview (CAPI) yang langsung dihubungkan dengan data cloud dan jika memungkinkan, menggunakan metode pengumpulan melalui smartphone. SWIF mengumpulkan data melalui tablet atau smartphone sehingga mampu mengurangi eror di pengumpulan dan memperpendek waktu pemprosesan data. Terdapat 4 langkah sederhana untuk menggunakan SWIF yang dijelaskan melalui grafik dibawah

    Gambar 1. Tahap-Tahap SWIFT

    Sumber: SWIFT Booklet

    LIFE

    Desain Survei dan Pengumpulan Data

    Perekaman dan membuat format data

    Analisis dan melaporkan hasil olahan data

    Penggunaan data untuk pengambilan kebijakan

    Terdapat beberapa proyek Bank Dunia yang telah menerapkan SWIFT. Berbagai proyek tersebut meliputi proyek SWIFT kokoa di Afrika Tengah, proyek SWIFT hasil hutan di Afrika Selatan, dan Proyek SWIFT kebun the di Afrika Timur. Hasil dari berbagai proyek tersebut adalah SWIFT mampu menyediakan berbagai masukan yang berharga mengenai pola perilaku petani di berbagai kelompok pendapatan. Sebagai contoh, di proyek SWIFT Kokoa di Afrika Tengah, SWIFT dapat melakukan analisis yang tersegmentasi berdasarkan kuantil pendapatan yang mampu menunjukan karakteristik dan perilaku dari kelompok petani di berbagai tingkat pendapatan.Pada proyek SWIFT Teh di Afrika Timur, hasil dari analisis SWIFT menunjukan bahwa terdapat gap produktivitas dan berbagai hambatan berbasis gender yang berdampak kepada kesejahteraan dari perempuan yang menjadi kepala rumah tangga. Berbagai hasil analisis SWIFT tentu menjadi masukan yang berharga bagi para pengambil kebijakan. Dengan memiliki data yang lengkap dan detail, pengambilan kebijakan untuk pengentasan kemiskinan dapat menjadi lebih cepat dan tepat.

  • Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    12

    Diharapkan Indonesia kedepannya juga dapat menciptakan survei yang berbasis teknologi seperti SWIFT. Survei dari Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) di tahun 2017 menunjukan bahwa peneterasi pengguna internet Indonesia mencapai 143,26 juta jiwa atau sebesar 54,68 persen dari total populasi Indonesia. Perangkat yang paling banyak digunakan untuk mengakses internet adalah smartphone/tablet pribabdi dan komputer/laptop pribadi. Potensi penerapan survei yang berbasis teknologi di Indonesia tentu sangat besar, mengingat jumlah dari pengguna smartphone dan komputer juga sangat besar. Peluang ini harus dimanfaatkan sebaik-baiknya oleh pemerintah.

    Pemetaan Kemiskinan berbasis Big Data

    Peta kemiskinan merupakan peta yang menyediankan ifnormasi yang detail mengenai distribusi kemiskinan dan ketimpangan antar wilayah. Peta tersebut dibuat dengan mengkombinasikan data survei rumah tangga (mikro) dan sensus populasi (makro) dengan tujuan untuk mengestimasi indikator kesejahteraan dari berbagai daerah geografi (Nawar dan Abdel-Hameed, 2007). Peta kemiskinan dapat hal yang penting bagi perencanaan dan pembuatan kebijakan untuk mengentaskan kemiskinan. Big Data dapat menjadi sumber untuk membuat peta kemiskinan tersebut. Data Big Data seperti data dari smartphone dapat menjadi sumber utama dalam pembuatan peta kemiskinan. Studi mengenai pemetaan kemiskinan berbasis big data telah dilakukan oleh Pokhriyal dan Jacques di tahun 2017. Pokhriyal dan Jacques (2017) melakukan kerangka komputasi untuk memprediksi Global Multidimensional Poverty Index (MPI) secara detail yang mencakup 552 kelompok masyarakat di Senegal. Data yang digunakan oleh Pokhriyal dan Jacques (2017) adlah data mengenai lingkungan masyarakat yang mencakup data keamanan pangan, data aktivitas ekonomi dan akses ke berbagai fasilitas beserta data panggilan dari telepon yang digunakan untuk memahami karakteristik, aspek spasial dan aspek temporal dari individu. Hasil penelitian dari Pokhriyal dan Jacques (2017) menemukan bahwa pendekatan dan analisis yang dilakukan mereka dapat memprediksi berbagai dimensi penting di dalam kemiskinan seperti kesehatan, pendidikan, dan standar hidup. Selanjutnya, pendekatan yang dilakukan Pokhriyal dan Jacques (2017) dapat menciptakan peta kemiskinan secara berkala dan dapat membantu para pembuat kebijakan untuk mendesain kebijakan pengentasan kemiskinan yang lebih baik. Di Indonesia, lembaga penelitian SMERU juga telah mendesain peta kemiskinan untuk Indonesia. Estimasi dibuat dengan cara menggabungkan data yang dikumpulkan melalui survei Sosial Ekonomi Nasional (Susenas), pendataan Potensi Desa (Podes) dan Sensus Penduduk dengan menggunakan metode small area estimation (model estimasi wilayah kecil). Dari evaluasi pemanfaatannya ditemukan bahwa peta kemiskinan dari SMERU telah dimanfaatkan secara luas oleh berbagai institusi, baik di lingkungan pemerintah pusat, pemerintah daerah, lembaga penelitian, lembaga swadaya masyarakat (LSM), perusahaan, maupun lembaga donor.

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    13

    Hasil dari penelitian Dartanto & Nurkholis (2013) menunjukan bahwa pendidikan merupakan determinan yang penting dari kemiskinan dinamis di Indonesia. Anggapan umum yang beredar adalah semakin tinggi tingkat pendidikan, maka semakin tinggi pendapatan yang akan diraih sehingga individu tersebut memiliki probabilitas yang lebih rendah untuk menjadi miskin. Dampak dari pendidikan terhadap pendidikan dapat dihitung melalui return of education. Return of education merupakan estimasi mengenai dampak dari pendidikan terhadap pendapatan yang diraih oleh individu. Dengan menggunakan data Indonesian Family Life Survey 4 (IFLS), Joarder et al. (2015) melakukan penelitian untuk mengukur return of education dari Indonesia. Hasil penelitian dari Joarder et al. (2015) adalah return of education Indonesia jauh lebih rendah dibanding negara Asia dan negara berkembang lainnya. Bahkan, return of education Indonesia di masa reformasi lebih rendah dibandingkan periode sebelumnya. Hal ini sesuai dengan penelitian dari Flabbi et al. (2008) yang menemukan bahwa kenaikan trend return of education di masa transisi Indonesia lemah. Rendahnya tingkat return of education berhubungan tingginya pengangguran dan/atau disparitas penciptaan lapangan kerja antar provinsi. Hal ini juga dapat disebabkan oleh ketimpangan kualitas pendidikan antar daerah di Indonesia. Anak-anak yang tinggal di luar Jawa dan di wilayah pedesaan, khususnya yang masuk dalam kategori miskin memiliki kemungkinan yang lebih rendah untuk mengikuti program Pendidikan Anak Usia Dini (PAUD) (Bank Dunia, 2015). Padahal pendidikan anak usia dini menjadi proses pembelajaran awal yang penting di dalam perkembangan anak. Di wilayah perkotaan dan Jawa, sekitar 90 persen lembaga PAU dapat ditemukan di pemukiman penduduk atau berjarak kurang 10 km dari pemukiman (Bank Dunia, 2015). Hanya sekitar separuh pemukiman di pedesaan memiliki lembaga PAUD, sedangkan separuh rata-ratanya berjarak 20 km dari PAUD tersebut (Bank Dunia, 2015).. Sementara itu di Papua dan Maluku, hanya 10 persen pemukiman yang memiliki lembaga PAUD dan sisanya, lembaga PAUD yang paling dekat berjarak 50 km dari pemukiman terdekat (Bank Dunia, 2015). Sekolah-sekolah di pedesaan dan di Indonesia timur memiliki kemungkinan yang lebih kecil untuk memiliki guru terlatih atau fasilitas memadai (Bank Dunia, 2015). Hal ini turut berdampak kepada ketimpangan kualitas pendidikan (Bank Dunia, 2015). Anak kelas tiga di sekolah dasar di Jawa dapat membaca 26 kata per menit lebih cepat dibandingkan anak di Nusa Tenggara, Maluku atau Papua (Bank Dunia, 2015).. Perbedaan kualitas dan fasilitas menyebabkan ketimpangan di Indonesia.

    Forbil Insitute pernah melakukan peneltiian mengenai dampak dari otonomi khusus kepada Kabupaten Nabire. Salah satu indikator yang digunakan adalah indikator mengenai pendidikan. Di wilayah Komunitas Adat Terpencil seperti Distirk Dipa, Menou, Siriwo dan Wapoga tidak terlayani karena guru-guru Sekolah Dasar (SD) yang ditempatkan pada jajaran pemerintah daerah jarang berada di tempat tugas. Jangkauan antara SD dengan kampung-kampung yang menjadi tanggung jawab dari SD tersbeut juga memiliki jarak tempuh yang memakan waktu 1-2 hari dengan jalan kaki atau

    Potensi Pendidikan Jarak Jauh

  • Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    14

    menggunakan perahu. Masalah pendidikan yang turut mempengaruhi kualitas sumber daya manusia di Nabire adalah kualitas guru. Hasil Wawancara dengan Bupati Nabire (Forbil, 2018) menunjukan bahwa guru-guru SD dan SMP berasal dari lulusan satu tingkat pendidikan diatasnya. Sulitnya akses menuju fasilitas pendidikan dan kualitas guru yang rendah menyebabkan kualitas sumber daya manusia yang rendah. Teknologi dapat mengatasi kedua masalah ini. Teknologi tersebut berupa sistem pembelajaran daring. Sistem pembelajaran daring merupakan bentuk pendidikan terbaru di jaman sekarang. Sistem pembelajaran tersebut menggunakan materi yang telah dibuat oleh guru yang selanjutnya dibagikan kepada para murid melalui internet. Materi tersebut berupa rekaman penjelasan materi dan berbagai modul pembelajaran lainnya. Rekaman dan modul tersebut dapat dilihat dimana saja dan kapan saja oleh para murid. Tidak hanya itu, sistem pembelajaran daring juga dapat mengadakan pembelajaran secara langsung yang dapat ditonton secara daring sehingga para murid juga dapat berkomunikasi secara langsung dengan gurunya. Internet, komputer dan smartphone merupakan kunci dari penerapan sistem pembelajaran daring.

    Situs web seperti edX, coursera, udacity dan khan academy merupakan contoh situs web yang menyediakan pembelajaran secara daring. edX menyediakan berbagai perkuliahan yang diajar langsung oleh berbagai dosen dari Universitas-universitas terbaik di dunia seperti dari Harvard, MIT, Standford dan sebagainya. Di tahun 2012, Battushig Myanganbayar, pemuda berusia 15 tahun dari Mongolia mengakses materi kuliah sirkuit dan elektronik yang didesain untuk mahasiswa tahun kedua di MIT. Myanganbayar menonton kuliah yang menggunakan bahasa inggris dan berusaha memahami berbagai materi kuliah online dengan bantuan dari Tony Kim, mahasiswa Ph.D dari Stanford. Setahun kemudian, Myanganbayar berhasil masuk ke MIT dan dia menganggap bahwa kuliah online tersebut merupakan titik balik di dalam kehidupannya.

    Bill Gates menjelaskan bahwa pendidikan berkualitas dunia hanya beberapa langkah lagi untuk dapat diakses di seluruh dunia. Sebelum seorang anak masuk di sekolah dasar, dia sudah mampu menggunakan smartphone milik ibunya untuk belajar mengenai angka dan huruf sehingga hal tersebut memberikan lompatan yang besar ungkap Bill Gates. Tidak dapat dipungkiri, hanya dengan memiliki internet dan smartphone, kita dapat mempelajari semua hal. Namun, Michael Trucano dari Bank Dunia mengatakan bahwa untuk belum cara untuk mengukur dampak dari pembelajaran jarak jauh tersebut belum ditemukan.

    Ketimpangan kualitas infrastruktur dan fasilitas sekolah berdampak penting kepada ketimpangan kualitas sumber daya manusia. Pembelajaran daring dengan memanfaatkan internet dapat berperan penting dalam meningkatkan kualitas sumber daya manusia di Indonesia, khususnya di berbagai daerah terpencil. Syarat utama untuk mewujudkan sistem pembelajaran daring adalah ketersediaan internet dan smartphone. Jika masyarakat di daerah terpencil dan pedesaaan di Indonesia telah memiliki akses internet dan satu smartphone saja, potensi pembelajaran daring sangat besar.

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    15

    Indonesia telah membuat sistem pembelajaran daring. Sistem tersebut dinamakan SPADA yang merupakan kependekan dari Sistem Pembelajaran Daring Indonesia. Program SPADA merupakan salah satu program dari Direktorat Jenderal Pembelajaran dan Kemahasiswaan Kementerian Riset, Teknologi dan Pendidikan tinggi yang bertujuan untuk meningkatkan pemerataan akses terhadap pembelajaran yang bermutu di perguruan tinggi. Hal ini merupakan kemajuan bagi pendidikan selanjutnya. Pekerjaan rumah selanjutnya adalah memastikan bahwa program SPADA mampu dikenal oleh seluruh mahasiswa di Indonesia. Program SPADA juga masih terbatas untuk perguruan tinggi. Mengingat para anak-anak di kelas sekolah dasar di jaman sekarang telah memegang smartphone, bukan tidak mungkin program pembelajaran daring juga diterapkan untuk anak-anak sejak di kelas sekolah dasar.

    Adanya sistem pembelajaran daring bukan berarti menghilangkan sistem pembelajaran secara tradisional. Sistem pembelajaran daring dapat menjadi pelengkap dari sistem pembelajaran tradisional. Sebagai contoh, anak-anak tetap berangkat ke sekolah, ketika mereka masih belum sepenuhnya memahami materi di sekolah, sistem pembelajaran daring bisa menjadi pelengkap bagi anak untuk belajar lebih dalam. Sistem pembelajaran daring juga dapat memberikan berbagai pelajaran yang tidak ada di sekolah, namun sebenarnya sangat penting untuk dipelajari anak-anak. Sebagai contoh, anak-anak harus belajar mengenai pendidikan antikorupsi dan beretika di media sosial. Di media sosial sekarang, banyak sekali ujaran-ujaran kebencian dan kata-kata kasar yang tidak jarang diucapkan oleh anak-anak yang masih berada di bangku sekolah dasar. Tidak jarang ditemukan kasus bullying yang dilakukan oleh anak-anak tersebut, padahal bullying memiliki pengaruh yang sangat buruk bagi anak-anak yang masih berada di periode tumbuh berkembang. Pendidikan mengenai etika menggunakan media sosial dapat berperan penting untuk membentuk kepribadian yang baik bagi anak-anak Indonesia.

  • KESIMPULAN

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    16

    Tingkat kemiskinan di Indonesia menunjukan tren penurunan. Persentase penduduk miskin di Indonesia berhasil turun hingga menjadi satu digit atau sebesar 9,82 persen atau terendah di sepanjang sejarah di bulan Maret 2018. Namun, terjadi perlambatan penurunan kemiskinan di Indonesia (Bank Dunia, 2017). Berdasarkan ukuran kemiskinan bank dunia, pada periode 2014-2016 persentase penduduk miskin berhasil menurun sekitar 0,7 persen per tahun, sedangkan pada periode 2009-2014, penurunan persentase penduduk miskin mencapai 2,1 persen per tahun (Bank Dunia, 2017).

    Hasil penelitian Dartanto & Nurkholis (2013) menunjukan bahwa determinan dari kemiskinan dinamis di Indonesia adalah pencapaian pendidikan, jumlah anggota keluarga, kepemilikan aset fisik (kepemilikan rumah dan tanah), sektor tenaga kerja, status pekerjaan, akses kepada listrik dan kredit mikro, dan status pekerjaan kepala rumah tangga. Pendidikan berperan penting untuk menentukan kualitas individu di masa depan sehingga kesejahteraannya dapat meningkat. Namun, Indonesia masih mengalami ketimpangan kualitas pendidikan yang selanjutnya mempengaruhi ketimpangan kualitas dari sumber daya manusia di Indonesia. Di wilayah perkotaan dan Jawa, sekitar 90 persen lembaga PAUD dapat ditemukan di pemukiman penduduk atau berjarak kurang 10 km dari pemukiman, sedangkan di Papua dan Maluku, hanya 10 persen pemukiman yang memiliki lembaga PAUD dan sisanya, lembaga PAUD yang paling dekat berjarak 50 km dari pemukiman terdekat. Ketimpangan tersebut menyebabkan anak kelas tiga di sekolah dasar yang tinggal di Pulau Jawa dapat membaca 26 kata per menit lebih cepat dibandingkan anak di Nusa Tenggara, Maluku atau Papua (Bank Dunia, 2015).

    Teknologi dan inovasi dapat memainkan peranan yang penting untuk mengentaskan kemiskinan di Indonesia. Teknologi dan inovasi tersebut berupa Big Data dan Sistem Pembelajaran Daring. Big Data mampu berperan dalam menghasilkan survei secara real-time dan akurat sehingga berbagai kebijakan pengentasan kemiskinan dapat didukung dengan data yang akurat. Tidak hanya itu, peran dari Big Data adalah pembuatan peta kemiskinan sehingga mampu menyediakan informasi yang detail mengenai distribusi kemiskinan dan ketimpangan antar wilayah.

    Sistem pembelajaran daring berperan dalam memberikan akses pendidikan yang berkualitas secara merata dan dapat dinikmati oleh seluruh masyarakat. Melalui sistem pembelajaran daring, berbagai materi pendidikan yang berkualitas dapat diakses dimana saja dan kapan saja oleh seluruh masyarakat. Sistem pembelajaran daring tentu tidak menjadi pengganti dari sistem pendidikan tradisional, namun lebih kepada menjadi pelengkap dari sistem pembelajaran yang ada. Sistem pembelajaran daring dapat melengkapi berbagai materi yang diberikan di sekolah dan memberikan berbagai materi yang tidak diajarkan secara langsung seperti materi mengenai etika menggunakan media sosial dan/atau pendidikan anti korupsi.

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    17

    Penggunaan Big Data mampu menyediakan berbagai data yang akurat dan dapat membantu para pengambil kebijakan. Para pengambil kebijakan dapat membuat kebijakan pengentasan kemiskinan yang lebih efektif jika didukung data yang lebih akurat dan lengkap. Sistem pembelajaran daring dapat meningkatkan kualitas sumber daya manusia dengan memastikan seluruh individu dapat menikmati konten pendidikan yang berkualitas. Peningkatan kualitas sumber daya manusia tentu berhubungan langsung dengan pengentasan kemiskinan.

  • DAFTAR PUSTAKA

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    18

    Asep Suryahadi , Gracia Hadiwidjaja & Sudarno Sumarto (2012) Economic growth and poverty reduction in Indonesia before and after the asian financial crisis, Bulletin of Indonesian Economic Studies, 48:2, 209-227, DOI: 10.1080/00074918.2012.694155

    Bank Dunia. 2013. Improving Teaching and Learning in Indonesia. Diakses pada 4 Juli 2018 pada https://www.worldbank.org/en/country/indonesia/brief/improving-teaching-and-learning-in-indonesia

    _______. 2016. Ketimpangan yang Semakin Lebar.

    _______. 2017. Country Povery Brief: Indonesia

    Bas van Leeuwen & Pter Fldvri (2016) The Development of Inequality andPoverty in Indonesia, 19322008, Bulletin of Indonesian Economic Studies, 52:3, 379-402, DOI: 10.1080/00074918.2016.1184226

    Boediono (2017) Revisiting the Problem of Development Distribution, Bulletinof Indonesian Economic Studies, 53:2, 211-217, DOI: 10.1080/00074918.2017.1373317

    Forbil Institute. 2018. Evaluasi Otonomi Khusus di Kabupaten Nabire, Provinsi Papua.

    Flabbi, L., S. Paternostro, and E.R. Tiongson. (2008) Returns to Education in the Economic Transition: A Systematic Assessment using Comparable Data. Economics of Education Review, 27(6): 724-740

    Haughton, Jonathan and Khandkerm, Shahidur R. 2009. Handbook on Poverty and Inequality. World Bank.

    Joarder, Mohammad Abdul Munim, Losina Purnastuti dan Ruhul Salim. 2015. Thre Returns to Education in Indonesia: Post Reform Estimates. The Journal of Developing Areas, Volume 49, Number 3, Summer 2015, pp. 183-204 (Article)

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    19

    Kemenperin. 2018. Making Indonesia 4.0: Strategi RI Masuki Revolusi Industri Ke-4. Diakses pada 4 Juli 2018 pada http://www.kemenperin.go.id/artikel/18967/Making-Indonesia-4.0:-Strategi-RI-Masuki-Revolusi-Industri-Ke-4

    Nazara, Suahasil. 2007. Pengentasan Kemiskinan : Pilihan Kebijakan dan program yang Realistis. Dalam Warta Demografi tahun ke 37. No 4 tahun 2007. Jakarta. Lembaga Demografi Universitas Indonesia. Pengangguran, Kemiskinan, dan Pertumbuhan Ekonomi Indonesia.

    New York Times. 2005. Whats the Return on Education?. Diakses pada 5 Juli 2018 pada https://www.nytimes.com/2005/12/11/business/yourmoney/whats-the-return-on-education.html

    New York Times. 2013. The Boy Genius of Ulan Bator. Diakses pada 5 Juli 2018 pada https://www.nytimes.com/2013/09/15/magazine/the-boy-genius-of-ulan-bator.html?pagewanted=all

    Nurwati, Nunung (2008). Kemiskinan: Model Pengukuran, Permasalahan dan Altenatif Kebijakan. Jurnal Kependudukan Padjadjaran, Vol.10, No.1, Januari 2008: 1-11

    Pokhriyal, Neeti & Jacqus, Damien Christophe (2017) Combining Disparate Data Sources for Improved Poverty Prediciton and Mapping.

    Ristekdikti. 2015. Apa itu SPADA Indonesia. Diakses pada 5 Juli 2018 pada http://spada.ristekdikti.go.id/s/artikel/baca/spada_indonesia

    SMERU. 2015. Peta Kemiskinan dan Penghidupan Indonesia 2015. Diakses pada 5 Juli 2018 pada http://www.smeru.or.id/id/content/peta-kemiskinan-dan-penghidupan-indonesia-2015

    Teguh Dartanto & Nurkholis (2013) The determinants of poverty dynamics inIndonesia: evidence from panel data, Bulletin of Indonesian Economic Studies, 49:1, 61-84, DOI: 10.1080/00074918.2013.772939

    The Verge. 2015. Can Online Classrooms Help the Developing World Catch Up?, diakses pada 5 Juli 2018 https://www.theverge.com/2015/2/11/8014563/bill-gates-education-future-of-online-courses-third-world

  • Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    20

    University of Essex. What's the dierence between online and distance learning? Diakses pada 4 Juli 2018 https://online.essex.ac.uk/blog/whats-the-dierence-between-online-and-distance-learning/

    WEF. 2014. Can big data really help end poverty? Diakses pada 4 Juli 2018 pada https://www.weforum.org/agenda/2014/12/can-big-data-really-help-end-poverty/

    Widianto, Bambang. (2012). Kebijakan Percepatan Penanggulangan Kemiskinan. Tim Nasional Percepatan Penanggulangan Kemiskinan

    YoNawar, Abdel-Hameed (2007) "From Marina to Kom-Ombo: A Note on Poverty in Egypt," Cairo University, manuscript, August

    Yoshida, Nobuo. 2014. Revolutionizing Data Collection: From Big Data to All Data. Diakses pada http://blogs.worldbank.org/developmenttalk/revolutionizing-data-collection-big-data-all-data

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    Reza Bangun Mahardika

    Pengentasan Kemiskinan Berbasis Teknologi dan Inovasi

    LIFE

    21

  • PROFILPENULIS

    22

    Reza Bangun MahardikaPengentasan Kemiskinan Berbasis Teknologi dan Inovasi

  • Pengentasan Kemiskinan Berbasis Teknologi dan InovasiReza Bangun Mahardika

    Reza Bangun Mahardika mendapatkan gelar Sarjana Ilmu Ekonomi dari Departemen Ilmu Ekonomi, Fakultas Ekonomika dan Bisnis, Universitas Gadjah Mada dan lulus dengan predikat cumlaude. Sejak tahun 2015, Reza telah aktif di dalam berbagai proyek dan lembaga penelitian. Sebelum bergabung di Forbil Institute, Reza pernah menjadi asisten peneliti di Mandiri Macroeconomic Dashboard FEB UGM dan sekarang menjadi peneliti di Forbil Institute. Reza memiliki ketertarikan di bidang ekonomi pembangunan, ekonomi sumberdaya manusia dan industri 4.0.

    23

  • REZA BANGUN MAHARDIKA

    PENGENTASAN KEMISKINAN BERBASIS TEKNOLOGI

    DAN INOVASI

    LIFE

    Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10Page 11Page 12Page 13Page 14Page 15Page 16Page 17Page 18Page 19Page 20Page 21Page 22Page 23Page 24Page 25Page 26Page 27Page 28Page 29Page 30Page 31Page 32