Pandemi Coronavirus Disease-19 (Covid-19) memberikan tantangan baru bagi Indonesia yang berupaya untuk mewujudkan tujuan Sustainable Development Goals (SDGs) khususnya dalam rangka mengatasi kemiskinan, kelaparan, serta meningkatkan kualitas kesehatan dan kesejahteraan masyarakat. Di Indonesia sendiri, pandemi ini menyebabkan kenaikan angka kemiskinan dan kelaparan, serta permasalahan terkait kesehatan dan kesejahteraan yang cukup serius. Menurut Badan Pusat Statistik tahun 2022, jumlah penduduk miskin pada September 2021 tercatat sebesar 26,5 juta orang. Hal tersebut memiliki dampak jangka panjang terhadap kesejahteraan masyarakat bahkan pasca pandemi Covid-19. Untuk meminimalisir kerugian tersebut, Pemerintah Indonesia telah menetapkan beberapa skema bantuan untuk mengurangi tingkat kemiskinan dan tingkat kelaparan, diantaranya adalah program Badan Penyelenggara Jaminan Sosial Penerima Bantuan Iuran (BPJS PBI), Beras untuk Keluarga Sejahtera (rastra), dan Keluarga Penerima Manfaat (KPM).
Bantuan pemerintah saat pandemi Covid-19 memiliki peranan penting dalam upaya pemulihan kehidupan sosial ekonomi masyarakat. Akan tetapi, pada umumnya pendistribusian bantuan kesejahteraan di Indonesia cenderung tidak merata. Oleh karena itu, metode Statistika berperan dalam pemodelan persentase keluarga miskin penerima bantuan kesejahteraan di Indonesia berdasarkan faktor-faktor yang mempengaruhi kemiskinan sebagai solusi alternatif dalam menghadapi kurang meratanya pendistribusian bantuan. Hal ini didukung oleh penelitian yang dilakukan oleh tim penulis jurnal terkait perbandingan metode regresi nonparametrik dengan estimator Spline dan deret Fourier dalam membentuk model terbaik dalam memprediksi distribusi bantuan kesejahteraan di Indonesia berdasarkan sudut pandang Statistika.
Metode regresi nonparametrik dengan estimator Spline dan deret Fourier menjadi metode analisis utama dalam penelitian ini yang selanjutnya akan dibandingkan. Data yang digunakan dalam penelitian ini adalah data multirespon yang berupa jenis-jenis bantuan pemerintah dan data multiprediktor yang berupa faktor-faktor yang diduga mempengaruhi distribusi penerimaan bantuan di masyarakat. Pemodelan dengan data multirespon dan multiprediktor ini menarik dipelajari khususnya di era pengembangan struktur data seperti big data sekarang ini. Hasil dari perbandingan tersebut, estimator deret Fourier dengan basis cosinus dan sinus dipilih sebagai metode terbaik untuk melakukan prediksi dengan beberapa kriteria kebaikan model, seperti Generalized Cross Validation (GCV), Mean Square Error (MSE), dan Hasil prediksi tersebut diharapkan dapat menjadi rekomendasi pemerintah untuk pemulihan kesejahteraan masyarakat melalui distribusi bantuan yang merata untuk mendukung capaian Sustainable Development Goals (SDGs). Upaya tersebut tentu membutuhkan dukungan dan sinergi antara masyarakat, pemerintah daerah, hingga pemerintah pusat khususnya untuk mengoptimalkan distribusi bantuan sosial secara merata dalam rangka mencapai target untuk mengatasi kemiskinan, kelaparan, serta meningkatkan kualitas kesehatan dan kesejahteraan masyarakat.
Oleh: M. Fariz Fadillah Mardianto, S.Si., M.Si
Informasi detail dari riset ini dapat dilihat pada artikel ilmiah berikut:
Comparison of simultaneously nonparametric regression based on spline and Fourier series estimator related social aid distribution in Indonesia published in Communications in Mathematical Biology and Neuroscience (CMBN) Vol. 2022 (2022):76. Authors: M. Fariz Fadillah Mardianto, Suliyanto, Elly Pusporani, Antonio Nikolas Manuel Bonar Simamora, Netha Aliffia, Ayuning Dwis Cahyasari, dan Chaerobby Fakhri Fauzaan Purwoko, dan Netha Aliffia dengan link sebagai berikut: https://scik.org/index.php/cmbn/article/view/7545.
