Bansos 2026: Saat Nasib Anda Ditentukan oleh Skor Kredit Gaib
Lupakan formulir kertas lusuh. Tahun ini, 'tangan tak terlihat' yang memutuskan siapa yang makan dan siapa yang lapar adalah barisan kode Python yang dingin. Saya melihat cetak birunya, dan itu menakutkan.
Ada keheningan aneh di ruang server sebuah gedung pemerintah di Jakarta Pusat minggu lalu. Bukan keheningan damai, tapi jenis keheningan yang menahan napas sebelum badai. Di layar monitor raksasa, angka-angka bergulir cepat. Hijau artinya 'layak', merah artinya 'ditolak'. Ribuan nasib diputuskan dalam hitungan milidetik.
Selamat datang di era Bansos 2.0 (atau mungkin 5.0, siapa yang masih menghitung?). Jika Anda berpikir petugas sensus masih akan mengetuk pintu Anda untuk bertanya berapa kali Anda makan daging seminggu, Anda hidup di masa lalu. Tahun 2026 ini, pemerintah tidak bertanya. Mereka tahu.
Saya berbicara dengan salah satu arsitek data di balik sistem ini—sebut saja dia 'Rian'. Di sebuah kedai kopi yang terlalu mahal untuk ukuran pegawai negeri biasa, dia membuka sedikit tirai panggung sandiwara digital ini.
"Kita tidak lagi melihat kemiskinan sebagai kondisi statis. Kita melihatnya sebagai pola perilaku data. Jika dompet digitalmu aktif di jam 2 pagi untuk transaksi game online, algoritma menurunkan skor kerentananmu. Kejam? Mungkin. Efisien? Sangat."
Inilah yang tidak dikatakan dalam rilis pers resmi. Algoritma 'Cek Bansos Januari 2026' bukan sekadar database Excel yang dirapikan. Ini adalah mesin scoring raksasa yang meminjam logika bank untuk menilai kelayakan sosial. Mereka menyebutnya 'Proxy Means Testing Generasi Baru'.
👀 Apa Saja Variabel Rahasia yang Dinilai?
Berdasarkan bocoran dokumen teknis, algoritma ini tidak hanya melihat pendapatan (yang mudah dipalsukan). Ia melakukan cross-referencing terhadap:
- Jejak Listrik: Konsumsi kWh yang tidak konsisten dengan profil kemiskinan langsung memicu 'bendera merah'.
- Telekomunikasi: Frekuensi pembelian pulsa dan jenis perangkat yang terdeteksi di jaringan (iPhone tua pun bisa mendiskualifikasi Anda).
- Mobilitas Geo-lokasi: Data agregat yang menunjukkan seberapa sering perangkat Anda bergerak ke area komersial 'mewah'.
Masalahnya bukan pada efisiensinya. Siapa yang tidak suka penyaluran bantuan yang cepat? Masalahnya adalah apa yang disebut Rian sebagai "Jebakan Diskriminasi Digital".
Bayangkan seorang ibu tunggal di pinggiran kota. Dia miskin, tapi dia menerima bantuan ponsel bekas dari saudaranya untuk anak sekolah, dan sesekali mendapat transferan kecil dari temannya untuk membayar utang arisan. Bagi mata manusia, dia sedang berjuang. Bagi algoritma? Peningkatan aset digital dan frekuensi transaksi masuk menandakan dia "mampu".
Klik. Lampu merah. Ditolak.
Tidak ada tempat untuk berdebat. Anda tidak bisa mengajukan banding pada kode biner. Ketika negara menyerahkan hati nuraninya pada mesin, nuansa kemanusiaan menguap. Kita sedang membangun sebuah sistem di mana menjadi miskin harus terlihat "sempurna" secara digital. Jika kemiskinan Anda tidak sesuai dengan pola yang dipelajari mesin, Anda tidak ada.
Sistem ini dirancang untuk memangkas anggaran dengan dalih ketepatan sasaran. Tapi pertanyaannya, apakah kita sedang membersihkan data dari kesalahan, atau membersihkan daftar penerima dari manusia-manusia yang kerumitannya gagal dipahami oleh server?
