Di era ketika jargon evidence-based policy menjadi mantra hampir setiap pengambil keputusan, kita sering menganggap data sebagai sesuatu yang objektif, dingin, dan bebas nilai. Angka dianggap berbicara apa adanya. Statistik dipersepsikan sebagai cermin yang memantulkan realitas tanpa distorsi. Namun, benarkah demikian?
Pertanyaan ini justru mengantar kita pada salah satu gagasan paling menarik dalam ilmu sosial: "Standpoint Feminism". Meski namanya mengandung kata feminism, teori ini sesungguhnya menawarkan pelajaran yang jauh lebih luas daripada sekadar isu perempuan.
Ia mengingatkan bahwa pengetahuan selalu lahir dari sudut pandang tertentu. Tidak ada cara melihat dunia yang benar-benar bebas dari posisi sosial, pengalaman hidup, dan pilihan-pilihan yang dibuat manusia.
Lalu apa kaitannya dengan statistik resmi?
Jawabannya mungkin mengejutkan: bahkan statistik yang disusun dengan metodologi paling ketat pun tetap diawali oleh serangkaian keputusan manusia.
Sebelum angka dipublikasikan, seseorang telah memutuskan apa yang layak diukur, siapa yang diwawancarai, variabel apa yang dianggap penting, bagaimana sebuah pekerjaan didefinisikan, bahkan indikator mana yang akan dijadikan tolok ukur keberhasilan pembangunan. Di titik inilah statistik tidak pernah sepenuhnya netral.
Ambil contoh Produk Domestik Bruto (PDB), indikator ekonomi yang menjadi rujukan hampir seluruh negara. PDB menghitung nilai barang dan jasa yang diperdagangkan di pasar.
Namun, ketika seorang ibu menghabiskan waktu berjam-jam merawat anak, memasak, membersihkan rumah, atau merawat orang tua lanjut usia, aktivitas itu nyaris tidak tercermin dalam PDB. Padahal tanpa kerja perawatan tersebut, banyak pekerja tidak mungkin dapat beraktivitas secara produktif di pasar tenaga kerja.
Masalahnya bukan karena statistik keliru. Masalahnya adalah kita memilih untuk mengukur sebagian realitas, sementara sebagian lainnya dibiarkan tidak terlihat.
Inilah yang disebut sebagai statistical invisibility—ketika sesuatu yang sangat penting bagi masyarakat justru menghilang karena tidak masuk ke dalam sistem pengukuran.
Pelajaran dari Standpoint Feminism bukanlah bahwa statistik harus menjadi alat perjuangan kelompok tertentu. Sebaliknya, teori ini mengajak kita bertanya lebih kritis: siapa yang menjadi pusat perhatian ketika data dikumpulkan, dan siapa yang justru berada di pinggir sehingga pengalamannya luput dari pengukuran?
Pertanyaan tersebut menjadi semakin relevan di tengah transformasi tata kelola data nasional. Indonesia kini memasuki era ketika data menjadi fondasi berbagai kebijakan strategis, mulai dari perlindungan sosial, pembangunan ekonomi, hingga kecerdasan artifisial (AI).
Dalam konteks ini, kualitas data tidak lagi hanya ditentukan oleh ketepatan angka, tetapi juga oleh kemampuan data menangkap keragaman pengalaman masyarakat.
Bayangkan sebuah survei ketenagakerjaan yang hanya bertanya, “Apakah Anda bekerja?” Seorang perempuan yang mengelola usaha kecil dari rumah sambil mengasuh anak mungkin menjawab “tidak” karena menganggap aktivitasnya bukan pekerjaan formal.
Di sisi lain, statistik akan mencatatnya sebagai bukan pekerja, padahal ia menghasilkan nilai ekonomi setiap hari. Kesalahan tidak terjadi pada responden maupun petugas lapangan, melainkan pada desain pertanyaan yang belum cukup mampu menangkap kompleksitas kehidupan nyata.
Fenomena serupa juga muncul dalam ekonomi digital. Semakin banyak masyarakat memperoleh penghasilan dari media sosial, toko daring, pekerjaan lepas (freelance), atau ekonomi kreatif berbasis platform. Banyak di antaranya dilakukan dari rumah dan bercampur dengan aktivitas domestik.
Jika instrumen statistik masih menggunakan definisi yang dibangun pada era ekonomi konvensional, maka sebagian aktivitas ekonomi baru akan terus berada di wilayah abu-abu.
Di sinilah Standpoint Feminism memberikan perspektif yang segar. Ia mengingatkan bahwa kelompok yang selama ini kurang terlihat justru sering kali menjadi sumber informasi paling penting untuk memperbaiki sistem pengukuran. Dengan mendengarkan pengalaman mereka, statistik menjadi lebih kaya, bukan lebih bias.
Konsep ini sebenarnya sejalan dengan evolusi statistik modern. Banyak kantor statistik dunia kini mengembangkan survei penggunaan waktu (time-use survey), statistik ekonomi perawatan (care economy), statistik disabilitas, hingga indikator kesejahteraan subjektif. Tujuannya bukan menggantikan indikator ekonomi klasik, melainkan melengkapi gambaran tentang bagaimana masyarakat benar-benar hidup.
Bagi Indonesia, pelajaran tersebut memiliki implikasi kebijakan yang sangat konkret.
Pertama, setiap penyusunan statistik baru perlu diawali dengan pertanyaan sederhana namun mendasar: siapa yang mungkin belum terlihat dalam data? Pendekatan ini akan membantu menghasilkan statistik yang lebih inklusif tanpa mengorbankan objektivitas ilmiah.
Kedua, proses penyusunan indikator sebaiknya tidak hanya melibatkan pakar statistik, tetapi juga akademisi, pelaku usaha, organisasi masyarakat sipil, dan kelompok pengguna data. Semakin beragam perspektif yang terlibat, semakin kecil kemungkinan munculnya “titik buta” dalam statistik.
Ketiga, inovasi metodologi harus berjalan seiring dengan perubahan masyarakat. Ketika ekonomi digital, pekerjaan fleksibel, dan usaha rumahan berkembang pesat, instrumen statistik pun harus terus beradaptasi agar tidak tertinggal oleh realitas.
Namun, yang paling penting adalah perubahan cara pandang. Selama ini kita sering menganggap statistik sebagai tujuan akhir. Padahal statistik hanyalah alat untuk memahami masyarakat. Ketika masyarakat berubah, cara kita mengukurnya juga harus berubah.
Pada akhirnya, Standpoint Feminism mengajarkan satu pelajaran yang sangat berharga bagi statistik resmi: objektivitas bukan berarti mengabaikan keberagaman pengalaman, melainkan memastikan bahwa setiap pengalaman yang relevan memiliki kesempatan untuk tercermin dalam data.
Data yang baik bukanlah data yang mengklaim mengetahui segalanya. Data yang baik adalah data yang menyadari keterbatasannya, terus memperbaiki cara pandangnya, dan berani bertanya siapa yang masih belum terlihat di balik angka-angka.
Dalam dunia yang semakin kompleks, tantangan terbesar statistik bukan lagi sekadar menghasilkan angka yang akurat, melainkan memastikan bahwa tidak ada realitas penting yang hilang hanya karena kita lupa mengukurnya.
Catatan Redaksi:
Katadata.co.id menerima tulisan opini dari akademisi, pekerja profesional, pengamat, ahli/pakar, tokoh masyarakat, dan pekerja pemerintah. Kriteria tulisan adalah maksimum 1.000 kata dan tidak sedang dikirim atau sudah tayang di media lain. Kirim tulisan ke [email protected] disertai dengan CV ringkas dan foto diri.