Oleh: Prof. Ani Budi Astuti*
Di tengah ketidakpastian global, mulai dari terjadinya krisis kesehatan hingga gejolak ekonomi– satu hal menjadi semakin sangat jelas bahwa keputusan yang baik harus berbasis data– namun, data saja tidak cukup. Kita membutuhkan cara untuk memahami, menghubungkan, dan memprediksi fenomena kompleks yang terjadi secara bersamaan di suatu ruang dan waktu. Di sinilah peran statistik moderen, khususnya pemodelan spasial dan Bayesian, menjadi sangat penting.
Penelitian terbaru yang saya lakukan bersama tim menunjukkan bahwa fenomena ekonomi, seperti inflasi tidak dapat dipahami secara terpisah antar-wilayah. Sebaliknya, setiap daerah saling terhubung dan saling memengaruhi, terutama dalam situasi krisis kesehatan, seperti saat terjadi pandemi COVID-19 sebagai contohnya. Temuan ini menegaskan bahwa kebijakan publik tidak bisa lagi bersifat parsial, melainkan harus mempertimbangkan keterkaitan antarwilayah secara sistematis.
Dalam pendekatan statistik klasik– kita sering mengasumsikan bahwa setiap wilayah berdiri sendiri– namun kenyataannya, apa yang terjadi di satu provinsi dapat berdampak langsung pada provinsi lain, terutama yang berdekatan secara geografis. Prinsip ini dikenal sebagai spatial dependency, atau ketergantungan spasial. Ketika satu daerah mengalami kenaikan harga akibat gangguan distribusi, daerah di sekitarnya cenderung mengalami dampak serupa.
Lebih jauh lagi– pendekatan Bayesian menawarkan keunggulan dalam menghadapi ketidakpastian. Dalam konteks kesehatan, misalnya, data seringkali tidak lengkap atau berubah dengan cepat. Model Bayesian memungkinkan kita menggabungkan data yang tersedia dengan pengetahuan sebelumnya (prior knowledge), sehingga menghasilkan estimasi yang lebih adaptif dan realistis. Ini sangat relevan dalam situasi krisis, di mana keputusan harus diambil meskipun informasi belum sempurna.
Hasil penelitian kami menunjukkan bahwa selama pandemi, faktor transportasi menjadi salah satu variabel paling dominan yang memengaruhi inflasi. Artinya, gangguan pada mobilitas dan distribusi barang berdampak langsung pada stabilitas ekonomi. Temuan ini bukan sekadar angka, tetapi pesan penting bagi pembuat kebijakan: investasi pada infrastruktur dan sistem distribusi bukan hanya urusan ekonomi, tetapi juga bagian dari strategi ketahanan kesehatan.
Selain itu, model yang digunakan dalam penelitian ini berbeda antara sebelum dan selama terjadi krisis kesehatan. Sebelum krisis kesehatan, pola inflasi lebih dipengaruhi oleh interaksi langsung antar-wilayah (model SAR), sedangkan selama krisis kesehatan, faktor-faktor tidak teramati dan gangguan sistemik menjadi lebih dominan (model SEM). Hal ini menunjukkan bahwa sistem sosial-ekonomi bersifat dinamis dan pendekatan analisis harus mampu beradaptasi dengan perubahan tersebut.
Bagi masyarakat luas, mungkin istilah seperti “model spasial” atau Bayesian terdengar teknis– namun esensinya sederhana, yaitu kita berusaha memahami dunia secara lebih utuh dan saling terhubung. Dalam konteks kesehatan masyarakat, pendekatan ini dapat digunakan untuk memetakan penyebaran penyakit, menentukan prioritas intervensi, hingga merancang kebijakan berbasis risiko.
Ke depan, integrasi antara data kesehatan, ekonomi, dan sosial menjadi kebutuhan yang tidak terelakkan. Indonesia sebagai negara kepulauan dengan keragaman wilayah memiliki tantangan sekaligus peluang besar dalam pemanfaatan data spasial. Dukungan teknologi dan peningkatan literasi data, kita dapat membangun sistem pengambilan keputusan yang lebih cerdas, responsif, dan berkeadilan.
Dalam konteks Indonesia saat ini, dinamika hubungan antara krisis kesehatan dan tekanan ekonomi semakin nyata, terutama di tengah kondisi ketidakpastian global, seperti fluktuasi harga energi dan pangan. Fenomena inflasi yang tidak merata antarwilayah, misalnya antara Jawa dan luar Jawa atau kawasan timur Indonesia, menunjukkan adanya ketimpangan struktural dalam distribusi dan akses logistik. Hal ini diperkuat oleh fakta bahwa gangguan pada satu wilayah, baik akibat bencana, keterbatasan infrastruktur, maupun kebijakan mobilitas dapat memicu efek domino ke wilayah lain. Pendekatan kebijakan berbasis data spasial dan pemodelan statistik, seperti yang dikembangkan dalam pendekatan Bayesian– menjadi sangat relevan untuk membantu pemerintah dalam merancang intervensi yang lebih tepat sasaran, adaptif, dan berkeadilan, sehingga stabilitas ekonomi dan kesehatan masyarakat dapat dijaga secara simultan.
Pada akhirnya, statistik bukan sekadar angka di atas kertas. Statistik adalah bahasa yang membantu kita memahami realitas, mengantisipasi risiko, dan merancang masa depan. Di era yang penuh ketidakpastian ini, kemampuan membaca dan memanfaatkan data bukan lagi pilihan, melainkan suatu kebutuhan yang tidak bisa lagi dielakkan.
Sebagai akademisi dan peneliti di bidang pemodelan Bayesian kesehatan– saya meyakini bahwa masa depan kebijakan publik akan sangat ditentukan oleh seberapa baik kita mampu mengintegrasikan data, metode ilmiah, dan kebijaksanaan dalam pengambilan keputusan dan ini benar telah terjadi di era sekarang ini– karena pada akhirnya, di balik setiap angka, ada kehidupan yang harus dilindungi dan masa depan yang harus diperjuangkan.
*Dosen Departemen Statistika Fakultas Sains, Teknologi, dan Matematika (FSTeM), Universitas Brawijaya Malang
Editor: Ries Marina
Caption Foto: Dosen Departemen Statistika Fakultas Sains, Teknologi, dan Matematika (FSTeM), Universitas Brawijaya Malang (Foto: Ani Budi Astuti)
