Penetapan Target RPJPD: Mengorbankan "Akurasi" demi Kemudahan Pemahaman

Seharusnya  tidak perlu mengorbankan akurasi hanya demi kemudahan pemahaman

Rapat Tim penyusun RPJPD Balitbangren dengan DPRD Kabupaten Polewali Mandar Jumat 24 Januari 2025, fokus pada Penentuan Target per periode RPJMD dalam RPJPD tahun 2025 – 2045 Kabupaten Polewali Mandar. Data Awal tahun 2025 telah ditentukan dan data akhir capaian tahun 2045 telah juga ditentukan. Sebagaimana tindak lanjut dari evaluasi provinsi Sulawesi Barat masih diperlukan target yang  dijabarkan per periode RPJMDnya.

Tim Penyusun RPJPD sebelumnya telah  menentukan target indikator yang disusun per  periode RPJMD dengan metode sederhana, dalam tulisan ini saya ambil satu contoh penentuan targetnya yaitu Indikator Utama pembangunan untuk kesehatan ibu dan anak dengan indikator penurunan Angka Kematian Ibu (AKI) per 100.000 Kelahiran Hidup (KH)

• Baseline data Tahun 2025                      = 149 per 100.000 KH
• Akhir Tahap I  periode 2015-2029     = ……?
• Akhir Tahap II  periode 2030-2034   = ……?
• Akhir Tahap III  periode 2035-2039 = ……?
• Akhir Tahap IV  periode 2040-2045 = 39 per 100.000 KH

Dalam rapat dengan DPRD Kabupaten Polewali Mandar, DPRD mengharapkan, "Penetuan target lebih realistik untuk mengatasi perubahan yang terjadi," Ungkap ketua DPRD Fahri Fadly.   Penentuan target yang diajukan oleh tim penyusun dilakukan dengan metode  target penambahan atau  pengurangan rata-rata per periode setelah target akhir dikurang capaian awal dibagi empat periode. Metode ini tidak berdasarkan target pertumbuhan atau penurunan per periode rata-rata.  

Untuk memperjelas dua cara ini masing-masing dapat dijelaskan perbedaannya.

1. Target Penambahan atau pengurangan Per periode

Rumus yang digunakan khussunya untuk indikator penurunan AKI adalah 

Target Penambahan Per Periode =(Target Akhir−Capaian Awal)/4

Di mana:

• Target Akhir adalah nilai di akhir periode.
• Capaian Awal adalah nilai di awal periode.
• 4 adalah jumlah periode

Rumus ini menghitung jumlah penambahan atau pengurangan rata-rata per periode dari nilai awal hingga akhir periode RPJPD. Rumus ini lebih sederhana karena hanya melihat penambahan atau pengurangan linier atau konstan setiap periode empat tahunnya. Yaitu target akhir dikurang data awal dibagi dengan 4 dan hasilnya ditambahan atau dikurangi per periodenya.

Ini cocok digunakan untuk kasus di mana penambahan atau pengurangan diharapkan konstan setiap periode, tanpa memperhitungkan efek bunga berbunga atau pertumbuhan atau penurunan kompositnya.

2. Target Pertumbuhan atau penurunan per periode Rata-rata 

Rumus yang digunakan adalah 

Target Pertumbuhan atau Penurunan Per periode Rata-rata =(Target Akhir / Capaian Awal)^1/4 −1

Di mana:

• Target Akhir adalah nilai di akhir periode.
• Capaian Awal adalah nilai di awal periode.
• 4 adalah jumlah periode

Rumus ini menghitung rata-rata tingkat pertumbuhan atau penurunan per periode secara komposit dari suatu nilai awal hingga akhir periode RPJPD. Yaitu hasil dari rumus datas adalah  nilai yang dipresentasekan terhadap pertumbuhan atau penurunan per periodenya kemudian ditambahkan atau dikurangi dengan target capaian sebelumnya. Cara ini memperhitungkan pertumbuhan atau penurunan secara berlipat ganda setiap periode, yang lebih cocok digunakan untuk menghitung pertumbuhan atau penurunan dari  investasi atau bisnis yang mengalami perubahan persentase yang signifikan dari periode ke periode berikutnya.

Jadi, perbedaannya adalah cara kedua  mempertimbangkan pertumbuhan atau penurunan komposit yang bisa berubah setiap periode, sementara cara kesatu  mengasumsikan penambahan atau pengurangan linier yang sama setiap periode. Penggunaan kedua cara ini sangat diperlukan  perhatian atau sangat bergantung pada konteks yang  hadapi.

Dan untuk indikator Angka Kematian Ibu  konteks yang tepat adalah mengunakan cara kedua. Namun cara kedua ini kurang terlalu di fahami oleh tim, sehingga cara sederhana  atau cara kesatu yang diambil.

Hasil perhitungan 

Hasil perhitungan dari kedua metode diatas untuk penentuan target AKI adalah  Cara kesatu dari hitungan rumus diatas adalah  (39 -147)/4 =-28. Nilai inilah dikurangkan setiap periodenya, didapatkan hasil targetnya;

• Baseline data Tahun 2025                  = 149 per 100.000 KH 
• Akhir Tahap I  periode 2015-2029     = 121 per 100.000 KH
• Akhir Tahap II  periode 2030-2034    =   94 per 100.000 KH
• Akhir Tahap III  periode 2035-2039 =   66 per 100.000 KH
• Akhir Tahap IV  periode 2040-2045 =   39 per 100.000 KH
• Target Akhir RPJPD tahun 2045        =   39 per 100.000 KH

Terlihat  nilai pengurangan setiap setiap periode  RPJMD dalam pelaksanaan RPJPD.

Sementara hasil dari cara kedua  yang dikenal oleh para analisis data sebagai metode pertumbuhan rata-rata  (Compound Annual Growth Rate  (CAGR) yang dalam konteks AKI adalah penurunan target, hasilnya didapatkan nilai -0,28 dipersenkan = -28%. Nilai penurunan ini dikalikan dan kemudian ditambahkan dengan periode sebelumnya, mendapatkan hasil;

• Baseline data Tahun 2025                  = 149 per 100.000 KH
• Akhir Tahap I  periode 2015-2029     = 106 per 100.000 KH
• Akhir Tahap II  periode 2030-2034    =   76 per 100.000 KH
• Akhir Tahap III  periode 2035-2039 =   54 per 100.000 KH
• Akhir Tahap IV  periode 2040-2045 =   39 per 100.000 KH
• Target Akhir RPJPD tahun 2045        =   39 per 100.000 KH

Terlihat  nilai penurunan setiap setiap periode secara rata-rata selama periode waktu periode RPJMD dalam pelaksanaan RPJPD.

Melihat dengan grafik Scatter

Kedua hasil penentuan dua cara kalau dilihat pada grafik scatter yang menampilkan nilai model regresi Y=Bo+B1.X dan Nilai R Kuadrat Terlihat  untuk model target pengurangan per periode nilai R kuadrat adalah 1 atau 100% sedangkan CAGR nilai R kuadrat tidak sampai 0,96 atau 96%

Nilai R2 atau Koefisien Determinasi pada model regresi memberikan gambaran tentang seberapa baik model tersebut menjelaskan variabilitas dalam data.

1. Target Penambahan atau pengurangan Per periodenya:
   • Rumus ini mengasumsikan pengurangan linier yang konstan setiap periode.
   • Model regresi Y = B0 + B1.X dengan R kuadrat = 1 berarti model ini sempurna menjelaskan semua variabilitas dalam data. Ini logis, karena mengasumsikan pengurangan linier yang tidak berubah, yang cocok dengan data linier.
2. CAGR:
   • CAGR mengasumsikan penurunan komposit yang bisa berubah setiap periodenya
   • Dalam model regresi, variabilitas penurunan yang berubah setiap periode dapat menyebabkan model tidak sesuai secara linier sempurna dengan data.
   • Akibatnya, nilai R kuadrat mungkin tidak mencapai 1 karena model tidak dapat sepenuhnya menjelaskan semua variabilitas dalam data yang tidak linier sempurna.

Jadi, perbedaan dalam nilai R kuadrat antara dua model tersebut menunjukkan bahwa model linier sederhana (Target Pengurangan Per Periode) lebih cocok dengan data linier, sementara CAGR, yang memperhitungkan penurunan komposit, tidak sepenuhnya sesuai dengan model linier sehingga nilai R kuadratnya lebih rendah.

Artinya model linear karena nilai R Kuadratnya 1, menunjukkan tidak ada lagi faktor lainnya yang perlu diperhitungkan, sementara CAGR masa ada faktor lainnya yang menentukan yang perlu dimanfaatkan. Mana lebih baik, tidak ada lagi faktor lainnya atau ada faktor lainnya? 

DISKUSI

Pertanyaannya apakah untuk penentuan target AKI sesuai konteks untuk cara pertama atau cara kedua? Keputusan mengenai mana yang lebih baik antara model linier dan model dengan banyak faktor tergantung pada konteks dan tujuan analisis.

1. Model Linier (R kuadrat = 1):
   • Kelebihan: Sederhana, mudah dimengerti, dan dapat dengan jelas menunjukkan hubungan langsung antara dua variabel.
   • Kekurangan: Mungkin terlalu sederhana dan mengabaikan faktor-faktor lain yang sebenarnya mempengaruhi pengurangan. Ini bisa menyebabkan kesimpulan yang kurang akurat jika ada variabilitas yang tidak dijelaskan.
2. Model dengan Banyak Faktor (CAGR):
   • Kelebihan: Lebih kompleks dan realistis karena mempertimbangkan bahwa penurunan mungkin tidak linier dan ada faktor-faktor lain yang berpengaruh. Ini dapat memberikan gambaran yang lebih akurat tentang kondisi nyata.
   • Kekurangan: Lebih rumit dan mungkin memerlukan lebih banyak data dan analisis untuk menentukan semua faktor yang relevan. Nilai R kuadrat yang lebih rendah menunjukkan bahwa model ini tidak menjelaskan semua variabilitas, tetapi bisa jadi ini lebih mencerminkan realitas yang kompleks.

Jika tujuan penentuan target AKI hanya untuk mendapatkan pemahaman sederhana dan langsung tentang hubungan dua variabel, model linier mungkin cukup. Namun, jika ingin mendapatkan gambaran yang lebih akurat dan realistis tentang penurunan AKI yang mungkin dipengaruhi oleh banyak faktor, model dengan banyak faktor seperti CAGR lebih baik.

Pada akhirnya, pilihan terbaik tergantung pada kebutuhan spesifik analisis tim dan seberapa detail serta akurat informasi yang butuhkan Penurunan AKI. Target lebih akurat dan realistik adalah cocok dengan rumus CAGR, tapi karena agak sedikit sulit untuk dimengerti oleh tim, dan diputuskan dengan menggunakan cara sederhana, walaupun itu tidak sesuai konteks, dapat diterima keputusan itu.

Memang, ada situasi di mana penggunaan model yang lebih sederhana dapat memudahkan pemahaman, terutama ketika pembaca tidak terlalu akrab dengan konsep matematis yang lebih kompleks seperti CAGR. Namun, penting untuk menyeimbangkan antara keakuratan dan kemudahan pemahaman, seharusnya tidak perlu mengorbankan akurasi demi kemudahan pemahaman. 

Padahal metode sederhana bisa menyebabkan target capaian akhir menjadi tidak realistis, terutama jika ada fluktuasi yang signifikan atau kinerja di bawah target pada periode tertentu.

CAGR memberikan gambaran lebih jelas tentang pertumbuhan atau penurunan per periodenya yang diperlukan dan memperhitungkan hasil capaian sebelumnya. Dengan menggunakan CAGR, bisa melihat apakah pertumbuhan atau penurunan yang diharapkan mungkin tercapai atau tidak berdasarkan kinerja yang sebenarnya. 

Jika dalam dua periode pertama hasilnya terlihat di bawah target, CAGR akan menunjukkan bahwa target akhir mungkin tidak akan tercapai tanpa ada perubahan signifikan dalam strategi atau usaha. Menggunakan CAGR membantu mengatur ekspektasi dan menetapkan target yang lebih realistis dengan menyesuaikan berdasarkan capaian sebelumnya, sehingga perencanaan ke depan menjadi lebih akurat dan dapat diandalkan.