Banyuwangi, -- Secara teoretis, integrasi Artificial Intelligence (AI) dan Big Data Analytics dalam pengelolaan keuangan publik ditujukan untuk meminimalisasi asymmetric information (informasi timpang) antara pemerintah dan realitas masyarakat. Mengacu pada teori Public Sector Modernization, adopsi data mining dan predictive analytics berfungsi untuk mengklasifikasikan pengeluaran (clustering) dan mendeteksi kebutuhan belanja secara presisi sebelum anggaran pendapatan dan belanja daerah (APBD) ditetapkan.
Penerapan Al untuk prediksi kebijakan fiskal menjanjikan kemampuan mengolah data makro seperti inflasi, pertumbuhan ekonomi, hingga simulasi dampak kebijakan belanja secara kilat. Melalui algoritma prediktif, pemerintah daerah idealnya mampu membaca pola kebutuhan publik secara cepat, merancang alokasi anggaran yang berbasis data aktual (evidence-based policy), serta mengotomatisasi pendeteksian dini masalah keuangan atau penyimpangan anggaran. Di Banyuwangi, manifestasi teoretis ini diintegrasikan melalui ekosistem digitalisasi daerah salah satunya lewat program Smart Kampung yang berupaya menyatukan data sosial-ekonomi dari tingkat desa guna merumuskan prioritas fiskal yang responsif.
Fakta Empiris yang Kontradiktif: Kesenjangan Antara Kesiapan Teknis dan Realitas Geografis Banyuwangi
Namun, ketika instrumen teknokratis canggih ini dihadapkan pada realitas empiris di lapangan, muncul kontradiksi yang tajam (digital paradox). Banyuwangi secara empiris merupakan kabupaten dengan luas wilayah terbesar di Pulau Jawa, yang memiliki karakteristik geografis sangat kontras-mulai dari pusat urban yang padat hingga kawasan pelosok hutan, pegunungan (seperti lereng Gunung Raung), dan pesisir terpencil (seperti kawasan Sarongan atau Sukamade). Kontradiksi empiris pertama terletak pada kualitas data (data quality) vs infrastruktur digital.
Sistem Data Mining dan Big Data dalam perencanaan fiskal menuntut pasokan data mikro yang berkualitas tinggi, konsisten, dan real-time. Pada kenyataannya, wilayah rural Banyuwangi masih menghadapi kendala jaringan (stagnasi konektivitas/blank spot) dan disparitas kapasitas teknis SDM di tingkat pemerintah desa. Ketika wilayah rural mengalami keterbatasan input data, algoritma Al yang tertanam di pusat data kabupaten akan membaca anomali tersebut secara keliru. Data yang kosong atau terlambat masuk akan diinterpretasikan oleh sistem sebagai "tidak adanya urgensi kebutuhan fiskal," atau justru memproyeksikan kebutuhan belanja yang tidak sesuai dengan kebutuhan riil masyarakat setempat.
Analisis Kritis: Bias Algoritma (Algorithmic Bias) dan Dampak Eksklusi Sosial Alokasi Anggaran
Kontradiksi empiris kedua yang sangat mendasar adalah timbulnya Eksklusi Sosial akibat Bias Algoritma (Algorithmic Bias). Sistem Al bekerja dengan mengekstraksi pola dari data historis yang tersedia. Di Banyuwangi, dinamika ekonomi lokal sangat dipengaruhi oleh sektor informal seperti pertanian musiman dan perikanan tangkap yang fluktuatif. Kelompok miskin baru atau masyarakat rentan di sektor ini sering kali tidak tercatat dalam basis data formal secara dinamis karena mobilitas yang tinggi dan kendala birokrasi pendaftaran data mikro di tingkat akar rumput.
Secara tertulis dan logis, jika perencanaan anggaran daerah terlampau bergantung pada keputusan otomatis berbasis Machine Learning, sistem akan cenderung memprioritaskan alokasi fiskal ke wilayah-wilayah yang datanya sudah mapan, rapi, dan terdigitalisasi (umumnya wilayah urban atau semi-urban). Sebaliknya, wilayah pelosok yang paling membutuhkan intervensi fiskal justru terpinggirkan karena mereka "tidak terlihat" secara statistik oleh algoritma. Ini menciptakan ketimpangan baru: efisiensi anggaran tercapai di atas kertas dashboard kabupaten, namun di dunia nyata, ketimpangan distribusi fasilitas publik dan bantuan sosial antar-wilayah justru semakin melebar.
Tantangan Etika, Keamanan Data Mikro, dan Degradasi Legitimasi Pemerintah
Ketergantungan buta pada kecerdasan buatan dalam urusan fiskal juga membawa konsekuensi serius pada dimensi etika dan tata kelola. Penggunaan AI berpotensi memicu terjadinya erosi empati dalam kebijakan publik. Keputusan fiskal yang menyangkut hajat hidup orang banyak dialihkan dari diskursus publik yang partisipatif menjadi sekadar kalkulasi matematis dingin di dalam ruang pelayan peladen (server).
Selain itu, integrasi data mikro penduduk yang digunakan untuk menargetkan sasaran program pembangunan memicu risiko keamanan siber (cybersecurity). Tanpa adanya protokol pengamanan siber yang ketat dan anonimisasi data responden yang kredibel di tingkat daerah, pengumpulan data besar-besaran ini rentan terhadap kebocoran data dan penyalahgunaan privasi massal.
Secara politik dan sosiologis, kontradiksi ini pada akhirnya akan menggerus legitimasi pemerintah daerah. Ketika masyarakat disuguhkan narasi keberhasilan digitalisasi fiskal dan penghargaan Smart City di media massa, namun secara empiris mereka masih menemukan jalan rusak, sekolah roboh, atau penyaluran bantuan fiskal yang salah sasaran di desa mereka, maka kepercayaan publik (public trust) akan mengalami defisit yang parah. Kebijakan fiskal kehilangan ruh keadilan sosialnya ketika ia lebih patuh pada instruksi algoritma daripada jeritan kebutuhan riil masyarakat.
Oleh: Kaneshya Aprillia Azzahra | Universitas 17 Agustus 1945 Banyuwangi
Editor: Redaksi 1
