Sinergi AITF UB dan Dinsos Jatim: Sinkronisasi Model AI untuk Tingkatkan Akurasi Data Kemiskinan
Tim Artificial Intelligence Talent Factory (AITF) Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB) kembali melakukan kunjungan strategis ke Kantor Dinas Sosial Provinsi Jawa Timur di Surabaya pada 13 Mei 2026 . Kunjungan ini bertujuan untuk melaporkan progres pengembangan use case Pemetaan Kemiskinan dan Bantuan (MKN) sekaligus melakukan validasi dan sinkronisasi data secara langsung dengan para pemangku kepentingan di lapangan.
Kolaborasi lintas sektor ini menjadi langkah penting dalam pemanfaatan teknologi Kecerdasan Artifisial (AI) guna menyelesaikan problematika sosial, khususnya terkait akurasi pendistribusian bantuan sosial di wilayah Jawa Timur.
Azizah, SH., MH., Kepala Bidang Perlindungan dan Jaminan Sosial di Dinas Sosial Provinsi Jawa Timur menyambut baik inisiatif dan progres yang telah dicapai oleh tim mahasiswa AITF UB. Ia menekankan bahwa integrasi antara riset akademik dan kebutuhan praktis pemerintah merupakan kunci dalam menciptakan kebijakan publik yang lebih baik.
“Kolaborasi antara instansi pemerintah dan perguruan tinggi sangatlah penting dalam menjawab tantangan sosial saat ini. Kami menaruh harapan besar agar inovasi teknologi AI yang sedang dikembangkan ini mampu membantu kami meningkatkan akurasi data kemiskinan, sehingga ke depannya program penyaluran bantuan sosial di Jawa Timur dapat berjalan lebih optimal, efisien, dan tepat sasaran,” ungkap Azizah dalam sambutannya.
Sementara itu, Dosen Tutor AITF yang mewakili Universitas Brawijaya, Rizal Setia Pradana, S.Kom., M.Kom., Ph.D., menjelaskan bahwa tahap pengembangan model AI saat ini membutuhkan umpan balik (feedback) langsung dari Dinas Sosial sebagai pengguna akhir (end-user). Sinkronisasi data menjadi fokus utama agar algoritma yang dilatih sesuai dengan kondisi demografis dan dinamika nyata di masyarakat.
“Kunjungan kedua ini menjadi momentum krusial bagi tim untuk melaporkan progres teknis sekaligus meminta masukan dari Dinsos selaku praktisi di lapangan. Proses sinkronisasi dan validasi data ini kami lakukan untuk memastikan bahwa sistem pemetaan dan prediksi yang sedang dibangun benar-benar relevan dengan kebutuhan real di lapangan, serta siap diimplementasikan secara praktis sebagai alat bantu pengambilan kebijakan,” jelas Rizal.
Perwakilan mahasiswa dari tim use case MKN memaparkan kemajuan signifikan terkait pengembangan platform terpadu percepatan validasi dan pemetaan prioritas bantuan sosial di wilayah Jawa Timur. Platform berbasis kecerdasan artifisial ini dirancang untuk berintegrasi secara langsung dengan Data Tunggal Sosial dan Ekonomi Nasional (DTSEN), yang kini menjadi basis data tunggal rujukan pemerintah untuk program perlindungan sosial. Melalui integrasi ini, model AI yang dibangun mampu melakukan pemetaan distribusi penerima bantuan secara presisi dan mendeteksi anomali informasi secara otomatis, sehingga risiko penyaluran bantuan yang tidak tepat sasaran dapat diminimalisir.
Lebih lanjut, mahasiswa juga mempresentasikan sistem analisis evaluasi kelayakan penerima bantuan yang merujuk pada indikator kelayakan di dalam DTSEN. Evaluasi ini meninjau kelayakan masyarakat dari berbagai aspek, yang mencakup parameter kondisi demografis, tingkat pendapatan, tanggungan keluarga, hingga akses terhadap layanan dasar. Algoritma AI bekerja dengan memproses variabel-variabel tersebut untuk menghasilkan skor kelayakan yang akurat. Hasil dari analisis ini berfungsi sebagai rekomendasi berbasis data (data-driven) bagi pengambil kebijakan dalam menentukan status penerima bantuan secara lebih objektif dan terukur.
Pemaparan progres teknis tersebut memantik diskusi interaktif dan mendapat respons positif dari jajaran Dinas Sosial Provinsi Jawa Timur. Salah satu staf Dinas Sosial yang hadir, Arik Dwi P, menyambut hangat dan mengapresiasi inovasi yang ditawarkan oleh tim AITF UB. Ia menyampaikan bahwa otomasi analisis data berbasis AI ini merupakan solusi praktis yang relevan dengan kebutuhan instansi. Menurutnya, sistem ini akan mereduksi beban administratif secara signifikan, khususnya dalam mempersingkat waktu pemrosesan, pengisian, dan validasi data sosial masyarakat yang sebelumnya membutuhkan tahapan manual yang panjang.
“Selama ini, proses validasi dan evaluasi data kelayakan penerima bantuan membutuhkan waktu yang cukup panjang karena tim kami harus melakukan pengecekan silang secara manual terhadap berbagai indikator sosial ekonomi masyarakat. Kehadiran teknologi AI dari rekan-rekan mahasiswa UB ini memberikan solusi yang sangat praktis bagi kami,” ungkap Arik.
Keberlanjutan program AITF ini diharapkan dapat memperkokoh sinergi strategis antara dunia akademik dan pemerintahan. Bagi Dinas Sosial Provinsi Jawa Timur, implementasi solusi digital yang dikembangkan oleh mahasiswa ini diproyeksikan mampu memperkuat infrastruktur tata kelola data kesejahteraan sosial. Dengan pengolahan data yang lebih cepat dan terstruktur, pemerintah daerah optimis bahwa program pengentasan kemiskinan dan penyaluran bantuan sosial di masa depan dapat berjalan dengan lebih efisien, transparan, dan memberikan dampak maksimal bagi masyarakat luas. (ed)
