Landasan Data Bencana yang Goyah Merusak Upaya Bantuan.

Angka ini hanya mencerminkan mereka yang tewas langsung akibat badai—mereka yang ditemukan keesokan paginya atau segera setelahnya—dan tidak termasuk ribuan orang yang meninggal dalam beberapa minggu dan bulan setelah bencana. Badai Maria menghantam infrastruktur Puerto Rico dengan keras: terjadi pemadaman listrik besar-besaran yang menyebabkan rumah sakit tutup, persediaan medis menipis, dan infrastruktur penting lainnya di seluruh pulau runtuh. Dalam penilaian khusus yang ditugaskan oleh pemerintah Puerto Rico setahun kemudian , sebuah tim peneliti merevisi jumlah kematian setelah kejadian tersebut. Jumlah total meningkat menjadi 2.975—46 kali lebih tinggi dari perkiraan awal.

Contoh Badai Maria bukanlah satu-satunya. Di banyak negara, basis data yang digunakan untuk melacak dampak bencana bisa sangat tidak akurat.

Mereka sebagian besar bergantung pada laporan pemerintah dan berita — tetapi laporan-laporan tersebut dipengaruhi oleh kapan pemerintah memilih untuk memberikan informasi dan bagaimana pemerintah mendefinisikan apa yang dianggap sebagai dampak bencana. Data tersebut tidak hanya digunakan untuk tujuan akademis; angka-angka bencana sangat berpengaruh di dunia saat ini. Angka-angka tersebut dapat memengaruhi negara mana yang menerima dana dan ke mana dana bencana tersebut dibelanjakan.

Meskipun keputusan-keputusan ini seringkali dianggap bersifat teknis, terdapat dimensi politik dalam pelaporan bencana. Data seringkali dapat menentukan penderitaan siapa yang dicatat dan diprioritaskan. Kita memperlakukan angka-angka ini sebagai fakta, tetapi sebenarnya bukan. Angka-angka tersebut dihasilkan oleh sistem, dengan kerapuhan yang sama seperti ranah kebijakan lainnya. Data bencana jauh kurang dapat diandalkan daripada yang sering diasumsikan oleh penggunanya.

Kriteria untuk data yang baik bukanlah hal yang kontroversial. Data harus mencerminkan apa yang sebenarnya terjadi, menangkap gambaran lengkap, tetap dapat dibandingkan lintas waktu dan wilayah geografis, dan tidak menghitung peristiwa yang sama dua kali. Sayangnya, kita masih jauh dari mencapai hal tersebut.

Bagaimana Basis Data Bencana Sebenarnya Bekerja

Kita membutuhkan data dari bencana. Upaya pemulihan harus direncanakan, bantuan kemanusiaan harus diberikan, dan rencana ketahanan harus dibuat. Basis Data Peristiwa Darurat (EM-DAT) adalah sumber data bencana global gratis yang paling banyak digunakan, mencakup bahaya teknologi dan alam. Basis data ini memiliki catatan lebih dari 27.000 peristiwa sejak tahun 1900. Agar suatu peristiwa dapat dimasukkan, peristiwa tersebut harus memenuhi setidaknya satu dari tiga kriteria utama : 10 orang atau lebih tewas; 100 orang atau lebih terdampak; atau deklarasi keadaan darurat atau seruan untuk bantuan internasional.

Meskipun masuk akal, kriteria ini berarti kumpulan data memiliki titik buta. Kekeringan yang menewaskan sembilan orang biasanya tidak akan dimasukkan dalam basis data, kecuali jika memicu deklarasi darurat atau seruan bantuan internasional. Hal yang sama terjadi untuk banjir yang mempengaruhi 95 orang. Dan ada peringatan penting di sana: fokusnya adalah pada jumlah orang yang dilaporkan terdampak atau tewas. Jika pelaporannya tidak akurat, basis datanya pun tidak akurat. EM-DAT membutuhkan verifikasi silang setiap peristiwa dari setidaknya dua sumber independen , yang seringkali merupakan lembaga internasional, kantor berita, dan media berbahasa Inggris.

Mengingat hal ini, bias geografis dalam pemberitaan media kemungkinan akan menyebar ke dalam basis data EM-DAT itu sendiri, sehingga basis data tersebut mencatat lebih banyak peristiwa bencana di negara-negara maju daripada di negara-negara berkembang. Hal ini juga memungkinkan pemerintah untuk memanipulasi data. Jika pemerintah hanya mengakui sembilan kematian, peristiwa tersebut tidak akan dimasukkan — meskipun kenyataannya jauh lebih banyak dari sembilan kematian. Hal ini memungkinkan pemerintah untuk menghindari pertanggungjawaban atas tindakan mereka.

Pertimbangkan gempa bumi Sichuan tahun 2008 di Tiongkok. Beberapa daerah yang paling parah terkena dampak adalah kabupaten-kabupaten miskin di wilayah tersebut, dan banyak bangunan runtuh. Jumlah korban tewas resmi ditetapkan sekitar 70.000, dengan 18.000 orang lainnya masih dinyatakan hilang . Orang tua, aktivis, dan jurnalis yang mencoba mencari pertanggungjawaban dan menyelidiki kode konstruksi serta runtuhnya bangunan menjadi sasaran sensor, penahanan, dan pengawasan; jumlah korban dan tanggung jawab penuh, terutama untuk runtuhnya sekolah, masih sulit untuk diverifikasi secara independen.

Bahkan ketika suatu peristiwa memenuhi ambang batas, informasi lain mungkin tidak lengkap. Informasi tentang kerugian ekonomi adalah sumber utama data yang hilang; informasi ini tidak tersedia untuk 80% peristiwa yang tercatat dari tahun 2000 hingga 2020. Kerugian ekonomi sulit dihitung dan jarang diberikan di negara-negara berpenghasilan rendah dan menengah. Hanya 4% dari bencana di Afrika yang tercatat dalam EM-DAT yang memiliki perkiraan kerugian ekonomi.

Namun hal ini tidak menghentikan orang untuk menggunakan data tersebut secara langsung. Semakin banyak publikasi yang sangat berpengaruh dan banyak dikutip menggunakan data ini untuk studi empiris dengan pengakuan yang sangat terbatas terhadap permasalahannya.

Besarnya keterbatasan menjadi lebih jelas ketika Anda membandingkan basis data bencana. Antara tahun 1971 dan 2002, EM-DAT mencatat 97 bencana di Kolombia. Basis data lain, DesInventar , mencatat lebih dari 19.000 bencana dalam periode yang sama. Hanya sebagian kecil dari peristiwa lokal di DesInventar yang memenuhi definisi bencana menurut EM-DAT, tetapi jika digabungkan, peristiwa-peristiwa "kecil" di Kolombia menyebabkan kerugian lebih dari $1,65 miliar . Ini sekitar tujuh kali lipat kerugian ekonomi yang disebabkan oleh salah satu bencana paling mematikan di Kolombia, letusan gunung berapi Nevado del Ruiz . Bersama-sama, peristiwa-peristiwa "kecil" ini memiliki dampak yang besar.

DesInventar mewakili jenis basis data bencana yang berbeda. Alih-alih menetapkan kriteria khusus untuk dimasukkan, DesInventar memungkinkan negara-negara untuk secara bebas membangun inventaris bencana mereka sendiri. Secara umum, ini berarti bahwa basis data tersebut mencakup peristiwa bencana yang lebih kecil, tetapi juga berarti kualitas data yang termasuk dalam basis data bergantung pada kemampuan setiap pemerintah untuk mengumpulkan dan memelihara catatan. Hal ini dapat sangat bervariasi. Peru adalah contoh utamanya. Datanya menggunakan satu sumber — dan peristiwa di dekat Lima jauh lebih tercakup daripada peristiwa di bagian negara yang lebih terpencil.

Perbedaan itu bukan satu-satunya perbedaan. Jumlah orang yang "terdampak" dapat sangat bervariasi. EM-DAT mendefinisikan mereka yang terdampak sebagai orang yang membutuhkan bantuan segera, tetapi setiap negara memiliki standar yang berbeda untuk apa yang dianggap sebagai "bantuan". Beberapa negara memasukkan semua orang di zona bencana; yang lain hanya memasukkan mereka yang kehilangan tempat tinggal, sementara yang lain lagi menghitung permintaan bantuan sebagai parameter. Negara-negara bahkan mungkin secara strategis memilih siapa yang dianggap terdampak, karena data tersebut dapat membantu menentukan apakah suatu negara memenuhi syarat untuk mendapatkan pendanaan adaptasi iklim atau tidak.

Kategori data lainnya bahkan lebih tidak jelas. Seperti yang telah disebutkan, perkiraan kerugian ekonomi seringkali hilang dan jika ada, datanya sangat tidak lengkap. Beberapa studi yang membandingkan peristiwa bencana antara EM-DAT dan DesInventar menemukan bahwa angka kerugian berbeda lebih dari 20% dalam sebagian besar kasus.

Mengubah Data Bencana Menjadi Kebijakan

Ini mungkin tampak seperti masalah akademis. Namun sebenarnya tidak. Basis data ini digunakan dalam pengambilan keputusan kebijakan yang nyata.

Kantor Perserikatan Bangsa-Bangsa untuk Pengurangan Risiko Bencana menggunakan EM-DAT dan DesInventar untuk Laporan Penilaian Globalnya , salah satu publikasi utama yang memandu kebijakan bencana internasional. Negara-negara Anggota Perserikatan Bangsa-Bangsa juga melaporkan kemajuan mereka melalui Sendai Framework Monitor , yang menggunakan basis data bencana sebagai masukan. Hal ini kemudian digunakan untuk melacak kemajuan, mengidentifikasi prioritas risiko bencana, memandu alokasi sumber daya menuju pengurangan risiko, dan membantu merencanakan strategi adaptasi iklim.

Keuangan iklim, sektor yang menggerakkan dana sebesar $1,9 triliun pada tahun 2023 saja , juga menggunakan basis data bencana untuk menilai risiko bencana terkait iklim. Negara-negara sering menggunakan Indeks Risiko Iklim Global Germanwatch untuk membahas kebutuhan dukungan pendanaan untuk adaptasi atau kerugian. Indeks Germanwatch saat ini menggunakan EM-DAT dengan beberapa catatan mengenai keterbatasannya. Analisis kerugian dan kerusakan ini, misalnya, menggunakan indeks tersebut tanpa membahas keterbatasan datanya.

Ketergantungan pada EM-DAT melampaui Indeks Risiko Iklim Global dan masuk ke dalam struktur operasional yang menentukan aliran pendanaan kemanusiaan. Indeks Risiko INFORM menggunakan EM-DAT untuk beberapa indikator bahayanya dan telah digunakan oleh Kantor PBB untuk Koordinasi Urusan Kemanusiaan, Operasi Perlindungan Sipil dan Bantuan Kemanusiaan Komisi Eropa, Program Pangan Dunia, Badan Pembangunan Internasional Amerika Serikat, Dana Tanggap Darurat Pusat PBB, dan banyak lagi untuk membantu memprioritaskan dan mengalokasikan sumber daya kemanusiaan. Kesalahan dalam EM-DAT dapat menyebabkan bencana kekurangan dana. Hal ini mungkin terjadi jika lebih banyak orang meninggal daripada yang dilaporkan dalam EM-DAT karena kematian mereka tidak dilaporkan dalam bahasa Inggris.

Pada tahun 2015, pemerintah Malawi membayar $5 juta untuk asuransi kekeringan melalui African Risk Capacity (ARC), yang memberikan pembayaran ketika modelnya memperkirakan bahwa kekeringan telah melampaui ambang batas tertentu. Setelah kekeringan El Niño 2016, yang menyebabkan 6,5 juta orang membutuhkan bantuan, model tersebut awalnya menemukan bahwa tidak ada pembayaran yang diperlukan, berdasarkan asumsi yang salah mengenai varietas jagung yang ditanam petani. Pembayaran dilakukan pada tahun 2017, di mana pada saat itu biaya penanganan telah mencapai sekitar $395 juta.

Membangun Landasan yang Lebih Kokoh: Lima Solusi

Kita jelas membutuhkan data bencana. Tanpa basis data seperti EM-DAT dan DesInventar, kita tidak akan mampu memahami dan menanggapi bencana. Akan jauh lebih sulit untuk menanggapi perubahan iklim dan merencanakan strategi adaptasi untuk mencegah bencana di masa depan. Namun, basis data tersebut masih jauh dari sempurna.

Perbaikan memang mungkin dilakukan. Bahkan, seiring dengan pemanasan global dan meningkatnya frekuensi bencana terkait iklim, perbaikan sangatlah diperlukan.

Pertama: kita harus mulai memperlakukan basis data bencana bukan sebagai satu-satunya sumber kebenaran, tetapi sebagai bagian dari suatu sistem. Setiap basis data bencana adalah alat pengukuran dengan keterbatasan yang dilaporkan, tetapi mempertimbangkannya secara bersama-sama dapat membatasi kesalahan. Alokasi sumber daya harus diintegrasikan antara berbagai basis data bencana dan inventaris bencana lokal. Ini akan membantu membatasi data yang hilang — terutama penting mengingat bahwa peristiwa kecil dan berulang mewakili bagian penting dari dampak bencana.

Kedua, dampak bencana harus dilaporkan dalam rentang angka, bukan hanya angka utama saja. Terlalu mudah bagi para pembuat kebijakan untuk fokus pada satu angka tanpa mempertimbangkan ketidakpastian di baliknya. Pada tahun 2015, program Penelitian Terpadu tentang Risiko Bencana merekomendasikan agar data bencana mencakup informasi keandalan seperti skor kualitas atau tingkat ketidakpastian . Angka kematian yang dilaporkan awalnya dari Badai Maria 46 kali lebih rendah daripada yang dihasilkan oleh analisis kelebihan kematian. Rentang angka pelaporan tidak akan menghilangkan perbedaan tersebut, tetapi akan memberi sinyal kepada para pembuat kebijakan bahwa angka tersebut bersifat sementara dan bukan angka pasti.

Ketiga, kita harus memverifikasi angka resmi secara independen. Pemerintah tidak selalu termotivasi untuk mengatakan yang sebenarnya, dan bahkan jika mereka mencoba melakukannya, standar yang berbeda dapat menyebabkan perkiraan kerusakan yang sangat berbeda. Alih-alih mengandalkan jumlah orang di daerah yang rusak, kita harus fokus pada angka kematian berlebih sebagai metrik standar pascabencana. Ini akan memberikan titik data independen yang dapat digunakan untuk menilai angka resmi; jika pemerintah memberikan angka yang berkali-kali lebih rendah daripada jumlah kematian berlebih, mereka dapat dimintai pertanggungjawabannya.

Kita juga dapat menggunakan citra satelit untuk memvalidasi data. Hal ini digunakan dengan sangat efektif setelah gempa bumi Haiti pada tahun 2010, serta di Turki setelah gempa bumi tahun 2023. Teknologi ini tidak dapat menggantikan pengumpulan data di lapangan, karena tidak dapat menghitung jumlah individu. Namun, teknologi ini menyediakan bentuk analisis independen yang dapat digunakan untuk membandingkan dengan angka lain yang masuk ke dalam basis data bencana. Hal ini sangat berguna dalam konteks dengan infrastruktur pengumpulan atau pelaporan data yang lemah; di negara-negara seperti Haiti, hampir tidak mungkin untuk mengumpulkan data dari rumah ke rumah.

Perbaikan keempat berkaitan erat dengan hal ini. Kita juga harus memberikan pendanaan yang lebih baik untuk sistem data lokal. Beberapa negara telah mengadopsi sistem berbasis DesInventar untuk akuntansi kerugian bencana mereka sendiri, tetapi hanya ada sedikit insentif untuk memelihara sistem ini. Setiap tahun, pemerintah perlu melatih personel, memvalidasi data, dan memverifikasi bahwa sistem yang saling terhubung benar-benar berfungsi bersama. Masing-masing hal ini membutuhkan biaya, dan tidak ada yang terjadi secara otomatis; organisasi internasional harus membantu mendukung hal ini jika memungkinkan.

Kelima, buatlah keterbatasan data terlihat. Tidak ada dokumen kebijakan yang boleh menggunakan data bencana tanpa peringatan. Setiap basis data bencana memiliki biasnya sendiri; tidak ada yang sempurna. Tanpa peringatan, pembuat kebijakan mungkin mengambil data begitu saja tanpa mempertimbangkan bias tersebut. Setiap laporan yang mengutip data bencana harus menyertakan materi seperti metadata pemantauan SDG , skor keandalan INFORM , dan ringkasan kerugian dan kerusakan dari Climate Analytics untuk memberikan konteks kepada pembaca tentang keandalan data.

Tidak ada sistem yang sempurna, dan sistem yang dibangun untuk memperhitungkan dampak bencana, termasuk siapa yang terkena dampak, besarnya korban jiwa, dan biaya ekonomi, akan selalu mengandung asumsi intrinsik, tekanan politik, dan keterbatasan kelembagaan. Tetapi kita dapat melakukan yang lebih baik daripada sistem saat ini, terutama karena frekuensi bencana alam meningkat akibat perubahan iklim. Kesalahan yang dapat dicegah akan mengakibatkan korban jiwa, dan saat ini, basis data bencana berisiko salah mengartikan apa yang saat ini dilaporkan sebagai hal yang benar-benar penting.

Matheus de Souza adalah mahasiswa doktoral di bidang Ilmu dan Manajemen Bencana di Universitas Delaware dan telah bekerja dengan berbagai organisasi kemanusiaan seperti Komisioner Tinggi PBB untuk Pengungsi dan Dewan Pengungsi Norwegia. Ia mempelajari beberapa aspek bencana, dengan fokus pada koordinasi antar organisasi.

Jika Anda memiliki komentar tentang artikel ini, atau ingin berkontribusi dalam diskusi, silakan kirimkan melalui email ke letters@indevelopmentmag.com. Tanggapan Anda akan ditampilkan di bagian surat pembaca.