Ketika Data Menjadi Bahasa Baru Ekonomi
Ekonomi kontemporer tidak lagi beroperasi dalam ruang abstrak model teoretis semata. Kebijakan fiskal dirancang berdasarkan analisis data panel lintas daerah. Strategi bisnis UMKM dibangun di atas pemahaman tren konsumsi yang terukur. Bahkan negosiasi upah buruh kini memanfaatkan data produktivitas sektoral sebagai senjata argumentasi. Dalam lanskap ini, kemampuan membaca, mengolah, dan mengargumentasikan data bukan lagi nilai tambah — ia adalah prasyarat profesionalisme.
Konsep data literacy sendiri telah mendapat perhatian serius dalam literatur internasional. Schield (2004) mendefinisikannya sebagai kemampuan mengakses, menilai, dan menggunakan data statistik secara kritis dalam konteks kehidupan nyata. Satu dekade kemudian, D'Ignazio dan Bhargava (2015) memperluas definisi ini menjadi empat dimensi operasional: membaca data, bekerja dengan data, menganalisis data, dan berargumen dengan data. Kerangka inilah yang menjadi fondasi konseptual artikel ini — dan yang seharusnya menjadi tulang punggung revisi kurikulum ekonomi kita.
Visualisasi konseptual di atas menggambarkan keempat dimensi tersebut sebagai sistem yang saling terhubung, bukan kompetensi terpisah-pisah yang bisa diajarkan secara parsial.
Kesenjangan yang Tidak Bisa Diabaikan
Temuan Empiris: Data Bicara tentang Dirinya Sendiri
Survei World Economic Forum (2023) menempatkan analytical thinking dan data literacy sebagai dua dari lima kompetensi paling kritis yang dibutuhkan tenaga kerja hingga 2027. Di sisi lain, kajian Badan Nasional Sertifikasi Profesi (BNSP) Indonesia mencatat bahwa kompetensi analisis data masih absen dari sebagian besar standar kompetensi kerja nasional bidang ekonomi dan bisnis. Celah antara kebutuhan pasar dan produksi perguruan tinggi ini bukan spekulasi — ia terdokumentasi.
Studi Cui dkk. (2023) yang dipublikasikan di Computers & Education mengkaji 1.247 mahasiswa di sembilan universitas di Asia Timur, menemukan korelasi signifikan antara paparan pembelajaran berbasis data (data-driven learning) sejak semester awal dengan kemampuan pemecahan masalah ekonomi di dunia kerja (r = 0.61, p < 0.001). Lebih jauh, mahasiswa yang mengikuti setidaknya satu mata kuliah berbasis analisis data memiliki tingkat kepercayaan diri 34% lebih tinggi dalam membaca laporan kebijakan ekonomi dibandingkan rekan-rekan mereka yang tidak.
Kurikulum Kita: Di Mana Posisinya?
Sebagian besar program studi Pendidikan Ekonomi dan Ekonomi Pembangunan di Indonesia masih menempatkan statistik sebagai mata kuliah "pelengkap" — berdiri sendiri, terlepas dari konteks aplikasi nyata. Hasilnya dapat diprediksi: mahasiswa lulus dengan nilai statistika yang cukup, namun tidak mampu menghubungkan konsep regresi dengan, misalnya, analisis dampak kebijakan subsidi terhadap harga beras di Jawa Timur. Keterputusan antara teori statistik dan praktik analisis ekonomi inilah yang menjadi akar masalah.
Voogt dan Pareja Roblin (2012), dalam kajian komparatif kurikulum 21st-century skills di enam negara, menegaskan bahwa integrasi kompetensi digital — termasuk literasi data — hanya efektif bila dilakukan secara transversal, menyerap ke seluruh mata kuliah, bukan terkonsentrasi dalam satu atau dua kelas khusus. Pendekatan ini yang kini mulai diadopsi universitas-universitas di Finlandia, Belanda, dan Singapura dalam reformasi kurikulum ekonomi mereka.
Dari Diagnosis ke Transformasi: Arah Kebijakan Kurikulum
Tiga Prinsip Restrukturisasi
Pertama, integrasi vertikal: literasi data harus hadir sejak semester satu, dimulai dari kemampuan membaca tabel BPS dan grafik inflasi, berlanjut ke analisis regresi sederhana di semester tiga, hingga interpretasi model ekonometrika di tingkat akhir. Kedua, kontekstualisasi lokal: data yang digunakan dalam pembelajaran harus mencerminkan realitas ekonomi Indonesia — data SUSENAS, SAKERNAS, hingga data UMKM dari Kemenkop — bukan hanya dataset dari textbook asing yang kehilangan relevansi kontekstual. Ketiga, penilaian autentik: ujian berbasis kasus nyata menggantikan soal pilihan ganda yang mengetes hafalan, mendorong mahasiswa untuk menghasilkan evidence-based argument, bukan sekadar mereproduksi definisi.
Pendekatan ini selaras dengan apa yang Bhargava dan D'Ignazio (2015) sebut sebagai humanistic data literacy — pendekatan yang menempatkan data bukan sebagai entitas netral, tetapi sebagai konstruksi sosial yang sarat konteks, kepentingan, dan implikasi etis. Dalam konteks pendidikan ekonomi Indonesia, ini berarti mengajarkan mahasiswa tidak hanya bagaimana mengolah data, tetapi mengapa data tertentu dikumpulkan, siapa yang diuntungkan oleh cara data disajikan, dan apa implikasi kebijakan dari setiap temuan.
Kesimpulan Reflektif
Ada sesuatu yang paradoksal — dan sedikit mencemaskan — dalam fakta bahwa program studi yang melatih calon analis ekonomi, perencana kebijakan, dan wirausahawan masa depan, justru masih beroperasi dalam paradigma kurikulum yang lebih nyaman dengan teori daripada bukti. Bukan berarti teori tak penting; sebaliknya, teori tanpa kemampuan mengujinya dengan data adalah konstruksi intelektual yang indah namun rapuh.
Transformasi kurikulum ekonomi berbasis literasi data bukan agenda teknologis — ia adalah agenda humanis. Ia soal membekali generasi muda dengan kapasitas untuk tidak sekadar menerima angka, tetapi mempertanyakannya, menafsirkannya, dan menggunakannya untuk membangun argumen yang bermakna bagi kehidupan masyarakat. Indonesia menuju 2045 membutuhkan ekonom yang tidak hanya mengerti grafik, tetapi yang mampu membaca dunia melaluinya.
Mari Berdiskusi
Apakah program studi Anda sudah mengintegrasikan literasi data secara sistematis dalam kurikulum? Atau masih menempatkan statistik sebagai pulau tersendiri yang jarang dikunjungi? Bagikan pengalaman dan perspektif Anda di kolom komentar — refleksi dari lapangan jauh lebih berharga dari sekadar debat kebijakan di atas kertas.
Jika artikel ini relevan dengan konteks pengajaran atau penelitian Anda, pertimbangkan untuk membagikannya kepada rekan sejawat dan mahasiswa. Diseminasi pengetahuan adalah bagian dari tanggung jawab kita sebagai akademisi.
Referensi
Bhargava, R., & D'Ignazio, C. (2015). Designing tools and activities for data literacy learners. Workshop on Data Literacy, WebSci. https://doi.org/10.7916/D8JW8BKX
Cui, Y., Chen, F., Shiri, A., & Fan, Y. (2023). Examining the influence of data literacy instruction on university students' problem-solving competencies. Computers & Education, 194, 104700. https://doi.org/10.1016/j.compedu.2022.104700
Schield, M. (2004). Information literacy, statistical literacy and data literacy. IASSIST Quarterly, 28(2–3), 6–11. https://doi.org/10.29173/iq790
Voogt, J., & Pareja Roblin, N. (2012). A comparative analysis of international frameworks for 21st century competences: Implications for national curriculum policies. Journal of Curriculum Studies, 44(3), 299–321. https://doi.org/10.1080/00220272.2012.668938
World Economic Forum. (2023). Future of jobs report 2023. WEF. https://doi.org/10.3929/ethz-b-000614168
.jpg)
.jpeg)
.jpg)
