Sex-disaggregated data, Gender
Statistics
Yulfita Raharjo (Gender Adviser)
OUTLINE PENYAJIAN
•
Latarbelakang
•
Apa Isunya?
•
Mempersamakan Persepsi
•
Sex-disaggregated data, Gender Statistics
2 of 10
Latarbelakang (1)
• INTRO
• The Beijing Platform for Action (1995) dengan 189 Negara -- termasuk Indonesia -- bersepakat untuk memastikan para penghasil maupun pemakai data dan informasi agar mereview sistem statistik resmi mereka secara teratur agar mencakup isu gender; jika perlu direncanakan perbaikan2.
• Sebelumnya The Cairo Programme of Action (1994) memberikan rekomendasi a.l perlunya sex-disaggregated data untuk monitoring
• Response Indonesia
• INPRES no.9 Tahun 2000 tentang melaksanakan PUG (disemua sektor pembangunan tingkat nasional maupun daerah, termasuk dalam data dan
informasi
• Penghasil data seperti BPS, Lembaga Penelitian, Lembaga Swadaya Masyarakat, Lembaga Internasional meresponse positif
Latarbelakang (2)
• PMK Negara Pemberdayaan Perempuan dan Perlindungan No 6 Tahun 2009; No. 5 Tahun 2014 tentang penyelengaraan Data gender;
Pedoman Pelatihan Pengintegrasian Gender dalam Penglolan dan Penyusunan Statistik Gender dan anak, 2015
• Strategi Nasional ditandatangani 4 Menteri tentang Percepatan PUG melalui Perencanaan dan Penganggaran…………..
• Berbagai SK Menteri dikeluarkan berkaitan dg kompilasi dan analisis sex-disaggregated (a.l. Kehutanan; Pertanian;
Pendidikan; Kesehatan, P&U, …..dst
• Juga dikeluarkan Peraturan Daerah (Jawa Tengah, ….)
Apa Isunya (1)?
• Meskipun sudah ada kesepakatan; berbagai dasar hukum; Pelatihan2; berbagai Manual/ Piranti untuk penyelenggaraan, ketersediaan;
pemgumpulan data, analisa gender, penyajian, tetapi pengumpulan sex-disaggregated, gender statistics hasil analisa gender belum melembaga:
• Sex-disaggregated data tidak/belum : dikompilasi teratur & masuk dalam sistem; di ‘updated’; dilakukan analisa (gender) sebagai bagian integral dari proses pembangunan/kegiatan yang responsif gender;
• Hasilnya kebijakan, perencanaan & penganggaran, implementasi dan Monitoring & Evaluasi tidak responsif gender atau disebut juga buta gender;
• Karena mengabaikan kenyataan bahwa menjadi ( perempuan dan menjadi laki-laki bisa mempunyai kebutuhan; kesulitan; pengalaman, aspirasi berbeda;
Apa Isunya (2)
•
Pengumpulan Sex-disaggregated data dan
Pemanfaatanya belum menjadi prioritas; belum
dipahami;
– Sex-disaggregated data yang tersedia masih umum; belum mengacu pada yang relevan/dibutuhkan;
– Bukan sekedar Sex-disaggregated data, tetapi juga berkaitan dengan data apa yang perlu dikumpulkan;metode
pengumpulanya; dan contextual
–
Sex-disaggregated data belum cukup berarti tanpa dikuti analisa (berjenjang).• Data terpilah: data yang dipilah menurut variables (bisa umur; urban-rural; pendidikan; agama; sk, bangsa, atau jenis kelamin);
•Biasanya untuk mengungkapkan pola; trends& informasi lain yang dibutuhkan . Pertanyaan untuk disaggregate data misalnya:
(1) Apakah ada gap dalam memahami matematik di klas A (Bisa berdasarkan jenis kelamin; sosio-ekonomic status; sk. Bangsa) Apakah gap trendnya itu semakin melebar? menyempit? tetap? Bagaimana polanya?Apakah
prestasi siswa laki-laki lebih baik dari siswa perempuan?
(2) Apakah siswa dari keluarga tidak mampu lebih banyak di kelas khusus, daripada dikelas biasa?
• Gender Statistics
7 of 10
Mempersamakan Persepsi
(2)
•
Sex-disaggregated da
ta: data yang dipilah menurut jeniskelamin.
– Dalam konteks gender, sex-disaggregated data (biasanya) dikumpulkan dan dianalis secara terpisah tentang kehidupan laki-laki dan kehidupan perempuan; Karena memang tidak
selalu bermaksud membandingkan; Tetapi lebih untuk
menjawab pertanyan “SIAPA” dan “APA”
• Siapa pembuat keputusan? Siapa yang memiliki dan control manfaat/akses terhadap sumber daya?
• Apa peran dan kewajiban masing-masing individu (sebagai perempuan; sebagai laki-laki)?
Mempersamakan Persepsi
(2):
Sex-disaggregated data Dikumpulkan dan dianalisa untuk memahami situasi kehidupan perempuan dan kehidupan laki-laki lebih lengkap;
Tidak selalu merefleksikan peran & hubungan gender; ketidaksetaraan gender; atau isu gender,
Ketersediaannya diperlukan:
untuk melakukan analisa (gender) sebagai bagian untuk melaksanakan Gender mainstreaming (PUG);
sebagi kunci penting utk melakukan analis gender mengidentifikasikan isu gender/ Gender
Statistics
Mempersamakan Persepsi (3)
Contoh: pemakaian Sex-disaggregated data
Berdasarkan definisi formal, Kep.kel Laki-laki menjadi kepala bagi seluruh anggota kel, termasuk perempuan yang menjadi isterinya;
• Dalam kasus Kep. Kel Perempuan, justru tidak ada/punya laki-laki dewasa;
• Dalam konteks tertentu, Kep. Kel. Perempuan menghadapi banyak masalah , tidak selalu karena jenis kelaminnya, TETAPI lebih karena
peran & kewajiban gender-nya sebagai perempuan yang
disandangnya (isu gender);
• Tidak selau mengandung isu gender (jumlah peserta laki-laki dan jumlah perempuan yang ikut olahraga pagi;
Mempersamakan Persepsi (4)
Gender Statistics
• Hasil analisa lebih lanjut dari Sex-disaggrgated data dan variables lain yang relevant yang merefleksikan isu gender (situasi perbedaan dan
ketidaksetaraan sebagai perempuan dan sebagai laki-laki dalam berbagai kehidupanya (United Nations, 2006);
• Data yang dikumpul berdasarkan atas konsep dan definisi yang
mencerminkan dan mencakup keanekaragaman kehidupan sebagai perempuan dan sebagai laki
• Metode pengumpulan Data memperhitungkan kemungkinan bias ( gender stereotipi; faktor2 social-budaya)
• Gender Statistics tidak selalu mengacu pada Sex-disaggrgated data (MMR; national account)
Mempersamakan Persepsi (5)
• Pemahaman &pemakaian yang rancu untuk istilah ‘jenis kelamin dan ‘gender’, berlanjut di data/statistik;
• Data yang dikumpul sensus, survey, catatan admisnistratif biasanya aggregat atau dipilah menurut jenis kelamin (sex-disaggrgated data)
• Ketika sex-disaggrgated data itu dianalisa identifikasi perbedaan dalam kehidupan laki-laki dan perempuan disebabkan karena peran/ kewajiban dan harapan
sebagai laki-laki dan sebagai perempuan itulah gender statistik ;
• Tidak tepat mengatakan ‘Gender disaggregation’ atau ‘data terpilah menurut gender”
• ‘statistik perempuan’ ; ‘statistik gender’
Sex-disaggregated data, Gender Statistics & Penanggulangan Kemiskinan
Pemanfaatan data
•Pengumpulan, analisa dan pemanfaatan/pemakaian Sex-disaggregated data, Gender Statistics untuk kebijakan/ program Penanggulangan Kemiskinan semakin disadari/ digalakkan/
dimanfaatkan! Lebih fokus!
•Data yang dimaksud bukan sekedar dikumpulkan,
• Tapi data macam apa yang dikumpulkan; bagaimana mengumpulkan; konsep dan definisi yang dipakai; macam pertanyaan yang akan ditanyakan; analisa yang dipakai; bentuk pelaporan, ikut menentukan keberhasilan sumbangan Sex-disaggregated data, Gender Statistics untuk penanggulangan kemiskinan;
•.
Sex-disaggregated data, Gender Statistics &
Penanggulangan Kemiskinan
• Sex-disaggregated kurang berarti tanpa dilengkapi ‘analisa berjenjang’
• Contoh: Data memperlihatkan jumlah anak perempuan terdaftar
disekolah. Siapa yang mereka? Mengapa mereka yang bersekolah? Siapa yang menyelesaikan sekolah; dan mengapa
• Gender statistics lebih dari sex-data disaggregated, hasil analisa gender
• Tapi untuk yang lebih spesifik ( Mis;Penanggulangan Kemiskinan) Perlu analis berjenjang dari sex-data disaggregated dan Gender statistics:
• Apa penyebab langsung; apa sebab tak langsung
• Apa sebab yang mendasari; apa sebab dasarnya
KONSEP & METODE YANG DIPAKAI (1)
• Konsep Tidak bias gender,
• atas dasar pandangan, prasangka yg belum tentu benar,
sterotipi (Mis:memandang pencari nafkah itu tidak selalu laki-laki; Tidak memandang Kepala keluarga sebagai responden sebagai wakil/ atas nama anggota keluarga; Tidak memandang miskin pada laki-laki dan pada perempuan mempunyak
kebutuhan yang sama; menghadapi kesulitan; pengalaman yang sama;
• Membuka data/informasi yangyang ‘tersembunyi”
• Menerima bahwa peran/ tanggung jawab berdasarkan gender itu beragam
15 of 10
KONSEP & METODE YANG DIPAKAI (2)
Metode pengumpulan data responsif gender• Selalu melihatnya dengan memakai lensa gender
• Sex-data disaggregated yang tersedia dari Census, survey,studi,
pencatatan administrasi, dst serta Gender Statistics mungkin perlu pendalaman dengan memakai berbagai cara pengumpulan data
lanjutan yang relevant
• Perlu analisis berjenjang: identifikasi penyebabnya, dan masing-masing jenjang dengan rekomendasi
