Mafia BBM Mainkan Subsidi

Leave a comment

GATRA Edisi 38/2010 (GATRA/Tim Desain)

Jutaan kiloliter BBM bersubsidi dijarah mafia BBM. Mekanisme distribusi BBM subsidi memang bermasalah. Pada tahun 2008 saja, BBM bersubsidi yang diduga diselewengkan mencapai 47,1 juta liter. Angka itu, menurut Bambang Widjajanto, tenaga ahli BPK bidang pengembangan pemeriksaan migas, didapat dari temuan BPK atas penyaluran BBM subsidi di beberapa daerah. Selain salah sasaran, kebanyakan penyaluran BBM subsidi dimanipulasi oleh pihak-pihak yang diduga sebagai bagian dari mafia BBM. Mafia BBM subsidi ini juga diduga melibatkan oknum pegawai Pertamina.

Menurut Bambang, sektor angkutan laut menjadi kontributor terbesar dalam penyelewengan BBM subsidi, yaitu mencapai 25,4 juta liter. Angka sebesar itu terdiri atas kelebihan penyaluran BBM subsidi bagi kapal ikan, pasokan BBM subsidi bagi kapal yang ke luar negeri, hingga pemalsuan dokumen. “Ada pula data kapal yang sedang rusak atau docking tapi tetap menerima pasokan BBM,” kata Bambang. Namun kasus yang cukup menyita perhatian BPK, menurut Bambang, menyangkut penyaluran BBM subsidi di Pelabuhan Tanjung Priok.

Dalam kasus itu, Pertamina dan negara diperkirakan mengalami kerugian hingga 2,7 juta liter BBM. Kerugian itu berasal dari manipulasi data dan rekayasa kapal oleh sejumlah perusahaan fiktif. Dokumen atas nama kapal MV Sanhai 19, KM Radar Samudera V, KM Winnari 108, KM Sanhai 8, KM Layang Samudra, KM Tirtana CT, dan KM Niaga Banda CT 7, setelah diperiksa BPK, penuh rekayasa dan fiktif.

Anehnya, perusahaan dan nama kapal yang ditemukan BPK itu sudah terjerat kasus sama pada 2007. Sehingga muncul dugaan perbuatan tercela itu melibatkan orang dalam Pertamina. Bahkan, kerugian yang diderita pemerintah dan Pertamina mencapai lebih dari 6,2 juta liter. “Kami sudah melaporkan ke Mabes Polri dan sudah mendapat konfirmasi (dari Kabareskrim), bahwa kasusnya sudah masuk tahap penyidikan,” kata Bambang.

BPK menengarai adanya mismanajemen dalam penyaluran BBM bersubsidi oleh Pertamina. Anggota BPK Ali Masykur Musa mengatakan, audit BPK yang dilakukan pada 2001 hingga 2008 berhasil mengoreksi besaran subsidi BBM yang diajukan Pertamina sebesar Rp 18,3 trilyun. Koreksi atas pengajuan subsidi oleh perusahaan pelat merah itu, menurut BPK, berpotensi merugikan negara. “Banyak laporan Pertamina yang tidak akurat,” Ali Masykur Musa menegaskan.

Nilai koreksi BPK itu, menurut mantan anggota DPR dari Fraksi PKB ini, jauh lebih besar dibandingkan dengan proyeksi penghematan yang ditargetkan pemerintah dalam program pengendalian konsumsi BBM bersubsidi, September mendatang. Pemerintah menargetkan dapat menghemat BBM subsidi sebesar 2,3 juta kiloliter. Karena itu, Ali Masykur meminta pemerintah memperbaiki kinerja pengawasan di Pertamina, untuk mengurangi bocornya BBM subsidi sebelum menjalankan program pembatasan BBM bersubsidi.

Pendapat itu sejalan dengan pandangan anggota Komisi VII DPR, Satya W. Yudha. Menurut kader Partai Golkar ini, wacana pembatasan BBM bersubsidi justru akan meningkatkan penyelewengan BBM bersubsidi nantinya. Apalagi, menurut Satya, “Indonesia telah gagal dalam pendistribusian BBM subsidi.”

Pihak Pertamina yang diwakili Direktur Pemasaran dan Niaga, Djaelani Sutomo, membantah jika pihaknya alpa dalam penyaluran BBM subsidi. Khusus di pelabuhan, menurut Djaelani, pihak yang berkepentingan sangat banyak. Begitu pula syarat-syaratnya. Seperti instansi pelabuhan, kategori kapal asing atau bukan, volume, surat izin berlayar, serta surat trayek. Ini melibatkan wewenang di luar Pertamina. “Artinya banyak pernik-pernik yang harus dipenuhi perusahaan pelayaran,” kata Djaelani Sutomo. Begitu pula menyangkut sanksi, Pertamina menolak jika dikatakan lemah. Menurut Djaelani, sanksi akan diberikan bila memang terbukti industri meraup BBM bersubsidi.

Sumber: majalah Gatra
Hendri Firzani, Sandika Prihatnala, dan Birny Birdieni
[Laporan Utama, Gatra Nomor 38 Beredar Kamis, 29 Juli 2010]

Advertisements

About my job

Leave a comment

Memulai suatu pekerjaan setelah sekian lama ditinggalkan hampir sama dengan memulai pekerjaan yang baru. Setelah kira-kira dua tahun lebih pekerjaan ini aku tinggalkan, aku mencoba lagi peruntunganku di lahan yang serkian lama aku tinggalkan.  Pada waktu lalu aku tidak begitu hectic dan terkubur dengan rutinitas pekerjaanku, kini aku coba merangkainya kembali. Situasi di tempat kerja sudah banyak yang berubah. Yang dulu polan kini tekah menjadi jumawa. Yang dulu jumawa kini beberapa menjadi pesakitan. Pokoknya komplit dech. Muka-muka baru datang, muka lama banyak juga yang tekah menghilang pindah ke begian lain.

Aku kembali memulai dengan suatu definisi:
Pekerjaanku pada intinya adalah bagaimana caranya mengkomunikasikan ide dalam otak kita menjadi sesuatu yang kongkrit. Komunikasi ide ini perlu didukung dengan bahasa lisan dan tulisan yang harus memadai. Ide yang aku sampaikan tentunya harus didukung oleh evidence (bukti) yang cukup kuat.  Yang cukup merepotkan dari komunikasi ide kita karena nasib dari orang yang dimana ide kita tertuju akan menjadi taruhannya.

Jika nggak ingin ide kita dibilang lemah maka harus mendukungnya dengan berbagai sumber teoretis, yuridis, dan praktis yang sangat logis. Kita harus pandai mengkomunikasikan ide kita dengan bahasa verbal dan numerik. Komunikasi ide bukan hanya disampaikan secara langsung ke pihak yang bersangkutan tetapi melalui tingkatan-tingkatan pejabat yang terkait dengan kasus/ ide yang kita ungkapkan.

Menjalankan profesi ini sama dengan suatu permainan politik petak umpet. Kadang-kadang apa yang kita bilang salah hari ini menjadi benar beberapa waktu kemudian. Dengan demikian kita harus selalu jitu dalam menerapkan  evidence dan rumusnya.

Ide yang sering aku sampaikan pasti akan selalu ada sanggahannya karena menyangkut penilaian baik dan buruknya kinerja bahkan nasib orang lain. Walaupun kinerja mereka yang aku nilai telah ada panduannya namun memulai menyampaikan ide dengan bahasa yang sederhana lalu mengembangkannya dengan apik merupakan tantangan yang cukup besar. Jika anda bilang “anda salah” maka orang lain pasti bilang “salah apa? mengapa saya salah” dari pertanyaan sederhana seperti inilah kelihaian orang-orang yang berprofesi seperti diriku diuji. Inti dari pekerjaanku adalah membuktikan kesalahan orang lain. Cara pembuktian inilah yang akan membedakan kualitas para profesional seperti diriku.

Sampling Audit (part 2), guidance dari NAO.UK

Leave a comment

Issue mengenai Hukum Kerahasiaan Data

Seringkali database atau file komputer pemerintah dapat digunakan untuk mengidentifikasi populasi dan memilih sampel. Anda harus yakin bahwa data yang diambil akurat, handal, dan dapat diakses, dan yang penting juga adalah memiliki izin untuk menarik sample. Hukum kerahasiaan data mengharuskan kita untuk mendapatkan persetujuan dari departemen yang diperiksa.

Lanjutan mengenai ukuran sample

Masih mengenai sample, pembatasan yang praktis sering menjadi kunci utama penentuan sample. Ukuran sample antara 50 – 100 seharusnya dapat menjamin bahwa hasilnya nanti cukup bisa diandalkan untuk berbagai tujuan. Meskipun dalam hal tertentu sample berjumlah 30 sudah dianggap cukup. Sample yang lebih kecil daripada 30 hanya masuk dalam kriteria khusus dimana inferensi statistik untuk populasi tidak dapat dibuat.

Keputusan mengenai desain sample dan metodologinya harus didiskusikan oleh semua pihak yang terlibat untuk menjamin adanya kesepakatan semua tahapan audit dan untuk menghindari masalah dalam penyelesaian audit.

Tabel di bawah ini menunjukkan ukuran sample yang diperlukan untuk mendapatkan akurasi yang bergantung pada proporsi populasi menggunakan random sampling sederhana. Sebagai contoh, untuk 5% presisi dengan proporsi populasi 70% maka ukuran sample 323 diperlukan untuk mendapatkan tingkat keyakinan sebesar 95%.


http://www.nao.org.uk/publications/Samplingguide.pdf

Sampling Audit (part 1), guidance dari NAO.UK

3 Comments

Mengumpulkan dan memeriksa semua data yang tersedia bukanlah sesuatu yang efektif dari segi biaya dan juga tidaklah praktis. Sebaliknya, sangatlah perlu untuk menarik sample dari keseluruhan populasi untuk memungkinkan pemeriksaan yang terinci dapat dilakukan. Sample diambil karena beberapa alasan; sebagai contoh untuk menarik inferences (kesimpulan) dari keseluruhan populasi atau untuk menarik contoh yang ilustratif dari beberapa jenis behaviour.

“Sampling menyediakan alat untuk mendapatkan informasi tentang populasi tanpa harus memeriksa keseluruhan populasi.”

Caveat

Sampling menyediakan metodologi yang valid dan dapat dipertahankan tetapi menjadi lebih penting untuk mencocokkan jenis sample yang diperlukan dengan analisa yang kita lakukan. Auditor harus berhati-hati untuk memeriksa kualitas informasi dari sample yang diambil. Jika kulitasnya tidak bagus maka sampling tidak dapat diterima.

Apakah kita benar-benar membutuhkannya?

Di NAO UK, dari 31 laporan yang diterbitkan akhir Juli 1999- 2000, ada 7 contoh yang menggunakan judgemental sampling untuk ilustrasi case study dan 24 contoh sampling untuk mernarik inferences dari keseluruhan populasi, dimana 19 diantaranya berbasis survey.

Apakah sampling bisa menyediakan evidence yang kuat?

Di bidang kesehatan, empat studi memperluas penggunaan samp[ling dan teknik survay untuk membentuk evidence yang diidentifikasi secara potensial dapat mengamankan keuangan sampai sejumlah 400 juta pound dan mungkin saving tahunan sebesar 150 juta pound.

Design Sampling

Design sample meliputi metode seleksi, struktur sample dan perencanaan untuk menganalisa dan menginterpretasikan hasilnya. Design sample bervariasi dari yang sederhana sampai yang kompleks dan bergantung pada jenis informasi yang diperlukan dan bagaimana sample dipilih. Desain ini akan berdampak pada ukuran sample dan bagaiaman cara melakukan analisis data.

Dalam istilah yang sederhana semakin kita membutuhkan precision (keakuratan) dan semakin kompleks desain yang kita buat maka ukuran sample akan semakin besar. Desain mungkin dapat membuat karakteristik populasi menjadi lebih dapat dipahami, tetapi tidak perlu harus terwakili secara proporsional. Mungkin perlu untuk menasik sample yang lebih banyak daripada yang dibutuhkan dari beberapa bagian populasi; sebagai contoh, memilih yang lebih banyak dari kelompok minoritas untuk menjamin mendapatkan data yang cukup untuk analisis group tersebut.

Banyak desain sample yang dibangun di seputar seleksi random. Hal ini memungkinakan inference yang layak dari sample ke populasi, pada tingkat keakuratan yang terkuantifikasi. Berkaitan dengan aspek lain dari desain, seleksi random meyediakan proteksi terhadap bias dalam memilih, sementara judgemental tidak dapat menghindarkan dari bias. Tetapi, seleksi random mungkin tidak selalu menyediakan apa yang dibutuhkan danb dalam kasus tertentu harus lebih diperhatikan untuk mencocokkan dengan tujuan audit untuk menghindari bias yang tidak diinginkan.

Mendefinisikan populasi

Langkah pertama desain sample yang baik adalah memastikan bahwa spesifikasi populasi yang menjadi target jelas dan selengkap mungkin untuk memastikan semua elemen dalam populasi terwakili. Populasi target disample menggunakan kerangka sampling. Sering unit dari populasi dapat diidentifikasi dari informasi yang ada: sebagai contoh, penggajian, daftar perusahaan, register pemerintah dsb. Kerangka sampling (frame sampling) dapat juga bersifat geografis; misalnya berdasarkan kode pos.

Semua frame sampling pasti mengandung beberapa kekurangan (defects), meskipun ada garansi/jaminan dari penyedia data. Biasanya ada beberapa cara untuk mengatasi hal ini, sebagai contoh merubah daftar, memilih sample yang lebih besar, dan menghapus sample yang tidak layak. Atau menggabungkan informasi dari berbagai sumber, atau menggunakan proxy data.

Ukuran sample

Untuk semua desain sample, memutuskan ukuran sample yang sesuai bergantung pada lima faktor kunci yang disajikan di bawah ini. Penting untuk mempertimbangkan faktor-faktor ini secara bersama untuk mencapai keseimbangan dan memastikan bahwa tujuan melakukan sample terpenuhi. Tidak ada estimasi yang diambil dari sebuah sample diharapkan pasti, kesimpulan dari populasi akan mengandung margin of error. Semakin baik desain, margin of error semakin rendah dan semakin baik akurasinya.

Jumlah variabilitas dari populasi seperti range nilai atau opini, akan berdampak pada akurasi dan selanjutnya ukuran sample diperlukan ketika mengestimasi sebuah nilai. Semakin banyak variabilitas, semakin rendah akurasi dari estimasi dan semakin besar sample yang harus diambil.

Confidence level, adalah tingkat keyakinan bahwa hasil yang didapatkan dari sample berada pada keakuratan yang diinginkan. Umumnya kita menggunakan 95% confidence untuk menyediakan kesimpulan yang kuat, tetapi jika anda hanya ingin mendapatkan indikasi dari nilai suatu populasi maka confidence level yang lebih rendah, say 90% dapat diterima.

Ukuran populasi umunya tidak berdampak pada ukuran sample. Kenyataannya, semakin besar ukuran populasi semakin rendah proporsi populasi yang perlu untuk diambil samplenya agar bisa terwakili. Hanya jika ukuran sample yang diusulkan lebih dari 5% dari populasi, maka ukuran populasi menjadi bagian dari rumus untuk menghitung ukuran sample.

Jika anda mencari atribut sample sebagai lawan dari menghitung nilai rata-rata, proporsi populasi yang menampilkan atribut yang anda cari adalah faktor akhir untuk pertimbangan kita. Ini didapatkan dari estimasi informasi yang diketahui dari populasi, sebagai contoh proporsi rumah sakit yang mempertimbangkan waiting lists yang menjadi suatu problem.

kata kunci: (Margin of error/Precision, The population proportion, variability in the population, confidence level)

http://www.nao.org.uk/publications/Samplingguide.pdf