ALGORITMA MEMILIH TEMPAT PENGUNGSI MEMULAI HIDUP
Pengungsi sering kesulitan mendapat pekerjaan di negara tuan rumah. Di dua puluh negara Eropa, menurut makalah ini, peluang mereka untuk bekerja sekitar 12% lebih rendah dibanding migran yang sebanding, kesenjangan yang bertahan sepuluh hingga lima belas tahun. Bulan-bulan dan tahun-tahun pertama setelah kedatangan paling menentukan, begitu pula di mana seorang pengungsi ditempatkan. Namun di banyak negara, termasuk Swiss, penempatan mengikuti kuota administratif, dan petugas hanya punya sedikit informasi tentang di mana setiap orang akan paling berhasil.
Rekomendasi, bukan keputusan
Pada 2018, Kirk Bansak, Jens Hainmueller, dan rekan-rekan mengusulkan pencocokan pengungsi secara algoritmik. Sebuah model pembelajaran mesin, yang dilatih dengan data kedatangan sebelumnya, memprediksi seberapa besar peluang setiap pengungsi mendapat kerja di setiap lokasi yang mungkin. Sebuah tahap optimasi lalu merekomendasikan penempatan yang memaksimalkan perkiraan tingkat kerja sambil mematuhi semua kuota. Petugas manusia tetap memegang keputusan akhir.
Sampai sekarang, manfaatnya hanya diperkirakan dengan memutar ulang data masa lalu. Studi ini, dipimpin Bansak (University of California, Berkeley), Hainmueller (Stanford University), dan Dominik Hangartner (ETH Zurich), melaporkan apa yang diyakini para penulis sebagai uji coba terkontrol teracak (randomised controlled trial) pertama atas pendekatan ini, dijalankan bersama Sekretariat Negara untuk Migrasi Swiss (SEM), memakai versi awal alat mereka, GeoMatch.
Undian buta di birokrasi sungguhan
Dari Januari 2020 hingga Juni 2023, setiap kasus yang memenuhi syarat — sebuah keluarga atau orang dewasa lajang yang telah menerima status pengungsi atau perlindungan sementara, dan yang dapat ditempatkan di kanton mana pun — ditetapkan oleh komputer ke salah satu dari dua kelompok, 50/50:
- algoritma: kanton yang menurut prediksi GeoMatch akan memaksimalkan peluang kerja;
- kontrol: kanton yang diundi secara acak di antara slot yang tersedia, seperti dalam prosedur biasa.
Petugas penempatan melihat layar yang sama untuk kedua kelompok, dan baik mereka maupun pengungsi tidak tahu sebuah kasus masuk kelompok mana. Setiap kelompok punya salinan kuota yang identik per kanton dan per kewarganegaraan. Rancangan ini menutup satu trik sederhana: algoritma tidak bisa mengirim lebih banyak orang ke kanton dengan pasar kerja yang kuat. Ia hanya bisa memperbaiki kecocokan antara seseorang dan suatu tempat.
Model ini hanya tahu sedikit: jenis kelamin, usia, status perkawinan, ukuran rumah tangga, tanggal kedatangan, kewarganegaraan, dan bahasa ibu. Pendidikan, riwayat kerja, dan kemampuan bahasa tidak tercatat dalam register yang dipakainya. Petugas mengikuti rekomendasi yang ditampilkan sekitar 97% kali.
Sampel akhir: 2.000 kasus, 2.156 orang dewasa, terutama dari Afganistan (54%), Turki (26%), dan Suriah (9%).
Hasilnya
Hasil utama, yang ditetapkan dalam rencana pra-registrasi, adalah porsi bulan bekerja selama tiga tahun pertama. Pada kelompok kontrol, orang dewasa rata-rata bekerja 22,3% dari bulan-bulan itu.
- Semua kohort (2020–2023): +2,2 poin persentase untuk kelompok algoritma, sekitar 10% lebih banyak, dengan selang kepercayaan dari +0,05 hingga +4,3 poin.
- Kohort pasca-Covid (2022–2023): +3,9 poin, sekitar 17% lebih banyak. Uji coba dimulai beberapa minggu sebelum pandemi, dan model dilatih dengan data sebelum pandemi; efek untuk kohort 2020 dan 2021 tidak dapat dibedakan dari nol. Perbandingan per kohort ini tidak termasuk dalam pra-registrasi.
- Bertambah seiring waktu: 36 bulan setelah penempatan, porsi rumah tangga dengan setidaknya satu orang dewasa yang bekerja 5,2 poin lebih tinggi (sekitar 11%).
- Pekerjaan lebih stabil: pekerjaan yang bertahan setidaknya enam bulan, +5,6 poin; kontrak tanpa batas waktu pada tahun ketiga, +4,5 poin.
Murah, memang dirancang begitu
Dengan hanya menghitung keuangan publik — tunjangan yang tak lagi dibayar, ditambah iuran dan pajak — para penulis menilai setiap bulan kerja tambahan senilai sekitar 1.950 franc Swiss. Dengan asumsi biaya operasional 50 franc per orang dewasa, mereka memperkirakan manfaat bersih sekitar 1.300 franc per orang dewasa, rasio kira-kira 27 banding 1. Mereka membandingkan efek pada tahun ketiga dengan program yang menambahkan ratusan jam pelajaran bahasa, sambil menegaskan bahwa algoritma ini bukan pengganti kursus semacam itu.
Mereka menyebut uji coba ini tes yang konservatif: versi alat yang masih awal dan dibekukan, sedikit prediktor, geografi yang kasar, kuota yang ketat, dan hanya separuh kasus yang tersedia untuk dioptimalkan. Apakah versi yang lebih baru dan tak terlalu dibatasi akan berhasil lebih baik masih harus diuji.
Siapa yang membuat, siapa yang menguji
Para penulis mengembangkan sendiri metode GeoMatch. Mereka menyatakan tidak memiliki konflik kepentingan dan tidak menerima pembayaran dari pemerintah Swiss untuk mengembangkan atau mengoperasikan alat ini; penelitian ini didanai oleh Stanford University, yayasan dan lembaga filantropi termasuk Google.org, serta hibah riset Eropa. Di luar soal pengungsi, mereka melihat uji coba ini sebagai bukti lapangan yang langka bahwa alat prediksi dapat memperbaiki keputusan publik yang berdampak besar bila alat itu mendukung, bukan menggantikan, orang-orang yang mengambil keputusan — dan sebagai pengingat bahwa alat semacam itu harus dilatih ulang ketika dunia berubah, seperti yang terjadi pada 2020.
