Dokumen ini membahas statistik kependudukan demografi, mencakup proses seperti fertilitas, mortalitas, dan migrasi untuk proyeksi jumlah penduduk. Metode estimasi dan proyeksi dipaparkan dengan rumus matematis serta analisis rasio jenis kelamin, kelahiran, dan kematian. Selain itu, dokumen juga menjelaskan perhitungan dan perapihan struktur umur untuk evaluasi data kependudukan.

1. Statistik
Kependudukan
Demografi,
diartikan sebagai studi statistik dan matematik terhadap
besaran, komposisi, sebaran, serta perubahan-
perubahannya yang terjadi dari waktu ke waktu pada
populasi manusia melalui berlangsungnya lima proses:
fertilitas, mortalitas, perkawinan, migrasi, dan mobilitas
sosial (Bogue 1969: 1-2)
Dokter KotaDokter Kota

2. Kebutuhan informasi tentang jumlah
penduduk di masa yang akan datang
sebagai dasar pembuatan perencanaan
pembangunan.
Estimasi dan proyeksi penduduk untuk
memenuhi kebutuhan informasi jumlah
penduduk di masa yang akan datang.

3.  Merupakan produk dari interaksi antara fertilitas,
mortalitas, dan migrasi di masa lalu.
 Merupakan karakteristik seseorang yang tidak berubah
sejak lahir hingga mati.
Komposisi jenis kelamin
Sex ratio = ------------------------------------------ x 100
Jumlah penduduk laki-laki
Jumlah penduduk perempuan

4. Analisa Rasio Jenis Kelamin
Rasio jenis kelamin (sex ratio)
Sex ratio= 100, berarti jumlah penduduk laki-laki
seimbang dengan jumlah penduduk
perempuan
Sex ratio < 100, berarti jumlah penduduk laki-laki lebih
kecil dari pada jumlah penduduk
perempuan
Sex ratio > 100, berarti jumlah penduduk laki-laki lebih
besar dari pada jumlah penduduk
perempuan

5. Mortalitas
Ukuran yang sering dipakai adalah
CDR (crude death rate):
ASDR (age specific death rate):
IMR (infant mortality rate):
CDR = ---------------------------------------------- x 1000
Jumlah kematian selama 1 tahun
Jumlah penduduk pertengahan tahun
ASDR = ---------------------------------------------------x 1000
Jml kematian umur (x) slm 1 tahun
Jml penduduk umur (x) pertengahan thn
IMR = -------------------------------------------------------x 1000
Jml kematian bayi (umur < 12 bln) slm 1 thn
Kelahiran slm satu tahun

6. Angka harapan hidup, yaitu rata-rata jumlah tahun (umur)
yang diharapkan dilalui oleh seseorang sejak ia lahir, apabila
ia hidup dalam lingkungan dengan pola kematian spesifik
yang terjadi pada saat itu.
Angka harapan hidup sangat dipengaruhi oleh tingkat
kematian bayi dan anak, karena kematian pada saat itu
berarti hilangnya peluang untuk hidup yang lebih
panjang.
Makin rendah tingkat kematian bayi, makin tinggi rata-rata
angka harapan hidup. Sebaliknya, makin tinggi tingkat
kematian bayi, makin rendah rata-rata angka harapan hidup.
Angka harapan hidup diperoleh/dihitung berdasarkan
“life table” yang sesuai dengan kelompok populasi
Expectation of life

7. Fertilitas
Ukuran-ukuran fertilitas
CBR (crude birth rate):
ASFR (age specific fertility rate):
TFR (total fertility rate): yaitu rata-rata anak yang
dilahirkan oleh seorang perempuan sepanjang kemampuan
reproduksinya. Biasanya umur reproduksi adalah 15-49
tahun. Secara matematis, TFR adalah jumlah ASFR.
CBR = ------------------------------------------------ x 1000
Jumlah kelahiran hidup selama 1 tahun
Jumlah penduduk pertengahan tahun
ASFR = -------------------------------------------- x 1000
Jumlah kelahiran pada ibu umur (x)
Jumlah wanita umur (x)

8.  Hanya melihat perbedaan tempat tinggal sekarang dan
tempat lahir (migrasi semasa hidup).
 Hanya melihat perbedaan tempat tinggal sekarang dan
tempat tinggal lima tahun yang lalu (migrasi risen).
 Hanya melihat perbedaan tempat tinggal sekarang dan
tempat tinggal terakhir sebelumnya.
Migrasi
Tidak seperti kelahiran atau kematian yang hanya terjadi
sekali pada setiap individu, migrasi dapat terjadi berulang-
ulang

9. Migrasi Semasa Hidup (A lifetime Migrant)
Seseorang dikatakan migran semasa hidup jika propinsi atau
kabupaten/ kodya tempat ia dilahirkan berbeda dengan
propinsi atau kabupaten/kodya tempat tinggalnya sekarang
(pada saat pencacahan). Dengan demikian angka migrasi
semasa hidup dapat dihitung dengan cara sebagai berikut:
Msh = Migrasi semasa hidup di suatu propinsi
Pd = Jumlah penduduk yang propinsi tempat lahirnya berbeda dengan
propinsi tempat tinggalnya sekarang
P = Jumlah penduduk pertengahan tahun di suatu propinsi tujuan
M sh = ------- x 1000
Pd
P

10. Migrasi Risen (Recent Migration)
Seseorang dikatakan sebagai migran risen, yaitu apabila
propinsi tempat tinggal lima tahun yang lalu berbeda dengan
propinsi tempat tinggal sekarang (pada saat pencacahan).
Selanjutnya, apabila mereka yang dikategorikan sebagai
migran risen tersebut ditimbang dengan penduduk
pertengahan tahun, akan diperoleh angka migrasi risen
(Recent Migration Rate = RMR), atau
Pd5 = Banyaknya penduduk yang propinsi tempat tinggalnya 5 tahun
yang lalu berbeda dengan propinsi tempat tinggalnya sekarang
P = Jumlah penduduk pertengahan tahun
RMR = ------- x 1000
Pd5
P

11. Migrasi Total (Total Migration = TM)
Seseorang dikatakan sebagai migran total (MT) apabila
propinsi tempat tinggal sebelumnya berbeda dengan
propinsi tempat tinggal sekarang, jika mereka yang
tergolong ke dalam migrasi total tersebut ditimbang dengan
jumlah penduduk pertengahan tahun, maka akan diperoleh
Angka Migrasi Total (AMT), atau:
MT = Jumlah penduduk yang propinsi tempat tinggalnya sekarang
berbeda dengan propinsi tempat tinggal sebelumnya
P = Jumlah penduduk pertengahan tahun
AMT = ------- x 1000
MT
P

12. Estimasi penduduk
Estimasi penduduk adalah perkiraan
penduduk antar sensus atau segera setelah
sensus.
Hanya memberikan perkiraan jumlah
penduduk.
Dua cara yang biasa digunakan dalam
estimasi penduduk; metode matematik dan
metode komponen

13. Metode matematik
Menggunakan fitting curve data sensus untuk
menggambarkan perubahan penduduk antara dua
sensus.
Perubahan penduduk digunakan untuk
mengestimasi jumlah penduduk antara dua sensus
atau setelah sensus dilaksanakan.
Pola pertambahan penduduk yang sering dipakai
adalah pola pertambahan penduduk menurut
kurva geometrik dan eksponensial.

14. Geometrik dan Eksponensial
 Geometrik :
Pt = Po (1+r)t
r = 1-anti log {(log Pt/Po)/t}
 Eksponensial :
Pt = Poert
r = 1 / t (2.3026) * log (Pt/Po)

15. Contoh perhitungan estimasi penduduk :
Jumlah penduduk Indonesia 1990 = 178631 196,
2000 = 205 842 396,
Laju pertumbuhan penduduk = 1.49
Geometrik
Pt = Po (1 + r)t
P2001=178631196 (1 + 0.0149)11
P2001 = 210 190 500
Eksponensial
Pt = P0
ert
P2001=178631196(2.71828)0.0149 *11
P2001 =178 631 196*(2.71828)0.1639
P2001 =178 631 196*1.1781
P2001 = 210 445 412
Geometrik
Pt = Po (1 + r)t
P1998=178 631 196 (1 + 0.0149)8
P1998 = 201 068 170
Eksponensial
Pt = P0
ert
P1998 = 178631196 (2.71828)0.0149* 8
P1998 = 178631196*(2.71828)0.1192
P1998 =178 631 196*1.1266
P1998 = 201 245 905

16. Metode komponen
P1
= Po + B1
– D1
+ I1
– O1
Po = Penduduk pada tahun 0 (tahun dasar)
B1
= Kelahiran selama 1 tahun
D1
= Kematian selama 1 tahun
I1
= Migrasi masuk selama 1 tahun
O1
= Migrasi keluar selama 1 tahun

17. Proyeksi penduduk
Proyeksi penduduk bukan merupakan
ramalan jumlah penduduk tetapi suatu
perhitungan ilmiah yang didasarkan pada
asumsi dari komponen-komponen laju
pertumbuhan penduduk, yaitu kelahiran,
kematian, dan perpindahan (migrasi).

18. Tahapan perhitungan proyeksi penduduk
Penentuan data dasar dan perapihan
penduduk
Penentuan asumsi kelahiran, kematian, dan
perpindahan
Perhitungan proyeksi
Iterasi

19. Kenapa harus dilakukan perapihan struktur
umur ?
 Tiga kesalahan dalam pelaporan umur :
1. Kesalahan penuturan umur (age misstatement)
2. Digit Preference (kecenderungan untuk
melaporkan umur yang berakhiran nol dan
lima)
3. Under-estimate untuk kelompok umur tertentu
(kelompok umur di bawah lima tahun,
kelompok umur tua, dan kelompok umur usia
muda)

20. Cara untuk mengevaluasi struktur umur
penduduk
Menggambar piramida penduduk untuk melihat
age heaping
Menghitung Whipple’s Index untuk mengukur
sejauh mana kecenderungan responden
melaporkan umur yang berakhiran 0 atau 5
Menghitung Myer’s Index untuk mengevaluasi
kecenderungan pelaporan umur yang berakhiran
1 sampai dengan 9
Menghitung United Nation’s Index untuk melihat
keakurasian umur dan jenis kelamin

21. PIRAMIDA PENDUDUK BANGKA BELITUNG
Tahun 2000 (Dalam Ribu)
Hasil SP2000
75+
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
02468101214 0 2 4 6 8 10 12 14
Laki-laki Perempuan

22. Whipple Index
100*
)(5/1
)60()55()50()45()40()35()30()25(
62
23∑ =
+++++++
=
i
iP
PPPPPPPP
IndexWhipple

23. Batasan nilai Whipple’s Index
Nilai dari whipple’s index bervariasi dari 0
sampai dengan 500
Nilai Whipple’s Index = 100 berarti tidak ada
kecenderungan untuk menyebutkan umur pada
angka tertentu
Nilai Whipple’s index = 500 berarti semua orang
melaporkan umurnya dalam umur yang
berakhiran 0 atau 5
Nilai Whipple’s Index antara 0 dan 100 berarti
ada kecenderungan untuk menghindari angka
yang berakhiran 0 atau 5

24. Contoh perhitungan Myers Index
Terminal
Digit (a)
Pddk. dg Terminal
Digit (a) (000)
Penimbang Untuk Blended Population Deviasi dari 10
%
Mulai
pada
umur (a)
Mulai
pada
umur
(a+10)
Kolom 2 Kolom 3 Jumlah %
distri-
busi
(1) (2) (3) (4) (5) (6) (7) (8)
5 9 732 7 859 1 9 80 463 19.05 + 9.05
6 5 014 3 060 2 8 34 508 8.17 - 1.83
7 4 639 2 750 3 7 33 162 7.85 - 2.15
8 4 996 3 136 4 6 38 800 9.19 - 0.81
9 3 628 1 190 5 5 27 690 6.56 - 3.43
0 10 258 8 496 6 4 95 532 22.62 + 12.62
1 3 548 2 326 7 3 31 814 7.53 - 2.47
2 3 390 1 875 8 2 30 870 7.31 - 2.69
3 2 637 1 437 9 1 25 170 5.96 - 4.04
4 2 435 1 232 10 0 24 350 5.77 - 4.23
Total - - - - 422 364 100.0 43.32

25. Batasan nilai Myer’s Index
Berdasarkan contoh tadi :
Myer’s Index = ½ * 43.32 % = 21.66 %
Jika nilai Myer’s index lebih kecil dari 10
% berarti pelaporan umur data tersebut
cukup baik
Jika nilai Myer’s index lebih besar atau
sama dengan 10 % berarti pelaporan umur
data tersebut tidak baik

26. (1) (2) (3) (4) (5) (6) (7) (8) (9)
0 - 4 10,315,063 9,957,543 103.6
5 - 9 11,404,555 11,033,568 103.4 -0.2 108.2 8.2 108.6 8.6
10 - 14 10,766,647 10,358,958 103.9 0.6 97.9 -2.1 96.0 -4.0
15 -19 10,599,877 10,558,513 100.4 -3.5 103.5 3.5 102.3 2.3
20 - 24 9,712,740 10,282,334 94.5 -5.9 98.6 -1.4 102.3 2.3
25 - 29 9,091,759 9,548,835 95.2 0.8 100.3 0.3 101.9 1.9
30 - 34 8,415,548 8,466,725 99.4 4.2 101.4 1.4 99.8 -0.2
35 - 39 7,502,455 7,421,006 101.1 1.7 100.8 0.8 101.8 1.8
40 - 44 6,466,253 6,117,462 105.7 4.6 102.2 2.2 101.2 1.2
45 - 49 5,148,536 4,671,099 110.2 4.5 99.7 -0.3 96.0 -4.0
50 - 54 3,865,074 3,611,995 107.0 -3.2 95.1 -4.9 95.0 -5.0
55 -59 2,983,980 2,931,244 101.8 -5.2 94.2 -5.8 94.6 -5.4
60 - 64 2,472,669 2,584,091 95.7 -6.1 103.3 3.3 104.7 4.7
65 - 69 1,804,886 2,006,798 89.9 -5.7 96.6 -3.4 101.0 1.0
70 - 74 1,264,264 1,389,060
46.3 37.8 42.3
3.6 2.9 3.3
CONTOH PENGHITUNGAN UNITED NATION INDEX
Age Group
Reported Number Analysis of sex-rat ios
Analysis of age- Analysis of age-ratios
(Males) (Females)
Ratios
Deviation
from 100
Males
Deviat ion
from 100
Total (irrespective of sign)
Females Ratios
Successive
Difference
Ratios
Mean ( t otal devided by 13)
Index (3 times mean difference sex-ratios plus
mean deviation of male and female age-rat ios)
16.8

27. Batasan nilai UN Index
Jika UN Index < 20 berarti pelaporan umur
data tersebut akurat
Jika UN Index 20 – 40 berarti pelaporan
umur data tersebut tidak akurat
Jika UN Index > 40 berarti pelaporan umur
data tersebut sangat tidak akurat.

28. Perapihan Umur
1.Kelompok umur 10-64 tahun dengan metode UN yang disusun dalam
paket komputer Micro Computer Programs for Demographic Analysis
(MCPDA) :
5
Px
*
= 1/16 (-5
Px-10
+ 45
Px-5
+ 105
Px
+ 45
Px+5
- 5
Px+10
)
5
Px
*
= Jumlah penduduk yang telah dirapihkan menurut
kelompok umur lima tahunan.
5
Px
= Jumlah penduduk dari data dasar menurut kelompok umur
lima tahunan.
2. Kelompok umur 65 tahun ke atas dengan menggunakan distribusi
penduduk 65 tahun ke atas dari suatu negara yang penduduknya
sudah stabil.
3. Kelompok umur 0-4 dan 5-9 tahun dengan menggunakan data
kelahiran waktu lampau

29. Asumsi
 Asumsi fertilitas dan mortalitas dibuat berdasarkan tren
tingkat fertilitas di masa lalu dan kebijakan pemerintah
yang berhubungan dengan fertilitas
 Asumsi mortalitas juga berdasarkan tren tingkat
mortalitas di masa lalu dan kebijakan pemerintah
sehubungan dengan tingkat kematian bayi
 Karena sulitnya menentukan asumsi migrasi, biasanya
pola migrasi untuk masa yang akan datang dianggap sama
dengan pola migrasi data yang dipakai.
 Dalam penentuan setiap asumsi kondisi spesifik daerah
juga diperhatikan.

30. Perhitungan Proyeksi dan iterasi
Perhitungan proyeksi menggunakan
software program komputer yaitu “Fivsin”
Input program ini adalah :
- Penduduk menurut kelompok umur
- TFR dan ASFR
- Level kematian

31. Perhitungan proyeksi dan
iterasi
 Perhitungan proyeksi penduduk dilakukan secara
berjenjang. Mula-mula dihitung proyeksi penduduk
Indonesia, kemudian proyeksi penduduk per propinsi,
baru proyeksi per kabupaten/kota.
 Jumlah penduduk hasil proyeksi per propinsi harus sama
dengan jumlah penduduk hasil proyeksi Indonesia. Begitu
juga jumlah penduduk hasil proyeksi kabupaten/kota
harus sama dengan jumlah penduduk hasil proyeksi untuk
propinsi yang bersangkutan.
 Untuk menyamakan jumlah penduduk dari hasil setiap
proyeksi harus dilakukan iterasi.

32. Hasil Proyeksi
 Hasil Proyeksi dengan program “Fivsin” adalah :
- Penduduk menurut kelompok umur dan jenis kelamin
- Parameter demografi :
Total Fertility Rate (TFR)
Infant Mortality Rate (IMR) menurut jenis kelamin
Expectation of Life at birth (E0) per jenis kelamin
Crude Birth Rate (CBR)
Crude Death Rate (CDR)
Rate of Natural Increase (RNI)

33. Hasil Proyeksi
Seringkali jumlah penduduk di masa akan
datang yang diperlukan adalah jumlah
penduduk umur tunggal. Untuk memecah
penduduk menurut kelompok umur
menjadi umur tunggal (1 tahunan)
digunakan metode yang disebut Karrop-
King

34. Proyeksi sangat tergantung
dengan ketepatan dalam
menentukan asumsinya.
http://dokter-kota.blogspot.comhttp://dokter-kota.blogspot.com