BAB I

Pertumbuhan Penduduk Pertumbuhan Penduduk adalah keseimbangan dinamis antara kekuatan-kekuatan yang menambah dan kekuatan-kekuatan yang mengurangi jumlah penduduk.

A. Faktor yang mempengaruhi pertumbuhan penduduk : a) Faktor alami b) Faktor nonalami : kelahiran,kematian : migrasi (imigrasi,emigrasi)

B. Mengukur pertumbuhan penduduk : a) Pertumbuhan penduduk alami (Natural increase) Pertumbuhan penduduk alami adalah selisih jumlah kelahiran dengan jumlah kematian. Rumus :

T=(L–M)
Keterangan: T= pertambahan penduduk L= jumlah kelahiran M= jumlah kematianan Contoh soal : Misalkan pada tahun 2006 angka kelahiran kasar penduduk Pulau jawa 50.000 jiwa dan angka kematiannya 20.000 jiwa. Berapakah perumbuhab penduduk alami pulau jawa? Jawab : T=L–M = 50.000 – 20.000 = 30.000 jiwa Jadi pertumbuhan penduduk alami pulau jawa pada tahun 2005 adalah 30.000 jiwa. b) Pertumbuhan Penduduk Total Berbeda dengan pertumbuhan penduduk alami,pertumbuhan penduduk total memperhitungkan migrasi (imigrasi & emigrasi). Rumus :

T=(L–M)+(I–E)

diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk. tetapi juga informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei. persebaran penduduk.000. pertumbuhan penduduk dikatakan sedang jika T antara 1 – 2 %. dan susunan penduduk menurut umur. BAB II Proyeksi Penduduk Dalam rangka perencanaan pembangunan di segala bidang. pertumbuhan penduduk dikatakan tinggi jika T di atas 2 %.000 jiwa.Keterangan: T= pertambahan penduduk L= jumlah kelahiran M= jumlah kematianan I = jumlah imigrasi E = jumlah emigrasi Contoh soal : Misalkan jumlah kelahiran kasar penduduk pulau jawa pada ahun 2007 adalah 50. Pertumbuhan penduduk dikatakan rendah jika T kurang dari 1%. Pertumbuhan penduduk dapat digolongkan menjadi tinggi.000 – 7. A.000 ) jiwa = 30. informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang.000 jiwa Jadi pertumbuhan penduduk total pulau Jawa pada tahun 2007 adalah 38. Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun.000 jiwa dan kematian kasar 20. Sedangkan untuk masa yang akan datang.000 jiwa = 38.sedang. Pengertian proyeksi penduduk : Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur .000 ) + ( 15.000 dan emigrasi ada 7. dan rendah. hitnglah pertumbuhan penduduk total Pulau Jawa pada tahun 2007 ! Jawab : T=(L–M)+(I–E) = ( 50.000 + 8. Diketahui pula jumlah imigrasi ada 15.000 – 20.000 jiwa.

SP90. fasilitas kesehatan. dan SUPAS95). Arithmathic Rate of Growth(Pertumbuhan Penduduk Aritmatik rata-rata): pertumbuhan penduduk dengan jumlah yang sama setiap tahun Pn= P0(1+rn). Geometric Rate of Growth(Pertumbuhan Penduduk Geometrik rata-rata): pertumbuhan penduduk menggunakan dasar bungan berbunga (bunga majemuk) Pn=P0 (1+r)n. fasilitas pendidikan. mortalitas dan migrasi. yaitu: • Linear Rate of Growth. Kegunaan Proyeksi Penduduk : Hasil proyeksi penduduk sangat bermanfaat untuk perencanaan penyediaan beras. ada 2 cara. Data penduduk Indonesia yang dapat dipakai dan dipercaya untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn pada tahun yang berakhir “0” dan survei antar sensus (SUPAS) pada tahun yang berakhir “S”. 2. fasilitas perumahan. • Eksponential Rate of Growth(Pertumbuhan Penduduk Eksponensial rata-rata): . dan fasilitas kesempatan kerja. Metode Proyeksi Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang antara lain: 1. Metode Matematik. SP2000). SP80.dan jenis kelmain) di masa yang akan datang berdasarkan asumsi arah perkembangan fertilitas. Publikasi BPS tentang Proyeksi Penduduk Indonesia : • Proyeksi Penduduk Indonesia 1971-1980 • Proyeksi penduduk Indonesia 1980-1990 • Proyeksi Penduduk Indonesia per Propinsi 1990-2000 • Proyeksi Penduduk Indonesia Per Propinsi 1995-2005 Sumber Data • Sensus Penduduk (SP71. SUPAS85. ada 2 cara yaitu: 1. • Survei Penduduk Antar Sensus (SUPAS70.

Tingkat pertumbuhan penduduk pertahun adalah 1. • Proporsi migrasi menurut umur. Metode ini melakukan tiap komponen penduduk secara terpisah dan untuk mendapat proyeksi jumlah penduduk total. • Rasio jenis kelamin saat lahir. • Pola mortalitas menurut umur. n : banyak perubahan tahun. Berapakah proyeksi penduduk indonesia pada tahun 2005? . Metode ini membutuhkan data-data sebagai berikut: • Komposisi penduduk menurut umur dan jenis kelamin yang telah dilakukan perapihan (smothing). 2. hasil proyeksi tiap komponen digabungkan.Pertumbuhan penduduk secara terus menerus setiap hari dengan angka pertumbuhan penduduk yang konstan Pn= P0 ern Dimana P0 : jumlah penduduk pada tahun awal Pn : jumlah penduduk pada tahun ke-n r : tingkat pertumbuhan penduduk dari tahun awal ke tahun ke-n. • Pola fertilitas menurut umur.5 %. Metode Komponen Metode ini sering digunakan dalam penghitunag proyeksi penduduk. Rumus proyeksi penduduk : Pn = Po ( 1 + r )n Keterangan : Pn = jumlah penduduk pada tahun n (ditanyakan) Po = jumlah penduduk pada tahun 0 / tahun dasar (diketahui) n = jumlah tahun antara 0 hingga n r = tingkat pertumbuhan penduduk pertahun ( dalam % ) Contoh soal : Misalkan pada tahun 2000 jumlah penduduk indonesia tercatat 205 juta jiwa.

Proyeksi penduduk dihitung dengan menggunakan laju pertumbuhan penduduk hasil sensus yang terdahulu. Semua data yang dipakai perlu dievaluasi secara cermat.Jawab : Pn = Po ( 1 + r )n = 205 juta ( 1 + 1. mortalitas. mortalitas. karena data untuk keperluan itu yakni fertilitas. umur. G. dan jenis kelamin dihitung dengan tehnik komponen. data ini diperoleh dari hasil registrasi vital yang diadakan secara berkesinambungan pada setiap wilayah administrasi. .5% )5 = 205 juta ( 1 + 0. Di negaranegara maju. Proyeksi penduduk menurut propinsi. yang diperoleh dari hasil sensus penduduk dan survei rumah tangga. dan perpindahan penduduk tidak dapat diperoleh dari hasil sensus.5% pertahun. 3. dan perpindahan penduduk. Perbaikan proyeksi selalu dilakukan.dengan tingkat pertumbuhan penduduk 1. karena sering terjadi asumsi-asumsi yang dibuat mengenai fertilitas (fertility). karena asumsi yang dipakai biasanya tidak sesuai lagi.0773 ) = 220 juta Jadi poyeksi penduduk Indonesia untuk tahun 2005. Proyeksi penduduk menurut kotamadya yang disajikan di sini tidak dapat dilakukan dengan teknik komponen seperti diuraikan di atas. Sumber dan data metodologi 1.015 )5 = 205 juta ( 1. dengan asumsi bahwa laju pertumbuhan penduduk tersebut juga berlaku pada masa yang akan datang. dan migrasi (migration) tidak sesuai lagi dengan keadaan data yang baru. 2. fertilitas. dan kalau perlu diadakan adjustment dengan maksud untuk menghapus kelemahan yang ditemukan.015 )5 = 205 juta ( 1.adalah 220 juta. Jenis data yang dibutuhkan untuk keperluan ini adalah penduduk menurut umur dan jenis kelamin. mortalitas (mortality). Tehnik ini kurang tepat diterapkan untuk menghitung proyeksi yang jangka waktunya cukup panjang pada masa yang akan datang.

dan perpindahan (migrasi). penduduk hanya akan meningkat sampai suatu tingkat dengan kapasitas yang maksimum dan kemudian akan kembali turun atau stabil dalam kaitannya dengan kepadatan penduduk. penggunaan model ekstrapolasi trend membutuhkan pemahaman yang baik tentang kecenderungan pertumbuhan masa lalu untuk membuat estimasi dengan batasan yang masuk akal (reasonable). Model ekstrapolasi trend yang banyak digunakan adalah model linear. Proyeksi pada dasarnya merupakan suatu perkiraan atau taksiran mengenai terjadinya suatu kejadian (nilai dari suatu variabel) untuk waktu yang akan datang. Selain itu. Metode ini adalah metode yang mudah digunakan dalam rangka proyeksi penduduk. Oleh karenanya.1. dan bahkan menjadi negative. Asumsi dasar dari model linear. Dalam kenyataannya. 1. Model Linear (Aritmethic) Model linear menurut Klosterman (1990) adalah teknik proyeksi yang paling sederhana dari seluruh model trend. yaitu kelahiran. Berdasarkan hal tersebut. geometric dan parabolik adalahpertumbuhan atau penurunan akan berlanjut tanpa batas. berdasarkan data yang telah ada. kematian. untuk menghindari atau mengurangi tingkatan resiko dari kesalahan. Demikian juga. asumsi tersebut tidak mungkin diberlakukan jika proyeksi yang disusun adalah proyeksi jangka panjang. yang didukung oleh proyeksi tentang tingkat kemampuan populasi peternakan di masa depan secara objektif. Namun demikian. Maka diperlukan asumsi-asumsi yang dibuat oleh pihak pengambil keputusan. geometric dan parabolic. Model ini menggunakan persamaan derajat pertama (first degree equation). biaya hidup dan kualitas hidup. Misalnya jika populasi di suatu daerah berkurang. tidak mungkin akan meningkat pada jumlah yang tanpa batas. penduduk diproyeksikan sebagai fungsi dari waktu. metode ini juga digunakan untuk menghitung tingkat dan ratio pada masa yang akan datang berdasarkan tingkat dan ratio pada masa yang lalu. dalam jangka panjang model ini akan memproyeksikan penduduk menjadi nol.Pengertian Proyeksi Proyeksi secara umum adalah untuk mengetahui perkembangan di masa yang akan Datang. Hasil proyeksi menggambarkan tingkat kemampuan untuk masa yang akan datang. Proyeksi penduduk bukan merupakan ramalan jumlah penduduk tetapi suatu perhitungan ilmiah yang didasarkan pada asumsi dari komponen-komponen laju pertumbuhan penduduk. jika jumlah penduduk di suatu daerah yang meningkat. dengan persamaan: . 2.Model Ektrapolasi Trend Model ekstrapolasi trend secara sederhana menggunakan trend penduduk masa yang lalu untuk memperkirakan jumlah penduduk masa yang akan datang.

1. jika Pt+1 dan Pt adalah jumlah penduduk dalam tahun yang berurutan. Ini berarti bahwa. Model ini berasumsi bahwa penduduk akan bertambah/berkurang sebesar jumlah absolute yang sama/tetap (β) pada masa yang akan datang sesuai dengan kecenderungan yang terjadi pada masa lalu. sehingga tidak memungkinkan untuk menggunakan model lain. mengacu pada Pittengar (1976). Model Geometric Asumsi dalam model ini adalah penduduk akan bertambah/berkurang pada suatu tingkat pertumbuhan (persentase) yang tetap.Pt =α + βT Dimana : Pt = penduduk pada tahun proyeksi t α = intercept = penduduk pada tahun dasar β = koefisien = rata-rata pertambahan penduduk T = periode waktu proyeksi = selisih tahun proyeksi dengan tahun dasar Hasil proyeksi akan berbentuk suatu garis lurus. Klosterman (1990). proyeksi dengan . maka penduduk akan bertambah atau berkurang pada tingkat pertumbuhan yang tetap (yaitu sebesar Pt+1/Pt ) dari waktu ke waktu. jika Pt+1 dan Pt adalah jumlah populasi dalam tahun yang berurutan. Selanjutnya. Isserman (1977) mengemukakan bahwa model ini hanya dapat diaplikasikan untuk wilayah kecil dengan pertumbuhan yang lambat. Pt+1 – Pt yang adalah perbedaan pertama yang selalu tetap (konstan). Misalnya. Menurut Klosterman (1990). dan tidak tepat untuk proyeksi pada wilayah-wilayah yang lebih luas dengan pertumbuhan penduduk yang tinggi. mengemukakan bahwa model ini hanya digunakan jika data yang tersedia relatif terbatas.

dimana pada tahun-tahun awal observasi pertambahan absolut penduduknya sedikit dan menjadi semakin banyak pada tahun-tahun akhir. Model geometric memiliki persamaan umum: Pt =α + βT Persamaan diatas dapat ditransformasi kedalam bentuk linear melalui aplikasi logaritma. pada model parabolic tingkat pertumbuhan penduduk dimungkinkan untuk meningkat atau menurun.logβ 1. Berdasarkan variasi pada tanda β1 dan β2.+ Pertambahan yang semakin berkurang . model akan menghasilkan empat scenario sebagai berikut: Tabel. Tanda positif atau negatif pada β1 dan β2 bervariasi tergantung pada apakah tingkat pertumbuhan tersebut akan meningkat atau menurun. β1 adalah koefisien linear (T) yang menunjukkan pertumbuhan konstan. Model Parabolik Model parabolic seperti model geometric berasumsi bahwa penduduk suatu daerah tidak tumbuh dalam bentuk linear. dan β2 adalah koefisien non-linear yang (T2) yang menyebabkan perubahan tingkat pertumbuhan. Model ini menggunakan persamaan derajat kedua yang ditunjukkan sebagai berikut: Pt =α + β1T + β2T2 Model parabolic memiliki dua koefisien yaitu β1 dan β2. menjadi sebagai berikut: LogPt =Logα + T.Penduduk berkurang Kurva cekung ke bawah (concave downward) . Namun demikian.tingkat pertumbuhan yang tetap ini umumnya dapat diterapkan pada wilayah. Skenario dalam Model Parabolik β1β2Efek terhadap pertumbuhan penduduk Pertambahan yang semakin meningkat + + Penduduk bertambah Kurva cekung ke atas (Concave upward) Pertambahan yang semakin berkurang + . tidak seperti model geometrik (yang berasumsi tingkat pertumbuhan konstan dari waktu ke waktu). c.

3. Pengelompokan penduduk berdasarkan komponen-komponen yang mempengaruhi perubahan penduduk. atau 10 tahunan (0-9. Penduduk secara keseluruhan dibagi kedalam beberapa kohor/kelompok umur. 10-19. maka akan semakin terperinci informasi yang dapat digunakan dalam analisis. Jumlah kelahiran akan bervariasi berdasarkan umur dan etnis dari penduduk wanita. namun demikian proyeksi jangka panjang akan menghasilkan angka yang sangat besar atau sangat kecil. sementara model komponen kohor mengacu pada perubahan-perubahan komponen penduduk (yaitu fertilitas. menyarankan demographer untuk terlebih dahulu mencermati (menguji coba) model ini ketika akan diaplikasikan pada suatu daerah. Menurutnya. Selanjutnya. 20-29. Karena ukuran kohor semakin kecil. mortalitas dan migrasi) secara terpisah. bayi dan penduduk umur-umur tua akan memiliki persentase kematian yang lebih tinggi dibandingkan penduduk usia muda. Demikian juga. 5-9. migrasi akan bervariasi menurut umur. 2-3 dst). Misalnya. meskipun model ini baik untuk daerah dengan pertumbuhan atau penurunan yang cepat. kelompok umur. 10-14 dst). 1-2. Model Komponen Kohor Model-model ekstrapolasi trend yang didiskusikan diatas mengacu pada perkiraan penduduk secara agregat. gender dan etnis individu. lima tahunan (0-4. gender dan etnis akan membantu untuk membangun pemahaman yang lebih baik mengenai dinamika penduduk suatu daerah..Penduduk bertambah Kurva cekung ke atas (Concave upward) Pertambahan yang semakin meningkat . Interval (k) dari kohor ini umumnya dalam satu tahunan (0-1.Penduduk berkurang Kurva cekung ke bawah (concave downward) Klosterman (1990). Persamaan dalam model komponen kohor adalah: Dimana: Pt t = penduduk tahun t pada kohor di interval k = tahun . kohor dibagi lagi berdasarkan gender dan etnis.

b. a. Tingkat fertilitas diberikan melalui persamaan berikut: Dimana: . maka persamaan dapat ditulis ulang sebagai berikut: Berikut diberikan perhitungan-perhitungan untuk ketiga komponen dalam metode ini: 1. Kelahiran. Dimana: penduduk dari kohor n-k pada tahun t-k n-kSRVk = tingkat bertahan hidup (survival) 1.n k = umur awal dari kohor = jumlah tahun dalam kohor (interval kohor umur) DTH = total kematian IR = total kelahiran NMIG = total migrasi bersih Karena penduduk kohor n pada tahun sebelumnya ( ) dikurangi dengan jumlah kematian dalam kohor tersebut ( ) adalah jumlah penduduk yang bertahan hidup ke kohor n pada tahun t ( ). yang bertahan hidup ke kohor berikutnya (n) pada tahun t. Mortalitas-Tingkat Survival Mortalitas dihitung dalam model sebagai jumlah penduduk dalam kohor tertentu n-k pada tahun t-k.Tingkat Fertilitas Fertilitas adalah jumlah bayi yang dilahirkan wanita usia subur (biasanya antara 15-44 tahun).

jika ukuran kohor adalah lima tahunan (0-4. Tingkat fertilitas yang disesuaikan adalah rata-rata dari dua tingkat fertilitas yang berurutan. maka untuk keakuratan perhitungan.tingkat fertilitas wanita dalam kohor n dari interval k jumlah kelahiran oleh wanita pada kohor n jumlah wanita dalam kohor n Tingkat fertilitas yang diperoleh dari rumus diatas dapat digunakan untuk menghitung jumlah kelahiran dalam interval waktu yang sama sesuai dengan ukuran kohor. Selanjutnya. model ini membutuhkan proyeksi penduduk dari wilayah basis tersebut. 5-9. Model Ratio Menurut Smith. Misalnya. Meskipun demikian. Tayman dan Swanson (2001). 1. 2015). dengan persamaan: 4. Model ratio menggunakan konsep bahwa penduduk (atau perubahan penduduk) pada suatu wilayah yang lebih kecil (wilayah studi) merupakan proporsi dari penduduk (perubahan penduduk) dari wilayah yang lebih luas.juga didasarkan pada trend masa lalu. atau wilayah basis (base area). 2010. . maka proyeksi dapat dilakukan untuk interval lima tahunan (2005. c. Migrasi bersih (Net Migration). 10-14). Dimana: tingkat fertilitas yang disesuaikan dari wanita dalam kohor n dengan interval k Total kelahiran selanjutnya dibagi atas kelahiran bayi laki-laki dan bayi perempuan berdasarkan sex ratio waktu lahir dari data masa yang lalu. tingkat fertilitas perlu disesuaikan. Model ini sederhana dan mudah dalam perhitungannya serta membutuhkan data yang relative lebih sedikit. model ratio-sebagaimana model ekstrapolasi trend. Migrasi bersih adalah perbedaan antara jumlah penduduk yang masuk dengan jumlah penduduk yang keluar dari suatu daerah. Model ratio mencakup model constant share. jika wanita-wanita pada kohor umur tertentu tidak memiliki kelahiran. shift share dan model share of growth.

proyeksi ini tidak dapat diaplikasikan 6. Model disajikan dalam bentuk persamaan berikut: Dimana: P = jumlah penduduk pada daerah studi Pj = penduduk pada daerah basis atau daerah yang lebih luas yang didalamnya terdapat daerah studi l t = tahun akhir dari observasi = tahun proyeksi Jika data wilayah studi menunjukkan kecenderungan yang sama seperti wilayah basis. Namun demikian. Sebaliknya jika pertumbuhan daerah studi lebih lambat dari daerah basis. penggunaan model ini akan menghemat waktu dan lebih sederhana dalam penerapannya. Model Constant Share Model ini berasumsi bahwa share penduduk dari daerah studi merupakan suatu proporsi yang konstan dari daerah basis dan proyeksi dilakukan berdasarkan proporsi konstan tersebut. maka shift termnya akan negative. artinya jika daerah studi mengalami penurunan penduduk dan daerah basis mengalami peningkatan penduduk. Persamaan dalam metode ini adalah sebagai berikut: Dimana: b s z = tahun awal observasi = shift term = jumlah tahun dalam proyeksi (t-1) .5. Jika pertumbuhan daerah studi lebih cepat dari daerah basis maka shift term akan positif. Model Shift Share Model shift share mencoba mengoreksi kelemahan dari model constant share dengan memasukkan indeks pergeseran (shift term) untuk menghitung perubahan share penduduk dari waktu ke waktu. jika daerah studi dan daerah basis memiliki trend pertumbuhan yang berlawanan. atau sebaliknya.

Metode “share of growth” Metode ini menggunakan share dari pertumbuhan penduduk bukannya share dari jumlah penduduk seperti yang digunakan dua model ratio sebelumnya. hal ini dapat menyebabkan bertambahnya atau berkurangnya penduduk dalam jumlah yang sangat besar pada tahun proyeksi. . Model ini disajikan dalam bentuk persamaan berikut: Metode ini akan lebih tepat diterapkan jika trend pertumbuhan penduduk pada daerah studi sama dengan trend pertumbuhan pada daerah basis. Asumsi dasar dari model ini adalah bahwa share pertumbuhan penduduk daerah studi pada periode observasi akan berlaku sama dalam periode proyeksi. penggunaan metode ini untuk proyeksi penduduk jangka panjang harus dilakukan secara hati-hati. 7. Oleh karenanya.y = jumlah tahun dalam periode observasi (1-b) Satu kelemahan utama dari metode ini adalah jika terjadi pertumbuhan atau pengurangan yang tinggi pada tahun dasar. Misalnya jika pertumbuhan penduduknya sama-sama meningkat atau sama-sama menurun.

ada 2 cara. fasilitas pendidikan. Metode Komponen Metode ini sering digunakan dalam penghitungan proyeksi penduduk. Metode ini membutuhkan data-data sebagai berikut:  Komposisi penduduk menurut umur dan jenis kelamin yang telah dilakukan  perapihan (smothing). n : banyak perubahan tahun. fasilitas kesehatan. Metode Matematik.A Pengertian Proyeksi Penduduk Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur dan jenis kelmain) di masa yang akan dating berdasarkan asumsi arah perkembangan fertilitas. 2. 2. Geometric Rate of Growth: Pn=P0 (1+r)n. Arithmathic Rate of Growth: Pn= P0(1+rn). mortalitas dan migrasi. Metode ini melakukan tiap komponen penduduk secara terpisah dan untuk mendapat proyeksi jumlah penduduk total. B Kegunaan Proyeksi Penduduk Hasil proyek penduduk sangat bermanfaat untuk perencanaan penyediaan pangan. . ada 2 cara yaitu: 1. C Metode Proyeksi Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang antara lain: 1. hasil proyeksi tiap komponen digabungkan. fasilitas perumahan. Data penduduk Indonesia yang dapat dipakai dan dipercaya untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn pada tahun yang berakhir “0” dan survei antar sensus (SUPAS) padad tahun yang berakhir “S”. yaitu: • Linear Rate of Growth. dan fasilitas kesempatan kerja. • Eksponential Rate of Growth: Pn= P0 ern Dimana P0 : jumlah penduduk pada tahun awal Pn : jumlah penduduk pada tahun ke-n r : tingkat pertumbuhan penduduk dari tahun awal ke tahun ke-n.  Pola mortalitas menurut umur.

Geografi untuk SMA kelas IX. Evaluasi Data  Umur. dengan table stable population karena dianggap pengaruhnya tidak besar (mendekati “0”)  Perapihan (adjustment) penduduk 0-4 tahun dan 5-9 tahun dengan menggunakan survival ratio. mengalokasikan TT (tidak terjawab) ke masing-masing kelompok umur. cenderung umur mengelompok pada angka yang berakhiran “0” dan “5”. D Tahap.  Rasio jenis kelamin saat lahir. Daftar Pustaka : 1. Wardiyatmoko.k 2006.  Jenis Kelamin: Rasio jenis kelamin berfluktuasi diakibatkan mobilits laki-laki lebih tinggi pada usia muda sehingga banyak terlewat cacah.  Proporsi migrasi menurut umur. Perapihan Umur  Prorata (pro-rate). pelaporan umur tidak benar. b.tahap Proyeksi a. . Pola fertilitas menurut umur. Jakarta : Erlangga.  Perapihan (adjusment) penduduk 10-64 dengan rumus:  Perapihan (adjusment) penduduk 65+ tahun.

2. Pdf. ( google.com ) 3. Data Statistik Indonesia_Pertumbuhan penduduk ( google.com ) . PROYEKSI PENDUDUK .