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)

000 dan emigrasi ada 7.sedang. A.000 jiwa dan kematian kasar 20. hitnglah pertumbuhan penduduk total Pulau Jawa pada tahun 2007 ! Jawab : T=(L–M)+(I–E) = ( 50. Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun.000 jiwa.000 jiwa Jadi pertumbuhan penduduk total pulau Jawa pada tahun 2007 adalah 38. persebaran penduduk. Sedangkan untuk masa yang akan datang.000 jiwa = 38. diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk. Diketahui pula jumlah imigrasi ada 15. dan rendah. dan susunan penduduk menurut umur.000 jiwa. pertumbuhan penduduk dikatakan sedang jika T antara 1 – 2 %.000 ) jiwa = 30. informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. tetapi juga informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei. Pertumbuhan penduduk dikatakan rendah jika T kurang dari 1%.000 + 8. BAB II Proyeksi Penduduk Dalam rangka perencanaan pembangunan di segala bidang.000 – 20.000 – 7. Pertumbuhan penduduk dapat digolongkan menjadi tinggi.000. pertumbuhan penduduk dikatakan tinggi jika T di atas 2 %.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 50.000 ) + ( 15. Pengertian proyeksi penduduk : Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur .

SP80. fasilitas kesehatan. SP2000). SUPAS85. mortalitas dan migrasi. Kegunaan Proyeksi Penduduk : Hasil proyeksi penduduk sangat bermanfaat untuk perencanaan penyediaan beras. SP90. 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”. Arithmathic Rate of Growth(Pertumbuhan Penduduk Aritmatik rata-rata): pertumbuhan penduduk dengan jumlah yang sama setiap tahun Pn= P0(1+rn). 2. ada 2 cara yaitu: 1. • Eksponential Rate of Growth(Pertumbuhan Penduduk Eksponensial rata-rata): . dan SUPAS95). ada 2 cara. fasilitas pendidikan. dan fasilitas kesempatan kerja. 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. Geometric Rate of Growth(Pertumbuhan Penduduk Geometrik rata-rata): pertumbuhan penduduk menggunakan dasar bungan berbunga (bunga majemuk) Pn=P0 (1+r)n. Metode Matematik. yaitu: • Linear Rate of Growth. • Survei Penduduk Antar Sensus (SUPAS70.dan jenis kelmain) di masa yang akan datang berdasarkan asumsi arah perkembangan fertilitas. fasilitas perumahan. Metode Proyeksi Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang antara lain: 1.

5 %.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. • Pola mortalitas menurut umur. Tingkat pertumbuhan penduduk pertahun adalah 1. • Proporsi migrasi menurut umur. 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. n : banyak perubahan tahun. Berapakah proyeksi penduduk indonesia pada tahun 2005? . hasil proyeksi tiap komponen digabungkan. • Rasio jenis kelamin saat lahir. 2. Metode ini melakukan tiap komponen penduduk secara terpisah dan untuk mendapat proyeksi jumlah penduduk total. Metode ini membutuhkan data-data sebagai berikut: • Komposisi penduduk menurut umur dan jenis kelamin yang telah dilakukan perapihan (smothing).

dan jenis kelamin dihitung dengan tehnik komponen. Semua data yang dipakai perlu dievaluasi secara cermat. Proyeksi penduduk menurut propinsi. dan perpindahan penduduk tidak dapat diperoleh dari hasil sensus. karena asumsi yang dipakai biasanya tidak sesuai lagi. dengan asumsi bahwa laju pertumbuhan penduduk tersebut juga berlaku pada masa yang akan datang. . Tehnik ini kurang tepat diterapkan untuk menghitung proyeksi yang jangka waktunya cukup panjang pada masa yang akan datang. Perbaikan proyeksi selalu dilakukan. mortalitas (mortality). 3.5% pertahun. Proyeksi penduduk dihitung dengan menggunakan laju pertumbuhan penduduk hasil sensus yang terdahulu. Jenis data yang dibutuhkan untuk keperluan ini adalah penduduk menurut umur dan jenis kelamin. Di negaranegara maju. 2.0773 ) = 220 juta Jadi poyeksi penduduk Indonesia untuk tahun 2005. yang diperoleh dari hasil sensus penduduk dan survei rumah tangga. G. data ini diperoleh dari hasil registrasi vital yang diadakan secara berkesinambungan pada setiap wilayah administrasi. fertilitas. umur. dan migrasi (migration) tidak sesuai lagi dengan keadaan data yang baru.dengan tingkat pertumbuhan penduduk 1. dan perpindahan penduduk.Jawab : Pn = Po ( 1 + r )n = 205 juta ( 1 + 1. mortalitas. Proyeksi penduduk menurut kotamadya yang disajikan di sini tidak dapat dilakukan dengan teknik komponen seperti diuraikan di atas. karena data untuk keperluan itu yakni fertilitas. karena sering terjadi asumsi-asumsi yang dibuat mengenai fertilitas (fertility). dan kalau perlu diadakan adjustment dengan maksud untuk menghapus kelemahan yang ditemukan. Sumber dan data metodologi 1.adalah 220 juta.015 )5 = 205 juta ( 1.5% )5 = 205 juta ( 1 + 0.015 )5 = 205 juta ( 1. mortalitas.

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

Misalnya. Isserman (1977) mengemukakan bahwa model ini hanya dapat diaplikasikan untuk wilayah kecil dengan pertumbuhan yang lambat. jika Pt+1 dan Pt adalah jumlah populasi dalam tahun yang berurutan. maka penduduk akan bertambah atau berkurang pada tingkat pertumbuhan yang tetap (yaitu sebesar Pt+1/Pt ) dari waktu ke waktu. Pt+1 – Pt yang adalah perbedaan pertama yang selalu tetap (konstan). 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. Selanjutnya. Klosterman (1990). mengemukakan bahwa model ini hanya digunakan jika data yang tersedia relatif terbatas.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. mengacu pada Pittengar (1976). 1. jika Pt+1 dan Pt adalah jumlah penduduk dalam tahun yang berurutan. Menurut Klosterman (1990). Ini berarti bahwa. sehingga tidak memungkinkan untuk menggunakan model lain. Model Geometric Asumsi dalam model ini adalah penduduk akan bertambah/berkurang pada suatu tingkat pertumbuhan (persentase) yang tetap. proyeksi dengan . dan tidak tepat untuk proyeksi pada wilayah-wilayah yang lebih luas dengan pertumbuhan penduduk yang tinggi.

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

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

a. yang bertahan hidup ke kohor berikutnya (n) pada tahun t. maka persamaan dapat ditulis ulang sebagai berikut: Berikut diberikan perhitungan-perhitungan untuk ketiga komponen dalam metode ini: 1. Dimana: penduduk dari kohor n-k pada tahun t-k n-kSRVk = tingkat bertahan hidup (survival) 1.Tingkat Fertilitas Fertilitas adalah jumlah bayi yang dilahirkan wanita usia subur (biasanya antara 15-44 tahun). Tingkat fertilitas diberikan melalui persamaan berikut: Dimana: . b. Mortalitas-Tingkat Survival Mortalitas dihitung dalam model sebagai jumlah penduduk dalam kohor tertentu n-k pada tahun t-k. Kelahiran.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 ( ).

5-9. Migrasi bersih adalah perbedaan antara jumlah penduduk yang masuk dengan jumlah penduduk yang keluar dari suatu daerah. Model Ratio Menurut Smith. maka untuk keakuratan perhitungan. 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. Migrasi bersih (Net Migration). 2010. model ini membutuhkan proyeksi penduduk dari wilayah basis tersebut. model ratio-sebagaimana model ekstrapolasi trend. Tingkat fertilitas yang disesuaikan adalah rata-rata dari dua tingkat fertilitas yang berurutan. Meskipun demikian. jika ukuran kohor adalah lima tahunan (0-4. atau wilayah basis (base area). Model ratio mencakup model constant share. Model ini sederhana dan mudah dalam perhitungannya serta membutuhkan data yang relative lebih sedikit. tingkat fertilitas perlu disesuaikan. jika wanita-wanita pada kohor umur tertentu tidak memiliki kelahiran. maka proyeksi dapat dilakukan untuk interval lima tahunan (2005. c. dengan persamaan: 4. Tayman dan Swanson (2001). 2015). Selanjutnya. 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. . shift share dan model share of growth. 1.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. 10-14).juga didasarkan pada trend masa lalu. Misalnya.

penggunaan model ini akan menghemat waktu dan lebih sederhana dalam penerapannya. 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. Persamaan dalam metode ini adalah sebagai berikut: Dimana: b s z = tahun awal observasi = shift term = jumlah tahun dalam proyeksi (t-1) . Jika pertumbuhan daerah studi lebih cepat dari daerah basis maka shift term akan positif. 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. proyeksi ini tidak dapat diaplikasikan 6. jika daerah studi dan daerah basis memiliki trend pertumbuhan yang berlawanan. Sebaliknya jika pertumbuhan daerah studi lebih lambat dari daerah basis.5. maka shift termnya akan negative. 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. artinya jika daerah studi mengalami penurunan penduduk dan daerah basis mengalami peningkatan penduduk. Namun demikian. atau sebaliknya.

7. Asumsi dasar dari model ini adalah bahwa share pertumbuhan penduduk daerah studi pada periode observasi akan berlaku sama dalam periode proyeksi.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. Oleh karenanya. 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. Misalnya jika pertumbuhan penduduknya sama-sama meningkat atau sama-sama menurun. 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. penggunaan metode ini untuk proyeksi penduduk jangka panjang harus dilakukan secara hati-hati.

2. fasilitas kesehatan.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. dan fasilitas kesempatan kerja. fasilitas pendidikan. Metode ini membutuhkan data-data sebagai berikut:  Komposisi penduduk menurut umur dan jenis kelamin yang telah dilakukan  perapihan (smothing). Metode Matematik. n : banyak perubahan tahun. • 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. Arithmathic Rate of Growth: Pn= P0(1+rn). hasil proyeksi tiap komponen digabungkan. B Kegunaan Proyeksi Penduduk Hasil proyek penduduk sangat bermanfaat untuk perencanaan penyediaan pangan. 2. . ada 2 cara yaitu: 1. mortalitas dan migrasi. Geometric Rate of Growth: Pn=P0 (1+r)n. Metode Komponen Metode ini sering digunakan dalam penghitungan proyeksi penduduk. yaitu: • Linear Rate of Growth. 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”. ada 2 cara. fasilitas perumahan. C Metode Proyeksi Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang antara lain: 1.  Pola mortalitas menurut umur. Metode ini melakukan tiap komponen penduduk secara terpisah dan untuk mendapat proyeksi jumlah penduduk total.

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

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

Sign up to vote on this title
UsefulNot useful