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 ) jiwa = 30. Pertumbuhan penduduk dapat digolongkan menjadi tinggi. Pengertian proyeksi penduduk : Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur .000 jiwa Jadi pertumbuhan penduduk total pulau Jawa pada tahun 2007 adalah 38.000 ) + ( 15.sedang. Diketahui pula jumlah imigrasi ada 15. informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. Sedangkan untuk masa yang akan datang. hitnglah pertumbuhan penduduk total Pulau Jawa pada tahun 2007 ! Jawab : T=(L–M)+(I–E) = ( 50. persebaran penduduk.000 dan emigrasi ada 7.000 jiwa dan kematian kasar 20. Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun. A. BAB II Proyeksi Penduduk Dalam rangka perencanaan pembangunan di segala bidang. dan rendah.000 jiwa = 38. diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk. dan susunan penduduk menurut umur. tetapi juga informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei.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 – 20.000 + 8.000 jiwa.000. pertumbuhan penduduk dikatakan sedang jika T antara 1 – 2 %.000 – 7.000 jiwa. pertumbuhan penduduk dikatakan tinggi jika T di atas 2 %. Pertumbuhan penduduk dikatakan rendah jika T kurang dari 1%.

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

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

karena asumsi yang dipakai biasanya tidak sesuai lagi. G.015 )5 = 205 juta ( 1. fertilitas. Proyeksi penduduk dihitung dengan menggunakan laju pertumbuhan penduduk hasil sensus yang terdahulu. 3. karena data untuk keperluan itu yakni fertilitas. dengan asumsi bahwa laju pertumbuhan penduduk tersebut juga berlaku pada masa yang akan datang. dan jenis kelamin dihitung dengan tehnik komponen. mortalitas. Proyeksi penduduk menurut kotamadya yang disajikan di sini tidak dapat dilakukan dengan teknik komponen seperti diuraikan di atas. Proyeksi penduduk menurut propinsi.adalah 220 juta. Di negaranegara maju. Semua data yang dipakai perlu dievaluasi secara cermat. dan perpindahan penduduk tidak dapat diperoleh dari hasil sensus. Sumber dan data metodologi 1.dengan tingkat pertumbuhan penduduk 1.5% )5 = 205 juta ( 1 + 0.015 )5 = 205 juta ( 1. mortalitas (mortality).Jawab : Pn = Po ( 1 + r )n = 205 juta ( 1 + 1. 2. data ini diperoleh dari hasil registrasi vital yang diadakan secara berkesinambungan pada setiap wilayah administrasi. umur. karena sering terjadi asumsi-asumsi yang dibuat mengenai fertilitas (fertility). dan migrasi (migration) tidak sesuai lagi dengan keadaan data yang baru. Perbaikan proyeksi selalu dilakukan. .5% pertahun. mortalitas.0773 ) = 220 juta Jadi poyeksi penduduk Indonesia untuk tahun 2005. dan kalau perlu diadakan adjustment dengan maksud untuk menghapus kelemahan yang ditemukan. dan perpindahan penduduk. Jenis data yang dibutuhkan untuk keperluan ini adalah penduduk menurut umur dan jenis kelamin. Tehnik ini kurang tepat diterapkan untuk menghitung proyeksi yang jangka waktunya cukup panjang pada masa yang akan datang. yang diperoleh dari hasil sensus penduduk dan survei rumah tangga.

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

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

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

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

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

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

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

penggunaan metode ini untuk proyeksi penduduk jangka panjang harus dilakukan secara hati-hati. 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.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. Oleh karenanya. 7. 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.

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

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

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

Sign up to vote on this title
UsefulNot useful