P. 1
proyeksi

proyeksi

|Views: 180|Likes:

More info:

Published by: Maya Sinta Sumangkut on Mar 05, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

02/14/2015

pdf

text

original

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)

informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk.000 jiwa Jadi pertumbuhan penduduk total pulau Jawa pada tahun 2007 adalah 38.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 dan emigrasi ada 7.000 ) jiwa = 30.000 jiwa.000 – 7. dan susunan penduduk menurut umur. tetapi juga informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei. pertumbuhan penduduk dikatakan tinggi jika T di atas 2 %.000 + 8.000 jiwa dan kematian kasar 20. persebaran penduduk.000 jiwa. pertumbuhan penduduk dikatakan sedang jika T antara 1 – 2 %. BAB II Proyeksi Penduduk Dalam rangka perencanaan pembangunan di segala bidang.000 ) + ( 15. A.000 jiwa = 38. dan rendah.000 – 20. Pertumbuhan penduduk dapat digolongkan menjadi tinggi. Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun. Pengertian proyeksi penduduk : Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur . Diketahui pula jumlah imigrasi ada 15. Pertumbuhan penduduk dikatakan rendah jika T kurang dari 1%. hitnglah pertumbuhan penduduk total Pulau Jawa pada tahun 2007 ! Jawab : T=(L–M)+(I–E) = ( 50.000. Sedangkan untuk masa yang akan datang.sedang.

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

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

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

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

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

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

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

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

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

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

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. 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. Oleh karenanya. 7. . penggunaan metode ini untuk proyeksi penduduk jangka panjang harus dilakukan secara hati-hati. Misalnya jika pertumbuhan penduduknya sama-sama meningkat atau sama-sama menurun. hal ini dapat menyebabkan bertambahnya atau berkurangnya penduduk dalam jumlah yang sangat besar pada tahun proyeksi. Metode “share of growth” Metode ini menggunakan share dari pertumbuhan penduduk bukannya share dari jumlah penduduk seperti yang digunakan dua model ratio sebelumnya.

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->