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)

tetapi juga informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei.sedang. dan susunan penduduk menurut umur. Pertumbuhan penduduk dapat digolongkan menjadi tinggi. Sedangkan untuk masa yang akan datang. persebaran penduduk.000 ) + ( 15. diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk. A. Pengertian proyeksi penduduk : Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur . Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun. hitnglah pertumbuhan penduduk total Pulau Jawa pada tahun 2007 ! Jawab : T=(L–M)+(I–E) = ( 50.000 – 7.000 – 20.000 dan emigrasi ada 7.000 + 8.000 ) jiwa = 30.000 jiwa. dan rendah.000 jiwa = 38. Diketahui pula jumlah imigrasi ada 15. Pertumbuhan penduduk dikatakan rendah jika T kurang dari 1%.000 jiwa dan kematian kasar 20. informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. pertumbuhan penduduk dikatakan sedang jika T antara 1 – 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. BAB II Proyeksi Penduduk Dalam rangka perencanaan pembangunan di segala bidang. pertumbuhan penduduk dikatakan tinggi jika T di atas 2 %.000.000 jiwa Jadi pertumbuhan penduduk total pulau Jawa pada tahun 2007 adalah 38.

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

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

3. dan jenis kelamin dihitung dengan tehnik komponen. data ini diperoleh dari hasil registrasi vital yang diadakan secara berkesinambungan pada setiap wilayah administrasi. G. Jenis data yang dibutuhkan untuk keperluan ini adalah penduduk menurut umur dan jenis kelamin. Perbaikan proyeksi selalu dilakukan.5% pertahun. dan perpindahan penduduk. umur.0773 ) = 220 juta Jadi poyeksi penduduk Indonesia untuk tahun 2005. . mortalitas (mortality). Proyeksi penduduk dihitung dengan menggunakan laju pertumbuhan penduduk hasil sensus yang terdahulu.Jawab : Pn = Po ( 1 + r )n = 205 juta ( 1 + 1. mortalitas. Di negaranegara maju. Proyeksi penduduk menurut kotamadya yang disajikan di sini tidak dapat dilakukan dengan teknik komponen seperti diuraikan di atas.dengan tingkat pertumbuhan penduduk 1. Proyeksi penduduk menurut propinsi. dan kalau perlu diadakan adjustment dengan maksud untuk menghapus kelemahan yang ditemukan. karena sering terjadi asumsi-asumsi yang dibuat mengenai fertilitas (fertility). yang diperoleh dari hasil sensus penduduk dan survei rumah tangga.adalah 220 juta. Sumber dan data metodologi 1. fertilitas. dengan asumsi bahwa laju pertumbuhan penduduk tersebut juga berlaku pada masa yang akan datang.015 )5 = 205 juta ( 1. 2.5% )5 = 205 juta ( 1 + 0. dan migrasi (migration) tidak sesuai lagi dengan keadaan data yang baru. karena data untuk keperluan itu yakni fertilitas. Semua data yang dipakai perlu dievaluasi secara cermat. dan perpindahan penduduk tidak dapat diperoleh dari hasil sensus. Tehnik ini kurang tepat diterapkan untuk menghitung proyeksi yang jangka waktunya cukup panjang pada masa yang akan datang. mortalitas.015 )5 = 205 juta ( 1. karena asumsi yang dipakai biasanya tidak sesuai lagi.

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

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

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. 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).tingkat pertumbuhan yang tetap ini umumnya dapat diterapkan pada wilayah. Namun demikian. Berdasarkan variasi pada tanda β1 dan β2.+ Pertambahan yang semakin berkurang . c. pada model parabolic tingkat pertumbuhan penduduk dimungkinkan untuk meningkat atau menurun. model akan menghasilkan empat scenario sebagai berikut: Tabel. 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.Penduduk berkurang Kurva cekung ke bawah (concave downward) .logβ 1. menjadi sebagai berikut: LogPt =Logα + T. 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. Tanda positif atau negatif pada β1 dan β2 bervariasi tergantung pada apakah tingkat pertumbuhan tersebut akan meningkat atau menurun.

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

a. Kelahiran. Mortalitas-Tingkat Survival Mortalitas dihitung dalam model sebagai jumlah penduduk dalam kohor tertentu n-k pada tahun t-k. Dimana: penduduk dari kohor n-k pada tahun t-k n-kSRVk = tingkat bertahan hidup (survival) 1. b. 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.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 ( ).Tingkat Fertilitas Fertilitas adalah jumlah bayi yang dilahirkan wanita usia subur (biasanya antara 15-44 tahun). Tingkat fertilitas diberikan melalui persamaan berikut: Dimana: .

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

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

7. .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. 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. Asumsi dasar dari model ini adalah bahwa share pertumbuhan penduduk daerah studi pada periode observasi akan berlaku sama dalam periode proyeksi. 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.

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

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

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

Sign up to vote on this title
UsefulNot useful