PROYEKSI PENDUDUK

Umum • Dalam rangka perencanaan pembangunan di segala bidang, diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk, persebaran penduduk, dan susunan penduduk menurut umur. Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun, tetapi jugaa informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei, Sedangkan untuk masa yang akan datang, informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. • Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur dan jenis kelmain) di masa yang akan datang berdasarkan asumsi arah perkembangan fertilitas, mortalitas dan migrasi. • Data penduduk Indonesia yang dapat dipakai dan dipercayya untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn pada tahun yang berakhir “0” dan survei antar sensus (SUPAS) padad tahun aynag berakhir “S”. Kegunaan Proyeksi • Hasil proyek penduduk sanagat bermanfaat untuk perencanaan penyediaan beras, fasilitas kesehatan, fasilitas pendidikan, fasilitas perumahan, dan fasilitas kesempatan kerja. Publikasi BPS tentang Proyeksi Penduduk • • • • Proyeksi Penduduk Indonesia 1971-1980 Proyeksi penduduk Indonesia 1980-1990 Proyeksi Penduduk Indonesia per Propinsi 1990-2000 Proyeksi Penduduk Indonesia Per Propinsi 1995-2005

Perbaikan proyeksi selalu dilakukan, karena sering terjadi asumsi-asumsi yang dibuat mengenai fertilitas (fertility), mortalitas (mortality), dan migrasi (migration) tidak sesuai lagi denagn keadaan data yang baru. Sumber Data • • Sensus Penduduk (SP71, SP80, SP90, SP2000). Survei Penduduk Antar Sensus (SUPAS70, SUPAS85, dan SUPAS95).

Metode Proyeksi • Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan dating antara lain: 1. Metode Matematik, ada 2 cara, yaitu: • Linear Rate of Growth, ada 2 cara yaitu: 1. Arithmathic Rate of Growth: Pn= P0(1+rn). 2. Geometric Rate of Growth: Pn=P0 (1+r)n. • Eksponential Rate of Growth: Pn= P0 ern Pn : jumlah penduduk pada tahun ke-n r : tingkat pertumbuhan penduduk dari tahun awal ke tahun ke-n. n : banyak perubahan tahun. 2. Metode Komponen Metode ini sering digunakan dalam penghitunag proyeksi penduduk. Metode ini melakukan tiap komponen penduduk secara terpisah dan untuk mendapat proyeksi jumlah penduduk total, hasil proyeksi tiap komponen digabngkan. Metode ini membutuhkan data-data sebagai berikut: • • • • • Komposisi penduduk menurut umur dan jenis kelamin yang telah dilakukan perapihan (smothing). Pola mortalitas menurut umur. Pola fertilitas menurut umur. Rasio jenis kelamin saat lahir. Proporsi migrasi menurut umur. Dimana P0 : jumlah penduduk pada tahun awal

Tahap-tahap Proyeksi 1. Evaluasi Data • • Umur; pelaporan umur tidak benar, cenderung umur mengelompok pada angka yang berakhiran “0” dan “5”. Jenis Kelamin: Rasio jenis kelamin berfluktuasi diakibatkan mobilits laki-laki lebih tinggi pada usia muda sehingga banyak terlewat cacah. 2. Perapihan Umur • Prorata (pro-rate), mengalokasikan TT (tidak terjawab) ke masing-masing kelompok umur.

Estimasi-estimasi Yang Digunakan Estimasi Tingkat Kelahiran (Fertilitas) • Indirect Method (Easwespo Packed Program). SP2000. Sullivan. menggunakan data langsung dari SPI87. Guna-SekaranPalmore. seperti metode Brass. hasil yang diambil berasal dari rata-rata wanita usia 20-24 (q2). 25-29 (q3) dan 30-34 (q5). Estimasi tingkat Kematian (Mortalitas) • Indirect Method (Mortpaklite/ MCPDA Packed Program). Palmore. SDKI97.…. dengan table stable population karena dianggap pengaruhnya tidak besar (mendekati “0”) Perapihan (adjustment) penduduk 0-4 tahun dan 5-9 tahun dengsn menggunakan survival ratio. • Sumber data SP71. Berdasarkan rasio paritas. SUPAS 95. SUPAS 85. Input data adalah rata-rata lahir hidup (ALH/CEB) dan anak masih hidup (AMH/CS) yang dibuat menjadi proporsi kematian anak dari wanita pada kelompok umur yang dapat diestimasi menjadi probability of dting (qx) P1/P2. 5 Px = jumlah penduduk 5 tahunan sebelum adjusment • • Perapihan (adjusment) penduduk 65+ tahun. • Direct Method. dan Last Live Birth (anak lahir hidup terakhir yang merujuk pada tahun pelaksaan sensus/survei). dan Falloni Heligman. SP80. Trussell. . Hal ini disebabkan responden lupa kejadian kelahiran di masa lalu. merujuk ke periode beberapa tahun sebelum pelaksaan sensus/survei seperti metode Rele. SDKI91. angka yang dihasilkan lebih rendah daari pada hasil indirect method. P2/P3. dan SUPAS95. SP90.• Perapihan (adjusment) penduduk 10-64 dengan rumus: ∑ 5 Px∗ = 1 [− 5 Px − 10 + 4 5 Px − 5 + 10 5 Px + 4 5 Px + 5 − Px + 10 ] 16 ∗ 5 x dimana ∑ P = jumlah penduduk 5 tahun hasil adjustment.

SUPAS95. Estimasi Tingkat Migrasi • • • Migrasi seumur hidup (berdasarkan tempat lahir) Migrasi total (berdasarkan tempat tinggal terakhir) Migrasi Risen (berdasarkan tempat tinggal 5 tahun terakhir yang lalu). Edstimasi fertilitas harus realitistis terhadap perubahan fertilitas karena peningkatan usia perkawinan wanita. • • Sumber data SP71. SUSENAS94. menggunakan data langsung dari SPI87. Hal ini disebabkan rsponden lupa kejadian kelahiran di masa lalu. dan SUPAS95. 3. BPS memakai metode Trussel denagn pertimabangan metode ini sesuai denagn fase yang terjadi di Indonesia (west model). SDKI97. dan meningkatnya persentase wanita yang asih sekolah pada usia 1519 tahun. proyeksi penduduk memakai migrasi risen dengan perpindahan antar propinsi sedangkan perpindahan internasional diabaiakn (0). meningkatnya pemakain alat kontrasepsi. • Net migrasi (net migration) pertahun untuk setiap 1000 penduduk menurut kelompok umur dengan menggunakan metode life table survival ratio (bila positif berarti sebagai penerima migran. SP80. 1. SDFKI91. sedang dan rendah. untuk keperluan proyeksi penduduk perlu dibuat estimasi terhadap ASFR maupun TFR. angka yang dihasilkan lebih rendah dari pada hasil inderct method. . Fertilitas. Asumsinya adalah konstan.• Direct Method. IMR dan Migrasi. SUSENAS93. SP2000. SP90. Arah perkembangan ini akan mennetukan tinggi/rendahnya pola kematian penduduk. tingkat kematian yang akan terjadi di masa mendatang. 2. Mortalitas. jika negatif berarti sebagai pengirim migran). Proyeksi penduduk memakai migrasi risen denagn perpendahan antar propinsi sedangakn perpindahan internasioanal diabaikan (0). dalam proyeksi penduduk perlu diperhatikan arah perkembangan tingkat kesehatan. Metodologi • Menentukkan asumsi-asumsi untuk TFR.

• • Menghitung proyeksi penduduk per propinsi (TFR diasumsikan = 2. IMR menggunakan fungsi logistik). Prorating Penduduk. Melakukan proses iterasi untuk menyamakan jumlah penduduk per propinsi denagn jumlah penduduk Indonesia (sebagai patokan/ kontrol). Contoh Penghitungan Proyeksi Penduduk: 1. Fungsi Logistik k 1 + be at Y = L+ dimana Y = perkiraan TFR/IMR.• Menghitung proyeksi penduduk Indonesia dengan menggunakan fungsi logistik untuk membuat asumsi TFR dan IMR (misalnya diasumsikan TFR dengan NRR=1 dan IMR=20). L = perkiraan asymtot bawah k = konstanta a & b = koefisien kurva r = waktu e = konstatnta eksponensial. Prorating = Jumlah penduduk x Penduduk masing-masing kelompok umur Jumlah penduduk-TT . E0 (Expectation of Live). Hasil Proyeksi penduduk • • • • • • Jumlah Penduduk Laju pertambahan penduduk (LLP) CBR (Crude Birth Rate)/ Tingkat Kelahiran Kasar CDR (Crude Death Rate)/ Tingkat Kematian Kasar NRR (Net Reproduction Rate)/ Banyaknya wanita yang dilahirkan oleh setiap wanita / replacement level.

Penghitungan Sex Ratio dan Perapihan Penduduk Kelompok Jumlah Penduduk umur Laki-laki Perempuan (1) (2) (3) Sex Ratio (4) 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+ Jumlah 410895 448918 411232 336904 247459 259179 218072 184587 124518 114357 103939 70480 71432 38200 26790 21523 3088485 384889 424242 389235 309886 276127 268636 200683 159672 116870 111290 93786 64880 55625 28918 21377 21204 2927320 106.54 102.83 108.42 132.63 128.48 108.32 101.51 .82 105.60 106.62 96.10 125.66 115.65 108.50 105.76 105.76 110.72 89.Kelompok Sebelum Prorating umur Laki-laki Perempuan L+P (1) (2) (3) (4) Setelah Prorating Laki-laki Perempuan L+P (5) (6) (7) 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+t TT Jumlah 410886 448908 411222 336896 247453 259173 218067 184583 124515 114354 103937 70478 71430 38199 26789 21522 73 3088485 384873 424225 389219 309874 276116 268625 200675 159666 116865 111286 93782 64878 55623 28917 21376 21202 118 2927320 795759 410896 873133 448919 800441 411232 646770 336904 523569 247459 527798 259179 418742 218072 344249 184587 241380 124518 225640 114357 197719 103939 135356 70480 127053 71432 67116 38200 48165 26790 42724 21523 191 6015805 3088485 384889 424242 389235 309886 276127 268636 200683 159672 116870 111290 93786 64881 55625 28918 21377 21203 795784 873161 800466 646791 523586 527815 418755 344260 241388 225647 197725 135360 127057 67118 48167 42725 2927320 6015805 2.

979964 • PERAPIHAN PENDUDUK PEREMPUAN UMUR 10-69 DENGAN UN.550 x 0. SMOTHING METHOD Σ 5 Px* = 1 [− 5 Px −10 + 45 Px − 5 + 10 5 Px + 45 Px + 5 − Px +10 ] 16 1 [− 384889 + (4 ∗ 424242) + (10 ∗ 389275) + (4 ∗ 309886) − (276127)] = 379865 16 1 [− 424242 + (4 ∗ 389235) + (10 ∗ 309886) + (4 ∗ 276127) − (268636)] = 316714 16 1 [− 389235 + (4 ∗ 309886) + (10 ∗ 276127) + (4 ∗ 268636) − (200683)] = 280340 16 1 [− 309886 + (4 ∗ 276127) + (10 ∗ 268636) + (4 ∗ 200683) − (159672)] = 257753 16 P(10 −14) = P(15−19 ) = P( 20− 24) = P( 25− 29 ) = .100 x 0.100 Perapihan penduduk perempuan umur (0-4) tahun = jumlah kelahiran penduduk x survival ratio = 491.• PERAPIHAN PENDUDUK PEREMPUAN UMUR 0-4 DAN 5-9 DENGAN SURVIVAL RATIO WAKTU LAHIR Perkiraan jumlah kelahiran penduduk perempuan umur 0-4 (1985-1990) = 5 x 445.951 Perkiraan jumlah kelahiran penduduk perempuan umur 5-9 (1980-1985) = 5 x 391.930464 = 456.730 Perapihan penduduk perempuan umur (5-9) tahun = jumlah kelahiran x survival ratio = 401.372 x 0.930464 x 0.2052 = 491.2052 = 401.730 x 0.

5 − 1.60 Interpolasi = P(75+) = 0.4546% 2.38 = 0.4546 − 1.P( 70−74) + P( 75 + ) P( 0−75 + ) Ratio 1.5 = 0.62 dan 1.5 = 0.320 = 16.580024 ∗ 2.62) + 0.90 − 0.580024 1.0 P(70-74) = 0.874576 1.377 + 21.P(30−34) = P(35−39 ) = P( 40− 44) = P( 45− 49 ) = P(50−54) = P(55−59 ) = P( 60−64) = P( 65−69 ) = 1 [− 276127 + (4 ∗ 268636) + (10 ∗ 200683) + (4 ∗ 159672) − (116870)] = 207942 16 1 [− 268636 + (4 ∗ 200683) + (10 ∗ 159672) + (4 ∗ 116870) − (111290)] = 155438 16 1 [− 200683 + (4 ∗ 159672) + (10 ∗ 116870) + (4 ∗ 111290) − (93786)] = 122380 16 1 [− 159672 + (4 ∗ 116870) + (10 ∗ 111290) + (4 ∗ 93786) − (64880)] = 108186 16 1 [− 116870 + (4 ∗ 111290) + (10 ∗ 93786) + (4 ∗ 64880) − (55625)] = 91878 16 1 [− 111290 + (4 ∗ 93786) + (10 ∗ 64880) + (4 ∗ 55625) − (28918)] = 69140 16 1 [− 93786 + (4 ∗ 64880) + (10 ∗ 55625) + (4 ∗ 28918) − (21337)] = 51017 16 1 [− 64880 + (4 ∗ 55625) + (10 ∗ 28918) + (4 ∗ 21337) − (21203)] = 31944 16 • PERAPIHAN PENDUDUK PEREMPUAN UMUR 70-74 DAN 75 DENGAN TABEL STABLE POPULATION Ratio P(70-74) dan P(75+) = P( 70−74 ) + P( 75 + ) P( 0−75 + ) ∗ 100% = 21.0 ∗ (0.60 − 0.0 = 0.5 − 1.979 100 .0 Ratio 1.204 ∗ 100% = 1.4546 − 1.38 dan 1.627.927. P(70-74) dan P(75+) = P( 65−69) .602 100 1.90 Interpolasi = 1.45% untuk P(70-74) terletak pada persen 1.320 = 25.0 = 0.320 ∗ 100% Ratio P(65-69).927.874576 ∗ 2.62 = 0.38) + 0.45% untuk P(75+) terletak pada persen 1.0 ∗ (0.

100 x 1.9166 Penduduk laki-laki (0-4) tahun = 515.84 1.54 0.05 = 515.52 (0.5 3.9300 – 0.9021 + 0.14 0.05 1.20 1.08 2.38 0.62 0.36 1.86 2.649 Jumlah kelahiran (80-85) = Kelahiran Perempuan x Sex Ratio at Birth = 401.45 0.9021) = 0.89 1.655 Survival ratio laki-laki level 18.816 x 0.23 0.730 x 1.0 0.5 4.63 0.07 0.36 1.Percentage of Person at Advanced Ages in Stationery Population Percentage of Population Aged 70 and over 70-74 75-79 80-84 Estimated percentage of total in specified age group 85 and over 75 and over 1.0 3.43 0.16 1.37 0.04 = 0.9166 = 472.51 0.73 0.92 2.9171) = 0.28 0.655 x 0.09 0.01 0.04 = 0.05 = 421.10 0.765 • PERAPIHAN PENDUDUK LAKI-LAKI DENGAN THREE MOVING AVERAGE Sn(10-14) = [SRn-1 + 2SRn +SRn+1] : 4 .52 (0.21 0.23 0.5 5.9928 – 0.22 2.9305 = 359.05 0.73 0.41 1.64 1.0 4.9305 Penduduk laki-laki (5-9) tahun = kelahiran laki-laki x survival laki-laki x survival perempuan = 421.9166 x 0.90 1.0 1.14 0.0 2.48 0.18 0.58 0.29 0.09 1.60 0.5 2.03 0.64 1.9171 + 0.08 2.816 Survival ratio perempuan level 18.52 • PERAPIHAN PENDUDUK LAKI-LAKI UMUR 0-4 DAN 5-9 DENGAN SEX RATIO AT BIRTH Jumlah kelahiran (85-90) = kelahiran Perempuan x Sex Ratio at Birth = 491.

9648 + (2 x 1.0654] : 4 = 4.3210) + 1.1560] : 4 = 4.29485 = 41.0872) + 0.9781 P(25-29) = 257.469 Sn(40-44) = [1.1560 + (2 x 1.0582 + (2 x 1.0276] : 4 = 4.3144 : 4 = 1.461 Sn(65-69) = [1.057225 = 114.999 Sn(45-49) = [1.878 x 1.753 x 0.017 x 1.12842 + (2 x 1.0872 + (2 x 0.186 x 1.438 x 1.908 Sn(60-64) = [1.3210] : 4 = 4.377 Sn(50-54) = [1.116 = 173.29485 P(65-69) = 31.9611 = 269.5651 : 4 = 1.8962 + (2 x 0.0866] : 4 = 3.8444 : 4 = 0.0786 P(40-44) = 122.942 x 1.141275 = 78.0318 = 326.3305 : 4 = 1.865 x 1.8962] : 4 = 4.0318 P(15-19) = 316.9611 P(20-24) = 280.0866 + (2 x 1.944 x 1.0276) + 1.140 x 1.714 x 1.404 Sn(15-19) = [1.294 : 4 = 1.9757 : 4 = 1.0654 + (2 x 1.082625 P(50-54) = 91.141275 P(55-59) = 69.363 .469 Sn(55-59) = [1.226 Sn(35-39) = [1.435 Sn(25-29) = [0.108 Sn(30-34) = [0.0565 + (2 x 1.243925 P(60-64) = 51.116 P(35-39) = 155.243925 = 63.9781 = 252.0654) + 1.0276 + (2 x 1.0863 + (2 x 1.0565) + 1.12842] : 4 = 4.1083) + 1.1083] : 4 = 4.= [1.464 : 4 = 1.0863) + 1.0872] : 4 = 1.0646 = 404.2289 : 4 = 1.9648) + 1.0866) + 1.082625 = 99.0735 = 223.380 x 1.9124 : 4 = 0.785 Sn(20-24) = [1.9648] : 4 = 3.1083 + (2 x 1.12842) + 1.1794 : 4 = 1.340 x 0.1560) + 1.1271 : 4 = 1.2532] : 4 = 5.8962) + 0.0646 P(10-14) = 379.0735 P(30-34) = 207.057225 P(45-49) = 108.0786 = 131.0863] : 4 = 4.

030795 0.679 25.619 265.929 204.623 400.383 7.03767 0.672 14.830 22.979964 0.371 152.785 269.235 .951 366.988048 0.435 (3) 0.PROYEKSI PENDUDUK PROPINSI LAMPUNG 1990-1995 Kelompok umur Jumlah Penduduk Perempuan Hasil Perapihan Survival Ratio Level 18.753 207.579 247.926 22.416 346.558 21.08871 0.005761 0.793 296.469 78.742 12.985164 0.762564 0.887 29.916608 0.929 88.469 131.377 99.908 63.059.916512 0.982828 0.878 69.062283 0.186 91.649 359.002327 0.387 0.971268 0.602 16.771112 0.886628 0.585 56.979 2.206 46.945616 0.379.043273 0.959420 0.904 120.717 14.435 2525.765 404.979 169.930464 0.017 31.266 34.059 75.306 379.04 Proyeksi Penduduk Perempuan Tahun 1995 Rata-rata Penduduk Perempuan 90-95 [(2)+(4)] : 2 (1) 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+ Jumlah (2) 456.982660 0.226 Survival Proyeksi Ratio Penduduk Laki-laki Laki-laki 18.12768 0.173 48.442 104.438 122.977444 0.979 3.04 Tahun Kawin 1995 (7) X (5) (8) (10) 0.485 267.176 358.108 223.992124 0.977368 0.593 395.984 3.340 257.226 173.00477 0.911 106.985688 0.500 (6) (6) : 2.461 41.014 67.371 230.247 5 P(10-54) = 426.943104 0.06313 0.865 316.944 94.989 253.785 2.206 109.363 28.087121 0.944 25.980976 0.234 351.707976 (4) 425.736 218.957892 0.630 276.557 90.084935 0.969900 0.873 312.987104 0.380 108.758 27.853476 0.975996 0.912 232.873676 0.021 3.01181 0.829 18.961240 0.714 280.05 (7) ASFR Tahun 1990 ASFR Kelahiran Perempua Perempuan n 90-95 Jumlah Penduduk Laki-laki Yang Sudah Dirapihka n (9) 472.404 326.741 369.999 114.327 (5) 441.556 128.00357 0.17418 0.660900 (11) 447.001741 860 10.17860 0.140 51.942 155.320 119.150 65.119.018375 0.938.990312 0.909 19.547 433.222 614 157 P(10-54) = 85.991364 0.967 376.935 179.979940 0.

Asumsi-asumsi Dalam Life Tables 1. jika dalam life table menyajikan umur dalam interval 5 atau 10 tahun. Abridged Life Table. Period (Population) Life Table adalah suatu alat untuk menganalisa kondisi mortalitas suatu penduduk berdasarkan pengalaman mortalitasw suatu penduduk pada periode waktu tertentu (seperti: satu tahun. yaitu : 1. Periode Life Table disebut juga dengan Current Life Table. Terdapat dua klasifikasi berdasarkan interval umur. yaitu : 1. . karena merupakan riwayat hidup suatu kohort sampai dengan kematiannya. Hal ini membutuhkan data pada periode waktu yang panjang dalam menyempurnakan life table untuk satu kohort. Migrasi dianggap tidak ada. Terdapat dua jenis life table. jika dalam life table menyajikan umur tunggal 2. Risiko kematian pada masing-masing umur untuk masing-masing individu dalam kohort disajikan dalam bentuk yang sudah tetap sebelumnya dan tidak berubah. karena menggambarkan keadaan current mortality pada suatu penduduk. Cohort (or Generation) Life Table adalah pengalaman nyata kelangsungan hidup (the actual survival experience) suatu kelompok atau kohort dari individu-individu yang lahir pada tahun yang sama atau disebut dengan a generation atau Longitudinal Life Table. 2.LIFE TABLE Life Table adalah table yang berisi riwayat kehidupan suatu penduduk menurut umur dalam sebuah model statistik tunggal (a single statistical model). Umumnya Abridged Life Table lebih banyak dan sering digunakan karena lebih sesuai. berkenaan dengan riwayat kematian secara bertahap (gradually). perubahan kohort hanya dipengaruhi oleh kematian pada masing-masing individu dalam kohort. tiga tahun atau di antara dua periode). 2. Complete Life Table. Life Table menerangkan riwayat suatu kelompok hipotesis (hypothetical group) atau suatu kohort penduduk.

qx adalah probability of dying antara x dan x+1.000 yang disebut dengan “radix life table” sehingga menyediakan perbandingan antara tabel-tabel yang berbeda.nqx . Dari asumsi di atas bahwa life table terbentuk menurut jenis kelamin laki-laki dan perempuan tetapi mortality experience laki-laki dan perempuan dalam populasi yang sama ditemukan perbedaan. Jumlah kematian selama setahun diasumsikan pada interval umur. menyebar secara merata (kecuali pada beberapa tahun pertama) khususnya dalam satu tahun. lx . nLx . kolom ini hanya berisi umur x dimana x= 0. Besaran kohort adalah jumlah tetap dari jumlah kelahiran menurut jenis kelamin seperti 1. Kolom dan Fungsi Life Table Fungsi dasar Life Table adalah menerangkan riwayat suatu kohort yang disajikan dalam sebuah bentuk tabel. Kolom (2) : nqx adalah probability of dying sebelum mencapai umur x+n untuk individu yang berumur x. dalam complete life table. dan e 0 0. adalah jumlah orang-orang yang hidup pada umur x (dimulai pada interval x sampai x+n) dari jumlah total kelahiran mnurut “radix life . Tx .1. Dalam abridge life table n=5 atau 10 tahunan. Enam kolom fungsi Life Table tersebut adalah nqx . Keterangan untuk masing-masing kolom adalah sebagai berikut: Kolom (1) : x sampai x+n. Sedangkan dalam complete life tble. 10. adalah probability of surviving dari seorang yang berumur x selama interval x sampai x+n.w. Kolom (3) : lx . ndx . 3. 4. atau 100..….Sehingga tidak ada perubahan dalam risiko kematian dan life table-nya adalah murni suatu deterministic model (model yang telah ditentukan).2. p x = 1 .000. x berarti umur x. adalah periode kehidupan antara dua umur x sampai x+n. Kecuali pada kolom pertama menunjukkan interval umur x sampai x+n.000.qx npx npx = 1 . sedangkan enam kolom lainnya menerangkan fungsi Life Table secara khusus.

adalah jumlah kematian dari orang-orang lx selama periode tahun n berikut. Karena itu l x + n = l x − n d x = l x (1− n q x ) = l x *n p x Dalam complete life table n = 1 . L0 = 0..000. Jumlah ini adalah total orang yang mencapai kehidupan lx.4 tahun.3 l0 + 0. Lx = 1 n (l x + l x +1 ) dan n Lx = (l x + l x +1 ) untuk x>2.table”. Jadi ndx = lx (nqx).. 2 2 Hubungan linier tidak valid untuk umur 0 dan 1 tahun. adalah jumlah orang yang hidup dari orang-orang lx dalam interval umur (x. Tx = n L x + n L x +1 + . + L y Ly adalah lamanya seseorang hidup (dalam tahun).7 l1. Kolom (6) : Tx .6 l2 Dari hubungan di atas dapat diasumsikan bahwa rata-rata orang meninggal pada tahun pertama kehidupannya adalah hidup untuk o. Kolom ini dimulai dengan l0 . adalah jumlah orang yang hidup setelah mencapai umur x. maka d x = l x (q x ) dan l x + n = l x *n p x Kolom (5) : nLx .3 tahun dan ratarata seseorang meninggal antara umur 1 dan 2 tahun adalah hidup untuk 0.x+n). maka pendekatan untuk nilai L0 dan Lx adalah sebagai berikut. misalnya 100.4 l1 + 0. L1 = 0. lx seseorang setelah mencapai umur y (misalnya y =80) Ty = L y = ly my . lx merupakan fungsi turunan dari pada umur sehingga bisa didapat nilai nqx adalah sebagai berikut : l x + n = l x *n p x jadi n px = l x+n lx Kolom (4) : ndx .

.00635 0.3 Pembuatan Life Table (Construction Life Table) Pembuatan life table diperlukan sebagai dasar untuk mengetahui nilai nex dan beberapa asumsi seperti nilai Lx dari nilai lx.01057 0. jika x = 0 maka e 0 0 = 0 lx l0 e0x.03406 0.8 48. Ini adalah rata-rata jumlah tahun lx mencapai harapan hidup. India 1961-1970 Probability of dying between ages x and x+1 (qx) (2) Age Survivors at exact age x Number of deaths between ages x and x+1 (dx) (4) (x) (1) (lx) (3) Number of persons lifing between ages x and x+1 (Lx) (5) Number of persons living beyond exact ages x and x+1 (Tx) (6) Expectation of life at exact age x (e0x) (7) 0 1 2 3 4 5 6 7 8 9 0.Dari persamaan di atas.01205 0.2 50. Contoh : Complete Life Table for Female.01122 0.01313 0.12837 0.3 48.9 50. e0 x = Tx T .8 50.2 49.7 50. adalah tingkat harapan hidup pada umur x.1446 0.8 49.01601 0.. Kaitan antara life table dengan jumlah penduduk menurut asumsi dasar adalah bahwa : mx = Mx . adalah tingkat harapan hidup pada saat lahir (bayi).00852 100000 87163 84194 82846 81648 80576 79605 78712 77880 77152 12837 2969 1348 1198 1072 971 893 832 728 657 91014 85382 83520 82247 81112 80091 79159 78296 77516 76824 4465447 4365447 4274433 4189051 4106684 4025358 3945267 3866108 3787812 3710296 44. juga dapat diimplikasikan sebagai berikut Tx = Lx + Tx +1 Kolom (7) : e 0 x.5 50.

tingkat reproduksi. dan perubahan penduduk di masa yang akan dating. Life Table Survival Rates 5. Ledermann’s Model Life Tables 4. Ukur Morbiditas dan Kesehatan 3. Based on Death Record Only b. migrasi.Mx adalah ASDR (central) observasi dalam penduduk dengan pendekatan central death rate pada life table atau mx. UN Model Life Tables 2. Coale and Demeny’s Model Life Tables 3. Complete Life Table from Abridge Life Table 7. Analisis Mortalitas 2. Beberapa penggunaan Life Tables sebagai alat: 1. dan struktur penduduk. Based on Two Consecutive Census Age Distribution 8. Beberapa Metode Pembuatan Life Table 1. Based Upon aSingle Census Record Only c. Secara luas life table digunakan untuk estimasi dan proyeksi penduduk. Merujuk pada Standard Table 6. Keyfitz Method 5. Chiang Method 4. Reed and Merrell Method 2. Arriaga Method Based on Age Data Model Life Table 1. From Incomplete Data a. Greville Method 3. The Logit System of Model Life Tables Model Life Table dan teknik life table adalah alat untuk mengukur tingkat mortalitas dan juga digunakan untuk studi fertilitas. struktur. Estimasi Migrasi . Analisis Mortalitas menurut Penyebab Kematian 4.

1184 l1+2. l1 .70 l1 dan 4L1=0.3 l0+0. 1977 Age Central deaths rate Probability of dying between ages x and x+1 (nqx) (3) Number of deaths between ages x and x+1 (ndx) (4) Survivors at exact age x (x) (1) (mmx) (2) (lx) Number of persons lifing between ages x and x+1 (nLx) (5) Number of persons living beyond exact ages x and x+1 (Tx) (6) Expectation of life at exact age x (e0x) (7) 0 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 0. dan l5 menggunakan rumus L0=0. Reproduksi. Nuptiality Table b.034 l0+1. Analisis Fertilitas.00209 0. Analisis Sosio-ekonomi dan Dynamic a. Evaluasi Program Keluarga Berencana 8.88 Catatan: Langsung dihitung dari l0 .036177 0.05544 0.40 65.00959 0. India Based on Mean Age Spesific Death Rate for 1975.049902 0.00 67. dan Struktur Umur 7.782 l5 . 1976. Working Life Table c.010399 4990 3437 952 100000 95010 91573 96507a 370648a 455485 6500089 6403582 6032934 65.6. School Life Table Contoh: Abridged Life Table for Female.

Perbedaan antara tingkat mortalitas laki-laki dan perempuan dapat dipelajari menurut rasio pada mortalitas laki-laki dan perempuan menurut umur. Ada empat metode utama untuk merapikan tingkat/angka kematian yaitu: 1. . social ekonomi. Standarisasi angka kematian menurut umur (age standardized death rate) dihitung dengan metode langsung (direct method) 2. atau dengan rata-rata geometric  x  . ataupun jenis pekerjaan pada penduduk atau kategori lainnya sebagai pembanding. Indeks sederhana untuk tujuan ini adalah CDR. Sering tingkat kematian dirapihkan atau distandarisasikan menurut kelompok umur dan jenis kelamin. Tetapi CDR tidak cocok untuk membandingkan mortalitas pada dua populasi yang berbeda pada struktur umur dan jenis kelamin. ASDR dapat dihitung menggunakan rata-rata ASDR x  πm  n aritmatic ∑ . Untuk mengamati terjadinya perubahan-perubahan dalam tahun-tahun terakhir. n adalah total rate. diperlukan satu indeks mortalitas yang menggambarkan sebuah rata-rata pada angka kematian pada keragaman segmen-segmen penduduk. Indeks keterbandingan mortalitas (comparative mortality index) 4. Angka hasil perhitungannya disebut perapihan atau perbaikan atau angka standarisasi (standardized rate). status perkawinan. Tabel riwayat hidup tingkat kematian (Life Table Death Rate) Direct Standardization (Standarisasi Langsung) Untuk tujuan spasial dan temporal.ADJUSTED MEASURES OF MORTALITY (PERAPIHAN UKURAN-UKURAN MORTALITAS) ASDR merupakan suatu ukuran mortalitas yang sangat berguna untuk mempelajari keragaman mortalitas menurut umur. atau n  x  0 w 1 penjumlahan secara sederhana. Diperlukan suatu indeks mortalitas yang menggunakan beberapa standar tertimbang dalam rata-rata tingkat kematian. Standarisasi angka kematian menurut umur dihitung dengan metode tidak langsung (indirect method) 3. menggunakan ASDR menurut jenis kelamin. Tetapi untuk lebih mudahnya membandingkan.

. menggunakan distribusi umur pada standarisasi penduduk sebagai penimbang.Standarisasi langsung untuk CDR mencakukp standarisasi penduduk dan penghitungan rata-rata tertimbang pada ASDR dalam wilayah tertentu. Rasio SDR(D) adalah sebagai berikut: ∑ ∑ x x n M A x . maka selisihnya akan lebih besar atau sama dengan “0”(nol).n P S x M B x .n P S x M A x = n M B x untuk semua kelompok umur x. Rumus untuk standarisasi langsung tingkat kematian [direct standardized death rate atau SDR(D)] untuk suatu penduduk A Ps x  adalah SDR( D) A = 1000∑ M A x   x  Ps  keterangan: M A x = ASDR pada kelompok umur x untuk penduduk A P s x = Penduduk pada kelompok umur x dalam penduduk standar Ps = Total penduduk standar Jika angka mortalitas penduduk A sama dengan dua kali angka mortalitas penduduk B. jika SDR(D)-nya adalah: n ∑[ x n M A x − n M B x . Selisih n Rasio ini sama dengan 2. maka hal ini mencerminkan adanya selisih pada adjusted rates atau rasionya.n P S x ] ∑ x n PS x Rumus di atas menunjukkan bahwa jika n M A x ≥ n M B x untuk semua kelompok umur x.

551 65.387 26.5 3.5 2.817 46.301 157.438 147.132 141.171.3 7. M P x ∑n n x x .7 5. Indirect Standardized Death Rate dapat dinyatakan ke dalam bentuk Directly Standardized sebagai berikut: SDR( I ) = D × CDR s S .79 20.1 94.830 323.1 1.233 5. Umur Standard Population All India (ribuan) (2) KERALA ASDR (ribuan) (3) UTTAR PRADESH ASDR (ribuan) (5) Expected Deaths (2)X(3) (4) Expected Deaths (ribuan) (6) (1) 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70+ Total 88.6 43.4 3.444 9.056 929.0 9.120 40.426 11.Contoh 1 Berikut adalah penghitungan Direct Standardization of Death Rate untuk Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.025.00 83.231 149.3 23.7 36.891 14.8 17.868 150.922 31.50 9.160 24.484 177.031 20.249 266.046 53.606 129.632 77.2 1.5 108.3 1.10 Standardized Death Rate Crude Death Rate (for comparison) Indirect Standardization (Standarisasi Tidak Langsung) SDR( I ) A = DA × CDR s A S ∑ n M x .280 150.258 10.344 101.4 2.6 3.418.8 2.233 17.498 417.814 1.710 71.7 5.1 4.7 4.3 8.1 7.877 548.464 65.425 162.684 22.925 7.727 116.8 6.3 2.405 257.161 179.n P x x n M S x dan CDR s merujuk pada penduduk standar.054 125.659 35.8 16.441 232.265 65.204.625 400.9 18.883 20.658 160.7 48.248 358.396.104 217.9 3.915 9.4 2.

126 163.829 28.6 5.232 1.948 58.389 10.536 327.0 (CDR) Total Death Actually Ratio = Observed Expected 192.296 5.483 1.801 23.4 100.∑ = ∑ x x n M x .657 742.544 6.950 6.219 6.005 4.207 51.038 3.0 48.698 19.333 3.586 327.227 11.830 14.680 8.8 21.408 1.147 192. Umur ASDR of Standard Population All India (ribuan) (2) KERALA Population (ribuan) (3) UTTAR PRADESH Population (ribuan) (5) Expected Deaths (2)X(3) (4) Expected Deaths (ribuan) (6) (1) 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70+ Total 51.738 1.148 997 866 697 558 438 318 454 21.5 16. n Px × CDR s  P S x  CDR s SDR( D) = ∑ n M x .775.615 5.n Px S n M x .391 45.948 5.038 52.717 14. n × s x  Ps  CDR ∑ = ∑ x x n M x .79 1.3 3.738 15.9 4.836 2.7 4.n P S x S S n M x .349 8.537 13.341 1.7 9.441.315 12.640 67.126 = 0.710 11.346 192.167 6.924 88.329 5.n P x × CDR s Contoh 2 Berikut adalah penghitungan Indirect Standardization of Death Rate for Age untuk Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.2 34.892 15.151 2.628 6.930 1.981 1.352 1.7 2.351 25.0 2.775.717 8.6 3.657 = 1.4 3.528 29.706 3.608 1.961 25.232 Indirect Standardized Death Rate (CDR X Ratio) .311 5.345 1.317 7.228 20.031 35.648 2.441.7 6.354 68.977 1.

Hal ini berkaitan dengan pengaruh pada komposisi umur dan jenis kelamin pada penduduk saat sekarang maupun penduduk pada awal tahun. tetapi kemudian tidak dipakai lagi karena sangat sulit untuk menjelaskan CMI secara umum. CMI pertama diperkenalkan pada tahun 1941 di Inggris dan Wales. CMI didefinisikan sebagai rasio jumlah tertimbang ASDR dalam masing-masing tahun ke jumlah tertimbang ASDR yang sama pada awal tahun. Indirect: untuk mengurangi bias (bila tidak memiliki daftar CDR) Direct : CDR masing-masing daerah diketahui sehigga bias dapat langsung dihilangkan Comperative Mortality Index (CMI/Indeks Keterbandingan Mortalitas) CMI adalah suatu ukuran mortalitas untuk menunjukkan perubahan-perubahan dalam seluruh level mortalitas atau penduduk. . yaitu penduduk kelompok umur “a” dan total penduduk pada “t” tahun. CMI t ∑M = ∑M a a a .M t a × CDR s 0 a . P t menunjukkan ASDR menurut kelompok umur penduduk.M a Wa = 1  Pt a P0a  + 0   2  Pt P  M t a . P t a . Tujuan dasar penghitungan CMI adalah untuk membandingkan relative mortalitas suatu wilayah pada dua titik waktu.Tujuan dari standarisasi adalah untuk mengurangi bias dan untuk membandingkan angka kematian dari suatu wilayah dengan wilayah yang lain. Penimbang-penimbangnya adalah rata-rata pada proporsi penduduk total menurut kelompok umur awal tahun dan proporsi penduduk dalam tahun yang terkait.