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.

Sullivan. P2/P3. 25-29 (q3) dan 30-34 (q5). menggunakan data langsung dari SPI87. SDKI97. Estimasi-estimasi Yang Digunakan Estimasi Tingkat Kelahiran (Fertilitas) • Indirect Method (Easwespo Packed Program). 5 Px = jumlah penduduk 5 tahunan sebelum adjusment • • Perapihan (adjusment) penduduk 65+ tahun.…. . 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. Estimasi tingkat Kematian (Mortalitas) • Indirect Method (Mortpaklite/ MCPDA Packed Program). • Sumber data SP71. dan Falloni Heligman. SP2000. dan SUPAS95. SP80. • Direct Method. merujuk ke periode beberapa tahun sebelum pelaksaan sensus/survei seperti metode Rele. seperti metode Brass. 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. SDKI91. Berdasarkan rasio paritas. SUPAS 95. Palmore. Hal ini disebabkan responden lupa kejadian kelahiran di masa lalu. Trussell. hasil yang diambil berasal dari rata-rata wanita usia 20-24 (q2). SP90. Guna-SekaranPalmore.• 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. dan Last Live Birth (anak lahir hidup terakhir yang merujuk pada tahun pelaksaan sensus/survei). angka yang dihasilkan lebih rendah daari pada hasil indirect method.

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

L = perkiraan asymtot bawah k = konstanta a & b = koefisien kurva r = waktu e = konstatnta eksponensial.• Menghitung proyeksi penduduk Indonesia dengan menggunakan fungsi logistik untuk membuat asumsi TFR dan IMR (misalnya diasumsikan TFR dengan NRR=1 dan IMR=20). 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. Prorating = Jumlah penduduk x Penduduk masing-masing kelompok umur Jumlah penduduk-TT . Fungsi Logistik k 1 + be at Y = L+ dimana Y = perkiraan TFR/IMR. Melakukan proses iterasi untuk menyamakan jumlah penduduk per propinsi denagn jumlah penduduk Indonesia (sebagai patokan/ kontrol). IMR menggunakan fungsi logistik). Contoh Penghitungan Proyeksi Penduduk: 1. E0 (Expectation of Live). • • Menghitung proyeksi penduduk per propinsi (TFR diasumsikan = 2. Prorating Penduduk.

83 108.62 96.48 108.82 105.10 125.51 . 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 106.63 128.60 106.65 108.32 101.76 110.42 132.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 2.66 115.72 89.76 105.50 105.54 102.

550 x 0.930464 x 0.• 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 445.2052 = 401.979964 • PERAPIHAN PENDUDUK PEREMPUAN UMUR 10-69 DENGAN UN.100 x 0.730 x 0.100 Perapihan penduduk perempuan umur (0-4) tahun = jumlah kelahiran penduduk x survival ratio = 491.372 x 0.2052 = 491. 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 ) = .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.

5 = 0.5 = 0.320 = 16.90 − 0.90 Interpolasi = 1.4546 − 1.874576 ∗ 2.0 ∗ (0.580024 1.45% untuk P(70-74) terletak pada persen 1.602 100 1.204 ∗ 100% = 1.62) + 0.580024 ∗ 2.0 P(70-74) = 0.P( 70−74) + P( 75 + ) P( 0−75 + ) Ratio 1.62 = 0.927.4546 − 1.979 100 .927.0 = 0.320 ∗ 100% Ratio P(65-69).377 + 21.60 − 0.38 dan 1.627.0 ∗ (0.874576 1.38) + 0.0 Ratio 1.5 − 1.5 − 1. P(70-74) dan P(75+) = P( 65−69) .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% = 21.4546% 2.60 Interpolasi = P(75+) = 0.0 = 0.62 dan 1.38 = 0.320 = 25.45% untuk P(75+) terletak pada persen 1.

0 1.816 Survival ratio perempuan level 18.07 0.73 0.03 0.89 1.9300 – 0.14 0.0 3.84 1.64 1.52 (0.08 2.9166 x 0.38 0.5 2.9166 = 472.816 x 0.45 0.36 1.05 = 515.9305 Penduduk laki-laki (5-9) tahun = kelahiran laki-laki x survival laki-laki x survival perempuan = 421.37 0.655 x 0.0 0.9928 – 0.5 4.765 • PERAPIHAN PENDUDUK LAKI-LAKI DENGAN THREE MOVING AVERAGE Sn(10-14) = [SRn-1 + 2SRn +SRn+1] : 4 .0 4.9021 + 0.54 0.20 1.10 0.655 Survival ratio laki-laki level 18.62 0.09 0.60 0.09 1.52 (0.43 0.86 2.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 1.730 x 1.9171 + 0.05 0.18 0.05 = 421.36 1.01 0.5 3.51 0.23 0.28 0.9021) = 0.41 1.64 1.9166 Penduduk laki-laki (0-4) tahun = 515.14 0.52 • 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 = 491.9171) = 0.73 0.04 = 0.21 0.58 0.48 0.22 2.9305 = 359.23 0.90 1.04 = 0.29 0.5 5.649 Jumlah kelahiran (80-85) = Kelahiran Perempuan x Sex Ratio at Birth = 401.16 1.0 2.92 2.08 2.05 1.100 x 1.63 0.

0582 + (2 x 1.140 x 1.0866] : 4 = 3.29485 = 41.942 x 1.8962] : 4 = 4.0276 + (2 x 1.363 .082625 = 99.0276) + 1.9781 = 252.461 Sn(65-69) = [1.12842) + 1.0565) + 1.469 Sn(40-44) = [1.0318 = 326.714 x 1.0318 P(15-19) = 316.3210] : 4 = 4.9648) + 1.12842] : 4 = 4.464 : 4 = 1.116 P(35-39) = 155.1083) + 1.999 Sn(45-49) = [1.8444 : 4 = 0.3210) + 1.380 x 1.186 x 1.0646 P(10-14) = 379.438 x 1.108 Sn(30-34) = [0.1794 : 4 = 1.3305 : 4 = 1.= [1.226 Sn(35-39) = [1.785 Sn(20-24) = [1.0863 + (2 x 1.1560) + 1.0646 = 404.294 : 4 = 1.1083] : 4 = 4.082625 P(50-54) = 91.0872] : 4 = 1.8962 + (2 x 0.0866) + 1.0565 + (2 x 1.0735 = 223.9124 : 4 = 0.2532] : 4 = 5.944 x 1.29485 P(65-69) = 31.057225 = 114.9611 P(20-24) = 280.3144 : 4 = 1.0863] : 4 = 4.12842 + (2 x 1.9648 + (2 x 1.753 x 0.1560] : 4 = 4.2289 : 4 = 1.9648] : 4 = 3.5651 : 4 = 1.878 x 1.116 = 173.0786 P(40-44) = 122.0866 + (2 x 1.0735 P(30-34) = 207.057225 P(45-49) = 108.0786 = 131.1271 : 4 = 1.1560 + (2 x 1.0654] : 4 = 4.435 Sn(25-29) = [0.0863) + 1.0276] : 4 = 4.0872 + (2 x 0.377 Sn(50-54) = [1.141275 P(55-59) = 69.1083 + (2 x 1.9611 = 269.469 Sn(55-59) = [1.243925 P(60-64) = 51.141275 = 78.8962) + 0.9781 P(25-29) = 257.908 Sn(60-64) = [1.0872) + 0.017 x 1.9757 : 4 = 1.404 Sn(15-19) = [1.865 x 1.243925 = 63.0654 + (2 x 1.340 x 0.0654) + 1.

059 75.222 614 157 P(10-54) = 85.929 204.865 316.753 207.602 16.017 31.758 27.435 2525.059.442 104.435 (3) 0.150 65.742 12.00477 0.886628 0.17860 0.911 106.247 5 P(10-54) = 426.969900 0.980976 0.176 358.979964 0.951 366.991364 0.547 433.340 257.916512 0.320 119.08871 0.660900 (11) 447.999 114.977368 0.741 369.975996 0.765 404.558 21.416 346.485 267.938.108 223.904 120.084935 0.926 22.383 7.186 91.707976 (4) 425.990312 0.935 179.887 29.579 247.771112 0.979940 0.957892 0.438 122.930464 0.672 14.959420 0.979 2.266 34.235 .585 56.206 109.306 379.909 19.977444 0.649 359.371 152.119.087121 0.469 78.05 (7) ASFR Tahun 1990 ASFR Kelahiran Perempua Perempuan n 90-95 Jumlah Penduduk Laki-laki Yang Sudah Dirapihka n (9) 472.461 41.17418 0.982828 0.377 99.018375 0.04 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) 456.469 131.982660 0.06313 0.944 25.912 232.988048 0.PROYEKSI PENDUDUK PROPINSI LAMPUNG 1990-1995 Kelompok umur Jumlah Penduduk Perempuan Hasil Perapihan Survival Ratio Level 18.500 (6) (6) : 2.984 3.989 253.404 326.873 312.943104 0.679 25.021 3.945616 0.967 376.380 108.829 18.630 276.387 0.327 (5) 441.878 69.062283 0.379.03767 0.714 280.929 88.942 155.979 3.002327 0.762564 0.979 169.736 218.030795 0.916608 0.12768 0.793 296.014 67.00357 0.371 230.992124 0.234 351.623 400.961240 0.853476 0.556 128.363 28.830 22.985164 0.043273 0.971268 0.01181 0.619 265.873676 0.140 51.226 Survival Proyeksi Ratio Penduduk Laki-laki Laki-laki 18.987104 0.001741 860 10.944 94.04 Tahun Kawin 1995 (7) X (5) (8) (10) 0.785 2.557 90.908 63.785 269.985688 0.005761 0.206 46.717 14.593 395.226 173.173 48.

yaitu : 1. jika dalam life table menyajikan umur dalam interval 5 atau 10 tahun. berkenaan dengan riwayat kematian secara bertahap (gradually). tiga tahun atau di antara dua periode).LIFE TABLE Life Table adalah table yang berisi riwayat kehidupan suatu penduduk menurut umur dalam sebuah model statistik tunggal (a single statistical model). Terdapat dua jenis life table. Asumsi-asumsi Dalam Life Tables 1. 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. jika dalam life table menyajikan umur tunggal 2. 2. Hal ini membutuhkan data pada periode waktu yang panjang dalam menyempurnakan life table untuk satu kohort. karena merupakan riwayat hidup suatu kohort sampai dengan kematiannya. 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. yaitu : 1. Umumnya Abridged Life Table lebih banyak dan sering digunakan karena lebih sesuai. Complete Life Table. perubahan kohort hanya dipengaruhi oleh kematian pada masing-masing individu dalam kohort. . Terdapat dua klasifikasi berdasarkan interval umur. Abridged Life Table. Life Table menerangkan riwayat suatu kelompok hipotesis (hypothetical group) atau suatu kohort penduduk. Migrasi dianggap tidak ada. Periode Life Table disebut juga dengan Current 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.

p x = 1 .000 yang disebut dengan “radix life table” sehingga menyediakan perbandingan antara tabel-tabel yang berbeda. ndx . Tx . kolom ini hanya berisi umur x dimana x= 0. Enam kolom fungsi Life Table tersebut adalah nqx . Besaran kohort adalah jumlah tetap dari jumlah kelahiran menurut jenis kelamin seperti 1. Kolom (2) : nqx adalah probability of dying sebelum mencapai umur x+n untuk individu yang berumur x. dalam complete life table.w.qx npx npx = 1 . Keterangan untuk masing-masing kolom adalah sebagai berikut: Kolom (1) : x sampai x+n. Dalam abridge life table n=5 atau 10 tahunan.1.. adalah periode kehidupan antara dua umur x sampai x+n. Kecuali pada kolom pertama menunjukkan interval umur x sampai x+n.nqx . 10. menyebar secara merata (kecuali pada beberapa tahun pertama) khususnya dalam satu tahun. Sedangkan dalam complete life tble. x berarti umur x. atau 100. 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. lx .000. sedangkan enam kolom lainnya menerangkan fungsi Life Table secara khusus. Kolom dan Fungsi Life Table Fungsi dasar Life Table adalah menerangkan riwayat suatu kohort yang disajikan dalam sebuah bentuk tabel. adalah probability of surviving dari seorang yang berumur x selama interval x sampai x+n. dan e 0 0. qx adalah probability of dying antara x dan x+1. 4.…. Kolom (3) : lx . Jumlah kematian selama setahun diasumsikan pada interval umur.Sehingga tidak ada perubahan dalam risiko kematian dan life table-nya adalah murni suatu deterministic model (model yang telah ditentukan). nLx .000. 3.2. adalah jumlah orang-orang yang hidup pada umur x (dimulai pada interval x sampai x+n) dari jumlah total kelahiran mnurut “radix life .

7 l1. adalah jumlah orang yang hidup setelah mencapai umur x.table”. 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 .3 l0 + 0.x+n). L0 = 0. + L y Ly adalah lamanya seseorang hidup (dalam tahun). Kolom (6) : Tx . adalah jumlah kematian dari orang-orang lx selama periode tahun n berikut.4 l1 + 0.000.3 tahun dan ratarata seseorang meninggal antara umur 1 dan 2 tahun adalah hidup untuk 0. 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 . Tx = n L x + n L x +1 + . 2 2 Hubungan linier tidak valid untuk umur 0 dan 1 tahun. L1 = 0.4 tahun. Kolom ini dimulai dengan l0 . Jadi ndx = lx (nqx). adalah jumlah orang yang hidup dari orang-orang lx dalam interval umur (x. Lx = 1 n (l x + l x +1 ) dan n Lx = (l x + l x +1 ) untuk x>2.. maka pendekatan untuk nilai L0 dan Lx adalah sebagai berikut. misalnya 100.6 l2 Dari hubungan di atas dapat diasumsikan bahwa rata-rata orang meninggal pada tahun pertama kehidupannya adalah hidup untuk o. maka d x = l x (q x ) dan l x + n = l x *n p x Kolom (5) : nLx . Jumlah ini adalah total orang yang mencapai kehidupan lx. lx seseorang setelah mencapai umur y (misalnya y =80) Ty = L y = ly my ..

01205 0. adalah tingkat harapan hidup pada saat lahir (bayi). e0 x = Tx T .2 49.00635 0.8 48..8 50.8 49. 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 0.01601 0.2 50. Contoh : Complete Life Table for Female.3 48.12837 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 0.01313 0.03406 0.7 50.00852 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 44.9 50. jika x = 0 maka e 0 0 = 0 lx l0 e0x.1446 0. Kaitan antara life table dengan jumlah penduduk menurut asumsi dasar adalah bahwa : mx = Mx .Dari persamaan di atas. juga dapat diimplikasikan sebagai berikut Tx = Lx + Tx +1 Kolom (7) : e 0 x. Ini adalah rata-rata jumlah tahun lx mencapai harapan hidup. adalah tingkat harapan hidup pada umur x.01122 0.5 50.

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

1184 l1+2. Analisis Sosio-ekonomi dan Dynamic a. dan l5 menggunakan rumus L0=0. l1 .05544 0. School Life Table Contoh: Abridged Life Table for Female. Nuptiality Table b.40 65.049902 0. Reproduksi. 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 0.034 l0+1.6. dan Struktur Umur 7. Working Life Table c. Evaluasi Program Keluarga Berencana 8. 1976.00209 0.00959 0. Analisis Fertilitas.00 67.036177 0.88 Catatan: Langsung dihitung dari l0 . India Based on Mean Age Spesific Death Rate for 1975.3 l0+0.782 l5 .70 l1 dan 4L1=0.010399 4990 3437 952 100000 95010 91573 96507a 370648a 455485 6500089 6403582 6032934 65.

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

jika SDR(D)-nya adalah: n ∑[ x n M A x − n M B x . .n P S x M B x . maka selisihnya akan lebih besar atau sama dengan “0”(nol). menggunakan distribusi umur pada standarisasi penduduk sebagai penimbang. Selisih n Rasio ini sama dengan 2. 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.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. maka hal ini mencerminkan adanya selisih pada adjusted rates atau rasionya.Standarisasi langsung untuk CDR mencakukp standarisasi penduduk dan penghitungan rata-rata tertimbang pada ASDR dalam wilayah tertentu.n P S x M A x = n M B x untuk semua kelompok umur x. Rasio SDR(D) adalah sebagai berikut: ∑ ∑ x x n M A x .

3 7.8 16.498 417.2 1.658 160.405 257.231 149.160 24.814 1.3 2. Indirect Standardized Death Rate dapat dinyatakan ke dalam bentuk Directly Standardized sebagai berikut: SDR( I ) = D × CDR s S .171.606 129.258 10.4 3.031 20.659 35.10 Standardized Death Rate Crude Death Rate (for comparison) Indirect Standardization (Standarisasi Tidak Langsung) SDR( I ) A = DA × CDR s A S ∑ n M x .3 8.441 232.551 65.5 3.265 65.054 125.3 1.444 9.7 36. M P x ∑n n x x .249 266.396.817 46.9 3.1 4.233 5.3 23.915 9.426 11.120 40.248 358.1 7.4 2.204.8 6.684 22.877 548.5 2.50 9.925 7.161 179.625 400.025.438 147.922 31.891 14.056 929.830 323.868 150.710 71. 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.n P x x n M S x dan CDR s merujuk pada penduduk standar.132 141.7 5.632 77.344 101.387 26.425 162.301 157.0 9.7 4.79 20.727 116.484 177.5 108.6 3.8 2.7 5.8 17.464 65.1 1.1 94.280 150.883 20.9 18.4 2.418.00 83.046 53.104 217.233 17.7 48.Contoh 1 Berikut adalah penghitungan Direct Standardization of Death Rate untuk Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.6 43.

441.6 3.227 11.126 = 0.346 192.657 = 1. 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 51.615 5.801 23.∑ = ∑ x x n M x . n × s x  Ps  CDR ∑ = ∑ x x n M x .038 52.148 997 866 697 558 438 318 454 21.924 88.981 1.391 45.706 3.147 192.586 327.6 5.640 67.228 20.349 8.232 1.345 1.698 19.836 2.408 1.717 8.528 29.n Px S n M x .005 4.738 15.961 25.0 48.3 3.7 4.536 327.317 7.537 13.8 21.775.296 5.038 3. n Px × CDR s  P S x  CDR s SDR( D) = ∑ n M x .151 2.7 9.930 1.830 14.628 6.5 16.9 4.329 5.948 5.333 3.126 163.710 11.79 1.167 6.352 1.608 1.n P S x S S n M x .829 28.219 6.7 6.717 14.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 1971.4 3.775.657 742.031 35.441.7 2.948 58.950 6.0 2.354 68.311 5.892 15.977 1.544 6.4 100.207 51.351 25.232 Indirect Standardized Death Rate (CDR X Ratio) .389 10.648 2.2 34.738 1.483 1.680 8.315 12.0 (CDR) Total Death Actually Ratio = Observed Expected 192.341 1.

Hal ini berkaitan dengan pengaruh pada komposisi umur dan jenis kelamin pada penduduk saat sekarang maupun penduduk pada awal tahun. Penimbang-penimbangnya adalah rata-rata pada proporsi penduduk total menurut kelompok umur awal tahun dan proporsi penduduk dalam tahun yang terkait.M a Wa = 1  Pt a P0a  + 0   2  Pt P  M t a . tetapi kemudian tidak dipakai lagi karena sangat sulit untuk menjelaskan CMI secara umum. yaitu penduduk kelompok umur “a” dan total penduduk pada “t” tahun. . CMI didefinisikan sebagai rasio jumlah tertimbang ASDR dalam masing-masing tahun ke jumlah tertimbang ASDR yang sama pada awal tahun. Tujuan dasar penghitungan CMI adalah untuk membandingkan relative mortalitas suatu wilayah pada dua titik waktu. P t a . 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. CMI t ∑M = ∑M a a a . CMI pertama diperkenalkan pada tahun 1941 di Inggris dan Wales.M t a × CDR s 0 a . P t menunjukkan ASDR menurut kelompok umur penduduk.Tujuan dari standarisasi adalah untuk mengurangi bias dan untuk membandingkan angka kematian dari suatu wilayah dengan wilayah yang lain.

Sign up to vote on this title
UsefulNot useful