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.

. merujuk ke periode beberapa tahun sebelum pelaksaan sensus/survei seperti metode Rele. • Sumber data SP71. dan SUPAS95. Estimasi-estimasi Yang Digunakan Estimasi Tingkat Kelahiran (Fertilitas) • Indirect Method (Easwespo Packed Program). SP2000. Guna-SekaranPalmore. Palmore. SDKI91. Trussell. dan Falloni Heligman. 25-29 (q3) dan 30-34 (q5). 5 Px = jumlah penduduk 5 tahunan sebelum adjusment • • Perapihan (adjusment) penduduk 65+ tahun. 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. Sullivan. SUPAS 95. SP90. • Direct Method. dan Last Live Birth (anak lahir hidup terakhir yang merujuk pada tahun pelaksaan sensus/survei). Hal ini disebabkan responden lupa kejadian kelahiran di masa lalu. 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. SP80. Estimasi tingkat Kematian (Mortalitas) • Indirect Method (Mortpaklite/ MCPDA Packed Program). hasil yang diambil berasal dari rata-rata wanita usia 20-24 (q2). menggunakan data langsung dari SPI87. SUPAS 85.…. seperti metode Brass. angka yang dihasilkan lebih rendah daari pada hasil indirect method. P2/P3.• 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. Berdasarkan rasio paritas. SDKI97.

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

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

48 108.76 105.66 115.32 101.82 105.50 105.42 132.63 128.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 2.60 106.83 108.65 108.62 96.54 102.51 .10 125. 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 106.72 89.76 110.

930464 x 0.372 x 0.550 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 ) = .• 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 445.930464 = 456.979964 • PERAPIHAN PENDUDUK PEREMPUAN UMUR 10-69 DENGAN UN.2052 = 491.730 Perapihan penduduk perempuan umur (5-9) tahun = jumlah kelahiran x survival ratio = 401.2052 = 401.100 x 0.951 Perkiraan jumlah kelahiran penduduk perempuan umur 5-9 (1980-1985) = 5 x 391.730 x 0.100 Perapihan penduduk perempuan umur (0-4) tahun = jumlah kelahiran penduduk x survival ratio = 491.

38) + 0.320 ∗ 100% Ratio P(65-69).5 = 0.979 100 .204 ∗ 100% = 1.P( 70−74) + P( 75 + ) P( 0−75 + ) Ratio 1.627.377 + 21.0 ∗ (0.0 = 0.45% untuk P(70-74) terletak pada persen 1.874576 1.90 Interpolasi = 1.927.4546 − 1.45% untuk P(75+) terletak pada persen 1.4546 − 1.874576 ∗ 2.0 P(70-74) = 0.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% = 21.602 100 1.60 Interpolasi = P(75+) = 0.580024 ∗ 2.38 = 0.927.38 dan 1.62 dan 1.0 Ratio 1.4546% 2.320 = 16.90 − 0. P(70-74) dan P(75+) = P( 65−69) .0 ∗ (0.62) + 0.5 = 0.5 − 1.320 = 25.580024 1.0 = 0.5 − 1.60 − 0.62 = 0.

60 0.18 0.730 x 1.14 0.52 (0.23 0.05 1.5 2.9171 + 0.62 0.09 1.84 1.73 0.21 0.63 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 = 491.03 0.05 = 421.58 0.655 Survival ratio laki-laki level 18.05 0.0 2.54 0.28 0.100 x 1.9305 Penduduk laki-laki (5-9) tahun = kelahiran laki-laki x survival laki-laki x survival perempuan = 421.9305 = 359.16 1.23 0.9021) = 0.01 0.9166 = 472.86 2.20 1.22 2.10 0.9166 Penduduk laki-laki (0-4) tahun = 515.29 0.0 4.64 1.07 0.9171) = 0.36 1.08 2.765 • PERAPIHAN PENDUDUK LAKI-LAKI DENGAN THREE MOVING AVERAGE Sn(10-14) = [SRn-1 + 2SRn +SRn+1] : 4 .90 1.89 1.5 4.649 Jumlah kelahiran (80-85) = Kelahiran Perempuan x Sex Ratio at Birth = 401.05 = 515.43 0.14 0.92 2.52 (0.04 = 0.655 x 0.5 5.41 1.48 0.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 1.9928 – 0.816 Survival ratio perempuan level 18.0 1.816 x 0.64 1.09 0.9021 + 0.08 2.0 3.0 0.73 0.51 0.5 3.36 1.9166 x 0.45 0.9300 – 0.38 0.04 = 0.37 0.

0318 P(15-19) = 316.0863) + 1.0276] : 4 = 4.0863] : 4 = 4.1083 + (2 x 1.464 : 4 = 1.340 x 0.140 x 1.108 Sn(30-34) = [0.435 Sn(25-29) = [0.9611 = 269.5651 : 4 = 1.714 x 1.0872) + 0.377 Sn(50-54) = [1.0872] : 4 = 1.438 x 1.3144 : 4 = 1.0872 + (2 x 0.0786 = 131.9611 P(20-24) = 280.29485 = 41.9648] : 4 = 3.1083) + 1.461 Sn(65-69) = [1.226 Sn(35-39) = [1.29485 P(65-69) = 31.0646 P(10-14) = 379.363 .9648) + 1.0866) + 1.2532] : 4 = 5.12842 + (2 x 1.753 x 0.0276) + 1.3210] : 4 = 4.1794 : 4 = 1.057225 = 114.8444 : 4 = 0.116 = 173.9124 : 4 = 0.1560] : 4 = 4.1560 + (2 x 1.1271 : 4 = 1.0654) + 1.942 x 1.082625 = 99.865 x 1.8962] : 4 = 4.0786 P(40-44) = 122.469 Sn(40-44) = [1.243925 P(60-64) = 51.2289 : 4 = 1.785 Sn(20-24) = [1.9781 = 252.8962) + 0.0582 + (2 x 1.0735 = 223.057225 P(45-49) = 108.243925 = 63.0646 = 404.= [1.0866] : 4 = 3.380 x 1.8962 + (2 x 0.944 x 1.017 x 1.3210) + 1.878 x 1.404 Sn(15-19) = [1.0565) + 1.186 x 1.0654] : 4 = 4.9781 P(25-29) = 257.141275 = 78.0863 + (2 x 1.3305 : 4 = 1.908 Sn(60-64) = [1.116 P(35-39) = 155.0565 + (2 x 1.999 Sn(45-49) = [1.0735 P(30-34) = 207.12842] : 4 = 4.0654 + (2 x 1.9648 + (2 x 1.12842) + 1.1083] : 4 = 4.294 : 4 = 1.9757 : 4 = 1.0276 + (2 x 1.469 Sn(55-59) = [1.1560) + 1.141275 P(55-59) = 69.0318 = 326.082625 P(50-54) = 91.0866 + (2 x 1.

980976 0.649 359.469 131.988048 0.12768 0.878 69.959420 0.989 253.557 90.435 (3) 0.975996 0.018375 0.585 56.982828 0.977368 0.985688 0.500 (6) (6) : 2.935 179.150 65.363 28.945616 0.707976 (4) 425.235 .930464 0.556 128.005761 0.059 75.865 316.977444 0.873676 0.971268 0.08871 0.979940 0.06313 0.469 78.017 31.929 88.108 223.371 152.887 29.944 94.327 (5) 441.04 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) 456.602 16.461 41.579 247.140 51.741 369.371 230.736 218.619 265.593 395.979 169.001741 860 10.014 67.087121 0.969900 0.990312 0.206 46.991364 0.062283 0.873 312.043273 0.938.226 Survival Proyeksi Ratio Penduduk Laki-laki Laki-laki 18.04 Tahun Kawin 1995 (7) X (5) (8) (10) 0.00477 0.485 267.176 358.829 18.999 114.17860 0.416 346.320 119.630 276.377 99.PROYEKSI PENDUDUK PROPINSI LAMPUNG 1990-1995 Kelompok umur Jumlah Penduduk Perempuan Hasil Perapihan Survival Ratio Level 18.984 3.916512 0.186 91.908 63.380 108.904 120.05 (7) ASFR Tahun 1990 ASFR Kelahiran Perempua Perempuan n 90-95 Jumlah Penduduk Laki-laki Yang Sudah Dirapihka n (9) 472.119.886628 0.912 232.979 2.785 2.957892 0.672 14.306 379.547 433.916608 0.762564 0.717 14.742 12.234 351.17418 0.929 204.926 22.771112 0.173 48.021 3.01181 0.340 257.911 106.967 376.758 27.226 173.785 269.951 366.982660 0.442 104.765 404.379.992124 0.830 22.404 326.944 25.247 5 P(10-54) = 426.961240 0.979 3.222 614 157 P(10-54) = 85.987104 0.438 122.753 207.059.00357 0.206 109.383 7.853476 0.03767 0.002327 0.558 21.387 0.623 400.266 34.793 296.943104 0.660900 (11) 447.435 2525.030795 0.909 19.979964 0.942 155.679 25.985164 0.714 280.084935 0.

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

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

x+n).3 tahun dan ratarata seseorang meninggal antara umur 1 dan 2 tahun adalah hidup untuk 0. adalah jumlah orang yang hidup dari orang-orang lx dalam interval umur (x. Kolom (6) : Tx . 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 = 0.4 l1 + 0. Lx = 1 n (l x + l x +1 ) dan n Lx = (l x + l x +1 ) untuk x>2. adalah jumlah kematian dari orang-orang lx selama periode tahun n berikut. adalah jumlah orang yang hidup setelah mencapai umur x. lx seseorang setelah mencapai umur y (misalnya y =80) Ty = L y = ly my . Tx = n L x + n L x +1 + . L1 = 0.000. misalnya 100. 2 2 Hubungan linier tidak valid untuk umur 0 dan 1 tahun. 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 .table”. + L y Ly adalah lamanya seseorang hidup (dalam tahun).3 l0 + 0..7 l1. Jadi ndx = lx (nqx).4 tahun. maka pendekatan untuk nilai L0 dan Lx adalah sebagai berikut.6 l2 Dari hubungan di atas dapat diasumsikan bahwa rata-rata orang meninggal pada tahun pertama kehidupannya adalah hidup untuk o. Jumlah ini adalah total orang yang mencapai kehidupan lx. maka d x = l x (q x ) dan l x + n = l x *n p x Kolom (5) : nLx .. Kolom ini dimulai dengan l0 .

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 0.7 50.2 49.5 50.8 50.00635 0. .01601 0.8 48. Ini adalah rata-rata jumlah tahun lx mencapai harapan hidup.1446 0.00852 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 44.01122 0.01057 0.03406 0.12837 0. juga dapat diimplikasikan sebagai berikut Tx = Lx + Tx +1 Kolom (7) : e 0 x. Contoh : Complete Life Table for Female..8 49. adalah tingkat harapan hidup pada umur x. jika x = 0 maka e 0 0 = 0 lx l0 e0x. Kaitan antara life table dengan jumlah penduduk menurut asumsi dasar adalah bahwa : mx = Mx .2 50. e0 x = Tx T .01205 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. adalah tingkat harapan hidup pada saat lahir (bayi).3 48.01313 0.Dari persamaan di atas.9 50.

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

049902 0. Nuptiality Table b. 1976.40 65.3 l0+0.010399 4990 3437 952 100000 95010 91573 96507a 370648a 455485 6500089 6403582 6032934 65.6. India Based on Mean Age Spesific Death Rate for 1975. dan l5 menggunakan rumus L0=0.00209 0.782 l5 . Evaluasi Program Keluarga Berencana 8. 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+1.1184 l1+2.88 Catatan: Langsung dihitung dari l0 . Analisis Fertilitas.00 67. dan Struktur Umur 7. Working Life Table c.05544 0. l1 .036177 0.70 l1 dan 4L1=0.00959 0. Reproduksi. School Life Table Contoh: Abridged Life Table for Female. Analisis Sosio-ekonomi dan Dynamic a.

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

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

551 65.727 116.160 24.7 36. 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 88.405 257.6 43.868 150.233 5.3 7.3 8.056 929.248 358. M P x ∑n n x x .418.1 4.Contoh 1 Berikut adalah penghitungan Direct Standardization of Death Rate untuk Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.4 3.498 417.8 16.659 35.2 1.3 2.7 4.8 2.830 323.6 3.258 10.280 150.025.7 5.438 147.877 548.632 77.387 26.046 53.1 1.425 162.8 17.0 9.031 20.606 129.7 48.5 3.249 266.104 217.814 1.00 83.3 23.710 71.10 Standardized Death Rate Crude Death Rate (for comparison) Indirect Standardization (Standarisasi Tidak Langsung) SDR( I ) A = DA × CDR s A S ∑ n M x .120 40.9 3.161 179.4 2.5 2.204.658 160.231 149.50 9.396.625 400.925 7.233 17.464 65.79 20.4 2.883 20.344 101. Indirect Standardized Death Rate dapat dinyatakan ke dalam bentuk Directly Standardized sebagai berikut: SDR( I ) = D × CDR s S .5 108.915 9.132 141.684 22.171.426 11.054 125.8 6.3 1.444 9.n P x x n M S x dan CDR s merujuk pada penduduk standar.817 46.1 94.922 31.9 18.265 65.7 5.484 177.1 7.891 14.301 157.441 232.

4 3.536 327.3 3.615 5.680 8.924 88.441.981 1.608 1.346 192.329 5.7 2. 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 51.537 13.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 1971.706 3.0 48.167 6.829 28.005 4. n × s x  Ps  CDR ∑ = ∑ x x n M x .544 6.775.710 11.717 14.227 11.528 29.648 2.948 5.830 14.151 2.6 5.738 1.n Px S n M x .031 35.441.657 = 1.∑ = ∑ x x n M x .930 1.232 1.79 1.977 1.4 100.657 742.351 25.0 (CDR) Total Death Actually Ratio = Observed Expected 192.698 19.232 Indirect Standardized Death Rate (CDR X Ratio) .126 163.7 6.391 45.038 52.352 1.801 23.586 327.228 20.148 997 866 697 558 438 318 454 21.483 1.0 2.038 3.8 21.738 15.628 6.349 8.315 12.n P S x S S n M x .7 4.775.333 3.6 3.836 2.9 4.5 16.126 = 0.317 7.717 8.311 5.948 58. n Px × CDR s  P S x  CDR s SDR( D) = ∑ n M x .219 6.296 5.207 51.640 67.341 1.892 15.2 34.961 25.950 6.147 192.7 9.389 10.345 1.408 1.354 68.

yaitu penduduk kelompok umur “a” dan total penduduk pada “t” tahun. Tujuan dasar penghitungan CMI adalah untuk membandingkan relative mortalitas suatu wilayah pada dua titik waktu. CMI didefinisikan sebagai rasio jumlah tertimbang ASDR dalam masing-masing tahun ke jumlah tertimbang ASDR yang sama pada awal tahun. CMI t ∑M = ∑M a a a . Penimbang-penimbangnya adalah rata-rata pada proporsi penduduk total menurut kelompok umur awal tahun dan proporsi penduduk dalam tahun yang terkait. CMI pertama diperkenalkan pada tahun 1941 di Inggris dan Wales. . 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.M t a × CDR s 0 a .M a Wa = 1  Pt a P0a  + 0   2  Pt P  M t a . P t menunjukkan ASDR menurut kelompok umur penduduk. P t a .Tujuan dari standarisasi adalah untuk mengurangi bias dan untuk membandingkan angka kematian dari suatu wilayah dengan wilayah yang lain. 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.

Sign up to vote on this title
UsefulNot useful