Bagaimana Metode 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 perkembanganfertilitas, 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:








Dimana Po : jumlah penduduk pada tahun awal
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 digabungkan. 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.

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.
• Perapihan (adjusment) penduduk 10-64 dengan rumus:








• 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 dengan menggunakan survival ratio.

Estimasi-estimasi Yang Digunakan

Estimasi Tingkat Kelahiran (Fertilitas)
• Indirect Method (Easwespo Packed Program), merujuk ke periode beberapa tahun sebelum pelaksaan sensus/survei seperti metode Rele, Palmore, Guna-Sekaran-Palmore, dan Last Live Birth (anak lahir hidup terakhir yang merujuk pada tahun pelaksaan sensus/survei).
• Direct Method, menggunakan data langsung dari SPI87, SDKI91, SDKI97, dan SUPAS95. angka yang dihasilkan lebih rendah daari pada hasil indirect method. Hal ini disebabkan responden lupa kejadian kelahiran di masa lalu.
• Sumber data SP71, SP80, SP90, SUPAS 85, SUPAS 95, SP2000. Estimasi tingkat Kematian (Mortalitas)
• Indirect Method (Mortpaklite/ MCPDA Packed Program), seperti metode Brass, Sullivan, Trussell, dan Falloni Heligman. 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, P2/P3,…. Berdasarkan rasio paritas, hasil yang diambil berasal dari rata-rata wanita usia 20-24 (q2), 25-29 (q3) dan 30-34 (q5).
• Direct Method, menggunakan data langsung dari SPI87, SDFKI91, SDKI97, dan SUPAS95. angka yang dihasilkan lebih rendah dari pada hasil inderct method. Hal ini disebabkan rsponden lupa kejadian kelahiran di masa lalu.
• Sumber data SP71, SP80, SP90, SUPAS95, SP2000, SUSENAS93, SUSENAS94.
• BPS memakai metode Trussel denagn pertimabangan metode ini sesuai dengan fase yang terjadi di Indonesia (west model).

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).
• 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, jika negatif berarti sebagai pengirim migran).

Metodologi

• Menentukkan asumsi-asumsi untuk TFR, IMR dan Migrasi.
1. Fertilitas; untuk keperluan proyeksi penduduk perlu dibuat estimasi terhadap ASFR maupun TFR. Edstimasi fertilitas harus realitistis terhadap perubahan fertilitas karena peningkatan usia perkawinan wanita, meningkatnya pemakain alat kontrasepsi, dan meningkatnya persentase wanita yang asih sekolah pada usia 15- 19 tahun.

2. Mortalitas; dalam proyeksi penduduk perlu diperhatikan arah perkembangan tingkat kesehatan, tingkat kematian yang akan terjadi di masa mendatang. Arah perkembangan ini akan mennetukan tinggi/rendahnya pola kematian penduduk. Asumsinya adalah konstan, sedang dan rendah.
3. Proyeksi penduduk memakai migrasi risen denagn perpendahan antar propinsi sedangakn perpindahan internasioanal diabaikan (0).
• Menghitung proyeksi penduduk Indonesia dengan menggunakan fungsi logistik untuk membuat asumsi TFR dan IMR (misalnya diasumsikan TFR dengan NRR=1 dan IMR=20).
• Menghitung proyeksi penduduk per propinsi (TFR diasumsikan = 2, IMR menggunakan fungsi logistik).
• Melakukan proses iterasi untuk menyamakan jumlah penduduk per propinsi dengan jumlah penduduk Indonesia (sebagai patokan/ kontrol).

Fungsi Logistik
















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.
• E0 (Expectation of Live).

Contoh Penghitungan Proyeksi Penduduk:

1. Prorating Penduduk.























2. Penghitungan Sex Ratio dan Perapihan Penduduk




















• 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 445.372 x 0,2052
= 491.100
Perapihan penduduk perempuan umur (0-4) tahun
= jumlah kelahiran penduduk x survival ratio
= 491.100 x 0,930464
= 456.951
Perkiraan jumlah kelahiran penduduk perempuan umur 5-9 (1980-1985)
= 5 x 391.550 x 0,2052
= 401.730
Perapihan penduduk perempuan umur (5-9) tahun
= jumlah kelahiran x survival ratio
= 401.730 x 0,930464 x 0,979964

• PERAPIHAN PENDUDUK PEREMPUAN UMUR 10-69 DENGAN UN. SMOTHING
METHOD







• PERAPIHAN PENDUDUK PEREMPUAN UMUR 70-74 DAN 75 DENGAN TABEL STABLE POPULATION







































• 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
= 491.100 x 1,05 = 515.655

Survival ratio laki-laki level 18,04 = 0,9021 + 0,52 (0,9300 – 0,9021) = 0,9166
Penduduk laki-laki (0-4) tahun = 515.655 x 0,9166 = 472.649

Jumlah kelahiran (80-85) = Kelahiran Perempuan x Sex Ratio at Birth = 401.730 x 1,05 = 421.816

Survival ratio perempuan level 18,04 = 0,9171 + 0,52 (0,9928 – 0,9171) = 0,9305
Penduduk laki-laki (5-9) tahun = kelahiran laki-laki x survival laki-laki x survival
perempuan = 421.816 x 0,9166 x 0,9305 = 359.765

• PERAPIHAN PENDUDUK LAKI-LAKI DENGAN THREE MOVING AVERAGE





= [1,0582 + (2 x 1,0565) + 1,0872] : 4 = 1,0646

P(10-14) = 379.865 x 1,0646 = 404.404
Sn(15-19) = [1,0565 + (2 x 1,0872) + 0,8962] : 4 = 4,1271 : 4 = 1,0318
P(15-19) = 316.714 x 1,0318 = 326.785
Sn(20-24) = [1,0872 + (2 x 0,8962) + 0,9648] : 4 = 3,8444 : 4 = 0,9611
P(20-24) = 280.340 x 0,9611 = 269.435
Sn(25-29) = [0,8962 + (2 x 0,9648) + 1,0866] : 4 = 3,9124 : 4 = 0,9781
P(25-29) = 257.753 x 0,9781 = 252.108

Contoh Hasil Proyeksi Penduduk

















LIFE TABLE

Life Table adalah table yang berisi riwayat kehidupan suatu penduduk menurut umur dalam sebuah model statistik tunggal (a single statistical model).
Life Table menerangkan riwayat suatu kelompok hipotesis (hypothetical group) atau suatu kohort penduduk, berkenaan dengan riwayat kematian secara bertahap (gradually).

Terdapat dua jenis life table, yaitu :
1. 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, tiga tahun atau di antara dua periode). Periode Life Table disebut juga dengan Current Life Table, karena menggambarkan keadaan current mortality pada suatu penduduk.

2. 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, 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.

Terdapat dua klasifikasi berdasarkan interval umur, yaitu :
1. Complete Life Table, jika dalam life table menyajikan umur tunggal
2. Abridged Life Table, jika dalam life table menyajikan umur dalam interval 5 atau 10 tahun. Umumnya Abridged Life Table lebih banyak dan sering digunakan karena lebih sesuai.

Asumsi-asumsi Dalam Life Tables
1. Migrasi dianggap tidak ada, perubahan kohort hanya dipengaruhi oleh kematian pada masing-masing individu dalam kohort.

2. Risiko kematian pada masing-masing umur untuk masing-masing individu dalam kohort disajikan dalam bentuk yang sudah tetap sebelumnya dan tidak berubah. Sehingga tidak ada perubahan dalam risiko kematian dan life table-nya adalah murni suatu deterministic model (model yang telah ditentukan).

3. Besaran kohort adalah jumlah tetap dari jumlah kelahiran menurut jenis kelamin seperti 1.000; 10.000; atau 100.000 yang disebut dengan “radix life table” sehingga menyediakan perbandingan antara tabel-tabel yang berbeda.

4. Jumlah kematian selama setahun diasumsikan pada interval umur, menyebar secara merata (kecuali pada beberapa tahun pertama) khususnya dalam satu tahun. 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.

Kolom dan Fungsi Life Table
Fungsi dasar Life Table adalah menerangkan riwayat suatu kohort yang disajikan dalam sebuah bentuk tabel. Kecuali pada kolom pertama menunjukkan interval umur x sampai x+n, sedangkan enam kolom lainnya menerangkan fungsi Life Table secara khusus. Enam kolom fungsi Life Table tersebut adalah nqx ; lx ; ndx ; nLx ; Tx ; dan eo

Keterangan untuk masing-masing kolom adalah sebagai berikut:




























































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.. Kaitan antara life table dengan jumlah penduduk
menurut asumsi dasar adalah bahwa : mx = Mx
Mx adalah ASDR (central) observasi dalam penduduk dengan pendekatan central death
rate pada life table atau mx.

Beberapa Metode Pembuatan Life Table
1. Reed and Merrell Method
2. Greville Method
3. Chiang Method
4. Keyfitz Method
5. Merujuk pada Standard Table
6. Complete Life Table from Abridge Life Table
7. From Incomplete Data
a. Based on Death Record Only
b. Based Upon aSingle Census Record Only
c. Based on Two Consecutive Census Age Distribution
8. Arriaga Method Based on Age Data

Model Life Table
1. UN Model Life Tables
2. Coale and Demeny’s Model Life Tables
3. Ledermann’s Model Life Tables
4. 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, tingkat reproduksi, migrasi, dan struktur penduduk.
Secara luas life table digunakan untuk estimasi dan proyeksi penduduk, struktur, dan
perubahan penduduk di masa yang akan dating.

Beberapa penggunaan Life Tables sebagai alat:
1. Analisis Mortalitas
2. Ukur Morbiditas dan Kesehatan
3. Analisis Mortalitas menurut Penyebab Kematian
4. Life Table Survival Rates
5. Estimasi Migrasi
6. Analisis Fertilitas, Reproduksi, dan Struktur Umur
7. Evaluasi Program Keluarga Berencana
8. Analisis Sosio-ekonomi dan Dynamic
a. Nuptiality Table
b. Working Life Table
c. School Life Table

ADJUSTED MEASURES OF MORTALITY (PERAPIHAN UKURAN-UKURAN MORTALITAS)

ASDR merupakan suatu ukuran mortalitas yang sangat berguna untuk mempelajari
keragaman mortalitas menurut umur. Perbedaan antara tingkat mortalitas laki-laki dan
perempuan dapat dipelajari menurut rasio pada mortalitas laki-laki dan perempuan
menurut umur. Untuk mengamati terjadinya perubahan-perubahan dalam tahun-tahun
terakhir, menggunakan ASDR menurut jenis kelamin, status perkawinan, social
ekonomi, ataupun jenis pekerjaan pada penduduk atau kategori lainnya sebagai
pembanding. Tetapi untuk lebih mudahnya membandingkan, diperlukan satu indeks
mortalitas yang menggambarkan sebuah rata-rata pada angka kematian pada keragaman
segmen-segmen penduduk. Indeks sederhana untuk tujuan ini adalah CDR. Tetapi CDR
tidak cocok untuk membandingkan mortalitas pada dua populasi yang berbeda pada
struktur umur dan jenis kelamin. 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). Sering tingkat kematian dirapihkan atau distandarisasikan menurut kelompok
umur dan jenis kelamin.

Ada empat metode utama untuk merapikan tingkat/angka kematian yaitu:
1. Standarisasi angka kematian menurut umur (age standardized death rate) dihitung dengan metode langsung (direct method)
2. Standarisasi angka kematian menurut umur dihitung dengan metode tidak langsung (indirect method)
3. Indeks keterbandingan mortalitas (comparative mortality index)
4. Tabel riwayat hidup tingkat kematian (Life Table Death Rate)

Direct Standardization (Standarisasi Langsung)
Untuk tujuan spasial dan temporal, ASDR dapat dihitung menggunakan rata-rata aritmatic


n adalah total rate, atau dengan rata-rata geometric x




, atau
penjumlahan secara sederhana.



Standarisasi langsung untuk CDR mencakukp standarisasi penduduk dan penghitungan
rata-rata tertimbang pada ASDR dalam wilayah tertentu, menggunakan distribusi umur
pada standarisasi penduduk sebagai penimbang. Rumus untuk standarisasi langsung
tingkat kematian [direct standardized death rate atau SDR(D)] untuk suatu penduduk A
adalah











Jika angka mortalitas penduduk A sama dengan dua kali angka mortalitas penduduk B,
maka hal ini mencerminkan adanya selisih pada adjusted rates atau rasionya. Rasio
SDR(D) adalah sebagai berikut:
















Indirect Standardization (Standarisasi Tidak Langsung)



























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. Hal ini berkaitan dengan pengaruh pada komposisi umur dan jenis kelamin pada penduduk saat sekarang maupun penduduk pada awal tahun. CMI didefinisikan sebagai rasio jumlah tertimbang ASDR dalam masing-masing tahun ke jumlah tertimbang ASDR yang sama pada awal tahun. Penimbang-penimbangnya adalah rata-rata pada proporsi penduduk total menurut kelompok umur awal tahun dan proporsi penduduk dalam tahun yang terkait.










Tujuan dasar penghitungan CMI adalah untuk membandingkan relative mortalitas suatu wilayah pada dua titik waktu. CMI pertama diperkenalkan pada tahun 1941 di Inggris dan Wales, tetapi kemudian tidak dipakai lagi karena sangat sulit untuk menjelaskan
CMI secara umum.

sumber :dpa bps

Artikel Terkait