Statistik Kependudukan

Demografi,
diartikan sebagai studi statistik dan matematik terhadap
besaran, komposisi, sebaran, serta perubahan-
perubahannya yang terjadi dari waktu ke waktu pada
populasi manusia melalui berlangsungnya lima proses:
fertilitas, mortalitas, perkawinan, migrasi, dan mobilitas
sosial (Bogue 1969: 1-2)
 Kebutuhan informasi tentang jumlah
penduduk di masa yang akan datang
sebagai dasar pembuatan perencanaan
pembangunan.
 Estimasi dan proyeksi penduduk untuk
memenuhi kebutuhan informasi jumlah
penduduk di masa yang akan datang.
Komposisi jenis kelamin

 Merupakan produk dari interaksi antara fertilitas,

mortalitas, dan migrasi di masa lalu.
 Merupakan karakteristik seseorang yang tidak berubah
sejak lahir hingga mati.

Jumlah penduduk laki-laki

Sex ratio = ------------------------------------------ x 100
Jumlah penduduk perempuan
 Analisa Rasio Jenis Kelamin
Rasio jenis kelamin (sex ratio)

Sex ratio= 100, berarti jumlah penduduk laki-laki

seimbang dengan jumlah penduduk
perempuan
Sex ratio < 100, berarti jumlah penduduk laki-laki lebih
kecil dari pada jumlah penduduk
perempuan
Sex ratio > 100, berarti jumlah penduduk laki-laki lebih
besar dari pada jumlah penduduk
perempuan
Mortalitas
Ukuran yang sering dipakai adalah
 CDR (crude death rate):
Jumlah kematian selama 1 tahun
CDR = ---------------------------------------------- x 1000
Jumlah penduduk pertengahan tahun

 ASDR (age specific death rate):

Jml kematian umur (x) slm 1 tahun
ASDR = ---------------------------------------------------x 1000
Jml penduduk umur (x) pertengahan thn

 IMR (infant mortality rate):

Jml kematian bayi (umur < 12 bln) slm 1 thn
IMR = -------------------------------------------------------x 1000
Kelahiran slm satu tahun
Expectation of life
Angka harapan hidup, yaitu rata-rata jumlah tahun (umur)
yang diharapkan dilalui oleh seseorang sejak ia lahir, apabila
ia hidup dalam lingkungan dengan pola kematian spesifik
yang terjadi pada saat itu.
Angka harapan hidup sangat dipengaruhi oleh tingkat
kematian bayi dan anak, karena kematian pada saat itu
berarti hilangnya peluang untuk hidup yang lebih
panjang.
Makin rendah tingkat kematian bayi, makin tinggi rata-rata
angka harapan hidup. Sebaliknya, makin tinggi tingkat
kematian bayi, makin rendah rata-rata angka harapan hidup.
Angka harapan hidup diperoleh/dihitung berdasarkan
“life table” yang sesuai dengan kelompok populasi
Fertilitas

Ukuran-ukuran fertilitas
 CBR (crude birth rate):
Jumlah kelahiran hidup selama 1 tahun
CBR = ------------------------------------------------ x 1000
Jumlah penduduk pertengahan tahun
 ASFR (age specific fertility rate):
Jumlah kelahiran pada ibu umur (x)
ASFR = -------------------------------------------- x 1000
Jumlah wanita umur (x)
 TFR (total fertility rate): yaitu rata-rata anak yang
dilahirkan oleh seorang perempuan sepanjang kemampuan
reproduksinya. Biasanya umur reproduksi adalah 15-49
tahun. Secara matematis, TFR adalah jumlah ASFR.
Migrasi

Tidak seperti kelahiran atau kematian yang hanya terjadi

sekali pada setiap individu, migrasi dapat terjadi berulang-
ulang
 Hanya melihat perbedaan tempat tinggal sekarang dan
tempat lahir (migrasi semasa hidup).
 Hanya melihat perbedaan tempat tinggal sekarang dan
tempat tinggal lima tahun yang lalu (migrasi risen).
 Hanya melihat perbedaan tempat tinggal sekarang dan
tempat tinggal terakhir sebelumnya.
Migrasi Semasa Hidup (A lifetime Migrant)

Seseorang dikatakan migran semasa hidup jika propinsi atau

kabupaten/ kodya tempat ia dilahirkan berbeda dengan
propinsi atau kabupaten/kodya tempat tinggalnya sekarang
(pada saat pencacahan). Dengan demikian angka migrasi
semasa hidup dapat dihitung dengan cara sebagai berikut:
Pd
M sh = ------- x 1000
P
Msh = Migrasi semasa hidup di suatu propinsi
Pd = Jumlah penduduk yang propinsi tempat lahirnya berbeda dengan
propinsi tempat tinggalnya sekarang
P = Jumlah penduduk pertengahan tahun di suatu propinsi tujuan
 Migrasi Risen (Recent Migration)
Seseorang dikatakan sebagai migran risen, yaitu apabila
propinsi tempat tinggal lima tahun yang lalu berbeda dengan
propinsi tempat tinggal sekarang (pada saat pencacahan).
Selanjutnya, apabila mereka yang dikategorikan sebagai
migran risen tersebut ditimbang dengan penduduk
pertengahan tahun, akan diperoleh angka migrasi risen
(Recent Migration Rate = RMR), atau
Pd5
RMR = ------- x 1000
P
Pd5 = Banyaknya penduduk yang propinsi tempat tinggalnya 5 tahun
yang lalu berbeda dengan propinsi tempat tinggalnya sekarang
P = Jumlah penduduk pertengahan tahun
Migrasi Total (Total Migration = TM)

Seseorang dikatakan sebagai migran total (MT) apabila

propinsi tempat tinggal sebelumnya berbeda dengan
propinsi tempat tinggal sekarang, jika mereka yang
tergolong ke dalam migrasi total tersebut ditimbang dengan
jumlah penduduk pertengahan tahun, maka akan diperoleh
Angka Migrasi Total (AMT), atau:
MT
AMT = ------- x 1000
P

MT = Jumlah penduduk yang propinsi tempat tinggalnya sekarang

berbeda dengan propinsi tempat tinggal sebelumnya
P = Jumlah penduduk pertengahan tahun
Estimasi penduduk

Estimasi penduduk adalah perkiraan

penduduk antar sensus atau segera setelah
sensus.
Hanya memberikan perkiraan jumlah
penduduk.
Dua cara yang biasa digunakan dalam
estimasi penduduk; metode matematik dan
metode komponen
Metode matematik

 Menggunakan fitting curve data sensus untuk

menggambarkan perubahan penduduk antara dua
sensus.
 Perubahan penduduk digunakan untuk
mengestimasi jumlah penduduk antara dua sensus
atau setelah sensus dilaksanakan.
 Pola pertambahan penduduk yang sering dipakai
adalah pola pertambahan penduduk menurut
kurva geometrik dan eksponensial.
Geometrik dan Eksponensial

 Geometrik :
Pt = Po (1+r)t
r = 1-anti log {(log Pt/Po)/t}
 Eksponensial :
Pt = Poert
r = 1 / t (2.3026) * log (Pt/Po)
Contoh perhitungan estimasi penduduk :
Jumlah penduduk Indonesia 1990 = 178631 196,
2000 = 205 842 396,
Laju pertumbuhan penduduk = 1.49

Geometrik Geometrik
Pt = Po (1 + r)t Pt = Po (1 + r)t
P2001=178631196 (1 + 0.0149)11 P1998=178 631 196 (1 + 0.0149)8
P2001 = 210 190 500 P1998 = 201 068 170

Eksponensial
Pt = P0ert
P2001=178631196(2.71828) 0.0149 * 11
P2001 =178 631 196*(2.71828) 0.1639
P2001 =178 631 196*1.1781
P2001 = 210 445 412
Eksponensial
Pt = P0ert
P1998 = 178631196 (2.71828) 0.0149 * 8
P1998 = 178631196*(2.71828) 0.1192
P1998 =178 631 196*1.1266
P1998 = 201 245 905
Metode komponen

P1 = Po + B1 – D1 + I1 – O1

Po = Penduduk pada tahun 0 (tahun dasar)

B1 = Kelahiran selama 1 tahun
D1 = Kematian selama 1 tahun
I1 = Migrasi masuk selama 1 tahun
O1 = Migrasi keluar selama 1 tahun
Proyeksi penduduk

Proyeksi penduduk bukan merupakan

ramalan jumlah penduduk tetapi suatu
perhitungan ilmiah yang didasarkan pada
asumsi dari komponen-komponen laju
pertumbuhan penduduk, yaitu kelahiran,
kematian, dan perpindahan (migrasi).
Tahapan perhitungan proyeksi penduduk

Penentuan data dasar dan perapihan

penduduk
Penentuan asumsi kelahiran, kematian, dan
perpindahan
Perhitungan proyeksi
Iterasi
Kenapa harus dilakukan perapihan struktur
umur ?

 Tiga kesalahan dalam pelaporan umur :

1. Kesalahan penuturan umur (age misstatement)
2. Digit Preference (kecenderungan untuk
melaporkan umur yang berakhiran nol dan
lima)
3. Under-estimate untuk kelompok umur tertentu
(kelompok umur di bawah lima tahun,
kelompok umur tua, dan kelompok umur usia
muda)
Cara untuk mengevaluasi struktur umur
penduduk

 Menggambar piramida penduduk untuk melihat

age heaping
 Menghitung Whipple’s Index untuk mengukur
sejauh mana kecenderungan responden
melaporkan umur yang berakhiran 0 atau 5
 Menghitung Myer’s Index untuk mengevaluasi
kecenderungan pelaporan umur yang berakhiran
1 sampai dengan 9
 Menghitung United Nation’s Index untuk melihat
keakurasian umur dan jenis kelamin
 PIRAMIDA PENDUDUK BANGKA BELITUNG
Tahun 2000 (Dalam Ribu)

Hasil SP2000
75+
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
14 12 10 8 6 4 2 0 2 4 6 8 10 12 14

Laki-laki Perempuan
 Whipple Index

P(25)  P(30)  P(35)  P(40)  P(45)  P(50)  P(55)  P(60)

Whipple Index  *100
1 / 5i  23 P(i )
62
Batasan nilai Whipple’s Index

 Nilai dari whipple’s index bervariasi dari 0 sampai

dengan 500
 Nilai Whipple’s Index = 100 berarti tidak ada
kecenderungan untuk menyebutkan umur pada angka
tertentu
 Nilai Whipple’s index = 500 berarti semua orang
melaporkan umurnya dalam umur yang berakhiran 0
atau 5
 Nilai Whipple’s Index antara 0 dan 100 berarti ada
kecenderungan untuk menghindari angka yang
berakhiran 0 atau 5
 Contoh perhitungan Myers Index
Terminal Pddk. dg Terminal Penimbang Untuk Blended Population Deviasi dari 10
Digit (a) Digit (a) (000) %

  Mulai Mulai Kolom 2 Kolom 3 Jumlah %  

pada pada distri-
umur (a) umur busi
(a+10)
(1) (2) (3) (4) (5) (6) (7) (8)

5 9 732 7 859 1 9 80 463 19.05 + 9.05

6 5 014 3 060 2 8 34 508 8.17 - 1.83

7 4 639 2 750 3 7 33 162 7.85 - 2.15

8 4 996 3 136 4 6 38 800 9.19 - 0.81

9 3 628 1 190 5 5 27 690 6.56 - 3.43

0 10 258 8 496 6 4 95 532 22.62 + 12.62

1 3 548 2 326 7 3 31 814 7.53 - 2.47

2 3 390 1 875 8 2 30 870 7.31 - 2.69

3 2 637 1 437 9 1 25 170 5.96 - 4.04

4 2 435 1 232 10 0 24 350 5.77 - 4.23

Total - - - - 422 364 100.0 43.32

Batasan nilai Myer’s Index

Berdasarkan contoh tadi :

Myer’s Index = ½ * 43.32 % = 21.66 %
Jika nilai Myer’s index lebih kecil dari 10
% berarti pelaporan umur data tersebut
cukup baik
Jika nilai Myer’s index lebih besar atau
sama dengan 10 % berarti pelaporan umur
data tersebut tidak baik
 CONTOH PENGHITUNGAN UNITED NATION INDEX

Analysis of age- Analysis of age-ratios

Reported Number Analysis of sex-ratios
(Males) (Females)
Age Group
Successive Deviation Deviation
Males Females Ratios Ratios Ratios
Difference from 100 from 100
(1) (2) (3) (4) (5) (6) (7) (8) (9)

0-4 10,315,063 9,957,543 103.6

5-9 11,404,555 11,033,568 103.4 -0.2 108.2 8.2 108.6 8.6
10 - 14 10,766,647 10,358,958 103.9 0.6 97.9 -2.1 96.0 -4.0
15 -19 10,599,877 10,558,513 100.4 -3.5 103.5 3.5 102.3 2.3
20 - 24 9,712,740 10,282,334 94.5 -5.9 98.6 -1.4 102.3 2.3
25 - 29 9,091,759 9,548,835 95.2 0.8 100.3 0.3 101.9 1.9
30 - 34 8,415,548 8,466,725 99.4 4.2 101.4 1.4 99.8 -0.2
35 - 39 7,502,455 7,421,006 101.1 1.7 100.8 0.8 101.8 1.8
40 - 44 6,466,253 6,117,462 105.7 4.6 102.2 2.2 101.2 1.2
45 - 49 5,148,536 4,671,099 110.2 4.5 99.7 -0.3 96.0 -4.0
50 - 54 3,865,074 3,611,995 107.0 -3.2 95.1 -4.9 95.0 -5.0
55 -59 2,983,980 2,931,244 101.8 -5.2 94.2 -5.8 94.6 -5.4
60 - 64 2,472,669 2,584,091 95.7 -6.1 103.3 3.3 104.7 4.7
65 - 69 1,804,886 2,006,798 89.9 -5.7 96.6 -3.4 101.0 1.0
70 - 74 1,264,264 1,389,060

Total (irrespective of sign) 46.3 37.8 42.3

Mean ( total devided by 13) 3.6 2.9 3.3
Index (3 times mean difference sex-ratios plus
16.8
mean deviation of male and female age-ratios)
Batasan nilai UN Index

Jika UN Index < 20 berarti pelaporan umur

data tersebut akurat
Jika UN Index 20 – 40 berarti pelaporan
umur data tersebut tidak akurat
Jika UN Index > 40 berarti pelaporan umur
data tersebut sangat tidak akurat.
Perapihan Umur

1.Kelompok umur 10-64 tahun dengan metode UN yang disusun dalam

paket komputer Micro Computer Programs for Demographic Analysis
(MCPDA) :
5Px = 1/16 (-5Px-10 + 45Px-5 + 105Px + 45Px+5 - 5Px+10)
*

5Px = Jumlah penduduk yang telah dirapihkan menurut

*

kelompok umur lima tahunan.

5Px = Jumlah penduduk dari data dasar menurut kelompok umur
lima tahunan.
2. Kelompok umur 65 tahun ke atas dengan menggunakan distribusi
penduduk 65 tahun ke atas dari suatu negara yang penduduknya sudah
stabil.
3. Kelompok umur 0-4 dan 5-9 tahun dengan menggunakan data kelahiran
waktu lampau
Asumsi

 Asumsi fertilitas dan mortalitas dibuat berdasarkan tren

tingkat fertilitas di masa lalu dan kebijakan pemerintah
yang berhubungan dengan fertilitas
 Asumsi mortalitas juga berdasarkan tren tingkat
mortalitas di masa lalu dan kebijakan pemerintah
sehubungan dengan tingkat kematian bayi
 Karena sulitnya menentukan asumsi migrasi, biasanya
pola migrasi untuk masa yang akan datang dianggap
sama dengan pola migrasi data yang dipakai.
 Dalam penentuan setiap asumsi kondisi spesifik daerah
juga diperhatikan.
Perhitungan Proyeksi dan iterasi

Perhitungan proyeksi menggunakan

software program komputer yaitu “Fivsin”
Input program ini adalah :
- Penduduk menurut kelompok umur
- TFR dan ASFR
- Level kematian
Perhitungan proyeksi dan
iterasi
 Perhitungan proyeksi penduduk dilakukan secara
berjenjang. Mula-mula dihitung proyeksi penduduk
Indonesia, kemudian proyeksi penduduk per propinsi,
baru proyeksi per kabupaten/kota.
 Jumlah penduduk hasil proyeksi per propinsi harus sama
dengan jumlah penduduk hasil proyeksi Indonesia. Begitu
juga jumlah penduduk hasil proyeksi kabupaten/kota
harus sama dengan jumlah penduduk hasil proyeksi untuk
propinsi yang bersangkutan.
 Untuk menyamakan jumlah penduduk dari hasil setiap
proyeksi harus dilakukan iterasi.
Hasil Proyeksi

 Hasil Proyeksi dengan program “Fivsin” adalah :

- Penduduk menurut kelompok umur dan jenis kelamin
- Parameter demografi :
Total Fertility Rate (TFR)
Infant Mortality Rate (IMR) menurut jenis kelamin
Expectation of Life at birth (E0) per jenis kelamin
Crude Birth Rate (CBR)
Crude Death Rate (CDR)
Rate of Natural Increase (RNI)
Hasil Proyeksi

Seringkali jumlah penduduk di masa akan

datang yang diperlukan adalah jumlah
penduduk umur tunggal. Untuk memecah
penduduk menurut kelompok umur
menjadi umur tunggal (1 tahunan)
digunakan metode yang disebut Karrop-
King
Proyeksi sangat tergantung
dengan ketepatan dalam
menentukan asumsinya.