MULTIREGIONAL DAN PERLUASAN MODEL COHORT SURVIVAL

Disusun untuk memenuhi tugas pengkayaan materi mata kuliah Metode Analisis Perencanaan
oleh : Didit Yoga Prasetya
0610663014

A.

Pendahuluan

Pertumbuhan dan penyebaran penduduk timbul karena adanya tiga komponen demografi, yaitu tingkat
kelahiran, kematian, dan migrasi. Proyeksi penduduk pada umumnya didasarkan pada anggapan populasi
tertutup, artinya hanya melibatkan komponen kelahiran dan kematian, sedangkan komponen migrasi di abaikan.
Asumsi ini diambil karena migrasi bersih suatu negara, mendekati nol. Namun demikian, jika dilakukan
proyeksi penduduk antarwilayah maka komponen migrasi tidak dapat diabaikan. Proyeksi penduduk secara
multiregional berdasarkan waktu untuk satu jenis kelamin (wanita) dapat diperoleh dengan menghitung individu
yang bertahan hidup pada daerah dan kelompok umur tertentu ditambah dengan jumlah total bayi lahir yang
bertahan hidup sampai akhir selang waktu.
B.

Model Pertumbuhan dengan Pendekatan Multiregional

Model komponen multiregional cohort (Willekens and Drewe, 1984) adalah metodologi yang
menggunakan pendekatan proyeksi pada populasi local. Pendekatan ini telah banyak digunakan oleh Negaranegara di dunia seperti Eropa dan Amerika Utara. Alasan utama dalam kesuksesan menggunakan komponen
multiregional model cohort adalah dengan mensimulasikan proyeksi pada area tertentu. Seperti pada kedua arah
tingkat demografi yang spesifik pada tiap-tiap sub-populasi dab poin ke poin migrasi yang tetap. Metode yang
terdiri dari system bi-level dalam level puncak tertinggi pada sebuah populasi yang lebih terkonsentrasi pada
kedetailan geografinya ( level kedua). Misalnya pada proyeksi area Negara Italia, dalam hal ini, merupakan total
nasional dari bentuk puncak tertinggi.
Kajian demografi dapat dilakukan dengan dua pendekatan yaitu uniregional dan multiregional.
Demografi uniregional hanya menganalisis penduduk di satu wilayah tertentu. Sedangkan demografi
multiregional lebih bersifat simultan, artinya antar daerah yang satu dengan lainnyayang dihubungkan oleh arus
migrasi dianggap sebagai satu sistem yang saling berinteraksi.Untuk keperluan perencanaan dan analisis yang
berkaitan dengan demografi atau kependudukan salah satunya dapat dipenuhi melalui proyeksi penduduk yang
dalam perhitungannya dapat dilakukan dengan dua pendekatan tersebut. Output yang diperoleh merupakan input
dasar bagi perencanaan sosial dan ekonomi, maka konsentrasi proyeksi bisa berbeda sesuai kebutuhan seperti
proyeksi pendidikan, angkatan kerja, pasar kerja, penduduk lansia, dan kesehatan.
Dalam proyeksi penduduk lansia, komponen demografi yang diperhitungkan hanya komponen
mortalitas dan migrasi. Dalam penelitian Mi kelangsungan hidup penduduk yaitu jumlah penduduk yang
berhasil hidup dari satu periode ke periode berikutnya dihitung dengan menggunakan fungsi pertumbuhan
Continuous Growth Function. Data yang digunakan adalah jumlah penduduk absolut dari Sensus Penduduk
1990 dan Supas 1995. Dengan mengasumsikan tidak ada migrasi maka untuk cohort umur yang sama pada
periode berikutnya akan menghasilkan jumlah penduduk yang berkurang karena kematian, sehingga jumlah
penduduk tahun 1995 lebih sedikit dibandingkan tahun 1990. Penelitian ini menunjukkan bahwa penerapan

fungsi pertumbuhan Continuous Growth Function untuk perkiraan kelangsungan hidup penduduk, lebih terasa
manfaatnya terutama untuk kelompok umur tua atau penduduk lanjut usia dengan asumsi tidak ada migrasi
selama periode pengamatan.
Kecenderungan migrasi ditentukan dengan menggunakan skedul model migrasi yang diperkenalkan
oleh Rogers. Skedul model migrasi menurut umur tertentu (age-specific migration schedule) tersebut dapat
dibagai menjadi tiga bagian yaitu;
(1) kurva "usia pra-angkatan kerja" (a single negative exponential curve);
(2) kurva "usia angkatan kerja" (a left-skewed unimodal curve);
(3) kurva "usia pasta angkatan kerja" (an almost hell-shaped curve).
Perpaduan antara model pertumbuhan Continuous Growth Function dan Skedul Model Migrasi
membentuk suatu model pertumbuhan penduduk bagi penduduk lanjut usia (lansia). Aplikasi model
pertumbuhan penduduk lansia melalui pendekatan multiregional yang diterapkan untuk dua wilayah pengamatan
merupakan penjumlahan dari penduduk selama periode tahun t sampai t+5, yang tetap hidup dan tidak pindah di
suatu wilayah asal 1, ditambah dengan penduduk yang tetap hidup dan bermigrasi keluar dari wilayah 2 dan
masuk ke wilayah 1 selama periode tahun t sampai t-5. Perhitungan kelangsungan hidup penduduk dari umur
tepat x sampai umur x+5 dalam perhitungan proyeksi penduduk yang dilakukan dengan menggunakan Life
Table Coale-Deineny dan tanpa menggunakan Life Table Coale-Derneny menunjukkan bahwa perhitungan
kelangsungan hidup yang dihitung dengan menggunakan model Life Table Coale-Demeny menghasilkan
perkiraan penduduk lansia di masa depan, yang jumlahnya lebih tinggi dibandingkan hasil proyeksi penduduk
lansia yang dihitung tanpa menggunakan model Life Table Coale-Dement'. Hal ini disebabkan proporsi
kematian yang diambil dari ASDR (mx) dalam Life Table Coale-Demeny mengasumsikan bahwa umur
maksimum penduduk adalah100 tahun. Sehingga kelangsungan hidup penduduk diperkirakan menjadi lebih
panjang dari kenyataannya.
C.

Pengertian dan perumusan matematik

Teknik proyek populasi model cohort adalah teknik yang menggunakan beberapa asumsi umur dan
jenis kelamin dari sebuah pupulasi yang menjadi salah satu pengaruh dari kematian, kelahiran, dan migrasi.
Dalam pengelompokan umur dan jenis kelamin pada model cohort disamakan dengan umur rata-rata,
misalnya untuk kategori anakyaitu pada umur 5-9 tahun.
Konsep utama pada komponen metode adalah sebagai berikut:

Kelahiran, Kematian, dan migrasi pada populasi di umur yang spesipik.

Jadwal dari rata-rata tingkat kelahiran pada basis umur yang spesipik yang mengandung karakteristik
perputaran populasi dari tahun ke tahun.

Jadwal rata-rata dari umur yang spesipik tingkat kelangsungan hidup dengan proporsional
kelangsungan hidup dari basis akhir perkiraan.

Tingkat perpindahan dari umur dan jenis kelamin selama perputaran tahun ke tahun.

Perumusan model chort survival adalah sebagai berikut

ket:
P(t+1) = populasi pada interval waktu/ tahun selanjutnya
P(t) = Populasi pada tahun t
Ni = Natural increase (tingkat pertumbuhan alami)
Nm = Net migratiaon (Jumlah penduduk yang melakukan migrasi)
Persamaan ini diperuntuntukan untuk jenis kelamin pria dan wanita pada kelompok umur yang masih
produktif. Awal mula dari sebuah tingkat populasi dapat dilihat dalam jangka waktu 5 tahun. (U.S Bureau of
Census, 1990)
Pada model proyeksi generalisasi matriks leslie secara multiregional yang telah mencapai sebaran umur
stabil berlaku jumlah penduduk pada periode t+1 adalah jumlah penduduk pada periode t dikali laju
perubahannya, lambda1. Selanjutnya lamda1 adalah nilai eigen dominan matriks pertumbuhan penduduk secara
multiregional. Jika lamda1>1 maka penduduk mengalami pertumbuhan, jika lamda1<1 lambda1="1">
Proyeksi penduduk secara multiregional pada periode t+g dengan g yang besar akan konvergen ke
penduduk multiregional stabil dan proporsi jumlah penduduk pada masing- masig kelas umur akan konstan.
Populasi stabil juga tidak bergantung pada sebaran usia awal, sehingga dua populasi dengan sebaran usia awal
yang berbeda akan cenderung menuju usia struktur stabil yang sama jika keduanya mempunyai jadwal
kelahiran, kematian, dan migrasi yang sama.
Syarat-syarat data yang dibutuhkan untuk proyeksi umur dan jenis kelamin:

Populasi penduduk umur dan berjenis kelamin dari tahun ke tahun.

Jenis kelamin yang spesifik untuk memprediksi periode.

Tingkat Umur kelahiran yang spesipik untuk memprediksi periode.

Umur dan jenis kelamin yang spesifik pada tingkat perpindahan pendududk pada tahun tersebut untuk
memprediksi periode.

Hasil akhir dari analisis ini adalah memperkirakan atau meramalkan tingkat pertumbuhan dan grafik
pertumbuhan. Dalam kondisi ideal, level atau tingkat survival agak baik dibandingkan dengan tingkat
perpindahan penduduk karena perpindahan penduduk sangat tidakk signifikan. Tingkat pertumbuhan adalah
perbedaan angka antara kelahiran anak dengan jumlah kematian selama waktu tertentu.
Dengan perumusan tingkat populasi adalah sebagai berikut:

Tingkat pertumbuhan =

Age-Period-Cohort (APC) Analisis

Seperti yang dibahas, usia, kala, dan cohort semua penumbuk yang kemungkinan dari orang-orang ke
rusa berburu. Barang kepunyaan usia secara relatif langsung dan yang dihubungkan dengan kejadian kursus
umur yang cenderung untuk terjadi pada berbagai zaman yang tertentu (seperti pelepasan ke perguruan tinggi,
mempunyai anak-anak, atau mengundurkan diri) dan perubahan-perubahan fisiologis bahwa terjadi ketika tubuh
kita mendewasakan. Barang kepunyaan kala bisa mewakili; menunjukkan kejadian spesifik bahwa terjadi pada
suatu saat yang tertentu, seperti penemuan dari CWD di dalam kumpulan Wisconsin, atau lebih secara
berangsur-angsur terjadi biologi, sosial, ekonomi, dan perubahan-perubahan budaya bahwa sudah tersingkap
(di) atas beberapa tahun yang terakhir (yaitu., pemburuan yang muda promosi program-program, habitat
berubah, atau resesi ekonomi). Barang kepunyaan cohortmengacu pada pengalaman-pengalaman dari generasigenerasi yang berbeda dan mencerminkan sosial dan transformasi-transformasi budaya bahwa yang terjadi di
masa lalu atau bahwa sudah terjadi sangat secara berangsur-angsur (di) atas suatu periode lame dari waktu dan
sudah berdampak yang berbeda kelompok umur dengan berbagai cara (yaitu., empowerment dari wanita-wanita
untuk mengejar aktivitas yang secara kebiasaan?secara tradisional dihubungkan dengan [jantan/pria][jantan/pria] saja). Berpikir tentang perubahan-perubahan di dalam populasi pemburu rusa di dalam jalan?cara
ini menawarkan informasi tentang bagaimana dan mengapa populasi itu sedang mengubah dan bagaimana itu
bisa melanjutkan untuk bertukar yang berikutnya beberapa tahun. Aspek yang diper;rumit sekitar satu analisis
age-period-cohort adalah bahwa/karena faktor-faktor ini bekerja secara serempak bersama-sama, membuat nya
sulit untuk memisahkan barang kepunyaan disebabkan oleh masing-masing komponen yang individu.
Dengan kata lain, sulit untuk mengatakan kepada apakah [ini] merupakan suatu usia kelompok pada
saat, tentang sesuatu kala waktu, dan/atau suatu model cohort mengeluarkan yang sedang mempengaruhi daftar
biaya pengiriman barang-barang keikutsertaan. Bagan-Bagan dan diskusi yang sebelumnya sudah mencoba
untuk menciri barang kepunyaan ini; meskipun demikian, ke tiga bersifat conflated. Untuk mengisolasikan
barang kepunyaan usia, kala, dan cohortdan untuk secara individu menguji masing-masing, kita pesawat satu
Age-Period-Cohort (APC) analisis statistik mengarah pada mengerti bagaimana masing-masing faktor ini
bekerja bebas dari yang lainnya untuk berdampak pada populasi pemburuan rusa Wisconsin. Perkiraan statistis
APC model sudah lama digoda dengan apa yang sudah disebut "masalah identifikasi," dengan mana pemisahan
barang kepunyaan usia, kala, dan cohortadalah sulit karena mereka bersifat secara linear yang dihubungkan
dengan satu sama lain sehingga kala =usia +cohort(Yang et al. 2008). Kita menunjuk isu ini dengan mengikuti
Yang et al. (2008) pendekatan penaksir yang intrinsik. Yang et al. berdasar pada akuntansi APC model populer
yang dibuat oleh Mason et al. (1973) yang dapat ditulis dalam bentuk regresi garis seperti(ketika 5 Duda,
Bissell, dan Young (1995) temukan daftar biaya pengiriman barang-barang keikutsertaan pemburu wanita itu
telah sedang meningkatkan karena sosial berubah.
rij = Hij/Pij = + i + j + k + ij
Di mana rij menandakan mengamati tingkat keikutsertaan pemburuan untuk ith kelompok umur di jth
waktu kala; Hij menandakan banyaknya pemburu-pemburu yang diamati di dalam kelompok ijth; Pij
menandakan kemungkinan kerugian populasi yang total tentang pemburuan di dalam kelompok ijth; tandakan
perpotongan (tingkat keikutsertaan pemburuan nilai-tengah); i menandakan perwakilan koefisien usia
mempengaruhi untuk ith kelompok umur; j menandakan perwakilan koefisien kala mempengaruhi untuk kala

jth; kali 1000 menandakan pengaruh cohortkth diagonal; dan ij menandakan suatu galas acak. Mereka lalu
memperkenalkan satu penaksir yang intrinsik (DENGAN KATA LAIN) untuk menunjuk masalah identifikasi
berhubungan dengan model yang dasar ini. IE itu adalah suatu penaksir kemunduran komponen utama yang
dirancang ke "mencabut pengaruh dari matriks rancangan di koefisien menaksir" (Yang et al. 2008: 1707).
tolong lihat Yang et al. (2008) untuk lebih detilnya tentang konstruksi dari IE, untuk perbandingan antara
jenis APC yang berbeda model, dan untuk pengesahan pendekatan IE.

Survival rate (SR)

Survival rate atau tingkat kelangsungan hidup dapat diketahui tiap 100%, dan lebih rendah dari tingkat
kematian kasar (crued death rate). Tingkat kematian kasar (crued death rate) adalah tingkat ratio dari nilai
kematian dalam suatu kelompok umur dalam waktu tertentu, ditemukan pada kelompok umur populasi di kelas
tengah pada tahun tersebut.
Dengan persamaan rumus:
Surviaval Rate =

Pada tingkat kelangsungan akan diterbitkan menjadi Vital statistics. Vital statistic memberikan lima
tahun kelompok umur yang berbeda, sehingga akan menggunakan 10 tahun kelompok umur. Kelompok yang
akan didapat merupakan dua kali ukuran standart. Perhitungan apa yang patas untuk menghitung tingkat
perubahan?
Adapun component yang mempengaruhi tingkat perubahan adalah sebagai berikut:
1. Kelahiran, di mana populasi masyarakat local dapat bertambah dengan kelahiran anak. Kelahiran
sangat beresiko terjadi pada kelompok umur 10 49 tahun, karena pada usia tersebut manusia berjenis
kelamin wanita dapat bereproduksi.
2. Kematian, pengurangan jumlah orang dengan cara kematian. Tidak dapat ditentukan dengan umur,
karena setiap individu sangat beresiko untuk mati. Untuk tingkat kematian dapat dihitung dari semua
kelompok umur dan jenis kelamin. Tingkat kematian sangat relative tinggi dari tahun pertama lahir dan
mengalami penurunan pada saat pertengahan tahun (middle age). Pada kelompok umur 65 tahun ke
atas, tingkat kematian semakin tinggi.
3. Migrasi, factor terakhir yang sangat mempengaruhi ukuran populasi adalah migrasi. Migrasi dapat
menarik dua keadaan yang sebenarnya terjadi, yaitu:
a. In-migration, Perpindahan menuju wilayah local bisa perindividu, atau keluarga.
b. Migrasi ke luar, perpindahan ke luar wilayah local bias perindividu, atau keluarga.
Dengan menggunakan rumus untuk menghitung tingkat perubahan yaitu:

Survival rate (t+n) = Survival rate (t)**n

Persamaan di atas membuat pengertian pada perhitungan Populasi pada model cohort. Apabila tingkat
kelangsungan hidup (survival rate) adalah 50% (0,5 merupakan tingkat kelangsungan hidup yang rendah)
untuk mengangkat tingkat survivalnya harus melebihi 2 standar intervalnya (misalnya, 10 tahun sebaliknya dari
5 tahun), sehingga interval selanjutnya merupakan standar yang seharusnya digunakan pada tingkat pertama
interval atau sebuah simbolik.
Jadi;

Populasi (t+2) = Survival rate * Populasi (t+1)

Di mana;

Populasi (t+1) = Survival rate * Populasi (t)

Karena itu;

Populasi (t+2) = Survival rate * (Survival Rate * Populasi (t))

Atau, yang lebih sederhana;

Populasi (t+2) = ((survival rate)2) * (Populasi (t))

Net Migration Model

Proyeksi komponen populasi model cohort dengan menggunakan tingkat perpindahan adalah salah satu
keadaan biasa yang sering terjadi pada komponen model cohort pada demografis textbooks (see Hinde 1988;
preston, Heuveline and Guillot 2001; Rowland 2003). Demografis textbox selalu digunakanan untuk
memproyeksikan negara dan wilayah di Australia (Bell 1992) dan untuk proyeksi subnational di negara-negara
lainnya. Contoh, di pemerintahan United Kingdom Actuarys Department menggunakan tiap-tiap model untuk
membuat proyeksi kesatuan populasi untuk empat calon kontitusi negara di UK (GAD 2002); dan Statistic New
Zealand menggunakannya untuk persiapan wilayah negaranya dan dasar petunjuk proyeksi (Statistics New
Zeland 2003).
Pertumbuhan populasi pada net migration model adalah sebagai berikut;
(P.Sub.s, a+1) (t+1) = (P.Sub.s,a) (t) (D.Sub.s,a,a+1) (t, t+1) + (N.Sub.s,a,a+1) (t, t+1)
Proyeksi pada perumusan didapat dari berbagai macam data, yang sering terjadi dipakai pada tabel
(Sub.n)(q.sub.x) atau (Sub.n)(L.sub.x). sehingga, sangat terlihat perbedaan versi yaitu pada presentasi periode
kejadian kematian pada model cohort dengan konsistensi menggunakan deskripsi model multiregional dari
Willekens dan Drewe (1984) dan Rees (1989). Menggunakan awal dan akhir pada penentuan interval populasi
sama dengan perkiraan atau penaksiran tiap manusia pertahunnya, pada versi ini dapat dirumuskan sebagai
berikut;
(P.sub.s,a+1) (t + 1) =(P.sub.s,a) (t) -(d.sub.s,a,a+1) (t, t + 1) 0.5 ((P.sub.s,a) (t) +(P.sub.s,a+1) (t + 1)) +
(N.sub.s,a,a+1) (t, t + 1)
Dimana untuk menghindari perhitungan yang dapat mengganggu dapat menggunan perumusan dari Rees
(1990);

(P.sub.s,a+1) (t + 1) = (1 - 0.5(d.sub.s,a,a+1) (t, t + 1)) / (1 + 0.5(d.sub.s,a,a+1) (t, t + 1))(P.sub.s,a) (t) +

(N.sub.s,a,a+1) (t, t + 1) / (1 + 0.5(d.sub.s,a,a+1) (t, t + 1)).

Studi Kasus
Cohort-Component Model Example
Survival Rate
Femal
Male e

30-44

Population at t
Femal
Male e
20,00
0
20,000
10,00
0
10,000
12,00
0
12,000

45-59

5,000

60+

3,000

Age
Group
0-14
15-29

Total Population
100,000

85%

90%

75%

80%

65%

70%

5,000

50%

3,000

20%

at

Birth Rate

16,500

16,500

0.9

17,000

18,000

7,500

8,000

60%

7,800

8,400

40%

3,100

4,200

t:

1 time interval = 15 years

Calculating cohort survival to time t+1
Survival Rate: n+1P t+1 = nPt * n(S)
S=survival rate
Examples
:

Population at
t+1
Femal
Male
e

projecting the male 15-29 population in time t+1

15-29

Pop t+1 = 0-14 Pop t * 0-14 (

15-29

Pop t+1 = 20,000 * .85 = 17,000

S)

projecting the male 85+ population in time t+1

60+

Pop t+1 = 45-59 Pop t * 45-59 (S) + 60+ Pop t * 60+(S)

85+

Pop t+1 = 5,000 * .50 + 3,000 * .20= 3,100

Calculating new cohort (0-14) in time t+1

Births: sum of (n,f Pt * nB) for all women of child-bearing age

B=age-specific birth rate
Example:

projecting the new 0-14 cohort in time t+1

(15-29,f Pt * 15-29B) + (30-44,f Pt * 30-44B)
(10,000 * .90) + (12,000 * 2.0) = 33,000
Divide births (33,000) into male and female

DAFTAR PUSTAKA
lic.law.ufl.edu/~nicholas/URP6312/PopMthd.htm
http://home.business.utah.edu/bebrpsp/URPL5020/Demog/CohortComponent.pdf
http://www.hbp.usm.my/Thesis/HeritageGIS/master%5Cthesis%5C3-Cohort%20component.htm
http://mailer.fsu.edu/~tchapin/garnet-tchapin/urp5261/topics/demog/cohort.htm
http://classshares.student.usp.ac.fj/SE303/Lectures/week%209-11%202%20Cohort%20Component
%20Method.doc
http://www.apl.wisc.edu/publications/winkler_deerdemography.pdf
http://www.digilib.ui.ac.id/opac/themes/libri2/detail.jsp?id=73689&lokasi=lokal
Dewi Priastuti, Jakarta. Model Pertumbuhan Penduduk Usia Lanjut di Indonesia Dengan Pendekatan
Multiregional. Perpustakaan UI