BAB I

Pertumbuhan Penduduk
Pertumbuhan Penduduk adalah keseimbangan dinamis antara kekuatan-kekuatan yang
menambah dan kekuatan-kekuatan yang mengurangi jumlah penduduk.

A. Faktor yang mempengaruhi pertumbuhan penduduk :

a) Faktor alami : kelahiran,kematian
b) Faktor nonalami : migrasi (imigrasi,emigrasi)

B. Mengukur pertumbuhan penduduk :

a) Pertumbuhan penduduk alami (Natural increase)
Pertumbuhan penduduk alami adalah selisih jumlah kelahiran dengan jumlah kematian.
Rumus :
T= ( L M )

Keterangan: T= pertambahan penduduk

L= jumlah kelahiran
M= jumlah kematianan
Contoh soal :
Misalkan pada tahun 2006 angka kelahiran kasar penduduk Pulau jawa 50.000 jiwa
dan angka kematiannya 20.000 jiwa. Berapakah perumbuhab penduduk alami pulau jawa?
Jawab :
T=LM
= 50.000 20.000
= 30.000 jiwa
Jadi pertumbuhan penduduk alami pulau jawa pada tahun 2005 adalah 30.000 jiwa.
b) Pertumbuhan Penduduk Total
Berbeda dengan pertumbuhan penduduk alami,pertumbuhan penduduk total
memperhitungkan migrasi (imigrasi & emigrasi).
Rumus :
T= ( L M ) + (I E)

Keterangan: T= pertambahan penduduk

L= jumlah kelahiran
M= jumlah kematianan
I = jumlah imigrasi
E = jumlah emigrasi
Contoh soal :
 Misalkan jumlah kelahiran kasar penduduk pulau jawa pada ahun 2007 adalah 50.000
jiwa dan kematian kasar 20.000 jiwa. Diketahui pula jumlah imigrasi ada 15.000 dan
emigrasi ada 7.000. hitnglah pertumbuhan penduduk total Pulau Jawa pada tahun 2007 !
Jawab :
T=(LM)+(IE)
= ( 50.000 20.000 ) + ( 15.000 7.000 ) jiwa
= 30.000 + 8.000 jiwa
= 38.000 jiwa
Jadi pertumbuhan penduduk total pulau Jawa pada tahun 2007 adalah 38.000 jiwa.
Pertumbuhan penduduk dapat digolongkan menjadi tinggi,sedang, dan rendah. Pertumbuhan
penduduk dikatakan rendah jika T kurang dari 1%, pertumbuhan penduduk dikatakan sedang
jika T antara 1 2 %, pertumbuhan penduduk dikatakan tinggi jika T di atas 2 %.

BAB II

Proyeksi Penduduk
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 juga 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.

A. Pengertian proyeksi penduduk :

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 dipercaya
untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn
pada tahun yang berakhir 0 dan survei antar sensus (SUPAS) pada tahun yang berakhir S.

Kegunaan Proyeksi Penduduk :

Hasil proyeksi penduduk sangat bermanfaat untuk perencanaan penyediaan beras,
fasilitas kesehatan, fasilitas pendidikan, fasilitas perumahan, dan fasilitas kesempatan kerja.

Publikasi BPS tentang Proyeksi Penduduk Indonesia :

Proyeksi Penduduk Indonesia 1971-1980
Proyeksi penduduk Indonesia 1980-1990
Proyeksi Penduduk Indonesia per Propinsi 1990-2000
 Proyeksi Penduduk Indonesia Per Propinsi 1995-2005

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 datang
antara lain:
1. Metode Matematik, ada 2 cara, yaitu:
Linear Rate of Growth, ada 2 cara yaitu:
1. Arithmathic Rate of Growth(Pertumbuhan Penduduk Aritmatik rata-rata):
pertumbuhan penduduk dengan jumlah yang sama setiap tahun
Pn= P0(1+rn).
2. Geometric Rate of Growth(Pertumbuhan Penduduk Geometrik rata-rata):
pertumbuhan penduduk menggunakan dasar bungan berbunga (bunga majemuk)
Pn=P0 (1+r)n.

Eksponential Rate of Growth(Pertumbuhan Penduduk Eksponensial rata-rata):

Pertumbuhan penduduk secara terus menerus setiap hari dengan angka pertumbuhan
penduduk yang konstan
Pn= P0 ern

Dimana P0 : 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.

Rumus proyeksi penduduk :

Pn = Po ( 1 + r )n

Keterangan : Pn = jumlah penduduk pada tahun n (ditanyakan)

Po = jumlah penduduk pada tahun 0 / tahun dasar (diketahui)
n = jumlah tahun antara 0 hingga n
r = tingkat pertumbuhan penduduk pertahun ( dalam % )
Contoh soal :
Misalkan pada tahun 2000 jumlah penduduk indonesia tercatat 205 juta jiwa. Tingkat
pertumbuhan penduduk pertahun adalah 1,5 %. Berapakah proyeksi penduduk indonesia pada
tahun 2005?

Jawab :
Pn = Po ( 1 + r )n
= 205 juta ( 1 + 1,5% )5
= 205 juta ( 1 + 0,015 )5
= 205 juta ( 1,015 )5
= 205 juta ( 1,0773 )
= 220 juta
Jadi poyeksi penduduk Indonesia untuk tahun 2005,dengan tingkat pertumbuhan penduduk
1,5% pertahun,adalah 220 juta.

G. Sumber dan data metodologi

1. Proyeksi penduduk menurut propinsi, umur, dan jenis kelamin dihitung dengan tehnik
komponen. Jenis data yang dibutuhkan untuk keperluan ini adalah penduduk menurut umur
dan jenis kelamin, fertilitas, mortalitas, dan perpindahan penduduk, yang diperoleh dari hasil
sensus penduduk dan survei rumah tangga. Semua data yang dipakai perlu dievaluasi secara
cermat, dan kalau perlu diadakan adjustment dengan maksud untuk menghapus kelemahan
yang ditemukan.
2. Proyeksi penduduk menurut kotamadya yang disajikan di sini tidak dapat dilakukan dengan
teknik komponen seperti diuraikan di atas, karena data untuk keperluan itu yakni fertilitas,
mortalitas, dan perpindahan penduduk tidak dapat diperoleh dari hasil sensus. Di negara-
negara maju, data ini diperoleh dari hasil registrasi vital yang diadakan secara
berkesinambungan pada setiap wilayah administrasi.

3. Proyeksi penduduk dihitung dengan menggunakan laju pertumbuhan penduduk hasil sensus
yang terdahulu, dengan asumsi bahwa laju pertumbuhan penduduk tersebut juga berlaku pada
masa yang akan datang. Tehnik ini kurang tepat diterapkan untuk menghitung proyeksi yang
jangka waktunya cukup panjang pada masa yang akan datang, karena asumsi yang dipakai
biasanya tidak sesuai lagi.

Perbaikan proyeksi selalu dilakukan, karena sering terjadi asumsi-asumsi yang dibuat
mengenai fertilitas (fertility), mortalitas (mortality), dan migrasi (migration) tidak sesuai lagi
dengan keadaan data yang baru.

1.Pengertian Proyeksi

Proyeksi secara umum adalah untuk mengetahui perkembangan di masa yang akan Datang.
berdasarkan data yang telah ada. Proyeksi pada dasarnya merupakan suatu perkiraan atau
taksiran mengenai terjadinya suatu kejadian (nilai dari suatu variabel) untuk waktu yang akan
datang. Hasil proyeksi menggambarkan tingkat kemampuan untuk masa yang akan datang,
untuk menghindari atau mengurangi tingkatan resiko dari kesalahan, Maka diperlukan
asumsi-asumsi yang dibuat oleh pihak pengambil keputusan, yang didukung oleh proyeksi
tentang tingkat kemampuan populasi peternakan di masa depan secara objektif. 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).

2.Model Ektrapolasi Trend

Model ekstrapolasi trend secara sederhana menggunakan trend penduduk masa yang lalu
untuk memperkirakan jumlah penduduk masa yang akan datang. Metode ini adalah metode
yang mudah digunakan dalam rangka proyeksi penduduk. Selain itu, metode ini juga
digunakan untuk menghitung tingkat dan ratio pada masa yang akan datang berdasarkan
tingkat dan ratio pada masa yang lalu.

Model ekstrapolasi trend yang banyak digunakan adalah model linear, geometric dan
parabolic. Asumsi dasar dari model linear, geometric dan parabolik adalahpertumbuhan atau
penurunan akan berlanjut tanpa batas. Namun demikian, asumsi tersebut tidak mungkin
diberlakukan jika proyeksi yang disusun adalah proyeksi jangka panjang. Misalnya jika
populasi di suatu daerah berkurang, dalam jangka panjang model ini akan memproyeksikan
penduduk menjadi nol, dan bahkan menjadi negative. Demikian juga, jika jumlah penduduk
di suatu daerah yang meningkat, tidak mungkin akan meningkat pada jumlah yang tanpa
batas. Dalam kenyataannya, penduduk hanya akan meningkat sampai suatu tingkat dengan
kapasitas yang maksimum dan kemudian akan kembali turun atau stabil dalam kaitannya
dengan kepadatan penduduk, biaya hidup dan kualitas hidup. Oleh karenanya, penggunaan
model ekstrapolasi trend membutuhkan pemahaman yang baik tentang kecenderungan
pertumbuhan masa lalu untuk membuat estimasi dengan batasan yang masuk akal
(reasonable).

1. Model Linear (Aritmethic)

Model linear menurut Klosterman (1990) adalah teknik proyeksi yang paling

sederhana dari seluruh model trend. Model ini menggunakan persamaan

derajat pertama (first degree equation). Berdasarkan hal tersebut, penduduk

diproyeksikan sebagai fungsi dari waktu, dengan persamaan:

Pt = + T

Dimana : Pt = penduduk pada tahun proyeksi t

= intercept = penduduk pada tahun dasar

= koefisien = rata-rata pertambahan penduduk

T = periode waktu proyeksi = selisih tahun proyeksi dengan tahun dasar

Hasil proyeksi akan berbentuk suatu garis lurus. Model ini berasumsi bahwa

penduduk akan bertambah/berkurang sebesar jumlah absolute yang sama/tetap

() pada masa yang akan datang sesuai dengan kecenderungan yang terjadi

pada masa lalu. Ini berarti bahwa, jika Pt+1 dan Pt adalah jumlah populasi

dalam tahun yang berurutan, Pt+1 Pt yang adalah perbedaan pertama yang

selalu tetap (konstan). Klosterman (1990), mengacu pada Pittengar (1976),

mengemukakan bahwa model ini hanya digunakan jika data yang tersedia
relatif terbatas, sehingga tidak memungkinkan untuk menggunakan model

lain. Selanjutnya, Isserman (1977) mengemukakan bahwa model ini hanya

dapat diaplikasikan untuk wilayah kecil dengan pertumbuhan yang lambat,

dan tidak tepat untuk proyeksi pada wilayah-wilayah yang lebih luas dengan

pertumbuhan penduduk yang tinggi.

1. Model Geometric

Asumsi dalam model ini adalah penduduk akan bertambah/berkurang pada

suatu tingkat pertumbuhan (persentase) yang tetap. Misalnya, jika Pt+1 dan Pt

adalah jumlah penduduk dalam tahun yang berurutan, maka penduduk akan

bertambah atau berkurang pada tingkat pertumbuhan yang tetap (yaitu sebesar

Pt+1/Pt ) dari waktu ke waktu. Menurut Klosterman (1990), proyeksi dengan

tingkat pertumbuhan yang tetap ini umumnya dapat diterapkan pada wilayah,

dimana pada tahun-tahun awal observasi pertambahan absolut penduduknya

sedikit dan menjadi semakin banyak pada tahun-tahun akhir. Model geometric

memiliki persamaan umum:

Pt = + T

Persamaan diatas dapat ditransformasi kedalam bentuk linear melalui aplikasi

logaritma, menjadi sebagai berikut:

LogPt =Log + T.log

1. c. Model Parabolik

Model parabolic seperti model geometric berasumsi bahwa penduduk suatu daerah tidak
tumbuh dalam bentuk linear. Namun demikian, tidak seperti model geometrik (yang
berasumsi tingkat pertumbuhan konstan dari waktu ke waktu), pada model parabolic tingkat
pertumbuhan penduduk dimungkinkan untuk meningkat atau menurun. Model ini
menggunakan persamaan derajat kedua yang ditunjukkan sebagai berikut:
Pt = + 1T + 2T2

Model parabolic memiliki dua koefisien yaitu 1 dan 2. 1 adalah koefisien linear (T) yang
menunjukkan pertumbuhan konstan, dan 2 adalah koefisien non-linear yang (T2) yang
menyebabkan perubahan tingkat pertumbuhan. Tanda positif atau negatif pada 1 dan 2
bervariasi tergantung pada apakah tingkat pertumbuhan tersebut akan meningkat atau
menurun. Berdasarkan variasi pada tanda 1 dan 2, model akan menghasilkan empat scenario
sebagai berikut:

Tabel. Skenario dalam Model Parabolik

1 2 Efek terhadap pertumbuhan penduduk

Pertambahan yang semakin meningkat

Penduduk bertambah
+ +
Kurva cekung ke atas (Concave upward)

Pertambahan yang semakin berkurang

Penduduk berkurang
+ -
Kurva cekung ke bawah (concave downward)

Pertambahan yang semakin berkurang

Penduduk bertambah
- +
Kurva cekung ke atas (Concave upward)

Pertambahan yang semakin meningkat

Penduduk berkurang
- -
Kurva cekung ke bawah (concave downward)

Klosterman (1990), menyarankan demographer untuk terlebih dahulu mencermati (menguji

coba) model ini ketika akan diaplikasikan pada suatu daerah. Menurutnya, meskipun model
ini baik untuk daerah dengan pertumbuhan atau penurunan yang cepat, namun demikian
proyeksi jangka panjang akan menghasilkan angka yang sangat besar atau sangat kecil.

3. Model Komponen Kohor

Model-model ekstrapolasi trend yang didiskusikan diatas mengacu pada perkiraan penduduk
secara agregat, sementara model komponen kohor mengacu pada perubahan-perubahan
komponen penduduk (yaitu fertilitas, mortalitas dan migrasi) secara terpisah. Penduduk
secara keseluruhan dibagi kedalam beberapa kohor/kelompok umur. Interval (k) dari kohor
ini umumnya dalam satu tahunan (0-1, 1-2, 2-3 dst), lima tahunan (0-4, 5-9, 10-14 dst), atau
10 tahunan (0-9, 10-19, 20-29. Selanjutnya, kohor dibagi lagi berdasarkan gender dan etnis.

Pengelompokan penduduk berdasarkan komponen-komponen yang mempengaruhi perubahan

penduduk, kelompok umur, gender dan etnis akan membantu untuk membangun pemahaman
yang lebih baik mengenai dinamika penduduk suatu daerah. Karena ukuran kohor semakin
kecil, maka akan semakin terperinci informasi yang dapat digunakan dalam analisis.
Misalnya, bayi dan penduduk umur-umur tua akan memiliki persentase kematian yang lebih
tinggi dibandingkan penduduk usia muda. Jumlah kelahiran akan bervariasi berdasarkan
umur dan etnis dari penduduk wanita. Demikian juga, migrasi akan bervariasi menurut umur,
gender dan etnis individu.

Persamaan dalam model komponen kohor adalah:

Dimana:

Pt = penduduk tahun t pada kohor di interval k

t = tahun

n = umur awal dari kohor

k = jumlah tahun dalam kohor (interval kohor umur)

DTH = total kematian

IR = total kelahiran

NMIG = total migrasi bersih

Karena penduduk kohor n pada tahun sebelumnya ( ) dikurangi dengan jumlah kematian
dalam kohor tersebut ( ) adalah jumlah penduduk yang bertahan hidup ke kohor n pada tahun
t ( ), maka persamaan dapat ditulis ulang sebagai berikut:

Berikut diberikan perhitungan-perhitungan untuk ketiga komponen dalam metode ini:

 1. a. Mortalitas-Tingkat Survival

Mortalitas dihitung dalam model sebagai jumlah penduduk dalam kohor tertentu n-k pada
tahun t-k, yang bertahan hidup ke kohor berikutnya (n) pada tahun t.

Dimana:

penduduk dari kohor n-k pada tahun t-k

SRVk
n-k = tingkat bertahan hidup (survival)

1. b. Kelahiran- Tingkat Fertilitas

Fertilitas adalah jumlah bayi yang dilahirkan wanita usia subur (biasanya antara 15-44 tahun).
Tingkat fertilitas diberikan melalui persamaan berikut:

Dimana:

tingkat fertilitas wanita dalam kohor n dari interval k

jumlah kelahiran oleh wanita pada kohor n

jumlah wanita dalam kohor n

Tingkat fertilitas yang diperoleh dari rumus diatas dapat digunakan untuk menghitung jumlah
kelahiran dalam interval waktu yang sama sesuai dengan ukuran kohor. Misalnya, jika ukuran
kohor adalah lima tahunan (0-4, 5-9, 10-14), maka proyeksi dapat dilakukan untuk interval
lima tahunan (2005, 2010, 2015).

Selanjutnya, jika wanita-wanita pada kohor umur tertentu tidak memiliki kelahiran, maka
untuk keakuratan perhitungan, tingkat fertilitas perlu disesuaikan. Tingkat fertilitas yang
disesuaikan adalah rata-rata dari dua tingkat fertilitas yang berurutan.

Dimana:

tingkat fertilitas yang disesuaikan dari wanita dalam kohor n dengan interval k
Total kelahiran selanjutnya dibagi atas kelahiran bayi laki-laki dan bayi perempuan
berdasarkan sex ratio waktu lahir dari data masa yang lalu.

1. c. Migrasi bersih (Net Migration).

Migrasi bersih adalah perbedaan antara jumlah penduduk yang masuk dengan jumlah
penduduk yang keluar dari suatu daerah, dengan persamaan:

4. Model Ratio

Menurut Smith, Tayman dan Swanson (2001), model ratio-sebagaimana model ekstrapolasi
trend- juga didasarkan pada trend masa lalu. Model ratio menggunakan konsep bahwa
penduduk (atau perubahan penduduk) pada suatu wilayah yang lebih kecil (wilayah studi)
merupakan proporsi dari penduduk (perubahan penduduk) dari wilayah yang lebih luas, atau
wilayah basis (base area). Model ini sederhana dan mudah dalam perhitungannya serta
membutuhkan data yang relative lebih sedikit. Meskipun demikian, model ini membutuhkan
proyeksi penduduk dari wilayah basis tersebut.

Model ratio mencakup model constant share, shift share dan model share of growth.

5. Model Constant Share

Model ini berasumsi bahwa share penduduk dari daerah studi merupakan suatu proporsi yang
konstan dari daerah basis dan proyeksi dilakukan berdasarkan proporsi konstan tersebut.

Model disajikan dalam bentuk persamaan berikut:

Dimana:

P = jumlah penduduk pada daerah studi

Pj = penduduk pada daerah basis atau daerah yang lebih luas yang didalamnya terdapat
daerah studi

l = tahun akhir dari observasi

t = tahun proyeksi

Jika data wilayah studi menunjukkan kecenderungan yang sama seperti wilayah basis,
penggunaan model ini akan menghemat waktu dan lebih sederhana dalam penerapannya.
Namun demikian, jika daerah studi dan daerah basis memiliki trend pertumbuhan yang
berlawanan, artinya jika daerah studi mengalami penurunan penduduk dan daerah basis
mengalami peningkatan penduduk, atau sebaliknya, proyeksi ini tidak dapat diaplikasikan

6. Model Shift Share

Model shift share mencoba mengoreksi kelemahan dari model constant share dengan
memasukkan indeks pergeseran (shift term) untuk menghitung perubahan share penduduk
dari waktu ke waktu. Jika pertumbuhan daerah studi lebih cepat dari daerah basis maka shift
term akan positif. Sebaliknya jika pertumbuhan daerah studi lebih lambat dari daerah basis,
maka shift termnya akan negative.

Persamaan dalam metode ini adalah sebagai berikut:

Dimana:

b = tahun awal observasi

s = shift term

z = jumlah tahun dalam proyeksi (t-1)

y = jumlah tahun dalam periode observasi (1-b)

Satu kelemahan utama dari metode ini adalah jika terjadi pertumbuhan atau pengurangan
yang tinggi pada tahun dasar, hal ini dapat menyebabkan bertambahnya atau berkurangnya
penduduk dalam jumlah yang sangat besar pada tahun proyeksi. Oleh karenanya, penggunaan
metode ini untuk proyeksi penduduk jangka panjang harus dilakukan secara hati-hati.

7. Metode share of growth

Metode ini menggunakan share dari pertumbuhan penduduk bukannya share dari jumlah
penduduk seperti yang digunakan dua model ratio sebelumnya. Asumsi dasar dari model ini
adalah bahwa share pertumbuhan penduduk daerah studi pada periode observasi akan berlaku
sama dalam periode proyeksi.

Model ini disajikan dalam bentuk persamaan berikut:

Metode ini akan lebih tepat diterapkan jika trend pertumbuhan penduduk pada daerah studi
sama dengan trend pertumbuhan pada daerah basis. Misalnya jika pertumbuhan penduduknya
sama-sama meningkat atau sama-sama menurun.

A Pengertian Proyeksi Penduduk

Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur dan
jenis kelmain) di masa yang akan dating berdasarkan asumsi arah perkembangan fertilitas,
mortalitas dan migrasi.
Data penduduk Indonesia yang dapat dipakai dan dipercaya untuk keperluan
proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn pada
tahun yang berakhir 0 dan survei antar sensus (SUPAS) padad tahun yang
berakhir S.

B Kegunaan Proyeksi Penduduk

Hasil proyek penduduk sangat bermanfaat untuk perencanaan penyediaan pangan, fasilitas
kesehatan, fasilitas pendidikan, fasilitas perumahan, dan fasilitas kesempatan kerja.

C Metode Proyeksi
 Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan
datang 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

Dimana P0 : 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 penghitungan 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.

D Tahap- tahap Proyeksi

a. 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.

b. 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.

Daftar Pustaka :
1. Wardiyatmoko.k 2006,Geografi untuk SMA kelas IX. Jakarta : Erlangga.
2. PROYEKSI PENDUDUK . Pdf. ( google.com )
3. Data Statistik Indonesia_Pertumbuhan penduduk ( google.com )