1. a.

) - Estimasi (Estimate)
Perkiraan berdasarkan ketentuan dan rumus sederhana.
- Peramalan(Forecast)
Proyeksi dimana asumsi yang dibuat diusahakan sedemikian rupa
sehingga menghasilkan gambaran yang realistis mengenai
perkembangan penduduk di masa mendatang.
- Proyeksi (Projection)
Perhitungan jumlah penduduk pada waku yang akan datang dengan
menggunakan asumsi tertentu untuk fertilitas, mortalitas, dan
migrasi di masa yang akan datang.
b.) - Penentuan data dasar dan perapihan penduduk
- Penentuan asumsi kelahiran, kematian, dan perpindahan
- Perhitungan proyeksi
- Iterasi (dapat diartikan sebagai suatu proses atau metode yang
digunakan secara berulang-ulang (pengulangan) dalam
menyelesaikan suatu permasalahan

2. b.) Menurut Everett S.Lee ada empat faktor yang menyebabkan orang
mengambil keputusan untuk melakukan migrasi, yaitu:
- Faktor-faktor yang terdapat di daerah asal
- Faktor-faktor yang terdapat di daerah tujuan
- Rintangan-rintangan yang menghambat
- Faktor-faktor pribadi

a.) ● Sumatera
*Migrasi Risen Masuk *Migrasi Risen Keluar
𝐼 𝑂
Mi = ×𝑘 Mo = 𝑃 × 𝑘
𝑃
535302 359345
= 43769720 × 1000 = 43769720 × 1000
= 12,2299 = 8,2098
*Migrasi Risen Neto
𝐼−𝑂
Mn = ×𝑘
𝑃
175957
= 43769720 × 1000
= 4,02

● Jawa
*Migrasi Risen Masuk *Migrasi Risen Keluar
𝐼 𝑂
Mi = ×𝑘 Mo = ×𝑘
𝑃 𝑃
532145 1105614
= 121234836 × 1000 = 121234836 × 1000
= 4,3893 = 9,1196
 *Migrasi Risen Neto
𝐼−𝑂
Mn = ×𝑘
𝑃
−483469
= 121234836 × 1000
= -3,9878

●Kalimantan
*Migrasi Risen Masuk *Migrasi Risen Keluar
𝐼 𝑂
Mi = ×𝑘 Mo = ×𝑘
𝑃 𝑃
445690 141960
= 11830351 × 1000 = 11830351 × 1000
= 37,6734 = 11,9996
*Migrasi Risen Neto
𝐼−𝑂
Mn = ×𝑘
𝑃
303730
= 11830351 × 1000
= 25,6737

●Sulawesi
*Migrasi Risen Masuk *Migrasi Risen Keluar
𝐼 𝑂
Mi = ×𝑘 Mo = ×𝑘
𝑃 𝑃
165509 211480
= 15181095 × 1000 = 15181095 × 1000
= 10,9023 = 13,9304
*Migrasi Risen Neto
𝐼−𝑂
Mn = ×𝑘
𝑃
−45971
= 15181095 × 1000
= -3,0281

●Kepulauan Lain
*Migrasi Risen Masuk *Migrasi Risen Keluar
𝐼 𝑂
Mi = ×𝑘 Mo = ×𝑘
𝑃 𝑃
329446 189693
= 16650345 × 1000 = 16650345 × 1000
= 19,7861 = 11,3925
*Migrasi Risen Neto
𝐼−𝑂
Mn = ×𝑘
𝑃
139753
= 16650345 × 1000
= 8,3933
 Berdasarkan perhitungan neto, Pulau Sumatera,Kalimantan, dan
Kepulauan Lain memiliki faktor penarik lebih besar daripada faktor
pendorongnya karena angka migrasi netonya bernilai positif (migrasi
risen masuk > migrasi risen keluar) sehingga banyak pendudukdari
luar pulau-pulau tersebut memilih untuk pindah ke pulau-pulau
tersebut.
Sedangkan Pulau Jawa dan Sulawesi memiliki faktor pendorong
yang lebih besar daripada faktor penarik karena angka migrasi
netonya bernilai negatif (migrasi risen masuk < migrasi risen keluar)
sehingga banyak penduduk dari kedua pulau tersebut memilih untuk
berpindah ke luar pulau asal mereka.

3. SP 2000 = 4223125 jiwa

SP 2010 = 9607787 jiwa
a.) ●Metode Geometrik ●Metode Eksponensial
1
𝑃𝑛 𝑛 1 𝑃𝑛
r = (𝑃𝑜 ) − 1 r = 𝑛 [𝑙𝑛 ( 𝑃𝑜 )]
1
9607787 10 1 9607787
= ( ) −1 = [𝑙𝑛 ( )]
4223125 10 4223125
= 0,0856 = 0,0821
b.) ●Metode Geometrik ●Metode Eksponensial
Pn = Po (1 + 𝑟 )𝑛 Pn = Po . 𝑒 𝑟𝑛
= 9607787 (1 + 0,0856)7 = 9607787 . 𝑒 (0,0821×7)
= 17081105 = 17081104

4. a.) *DKI Jakarta *Sulawesi Barat

𝐷 𝐷
CDR = 𝑃 × 𝑘 CDR = 𝑃 × 𝑘
36404 8419
= 10170274 × 1000 = 1280677 × 1000
= 3,5794 = 6,5738

b.) *DKI Jakarta *Sulawesi Barat

𝐷0−<1𝑦𝑟 0−<1𝑦𝑟 𝐷
IMR = ∑𝑙𝑎ℎ𝑖𝑟 ℎ𝑖𝑑𝑢𝑝 × 𝑘 IMR = ∑𝑙𝑎ℎ𝑖𝑟 ×𝑘
ℎ𝑖𝑑𝑢𝑝
2206 1036
= 10170274 × 1000 = 1280677 × 1000
= 0,2169 = 0,8089
 c.) *DKI Jakarta *Sulawesi Barat
∑𝐷 ∑𝐷
CMR = ∑𝑃1−4𝑦𝑟𝑠 × 𝑘 CMR = ∑𝑃1−4𝑦𝑟𝑠 × 𝑘
1−4𝑦𝑟𝑠 1−4𝑦𝑟𝑠
310 246
= 649280 × 1000 = 104438 × 1000
= 0,4774 = 2,3554

d.) *DKI Jakarta *Sulawesi Barat

∑𝐷<5 𝑦𝑟𝑠 ∑𝐷<5 𝑦𝑟𝑠
CuMR = ∑𝑃 × 1000 CuMR = ∑𝑃 × 1000
<5 𝑦𝑟𝑠 <5 𝑦𝑟𝑠
2516 1282
= 814066 × 1000 = 131145 × 1000
= 3,0906 = 9,7754

e.) *DKI Jakarta *Sulawesi Barat

𝐷𝑖 𝐷
ASDR = 𝑃𝑖 × 𝑘 ASDR = 𝑃𝑖𝑖 × 𝑘

Kelompok Umur ASDR Kelompok Umur ASDR

0 13,3871 0 38,7913281
1-4 0,4775 1-4 2,3554645
5-9 0,2382 5-9 0,8749182
10 - 14 0,2126 10 - 14 0,6827511
15 - 19 0,4538371 15 - 19 1,2115317
20 - 24 0,6473697 20 - 24 1,7140344422
25 - 29 0,6865705 25 - 29 1,8636879151
30 - 34 0,8260048 30 - 34 2,1751928
35 - 39 1,1369775 35 - 39 2,7359781122
40 - 44 1,7841314 40 - 44 3,764755929
45 - 49 3,0181027 45 - 49 5,5991178633
50 - 54 4,913548 50 - 54 8,442696897
55 - 59 8,092807 55 - 59 12,866413068
60 - 64 13,1180493 60 - 64 19,853416079
65 - 69 21,86347 65 - 69 31,754053485
70 - 74 36,3598401 70 - 74 51,117602235
75 - 79 61,3456234 75 - 79 83,84013901
80 - 84 102,6903989 80 - 84 138,09967396
285+ 184,1805932 85+ 238,28571429

Dari perhitungan diatas, dapat diketahui bahwa tingkat kematian di

Sulawesi Barat lebih tinggi dibandingkan tingkat kematian di DKI Jakarta. Yang
artinya bahwa, tingkat kesehatan di Sulawesi Barat masih rendah. Selain itu,
faktor yang mempengaruhi tingkat kematian tinggi adalah faktor ekonomi, social,
dan tingkat pendidikan.