BAB III

PROYEKSI PENDUDUK

Prediksi jumlah penduduk di masa mendatang didasarkan pada laju perkembangan kota
dan kecenderungannya, arahan tata guna lahan serta ketersediaan lahan untuk menam-
pung perkembangan jumlah penduduk. Jumlah penduduk dalam periode perencanaan
perlu diprediksi untuk mengetahui besar kebutuhan air minum.

III.1 JENIS-JENIS METODE PROYEKSI

Dengan memperhatikan laju perkembangan jumlah penduduk masa lampau,
maka metode statistik merupakan metode yang paling baik untuk memperkirakan
jumlah penduduk di masa mendatang. Ada beberapa metode yang dapat digunakan
untuk menganalisa perkembangan jumlah penduduk, yaitu:
1. Metode Least Square
Metode ini dilakukan jika jumlah data ganjil dengan menggunakan persamaan
berikut:
y = a+b x
(t)
�yi
a=
n
�yiui
b=
2
�ui

Keterangan:
yi = Jumlah penduduk pada tahun ke-i
ui = Variabel pengali
x = Periode tahun antara tahun proyeksi dan tahun saat ui = 0
2. Metode Aritmatika (Metode Rata-rata Hilang)
Metode ini digunakan jika data berkala menunjukkan jumlah penambahan yang
relatif sama tiap tahun. Hal ini biasanya terjadi pada kota dengan luas wilayah yang
kecil, tingkat pertumbuhan ekonomi rendah, dan perkembangan kota tidak terlalu
pesat. Rumus metode ini adalah:
y = yn + g.x
(t)

Keterangan:
yn = Jumlah penduduk pada data akhir
x = Periode antara tahun proyeksi dan tahun data akhir
g = Rata-rata pertambahan penduduk tahunan

8
 y -y
= akhir data awal data
jumlah data

3. Metode Geometrik
Metode ini digunakan jika data jumlah penduduk menunjukkan peningkatan yang
pesat dari tahun ke tahun.
Rumus metode ini adalah:
x
y = yn (1+r )
(t)
1
�yn �
n
r=�
�y �� -1
�o�

Keterangan:
y(t) = Proyeksi jumlah penduduk pada tahun tertentu
yn = Jumlah penduduk pada data akhir
x = Periode antara tahun proyeksi dan tahun data akhir
r = Laju pertambahan penduduk
n = Jumlah data
4. Metode Regresi Linear
Metode ini dilakukan dengan menggunakan persamaan berikut:
y = a+bx
2
�y �x - �x �(xy)
a=
2 2
N�x - ( �x )
N�(xy)- �x �y
b=
2 2
N�x - ( �x )

5. Metode Eksponensial
Metode ini dilakukan dengan menggunakan persamaan berikut:
bx
y=ae n
�1 �
ln a = � �( �ln y - b �x )
�N�
N �( x ln y ) - ( �x �ln y )
b=
( 2
)
N �x - ( �x )
2

6. Metode Logaritmik
Metode ini dilakukan dengan menggunakan persamaan berikut:

9
 y = a+b lnx
1
a= �y - b �( ln x ) �
�
� �
N
N �( y ln x ) - �y �ln x
b=
2 2
N �( ln x ) - ( �ln x )

7. Metode Logaritmik (Metode Pearl)

Metode ini berlaku pada data jumlah penduduk sebanyak tiga tahun dengan periode
yang sama antar tahun yang berdekatan. Persamaan yang digunakan adalah:

L=
� 2
2y y y - y y + y �
� 0 1 2 1 0 2 � ( )
2
y y -y
0 2 1

m=
( L - y0 )
y
0

n=
1
ln
�
�0 (
y L-y
1 )�
�
t
1 � (
y L-y
�1 0 )�
�
Persamaan umumnya ialah:
L L
y = =
(t) 1+m exp n.t 1+ exp (ln m+n.t)

III.2 DASAR PEMILIHAN METODE PROYEKSI PENDUDUK

Untuk menentukan metode paling tepat yang akan digunakan dalam perencanaan,
diperlukan perhitungan faktor koreksi, standar deviasi, dan keadaan perkembangan kota
di masa mendatang. Koefisien korelasi dan standar deviasi diperoleh dari hasil analisa
dan perhitungan data kependudukan yang ada dengan data penduduk dari perhitungan
metode proyeksi yang digunakan.
Korelasi, r, dapat dihitung dengan menggunakan rumus:

2 SSE
R =1-
SST
2
2 �( Pn - P )
R =1-
2
�( Pn - Pr )

Keterangan:
R2 = Faktor korelasi
Pn = Jumlah penduduk pada tahun ke-n
Pr = Rata-rata jumlah penduduk dari data yang diketahui
P = Proyeksi jumlah penduduk berdasarkan perhitungan metode regresi yang dilakukan

10
Kriteria korelasi adalah sebagai berikut:
1. r < 0, korelasi kuat, tetapi bernilai negatif dan hubungan di antara kedua variabel
berbanding terbalik.
2. r = 0, kedua data tidak memiliki hubungan.
3. r > 1, korelasi kuat, bernilai positif dan hubungan di antara kedua variabel ber-
banding lurus.
Standar deviasi dapat dihitung dengan menggunakan rumus:
1
�
2
� ( P - P ) 2 ��
2
n
�( P - P ) - �
� � ��
� n � n ��
STD = �
� ��
� n �
� �
� �
� �
Keterangan:
STD = Standar deviasi dari data yang diketahui
n = Jumlah data yang diketahui
Metode proyeksi yang dipilih adalah metode dengan nilai standar deviasi
terendah dan koefisien korelasi terbesar. Pola perkembangan kota sesuai dengan fungsi
kota di masa mendatang, juga dijadikan acuan dalam menentukan metode proyeksi.
Pada umumnya fungsi sebuah kota menunjukkan pertambahan penduduk di masa men-
datang.

III.3 PENENTUAN METODE PROYEKSI

Data jumlah penduduk Kota Arimbi digunakan dalam memproyeksikan jumlah penduduk
20 tahun mendatang. Nilai korelasi regresi dan standar deviasi tiap metode proyeksi
akan menunjukkan jenis proyeksi apa yang digunakan. Data penduduk hasil proyeksi
akan digunakan dalam mempelajari studi kebutuhan air minum penduduk Kota Arimbi.

Tabel III.1 Data jumlah penduduk dari tahun 1997 sampai 2006 di Kota Arimbi
Tahun Jumlah Penduduk (Jiwa)
1997 50350
1998 51200
1999 53300
2000 54690
2001 55950
2002 57320
2003 58910
2004 59690

11
 2005 60690
2006 60990

Untuk memperkirakan jumlah penduduk sampai 20 tahun mendatang, digunakan

metode proyeksi penduduk yang berlaku:
1. Metode Least Square
Metode ini dilakukan dengan menggunakan persamaan berikut:
y = a+b x
(t)
�yi
a=
n
�yiui
b=
2
�ui

Keterangan:
yi = Jumlah penduduk pada tahun ke-i
ui = Variabel pengali
x = Periode tahun antara tahun proyeksi dan tahun saat ui = 0
Perhitungan metode least square: (jumlah data harus ganjil, maka data jumlah pen-
duduk tahun 1997 dihilangkan)
Tabel III.2 Penentuan Variabel Persamaan Umum Metode Least Square
n Tahun yi ui ui.yi ui2
1 1998 51200 -4 -204800 16
2 1999 53300 -3 -159900 9
3 2000 54690 -2 -109380 4
4 2001 55950 -1 -55950 1
5 2002 57320 0 0 0
6 2003 58910 1 58910 1
7 2004 59690 2 119380 4
8 2005 60690 3 182070 9
9 2006 60990 4 243960 16
Jumlah 512740 0 74290 60

Perhitungan variabel untuk menghasilkan persamaan umum:

�yi 512740
a= = = 56971.11
n 9
�yiui 74290
b= = = 1238.167
2 60
�ui

Jadi, persamaan umum yang terbentuk ialah:

y = a+b x = 56971.11+1238.167 x
(t)

12
Variabel x adalah periode antara tahun proyeksi dengan tahun 2002. Saat penentuan
jumlah penduduk di tahun 2007, nilai x sebesar 5.
y = 56971.11+1238.167 (5) = 63161.94
(t)

Berikut proyeksi jumlah penduduk selama 20 tahun mendatang dengan menggunakan

metode least square:
Tabel III.3 Hasil Proyeksi Penduduk dengan Metode Least Square
Tahun Jumlah Penduduk Tahun Jumlah Penduduk
2007 63161.94 2017 75543.61
2008 64400.11 2018 76781.78
2009 65638.28 2019 78019.94
2010 66876.44 2020 79258.11
2011 68114.61 2021 80496.28
2012 69352.78 2022 81734.44
2013 70590.94 2023 82972.61
2014 71829.11 2024 84210.78
2015 73067.28 2025 85448.94
2016 74305.44 2026 86687.11

Nilai korelasi regresi dapat dicari dengan menggunakan rumus:

2 SSE
R =1-
SST
2
2 �( Pn - P )
R =1-
2
�( Pn - Pr )

Keterangan:
R2 = Faktor korelasi
Pn = Jumlah penduduk pada tahun ke-n
Pr = Rata-rata jumlah penduduk dari data yang diketahui
P = Proyeksi jumlah penduduk berdasarkan perhitungan metode regresi yang
dilakukan
Data jumlah penduduk selama 9 tahun dan proyeksinya: Pr = 56971.111
Proyeksi jumlah penduduk tahun 1998:
y = a+b x = 56971.11+1238.167 x
(t)
y = a+b u1 = 56971.11+1238.167 (-4) = 52018.444
(1998)

Tabel III.4 Penentuan Korelas Regresi Proyeksi Penduduk dengan Metode Least Square
Tahun Jumlah Penduduk (Pn) Proyeksi (P) (Pn-P)2 (Pn-Pr)2
1998 51200 52018.444 669851.309 33305723.5
1999 53300 53256.611 1882.59568 13477056.8
2000 54690 54494.778 38111.716 5203467.9
2001 55950 55732.944 47113.1142 1042667.9
2002 57320 56971.111 121723.457 121723.457
2003 58910 58209.278 491011.633 3759290.12

13
 2004 59690 59447.444 58833.1975 7392356.79
2005 60690 60685.611 19.2623457 13830134.6
2006 60990 61923.778 871940.938 16151467.9
Jumlah 2300487.22 9428388.9

Nilai korelasi regresi dan standar deviasi:

2 2300487,222
R =1- = 0.975600421
94283888,89
STD = 10542.60928
2. Metode Aritmatik
Metode ini dilakukan dengan menggunakan persamaan berikut:
y = yn + g.x
(t)

Keterangan:
Yn = Jumlah penduduk pada data akhir
x = Periode antara tahun proyeksi dan tahun data akhir
g = Rata-rata pertambahan penduduk tahunan
y -y
= akhir data awal data
jumlah data

Nilai tiap variabel yang dibutuhkan:

yn = 60990
60990 - 50350
g = = 1064
10
Maka persamaan umum yang terbentuk:
y = 60990+ 1064 x
(t)

Variabel x ditentukan oleh penetapan tahun proyeksi penduduk. Saat penentuan

jumlah penduduk tahun 2007, nilai x sebesar 1.
y = 60990+ 1064 (1) = 62054
(t)

Berikut proyeksi jumlah penduduk selama 20 tahun mendatang dengan menggunakan

metode aritmatika:
Tabel III.5 Hasil Proyeksi Penduduk dengan Metode Aritmatika
Tahun Jumlah Penduduk Tahun Jumlah Penduduk
2007 62054 2017 72694
2008 63118 2018 73758
2009 64182 2019 74822
2010 65246 2020 75886
2011 66310 2021 76950
2012 67374 2022 78014
2013 68438 2023 79078
2014 69502 2024 80142
2015 70566 2025 81206

14
 2016 71630 2026 82270
Nilai korelasi regresi dapat dicari dengan menggunakan rumus:

2 SSE
R =1-
SST
2
2 �( Pn - P )
R =1-
2
�( Pn - Pr )

Data jumlah penduduk 10 tahun pertama dan proyeksinya: Pr = 56309

Proyeksi jumlah penduduk tahun 1997:
y = y + g.x
(t) 0
y = 50350+1064 (0) = 50350
(1997)

Tabel III.6 Penentuan Korelasi Regresi Proyeksi Penduduk dengan Metode Aritmatika
Tahun Jumlah Penduduk (Pn) Proyeksi (P) (Pn-P)2 (Pn-Pr)2
1997 50350 50350 0 35509681
1998 51200 51414 45796 26101881
1999 53300 52478 675684 9054081
2000 54690 53542 1317904 2621161
2001 55950 54606 1806336 128881
2002 57320 55670 2722500 1022121
2003 58910 56734 4734976 6765201
2004 59690 57798 3579664 11431161
2005 60690 58862 3341584 19193161
2006 60990 59926 1132096 21911761
Jumlah 19356540 133739090
Nilai korelasi regresi dan standar deviasi:

2 19356540
R =1- = 0.8552664
133739090
STD = 9466.027532
3. Metode Geometrik
Metode ini dilakukan dnegan menggunakan persamaan berikut:
x
y = yn (1+r )
(t)
1
�yn �
n
r=�
�y �� -1
�o�

Keterangan:
y(t) = Proyeksi jumlah penduduk pada tahun tertentu
yn = Jumlah penduduk pada data akhir
x = Periode antara tahun proyeksi dan tahun data akhir
r = Laju pertambahan penduduk
n = Jumlah data

15
Nilai variabel yang dibutuhkan:
n = 10
yn = 60990
y0 = 50350
1
�60990 �
10
r=� � -1 = 0.019356
�50350 �
Maka persamaan yang terbentuk:
x x
y = 60990 (1+0.019356 ) = 60990 (1.019356)
(t)

Nilai variabel x tergantung pada penentuan tahun proyeksi. Saat ingin mengetahui
jumlah penduduk di tahun 2007, nilai x sebesar 1.
1
y = 60990 (1.019356) = 62170.522
(t)

Berikut proyeksi jumlah penduduk selama 20 tahun mendatang dengan menggunakan

metode geometrik:
Tabel III.7 Hasil Proyeksi Penduduk dengan Metode Geometrik
Tahun Jumlah Penduduk Tahun Jumlah Penduduk
2007 62170.522 2017 75308.388
2008 63373.895 2018 76766.057
2009 64600.56 2019 78251.941
2010 65850.969 2020 79766.586
2011 67125.58 2021 81310.548
2012 68424.863 2022 82884.395
2013 69749.294 2023 84488.705
2014 71099.362 2024 86124.068
2015 72475.561 2025 87791.086
2016 73878.398 2026 89490.37

Nilai korelasi regresi dapat dicari dengan menggunakan rumus:

2 SSE
R =1-
SST
2
2 �( Pn - P )
R =1-
2
�( Pn - Pr )

Data jumlah penduduk 10 tahun pertama dan proyeksinya: Pr = 56309

Proyeksi jumlah penduduk tahun 1997:
x
y = y (1+r )
(t) 0
0
y = 50350 ( 1.019356 ) = 50350
(1997)
Tabel III.8 Penentuan Korelasi Regresi Proyeksi Penduduk dengan Metode Geometrik
Tahun Jumlah Penduduk (Pn) Proyeksi (P) (Pn-P)2 (Pn-Pr)2
1997 50350 50350 0 35509681

16
 1998 51200 51324.575 15518.83097 26101881
1999 53300 52318.013 964298.3386 9054081
2000 54690 53330.681 1847749.43 2621161
2001 55950 54362.949 2518730.308 128881
2002 57320 55415.198 3628269.046 1022121
2003 58910 56487.815 5866980.154 6765201
2004 59690 57581.193 4447066.325 11431161
2005 60690 58695.735 3977093.983 19193161
2006 60990 59831.849 1341312.888 21911761
Jumlah 24607019.3 133739090

Nilai korelasi regresi dan standar deviasi:

2 24607019.3
R =1- = 0.816007277
133739090
STD = 11965.21006
4. Metode Regresi Linier
Data jumlah penduduk selama 10 tahun dapat digunakan untuk membentuk per-
samaan regresi linier dengan profil grafik sebagai berikut:

Grafik Jumlah Penduduk [1997-2006]

Metode Regresi Linear

70000
Jumlah Penduduk (jiwa)

60000
50000 y = 1261.6x + 49370
40000 R2 = 0.9819
30000
20000
10000
0
0 2 4 6 8 10 12
Tahun

Grafik III.1 Jumlah Penduduk [1997-2006] Metode Regresi Linear

Dengan menggunakan persamaan regresi linear di atas, dapat dilakukan proyeksi

jumlah penduduk selama 20 tahun mendatang:
Tabel III.9 Hasil Proyeksi Penduduk dengan Metode Regresi Linear
Tahun Jumlah Penduduk Tahun Jumlah Penduduk
2007 63247.6 2017 75863.6
2008 64509.2 2018 77125.2
2009 65770.8 2019 78386.8
2010 67032.4 2020 79648.4
2011 68294 2021 80910
2012 69555.6 2022 82171.6
2013 70817.2 2023 83433.2

17
 2014 72078.8 2024 84694.8
2015 73340.4 2025 85956.4
2016 74602 2026 87218
Nilai korelasi regresi dan standar deviasi:
R2 = 0.9819
STD = 11106.38008
5. Metode Eksponensial
Data jumlah penduduk selama 10 tahun dapat digunakan untuk membentuk per-
samaan eksponensial dengan profil grafik sebagai berikut:

Grafik Jumlah Penduduk [1997-2006]

Metode Eksponensial

70000
Jumlah Penduduk (jiwa)

60000
50000 0 .0 2 2 6 x
y = 49621e
40000 2
R = 0.9762
30000
20000
10000
0
0 2 4 6 8 10 12
Tahun

Grafik III.2 Jumlah Penduduk [1997-2006] Metode Eksponensial

Proyeksi jumlah penduduk di tahun 2007 (urutan data ke-11) dapat dilakukan dengan
persamaan eksponensial:
0.0226 x
y = 49621 e
( t)
0.0226 (11)
y = 49621 e = 63625.48714
( 2007)
Dengan menggunakan persamaan regresi linear di atas, dapat dilakukan proyeksi
jumlah penduduk selama 20 tahun mendatang:
Tabel III.10 Hasil Proyeksi Penduduk dengan Metode Eksponensial
Tahun Jumlah Penduduk Tahun Jumlah Penduduk
2007 63625.48714 2017 79759.36237
2008 65079.79493 2018 81582.44722
2009 66567.34428 2019 83447.20290
2010 68088.89503 2020 85354.58188
2011 69645.22433 2021 87305.55843
2012 71237.12715 2022 89301.12906

18
 2013 72865.41659 2023 91342.31307
2014 74530.92435 2024 93430.15308
2015 76234.50115 2025 95565.71550
2016 77977.01714 2026 97750.09114

Nilai korelasi regresi dan standar deviasi:

R2 = 0.9762
STD = 14228.93973
6. Metode Logaritmik
Data jumlah penduduk selama 10 tahun dapat digunakan untuk membentuk
persamaan eksponensial dengan profil grafik sebagai berikut:

Grafik Jumlah Penduduk [1997-2006]

Metode Logaritmik

70000
Jumlah Penduduk (jiwa)

60000
50000
y = 5094.9Ln(x) + 48613
40000 2
R = 0.9386
30000
20000
10000
0
0 2 4 6 8 10 12
Tahun

Grafik III.3 Jumlah Penduduk [1997-2006] Metode Logaritmik

Proyeksi jumlah penduduk di tahun 2007 (urutan data ke-11) dapat dilakukan dengan
persamaan logaritmik:
y = 5094,9 ln (x) + 48613
( t)
y = 5094,9 ln(11)+ 48613 = 60830.03663
( 2007)
Dengan menggunakan persamaan regresi linear di atas, dapat dilakukan proyeksi
jumlah penduduk selama 20 tahun mendatang:
Tabel III.11 Hasil Proyeksi Penduduk dengan Metode Logaritmik
Tahun Jumlah Penduduk Tahun Jumlah Penduduk
2007 60830.03663 2017 64124.53737
2008 61273.35089 2018 64361.5522
2009 61681.16048 2019 64588.02948
2010 62058.73319 2020 64804.86646
2011 62410.24497 2021 65012.85044

19
 2012 62739.06228 2022 65212.67605
2013 63047.93867 2023 65404.95925
2014 63339.15507 2024 65590.24876
2015 63614.62215 2025 65769.03552
2016 63875.95636 2026 65941.76054
Nilai korelasi regresi dan standar deviasi:
R2 = 0.9386
STD = 4332.886481

III.4 REKAPITULASI KORELASI REGRESI DAN STANDAR DEVIASI

Dari penggunaan metode proyeksi penduduk di atas, dapat disimpulkan metode terbaik
dalam proyeksi jumlah penduduk berdasarkan data yang ada. Berikut nilai korelasi
regresi dan standar deviasi dari tiap metode:
Tabel III.12 Rekapitulasi Korelasi Regresi dan Standar Deviasi Tiap Metode Proyeksi
Metode Korelasi Regresi, r2 Standar Deviasi, STD
Least Square 0.9756 10542.60928
Aritmatika 0.8553 9466.027532
Geometrik 0.8160 11965.21006
Regresi Linear 0.9819 11106.38008
Eksponensial 0.9762 14228.93973
Logaritmik 0.9386 4332.886481

Secara teoritis, metode yang terbaik adalah metode yang memiliki korelasi
regresi terbesar dan standar deviasi yang terkecil. Tapi pada kasus ini, korelasi regresi
tertinggi dihasilkan dengan metode regresi linear, sedangkan standar deviasi terendah
dimiliki oleh metode logaritmik. Tingkat kabsahan lebih ditentukan oleh korelasi
regresi, maka proyeksi jumlah penduduk selama 20 tahun mendatang menggunakan hasil
penggunaan metode regresi linear.

20