MAKALAH

PERKIRAAAN ANGKA KEMATIAN BAYI DAN ANAK DI PROVINSI JAMBI

DENGAN METODE BRASS
(ANALISIS DATA SENSUS PENDUDUK 2010)
Tugas ini diselesaikan untuk memenuhi tugas mata kuliah Teknik Demogafi 2
Dosen Pengampu: Ir. Jeffry Raja Hamonangan Sitorus, M.Si

KELAS 3SK1

KELOMPOK 8

APRILIA LUTVIANA DEWI 211709566/08

FAJAR RAKHA PRATAMA 211709677/17
SITI ANDHASAH 211710015/35

POLITEKNIK STATISTIKA STIS

JAKARTA
 KATA PENGANTAR

Puji syukur kami panjatkan atas kehadirat Tuhan Yang Maha Esa karena berkat
rahmat dan karunia-Nya kami dapat menyelesaikan makalah ini yang berjudul
“Perkiraaan Angka Kematian Bayi Dan Anak Di Provinsi Jambi Dengan Metode Brass
(Analisis Data Sensus Penduduk 2010)” tepat pada waktunya. Secara umum, penulisan
laporan penelitian ini bertujuan untuk memberikan gambaran umum terkait angka
kematian bayi (AKB) di Provinsi Jambi tahun 2010 dan secara khusus untuk memenuhi
tugas mata kuliah teknik demografi 2 pada Program Studi Sarjana Terapan Statistika,
Politeknik Statistika STIS.

Selama proses penulisan makalah ini, kami mendapat bantuan dan bimbingan
dari berbagai pihak sehingga dapat menyelesaikan laporan penelitian ini dengan sebaik-
baiknya. Untuk itu, kami ucapkan terima kasih kepada:

1. Bapak Ir. Jeffry Raja Hamonangan Sitorus, M.Si selaku Dosen Mata Kuliah
Teknik Demografi 2 yang telah membimbing kami dalam menulis makalah ini.
2. Rekan-rekan kelompok yang telah bekerja sama dengan baik.
3. Rekan-rekan kelas yang telah memberikan saran dan masukan untuk penulisan
makalah ini.

Makalah ini ditulis dengan maksud dapat bermanfaat bagi pembaca dan pihak-
pihak yang bersangkutan dalam makalah ini. Namun kami menyadari bahwa makalah
ini masih belum sempurna. Oleh sebab itu, kami mengharapkan kritik dan saran yang
membangun untuk penulisan makalah selanjutnya.

Penulis

2
 BAB 1
PENDAHULUAN

1.1. Latar Belakang

Angka Kematian Bayi (AKB) merupakan indikator penting sebagai tolok
ukur untuk mencerminkan keadaan derajat kesehatan di suatu wilayah. AKB
merujuk pada jumlah bayi yang mati antara fase kelahiran hingga bayi umur
kurang dari 1 tahun per 1.000 kelahiran hidup.
AKB menjadi salah satu indikator target capaian pemenuhan layanan dasar
di Indonesia yang tertuang dalam RPJMN 2020-2024. Berdasarkan hasil SDKI
2017, AKB di Indonesia berada pada 24 kematian per 1000 kelahiran hidup,
sementara target yang ingin dicapai yaitu sebesar 16 kematian per 1000 kelahiran
hidup dan diharapkan terus menurun setiap tahunnya.
Kematian bayi sangat berhubungan dengan kesehatan ibu. Jika AKB tinggi
dapat diduga karena kurangnya kesadaran kesehatan sang Ibu seperti jarang
memeriksakan kandungannya ke bidan, hamil diusia muda, jarak yang terlalu
sempit, hamil diusia tua, kurangnya asupan gizi bagi ibu dan bayinya, makanan
yang dikonsumsi ibu tidak bersih, fasilitas sanitasi, dan higienitas yang tidak
memadai (Abdiana, 2015). Kematian Bayi juga berhubungan dengan aspek
ekonomi. Kematian bayi cenderung dialami oleh rumah tangga dengan status
ekonomi menengah kebawah. Masalah AKB memang begitu kompleks, tak heran
jika program-program kesehatan banyak yang menitikberatkan pada upaya
penurunan AKB. Dengan demikian, estimasi AKB patut menjadi urgensi untuk
dapat mengetahui pencapaian kualitas SDM Indonesia yang lebih baik.
Berikut Angka Kematian Bayi beberapa Provinsi besar di pulau Sumatra
hasil Survei Demografi Kesehatan Indonesia tahun 2012.

3
 Angka Kematian Bayi di Pulau Sumatera Tahun
2012
50
40
30
20
10
0

Sumber : Badan Pusat Statistik

Berdasarkan grafik tersebut, dapat diketahui bahwa Jambi memiliki nilai
AKB berada pada tengah-tengah. Berdasarkan grafik tersebut, dapat diketahui
bahwa Jambi memiliki nilai AKB berada pada tengah-tengah. Akan tetapi hingga
akhir tahun 2019, isu gizi buruk balita usia 0-5 tahun di Provinsi Jambi cukup
meningkat. Hal ini disebabkan oleh kurangnya asupan makanan bergizi dan
pemberian air susu ibu (ASI) terhadap balita, sehingga menyebabkan kesehatan
menurun pada balita.

Oleh sebab itu, pada penelitian ini akan dianalisis lebih lanjut mengenai
angka kematian bayi di Provinsi Jambi dengan menggunakan metode Brass.
Analisis akan dilakukan berdasarkan wilayah perdesaan dan perkotaan serta
gabungan keduanya untuk membandingkan kondisi angka kematian bayi di
Provinsi Jambi berdasarkan wilayah tersebut.

1.2. Rumusan Masalah

1.) Bagaimana prosedur estimasi angka kematian bayi dan anak dengan metode
Brass?
2.) Bagaimana interpretasi hasil estimasi angka kematian bayi dan anak dengan
metode Brass?
3.) Bagaimana pola proporsi anak yang mengalami kematian terhadap peningkatan
umur ibu di Provinsi Jambi pada tahun 2010?
4.) Bagaimana pola probabilitas kematian dari saat lahir sampai umur tepat x
terhadap peningkatan umur ibu di Provinsi Jambi pada tahun 2010?
5.) Bagaimana pola jumlah penduduk yang tetap hidup terhadap peningkatan umur
ibu di Provinsi Jambi pada tahun 2010?

4
 6.) Bagaimana pola level kematian terhadap peningkatan umur ibu di Provinsi
Jambi pada tahun 2010?
7.) Bagaimana perbandingan AKH dan AMH di wilayah perdesaan, perkotaan, dan
gabungan keduanya di Provinsi Jambi pada tahun 2010?

1.3. Tujuan
1.) Mengetahui prosedur estimasi angka kematian bayi dan anak dengan metode
Brass.
2.) Mengetahui interpretasi hasil estimasi angka kematian bayi dan anak dengan
metode Brass.
3.) Mengetahui pola proporsi anak yang mengalami kematian terhadap peningkatan
umur ibu di Provinsi Jambi pada tahun 2010.
4.) Mengetahui pola probabilitas kematian dari saat lahir sampai umur tepat x
terhadap peningkatan umur ibu di Provinsi Jambi pada tahun 2010.
5.) Mengetahui pola jumlah penduduk yang tetap hidup terhadap peningkatan umur
ibu di Provinsi Jambi pada tahun 2010.
6.) Mengetahui pola level kematian terhadap peningkatan umur ibu di Provinsi
Jambi pada tahun 2010.
7.) Membandingkan AKH dan AMH di wilayah perdesaan, perkotaan, dan
gabungan keduanya di Provinsi Jambi pada tahun 2010

1.4. Kajian Teori

Metode Brass
Estimasi angka kematian bayi (AKB) dapat dilakukan melalui metode langsung
dan metode tidak langsung. Metode langsung dapat dilakukan melalui life table.
Menurut Rusli Said (1983) dalam Sulistyorini (2007), life table yang sesuai dengan
kondisi di Indonesia adalah life table yang dikembangkan Coale dan Demeny yang
memiliki empat model, yaitu West, East, North, dan South. Di antara empat model
tersebut, yang paling sesuai dengan Indonesia adalah model West.
Akan tetapi, Mantra (2003) menyebutkan dalam Sulistyorini (2007) bahwa
metode langsung belum dapat diterapkan di Indonesia saat ini karena masih terbatasnya
ketersediaan data registrasi kematian menurut kelompok umur dan jenis kelamin di
daerah-daerah tertentu. Oleh sebab itu, diperlukan metode tidak langsung yang
melakukan estimasi dengan menggunakan data atau informasi yang berhubungan

5
dengan informasi yang akan dicari. Dalam hal ini, metode Brass merupakan salah satu
metode tidak langsung yang dapat digunakan untuk melakukan estimasi AKB dengan
menggunakan pendekatan data rata-rata Anak Lahir Hidup (ALH) dan rata-rata Anak
Masih Hidup (AMH).
Metode Brass memiliki keunggulan, di antaranya yaitu penghitungan mudah
dilakukan dan diaplikasikan serta tidak membutuhkan waktu acuan. Sedangkan
kelemahan yang dimilikinya yaitu tingkat mortalitas diasumsikan konstan sebelum saat
sensus atau survei. BPS (2001) menyebutkan bahwa pada umumnya, metode tidak
langsung memiliki kelemahan dalam record data rata-rata ALH dan rata-rata AMH
seperti anggapan masyarakat mengenai anak yang meninggal sesaat setelah dilahirkan
dianggap tidak terjadi kelahiran, sehingga peristiwa itu sering dilupakan. Tentu hal ini
dapat mempengaruhi kualitas data yang dihasilkan.
Rumus penghitungan metode Brass adalah sebagai berikut:

Keterangan:
 qx = probabilitas kematian dari saat lahir sampai umur tepat x
 Qi = proporsi anak yang meninggal yang pernah dilahirkan oleh ibu-ibu
dalam kemlompok umur i (i = 1 untuk kelompok umur 15-19, … , i = 7
untuk kelompok umur 45-49)
 ki = faktor pengali yang bersesuaian dengan ibu-ibu dalam kelompok umur i

BAB 2
PEMBAHASAN

2.1. Prosedur Penghitungan

Penghitungan AKB dengan metode Brass dilakukan dengan prosedur sebagai berikut:
1. Menyusun tabel rata-rata ALH dan AMH Provinsi Jambi tahun 2010 dari kelompok
umur wanita 15-19 tahun hingga 45-49 tahun.

6
Perdesaan
Tabel 1a. Rata-rata ALH dan AMH Perdesaan

KELOMPOK UMUR (i) ALHi AMHi

(1) (2) (3)
15-19 0,5570 0,5400
20-24 0,9915 0,9588
25-29 1,5391 1,4835
30-34 2,2050 2,1134
35-39 2,7931 2,6495
40-44 3,2690 3,0444
45-49 3,6238 3,3110
Sumber: Badan Pusat Statistik

Perkotaan
Tabel 1b. Rata-rata ALH dan AMH Perkotaan

KELOMPOK UMUR (i) ALHi AMHi

(1) (2) (3)
15-19 0.5359 0.5210
20-24 0.6875 0.6738
25-29 1.2242 1.1966
30-34 1.9093 1.8614
35-39 2.4625 2.3874
40-44 2.8777 2.7671
45-49 3.2363 3.0816
Sumber: Badan Pusat Statistik

Perdesaan & Perkotaan

Tabel 1c. Rata-rata ALH dan AMH Perdesaan dan Perkotaan

KELOMPOK UMUR (i) ALHi AMHi

(1) (2) (3)
15-19 0,5542 0,5375
20-24 0,9124 0,8847
25-29 1,4445 1,3973
30-34 2,1121 2,0342
35-39 2,6885 2,5666
40-44 3,1434 2,9554
45-49 3,5006 3,2381
Sumber: Badan Pusat Statistik

7
 Dari tabel ALH dan AMH masing-masing wilayah perdesaan, perkotaan,
serta gabungan keduanya di Provinsi Jambi, dapat dilihat pola ALH dan AMH di
ketiga jenis wilayah sebagai berikut:

Perdesaan
4.0000
3.5000
3.0000
2.5000
2.0000
1.5000
1.0000
0.5000
0.0000
15-19 20-24 25-29 30-34 35-39 40-44 45-49

ALH AMH

Perkotaan
4.0000

3.0000

2.0000

1.0000

0.0000
15-19 20-24 25-29 30-34 35-39 40-44 45-49

ALH AMH

Perdesaan dan Perkotaan

4.0000
3.5000
3.0000
2.5000
2.0000
1.5000
1.0000
0.5000
0.0000
15-19 20-24 25-29 30-34 35-39 40-44 45-49

ALH AMH

Jika dilihat dari tampilan ketiga grafik di atas, dapat dilihat bahwa terdapat
persamaan dan perbedaan pola antara ALH dan AMH di ketiga jenis wilayah.
Ketiga grafik sama-sama menunjukkan pola menaik di mana semakin tua usia
ibu, maka semakin tinggi nilai ALH dan AMH. Bedanya, wilayah perdesaan

8
 menunjukkan perbedaan jarak yang cukup signifikan antara ALH dan AMH
seiring semakin tuanya usia ibu. Hal ini menunjukkan bahwa jumlah anak yang
masih hidup semakin berbeda signifikan dengan anak yang lahir hidup. Berbeda
dengan wilayah perkotaan di mana perbedaan jarak antara ALH dan AMH tidak
begitu signifikan berbeda meskipun semakin tuanya usia ibu. Perbedaan ini
menunjukkan bahwa terdapat perbedaan angka kematian bayi dan anak di
wilayah perdesaan dan perkotaan di Provinsi Jambi, di mana angka kematian
bayi dan anak di wilayah perdesaan lebih tinggi dibandingkan wilayah
perkotaan.
2. Menghitung proporsi anak yang mati (Qi)
Proporsi anak yang mati dihitung dengan rumus:

Perdesaan
Tabel 2a. Proporsi Anak yang Mati di Perdesaan

KELOMPOK UMUR (i) ALHi AMHi Qi

(1) (2) (3) (4)
15-19 0,5570 0,5400 0,0305
20-24 0,9915 0,9588 0,0330
25-29 1,5391 1,4835 0,0361
30-34 2,2050 2,1134 0,0415
35-39 2,7931 2,6495 0,0514
40-44 3,2690 3,0444 0,0687
45-49 3,6238 3,3110 0,0863
Sumber: Badan Pusat Statistik

Perkotaan
Tabel 2b. Proporsi Anak yang Mati di Perkotaan

KELOMPOK UMUR (i) ALHi AMHi Qi

(1) (2) (3) (4)
15-19 0.5359 0.5210 0.0278
20-24 0.6875 0.6738 0.0199
25-29 1.2242 1.1966 0.0226
30-34 1.9093 1.8614 0.0251
35-39 2.4625 2.3874 0.0305
40-44 2.8777 2.7671 0.0384
45-49 3.2363 3.0816 0.0478
Sumber: Badan Pusat Statistik

9
Perdesaan & Perkotaan
Tabel 2c. Proporsi Anak yang Mati di Perdesaan dan Perkotaan

KELOMPOK UMUR (i) ALHi AMHi Qi

(1) (2) (3) (4)
15-19 0,5542 0,5375 0,0302
20-24 0,9124 0,8847 0,0304
25-29 1,4445 1,3973 0,0327
30-34 2,1121 2,0342 0,0369
35-39 2,6885 2,5666 0,0453
40-44 3,1434 2,9554 0,0598
45-49 3,5006 3,2381 0,0750
Sumber: Badan Pusat Statistik

3. Menghitung faktor pengali (ki)

Pada metode Brass, digunakan faktor pengali dari tabel faktor pengali yang
sudah disusun. Untuk menentukan nilai faktor pengali pada metode Brass,
terlebih dahulu dilakukan penghitungan parameter untuk memilih faktor pengali
dengan rumus:

Namun, tidak semua angka parameter yang diperoleh ada di dalam tabel,
sehingga perlu dilakukan ekstrapolasi sebagai berikut:

Selain parameter di atas, parameter lain yang dapat digunakan yaitu ̅ (rata-rata
umur melahirkan dari penduduk wanita) dan ̃ (median umur melahirkan dari
penduduk wanita).
Perdesaan

10
 Tabel 3a. Faktor Pengali Perdesaan
BRASS 1 BRASS 2
ki
(P=0,3300) (P=0,3870)
(1) (2) (3)
0,8900 0,8590 0,7640
0,9590 0,9380 0,8736
0,9620 0,9480 0,9051
0,9750 0,9610 0,9181
0,9820 0,9660 0,9169
0,9550 0,9380 0,8859
0,9530 0,9370 0,8879

Perkotaan

Tabel 3b. Faktor Pengali Perkotaan

BRASS 1 BRASS 2
ki
(P=0,3300) (P=0,3870)
(1) (2) (3)
0.6455
0,8900 0,8590
0.7934
0,9590 0,9380
0.8516
0,9620 0,9480
0.8646
0,9750 0,9610
0.8558
0,9820 0,9660
0.8209
0,9550 0,9380
0.8268
0,9530 0,9370

Perdesaan & Perkotaan

Tabel 3c. Faktor Pengali Perdesaan dan Perkotaan

BRASS 1 BRASS 2
ki
(P=0,3300) (P=0,3870)
(1) (2) (3)
0,8900 0,8590 0,9143
0,9590 0,9380 0,8568
0,9620 0,9480 0,8939

11
 0,9750 0,9610 0,9069
0,9820 0,9660 0,9041
0,9550 0,9380 0,8723
0,9530 0,9370 0,8751

4. Menghitung taksiran nilai (qx)

Taksiran nilai atau probabilitas kematian dari saat lahir sampai umur tepat x
dapat dihitung sesuai dengan rumus metode Brass. Hasilnya sebagai berikut:
Perdesaan
Tabel 4a. Taksiran Nilai Perdesaan

Qi ki qx
(1) (2) (3)
0,0305 0,7640 0,0233
0,0330 0,8736 0,0288
0,0361 0,9051 0,0327
0,0415 0,9181 0,0381
0,0514 0,9169 0,0471
0,0687 0,8859 0,0609
0,0863 0,8879 0,0767

Perkotaan
Tabel 4b. Taksiran Nilai Perkotaan

Qi ki qx
(1) (2) (3)
0.0278 0.6455 0.0180
0.0199 0.7934 0.0158
0.0226 0.8516 0.0192
0.0251 0.8646 0.0217
0.0305 0.8558 0.0261
0.0384 0.8209 0.0316
0.0478 0.8268 0.0395

Perdesaan & Perkotaan

Tabel 4c. Taksiran Nilai Perdesaan dan Perkotaan

Qi ki qx
(1) (2) (3)
0,0302 0,9143 0,0276
0,0304 0,8568 0,0261
0,0327 0,8939 0,0292
0,0369 0,9069 0,0334

12
 0,0453 0,9041 0,0410
0,0598 0,8723 0,0522
0,0750 0,8751 0,0656

5. Menghitung level kematian (τx)

Untuk menghitung level kematian, terlebih dahulu dilakukan penghitungan nilai
τx = (1- qx)x 100.000 untuk dibandingkan nilainya pada life table untuk laki-laki
dan perempuan berikut.
Level I1 I2 I3 I5
(1) (2) (3) (4) (5)
1 60.722 52.597 48.996 44.897
3 67.118 59.709 56.425 52.688
5 72.392 65.798 62.877 59.551
7 76.857 71.112 68.567 65.670
9 80.709 75.813 73.646 71.177
11 84.080 80.019 78.220 76.173
13 87.088 83.901 82.489 80.881
15 89.740 87.421 86.389 85.205
17 92.137 90.584 89.862 88.999
19 94.144 93.453 93.011 92.455
21 96.396 96.020 95.822 95.560
23 98.162 98.040 97.970 97.876

Akan tetapi, nilai τx tersebut tidak selalu ada di dalam life table di atas, sehingga
perlu dilakukan interpolasi untuk memperoleh nilai level kematian pada masing-
masing kelompok umur dengan cara:

Perdesaan
Tabel 5a. Level Kematian Perdesaan
KEL. LEVEL LIFE INTERPOLASI LEVEL LIFE
τx
UMUR 1 TABLE 1 LEVEL 2 TABLE
(1) (2) (3) (4) (5) (6) (7)
15-19 97669,6 21 96396 22,4423 23 98162
20-24 97117,3 21 96396 21,8169 23 98162
25-29 96732,1 21 96396 21,3807 23 98162

13
 30-34 96185,5 19 94144 20,8131 21 96396
35-39 95286,1 - - - - -
40-44 93913,3 - - - - -
45-49 92334,3 - - - - -

Perkotaan
Tabel 5b. Level Kematian Perkotaan
LIFE LIFE
KEL. LEVEL INTERPOLASI LEVEL
τx TABLE TABLE
UMUR 1 LEVEL 2
1 2
(1) (2) (3) (4) (5) (6) (7)
15-19
98204.6549 21 96396 23.0483 23 98162
20-24 98419.3888 21 95560 23.3060 23 98040
25-29 98079.5936 21 95822 23.1020 23 97970
30-34 97831.9089 21 95560 22.9619 23 97876
35-39 97391.1015 - - - - -
40-44 96844.0004 - - - - -
45-49 96048.6634 - - - - -

Perdesaan & Perkotaan

Tabel 5c. Level Kematian Perdesaan dan Perkotaan
KEL. LEVEL LIFE INTERPOLASI LEVEL LIFE
τx
UMUR 1 TABLE 1 LEVEL 2 TABLE
(1) (2) (3) (4) (5) (6) (7)
15-19 97242,3 21 96396 21,9584 23 98162
20-24 97392,3 21 96020 22,3587 23 98040
25-29 97081,2 21 95822 22,1725 23 97970
30-34 96656,2 21 95560 21,9466 23 97876
35-39 95900,4 - - - - -
40-44 94782,2 - - - - -
45-49 93436,3 - - - - -

2.2. Interpretasi Analisis

Perdesaan
 Interpretasi qx berdasarkan hasil pada Tabel 4a.
 q1 = 0,0233 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 1 tahun adalah 0,0233.
 q2 = 0,0288 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 2 tahun adalah 0,0288.

14
  q3 = 0,0327 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 3 tahun adalah 0,0327.
 q4 = 0,0381 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 4 tahun adalah 0,0381.
 q5 = 0,0471 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 5 tahun adalah 0,0471.
 q6 = 0,0609 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 6 tahun adalah 0,0609.
 q7 = 0,0767 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 7 tahun adalah 0,0767.

 Interpretasi τx berdasarkan hasil pada Tabel 5a.

 τ1 = 97669,6 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 1 tahun adalah sebanyak 97669 hingga 97670 jiwa.
 τ2 = 97117,3 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 2 tahun adalah sebanyak 97117 hingga 97118 jiwa.
 τ3 = 96732.1 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 3 tahun adalah sebanyak 96732 hingga 96733 jiwa.
 τ4 = 96185,5 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 4 tahun adalah sebanyak 96185 hingga 96186 jiwa.
 τ5 = 95286,1 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 5 tahun adalah sebanyak 95286 hingga 95287 jiwa.
 τ6 = 93913,3 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 6 tahun adalah sebanyak 93913 hingga 93914 jiwa.
 τ7 = 92334,3 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 7 tahun adalah sebanyak 92334 hingga 92335 jiwa.

Perkotaan
 Interpretasi qx berdasarkan hasil pada Tabel 4a.
 q1 = 0.0180 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 1 tahun adalah 0.0180.
 q2 = 0.0158 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 2 tahun adalah 0.0158.

15
  q3 = 0.0192 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 3 tahun adalah 0.0192.
 q4 = 0.0217 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 4 tahun adalah 0.0217.
 q5 = 0.0261 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 5 tahun adalah 0.0261.
 q6 = 00.0316 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 6 tahun adalah 0.0316.
 q7 = 0.0395 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 7 tahun adalah 0.0395.

 Interpretasi τx berdasarkan hasil pada Tabel 5b.

 τ1 = 98204.6549 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 1 tahun adalah sebanyak 98204 hingga 98205 jiwa.
 τ2 = 98419.3888 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 2 tahun adalah sebanyak 98419 hingga 98420 jiwa.
 τ3 = 98079.5936 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 3 tahun adalah sebanyak 98079 hingga 98080 jiwa.
 τ4 = 97831.9089artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 4 tahun adalah sebanyak 97831 hingga 97832 jiwa.
 τ5 = 97391.1015 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 5 tahun adalah sebanyak 97391 hingga 97392 jiwa.
 τ6 = 96844.0004 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 6 tahun adalah sebanyak 96844.0004 hingga 96845 jiwa.
 τ7 = 96048.6634 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 7 tahun adalah sebanyak 96048 hingga 96049 jiwa.

Perdesaan dan Perkotaan

 Interpretasi qx berdasarkan hasil pada Tabel 4a.
 q1 = 0,0276 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 1 tahun adalah 0,0276 .
 q2 = 0,0261 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 2 tahun adalah 0,0261.

16
  q3 = 0,0292 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 3 tahun adalah 0,0292.
 q4 = 0,0334 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 4 tahun adalah 0,0334.
 q5 = 0,0410 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 5 tahun adalah 0,0410.
 q6 = 0,0522 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 6 tahun adalah 0,0522.
 q7 = 0,0656 artinya peluang kematian dari penduduk umur 0 tahun sampai
umur tepat 7 tahun adalah 0,0656.

 Interpretasi τx berdasarkan hasil pada Tabel 5a.

 τ1 = 97242,3 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 1 tahun adalah sebanyak 97242 hingga 97243 jiwa.
 τ2 = 97392,3 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 2 tahun adalah sebanyak 97393 hingga 97394 jiwa.
 τ3 = 97081,2 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 3 tahun adalah sebanyak 97081 hingga 97082 jiwa.
 τ4 = 96656,2 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 4 tahun adalah sebanyak 96656 hingga 96657 jiwa.
 τ5 = 95900,4 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 5 tahun adalah sebanyak 95900 hingga 95901 jiwa.
 τ6 = 94782,2 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 6 tahun adalah sebanyak 94782 hingga 94783 jiwa.
 τ7 = 93436,3 artinya jumlah penduduk 0 tahun yang tetap hidup hingga
mencapai usia 7 tahun adalah sebanyak 93436 hingga 93437 jiwa.

17
 BAB 3
KESIMPULAN

Berdasarkan pembahasan dan hasil analisis di atas, diperoleh kesimpulan sebagai

berikut:
1. Proporsi anak yang mengalami kematian (Qi) mengalami peningkatan seiring
dengan meningkatnya umur ibu.
2. Probabilitas kematian dari saat lahir sampai umur tepat x (qx) terus mengalami
peningkatan seiring dengan meningkatnya umur ibu. Artinya, semakin tinggi
umur ibu maka probabilitas kematian bayi yang dilahirkan akan semakin tinggi.
3. Jumlah penduduk yang berhasil survive/tetap hidup ( ) mengalami penuruan
seiring dengan menigkatnya umur ibu. Artinya, jumlah penduduk yang berhasil
bertahan hingga umur x semakin berkurang.
4. Level kematian semakin rendah seriring dengan meningkatnya umur ibu.
Artinya, penduduk yang berumur 0 tahun yang ingin mencapai 1 tahun, memiliki
resiko untuk mengalami kematian lebih tinggi dibandingkan dengan yang akan
mencapai 2 tahun, dan seterusnya. Hal ini disebabkan karena daya tahan tubuh
yang semakin meningkat seiring dengan bertambahnya usia.
5. Pada wilayah perdesaan menunjukkan perbedaan jarak yang cukup signifikan
antara ALH dan AMH seiring semakin tuanya usia ibu. Hal ini menunjukkan
bahwa jumlah anak yang masih hidup semakin berbeda signifikan dengan anak
yang lahir hidup. Adapun wilayah perkotaan, perbedaan jarak antara ALH dan
AMH tidak begitu signifikan berbeda meskipun semakin tuanya usia ibu.
Perbedaan ini menunjukkan bahwa terdapat perbedaan angka kematian bayi dan
anak di wilayah perdesaan dan perkotaan di Provinsi Jambi, di mana angka
kematian bayi dan anak di wilayah perdesaan lebih tinggi dibandingkan wilayah
perkotaan.

18
 DAFTAR PUSTAKA

Badan Pusat Statistik [BPS]. 2020. Angka Kematian Bayi menurut Provinsi Tahun
2012. Jakarta Pusat : Badan Pusat Statistik
Sulistyorini A, 2007. Perbandingan Metode Brass dengan Metode Trussell dalam
Menghasilkan Angka Harapan Hidup [Skripsi]. Surabaya: Universitas Airlangga

19