BAB IV

PROYEKSI PENDUDUK DAN KEBUTUHAN AIR BERSIH

4.1 Proyeksi Jumlah Penduduk

Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis

umur dan bjenis kelamin) di masa yang akan datang berdasarkan asumsi arah
perkembangan fertilitas, mortalitas dan migrasi. Jumlah penduduk di masa depan
tidak dapat diketahui secara pasti, namun dapat diperkirakan secara statisik melalui
pendekatan model proyeksi. Model proyeksi yang dapat digunakan untuk
memperkirakan jumlah penduduk suatu kota sangat beragam dan umumnya
menggunakan suatu persamaan sebagai pendekatan.

4.1.1 Model Proyeksi Penduduk

Perhitungan proyeksi penduduk ini dapat dilakukan dengan 3 metode yaitu:

1. Metode Aritmatika

2. Metode Geometri

4. Metode Bunga Majemuk

3. Metode Least Square

Dari ke empat metode itu akan dipilih metode yang terbaik untuk digunakan
dalam perhitungan proyeksi penduduk.

Rhezaldy Pradestama. P
25-2014-029 Page 57
4.1.1.1 Data Populasi 10 Tahun Terakhir

Dalam menghitung proyeksi jumlah penduduk, dibutuhkan data

jumlah penduduk selama 10 tahun terakhir

Tabel 4. 1 Data Jumlah Penduduk Tahun 2005-2014

JUMLAH
TAHUN
PENDUDUK
2005 769.575
2006 782.362
2007 783.131
2008 815.049
2009 819.005
2010 852.521
2011 867.828
2012 882.799
2013 898.300
2014 916.812

Sumber : Kabupaten Purwakarta Dalam Angka, Th.2014, BPS Jawa Barat

4.1.1.2 Metode Aritmatika

Metode aritmatika yaitu metode proyeksi penduduk dimana populasi

diasumsikan meningkat atau bertambah secara konstan dari tahun ke tahun. Biasanya
metode ini digunakan untuk proyeksi yang cukup pendek. Metode ini didasarkan
pada angka kenaikan jumlah penduduk rata – rata setiap tahunnya yang sangat luas
atau kota kecil yang tidak terdapat industri dan daerah agraris. Sehingga dapat
disebutkan bahwa grafik metode ini berbentuk linier. Rumus yang digunakan untuk
proyesi penduduk dangan metode aritmatika adalah sebagai berikut:

Rhezaldy Pradestama. P
25-2014-029 Page 58
 Pn = Po+ (a ∗n)  á = average (Pi+1 – Pi)  a = (Pi+1
– Pi )

Dimana :

Pn : Data penduduk pada tahun proyeksi

Po : Jumlah penduduk tahun pertama (jiwa)

Pi : Jumlah penduduk tahun i (jiwa)

á : rata-rata tingkat pertumbuhan penduduk(jiwa)

n : selang waktu antara tahun yang akan diproyeksi dengan tahun terakhir data
(dimulai dari 0,1,2,…, dst)

Dari hasil perhitungan didapatkan data sebagai berikut:

Tabel 4.2 Perhitungan Secara Metoda Aritmatik

Jumlah Penduduk Pertumbuhan Penduduk

N Tahun Ka Pn
(y) a (jiwa) persen(%)
1 2005 769575 0 0 769575.00
2 2006 782362 12787 0.02 785934.67
3 2007 783131 769 0.00 802294.33
4 2008 815049 31918 0.04 818654.00
5 2009 819005 3956 0.00 835013.67
16359.67
6 2010 852521 33516 0.04 851373.33
7 2011 867828 15307 0.02 867733.00
8 2012 882799 14971 0.02 884092.67
9 2013 898300 15501 0.02 900452.33
10 2014 916812 18512 0.02 916812.00
55   8387382 147237 0.18   843193.50

Sumber: Hasil Perhitungan

Rhezaldy Pradestama. P
25-2014-029 Page 59
 950000

900000

850000

800000 Penduduk Eksisting

Proyeksi Penduduk
750000

700000

650000
1 2 3 4 5 6 7 8 9 10

Gambar 4.2 Grafik Perbandingan Kurva Data Existing Aritmatika

Contoh perhitungan proyeksi tahun :

P n – P 0 916812 – 769575
Ka= = =16359,667
Tn−T 0 2014−2005

Pn = Pn + Ka (T0-Ta)
916812 +16359,667 (2005-2014) = 90452.333

4.1.1.3 Metode Geometri

Metode Geometri merupakan metode proyeksi penduduk dimana

pertambahan penduduk sebanding dengan angka penduduk saat itu dan bersifat
logaritmis secara grafis. Atau dengan kata lain, metode ini berdasarkan pada rasio
pertumbuhan penduduk rata – rata tahunan. Metode ini cocok digunakan untuk kota
tua dengan pertumbuhan lambat sekitar 20 – 30 % per tahun. Jika digunakan untuk
kota muda dengan pertumbuhan indsutri cepat, maka hasilnya akan melebihi
perkiraan.

Proyeksi dengan metoda ini menganggap bahwa perkembangan penduduk

secara otomatis berganda. Dengan pertambahan penduduk awal. Metoda ini
memeperhatikan suatu saat terjadi perkembangan menurun dan kemudian mantap,
disebabkan kepadatan penduduk mendekati maksimum.

Rhezaldy Pradestama. P
25-2014-029 Page 60
 Rumus perhitungannya adalah :

Pn= Po ( 1 + r )n  r = average (Pi+1 – Pi)  r = (Pi+1–Pi)

Pi+1 Pi+1

Dimana :

Pn : Jumlah penduduk pada tahun ke-n

Po : Jumlah penduduk pada tahun pertama

r : Presentase rata-rata pertambahan penduduk

r : Rasio penduduk tahun i

n : Selisih tahun proyeksi dengan tahun dasar

Dari hasil perhitungan didapatkan data sebagai berikut:

Tabel 4.3 Perhitungan Secara Metoda Geometri

Jumlah Penduduk
No (x) Tahun (y) a r n Pn
1 2005 769575 12787 0.02 0 769575
2 2006 782362 769 0.02 1 784638
3 2007 783131 31918 0.02 2 799996
4 2008 815049 3956 0.02 3 815655
5 2009 819005 33516 0.02 4 831620
6 2010 852521 15307 0.02 5 847898
7 2011 867828 14971 0.02 6 864494
8 2012 882799 15501 0.02 7 881415
9 2013 898300 18512 0.02 8 898667
10 2014 916812 0 0.02 9 916257
55   8387382 16359.67 0.02   841022

Sumber: Hasil Perhitungan

Rhezaldy Pradestama. P
25-2014-029 Page 61
 950000

900000

850000

800000 Y
Pn
750000

700000

650000
1 2 3 4 5 6 7 8 9 10

Gambar 4.3 Grafik Perbandingan Kurva Data Existing Geometri

Contoh perhitungan proyeksi :

n = Tn – T0
= 2005 – 2005 = 0
a = P n – P0
= 782362 – 769575 = 12787
r = ∑a / P0

= 16359.67 / 769575 = 0,02

Pn2005 = Pn (1+r)n
= 782362 (1+0,02)0 = 782362

4.1.1.4 Metode Least Square

Metode Least Square biasa digunakan untuk pertumbuhan penduduk yang

konstan dan relatif kecil. Hampir seperti perhitungan aritmatika, hanya saja metode
least square digunakan untuk kota tua yang mana pertumbuhannya mendekati jenuh.

Metode ini mempunyai rumus:

Pn = a + b . x

a=
∑ y −b . ∑ x
n n

Rhezaldy Pradestama. P
25-2014-029 Page 62
 b=¿ ¿

dimana:

y = jumlah penduduk hasil sensus

x = faktor tahun

n = jumlah data

Pn = jumlah penduduk pada tahun ke-n

Dari hasil perhitungan didapatkan data sebagai berikut:

Tabel 4.4 Perhitungan Secara Metoda Least Square

Jumlah Penduduk
No (x) Tahun x² xy B A Pn
(y)
17132.6 744508. 761641.
1 2005 769575
1 769575 8 5 1
17132.6 744508. 778773.
2 2006 782362
4 1564724 8 5 8
17132.6 744508. 795906.
3 2007 783131
9 2349393 8 5 5
17132.6 744508. 813039.
4 2008 815049
16 3260196 8 5 2
17132.6 744508. 830171.
5 2009 819005
25 4095025 8 5 9
17132.6 744508. 847304.
6 2010 852521
36 5115126 8 5 5
17132.6 744508. 864437.
7 2011 867828
49 6074796 8 5 2
17132.6 744508. 881569.
8 2012 882799
64 7062392 8 5 9
17132.6 744508. 898702.
9 2013 898300
81 8084700 8 5 6
17132.6 744508. 915835.
10 2014 916812
100 9168120 8 5 3
4754404 838738.
55   8387382
385 7     2

Sumber: Hasil Perhitungan

Rhezaldy Pradestama. P
25-2014-029 Page 63
 1000000
900000
800000
700000
600000
500000 Y
Pn
400000
300000
200000
100000
0
1 2 3 4 5 6 7 8 9 10

Gambar 4.4 Grafik Perbandingan Kurva Data Existing Least Square

Contoh perhitungan proyeksi :

X2 = 12 = 1
( ∑ xy )−(∑ x . ∑ y)
b=
( n .∑ x 2 )−(∑ x)2
( 47544047 )−(55 x 8387382)
b= =17132.68
( 10 x 385 )−(55)2

a=( ∑ny )−( b .n∑ x )

8387382 17132.68 x 55
a=( ) −( )
10 10

Pn = a + (b . x) = 744508.5 + (17132.68 x 1) = 761641.1

4.1.1.5 Metode Bunga Majemuk

Metode eksponensial menggambarkan pertambahan penduduk yang terjadi

secara sedikit-sedikit sepanjang tahun, berbeda dengan metode geometrik yang
mengasumsikan bahwa pertambahan penduduk hanya terjadi pada satu saat selama
kurun waktu tertentu. Formula yang digunakan pada metode eksponensial adalah:

Pt = P0 x e r.t

Rhezaldy Pradestama. P
25-2014-029 Page 64
Dimana :

Pt = Jumlah penduduk pada tahun yang direncanakan

Po = Jumlah penduduk pada waktu dasar
e = Bilangan pokok dari sistem logaritma natural yang besarnya sama dengan
2,7182818
r = Angka pertumbuhan penduduk
t = Waktu dalam tahun
Dari hasil perhitungan didapatkan data sebagai berikut:

Tabel 4.5 Perhitungan Secara Metoda Bunga Majemuk

Jumlah Penduduk
No (x) Tahun a r N Pn
(y)
1 2005 769575 12787 0.02 0 769575.00
2 2006 782362 769 0.02 1 784786.61
3 2007 783131 31918 0.02 2 800298.89
4 2008 815049 3956 0.02 3 816117.80
5 2009 819005 33516 0.02 4 832249.38
6 2010 852521 15307 0.02 5 848699.83
7 2011 867828 14971 0.02 6 865475.44
8 2012 882799 15501 0.02 7 882582.64
9 2013 898300 18512 0.02 8 900027.98
10 2014 916812 0 0.02 9 917818.16
55   8387382 16359.67 0.02   841763.17

Rhezaldy Pradestama. P
25-2014-029 Page 65
 950000

900000

850000

800000 Penduduk Eksisting

Proyeksi penduduk
750000

700000

650000
1 2 3 4 5 6 7 8 9 10

Gambar 4.5 Grafik Perbandingan Kurva Data Existing Bunga Majemuk

Contoh perhitungan proyeksi :

a = P i – P0

= 782362 – 769575 = 12787

∑a
r=
P0

16359.67
r= =0.02
769575

n = Pn – Pi = 2005 – 2005 = 0

Pn2005 = Pn . exp ( r.n )

= 769575 x exp (0.02 x 0)

= 769575

4.1.1.5 Perhitungan Faktor Kolerasi dan Standar Deviasi

4.1.1.5.1 Faktor Korelasi

Perkembangan penduduk di suatu daerah dipengaruhi oleh berbagai

faktor yang bekerja di daerah tersebut, tetapi juga dapat dipengaruhi oleh faktor
luar. Dalam matematika, faktor yang mempengaruhi perkembangan penduduk ini
disebut sebagai "faktor penentu" atau peubah bebas. Hubungan antara variabel
Rhezaldy Pradestama. P
25-2014-029 Page 66
 bebas Xi dengan jumlah penduduk (variabel tidak bebas Yi) perlu dibuktikan
derajat kaitannya dengan menggunakan koefisien korelasi (r). Koefisien korelasi
dapat dicari dengan rumus :

( n . ∑ xy ) −( ∑ x . ∑ y )
r=
2 2 2
√ ( n . ∑ x −( ∑ x ) ) . ( n . ∑ y −( ∑ y ) )
2

r = koefisien korelasi

x = data exsisting penduduk

y = data proyeksi penduduk

4.1.1.5.1.1 Metoda Aritmatik

X Y X2 Y2 X.Y
1 769.575 1 592245680625 769575
Korelasi (R) Aritmatika:

2 782.362 4 612090299044 1564724

3 783.131 9 613294163161 2349393
4 815.049 16 664304872401 3260196
5 819.005 25 670769190025 4095025
6 852.521 36 726792055441 5115126
7 867.828 49 753125437584 6074796
8 882.799 64 779334074401 7062392
9 898.300 81 806942890000 8084700
10 916.812 100 840544243344 9168120
Jumlah 55 8387382 385 7059442906026 47544047
Sumber: Hasil Perhitungan

4.1.1.5.1.2 Metoda Geometri

Korelas

X Y X2 Y2 X.Y
i (R)

1 769.575 1 592245680625 769575

Rhezaldy Pradestama. P
25-2014-029 Page 67
 2 782.362 4 612090299044 1564724
3 783.131 9 613294163161 2349393
4 815.049 16 664304872401 3260196
5 819.005 25 670769190025 4095025
Aritmatika: 6 852.521 36 726792055441 5115126
7 867.828 49 753125437584 6074796
8 882.799 64 779334074401 7062392
9 898.300 81 806942890000 8084700
10 916.812 100 840544243344 9168120
Jumlah 55 8387382 385 7059442906026 47544047
Sumber: Hasil Perhitungan

4.1.1.5.1.3 Metoda Least Square

X Y X2 Y2 X.Y
1 769575 1 592245680625 769575
2 782362 4 612090299044 1564724
Korelasi Least Square :

3 783131 9 613294163161 2349393

4 815049 16 664304872401 3260196
5 819005 25 670769190025 4095025
6 852521 36 726792055441 5115126
7 867828 49 753125437584 6074796
8 882799 64 779334074401 7062392
9 898300 81 806942890000 8084700
10 916812 100 840544243344 9168120
Jumla
55 8387382 385 7059442906026 47544047
h
Sumber: Hasil Perhitungan

4.1.1.5.1.4 Metoda Bunga Majemuk

X Y X2 Y2 X.Y
Korelasi Bunga Majemuk :

1 769575 1 592245680625 769575

2 782362 4 612090299044 1564724
3 783131 9 613294163161 2349393
4 815049 16 664304872401 3260196
5 819005 25 670769190025 4095025
6 852521 36 726792055441 5115126
7 867828 49 753125437584 6074796
8 882799 64 779334074401 7062392

Rhezaldy Pradestama. P
25-2014-029 Page 68
 9 898300 81 806942890000 8084700
10 916812 100 840544243344 9168120
Jumla
55 8387382 385 7059442906026 47544047
h
Sumber: Hasil Perhitungan

4.1.1.5.2 Standar Deviasi dan Koefisien Variansi

Standar deviasi disebut juga simpangan baku.  Seperti halnya varians,

standar deviasi juga merupakan suatu ukuran dispersi atau variasi.  Standar
deviasi merupakan ukuran dispersi yang paling banyak dipakai.  Hal ini mungkin
karena standar deviasi mempunyai satuan ukuran yang sama dengan satuan
ukuran data asalnya.  Misalnya, bila satuan data asalnya adalah cm, maka satuan
standar deviasinya juga cm.  Sebaliknya, varians memiliki satuan kuadrat dari
data asalnya (misalnya cm2).  Simbol standar deviasi untuk populasi adalah σ
(baca: sigma) dan untuk sampel adalah s.

Rumus untuk menghitung standar deviasi adalah sebagai berikut:

n
SD=
1
√ ∑ ( X −X )²
n−1 i =1 i

Standar Deviasi dan Varians Salah satu teknik statistik yg digunakan

untuk menjelaskan homogenitas kelompok. Varians merupakan jumlah kuadrat
semua deviasi nilai-nilai individual thd rata-rata kelompok. Sedangkan akar dari
varians disebut dengan standar deviasi atau simpangan baku.

Standar Deviasi dan Varians Simpangan baku merupakan variasi

sebaran data. Semakin kecil nilai sebarannya berarti variasi nilai data makin sama
Jika sebarannya bernilai 0, maka nilai semua datanya adalah sama. Semakin besar
nilai sebarannya berarti data semakin bervariasi.

4.1.1.5.2.1 Aritmatik
Rhezaldy Pradestama. P
25-2014-029 Page 69
 Jumlah Pertumbuhan
Tahun
Tahun Penduduk Penduduk Ka Pn (Xi-X)² xy x² y²
ke X
(y) a (jiwa) persen(%)
1 2005 769575 0 0 769575.00 5419683542 769575 1 592245680625
2 2006 782362 12787 0.02 785934.67 3278573995 1564724 4 612090299044
3 2007 783131 769 0.00 802294.33 1672741834 2349393 9 613294163161
4 2008 815049 31918 0.04 818654.00 602187060 3260196 16 664304872401
5 2009 819005 3956 0.00 835013.67 66909673 4095025 25 670769190025
16359.67
6 2010 852521 33516 0.04 851373.33 66909673 5115126 36 726792055441
7 2011 867828 15307 0.02 867733.00 602187060 6074796 49 753125437584
8 2012 882799 14971 0.02 884092.67 1672741834 7062392 64 779334074401
9 2013 898300 15501 0.02 900452.33 3278573995 8084700 81 806942890000
10 2014 916812 18512 0.02 916812.00 5419683542 9168120 100 840544243344
55   8387382 147237 0.18   843193.50 22080192209 47544047 385 7059442906026
SD 49531.35058
CV 0.058742567
R 0.991658517

Sumber: Hasil Perhitungan

4.1.1.5.2.2 Geometri

Metode Geometri
No (x) Tahun Jumlah Penduduk (y) a r n Pn (Xi-X)² xy x² y²
1 2005 769575 12787 0.02 0 769575 5104624162 769575 1 592245680625
2 2006 782362 769 0.02 1 784638 3179091198 1564724 4 612090299044
3 2007 783131 31918 0.02 2 799996 1683080891 2349393 9 613294163161
4 2008 815049 3956 0.02 3 815655 643469348 3260196 16 664304872401
5 2009 819005 33516 0.02 4 831620 88388813 4095025 25 670769190025
6 2010 852521 15307 0.02 5 847898 47281105 5115126 36 726792055441
7 2011 867828 14971 0.02 6 864494 550953258 6074796 49 753125437584
8 2012 882799 15501 0.02 7 881415 1631635425 7062392 64 779334074401
9 2013 898300 18512 0.02 8 898667 3323041155 8084700 81 806942890000
10 2014 916812 0 0.02 9 916257 5660430129 9168120 100 840544243344
55   8387382 16359.67 0.02   841022 21911995483 47544047 385 7059442906026
SD 49342.33643

Rhezaldy Pradestama. P
25-2014-029 Page 70
 CV 0.05866952
r 0.991658517

Sumber: Hasil Perhitungan

4.1.1.5.2.3 Least Square

Metode Least Square

No (x) Tahun Jumlah Penduduk (y) x² xy b a Pn (x-xbar)² y²
1 2005 769575 1 769575 17132.68 744508.5 761641.1 5943955820 592245680625
2 2006 782362 4 1564724 17132.68 744508.5 778773.8 3595726360 612090299044
3 2007 783131 9 2349393 17132.68 744508.5 795906.5 1834554265 613294163161
4 2008 815049 16 3260196 17132.68 744508.5 813039.2 660439535.5 664304872401
5 2009 819005 25 4095025 17132.68 744508.5 830171.9 73382170.61 670769190025
6 2010 852521 36 5115126 17132.68 744508.5 847304.5 73382170.61 726792055441
7 2011 867828 49 6074796 17132.68 744508.5 864437.2 660439535.5 753125437584
8 2012 882799 64 7062392 17132.68 744508.5 881569.9 1834554265 779334074401
9 2013 898300 81 8084700 17132.68 744508.5 898702.6 3595726360 806942890000
10 2014 916812 100 9168120 17132.68 744508.5 915835.3 5943955820 840544243344
55 8387382 385 47544047 838738.2 24216116302 7059442906026
SD 51871.761
CV 0.061844996
R 0.991658517

Sumber: Hasil Perhitungan

4.1.1.5.2.4 Bunga Majemuk

Metode Bunga Majemuk

No
Tahun Jumlah Penduduk (y) A r n Pn (Xi-X)² xy x² y²
(x)
1 2005 769575 12787 0.02 0 769575.00 5211132217 769575 1 592245680625
2 2006 782362 769 0.02 1 784786.61 3246328831 1564724 4 612090299044
3 2007 783131 31918 0.02 2 800298.89 1719286440 2349393 9 613294163161
4 2008 815049 3956 0.02 3 816117.80 657685241.3 3260196 16 664304872401
5 2009 819005 33516 0.02 4 832249.38 90512198 4095025 25 670769190025
6 2010 852521 15307 0.02 5 848699.83 48117193 5115126 36 726792055441
7 2011 867828 14971 0.02 6 865475.44 562271508.3 6074796 49 753125437584
8 2012 882799 15501 0.02 7 882582.64 1666228717 7062392 64 779334074401
9 2013 898300 18512 0.02 8 900027.98 3394788089 8084700 81 806942890000
10 2014 916812 0 0.02 9 917818.16 5784360610 9168120 100 840544243344
55   8387382 16359.67 0.02   841763.17 22380711043 47544047 385 7059442906026
SD 49867.28057

Rhezaldy Pradestama. P
25-2014-029 Page 71
 CV 0.059241462
R 0.991658517

Sumber: Hasil Perhitungan

4.1.1.6 Pemilihan Metoda Terbaik

Dari keempat metode untuk memproyeksikan jumlah penduduk meliputi

metode aritmatik, metode geometri, metode bunga majemuk dan metode least
squere, maka dipilihlah metode yang paling tepat dan diangap terbaik dengan
mempertimbangkan:

Pemilihan metode proyeksi terbaik dilihat dari nilai standar deviasi yang
paling kecil serta mempunyai nilai koefisien korelasi yang mendekati 1 yaitu yang
paling mendekati kondisi existing, serta koefisien varian yang paling kecil. Selain
ketiga hal itu perbandingan juga di lihat dari penilaian grafik, dimana grafik yang
memiliki nilai paling mendekati julah penduduk sebenarnya lah yang diambil.

Tabel 4.5 Perbandingan Metode Terbaik

Perbandingan Standar Deviasi

Bunga
Aritmatik Geometri Least Square
Majemuk
49531.35058 49342.33643 51871.761 49867.28057
Perbandingan Korelasi
Bunga
Aritmatik Geometri Least Square
Majemuk
0.991658517 0.991658517 0.991658517 0.991658517
Koefisien Varian
Bunga
Aritmatik Geometri Least Square
Majemuk
0.058742567 0.05866952 0.061844996 0.059241462
Sumber:Hasil Perhitungan

Rhezaldy Pradestama. P
25-2014-029 Page 72
Dari keempat perbandingan diatas, maka perbandingan Standar Deviasi Least Square
paling mendekati dengan Standar Deviasi data eksisting, perbandingan korelasi yang
mendekati 1 dan koefisien varian paling kecil, maka metode terpilihnya adalah Least
Square.

4.1.1.6 Metode Proyeksi yang Terpilih

Dengan mempertimbangkan ketiga aspek diatas, maka dipilihlah metode

proyeksi Least Square.

Tabel 4.6 Proyeksi Penduduk 25 Tahun Dengan Metoda Least Square

x Tahun Pn

10 2014 916812

11 2015 932967.9

12 2016 950100.6

13 2017 967233.3

14 2018 984366

15 2019 1001499

16 2020 1018631

17 2021 1035764

18 2022 1052897

19 2023 1070029

20 2024 1087162

21 2025 1104295

22 2026 1121427

23 2027 1138560

24 2028 1155693

25 2029 1172825

26 2030 1189958

27 2031 1207091

28 2032 1224223

29 2033 1241356

30 2034 1258489

31 2035 1275622

32 2036 1292754

Rhezaldy Pradestama. P
25-2014-029 Page 73
 33 2037 1309887

34 2038 1327020

35 2039 1344152

Sumber: Hasil Perhitungan

Metode terpilih untuk proyeksi penduduk tahun 2039 di Kabupaten

Sukabumi adalah metode Least Square. Pemilihan metode terpilih berdasarkan atas 3
pertimbangan, yaitu Standar Deviasi, Koefisien Variansi, Perbandingan Korelasi dan
Penilaian Grafik.

Rhezaldy Pradestama. P
25-2014-029 Page 74