Tugas Teknik Demografi 2

ANALISIS EVALUASI DATA PENDUDUK
Makalah Ini Dipersembahkan untuk Memenuhi Tugas

Mata Kuliah Teknik Demografi Semester 3
Dosen Pengampu : Dr. Rita Noviani, S.Si, M.Sc.

197511102003122013
Disusun Oleh:
Nama : Maulana Adhi Nugraha

NIM : E3119081
Mata Kuliah/Kelas : Teknik Demografi/A
PROGRAM STUDI DEMOGRAFI PENCATATAN SIPIL

SEKOLAH VOKASI
UNIVERSITAS SEBELAS MARET SURAKARTA
2020
DAFTAR ISI
A. Evaluasi Data Penduduk Dengan Metode Grafis.................................................................................3

1.
Asumsi metode grafis......................................................................................................................5
2.
Kelemahan metode grafis................................................................................................................5
3.
Analisis metode grafis.....................................................................................................................9
B. Evaluasi Data Penduduk Dengan Metode Whipple...........................................................................10
1. Asumsi metode whipple.................................................................................................................10
2. Analsis metode whipple.................................................................................................................10
C. Evaluasi Data Penduduk Dengan Metode Myers...............................................................................15
1. Asumsi metode myers....................................................................................................................15
2. Metode penghitungan indeks myers...............................................................................................15
3. Analisis metode myers...................................................................................................................16
D. Evaluasi Data Penduduk Dengan Metode Joint Score.......................................................................23
1. Asumsi metode joint score.............................................................................................................23
2. Rumus penghitungan joint score....................................................................................................23
3. Analisis metode joint score............................................................................................................25
E. Evaluasi Data Penduduk Dengan Metode Sprague...........................................................................28
1. Asumsi metode sprague.................................................................................................................28
2. Cara menghitung dengan metode sprague.....................................................................................28
3. Analisis metode sprague................................................................................................................30
F. Evaluasi Data Penduduk Dengan Metode Quadratic.........................................................................33
1. Cara menghitung dengan metode quadratic...................................................................................33
2. Hasil penghitungan dengan metode quadratic................................................................................34
DAFTAR PUSTAKA................................................................................................................................41
2
A. Evaluasi Data Penduduk Dengan Metode Grafis
1. Distribusi penduduk menurut umur tunggal dan jenis kelamin di Kabupaten

Buleleng tahun 1990, 2000, dan 2010
1990 2000 2010

Umur
Laki Perempuan Laki Perempuan Laki Perempuan
0 3,473 3,494 4,575 4,576 5,513 5,212

1 5,725 5,476 5,134 5,051 5,672 5,237
2 5,944 5,717 5,533 5,198 5,829 5,436
3 5,817 5,766 5,474 5,241 5,817 5,446
4 5,998 5,801 6,201 5,790 5,813 5,494
5 6,672 6,459 5,706 5,205 5,798 5,403
6 6,452 6,304 5,476 5,146 6,062 5,875
7 6,369 6,189 5,290 5,181 6,389 6,025
8 6,874 6,716 5,464 5,045 6,223 5,864
9 6,853 6,614 5,625 5,292 6,406 6,089
10 7,928 7,558 5,791 5,444 6,456 6,149
11 6,617 6,259 5,380 4,951 5,729 5,490
12 7,686 7,386 5,484 5,216 6,207 5,704
13 6,839 6,392 5,577 5,183 5,913 5,551
14 6,380 6,081 5,660 5,220 6,042 5,422
15 6,687 6,385 6,136 5,677 5,656 4,930
16 6,147 5,797 6,006 5,354 5,405 4,715
17 6,824 6,386 6,227 5,768 5,157 4,486
18 7,031 6,929 6,021 5,417 5,146 4,619
19 5,424 5,968 5,331 5,286 4,891 4,484
20 6,943 8,811 5,563 5,625 4,585 4,621
21 4,161 4,503 4,615 4,466 4,186 4,246
22 4,390 4,516 4,433 4,341 4,166 4,139
23 3,731 4,340 4,414 4,510 4,101 4,024
24 3,202 4,112 4,830 5,282 4,319 4,403
25 6,789 9,072 5,263 5,898 4,492 4,574
26 3,495 3,947 4,553 4,650 4,408 4,359
27 4,330 4,767 4,866 4,955 4,868 4,927
28 3,976 4,700 4,567 4,736 4,553 4,587
29 2,622 3,178 5,083 5,186 4,760 4,851
3
30 8,014 9,832 5,801 6,257 5,101 5,012
31 2,588 2,491 4,196 4,233 4,440 4,424
32 3,664 3,713 3,780 3,789 4,659 4,515
33 2,433 2,422 3,064 3,400 4,687 4,684
34 2,370 2,497 4,459 5,065 4,960 5,147
35 7,088 7,314 5,297 5,835 4,900 4,967
36 2,692 2,355 3,986 4,143 4,546 4,599
37 2,724 2,357 3,994 3,882 5,087 4,967
38 2,853 2,936 3,279 3,445 4,776 4,685
39 1,969 2,097 4,216 4,780 5,042 4,939
40 6,127 7,191 5,176 5,755 5,580 5,941
41 1,641 1,578 3,587 3,591 4,796 4,881
42 2,222 2,130 3,193 3,132 4,009 4,004
43 1,521 1,596 2,833 2,947 3,406 3,667
44 1,229 1,308 3,203 3,371 4,456 4,913
45 5,137 5,234 4,148 4,139 4,583 5,422
46 1,502 1,446 2,727 2,646 4,206 4,154
47 1,544 1,452 2,614 2,373 4,110 4,030
48 2,267 1,974 2,404 2,207 3,154 3,184
49 1,260 1,228 2,970 3,352 3,771 4,162
50 5,469 5,730 3,509 3,968 4,340 5,034
51 1,158 1,092 2,066 2,088 3,514 3,546
52 1,319 1,044 1,715 1,789 3,412 3,474
53 894 875 1,558 1,668 2,982 3,168
54 827 845 2,257 2,635 2,961 3,321
55 2,690 3,303 2,502 2,904 3,444 3,667
56 863 891 1,501 1,462 2,695 2,551
57 810 790 1,752 1,543 2,527 2,368
58 863 1,065 1,535 1,564 2,266 2,075
59 535 624 2,298 2,530 2,467 2,698
60 4,479 4,521 3,113 3,346 2,894 3,547
61 652 599 1,370 1,282 1,672 1,930
62 790 718 1,061 1,021 1,606 1,834
63 549 575 943 1,039 1,382 1,646
64 410 391 1,474 1,833 1,991 2,394
65 2,242 2,418 1,769 2,231 2,244 2,890
66 368 378 741 813 1,182 1,286
67 523 484 829 872 1,748 1,650
68 467 646 749 956 1,541 1,590
69 285 403 1,460 1,788 1,619 1,913
70 2,510 2,542 1,988 2,267 2,311 2,896
71 363 388 669 772 975 1,124
72 362 399 513 587 864 926
4
73 239 250 441 477 755 852
74 179 251 689 822 898 1,145
75 3,842 4,191 4,083 4,902 6,273 8,547
Total 265,912 274,187 277,790 280,391 311,394 312,731
1. Asumsi metode grafis

Metode ini hadir dengan cara mengitung jumlah penduduk dan
mengelompokkannya berdasarkan jenis kelamin dan umur yang telah dirapikan. Oleh
karena itu, data dasar yang mengandung kesalahan-kesalahan tersebut perlu dievaluasi
secara cermat untuk kemudian dilakukan perapihan dengan tujuan untuk menghapus
atau memperkecil berbagai kesalahan yang ditemukan.
Data penduduk yang kita dapatkan dari survei atau sensus seringkali masih
terdapat beberapa kesalahan. Kesalahan yang paling sering terjadi adalah kesalahan
pelaporan umur. Hal ini dikarenakan tidak pentingnya informasi untuk mencatat tanggal
kelahirannya sehingga untuk mengetahui kelahiran hanya berdasarkan ingatan-ingatan
kejadian penting atau mengira-ira saja. Untuk mengatasi masalah ini, petugas pencatat
biasanya menyediakan kalender konversi dan tabel peristiwa-peristiwa penting.
2. Kelemahan metode grafis

Kelemahan metode ini terdapat pada kualitas pelapor. Pelapor dengan kualitas
pendidikan rendah akan kesulitan menangkap maksud pertanyaat petugas pencacah.
Kemudian kebiasaan penduduk yang terkadang suka melupakan tanggal lahirnya dan
melebihkan atau mengurangi umurnya.
Selain itu kesalahan juga sering terjadi pada petugas pencacah baik ketika
memasukkan data atau kesalahan metode pencacahan.
5
6
7
8
3. Analisis metode grafis
Pengertian Piramida Penduduk adalah susunan penduduk suatu negara
atau wilayah yang bisa ditampilkan dalam bentuk diagram. Diagram sendiri
terdiri dari beberapa bentuk, salah satunya yaitu piramida. Bentuk piramida
penduduk berdasarkan data usia dan jenis kelamin . Piramida penduduk
merupakan dua buah diagram batang yang menunjukan jumlah penduduk laki-laki
dan perempuan dalam kelompok interval usia penduduk lima tahunan.
Piramida penduduk terbagi atas beberapa jenis, yaitu: piramida muda

(expansive), piramida stasioner (granat), dan piramida tua (constructive). Faktor-
faktor yang menentukan bentuk dari piramida penduduk yaitu: fertilitas
(kelahiran), mortalitas (kematian), dan migrasi penduduk.
Berdasarkan piramida penduduk Kabupaten Buleleng menurut umur

tunggal dan jenis kelamin tahun 1990, 2000, dan 2010, piramidannya dapat
dikategorikan sebagai piramida penduduk muda (ekspansif). Hal ini dikarenakan
banyaknya jumlah penduduk yang berusia muda, faktor yang menentukan seperti
tingginya tingkat kelahiran sedangkan tingkat kematian yang rendah.
9
B. Evaluasi Data Penduduk Dengan Metode Whipple
1. Asumsi metode whipple

Whipple mengevaluasi kesalahan yang disebabkan oleh pelaporan umur
dengan anggapan bahwa kesalahan pelaporan umur sebagian besar terletak pada
umur 23 tahun sampai dengan 62 tahun. Dalam pelaporannya, antara umur-umur
tersebut banyak menyukai umur-umur yang berakhiran angka 0 dan 5.
2. Analsis metode whipple
Kategori Indeks Whipple Nilai
Sangat Akurat ≤105

Relatif Akurat 105-109,9
Ok 110-124,9
Buruk 125-174,9
Sangat Buruk ≥175
a. Indeks whipple Kabupaten Buleleng tahun 1990
Whipple Laki-laki Nilai Kategori
5 Tahunan 207,51 Sangat Buruk

10 Tahunan (Heaping 0) 218,31 Sangat Buruk
1) Whipple 5 Tahunan (1990)
IW = x 100%
 IW Laki – laki = x 100% = 207,51%
10
 IW Perempuan = x 100% = 218,64%
2) Whipple 10 Tahun (1990)
IW Heaping 0 = x 100
 IW Laki – laki Heaping 0 = x 100 = 218,31%
 IW Perempuan Heaping 0 = x 100 =
 IW Laki – laki Heaping 5 = x 100 =
 IW Perempuan Heaping 5 = x 100 = 208,79%
Whipple Perempuan Nilai Kategori
5 Tahunan 218,64 Sangat Buruk

11
a. Indeks whipple Kabupaten Buleleng tahun 2000
5 Tahunan 129,17 Buruk

10 Tahunan (Heaping 0) 130,61 Buruk
5 Tahunan 134,77 Buruk

1) Whipple 5 Tahunan (2000)
IW = x 100%
 IW Laki – laki = x 100% = 129,17%
 IW Perempuan = x 100% = 134,77%
2) Whipple 10 Tahun (2000)
12
 IW Laki – laki Heaping 5 = x 100 = 127,72%
 IW Perempuan Heaping 5 = x 100 =
b. Indeks whipple Kabupaten Buleleng tahun 2010
5 Tahunan 114,42 Ok
10 Tahunan (Heaping 0) 112,99 Ok
10 Tahunan (Heaping 5) 109,86 Relatif Akurat
5 Tahunan 116,89 Ok
A. Whipple 5 Tahunan (2010)
IW = x 100%
13
 IW Laki – laki = x 100% = 114,42%
 IW Perempuan = x 100% = 116,89%
B. Whipple 10 Tahun (2010)
 IW Laki – laki Heaping 5 = x 100 =
 IW Perempuan Heaping 5 = x 100 = 114,12%
14
C. Evaluasi Data Penduduk Dengan Metode Myers
1. Asumsi metode myers

Indeks Myers adalah indeks yang menunjukkan besarnya minimum kesalahan
dalam pencatatan data pelaporan umur penduduk. Karena Indeks Myers menunjukkan
15
pola dari digital preference atau kecenderungan penduduk memilih digit angka tertentu
dalam meberikan jawaban mengenai umur mereka. Oleh karena itu, dalam mengevaluasi
data penduduk menggunakan indeks myers dalam perhitungannya dilakukan dengan
single age year distribution.
Asumsi dasar yang digunakan adalah jika data yang ada pada setiap interval satu
tahunan memiliki selisih kurang dari 10% maka pelaporan umurnya baik dan jika selisih
persentase yang didapat lebih dari 10 % maka pelaporan umur kurang baik karena ada
kecenderungan penduduk untuk memilih angka tersebut.
2. Metode penghitungan indeks myers

Angka Akhir Penjumlahan Dari Kelompok Umur
0 10 20 30 40 50 60 70
1 11 21 31 41 51 61 71
2 12 22 32 42 52 62 72
3 13 23 33 43 53 63 73
4 14 24 34 44 54 64 74
5 15 25 35 45 55 65 75+
6 16 26 36 46 56 66
7 17 27 37 47 57 67
8 18 28 38 48 58 68
9 19 29 39 49 59 69
1) Kolom (1) Data dari distribusi penduduk interval satu tahun dijumlahkan
menurut kelompok umur yang berkaitan dengan 0, 1, 2, 3, 4, 5, 6, 7, 8, 9,
kelompok tersebut disebut angka akhir. Dari data tersebut akan
dijumlahkan menurut angka akhir dari tiap-tiap kelompok umur.
2) Kolom (2) Untuk mengetahui pola kecenderungan sebaiknya indeks myers
untuk penduduk laki-laki dan penduduk perempuan dipisahkan.
3) Kolom (3) Menjumlahkan penduduk yang berumur dengan angka akhir 0
seperti halnya : 10 + 20 + 30 + 40 + 50 + 60 + 70, demikian pula untuk
yang lain: 11 + 21 + 31 + 41 dan seterusnya sampai selesai dengan angka
akhir 9.
16
1) Kolom (4) Menjumlahkan penduduk yang berumur dengan angka akhir 0, 1 dan
seterusnya seperti pada kolom (2) tetapi dimulai dari kelompok umur kedua setelah
permulaan yaitu 20 + 30 + 40 + 50 + 60 + 70, demikian pula untuk yang lain.
2) Kolom (4) Adalah bilangan pengali untuk jumlah penduduk dari umur 10, 20, 30 seperti
pada kolom (2).
3) Kolom (5) Adalah bilangan pengali untuk jumlah penduduk dari umur 20, 30, 40 seperti
pada kolom (3)
4) Kolom (6) Merupakan hasil penjumlahan dari hasil perkalian antara jumlah penduduk
menurut umur dengan angka akhir tertentu dengan bilangan pengali yaitu kolom (2) x (4).
5) Kolom (7) Sama seperti pada kolom (6), tetapi untuk jumlah penduduk yang dimulai dari
kelompok umur kedua setekah permulaan yaitu kolom (3) x (5).
6) Kolom (8) merupakan penjumlahan dari kolom (6) x (7)
7) Kolom (9) merupakan distribusi dari persentase terhadap jumlah kolom (8)
8) Kolom (10) selisih dari tiap-tiap persentase dari kolom (9) terhadap angka 10%,
kemudian dijumlahkan tanpa memperhatikan tanda plus atau minus/jumlah mutlak.
3. Analisis metode myers
a. Indeks myers Kabupaten Buleleng tahun 1990
JUMLAH
ANGKA
KELOMPOK UMUR YANG DIJUMLAHKAN
AKHIR Umur Umur 20
10 + a +a
0 7,928 6,943 8,014 6,127 5,469 4,479 2,510 41,470 33,542
1 6,617 4,161 2,588 1,641 1,158 652 363 17,180 10,563
2 7,686 4,390 3,664 2,222 1,319 790 362 20,433 12,747
3 6,839 3,731 2,433 1,521 894 549 239 16,206 9,367
4 6,380 3,202 2,370 1,229 827 410 179 14,597 8,217
5 6,687 6,789 7,088 5,137 2,690 2,242 3,842 34,475 27,788
6 6,147 3,495 2,692 1,502 863 368 15,067 8,920
7 6,824 4,330 2,724 1,544 810 523 16,755 9,931
8 7,031 3,976 2,853 2,267 863 467 17,457 10,426
9 5,424 2,622 1,969 1,260 535 285 12,095 6,671
17
PENDUDUK BILANGAN
DEVIASI
ANGKA ANGKA AKHIR PENGALI PENDUDUK YANG
% 1 DARI
AKHIR Umur 10 Umur 20 DIBAURKAN 10%
+a +a
K1 K2
0 41,470 33,542 1 9 41470 301878 343348 19.73 9.73
1 17,180 10,563 2 8 34360 84504 118864 6.83 -3.17
2 20,433 12,747 3 7 61299 89229 150528 8.65 -1.35
3 16,206 9,367 4 6 64824 56202 121026 6.95 -3.05
4 14,597 8,217 5 5 72985 41085 114070 6.55 -3.45
5 34,475 27,788 6 4 206850 111152 318002 18.27 8.27
6 15,067 8,920 7 3 105469 26760 132229 7.60 -2.40
7 16,755 9,931 8 2 134040 19862 153902 8.84 -1.16
8 17,457 10,426 9 1 157113 10426 167539 9.63 -0.37
9 12,095 6,671 10 0 120950 0 120950 6.95 -3.05
JUMLAH 1740458 100.00 0.00
Jumlah Indek Myers Penduduk Laki-Laki 0,00
JUMLAH
ANGKA
AKHIR Umur Umur 20
10 + a +a
0 7,558 8,811 9,832 7,191 5,730 4,521 2,542 46,185 38,627
1 6,259 4,503 2,491 1,578 1,092 599 388 16,910 10,651
2 7,386 4,516 3,713 2,130 1,044 718 399 19,906 12,520
3 6,392 4,340 2,422 1,596 875 575 250 16,450 10,058
4 6,081 4,112 2,497 1,308 845 391 251 15,485 9,404
5 6,385 9,072 7,314 5,234 3,303 2,418 4,191 37,917 31,532
6 5,797 3,947 2,355 1,446 891 378 14,814 9,017
7 6,386 4,767 2,357 1,452 790 484 16,236 9,850
8 6,929 4,700 2,936 1,974 1,065 646 18,250 11,321
9 5,968 3,178 2,097 1,228 624 403 13,498 7,530
PENDUDUK BILANGAN DEVIASI

ANGKA PENDUDUK YANG
ANGKA AKHIR PENGALI % 1 DARI
AKHIR DIBAURKAN 10%
Umur 10 Umur 20
18
+a +a K1 K2
0 46,185 38,267 1 9 46185 344403 132229 8.30 -1.70
1 16,910 10,651 2 8 33820 85208 119028 7.47 -2.53
2 19,906 12,520 3 7 59718 87640 147358 9.25 -0.75
3 16,450 10,058 4 6 65800 60348 126148 7.92 -2.08
4 15,485 9,404 5 5 77425 47020 124445 7.81 -2.19
5 37,917 31,532 6 4 227502 126128 353630 22.19 12.19
6 14,814 9,017 7 3 103698 27051 130749 8.20 -1.80
7 16,236 9,850 8 2 129888 19700 149588 9.39 -0.61
8 18,250 11,321 9 1 164250 11321 175571 11.02 1.02
9 13,498 7,530 10 0 134980 0 134980 8.47 -1.53
JUMLAH 1593726 100.00 0.00
Jumlah Indek Myers Penduduk Perempuan 0,00
b. Indeks myers Kabupaten Buleleng tahun 2000
JUMLAH
ANGKA
AKHIR Umur Umur 20
10 + a +a
0 5,791 5,563 5,801 5,176 3,509 3,113 1,988 30,941 25,150
1 5,380 4,615 4,196 3,587 2,066 1,370 669 21,883 16,503
2 5,484 4,433 3,780 3,193 1,715 1,061 513 20,179 14,695
3 5,577 4,414 3,064 2,833 1,558 943 441 18,830 13,253
4 5,660 4,830 4,459 3,203 2,257 1,474 689 22,572 16,912
5 6,136 5,263 5,297 4,148 2,502 1,769 4,083 29,198 23,062
6 6,006 4,553 3,986 2,727 1,501 741 19,514 13,508
7 6,227 4,866 3,994 2,614 1,752 829 20,282 14,055
8 6,021 4,567 3,279 2,404 1,535 749 18,555 12,534
9 5,331 5,083 4,216 2,970 2,298 1,460 21,358 16,027
PENDUDUK BILANGAN
DEVIASI
% 1 DARI
+a +a
K1 K2
0 30,941 25,150 1 9 30941 226350 257291 13.02 3.02
19
1 21,883 16,503 2 8 43766 132024 175790 8.89 -1.11
2 20,179 14,695 3 7 60537 102865 163402 8.27 -1.73
3 18,830 13,253 4 6 75320 79518 154838 7.83 -2.17
4 22,572 16,912 5 5 112860 84560 197420 9.99 -0.01
5 29,198 23,062 6 4 175188 92248 267436 13.53 3.53
6 19,514 13,508 7 3 136598 40524 177122 8.96 -1.04
7 20,282 14,055 8 2 162256 28110 190366 9.63 -0.37
8 18,555 12,534 9 1 166995 12534 179529 9.08 -0.92
9 21,358 16,027 10 0 213580 0 213580 10.80 0.80
JUMLAH 1976774 100.00 0.00
JUMLAH
ANGKA
AKHIR Umur Umur 20
10 + a +a
0 5,444 5,625 6,257 5,755 3,968 3,346 2,267 32,662 27,218
1 4,951 4,466 4,233 3,591 2,088 1,282 772 21,383 16,432
2 5,216 4,341 3,789 3,132 1,789 1,021 587 19,875 14,659
3 5,183 4,510 3,400 2,947 1,668 1,039 477 19,224 14,041
4 5,220 5,282 5,065 3,371 2,635 1,833 822 24,228 19,008
5 5,677 5,898 5,835 4,139 2,904 2,231 4,902 31,586 25,909
6 5,354 4,650 4,143 2,646 1,462 813 19,068 13,714
7 5,768 4,955 3,882 2,373 1,543 872 19,393 13,625
8 5,417 4,736 3,445 2,207 1,564 956 18,325 12,908
9 5,286 5,186 4,780 3,352 2,530 1,788 22,922 17,636
PENDUDUK BILANGAN
DEVIASI
% 1 DARI
+a +a
K1 K2
0 32,662 27,218 1 9 32662 244962 277624 13.55 3.55
1 21,383 16,432 2 8 42766 131456 174222 8.50 -1.50
20
2 19,875 14,659 3 7 59625 102613 162238 7.92 -2.08
3 19,224 14,041 4 6 76896 84246 161142 7.87 -2.13
4 24,228 19,008 5 5 121140 95040 216180 10.55 0.55
5 31,586 25,909 6 4 189516 103636 293152 14.31 4.31
6 19,068 13,714 7 3 133476 41142 174618 8.52 -1.48
7 19,393 13,625 8 2 155144 27250 182394 8.90 -1.10
8 18,325 12,908 9 1 164925 12908 177833 8.68 -1.32
9 22,922 17,636 10 0 229220 0 229220 11.19 1.19
JUMLAH 2048623 100.00 0.00
c. Indeks myers Kabupaten Buleleng tahun 2010
JUMLAH
ANGKA
AKHIR Umur Umur 20
10 + a +a
0 6,456 4,585 5,101 5,580 4,340 2,894 2,311 31,267 24,811
1 5,729 4,186 4,440 4,796 3,514 1,672 975 25,312 19,583
2 6,207 4,166 4,659 4,009 3,412 1,606 864 24,923 18,716
3 5,913 4,101 4,687 3,406 2,982 1,382 755 23,226 17,313
4 6,042 4,319 4,960 4,456 2,961 1,991 898 25,627 19,585
5 5,656 4,492 4,900 4,583 3,444 2,244 6,273 31,592 25,936
6 5,405 4,408 4,546 4,206 2,695 1,182 22,442 17,037
7 5,157 4,868 5,087 4,110 2,527 1,748 23,497 18,340
8 5,146 4,553 4,776 3,154 2,266 1,541 21,436 16,290
9 4,891 4,760 5,042 3,771 2,467 1,619 22,550 17,659
PENDUDUK BILANGAN
DEVIASI
% 1 DARI
+a +a
K1 K2
0 31,267 24,881 1 9 31267 223929 255196 11.33 1.33
1 25,312 19,583 2 8 50624 156664 207288 9.20 -0.80
2 24,923 18,716 3 7 74769 131012 205781 9.14 -0.86
3 23,226 17,313 4 6 92904 103878 196782 8.74 -1.26
21
4 25,627 19,585 5 5 128135 97925 226060 10.04 0.04
5 31,592 25,936 6 4 189552 103744 293296 13.02 3.02
6 22,442 17,037 7 3 157094 51111 208205 9.25 -0.75
7 23,497 18,340 8 2 187976 36680 224656 9.98 -0.02
8 21,436 16,290 9 1 192924 16290 209214 9.29 -0.71
9 22,550 17,659 10 0 225500 0 225500 10.01 0.01
JUMLAH 2251978 100.00 0.00
JUMLAH
ANGKA
AKHIR Umur Umur 20
10 + a +a
0 6,149 4,621 5,012 5,941 5,034 3,547 2,896 33,200 27,051
1 5,490 4,246 4,424 4,881 3,546 1,930 1,124 25,641 20,151
2 5,704 4,139 4,515 4,004 3,474 1,834 926 24,596 18,892
3 5,551 4,024 4,684 3,667 3,168 1,646 852 23,592 18,041
4 5,422 4,403 5,147 4,913 3,321 2,394 1,145 26,745 21,323
5 4,930 4,574 4,967 5,422 3,667 2,890 8,547 34,997 30,067
6 4,715 4,359 4,599 4,154 2,551 1,286 21,664 16,949
7 4,486 4,927 4,967 4,030 2,368 1,650 22,428 17,942
8 4,619 4,587 4,685 3,184 2,075 1,590 20,740 16,121
9 4,484 4,851 4,939 4,162 2,698 1,913 23,047 18,563
PENDUDUK BILANGAN
DEVIASI
% 1 DARI
+a +a
K1 K2
0 33,200 27,051 1 9 33200 243459 276659 11.93 1.93
1 25,641 20,151 2 8 51282 161208 212490 9.16 -0.84
2 24,596 18,892 3 7 73788 132244 206032 8.88 -1.12
3 23,592 18,041 4 6 94368 108246 202614 8.74 -1.26
4 26,745 21,323 5 5 133725 106615 240340 10.36 0.36
5 34,997 30,067 6 4 209982 120268 330250 14.24 4.24
22
6 21,664 16,949 7 3 151648 50847 202495 8.73 -1.27
7 22,428 17,942 8 2 179424 35884 215308 9.28 -0.72
8 20,740 16,121 9 1 186660 16121 202781 8.74 -1.26
9 23,047 18,563 10 0 230470 0 230470 9.94 -0.06
JUMLAH 2319439 100.00 0.00
Berdasarkan tabel tersebut yang dihitung menggunakan indek

myers dapat diambil kesimpulan pelaporan umur di Kabupaten Buleleng
dari tahun 1990, 2000, dan 2010 dikategorikan sebagai pelaporan umur
yang baik karena interval satu tahunan memiliki selisih kurang dari 10%.
D. Evaluasi Data Penduduk Dengan Metode Joint Score
1. Asumsi metode joint score

Metode ini menghitung rasio jenis kelamin (sex ratio) dan rasio umur (age ratio) untuk kelompok
umur 5 tahunan dimulai kelompok umur 0-4 sampai dengan 70-74 tahun. Pola kecenderungan dilihat
menurut kelompok umur 0-4, 5-9, 10-14 dan seterusnya. Pada prinsipnya evaluasi ini hampir
sama dengan evaluasi melalui indeks Myers. Kelebihan dari metode ini adalah
mempertimbangkan skor rasio jenis kelamin, skor rasio umur dan skor gabungan umur dan jenis
23
kelamin sesuai dengan yang telah didefinisikan oleh United Nation (PBB). Kelebihan lain dari
metode ini adalah sudah dapat diketahui kualitas pelaporan umur antara laki-laki dan perempuan.
Hal ini diketahui dari nilai indeks rationya dengan ketentuan semakin rendah indeks rationya
maka pelaporan akan semakin baik.
Menurut United Nations (1955) maupun Shryock dan Siegel (1976) besarnya indeks
gabungan dapat diklasifikasikan ke dalam tiga kelompok tingkatan kualitas data dengan rincian
berikut :
1. Kurang dari 30 = bagus (good)
2. Antara 30-40 = cukup (acceptable)
3. Lebih dari 40 = jelek (bad)
2. Rumus penghitungan joint score

a. Menghitung Sex Ratio.
Keterangan :
 sRx = Rasio jenis kelamin untuk kelompok umur x, x+4
 sMPx = Penduduk laki – laki dari kelompok umur x, x+4
 sFPx = Penduduk perempuan dari kelompok umur x, x+4
b. Menghitung Rasio Umur Penduduk Laki – laki dan Perempuan (RUL/RUP)
Keterangan :
 sMARx = Rasio umur laki – laki untuk umur x hingga x+5
 sFARx = Rasio umur perempuan untuk umur x hingga x+5
c. Menghitung Rasio Umur Penduduk Laki – laki dan Perempuan (RUL/RUP)
24
Keterangan :
 sMARx = Rasio umur laki – laki untuk umur x hingga x+5
 sFARx = Rasio umur perempuan untuk umur x hingga x+5
d. Menghitung Indeks Rasio Sex (IRS)
Keterangan :
 m = Jumlah kelompok umur pada data.
e. Menghitung Indeks Rasio Umur Penduduk Laki – laki dan Perempuan

(IRUL/IRUP).
Keterangan :
 m = Jumlah kelompok umur pada data.
f. Menghitung Indeks Gabungan (Joint Score). (Joint score index)

JS = (3 x IRS) + IRUL+ IRUP
3. Analisis metode joint score
a. Indeks joint score Kabupaten Buleleng tahun 1990
Jumlah Penduduk Selisih Rasio Umur Deviasi dari 100

Sex Sex Ratio
Umur
Laki- Perempua Ratio Beruruta Perempua Laki- Perempua
n Laki-laki
laki n n laki n
0–4 26,957 26,254 102.68 0.00 0.00 0.00 0.00 0.00
25
5–9 33,220 32,282 102.91 0.23 106.46 107.73 6.46 7.73
10 – 14 35,450 33,676 105.27 2.36 108.52 105.66 8.52 5.66
15 – 19 32,113 31,465 102.06 -3.21 110.97 104.96 10.97 4.96
20 – 24 22,427 26,282 85.33 -16.73 84.11 92.01 -15.89 -7.99
25 – 29 21,212 25,664 82.65 -2.68 102.24 108.66 2.24 8.66
30 – 34 19,069 20,955 91.00 8.35 98.96 98.10 -1.04 -1.90
35 – 39 17,326 17,059 101.57 10.57 108.94 98.16 8.94 -1.84
40 – 44 12,740 13,803 92.30 -9.27 87.75 97.23 -12.25 -2.77
45 – 49 11,710 11,334 103.32 11.02 104.52 96.92 4.52 -3.08
50 – 54 9,667 9,586 100.84 -2.47 110.66 106.47 10.66 6.47
55 – 59 5,761 6,673 86.33 -14.51 69.63 81.43 -30.37 -18.57
60 – 64 6,880 6,804 101.12 14.78 142.65 123.69 42.65 23.69
65 – 69 3,885 4,329 89.74 -11.37 73.77 81.42 -26.23 -18.58
70 – 74 3,653 3,830 95.38 5.64 94.55 89.91 -5.45 -10.09
75+ 3,842 4,191 91.67 -3.71 0.00 0.00 0.00 0.00
265,91
Jumlah 274,187 116.89 186.19 121.98
2
Indeks Sex Ratio (IRS) 7.31
Indeks Ratio Umur Penduduk Laki-laki (IRUL) 11.64
Indeks Ratio Umur Penduduk Perempuan (IRUP) 7.62
Indeks Gabungan 41.18
b. Indeks joint score Kabupaten Buleleng tahun 2000

Sex Sex Ratio
Umur
Laki- Perempua Ratio Beruruta Perempua Laki- Perempua
n Laki-laki
laki n n laki n
0–4 26,917 25,856 104.10 0.00 0.00 0.00 0.00 0.00
5–9 27,561 25,869 106.54 2.44 100.57 99.75 0.57 -0.25
10 – 14 27,892 26,014 107.22 0.68 97.38 97.48 -2.62 -2.52
15 – 19 29,721 27,502 108.07 0.85 114.87 109.49 14.87 9.49
20 – 24 23,855 24,224 98.48 -9.59 88.27 91.54 -11.73 -8.46
25 – 29 24,332 25,425 95.70 -2.78 107.77 108.27 7.77 8.27
30 – 34 21,300 22,744 93.65 -2.05 94.45 95.74 -5.55 -4.26
35 – 39 20,772 22,085 94.05 0.40 105.73 106.33 5.73 6.33
40 – 44 17,992 18,796 95.72 1.67 100.98 102.15 0.98 2.15
45 – 49 14,863 14,717 100.99 5.27 102.16 95.12 2.16 -4.88
50 – 54 11,105 12,148 91.41 -9.58 90.83 98.28 -9.17 -1.72
55 – 59 9,588 10,003 95.85 4.44 100.58 96.79 0.58 -3.21
60 – 64 7,961 8,521 93.43 -2.42 105.19 102.27 5.19 2.27
65 – 69 5,548 6,660 83.30 -10.12 90.50 99.06 -9.50 -0.94
70 – 74 4,300 4,925 87.31 4.01 89.29 85.19 -10.71 -14.81
26
75+ 4,083 4,902 83.29 -4.02 0.00 0.00 0.00 0.00
277,79
Jumlah 280,391 60.31 87.13 69.55
0
c. Indeks joint score Kabupaten Buleleng tahun 2010

Sex
Umur Sex Ratio
Ratio Laki- Laki-
Laki-laki Perempuan Berurutan Perempuan Perempuan
laki laki
0–4 28,644 26,825 106.78 0.00 0.00 0.00 0.00 0.00
5–9 30,878 29,256 105.54 -1.24 104.69 106.11 4.69 6.11
10 – 14 30,347 28,316 107.17 1.63 106.23 107.89 6.23 7.89
15 – 19 26,255 23,234 113.00 5.83 101.56 93.40 1.56 -6.60
20 – 24 21,357 21,433 99.65 -13.36 86.58 92.12 -13.42 -7.88
25 – 29 23,081 23,298 99.07 -0.58 102.12 103.05 2.12 3.05
30 – 34 23,847 23,782 100.27 1.20 100.55 100.23 0.55 0.23
35 – 39 24,351 24,157 100.80 0.53 105.66 102.39 5.66 2.39
40 – 44 22,247 23,406 95.05 -5.75 100.72 103.78 0.72 3.78
45 – 49 19,824 20,952 94.62 -0.43 100.49 99.89 0.49 -0.11
50 – 54 17,209 18,543 92.81 -1.81 103.60 108.09 3.60 8.09
55 – 59 13,399 13,359 100.30 7.49 100.16 89.38 0.16 -10.62
60 – 64 9,545 11,351 84.09 -16.21 87.84 100.06 -12.16 0.06
65 – 69 8,334 9,329 89.33 5.24 108.60 101.99 8.60 1.99
70 – 74 5,803 6,943 83.58 -5.75 79.46 77.68 -20.54 -22.32
75+ 6,273 8,547 73.39 -10.19 0.00 0.00 0.00 0.00
Jumlah 311,394 312,731 77.25 80.50 81.12
Dari data-data tersebut dapat diketahui bahwa evaluasi data penduduk

Kabupaten Buleleng menggunakan metode joint score index masih terdapat
kualitas data yang buruk. Hal ini dapat diketahui dari data penduduk Kabupaten
Buleleng tahun 1990 yang dievaluasi menggunakan joint score index
mendapatkan nilai kualitas data 41,18 yang menurut United Nation masih
dikategorikan buruk. Sedangkan untuk data tahun 2000 dan 2010 sudah bisa
dikategorikan sebagai data yang baik karena nilai kualitas datanya dibawah 30
27
E. Evaluasi Data Penduduk Dengan Metode Sprague
1. Asumsi metode sprague

Metode sprague digunakan untuk mengetahui jumlah penduduk pada
kelompok umur tertentu, misalnya mengetahui jumlah penduduk umur 9 tahun,
maka kelompok penduduk umur 5-9 tahun perlu dipecah menjadi umur 5,6,7,8
dan 9 tahun. Pemecahan ini dapat dikerjakan dengan menggunakan faktor pengali
(Sprague’s Multipliers). Ada 5 buah faktor pengali untuk memecah seluruh
seluruh kelompok umur jenjang 5 tahunan menjadi umur tunggal tahunan. Sebuah
untuk mengerrjakan kelompok tengah (mid-panel), dua buah untuk kelompok
akhir (end-panel) yang di bagi menjadi first end-panel dan last end panel, dua
28
buah untuk kelompok sebelum dan sesudah kelompok akhir (next-to-end panel)
yang diperinci menjadi first next to end-panel dan last next to end-panel.
2. Cara menghitung dengan metode sprague

FIRST TO END PANEL (Kelompok awal nomor 1 dari atas)
1. Ambil umur yang akan dicari jumlah penduduknya.
1. Tentukan letak P nya.
2. Indikator
a. N1 = Jumlah Penduduk (0 – 4)
b. N2 = Jumlah Penduduk (5 – 9)
c. N3 = Jumlah Penduduk (10 – 14)
d. N4 = Jumlah Penduduk (15 – 19)
3. Susun rumusnya.
4. Contoh : Mencari jumlah penduduk umur 3 tahun.
Jumlah penduduk umur 3 (letak di P4 FIRST TO END PANEL)

= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4)
= (N1 x 0,1200) + (N2 x 0,1360) + (N3 x -0,0720) + (N4 x 0,0160)
FIRST NEXT TO END PANEL (Kelompok awal nomor 2 dari atas)
3. Indikator
4. Susun rumusnya.
Jumlah penduduk umur 7 (letak di P3 FIRST NEXT TO END PANEL)

= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4)
= (N1 x -0,0080) + (N2 x 0,2160) + (N3 x -0,0080) + (N4 x 0,000)
MID PANEL
2. Khusus untuk usia yang belakangnya 5 – 9 (misal 35 – 39, dst) maka P nya dimulai dari P1 lagi.
Jadi misal umur 35 = P1, 36 = P2, 37 = P3, 38 = P4, 39 = P5. Dan seterusnya dapat
menyesuaikan.
3. Indikator
a. N1 = Jumlah Penduduk 2 atas N3
b. N2 = Jumlah Penduduk 1 atas N3
c. N3 = Jumlah Penduduk yang akan dicari jumlah nya.
d. N4 = Jumlah Penduduk 1 bawah N3
e. N5 = Jumlah Penduduk 2 bawah N3
29
4. Susun rumusnya.
5. Contoh : Mencari jumlah penduduk umur 44, 52, 67, dan 78.
Jumlah penduduk umur 44 (letak di P5 MID PANEL)

N1 = Jumlah Penduduk (30 – 34)
N3 = Jumlah Penduduk (40 – 44) umur 44 terdapat disini
= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4) + (N5 X M5)
= (N1 x 0,0016) + (N2 x -0,0240) + (N3 x 0,1504) + (N4 x 0,848) + (N5 x -0,0128)
Jumlah penduduk umur 52 (letak di P3 MID PANEL)

= (N1 x 0,0064) + (N2 x -0,0336) + (N3 x 0,2544) + (N4 x -0,0336) + (N5 x 0,0064)
Jumlah penduduk umur 67 (letak di P3 MID PANEL “berlaku hukum pada nomor 3”)
Menentukan N (berlaku hukum nomor 4)
N4 = Jumlah Penduduk (70 - 74)
= (N1 x 0,0064) + (N2 x -0,0336) + (N3 x 0,2544) + (N4 x -0,0336) + (N5 x 0,0064)
Jumlah penduduk umur 78 (letak di P4 MID PANEL “berlaku hukum pada nomor 3”)
Menentukan N (berlaku hukum nomor 4)
= (N1 x 0,0064) + (N2 x -0,0416) + (N3 x 0,2224) + (N4 x 0,0144) + (N5 x -0,0016)
LAST NEXT TO END PANEL (Kelompok awal nomor 2 dari bawah)
3. Indikator
30
4. Susun rumusnya.
Jumlah penduduk umur 88 (letak di P4 LAST NEXT TO END PANEL)

= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4)
= (N1 x 0,0080) + (N2 x -0,0480) + (N3 x 0,2320) + (N4 x 0,0336)
LAST END PANEL (Kelompok awal nomor 2 dari bawah)
3. Indikator
4. Susun rumusnya.
Jumlah penduduk umur 91 (letak di P2 LAST END PANEL)

= (N1 x 0,0160) + (N2 x -0,0720) + (N3 x 0,1360) + (N4 x 0,1200)
3. Analisis metode sprague

FIRST TO END PANEL
LETAK SESUAI UMUR M1 M2 M3 M4 M5
P1 0 0.3616 -0.2768 0.1488 -0.0336 -
P2 1 0.2640 -0.0960 0.0400 -0.0080 -
P3 2 0.1840 0.0400 -0.0320 0.0080 -
P4 3 0.1200 0.1360 -0.0720 0.0160 -
P5 4 0.0704 0.1968 -0.0848 0.0176 -
FIRST NEXT TO END PANEL
P1 5 0.0336 0.2272 -0.0752 0.0144 -
P2 6 0.0080 0.2320 -0.0480 0.0080 -
P3 7 -0.0080 0.2160 -0.0080 0.0000 -
P4 8 -0.0160 0.1840 0.0400 -0.0080 -
P5 9 -0.0176 0.1408 0.0912 -0.0144 -
MID PANEL
P1 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80 -0.0128 0.0848 0.1504 -0.0240 0.0016
P2 11, 16, 21, 26, 31, 36, 41, 46, 51, 56, 61, 66, 71, 76, 81 -0.0016 0.0144 0.2224 -0.0416 0.0064
P3 12, 17, 22, 27, 32, 37, 42, 47, 52, 57, 62, 67, 72, 77, 82 0.0064 -0.0336 0.2544 -0.0336 0.0064
P4 13, 18, 23, 28, 33, 38, 43, 48, 53, 58, 63, 68, 73, 78, 83 0.0064 -0.0416 0.2224 0.0144 -0.0016
P5 14, 19, 24, 29, 34, 39, 44, 49, 54, 59, 64, 69, 74, 79, 84 0.0016 -0.0240 0.1504 0.0848 -0.0128
31
LAST NEXT TO END PANEL
P1 85 -0.0144 0.0912 0.1408 -0.0176 -
P2 86 -0.0080 0.0400 0.1840 -0.0160 -
P3 87 0.0000 -0.0080 0.2160 -0.0080 -
P4 88 0.0080 -0.0480 0.2320 0.0080 -
P5 89 0.0144 -0.0752 0.2272 0.0336 -
LAST END PANEL
P1 90 0.0176 -0.0848 0.1968 0.0704 -
P2 91 0.0160 -0.0720 0.1360 0.1200 -
P3 92 0.0080 -0.0320 0.0400 0.1840 -
P4 93 -0.0080 0.0400 -0.0960 0.2640 -
P5 94 -0.0336 0.1488 -0.2768 0.3616 -
DATA KELOMPOK UMUR
0-4 4,124,635
5-9 4,290,635
10 - 14 4,183,620
15 - 19 3,849,928
20 - 24 3,613,336
25 - 29 3,929,433
30 - 34 3,658,587
35 - 39 3,436,650
40 - 44 2,972,098
45 - 49 2,477,439
50 - 54 2,007,193
55 - 59 1,477,241
60 - 64 1,053,302
65 - 69 808,027
70 - 74 565,909
75 - 79 308,921
80 - 84 183,878
85 - 89 65,205
90 - 94 29,865
32
HASIL PEMECAHAN UMUR DENGAN SISTEM SPRAGUE
0 796,985 20 727,917 40 635,355 60 239,507 80 45,091

1 813,548 21 712,302 41 614,413 61 222,323 81 41,916
2 827,482 22 708,036 42 593,649 62 207,643 82 38,021
3 838,861 23 720,954 43 573,909 63 196,377 83 32,556
4 847,759 24 744,127 44 554,772 64 187,451 84 26,294
5 854,251 25 765,811 45 534,843 65 178,851 85 20,976
6 858,410 26 789,575 46 514,237 66 170,944 86 16,404
7 860,311 27 801,945 47 494,405 67 162,588 87 12,374
8 860,028 28 795,416 48 475,878 68 152,997 88 9,012
9 857,635 29 776,686 49 458,076 69 142,646 89 6,439
10 853,650 30 759,492 50 440,157 70 133,031 90 4,779
11 848,591 31 740,529 51 422,607 71 124,134 91 4,155
12 840,313 32 725,391 52 403,515 72 114,356 92 4,691
13 828,002 33 718,063 53 381,947 73 103,140 93 6,508
14 813,064 34 715,111 54 358,966 74 91,248 94 9,732
15 798,447 35 709,457 55 336,689 75 79,799
16 784,437 36 702,924 56 314,832 76 68,328
17 770,052 37 692,497 57 294,004 77 58,985
18 755,390 38 676,096 58 274,769 78 52,877
19 741,601 39 655,676 59 256,946 79 48,931
Dari tabel tersebut dapat diketahui tujuan dari metode sprague adalah
mengetahui jumlah penduduk pada umur tertentu. Untuk mengetahui jumlah
penduduk pada umur tertentu dapat dilakukan dengan megalikan faktor pengali
umur yang ingin dicari dengan indikator yang telah ditentukan sebelumnya yang
menghasilkan jumlah penduduk pada umur tertentu.
F. Evaluasi Data Penduduk Dengan Metode Quadratic
1. Cara menghitung dengan metode quadratic

1) Menghitung data distribusi penduduk interval satu tahunan dari jenis kelamin
tertentu (laki-laki atau perempuan) dikelompokkan ke dalam kelompok umur.
2) Pengelompokkan dengan interval umur 5 tahunan.
3-7
33
8-12
13-17
18-22
23-27 Pengelompokan dengan interval umur 5
28-32 tahunan
33-37
38-42
43-47
3) Pengelompokkan dengan interval umur 10 tahunan.
33-42
43-52 Pengelompokan dengan interval umur 10
53-62 tahunan
63-72
0-4
3-4
70+
70-72
4) Dari disribusi umur interval 5 dan 10 tahun dipecah (splitting) menjadi umur
interval 2 tahun, dengan menggunakan tabel bilangan pengali yang telah disediakan.
Tabel
Faktor 1 2 3
Pengali
A 0,5840 -0,2480 0,0640
B 0,0640 0,3920 -0,0560
A 0,0480 0,1840 -0,0320
B 0,0455 0,7140 -0,0595
C -0,0320 0,1440 0,0880
34
D -0,0595 0,2240 0,5355
5) Disajikan dalam bentuk tabel pengelompokan umur penduduk.
2. Hasil penghitungan dengan metode quadratic

a. Hasil penghitungan laki-laki dengan metode quadratic
Pengali
Level 1 2 3
a 0.5840 -0.2480 0.0640
b 0.0640 0.3920 -0.0560
A 0.0480 0.1840 -0.0320
B 0.0455 0.7140 -0.0595
C -0.0320 0.1440 0.0880
D -0.0595 0.2240 0.5355
5 Tahun 10 Tahun
3-7 2,193,666 33 - 42 3,459,205

8 - 12 2,179,216 43 - 52 2,488,530
13 - 17 2,058,153 53 - 62 1,471,792
18 - 22 1,871,106 63 - 72 758,541
23 - 27 1,918,229 0-4 2,119,969
28 - 32 1,928,031 3-4 874,186
33 - 37 1,795,414 70+ 523,815
38 - 42 1,663,791 70 - 72 189,027
43 - 47 1,339,186
Laki - laki (Perkotaan dan Perdesaan)
5 Tahun 10 Tahun
3-7 2,193,666 33 - 42 3,459,205

8 - 12 2,179,216 43 - 52 2,488,530
13 - 17 2,058,153 53 - 62 1,471,792
18 - 22 1,871,106 63 - 72 758,541
23 - 27 1,918,229 0-4 2,119,969
35
28 - 32 1,928,031 3-4 874,186
33 - 37 1,795,414 70+ 523,815
38 - 42 1,663,791 70 - 72 189,027
43 - 47 1,339,186
Umur Jumlah
3-4 872,377
5-7 1,321,289
8-9 879,391
10 - 12 1,299,825
13 - 14 841,484
15 - 17 1,216,669
18 - 19 757,775
20 - 22 1,113,331
23 - 24 763,727
25 - 27 1,154,502
28 - 29 778,012
30 - 32 1,150,019
33 - 34 734,024
35 - 37 1,061,390
38 - 39 692,118
40 - 42 971,673
43 - 44 576,834
50 - 52 641,897
45 - 49 1,269,799
53 - 54 365,986
60 - 62 352,838
55 - 59 752,969
63 - 64 199,057
70 - 72 170,728
65 - 69 388,756
0-4 2,118,160
70 + 505,516
Perapihan Penduduk Laki - laki dengan Metode Quadratic

Setelah Setelah
Kelompok
Sebelum % Perapihan % Perapihan %
Umur
Perapihan I II
0-4 2,119,969 10% 2,118,160 10% - -
5-9 2,207,317 10% 2,200,680 10% - -
36
10 - 14 2,146,506 10% 2,141,309 10% - -
15 - 19 1,965,450 9% 1,974,444 9% - -
20 - 24 1,826,776 8% 1,877,058 9% - -
25 - 29 1,988,660 9% 1,932,514 9% - -
30 - 34 1,850,314 8% 1,884,043 9% - -
35 - 39 1,758,987 8% 1,753,508 8% - -
40 - 44 1,523,829 7% 1,548,507 7% - -
45 - 49 1,266,133 6% 1,269,799 6% - -
50 - 54 1,033,134 5% 1,007,883 5% - -
55 - 59 782,426 4% 752,969 3% - -
60 - 64 518,274 2% 551,894 3% - -
65 - 69 395,450 2% 388,756 2% - -
70 + 523,815 2% 505,516 2% - -
Total 21,907,040 100% 21,907,040 100% - -
b. Hasil penghitungan perempuan dengan metode quadratic
37
Umur Perempuan
0 386,654
1 388,965
2 403,984
3 415,206
4 409,857
5 401,459
6 412,286
7 428,600
8 401,526
9 439,447
10 442,550
11 379,932
12 397,236
13 406,644
14 410,752
15 401,052
16 370,906
17 372,072
18 368,188
19 372,260
20 397,159
21 346,605
22 341,845
23 341,269
24 359,682
25 393,119
26 365,826
27 413,247
28 386,187
29 382,394
30 413,070
31 345,117
32 347,228
33 338,180
34 364,678
35 377,025
36 320,220
37 350,362
38 308,017
39 322,039
38 40 366,635
41 285,792
42 274,620
43 239,730
5 Tahun 10 Tahun
3-7 2,067,408 33 - 42 3,307,568

Pengali
8 - 12 2,060,691 43 - 52 2,381,259
Level 1 2 3 13 - 17 1,961,426 53 - 62 1,371,017
a 0.5840 -0.2480 0.0640 18 - 22 1,826,057 63 - 72 818,018
b 0.0640 0.3920 -0.0560 23 - 27 1,873,143 0-4 2,004,666
A 0.0480 0.1840 -0.0320 28 - 32 1,873,996 3-4 825,063
B 0.0455 0.7140 -0.0595 33 - 37 1,750,465 70+ 647,793
C -0.0320 0.1440 0.0880 38 - 42 1,557,103 70 - 72 221,287
D -0.0595 0.2240 0.5355 43 - 47 1,294,215
Umur Jumlah
3-4 821,846
5-7 1,245,562
8-9 830,265
10 - 12 1,230,426
13 - 14 798,504
15 - 17 1,162,922
18 - 19 736,450
20 - 22 1,089,607
23 - 24 746,196
25 - 27 1,126,947
28 - 29 756,462
30 - 32 1,117,534
33 - 34 718,920
35 - 37 1,031,545
38 - 39 649,938
40 - 42 907,165
43 - 44 553,042
50 - 52 612,121
45 - 49 1,216,095
53 - 54 340,391
60 - 62 332,436
55 - 59 698,190
63 - 64 193,212
70 - 72 214,546
65 - 69 410,260
0-4 2,001,449
70 + 641,052
39
No. Umur Rumus Perhitungan
1 3-4 = a1.P(3 - 7) + a2.P(8 - 12) + a3.P(13 - 17)

2 5-7 = P(3 - 7) - P(3 - 4)
3 8-9 = b1.P(3 - 7) + b2.P(8 - 12) + b3.P(13 - 17)
4 10 - 12 = P(8 - 12) - P(8 - 9)
5 13 - 14 = b1.P(8 - 12) + b2.P(13 - 17) + b3.P(18 - 22)
6 15 - 17 = P(13 - 17) - P(13 - 14)
7 18 - 19 = b1.P(13 - 17) + b2.P(18 - 22) + b3.P(23 - 27)
8 20 - 22 = P(18 - 22) - P(18 - 19)
9 23 - 24 = b1.P(18 - 22) + b2.P(23 - 27) + b3.P(28 - 32)
10 25 - 27 = P(23 - 27) - P(28 - 24)
11 28 - 29 = b1.P(23 - 27) + b2.P(28 - 32) + b3.P(33 - 37)
12 30 - 32 = P(28 - 32) - P(28 - 29)
13 33 - 34 = b1.P(28 - 32) + b2.P(33 - 37) + b3.P(38 - 42)
14 35 - 37 = P(33 - 37) - P(33 - 34)
15 38 - 39 = b1.P(33 - 37) + b2.P(38 - 42) + b3.P(43 - 47)
16 40 - 42 = P(38 - 42) - P(38 - 39)
17 43 - 44 = A1.P(33 - 42) + A2.P(43 - 52) + A3.P(53 - 62)
18 50 - 52 = P(43 - 52) - {B1.P(33 - 42) + B2.P(43 - 52) + B3.P(53 - 62)}
19 45 - 49 = P(43 - 52) - P(43 - 44) - P(50 - 52)
20 53 - 54 = A1.P(43 - 52) + A2.P(53 - 62) + A3.P(63 - 72)
21 60 - 62 = P(53 - 62) - {B1.P(43 - 52) + B2.P(53 - 62) + B3.P(63 - 72)}
22 55 - 59 = P(53 - 62) - P(53 - 54) - P(60 - 62)
23 63 - 64 = C1.P(43 - 52) + C2.P(53 - 62) + C3.P(63 - 72)
24 70 - 72 = P(63 - 72) - {D1.P(43 - 52) + D2.P(53 - 52) + D3.P(63 - 72)}
25 65 - 69 = P(63 - 72) - P(63 - 64) - P(70 - 72)
26 0-4 = P(0 - 4)* + P(3 - 4)** - P(3 - 4)*
27 70 + = P(70+)* + P(70 - 72)** - P(70 - 72)*
40
Tabel Perapihan Penduduk Perempuan dengan Metode Quadratic
Kelompok Sebelum Setelah Setelah

% % %
Umur Perapihan Perapihan I Perapihan II
0-4 2,004,666 9% 2,001,449 9% - -
5-9 2,083,318 10% 2,075,827 10% - -
10 - 14 2,037,114 10% 2,028,930 10% - -
15 - 19 1,884,478 9% 1,899,372 9% - -
20 - 24 1,786,560 8% 1,835,803 9% - -
25 - 29 1,940,773 9% 1,883,409 9% - -
30 - 34 1,808,273 9% 1,836,455 9% - -
35 - 39 1,677,663 8% 1,681,483 8% - -
40 - 44 1,448,269 7% 1,460,207 7% - -
45 - 49 1,211,306 6% 1,216,095 6% - -
50 - 54 974,059 5% 952,512 5% - -
55 - 59 694,815 3% 698,190 3% - -
60 - 64 535,028 3% 525,647 2% - -
65 - 69 412,577 2% 410,260 2% - -
70 + 647,793 3% 641,052 3% - -
Total 21,146,692 100% 21,146,692 100% - -
41
DAFTAR PUSTAKA
Adioetomo M. S., dan Samosir B. Omas. 2013. Dasar-dasar demografi. Jakarta: Salemba empat.
BPS, 2000. Sensus Penduduk Kabupaten/Kota Di Propinsi Jawa Timur. Jakarta: BPS
Boque.D.J.1969. Principle of Demography. New York: John Wiley and Sons, Inc.
BPS, 2010. Sensus Penduduk. Jakarta :Biro Pusat Statistik
Budiarto dan Rozy Munir, 1984. Demografi Teknik. Jakarta: Lembaga Demografi Fakultas
Ekonomi, Universitas Indonesia.
Budijanto, 1990. Teknik Analisis Demograf, Jurusan Geografi, FPIPS IKIP Malang (Tidak
diterbitkan)
Budijanto, 2012. Analisis Sosio Demografi. Malang: UM Press
Ida Bagus Mantra.2000. Demografi. Yogyakarta: Pustaka Pelajar
Iskandar, N. 1977. Demografi Teknik. Jakarta : Lembaga Demografi Fakultas Ekonomi UI
BPS, 2000. Sensus Penduduk Kabupaten/Kota Di Propinsi Jawa Timur. Jakarta: BPS
Boque.D.J.1969. Principle of Demography. New York: John Wiley and Sons, Inc.
42

Tugas Teknik Demografi 2

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tugas Teknik Demografi 2

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS EVALUASI DATA PENDUDUK

Makalah Ini Dipersembahkan untuk Memenuhi Tugas

Dosen Pengampu : Dr. Rita Noviani, S.Si, M.Sc.

Nama : Maulana Adhi Nugraha

PROGRAM STUDI DEMOGRAFI PENCATATAN SIPIL

A. Evaluasi Data Penduduk Dengan Metode Grafis.................................................................................3

1. Distribusi penduduk menurut umur tunggal dan jenis kelamin di Kabupaten

1990 2000 2010

0 3,473 3,494 4,575 4,576 5,513 5,212

1. Asumsi metode grafis

2. Kelemahan metode grafis

Piramida penduduk terbagi atas beberapa jenis, yaitu: piramida muda

Berdasarkan piramida penduduk Kabupaten Buleleng menurut umur

1. Asumsi metode whipple

2. Analsis metode whipple

Kategori Indeks Whipple Nilai

Sangat Akurat ≤105

a. Indeks whipple Kabupaten Buleleng tahun 1990

Whipple Laki-laki Nilai Kategori

5 Tahunan 207,51 Sangat Buruk

 IW Laki – laki = x 100% = 207,51%

2) Whipple 10 Tahun (1990)

 IW Laki – laki Heaping 0 = x 100 = 218,31%

 IW Perempuan Heaping 0 = x 100 =

 IW Laki – laki Heaping 5 = x 100 =

 IW Perempuan Heaping 5 = x 100 = 208,79%

Whipple Perempuan Nilai Kategori

5 Tahunan 218,64 Sangat Buruk

Whipple Laki-laki Nilai Kategori

5 Tahunan 129,17 Buruk

Whipple Perempuan Nilai Kategori

5 Tahunan 134,77 Buruk

 IW Laki – laki = x 100% = 129,17%

 IW Perempuan = x 100% = 134,77%

2) Whipple 10 Tahun (2000)

 IW Laki – laki Heaping 0 = x 100 =

 IW Laki – laki Heaping 5 = x 100 = 127,72%

 IW Perempuan Heaping 5 = x 100 =

b. Indeks whipple Kabupaten Buleleng tahun 2010

Whipple Laki-laki Nilai Kategori

Whipple Perempuan Nilai Kategori

A. Whipple 5 Tahunan (2010)

 IW Perempuan = x 100% = 116,89%

B. Whipple 10 Tahun (2010)

 IW Laki – laki Heaping 0 = x 100 =

 IW Perempuan Heaping 0 = x 100 = 119,66%

 IW Laki – laki Heaping 5 = x 100 =

 IW Perempuan Heaping 5 = x 100 = 114,12%

1. Asumsi metode myers

2. Metode penghitungan indeks myers

3. Analisis metode myers

a. Indeks myers Kabupaten Buleleng tahun 1990

JUMLAH 1740458 100.00 0.00

Jumlah Indek Myers Penduduk Laki-Laki 0,00

PENDUDUK BILANGAN DEVIASI

JUMLAH 1593726 100.00 0.00

Jumlah Indek Myers Penduduk Perempuan 0,00

b. Indeks myers Kabupaten Buleleng tahun 2000

JUMLAH 1976774 100.00 0.00

Jumlah Indek Myers Penduduk Laki-Laki 0,00

JUMLAH 2048623 100.00 0.00

Jumlah Indek Myers Penduduk Perempuan 0,00

c. Indeks myers Kabupaten Buleleng tahun 2010

JUMLAH 2251978 100.00 0.00