ANALISIS EVALUASI DATA PENDUDUK

Makalah Ini Dipersembahkan untuk Memenuhi Tugas Ujian Akhir Semester

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
A. Evaluasi Data Penduduk Dengan Tabel Kematian Singkat
Asumsi Tabel Kematian Singkat
Menurut BPS, Life Table adalah suatu tabel yang memuat tentang data kematian menurut
umur yang berguna untuk menghitung berbagai parameter demografi, seperti umur
harapan hidup, angka kematian kasar, angka kelahiran kasar, dan probabilitas mencapai
usia 40 tahun.
Ada dua alasan mengapa dibangunnya life table, yaitu: Untuk memenuhi saran dari
Perserikatan Bangsa-Bangsa, bahwa setiap negara sepatutnya memiliki life table
tersendiri. Selama ini, Indonesia belum memiliki life table, dan life table merupakan
salah satu output dari Sensus Penduduk. Kita sudah memiliki Sensus Penduduk, dengan
dasar itu kita tindak lanjuti dengan membuat life table. Ke depannya, sangat bermanfaat
jika kita kembangkan life table menurut jenisnya seperti berdasarkan penyebab penyakit,
new entry tenaga kerja, dan menghitung umur perkawinan.
Tabel kematian singkat (abridged life table): tabel kematian yang meliputi seluruh umur
tetapi tidak terperinci tahunan, tapi menurut kelas interval (5 tahunan, 10 tahunan).
Bentuk tabel dari Tabel Kematian Singkat seperti di bawah ini

(1) x (2) nqx (3) lx (4) nLx (5) TX (6) ex

0–4

5–9

10 – 14

15 - 19
Tabel Kematian Menurut Kelompok Umur dan Jenis kelamin

Jumlah Penduduk Mid-

Jumlah Death
Umur Year
Laki Perempuan Laki Perempuan
0 1,511,573 1,458,698 115,269 103,602
1-4 5,343,082 5,191,207 216,602 195,511
5–9 5,601,294 5,458,427 21,285 20,742
10 – 14 4,695,753 4,578,980 10,331 10,532
15 – 19 3,433,346 3,463,303 11,330 11,403
20 – 24 2,741,853 3,191,179 13,709 13,403
25 – 29 2,349,393 2,955,984 11,747 13,598
30 – 34 2,517,386 2,936,112 13,846 14,387
35 – 39 2,338,259 2,531,417 14,497 13,670
40 – 44 2,093,687 2,085,705 16,540 12,723
45 – 49 1,607,439 1,618,732 16,235 11,493
50 – 54 1,176,082 1,186,536 16,230 11,509
55 – 59 861,514 942,037 16,541 12,824
60 – 64 564,514 633,183 15,964 13,803
65 – 69 429,148 506,745 17,724 17,432
70 – 74 262,852 303,254 16,560 16,891
75 – 79 152,010 170,957 14,213 14,600
80 + 62,568 69,402 12,514 13,880
Penghitungan Tabel Kematian Singkat Pada Kelompok Umur Penduduk Laki-Laki

1 2 3 4 5 6 7 8 9 10
Interval
Kelompok
nMx (ASDR) nqx nPx ndx Ix Lx Tx ex ex + x
Umur (X)
0 1 0.000076 0.000076 0.999924 8 100,000 99,995 8,494,749 84.95 84.95
1-4 4 0.000041 0.000162 0.999838 16 99,992 399,935 8,394,754 83.95 84.95
5–9 5 0.000004 0.000019 0.999981 2 99,976 499,876 7,994,818 79.97 84.97
10 – 14 5 0.000002 0.000011 0.999989 1 99,974 499,869 7,494,942 74.97 84.97
15 – 19 5 0.000003 0.000016 0.999984 2 99,973 499,862 6,995,074 69.97 84.97
20 – 24 5 0.000005 0.000025 0.999975 2 99,972 499,851 6,495,212 64.97 84.97
25 – 29 5 0.000005 0.000025 0.999975 2 99,969 499,839 5,995,361 59.97 84.97
30 – 34 5 0.000006 0.000028 0.999972 3 99,967 499,826 5,495,522 54.97 84.97
35 – 39 5 0.000006 0.000031 0.999969 3 99,964 499,811 4,995,696 49.98 84.98
40 – 44 5 0.000008 0.000039 0.999961 4 99,961 499,793 4,495,885 44.98 84.98
45 – 49 5 0.000010 0.000050 0.999950 5 99,957 499,771 3,996,092 39.98 84.98
50 – 54 5 0.000014 0.000069 0.999931 7 99,952 499,741 3,496,321 34.98 84.98
55 – 59 5 0.000019 0.000096 0.999904 10 99,945 499,700 2,996,580 29.98 84.98
60 – 64 5 0.000028 0.000141 0.999859 14 99,935 499,641 2,496,880 24.98 84.98
65 – 69 5 0.000041 0.000206 0.999794 21 99,921 499,554 1,997,239 19.99 84.99
70 – 74 5 0.000063 0.000315 0.999685 31 99,900 499,423 1,497,686 14.99 84.99
75 – 79 5 0.000094 0.000467 0.999533 47 99,869 499,228 998,262 10.00 85.00
80 + - 0.000200 1.00 0.00 99822 99,822 499,034 499,034 5.00 85.00
Perhitungan Tabel Kematian Singkat Pada Kelompok Umur Penduduk Perempuan

1 2 3 4 5 6 7 8 9 10
Interval
Kelompok
nMx (ASDR) nqx nPx ndx Ix Lx Tx ex ex + x
Umur (X)
0 1 0.000071 0.000071 0.999929 7 100,000 99,995 8,495,412 84.95 84.95
1-4 4 0.000038 0.000151 0.999849 15 99,993 399,940 8,395,417 83.96 84.96
5–9 5 0.000004 0.000019 0.999981 2 99,978 499,884 7,995,477 79.97 84.97
10 – 14 5 0.000002 0.000012 0.999988 1 99,976 499,877 7,495,593 74.97 84.97
15 – 19 5 0.000003 0.000016 0.999984 2 99,975 499,870 6,995,716 69.97 84.97
20 – 24 5 0.000004 0.000021 0.999979 2 99,973 499,860 6,495,846 64.98 84.98
25 – 29 5 0.000005 0.000023 0.999977 2 99,971 499,849 5,995,986 59.98 84.98
30 – 34 5 0.000005 0.000025 0.999975 2 99,969 499,838 5,496,137 54.98 84.98
35 – 39 5 0.000005 0.000027 0.999973 3 99,966 499,825 4,996,299 49.98 84.98
40 – 44 5 0.000006 0.000031 0.999969 3 99,964 499,810 4,496,474 44.98 84.98
45 – 49 5 0.000007 0.000035 0.999965 4 99,961 499,794 3,996,664 39.98 84.98
50 – 54 5 0.000010 0.000048 0.999952 5 99,957 499,773 3,496,870 34.98 84.98
55 – 59 5 0.000014 0.000068 0.999932 7 99,952 499,744 2,997,097 29.99 84.99
60 – 64 5 0.000022 0.000109 0.999891 11 99,945 499,699 2,497,353 24.99 84.99
65 – 69 5 0.000034 0.000172 0.999828 17 99,934 499,629 1,997,654 19.99 84.99
70 – 74 5 0.000056 0.000278 0.999722 28 99,917 499,517 1,498,025 14.99 84.99
75 – 79 5 0.000085 0.000427 0.999573 43 99,889 499,341 998,508 10.00 85.00
80 + - 0.000200 1.00 0.00 99847 99,847 499,167 499,167 5.00 85.00

Tahap Mengerjakan Tabel Kematian

1. Menyiapkan tabel dengan 10 kolom

2. Kolom nMx (2) ASDR

3. Kolom nqx (3) = Kemungkinan/Probabilitas seseorang untuk mati (Probability of Dying)
antara umur tepat X dan umur tepat X+1

Rumus :

NB : Untuk 75+ diisi dengan angka 1

4. Kolom nPx (4) = Kemungkinan seseorang untuk tetap hidup dari umur tepat X hingga
umur tepat X+1 (Probabilitas of Survival).
Rumus : 1 – nqx

5. Kolom Ix (6) = Jumlah orang yang masih hidup hingga umur tepat X.
 a. Khusus awal diisi angka 100.000 (ketetapan)
b. Untuk selanjutnya menggunakan perhitungan.
Rumus : I (tepat pada kotak itu) = I (sebelumnya) – ndx (sebelumnya)

6. Kolom ndx (5) = Jumlah kematian antara umur tepat X dan X+1.

Rumus : Ix . nqx

NB : Khusus kolom (5) dan (6) diisi secara bergantian secara berurutan atau Zig Zag

7. Kolom Lx (7) = tahun hidup orang yang dijalani antara umur tepat X dan X+1.
8. Kolom Tx (8) : Total tahun hidup orang setelah umur tepat X tahun sampai semua
anggota kohor meninggal.

9. Kolom ex (9) = Angka harapan hidup pada saat umur tepat X.

10. Kolom + X (10) = Angka harapan hidup mereka yang berumur tepat x pada saat saat
lahir.
B. Evaluasi Data Penduduk Dengan Metode Brass

Anak Masih Hidup

Kelompok Umur
0 1 2 3 4 5 6 7 8 9 10
15-19 4,586 7,340 570 42 2 0 0 0 0 0 0
20-24 7,774 27,736 8,008 1,238 216 35 8 6 6 0 0
25-29 6,798 30,582 24,885 6,975 1,452 299 72 25 12 6 5
30-34 4,873 21,960 35,375 15,279 4,672 1,243 363 112 47 16 18
35-39 3,580 15,793 35,133 20,861 8,205 2,748 947 315 126 42 46
40-44 2,878 12,321 29,033 20,305 9,173 3,478 1,397 547 255 91 95
45-49 2,459 9,758 22,865 17,238 8,416 3,463 1,497 657 280 144 163
50-54 2,468 8,260 17,793 15,318 8,241 3,909 1,784 843 400 190 219

Anak Lahir Hidup

Kelompok Umur
0 1 2 3 4 5 6 7 8 9 10
15-19 4,762 7,242 510 24 2 0 0 0 0 0 0
20-24 8,152 27,954 7,675 1,046 166 23 5 3 3 0 0
25-29 7,077 31,396 24,758 6,381 1,209 226 38 15 7 1 3
30-34 5,091 22,899 35,888 14,585 4,107 1,009 257 74 30 7 11
35-39 3,766 16,655 36,228 20,311 7,448 2,297 761 200 87 25 18
40-44 3,056 13,191 30,035 20,028 8,472 3,034 1,084 395 168 55 55
45-49 2,661 10,589 23,768 17,127 7,773 3,038 1,185 443 178 85 93
50-54 2,675 9,145 18,805 15,389 7,639 3,377 1,331 604 249 109 102
 Tahap 1

Jumlah ALH Rata- Proporsi

Umur Peremp ALH AMH rata Anak
uan (Paritas) Meninggal
1 2 3 4 5 = 3/2 6 = (3-4)/3
15 - 19 92,724 8614 8342 0.0929 0.0316
20 - 24 80,905 48643 47296 0.6012 0.0277
25 - 29 85,180 109387 106449 1.2842 0.0269
30 - 34 90,173 167112 162376 1.8532 0.0283
35 - 39 92,231 204935 198388 2.2220 0.0319
40 - 44 82,627 201404 194061 2.4375 0.0365
45 - 49 69,101 176928 169118 2.5604 0.0441
50 - 54 61,059 166014 156570 2.7189 0.0569
Tahap 2
P1/P2 0.155
P2/P3 0.468

Tahap 3

Kelompok Umur 0.143 0.205 0.155 0.441 0.490 0.468

15 - 19 1.041 0.977 1.029 1.041 0.977 0.705
20 - 24 1.043 1.010 1.037 1.043 1.010 0.870
25 - 29 1.012 0.994 1.009 1.012 0.994 0.918
30 - 34 1.016 1.002 1.013 1.016 1.002 0.943
35 - 39 1.026 1.011 1.023 1.026 1.011 0.947
40 - 44 1.004 0.988 1.001 1.004 0.988 0.920
45 - 49 1.003 0.986 1.000 1.003 0.986 0.914
50 - 54 1.019 1.001 1.016 1.019 1.001 0.925
 Tahap 4

Kelompok k q(a)
Qi a
Umur P1/P2 P2/P3 P1/P2 P2/P3
15-19 0.0316 1.0291 0.7053 1 0.0325 0.0223
20-24 0.0277 1.0369 0.8699 2 0.0287 0.0241
25-29 0.0269 1.0087 0.9176 3 0.0271 0.0246
30-34 0.0283 1.0134 0.9426 5 0.0287 0.0267
35-39 0.0319 1.0232 0.9473 10 0.0327 0.0303
40-44 0.0365 1.0010 0.9201 15 0.0365 0.0335
45-49 0.0441 0.9998 0.9138 20 0.0441 0.0403
50-54 0.0569 1.0157 0.9246 25 0.0578 0.0526
 Kelompok
Ukuran Mortalitas
Umur
yang diperkirkan
Faktor Pengali, k
Perempuan
15-19 q(1) 0.859 0.890 0.928 0.977 1.041 1.129 1.254 1.425
20-24 q(2) 0.938 0.959 0.983 1.010 1.043 1.082 1.129 1.188
25-29 q(3) 0.948 0.962 0.978 0.994 1.012 1.033 1.055 1.081
30-34 q(5) 0.961 0.975 0.988 1.002 1.016 1.031 1.046 1.063
35-39 q(10) 0.966 0.982 0.996 1.011 1.026 1.040 1.054 1.069
40-44 q(15) 0.938 0.955 0.971 0.988 1.004 1.021 1.037 1.052
45-49 q(20) 0.937 0.953 0.969 0.986 1.003 1.021 1.039 1.057
50-54 q(25) 0.949 0.966 0.983 1.001 1.019 1.036 1.054 1.072
55-59 q(30) 0.951 0.968 0.985 1.002 1.020 1.039 1.058 1.076
60-64 q(35) 0.949 0.965 0.982 0.999 1.016 1.034 1.052 1.070

P1/P2 0.387 0.330 0.268 0.205 0.143 0.090 0.045 0.014

P2/P3 0.616 0.577 0.535 0.490 0.441 0.421 0.344 0.271
m 24.7 25.7 26.7 27.7 28.7 29.7 30.7 31.7
m 24.2 25.2 26.2 27.2 28.2 29.2 30.2 31.2

Analisis Metode Brass

Metode Brass (Brass 1975) dikembangkan untuk perkiraan mortalitas dalam

kondisi catatan statistik yang tidak lengkap. Dalam banyak kasus, registrasi kematian
kurang lengkap dibandingkan dengan registrasiMetode Brass (Brass 1975) dikembangkan
untuk perkiraan mortalitas dalam kondisi catatan statistik yang tidak lengkap. Dalam
banyak kasus, registrasi kematian kurang lengkap dibandingkan dengan registrasi
kelahiran sehingga ditemukan permasalahan yang lebih banyak dalam mengembangkan
metode perkiraan mortalitas dibandingkan dengan perkiraan fertilitas.

Prosedur perkiraan mortalitas dapat didasarkan atas (i) data yang dikumpulkan
melalui pertanyaan-pertanyaan retrospektif dalam sebuah sensus atau survei, dan (ii) data
yang dikumpulkan dalam sensus berurutan.

Metode yang paling sederhana dan jelas dalam menemukan mortalitas masa lalu
adalah dengan bertanya pada perempuan berapa banyak anak yang mereka punyai dan
berapa banyak diantaranya yang meninggal. Pertanyaan-pertanyaan seperti ini sudah
ditanyakan dalam berbagai sensus untuk jangka waktu yang lama, tetapi data yang
 dihasilkan jarang digunakan kecuali untuk menunjukkan bahwa sebuah proporsi besar
dari kematian bayi mengindikasikan mortalitas tinggi.

C. Evaluasi Data Penduduk Dengan Metode Sullivan

Asumsi Perkiraan Kematian Bayi dan Anak Metode Sullivan

Sullivan (1972) telah menguji masalah perkiraan dengan suatu cara yang
berbeda dengan mempelajari hubungan antara Di dan q() dengan menggunakan analisis
regresi. Dalam analisisnya, distribusi fertilitas yang diamati (bukan dari suatu model)
digabung dengan model tabel kematian sistem Coale-Demeny (bukan suatu skedul
mortalitas yang tetap). Dari perhitungannya, Sullivan (1972) menyimpulkan bahwa faktor
pengali yang ditunjukkan dalama Tabel 4.4 memberikan perkiraan yang memuaskan,
tetapi persamaan regresi menyediakan suatu prosedur yang lebih sederhana untuk
mendapatkan perkiraan tingkat kematian anak. Ada dua (2) variabel bebas persamaan
regresi yang dikembangkan oleh Sullivan (1972). Variabel bebas pertama adalah rasio
antara paritas ratarata perempuan pada kelompok umur 15-19 tahun dan paritas rata-rata
perempuan pada kelompok umur 20-24 tahun (P1/P2 ). Variabel bebas kedua adalah rasio
antara paritas rata-rata perempuan pada kelompok umur 20- 24 tahun dan paritas rata-rata
perempuan pada kelompok umur 25-29 tahun ( P2/P3 ). Ada tiga variabel tidak bebas
yang digunakan, yaitu (i) rasio antara probabilitas kematian dari saat lahir sampai
sebelum umur dua (2) tahun dengan proporsi anak meninggal dari perempuan pada
kelompok umur 20-24 tahun ( q(2)/D2 (ii) rasio antara probabilitas kematian dari saat
lahir sampai sebelum umur tiga (3) tahun dengan proporsi anak meninggal dari
perempuan pada kelompok umur 25-29 tahun (q(3)/D2 ) dan (iii) rasio antara probabilitas
kematian dari saat lahir sampai sebelum umur lima (5) tahun dengan proporsi anak
meninggal dari perempuan pada kelompok umur 30-34 tahun ( q(5)/D4 ). Untuk masing-
masing pasangan variabel bebas dan variabel tidak bebas dikembangkan persamaan
regresi untuk keempat pola mortalitas (model) tabel kematian Coale-Demeny, yaitu
Barat, Utara, Timur dan Selatan. Jadi, terdapat 24 persamaan regresi yang dikembangkan
oleh Sullivan (1972).
 Hasil evaluasi koefisien korelasi antara variabel-variabel tidak bebas dan variabel
bebas persamaan regresi terhadap 650 observasi menunjukkan bahwa secara umum
koefisien korelasi antara variabel-variabel tidak bebas dengan P2/P3 lebih besar daripada
koefisien korelasi antara variabelvariabel tidak bebas dengan P1/P2. Jadi, Sullivan (1972)
memilih persamaan-persamaan regresi antara (i) q(2)/D2 dan P2/P3 , (ii) q(3)/D3 dan
P2/P3 dan (iii) q(5)/D4 dan P2/P3 , untuk keempat model tabel kematian Coale-Demeny.

Persamaan-persamaan regresi Sullivan sebagai berikut:

q(2)/D2 = A2+B2 (P2/P3)
q(3)/D3 = A3+B3 (P2/P3)
q(5)/D4 = A5+B5 (P2/P3)

koefisien-koefisien regresi Aa dan Ba, kesalahan baku dan koefisien variasi ) untuk keempat
model tabel kematian Coale-Demeny yang dapat disajikan sebagai berikut.

Koefisien Korelasi Persamaan Regresi antara Rasio Paritas Rata-

Rata
(P1/P2 dan P2/P3) dan Rasio Probabilitas Meninggal
dan Proporsi Anak Meninggal (q(a)/ D(i))
(q(a)/ D(i) Pola Koefisien Korelasi
Mortalitas P1/P2 P2/P3
(q(2)/ D(2) Barat -0,970 -0,970
Utara -0,973 -0,967
Timur -0,970 -0,971
Selatan -0,966 -0,968
(q(3)/ D(3) Barat -0,868 -0,988
Utara -0,869 -0,990
Timur -0,859 -0,988
Selatan -0,852 -0,985
(q(5)/ D(5) Barat -0,747 -0,920
Utara -0,749 -0,922
Timur -0,659 -0,897
Selatan -0,737 -0,919
Berdasarkan persamaan-persamaan regresi pada tabel di atas dapat dihitung probabilitas
anak meninggal dari saat lahir samapi sebelum mencapai umur dua tahun (q(2)),
probabilitas anak meninggal dari saat lahir samapi sebelum mencapai umur tiga tahun
(q(3)), dan probabilitas anak meninggal dari saat lahir samapi sebelum mencapai umur
lima tahun (q(5)). Sebagai contoh, dapat dirumuskan perhitungannya untuk model barat
adalah sebagai berikut.

(q(2)) = {1,30-0,54 (P2/P3)} x D2

(q(3)) = {1,17-0,40 (P2/P3)} x D3
(q(5)) = {1,33-0,33 (P2/P3)} x D4

Perhitungan Perkiraan Tingkat Kematian Bayi dan Anak Metode Sullivan

Perhitungan pertama yaitu proporsi anak meninggal, sebelumnya sudah dihitung

dalam metode Brass yaitu pada perhitungan Qi. Data yang dibutuhkan sebagai
berikut:
Tahap 1 (Proporsi Anak
Meninggal)
D2 20-24 0.0277
D3 25-29 0.0269
D4 30-34 0.0283

Langkah selanjutnya yaitu perhitungan P2/P3 dan sebelumnya juga sudah pernah
dihitung dalam metode Brass yaitu nilai dari P2/P3 adalah 0,468. Maka rumus yang
digunakan seperti gambar di bawah ini.
 Rumus dan Pola Kematian

West q (2) = [(1,30 - 0,54) x (P2/P3)] x D2

North q (2) = [(1,30 - 0,63) x (P2/P3)] x D2
East q (2) = [(1,26 - 0,44) x (P2/P3)] x D2
South q (2) = [(1,33 - 0,61) x (P2/P3)] x D2
West q (3) = [(1,17 - 0,40) x (P2/P3)] x D3
North q (3) = [(1,17 - 0,50) x (P2/P3)] x D3
East q (3) = [(1,14 - 0,33) x (P2/P3)] x D3
South q (3) = [(1,20 - 0,44) x (P2/P3)] x D3
West q (5) = [(1,13 - 0,33) x (P2/P3)] x D4
North q (5) = [(1,15 - 0,42) x (P2/P3)] x D4
East q (5) = [(1,11 - 0,26) x (P2/P3)] x D4
South q (5) = [(1,14 - 0,32) x (P2/P3)] x D4

Setelah diketahui rumus untuk perhitunagn metode Sullivan maka dapat

dikerjakan sebagai berikut.

Pola
q (a)
Kematian
West q (2) 0.00985
North q (2) 0.00869
East q (2) 0.01063
South q (2) 0.00933
West q (3) 0.00968
North q (3) 0.00843
East q (3) 0.01019
South q (3) 0.00956
West q (5) 0.01061
North q (5) 0.00969
East q (5) 0.01128
South q (5) 0.01088

Selanjutnya perhitungan tingkat kematian bayi dan anak pada pola mortalitas Barat q(2)
sebagai berikut
 = (0,76*0,277)* 0,468

= 0, 00985
D. Proyeksi Data Penduduk Dengan Program Spectrum
Asumsi Program Spectrum
Program Spectrum merupakan suatu policy model yang berbasis pada sistem komputer,
yaitu window. Program Spectrum dikembangkan oleh United State Agency International
Development (USAID) – Health Policy Intitiave (HPI) agar dapat digunakan para pemangku
kebijakan untuk memberikan informasi mengenai suatu dampak pembangunan di masa yang
akan datang berdasarkan informasi dari pembangunan saat ini. Salah satu kelebihan policy
model Spectrum dari modelmodel sebelumnya yang telah dikembangkan adalah policy model
Spectrum telah memadukan beberapa modul-modul kedalam satu sistem.
Program Spectrum Program Spectrum dapat digunakan untuk berbagai kebutuhan, yaitu :
a. Program spectrum dapat memfasilitasi pemangku kebijakan dalam menetapkan tujuan
atau target yang ingin dicapai. Selain itu pemangku kebijakan juga dapat melihat
mengetahui konsekuensi-konsekuensi yang harus dilakukan untuk mencapai tujuan
tersebut.
b. Isu atau kebijakan yang dapat didiskusikan terkait isu kemiskinan, kematian ibu dan
anak yang tinggi, dampak sosial ekonomi sebagai akibat dari pertumbuhan penduduk
dan angka kelahiran yang tidak terkendali.
c. Program Spectrum dapat digunakan untuk perencanaan dan pengambilan keputusan.
Berdasarkan tujuan/target yang telah ditentukan maka akan ada konsekuensi-
konsekuensi yang harus dilakukan agar tujuan/target tersebut dapat tercapai.
d. Hasil program Spectrum dapat disusun berdasarkan alternatif-alternatif kebijakan yang
direncanakan dan akan diterapkan.

Tahap mengerjakan dengan aplikasi Spectrum

a. Isi Project Title sebagai judul skenario proyeksi yang akan dibuat. Selanjutnyatentukan
tahun awal dan tahun akhir sebagai rentang tahun yang akan diproyeksi.Kemudian Klik
Projection file name untuk menyimpan dan menentukan nama file yang akan disimpan.
 Menu Klik OK. Khusus menu EasyProj bisa digunakan jika hanya data untuk
penyusunan proyeksi tidak dimiliki. Dalam EasyProj terdapat datadata yang diperlukan
pada aplikasi DemProj seperti data TFR dan Life expectancy suatu negara yang
bersumber dari data UN.
b. Klik EDIT dan kemudian pilih menu DEMOGRAPHY (DemProj).
c. Dalam menu Demography (DemProj) terdapat dua pilihan menu, yaitu PROJECTION
PARAMETERS dan DEMOGRAPHIC DATA.
d. Klik PROJECTION PARAMETERS. Tentukan dan masukkan tahun dasar sertatahun
akhir proyeksi pada kolom first year dan final year. Kemudian isi CURRENCYNAME
untuk menandai keterangan nilai mata uang yang digunakan. Menu ini akanberfungsi
pada saat memasukkan data mengenai dana. Sebagai contoh dana yangdikeluarkan
pemerintah untuk membiayai pelayanan program KB. Maka dana yang akan dimasukkan
berdasarkan nilai mata uang tersebut. Kemudian pilih scale (units,thousands, millions)
untuk satuan dari mata uang yang akan digunakan. Khusus untuk DemProj, urban/rural
projection tidak digunakan. Sehingga klik Do not include urban/rural projection.
e. Selanjutnya klik DEMOGRAPHIC DATA. Dalam menu tersebut terdapat beberapa data
yang perlu diisi. Pertama, FIRST YEAR POPULATION merupakan data mengenai
jumlah penduduk pada tahun awal yang telah disepakati dengan dibagi berdasarkan
kelompok usia dan jenis kelamin. Kedua TOTAL FERTILITY RATE merupakan data
tentang total fertility rate pada tahun awal sampai dengan tahun terakhir. Ketiga ASFR
merupakan data mengenai kelahiran per 1000 wanita pada kelompok umur tertentu.
Selanjutnya, keempat SEX RATIO AT BIRTH merupakan angka rasio kelahiran dari
tahun awal sampai dengan tahun akhir. Kelima, LIFE EXPECTANCY merupakan data
angka harapan hidup berdasarkan kelompok jenis kelamin dari tahun awal sampai dengan
tahun akhir. Keenam, MODEL LIFE TABLE merupakan salah satu cara untuk
menganalisis angka kematian umur tertentu. Dalam model life table, memilih model yang
bersumber dari teori dan data UN berdasarkan data IMR. Ketujuh, International
migration merupakan data migrasi suatu wilayah yang dibagi menjadi tiga, yaitu net
migration merupakan data migrasi berdasarkan kelompok jenis kelamin dari tahun awal
sampai dengan tahun akhir, male age distribution merupakan persentase distribusi
migrasi pada pria berdasarkan kelompok usia dari tahun awal sampai dengan tahun akhir,
 female age distribution adalah persentase distribusi migrasi pada wanita berdasarkan
kelompok usia dari tahun awal sampai dengan tahun akhir.
f. Menggunakan DUPLICATE, yaitu blok kolom, baris, atau sel-sel yang akan diduplicate.
Sel pertama pada range itu harus menjadi nilai yang anda ingin copy.Blok hingga tahun
terakhir dengan menggunakan mouse (tekan tombol kiri dan tarik range) atau keyboard
(tekan tombol shift dan gunakan tombol panah untuk memblok). Klik DUPLICATE
untuk mengcopy nilai pada range awal pada seluruh sel yang dipilih (diblok). Sedangkan
untuk menggunakan tombol INTERPOLATE input nilai awal dan akhir. Kemudian blok
seluruh range dari awal sampai akhir yang diinginkan dalam sel-sel yang sesuai. Klik
INTERPOLATE untuk menghasilkan angka-angka pada sel-sel yang kosong sesuai hasil
interpolasi.
g. Penggunaan SOURCE adalah untuk merekap sumber-sumber data yang diinput diseluruh
menu dalam program Spectrum. (Seluruh data yang dimasukkan wajib dituliskan sumber
asal data).
h. Setelah memasukkan data, asumsi data serta pencapaian target, hasil proyeksi dapat
dilihat melalui menu DISPLAY. Pilih salah satu keterangan yang ingin disajikan. Sebagai
contoh Population dan memilih Total population.
i. Tampilan dapat di setting atau dimodifikasi. Menu yang tersedia adalah CHART TYPE
terdiri dari line 2 d, bar 2 d, bar 3 d, Horizontal bar 2 d, Horizontal bar 3 d dan table. SEX
terdiri dari Both adalah kedua jenis kelamin, Male adalah
j. tampilan untuk penduduk pria saja, Female adalah tampilan untuk penduduk wanita saja.
DISPLAY INTERVAL adalah tampilan data berdasarkan interval tahunan, seperti single
year adalah tampilan data setiap tahun, five year adalah tampilan data dengan interval
lima tahunan, ten year adalah tampilan data dengan interval sepuluh tahunan. First year
dan final year adalah tahun yang ingin ditampilkan. TABLE PLUS CHART adalah
tampilan dengan memunculkan table data.
Hasil Pengolahan Data Dengan Aplikasi Spectrum
Populasi penduduk DKI Jakarta tahun 2010
Umur Male Female
0-4 427,049 402,775
5-9 401,341 375,207
10-14 351,527 339,847
15-19 387,215 428,599
20-24 502,470 507,929
25-29 586,344 558,568
30-34 514,311 477,849
35-39 435,345 401,274
40-44 360,728 337,012
45-49 283,987 279,466
50-54 220,852 219,887
55-59 161,124 151,791
60-64 100,132 101,346
65-69 68,691 68,270
70-74 39,225 43,716
75-79 18,447 23,328
80+ 12,150 19,985
Jumlah 4,870,938 4,736,849

Proyeksi TFR DKI Jakarta 2010-2035

ASFR DKI Jakarta 2010-2035

Umur 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
15-19 3.34% 3.55% 3.76% 3.97% 4.18% 4.39% 4.39% 4.39% 4.39% 4.39% 4.39% 4.39% 4.39% 4.39% 4.39%
20-24 23.15% 23.61% 24.07% 24.52% 24.98% 25.44% 25.44% 25.44% 25.44% 25.44% 25.44% 25.44% 25.44% 25.44% 25.44%
25-29 30.55% 30.14% 29.73% 29.33% 28.92% 28.51% 28.51% 28.51% 28.51% 28.51% 28.51% 28.51% 28.51% 28.51% 28.51%
30-34 22.91% 22.98% 23.05% 23.11% 23.18% 23.25% 23.25% 23.25% 23.25% 23.25% 23.25% 23.25% 23.25% 23.25% 23.25%
35-39 15.51% 15.52% 15.53% 15.55% 15.56% 15.57% 15.57% 15.57% 15.57% 15.57% 15.57% 15.57% 15.57% 15.57% 15.57%
40-44 4.53% 4.11% 3.68% 3.26% 2.83% 2.41% 2.41% 2.41% 2.41% 2.41% 2.41% 2.41% 2.41% 2.41% 2.41%
45-49 0.00% 0.09% 0.18% 0.26% 0.35% 0.44% 0.44% 0.44% 0.44% 0.44% 0.44% 0.44% 0.44% 0.44% 0.44%
Total (%) 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%

Proyeksi sex ratio DKI Jakarta 2010-2035

Proyeksi angka harapan hidup DKI Jakarta 2010-2035

Proyeksi Net Migration DKI Jakarta 2010-2035

Proyeksi jumlah penduduk DKI Jakarta 2010-2035

Kesimpulan proyeksi penduduk DKI Jakarta dari tahun 2010-2035:
a. Proyeksi TFR DKI Jakarta dari tahun 2010-2035 mengalami penurunan setiap
tahunnya.
b. Proyeksi sex ratio DKI Jakarta dari tahun 2010-2035 mengalami penurunan
setiap tahunnya walaupun tidak signifikan.
c. Proyeksi angka harapan hidup DKI Jakarta dari tahun 2010-2035 mengalami
kenaikan setiap tahunnya.
d. Proyeksi net migration hidup DKI Jakarta dari tahun 2011-2019 dan stagnan pada
tahun 2021 sampai 2035.
e. Proyeksi pertumbuhan penduduk DKI Jakarta dari tahun 2010 sampai 2035
mengalami kenaikan.
Daftar Pustaka
1. Samosir, Omas Bulan dan Wilson Rajagukguk. 2018. Demografi Formal. Jakarta:UKI
Press
2. Buku Proyeksi Penduduk Indonesia 2010-2035