MODEL DINAMIKA PENINGKATAN USIA PRODUKTIF

DENGAN MENINGKATKAN KUALITAS SUMBER DAYA

MANUSIA BERDASARKAN TINGKAT PENDIDIKAN

Makalah ini diajukan untuk memenuhi persyaratan

MATA KULIAH ANALISIS SISTEM DAN
PERMODELAN LINGKUNGAN

Oleh

ANNISA RAMADANI
214621518015

FAKULTAS BIOLOGI
UNIVERSITAS NASIONAL
JAKARTA
2022
 DAFTAR ISI

Halaman

DAFTAR ISI .................................................................................................................... ii

BAB I PENDAHULUAN .................................................................................................1
BAB II METODE ..............................................................................................................3
A. Tempat dan waktu................................................................................................. 3
B. Variabel................................................................................................................. 3
C. Causal Loop Diagram (CLD) ............................................................................... 4
D. Stock - Flow - Diagram ......................................................................................... 5
E. Evaluasi model...................................................................................................... 6
BAB III HASIL DAN PEMBAHASAN ...........................................................................7
BAB IV KESIMPULAN .................................................................................................11
DAFTAR PUSTAKA ......................................................................................................13

ii
 BAB I PENDAHULUAN

Jawa Barat merupakan salah satu provinsi dengan jumlah penduduk terpadat di
Indonesia. Berdasarkan data BPS, terdapat sebanyak 49.565.000 jiwa dengan laju
pertumbuhan sebesar 1,26 pada tahun 2020. Sekitar 5% populasinya berada di ibu kota,
tepatnya di wilayah Kota Bandung yaitu 2.490.386 jiwa. Pertumbuhan penduduk yang
terus meningkat ini tentu akan mempengaruhi pertumbuhan ekonomi suatu wilayah,
khususnya keberadaan lapangan pekerjaan yang sangat dibutuhkan para usia produktif
dalam mencari penghasilan. Hal ini sejalan dengan pernyataan Word Poulation Review
(2022), bahwa petumbuhan dan perkembangan ekonomian Indonesia terancam
melambat akibat meningkatnya pertumbuhan penduduk. Namun bila pertumbuhan
penduduk rendah, maka dapat menghasilkan PDB per kapita tinggi yang mengarah pada
pendapatan lebih tinggi, tabungan lebih tinggi, investasi lebih tinggi, dan dapat
menurunkan tingkat kemiskinan.
Salah satu upaya peningkatan ekonomi suatu wilayah, maka perlu adanya
peningkatan kualitas SDM seperti bersekolah setinggi-tingginya dan memperoleh
pendidikan yang berkualitas. Pada tahun 2021, Indonesia berada diperingkat 55 dari 73
negara, di mana terdapat peningkatan satu peringkat lebih tinggi dari tahun 2020
(Aisyah, 2021). Namun sangat disayangkan, Kota Bandung mengalami penurunan yang
bersekolah hingga tingkat SMA, dari 59.541 siswa (tahun ajaran 2019/2020) menjadi
58.865 siswa (tahun ajaran 2020/2021) (BPS, 2021). Hal ini bisa disebabkan karena
adanya pandemi Covid-19 yang mengharuskan belajar dari rumah, perekonomian sulit,
banyak terjadi PHK di mana-mana, sehingga mungkin lebih banyak yang beranggapan
tidak perlu bersekolah tinggi-tinggi yang penting berpenghasilan untuk bertahan hidup.
Menurut teori pertumbuhan model Solow, ketersediaan faktor produksi
(penduduk, tenaga kerja, akumulasi modal) dan tingkat kemajuan teknologi akan sangat
mempengaruhi pertumbuhan ekonomi, sehingga penting sekali keberadaan populasi
dalam satu wilayah dalam pelaksanaan pembangunan. Penduduk didefinisikan sebagai
orang yang sehari-hari tinggal di suatau wilayah tertentu. Ketika suatu daerah akan
mengambil kebijakan, maka akan sangat dipengaruhi oleh jumlah penduduk,
pertumbuhan, persebaran, serta kepadatan penduduk (Todaro dan Smith, 2014; GTK
DIKDAS, 2021).

1
 Penduduk dimuka bumi ini tersebar dan terkonsentrasi secara tidak merata. Hal
ini dapat dilihat dari hasil sensus yang dilakukan setiap negara bahwa penduduk tinggal
secara menyebar dan terlihat ketidak merataannya setelah dipetakan (GTK DIKDAS,
2021). Maka dari itu, pola kehidupan yang dinamis dan berubah-ubah oleh berbagai
faktor seperti adanya pandemi. Proses tersebut dapat dimodelkan dengan sofware
STELLA®, di mana ia akan membantu menggambarkan/simulasi kondisi masa yang
akan datang. Metode ini telah dikembangkan oleh Jay W. Forrester dengan cara
menganalisis permasalahan dalam jangka waktu tertentu dan variabel-variabel terbatas
yang telah ditentukan sebelumnya. Hal ini akan memudahkan dalam membuat
keputusan-keputusan yang lebih baik bijak (Suryani, 2005; Oktavariani dan Sofyan,
2015).
Berdasarkan hal tersebut, maka tujuan dari penulisan makalah ini adalah untuk
memodelkan populasi usia produktif Kota Bandung hingga tahun 2045 dengan cara
meningkatan kualitas sumber daya manusia (SDM) berdasarkan tingkat pendidikannya.
Diharapkan makalah ini dapat membuat prediksi yang menyerupai dengan realita yang
akan dihadapi nanti, sehingga angka pengangguran akan menurun.

2
 BAB II METODE

A. Tempat dan waktu

Makalah ini dikerjakan pada 16 Juli – 6 Agustus 2022 secara take home
menggunakan sofware STELLA® dan sofware Super Decisions.

B. Variabel
Variabel yang digunakan dalam makalah terdiri dari empat variabel, berupa
populasi awal kategori usia, angka pertumbuhan kategori usia, angka kematian kategori
usia, serta skenario tingkat pendidikan yang terpilih berdasarkan Analytical Hierarchy
Process (AHP). Kategori usia dikelompok menjadi tiga bagian, yaitu non produktif
(<15), produktif (15-64), dan lansia (>64) (Tabel 1).

Tabel 1. Variabel makalah

No. Variabel Definisi Operasional Variabel (DOV)

Populasi awal kategori usia Kota

Populasi Bandung 566.741 jiwa (non produktif),
1. awal 1.727.845 jiwa (produktif), dan 126.703
kategori usia jiwa (lansia).

Angka Angka pertumbuhan kategori usia Kota

pertumbuha Bandung -0.01 (non produktif), -0.04
2.
n kategori (produktif), dan 0.039 (lansia).
usia
Angka kematian kategori usia Kota
Angka Bandung 46.786 jiwa (non produktif),
3. kematian -40354 jiwa (produktif), dan 36.699
kategori usia jiwa (lansia).

Hasil skenario AHP diperoleh dari

pengolahan sofware Super Desicions.
4. Skenario Mencari kualitas SDM dari tingkat
pendidikan yang paling unggul.

3
C. Causal Loop Diagram (CLD)
Causal Loop Diagram (CLD) merupakan pemetaan variabel dalam bentuk
diagram sebab-akibat. Penggambaran diagram sebab akibat ditandai dengan tanda panah.
Bila hubungannya searah, maka di ujung tanda panah diberi tanda + (tambah); bila
hubungannya berlawanan arah, maka diberi tanda – (kurang).
Angka kematian akan mengurangi populasi Kota Bandung, sehingga tanda
panahnya berlawanan dan bertanda – (kurang). Angka kematian kategori usia diperoleh
dengan cara sebagai berikut:

Kematian tahun ini = Populasi tahun ini + Kelahiran tahun ini − Populasi tahun depan

Lalu, pada pertumbuhan kategori usia akan mempengaruhi pertambahan

penduduk Kota Bandung sehingga tandanya + (tambah) karena arahnya searah. Selain
itu, skenario yang dibuat juga akan meningkatkan jumlah populasi, khususnya populasi
usia produktif (15-64 tahun) (Gambar 1). Cara perolehan angka pertumbuhannya
sebagai berikut:

Angka pertumbuhan tahun ini =

Populasi tahun ini − Populasi tahun sebelumnya) ÷ Populasi tahun sebelumnya

+ +

Pertumbuhan Populasi Kategori Usia Kematian

-
+ +

Skenario

Gambar 1. Causal Loop Diagram (CLD) model populasi Kota Bandung

4
D. Stock - Flow - Diagram
Hubungan antar variabel yang telah disajikan sebelumnya kemudian
diterjemahkan ke dalam Stock - Flow - Diagram (SFD). Rincian variabelnya sebagai
berikut:
1. Populasi Kota Bandung
Pertama, membuat stock populasi Kota Bandung kategori usia yang telah diketahui
jumlah populasinya. Kemudian, menambahkan out flow untuk kematian populasi kategori
usia disertai converter kematian kategori usia, dan in flow untuk pertumbuhan kategori usia
disertai converter angka pertumbuhan kategori usia. Setelah itu, semua dihubungkan
dengan menggunakan action connector dan stock populasi Kota Bandung kategori usia
dijumlahkan dengan conventer summer (Gambar 2).

Gambar 2. Stock - Flow - Diagram (SFD) model populasi Kota Bandung

2. Skenario
Setelah pembuatan model SFD populasi Kota Bandung kategori usia selesai, maka
dibuatlah stock skenario yang telah melalui proses AHP dengan sofware Super Desicions.
Kemudian, menambahkan in flow kualitas SDM untuk stock produktif disertai converter
tingkat pendidikan yang digunakan dalam AHP. Setelah itu, semua dihubungkan dengan
menggunakan action connector (Gambar 3).

5
E. Evaluasi model
Evaluasi model dilakukan untuk mengetahui kesesuaian model dengan keadaan
sebenarnya. Proses evaluasi ini dilakukan dengan mengamati kelogisan model dengan
membandingkan dunia nyata atau mondel andal yang serupa. Hasil validasi model ini
dapat digunakan menjadi acuan dalam menentukan keputusan ke depannya. Berikut
hasil validasi yang diporoleh:

Tabel 2. Hasil validasi data yang diperoleh dengan model

Tahun Data Populasi Model Populasi

2017 2.421.289 2.421.289

2018 2.503.708 2.426.919
2019 2.507.888 2.431.915
Rerata 2.477.628 2.426.708
AME 2.055218

Gambar 3. Stock - Flow - Diagram (SFD) model skenario meningkatkan populasi produktif

6
 BAB III HASIL DAN PEMBAHASAN

Berdasarkan hasil grafik, didapatkan prediksi populasi Kota Bandung dari

tahun 2017 sampai 2045 mengalami kenaikan maupun penurunan pada masing-masing
kategori usia (Gambar 4). Pada usia non produktif terus mengalami penurunan hingga
drastis saat memasuki tahun ketujuh. Hal ini diakibatkan karena tingginya angka
kematian yang terjadi pada usia non produktif, sehingga perlu ada upaya-upaya
peningkatan angka pertumbuhan pada usia produktif.

Gambar 4. Grafik model populasi Kota Bandung hingga 2045

Pada usia produktif, grafiknya mengalami penaikkan di awal tahunnya. Lalu

mulai terjadi penurunan saat memasuki tahun ketujuh, karena dipengaruhi oleh
penurunan populasi usia non produktif, sedangkan usia lansia mengalami kenaikan terus
setiap tahunnya. Hal ini bisa disebabkan karena usia populasi yang mulai menurun
sudah mulai memasuki usia lansia. Banyak faktor yang bisa mempengaruhi kenaikan
dan penurunan populasi suatu wilayah. Namun pada proses model ini, hanya
menggunakan data BPS populasi dan selebihnya menggunakan perhitungan matematis.
Geografi dapat mengkaji kepadatan penduduk dengan cara menganalisis
faktor-faktor geografis yang menjadikan suatu wilayah padat penduduknya. Kepadatan
penduduk dapat dinyatakan dalam kepadatan aritmetik, kepadatan fisiologis, dan
kepadatan agraris. Setiap wilayah tidak mengalami peristiwa-peristiwa tetap terkait

7
dengan kependudukan. Hal ini dipengaruhi oleh kelahiran, kematian, maupun berpindah
tempat. Maka dari itu, kajian kependudukan tidak hanya dilakukan pada suatu dekade
saja, tetapi secara terus-menerus dilakukan (GTK DIKDAS, 2021).
Setelah itu, dianalisis menggunakan sofware Super Decisions untuk meningkat
populasi produktif serta kualitasya, agar saat usia produktif lebih banyak yang
bekerja/sekolah dibandingkan menganggur (Gambar 5). Hasil yang diperoleh paling
tinggi ialah pendidikan tingkat SMA dengan nilai 0,64, disusul dengan tingkat SMP
senilai 0,26, dan terakhir SD memperoleh nilai 0,1 (Gambar 6). Maka, saat membuat
skenario di dalam STELLA® diperolehlah grafik usia produktif yang mulai meningkat
setiap tahunnya (Gambar 7). Dalam skenairo dimasukkan semua alternatif pendidikan
untuk lebih meningkatkan populasi produktif dan semakin meningkatkan kualitasnya.

Gambar 5. Skenario AHP kualitas SDM dengan sofware Super Decisions

Gambar 6. Hasil AHP kualitas SDM

8
 Gambar 7. Validasi model populasi serangga dan burung

Menurut Olabiyi (2004) terdapat beberapa variabel yang mempengaruhi faktor

pertumbuha nekonomi, yaitu pengeluaran pemerintah (goverment expenditure),
tingkattabungan (saving rate), Angka partisipasi sekolah dan keterbukaan perdagangan
(trade openess). Berdasarkan penelitian Kurniawati dan Sugiyanto (2021), menyatakan
bahwa kelompok umur 15–29 tahun belum berpengaruh terhadap pertumbuhan
ekonomi, karena masih didominasi yang menempuh pendidikan. Kelompok umur 30–49
tahun lebih berpengaruh terhadap pertumbuhan ekonomi dan cenderung produktif
karena bekerja merupakan hal yang utama. Lalu, kelompok umur 50–64 masih
tergolong produktif dan berpengaruh terhadap pertumbuhan ekonomi, walaupun
pengaruhnya cenderung tidak signifikan karena sudah mulai memasuki usia lansia.

9
 BAB IV KESIMPULAN

Berdasarkan hasil model dinamika peningkatan usia produktif dengan

meningkatkan kualitas sumber daya manusia berdasarkan tingkat pendidika, maka
dapat dapat disimpulkan sebagai berikut:
1. Baseline yang dihasilkan sudah tervalidasi dengan melihat hasil AME yang
diperoleh, yaitu 2.055218.
2. Angka pertumbuhan dan kematian setiap populasi kategori usia akan sangat
mempengaruhi hasil grafik yang diperoleh.
3. Skenario kualitas SDM berdasarkan tingkat pendidikan dapat meningkatkan
populasi usia produktif dan juga meningkatkan kualiatasnya.

11
 DAFTAR PUSTAKA

Aisyah N. 2021. 5 Negara ASEAN dengan Sistem Pendidikan Terbaik Tahun 2021, RI
Termasuk? https://www.detik.com/. Diakses tanggal 4 Agustus 2022.

Dinas Kesehatan Kota Bandung. Profil Kesehatan Kota Bandung.

https://dinkes.bandung.go.id/. Diakses tanggal 23 Juli 2022.

GTK DIKDAS. 2021. Modul belajar mandiri calon guru: aparatur sipil negara (ASN)
pegawai pemerintah dengan perjanjian kerja (PPPK), bidang studi Ilmu
pengetahuan sosial – geografi. Kementerian Pendidikan dan Kebudayaan.

Kurniawati E, Sugiyanto C. 2021. Pengaruh struktur umur penduduk terhadap

pertumbuhan ekonomi di Indonesia. Jurnal Ekonomi dan Pembangunan
Indonesia 21 (1): 41–58.

Open Data. Jumlah penduduk berdasarkan kelompok umur. http://data.bandung.go.id/.

Diakses tanggal 18 Juli 2022.

Oktavariani D, Sofyan A. 2015. Sistem dinamik optimalisasi penggunaan energi sektor

domestik di dua desa Kabupaten Bandung Barat. Jurnal Teknik Lingkungan 21
(1): 66-76.

Olabiyi AK. 2004. The effects of population dynamic growth in Nigeria. Research
Journal 2 (1).

Suryani E. 2005. Model simulasi sistem dinamik dalam sistem produksi dan
pertumbuhan pasar. JUTI 4 (2): 112-117.

Todaro MP, Smith SC. 2014. Economic development (12th edn.). Pearson. New Jersey.

World Population Review. 2022. Indonesia population 2022.

https://worldpopulationreview.com/. Diakses tanggal 4 Agustus 2022.

13
Lampiran

Tabel Lampiran 1. Data populasi Kota Bandung perkategori usia

(http://data.bandung.go.id/)

Populasi
Tahun Total
<15 15-64 >64
2016 571.661 1.797.006 121.955 2.490.622
2017 566.741 1.727.845 126.703 2.421.289
2018 561.805 1.810.049 131.854 2.503.708
2019 556.614 1.813.815 137.459 2.507.888
2020 582.404 1.732.273 175.709 2.490.386

Tabel Lampiran 2. Data kematian dan pertumbuhan Kota Bandung perkategori usia
(https://dinkes.bandung.go.id/)

K P K P K P
Tahun Kelahiran
<15 15-64 >64
2017 41850 46786 -0.009 -40354 -0.038 36699 0.039
2018 41001 46192 -0.009 37235 0.048 35396 0.041
2019 41834 16044 -0.009 123376 0.002 3584 0.043

Keterangan:
K = Kematian
P = Pertumbuhan

15