MODUL PRAKTIKUM

PERENCANAAN KEPENDUDUKAN

UMI LISTYANINGSIH

1
 ACARA 1.

I. JUDUL: PEMECAHAN UMUR SPROUGE

II. TUJUAN
a. Mahasiswa terampil merubah kelompok umur lima tahunan menjadi umur satu tahunan
b. Mahasiswa dapat mengklasifikasikan lagi umur sesuai dengan kebutuhan analisis

III. Alat dan Bahan

a. Program excell
b. Data Penduduk menurut umur lima tahunan
IV. Dasar Teori
Umur dalam perencanaan kependudukan merupakan aspek yang sangat penting.
Informasi tentang umur sangat sulit didapatkan secara tepat. Lupa dengan tanggal,
bulan dan kelahiran sering terjadi pada penduduk umur tua karena pencatatan
kelahiran pada masa itu kurang bagus. Seiring berjalannya waktu, pencatatan
kelahiran atau akte kelahiran sudah dimiliki oleh sebagian besar penduduk karena
akte kelahiran dijadikan sebagai salah satu syarat pendaftaran siswa sekolah.
Umur dihitung berdasarkan ulang tahun terakhir, artinya penghitungan umur tidak
hanya mengacu pada tahun kelahiran namun juga melihat tanggal dan bulan
kelahiran. Sesuai dengan kesepakatan, bagi penduduk yang lupa akan tanggal dan
bulan kelahiran makan langsung diperkirakan dengan 30 Juni sesuai dengan aturan
menteri dalam negeri.
Informasi umur adalah informasi individu yang bersifat tunggal. Namun demikian,
untuk mengakses data dari BPS terkadang mengalami kendala dengan alasan menjadi
kerahasiaan identitas warga negara. Untuk itu, pembuat kebijakan atau pengguna data
cukup puas dengan mengakses layanan data publikasi yang sangat terbatas.
Data publikasi dari BPS, umur dinyatakan dalam kelompok 5 tahunan. Sementara itu,
untuk membuat perencanaan klasifikasi umur yang dibutuhkan tidak 5 tahunan.
Contoh klasifikasi umur pendidikan yaitu SD 7-12 tahun, SMP 13-15 tahun, SMA 16
tahun keatas.
Untuk keperluan perencanaan pendidikan seperti yang dicontohkan di atas perlu
sebelumnya melakukan pemecahan umur lima tahunan menjadi satu tahunan.
V. Langkah Kerja

1. P(3 – 4) = a1 . P (3 - 7) + a2 . P (8 – 12) + a3 P (13 – 17)

= 0,5840 . 400064 + (-0,2480) . 425208 + 427278

= 555.464
2. P (5 – 7) = P (3 – 7) – P (3 – 4)
= 400.064 - 168.998
= 231.066

2
3. P (8 – 9) = B1 . P (3 – 7 ) + B2 . P (8 – 12) + B3 . P (13 – 17)
= 0,0455 . 400064 + 0,7140 . 425208 + (- 0,0595) . 427278
= 18.200,9 + 303898,5 + (- 25423)
= 296.676
4. P (10 – 12) = P ( 8 – 12) – P ( 8 –9)
= 425208 - 157787
= 267.421
5. P (13 – 14) = B1 . P(8 – 12) + B2. P (13 – 17) + B3. P (18 – 22)
= 0,0455 . 425208 + 0,7140 . 427278 + (- 0,0595) . 382339
= 19346.9 + 305076 + (- 22749)
= 301.674
6. P ( 15 – 17) = P ( 13 – 17) – P (13 – 14)
= 427278 – 171576
= 255.702
7. P (18 – 19) = B1 . P (13 – 17) + B2 . P (18 – 22) + B3 . P (23 – 27)
= 0,0455 . 427278 + 0,7140 . 382339 + (- 0,0595) . 324997
= 19441 + 272990 + (- 19337)
= 273094
8. P (20 – 22) = P (18 – 22) – P (18 – 19)
= 425208 – 155824
= 269.388
9. P (23 – 24) = B1 . P (18 – 22) + B2 . P (23 – 27) + B3 . P (28 – 32)
= 0,0455 . 425208 + 0,7140 . 324997 + (- 0,0595) . 273161
= 19347 + 232048 + (-16253)
= 235142
10. P (25 – 27) = P (23 – 27) – P (23 – 24)
= 324997 - 125290
= 199707
11. P (28 – 29) = B1 . P (23 – 27) + B2 . P (28 – 32) + B3 . P (33 – 37)
= 0,0455 . 324997 + 0,7140 . 273161 + (- 0,0595) . 231581
= 14787 + 195037 + (- 13779)

3
 = 196045
12. P (30 – 32) = P (28 – 32) – P (28 – 29)
= 273161 - 103014
= 170147
13. P (33 – 34) = B1 . P (28 – 32) + B2 . P (33 – 37) + B3 . P (38 – 42)
= 0,0455 . 273161 + 0,7140 . 231581 + (- 0,0595) . 209761
= 12429 + 165349 + (- 12481)
= 165297
14. . P (35 – 37) = P (33 – 37) – P (33 – 34)
= 231581 – 77901
= 153680
15. P (38– 39 = B1 . P (33 –37 ) + B2 + P (38 - 42) + B3 . P (43 – 47)
= 0,0455 . 231581 + 0,7140 . 209761 + (- 0,0595) . 142849
= 10537 + 149769 + - 8499
= 151806
16. P (40 – 42) = P (38 – 42) – P (38 – 39)
= 209761 – 77413
= 132348
17. P(43 – 44) = A1 . P(33 – 42) + A2 . P(43 – 52) + A3 . P (53 – 62)
= 0,0480 . 441342 + 0,1840 . 258231 + (-0,0320) . 152834
= 21184 + 47514 + - 4891
= 63807
18. P(50 – 52) = P(43– 52) – B1 . P (33 – 42) + B2 . P (43 – 52) + B3 . P (53 – 62) 
= 258231 - 0,0455 . 441342 + 0,7140 . 258231 + (- 0,0595) . 152834
= 258231 –  20081 + 184377 + (- 9094) 
= 258231 – 195364
= 62867
19. P (45 – 49) = P (43 – 52) – P (43 – 44) – P (50 – 52)
= 258231 – 50537 – 72611
= 135
20. P (53 – 54) = A1 . P (43 – 52) + A2 . P (53 – 62) + A3 . P (63 – 72)

4
 = 0,0480 . 258231 + 0,1840 . 152834 + (- 0,0320) . 90508
= 12395 + 28121 + (- 2896)
= 37620
21. P (60 – 62) = P (53 – 62) - B1 . P (43 – 52) + B2 . P (53 – 62) + B3 . P (63 – 72) 
= 152834 - 0,0455 . 258231 + 0,7140 . 152834 + (- 0,0595) . 90508
= 152834 - 11749 + 109123 + (- 5385)
= 37347
22. P (55 – 59) = P (53 – 62) – P (53 – 54) – P (60 – 62)
= 152834 - 26434 - 53785
= 72615
23. P (63 – 64) = C1 . P (43 – 52) + C2 . P (53 – 62) + C3 . P ( 63 – 72 )
= (- 0,0320) . 258231 + 0,1440 . 152834 + 0,0880 . 90508
= (- 8263) + 22008 + 7965
= 21710
24. P (70 – 72) = P (63 – 72) –  D1 . P (43 – 52) + D2 . P (53 – 62) + D3 . P (63 – 72) 
= 90508 -  0,0595 . 258231 + 0,2240 . 152834 + 0,5355 . 90508 
= 90508 -  15365 + 34235 + 48467 

= - 7559
25. P (65 – 69) = P (63 – 72) – P (63 – 64) – P (70 – 72)
= 90508 - 16185 - 29010
= 45313
26. P (0 – 4) = P (0 – 4)* + P (3 – 4)** - P (3 – 4)*
= 389856 + 555464 + 168998
= 1114318
27. P (70 + ) = P (70 + )* + P (70 – 72)** - P (70 – 72)*
= 64663 + (-7559) - 29010

= 28094

5
 First Panel (0-4) tahun
Kelompok umur 0-4 5-9 10-14 15-19
Jumlah penduduk
0 0.3616 -0.2768 0.1488 -0.0336
1 0.264 -0.096 0.04 -0.008
2 0.184 0.04 -0.032 0.008
3 0.12 0.136 -0.072 0.013
4 0.0704 0.1968 -0.0848 0.0176

Next to first panel (5-9) tahun

Kelompok umur 0-4 5-9 10-14 15-19
Jumlah penduduk
5 0.0336 0.2272 -0.0752 0.0144
6 0.008 0.232 -0.048 0.008
7 -0.008 0.216 -0.008 0
8 -0.016 0.184 0.04 -0.008
9 -0.0176 0.1408 0.0912 -0.0144

Middle Panel (10-14) tahun

Kelompok umur 0-4 5-9 10-14 15-19 20-24
Jumlah penduduk
10 -0.0128 0.0848 0.1504 -0.024 0.0016
11 -0.0016 0.0144 0.2224 -0.0416 0.0064
12 0.0064 -0.0366 0.2544 -0.0336 0.0064
13 0.0064 -0.0416 0.2224 0.0144 -0.0016
14 0.0016 -0.024 0.1504 0.0848 -0.0128

Middle panel 15-19

Kelompok umur 5-9 10-14 15-19 20-24 25-29
Jumlah penduduk
15 -0.0128 0.0848 0.1504 -0.024 0.0016
16 -0.0016 0.0144 0.2224 -0.0416 0.0064
17 0.0064 -0.0366 0.2544 -0.0336 0.0064
18 0.0064 -0.0416 0.2224 0.0144 -0.0016
19 0.0016 -0.024 0.1504 0.0848 -0.0128

VI. TUGAS
Mahasiswa dibagi menurut propinsi melakukan latihan metode splitting dengan menggunakan
data penduduk satu tahunan

6
ACARA 3. EVALUASI UMUR PIRAMIDA DAN JOINT SCORE INDEKS

1. Evaluasi Umur dengan Metode Piramida Penduduk

Piramida penduduk berguna untuk mengetahui distribusi penduduk menurut jenis kelamin
dan umur. Piramida penduduk dapat dibuat berdasarkan kelompok umur satu tahunan dan
lima tahunan. Piramida penduduk satu tahunan dapat digunakan untuk evaluasi data
kecenderungan penduduk terhadap suatu umur tertentu ketika dilakukan pendataan. Ada
kecenderungan penduduk menyukai angka yang berakhiran dengan 0 (nol) dan 5 (lima). Hal
ini dapat ditunjukkan dari semakin melebarnya sayap pada setiap kelompok umur yang
berakhiran dengan angka tersebut.
Pembuatan piramida penduduk dapat dilakukan dengan sederhana yakni memindahkan
informasi data penduduk satu tahunan atau lima tahunan menurut jenis kelamin ke dalam
kertas milimeter. Sayap kanan digunakan untuk memindahkan data-data kelompok jenis
kelamin laki-laki dan sayap kiri digunakan untuk menggambarkan informasi jenis kelamin
perempuan.

b. Data yang diperlukan:

Penduduk laki-laki dirinci dalam kelompok umur lima tahunan.
Penduduk perempuan dirinci dalam kelompok umur lima tahunan.
Jika digunakan untuk membuat suatu plot dari dua distribusi maka diperlukan pula data
Penduduk laki-laki dirinci dalam kelompok umur lima tahunan dan penduduk perempuan
dirinci dalam kelompok umur lima tahunan bagi distribusi kedua.

2. Landasan Konseptual
Total penduduk dihitung untuk setiap distribusi sebagai berikut:
y −5
TP =  ( MP +
x =0,5
5 x 5 FPx) + MPy + + FPy +

Dimana 5MPx merupakan penduduk laki-laki dari umur x, x+4

5FPx merupakan penduduk perempuan dari umur x, x+4
y adalah batas atasdari kelompok umur lima tahunan terakhir

7
 MPy+ merupakan kelompok umur yang terbuka pada akhir kelompok penduduk
laki-laki
FPy+ merupakan kelompok umur yang terbuka pada akhir kelompok penduduk
perempuan.

Persentase penduduk setiap kelompok umur dan jenis kelamin dihitung dengan rumusan sebagai
berikut:
5 MPx
5 PMPx =
TP

Persentase untuk penduduk perempuan digunakan cara yang sama seperti di atas.
Jika data yang diberikan untuk dua distribusi, distribusi kedua mengikuti prosedur yang sama
dan kedua distribusi tersebut akan di-plot pada grafik yang sama

2. Joint score indeks

Untuk menghitung umur dan rasio jenis kelamin (sex ratio)dari suatu distribusi penduduk
menurut jenis kelamin dan kelompok umur lima tahunan. Dihitung pula skor rasio jenis
kelamin, skor rasio umur, dan skor gabungan umur dan jenis kelamin sesuai dengan yang
didefinisikan oleh United Nations (PBB). Cara mendapatkan nilai JSI sebagai berikut:

8
 Penduduk Laki-laki Perempuan
Umur L P Sex Ratio Selisih Rasio Deviasi Rasio Deviasi
5–9 360 956 349 941 103 4 108 8 111 11
10 - 14 362 561 346 438 105 2 115 15 119 19
15 - 19 269 791 231 195 117 2 100 0 82 -18
20 - 24 178 221 216 766 82 35 78 -22 98 -2
25 - 29 187 284 211 586 89 7 100 0 102 2
30 - 34 195 273 199 340 98 9 104 4 102 2
35 - 39 187 160 181 025 103 5 110 10 116 16
40 - 44 145 199 113 937 127 24 105 5 86 -14
45 - 49 88 817 85 253 104 23 78 -22 97 -3
50 - 54 81 193 62 152 131 27 108 8 85 -15
55 - 59 61 001 61 016 100 31 97 -3 103 3
60 - 64 44 363 56 835 78 22 98 -2 117 17
65 - 69 29 728 36 071 82 4 82 -18 85 -15
70 - 74 28 386 27 694 102 20 117 17 102 2
Jmlh () 221993 2179249 1 421 215 1 405 134 1 405 139

Pada akhirnya indeks gabungan (joint score index) didefinisikan sebagai berikut:

JS = 3KS + MAS + FAS

Dimana MAS dan FAS merupakan skor rasio umur laki-laki dan perempuan
KS adalah skor rasio jenis kelamin
Jika JS < 20 maka umur tersebut dapat diterima
20  JS  40 mengindikasikan pelaporan umur tidak akurat
JS > 40 menunjukkan adanya kesalahan yang besar dalam pelaporan umur.

9
 ACARA 4. PERAPIHAN UMUR QUADRATIC

Data yang digunakan untuk metode ini adalah penduduk menurut umur interval satu tahunan.
Agar klasifikasi umur sesuai dengan yang biasa ada maka dilakukan pengelompokan ulang
setalah dilakukan pengelompokan menurut metode ini.
Rumus yang digunakan adalah sebagai berikut:
P(3-4) = a1 . P(3-7) + a2 . P(8-12) + a3 . P(13-17)
P(5-7) = P(3-7) - P(3-4)
P(8-9) = b1 . P(3-7) + b2 . P(8-12) + b3 . P(13-17)
P(10-12) = P(8-12) - P(8-9)
P(13-14) = b1 . P(8-12) + b2 . P(13-17) + b3 . P(18-22)
P(15-17) = P(13-17) - P(13-14)
P(18-19) = b1 . P(13-17) + b2 . P(18-22) + b3 . P(23-27)
P(20-22) = P(18-22) - P(18-19)
P(23-24) = b1 . P(18-22) + b2 . P(23-27) + b3 . P(28-32)
P(25-27) = P(23-27) - P(23-24)
P(28-29) = b1 . P(23-27) + b2 . P(28-32) + b3 . P(33-37)
P(30-32) = P(28-32) - P(28-29)
P(33-34) = b1 . P(28-32) + b2 . P(33-37) + b3 . P(38-42)
P(35-37) = P(33-37) - P(33-34)
P(38-39) = b1 . P(33-37) + b2 . P(38-42) + b3 . P(43-47)
P(40-42) = P(38-42) - P(38-39)
P(43-44) = A1 . P(33-42) + A2 . P(43-52) + A3 . P(53-62)
P(50-52) = P(43-52) - {B1 . P(33-42) + B2 . P(43-52) + B3 . P(53-62)}
P(45-49) = P(43-52) - P(43-44) - P(50-52)
P(53-54) = A1 . P(43-52) + A2 . P(53-62) + A3 . P(63-72)
P(60-62) = P(53-62) -{B1 . P(43-52) + B2 . P(53-62) + B3 . P(63-72)}
P(55-59) = P(53-62) - P(53-54) - P(60-62)
P(63-64) = C1 . P(43-52) + C2 . P(53-62) + C3 . P(63-72)
P(70-72) = P(63-72) - {D1 . P(43-52) + D2 . P(53-62) + D3 . P(63-72)}
P(65-69) = P(63-72) - P(63-64) - P(70-72)

10
P(0-4) = P(0-4) + P(3-4) - P(3-4)
P(70+) = P(70+) + P(70-72) - P(70-72)

Koefisien Metode Quadratik

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

11
 ACARA 5. LEVEL OF MORTALITAS

Level of mortalitas merupakan derajat kesehatan atau kematian suatu wilayah. Angka tersebut
sangat bermanfaat untuk menghitung parameter mortalitas seperti angka kematian bayi, angka
kematian, anak, dan angka harapan hidup. Level of Mortalitity dihitung berdasarkan rata -rata
jumlah anak lahir hidup dan rata-rata jumlah anak masih hidup. Metode yang digunakan untuk
menghitung LOM cukup bervariaso seperti Metode Brass, Trushell, Sulivan , dan feeny.
Masing-masing memiliki kelebihan dan kekurangan sendiri-sendiri.

Mengapa perlu melakukan perhitungan Level of Moratlitas?

1. Untuk menentukan parameter demografi yakni fertilitas dan mortalitas
◼ perhitungan ASFR dengan metode reverse, metode anak kandung, P/F ratio
◼ Perhitungan IMR dan angka harapan hidup
2. Mengetahui kondisi sosial ekonomi masyarakat dengan membandingkan posisi LOM dengan
daerah lain

Asumsi Dasar
 Merubah proporsi anak meninggal menjadi probabilitas meninggal.
 Untuk merubah menggunakan faktor penggali
 Faktor pengali yang dapat digunakan:
1. metode Brass
2. Metode Sullivan
3. Metode Trushell
4. Metode Feney
 Angka kelahiran dan kematian dianggap konstan pada tahun -tahun terakhir
 Pola kematian mengikuti salah satu model life table
 Sedangkan pada metode Feney, asumsi fertilitas dan mortalitas mengalami penurunan
dan dipengaruhi umur ibu

Data apa yang dibutuhkan?

 rata-rata anak lahir hidup per kelompok umur lima tahunan (ALH)

12
  Rata-rata anak yang yang bertahan hidup per kelompok umur (AMH)
 Model life table
 Manual IV

Perhitungan LOM metode Brass

Umur ALH (Px) AMH (Sx) ki Dx qx lx
(1) (2) (3) (4) (5)=(2-3)/2 (6)=(4)(5) (7)=1-(6)
15-19 0,06 0,06 1,129 0 0 100000
20-24 0,64 0,62 1,082 0,031 0,033 96700
25-29 1,52 1,46 1,033 0,039 0,040 96000
30-34 2,41 2,27 1,031 0,058 0,060 94000
35-39 3,17 2,92 1,040 0,079 0,082 91800
40-44 3,80 3,46 1,021 0,089 0,091 90900
45-49 4,14 3,71 1,011 0,104 0,105 85500

Langkah-Langkah
Kolom 2 dan 3
Masukkan data rata-rata ALH atau Px dan rata-rata AMH atau Sx menurut kelompok umur
(Data diperoleh dari Sensus Penduduk atau Supas publikasi BPS)
Kolom 5
hitung proporsi anak meninggal (Dx) dengan cara ( Px – Sx)/Px ) pada setiap kelompok umur
Kolom 4
hitung ki atau disebut juga faktor pengali. Dalam contoh ini menggunakan metode Brass

Faktor Pengali Metode Brass

1. Hitung P2/P3 atau P1/P2
Untuk negara-negara sedang berkembang dengan pertimbangan kualitas data kelompok umur
15-19 tahun digunakan P2/P3

P2/P1 = 0,64 : 1,52 = 0,421

Pada tabel terdapat angka 0,421, maka ki pada setiap kelompok umur tinggal menarik angka -
angka diatas dimasukan pada tabel diatas

13
 TABEL FAKTOR ki METODE BRASS

q1 15-19 0.859 0.890 0.928 0.977 1.041 1.129 1.254 1.425

q2 20-24 0.938 0.959 0.983 1.010 1.043 1.082 1.129 1.188
q3 25-29 0.948 0.962 0.978 0.994 1.012 1.033 1.055 1.081
q5 30-34 0.961 0.975 0.988 1.002 1.016 1.031 1.046 1.063
q10 35-39 0.966 0.982 0.966 1.011 1.026 1.040 1.054 1.069
q15 40-44 0.938 0.955 0.971 0.988 1.044 1.021 1.037 1.052
q20 45-49 0.037 0.953 0.969 0.986 1.003 1.011 1.039 1.057
q25 50-54 0.949 0.966 0.983 1.001 1.001 1.036 1.054 1.072
q30 55-59 0.951 0.968 0.985 1.002 1.020 1.039 1.058 1.076
q35 60-64 0.949 0.965 0.982 0.999 1.016 1.034 1.052 1.070

P2/P3 0.616 0.577 0.535 0.490 0.441 0.421 0.344 0. 271

14
 ACARA 6. METODE PERKIRAAN RATA-RATA USIA KAWIN PERTAMA
(Metode John Hajnal)

Data yang dibutuhkan

• Jumlah wanita belum kawin

Rata-rata UK I = d + (1/S(d) - S(D)) x 5  S(d) - (D-d) S(D)

Keterangan:
d = batas terendah belum kawin
D = batas teratas belum kawin
S(d) = proporsi belum kawin pada klas d
S(D) = proporsi belum kawin pada klas D

Terdapat dua cara dalam menggunakan umur dasar.

1. dengan umur dasar 10-54
Rata-rata UK I = 10 + (1/(0,9996 - 0,0070) x 5(2,6925 - (50-10) 0,0070)
= 23,28 tahun
2. dengan umur dasar 15-54
Rata-rata UK I = 15 + (1/(0,8786 - 0,0070) x 5(1,6929 - (50-10) 0,0070)
= 24,43 tahun

15
 ACARA 7. PARAMETER FERTILITAS: METODE ANAK KANDUNG

Asumsi dasar: perkiraan angka kelahiran yang didasarkan pada sensus atau survai dilakukan
berdasarkan anak yang tinggal bersama ibunya
Keunggulan: dapat dirinci menurut umur tahunan, data yang dibutuhkan sederhana (jumlah anak
yang tinggal bersama ibunya menurut umur)
Kelemahan: kealpaan ttg jumlah anak, kesalahan pelaporan umur, kurang/lebih jumlah cacah
anak maupun ibu

Prinsip perhitungan:
1. memperkirakan jumlah kelahiran dalam setahun dengan cara reverse survival ratio dari
anak-anak berumur 0-4, 0-9, atau 0-14 tahun
2. memperkirakan rata-rata jumlah penduduk perempuan pada pertengahan tahun yaitu rata-
rata jumlah penduduk menurut sensus atau survai dan perkiraan jumlah penduduk 15
tahun sebelum sensus atau survai
3. perkiraan ASFR dari hasil pembagian perkiraan jumlah kelahiran dan rata-rata penduduk
perempuan

Tahap perhitungan

(1) Tabulasi jumlah anak 0-4 yang tinggal bersama ibunya menurut umur ibu mulai dari usia
15-19 hingga 45-49
(2) Tabulasi jumlah Penduduk perempuan
(3) Perkiraan survival ratio berdasarkan Level of Mortality sesuai dengan model life table
(4) menentukan survival ratio (Px pada life table) dengan cara:
survival ratio both sex = 100/205 x Px perempuan + 105/205 x Px laki-laki
diketahui LOM = 11,5
survival ratio laki-laki level tersebut 0,8079 dan survival ratio perempuan 0,8308

(100/205 x 0,8308) + (105/205 x 0,8079) = 0,8191 (digunakan untuk perkiraan fertilitas)

(5) Perkiraan kelahiran menurut kelompok umur dihitung dengan cara membagi jumlah anak
yang tinggal bersama ibunya dengan angka survival ratio

16
(6) Mencari perkiraan penduduk perempuan tahun sebelumnya dengan cara membagi jumlah
penduduk perempuan dengan survival ratio
(7) Menghitung penduduk perempuan pertengahan tahun dengan cara membagi jumlah
penduduk perempuan pada tahun survai dengan lima tahun sebelumnya
(8) menghitung kelahiran per 1000 perempuan
(9) menentukan ASFR berdasarkan koefisien sprague

Umur Anak kandung Perempuan Px 11,5 Px both sex kelahiran Perkiraan Perempuan
1973 1973 68-73 1968
(1) (2) (3) (4) (5) (6)=(2)/(5) (7)=(3)/(4)
15-19 224 1560 0.9766 0.8191 273 1597
20-24 1043 1191 0.9696 1273 1228
25-29 1498 1263 0.9638 1829 1310
30-34 1421 1403 0.9591 1735 1463
35-39 1086 1360 0.9540 1326 1426
40-44 491 1124 0.9490 599 1184
45-49 195 1189 0.9428 238 1261

Umur Perempuan Kelahiran ASFR perapihan

1968-1973 per 1000 perempuan
(1) (8)=(3)+(7)/2 (9)=(6)/(8) (10)
15-19 1579 173.2 113.5
20-24 1210 1052.6 285.6
25-29 1287 1421.3 274.2
30-34 1433 1210.7 217.7
35-39 1393 951.9 150.1
40-44 1154 519.4 66.1
45-49 1225 194.3 13.9

ASFR yang dihasilkan tidak konvensional karena merujuk pertengahan umur ibu sedangkan
yang biasa digunakan distribusi fertilitas menurut kelompok umur 15 -19, 20-24 dan
sebagainya. Untuk itu perlu dilakukan penyusunan kembali dengan menggunakan metode
spraque dengan cara menjumlahkan hasil perkalian antara kelahiran per 1000 perempuan dengan
kooefisien

17
Umur Rasio Anak Kandung per 1000 perempuan

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

15-19 0.1378 0,1109 -0,0208 0,0020 0,0002 -0,0001 0,0000

20-24 0,0365 0,1378 0,1109 -0,0208 0,0020 0,0002 -0,0001
25-29 0,0073 -0,0365 0,1378 0,1109 -0,0208 0,0020 0,0002
30-34 -0,0008 0,0073 -0,0365 0,1378 0,1109 -0,0208 0,0020
35-39 0,0001 -0,0008 0,0073 -0,0365 0,1378 0,1109 -0,0208
40-44 0,0000 0,0001 -0,0008 0,0073 -0,0365 0,1378 0,1109
45-49 0,0000 0,0000 0,0001 -0,0008 0,0073 -0,0365 0,1378

18
 ACARA 8. PARAMETER KELAHIRAN: Metode Paritas

Metode ini bertujuan untuk mengetahui proporsi perempuan yang telah memiliki sejumlah anak
tertentu akan melahirkan anak berikutnya.
Angka rasio ini dapat dihitung dengan membandingkan jumlah penduduk perempuan pada umur
x tahun yang telah mempunyai sejumlah anak sebanyak n orang, dengan jumlah penduduk
perempuan pada umur yang sama dan telah mempunyai sejumlah anak (n -1) orang.

Paritas Progression Ratio (PPR) = {n Pfx / (n-1 Pfx}

n dan n-1 : jumlah anak yang pernah dilahirkan hidup oleh penduduk peremp uan
Pfx : jumlah penduduk perempuan pada umur x tahun

Data yang dibutuhkan: Distribusi penduduk perempuan menurut umur dan jumlah anak yang
pernah dilahirkan hidup.

Contoh:
Menghitung PPR berdasarkan wanita kelompok umur 30-34 dan 35-39

ALH Jumlah Perempuan PPR

30-34 komulatif 35-39 komulatif 30-34 35-39
0 85970 1291389 60424 1080250
1 133774 1205419 86896 1019826 0.933 0.944
2 219736 1071645 124845 932930 0.889 0.915
3 268249 851909 170673 808085 0.795 0.866
4 238926 583660 184979 637412 0.685 0.789
5 166050 344734 151787 452433 0.591 0.710
6 91382 178684 115778 300646 0.518 0.665
7 22268 87302 82018 184868 0.489 0.615
8+ 65034 65034 102850 102850 0.745 0.556

PPR(2) usia 30-34 = 0,89, artinya mereka yang berumur 30-34 tahun dan telah memiliki 2 orang
anak, sekitar 89 persen dari kelompok ini akan memiliki anak ketiga atau lebih.

19
 ACARA 9. Metode Paritas Antar Sensus

• Perbedaan paritas rata-rata antar sensus menghasilkan fertilitas antar sensus.

• Wanita kelompok umur 15-19 tahun pada sensus 1 akan termasuk kelompok umur 24 -28
tahun pada sensus 2

Umur Rata-Rata Rata-Rata Kenaikan Fertilitas Pengali fi

ALH 90 ALH 00 Paritas Tengah tahun (km)
1 2 3 4 (i+5) = 3 (i+10) – 2 (i) 5=2 (i-5)/3 (i+5) 6 7
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50-54
Angka Fertilitas Total

ki = a(i) + b(i) {P(i-5)(2)/P(i+5)((3)}

ki = a(i) + b(i) kolom 5
k 15 = a 15 + b 15 {(P15(3)/P20(3) + c15 (P25(3)/P15(2)}
f(i) = k (i) {P(i+5)(3) - P(i-5)(2)
f 15 = k 15 {P15(3) + (P20(3) / 2)}

km a1 b1 c1
20-24 0.1081 0.0014
25-29 0.1109 -0.0237
30-34 0.1106 -0.0181
35-39 0.1191 -0.0251
40-44 0.1512 -0.0067
45-49 0.2074 -0.1629
15-19 0.1272 0.1401 -0.0008

Hitung GFR dan TFR dengan formula Bogue

GFR = 4,5952 CBR - 8,5945
TFR = 137,94 CBR -+ 106,16

20
 ACARA 10. IMR DAN ANGKA HARAPAN HIDUP: METODE BRASS

Setelah

METODE SULLIVAN
Secara prinsip perbedaan antara Brass dan Sulivan adalah perhitungan faktor pengali (ki) yang
berfungsi sebagai pengatur faktor-faktor non mortalitas yang mempengaruhi Di (proporsi
kematian anak pada wanita kelompok umur i. Metode Sullivan menghitung faktor pengali
dengan menggunakan persamaan yang mempertimbangkan rata-rata paritas wanita pada
kelompok umur 20-24 (P2) dan kelompok umur 25-29 (P3). Untuk menghitung kemungkinan
meninggal sebelum umur x tahun (qx) persamaan yang digunakan adalah: Xq0 = [1 – (Sx/Px)]
[ A + B (P2/P3)]

West North East South

2q0 A 1,30 1,30 1,26 1,33
B -0,54 -0,63 -0,44 -0,61
3q0 A 1,17 1,17 1,14 1,20
B -0,40 -0,50 -0,33 -0,44
5q0 A 1,13 1,15 1,11 1,14
B -0,33 -0,42 -0,26 -0,32

Faktor Pengali Metode Brass

21
MEMBUAT LIFE TABLE

PROGRAM: MLT

3.1. Deskripsi Program

a. Tujuan
Sub-rutin ini digunakan untuk menghitung model tabel kematian yang berhubungan
dengan harapan hidup waktu lahir, jenis kelamin, dan penggunaan koefisien regresi
Coale-Demeny. Setelah melakukan generate model tabel kematian berdasarkan jenis
kelamin, sub-rutin ini dapat digunakan untuk mendapatkan model tabel kematian bagi
jenis kelamin berlawanan dengan asumsi perbedaan harapan hidup menurut jenis kelamin
saat umur 10.
b. Data yang diperlukan
1. Harapan hidup saat lahir, dan jika model tabel kematian Coale-Demeny menurut jenis
kelamin diinginkan, hal ini akan ditunjukkan dengan kode yang digunakan.
2. Tabel kematian penduduk yang dikehendaki dengan berdasarkan jenis kelamin atau
keduanya.
3. Model tabel kematian yang diinginkan
(selengkapnya dapat dilihat pada point 3.3).

3.2. Metodologi

a. Turunan Matematis

Koefisien regresi Coale-Demeny menghubungkan e 10 untuk qx, sub-rutin MLT ini harus
melakukan estimasi e 10 yang berhubungan dengan e 0 yang dihasilkan. Estimasi ini dibuat
dengan interpolasi linier dan proses yang mengikutinya. Untuk interpolasi, dua pivot tingkat
harapan hidup pada umur tertentu dihitung dengan cara sebagai berikut:
e110 = 13,5 + 0,75(e 0 − 5)

22
 2
e10 = 13,5 + 0,75(e 0 − 5)
1 2
Dimana e10 dan e10 merupakan dua pivot harapan hidup saat umur 10 tahun, dan harapan hidup
yang dihasilkan sebagai input.
1
Penggunaan nilai pivot ini, karena hubungannya dengan harapan hidup saat lahir ( e 0 dan
e 12 ), dan harapan hidup saat lahir yang diberikan sebagai input (e 0), estimasi pertama hubungan
harapan hidup saat umur 10 tahun dengan mengikuti rumusan:

(e0 − e0)
1

e =e + (e10 − e10)
3 1 2 1

(e0 − e0)
10 10 2 1

3
Dimana e10 merupakan estimasi harapan hidup pada umur 10 yang berhubungan dengan e 0.
3
Dengan estimasi dari e10 dan koefisien regresi Coale-Demeny. Suatu rangkaian q x dihasilkan
nilainya dan tabel kematian disusun dengan menggunakan sub-rutin MLT. Harapan hidup saat
3
lahir ( e 0 .) dari tabel kematian ini dibandingkan dengan e 0, dari harapan hidup yang diberikan.
3 3
Jika I e10 - e 0 I > 0.0001 sebuah iterasi dibuat dalam rumusan di atas dengan e 0 menggantikan
e 02 1 3 2 1
atau e 0 , dan dengan e10 menggantikan e10 atau e10 tergantung pada dua harapan hidup yang
mana yang digunakan terjauh dari e 0. Setelah mendapatkan nilai yang baru dari harapan hidup
4
pada umur 10 tahun ( e10 ). Tabel kematian yang baru dihasilkan, dengan hasil harapan hidup
4 4
saat lahit untuk e10 . Jika l e10 - e0 l > 0,0001, proses iteratif diulang. Pengulangan tersebut
i
terjadi hingga doperoleh l e10 - e0 l  0,0001. Sekali ini tercapai, maka tabel kematian
i
menyinggung hingga e10 diterima sebagai estimasi dari tabel kematian yang bersinggungan
dengan e 0.
Jika diinginkan untuk estimasi suatu model tabel kematian untuk salah satu jenis kelamin
tertentu (yang ada diluar jenis kelamin yang diperoleh hasilnya), program ini dapat digunakan
dengan cara yang sama. Asumsi Coale-Demeny dari perbedaan kematian pada umur e 0
berdasarkan jenis kelamin dapat digunakan untuk menghasilkan harapan hidup pada umur 10
untuk jenis kelamin tertentu. Asumsi hubungan antara e 10 laki-laki dan perempuan dirumuskan
sebagai berikut:

23
 = em (e10 − e )
m f
e −e
m f
10 10
e f
10

dimana
m f
e ;e
10 10 adalah harapan hidup pada saat umur 10 tahun untuk laki-laki (m) dan perempuan (f).
m f
e ;e
10 10 disediakan oleh Coale-Demeny dan merupakan rata-rata harapan hidup pada umur 10
tahun untuk laki-laki dan perempuan. Dan e m ; ef disediakan oleh Coale-Demeny dan
merupakan simpangan baku dari harapan hidup pada saat lahir untuk laki-laki dan perempuan.
Harapan hidup pada umur 10 tahun untuk jenis kelamin lainnya dihitung, tabel kematian dapat
dihasilkan dengan menggunakan koefisien korelasi Coale-Demeny.

Komentar:
Sub-rutin ini menghasilkan model tabel kematian Coale-Demeny yang berhubungan
dengan harapan hidup yang diberikan, jenis kelamin, dan model pewilayahannya. Tabel
kematian ini dapat digunakan untuk menganalisis hanya jika pola kematiannya dianalisis dengan
cara yang sama seperti pola umur kematian yang dijabarkan dalam model tabel kematian.
Jika menghendaki untuk mengestimasi model tabel kematian untuk kelompok umur
gabungan (laki-laki dan perempuan) ketika harapan hidup saat lahir hanya satu yang diketahui,
sub-rutin ini dapat digunakan. Penggunaan program utama termasuk dalam hal ini, diselesaikan
dengan membaca dua set data. Set data pertama mengacu pada jenis kelamin yang memiliki
harapan hidup yang diketahui. Set data ini sesuai dengan baris pada layout yang digunakan (lihat
prosedur program). Set data kedua mengacu pada jenis kelamin yan lainnya, dimana harapan
hidupnya tidak diketahui. Set ini pun mengikuti aturan sebagaimana digunakan sebagai
layoutnya.

3.3. Prosedur Program

Prosedur :
1. Buka WS Non Document
2. Masukan data dengan cara sebagai berikut:
a. baris pertama: Label contoh Irian Jaya Tahun 1995
b. baris kedua :

24
 kolom 1-5: harapan hidup waktu lahir laki-laki, tanda desimal pada kolom 3
kolom 6 : kosong
Kolom 7 : Kode jenis kelamin, 1 untuk laki-laki dan 2 untuk perempuan
Kolom 8 : kosong
Kolom 9 : kode model life table 1=west, 2=north. 3=east, 4=sourth
Kolom 10 : kosong
Kolom 11 : 0 untuk tidak ada data yang menyertai, 1 seandainya ada data lain
1995 Irian Jaya Males
60.47 1 1 1
1995 Irian Jaya Female
64.38 2 1 0

3. Setelah itu data disimpan dengan nama file MLT.95.dat dengan directory MCPDA,
kemudian tutup program WS dan melanjutkan ke program MCPDA dengan langkah -
langkah sebagai berikut:
a) Buka program MCPDA
b) Masuk ke menu MLT
c) Buka fila data yaitu : MLT95.dat
d) Pilih kode 3 (komputer dengan sendirinya akan mengolah data yang telah ditunjuk),
ketik nama file output yaitu MLTG95.hsl dalam directory MCPDA.
e) Hasil pengolahan dapat dilihat dengan menggunakan program WS

Hasil

1995 Irian Jaya Males

ABRIDGED LIFE TABLE

MALES
COALE-DEMENY WEST REGION
Age q(x) d(x) m(x) l(x) L(x) S(x) T(x) e(x)
0 .06644 6644. .06980 100000. 95183. .92604 6046998. 60.47
1 .02310 2157. .00586 93356. 367835. .98058 5951815. 63.75
5 .00863 787. .00173 91199. 454028. .99240 5583979. 61.23
10 .00657 594. .00132 90412. 450577. .99136 5129952. 56.74
15 .01072 963. .00216 89819. 446685. .98708 4679375. 52.10
20 .01513 1345. .00305 88856. 440916. .98446 4232690. 47.64
25 .01595 1395. .00321 87511. 434066. .98299 3791773. 43.33

25
 30 .01808 1557. .00365 86115. 426684. .97983 3357707. 38.99
35 .02230 1886. .00451 84558. 418077. .97401 2931023. 34.66
40 .02976 2460. .00604 82672. 407212. .96435 2512946. 30.40
45 .04171 3346. .00852 80212. 392696. .94907 2105735. 26.25
50 .06055 4654. .01249 76866. 372695. .92583 1713039. 22.29
55 .08866 6402. .01855 72212. 345054. .89110 1340343. 18.56
60 .13110 8628. .02806 65810. 307479. .84072 995290. 15.12
65 .19170 10962. .04240 57182. 258505. .7 6835 687811. 12.03
70 .28106 12991. .06540 46220. 198624. .66725 429306. 9.29
75 .40465 13446. .10146 33229. 132531. .42548 230682. 6.94
80 1.00000 19783. .20155 19783. 98152. .00000 98152. 4.96

1995 Irian Jaya Female

ABRIDGED LIFE TABLE
FEMALES
COALE-DEMENY WEST REGION
Age q(x) d(x) m(x) l(x) L(x) S(x) T(x) e(x)
0 .05241 5241. .05448 100000. 96201. .94034 6437998. 64.38
1 .02065 1957. .00523 94759. 373967. .98329 6341797. 66.93
5 .00734 681. .00147 92802. 462309. .99346 5967830. 64.31
10 .00573 528. .00115 92121. 459286. .99279 5505521. 59.76
15 .00870 797. .00175 91593. 455974. .98979 5046236. 55.09
20 .01173 1065. .00236 90796. 451320. .98727 4590262. 50.56
25 .01374 1233. .00277 89731. 445576. .98515 4138943. 46.13
30 .01599 1415. .00322 88499. 438957. .98246 3693367. 41.73
35 .01912 1665. .00386 87084. 431257. .97863 3254410. 37.37
40 .02366 2021. .00479 85419. 422040. .97260 2823153. 33.05
45 .03122 2603. .00634 83397. 410478. .96243 2401114. 28.79
50 .04412 3565. .00902 80794. 395058. .94670 1990636. 24.64
55 .06289 4857. .01299 77229. 374003. .92114 1595578. 20.66
60 .09589 6940. .02014 72372. 344510. .87949 1221574. 16.88
65 .14774 9667. .03190 65432. 302994. .813 46 877064. 13.40
70 .23208 12942. .05251 55765. 246473. .71549 574070. 10.29
75 .35280 15108. .08567 42824. 176348. .46169 327597. 7.65
80 1.00000 27716. .18324 27716. 151250. .00000 151250. 5.46

26
 REFERENSI

Coale, A.J., Demeny, P. , dan Vaughan, B. 1983. Regional Model Life Tables and Stable
Population. 2 nd Edition. Toronto: Academic Press, Inc.
Indonesia. 1997. Penduduk Irian Jaya hasil Survei Penduduk antar Sensus 1995 seri S2.27 .
Jakarta:Biro Pusat Statistik.
------------. 1997a. Estimasi Fertilitas, Mortalitas, dan Migrasi hasil Supas 1995 seri S -3.
Jakarta:Biro Pusat Statistik
United Stated. 1985. MicroComputer Program for Demographic Analysis (MS-DOS Version).
Bureau of the Census Program.

27
 PROYEKSI PENDUDUK

PROGRAM PROJ5

3.1. Deskripsi Program

a. Tujuan:
Untuk memproyeksikan sebaran penduduk berdasarkan jenis kelamin dan kelompok umur
lima tahunan untuk periode 5 tahun, penggunaan survival rate berdasarkan kelompok umur
lima tahunan per jenis kelamin, ASFR lima tahunan, dan jumlah migran berdasarkan jenis
kelamin dan kelompok umur lima tahunan selama jangka waktu lima tahun. Meskipun sub -
rutin ini membuat proyeksi untuk periode lima tahun, proyeksi penduduk dapat dibuat untuk
waktu yang beragam dari 5 hingga 50.
b. Data yang diperlukan:
1. Penduduk laki-laki dalam kelompok umur lima tahunan.

2. Penduduk perempuan dalam kelompok umur lima tahunan.

3. Survival rate kelompok umur lima tahunan untuk laki-laki selama jangka waktu lima

tahun.
4. Survival rate kelompok umur lima tahunan untuk perempuan selama jangka waktu lima

tahun.
5. ASFR lima tahun untuk periode 5 tahun yaitu ASFR awal dan akhir periode.

6. Migran laki-laki menurut kelompok umur lima tahunan selama periode 5 tahun.

7. Migran perempuan menurut kelompok umur lima tahunan selama periode 5 tahun.

8. Rasio jenis kelamin waktu lahir.

3.2. Metodologi
a. Turunan Matematis
Penduduk laki-laki yang diproyeksikan pada waktu t+5 untuk setiap bagian kelompok umur
lima tahunan dihitung dengan cara sebagai berikut:
1 1
5 MPxt++55 =5 MPxt .5 MS xt ,t +5 + t ,t + 5
5 MM x .(1+ 5 MS xt ,t +5 ) + 5 MM xt ,+t +5 5 .(1+ 5 MS xt ,+t +5 5 )
4 4

28
Dimana

5 MPxt adalah penduduk laki-laki umur x,x+4 pada tahun t

5 MS xt ,t +5 adalah survival rate penduduk laki-laki untuk umur x, x+4 yang bertahan hidup

hingga umur x+5,x+9 selama periode t, t+5

5 MM xt ,t +5 adalah migran laki-laki umur x, x+4 pada saat migrasi selama jangka waktu t,t+5.

Cara yang sama dilakukan untuk perempuan.

Untuk interval akhir umur yang terbuka (open-ended age) proyeksi penduduk dihitung
dengan cara sebagai berikut:
1 1
MPxt++5 = MPxt−5+ .MS xt ,−t 5++5 + t ,t + 5 t ,t + 5
5 MM x −5 .(1+ 5 MS x −5 ) + MM xt ,+t +5 .(1 + MS xt ,+t +5 )
4 2
Cara yang sama dilakukan untuk perempuan.

Untuk menentukan penduduk 0-4 tahun, jumlah kelahiran dihitung dengan cara sebagai
berikut:

5 45
TBt ,t +5 =  (5 FPxt .5 0tx + 5 FPxt +5 .5 0tx+5 )
2 x =15,5
Dimana
TB t,t+5 adalah total kejadian kelahiran selama interval waktu t, t+5.
0tx
5 adalah ASFR untuk wanita umur x,x+4 pada waktu t.

Pada saat total kelahiran diperlukan, penduduk laki-laki dan perempuan 0-4 tahun dihitung
dengan cara sebagai berikut:

1
MP0t,+45 = (TBt ,t +5 − kbt + 2.5 .TBt ,t +5 ).MSbt ,,t0+−54 + t ,t + 5
5 MM 0 .(1+ 5 MS xt ,t +5 )
4
1
FP0t,+45 = kbt + 2.5 .TBt ,t +5 .FS bt ,,t0+−54 + t ,t + 5
5 FM 0 .(1+ 5 FS xt ,t +5 )
4
Dimana

29
MS bt ,,t0+−54
merupakan survival rate untuk laki-laki yang bertahan hidup dari lahir hingga umur
0-4 tahun
FS bt ,,t0+−54
merupakan survival rate untuk perempuan yang bertahan hidup dari lahir hingga
umur 0-4 tahun

kbt + 2.5 adalah proporsi dari kelahiran wanita untuk total kelahiran pada waktu t+2.5

Rata-rata tahunan CBR (tingkat kelahiran kasar) selama proyeksi periode 5 tahun adalah rata-
rata jumlah kejadian kelahiran tahunan selama interval waktu dibagi dengan penduduk
tengah periode.
2TB t ,t +5
b t ,t + 5 =
5(TP t + TP t +5 )
Dimana
TPt adalah total penduduk dalam waktu t.

GFR (general fertility rate) merupakan jumlah kejadian kelahiran selama interval waktu
dibagi dengan penduduk perempuan tengah periode dalam usia melahirkan (childbearing
ages). Dan dirumuskan sebagai berikut:

2TB t ,t +5
GFR = 45
5  ( FP + FP
x =15, 5
5 x
t
5 x
t +5
)

Rata-rata tingkat kematian kasar (CDR) merupakan rata-rata jumlah kejadian kematian
setiap tahun selama periode dibagi dengan penduduk tengah periode. Dirumuskan sebagai
berikut:

30
 w
2  (5 MPxt − 5 MPxt +5 − 5 MM xt ,t +5 + TB t ,t +5 + 5 FPxt − 5 FPxt +5 − 5 FM xt ,t +5
x =0,5
d t ,t + 5 = w
5  ( 5 MPxt + 5 MPxt +5 + 5 FPxt + 5 FPxt +5 )
x =0,5

Dimana
d t,t+5 adalah rata-rata CDR tahunan untuk interval waktu t, t+5

Rata-rata pertumbuhan alami (natural increase) untuk interval waktu tertentu adalah CBR
(tingkat kelahiran kasar) dikurangi dengan CDR (tingkat kematian kasar). Dirumuskan
sebagai berikut:
r t,t+5 = b t,t+5 -d t,t+5

Akhirnya, rata-rata pertumbuhan penduduk tahunan selama periode 5 tahun proyeksi

dirumuskan sebagai berikut:

2(TP t +5 − TPt )
GR t ,t +5 =
5(TP t +5 + TPt )

b. Komentar
Meskipun sub-rutin memuat suatu proyeksi untuk periode lima tahun, penggunaan
program utama sub-rutin ini tercatat untuk membuat proyeksi penduduk untuk periode yang
beragam dari 5 hingga 50 tahun.
Program utana tercatat untuk menyertai sub-rutin ini membaca dalam data mortalitas
untuk waktu permulaan dan akhir dari proyeksi dan diinterpolasi antara kedua waktu tersebut
untuk melakukan proyeksi. Bagaimanapun, untuk fertilitas, program utama membaca ASFR
pada awal periode dan untk setiap 5 tahun periode proyeksi.

3.3. Prosedur penggunaan Program PROJ5

a. Prosedur
1. Buka WS Non Document

31
2. Masukan data cara sebagai berikut:
a. baris pertama : Label contoh Propinsi IRIAN JAYA Tahun 1995 dan ditulis mulai

kolom kedua hingga 53. Kolom 54-80 kosong.

b. baris kedua :
kolom 1 berisi kode yang menunjukkan jika ada data lain yang digunakan mengikuti
serangkaian data yang diperlukan. Jika tidak ada beri kode 0 pada kolom tersebut dan
jika ada beri kode 1.
Kolom 2 kosong.
Kolom 3 dan 4 berisi hari dalam bulan dari data penduduk yang disiapkan dan berakhir
dikolom 4.
Kolom 5-6 bermuatan bulan dari tahun dimana data penduduk disediakan, berakhir dikolom
6.
Kolom 7-10 merupakan tahun dimana data penduduk diberikan.
Kolom 11-14 tahun untuk penduduk yang diproyeksikan.
Kolom 15-20 berisi rasio jenis kelamin saat lahir (sex ratio at birth) dan untuk di Indonesia
seringkali diberikan dengan 105 per 100.
Kolom 21-22 merupakan indikator mortalitas yang secara khusus apakah age-specific
survival rate diberikan atau pewilayahan model tabel kematian digunakan. Dalam kolom
ini diberikan kode untuk menunjukkan proses selanjutnya.
Kode 11 berarti dalam melakukan proyeksi akan menggunakan survival rate untuk awal
dan akhir dari mortalitas.
Kode 12 menunjukkan akan menggunakan survival rate menurut kelompok umur pada
mortalitas yang awal dan menggunakan pemodelan wilayah tabel kematian Coale -
Demeny untuk mortalitas yang terakhir.
Kode 21 menunjukkan bahwa pemodelan tabel kematian Coale-Demeny akan dilakukan
untuk mortalitas awal dan mortalitas akhir akan digunakan survival rate menurut
kelompok umur.
Kode 22 menunjukkan pemodelan tabel kematian Coale-Demeny akan digunakan untuk
mortalitas awal dan akhir.
Selain kode tersebut program akan menghentikan dan tidak melanjutkan proses data.
Untuk memudahkan pemahaman maka digit pertamamenunjukkan mortalitas awal

32
 dan digit kedua menunjukkan mortalitas akhir. Kode 1 menunjukkan penggunaan
survival rate dan kode 2 menunjukkan penggunaan pemodelan tabel kematian
Coale-Demeny.
Kolom 23-24 menunjukkan hari dari bulan pada serangkaian data mortalitas pada awal data
digunakan. Jumlahnya diakhiri pada kolom 24.
Kolom 25-26 menunjukkan bulan dari tahun pada serangkaian data mortalitas pada awal data
digunakan. Jumlahnya diakhiri pada kolom 26.
Kolom 27-30 menunjukkan tahun pada serangkaian data mortalitas pada awal data
digunakan.
Kolom 31-32 menunjukkan hari dari bulan pada serangkaian data mortalitas pada akhir data
digunakan. Jumlahnya diakhiri pada kolom 32.
Kolom 33-34 menunjukkan bulan dari tahun pada serangkaian data mortalitas pada akhir data
digunakan. Jumlahnya diakhiri pada kolom 34.
Kolom 35-38 menunjukkan tahun pada serangkaian data akhir mortalitas digunakan.
Kolom 39 menunjukkan jumlah dari perbedaan proyeksi yang dibuat membuat ragam
fertilitas atau mortalitas.
c. baris ketiga : merupakan data penduduk laki-laki menurut kelompok umur yang diatur
dengan cara setiap kelompok umur menempati 8 kolom. Kolom 1 -8 untuk jumlah
penduduk laki-laki 0-4 tahun dan jumlah diakhiri pada kolom 8. Kolom 9-16 untuk
kelompok umur 5-9 tahun dan diakhiri pada kolom 16, demikian seterusnya hingga
kolom 73-80 untuk kelompok umur 45-49 yang diakhiri pada kolom 80.
d. Baris keempat : merupakan kelanjutan dari data penduduk laki-laki menurut kelompok

umur. Kolom 1-8 untuk jumlah penduduk laki-laki 50-54 tahun dan jumlah diakhiri pada
kolom 8. Kolom 9-16 untuk kelompok umur 55-59 tahun dan diakhiri pada kolom 16,
demikian seterusnya hingga kolom 49-56 untuk kelompok umur 80+ yang diakhiri pada
kolom 56. Kolom 57-80 kosong. Variabel penduduk selalu menempati dua baris
sedangkan pada baris yang kedua dari variabel penduduk ini (dalam hal ini baris
keempat) dapat berisi semuanya nol tergantung pada jumlah kelompok umur yang
diberikan. Akhir dari kelompok umur harus selalu merupakan kelompok umur yang
terbuka.

33
e. baris kelima : merupakan data penduduk perempuan menurut kelompok umur yang
diatur dengan cara setiap kelompok umur menempati 8 kolom. Kolom 1-8 untuk jumlah
penduduk perempuan 0-4 tahun dan jumlah diakhiri pada kolom 8. Kolom 9 -16 untuk
kelompok umur 5-9 tahun dan diakhiri pada kolom 16, demikian seterusnya hingga
kolom 73-80 untuk kelompok umur 45-49 yang diakhiri pada kolom 80.
f. Baris keenam : merupakan kelanjutan dari data penduduk perempuan menurut kelompok
umur. Kolom 1-8 untuk jumlah penduduk perempuan 50-54 tahun dan jumlah diakhiri
pada kolom 8. Kolom 9-16 untuk kelompok umur 55-59 tahun dan diakhiri pada kolom
16, demikian seterusnya hingga kolom 49-56 untuk kelompok umur 80+ yang diakhiri
pada kolom 56. Kolom 57-80 kosong. Variabel penduduk selalu menempati dua baris
sedangkan pada baris yang kedua dari variabel penduduk ini (dalam hal ini baris keenam)
dapat berisi semuanya nol tergantung pada jumlah kelompok umur yang diberikan.
Akhir dari kelompok umur harus selalu merupakan kelompok u mur yang terbuka.
g. Baris ketujuh : Kolom 1 kosong, kolom 2-53 label yang digunakan untuk

mengidentifikasi level dari fertilitas atau mortalitas. Kolom 54-80 kosong.

h. Baris kedelapan : berisi data tentang ASFR yang ditulis dengan aturan setiap ke lompok

umur terdiri dari tujuh kolom. Kolom 1-7 merupakan ASFR kelompok umur 15-19 tahun
untuk awal proyeksi lima tahunan. Titik desimal pada kolom 1. Kolom 8 -14 merupakan
ASFR kelompok umur 20-24 tahun untuk awal proyeksi lima tahunan. Titik desimal
pada kolom 8, dan seterusnya hingga pada kolom 43 -49 yang merupakan ASFR
kelompok umur 45-49 tahun untuk awal proyeksi lima tahunan. Titik desimal kelompok
umur 45-49 pada kolom 43. Kolom 50-80 kosong.
i. Baris kesembilan : berisi data tentang ASFR yang ditulis dengan aturan setiap kelompok
umur terdiri dari tujuh kolom. Kolom 1-7 merupakan ASFR kelompok umur 15-19 tahun
untuk awal proyeksi lima tahunan kedua. Titik desimal pada kolom 1. Kolom 8 -14
merupakan ASFR kelompok umur 20-24 tahun untuk awal proyeksi lima tahunan. Titik
desimal pada kolom 8, dan seterusnya hingga pada kolom 43-49 yang merupakan ASFR
kelompok umur 45-49 tahun untuk awal proyeksi lima tahunan kedua. Titik desimal
kelompok umur 45-49 pada kolom 43. Kolom 50-80 kosong.
j. Baris ke 9 + I - 1: berisi ASFR untuk periode interval proyeksi lima tahunan ke I. Aturan
penulisan sama dengan pada baris kesembilan. I menunjukkan interval proyeksi lima

34
 tahunan yang dikehendaki. Sehingga jumlah baris untuk data ASFR sangat tergantung
pada banyaknya interval lima tahunan yangakan diproyeksi. Selanjutnya bisa melihat
pada tabel banyaknya baris.
k. Baris ke 10 + I: berisi jumlah migran yang ditulis dengan mengikuti aturan setiap tahun
menempati delapan kolom. Dengan demikian, kolom 1-8 untuk lima tahun pertama dan
jumlah diakhiri pada kolom kedelapan. Kolom 9-16 untuk lima tahun pertama dan
jumlah diakhiri pada kolom ke-16, dan seterusnya hingga kolom 73-80 untuk lima tahun
kesepuluh dan jumlah diakhiri pada kolom ke-80. Jumlah nilai yang dibaca sama seperti
jumlah waktu proyeksi penduduk lima tahunan. Nilai positif jika mereka adalah total
imigran (migran masuk) dan negatif jika mereka adalah emigran (migran keluar).
Program akan melakukan proyeksi penduduk maksimum 10 periode lima tahunan
sehingga banyaknya nilai yang ada antara 1 sampai dengan 10 nilai. I menunjukkan
interval periode yang diperlukan untuk baris ASFR sebagai kelanjutan dari baris 9+I -1.
l. Baris ke-11+I: Berisi data tentang proporsi migran dari total migran menurut kelompok
umur selama periode lima tahun pertama interval proyeksi. Pada baris ini adalah untuk
laki-laki. Aturan yang digunakan adalah setiap proporsi menempati delapan kolom.
Kolom 1-8 merupakan proporsi migran untuk kelompok umur 0-4 tahun dengan titik
desimal pada kolom 1. Kolom 9-16 merupakan proporsi migran untuk kelompok umur 5-
9 tahun dengan titik desimal pada kolom 9. Dan seterusnya hingga kolom 73 -80 untuk
proporsi migran kelompok umur 45-49 dengan titik desimal pada kolom 73.
m. Baris ke-12+I: Berisi data lanjutan tentang proporsi migran dari total migran menurut

kelompok umur selama periode lima tahun pertama interval proyeksi untuk migran laki-
laki. Aturan yang digunakan adalah setiap proporsi menempati delapan kolom. Kolom
1-8 merupakan proporsi migran untuk kelompok umur 50-54 tahun dengan titik desimal
pada kolom 1. Kolom 9-16 merupakan proporsi migran untuk kelompok umur 55-59
tahun dengan titik desimal pada kolom 9. Dan seterusnya hingga kolom 49 -56 untuk
proporsi migran kelompok umur 80+ dengan titik desimal pada kolom 49. Kolom 57-80
kosong.
Sebagai catatan tambahan, dua baris proporsi migran ini harus selalu disediakan sebagai
variabel proporsi migran laki-laki untuk interval proyeksi lima tahunan. Nilai yang
disediakan hanya untuk kelompok umur yang terdapat migran. Akhir kelompok

35
 diberikan tidak diasumsikan menjadi kelompok umur terbuka sehingga kurang dari 17
nilai atau sana dengan jumlah kelompok umur yang diberikan sebagai distribusi
penduduk. Sedangkan I menunjukkan banyaknya interval proyeksi lima tahunan
sebagaimana terdapat pada baris ke 9+I-1.
n. Baris ke-13+I: Berisi data tentang proporsi migran dari total migran menurut kelompok

umur selama periode lima tahun pertama interval proyeksi. Pada baris ini adalah un tuk
perempuan. Aturan yang digunakan adalah setiap proporsi menempati delapan kolom.
Kolom 1-8 merupakan proporsi migran untuk kelompok umur 0-4 tahun dengan titik
desimal pada kolom 1. Kolom 9-16 merupakan proporsi migran untuk kelompok umur 5-
9 tahun dengan titik desimal pada kolom 9. Dan seterusnya hingga kolom 73 -80 untuk
proporsi migran kelompok umur 45-49 dengan titik desimal pada kolom 73.
o. Baris ke-14+I: Berisi data lanjutan tentang proporsi migran dari total migran menurut
kelompok umur selama periode lima tahun pertama interval proyeksi untuk migran
perempuan. Aturan yang digunakan adalah setiap proporsi menempati delapan kolom.
Kolom 1-8 merupakan proporsi migran untuk kelompok umur 50-54 tahun dengan titik
desimal pada kolom 1. Kolom 9-16 merupakan proporsi migran untuk kelompok umur
55-59 tahun dengan titik desimal pada kolom 9. Dan seterusnya hingga kolom 49 -56
untuk proporsi migran kelompok umur 80+ dengan titik desimal pada kolom 49. Kolom
57-80 kosong.
Sebagai catatan tambahan, dua baris proporsi migran ini harus selalu disediakan sebagai
variabel proporsi migran perempuan untuk interval proyeksi lima tahunan. Nilai yang
disediakan hanya untuk kelompok umur yang terdapat migran. Akhir kelompok
diberikan tidak diasumsikan menjadi kelompok umur terbuka sehingga kurang dari 17
nilai atau sana dengan jumlah kelompok umur yang diberikan sebagai distribusi
penduduk. Sedangkan I menunjukkan banyaknya interval proyeksi lima tahunan
sebagaimana terdapat pada baris ke 9+I-1.

Baris-baris berikutnya tergantung pada kode yang diberikan pada kolom 21 dan 22 baris kedua.

i. Jika kolom 21 dan 22 baris kedua berisi kode 11 maka:

36
p. Baris 15+J : berisi data survival rate untuk laki-laki dengan memperhatikan aturan setiap

nilai menempati delapan kolom. Dengan demikian, kolom 1-8 merupakan survival rate
dari lahir hingga umur 0-4 tahun yang berhubungan dengan data awal yang diberikan
dalam baris kedua kolom 22-30 (hari, bulan, dan tahun). Titik desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 0-4 tahun hingga umur 5-9 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22 -30 (hari,
bulan, dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 73-80 yang merupakan survival rate dari 40-44 hingga umur 45-49 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22 -30 (hari,
bulan, dan tahun). Titik desimal pada kolom 73.
q. Baris 16+J : berisi data lanjutan dari survival rate untuk laki-laki dengan memperhatikan

aturan setiap nilai menempati delapan kolom. Dengan demikian, kolom 1-8 merupakan
survival rate dari umur 45-49 hingga umur 50-54 tahun yang berhubungan dengan data
awal yang diberikan dalam baris kedua kolom 22-30 (hari, bulan, dan tahun). Titik
desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 50-54 tahun hingga umur 55-59 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22 -30 (hari,
bulan, dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 49-56 yang merupakan survival rate dari 75+ hingga umur 80+ yang berhubungan
dengan data awal yang diberikan dalam baris kedua kolom 22-30 (hari, bulan, dan tahun).
Titik desimal pada kolom 49. Sedangkan kolom 57-80 kosong.
r. Baris 17+J : berisi data survival rate untuk perempuan dengan memperhatikan aturan
setiap nilai menempati delapan kolom. Dengan demikian, kolom 1-8 merupakan survival
rate dari lahir hingga umur 0-4 tahun yang berhubungan dengan data awal yang diberikan
dalam baris kedua kolom 22-30 (hari, bulan, dan tahun). Titik desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 0-4 tahun hingga umur 5-9 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22 -30 (hari,
bulan, dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 73-80 yang merupakan survival rate dari 40-44 hingga umur 45-49 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22 -30 (hari,
bulan, dan tahun). Titik desimal pada kolom 73.

37
s. Baris 18+J : berisi data lanjutan dari survival rate untuk perempuan dengan

memperhatikan aturan setiap nilai menempati delapan kolom. Dengan demikian, kolom
1-8 merupakan survival rate dari umur 45-49 hingga umur 50-54 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22-30 (hari,
bulan, dan tahun). Titik desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 50-54 tahun hingga umur 55-59 tahun yang
berhubungan dengan data awal yang diberikan dalam baris kedua kolom 22 -30 (hari,
bulan, dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 49-56 yang merupakan survival rate dari 75+ hingga umur 80+ yang berhubungan
dengan data awal yang diberikan dalam baris kedua kolom 22-30 (hari, bulan, dan tahun).
Titik desimal pada kolom 49. Sedangkan kolom 57-80 kosong.
t. Baris 19+J : berisi data survival rate yang lebih akhir untuk laki-laki dengan
memperhatikan aturan setiap nilai menempati delapan kolom. Dengan demikian, kolom
1-8 merupakan survival rate dari lahir hingga umur 0-4 tahun yang berhubungan dengan
data yang diberikan dalam baris kedua kolom 33-38 (hari, bulan, dan tahun). Titik
desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 0-4 tahun hingga umur 5-9 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33-38 (hari, bulan,
dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 73-80 yang merupakan survival rate dari 40-44 hingga umur 45-49 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33-38 (hari, bulan,
dan tahun). Titik desimal pada kolom 73.
u. Baris 20+J : berisi lanjutan data yang lebih akhir dari survival rate untuk laki-laki dengan

memperhatikan aturan setiap nilai menempati delapan kolom. Dengan demikian, kolom
1-8 merupakan survival rate dari umur 45-49 hingga umur 50-54 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33 -38 (hari, bulan,
dan tahun). Titik desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 50-54 tahun hingga umur 55-59 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33 -38 (hari, bulan,
dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,

38
Kolom 49-56 yang merupakan survival rate dari 75+ hingga umur 80+ yang berhubungan
dengan data yang diberikan dalam baris kedua kolom 33-38 (hari, bulan, dan tahun).
Titik desimal pada kolom 49. Sedangkan kolom 57-80 kosong.
v. Baris 21+J : berisi data survival rate yang lebih akhir untuk perempuan dengan
memperhatikan aturan setiap nilai menempati delapan kolom. Dengan demikian, kolom
1-8 merupakan survival rate dari lahir hingga umur 0-4 tahun yang berhubungan dengan
data yang diberikan dalam baris kedua kolom 33-38 (hari, bulan, dan tahun). Titik
desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 0-4 tahun hingga umur 5-9 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33 -38 (hari, bulan,
dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 73-80 yang merupakan survival rate dari 40-44 hingga umur 45-49 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33 -38 (hari, bulan,
dan tahun). Titik desimal pada kolom 73.
w. Baris 22+J : berisi lanjutan data yang lebih akhir dari survival rate untuk perempuan

dengan memperhatikan aturan setiap nilai menempati delapan kolom. Dengan demikian,
kolom 1-8 merupakan survival rate dari umur 45-49 hingga umur 50-54 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33 -38 (hari, bulan,
dan tahun). Titik desimal pada kolom 1.
Kolom 9-16 merupakan survival rate dari 50-54 tahun hingga umur 55-59 tahun yang
berhubungan dengan data yang diberikan dalam baris kedua kolom 33 -38 (hari, bulan,
dan tahun). Titik desimal pada kolom 9. Dan seterusnya hingga,
Kolom 49-56 yang merupakan survival rate dari 75+ hingga umur 80+ yang berhubungan
dengan data yang diberikan dalam baris kedua kolom 33-38 (hari, bulan, dan tahun).
Titik desimal pada kolom 49. Sedangkan kolom 57-80 kosong.
Jika survival rate kurang dari 17 nilai yang diberikan kedua baris tersebut (baik untuk
mortalitas awal dan akhir) masih dapat digunakan untuk setiap jenis kelamin. Survival
rate yang terakhir untuk setiap jenis kelamin dan mortalitas akan dijadikan sebagai
survival rate yang terbuka.
ii. Jika kolom 21 dan 22 baris kedua berisi kode 12 maka:

39
Survival rate dibaca untuk mortalitas awal dan pemodelan tabel kematian Coale-Demeny
digunakan untuk mortalitas akhir. Dengan demikian baris 15+J hingga 18+J untuk kode
11 digunakan dalam kode 12. Sehingga yang berbeda mulai pada baris ke-19+J.
Aturannya adalah sebagai berikut:
t. Baris ke-19+J : kolom 1-6 berisi harapan hidup waktu lahir untuk laki-laki untuk
mortalitas yang lebih akhir dengan titik desimal pada kolom 3. Kolom 7 -12 berisi
harapan hidup waktu lahir untuk perempuan untuk mortalitas yang lebih akhir dengan
titik desimal pada kolom 9. Kolom 13 merupakan petunjuk yang menandakan
penggunaan pemodelan tabel kematian Coale-Demeny, kode 1 model west, kode 2 north,
kode 3 east, dan kode 4 south.

iii. Jika kolom 21 dan 22 baris kedua berisi kode 21 maka:

Survival rate dibaca untuk mortalitas yang lebih akhir dan pemodelan tabel kematian Coale-
Demeny digunakan untuk mortalitas awal. Dengan demikian baris 19+J hingga 22+J
untuk kode 11 digunakan dalam kode 21. Sehingga yang berbeda mulai pada baris ke -
15+J. Aturannya adalah sebagai berikut:
p. Baris ke-15+J : kolom 1-6 berisi harapan hidup waktu lahir untuk laki-laki untuk

mortalitas yang awal dengan titik desimal pada kolom 3. Kolom 7-12 berisi harapan
hidup waktu lahir untuk perempuan untuk mortalitas awal dengan titik desimal pada
kolom 9. Kolom 13 merupakan petunjuk yang menandakan penggunaan pemodelan tabel
kematian Coale-Demeny, kode 1 model west, kode 2 north, kode 3 east, dan kode 4
south.
iv. Jika kolom 21 dan 22 baris kedua berisi kode 22 maka:

Mortalitas awal dan mortalitas yang lebih akhir menggunakan pemodelan tabel kematian
Coale-Demeny. Dengan demikian baris 15+J hingga 22+J untuk kode 11 tidak
digunakan dalam kode 22. Sehingga yang berbeda mulai pada baris ke-15+J dan 16+J.
Baris 15+J sama dengan baris 15+J untuk kode 21, sedangkan baris 16+J sama seperti
pada baris ke 19+J untuk kode 12. Dengan kata lain aturannya adalah sebagai berikut:
p. Baris ke-15+J : kolom 1-6 berisi harapan hidup waktu lahir untuk laki-laki untuk

mortalitas awal dengan titik desimal pada kolom 3. Kolom 7 -12 berisi harapan hidup
waktu lahir untuk perempuan untuk mortalitas awal dengan titik desimal pada kolom 9.

40
 Kolom 13 merupakan petunjuk yang menandakan penggunaan pemodelan tabel kematian
Coale-Demeny, kode 1 model west, kode 2 north, kode 3 east, dan kode 4 south.
q. Baris ke-16+J : kolom 1-6 berisi harapan hidup waktu lahir untuk laki-laki untuk

mortalitas yang lebih akhir dengan titik desimal pada kolom 3. Kolom 7-12 berisi
harapan hidup waktu lahir untuk perempuan untuk mortalitas yang lebih akhir dengan
titik desimal pada kolom 9. Kolom 13 merupakan petunjuk yang menandakan
penggunaan pemodelan tabel kematian Coale-Demeny, kode 1 model west, kode 2 north,
kode 3 east, dan kode 4 south.

INPUT DATA:
IRIAN JAYA -- PROYEKSI
0 3010199520001.050 2230101996300620001
135908 154286 119278 88152 68087 88471 87398 83973 56481 47539
25244 17077 8758 4585 2247 2098
135244 139722 112032 91952 86878 98577 85722 77005 47429 31352
15500 17190 8554 3826 1233 829
ASFR
.0352 .1191 .1124 .1073 .0595 .0240 .0169
.0352 .1191 .1124 .1073 .0595 .0240 .0169
100000
.0102 .0144 .0154 .0385 .0991 .0720 .0441 .0328 .0244 .0275
.0211 .0038 .0249 .0202 .0001 .0001
.0107 .0173 .0191 .0351 .0777 .0609 .0336 .0276 .0184 .0084
.0080 .0001 .0115 .0223 .0001 .0001
60.47 64.38 1
62.50 66.40 1
Setelah itu data disimpan dengan nama file PROJ595.dat pada direktori MCPDA, kemudian
tutup program WS dan melanjutkan ke program MCPDA
3. Buka program MCPDA
4. Masuk ke menu PROJ5
5. Buka file data yaitu : PROJ595.dat
6. Pilih kode 3 (komputer dengan sendirinya akan mengolah data yang telah ditunjuk), ketik
nama file output yaitu PROJ595.hsl dalam direktori MCPDA
7. Hasil pengolahan dapat dilihat dengan menggunakan program WS atau EDIT

Tabel Jumlah Baris untuk PROJ5 Menurut Jumlah Tahun dalam Periode Proyeksi

41
 Variabel Jumlah Tahun dalam Periode Proyeksi
5 10 15 20 25 30 35 4 4 50
0 5

Judul 1 1 1 1 1 1 1 1 1 1
Informasi 1 1 1 1 1 1 1 1 1 1
Distribusi Penduduk 4 4 4 4 4 4 4 4 4 4
Judul Hipotesis 1 1 1 1 1 1 1 1 1 1
Fertilitas (ASFR) 2 3 4 5 6 7 8 9 1 11
0
Migrasi:
Total 1 1 1 1 1 1 1 1 1 1
Percentase 4 8 12 16 20 24 28 3 3 40
2 6
Sub Total 14 19 24 29 34 39 44 4 5 59
9 4
Mortalitas
11 (Survival Rate) 8 8 8 8 8 8 8 8 8 8
12 (Survival Rate, E0) 5 5 5 5 5 5 5 5 5 5
21 (E0, Survival Rate) 5 5 5 5 5 5 5 5 5 5
22 (E0) 2 2 2 2 2 2 2 2 2 2

Contoh Penggunaan Sub-rutin Proj5 pada tulisan ini dengan menggunakan kode 22 pada kolom
21 dan 22 untuk baris 2. Dengan demikian data yang diperlukan adalah harapan hidup menurut
jenis kelamin dan pemodelan Coale-Demeny untuk mortalitas awal maupun yang lebih akhir.

42
b. Hasil
IRIAN JAYA -- PROYEKSI

POPULATION AT THE BEGINNING OF THE PROJECTION PERIOD 30/10/1995

---------------POPULATION-------------- SURVIVAL FERTILITY
-----------ABSOLUTES--------- -----PROPORTIONS------ RATES
RATES
BOTH BOTH
SEXES MALE FEMALE SEXES MALE FEMALE MALE
FEMALE .00 .00

TOTAL 1942627. 989582. 953045. 1.0000 1.0000 1.0000

0- 4 271152. 135908. 135244. .1396 .1373 .1419 .0000 .0000

5- 9 294008. 154286. 139722. .1513 .1559 .1466 .0000 .0000
10-14 231310. 119278. 112032. .1191 .1205 .1176 .0000 .0000
15-19 180104. 88152. 91952. .0927 .0891 .0965 .0000 .0000 .0000
.0000
20-24 154965. 68087. 86878. .0798 .0688 .0912 .0000 .0000 .0000
.0000
25-29 187048. 88471. 98577. .0963 .0894 .1034 .0000 .0000 .0000
.0000
30-34 173120. 87398. 85722. .0891 .0883 .0899 .0000 .0000 .0000
.0000
35-39 160978. 83973. 77005. .0829 .0849 .0808 .0000 .0000 .0000
.0000
40-44 103910. 56481. 47429. .0535 .0571 .0498 .0000 .0000 .0000
.0000
45-49 78891. 47539. 31352. .0406 .04 80 .0329 .0000 .0000 .0000
.0000
50-54 40744. 25244. 15500. .0210 .0255 .0163 .0000 .0000
55-59 34267. 17077. 17190. .0176 .0173 .0180 .0000 .0000
60-64 17312. 8758. 8554. .0089 .0089 .0090 .0000 .0000
65-69 8411. 4585. 3826. .0043 .0046 .0040 .0000 .0000
70-74 3480. 2247. 1233. .0018 .0023 .0013 .0000 .0000
75+ 2927. 2098. 829. .0015 .0021 .0009 .0000 .0000

MIDPOINT OF THE PROJECTION PERIOD= .00

RATE OF GROWTH= .0000
RATE OF NATURAL INCREASE= .0000
CRUDE BIRTH RATE= .0000
CRUDE DEATH RATE= .0000
GENERAL FERTILITY RATE= .0000
TOTAL FERTILITY RATE= .00
SEX RATIO AT BIRTH= 1.050
MALE LIFE EXPECTANCY= .00

43
 FEMALE LIFE EXPECTANCY= .00

IRIAN JAYA -- PROYEKSI

POPULATION PROJECTED TO 30/10/2000

---------------POPULATION-------------- SURVIVAL
FERTILITY
-----------ABSOLUTES--------- -----PROPORTIONS------ RATES
RATES
BOTH BOTH
SEXES MALE FEMALE SEXES MALE FEMALE MALE
FEMALE 1995.83 2000.83

TOTAL 2179088. 1110687. 1068400. 1.0000 1.0000 1.0000

0- 4 199908. 101641. 98267. .0917 .0915 .0920 .9307 .9444

5- 9 269300. 134714. 134586. .1236 .1213 .1260 .9822 .9848
10-14 295379. 154678. 140700. .1356 .1393 .1317 .9929 .9940
15-19 234976. 120990. 113986. .1078 .1089 .1067 .9919 .9934 .0352
.0352
20-24 190599. 93909. 96690. .0875 .0846 .0905 .9878 .9905 .1191
.1191
25-29 168315. 75581. 92734. .0772 .0680 .0868 .9854 .9881 .1124
.1124
30-34 194712. 92813. 101899. .0894 .0836 .0954 .9840 .9861 .1073
.1073
35-39 176886. 89543. 87343. .0812 .0806 .0818 .9810 .9835 .0595
.0595
40-44 162449. 84727. 77722. .0745 .0763 .0727 .9754 .9798 .0240
.0240
45-49 104605. 57098. 47507. .0480 .0514 .0445 .9659 .9738 .0169
.0169
50-54 78582. 47563. 31019. .0361 .0428 .0290 .9509 .9638
55-59 39715. 24621. 15094. .0182 .0222 .0141 .9279 .9484
60-64 33003. 16586. 16417. .0151 .0149 .0154 .8935 .9233
65-69 18530. 9430. 9100. .0085 .0085 .0085 .8435 .8822
70-74 8577. 4436. 4141. .0039 .0040 .0039 .7715 .8166
75+ 3553. 2358. 1194. .0016 .0021 .0011 .5401 .573 5

MIDPOINT OF THE PROJECTION PERIOD= 1998.33

RATE OF GROWTH= .0229
RATE OF NATURAL INCREASE= .0152
CRUDE BIRTH RATE= .0206
CRUDE DEATH RATE= .0054
GENERAL FERTILITY RATE= .0747
TOTAL FERTILITY RATE= 2.37

44
 SEX RATIO AT BIRTH= 1.050
MALE LIFE EXPECTANCY= 61.29
FEMALE LIFE EXPECTANCY= 65.20

NUMBER OF MIGRANTS= 100000.

45
Referensi

Coale, A.J., Demeny, P. dan Vaughan, B. 1983. Regional Model Life Tables and Stable
Population. 2 nd Edition. Toronto:Academic Press, Inc.
Hollmann, F.W., Mulder, T.J., Kallan, J.E. 2000. Methodology and Assumptions for the
Population Projections of the United States: 1999 to 2100 . Washington, D.C.: Population
Division of U.S. Census Beurau
Indonesia. 1997. Penduduk Irian Jaya hasil Survei Penduduk antar Sensus 1995 seri S2.27 .
Jakarta:Biro Pusat Statistik.
------------. 1997a. Estimasi Fertilitas, Mortalitas, dan Migrasi hasil Supas 1995 seri S2.27.
Jakarta: Biro Pusat Statistik.
------------. 1997b. Proyeksi Penduduk Indonesia 1995-2000. Jakarta: Biro Pusat Statistik.
United Nations. 1967. Methods of Estimating Basic Demographic Measures from Incomplete
Data. Manual IV. New York: United Nations Publication.
------------------. 1983. Methods of Measuring Internal Migration. Manual VI. New York: United
Nations Publication.
------------------. 1983. Indirect Techniques for Demographic Estimation. Manual X. New York:
United Nations Publication.
United Stated. 1985. MicroComputer Program for Demographic Analysis (MS-DOS Version).
Bureau of the Census Program.

46
 MEMBUAT PIRAMIDA PENDUDUK

PROGRAM: PYRMD

2.1. Deskripsi Program

a. Tujuan:
Untuk membuat suatu plot dari satu atau dua piranida penduduk dari satu atau dua distribusi
penduduk.
Tujuan: Membuat piramida penduduk yang berfungsi untuk mengetahui distribusi umur
menurut jenis kelamin serta mengetahui proses demografi yang terjadi ya itu fertilitas,
mortalitas dan migrasi).
Data yang diperlukan: Penduduk menurut umur lima tahunan dan jenis kelamin tahun 1995

b. Data yang diperlukan:

Penduduk laki-laki dirinci dalam kelompok umur lima tahunan.
Penduduk perempuan dirinci dalam kelompok umur lima tahunan.
Jika digunakan untuk membuat suatu plot dari dua distribusi maka diperlukan pula data
Penduduk laki-laki dirinci dalam kelompok umur lima tahunan dan penduduk perempuan
dirinci dalam kelompok umur lima tahunan bagi distribusi kedua.

2.2. Metodologi

Total penduduk dihitung untuk setiap distribusi sebagai berikut:

y −5
TP =  ( MP +
x =0,5
5 x 5 FPx) + MPy + + FPy +

Dimana 5MPx merupakan penduduk laki-laki dari umur x, x+4

5FPx merupakan penduduk perempuan dari umur x, x+4
y adalah batas atasdari kelompok umur lima tahunan terakhir
MPy+ merupakan kelompok umur yang terbuka pada akhir kelompok penduduk
laki-laki

47
 FPy+ merupakan kelompok umur yang terbuka pada akhir kelompok penduduk
perempuan.

Persentase penduduk setiap kelompok umur dan jenis kelamin dihitung dengan rumusan sebagai
berikut:
5 MPx
5 PMPx =
TP

Persentase untuk penduduk perempuan digunakan cara yang sama seperti di atas.
Jika data yang diberikan untuk dua distribusi, distribusi kedua mengikuti prosedur yang sama
dan kedua distribusi tersebut akan di-plot pada grafik yang sama

2.3. Contoh Pemakaian dan Prosedur penggunaan PRYMD

a. Prosedur:

1. Buka WS Non Document

2. Masukan data menurut umur dan jenis kelamin dengan cara sebagai berikut:
a. baris pertama : Label contoh Propinsi Yogyakarta Tahun 1995

b. b. baris kedua : kode 10

c. baris ketiga : masukan data jenis kelamin laki-laki menurut kelompok umur dengan
ketentuan setiap kelompok umur mempunyai tempat 8 karakter. Contoh kelompok umur
(0-4) menempati kolom 1-8, kelompok umur (5-9) menempati kolom 9-16 dan seterusnya
hingga memenuhi 80 karakter. Input data setiap kelompok umur rata kanan (lihat input
data). Catatan setelah 80 karakter input data diteruskan pada baris dibawahnya.
d. baris keempat : data lanjutan kelompok umur laki-laki

e. baris kelima : masukkan data kelompok umur jenis kelamin perempuan dengan cara
sama seperti input data kelompok umur laki-laki
f. baris keenam : data lanjutan kelompok umur perempuan

48
 INPUT DATA

1995 PENDUDUK IRJA

10
135908 154286 119278 088152 068087 0884 71 087398 083973 056481 047539
025244 017077 08758 04585 02247 02098
135244 139722 112032 091952 086878 098577 085722 077005 047429 031352
015550 17190 08554 03826 01233 00829
0

3. Setelah itu data disimpan dengan nama file pyrmd95.dat dengan directory MCPDA,
kemudian tutup program WS dan melanjutkan ke program MCPDA
4. Buka program MCPDA
5. Masuk ke menu Pyrmd
6. Buka fila data yaitu : Pyrmd95.dat
7. Pilih kode 3 (komputer dengan sendirinya akan mengolah data y ang telah ditunjuk), ketik
nama file output yaitu Pyrmd95.hsl dalam directory MCPDA
8. Hasil pengolahan dapat dilihat dengan menggunakan program WS atau EDIT
b. Hasil

1995 PENDUDUK IRJA

75 + I 75 +
I
70-74 I 70-74
I
65-69 I!I 65-69
I!I
60-64 I-!-I 60-64
I!I
55-59 I---!---I 55-59
I ! I
50-54 I----!--I 50-54
I ! I
45-49 I---------!-----I 45-49
I ! I
40-44 I-----------!---------I 40-44
I ! I
35-39 I----------------!---------------I 35-39
I ! I

49
 30-34 I-----------------!-----------------I 30-34
I ! I
25-29 I-----------------!-------------------I 25-29
I ! I
20-24 I-------------!-----------------I 20-24
I ! I
15-19 I-----------------!------------------I 15-19
I ! I
10-14 I------------------------!----------------------I 10-14
I ! I
5- 9 I-------------------------------!----------------------------I 5- 9
I ! I
0- 4 I---------------------------!---------------------------I 0- 4
I ! I
*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-
*-*-*-*-*-*-*-*-*-*-*-*
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
MALE PERCENT FEMALE

SYMBOL DEFINITIONS
I FIRST DISTRIBUTION
FIRST DISTRIBUTION
NUMBER PERCENT
AGE GROUP MALE FEMALE MALE FEMALE

0- 4 135908. 135244. 7.00 6.96

5- 9 154286. 139722. 7.94 7.19
10-14 119278. 112032. 6.14 5.77
15-19 88152. 91952. 4.54 4.73
20-24 68087. 86878. 3.50 4.47
25-29 88471. 98577. 4.55 5.07
30-34 87398. 85722. 4.50 4.41
35-39 83973. 77005. 4.32 3.96
40-44 56481. 47429. 2.91 2.44
45-49 47539. 31352. 2.45 1.61
50-54 25244. 15550. 1.30 .80
55-59 17077. 17190. .88 .88
60-64 8758. 8554. .45 .44
65-69 4585. 3826. .24 .20
70-74 2247. 1233. .12 .06
75 + 2098. 829. .11 .04
TOTAL 989582. 953095.

50