DINAMIKA PENDUDUK

Oleh
HADI SUMARNO

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN IPA
INSTITUT PERTANIAN BOGOR

1
 PENGERTIAN PROYEKSI PENDUDUK
PROYEKSI: Perhitungan penduduk pada masa yang akan datang,
berdasarkan jumlah penduduk sekarang dan dengan
asumsi tertentu tentang trend fertilitas, mortalitas dan
migrasi
PERAMALAN: Pernyataan tentang kejadian yang akan datang,
berdasarkan informasi/pengetahuan yang ada saat ini.
Dengan demikian, suatu proyeksi (projection) yang
menggunakan trend fertilitas, mortalitas, dan migrasi yang
paling mungkin akan terjadi di masa yang akan datang
(diasumsikan paling mendekati realitas) disebut sebagai
peramalan (forecast)

HADI SUMARNO 2
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL INTERPOLASI LINEAR
Asumsi: Pertambahan jumlah penduduk setiap tahun konstan
Metode Interpolasi
Linear

P ( 1) = P ( 0 ) + K
P ( 2 ) = P ( 1) + K = P ( 0 ) + 2 K
M
P ( n ) = P ( 0 ) + nK

P ( n ) - P ( 0)
\K =
n
HADI SUMARNO 3
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL INTERPOLASI LINEAR

t
P ( t ) = P ( 0) + � �P ( n ) - P ( 0) �
�
n
P ( t ) = P ( 0 ) + Kt � rL = K / P (0)
P ( t ) = P ( 0 ) + rL P (0)t = P (0)(1 + rL t )

Misalkan: P(1990) = 180 juta, P(1995) = 195 juta

P(1992) = 180 + 2/5 (195 -180) = 180 + 6 = 186 juta
P(1996) = 180 + 6/5 (195 – 180) = 180 + 18 = 198 juta

P ( 1995) - P ( 1990) �
�
� � [ 195 juta -180 juta]
rL = = = 3/ 900 = 1/ 300
5P(1990) 5*180 juta
HADI SUMARNO 4
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL PERTUMBUHAN GEOMETRIS
Asumsi: Pertambahan penduduk sebanding dengan jumlah
penduduk tahun sebelumnya

P ( 1) = P ( 0 ) + K ( 0 ) = P ( 0 ) + kP ( 0 ) = P ( 0 ) ( 1 + k )
P ( 2 ) = P ( 1) + K ( 1) = P ( 1) + kP ( 1) = P ( 1) ( 1 + k )
P ( 2) = P ( 0) ( 1 + k ) ( 1 + k ) = P ( 0) ( 1 + k )
2
�
M
P ( n ) = P ( 0) ( 1 + k )
n

P ( n) P ( 1) - P ( 0 ) P ( 2 ) - P ( 1) P ( n ) - P ( n - 1)
\k = n -1 = = =L =
P ( 0) P ( 0) P ( 1) P ( n - 1)
k = ra
P ( t ) = P ( 0 ) ( 1 + ra )
t

HADI SUMARNO 5
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL PERTUMBUHAN GEOMETRIS

ra = annual growth rate

Misalkan: P(1990) = 180 juta, P(1995) = 195 juta

ra = (195/180)1/5 -1 = 0.016137
P(1992) = 180 * (1+0.016137)2 = 185,86 juta

HADI SUMARNO 6
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL PERTUMBUHAN EKSPONENSIAL
Asumsi: Pertambahan penduduk terjadi setiap saat dengan
laju pertumbuhan penduduk konstan

P ( 1) = P ( 0 ) * ( 1 + ra ) ri = instaneous
n growth rate
� ri �
P ( 1) = P ( 0 ) * �
1+ �
� n�
n
� ri �
P ( 1) = lim P ( 0 ) * �
1 + � = P ( 0 ) * e ri
n �� � n�
sehingga
P ( t ) = P ( 0 ) * exp ( ri t )

Misalkan: P(1990) = 180 juta, P(1995) = 195 juta

ri = 1/5*ln(195/180) = 0.016009
HADI SUMARNO P(1992) = 180 * exp(0.016009*2 = 185,86 juta 7
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL LOGISTIK
Asumsi: Pertambahan penduduk terjadi setiap saat dengan
laju pertumbuhan penduduk tidak konstan

P ( t ) = P ( 0 ) * exp ( ri t )
( t ) = P ( 0 ) * ri * exp ( ri t ) = ri P ( t )
P�
( t)
P�
ri = (model eksponensial)
P( t)
Model logistik

r ( t) =
( t)
P� � P( t) �
=k�
1- �
P( t) � Pmax �

HADI SUMARNO 8
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL LOGISTIK
( t)
P� � P( t) �
=k� 1- �
P( t) � Pmax �
dP ( t )
= kdt
� P( t) �
P( t) �1- �
� Pmax �
� 1 �
� �
dP ( t ) � Pmax 1 �
=� + �dP ( t )
� P ( t ) � �� P ( t ) � P ( t ) �
P( t) �1- 1-
� �� �
P
� max � �� max �P �
�
HADI SUMARNO 9
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL LOGISTIK
Pmax Misalkan:
P( t) = P(1990) = 180 juta,
�Pmax �- kt P(1995) = 195 juta,
1+ � - 1�e
�P ( 0 ) � Pmax=500 juta
Solusi
1
P( t) = A = 0.002
1 �1 1 �- kt B = 0.0036
+� - �e
Pmax �P ( 0 ) Pmax � k = -1/5*ln[(1/195 –
0.002)/0.0036]=
1 0.0256
P( t) =
A + B * exp ( -kt ) P(1992) = 185,94 juta
P(1996) = 198,05 juta
1 �1 1 �
A= ; B=� - �
Pmax �P ( 0 ) Pmax �
HADI SUMARNO 10
DEPARTEMEN MATEMATIKA FMIPA IPB
 LATIHAN
Populasi menjadi dua kali lipat dalam 40 tahun. Carilah annual
arithmetic growth rate, annual geometric growth rate,
instaneous growth rate.

Diketahui P(0)=6 juta

P(20)=16 juta
P(40)=25 juta, dengan asumsi model logistik, tenatukan:
a. P maksimum
b. r(0)
c. Waktu yang iperlukan agar tercapai P maksimum

HADI SUMARNO 11
DEPARTEMEN MATEMATIKA FMIPA IPB
 MODEL KOMPONEN KOHORT
Metode Komponen Kohort

SKEDUL SKEDUL LIFE

MIGRASI FERTILITAS TABEL

Trend Net Migr Trend TFR Trend AHH

NM(X,T)= f(X,T)= S(X,T)=

ASNMR(X,T)= ASFR(X,T)= ASSR(X,T)=
net migration fertilitas survival

SEBARAN PROYEKSI
PENDUDUK PENDUDUK

HADI SUMARNO 12
DEPARTEMEN MATEMATIKA FMIPA IPB
 Sekdul dan trend fertilitas
0.800
0.700

•
0.600
0.500
Trend TFR
0.400
0.300
0.200 3.000

0.100 2.500
-
15-19 20-24 25-29 30-34 35-39 40-44 45-49 2.000

1.500

ASFR
1.000

0.500

-
1995 2000 2005 2010 2015 2020 2025 2030

HADI SUMARNO 13
DEPARTEMEN MATEMATIKA FMIPA IPB
 Sekdul dan trend mortalitas
500,000
450,000
400,000
350,000
300,000
250,000
•
200,000
150,000 Trend Angka Harapan Hidup
100,000
50,000
-
4 4 4 4 4 4 4 4 4 4 0+
0- -1 -2 -3 -4 -5 -6 -7 -8 -9
10 20 30 40 50 60 70 80 90 10

72.0
70.0

l(x) 68.0
66.0
64.0
62.0
60.0
58.0
56.0
54.0
1990 1995 2000 2005 2010 2015 2020 2025

HADI SUMARNO 14
DEPARTEMEN MATEMATIKA FMIPA IPB
 SKEDUL FERTILITAS
ASUMSI:
1. Skedul fertilitas menurut umur tidak berubah sepanjang waktu
proyeksi
2. Perubahan fertilitas total sepanjang waktu proyeksi mengikuti
fungsi eksponensial sebagai berikut

TFR ( t ) = TFR ( 0 ) e
- rf t

TFR(t) = Total Fertility Rate pada tahun t

rf = tingkat pertumbuhan tahunan dari TFR

HADI SUMARNO 15
DEPARTEMEN MATEMATIKA FMIPA IPB
 SKEDUL MORTALITAS
ASUMSI:
1. Skedul mortalitas mengikuti life tabel Coale-Demeny model
Barat
2. Perubahan angka harapan hidup sepanjang waktu proyeksi
mengikuti fungsi logistik sebagai berikut

1
AHH (t ) = - kt
A + Be
dengan
1
AHH (0 ) =
A + B
1
AHH ( ) =
A

AHH(t) = Angka Harapan Hidup pada tahun t

HADI SUMARNO 16
DEPARTEMEN MATEMATIKA FMIPA IPB
 SKEDUL MIGRASI
ASUMSI:
1. Skedul migrasi bersih (net migration) menurut umur tidak
berubah sepanjang waktu proyeksi
2. Tingkat migrasi bersih menurut umur tidak berubah selama
periode proyeksi

NM(x,t) = N(x,0) untuk semua t

HADI SUMARNO 17
DEPARTEMEN MATEMATIKA FMIPA IPB
 PROSES PROYEKSI
B(0)
*[S0(0,0)+NM0(0,0)]

P(0,0) P(0,1)

*[S(0,0)+NM(0,0)]
P(1,0) P(1,1)

P(x,0) P(x,1)

P(K+,0) P(K,1)
P[K+,1]
P(K+,1) = P(K,1)+P[K+1)+,1]

HADI SUMARNO 18
DEPARTEMEN MATEMATIKA FMIPA IPB
 PROSES PROYEKSI
P(0,1) = B(0)*[S0(0,0)+NM0(0,0)]
P(1,1) = P(0,0)*[S(0,0)+NM(0,0)]
P(2,1) = P(1,0)*[S(1,0)+NM(1,0)]
:
P(x,1) = P(x-1,0)*[S(x-1,0)+NM(x-1,0)]
:
P((K+,1) = P(K+,0)*[S(K+,0)+NM(K+,0)]

Secara umum, penduduk umur x pada tahun ke t+1 dapat

dirumuskan sebagai berikut:
P(0,t+1) = B(t)*[S0(0,t)+NM0(0,t)], untuk x=0
P(x,t+1) = P(x-1,t)*[S(x-1,t)+NM(x-1,t)], untuk 0<x<K-1
P((K+,t+1) = P(K+,t)*[S(K+,t)+NM(K+,t)], x=K+

HADI SUMARNO 19
DEPARTEMEN MATEMATIKA FMIPA IPB
 PROSES PROYEKSI
P(x,t) = jumlah penduduk umur x pada tahun t
B(t) = jumlah kelahiran pada tahun ke t
NM(x,t) = tingkat migrasi bersih umur x pada tahun t
NM0(x,t) = tingkat migrasi bersih bayi pada tahun t
S(x,t) = tingkat bertahan hidup dari umur x pd thn t s/d umur x+1
pd thn t+1
S0(0,t) = tingkat bertahan hidup bayi yang lahir pada tahun t dan
belum mencapai umur satu tahun pada tahun t+1
K =batas umur tertinggi, misalnya 75+

HADI SUMARNO 20
DEPARTEMEN MATEMATIKA FMIPA IPB
 Ba

a+1

P w
a Ba Pwa

a
Ba-1

a-1

HADI SUMARNO 21
DEPARTEMEN MATEMATIKA FMIPA IPB
 B( t) = � x
1
2
f ( x, t ) * P w ( x, t ) + 12 f ( x + 1, t ) * S ( x, t ) * P w ( x, t )

= ��
� f ( x, t ) +
1
2
1
2
f ( x + 1, t ) * S ( x, t ) �
� ( x, t )
* P w

f *
( ) �2 ( ) 2 f ( x + 1, t ) * S ( x, t ) �
x , t = �1
f x , t + 1
�

b ( x, t ) = f * ( x , t ) * �
S 0 ( 0, t ) + NM 0 ( 0, t ) �
� �
b ( x, t ) = �1
�2 f ( x , t ) + 1
f ( x + 1, t ) * S ( x , t ) �*
��
�
S 0
( 0, t ) + NM 0
( 0, t ) �
2 �

HADI SUMARNO 22
DEPARTEMEN MATEMATIKA FMIPA IPB
 PROSES PROYEKSI
b( t ) = [ 12 f ( x, t ) + 12 f ( x + 1, t ) * S ( x, t ) ] * [ S 0 ( 0, t ) + NM 0 (0, t )]
L( x + 1, t )
S ( x, t ) =
L ( x, t )
L ( 0, t )
S ( 0, t ) =
0

l ( 0, t )
T ( K + 1, t )
S ( K +, t ) =
T ( K,t)
S m ( x, t ) = S ( x, t ) + NM ( x, t )
S m0 ( 0, t ) = S 0 ( 0, t ) + NM 0 (0, t )
S m ( K +, t ) = S ( K +, t ) + NM ( K +, t )

HADI SUMARNO 23
DEPARTEMEN MATEMATIKA FMIPA IPB
 PROSES PROYEKSI
 P( 0,t +1)   0 0  b( x,t) b( x+1,t)  0 0   P( 0,t) 
 P(1,t +1)  S ( 0,t) 0  0 0  0 0   P(1,t) 
  m  
             
    
 P ( x,t +1)  = 0 0  0 0  0 0   P( x,t) 
P( x+1,t +1)   0 0  Sm( x,t) 0  0 0  P( x+1,t) 
    
             
P( K-1,t +1)   0 0  0 0  0 0  P( K-1,t) 
    
 P( K+,t +1)   0 0  0 0  Sm( K-1,t) S( K+,t)   P( K+,t) 

HADI SUMARNO 24
DEPARTEMEN MATEMATIKA FMIPA IPB
 Dalam melakukan proyeksi tingkat wilayah (propinsi atau
kabupaten/kota) perlu diperhatikan hal-hal berikut:

1. Angka migrasi propinsi atau kabupaten/kota kecil

kemungkinannya sama dengan nol
2. Perlu penyesuaian dengan angka proyeksi pada cakupan
wilayah yang lebih tinggi,
• Jumlah penduduk hasil proyeksi semua propinsi harus
sesuai dengan hasil proyeksi nasional.
• Jumlah penduduk hasil proyeksi semua kabupaten/kota
harus sesuai dengan hasil proyeksi pada propinsi
bersangkutan, yang telah dilakukan penyesuaian
dengan hasil proyeksi nasional.

HADI SUMARNO 25
DEPARTEMEN MATEMATIKA FMIPA IPB
 Manfaat Proyeksi
1. Untuk meramalkan jumlah penduduk yang akan datang
• Jika tidak ada kebijakan tertentu terhadap berlangsungnya
trend komponen demografi, proyeksi jumlah penduduk di
masa yang akan datang dapat digunakan sebagai acuan untuk
menetapkan beberapa kebijakan terhadap pelayanan publik,
seperti masalah pendidikan, kesehatan, perumahan, dll.
2. Sebagai dasar pertimbangan dalam memilihan suatu kebijakan,
yaitu dengan melakukan simulasi beberapa alternatif kebijakan
terhadap trend komponen demografi (fertilitas, mortalitas, dan
migrasi), dan kemudian mempelajari dampaknya terhadap
pertumbuhan penduduk
• Suatu kebijakan tertentu terhadap komponen demografi akan
berdampak kepada struktur dan sebaran penduduk, sehingga
menentukan bagaimana seharusnya kebijakan-kebijakan
tentang pelayanan publik harus dilakukan,
• Atau jika kita sudah memiliki target tentang kebijakan
terhadap pelayan publik tertentu, kondisi komponen
demografi yang bagaimana yang harus dipenuhi, untuk
menjamin keberhasilan target tersebut.
HADI SUMARNO 26
DEPARTEMEN MATEMATIKA FMIPA IPB
SELESAI

27