ANALISIS

KEPENDUDUKAN
M. Budi Utomo (25419003)
Dwi Jayanti R (25419047)
Yushalihah Fitri T (25419050)
Outline
Analisis Kependudukan dalam

1
1
Perencanaan

Faktor Pertimbangan Pemilihan Metode

2
2
Konsep Dasar Analisis Kependudukan

3
3
Komponen Perubahan Jumlah Penduduk

4
4
Metode Proyeksi Penduduk

5
5
 1
Analisis
Kependuduka
n dalam
Perencanaan
Pentingnya Proyeksi Penduduk dalam
Perencanaan

Transportation Public Services

Land Use
Planning and Facilities

Sustainable
Development

Environmental Economic
Housing
Planning Development

4
 2
Faktor
Pertimbangan
Pemilihan
Metode
Faktor Pertimbangan Pemilihan
Metode
Kesan subjektif: ada kecenderungan seseorang untuk menggunakan suatu metode
1 tertentu mungkin dengan alasan metode tersebut lebih dapat diandalkan atau
mirip dengan studi lain.
Kendala waktu: lama waktu yang dibutuhkan untuk pengumpulan data, analisis,
2 dan pembuatan laporan akan mempengaruhi keputusan dalam pemilihan metode
Tingkat keterampilan teknis: seseorang cenderung memilih metode yang dikuasai
3 atau sederhana daripada yang lebih kompleks
Ketersediaan data: Trend extrapolation memiliki persyaratan data yang lebih
4 rendah. Cohort component memiliki persyaratan data yang lebih tinggi dengan
menggunakan kelompok populasi spesifik usia dan jenis kelamin.
Detail analisis: menganalisis perubahan populasi total atau penyebab perubahan
5 populasi

6 Tujuan proyeksi populasi: tujuan formal atau informal

Kekuatan dan kelemahan: contoh: Trend (kekuatan: persyaratan data rendah,

7 kelemahan: tingkat detail rendah)
6
 3
Konsep Dasar
Analisis
Kependuduka
n
Konsep
Fundamental
Untuk memberikan pemahaman Populasi naik/turun?

Mengapa? secara mendalam terkait

populasi yang hendak dijadikan
Persentase
obyek penelitian dengan perubahan?
mempelajari karakteristik
populasi pada periode data yang
tersedia
1. Mendeskripsikan populasi berdasarkan jumlah aktual
2. Menentukan persebaran populasi pada area pengamatan
Konsep 3. Membuat komposisi jenis kelamin, ras, dan usia pada populasi
Fundamental
yang dijadikan obyek penelitian
4. Menghitung persentase perubahan pada populasi yang telah dipilih

8
Konsep
Fundamenta Population Size
l

“Menggambarkan jumlah Penduduk yang tinggal di dalam suatu wilayah berdasarkan tempat
tinggal permanen”

De Jure Perspective
Tidak, kamu bukan
penduduk Menteng. Kamu
“Saya ber-KTP Bekasi. Saya setiap hari adalah penduduk Bekasi
bekerja di Menteng dan tinggal di kos-
kosan di daerah Menteng, Jakarta
De Facto Perspective
Pusat. Apakah saya termasuk
Ya, kamu penduduk
penduduk Menteng?” Menteng. Tapi bukan
penduduk yang tercatat di
Disdukcapil, ya.

9
Konsep
Fundamenta Spatial Distribution
l

Untuk melihat pola

persebaran
permukiman
- Meninjau
ketimpangan
distribusi
- Melihat persebaran
POPULASI
sarara dan prasarana
Peta Kepadatan Penduduk Kabupaten Grobogan 2013
LUAS AREA Sumber: https://grobogan.go.id/profil/kondisi-demografi/kepadatan-
penduduk/17-kepadatan-penduduk-per-kecamatan-th-2013
10
 Konsep
Fundamenta Population Composition
l Buat apa tahu Komposisi Populasi?
Usia dapat dijadikan dasar memberikan gambaran kebutuhan fasilitas
per rentang usia
• Usia anak-anak – remaja membutuhkan fasilitas pendidikan
Memberikan gambaran • Usia pekerja membutuhkan fasilitas tempat tinggal
komposisi Jenis • Usia lansia memerlukan layanan kesehatan

Kelamin, Usia, dan Ras

Menggambarkan
Age struktur penduduk Piramida Penduduk
Cohort berdasarkan jenjang Kabupaten Grobogan
usia 2016
https://grobogan.go.id/profil/kondisi-
demografi/struktur-usia-
Menggambarkan penduduk/1384-struktur-usia-dan-
angka-ketergantungan-penduduk-
Piramida struktur penduduk tahun-2016
Penduduk
berdasarkan jenis
kelamin per jenjang 11

usia
Konsep
Fundamenta Percentage of Change
l
“Mengetahui perubahan pada jumlah populasi”

Contoh penduduk kota P tahun 2000 & 2005

2000 2005 Average Annual Absolute Change
98.969 102.420 Absolute Change / Jumlah periode (atau tahun)
3.451 / 5 = 69.02 jiwa/tahun
Absolute Change “Pertambahan penduduk rata-rata per tahun dari
Jumlah populasi 2005 – Jumlah populasi 2000 2000-2010 sebanyak 69.02 jiwa/tahun

102.420 – 98.969 = 3.451 jiwa

“Pertambahan penduduk dari 2000 – 2005 sebanyak
3.451 jiwa”
Percent Change
(Absolute Change / Jumlah penduduk thn 2000) * 100
(3.451 / 98.969) * 100 = 3,49%
“Persentase perubahan populasi dari 2000-2005
sebanyak 3.49%”
Average Annual Percent Change
Perhitungan geometri perubahan
Pop2005 = Pop2000 (1 + AAPC)periode
AAPC = [Pop2005/Pop2000]1/periode – 1
AAPC = [102.420/98.969] 1/5 – 1
AAPC = 0.68%
“Pertambahan persentase penduduk rata-
rata per tahun dari 2000-2005 sebanyak
0.68%.” 12
 4
Komponen
Perubahan
Jumlah
Penduduk
 Komponen Pengubah

Populasi 1. Fertilitas (Birth; B)

Meningkat 2. Masyarakat berpindah masuk (In-Migrations; IM)

Kompone
n
Pengubah

Populasi 1. Mortalitas (Death; D)

Menurun 2. Masyarakat berpindah keluar (Out-Migrations;
OM)

  Persamaan Keseimbangan Demografi

14
Komponen Pengubah – Fertilitas (I)
“Mengidentifikasi jumlah kelahiran, biasanya diasosiasikan dengan jumlah kelahiran per wanita pada
kohor usia tertentu”

Kunci Analisis:
Penting untuk mengetahui faktor penyebab perbedaan dan fluktuasi dari fertilitas. Terkadang tidak
hanya disebabkan faktor budaya maupun wilayah, namun juga karena hasil dari kombinasi
kompleks antara ekonomi, sosial, dan faktor lainnya.

1) Crude Birth Rate (CBR) 2) General Fertility Rate (GFR)

“Menghitung jumlah kelahiran per 1000 “Menghubungkan jumlah kelahiran dengan
jumlah wanita dalam usia produktif (15-44
populasi” atau 10-54 tergantung peneliti)”
(B/
B: P) x 1.000
Jumlah kelahiran per tahun (B / FP15-44) x 1.000
P: total midyear population B: Jjumlah kelahiran per tahun
FP15-44 : jumlah wanita usia produktif
15
Komponen Pengubah – Fertilitas (II)
3) Age Specific Birth Rate (ASBR) Kohort Ibu ASBR Probability ASBR
(ASBR/1000
penduduk)
“Mendetilkan GFR pada kohort tertentu”
10 – 14 52,4 0,0524
(nBx / nFPx) x 1.000 ;
15 – 19 391,6 0,3916
n = periode interval ; X = batas bawah usia kohor 20 – 24 491,7 0,4917
Misal: n: 5 (periode interval kohort 5 periode); x: 25 – 29 491,7 0,4917
30 – 34 287,8 0,2878
20 (batas bawah usia kohort 20-24)
35 – 39 86,4 0,0864
40 - 44 9,5 0,0095
4) Total Fertility Rate (TFR) Total 1.811

Jumlah kelahiran bayi selama tahun reproduktif

General Fertility Rate dan Age
wanita Specific Birth Rate dapat dijadikan
dasar untuk mengetahui pengaruh
1000 wanita di kota A memiliki probabilitas untuk dari faktor ekonomi dan sosial
terhadap perbedaan rerata
melahirkan sebanyak 1.811 selama usia produktif wanita kelahiran
16
(10 – 44 tahun)
Komponen Pengubah – Mortalitas (I)
“Mengidentifikasi jumlah kematian”

Kohort Umur Male Probability Female Probability Probability Probability

Tertentu (1000 pop) (1000 pop) Individual Male Individual Female
5-9 998,8 999,2 0,9988 0,9992
… … … … …
80 - 84 498,5 637,3 0,4985 0,6373

“Pada kohort 5-9, survival rates pria “Pada kohort 5-9, mortality rates pria adalah
adalah 998,8 per 1000 jiwa atau 0,9988 ATAU 1.2 per 1.000 jiwa atau 0,0012 per individu”
per individu”

17
 Komponen Pengubah – Mortalitas (II)
Life Table Survival Rates (per 100.000 orang)
Kohort Umur Probabilitas Jumlah survival Jumlah kematian Person Years Total jumlah Ekspektasi hidup
Tertentu Kematian antara sampai usia X antara usia x Lived between yang masih hidup pada usia x
(1) usia x sampai x+n (lx) sampai x+n ages x to x+n (Tx) (ex)
(nqx) (ndx) (nLx)

0-1 0,00693 100.000 693 99.932 7.686.810 76.9

1-4 0,00131 99.307 130 396.916 7.587.418 76.4
5-9 0,00082 99.177 82 496.668 7.190.502 72.5

Kolom 2: Proporsi populasi yang hidup pada usia x (awal rentang kohort) dan tidak mencapai usia x+n (akhir interval kohort)
 Contoh kohort 1-4 : 0.00131; “Proporsi total pupulasi yang meninggal setelah usia 1 tahun, namun belum mencapai
usia 4 adalah 0,00131 atau dari 100.000 populasi terdapat 131 orang yang meninggal sebelum mencapai usia 4”
Kolom 3: Jumlah populasi yang bertahan hidup pada awal rentang usia kohort
 Contoh kohort 1-4 : 99.307, diinterpretasikan sebagai 100.000 populasi pada kohort 0-1 dikurangi penduduk yang
tidak dapat bertahan hidup pada kohort 0-1 yakni 693. 100.000-693 = 99.307

Kolom 4: Jumlah populasi yang tidak bertahan hidup per 100,000 kelahiran pada rentang usia kohort
 Contoh kohort 5-9 : 82, diinterpretasikan sebagai 82 populasi akan meninggal 18
Komponen Pengubah – Mortalitas (III)
Life Table Survival Rates (per 100.000 orang)
Kohort Umur Probabilitas Jumlah survival Jumlah kematian Person Years Total jumlah Ekspektasi hidup
Tertentu Kematian antara sampai usia X antara usia x Lived between yang masih hidup pada usia x
(1) usia x sampai x+n (lx) sampai x+n ages x to x+n (Tx) (ex)
(nqx) (ndx) (nLx)

0-1 0,00693 100.000 693 99.932 7.686.810 76.9

1-4 0,00131 99.307 130 396.916 7.587.418 76.4
5-9 0,00082 99.177 82 496.668 7.190.502 72.5

Kolom 5: menghitung jumlah person years orang yang bertahan hidup pada usia x hingga x+n
Menghitung Jumlah Tahun Hidup Orang (Person Years Lived)
 Misalnya pada periode interval 5-9, maka apabila individu menjalani usia dari 5-9, maka akan dihitung sebagai
5 “Jumlah Tahun Hidup Orang”
 Apabia seseorang tsb meninggal sebelum ulang tahun 7, maka hanya akan menyumbang 2 tahun hidup pada
rentang interval 5-9 (usia 5 = 1 tahun hidup, usia 6 = 1 tahun hidup)
 Karena pada tiap kelompok umur, kecuali kohort umur yang pertama dan terakhir, kita mengasumsikan
kematian terjadi pada pertengahan interval, maka jumlah tahun hidup ( nLx) dapat diperkirakan dengan
19
formula:
Komponen Pengubah – Mortalitas (IV)
Life Table Survival Rates (per 100.000 orang)
Kohort Umur Probabilitas Jumlah survival Jumlah kematian Person Years Total Person Years Ekspektasi hidup
Tertentu Kematian antara sampai usia X antara usia x Lived between Lived pada usia x
(1) usia x sampai x+n (lx) sampai x+n ages x to x+n (Tx) (ex)
(nqx) (ndx) (nLx)

0-1 0,00693 100.000 693 99.932 7.686.810 76.9

1-4 0,00131 99.307 130 396.916 7.587.418 76.4
5-9 0,00082 99.177 82 496.668 7.190.502 72.5

Kolom 6: Penjumlahan total Person Years Lived antara usia X hingga X+n
 Contoh kohort 1-4 : 7.587.418, merupakan penjumlahan usia yang hidup di antara usia x hingga x+n dimulai
pada interval 1-4. Kohort 5-9 menjadi 7.190.502 (7.587.418 – 496.668 = 7.190.502)

Kolom 7: Mengindikasikan sisa durasi hidup pada individu ketika mencapai usia x.
 Contoh kohort 1-4: 76.4, maka individu pada usia 1 memiliki rata-rata “sisa durasi hidup” 76.4 tahun hidup(Life
expentancy)

20
Komponen Pengubah – Mortalitas (V)
Life Table Survival Rates (per 100.000 orang)
Kohort Umur Probabilitas Jumlah survival Jumlah kematian Person Years Total jumlah Ekspektasi hidup
Tertentu Kematian antara sampai usia X antara usia x Lived between yang masih hidup pada usia x
(1) usia x sampai x+n (lx) sampai x+n ages x to x+n (Tx) (ex)
(nqx) (ndx) (nLx)

0-1 0,00693 100.000 693 99.932 7.686.810 76.9

1-4 0,00131 99.307 130 396.916 7.587.418 76.4
5-9 0,00082 99.177 82 496.668 7.190.502 72.5
10-14 0,00104 99.095 103 495.278 6.694.833 67,6

Survival Rates pada misal usia 5-9 hingga 10-14 Contoh menghitung survival rate antara kohor
menggunakan Person Years Lived antara usia x hingga x+n 5-9 hingga 10-14
S = Survival Rate
n x 5 5 S = 5L5+5 / 5L5 = 495.278 / 496.668

L = Person Years Lived x+n

n x+n 5 5 S = 495.278 / 496.668 = 0.997

L = Person Years Lived x

n x

21
Komponen Pengubah – Migration
Miggration Net Kondisi Penyebab
Positive Net Migrasi masuk > Migrasi Wilayah lebih atraktif
Keluar
Negative Net Migrasi masuk < Migrasi Wilayah tidak atraktif
keluar

n mrx = (nMx / Px) x 1.000

N mrx : rerata migrasi masuk/keluar per 1000 populasi

n Mx : jumlah migrasi masuk/keluar antara periode

waktu x hingga x+n
Px : populasi pada awal tahun x 22
 5

Metode
Proyeksi
Penduduk
Metode Agregat dan Disagregat
Agregat
1. Sering digunakan untuk wilayah
kecil dimana data populasi
disagregat (kelompok) tidak selalu
tersedia
2. Proses proyeksi data lebih mudah
dan data yang dibutuhkan tidak
detail, berupa total populasi
3. Tidak mempertimbangkan
penyebab dari tren proyeksi
Disagregat
1. Menggunakan data kelompok
umur/ jenis kelamin untuk
melakukan proyeksi penduduk
2. Proses proyeksi data lebih detail
dan membutuhkan ketersediaan
data yang lebih banyak dan detail
3. Mempertimbangkan penyebab
dari tren proyeksi
24
Metode Proyeksi Penduduk
Metode Proyeksi
Penduduk

Trend Extrapolation Method Cohort-Component Method Structural Method

1. Mortality 1. Model Ekonomi Geografi

1. Share of Growth Method
2. Migration 2. Model Urban System
2. Shift-Share Method
3. Fertility
3. Linear Population Model
4. Geometric Population
Model
Metode Agregat
5. Parabolic Population Model
Metode Disagregat
6. Logistic Population Model
25
Trend
Extrapolatio
Konsep Dasar
Misal:
n Method Tersedia data jumlah penduduk Boone County 1990-2000 (10 tahun)
Populasi 1990 = 57.589 jiwa
Populasi 2000 = 85.991 jiwa

Average Annual Absolute Average Annual Percent

Population Change (AAAC) Changes (AAPC)
Mengekstrapolasikan
tren tahun-tahun “Rata-rata perubahan jumlah “Rata-rata persentase perubahan
sebelumnya untuk masa penduduk per tahun (jiwa)” jumlah penduduk per tahun (%)”
Thisdepan
is a sample text.
Insert your desired
textatau
here. AAAC = (Pop2000 – Pop1990)/n AAPC = (Pop2000/Pop1990)(1/n) -1

= (85.991 – 57.589)/10 = (85.991/57.589)(1/10) -1

Memproyeksi jumlah
penduduk di masa depan = 2.840 = 0.0409 = 4,09%
dengan asumsi bahwa
tren tahun sebelumnya
akan berlanjut pada Pop2001 = Pop2000 + n (AAAC) Pop2001 = Pop2000 x (1+AACP)n
tahun-tahun berikutnya
= 85.991 + 1 (2.840) = 85.991 x (1+0.0409)1 26
= 88.831 = 89.508
 Trend
Share of Growth
Extrapolatio
1 Method
n Method

Membandingkan populasi
wilayah yang lebih kecil (akan
Popm = populasi wilayah yang lebih kecil
diproyeksi) dengan populasi
Popn = populasi wilayah yang lebih besar
wilayah yang lebih besar
ty = target year, tahun yang akan diproyeksi
This is a sample text.
Insert yourofdesired ly = launch year, tahun terakhir data
Mengamati share population
text here. by = base year, tahun awal data
growth wilayah yang lebih kecil
pada periode sebelumnya
!
Asumsi: Perlu diperhatikan apabila trend jumlah penduduk wilayah yang lebih
Share of growth wilayah yang besar dan wilayah yang lebih kecil berlawanan
lebih kecil tetap konstan dan (misal wilayah yang lebih besar meningkat, wilayah yang lebih kecil menurun)
proyeksi penduduk wilayah yang
lebih besar telah diketahui
27
Trend
Share of Growth
Extrapolatio
1 Method
n Method Menghitung proyeksi jumlah penduduk Boone County 2010

?
Growthshare Proyeksi Penduduk
𝑃𝑜 𝑝 𝐵𝑜𝑜𝑛𝑒 , 2000 − 𝑃𝑜 𝑝𝐵𝑜𝑜𝑛𝑒 , 1990 𝑃𝑜
 
𝑔𝑟𝑜𝑤𝑡h𝑠h𝑎𝑟𝑒=   𝑝 𝐵𝑜𝑜𝑛𝑒 , 2010=𝑃𝑜 𝑝 𝐵𝑜𝑜𝑛𝑒 ,2000 +𝑔𝑟𝑜𝑤𝑡h𝑠h𝑎𝑟𝑒 (𝑃𝑜 𝑝 𝐾𝑌 ,2010 − 𝑃𝑜 𝑝 𝐾𝑌 ,2000 )
𝑃𝑜 𝑝𝐾𝑌 , 2000 − 𝑃𝑜 𝑝 𝐾𝑌 , 1990
¿  85.991+0,08 𝑥(4.374 .591− 4.041 .769)
85.991 −57.589
¿ 
4.041.769 − 3.686.891 ¿  𝟏𝟏𝟐. 𝟔𝟏𝟕
¿  0,08

28
 Trend
Extrapolatio
2 Shift-Share Method
n Method

Membandingkan populasi
wilayah yang lebih kecil (akan Popm = populasi wilayah yang lebih kecil
diproyeksi) dengan populasi Popn = populasi wilayah yang lebih besar
This is a sample text.
wilayah yang
Insert lebih
your besar
desired ty = target year, tahun yang akan diproyeksi
text here. ly = launch year, tahun terakhir data
by = base year, tahun awal data
Menggunakan share of Yearspp = jumlah tahun proyeksi
population wilayah yang lebih Yearsbp = jumlah tahun data dasar
kecil pada tahun awal data (base
year) dan tahun akhir data
(launch year) Proyeksi pada shift-share method dapat negatif dimana population share pada
wilayah yang lebih kecil menurun di tahun-tahun sebelumnya
29
Trend
Extrapolatio
2 Shift-Share Method
n Method Menghitung proyeksi jumlah penduduk Boone County 2010

Proyeksi Penduduk
𝑃𝑜 𝑝𝐵𝑜𝑜𝑛𝑒 , 2000 years 2000 −2010 𝑃𝑜 𝑝 𝐵𝑜𝑜𝑛𝑒 ,2000 𝑃𝑜 𝑝 𝐵𝑜𝑜𝑛𝑒 , 1990
  𝑝 𝐵𝑜𝑜𝑛𝑒 , 2010= 𝑃𝑜 𝑝 𝐾𝑌 ,2010
𝑃𝑜
[ (
Pop KY ,2000
+
)(
𝑦𝑒𝑎𝑟 𝑠 1990 −2000 𝑃𝑜 𝑝 𝐾𝑌 ,2000
−
𝑃𝑜 𝑝 𝐾𝑌 , 1990 )]
85.991 10 85.991 5 7.589
¿  4.041 .769
[ 4.041.769 10 4.041 .769 3.686 .891 )]
+( )( −

10
[
¿  4.041 .769 0,02128+( ) ( 0,02128 −0,01562 )
10 ]
¿  𝟏𝟏𝟕. 𝟖𝟓𝟏 30
 Linear Population
Trend
Extrapolatio
3 Method
n Method
Menggunakan metode “least squre
criterion” untuk melakukan proyeksi
jumlah penduduk suatu wilayah

Asumsi:
Pertumbuhan jumlah penduduk
mengikuti bentuk linear, yakni
jumlah penduduk
This is a sampleakan
text.
Insert your desired
bertambah dengan jumlah
text here.
jiwa yang sama setiap Popn = proyeksi jumlah penduduk pada
tahunnya, dilambangkan tahun n
dengan β α = perpotongan pada model regresi
linear Pop = rata-rata populasi
Misal: naik sebanyak 2.500 jiwa β = koefisien kemiringan pada model T = rata-rata nomor indeks tahun
per tahun regresi linear/ pertumbuhan p = deviasi dari Pop
absolut t = deviasi dari T
jumlah penduduk setiap tahun
Tn = nomor indeks untuk tahun n
 Linear Population
Trend
Extrapolatio
3 Method
n Method Adjusment Factor:
Nilai yang digunakan untuk meningkatkan konsistensi proyeksi jumlah
penduduk dan kondisi eksisting, biasanya menggunakan launch year (tahun
terakhir data)

ADJUST = proyeksi jumlah penduduk launch year – jumlah

penduduk eksisting/observasi launch year

32
 Linear Population
Trend
Extrapolatio
3 Method
n Method Menghitung proyeksi jumlah penduduk Boone County

1.
  Menghitung
Linear population trendline computation, Boone County
  ∑ 𝑝 .2 𝑡 = 310.867 =2.826
^β=
∑𝑡 110

2.
  Menghitung
´ − β^ . 𝑇´ =71.103− 2.826 𝑥 6=54.146
α^  = 𝑃𝑜𝑝
3. Persamaan proyeksi jumlah penduduk
𝑃𝑜𝑝=54.146+2.826
  .𝑇
4. Menghitung adjust (apabila akan digunakan)
𝑃𝑜
  𝑝 2020 =54.146+2.826 𝑥 11=85.232
ADJUST = data eksisting Pop2000 - proyeksi Pop2000
= 85.991 – 85.232 = 759
5. Persamaan proyeksi jumlah penduduk dengan adjust
𝑃𝑜𝑝=54.146+2.826
  .𝑇 +759
33
 Trend
Extrapolatio
n Method
Asumsi:
Jumlah penduduk dapat
naik/turun pada tingkat
pertumbuhan konstan (%)
Misal: jumlah
This is penduduk awal
a sample text.
Insert your desired
1.000 jiwa, tingkat pertumbuhan
text here.
penduduk 10%, pada tahun
kedua akan menjadi 1.100 jiwa,
pada tahun ketiga akan menjadi
1.210 jiwa
Jumlah penduduk tumbuh
lambat pada tahun-tahun awal,
kemudian akan tumbuh cepat
pada tahun-tahun berkutnya
Geometric Population
4 Method
Dengan model linear, proyeksi penduduk
lebih tinggi hingga tahun ke 16,
sedangkan proyeksi penduduk dengan
model geometric lebih tinggi daripada
linear setelah tahun ke 16
Geometric population model membutuhkan
Persamaan
satu tahap tambahan dengan menggunakan
‘’ordinary least-square’’’ untuk menghitung
dua parameter (diubah ke bentuk logaritma)
Popn = proyeksi jumlah penduduk
pada tahun n
α = jumlah penduduk awal
β = faktor pertumbuhan populasi Rumus koefisien regresi
konstan
Tn = nomor indeks untuk tahun n
34
Trend
Geometric Population
4 Method
Extrapolatio
n Method Adjusment Factor:
Nilai yang digunakan untuk meningkatkan konsistensi proyeksi jumlah
penduduk dan kondisi eksisting, biasanya menggunakan launch year (tahun
terakhir data)

ADJUST = proyeksi jumlah penduduk launch year – jumlah

penduduk eksisting/observasi launch year

This is a sample text.

Insert your desired
text here.
𝑇𝑛
𝑃𝑜
  𝑝 𝑛 =α . β + 𝐴𝐷𝐽𝑈𝑆𝑇

35
 Trend
Geometric Population
4 Method
Extrapolatio
n Method Menghitung proyeksi jumlah penduduk Boone County

1.
  Menghitung
  ⁡( β^ )= ∑ log ⁡(𝑝).
log
𝑡
∑ 𝑡2
1,9017
¿  =0,0173
110
2.
  Menghitung
log ´ log( β^ ). 𝑇´
  ( α^ ) =𝑙𝑜𝑔( 𝑃𝑜𝑝)−
 
 
3. Persamaan proyeksi jumlah 4. Melakukan antilogarithm 5. Menghitung adjust (apabila akan digunakan)
penduduk dalam logaritma sehingga ke persamaan ADJUST = data eksisting Pop2000 - proyeksi Pop2000
awal = 85.991 – 86.075 = -84
𝑛
log
  ( 𝑃𝑜 𝑝 )=4,7447+0,0173 .𝑇 𝑃𝑜 𝑝 =55.553+1,0406 𝑇𝑛 6. Persamaan proyeksi jumlah penduduk dengan adjus
𝑛
  𝑛
𝑇𝑛
𝑃𝑜
  𝑝 𝑛 =54.553+1,0406 −84
36
 Trend 5 Parabolic Population Method
Extrapolatio
n Method
2
𝑃𝑜𝑝
  𝑛 =𝛼 + 𝛽 1 . ( 𝑇 𝑛 ) + 𝛽 2 . (𝑇 𝑛)

Popn = proyeksi jumlah penduduk

pada
Asumsi: tahun n
Jumlah penduduk dapat α = perpotongan
β1 dan β2 = koefisien kurva parabolic
naik/turun dengan jumlah
perubahan populasi yang Tn = nomor indeks untuk tahun n
This is konstan)
berbeda (tidak a sample text.
tiap
Insert your desired
tahunnya
text here.

Adjustment factor dapat dimasukkan

atau tidak
Fleksibilitas disebabkan
karena terdapat dua
2
parameter yang digunakan 𝑃𝑜𝑝
  𝑛=𝛼 + 𝛽 1 . ( 𝑇 𝑛 ) + 𝛽 2 . ( 𝑇 𝑛 ) + 𝐴𝐷𝐽𝑈𝑆𝑇
yakni parameter linear dan
non linear
 Trend 5 Parabolic Population Method
Extrapolatio
n Method Menghitung proyeksi jumlah penduduk Boone County
Tahun Index
Numbers
,T
 1. Menghitung menggunakan software 3. Menghitung adjust (apabila akan digunakan)
1990 1
statistik ADJUST = data eksisting Pop2000 - proyeksi Pop2000
1991 2
  = 56.017 = 85.991 – 86.312 = -321
1992 3
= 1.962
4. Persamaan proyeksi jumlah penduduk dengan 1993 4
= 72
adjust 1994 5
2. Persamaan parabolic population model 𝑃𝑜𝑝
2
1995 6
  𝑛=56 .017+ 1. 962 . ( 𝑇 𝑛 ) +72 . ( 𝑇 𝑛) − 321
2 1996 7
𝑃𝑜𝑝
  𝑛 =56 .017+ 1. 962 . ( 𝑇 𝑛 ) +72 .(𝑇 𝑛)
1997 8
Dapat digunakan untuk proyeksi 1998 9
1999 10
  2000 11
2001 12
2002 13
Pop2002 – Pop2001 = 3.762
Tidak 2003 14
Pop2003 – Pop2002 = 3.906 Konstan 38
2004 15
 Trend 6 Logistic Population Method
Extrapolatio
n Method Transformasi ke bentuk linear untuk
mencari nilai α dan β

1 1
  1 = 1 +α . β 𝑇𝑛
𝑃𝑜 𝑝𝑛 𝑐
 
log
( )
− =log ( α ) +log ( β ) . 𝑇 𝑛
𝑃𝑜 𝑝 𝑛 𝑐
log(β) = kemiringan population
Menentukan terlebih dahulu Popn = proyeksi jumlah penduduk trendline
batas atas/bawah jumlah pada dalam bentuk logaritma
penduduk tahun n log(α) = perpotongan pada trendline
This is a sample text. α = parameter log(1/Popn – 1/c) = log perbedaan antara
Insert your desired
Pada tahun awal, pertumbuhan
text here. β = faktor pertumbuhan populasi inverse jumlah penduduk
jumlah penduduk lambat,
1dan1inverse batas atas
kemudian diikuti dengan konstan  
log ( ^
β )=
(
∑ 𝑙𝑜𝑔 𝑝 − 𝑐 . 𝑡 )
pertumbuhan jumlah yang Tn = nomor indeks untuk tahun n
cepat, hingga pada akhirnya c = batas yang telah ditetapkan
∑ 𝑡2
akan stagnan (mencapai batas 1 1
atas)
  ( α^ ) =log
log
( 𝑃𝑜𝑝
´ 𝑐 )
− − log ⁡( ^β ) . 𝑇´

39
Trend 6 Logistic Population Method
Extrapolatio
n Method Adjusment Factor

1 1
 𝐴𝐷𝐽𝑈𝑆𝑇= −
𝑝𝑟𝑜𝑦𝑒𝑘𝑠𝑖 𝑗𝑢𝑚𝑙𝑎h 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑡𝑎h𝑢𝑛 𝑛 𝑑𝑎𝑡𝑎 𝑒𝑘𝑠𝑖𝑠𝑡𝑖𝑛𝑔 𝑗𝑢𝑚𝑙𝑎h 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑡𝑎h𝑢𝑛 𝑛

0 < β < 1  case dengan batas atas

β > 1  case dengan batas bawah

40
Trend 6 Logistic Population Method
Extrapolatio
n Method Menghitung proyeksi jumlah penduduk Boone County dengan asumsi batas
atas populasi sebesar 250.000 jiwa

c = 250.000
1/c = 0,000004
Rata-rata log (1/Pop-1/c) =
-4,994
Rata-rata indeks = 6

 1. Menghitung 2.
  Menghitung 3. Persamaan logistic population model

  ∑ 𝑙𝑜𝑔 ( 1𝑝 − 1𝑐 ) . 𝑡 1 1   1 = 1
+0,0000142 𝑥 0,9458𝑇𝑛
log ( ^
β )=
∑ 𝑡2
log (
  ( α^ ) =log 𝑃𝑜𝑝
´ 𝑐 )
− − log ⁡( ^β ) . 𝑇´
𝑃𝑜 𝑝𝑛 250.000
− 2,6599 ¿  − 4,994 −0,0242 𝑥 6
¿  ¿  −0,0242 41
110 ¿  − 4,8492
 Trend 6 Logistic Population Method
Extrapolatio
n Method
3. Menghitung adjust (apabila akan digunakan)

 𝐴𝐷𝐽𝑈𝑆𝑇= 1 1
−
𝑑𝑎𝑡𝑎 𝑝𝑟𝑜𝑦𝑒𝑘𝑠𝑖 𝑃𝑜 𝑝2000 𝑑𝑎𝑡𝑎 𝑒𝑘𝑠𝑖𝑠𝑡𝑖𝑛𝑔 𝑃𝑜 𝑝 2000
1 1
¿  −
85.693 85.911
¿  0,000000041
4. Persamaan proyeksi jumlah penduduk dengan adjust

  1 = 1 𝑇𝑛
+0,0000142 𝑥 0,9458 +0,000000041
𝑃𝑜 𝑝𝑛 250.000

42
Trend Karakteristik Masing-Masing
Metode
Extrapolatio
n Method
Metode Karakteristik
Share of Growth Jumlah penduduk wilayah yang lebih kecil diproyeksi berdasarkan share Bagaimana
of population growth wilayah yang konstan dibandingkan wilayah menentukan model
yang lebih besar
yang memberikan
hasil terbaik?
Shift-Share Jumlah penduduk wilayah yang lebih kecil diproyeksi berdasarkan share
of population (base year dan launch year) wilayah dibandingkan
Dapat dimulai
wilayah yang lebih besar
dengan menilai data
Linear Jumlah penduduk akan bertambah dengan jumlah yang sama setiap
populasi eksisting
tahunnya (constant absolute growth), dalam jiwa
sehingga dapat
Geometric Jumlah penduduk dapat naik atau turun pada tingkat pertumbuhan diketahui pola
konstan (constant growth factor), dalam % pertumbuhan
Parabolic Jumlah penduduk dapat naik atau turun dengan jumlah perubahan (periode semakin
populasi yang berbeda-tidak konstan setiap tahunnya panjang akan
(increasing/decreasing growth increments) semakin baik)
Logistic Penentuan batas atas/bawah jumlah penduduk, (constant ratio of
43
increments)
 Cohort-
Component
Konsep Dasar
Method
Tahapan metode cohort

1. Membagi populasi menjadi kelompok usia dan jenis kelamin

2. Fertility, mortality, dan migration diterapkan pada masing-masing kelompok
Konsep dasar metode Cohort-
component adalah
memberikan informasi
This is a sample text.
demografis Pertanyaan penelitian yang dapat dijawab
Insertyang terperinci
your desired
This is a sample text.
tentang
text mengapa
here. dan
Insert your desired
bagaimana
text here. populasi
berubah. Metode ini memiliki 1. Bagaimana kelompok perempuan yang berusia 20-24 tahun
persyaratan data yang akan berubah selama lima tahun ke depan?
tinggi. 2. Apa perubahan yang diproyeksikan dalam total populasi laki-
laki untuk periode waktu 10 tahun?
3. Bagaimana populasi suatu daerah secara keseluruhan
diproyeksikan berubah?
44
Cohort-
Component
Konsep Dasar
Method Wang and Rainer, 2007

Hal yang perlu dipertimbangkan sebelum

memulai analisis dengan menggunakan
metode cohort-component:
1. This
Semua kelompok
is a sample text. umur harus seragam
2. Insert your desired
text here. tahun dalam interval proyeksi
Jumlah
harus berhubungan dengan jumlah tahun
dalam kelompok.

45
Cohort-
Component
1 Komponen Mortality
Method

Tahapan Komponen Mortality

1. Jumlah populasi yang bertahan hidup dilakukan dengan mengalikan populasi

tahun awal dengan tingkat kelangsungan hidup spesifik usia
= populasi perempuan yang bertahan hidup pada tahun
2005

= populasi perempuan pada tahun 2000

= survival rate

X = umur termuda dari kelompok spesifik umur

n = jumlah tahun pada kelompok spesifik umur
Z = jumlah tahun pada interval proyeksi
46
Cohort-
Component
1 Komponen Mortality
Method
2. Jumlah kematian selama periode
tertentu dilakukan dengan
mengurangi populasi tahun awal
dengan populasi yang bertahan
hidup untuk kelompok usia yang
sesuai di tahun berikutnya

= jumlah kematian perempuan

selama periode tertentu

= populasi perempuan pada tahun

2000

47
Cohort-
Component
1 Komponen Mortality
Method
Populasi Perempuan yang bertahan hidup Age Observed Apply Projected Deaths
Cohort 2000 Rates 2005 between
Populatio Populatio 2000&

❑ 20 5 20 0
𝑆𝐹 ¿ 𝐹 . 𝑠 𝑟 =3.10 ×0,9 6 =3.089
  n n 2005
0-4 3347 0,9975
5-9 3458 0,9992 3339 8

5 30 5 25 5 25 10-14
15-19
3309
2940
0,9985
0,9973
3455
3304
3
5
Jumlah kematian pada 2000-2005 20-24 2490 x 0,9974 2932 8
25-29 3100 0,9966 2483 7

  30-34 3621 0,9953 3089 11

35-39 4003 0,9932 3604 17
= 3.100-3.089 = 11

48
 Komponen Net
Cohort-
Component
2 Migration
Method
Seseorang melakukan in atau out migration dapat bergantung pada faktor sosial
ekonomi internal atau eksternal ke daerah tersebut

• Secara teori, out migration bergantung pada faktor internal dan populasi daerah tersebut. Risk
population (populasi yang digunakan) untuk menghitung jumlah out migration adalah populasi
daerah itu sendiri.
• Berdasarkan literatur, in migration bergantung pada faktor eksternal wilayah yang diminati. Risk
population untuk menghitung in migration adalah populasi di luar area yang dipertimbangkan.

Pilihan risk population untuk menghitung net migration rate:

• Jika in migration dominan dan wilayah tumbuh cepat maka menggunakan basis populasi
yang terletak di luar kawasan
• Jika out migration dominan dan wilayah tumbuh sangat lambat maka menggunakan
populasi daerah itu sendiri
49
 Komponen Net
Cohort-
Component
2 Migration
Method
Pendekatan yang lebih sederhana sering digunakan untuk menghitung net migration
rate.
Net migration rate dapat dihitung sebagai residual dengan mengatur ulang persamaan
keseimbangan demografis spesifik usia dan jenis kelamin. Informasi yang dibutuhkan
sebagai berikut:
a. Populasi spesifik usia dan jenis kelamin untuk suatu daerah pada dua titik waktu
tertentu
b. Jumlah kematian pada dua titik waktu tertentu
c. Jumlah kelahiran pada dua titik waktu tertentu

= net migration (sebagai residual)

  = populasi spesifik usia dan jenis kelamin
= jumlah kelahiran
= jumlah kematian
50
 Komponen Net
Cohort-
Component
2 Migration
Method
Net migration

= populasi perempuan yang bermigrasi

antara 2000-2005 per kelompok umur x
= populasi perempuan pada tahun 2000,
kelompok umur x (pada risk population)
= net migration pada kelompok umur x

51
 Komponen Net
Cohort-
Component
2 Migration
Method
Age Female Pop. Net Migration Projected Female
Cohort Rates Migrant

Proyeksi perempuan yang migrasi 0-4

0-4
3347
3347
0,2130
0,2130
5-9 3458 0,1200 713
5-9 3458 0,1200 713
  10-14
10-14
3309
3309
0,0214
0,0214
415
415
= 3.100 x 0,2552 = 791 15-19
15-19
2940
2940
0,0213
0,0213
71
71
20-24 2490 x 0,3852 63
20-24 2490 0,3852 63
25-29 3100 0,2552 959
25-29 3100 0,2552 959
30-34 3621 0,1228 791
30-34 3621 0,1228 791
35-39 4003 0,1606 445
35-39 4003 0,1606 445

52
 Cohort-
Component
3 Komponen Fertility
Method “Menghitung jumlah kelahiran per kohort spesifik
usia wanita” Bingung? Lihat ke sini!
Mencari Jumlah ibunya pada
Output = Digunakan untuk memproyeksikan kohort x
jumlah kelahiran bayi laki-laki dan perempuan yang Tahun 2000
bertahan hidup hingga kohort 0-4
Memproyeksikan jumlah
1) Memproyeksikan jumlah kelahiran oleh ibunya
kelahiran per usia kohort Tahun 2005
wanita
2) Mengalokasikan setiap
This is a sample text. Menghitung jumlah lahir bayi
Insert(kelahiran
your desired perempuan dan jumlah bayi
kelahiran laki-
text here. laki-laki dari ibunya
laki/perempuan)
Tahun 2005
3) Menggunakan survival rates
u/ memproyeksikan jumlah Menghitung jumlah bayi laki-
laki-laki/perempuan yang laki/perempuan yang
lahir dan akan selamat bertahan hidup
sampai membentuk kohort Tahun 2005
usia termuda (misal 0-4
pada 2005) Studi kasus kota “Q” kohort wanita 25-29 (kohort usia x)
 Cohort-
Component
Fertility
Method
nARFx2005 = Proyeksi At-Risk Female Population
pada kohor usia x
nB x = kelahiran antara 2000-2005, pada
2005

kohor usia x
nabrx = adjusted birth rate, kohort usia x
2005

nASBRx = Age-specific birth rate, kohort usia

2005

x
1) Memproyeksikan jumlah
kelahiran per usia kohort
wanita 1. Menentukan jumlah total ibu pada interval pada kohort
SEDERHANANYA
2) Mengalokasikan setiap
This is a sample text. usia x (yang sudah dikurangi Death dan Migration) pada Mencari Jumlah
Insert(kelahiran
kelahiran your desired
laki- akhir proyeksi (tahun 2005) ibunya pada
text here. kohort x
nARFx = nFx2000 – (0.5 x nDFx2000-2005) + nNMFx+z2000-2005
2005
laki/perempuan)
3) Menggunakan survival rates 2. Menentukan proyeksi kelahiran pada 2000-2005 per kohort
u/ memproyeksikan jumlah usia x
laki-laki/perempuan yang nBx
2005
= nARFx2005 x nabrx2005
lahir dan akan selamat Memproyeksikan
Menentukan Adjusted Birth Rate (ini nilai tengah ASBR
sampai membentuk kohort jumlah kelahiran
kohort x dan x+5)
usia termuda (misal 0-4 oleh ibunya
nabrx = (nASBRx2000 x nASBRx+52005) / 2
2005
pada 2005)
54
 Cohort-
Component
Fertility
Method
2005
 == Kelahiran kumulatif 2000-2005
Kelahiran kumulatif laki-laki 2000-
2005
= Kelahiran kumulatif perempuan
2000-2005

1) Memproyeksikan jumlah
kelahiran per usia kohort
wanita
  Q = Rasio kelahiran
2) Mengalokasikan setiap
This is a sample text.
Insert (kelahiran
your desired laki- pria/wanita (pria per wanita)
kelahiran 1. Menentukan total kumulasi kelahiran antara 2000 - 2005
text here. berdasarkan catatan historis
laki/perempuan)
(menggunakan data
3) Menggunakan survival rates 2a. Menentukan total kelahiran pria pada 2000-2005 eksternal)
u/ memproyeksikan jumlah
laki-laki/perempuan yang 2b. Menentukan total kelahiran wanita pada 2000-2005 Misal diketahui bahwa sex
lahir dan akan selamat ratio male/female pada
sampai membentuk kohort kelahiran adalah 1.05, maka
usia termuda (misal 0-4 Q adalah 1.05
pada 2005)
55
 Cohort-
Component
Fertility
Method 2005
Namun, tidak semua newborns bertahan
hidup hingga target tahun 2005. Tahap ke-3
menyesuaikan jumlah bayi perempuan & laki-
laki yang bertahan hidup dengan survival
rates.
1) Memproyeksikan jumlah
kelahiran per usia kohort
wanita
2) Mengalokasikan setiap
This is a sample text.
Insert(kelahiran
kelahiran your desired
laki-
text here.  
laki/perempuan)
Menyesuaikan jumlah pria dan wanita yang selamat dan lahir
3) Menggunakan survival pada kohort 0-4
rates u/ memproyeksikan
jumlah laki- Proyeksi perempuan
laki/perempuan yang
Proyeksi Laki-laki 
lahir dan akan selamat
sampai membentuk
kohort usia termuda
56
(misal 0-4 pada 2005)
Cohort-
Component
Semua Komponen
Method Age
in
2000
Survive
Female
to 2005
Migrate 2000-
2005
Projected
Female
Survive
Male to
2005
Migrate 2000-
2005
Projected
Male
Age in
2005

0-4 3339 713 4052 3940 746 4236 5-9

2005 2005 ❑ 2000 −2005 0-4 3339 713 4052 3940 746 4236 5-9
  𝐹 𝑥+ 𝑧 = 𝑛𝑆 𝐹 𝑥+𝑧 + 𝑛 𝑁𝑀 𝐹 𝑥+𝑧
❑ ❑ 5-9 3455 415 3870 3681 442 4123 10-14
𝑛
5-9
10-14 3455
3304 415
71 3870
3375 3681
3467 442
104 4123
3571 10-14
15-19

  15-19
10-14 2932
3304 63
71 2995
3375 3120
3467 -7
104 3113
3571 20-24
15-19
20-24 2483 959 3443 2573 908 3481 25-29
= 3.089+791 = 3.881 15-19 2932 63 2995 3120 -7 3113 20-24
25-29 3089 791 3881 2978 964 3942 30-34
20-24 2483 959 3443 2573 908 3481 25-29
30-34 3604 + 445 4049 3547 582 4129 35-39
1 Total Populasi Perempuan 25-29 3089 791 3881 2978 964 3942 30-34
…. ….
  2005 ❑ 2005 ❑ 2005
𝐹 =∑ 𝐹 + 𝐹 =47.142+3.045=𝟓𝟎.𝟏𝟖𝟕
𝑛 𝑥+𝑧 5 0
30-34
… 3604 445 4049 3547 582 4129 35-39
….
…. ….
𝑥 … ….
2 Total Populasi Laki-laki
  2005 ❑ 2005 ❑ 2005
𝑀 =∑ 𝑀 + 𝑀 =46.072+3. 194=𝟒𝟗. 𝟐𝟔𝟔
𝑛 𝑥+𝑧 5 0
3 Total Populasi
  2005 2005 2005
𝑥 𝑃 =𝐹 +𝑀 =50.187+4.926=𝟗𝟗.𝟒𝟓𝟑 57
 Kategori Structural
Structural Method
Method
Kategori Structural
Method
Terkadang metode
proyeksi tidak
melibatkan faktor Model Ekonomi-
Model Urban System
demografi (fertilitas Demografi
atau mortalitas)
Tipikalnya digunakan Berfokus pada area yang
untuk proyeksi populasi lebih kecil (kecamatan,
dan aktivitas ekonomi kelurahan, blok), tipikalnya
pada area geografi membuat proyeksi populasi,
Structural Method  yang luas seperti aktivitas ekonomi, guna
mengaitkan jumlah kabupaten, provinsi, dan lahan, dan pola transportasi
penduduk dengan negara
perubahan satu atau
Transportas
lebih variabel Ekonomi Lingkungan Guna Lahan Perumahan
i
independent non-
demografi
58
 Structural Model Ekonomi-Demografi
Method
Orang-orang bermigrasi dengan
maksud memperbaiki nasib (erat 1
Model Proyeksi Ekonomi- dengan faktor ekonomi)
Demografi: Berfokus pada
total populasi Proyeksi migrasi terkait erat dengan
faktor ekonomi seperti mengganti
2 pekerjaan, pendapatan, dan
MIGRASI pengangguran

Migrasi menjadi komponen

Migrasi dilakukan atas pengaruh
pengubah yang sering faktor non-ekonomi seperti iklim,
karakterisitik personal, dan jaringan 3
digunakna pada model ekonomi sosial
- demografi

Komponen pengubah Model Migrasi Komplet:

fertilitas/mortalitas terkadang dipakai,
4 Faktor Ekonomi + Non-Ekonomi
namun hanya pada wilayah yang
fertilitas dan mortalitas berpengaruh 59

signifikan saja.
Structural Model Ekonomi-Demografi
Method

Terdapat 3 pendekatan dalam merancang & mengimplementasikan model Ekonomi-

Demografi:
Menggunakan metode regresi untuk
1 ECONOMETRIC MODEL memproyeksikan migrasi sebagai fungsi statitstik
dalam ekonomi (migrasi dipengaruhi oleh ekonomi)

2 BALANCING / EQUILIBRIUM Memproyeksikan migrasi sebagai perbedaan antara

MODEL proyeksi kebutuhan dan suplai tenaga kerja

3 RATIO BASED MODEL Memproyeksi total populasi langsung dari proyeksi

tenaga kerja

60
 Structural Model Ekonometrik
Method Sifat Model Ekonometrik

Model Ekonomi-Demografi
Model “Recursive” Model “Non-Recursive”

Menggunakan (1) Migrasi dipengaruhi oleh (1) Model non-recursive mencoba

metode regresi
(melihat pengaruh x ekonomi namun migrasi tidak melihat hubungan timbal
terhadap y) untuk mempengaruhi ekonomi balik antara migrasi dan
menentukan migrasi
ekonomi
dari satu atau lebih (2) Recursive tidak menampilkan
variabel ekonomi secara keseluruhan interaksi (2) Lebih kompleks dan
antara migrasi dan ekonomi membutuhkan sumber daya
61
lebih besar dari model recursive
 Structural Model Equilibrium
Method
MODEL Bagaimana cara mengetahui Labor Demand?
EQUILIBRIUM
Model Ekonomi-Demografi  Dilihat berdasarkan ketersediaan lapangan
pekerjaan
• Tidak
Mencari  Diproyeksikan melalui:
memerlukan
keseimbangan sistem • Export-Based Models
tenaga kerja pada persamaan
berskala besar • Input-output models
suatu kota • Tidak • Extrapolation techniques
menggunakan
data yang besar Bagaimana cara mengetahui Labor Supply?
Apabila suplai • Tidak
tenaga kerja menggunakan  Dilihat berdasarkan rasio partisipasi angkatan kerja
berlebih prosedur
TK Migrasi Keluar statistika formal dengan proyeksi populasi berdasarkan model
kohort Migrasi Pekerja =
Jumlah Proyeksi Labor Supply – Jumlah
Apabila suplai Membutuhkan Proyeksi Labor Demand
banyak asumsi dan
tenaga kerja kurang
hitungan komputasi
62
TK Migrasi Masuk
 Structural Model Ratio Based
Method

Model Ekonomi-Demografi Proyeksi Populasi kota Y

Populasi terbagi menjadi 3 kelompok, yakni:
- Pra Angkatan Kerja (<18 tahun)
- Angkatan Kerja (18-64 tahun)
- Pasca Angkatan Kerja (>65 tahun)
Memproyeksi total Proyeksi
populasi tanpa - Proyeksi Angkatan Kerja (18-64 tahun) berhubungan dengan perubahan
mempertimbangkan pada jumlah lapangan pekerjaan
komponen - Proyeksi Pra Angkatan Kerja (<18 tahun)  bergantung pada hasil proyeksi
perubahan Angkatan kerja
- Proyeksi Pasca Angkatan Kerja (>65 tahun)  menjadi variabel independent
pada perubahan komponen ekonomi

63
Structural Model Urban System
Method
Perbedaan antara Model Ekonomi-Demografi dan Urban System
Model Urban System
1) Model Urban System didesain untuk area geografis yang lebih kecil
2) Menggunakan variabel independent yang berbeda.
Faktor Ekonomi (Model ekonomi demografi) + karakteristik guna lahan
& karakteristik sistem transportasi
Digunakan untuk
3) Menggunakan GIS
memproyeksikan
4) Model Urban System membutuhkan lebih banyak informasi, waktu, dan
distribusi
sumber daya untuk diimplementasikan ketimbang model ekonomi-geografi
permukiman dan
5) Model Urban System biasanya menghasilkan banyak isu seperti kualitas
aktivitas non udara, kepadatan lalu lintas, berkurangnya jumlah lahan, dan transportasi
permukiman dalam umum.
kawasan perkotaan
64
atau dalam suatu
Structural Model Urban System
Method
Aplikasi Model Urban System
1) Proyeksi populasi dan ekonomi wilayah biasanya menggunakan
Model Urban System
metode model ekonomi-demografi
2) Komponen guna lahan dan aktivitas terdiri atas beberapa prosedur
untuk melakukan proyeksi wilayah pada zona di dalam region.
 Biasanya untuk melakukan prosedur ini, perlu melibatkan 150-
Model Urban System
300 zona.
terdiri atas 3 komponen
 Zona-zona merupakan 1 atau lebih wilayah administratif kecil
utama:
- Proyeksi wilayah (kelurahan, blok, atau parsel)

- Guna lahan dan 3) Komponen proyeksi transportasi melihat karakteristik dari

sistem transportasi yakni volume lalu lintas dan kecepatan lalu
aktivitas
- Transportasi lintas pada jalan umum dan jalur transportasi.
65
Structural
Method
Model Urban System
Karakteristik fundamental
dari urban system adalah
iterative dan hubungan
karakteristik guna lahan,
aktivitas lokasi, dan sistem
transportasi terlihat nyata
Model Urban System
Distribusi populasi
A tergantung lokasi
rumah dan kerja. Hal
ini dikarenakan
probabilitas
A perjalanan antar zona
B berdasarkan waktu,
jarak, atau biaya dan
C
pola perjalanan
Lokasi tempat tinggal
B mempengaruhi
persebaran tenaga
kerja
C Sistem transportasi sama –sama mempengaruhi guna lahan dan
karakteristik guna lahan berkontribusi pada penentuan populasi
dan aktivitas lainnya
66
 DAFTAR PUSTAKA

Wang, Xinhao dan Rainer vom Hofe. 2007. Research Method in Urban
and Regional Planning. Springer-Verlag

George, M.V dkk. 2003. Population Projections. Elsevier Science

THANK
YOU