Statistik Kependudukan

Demografi,

diartikan sebagai studi statistik dan

matematik terhadap besaran, komposisi,

sebaran, serta perubahan-perubahannya

yang terjadi dari waktu ke waktu pada

populasi manusia melalui berlangsungnya

lima proses: fertilitas, mortalitas,

perkawinan, migrasi, dan mobilitas sosial

(Bogue 1969: 1-2)

Kebutuhan informasi tentang jumlah penduduk di masa yang akan datang sebagai dasar pembuatan perencanaan pembangunan.

Estimasi dan proyeksi penduduk untuk memenuhi kebutuhan informasi jumlah penduduk di masa yang akan datang.

Merupakan produk dari interaksi antara fertilitas, mortalitas, dan migrasi di masa lalu.

Merupakan karakteristik seseorang yang tidak berubah sejak lahir hingga mati.

Komposisi jenis kelamin

Sex ratio = ------------------------------------------ x 100Jumlah penduduk laki-laki

Jumlah penduduk perempuan

Analisa Rasio Jenis Kelamin

Rasio jenis kelamin (sex ratio)

Sex ratio= 100, berarti jumlah penduduk laki-laki seimbang dengan jumlah penduduk perempuan

Sex ratio < 100, berarti jumlah penduduk laki-laki lebih kecil dari pada jumlah penduduk perempuan

Sex ratio > 100, berarti jumlah penduduk laki-laki lebih besar dari pada jumlah penduduk perempuan

Mortalitas

Ukuran yang sering dipakai adalah

CDR (crude death rate):

ASDR (age specific death rate):

IMR (infant mortality rate):

CDR = ---------------------------------------------- x 1000Jumlah kematian selama 1 tahunJumlah penduduk pertengahan tahun

ASDR = ---------------------------------------------------x 1000Jml kematian umur (x) slm 1 tahunJml penduduk umur (x) pertengahan thn

IMR = -------------------------------------------------------x 1000Jml kematian bayi (umur < 12 bln) slm 1 thnKelahiran slm satu tahun

Angka harapan hidup, yaitu rata-rata jumlah tahun (umur) yang diharapkan dilalui oleh seseorang sejak ia lahir, apabila ia hidup dalam lingkungan dengan pola kematian spesifik yang terjadi pada saat itu.

Angka harapan hidup sangat dipengaruhi oleh tingkat kematian bayi dan anak, karena kematian pada saat itu berarti hilangnya peluang untuk hidup yang lebih

panjang.

Makin rendah tingkat kematian bayi, makin tinggi rata-rata angka harapan hidup. Sebaliknya, makin tinggi tingkat kematian bayi, makin rendah rata-rata angka harapan hidup.

Angka harapan hidup diperoleh/dihitung berdasarkan “life table” yang sesuai dengan kelompok populasi yang bersangkutan.

Expectation of life

Fertilitas

Ukuran-ukuran fertilitas

CBR (crude birth rate):

ASFR (age specific fertility rate):

TFR (total fertility rate): yaitu rata-rata anak yang dilahirkan oleh seorang perempuan sepanjang kemampuan reproduksinya. Biasanya umur reproduksi adalah 15-49 tahun. Secara matematis, TFR adalah jumlah ASFR.

CBR = ------------------------------------------------ x 1000Jumlah kelahiran hidup selama 1 tahunJumlah penduduk pertengahan tahun

ASFR = -------------------------------------------- x 1000Jumlah kelahiran pada ibu umur (x)Jumlah wanita umur (x)

Hanya melihat perbedaan tempat tinggal sekarang dan tempat lahir (migrasi semasa hidup).

Hanya melihat perbedaan tempat tinggal sekarang dan tempat tinggal lima tahun yang lalu (migrasi risen).

Hanya melihat perbedaan tempat tinggal sekarang dan tempat tinggal terakhir sebelumnya.

Migrasi

Tidak seperti kelahiran atau kematian yang hanya terjadi

sekali pada setiap individu, migrasi dapat terjadi berulang-

ulang

Migrasi Semasa Hidup (A lifetime Migrant)

Seseorang dikatakan migran semasa hidup jika propinsi atau

kabupaten/ kodya tempat ia dilahirkan berbeda dengan

propinsi atau kabupaten/kodya tempat tinggalnya sekarang

(pada saat pencacahan). Dengan demikian angka migrasi

semasa hidup dapat dihitung dengan cara sebagai berikut:

Msh = Migrasi semasa hidup di suatu propinsi

Pd = Jumlah penduduk yang propinsi tempat lahirnya berbeda dengan

propinsi tempat tinggalnya sekarang

P = Jumlah penduduk pertengahan tahun di suatu propinsi tujuan

M sh = ------- x 1000Pd

P

Migrasi Risen (Recent Migration)

Seseorang dikatakan sebagai migran risen, yaitu apabila propinsi tempat tinggal lima tahun yang lalu berbeda dengan propinsi tempat tinggal sekarang (pada saat pencacahan). Selanjutnya, apabila mereka yang dikategorikan sebagai migran risen tersebut ditimbang dengan penduduk pertengahan tahun, akan diperoleh angka migrasi risen (Recent Migration Rate = RMR), atau

Pd5 = Banyaknya penduduk yang propinsi tempat tinggalnya 5 tahun

yang lalu berbeda dengan propinsi tempat tinggalnya sekarang

P = Jumlah penduduk pertengahan tahun

RMR = ------- x 1000Pd5

P

Migrasi Total (Total Migration = TM)

Seseorang dikatakan sebagai migran total (MT) apabila propinsi tempat tinggal sebelumnya berbeda dengan propinsi tempat tinggal sekarang, jika mereka yang tergolong ke dalam migrasi total tersebut ditimbang dengan jumlah penduduk pertengahan tahun, maka akan diperoleh Angka Migrasi Total (AMT), atau:

MT = Jumlah penduduk yang propinsi tempat tinggalnya sekarang

berbeda dengan propinsi tempat tinggal sebelumnya

P = Jumlah penduduk pertengahan tahun

AMT = ------- x 1000MT

P

Estimasi penduduk

Estimasi penduduk adalah perkiraan penduduk antar sensus atau segera setelah sensus.

Hanya memberikan perkiraan jumlah penduduk.

Dua cara yang biasa digunakan dalam estimasi penduduk; metode matematik dan metode komponen

Metode matematik

Menggunakan fitting curve data sensus untuk menggambarkan perubahan penduduk antara dua sensus.

Perubahan penduduk digunakan untuk mengestimasi jumlah penduduk antara dua sensus atau setelah sensus dilaksanakan.

Pola pertambahan penduduk yang sering dipakai adalah pola pertambahan penduduk menurut kurva geometrik dan eksponensial.

Geometrik dan Eksponensial

Geometrik :

Pt = Po (1+r)t

r = 1-anti log {(log Pt/Po)/t} Eksponensial :

Pt = Poert

r = 1 / t (2.3026) * log (Pt/Po)

Contoh perhitungan estimasi penduduk : Jumlah penduduk Indonesia 1990 = 178631 196,

2000 = 205 842 396, Laju pertumbuhan penduduk = 1.49

GeometrikPt = Po (1 + r)t

P2001=178631196 (1 + 0.0149)11

P2001 = 210 190 500

EksponensialPt = P0e

rt

P2001=178631196(2.71828) 0.0149 * 11

P2001 =178 631 196*(2.71828) 0.1639

P2001 =178 631 196*1.1781

P2001 = 210 445 412

GeometrikPt = Po (1 + r)t

P1998=178 631 196 (1 + 0.0149)8

P1998 = 201 068 170

EksponensialPt = P0e

rt

P1998 = 178631196 (2.71828) 0.0149 * 8

P1998 = 178631196*(2.71828) 0.1192

P1998 =178 631 196*1.1266

P1998 = 201 245 905

Metode komponen

P1 = Po + B1 – D1 + I1 – O1

Po = Penduduk pada tahun 0 (tahun dasar)

B1 = Kelahiran selama 1 tahun

D1 = Kematian selama 1 tahun

I1 = Migrasi masuk selama 1 tahun

O1 = Migrasi keluar selama 1 tahun

Proyeksi penduduk

Proyeksi penduduk bukan merupakan ramalan jumlah penduduk tetapi suatu perhitungan ilmiah yang didasarkan pada asumsi dari komponen-komponen laju pertumbuhan penduduk, yaitu kelahiran, kematian, dan perpindahan (migrasi).

Tahapan perhitungan proyeksi penduduk

Penentuan data dasar dan perapihan penduduk

Penentuan asumsi kelahiran, kematian, dan perpindahan

Perhitungan proyeksiIterasi

Kenapa harus dilakukan perapihan struktur umur ?

Tiga kesalahan dalam pelaporan umur :1. Kesalahan penuturan umur (age misstatement)2. Digit Preference (kecenderungan untuk

melaporkan umur yang berakhiran nol dan lima)

3. Under-estimate untuk kelompok umur tertentu (kelompok umur di bawah lima tahun, kelompok umur tua, dan kelompok umur usia muda)

Cara untuk mengevaluasi struktur umur penduduk

Menggambar piramida penduduk untuk melihat age heaping

Menghitung Whipple’s Index untuk mengukur sejauh mana kecenderungan responden melaporkan umur yang berakhiran 0 atau 5

Menghitung Myer’s Index untuk mengevaluasi kecenderungan pelaporan umur yang berakhiran 1 sampai dengan 9

Menghitung United Nation’s Index untuk melihat keakurasian umur dan jenis kelamin

PIRAMIDA PENDUDUK BANGKA BELITUNGTahun 2000 (Dalam Ribu)

Hasil SP2000

75+

70

65

60

55

50

45

40

35

30

25

20

15

10

5

002468101214 0 2 4 6 8 10 12 14

Laki-laki Perempuan

Whipple Index

100*)(5/1

)60()55()50()45()40()35()30()25(62

23

iiP

PPPPPPPPIndexWhipple

Batasan nilai Whipple’s Index

Nilai dari whipple’s index bervariasi dari 0 sampai dengan 500

Nilai Whipple’s Index = 100 berarti tidak ada kecenderungan untuk menyebutkan umur pada angka tertentu

Nilai Whipple’s index = 500 berarti semua orang melaporkan umurnya dalam umur yang berakhiran 0 atau 5

Nilai Whipple’s Index antara 0 dan 100 berarti ada kecenderungan untuk menghindari angka yang berakhiran 0 atau 5

Contoh perhitungan Myers IndexTerminal Digit (a)

Pddk. dg TerminalDigit (a) (000)

Penimbang Untuk Blended Population Deviasi dari 10 %

  Mulai pada

umur (a)

Mulai pada umur (a+10)

Kolom 2 Kolom 3 Jumlah % distri-busi

 

(1) (2) (3) (4) (5) (6) (7) (8)

5 9 732 7 859 1 9 80 463 19.05 + 9.05

6 5 014 3 060 2 8 34 508 8.17 - 1.83

7 4 639 2 750 3 7 33 162 7.85 - 2.15

8 4 996 3 136 4 6 38 800 9.19 - 0.81

9 3 628 1 190 5 5 27 690 6.56 - 3.43

0 10 258 8 496 6 4 95 532 22.62 + 12.62

1 3 548 2 326 7 3 31 814 7.53 - 2.47

2 3 390 1 875 8 2 30 870 7.31 - 2.69

3 2 637 1 437 9 1 25 170 5.96 - 4.04

4 2 435 1 232 10 0 24 350 5.77 - 4.23

Total - - - - 422 364 100.0 43.32

Batasan nilai Myer’s Index

Berdasarkan contoh tadi :Myer’s Index = ½ * 43.32 % = 21.66 %

Jika nilai Myer’s index lebih kecil dari 10 % berarti pelaporan umur data tersebut cukup baik

Jika nilai Myer’s index lebih besar atau sama dengan 10 % berarti pelaporan umur data tersebut tidak baik

(1) (2) (3) (4) (5) (6) (7) (8) (9)

0 - 4 10,315,063 9,957,543 103.65 - 9 11,404,555 11,033,568 103.4 -0.2 108.2 8.2 108.6 8.6

10 - 14 10,766,647 10,358,958 103.9 0.6 97.9 -2.1 96.0 -4.015 -19 10,599,877 10,558,513 100.4 -3.5 103.5 3.5 102.3 2.320 - 24 9,712,740 10,282,334 94.5 -5.9 98.6 -1.4 102.3 2.325 - 29 9,091,759 9,548,835 95.2 0.8 100.3 0.3 101.9 1.930 - 34 8,415,548 8,466,725 99.4 4.2 101.4 1.4 99.8 -0.235 - 39 7,502,455 7,421,006 101.1 1.7 100.8 0.8 101.8 1.840 - 44 6,466,253 6,117,462 105.7 4.6 102.2 2.2 101.2 1.245 - 49 5,148,536 4,671,099 110.2 4.5 99.7 -0.3 96.0 -4.050 - 54 3,865,074 3,611,995 107.0 -3.2 95.1 -4.9 95.0 -5.055 -59 2,983,980 2,931,244 101.8 -5.2 94.2 -5.8 94.6 -5.460 - 64 2,472,669 2,584,091 95.7 -6.1 103.3 3.3 104.7 4.765 - 69 1,804,886 2,006,798 89.9 -5.7 96.6 -3.4 101.0 1.070 - 74 1,264,264 1,389,060

46.3 37.8 42.33.6 2.9 3.3

CONTOH PENGHITUNGAN UNITED NATION INDEX

Age GroupReported Number Analysis of sex-ratios

Analysis of age- Analysis of age-ratios(Males) (Females)

RatiosDeviation from 100

MalesDeviation from 100

Total (irrespective of sign)

Females RatiosSuccessive Difference

Ratios

Mean ( total devided by 13)Index (3 times mean difference sex-ratios plus mean deviation of male and female age-ratios)

16.8

Batasan nilai UN Index

Jika UN Index < 20 berarti pelaporan umur data tersebut akurat

Jika UN Index 20 – 40 berarti pelaporan umur data tersebut tidak akurat

Jika UN Index > 40 berarti pelaporan umur data tersebut sangat tidak akurat.

Perapihan Umur

1.Kelompok umur 10-64 tahun dengan metode UN yang disusun dalam paket komputer Micro Computer Programs for Demographic Analysis (MCPDA) :

5Px* = 1/16 (-5Px-10 + 45Px-5 + 105Px + 45Px+5 - 5Px+10)

5Px*= Jumlah penduduk yang telah dirapihkan menurut

kelompok umur lima tahunan.

5Px = Jumlah penduduk dari data dasar menurut kelompok umur lima tahunan.

2. Kelompok umur 65 tahun ke atas dengan menggunakan distribusi penduduk 65 tahun ke atas dari suatu negara yang penduduknya sudah stabil.

3. Kelompok umur 0-4 dan 5-9 tahun dengan menggunakan data kelahiran waktu lampau

Asumsi

Asumsi fertilitas dan mortalitas dibuat berdasarkan tren tingkat fertilitas di masa lalu dan kebijakan pemerintah yang berhubungan dengan fertilitas

Asumsi mortalitas juga berdasarkan tren tingkat mortalitas di masa lalu dan kebijakan pemerintah sehubungan dengan tingkat kematian bayi

Karena sulitnya menentukan asumsi migrasi, biasanya pola migrasi untuk masa yang akan datang dianggap sama dengan pola migrasi data yang dipakai.

Dalam penentuan setiap asumsi kondisi spesifik daerah juga diperhatikan.

Perhitungan Proyeksi dan iterasi

Perhitungan proyeksi menggunakan software program komputer yaitu “Fivsin”

Input program ini adalah :

- Penduduk menurut kelompok umur

- TFR dan ASFR

- Level kematian

Perhitungan proyeksi dan iterasi

Perhitungan proyeksi penduduk dilakukan secara berjenjang. Mula-mula dihitung proyeksi penduduk Indonesia, kemudian proyeksi penduduk per propinsi, baru proyeksi per kabupaten/kota.

Jumlah penduduk hasil proyeksi per propinsi harus sama dengan jumlah penduduk hasil proyeksi Indonesia. Begitu juga jumlah penduduk hasil proyeksi kabupaten/kota harus sama dengan jumlah penduduk hasil proyeksi untuk propinsi yang bersangkutan.

Untuk menyamakan jumlah penduduk dari hasil setiap proyeksi harus dilakukan iterasi.

Hasil Proyeksi

Hasil Proyeksi dengan program “Fivsin” adalah :- Penduduk menurut kelompok umur dan jenis kelamin- Parameter demografi :

Total Fertility Rate (TFR)Infant Mortality Rate (IMR) menurut jenis kelaminExpectation of Life at birth (E0) per jenis kelaminCrude Birth Rate (CBR)Crude Death Rate (CDR)Rate of Natural Increase (RNI)

Hasil Proyeksi

Seringkali jumlah penduduk di masa akan datang yang diperlukan adalah jumlah penduduk umur tunggal. Untuk memecah penduduk menurut kelompok umur menjadi umur tunggal (1 tahunan) digunakan metode yang disebut Karrop-King

Proyeksi sangat tergantung dengan ketepatan dalam menentukan asumsinya.