PROYEKSI PENDUDUK

Umum Dalam rangka perencanaan pembangunan di segala bidang, diperlukan informasi mengenai keadaan penduduk seperti jumlah penduduk, persebaran penduduk, dan susunan penduduk menurut umur. Informasi yang harus tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun, tetapi jugaa informasi masa lalu dan masa kini sudah tersedia dari hasil sensus dan survei-survei, Sedangkan untuk masa yang akan datang, informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur dan jenis kelmain) di masa yang akan datang berdasarkan asumsi arah perkembangan fertilitas, mortalitas dan migrasi. Data penduduk Indonesia yang dapat dipakai dan dipercayya untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn pada tahun yang berakhir 0 dan survei antar sensus (SUPAS) padad tahun aynag berakhir S. Kegunaan Proyeksi Hasil proyek penduduk sanagat bermanfaat untuk perencanaan penyediaan beras, fasilitas kesehatan, fasilitas pendidikan, fasilitas perumahan, dan fasilitas kesempatan kerja. Publikasi BPS tentang Proyeksi Penduduk Proyeksi Penduduk Indonesia 1971-1980 Proyeksi penduduk Indonesia 1980-1990 Proyeksi Penduduk Indonesia per Propinsi 1990-2000 Proyeksi Penduduk Indonesia Per Propinsi 1995-2005

Perbaikan proyeksi selalu dilakukan, karena sering terjadi asumsi-asumsi yang dibuat mengenai fertilitas (fertility), mortalitas (mortality), dan migrasi (migration) tidak sesuai lagi denagn keadaan data yang baru. Sumber Data Sensus Penduduk (SP71, SP80, SP90, SP2000). Survei Penduduk Antar Sensus (SUPAS70, SUPAS85, dan SUPAS95).

Metode Proyeksi Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan dating antara lain: 1. Metode Matematik, ada 2 cara, yaitu: Linear Rate of Growth, ada 2 cara yaitu: 1. Arithmathic Rate of Growth: Pn= P0(1+rn). 2. Geometric Rate of Growth: Pn=P0 (1+r)n. Eksponential Rate of Growth: Pn= P0 ern Pn : jumlah penduduk pada tahun ke-n r : tingkat pertumbuhan penduduk dari tahun awal ke tahun ke-n. n : banyak perubahan tahun. 2. Metode Komponen Metode ini sering digunakan dalam penghitunag proyeksi penduduk. Metode ini melakukan tiap komponen penduduk secara terpisah dan untuk mendapat proyeksi jumlah penduduk total, hasil proyeksi tiap komponen digabngkan. Metode ini membutuhkan data-data sebagai berikut: Komposisi penduduk menurut umur dan jenis kelamin yang telah dilakukan perapihan (smothing). Pola mortalitas menurut umur. Pola fertilitas menurut umur. Rasio jenis kelamin saat lahir. Proporsi migrasi menurut umur. Dimana P0 : jumlah penduduk pada tahun awal

Tahap-tahap Proyeksi 1. Evaluasi Data Umur; pelaporan umur tidak benar, cenderung umur mengelompok pada angka yang berakhiran 0 dan 5. Jenis Kelamin: Rasio jenis kelamin berfluktuasi diakibatkan mobilits laki-laki lebih tinggi pada usia muda sehingga banyak terlewat cacah. 2. Perapihan Umur Prorata (pro-rate), mengalokasikan TT (tidak terjawab) ke masing-masing kelompok umur.

Perapihan (adjusment) penduduk 10-64 dengan rumus:

Px =

1 [ 5 Px 10 + 4 5 Px 5 + 10 5 Px + 4 5 Px + 5 Px + 10 ] 16
5 x

dimana

P = jumlah penduduk 5 tahun hasil adjustment.

Px = jumlah penduduk 5 tahunan sebelum adjusment

Perapihan (adjusment) penduduk 65+ tahun, dengan table stable population

karena dianggap pengaruhnya tidak besar (mendekati 0)

Perapihan (adjustment) penduduk 0-4 tahun dan 5-9 tahun dengsn

menggunakan survival ratio.

Estimasi-estimasi Yang Digunakan Estimasi Tingkat Kelahiran (Fertilitas)

Indirect Method (Easwespo Packed Program), merujuk ke periode beberapa tahun

sebelum pelaksaan sensus/survei seperti metode Rele, Palmore, Guna-SekaranPalmore, dan Last Live Birth (anak lahir hidup terakhir yang merujuk pada tahun pelaksaan sensus/survei).

Direct Method, menggunakan data langsung dari SPI87, SDKI91, SDKI97, dan

SUPAS95. angka yang dihasilkan lebih rendah daari pada hasil indirect method. Hal ini disebabkan responden lupa kejadian kelahiran di masa lalu.

Sumber data SP71, SP80, SP90, SUPAS 85, SUPAS 95, SP2000.

Estimasi tingkat Kematian (Mortalitas)

Indirect Method (Mortpaklite/ MCPDA Packed Program), seperti metode Brass,

Sullivan, Trussell, dan Falloni Heligman. Input data adalah rata-rata lahir hidup (ALH/CEB) dan anak masih hidup (AMH/CS) yang dibuat menjadi proporsi kematian anak dari wanita pada kelompok umur yang dapat diestimasi menjadi probability of dting (qx) P1/P2, P2/P3,. Berdasarkan rasio paritas, hasil yang diambil berasal dari rata-rata wanita usia 20-24 (q2), 25-29 (q3) dan 30-34 (q5).

Direct Method, menggunakan data langsung dari SPI87, SDFKI91, SDKI97, dan

SUPAS95. angka yang dihasilkan lebih rendah dari pada hasil inderct method. Hal ini disebabkan rsponden lupa kejadian kelahiran di masa lalu.

Sumber data SP71, SP80, SP90, SUPAS95, SP2000, SUSENAS93, SUSENAS94. BPS memakai metode Trussel denagn pertimabangan metode ini sesuai denagn fase yang terjadi di Indonesia (west model).

Estimasi Tingkat Migrasi

Migrasi seumur hidup (berdasarkan tempat lahir) Migrasi total (berdasarkan tempat tinggal terakhir) Migrasi Risen (berdasarkan tempat tinggal 5 tahun terakhir yang lalu), proyeksi penduduk memakai migrasi risen dengan perpindahan antar propinsi sedangkan perpindahan internasional diabaiakn (0).

Net migrasi (net migration) pertahun untuk setiap 1000 penduduk menurut kelompok umur dengan menggunakan metode life table survival ratio (bila positif berarti sebagai penerima migran, jika negatif berarti sebagai pengirim migran).

Metodologi

Menentukkan asumsi-asumsi untuk TFR, IMR dan Migrasi.

1. Fertilitas; untuk keperluan proyeksi penduduk perlu dibuat estimasi terhadap ASFR
maupun TFR. Edstimasi fertilitas harus realitistis terhadap perubahan fertilitas karena peningkatan usia perkawinan wanita, meningkatnya pemakain alat kontrasepsi, dan meningkatnya persentase wanita yang asih sekolah pada usia 1519 tahun.

2. Mortalitas; dalam proyeksi penduduk perlu diperhatikan arah perkembangan

tingkat kesehatan, tingkat kematian yang akan terjadi di masa mendatang. Arah perkembangan ini akan mennetukan tinggi/rendahnya pola kematian penduduk. Asumsinya adalah konstan, sedang dan rendah.

3. Proyeksi penduduk memakai migrasi risen denagn perpendahan antar propinsi

sedangakn perpindahan internasioanal diabaikan (0).

Menghitung proyeksi penduduk Indonesia dengan menggunakan fungsi logistik untuk membuat asumsi TFR dan IMR (misalnya diasumsikan TFR dengan NRR=1 dan IMR=20).

Menghitung proyeksi penduduk per propinsi (TFR diasumsikan = 2, IMR menggunakan fungsi logistik). Melakukan proses iterasi untuk menyamakan jumlah penduduk per propinsi denagn jumlah penduduk Indonesia (sebagai patokan/ kontrol).

Fungsi Logistik
k 1 + be at

Y = L+

dimana Y = perkiraan TFR/IMR. L = perkiraan asymtot bawah k = konstanta a & b = koefisien kurva r = waktu e = konstatnta eksponensial. Hasil Proyeksi penduduk Jumlah Penduduk Laju pertambahan penduduk (LLP) CBR (Crude Birth Rate)/ Tingkat Kelahiran Kasar CDR (Crude Death Rate)/ Tingkat Kematian Kasar NRR (Net Reproduction Rate)/ Banyaknya wanita yang dilahirkan oleh setiap wanita / replacement level. E0 (Expectation of Live).

Contoh Penghitungan Proyeksi Penduduk: 1. Prorating Penduduk. Prorating = Jumlah penduduk x Penduduk masing-masing kelompok umur Jumlah penduduk-TT

Kelompok Sebelum Prorating umur Laki-laki Perempuan L+P

(1) (2) (3) (4)

Setelah Prorating Laki-laki Perempuan L+P

(5) (6) (7)

0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+t TT Jumlah

410886 448908 411222 336896 247453 259173 218067 184583 124515 114354 103937 70478 71430 38199 26789 21522 73 3088485

384873 424225 389219 309874 276116 268625 200675 159666 116865 111286 93782 64878 55623 28917 21376 21202 118 2927320

795759 410896 873133 448919 800441 411232 646770 336904 523569 247459 527798 259179 418742 218072 344249 184587 241380 124518 225640 114357 197719 103939 135356 70480 127053 71432 67116 38200 48165 26790 42724 21523 191 6015805 3088485

384889 424242 389235 309886 276127 268636 200683 159672 116870 111290 93786 64881 55625 28918 21377 21203

795784 873161 800466 646791 523586 527815 418755 344260 241388 225647 197725 135360 127057 67118 48167 42725

2927320

6015805

2. Penghitungan Sex Ratio dan Perapihan Penduduk Kelompok Jumlah Penduduk umur Laki-laki Perempuan
(1) (2) (3)

Sex Ratio
(4)

0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+ Jumlah

410895 448918 411232 336904 247459 259179 218072 184587 124518 114357 103939 70480 71432 38200 26790 21523 3088485

384889 424242 389235 309886 276127 268636 200683 159672 116870 111290 93786 64880 55625 28918 21377 21204 2927320

106.76 105.82 105.65 108.72 89.62 96.48 108.66 115.60 106.54 102.76 110.83 108.63 128.42 132.10 125.32 101.50 105.51

 PERAPIHAN PENDUDUK PEREMPUAN UMUR 0-4 DAN 5-9 DENGAN SURVIVAL RATIO WAKTU LAHIR Perkiraan jumlah kelahiran penduduk perempuan umur 0-4 (1985-1990) = 5 x 445.372 x 0,2052 = 491.100 Perapihan penduduk perempuan umur (0-4) tahun = jumlah kelahiran penduduk x survival ratio = 491.100 x 0,930464 = 456.951 Perkiraan jumlah kelahiran penduduk perempuan umur 5-9 (1980-1985) = 5 x 391.550 x 0,2052 = 401.730 Perapihan penduduk perempuan umur (5-9) tahun = jumlah kelahiran x survival ratio = 401.730 x 0,930464 x 0,979964 PERAPIHAN PENDUDUK PEREMPUAN UMUR 10-69 DENGAN UN. SMOTHING METHOD

5 Px* =

1 [ 5 Px 10 + 45 Px 5 + 10 5 Px + 45 Px + 5 Px +10 ] 16
1 [ 384889 + (4 424242) + (10 389275) + (4 309886) (276127)] = 379865 16 1 [ 424242 + (4 389235) + (10 309886) + (4 276127) (268636)] = 316714 16 1 [ 389235 + (4 309886) + (10 276127) + (4 268636) (200683)] = 280340 16 1 [ 309886 + (4 276127) + (10 268636) + (4 200683) (159672)] = 257753 16

P(10 14) = P(1519 ) = P( 20 24) = P( 25 29 ) =

P(3034) = P(3539 ) = P( 40 44) = P( 45 49 ) = P(5054) = P(5559 ) = P( 6064) = P( 6569 ) =

1 [ 276127 + (4 268636) + (10 200683) + (4 159672) (116870)] = 207942 16 1 [ 268636 + (4 200683) + (10 159672) + (4 116870) (111290)] = 155438 16 1 [ 200683 + (4 159672) + (10 116870) + (4 111290) (93786)] = 122380 16 1 [ 159672 + (4 116870) + (10 111290) + (4 93786) (64880)] = 108186 16 1 [ 116870 + (4 111290) + (10 93786) + (4 64880) (55625)] = 91878 16 1 [ 111290 + (4 93786) + (10 64880) + (4 55625) (28918)] = 69140 16 1 [ 93786 + (4 64880) + (10 55625) + (4 28918) (21337)] = 51017 16 1 [ 64880 + (4 55625) + (10 28918) + (4 21337) (21203)] = 31944 16

PERAPIHAN PENDUDUK PEREMPUAN UMUR 70-74 DAN 75 DENGAN TABEL STABLE POPULATION Ratio P(70-74) dan P(75+) =

P( 7074 ) + P( 75 + ) P( 075 + )

100% =

21.377 + 21.204 100% = 1,4546% 2.627.320

100%

Ratio P(65-69). P(70-74) dan P(75+) =

P( 6569) .P( 7074) + P( 75 + ) P( 075 + )

Ratio 1,45% untuk P(70-74) terletak pada persen 1,0 = 0,62 dan 1,5 = 0,90 Interpolasi =

1,4546 1,0 (0,90 0,62) + 0,62 = 0,874576 1,5 1,0

P(70-74) =

0,874576 2.927.320 = 25.602 100

1,4546 1,0 (0,60 0,38) + 0,38 = 0,580024 1,5 1,0

Ratio 1,45% untuk P(75+) terletak pada persen 1,0 = 0,38 dan 1,5 = 0,60 Interpolasi =
P(75+) =

0,580024 2.927.320 = 16.979 100

Percentage of Person at Advanced Ages in Stationery Population

Percentage of Population Aged 70 and over 70-74 75-79 80-84 Estimated percentage of total in specified age group 85 and over 75 and over

1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

0.62 0.90 1.16 1.41 1.64 1.86 2.08 2.08 2.48

0.28 0.43 0.58 0.73 0.89 1.05 1.20 1.36 1.51

0.09 0.14 0.21 0.29 0.37 0.45 0.54 0.63 0.73

0.01 0.03 0.05 0.07 0.10 0.14 0.18 0.23 0.23

0.38 0.60 0.84 1.09 1.36 1.64 1.92 2.22 2.52

PERAPIHAN PENDUDUK LAKI-LAKI UMUR 0-4 DAN 5-9 DENGAN SEX RATIO AT BIRTH Jumlah kelahiran (85-90) = kelahiran Perempuan x Sex Ratio at Birth = 491.100 x 1,05 = 515.655 Survival ratio laki-laki level 18,04 = 0,9021 + 0,52 (0,9300 0,9021) = 0,9166 Penduduk laki-laki (0-4) tahun = 515.655 x 0,9166 = 472.649 Jumlah kelahiran (80-85) = Kelahiran Perempuan x Sex Ratio at Birth = 401.730 x 1,05 = 421.816 Survival ratio perempuan level 18,04 = 0,9171 + 0,52 (0,9928 0,9171) = 0,9305 Penduduk laki-laki (5-9) tahun = kelahiran laki-laki x survival laki-laki x survival perempuan = 421.816 x 0,9166 x 0,9305 = 359.765 PERAPIHAN PENDUDUK LAKI-LAKI DENGAN THREE MOVING AVERAGE Sn(10-14) = [SRn-1 + 2SRn +SRn+1] : 4

= [1,0582 + (2 x 1,0565) + 1,0872] : 4 = 1,0646 P(10-14) = 379.865 x 1,0646 = 404.404 Sn(15-19) = [1,0565 + (2 x 1,0872) + 0,8962] : 4 = 4,1271 : 4 = 1,0318 P(15-19) = 316.714 x 1,0318 = 326.785 Sn(20-24) = [1,0872 + (2 x 0,8962) + 0,9648] : 4 = 3,8444 : 4 = 0,9611 P(20-24) = 280.340 x 0,9611 = 269.435 Sn(25-29) = [0,8962 + (2 x 0,9648) + 1,0866] : 4 = 3,9124 : 4 = 0,9781 P(25-29) = 257.753 x 0,9781 = 252.108 Sn(30-34) = [0,9648 + (2 x 1,0866) + 1,1560] : 4 = 4,294 : 4 = 1,0735 P(30-34) = 207.942 x 1,0735 = 223.226 Sn(35-39) = [1,0866 + (2 x 1,1560) + 1,0654] : 4 = 4,464 : 4 = 1,116 P(35-39) = 155.438 x 1,116 = 173.469 Sn(40-44) = [1,1560 + (2 x 1,0654) + 1,0276] : 4 = 4,3144 : 4 = 1,0786 P(40-44) = 122.380 x 1,0786 = 131.999 Sn(45-49) = [1,0654 + (2 x 1,0276) + 1,1083] : 4 = 4,2289 : 4 = 1,057225 P(45-49) = 108.186 x 1,057225 = 114.377 Sn(50-54) = [1,0276 + (2 x 1,1083) + 1,0863] : 4 = 4,3305 : 4 = 1,082625 P(50-54) = 91.878 x 1,082625 = 99.469 Sn(55-59) = [1,1083 + (2 x 1,0863) + 1,12842] : 4 = 4,5651 : 4 = 1,141275 P(55-59) = 69.140 x 1,141275 = 78.908 Sn(60-64) = [1,0863 + (2 x 1,12842) + 1,3210] : 4 = 4,9757 : 4 = 1,243925 P(60-64) = 51.017 x 1,243925 = 63.461 Sn(65-69) = [1,12842 + (2 x 1,3210) + 1,2532] : 4 = 5,1794 : 4 = 1,29485 P(65-69) = 31.944 x 1,29485 = 41.363

PROYEKSI PENDUDUK PROPINSI LAMPUNG 1990-1995

Kelompok umur Jumlah Penduduk Perempuan Hasil Perapihan Survival Ratio Level 18,04 Proyeksi Penduduk Perempuan Tahun 1995 Rata-rata Penduduk Perempuan 90-95 [(2)+(4)] : 2 (1) 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+ Jumlah (2) 456.951 366.306 379.865 316.714 280.340 257.753 207.942 155.438 122.380 108.186 91.878 69.140 51.017 31.944 25.602 16.979 2.938.435 (3) 0,930464 0,979964 0,992124 0,987104 0,988048 0,985164 0,982828 0,979940 0,975996 0,969900 0,959420 0,943104 0,916512 0,873676 0,771112 0,707976 (4) 425.176 358.967 376.873 312.630 276.989 253.929 204.371 152.320 119.442 104.929 88.150 65.206 46.758 27.909 19.742 12.021 3.119.327 (5) 441.593 395.741 369.416 346.793 296.485 267.371 230.935 179.904 120.911 106.557 90.014 67.173 48.887 29.926 22.672 14.500 (6) (6) : 2,05 (7) ASFR Tahun 1990 ASFR Kelahiran Perempua Perempuan n 90-95 Jumlah Penduduk Laki-laki Yang Sudah Dirapihka n (9) 472.649 359.765 404.404 326.785 269.435 2525.108 223.226 173.469 131.999 114.377 99.469 78.908 63.461 41.363 28.829 18.979 3.059.226 Survival Proyeksi Ratio Penduduk Laki-laki Laki-laki 18,04 Tahun Kawin 1995

(7) X (5) (8)

(10) 0,916608 0,977368 0,991364 0,990312 0,985688 0,982660 0,980976 0,977444 0,971268 0,961240 0,945616 0,957892 0,886628 0,853476 0,762564 0,660900

(11) 447.547 433.234 351.623 400.912 232.619 265.579 247.736 218.979 169.556 128.206 109.944 94.059 75.585 56.266 34.558 21.984 3.379.387

0,00477 0,06313 0,17860 0,17418 0,12768 0,08871 0,03767 0,01181 0,00357

0,002327 0,030795 0,087121 0,084935 0,062283 0,043273 0,018375 0,005761 0,001741

860 10.679 25.830 22.717 14.383 7.785 2.222 614 157

P(10-54) = 85.247 5 P(10-54) = 426.235

LIFE TABLE
Life Table adalah table yang berisi riwayat kehidupan suatu penduduk menurut umur
dalam sebuah model statistik tunggal (a single statistical model).

Life Table menerangkan riwayat suatu kelompok hipotesis (hypothetical group) atau
suatu kohort penduduk, berkenaan dengan riwayat kematian secara bertahap (gradually). Terdapat dua jenis life table, yaitu :

1. Period (Population) Life Table adalah suatu alat untuk menganalisa kondisi
mortalitas suatu penduduk berdasarkan pengalaman mortalitasw suatu penduduk pada periode waktu tertentu (seperti: satu tahun, tiga tahun atau di antara dua periode). Periode Life Table disebut juga dengan Current Life Table, karena menggambarkan keadaan current mortality pada suatu penduduk.

2. Cohort (or Generation) Life Table adalah pengalaman nyata kelangsungan hidup
(the actual survival experience) suatu kelompok atau kohort dari individu-individu yang lahir pada tahun yang sama atau disebut dengan a generation atau

Longitudinal Life Table, karena merupakan riwayat hidup suatu kohort sampai
dengan kematiannya. Hal ini membutuhkan data pada periode waktu yang panjang dalam menyempurnakan life table untuk satu kohort. Terdapat dua klasifikasi berdasarkan interval umur, yaitu :

1. Complete Life Table, jika dalam life table menyajikan umur tunggal 2. Abridged Life Table, jika dalam life table menyajikan umur dalam interval 5 atau 10
tahun. Umumnya Abridged Life Table lebih banyak dan sering digunakan karena lebih sesuai. Asumsi-asumsi Dalam Life Tables

1. Migrasi dianggap tidak ada, perubahan kohort hanya dipengaruhi oleh kematian
pada masing-masing individu dalam kohort.

2. Risiko kematian pada masing-masing umur untuk masing-masing individu dalam

kohort disajikan dalam bentuk yang sudah tetap sebelumnya dan tidak berubah.

Sehingga tidak ada perubahan dalam risiko kematian dan life table-nya adalah murni suatu deterministic model (model yang telah ditentukan).

3. Besaran kohort adalah jumlah tetap dari jumlah kelahiran menurut jenis kelamin
seperti 1.000; 10.000; atau 100.000 yang disebut dengan radix life table sehingga menyediakan perbandingan antara tabel-tabel yang berbeda.

4. Jumlah kematian selama setahun diasumsikan pada interval umur, menyebar secara
merata (kecuali pada beberapa tahun pertama) khususnya dalam satu tahun. Dari asumsi di atas bahwa life table terbentuk menurut jenis kelamin laki-laki dan perempuan tetapi mortality experience laki-laki dan perempuan dalam populasi yang sama ditemukan perbedaan.

Kolom dan Fungsi Life Table

Fungsi dasar Life Table adalah menerangkan riwayat suatu kohort yang disajikan dalam sebuah bentuk tabel. Kecuali pada kolom pertama menunjukkan interval umur x sampai

x+n, sedangkan enam kolom lainnya menerangkan fungsi Life Table secara khusus.
Enam kolom fungsi Life Table tersebut adalah nqx ; lx ;
ndx

nLx

; Tx ; dan e

0.

Keterangan untuk masing-masing kolom adalah sebagai berikut: Kolom (1) : x sampai x+n, adalah periode kehidupan antara dua umur x sampai x+n. Dalam abridge life table n=5 atau 10 tahunan.

x berarti umur x.

Sedangkan dalam complete life tble, kolom ini hanya berisi umur x dimana

x= 0,1,2,.,w.
Kolom (2) : nqx adalah probability of dying sebelum mencapai umur x+n untuk individu yang berumur x. dalam complete life table, qx adalah probability

of dying antara x dan x+1.

p x = 1 - qx
npx npx

= 1 - nqx , adalah probability of surviving dari seorang yang berumur x selama

interval x sampai x+n. Kolom (3) : lx , adalah jumlah orang-orang yang hidup pada umur x (dimulai pada interval x sampai x+n) dari jumlah total kelahiran mnurut radix life

table. Kolom ini dimulai dengan l0 , misalnya 100.000. lx merupakan

fungsi turunan dari pada umur sehingga bisa didapat nilai nqx adalah sebagai berikut :

l x + n = l x *n p x jadi

px =

l x+n lx

Kolom (4) : ndx , adalah jumlah kematian dari orang-orang lx selama periode tahun n berikut. Jadi ndx = lx (nqx). Karena itu l x + n = l x n d x = l x (1 n q x ) = l x *n p x Dalam complete life table n = 1 , maka d x = l x (q x ) dan l x + n = l x *n p x Kolom (5) : nLx , adalah jumlah orang yang hidup dari orang-orang lx dalam interval umur (x,x+n).

Lx =

1 n (l x + l x +1 ) dan n Lx = (l x + l x +1 ) untuk x>2. 2 2

Hubungan linier tidak valid untuk umur 0 dan 1 tahun, maka pendekatan untuk nilai L0 dan Lx adalah sebagai berikut.

L0 = 0,3 l0 + 0,7 l1. L1 = 0,4 l1 + 0,6 l2

Dari hubungan di atas dapat diasumsikan bahwa rata-rata orang meninggal pada tahun pertama kehidupannya adalah hidup untuk o,3 tahun dan ratarata seseorang meninggal antara umur 1 dan 2 tahun adalah hidup untuk 0,4 tahun. Kolom (6) : Tx , adalah jumlah orang yang hidup setelah mencapai umur x. Jumlah ini adalah total orang yang mencapai kehidupan lx.

Tx = n L x + n L x +1 + ... + L y

Ly adalah lamanya seseorang hidup (dalam tahun), lx seseorang setelah

mencapai umur y (misalnya y =80)

Ty = L y =

ly my

Dari persamaan di atas, juga dapat diimplikasikan sebagai berikut

Tx = Lx + Tx +1
Kolom (7) : e
0 x.

, adalah tingkat harapan hidup pada umur x. Ini adalah rata-rata jumlah

tahun lx mencapai harapan hidup.

e0 x =

Tx T , jika x = 0 maka e 0 0 = 0 lx l0

e0x. adalah tingkat harapan hidup pada saat lahir (bayi).

Contoh : Complete Life Table for Female, India 1961-1970

Probability of dying between ages x and x+1 (qx)
(2)

Age

Survivors at exact age x

Number of deaths between ages x and x+1 (dx)

(4)

(x)
(1)

(lx)
(3)

Number of persons lifing between ages x and x+1 (Lx)

(5)

Number of persons living beyond exact ages x and x+1 (Tx)

(6)

Expectation of life at exact age x (e0x)

(7)

0 1 2 3 4 5 6 7 8 9

0.12837 0.03406 0.01601 0.1446 0.01313 0.01205 0.01122 0.01057 0.00635 0.00852

100000 87163 84194 82846 81648 80576 79605 78712 77880 77152

12837 2969 1348 1198 1072 971 893 832 728 657

91014 85382 83520 82247 81112 80091 79159 78296 77516 76824

4465447 4365447 4274433 4189051 4106684 4025358 3945267 3866108 3787812 3710296

44.7 50.2 50.9 50.8 50.5 50.2 49.8 49.3 48.8 48.3

Pembuatan Life Table (Construction Life Table)

Pembuatan life table diperlukan sebagai dasar untuk mengetahui nilai nex dan beberapa asumsi seperti nilai Lx dari nilai lx.. Kaitan antara life table dengan jumlah penduduk menurut asumsi dasar adalah bahwa : mx = Mx

Mx adalah ASDR (central) observasi dalam penduduk dengan pendekatan central death
rate pada life table atau mx.
Beberapa Metode Pembuatan Life Table

1. Reed and Merrell Method 2. Greville Method 3. Chiang Method 4. Keyfitz Method 5. Merujuk pada Standard Table 6. Complete Life Table from Abridge Life Table 7. From Incomplete Data a. Based on Death Record Only b. Based Upon aSingle Census Record Only c. Based on Two Consecutive Census Age Distribution 8. Arriaga Method Based on Age Data

Model Life Table

1. UN Model Life Tables 2. Coale and Demenys Model Life Tables 3. Ledermanns Model Life Tables 4. The Logit System of Model Life Tables Model Life Table dan teknik life table adalah alat untuk mengukur tingkat mortalitas dan juga digunakan untuk studi fertilitas, tingkat reproduksi, migrasi, dan struktur penduduk. Secara luas life table digunakan untuk estimasi dan proyeksi penduduk, struktur, dan perubahan penduduk di masa yang akan dating. Beberapa penggunaan Life Tables sebagai alat: 1. Analisis Mortalitas 2. Ukur Morbiditas dan Kesehatan 3. Analisis Mortalitas menurut Penyebab Kematian 4. Life Table Survival Rates 5. Estimasi Migrasi

6. Analisis Fertilitas, Reproduksi, dan Struktur Umur 7. Evaluasi Program Keluarga Berencana 8. Analisis Sosio-ekonomi dan Dynamic a. Nuptiality Table b. Working Life Table c. School Life Table

Contoh: Abridged Life Table for Female, India Based on Mean Age Spesific Death Rate for 1975, 1976, 1977
Age Central deaths rate Probability of dying between ages x and x+1 (nqx)
(3)

Number of deaths between ages x and x+1 (ndx)

(4)

Survivors at exact age x

(x)
(1)

(mmx)
(2)

(lx)

Number of persons lifing between ages x and x+1 (nLx)

(5)

Number of persons living beyond exact ages x and x+1 (Tx)

(6)

Expectation of life at exact age x (e0x)

(7)

0 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70

0.05544 0.00959 0.00209

0.049902 0.036177 0.010399

4990 3437 952

100000 95010 91573

96507a 370648a 455485

6500089 6403582 6032934

65.00 67.40 65.88

Catatan: Langsung dihitung dari l0 , l1 , dan l5 menggunakan rumus L0=0.3 l0+0.70 l1 dan
4L1=0.034 l0+1.1184 l1+2.782 l5

ADJUSTED MEASURES OF MORTALITY

(PERAPIHAN UKURAN-UKURAN MORTALITAS)

ASDR merupakan suatu ukuran mortalitas yang sangat berguna untuk mempelajari keragaman mortalitas menurut umur. Perbedaan antara tingkat mortalitas laki-laki dan perempuan dapat dipelajari menurut rasio pada mortalitas laki-laki dan perempuan menurut umur. Untuk mengamati terjadinya perubahan-perubahan dalam tahun-tahun terakhir, menggunakan ASDR menurut jenis kelamin, status perkawinan, social ekonomi, ataupun jenis pekerjaan pada penduduk atau kategori lainnya sebagai pembanding. Tetapi untuk lebih mudahnya membandingkan, diperlukan satu indeks mortalitas yang menggambarkan sebuah rata-rata pada angka kematian pada keragaman segmen-segmen penduduk. Indeks sederhana untuk tujuan ini adalah CDR. Tetapi CDR tidak cocok untuk membandingkan mortalitas pada dua populasi yang berbeda pada struktur umur dan jenis kelamin. Diperlukan suatu indeks mortalitas yang menggunakan beberapa standar tertimbang dalam rata-rata tingkat kematian. Angka hasil perhitungannya disebut perapihan atau perbaikan atau angka standarisasi (standardized rate). Sering tingkat kematian dirapihkan atau distandarisasikan menurut kelompok umur dan jenis kelamin. Ada empat metode utama untuk merapikan tingkat/angka kematian yaitu: 1. Standarisasi angka kematian menurut umur (age standardized death rate) dihitung dengan metode langsung (direct method) 2. Standarisasi angka kematian menurut umur dihitung dengan metode tidak langsung (indirect method) 3. Indeks keterbandingan mortalitas (comparative mortality index) 4. Tabel riwayat hidup tingkat kematian (Life Table Death Rate)
Direct Standardization (Standarisasi Langsung)

Untuk tujuan spasial dan temporal, ASDR dapat dihitung menggunakan rata-rata
ASDR x m n aritmatic , n adalah total rate, atau dengan rata-rata geometric x , atau n x 0
w
1

penjumlahan secara sederhana.

Standarisasi langsung untuk CDR mencakukp standarisasi penduduk dan penghitungan rata-rata tertimbang pada ASDR dalam wilayah tertentu, menggunakan distribusi umur pada standarisasi penduduk sebagai penimbang. Rumus untuk standarisasi langsung tingkat kematian [direct standardized death rate atau SDR(D)] untuk suatu penduduk A
Ps x adalah SDR( D) A = 1000 M A x x Ps

keterangan:

M A x = ASDR pada kelompok umur x untuk penduduk A

P s x = Penduduk pada kelompok umur x dalam penduduk standar Ps
= Total penduduk standar

Jika angka mortalitas penduduk A sama dengan dua kali angka mortalitas penduduk B, maka hal ini mencerminkan adanya selisih pada adjusted rates atau rasionya. Rasio SDR(D) adalah sebagai berikut:

x x

M A x .n P S x M B x .n P S x
M A x = n M B x untuk semua kelompok umur x. Selisih

Rasio ini sama dengan 2, jika SDR(D)-nya adalah:

[
x

M A x n M B x .n P S x

PS x

Rumus di atas menunjukkan bahwa jika n M A x n M B x untuk semua kelompok umur x, maka selisihnya akan lebih besar atau sama dengan 0(nol).

Contoh 1

Berikut adalah penghitungan Direct Standardization of Death Rate untuk Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.
Umur Standard Population All India (ribuan)
(2)

KERALA ASDR (ribuan)

(3)

UTTAR PRADESH ASDR (ribuan)

(5)

Expected Deaths (2)X(3)

(4)

Expected Deaths (ribuan)

(6)

(1)

0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70+ Total

88.632 77.265 65.046 53.817 46.120 40.659 35.922 31.387 26.684 22.233 17.891 14.258 10.925 7.444 9.877 548.160

24.5 2.3 1.1 1.4 2.2 1.6 3.5 3.7 5.3 7.3 8.8 16.3 23.6 43.5 108.8

2.171.484 177.710 71.551 65.344 101.464 65.054 125.727 116.132 141.425 162.301 157.441 232.405 257.830 323.814 1.025.233 5.204.915 9.50 9.00

83.7 5.4 2.3 2.4 3.9 3.7 4.1 4.8 6.0 9.8 17.9 18.7 36.7 48.1 94.1

7.418.498 417.231 149.606 129.161 179.868 150.438 147.280 150.658 160.104 217.883 20.249 266.625 400.248 358.056 929.426 11.396.031 20.79 20.10

Standardized Death Rate Crude Death Rate (for comparison)

Indirect Standardization (Standarisasi Tidak Langsung)

SDR( I ) A =

DA CDR s A S n M x .n P x
x

M S x dan CDR s merujuk pada penduduk standar.

Indirect Standardized Death Rate dapat dinyatakan ke dalam bentuk Directly Standardized sebagai berikut:
SDR( I ) = D CDR s S . M P x n n x
x

 =
x x

M x .n Px

S n M x . n Px

CDR s

P S x CDR s SDR( D) = n M x . n s x Ps CDR

=
x x

M x .n P S x

S S n M x .n P x

CDR s

Contoh 2

Berikut adalah penghitungan Indirect Standardization of Death Rate for Age untuk Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.
Umur ASDR of Standard Population All India (ribuan)
(2)

KERALA Population (ribuan)

(3)

UTTAR PRADESH Population (ribuan)

(5)

Expected Deaths (2)X(3)

(4)

Expected Deaths (ribuan)

(6)

(1)

0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70+ Total

51.9 4.7 2.0 2.4 3.6 3.7 4.6 5.7 6.7 9.5 16.8 21.2 34.0 48.4 100.3

3.151 2.836 2.648 2.345 1.930 1.608 1.352 1.148 997 866 697 558 438 318 454 21.346 192.126

163.537 13.329 5.296 5.628 6.948 5.950 6.219 6.544 6.680 8.227 11.710 11.830 14.892 15.391 45.536 327.717

14.315 12.389 10.349 8.317 7.167 6.311 5.615 5.005 4.333 3.706 3.038 3.483 1.981 1.408 1.924 88.341 1.775.657

742.948 58.228 20.698 19.961 25.801 23.351 25.829 28.528 29.031 35.207 51.038 52.640 67.354 68.147 192.977 1.441.738

15.0 (CDR) Total Death Actually

Ratio =

Observed Expected

192.126 = 0.586 327.717

8.79

1.775.657 = 1.232 1.441.738

1.232

Indirect Standardized Death Rate (CDR X Ratio)

Tujuan dari standarisasi adalah untuk mengurangi bias dan untuk membandingkan angka kematian dari suatu wilayah dengan wilayah yang lain.
Indirect: untuk mengurangi bias (bila tidak memiliki daftar CDR) Direct : CDR masing-masing daerah diketahui sehigga bias dapat langsung dihilangkan

Comperative Mortality Index (CMI/Indeks Keterbandingan Mortalitas) CMI adalah suatu ukuran mortalitas untuk menunjukkan perubahan-perubahan dalam

seluruh level mortalitas atau penduduk. Hal ini berkaitan dengan pengaruh pada komposisi umur dan jenis kelamin pada penduduk saat sekarang maupun penduduk pada awal tahun. CMI didefinisikan sebagai rasio jumlah tertimbang ASDR dalam masing-masing tahun ke jumlah tertimbang ASDR yang sama pada awal tahun. Penimbang-penimbangnya adalah rata-rata pada proporsi penduduk total menurut kelompok umur awal tahun dan proporsi penduduk dalam tahun yang terkait.

CMI t

M = M
a a

.M t a
CDR s

0 a .M a

Wa =

1 Pt a P0a + 0 2 Pt P

M t a , P t a , P t menunjukkan ASDR menurut kelompok umur penduduk, yaitu penduduk

kelompok umur a dan total penduduk pada t tahun. Tujuan dasar penghitungan CMI adalah untuk membandingkan relative mortalitas suatu wilayah pada dua titik waktu. CMI pertama diperkenalkan pada tahun 1941 di Inggris dan Wales, tetapi kemudian tidak dipakai lagi karena sangat sulit untuk menjelaskan CMI secara umum.