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
Dimana P0 : jumlah penduduk pada tahun awal
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.

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:
1
∑ 5 Px∗ = [− 5 Px − 10 + 4 5 Px − 5 + 10 5 Px + 4 5 Px + 5 − Px + 10 ]
16
dimana ∑ 5 x
∗
P = jumlah penduduk 5 tahun hasil adjustment.

5 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-Sekaran-
Palmore, 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 15-
19 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
Y = L+
1 + be at
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 Setelah Prorating
umur Laki-laki Perempuan L+P Laki-laki Perempuan L+P
(1) (2) (3) (4) (5) (6) (7)
0-4 410886 384873 795759 410896 384889 795784
5-9 448908 424225 873133 448919 424242 873161
10-14 411222 389219 800441 411232 389235 800466
15-19 336896 309874 646770 336904 309886 646791
20-24 247453 276116 523569 247459 276127 523586
25-29 259173 268625 527798 259179 268636 527815
30-34 218067 200675 418742 218072 200683 418755
35-39 184583 159666 344249 184587 159672 344260
40-44 124515 116865 241380 124518 116870 241388
45-49 114354 111286 225640 114357 111290 225647
50-54 103937 93782 197719 103939 93786 197725
55-59 70478 64878 135356 70480 64881 135360
60-64 71430 55623 127053 71432 55625 127057
65-69 38199 28917 67116 38200 28918 67118
70-74 26789 21376 48165 26790 21377 48167
75+t 21522 21202 42724 21523 21203 42725
TT 73 118 191
Jumlah 3088485 2927320 6015805 3088485 2927320 6015805

2. Penghitungan Sex Ratio dan Perapihan Penduduk

Kelompok Jumlah Penduduk Sex
umur Laki-laki Perempuan Ratio
(1) (2) (3) (4)
0-4 410895 384889 106.76
5-9 448918 424242 105.82
10-14 411232 389235 105.65
15-19 336904 309886 108.72
20-24 247459 276127 89.62
25-29 259179 268636 96.48
30-34 218072 200683 108.66
35-39 184587 159672 115.60
40-44 124518 116870 106.54
45-49 114357 111290 102.76
50-54 103939 93786 110.83
55-59 70480 64880 108.63
60-64 71432 55625 128.42
65-69 38200 28918 132.10
70-74 26790 21377 125.32
75+ 21523 21204 101.50
Jumlah 3088485 2927320 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
1
Σ 5 Px* = [− 5 Px −10 + 45 Px − 5 + 10 5 Px + 45 Px + 5 − Px +10 ]
16
1
P(10 −14) = [− 384889 + (4 ∗ 424242) + (10 ∗ 389275) + (4 ∗ 309886) − (276127)] = 379865
16

1
P(15−19 ) = [− 424242 + (4 ∗ 389235) + (10 ∗ 309886) + (4 ∗ 276127) − (268636)] = 316714
16

1
P( 20− 24) = [− 389235 + (4 ∗ 309886) + (10 ∗ 276127) + (4 ∗ 268636) − (200683)] = 280340
16

1
P( 25− 29 ) = [− 309886 + (4 ∗ 276127) + (10 ∗ 268636) + (4 ∗ 200683) − (159672)] = 257753
16
 1
P(30−34) = [− 276127 + (4 ∗ 268636) + (10 ∗ 200683) + (4 ∗ 159672) − (116870)] = 207942
16

1
P(35−39 ) = [− 268636 + (4 ∗ 200683) + (10 ∗ 159672) + (4 ∗ 116870) − (111290)] = 155438
16

1
P( 40− 44) = [− 200683 + (4 ∗ 159672) + (10 ∗ 116870) + (4 ∗ 111290) − (93786)] = 122380
16

1
P( 45− 49 ) = [− 159672 + (4 ∗ 116870) + (10 ∗ 111290) + (4 ∗ 93786) − (64880)] = 108186
16

1
P(50−54) = [− 116870 + (4 ∗ 111290) + (10 ∗ 93786) + (4 ∗ 64880) − (55625)] = 91878
16

1
P(55−59 ) = [− 111290 + (4 ∗ 93786) + (10 ∗ 64880) + (4 ∗ 55625) − (28918)] = 69140
16

1
P( 60−64) = [− 93786 + (4 ∗ 64880) + (10 ∗ 55625) + (4 ∗ 28918) − (21337)] = 51017
16

1
P( 65−69 ) = [− 64880 + (4 ∗ 55625) + (10 ∗ 28918) + (4 ∗ 21337) − (21203)] = 31944
16

• PERAPIHAN PENDUDUK PEREMPUAN UMUR 70-74 DAN 75 DENGAN TABEL

STABLE POPULATION
P( 70−74 ) + P( 75 + ) 21.377 + 21.204
Ratio P(70-74) dan P(75+) = ∗ 100% = ∗ 100% = 1,4546%
P( 0−75 + ) 2.627.320

P( 65−69) .P( 70−74) + P( 75 + )

Ratio P(65-69). P(70-74) dan P(75+) = ∗ 100%
P( 0−75 + )

Ratio 1,45% untuk P(70-74) terletak pada persen 1,0 = 0,62 dan 1,5 = 0,90
1,4546 − 1,0
Interpolasi = ∗ (0,90 − 0,62) + 0,62 = 0,874576
1,5 − 1,0
0,874576
P(70-74) = ∗ 2.927.320 = 25.602
100
Ratio 1,45% untuk P(75+) terletak pada persen 1,0 = 0,38 dan 1,5 = 0,60
1,4546 − 1,0
Interpolasi = ∗ (0,60 − 0,38) + 0,38 = 0,580024
1,5 − 1,0
0,580024
P(75+) = ∗ 2.927.320 = 16.979
100
 Percentage of Person at Advanced Ages in Stationery Population

Percentage of Estimated percentage of total in specified age group

Population
85 and 75 and
Aged 70 70-74 75-79 80-84
over over
and over

1.0 0.62 0.28 0.09 0.01 0.38

1.5 0.90 0.43 0.14 0.03 0.60
2.0 1.16 0.58 0.21 0.05 0.84
2.5 1.41 0.73 0.29 0.07 1.09
3.0 1.64 0.89 0.37 0.10 1.36
3.5 1.86 1.05 0.45 0.14 1.64
4.0 2.08 1.20 0.54 0.18 1.92
4.5 2.08 1.36 0.63 0.23 2.22
5.0 2.48 1.51 0.73 0.23 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 Jumlah Survival Proyeksi Rata-rata ASFR ASFR Kelahiran Jumlah Survival Proyeksi
umur Penduduk Ratio Penduduk Penduduk Tahun Perempua Perempuan Penduduk Ratio Penduduk
Perempuan Level Perempuan Perempuan 1990 n 90-95 Laki-laki Laki-laki Laki-laki
Hasil 18,04 Tahun 1995 90-95 Yang 18,04 Tahun
Perapihan Sudah Kawin 1995
Dirapihka
[(2)+(4)] : 2 (7) X (5) n
(6) : 2,05
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

0-4 456.951 0,930464 425.176 441.593 472.649 0,916608 447.547

5-9 366.306 0,979964 358.967 395.741 359.765 0,977368 433.234
10-14 379.865 0,992124 376.873 369.416 0,00477 0,002327 860 404.404 0,991364 351.623
15-19 316.714 0,987104 312.630 346.793 0,06313 0,030795 10.679 326.785 0,990312 400.912
20-24 280.340 0,988048 276.989 296.485 0,17860 0,087121 25.830 269.435 0,985688 232.619
25-29 257.753 0,985164 253.929 267.371 0,17418 0,084935 22.717 2525.108 0,982660 265.579
30-34 207.942 0,982828 204.371 230.935 0,12768 0,062283 14.383 223.226 0,980976 247.736
35-39 155.438 0,979940 152.320 179.904 0,08871 0,043273 7.785 173.469 0,977444 218.979
40-44 122.380 0,975996 119.442 120.911 0,03767 0,018375 2.222 131.999 0,971268 169.556
45-49 108.186 0,969900 104.929 106.557 0,01181 0,005761 614 114.377 0,961240 128.206
50-54 91.878 0,959420 88.150 90.014 0,00357 0,001741 157 99.469 0,945616 109.944
55-59 69.140 0,943104 65.206 67.173 78.908 0,957892 94.059
60-64 51.017 0,916512 46.758 48.887 63.461 0,886628 75.585
65-69 31.944 0,873676 27.909 29.926 41.363 0,853476 56.266
70-74 25.602 0,771112 19.742 22.672 28.829 0,762564 34.558
75+ 16.979 0,707976 12.021 14.500 18.979 0,660900 21.984
Jumlah 2.938.435 3.119.327 P(10-54) = 85.247 3.059.226 3.379.387
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.
0
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 = 1 - nqx

npx , 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 = l x *n p x jadi n px =
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).
1 n
Lx = (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 rata-
rata 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)
ly
Ty = L y =
my
 Dari persamaan di atas, juga dapat diimplikasikan sebagai berikut
Tx = Lx + Tx +1

0
Kolom (7) : e x. , adalah tingkat harapan hidup pada umur x. Ini adalah rata-rata jumlah

tahun lx mencapai harapan hidup.

Tx T
e0 x = , 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 Survivors Number of Number of Number of Expectation

of dying at exact deaths persons persons of life
Age between age x between lifing living at exact
ages ages between beyond age x
x and x+1 x and x+1 ages exact ages
x and x+1 x and x+1
(x) (qx) (lx) (dx) (Lx) (Tx) (e0x)

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

0 0.12837 100000 12837 91014 4465447 44.7

1 0.03406 87163 2969 85382 4365447 50.2
2 0.01601 84194 1348 83520 4274433 50.9
3 0.1446 82846 1198 82247 4189051 50.8
4 0.01313 81648 1072 81112 4106684 50.5
5 0.01205 80576 971 80091 4025358 50.2
6 0.01122 79605 893 79159 3945267 49.8
7 0.01057 78712 832 78296 3866108 49.3
8 0.00635 77880 728 77516 3787812 48.8
9 0.00852 77152 657 76824 3710296 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 Demeny’s Model Life Tables
3. Ledermann’s 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

Central Probability Number Survivors Number Number Expectation

Age deaths of dying of deaths at exact of persons of persons of life
rate between between age x lifing living at exact
ages ages between beyond age x
x and x+1 x and x+1 ages exact ages
x and x+1 x and x+1
(x) (mmx) (nqx) (ndx) (lx) (nLx) (Tx) (e0x)

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

0 0.05544 0.049902 4990 100000 96507a 6500089 65.00

1 0.00959 0.036177 3437 95010 370648a 6403582 67.40
5 0.00209 0.010399 952 91573 455485 6032934 65.88
10
15
20
25
30
35
40
45
50
55
60
65
70
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
1
w
ASDR x  πm  n
aritmatic ∑ , n adalah total rate, atau dengan rata-rata geometric  x  , atau
0 n  x 
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
n M A x .n P S x

∑x
n M B x .n P S x

Rasio ini sama dengan 2, jika n M A x = n M B x untuk semua kelompok umur x. Selisih

SDR(D)-nya adalah:

∑[
x
n ]
M A x − n M B x .n P S x

∑x
n 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.

Standard KERALA UTTAR PRADESH

Umur Population
All India ASDR Expected ASDR Expected
(ribuan) (ribuan) Deaths (2)X(3) (ribuan) Deaths
(ribuan)
(1) (2) (3) (4) (5) (6)

0-4 88.632 24.5 2.171.484 83.7 7.418.498

5-9 77.265 2.3 177.710 5.4 417.231
10-14 65.046 1.1 71.551 2.3 149.606
15-19 53.817 1.4 65.344 2.4 129.161
20-24 46.120 2.2 101.464 3.9 179.868
25-29 40.659 1.6 65.054 3.7 150.438
30-34 35.922 3.5 125.727 4.1 147.280
35-39 31.387 3.7 116.132 4.8 150.658
40-44 26.684 5.3 141.425 6.0 160.104
45-49 22.233 7.3 162.301 9.8 217.883
50-54 17.891 8.8 157.441 17.9 20.249
55-59 14.258 16.3 232.405 18.7 266.625
60-64 10.925 23.6 257.830 36.7 400.248
65-69 7.444 43.5 323.814 48.1 358.056
70+ 9.877 108.8 1.025.233 94.1 929.426
Total 548.160 5.204.915 11.396.031
Standardized Death Rate 9.50 20.79
Crude Death Rate (for comparison) 9.00 20.10

Indirect Standardization (Standarisasi Tidak Langsung)

DA
SDR( I ) A = × CDR s
∑ n M x .n P x
x
S A

n M S x dan CDR s merujuk pada penduduk standar.

Indirect Standardized Death Rate dapat dinyatakan ke dalam bentuk Directly
Standardized sebagai berikut:

D
SDR( I ) = × CDR s
∑n
x
M S
x . P
n x
 ∑ n M x .n Px
= x
× CDR s
x
∑ S
n M x . n Px

 P S x  CDR s
SDR( D) = ∑ n M x . n × s
x  Ps  CDR

∑ n M x .n P S x
= x
× CDR s
∑ x
S S
n M x .n P x

Contoh 2

Berikut adalah penghitungan Indirect Standardization of Death Rate for Age untuk
Negara Bagian Kerala dan Uttar Pradesh di India Tahun 1971.

ASDR of KERALA UTTAR PRADESH

Umur Standard
Population Population Expected Population Expected
All India (ribuan) Deaths (ribuan) Deaths
(ribuan) (2)X(3) (ribuan)
(1) (2) (3) (4) (5) (6)

0-4 51.9 3.151 163.537 14.315 742.948

5-9 4.7 2.836 13.329 12.389 58.228
10-14 2.0 2.648 5.296 10.349 20.698
15-19 2.4 2.345 5.628 8.317 19.961
20-24 3.6 1.930 6.948 7.167 25.801
25-29 3.7 1.608 5.950 6.311 23.351
30-34 4.6 1.352 6.219 5.615 25.829
35-39 5.7 1.148 6.544 5.005 28.528
40-44 6.7 997 6.680 4.333 29.031
45-49 9.5 866 8.227 3.706 35.207
50-54 16.8 697 11.710 3.038 51.038
55-59 21.2 558 11.830 3.483 52.640
60-64 34.0 438 14.892 1.981 67.354
65-69 48.4 318 15.391 1.408 68.147
70+ 100.3 454 45.536 1.924 192.977
Total 15.0 21.346 327.717 88.341 1.441.738
(CDR)
Total Death Actually 192.126 1.775.657

Observed 192.126 1.775.657

Ratio = = 0.586 = 1.232
Expected 327.717 1.441.738
Indirect Standardized Death
Rate 8.79 1.232
(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.

∑M a .M t a
CMI t = a
× CDR s
∑M
a
0
a .M a

1  Pt a P0a 
Wa =  + 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.