MO

GR
A

D
I
S
U
S
U
N

FI

PROYEKSI PENDUDUK
Propinsi SUMATERA SELATAN

OLEH

DE

Nama
Nim
Kelas

:
:
:

Nugraha pukuh
03.4283
III sk 2

Sekolah tinggi ilmu statistik

Jakarta
2006

PROYEKSI PENDUDUK
propinsi sumatera selatan
Penduduk sebagai subyek dan obyek pembangunan, menjadi titik
sentral

dalam

pembangunan

nasional

bangsa

Indonesia.

Dalam

perkembangannya penduduk akan dipengaruhi oleh variabel demografi dan

non demografi, yang mengakibatkan tiap-tiap daerah memiliki potensi dan

FI

keunikan karakteristik penduduk masing- masing. Keunikan karakteristik ini

menjadi salah satu dasar pelaksanaan otonomi daerah
Undang-Undang No. 22 Tahun 1999.

yang

diatur

oleh

GR
A

Perencanaan pembangunan baik di tingkat nasional atau dalam

konteks otonomi daerah, harus didasarkan

pada

kondisi

demografi

penduduk. Untuk Perencanaan pembangunan yang berkesinambungan

disegala bidang, diperlukan informasi yang berkesinambungan mengenai
keadaan penduduk seperti jumlah penduduk, persebaran penduduk, dan
susunan penduduk menurut umur dan jenis kelamin yang relevan dengan

MO

rencana tersebut. Informasi yang dibutuhkan tidak hanya menyangkut

keadaan pada saat perencanaan disusun, tetapi juga informasi masa lampau
masa kini, dan yang yang lebih penting lagi adalah informasi perkiraan pada
waktu yang akan datang. Untuk data penduduk pada waktu yang lalu dan

DE

masa kini sudah dapat diperoleh dari hasil-hasil sensus dan survei.
Sedangkan untuk memenuhi kebutuhan data penduduk masa yang akan
datang, informasi tersebut belum tersedia sehingga perlu dibuat suatu
proyeksi penduduk yaitu perkiraan jumlah penduduk dan komposisinya di
masa mendatang.

Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut

komposisi umur dan jenis kelamin) yang menunjukkan keadaan fertilitas,
mortalitas serta migrasi di masa yang akan datang. Proyeksi penduduk bukan
merupakan ramalan jumlah penduduk tetapi suatu perhitungan ilmiah yang
didasarkan pada asumsi arah perkembangan dari komponen-komponen laju

pertumbuhan penduduk, yaitu kelahiran, kematian, dan perpindahan

(migrasi).ketiga komponen inilah yang menentukan besarnya jumlah
penduduk di masa yang akan datang. Untuk menentukan asumsi daritingkat
perkembangan kelahiran, kematian dan perpindahan di masa yang akan
datang diperlukan data yang menggambarkan trend dimasa lampau hingga
saat ini, factor-faktor yang mempengaruhi masing-masing komponen itu, dan
hubungan antara satu komponen dengan yang lain serta target yang akan
dicapai atau diharapkan pada masa yang akan datang. Jadi proyeksi

FI

penduduk menggunakan beberapa asumsi sehingga jumlah penduduk dimasa

yang akan datang adalah X kalau fertilitas, mortalitas, dan migrasi berada

GR
A

pada tingkat tertentu. Berbeda dengan estimasi penduduk, Estimasi penduduk

adalah perkiraan jumlah penduduk berdasarkan ketentuan ketentuan dan
rumus rumus sederhana.

Ada beberapa cara yang dapat digunakan untuk memproyeksikan

jumlah penduduk masa yang akan datang antara lain:
1. Mathematical Method (Metode Matematik).
tidak

MO

Metode matematik digunakan bila komponen pertumbuhan penduduk

diketahui.

Menggunakan

fitting

curve

data

sensus

menggambarkan perubahan penduduk antara dua sensus.

untuk

Perubahan

penduduk digunakan untuk mengestimasi jumlah penduduk antara dua sensus

DE

atau setelah sensus dilaksanakan (forward projection). Pola pertambahan

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

Pt = Po (1+r)

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

Eksponensial :
Pt = Po e

rt

r = 1 / t (2,3026) * log (Pt/Po)

2. Component Method (Metode Komponen).

Metode

ini

memperhatikan

perubahan

tiap-tiap

komponen

pertumbuhan penduduk yaitu fertilitas,mortalitas, dan migrasi. Dengan

melakukan penghitungan tiap komponen penduduk secara terpisah, dan untuk
mendapatkan proyeksi jumlah penduduk total, hasil proyeksi tiap komponen
digabungkan. Metode ini membutuhkan data-data sebagai berikut:

FI

1. Komposisi penduduk menurut umur dan jenis kelamin yang telah

dilakukan perapihan (smothing).

GR
A

Tahap I adalah perapihan jumlah penduduk menurut jenis kelamin

kelompok umur 10-64 tahun, menggunakan metode dari PBB yang
di
s
us
un da
l
a
m pa
ke
t pr
ogr
a
m Mi
c
r
o Comput
e
r Pr
ogr
a
ms f
or
De
mogr
a
phi
c
sAna
l
y
s
i
s
(
MCPDA)
.

Tahap II adalah perapihan umur penduduk usia 65+ menggunakan

distribusi umur penduduk 65+ dari suatu negara yang penduduknya sudah
stabil (metode Stable Population).

MO

Tahap III adalah perapihan penduduk umur 0-4 dan 5-9 tahun dengan
metode survival ratio pada saat lahir.
2. Pola mortalitas menurut umur.
Menentukan

level

kematian

suatu

penduduk

tertentu

(west

DE

Model),level kematian dihitung dari estimasi angka kematian bayi dengan

metode trussel.

3. Pola fertilitas menurut umur.

Mengestimasi pola fertilitas (ASFR). Estimasi fertilitas dilakukan

dengan methode anak kandung. Selain TFR juga didapat ASFR. Methode
ini dipakai sejak SP71, ini untuk menjaga kesinambungan data.

4. Rasio jenis kelamin saat lahir.

Ketika dapat proyeksi jumlah penduduk, maka proyeksi untuk
penduduk perempuan dan laki-laki dihitung berdasarkan pola rasio jenis
kelamin.

5. Proporsi migrasi menurut umur.

Data migrasi yang dipakai adalah migrasi risen (migrasi antar
propinsi). Untuk proyeksi Indonesia, migrasi internasional diasumsikan 0.
dengan metode life Table Survival Ratio dihitung besarnya rata-rata net
migrasi per kelompok umur per tahun. Pola migrasi untuk tahun-tahun ke
depan diasumsikan

sama dengan pola migrasi periode tahun yang

FI

dihitung.
Untuk mempermudah penghitungan proyeksi penduduk digunakan
jumlah

penduduk

GR
A

software program komputer yaitu Fi

vs
i
n. Output yang diperoleh adalah:
menurut

kelompok

umur,laju

pertumbuhan

penduduk,TFR,ASFR,CBR, CDR dan level kematian.

Data penduduk Indonesia yang dapat dipakai dan dapat dipercaya
untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang
di
s
e
l
e
ngga
r
a
ka
ns
e
t
i
a
p10t
a
huns
e
ka
l
iy
a
i
t
u pa
dat
a
huny
a
ngbe
r
a
khi
r
a
n
0
da
ns
ur
ve
ipe
nduduka
nt
a
rs
e
ns
us(
SUPAS)pa
dat
a
huny
a
ngbe
r
a
khi
r
a
n
5
.

MO

Propinsi Sumatera Selatan sebagai salah satu daerah otonom,

memerlukan data proyeksi penduduk yang dapat menggambarkan kondisi
demografi penduduk

dari

aspek kuantitas dan kualitas sebagai dasar

dalam pembuatan perencanaan pembangunan. Pada paper ini akan

DE

melakukan perhitungan proyeksi penduduk propinsi sumatera selatan.

Propinsi sumatera selatan,di sbelah utara berbatasan dengan propinsi

jambi, sbelah timur dengan selat karimata dan laut jawa,sebelah selatan
dengan propinsi lampung dan sbelah barat dengan propinsi bengkulu.
Memiliki luas wilayah 8.701.742 Ha terdiri dari 14 kabupaten dan kota
,153 kecamatan, 314 kelurahan, dan 2465 desa.dengan penyebaran penduduk
dan profil daerah seperti tercantum dari tabel dibawah ini :

Luas daerah, pembagian daerah administrasi, jumlah penduduk dan rumah tangga,

Jumlah/total

Luas Daerah
Kecamatan

Kelurahan

Desa

GR
A

Kabupaten / Kota

FI

dan kepadatan penduduk Menurut kabupaten /kota

Jumlah
Penduduk

Kepadatan Per
(Km2)

Jumlah rumah
tangga

291760

15

122

255246

87,48

16798

2. Ogan komering ilir

1690532

12

20

267

656828

38,85

61609

3. Muara Enim

858794

19

20

270

632222

73,62

37987

4. Lahat

663250

19

23

507

545754

82,28

40235

5. Musi rawas

1213457

17

260

474430

39,1

34364

6. Musi banyuasin

1447700

200

469175

32,41

36083

7. Banyuasin

1214274

11

12

244

733828

60,43

60678

8. Oku selatan

540301

10

199

317277

58,72

28612

9. Oku timur

335604

10

11

195

556010

165,67

48452

10.Ogan ilir

266609
37403

12.Prabumulih

42162

13.Pagar alam

57916

14.Lubuk Linggau

41980

Jumlah

DE

11.Palembang

MO

1. Ogan komering ulu

8701742

12

152

356983

133,9

29845

14

101

1338793

3579,37

83983

19

12

130340

309,14

5727

19

16

114562

197,65

6755

53

19

174452

415,56

11082

153

314

2465

6755900

77,64

502210

Sumber : kanwil badan pertahanan nasional dan BPS Sumatera Selatan

Jumlah dan Pertumbuhan penduduk

FI

Propinsi Sumatera selatan tahun 1990 , 2003 , 2004

Jumlah Penduduk
Provinsi

2003

5492993

6486015

laki-laki

2004
Perempuan

Total

3273764

6596057

1,7

GR
A

Sumatera Selatan

1990

Rata-rata
pertumbuhan per
tahun 2003-2004

3322293

Sumber : BPS, Hasil SP 1990, Susenas 2003, dan 2004

Propinsi

Angka Harapan
Hidup
2002

Sumatera
selatan

65,7

2004
57,7

MO

Indeks Pembangunan Manusia ( IPM ) 2002 - 2004

Angka Melek
Hurup
2002

94,1

2004

95,7

Rata2 lama
sekolah

2002

7,1

DE

Sumber : BPS Propinsi sumatera selatan, Sumatera selatan dalam angka

Rata2 pengeluaran
rill

2004
7,4

2002
582,9

2004
608,4

IPM

Peringkat

2002

2004

66

69,6

2002
16

2004
12

Jumlah penduduk sumatera selatan

menurut kelompok umur

Kelompok
umur
(1)

Distibusi Persentase

Jumlah Penduduk
)

1980

1990

2000*

1980

1990

2000*

(2)

(3)

(4)

(5)

(6)

(7)

16,52

13,83

10,77

656.819

759.681

738.539

5-9

15,07

14,63

11,45

599.169

803.625

785.170

10-14

12,37

13,3

12,89

491.819

730.568

883.916

15-19

10,64

10,51

12,04

423.036

577.314

825.628

20-24

9,51

8,43

9,96

378.108

463.059

682.995

25-29

7,73

8,36

8,72

307.337

459.214

597.963

30-34

5,23

7,21

7,25

207.940

396.045

497.160

35-39

5,35

5,98

6,71

212.711

328.481

460.130

40-44

4,55

4,06

5,58

180.904

223.016

382.642

45-49

3,62

3,73

4,21

143.928

204.889

288.696

50-54

3,14

3,13

3,05

124.843

171.931

209.150

55-59

1,85

2,1

2,19

73.554

115.353

150.177

60-64

1,79

1,93

2,08

71.169

106.015

142.633

70-74
75+
TT
Jumlah

GR
A

MO

65-69

FI

0-4

0,99

1,14

1,28

39.361

62.620

87.774

0,8

0,84

1,01

31.807

46.141

69.259

0,82

0,81

0,81

32.602

44.493

55.545

0,02

0,01

795

549

100

100

100

3975904

5492993

6857376

DE

Sumber : BPS hasil SP1980, SP1990 dan SP2000

Catatan : *) Tidak termasuk penduduk non respon (41681 jiwa) dan penduduk tidak
bertempat tinggal tetap (618 jiwa).

Penyebaran penduduk berdasarkan kelompok umur pada tahun 2000

dapat dilihat dari piramida penduduk dibawah ini :

Pir am ida pe nduduk Sum ate r a Se latan tahun 2000

TT
75+
70-74
65-69
60-64
55-59
50-54
Um
ur

45-49
40-44
35-39
30-34
25-29

15-19
10-14
5-9
0-4
0

200.000

400.000

FI

20-24

600.000

800.000 1.000.00
0

GR
A

Jum lah

Untuk melakukan proyeksi hal pertama yang akan kita lakukan adalah
Evaluasi data dasar. Data yang diperoleh dari hasil sensus dan survei
biasanya masih mengandung kesalahan,kesalahan yang paling sering
ditemukan adalah kurang tepatnya pelaporan umur.kesalahan ini sering
terjadi karena banyak penduduk terutama di daerah pedesaan yang tidak

MO

melaporkan umurnya dengan benar.terutama yang tidak tahu tanggal

lahirnya,melaporkan umurnya pada tahun-tahun yang berakhiran 0 dan 5.
karena dari hasil-hasil sensus dan survei yang dilakukan, penduduk yang
umurnya berakhiran dengan 0 dan 5 sangat menonjol jika dibandingkan

DE

dengan umur disekitarnya.

Jumlah penduduk sumatera selatan

menurut kelompok umur dan jenis kelamin tahun 2000

Kelompok umur
0-4
5-9
10-14
15-19
20-24

Perempuan

Laki-laki

370.548
388.948
439.126
411.292
351.860

367.991
396.221
444.790
414.336
331.135

Total
738.539
785.170
883.916
825.628
682.995

25-29
30-34
35-39
40-44
45-49
50-54
55-59
60-64
65-69
70-74
75+
Jumlah

302.552
248.047
231.233
182.776
135.125
99.100
72.591
69.956
45.430
34.677
29.934

295.411
249.113
228.897
199.866
153.570
110.050
77.585
72.677
42.345
34.583
25.611

597.963
497.160
460.130
382.642
288.696
209.150
150.177
142.633
87.774
69.259
55.545

3.413.193

3.444.183

6857376

GR
A

bertempat tinggal tetap (618 jiwa).

FI

Sumber : BPS hasil SP2000

Catatan : *) Tidak termasuk penduduk non respon (41681 jiwa) dan penduduk tidak

Jumlah penduduk yang dirinci menurut umur dan jenis kelamin

adalah salah satu data dasar yang dibutuhkan untuk membuat proyeksi
penduduk dengan metode komponen.oleh karena itu untuk keperluan
proyeksi, data dasar yang mengandung banyak kesalahan tersebut harus
dievaluasi secara cermat, kemudian dilakukan perapihan dengan tujuan
untuk menghapus atau memperkecil berbagai kesalahan yang ditemukan.

MO

Perapihan umur perlu dilakukan untuk memperkecil kesalahan yang

ada dalam data. Dengan tujuan agar kesalahan-kesalahan itu tidak terbawa
kedalam perhitungan proyeksi, karena akan mempengaruhi jumlah dan
struktur umur penduduk dalam periode proyeksi tersebut.

DE

Seperti yang telah dijelaskan sebelumnya,perpihan umur akan

dilakukan dalam tiga tahap yaitu perapihan data penduduk kelompok umur
10 64 tahun dengan metode dari PBB ( UN Method ) dengan Rumus :
5

1
P x ( 5 P x 10 4 5 P x 5 105 Px 4 5 P x 5 5 P x 10 )
16

Yang telah disusun dalam paket program MCPDA. Selanjutnya penduduk

kelompok umur ( 65+ ) tahun dengan menggunakan metode Stable
Population. Dan terakhir kelompok umur 0-4 dan 5-9 tahun dengan
menggunakan data angka kelahiran total (TFR) masa lampau dengan metode
Survival Rasio.

Perapihan Umur 10-64 tahun dengan UN Smoothing Method`

Perapihan
Laki-laki

PerapihanTotal

429.363
411.585
355.425
298.914
255.060
224.871
184.128
135.933
98.071
76.349
64.867
48.144

436.938
409.714
341.027
289.492
253.585
227.244
198.085
154.305
109.536
81.928
66.366
46.831

866.301
821.299
696.452
588.406
508.646
452.115
382.213
290.238
207.607
158.277
131.233
94.975

GR
A

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

Perapihan
Perempuan

FI

Kelompok
umur

MO

Perapihan umur 70-74 dan 75+ dengan stable Population :

I. Perempuan :

Rasio P(70-74) dan P(75+) =

P(70-74) + P(75+)
P(0-75+)

100

34677+29934
100
3413193
1.892978%

DE

Ratio 1,89 % untuk P(70-74) terletak pada persen 1,5 = 0,9 dan 2,0 = 1,16
Interpolasi (Perempuan P(70-74) )

1.892978-1.5
(1.16 0.9) 0.9 1.10434856
2.0-1.5
1.10434856

3413193 37693.54775 37694

100

10

Ratio 1,89% untuk P(75+) terletak pada persen 1,5 = 0,6 dan 2,0 = 0,84
Interpolasi (Perempuan P(75+))

1.892978-1.5
(0.84 0.6) 0.6 0.78862944
2.0-1.5
0.78862944

3413193 26917.4448 26917

100

Rasio P(70-74) dan P(75+) =

P(70-74) + P(75+)
P(0-75+)

100

GR
A

34583+25611
100
3444183
1.7477034
=

FI

II. Laki laki :

Ratio 1,74 % untuk P(70-74) terletak pada persen 1,5 = 0,9 dan 2,0 = 1,16
:

MO

Interpolasi (Laki-laki P(70-74) )

1.7477034-1.5
(1.16 0.9) 0.9 1.028805768
2.0-1.5
1.028805768

3444183 35433.95336 35434

100

DE

Ratio 1,74% untuk P(75+) terletak pada persen 1,5 = 0,6 dan 2,0 = 0,84
Interpolasi (Laki-laki P(75+))

1.7477034-1.5
(0.84 0.6) 0.6 0.718897632
2.0-1.5
0.718897632

3444183 24760.15003 24760

100

Perapihan umur 0-4 dan 5-9 dengan Survival rasio :

11

Penduduk
tahun 2000

Survival
rasio level
18,04

population
estimasi 1995

population
estimasi 1990

average of
population
1995-2000

average of
population 19901995

Married
Women
Proportion

0,930464

398240,0179

0,930464

428001,5324

0-4

370548

0,979964

396900,2943

0,979964

405015,1784

383724,1471

400957,7364

5-9

388948

0,992124

442612,0122

0,992124

446125,6982

415780,0061

444368,8552

10-14

439126

0,987104

416665,3159

0,987104

422108,8314

427895,658

419387,0737

15-19

411292

0,988048

356116,302

0,988048

20-24

351860

0,985164

307108,2581

0,985164

25-29

302552

0,982828

252380,8845

0,982828

30-34

248047

0,979940

235966,4877

0,979940

35-39

231233

0,975996

187271,2593

0,975996

40-44

182776

0,969900

139318,4864

0,969900

45-49

135125

Lanjutan
Birth rate
1995-2000
0,10531275

254852

237959

184831

173576

145533

133532

115666

113934

Birth rate
1990-1995
0,112699

average
birth rate

birth
female
19952000

0,109006

443011

weight
ASMFR
marrital

0,56097

383704,151

358270,1964

1,1840

311733,1308

329484,1291

309420,6945

1,0000

0,56097

256790,4909

277466,4423

254585,6877

0,9350

0,524507

0,664188

240796,873

242006,7439

238381,6804

0,8520

0,477946

191877,0767

209252,1297

189574,168

0,6850

0,384264

143642,1141

161047,2432

141480,3003

0,3490

0,195779

Adjusted
female 0-4
tahun

birth female
1990-1995

412206

413975

MO

Weight
Population
1990-1995

ASMFR
marrital

360424,0908

DE

Weight
Population
19952000

413120,7752

GR
A

born

Survival
rasio level
18,04

FI

Umur

12

Adjusted
female 5-9
tahun
385189

birth male
1995-2000
465162

Adjusted
male 0-4
tahun
432816

birth male
19901995
434674

Adjusted
male 5-9
tahun
404449

72847

31530

27699

812820

759546

FI

80408

370.548
388.948
439.126
411.292
351.860
302.552
248.047
231.233
182.776
135.125
99.100
72.591
69.956
45.430
34.677
29.934
3.413.193

Laki-laki

Total

367.991
396.221
444.790
414.336
331.135
295.411
249.113
228.897
199.866
153.570
110.050
77.585
72.677
42.345
34.583
25.611
3.444.183

738.539
785.170
883.916
825.628
682.995
597.963
497.160
460.130
382.642
288.696
209.150
150.177
142.633
87.774
69.259
55.545
6857376

Perapihan
Perempuan

Perapihan
Laki-laki

PerapihanTotal

412.206
385.189
429.363
411.585
355.425
298.914
255.060
224.871
184.128
135.933
98.071
76.349
64.867
48.144
37.694
26.918
3.444.716

432.816
404.449
436.938
409.714
341.027
289.492
253.585
227.244
198.085
154.305
109.536
81.928
66.366
46.831
35439
24.765
3.512.522

845.022
789.638
866.301
821.299
696.452
588.406
508.646
452.115
382.213
290.238
207.607
158.277
131.233
94.975
73.133
51.683
6.957.238

MO

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

Perempuan

DE

Kelompok
umur

GR
A

Hasil Perapihan secara keseluruhan :

13

Setelah menyelesaikan perapihan umur maka langkah selanjutnya

yang dilakukan adalah melakukan Penentuan Asumsi. Tahap ini merupakan
kunci perhitungan proyeksi penduduk, yang merupakan tiga komponen laju
pertumbuhan penduduk yaitu, tingkat kelahiran,kematian, dan migrasi.
I.

Asumsi fertilitas
Angka kelahiran total (TFR) sumatera selatan menurun sesuai dengan

tren dimasa lampau dan diproyeksikan dengan menggunakan rumus :

FI

k
Y L
1 be at

GR
A

Catatan :
Y

Perkiraan TFR

Perkiraan asymtot bawah TFR pada saat NRR=1

Konstanta,untuk menentukan asymtot atas

Koefisien kurva logistic

Waktu sebagai variable bebas

Konstanta eksponensial

MO

a dan b =

selain

menggunakan

kecenderungan

tingkat

fertilitas

dimasa

lampau,juga digunakan target pencapaian tingkat fertilitas di masa yang akan

datang

yang

didapat

dari

badan

koordinasi

keluarga

berencana

DE

(BKKBN).seperti halnya pada tingkat nasional apabila propinsi telah

mencapai situasi NRR=1 atau setara TFR = 2,1, maka TFR akan
ditahan/dipagu pada angka 2,1 tersebut.
Estimasi angka kelahiran total (TFR) Sumatera selatan tahun 2000-2025
Estimasi hasil Fitting
Periode
20002005

Tahun
Rujukan

TFR

2002

2,537

ASFR
15-19

20-24

25-29

30-34

35-39

40-44

45-49

0,0689

0,1367

0,1056

0,0735

0,0484

0,0172

0,0019

14

20052010
20102015
20152020
20202025

2007

2,291

0,0628

0,1246

0,0963

0,067

0,0441

0,0157

0,0012

2012

2,125

0,0614

0,1216

0,094

0,0655

0,0431

0,0153

0,0016

2017

2,1

0,0611

0,1212

0,0936

0,0652

0,0429

0,0153

0,0019

2022

2,1

0,0611

0,1212

0,0936

0,0652

0,0429

0,0153

0,0019

Sumber : BPS, Proyeksi penduduk indonesia 2000-2025

FI

II. Asumsi mortalitas

Angka kematian bayi (IMR) sumatera selatan menurun sesuai

rumus :

k
Y L
1 be at

GR
A

dengan tren dimasa lampau dan diproyeksikan dengan menggunakan

Perkiraan IMR

Perkiraan asymtot bawah

Konstanta,dimana k+L = 180 adalah asymtot atas

a dan b =
=

Koefisien kurva logistic

Waktu sebagai variable bebas
Konstanta eksponensial

DE

MO

selain menggunakan kecenderungan tingkat mortalitas dimasa

lampau,juga digunakan informasi mengenai target pencapaian tingkat

mortalitas di masa yang akan datang yang didapat dari departemen kesehatan.
Estimasi angka Kematian Bayi (IMR) Sumatera selatan tahun 2000-2025
IMR
2000-2005
(2002)
40

2005-2010
(2007)
31

2010-2015
(2012)
24

2015-2020
(2017)
19

Sumber : BPS, Proyeksi penduduk indonesia 2000-2025

15

2020-2025
(2022)
16

III. Asumsi migrasi

Migrasi internacional Neto dapat diabaikan (diasumsikan sama
dengan nol). Pola migrasi sumatera selatan disesuaikan dengan pola migrasi
data dasar yaitu pola migrasi berdasarkan data SP 2000. Pola yang dipakai
adalah pola migrasi risen tahun 1995-2000 dan dihitung dengan metode Age
Specific Net Migration Rate (ASNMR) menurut umur dan jenis kelamin.
ASNMR untuk penduduk 5tahun keatas (laki-laki dan perempuan)
dihitung dengan humus :

Mig-in

Mig-out
Pi mid 95-00

migrasi masuk di Sumatera selatan

GR
A

Catatan :

FI

Mig ini Mig out i

ASNMR i
x1000
(5 x Pi mid 9500 )

migrasi keluar di Sumatera selatan

penduduk pertengahan tahun 1995-2000

Sedangkan ASNMR untuk penduduk 0-4tahun dihitung dengan

rumus :

0.25 M 1549 p 100 / 205

1000
5 P04 p

MO

Permpuan : ASNMR 04

0.25 M 1549 p 105 / 205

Laki-laki : ASNMR 04 L
1000
5 P04 L
Dimana :

M15-49 p =

jumlah migran perempuan umur 15-49 tahun

Jumlah penduduk perempuan umur 0-4 tahun

DE

P0-4

P0-4 L =

Jumlah penduduk laki-laki umur 0-4 tahun

Migrasi neto Menurut kelompok umur dan

jenis kelamin di sumatera selatan

Jenis
Kelamin
Laki-laki
Perempuan

0-4
0,25
0,25

KELOMPOK UMUR
15202519
24
29

5-9

1014

1,35

1,26

-0,23

-3,03

-0,13

0,87

0,79

1,35

1,19

-1,25

-4,00

0,08

0,92

1,35

16

3034

35-39

Lanjutan
4044

4549

KELOMPOK UMUR
5055606554
59
64
69

Laki-laki

0,93

1,16

1,15

1,08

1,48

1,22

1,43

1,19

Perempuan

1,33

1,51

1,55

1,05

1,24

1,30

1,65

1,27

Jenis
Kelamin

7074

75+

Sumber : BPS, Proyeksi penduduk indonesia 2000-2025

FI

Setelah diperoleh hasil perapihan dan asumsi dari komponen

pertumbuhan penduduk dalam bentuk data TFR,IMR,ASFR, dan migrasi net
rate. Selanjutnya data tersebut diolah dengan software program komputer

GR
A

FIVSIN, dan diperoleh hasil sebagai berikut :

Proyeksi Penduduk sumatera selatan tahun 2000-2005

Perempuan

2000
412206
385189
429363
411585
355425
298914
255060
224871
184128
135933
98071
76349
64867
48144
37694
26918
3444717

DE

UMUR
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+
TOTAL

MO

FEMALE

2005
413718
413290
387635
429299
406154
351882
299601
256451
226330
185389
136922
98654
76741
65240
48421
58187
3853914

2010
411977
414806
415914
387577
423634
402106
352691
301235
258115
227880
186738
137736
99161
77182
65615
92593
4254960

17

2015
396508
412367
417005
415307
381713
418451
401902
353168
301295
257325
226012
183464
133371
93775
69782
105923
4567368

2020
380757
391471
412607
414112
405889
373388
413544
397396
348228
295396
249843
215680
170334
118410
77195
100493
4764743

2025
365753
369289
389620
407360
401651
393466
365319
404442
387338
337392
283016
234562
196005
147058
94099
98234
4874604

Laki-laki
MALE
2005
434390
433937
407088
438063
406290
338150
289868
254515
228121
199016
155074
110008
82340
66717
47063
52397
3943037

2010
432563
435515
436768
408136
434402
402862
338589
290931
255497
229193
200008
155742
110561
82776
67048
83027
4363618

2015
414612
432538
437520
436645
402883
428505
401182
337560
289182
252648
224328
192374
145917
99330
69364
91217
4655805

2020
394314
408252
432465
435076
427781
393788
422369
395140
330632
280772
241632
209350
173060
124016
77263
86552
4832462

2025
377290
381417
406314
427981
423374
414563
384374
411318
381935
316221
263949
221082
183954
142859
93088
85399
4915118

2015
811120
844905
854525
851952
784596
846956
803084
690728
590477
509973
450340
375838
279288
193105
139146
197140
9223173

2020
775071
799723
845072
849188
833670
767176
835913
792536
678860
576168
491475
425030
343394
242426
154458
187045
9597205

2025
743043
750706
795934
835341
825025
808029
749693
815760
769273
653613
546965
455644
379959
289917
187187
183633
9789722

FI

2000
432816
404449
436938
409714
341027
289492
253585
227244
198085
154305
109536
81928
66366
46831
35439
24765
3512520

GR
A

UMUR
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+
TOTAL

Total
Both

2005
848108
847227
794723
867362
812444
690032
589469
510966
454451
384405
291996
208662
159081
131957
95484
110584
7796951

MO

2000
845022
789638
866301
821299
696452
588406
508645
452115
382213
290238
207607
158277
131233
94975
73133
51683
6957237

DE

UMUR
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+
TOTAL

2010
844540
850321
852682
795713
858036
804968
691280
592166
513612
457073
386746
293478
209722
159958
132663
175620
8618578

18

Nilai GRR,NRR dan mean age

TAHUN
GRR
NRR
MEAN
AGE

20002005
1,238
1,237

20052010
1,118
1,117

20102015
1,037
1,016

20152020
1,024
0,917

20202025
1,024
0,84

27,002

26,977

26,998

27,015

27,015

Dari data proyeksi diatas terlihat penrkembangan penduduk setiap

tahun semakin bertambah akan tetapi laja pertumbuhannya semakin

FI

menurun, hal ini mungkin disebabkan berhasilnya program keluarga

berencana (KB) yang dicanangkan pemerintah hal ini juga terbukti dengan

GR
A

penurunan angka kelahiran yang terlihat dari GRR dan NRR serta jumlah

DE

MO

penduduk berumur 0-4 tahun.

19