Laporan Tugas Akhir Tengah Semester

Mata Kuliah Teknik Demografi

Disusun oleh :

Rizky Agus Aditya (E3119124)

Prodi D4 Demografi dan Pencatatan Sipil

Sekolah Vokasi
Universitas Sebelas Maret Surakarta
2020
 Daftar Isi

BAB 1 ANALISIS DENGAN METODE

GRAFIS……………………………………………… 2

1
BAB 1
ANALISIS DENGAN METODE GRAFIS
1. Tabel Distribusi Jumlah Penduduk Menurut Umur Tunggal dan Jenis Kelamin
Kabupaten Buleleng (Jiwa), Hasil SP1990, SP2000 dan SP2010

1990 2000 2010

Umur Perempua Perempua Perempua
Laki-laki Jumlah Laki-laki Jumlah Laki-laki Ju
n n n
0 3,473 3,494 6,967 4,575 4,576 9,151 5,513 5,212 1
1 5,725 5,476 11,201 5,134 5,051 10,185 5,672 5,237 1
2 5,944 5,717 11,661 5,533 5,198 10,731 5,829 5,436 1
3 5,817 5,766 11,583 5,474 5,241 10,715 5,817 5,446 1
4 5,998 5,801 11,799 6,201 5,790 11,991 5,813 5,494 1
5 6,672 6,459 13,131 5,706 5,205 10,911 5,798 5,403 1
6 6,452 6,304 12,756 5,476 5,146 10,622 6,062 5,875 1
7 6,369 6,189 12,558 5,290 5,181 10,471 6,389 6,025 1
8 6,874 6,716 13,590 5,464 5,045 10,509 6,223 5,864 1
9 6,853 6,614 13,467 5,625 5,292 10,917 6,406 6,089 1
10 7,928 7,558 15,486 5,791 5,444 11,235 6,456 6,149 1
11 6,617 6,259 12,876 5,380 4,951 10,331 5,729 5,490 1
12 7,686 7,386 15,072 5,484 5,216 10,700 6,207 5,704 1
13 6,839 6,392 13,231 5,577 5,183 10,760 5,913 5,551 1
14 6,380 6,081 12,461 5,660 5,220 10,880 6,042 5,422 1
15 6,687 6,385 13,072 6,136 5,677 11,813 5,656 4,930 1
16 6,147 5,797 11,944 6,006 5,354 11,360 5,405 4,715 1
17 6,824 6,386 13,210 6,227 5,768 11,995 5,157 4,486 9
18 7,031 6,929 13,960 6,021 5,417 11,438 5,146 4,619 9
19 5,424 5,968 11,392 5,331 5,286 10,617 4,891 4,484 9
20 6,943 8,811 15,754 5,563 5,625 11,188 4,585 4,621 9
21 4,161 4,503 8,664 4,615 4,466 9,081 4,186 4,246 8
22 4,390 4,516 8,906 4,433 4,341 8,774 4,166 4,139 8
23 3,731 4,340 8,071 4,414 4,510 8,924 4,101 4,024 8
24 3,202 4,112 7,314 4,830 5,282 10,112 4,319 4,403 8
25 6,789 9,072 15,861 5,263 5,898 11,161 4,492 4,574 9
26 3,495 3,947 7,442 4,553 4,650 9,203 4,408 4,359 8
27 4,330 4,767 9,097 4,866 4,955 9,821 4,868 4,927 9
28 3,976 4,700 8,676 4,567 4,736 9,303 4,553 4,587 9
29 2,622 3,178 5,800 5,083 5,186 10,269 4,760 4,851 9

2
30 8,014 9,832 17,846 5,801 6,257 12,058 5,101 5,012 1
31 2,588 2,491 5,079 4,196 4,233 8,429 4,440 4,424 8
32 3,664 3,713 7,377 3,780 3,789 7,569 4,659 4,515 9
33 2,433 2,422 4,855 3,064 3,400 6,464 4,687 4,684 9
34 2,370 2,497 4,867 4,459 5,065 9,524 4,960 5,147 1
35 7,088 7,314 14,402 5,297 5,835 11,132 4,900 4,967 9
36 2,692 2,355 5,047 3,986 4,143 8,129 4,546 4,599 9
37 2,724 2,357 5,081 3,994 3,882 7,876 5,087 4,967 1
38 2,853 2,936 5,789 3,279 3,445 6,724 4,776 4,685 9
39 1,969 2,097 4,066 4,216 4,780 8,996 5,042 4,939 9
40 6,127 7,191 13,318 5,176 5,755 10,931 5,580 5,941 1
41 1,641 1,578 3,219 3,587 3,591 7,178 4,796 4,881 9
42 2,222 2,130 4,352 3,193 3,132 6,325 4,009 4,004 8
43 1,521 1,596 3,117 2,833 2,947 5,780 3,406 3,667 7
44 1,229 1,308 2,537 3,203 3,371 6,574 4,456 4,913 9
45 5,137 5,234 10,371 4,148 4,139 8,287 4,583 5,422 1
46 1,502 1,446 2,948 2,727 2,646 5,373 4,206 4,154 8
47 1,544 1,452 2,996 2,614 2,373 4,987 4,110 4,030 8
48 2,267 1,974 4,241 2,404 2,207 4,611 3,154 3,184 6
49 1,260 1,228 2,488 2,970 3,352 6,322 3,771 4,162 7
50 5,469 5,730 11,199 3,509 3,968 7,477 4,340 5,034 9
51 1,158 1,092 2,250 2,066 2,088 4,154 3,514 3,546 7
52 1,319 1,044 2,363 1,715 1,789 3,504 3,412 3,474 6
53 894 875 1,769 1,558 1,668 3,226 2,982 3,168 6
54 827 845 1,672 2,257 2,635 4,892 2,961 3,321 6
55 2,690 3,303 5,993 2,502 2,904 5,406 3,444 3,667 7
56 863 891 1,754 1,501 1,462 2,963 2,695 2,551 5
57 810 790 1,600 1,752 1,543 3,295 2,527 2,368 4
58 863 1,065 1,928 1,535 1,564 3,099 2,266 2,075 4
59 535 624 1,159 2,298 2,530 4,828 2,467 2,698 5
60 4,479 4,521 9,000 3,113 3,346 6,459 2,894 3,547 6
61 652 599 1,251 1,370 1,282 2,652 1,672 1,930 3
62 790 718 1,508 1,061 1,021 2,082 1,606 1,834 3
63 549 575 1,124 943 1,039 1,982 1,382 1,646 3
64 410 391 801 1,474 1,833 3,307 1,991 2,394 4
65 2,242 2,418 4,660 1,769 2,231 4,000 2,244 2,890 5
66 368 378 746 741 813 1,554 1,182 1,286 2
67 523 484 1,007 829 872 1,701 1,748 1,650 3
68 467 646 1,113 749 956 1,705 1,541 1,590 3
69 285 403 688 1,460 1,788 3,248 1,619 1,913 3
70 2,510 2,542 5,052 1,988 2,267 4,255 2,311 2,896 5
71 363 388 751 669 772 1,441 975 1,124 2
72 362 399 761 513 587 1,100 864 926 1

3
 73 239 250 489 441 477 918 755 852 1
74 179 251 430 689 822 1,511 898 1,145 2
75+ 3,842 4,191 8,033 4,083 4,902 8,985 6,273 8,547 1
Total 265,912 274,187 540,099 277,790 280,391 558,181 311,394 312,731 62

4
2. Gambar Piramida Penduduk

5
6
7
 3. Asumsi pada metode grafis
Bisa dilihat pada piramida 1, angka asumsi fertilitas (kelahiran) pada grafik piramida diatas
dikelompok umur 20, 25, 30, 35, 40 tahun terjadi grafik yang menonjol dari laki-laki dan perempuan yang
bisa diasumsikan bahwa pada kelompok umur tersebut untuk memiliki keturunan jadi angka fertilitas
dimasa akan datang akan tinggi, bisa juga diasumsikan akan ada migrasi karena penduduk pria pada
kelompok umur tersebut sangat banyak jadi pada migrasi keluar daerah untuk mencari pekerjaan.
sedangkan untuk mortalitas (kematian) pada kelompok umur 45, 50, 55, 60, 65, 70, 75 terjadi grafik yang
menonjol yang artinya angka mortalitas di kabupaten buleleng akan banyak disumbang kelompok umur
tersebut. Untuk angka kematian bayi pada grafik primida diatas sangat tinggi karena kelompok umur 0
sampai 11 bulan menjorok kedalam dari kelompok umur 1 tahun. ini bisa menjadi acuan bahwa harapan
hidup pada kelompok umur 0 masih sedikit/rendah.

Pada gambar piramida 2, grafik perempuan kelompok umur 20, 25, 30, 35, 40 tahun lebih
menonjol dari grafik laki-laki, yang bisa diasumsikan perempuan pada kelompok umur tersebut
berpeluang untuk memiliki keturunan jadi angka fertilitas dimasa mendatang akan tinggi.
Sedangkan pada grafik laki-laki lebih naik turun dengan grafik yang tidak terlalu menonjol.
Untuk mortalitas (kematian) pada kelompok umur 45, 50, 55, 60, 65, 70, 75 lebih menonjol dari
umur yang lain yang artinya angka mortalitas di kabupaten buleleng akan banyak disumbang
kelompok umur tersebut. Untuk angka kematian bayi pada grafik piramida 2 tergolong tinggi
karena pada umur 0 sampai 11 bulan grafiknya menjorok kedalam dari umur 1 tahun, untuk
harapan hidup umur 0 masih rendah terutama bayi perempuan karena grafik perempuan lebih
sedikit dari grafik laki-laki.

Pada gambar piramida 3, grafik perempuan keompok umur 20, 25, 30, 35, 40, lebih
menonjol dar grafik laki-laki, tetapi pada umur 29 sampai 74 banyak dari grafik perempuan yang
menjjorok kedalam dan lebih sedikit dari grafik laki-laki, yang bisa diasumsikan perempuan
pada kelompok umur 20 sampai 40 berpeluang untuk memiliki keturunan jadi angka fertilitas
dimasa mendatang akan tinggi. Untuk mortalitas (kematian) pada kelompok umur 45, 50, 55,
60, 65, 70, 75 lebih menonjol dari umur yang lain yang artinya angka mortalitas di kabupaten
buleleng akan banyak disumbang kelompok umur tersebut. Untuk angka kematian bayi pada
grafik piramida 3 tergolong cukup karena pada umur 0 sampai 11 bulan grafiknya sedkit
menjorok kedalam dari umur 1 tahun, untuk harapan hidup umur 0 masih rendah terutama
bayi perempuan karena grafik perempuan lebih sedikit dari grafik laki-laki.

4. Kelemahan metode grafis

Sebelum digunakan sebagai data dasar dalam membuat proyeksi penduduk, data penduduk menurut
umur dan jenis kelamin harus dirapihkan. Perapihan umur bertujuan menghapus atau memperkecil
berbagai kesalahan yang ditemukan karena data yang diperoleh dari hasil sensus atau survei penduduk
biasanya masih mengandung kesalahan meskipun telah diusahakan agar kesalahan tersebut dapat
diminimalisasi bahkan dihilangkan. Menurut Harto Nurdin dalam buku karangan Lembaga Demografi
Fakultas Ekonomi Universitas Indonesia (1981), umur tunggal (single age) adalah umur seseorang yang
dihitung berdasarkan hari ulang tahun terakhirnya. Kesalahan pelaporan umur yang terjadi di lapangan
disebabkan oleh adanya kecenderungan penduduk menyebutkan umur dengan angka berakhir 0 atau 5.
Dengan metode ini hanya tau jumlah dari datanya tanpa tau kesalahan dalam penginputan datanya.

8
 5. Analisis metode grafis pada gambar piramida penduduk

Menurut analisis saya piramida penduduk menurut umur tunggal dan jenis kelamin
kabupaten buleleng, hasil sensus penduduk tahun 1990, 2000, dan 2010 adalah Piramida
Penduduk Muda (Expansive). Karena Piramida ini terjadi di wilayah kabupaten buleleng
memiliki jumlah angka kelahiran lebih tinggi daripada angka kematian. Dengan kata lain,
wilayah kabupaten buleleng tersebut memiliki pertumbuhan jumlah penduduk lebih
cepat. Gambar bentuk piramida ini yaitu berbentuk kerucut yang memiliki alas cukup lebar
dengan puncak agak meruncing. Bentuk diagram digambarkan mirip dengan bangun limas.
Piramida ini dapat menjadi ciri bahwa sebagian besar penduduk berada pada kategori umur
muda, pada tabel diatas jumlah penduduk usia muda tahun 1990 sebanyak 251.417 jiwa
sedangkan kategori umur usia tua sebanyak 37.414 jiwa. Jumlah penduduk usia muda tahun
2000 sebanyak 217.332 jiwa sedangkan, kategori usia tua sebanyak 46.900 jiwa. jumlah
penduduk usia muda tahun 2010 sebanyak 223.755 jiwa sedangkan, kategori usia tua sebanyak
66.125 jiwa. Terpaut banyak selisih antara kategori penduduk usia muda dengan penduduk usia
tua. Sederhananya jika di suatu wilayah mempunyai angka kematian lebih rendah dan angka
kelahiran lebih tinggi, maka banyak penduduk yang berusia muda. bisa dilihat dari 3 kali
periode sensus angka kelahiran semakin sedikit artinya banyak yang sudah sadar untuk
membatasi untuk mempunyai keturunan, dan angka umur tua dari 3 periode sensus semakin
meningkat.

9
 BAB 2
ANALISIS DENGAN METODE WHIPPLE
1. Tabel Distribusi Jumlah Penduduk Menurut Umur Tunggal dan Jenis Kelamin
Kabupaten Buleleng (Jiwa), Hasil SP1990, SP2000 dan SP2010

Jumlah Penduduk Menurut Umur Tunggal dan Jenis Kelamin Kabupaten Buleleng
(Jiwa), Hasil SP1990, SP2000 dan SP2010
Tahun
Um 1990 2000 2010
ur Laki- Peremp Juml Laki- Peremp Juml Laki- Peremp Jumla
laki uan ah laki uan ah laki uan h

0 3.473 3.494 6.967 4.575 4.576 9.151 5.513 5.212 10.725

11.20 10.18
5.725 5.476 5.134 5.051 5.672 10.909
1 1 5 5.237
11.66 10.73
5.944 5.717 5.533 5.198 5.829 11.265
2 1 1 5.436
11.58 10.71
5.817 5.766 5.474 5.241 5.817 11.263
3 3 5 5.446
11.79 11.99
5.998 5.801 6.201 5.790 5.813 11.307
4 9 1 5.494
13.13 10.91
6.672 6.459 5.706 5.205 5.798 11.201
5 1 1 5.403
12.75 10.62
6.452 6.304 5.476 5.146 6.062 11.937
6 6 2 5.875
12.55 10.47
6.369 6.189 5.290 5.181 6.389 12.414
7 8 1 6.025
13.59 10.50
6.874 6.716 5.464 5.045 6.223 12.087
8 0 9 5.864
13.46 10.91
6.853 6.614 5.625 5.292 6.406 12.495
9 7 7 6.089
15.48 11.23
7.928 7.558 5.791 5.444 6.456 12.605
10 6 5 6.149
12.87 10.33
6.617 6.259 5.380 4.951 5.729 11.219
11 6 1 5.490
15.07 10.70
7.686 7.386 5.484 5.216 6.207 11.911
12 2 0 5.704
13.23 10.76
6.839 6.392 5.577 5.183 5.913 11.464
13 1 0 5.551
12.46 10.88
6.380 6.081 5.660 5.220 6.042 11.464
14 1 0 5.422
13.07 11.81
6.687 6.385 6.136 5.677 5.656 10.586
15 2 3 4.930

10
 11.94 11.36
6.147 5.797 6.006 5.354 5.405 10.120
16 4 0 4.715
13.21 11.99
6.824 6.386 6.227 5.768 5.157 9.643
17 0 5 4.486
13.96 11.43
18 7.031 6.929 6.021 5.417 5.146 9.765
0 8 4.619
11.39 10.61
19 5.424 5.968 5.331 5.286 4.891 9.375
2 7 4.484
15.75 11.18
20 6.943 8.811 5.563 5.625 4.585 9.206
4 8 4.621
21 4.161 4.503 8.664 4.615 4.466 9.081 4.186 4.246 8.432
22 4.390 4.516 8.906 4.433 4.341 8.774 4.166 4.139 8.305
23 3.731 4.340 8.071 4.414 4.510 8.924 4.101 4.024 8.125
10.11
24 3.202 4.112 7.314 4.830 5.282 4.319 8.722
2 4.403
15.86 11.16
25 6.789 9.072 5.263 5.898 4.492 9.066
1 1 4.574
26 3.495 3.947 7.442 4.553 4.650 9.203 4.408 4.359 8.767
27 4.330 4.767 9.097 4.866 4.955 9.821 4.868 4.927 9.795
28 3.976 4.700 8.676 4.567 4.736 9.303 4.553 4.587 9.140
10.26
29 2.622 3.178 5.800 5.083 5.186 4.760 9.611
9 4.851
17.84 12.05
30 8.014 9.832 5.801 6.257 5.101 10.113
6 8 5.012
31 2.588 2.491 5.079 4.196 4.233 8.429 4.440 4.424 8.864
32 3.664 3.713 7.377 3.780 3.789 7.569 4.659 4.515 9.174
33 2.433 2.422 4.855 3.064 3.400 6.464 4.687 4.684 9.371
34 2.370 2.497 4.867 4.459 5.065 9.524 4.960 5.147 10.107
14.40 11.13
35 7.088 7.314 5.297 5.835 4.900 9.867
2 2 4.967
36 2.692 2.355 5.047 3.986 4.143 8.129 4.546 4.599 9.145
37 2.724 2.357 5.081 3.994 3.882 7.876 5.087 4.967 10.054
38 2.853 2.936 5.789 3.279 3.445 6.724 4.776 4.685 9.461
39 1.969 2.097 4.066 4.216 4.780 8.996 5.042 4.939 9.981
13.31 10.93
40 6.127 7.191 5.176 5.755 5.580 11.521
8 1 5.941
41 1.641 1.578 3.219 3.587 3.591 7.178 4.796 4.881 9.677
42 2.222 2.130 4.352 3.193 3.132 6.325 4.009 4.004 8.013

11
43 1.521 1.596 3.117 2.833 2.947 5.780 3.406 3.667 7.073
44 1.229 1.308 2.537 3.203 3.371 6.574 4.456 4.913 9.369
10.37
45 5.137 5.234 4.148 4.139 8.287 4.583 10.005
1 5.422
46 1.502 1.446 2.948 2.727 2.646 5.373 4.206 4.154 8.360
47 1.544 1.452 2.996 2.614 2.373 4.987 4.110 4.030 8.140
48 2.267 1.974 4.241 2.404 2.207 4.611 3.154 3.184 6.338
49 1.260 1.228 2.488 2.970 3.352 6.322 3.771 4.162 7.933
11.19
50 5.469 5.730 3.509 3.968 7.477 4.340 9.374
9 5.034
51 1.158 1.092 2.250 2.066 2.088 4.154 3.514 3.546 7.060
52 1.319 1.044 2.363 1.715 1.789 3.504 3.412 3.474 6.886
53 894 875 1.769 1.558 1.668 3.226 2.982 3.168 6.150
54 827 845 1.672 2.257 2.635 4.892 2.961 3.321 6.282
55 2.690 3.303 5.993 2.502 2.904 5.406 3.444 3.667 7.111
56 863 891 1.754 1.501 1.462 2.963 2.695 2.551 5.246
57 810 790 1.600 1.752 1.543 3.295 2.527 2.368 4.895
58 863 1.065 1.928 1.535 1.564 3.099 2.266 2.075 4.341
59 535 624 1.159 2.298 2.530 4.828 2.467 2.698 5.165
60 4.479 4.521 9.000 3.113 3.346 6.459 2.894 3.547 6.441
61 652 599 1.251 1.370 1.282 2.652 1.672 1.930 3.602
62 790 718 1.508 1.061 1.021 2.082 1.606 1.834 3.440
63 549 575 1.124 943 1.039 1.982 1.382 1.646 3.028
64 410 391 801 1.474 1.833 3.307 1.991 2.394 4.385
65 2.242 2.418 4.660 1.769 2.231 4.000 2.244 2.890 5.134
66 368 378 746 741 813 1.554 1.182 1.286 2.468
67 523 484 1.007 829 872 1.701 1.748 1.650 3.398
68 467 646 1.113 749 956 1.705 1.541 1.590 3.131
69 285 403 688 1.460 1.788 3.248 1.619 1.913 3.532
70 2.510 2.542 5.052 1.988 2.267 4.255 2.311 2.896 5.207
71 363 388 751 669 772 1.441 975 1.124 2.099
72 362 399 761 513 587 1.100 864 926 1.790
73 239 250 489 441 477 918 755 852 1.607

12
74 179 251 430 689 822 1.511 898 1.145 2.043
75+ 3.842 4.191 8.033 4.083 4.902 8.985 6.273 8.547 14.820
Juml 265.91 540.0 277.79 558.1 311.39 624.12
ah
274.187 280.391 81
2 99 0 4 312.731 5

2. Asumsi pada metode Whipple

Sebelum digunakan sebagai data dasar dalam membuat proyeksi penduduk, data
penduduk menurut umur dan jenis kelamin harus dirapihkan. Perapihan umur bertujuan
menghapus atau memperkecil berbagai kesalahan yang ditemukan karena data yang
diperoleh dari hasil sensus atau survei penduduk biasanya masih mengandung kesalahan
meskipun telah diusahakan agar kesalahan tersebut dapat diminimalisasi bahkan dihilangkan.
Menurut Harto Nurdin dalam buku karangan Lembaga Demografi Fakultas Ekonomi
Universitas Indonesia (1981), umur tunggal (single age) adalah umur seseorang yang
dihitung berdasarkan hari ulang tahun terakhirnya. Kesalahan pelaporan umur yang terjadi di
lapangan disebabkan oleh adanya kecenderungan penduduk menyebutkan umur dengan
angka berakhir 0 atau 5. Pada tabel diatas terlihat jelas untuk umur berakhiran 0 atau 5 terjadi
lonjakan yang sangat tajam, hal itu bisa kita lihat dengan metode whipple untuk
mengevaluasi kesalahan yang disebabkan oleh pelaporan umur.

3. Di aplikasikan dalam rumus Whipple Indek (WI) interval 10 tahunan

- Pada Sensus Tahun 1990

 Heaping 5 interval 10 Laki-Laki =

 Heaping 0 Interval 10 Laki-Laki =

 Heaping 5 Interval 10 Perempuan =

13
  Heaping 0 Interval 10 Perempuan =

- Pada Sensus Tahun 2000

 Heaping 5 interval 10 Laki-Laki =

 Heaping 0 Interval 10 Laki-Laki =

 Heaping 5 Interval 10 Perempuan =

 Heaping 0 Interval 10 Perempuan =

- Pada Sensus Tahun 2010

 Heaping 5 Interval 10 Laki-Laki =

 Heaping 0 Interval 10 Laki-Laki =

 Heaping 5 Interval 10 Perempuan =

 Heaping 0 Interval 10 Perempuan =

4. Di aplikasikan dalam rumus Whipple Indek (WI) interval 5 tahunan

- Pada Sensus Tahun 1990
 Heaping 5 Interval 5 Laki-Laki =

14
  Heaping 5 Interval 5 Perempuan =

- Pada Sensus Tahun 2000

 Heaping 5 Interval 5 Laki-Laki =

 Heaping 5 Interval 5 Perempuan =

- Pada Sensus 2010

 Heaping 5 Interval 5 Laki-Laki =

 Heaping 5 Interval 5 Perempuan =

5. Analisis Metode Whipple

Menurut analisis saya ditahun 1990 kualitas data sangat buruk karena melebihi indeks whipple
175, seperti pada indeks heaping 5 interval 10 laki-laki yaitu sebesar 196,70, heaping 0 interval
10 laki-laki sebesar 218,31, heaping 5 interval 10 perempuan sebesar 208,79, heaping 0 interval
10 perempuan sebesar 228,49, heaping 5 interval 5 laki-laki sebesar 207,51, dan heaping 5
interval 5 perempuan sebesar 218,64. sangat wajar jika pada tahun 1990 keakuratannya masih
sangat buruk karena dari masyarakatnya belum teredukasi dengan baik dan masih belum sadar
akan pentingnya sensus penduduk.

kemudian pada tabel tahun 2000 kualitas datanya mengalami sedikit kemajuan dari tahun
1990, yaitu pada heaping 5 interval 10 laki-laki sebesar 127,72, heaping 0 interval 10 laki-laki
sebesar 130,61, heaping 5 interval 10 perempuan sebesar 132,82, heaping 0 interval 10
perempuan sebesar 136,71, heaping 5 interval 5 laki-laki sebesar 129,17, dan heaping 5 interval
5 perempuan sebesar 134,77. bisa kita bandingkan pada indeks 1990 dengan tahun 2000 yang
mengalami dari sangat buruk ke tahap buruk, mungkin dalam jeda waktu 10 tahun dalam sensus
penduduk peradaban sudah mulai berkembang sehingga masyarakat sudah mulai sedikit
teredukasi tentang sensus penduduk, sehinga kesalahan pelaporan umur yang terjadi di lapangan
disebabkan oleh adanya kecenderungan penduduk menyebutkan umur dengan angka berakhir 0
atau 5 dapat sedikit diminimalisir.

15
 Lalu pada tabel tahun 2010 kualitas datanya mengalami sedikit kemajuan lagi, yaitu , yaitu
pada heaping 5 interval 10 laki-laki sebesar 109,86, heaping 0 interval 10 laki-laki sebesar
112,99, heaping 5 interval 10 perempuan sebesar 114,12, heaping 0 interval 10 perempuan
sebesar 119,66, heaping 5 interval 5 laki-laki sebesar 111,42, dan heaping 5 interval 5
perempuan sebesar 116,89. Disini sangat terlihat bahwa sensus penduduk tahun 2010 banyak
kemajuannya karena ada indeks yang relative akurat, dan rata-rata indeksnya OK, sangat jauh
perbandingannya dengan sensus penduduk tahun 1990, mungkin disebabkan karena teknologi
pada tahun 2010 mulai banyak berkembang terutama teknologi informasi, sehingga yang terdata
lebih banyak sehingga data sensusnya lebih beragam. Dan semoga kualitas data sensus penduduk
di Indonesia semakin akurat dan bisa digunakan untuk Menyediakan data jumlah, komposisi,
distribusi, dan karakteristik penduduk Indonesia menuju Satu Data Kependudukan Indonesia
dan Menyediakan parameter demografi dan proyeksi penduduk (fertilitas, mortalitas, dan
migrasi) serta karakteritstik penduduk lainnya untuk keperluan proyeksi penduduk dan
indikator SDGs.

Indeks Kualitas Data

Whipple

<105 Sangat akurat

105-110 Relatif akurat

110-125 OK

125-175 Buruk

>175 Sangat buruk

BAB 3
ANALISIS DENGAN METODE MYERS
1. Asumsi pada metode Indeks Myers

Sebelum digunakan sebagai data dasar dalam membuat proyeksi penduduk, data
penduduk menurut umur dan jenis kelamin harus dirapihkan. Perapihan umur bertujuan
menghapus atau memperkecil berbagai kesalahan yang ditemukan karena data yang diperoleh
dari hasil sensus atau survei penduduk biasanya masih mengandung kesalahan meskipun telah
diusahakan agar kesalahan tersebut dapat diminimalisasi bahkan dihilangkan. Menurut Harto
Nurdin dalam buku karangan Lembaga Demografi Fakultas Ekonomi Universitas Indonesia

16
(1981), umur tunggal (single age) adalah umur seseorang yang dihitung berdasarkan hari ulang
tahun terakhirnya. Kesalahan pelaporan umur yang terjadi di lapangan disebabkan oleh adanya
kecenderungan penduduk menyebutkan umur dengan angka berakhir 0 atau 5. Salah satu cara
evaluasi ini dengan menggunakn Indeks Myers. Secara konsep sama dengan indeks whipple,
kecuali bahwa indeks Myers mempertimbangkan age heaping tidak hanya pada angka 0 dan 5
saja, tetapi pada semua angka (0-9). Indeks Myer antara 0-90. Nilai 0 menunjukkan tidak adanya
age heaping dan 90 menunjukkan bahwa seluruh umur dilaporkan pada akhiran angka yang
sama. Indeks Myers adalah indeks yang menunjukkan besarnya minimum kesalahan dalam
pencatatan data pelaporan umur penduduk. Karena Indeks Myers menunjukkan pola dari digital
preference atau kecenderungan penduduk memilih digit angka tertentu dalam memberikan
jawaban mengenai umur mereka. Oleh karena itu, dalam mengevaluasi data penduduk
menggunakan indeks myers dalam perhitungannya dilakukan dengan single age year
distribution. Asumsi dasar yang digunakan adalah jika data yang ada pada setiap interval satu
tahunan memiliki selisih kurang dari 10% maka pelaporan umurnya baik dan jika selisih
persentase yang didapat lebih dari 10 % maka pelaporan umur kurang baik karena ada
kecenderungan penduduk untuk memilih angka tersebut.

2. Pengelompok Umur
Tahun 1990

Angka KELOMPOK UMUR LAKI- LAKI JUMLAH

0 7,928 6,943 8,014 6,127 5,469 4,479 2,510 41,470
1 6,617 4,161 2,588 1,641 1,158 652 363 17,180
2 7,686 4,390 3,664 2,222 1,319 790 362 20,433
3 6,839 3,731 2,433 1,521 894 549 239 16,206
4 6,380 3,202 2,370 1,229 827 410 179 14,597
5 6,687 6,789 7,088 5,137 2,690 2,242 3,842 34,475
6 6,147 3,495 2,692 1,502 863 368 15,067
7 6,824 4,330 2,724 1,544 810 523 16,755
8 7,031 3,976 2,853 2,267 863 467 17,457
9 5,424 2,622 1,969 1,260 535 285 12,095

Angka KELOMPOK UMUR PEREMPUAN JUMLAH

0 7,558 8,811 9,832 7,191 5,730 4,521 2,542 46,185
1 6,259 4,503 2,491 1,578 1,092 599 388 16,910
2 7,386 4,516 3,713 2,130 1,044 718 399 19,906
3 6,392 4,340 2,422 1,596 875 575 250 16,450
4 6,081 4,112 2,497 1,308 845 391 251 15,485
5 6,385 9,072 7,314 5,234 3,303 2,418 4,191 37,917
6 5,797 3,947 2,355 1,446 891 378 14,814

17
 7 6,386 4,767 2,357 1,452 790 484 16,236
8 6,929 4,700 2,936 1,974 1,065 646 18,250
9 5,968 3,178 2,097 1,228 624 403 13,498

Tahun 2000

JUMLA
Angka
KELOMPOK UMUR LAKI- LAKI H
0 5,791 5,563 5,801 5,176 3,509 3,113 1,988 30,941
1 5,380 4,615 4,196 3,587 2,066 1,370 669 21,883
2 5,484 4,433 3,780 3,193 1,715 1,061 513 20,179
3 5,577 4,414 3,064 2,833 1,558 943 441 18,830
4 5,660 4,830 4,459 3,203 2,257 1,474 689 22,572
5 6,136 5,263 5,297 4,148 2,502 1,769 4,083 29,198
6 6,006 4,553 3,986 2,727 1,501 741 19,514
7 6,227 4,866 3,994 2,614 1,752 829 20,282
8 6,021 4,567 3,279 2,404 1,535 749 18,555
9 5,331 5,083 4,216 2,970 2,298 1,460 21,358

JUMLA
Angka
KELOMPOK UMUR PEREMPUAN H
0 5,444 5,625 6,257 5,755 3,968 3,346 2,267 32,662
1 4,951 4,466 4,233 3,591 2,088 1,282 772 21,383
2 5,216 4,341 3,789 3,132 1,789 1,021 587 19,875
3 5,183 4,510 3,400 2,947 1,668 1,039 477 19,224
4 5,220 5,282 5,065 3,371 2,635 1,833 822 24,228
5 5,677 5,898 5,835 4,139 2,904 2,231 4,902 31,586

18
 6 5,354 4,650 4,143 2,646 1,462 813 19,068
7 5,768 4,955 3,882 2,373 1,543 872 19,393
8 5,417 4,736 3,445 2,207 1,564 956 18,325
9 5,286 5,186 4,780 3,352 2,530 1,788 22,922

Tahun 2010

JUMLA
Angka
KELOMPOK UMUR LAKI- LAKI H
0 6,456 4,585 5,101 5,580 4,340 2,894 2,311 31,267
1 5,729 4,186 4,440 4,796 3,514 1,672 975 25,312
2 6,207 4,166 4,659 4,009 3,412 1,606 864 24,923
3 5,913 4,101 4,687 3,406 2,982 1,382 755 23,226
4 6,042 4,319 4,960 4,456 2,961 1,991 898 25,627
5 5,656 4,492 4,900 4,583 3,444 2,244 6,273 31,592
6 5,405 4,408 4,546 4,206 2,695 1,182 22,442
7 5,157 4,868 5,087 4,110 2,527 1,748 23,497
8 5,146 4,553 4,776 3,154 2,266 1,541 21,436
9 4,891 4,760 5,042 3,771 2,467 1,619 22,550

JUMLA
Angka
KELOMPOK UMUR PEREMPUAN H
0 6,149 4,621 5,012 5,941 5,034 3,547 2,896 33,200
1 5,490 4,246 4,424 4,881 3,546 1,930 1,124 25,641
2 5,704 4,139 4,515 4,004 3,474 1,834 926 24,596
3 5,551 4,024 4,684 3,667 3,168 1,646 852 23,592

19
 4 5,422 4,403 5,147 4,913 3,321 2,394 1,145 26,745
5 4,930 4,574 4,967 5,422 3,667 2,890 8,547 34,997
6 4,715 4,359 4,599 4,154 2,551 1,286 21,664
7 4,486 4,927 4,967 4,030 2,368 1,650 22,428
8 4,619 4,587 4,685 3,184 2,075 1,590 20,740
9 4,484 4,851 4,939 4,162 2,698 1,913 23,047

3. Metode Perhitungan
Tahun 1990
ANGKA Penduduk Angka DEVIAS
Bilangan Pengali Penduduk
Akhir I
%
AKHIR Umur Umur K1 K2 Dari
Yang di Baurkan
10+a 20+a 10%
30187
0
41,470 33,542 1 9 41470 8 343348 19.73 9.73
1 17,180 10,563 2 8 34360 84504 118864 6.83 -3.17
2 20,433 12,747 3 7 61299 89229 150528 8.65 -1.35
3 16,206 9,367 4 6 64824 56202 121026 6.95 -3.05
4 14,597 8,217 5 5 72985 41085 114070 6.55 -3.45
20685 11115
5
34,475 27,788 6 4 0 2 318002 18.27 8.27
10546
6
15,067 8,920 7 3 9 26760 132229 7.60 -2.40
13404
7
16,755 9,931 8 2 0 19862 153902 8.84 -1.16
15711
8
17,457 10,426 9 1 3 10426 167539 9.63 -0.37

20
 12095
9
12,095 6,671 10 0 0 0 120950 6.95 -3.05
JUMLAH 1740458 100.00 36.00
JUMLAH INDEKS MYERS PENDUDUK LAKI-LAKI TAHUN 1990 18.00

ANGKA Penduduk Angka

Bilangan Pengali Penduduk DEVIASI
Akhir
%
AKHIR Umur Umur Dari
K1 K2 Yang di Baurkan
10+a 20+a 10%
0 46,185 38,627 1 9 46185 347643 393828 21.23 11.23
1 16,910 10,651 2 8 33820 85208 119028 6.42 -3.58
2 19,906 12,520 3 7 59718 87640 147358 7.94 -2.06
3 16,450 10,058 4 6 65800 60348 126148 6.80 -3.20
4 15,485 9,404 5 5 77425 47020 124445 6.71 -3.29
5 37,917 31,532 6 4 227502 126128 353630 19.06 9.06
6 14,814 9,017 7 3 103698 27051 130749 7.05 -2.95
7 16,236 9,850 8 2 129888 19700 149588 8.06 -1.94
8 18,250 11,321 9 1 164250 11321 175571 9.46 -0.54
9 13,498 7,530 10 0 134980 0 134980 7.28 -2.72
JUMLAH 1855325 100.00 40.57
JUMLAH INDEKS MYERS PENDUDUK PEREMPUAN TAHUN 1990 20.29

Tahun 2000
ANGK Penduduk
DEVIAS
A Angka Bilangan Pengali Penduduk
I
Akhir %
AKHIR Umur Umur Dari
K1 K2 Yang di Baurkan
10+a 20+a 10%
22635
0
30,941 25,150 1 9 30941 0 257291 13.02 3.02
13202
1
21,883 16,503 2 8 43766 4 175790 8.89 -1.11
10286
2
20,179 14,695 3 7 60537 5 163402 8.27 -1.73
3 18,830 13,253 4 6 75320 79518 154838 7.83 -2.17
11286
4
22,572 16,912 5 5 0 84560 197420 9.99 -0.01
21
 17518
5
29,198 23,062 6 4 8 92248 267436 13.53 3.53
13659
6
19,514 13,508 7 3 8 40524 177122 8.96 -1.04
16225
7
20,282 14,055 8 2 6 28110 190366 9.63 -0.37
16699
8
18,555 12,534 9 1 5 12534 179529 9.08 -0.92
21358
9
21,358 16,027 10 0 0
213580 0 10.80 0.80
197677
JUMLAH 100.00
4 14.70
JUMLAH INDEKS MYERS PENDUDUK LAKI-LAKI TAHUN 2000 7.35

ANGK Penduduk
DEVIAS
A Angka Bilangan Pengali Penduduk
I
Akhir %
AKHIR Umur Umur Dari
K1 K2 Yang di Baurkan
10+a 20+a 10%
24496
0
32,662 27,218 1 9 32662 2 277624 13.55 3.55
13145
1
21,383 16,432 2 8 42766 6 174222 8.50 -1.50
10261
2
19,875 14,659 3 7 59625 3 162238 7.92 -2.08
3 19,224 14,041 4 6 76896 84246 161142 7.87 -2.13
12114
4
24,228 19,008 5 5 0 95040 216180 10.55 0.55
18951 10363
5
31,586 25,909 6 4 6 6 293152 14.31 4.31
13347
6
19,068 13,714 7 3 6 41142 174618 8.52 -1.48
15514
7
19,393 13,625 8 2 4 27250 182394 8.90 -1.10
16492
8
18,325 12,908 9 1 5 12908 177833 8.68 -1.32
22922
9
22,922 17,636 10 0 0
229220 0 11.19 1.19
204862
JUMLAH 100.00
3 19.21
JUMLAH INDEKS MYERS PENDUDUK PEREMPUAN TAHUN 2000 9.61

22
Tahun 2010
ANGK Penduduk
DEVIAS
A Angka Bilangan Pengali Penduduk
I
Akhir %
AKHIR Umur Umur Dari
K1 K2 Yang di Baurkan
10+a 20+a 10%
22329
0
31,267 24,811 1 9 31267 9 254566 11.31 1.31
15666
1
25,312 19,583 2 8 50624 4 207288 9.21 -0.79
13101
2
24,923 18,716 3 7 74769 2 205781 9.14 -0.86
10387
3
23,226 17,313 4 6 92904 8 196782 8.74 -1.26
12813
4
25,627 19,585 5 5 5 97925 226060 10.04 0.04
18955 10374
5
31,592 25,936 6 4 2 4 293296 13.03 3.03
15709
6
22,442 17,037 7 3 4 51111 208205 9.25 -0.75
18797
7
23,497 18,340 8 2 6 36680 224656 9.98 -0.02
19292
8
21,436 16,290 9 1 4 16290 209214 9.29 -0.71
22550
9
22,550 17,659 10 0 0225500 0 10.02 0.02
225134
JUMLAH 100.00
8 8.79
JUMLAH INDEKS MYERS PENDUDUK LAKI-LAKI TAHUN 2010 4.40

ANGK Penduduk
DEVIAS
A Angka Bilangan Pengali Penduduk
I
Akhir %
AKHIR Umur Umur Dari
K1 K2 Yang di Baurkan
10+a 20+a 10%
24345
0
33,200 27,051 1 9 33200 9 276659 11.93 1.93
16120
1
25,641 20,151 2 8 51282 8 212490 9.16 -0.84

23
 13224
2
24,596 18,892 3 7 73788 4 206032 8.88 -1.12
10824
3
23,592 18,041 4 6 94368 6 202614 8.74 -1.26
13372 10661
4
26,745 21,323 5 5 5 5 240340 10.36 0.36
20998 12026
5
34,997 30,067 6 4 2 8 330250 14.24 4.24
15164
6
21,664 16,949 7 3 8 50847 202495 8.73 -1.27
17942
7
22,428 17,942 8 2 4 35884 215308 9.28 -0.72
18666
8
20,740 16,121 9 1 0 16121 202781 8.74 -1.26
23047
9
23,047 18,563 10 0 0
230470 0 9.94 -0.06
231943
JUMLAH 100.00
9 13.06
JUMLAH INDEKS MYERS PENDUDUK PEREMPUAN TAHUN 2010 6.53

4. Analisis Metode Myers

Menurut analisis saya pada tahun 1990 besarnya minimum kesalahan dalam pencatatan
data pelaporan umur penduduk cukup besar. Karena pada data diatas menunjukkan pola dari
digital preference atau kecenderungan penduduk memilih digit angka tertentu dalam meberikan
jawaban mengenai umur mereka. Terutama pada umur berakhiran 0 dan 5, pada data diatas
jumlah umur penduduk laki-laki yang berakhiran 0 sebanyak 41.470 dan jumlah umur penduduk
perempuan yang berakhiran 0 sebanyak 46.185. kemudian umur penduduk laki-laki yang
berakhiran 5 sebanyak 34.475 dan jumlah umur penduduk perempuan yang berakhiran 5
sebanyak 37.917. Kecenderungan tentunya berpengaruh pada keakuratan data yang bisa kita
hitung dengan metode indeks myers, bisa kita lihat pada data diatas jumlah indeks myers
penduduk laki-laki tahun 1990 sebesar 18.00 dan jumlah indeks myers penduduk perempuan
tahun 1990 sebesar 20.29. Dari hasil indeks tersebut sangat buruk karena lebih besar dari 10%
dan indeks myers penduduk laki-laki lebih bagus dari indeks myers penduduk perempuan.
Pada tahun 2000 besar minimum kesalahan dalam pencatatan data pelaporan umur
penduduk mulai sedikit lebih baik dari tahun 1990. Pada data diatas jumlah umur penduduk laki-
laki yang berakhiran 0 sebanyak 30.941 dan jumlah umur penduduk perempuan yang berakhiran
0 sebanyak 32.662. kemudian umur penduduk laki-laki yang berakhiran 5 sebanyak 29.198 dan
jumlah umur penduduk perempuan yang berakhiran 5 sebanyak 31.586. Pada data diatas jumlah
indeks myers penduduk laki-laki tahun 2000 sebesar 7.35 dan jumlah indeks myers penduduk

24
 perempuan tahun 2000 sebesar 9.61. Pada tahun 2000 indeks myers nya cukup baik karena tidak
melebihi dari 10% dan indeks myers penduduk laki-laki lebih bagus dari indeks myers penduduk
perempuan.
Kemudian, pada tahun 2010 besar minimum kesalahan dalam pencatatan data pelaporan
umur penduduk mulai sedikit lebih baik dari tahun 2000. Pada data diatas jumlah umur
penduduk laki-laki yang berakhiran 0 sebanyak 31.267 dan jumlah umur penduduk perempuan
yang berakhiran 0 sebanyak 33.200. kemudian umur penduduk laki-laki yang berakhiran 5
sebanyak 31.592 dan jumlah umur penduduk perempuan yang berakhiran 5 sebanyak 34.997.
Pada data diatas jumlah indeks myers penduduk laki-laki tahun 2010 sebesar 4.40 dan jumlah
indeks myers penduduk perempuan tahun 2010 sebesar 6.53. Pada tahun 2010 indeks myers nya
cukup baik karena tidak melebihi dari 10% dan indeks myers penduduk laki-laki lebih bagus dari
indeks myers penduduk perempuan.
Bisa disimpulkan bahwa dari ketiga periode sensus penduduk diatas pelaporan dan
pencatatan umur data laki-laki lebih baik dari pelaporan dan pencatatan umur data perempuan.

BAB 4
EVALUASI DATA DENGAN METODE JOINT SCORE INDEX
1. Perhitungan Indeks Gabungan Untuk Penduduk Kabupaten Bulelelng
Tahun 1990

Jumlah Penduduk Rasio Umur Deviasi dari 100

Selisih Sex
Umur Sex Ratio Ratio
Berurutan
Laki-laki Perempuan Laki-laki Perempuan Laki-laki Perempuan

0–4 26,957 26,254 102.68 0.00 0.00 0.00 0.00 0.00

5–9 33,220 32,282 102.91 0.23 106.46 107.73 6.46 7.73

10 – 14 35,450 33,676 105.27 2.36 108.52 105.66 8.52 5.66

25
15 – 19 32,113 31,465 102.06 -3.21 110.97 104.96 10.97 4.96

20 – 24 22,427 26,282 85.33 -16.73 84.11 92.01 -15.89 -7.99

25 – 29 21,212 25,664 82.65 -2.68 102.24 108.66 2.24 8.66

30 – 34 19,069 20,955 91.00 8.35 98.96 98.10 -1.04 -1.90

35 – 39 17,326 17,059 101.57 10.57 108.94 98.16 8.94 -1.84

40 – 44 12,740 13,803 92.30 -9.27 87.75 97.23 -12.25 -2.77

45 – 49 11,710 11,334 103.32 11.02 104.52 96.92 4.52 -3.08

50 – 54 9,667 9,586 100.84 -2.47 110.66 106.47 10.66 6.47

55 – 59 5,761 6,673 86.33 -14.51 69.63 81.43 -30.37 -18.57

60 – 64 6,880 6,804 101.12 14.78 142.65 123.69 42.65 23.69

65 – 69 3,885 4,329 89.74 -11.37 73.77 81.42 -26.23 -18.58

70 – 74 3,653 3,830 95.38 5.64 94.55 89.91 -5.45 -10.09

75+ 3,842 4,191 91.67 -3.71 0.00 0.00 0.00 0.00

Jumlah 265,912 274,187 116.89 186.19 121.98

Indeks Sex Ratio (IRS) 7.31

Indeks Ratio Umur Penduduk Laki-laki (IRUL) 11.64

Indeks Ratio Umur Penduduk Perempuan (IRUP) 7.62

Indeks Gabungan 41.18

2. Perhitungan Indeks Gabungan Untuk Penduduk Kabupaten Bulelelng

Tahun 2000

Jumlah Penduduk Rasio Umur Deviasi dari 100

Selisih Sex
Sex
Umur Ratio
Ratio
Berurutan
Laki-laki Perempuan Laki-laki Perempuan Laki-laki Perempuan

26
 0–4 26,917 25,856 104.10 0.00 0.00 0.00 0.00 0.00

5–9 27,561 25,869 106.54 2.44 100.57 99.75 0.57 -0.25

10 – 14 27,892 26,014 107.22 0.68 97.38 97.48 -2.62 -2.52

15 – 19 29,721 27,502 108.07 0.85 114.87 109.49 14.87 9.49

20 – 24 23,855 24,224 98.48 -9.59 88.27 91.54 -11.73 -8.46

25 – 29 24,332 25,425 95.70 -2.78 107.77 108.27 7.77 8.27

30 – 34 21,300 22,744 93.65 -2.05 94.45 95.74 -5.55 -4.26

35 – 39 20,772 22,085 94.05 0.40 105.73 106.33 5.73 6.33

40 – 44 17,992 18,796 95.72 1.67 100.98 102.15 0.98 2.15

45 – 49 14,863 14,717 100.99 5.27 102.16 95.12 2.16 -4.88

50 – 54 11,105 12,148 91.41 -9.58 90.83 98.28 -9.17 -1.72

55 – 59 9,588 10,003 95.85 4.44 100.58 96.79 0.58 -3.21

60 – 64 7,961 8,521 93.43 -2.42 105.19 102.27 5.19 2.27

65 – 69 5,548 6,660 83.30 -10.12 90.50 99.06 -9.50 -0.94

70 – 74 4,300 4,925 87.31 4.01 89.29 85.19 -10.71 -14.81

75+ 4,083 4,902 83.29 -4.02 0.00 0.00 0.00 0.00

Jumlah 277,790 280,391 60.31 87.13 69.55

Indeks Sex Ratio (IRS) 3.77

Indeks Ratio Umur Penduduk Laki-laki (IRUL) 5.45

Indeks Ratio Umur Penduduk Perempuan (IRUP) 4.35

Indeks Gabungan 21.10

3. Perhitungan Indeks Gabungan Untuk Penduduk Kabupaten Bulelelng

Tahun 2010

Umur Jumlah Penduduk Sex Selisih Sex Rasio Umur Deviasi dari 100
Ratio Ratio
Laki-laki Perempuan Berurutan Laki-laki Perempuan Laki-laki Perempuan

27
 0–4 28,644 26,825 106.78 0.00 0.00 0.00 0.00 0.00

5–9 30,878 29,256 105.54 -1.24 104.69 106.11 4.69 6.11

10 – 14 30,347 28,316 107.17 1.63 106.23 107.89 6.23 7.89

15 – 19 26,255 23,234 113.00 5.83 101.56 93.40 1.56 -6.60

20 – 24 21,357 21,433 99.65 -13.36 86.58 92.12 -13.42 -7.88

25 – 29 23,081 23,298 99.07 -0.58 102.12 103.05 2.12 3.05

30 – 34 23,847 23,782 100.27 1.20 100.55 100.23 0.55 0.23

35 – 39 24,351 24,157 100.80 0.53 105.66 102.39 5.66 2.39

40 – 44 22,247 23,406 95.05 -5.75 100.72 103.78 0.72 3.78

45 – 49 19,824 20,952 94.62 -0.43 100.49 99.89 0.49 -0.11

50 – 54 17,209 18,543 92.81 -1.81 103.60 108.09 3.60 8.09

55 – 59 13,399 13,359 100.30 7.49 100.16 89.38 0.16 -10.62

60 – 64 9,545 11,351 84.09 -16.21 87.84 100.06 -12.16 0.06

65 – 69 8,334 9,329 89.33 5.24 108.60 101.99 8.60 1.99

70 – 74 5,803 6,943 83.58 -5.75 79.46 77.68 -20.54 -22.32

75+ 6,273 8,547 73.39 -10.19 0.00 0.00 0.00 0.00

Jumlah 311,394 312,731 77.25 80.50 81.12

Indeks Sex Ratio (IRS) 4.83

Indeks Ratio Umur Penduduk Laki-laki (IRUL) 5.03

Indeks Ratio Umur Penduduk Perempuan (IRUP) 5.07

Indeks Gabungan 24.59

4. Analisis metode JOINT SCORE INDEX

28
Menurut United Nations (1955) maupun Shryock dan Siegel (1976) besarnya indeks gabungan
dapat diklasifikasikan ke dalam tiga kelompok tingkatan kualitas data dengan rincian berikut :

1. Kurang dari 30 = bagus (good)

2. Antara 30-40 = cukup (acceptable)
3. Lebih dari 40 = jelek (bad)
Merujuk data diatas bisa disimpulkan tingkat kualitas data berdasarkan indeks gabungan dari 3
periode sensus penduduk Kabupaten Buleleng sebagai berikut :

Pada tahun 1990 besar indeks gabungannya sebesar 41,18, yang artinya kualitas datanya jelek
karena lebih dari 40. Pada tahun 2000 besar indeks gabungannya sebesar 21,10, yang artinya
kualitas datanya bagus karena kurang dari 30. Kemudian, pada tahun 2010 besar indeks
gabungannya sebesar 24,59, yang artinya kualitas datanya bagus karena kurang dari 30.

BAB 5
EVALUASI DATA DENGAN METODE SPRAGUE
1. Data kelompok umur

DATA
KELOMPOK
UMUR
0–4 4,124,635
5–9 4,290,635
10 –
14 4,183,620
15 –
19 3,849,928
20 –
24 3,613,336

29
25 –
29 3,929,433
30 –
34 3,658,587
35 –
39 3,436,650
40 –
44 2,972,098
45 –
49 2,477,439
50 –
54 2,007,193
55 –
59 1,477,241
60 –
64 1,053,302
65 –
69 808,027
70 –
74 565,909
75 –
79 308,921
80 –
84 183,878
85 –
89 65,205
90 –
94 29,865

2. FIRST TO END PANEL (Kelompok awal nomor 1 dari atas)

1. Ambil umur yang akan dicari jumlah penduduknya.
2. Tentukan letak P nya.
3. Indikator
a. N1 = Jumlah Penduduk (0 – 4)
b. N2 = Jumlah Penduduk (5 – 9)
c. N3 = Jumlah Penduduk (10 – 14)
d. N4 = Jumlah Penduduk (15 – 19)
4. Susun rumusnya.
5. Contoh : Mencari jumlah penduduk umur 3 tahun.

Jumlah penduduk umur 3 (letak di P4 FIRST TO END PANEL)

= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4)
= (N1 x 0,1200) + (N2 x 0,1360) + (N3 x -0,0720) + (N4 x 0,0160)

3. FIRST NEXT TO END PANEL (Kelompok awal nomor 2 dari atas)

1. Ambil umur yang akan dicari jumlah penduduknya.
2. Tentukan letak P nya.

30
3. Indikator
a. N1 = Jumlah Penduduk (0 – 4)
b. N2 = Jumlah Penduduk (5 – 9)
c. N3 = Jumlah Penduduk (10 – 14)
d. N4 = Jumlah Penduduk (15 – 19)
4. Susun rumusnya.
5. Contoh : Mencari jumlah penduduk umur 7 tahun.

Jumlah penduduk umur 7 (letak di P3 FIRST NEXT TO END PANEL)

= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4)
= (N1 x -0,0080) + (N2 x 0,2160) + (N3 x -0,0080) + (N4 x 0,000)

4. MID PANEL
1. Ambil umur yang akan dicari jumlah penduduknya.
2. Tentukan letak P nya.
3. Khusus untuk usia yang belakangnya 5 – 9 (misal 35 – 39, dst) maka P nya dimulai dari P1 lagi.
Jadi misal umur 35 = P1, 36 = P2, 37 = P3, 38 = P4, 39 = P5. Dan seterusnya dapat
menyesuaikan.
4. Indikator
a. N1 = Jumlah Penduduk 2 atas N3
b. N2 = Jumlah Penduduk 1 atas N3
c. N3 = Jumlah Penduduk yang akan dicari jumlah nya.
d. N4 = Jumlah Penduduk 1 bawah N3
e. N5 = Jumlah Penduduk 2 bawah N3
5. Susun rumusnya.
6. Contoh : Mencari jumlah penduduk umur 44, 52, 67, dan 78.

Jumlah penduduk umur 44 (letak di P5 MID PANEL)

N1 = Jumlah Penduduk (30 – 34)
N2 = Jumlah Penduduk (35 – 39)
N3 = Jumlah Penduduk (40 – 44) umur 44 terdapat disini
N4 = Jumlah Penduduk (45 – 49)
N5 = Jumlah Penduduk (50 – 55)
= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4) + (N5 X M5)
= (N1 x 0,0016) + (N2 x -0,0240) + (N3 x 0,1504) + (N4 x 0,848) + (N5 x -0,0128)

Jumlah penduduk umur 52 (letak di P3 MID PANEL)

N1 = Jumlah Penduduk (40 – 44)
N2 = Jumlah Penduduk (45 – 49)
N3 = Jumlah Penduduk (50 – 54) umur 52 terdapat disini
N4 = Jumlah Penduduk (55 – 59)
N5 = Jumlah Penduduk (60 – 64)
= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4) + (N5 X M5)
= (N1 x 0,0064) + (N2 x -0,0336) + (N3 x 0,2544) + (N4 x -0,0336) + (N5 x 0,0064)

31
 Jumlah penduduk umur 67 (letak di P3 MID PANEL “berlaku hukum pada nomor 3”)
Menentukan N (berlaku hukum nomor 4)
N1 = Jumlah Penduduk (55 – 59)
N2 = Jumlah Penduduk (60 – 64)
N3 = Jumlah Penduduk (65 – 69) umur 67 terdapat disini
N4 = Jumlah Penduduk (70 - 74)
N5 = Jumlah Penduduk (75 – 79)
= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4) + (N5 X M5)
= (N1 x 0,0064) + (N2 x -0,0336) + (N3 x 0,2544) + (N4 x -0,0336) + (N5 x 0,0064)

Jumlah penduduk umur 78 (letak di P4 MID PANEL “berlaku hukum pada nomor 3”)
Menentukan N (berlaku hukum nomor 4)
N1 = Jumlah Penduduk (65 – 69)
N2 = Jumlah Penduduk (70 – 74)
N3 = Jumlah Penduduk (75 – 79) umur 78 terdapat disini
N4 = Jumlah Penduduk (80 – 84)
N5 = Jumlah Penduduk (85 – 89)
= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4) + (N5 X M5)
= (N1 x 0,0064) + (N2 x -0,0416) + (N3 x 0,2224) + (N4 x 0,0144) + (N5 x -0,0016)

5. LAST NEXT TO END PANEL (Kelompok awal nomor 2 dari bawah)

1. Ambil umur yang akan dicari jumlah penduduknya.
2. Tentukan letak P nya.
3. Indikator
a. N1 = Jumlah Penduduk (75 – 79)
b. N2 = Jumlah Penduduk (80 – 84)
c. N3 = Jumlah Penduduk (85 – 89)
d. N4 = Jumlah Penduduk (90 – 94)
4. Susun rumusnya.
5. Contoh : Mencari jumlah penduduk umur 88 tahun.

Jumlah penduduk umur 88 (letak di P4 LAST NEXT TO END PANEL)

= (N1 x M1) + (N2 x M2) + (N3 x M3) + (N4 x M4)
= (N1 x 0,0080) + (N2 x -0,0480) + (N3 x 0,2320) + (N4 x 0,0336)

6. LAST END PANEL (Kelompok awal nomor 2 dari bawah)

1. Ambil umur yang akan dicari jumlah penduduknya.

2. Tentukan letak P nya.
3. Indikator
a. N1 = Jumlah Penduduk (75 – 79)
b. N2 = Jumlah Penduduk (80 – 84)
c. N3 = Jumlah Penduduk (85 – 89)

32
 d. N4 = Jumlah Penduduk (90 – 94)
4. Susun rumusnya.
5. Contoh : Mencari jumlah penduduk umur 91 tahun.

Jumlah penduduk umur 91 (letak di P2 LAST END PANEL)

= (N1 x 0,0160) + (N2 x -0,0720) + (N3 x 0,1360) + (N4 x 0,1200)

FIRST TO END PANEL

LETAK SESUAI UMUR M1 M2 M3 M4 M5
P
0 0.3616 -0.2768 0.1488 -0.0336 -
1
P
1 0.2640 -0.0960 0.0400 -0.0080 -
2
P
2 0.1840 0.0400 -0.0320 0.0080 -
3
P
3 0.1200 0.1360 -0.0720 0.0160 -
4
P
4 0.0704 0.1968 -0.0848 0.0176 -
5
FIRST NEXT TO END PANEL
LETAK SESUAI UMUR M1 M2 M3 M4 M5
P
5 0.0336 0.2272 -0.0752 0.0144 -
1
P
6 0.0080 0.2320 -0.0480 0.0080 -
2
P
7 -0.0080 0.2160 -0.0080 0.0000 -
3
P
8 -0.0160 0.1840 0.0400 -0.0080 -
4
P
9 -0.0176 0.1408 0.0912 -0.0144 -
5
MID PANEL
LETAK SESUAI UMUR M1 M2 M3 M4 M5
P
10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80 -0.0128 0.0848 0.1504 -0.0240 0.0016
1
P
-0.0016 0.0144 0.2224 -0.0416 0.0064
2 11, 16, 21, 26, 31, 36, 41, 46, 51, 56, 61, 66, 71, 76, 81
P
0.0064 -0.0336 0.2544 -0.0336 0.0064
3 12, 17, 22, 27, 32, 37, 42, 47, 52, 57, 62, 67, 72, 77, 82
P
0.0064 -0.0416 0.2224 0.0144 -0.0016
4 13, 18, 23, 28, 33, 38, 43, 48, 53, 58, 63, 68, 73, 78, 83
P
0.0016 -0.0240 0.1504 0.0848 -0.0128
5 14, 19, 24, 29, 34, 39, 44, 49, 54, 59, 64, 69, 74, 79, 84
LAST NEXT TO END PANEL
LETAK SESUAI UMUR M1 M2 M3 M4 M5
P
85 -0.0144 0.0912 0.1408 -0.0176 -
1

33
P
86 -0.0080 0.0400 0.1840 -0.0160 -
2
P
87 0.0000 -0.0080 0.2160 -0.0080 -
3
P
88 0.0080 -0.0480 0.2320 0.0080 -
4
P
89 0.0144 -0.0752 0.2272 0.0336 -
5
LAST END PANEL
LETAK SESUAI UMUR M1 M2 M3 M4 M5
P
90 0.0176 -0.0848 0.1968 0.0704 -
1
P
91 0.0160 -0.0720 0.1360 0.1200 -
2
P
92 0.0080 -0.0320 0.0400 0.1840 -
3
P
93 -0.0080 0.0400 -0.0960 0.2640 -
4
P
94 -0.0336 0.1488 -0.2768 0.3616 -
5

HASIL PEMECAHAN UMUR DENGAN SISTEM SPRAGUE

0 796,985 20 727,917 40 635,355 60 239,507 80 45,091

1 813,548 21 712,302 41 614,413 61 222,323 81 41,916
2 827,482 22 708,036 42 593,649 62 207,643 82 38,021
3 838,861 23 720,954 43 573,909 63 196,377 83 32,556
4 847,759 24 744,127 44 554,772 64 187,451 84 26,294
5 854,251 25 765,811 45 534,843 65 178,851 85 20,976
6 858,410 26 789,575 46 514,237 66 170,944 86 16,404
7 860,311 27 801,945 47 494,405 67 162,588 87 12,374
8 860,028 28 795,416 48 475,878 68 152,997 88 9,012
9 857,635 29 776,686 49 458,076 69 142,646 89 6,439
10 853,650 30 759,492 50 440,157 70 133,031 90 4,779
11 848,591 31 740,529 51 422,607 71 124,134 91 4,155
12 840,313 32 725,391 52 403,515 72 114,356 92 4,691
13 828,002 33 718,063 53 381,947 73 103,140 93 6,508
14 813,064 34 715,111 54 358,966 74 91,248 94 9,732
15 798,447 35 709,457 55 336,689 75 79,799

34
16 784,437 36 702,924 56 314,832 76 68,328
17 770,052 37 692,497 57 294,004 77 58,985
18 755,390 38 676,096 58 274,769 78 52,877
19 741,601 39 655,676 59 256,946 79 48,931

BAB 6
EVALUASI DATA DENGAN METODE QUADRATIC
Quadratic merupakan metode prapihan yang bertujuan untuk menghitung dan
menganalisis perapihan data komposisi penduduk dengan metode Quardratic Re-Orientation.
Hasil perapihan I degan metode Quardratic Re-Orientation pada umumnya jumlah total tidak
sama dengan jumlah sebelum dirapikan. Jika tidak ada tujuan untuk menambah atau mengurangi
jumlah total, maka jumlah total sebelum dirapikan harus sama dengan hasil perapihan I. Ini
disebabkan karena tujuan perapihan adalah menyesuaikan distribusi jumlah penduduk menurt
struktur umur dan bukan merubah jumlah total dari seluruh penduduk. Perapihan II.

A. Langkah Kerja

1. Dalam pembuatan life table harus membuat beberapa sumsi terlebih dahulu, antara lain :

a. Cohort hanya berkurang secara berangsur-angsur karena kematian dan tidak ada imigrasi
atau emigrasi (closed cohort)
b. Orang mati menurut pola tertentu pada berbagai tingkat umur
c. Cohort berasal dari sesuatu radix tertentu
d. Pada tiap tingkatan umur orang-orang mati tepat waktu mencapai pertengahan antara dua
tingkat umur berturut-turut.
1. Dari data dasar hasilo Supas 1995 dan Sensus Penduduk 2000, dicari selisih pada tiap
kelompok umur interval 5 tahunan, dari hasil perhitungan itu diperoleh data kasar
kematian tiap kelompok umur interval 5 tahunan.

35
 2. Untuk mengisi kolom Number of death kelompok umur 0 dan 1-4 diperoleh dari data
distribusi penduduk interval umur satu tahunan.
3. Untuk memperoleh “number of death” pada tabel kematian, data yang digunakan
adalah hasil SUPAS 1995 dan hasil SP 2000 kelompok umur interval 5 tahunan.
Contoh:

Kelompok umur 0-4 di hasil SUPAS 1995 menjadi kelompok umur 5-9 dihasil SP 2000,
setelah di dapat hasil selisihnya, kemudian di dapat hasil tabel di bawah ini, baik untuk
perkotaan, perdesaan dan perkotaan dan perdesaan menurut kelompok umur dan jenis
kelamin.

4. Dari hasil tabel diatas diperoleh selisih antara golongan umur hasil SUPAS 1995 dan SP
2000, ada yang hasilnya negatif dan ada yang positif. Untuk yang negatif memang terjadi
kesalahan karena tidak mungkoin kematian itu bernilai negatif, ini kemungkinan
disebabkan adanya migrasi (imigrasi). Untuk merapikan data tersebut dalam praktikum
ini digunakan proporsi, sehingga didapat number of death yang mendekati benar sebagai
data dasar kematian.
5. Untuk mengisi kolom mid year population diperoleh dari penduduk total SP 2000
6. Kemudian dicari IMR laki-laki
7. Mencari IMR perempuan
8. Baru dihitung survival Rate (Sx)
Untuk tugas quadratic data yang akan diolah ialah kelompok umur laki – laki dan perempuan.
Kemudian dalam tugas quadratic terdapat modul persyaratan untuk pengali (x) seperti di bawah
ini

MODUL
1 2 3
a 0.5840 -0.2480 0.0640
b 0.0640 0.3920 -0.0560
A 0.0480 0.1840 -0.0320
B 0.0455 0.7140 -0.0595
C -0.0320 0.1440 0.0880
D -0.0595 0.2240 0.5355
Tabel 1.49

36
Kemudian juga terdapat rumus splitting sebagai pedoman kita dalam menjumlahkan tiap tiap
kolom nantinya.

1 P (3-4) =a1.P(3-7) + a2.P(8-12)+a3.P(13-17)

2 P (5-7) =P (3-7)-(3-4)

3 P (8-9) =b1.(3-7) +b2.P(8-12) + b3.P(13-17)

4 P (10-12) =P(8-12)-P(8-9)

5 P (13-14) =b1.P(8-12)+b2.P(13-17) +b3.P(18-22)

6 P (15-17) =P(13-17)-P(13-14)

7 P(18-19) =b1.P(13-17)+b2.P(18-22)+b3.P(23-27)

8 P(20-22) =P(18-22)-P(18-19)

9 P(23-24) =b1.P(18-22)+b2.P(23-27)+b3.P(28-32)

10 P(25-27) =P(23-27)-P(23-24)

11 P28-29) =b1.P(23-27)+b2.P(28-32)+b3.P(33-37)

12 P(30-32) =P(28-32)-P(28-29)

13 P(33-34) =b1. P(28-32)+b2.P(33-37)+b3.P(38-42)

14 P(35-37) =P(33-37)-P(33-34)

15 P(38-39) =b1.P(33-37)+b2.P(38-42)+b3.P(43-47)

16 P(40-42) =P(38-42)-P(38-39)

17 P(43-44) =A1.P(33-42)+A2.P(43-52)+A3.P(53-62)

18 P(50-52) =P(43-52)-{B1.P(33-42)+B2.P(43-52)+B3.P(53-62)}

19 P(45-49) =P(43-52)-P(43-44)-P(50-52)

20 P(53-54) =A1.P(43-52)+A2.P(53-62)+A3.P(63-72)

21 P(60-62) =P(53-62)-{B1.P(43-52)+B2.P(53-62)+B3.P(63-72)}

22 P(55-59) =P(53-62)-P(53-54)-P(60-62)

37
23 P(63-64) =C1.P(43-52)+C2.P(53-62)+C3.P(63-72)

24 P(70-72) =P(63-72)-{D1.P(43-52)+D2.P(53-52)+D3.P(63-72)}

25 P(65-69) =P(63-72)-P(63-64)-P(70-72)

26 P(0-4) =P(0-4)*+P(3-4)**-P(3-4)*

27 P(70+) =P(70+)*+P(70-72)**-P(70-72)*

Tabel 1.50

Perempua
Laki-laki
UMUR n
0 408957 386654
1 410458 388965
2 426368 403984
3 439868 415206
4 434318 409857
5 427000 401459
6 436525 412286
7 455955 428600
8 423400 401526
9 464437 439447
10 469539 442550
11 402098 379932
12 419742 397236
13 425275 406644
14 429852 410752
15 421327 401052
16 388678 370906
17 393021 372072
18 383263 368188
19 379161 372260
20 403915 397159
21 352411 346605
22 352356 341845
23 349952 341269
24 368142 359682
25 408581 393119
26 370298 365826
27 421256 413247
28 397129 386187
29 391396 382394
30 432970 413070
31 352347 345117

38
32 354189 347228
33 342305 338180
34 368503 364678
35 386597 377025
36 329534 320220
37 368475 350362
38 329070 308017
39 345311 322039
40 390477 366635
41 308726 285792
42 290207 274620
43 247911 239730
44 286508 281492
45 310336 307339
46 244527 231158
47 249904 234496
48 212694 199456
49 248672 238857
50 286303 283060
51 204763 185959
52 196912 179712
53 167867 155733
54 177289 169595
55 199808 190196
56 155092 133167
57 155632 131151
58 129077 107500
59 142817 132801
60 162769 173194
61 93300 89442
62 88141 88238
63 73343 76414
64 100721 107740
65 108835 130688
66 62418 60833
67 83277 78707
68 67935 63606
69 72985 78743
70 99221 127063
71 46598 47338
72 43208 46886
73 34103 38615
74 36329 46548
75 43786 63246

39
 76 22542 27315
77 23328 26580
78 20563 24047
79 25435 32079
80 38182 56025
81 13165 13489
82 13168 13132
83 9010 9481
84 8321 9905
85 10922 15812
86 5105 5902
87 4857 5644
88 3373 3479
89 4336 5775
90 7223 12550
91 1487 1801
92 1469 1628
93 846 1089
94 764 1008
95 1419 2283
96 578 746
97 670 977
98 3807 7350
JUMLA 2190704
21146692
H 0
Tabel diatas merupakan data awal yang akan kita gunakan dalam pengerjaan metode quadratic.

Dua tabel diatas yakni Modul dan Rumus Splitting merupakan hal wajib yang harus kita
miliki, karena itu sebagai pedoman kita dalam mengerjakan quadratic. Berikut hasil kerja saya
dengan metode quadratic ;

UMUR JUMLAH
3-4 821846.168
5-7 1245561.83
8-9 830265.128
10-12 1230425.87
13-14 798504.024
15-17 1162921.98
18-19 736449.6
20-22 1089607.4
23-24 746195.928

40
 25-27 1126947.07
28-29 756461.544
30-32 1117534.46
33-34 718920.256
35-37 1031544.74
38-39 649938.096
40-42 907164.904
43-44 553042.376
50-52 3849408.07
45-49 -2021191.4
53-54 340390.984
60-62 2192903.78
55-59 -1162277.8
63-64 193211.744
70-72 1704859.36
65-69 -1080053.1
0-4 2001449.17
70+ 2131365.36

Diperoleh dengan cara mengalikan (x) dan menjumlahkan (+) sesuai dengan rumus splitting
diatas.

5 Tahun 10 Tahun
3-7 2067408 33 - 42 3307568
8 - 12 2060691 43 - 52 2381259
13 - 17 1961426 53 - 62 1371017
18 - 22 1826057 63 - 72 818018
23 - 27 1873143 0-4 2004666
28 - 32 1873996 3 -4 825063
33 - 37 1750465 70+ 647793
38 - 42 1557103 70 - 72 221287
43 - 47 1294215
Diperoleh dengan cara dijumlahkan biasa tiap-tiap umur yang sudah dikelompokkan.

Kelompok Sebelum Setelah Perapihan Setelah Perapihan

%
Umur Perapihan 1 % 2 %
0-4 2004666 9% 2001449.168 9%
5-9 2083318 10% 2075826.96 10%
10-14 2037114 10% 2028929.90 10%
15-19 1884478 9% 1899371.58 9%
20-24 1786560 8% 1835803.33 9%
25-29 1940773 9% 1883408.62 9%

41
 30-34 1808273 9% 1836454.71 9%
35-39 1677663 8% 1681482.84 8%
40-44 1448269 7% 1460207.28 7%
45-49 1211306 6% -2021191.45 -10%
50-54 974059 5% 4189799.05 20%
55-59 694815 3% -1162277.77 -5%
60-64 535028 3% 2386115.53 11%
65-69 412577 2% -1080053.10 -5%
70+ 647793 3% 2131365.36 10%
JUMLAH 21146692 100% 21146692 100%

Cara pengerjaannya :

1 . Pada kolom 2 merupakan hasil penjumlahan biasa sesuai dengan kelompok umur yang
sudah di kelompokkan

2. Pada kolom persentase didapatkan dengan cara hasil penjumlahan kolom sebelum dirapihkan
kemudian dibagi jumlah total seluruh kolom sebelum dirapihkan

3. Pada kolom perapihan 1 diperoleh hasilnya dengan cara menjumlahkan tiap – tiap bagian
kelompok umur yang bersangkutan. Misal mencari kelompok umur 5-9 maka jumlahkan
kelompok umur 5-7 dan 8-9 begitu seterusnya.

UMUR JUMLAH
3-4 872377.17
5-7 1321288.83
8-9 879390.73
10-12 1299825.27
13-14 841483.86
15-17 1216669.14
18-19 757774.52
20-22 1113331.48
23-24 763726.82
25-27 1154502.18
28-29 778011.62
30-32 1150019.38
33-34 734023.98
35-37 1061390.02
38-39 692118.15
40-42 971672.85

42
 43-44 576834.02
50-52 4020374.97
45-49 -2108678.98
53-54 365985.86
60-62 2364290.18
55-59 -1258484.04
63-64 199056.70
70-72 1642488.65
65-69 -1083004.34
0-4 2118160.17
70+ 1977276.65
Diperoleh dengan cara mengalikan (x) dan menjumlahkan (+) sesuai dengan rumus splitting
diatas.

5 Tahun 10 Tahun
3-7 2193666 33 - 42 3459205
8 - 12 2179216 43 - 52 2488530
13 - 17 2058153 53 - 62 1471792
18 - 22 1871106 63 - 72 758541
23 - 27 1918229 0-4 2119969
28 - 32 1928031 3-4 874186
33 - 37 1795414 70+ 523815
38 - 42 1663791 70 - 72 189027
43 - 47 1339186
Diperoleh dengan cara dijumlahkan biasa tiap-tiap umur yang sudah dikelompokkan.

Kelompok Setelah Setelah Perapihan

Sebelum Perapihan %
Umur Perapihan 1 % 2 %
0-4 2119969 10% 2118160.17 10%
5-9 2207317 10% 2200679.56 10%
10-14 2146506 10% 2141309.14 10%
15-19 1965450 9% 1974443.66 9%
20-24 1826776 8% 1877058.30 9%
25-29 1988660 9% 1932513.81 9%
30-34 1850314 8% 1884043.35 9%
35-39 1758987 8% 1753508.18 8%
40-44 1523829 7% 1548506.86 7%

43
 45-49 1266133 6% -2108678.98 -10%
50-54 1033134 5% 4386360.82 20%
55-59 782426 4% -1258484.04 -6%
60-64 518274 2% 2563346.88 12%
65-69 395450 2% -1083004.34 -5%
70+ 523815 2% 1977276.65 9%
JUMLAH 21907040 100% 21907040 100%
Cara pengerjaannya :

1 . Pada kolom 2 merupakan hasil penjumlahan biasa sesuai dengan kelompok umur yang
sudah di kelompokkan

2. Pada kolom persentase didapatkan dengan cara hasil penjumlahan kolom sebelum dirapihkan
kemudian dibagi jumlah total seluruh kolom sebelum dirapihkan

3. Pada kolom perapihan 1 diperoleh hasilnya dengan cara menjumlahkan tiap – tiap bagian
kelompok umur yang bersangkutan. Misal mencari kelompok umur 5-9 maka jumlahkan
kelompok umur 5-7 dan 8-9 begitu seterusnya.

44