SKRIPSI
Oleh
DAMAR DIANTA MURRI SURBAKTI NIM. 151000282
PROGRAM STUDI S1 KESEHATAN MASYARAKAT FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS SUMATERA UTARA
2020
PROYEKSI ANGKA KELAHIRAN DAN KEMATIAN BAYI DI PROVINSI SUMATERA UTARA PADA TAHUN 2018 - 2025
MENGGUNAKAN METODE EKSPONENSIAL DAN GEOMETRI
SKRIPSI
Diajukan sebagai Salah Satu Syarat
untuk Memperoleh Gelar Sarjana Kesehatan Masyarakat pada Fakultas Kesehatan Masyarakat Universitas Sumatera Utara
Oleh
DAMAR DIANTA MURRI SURBAKTI NIM. 151000282
PROGRAM STUDI S1 KESEHATAN MASYARAKAT FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS SUMATERA UTARA
2020
Tanggal Lulus : 8 Agustus 2019
Telah diuji dan dipertahankan Pada tanggal : 8 Agustus 2019
TIM PENGUJI SKRIPSI
Ketua : Prof. Drs. Heru Santosa, M.S., Ph.D.
Anggota : 1. Sri Rahayu Sanusi, S.K.M., M.Kes., Ph.D.
2. Maya Fitria, S.K.M., M.Kes.
Pernyataan Keaslian Skripsi
Saya menyatakan dengan ini bahwa skripsi saya yang berjudul “Proyeksi Angka Kelahiran dan Kematian Bayi di Provinsi Sumatera Utara pada Tahun 2018 - 2025 Menggunakan Metode Eksponensial dan Geometri”
beserta seluruh isinya adalah benar karya saya sendiri dan saya tidak melakukan penjiplakan atau pengutipan dengan cara-cara yang tidak sesuai dengan etika keilmuan yang berlaku dalam masyarakat kelimuan kecuali yang secara tertulis diacu dalam naskah ini dan disebut dalam daftar pustaka. Atas pernyataan ini, saya siap menanggung risiko atau sanksi yang dijatuhkan kepada saya apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya saya ini, atau klaim dari pihak lain terhadap keaslian karya saya ini.
Medan, Agustus 2019
Damar Dianta Murri Surbakti
Abstrak
Kelahiran merupakan faktor penyebab besarnya jumlah penduduk, angka kelahiran yang tinggi akan menyebabkan masalah ledakan penduduk. Daerah dengan kepadatan penduduk tinggi, tidak menjamin tingkat kemakmuran penduduk daerah tersebut lebih tinggi pula. Angka kelahiran adalah indikator yang sangat penting didalam melaksanakan perencanaan pengendalian penduduk.
Provinsi Sumatera Utara adalah provinsi dengan TFR pada Tahun 2017 berada di angka 2,9 dan angka ini masih jauh dari capaian nasional. Angka Kematian Bayi merupakan indikator yang sangat penting dan selalu digunakan untuk menilai tinggi rendahnya derajat kesehatan disuatu daerah. Tren angka kematian bayi di Provinsi Sumatera Utara dapat dikatakan menurun, tetapi AKB Provinsi Sumatera Utara masih tergolong tinggi jika dibandingkan dengan provinsi lainnya di Indonesia yaitu 40 kematian bayi per 1000 kelahiran. Dalam upaya perencanaan peningkatan kesejahteraan masyarakat diperlukan tren terkait TFR dan IMR di masa depan, untuk dapat mengantisipasi ledakan penduduk dalam pembangunan sarana prasarana maupun peningkatan pelayanan kesehatan. Angka kematian dan kelahiran bayi dalam penelitian ini bersumber dari SDKI Tahun 2002, 2007, 2012 dan 2017 dengan menggunakan metode Eksponensial dan Geometri untuk memproyeksikan dan melihat tren pada tahun 2018 - 2025. Berdasarkan hasil penelitian diperoleh laju pertumbuhan TFR menurun sebesar 2,7% sedangkan untuk laju pertumbuhan IMR menurun sebesar 2,79% setiap tahunnya. Dilihat dari trennya, TFR Provinsi Sumatera Utara akan mencapai 2,3 dan IMR Provinsi Sumatera Utara akan mencapai 28 kematian bayi per 1000 kelahiran. Diharapkan hasil penelitian ini dapat menjadi bahan pertimbangan untuk merumuskan kebijakan yang dapat mengendalikan kuantitas dan meningkatkan kualitas penduduk. Metode matematik lebih akurat untuk proyeksi dalam waktu yang relatif singkat, saran penelitian selanjutnya menggunakan metode tingkat lanjut seperti fitting.
Kata kunci: Eksponensial, IMR, ledakan penduduk, TFR
Abstract
Fertility is a factor that causes a large population, high fertility rates will contribute to the current national problem, the over population. Fertility rate is a very important indicator in implementing population control planning. North Sumatera Province is the 4th most populous province in Indonesia with a TFR of 2.9 in 2017 and this is still far from national achievement. Infant Mortality Rate is a very important indicator and is always used to assess the level of health in an area. The trend of infant mortality in North Sumatera Province can be said to be declining, but the North Sumatera Province AKB is still relatively high when compared to other provinces in Indonesia, which is 40 infant deaths per 1000 births. In an effort to plan for improving community welfare, a trend is needed regarding future TFR and IMR, to be able to anticipate population explosions in the construction of infrastructure and improve health services. Infant mortality and birth rates in this study are sourced from the 2007 IDHS, 2012 and 2017 using the Exponential method to project and observe trends from 2018 to 2025. As the result of this study, it was found that the TFR growth rate decreased by 2.7%
while for the rate IMR growth declined by 2.79% annually. Judging from the trend, the North Sumatera Province TFR will reach 2.3 and the IMR of North Sumatera Province will reach 28 infant deaths per 1000 births. The results of this study can be taken into consideration for formulating policies that can control quantity and improve the quality of the population. Mathematical methods are more accurate for projections in a relatively short period of time, further research suggests using advanced methods such as fitting.
Keywords: Eksponensial, IMR, over population, TFR
Kata Pengantar
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa yang telah memberikan berkat dan anugerah-Nya sehingga penulis mampu menyelesaikan skripsi yang berjudul “Proyeksi Angka Kelahiran dan Kematian Bayi di Provinsi Sumatera Utara pada Tahun 2018 - 2025 Menggunakan Metode Eksponensial dan Geometri” ini dengan baik. Skripsi ini disusun untuk memenuhi salah satu syarat memperoleh gelar Sarjana Kesehatan Masyarakat Universitas Sumatera Utara.
Dalam penulisan skripsi ini tidak terlepas dari bantuan dan juga dukungan dari berbagai pihak, baik moril maupun materil. Untuk itu, disampaikan rasa terima kasih dan penghargaan yang sedalam-dalamnya kepada:
1. Prof. Dr. Runtung Sitepu, S.H., M.Hum., selaku Rektor Universitas Sumatera Utara.
2. Prof. Dr. Dra. Ida Yustina, M.Si., selaku Dekan Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
3. Dr. Asfriyati, S.K.M., M.Kes., selaku Ketua Departemen Kependudukan dan Biostatistik yang telah memberikan penulis kesempatan, meluangkan waktu, memotivasi dan memberi dukungan selama skripsi ini dikerjakan.
4. Prof. Drs. Heru Santosa, M.S., Ph.D., selaku Dosen Pembimbingskripsi yang telah memberikan waktu, ilmu, arahan, dan masukan serta kesabaran untuk membimbing penulis dalam menyelesaikan skrisi ini.
5. Sri Rahayu Sanusi, S.K.M., M.Kes., Ph.D., selaku Dosen Penguji I yang telah memberikan kritik dan saran serta motivasi untuk perbaiki skripsi ini.
6. Maya Fitria, S.K.M., M.Kes., selaku Dosen Penguji II yang telah memberikan kritik dan saran serta motivasi untuk perbaiki skripsi ini.
7. Dr. Dra. Jumirah, Apt., M.Kes., selaku Dosen Penasehat Akademik penulis, yang selalu memberikan dukungan bagi penulis selama penulis mengemban pendidikan di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
8. Seluruh dosen dan staf administrasi di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara dan Departemen Kependudukan dan Biostatistik Fakultas Kesehatan Masyarakat Universitas Sumatera Utara, dan yang terkhusunya untuk Andika Mahaprada Tarigan, S.K.M., M.Kes., terima kasih buat dukungan dan keramahan yang membuat penulis merasa nyaman berada di peminatan ini.
9. Staf dan pegawai Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) Provinsi Sumatera Utara yang telah memberikan perizinan serta memberikan data-data yang diperlukan untuk menyempurnaan skripsi ini.
10. Terima kasih kepada kedua orang tua penulis yaitu (Daniel Surbakti dan Rosmarinda Br Pinem) atas doa, semangat, dukungan moral, spiritual, dan juga material yang selama ini telah diberikan.
11. Saudara penulis satu – satunya Damar Tirtanta Surbakti, terima kasih karena selalu mendukung dan memberikan semangat untuk segera menyelesaikan skripsi ini.
12. Terima kasih untuk dukungan dari teman-teman seperjuangan penulis di Peminatan Biostatistik dan Kependudukan (Syafii, Jose, Harnisah, Diana, Isni, Meidy, Betti, Fadhilah, No’or, Nina, Sesil, Defrina, Ajeng, Peggy, dan Salzar) yang sudah menemani hari-hari belajar penulis di Biostatistik, tawa,
canda, susah dan bingung telah penulis jalani bersama kalian untuk satu setengah tahun ini.
2. Terkhusus buat (Dian Ambarta Nainggolan dan Francisco Limbong) yang menjadi tempat bimbingan penulis dalam mengerjakan dan menyempurnakan skripsi ini, terima kasih atas dukungan, semangat, motivasi dan bantuannya.
3. Terima kasih kepada (Tisya Anggreini) dalam membantu hal ide dan teknis selama penulis berada di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
4. Seluruh pihak yang telah memberikan bantuan dan dukungannya kepada penulis dalam penyelesaian skripsi ini yang tidak dapat penulis sebutkan satu persatu.
Penulis menyadari bahwa skripsi ini belum sempurna serta masih memiliki banyak kekurangan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun demi penyempurnaan skripsi ini. Demikian yang dapat penulis sampaikan, semoga skripsi ini dapat memberikan manfaat bagi semua pihak yang membaca.
Medan, Agustus 2019
Damar Dianta Murri Surbakti
Daftar Isi
Halaman
Halaman Persetujuan i
Halaman Penetapan Tim Penguji ii
Halaman Pernyataan Keaslian Skripsi iii
Abstrak iv
Abstract v
Kata Pengantar vi
Daftar Isi ix
Daftar Tabel xi
Daftar Gambar xii
Daftar Lampiran xiii
Daftar Istilah xiv
Riwayat Hidup xv
Pendahuluan 1
Latar Belakang 1
Perumusan Masalah 4
Tujuan Penelitian 5
Tujuan umum 5
Tujuan khusus 5
Manfaat Penelitian 6
Tinjauan Pustaka 7
Fertilitas (Kelahiran) 7
Pengertian fertilitas 7
Pengukuran fertilitas 8
Ledakan penduduk (over population) 12 Mortalitas (Kematian) 13
Pengertian mortalitas 13
Pengukuran mortalitas 14
Proyeksi 17
Manfaat proyeksi 18 Jenis – jenis proyeksi penduduk 19 Metode perhitungan proyeksi 19
Bappenas 22
Landasan Teori 22
Kerangka Konsep 23
Metode Penelitian 24 Jenis Penelitian 24
Lokasi dan Waktu Penelitian 24
Populasi dan Sampel 24
Variabel dan Definisi Operasional 24
Metode Pengumpulan Data 25
Metode Pengukuran 25
Metode Analisis Data 25
Hasil Penelitian 28
Gambaran Umum Provinsi Sumatera Utara 28
Letak geografis 28
Kependudukan 30
Pendidikan 34
Agama 35
Angka Kelahiran Total 35
Data TFR Provinsi Sumatera Utara 35
Tingkat pertumbuhan TFR 36
Proyeksi TFR 45
Tren TFR 53
Angka Kematian Bayi 55
Data IMR Provinsi Sumatera Utara 55
Tingkat pertumbuhan IMR 56
Proyeksi IMR 64
Tren IMR 73
Pembahasan 74
Tingkat Pertumbuhan TFR 74
Proyeksi dan Tren TFR 74
Tingkat Pertumbuhan IMR 77
Proyeksi dan Tren IMR 77
Keterbatasan Penelitian 79
Kesimpulan dan Saran 80
Kesimpulan 80
Saran 80
Daftar Pustaka 82
Lampiran 84
Daftar Tabel
No Judul Halaman
1 Total Fertility Rate menurut Sensus Penduduk, SDKI, dan SUPAS di Indonesia Tahun 1971 – 2015
12
2 Angka Kematian Bayi menurut Sensus Penduduk, SDKI, dan SUPAS di Indonesia Tahun 1971 – 2015
17
3 Luas Daerah menurut Kabupaten/ Kota di Sumatera Utara 29 4 Rata-Rata Banyaknya Anak yang Pernah Dilahirkan Hidup
per Wanita Pernah Kawin menurut Wilayah dan Kelompok Umur di Sumatera Utara Tahun 2017
33
5 Angka Kelahiran Total (TFR) Sumatera Utara 35
6 Angka Kematian Bayi (IMR) Sumatera Utara 55
Daftar Gambar
No Judul Halaman
1 Kerangka konsep 23
2 Tampilan awal Microsoft Office Excel 26
3 Rumus mencari “r” (tingkat pertumbuhan) dalam Ms. Excel 26 4 Proyeksi dengan metode Eksponensial dalam Ms. Excel 27 5 Jumlah penduduk Provinsi Sumatera Utara Tahun 1961 –
2017
31
6 Jumlah penduduk berdasarkan kelompok umur dan jenis kelamin di Provinsi Sumatera Utara Tahun 2017
32
7 Tren TFR Sumatera Utara menurut SDKI 1991 – 2017 36 8 Mencari “r” dalam perangkat lunak komputer dengan
Eksponensial
38
9 Mencari “r” dalam perangkat lunak komputer dengan Geometri
40
10 Hasil proyeksi dalam perangkat lunak komputer dengan Eksponensial (2 titik)
49
11 Hasil proyeksi dalam perangkat lunak komputer dengan Eksponensial (3 titik)
53
12 Tren Sumatera Utara hasil proyeksi 2018 – 2025 54 13 Tren IMR Sumatera Utara menurut SDKI 1994 – 2012 55 14 Mencari “r” dalam perangkat lunak komputer dengan
Eksponensial
57
15 Mencari “r” dalam perangkat lunak komputer dengan Geometri
59
16 Hasil proyeksi dalam perangkat lunak komputer dengan Eksponensial (2 titik)
68
17 Hasil proyeksi dalam perangkat lunak komputer dengan Eksponensial (3 titik)
72
18 Tren IMR Sumatera Utara hasil proyeksi 2018 – 2025 73
Daftar Lampiran
Lampiran Judul Halaman
1 Surat Permohonan Izin Penelitian 84
2 Surat Izin Penelitian dari BKKBN Provinsi Sumatera Utara
85
3 Hasil Tren TFR Provinsi Sumatera Utara Tahun 2018 – 2025
86
4 Hasil Tren IMR Provinsi Sumatera Utara Tahun 2018 – 2025
87
Daftar Istilah
AKB Angka Kematian Bayi
ASFR Age Specific Fertility Rate / Angka Kelahiran menurut Umur Bappenas Badan Perencanaan Pembangunan Nasional
BPS Badan Pusat Statistik
IMR Infant Mortality Rate / Angka Kematian Bayi MDG's Millennium Development Goals
RPJMN Rencana Pembangunan Jangka Menengah Nasional SDG's Sustainable Development Goals
SDKI Survei Demografi dan Kesehatan Indonesia
SP Sensus Penduduk
SUPAS Survei Penduduk antar Sensus
TFR Total Fertility Rate / Angka Kelahiran Total WHO World Health Organization
Riwayat Hidup
Penulis bernama Damar Dianta Murri Surbakti berumur 22 tahun, dilahirkan di Medan pada tanggal 01 Juni 1997. Penulis beragama Kristen Protestan, anak pertama dari dua bersaudara dari pasangan Daniel Surbakti dan Rosmarinda Br Pinem.
Pendidikan formal dimulai dari TK Dian Persada Medan Tahun 2002.
Pendidikan sekolah dasar di SD Negeri 067246 Medan Tuntungan Tahun 2003- 2009, sekolah menengah pertama di SMP Negeri 1 Medan Tahun 2009-2012, sekolah menengah kejuruan di SMK Negeri 9 Jurusan Teknik Komputer dan Jaringan Medan Tahun 2012-2015, selanjutnya penulis melanjutkan pendidikan di Program Studi S1 Kesehatan Masyarakat Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
Medan, Agustus 2019
Damar Dianta Murri Surbakti
Penduduk merupakan titik sentral pembangunan. Dilihat dari dua sudut pandang yaitu penduduk sebagai unit yang memiliki ciri melekat (kualitas) dan penduduk sebagai sebagai unit benda (kuantitas). Kuantitas penduduk dapat dilihat dari jumlah penduduk di suatu daerah sedangkan kualitas penduduk dapat dilihat dari kondisi penduduk dalam aspek fisik dan nonfisik yang meliputi derajat kesehatan, pendidikan, pekerjaan, produktivitas, tingkat sosial, ketahanan, kemandirian, kecerdasan, sebagai ukuran dasar untuk mengembangkan kemampuan dan menikmati kehidupan sebagai manusia yang bertakwa, berbudaya, berkepribadian, berkebangsaan dan hidup layak (Undang-Undang Nomor 52 Tahun 2009).
Indonesia merupakan peringkat ke-4 penduduk terbanyak di dunia dengan jumlah 264 juta jiwa (“Population Clock: World”, 2019). Berdasarkan Profil Kesehatan Sumatera Utara Tahun 2017 jumlah penduduk di Provinsi Sumatera Utara tercatat sebanyak 14 juta jiwa terdiri dari 7 juta jiwa laki-laki dan 7 juta jiwa perempuan. Adapun kota dengan kepadatan penduduk tertinggi adalah Kota Medan yakni sebesar 8,481 jiwa per km2.
Pertumbuhan penduduk merupakan keseimbangan yang dinamis antara kekuatan yang menambah dan kekuatan yang mengurangi jumlah penduduk secara terus menerus, penduduk akan bertambah oleh jumlah kelahiran bayi (fertilitas), tetapi akan dikurangi oleh jumlah kematian (mortalitas) pula, serta perpindahan penduduk (mobilitas) juga akan mempengaruhi tambah kurangnya
jumlah penduduk disuatu daerah. (Lembaga Demografi Fakultas Ekonomi UI [FEUI], 2007).
Fertilitas adalah salah satu komponen terpenting dalam pertumbuhan jumlah penduduk dan proyeksi jumlah penduduk. Jika angka kelahiran tinggi maka penduduk akan semakin banyak. Apabila tingginya angka kelahiran ini tidak diperhatikan dan di kontrol dengan baik, maka hal ini akan sangat berpengaruh terhadap perkembangan masyarakat dari suatu wilayah atau negara baik dalam tingkat kesehatan, sosial maupun ekonomi.
Pertumbuhan penduduk yang tinggi memerlukan investasi sarana dan fasilitas di bidang pendidikan dan kesehatan untuk meningkatkan kualitas penduduknya. Tingkat kelahiran dimasa lalu mempengaruhi tingginya tingkat fertilitas masa kini. Jumlah kelahiran yang besar dimasa lalu disertai dengan penurunan kematian bayi akan menyebabkan bayi-bayi tersebut tetap hidup dalam jumlah yang lebih banyak dibandingkan dengan tahun-tahun sebelumnya disaat kematian bayi masih tinggi. Kelahiran bayi membawa konsekuensi pemenuhan kebutuhan tubuh kembang bayi tersebut. Kelahiran juga sebagai indikator yang penting didalam melaksanakan perencanaan kesehatan.
Angka kelahiran dapat dipergunakan untuk menyusun strategi kebijakan baru dalam upaya peningkatan derajat kesehatan khususnya Program Keluarga Berencana. Pertambahan penduduk kian terjadi, namun angka fertilitas total di Indonesia turun dari 2,6 anak per wanita di 2012 menjadi 2,4 di 2017 berdasarkan hasil Survei Demografi dan Kesehatan Indonesia (SDKI) 2017, walau demikian angka tersebut masih tergolong tinggi. Angka kelahiran yang tinggi akan menyumbangkan permasalahan nasional bahkan global saat ini yaitu ledakan
penduduk (over population). Menurut David L. Sill (1987) ledakan penduduk adalah salah satu dari lima masalah besar dunia, penduduk yang padat berkaitan dengan kebutuhan akan ketersediaan lahan.
Daerah dengan kepadatan penduduk tinggi, tidak menjamin tingkat kemakmuran penduduk daerah tersebut relatif lebih tinggi pula (Fitri, 2012).
Tidak hanya lahan, tetapi juga udara, miliaran penduduk dunia bernafas menghirup oksigen, membuang berbagai limbah sampai melampaui batas, bahan pangan yang kian lama kian habis karena tidak dapat lagi mencukupi semua kebutuhan manusia yang ada dibumi. Semakin banyak penduduk akan membuat lingkungan semakin tercemar, lingkungan yang tercemar akan menyebabkan udara yang manusia hirup tercemar pula, ujung dari fase ini adalah kesehatan manusia itu sendiri.
Komponen yang tidak kalah penting dengan fertilitas adalah mortalitas (kematian). Ukuran kematian yang diukur sangat banyak mulai dari Crude Death Rate (CDR), Age Specific Death Rate (ASDR), Infant Mortality Rate (IMR), dll.
Infant Mortality Rate atau Angka Kematian Bayi (AKB) merupakan indikator yang sangat penting dan selalu digunakan untuk menilai tinggi rendahnya derajat kesehatan disuatu negara (Mantra, 2003). Kesehatan merupakan salah satu faktor kualitas penduduk yang selalu menjadi perhatian di setiap negara. Derajat kesehatan digunakan untuk menilai keberhasilan pembangunan kesehatan maupun sebagai dasar dalam menyusun rencana untuk masa yang akan datang.
Tren Angka Kematian Bayi di Indonesia menurun tajam dari 47 per 1.000 kelahiran hidup pada Sensus Penduduk 2000 menjadi 22 per 1.000 kelahiran hidup pada SUPAS 2015. Walau setiap tahun angka ini menurun tetapi AKB di
Indonesia masih tergolong tinggi jika dibandingkan dengan capaian SDG’s sebesar 12 per 1.000 kelahiran hidup. Berdasarkan profil kesehatan Sumatera Utara 2017 diperhitungkan AKB di Sumatera Utara sebesar 2,6 per kelahiran hidup. Bila dilihat dari hasil Sensus Penduduk 2 periode terakhir yaitu SP 2000 dan SP 2010, AKB di Sumatera Utara mengalami penurunan yang cukup signifikan. AKB pada SP 2000 adalah 44 per 1.000 kelahiran hidup dan turun menjadi 26 per 1.000 kelahiran hidup pada hasil SP 2010.
Dalam upaya perencanaan peningkatan kesejahteraan masyarakat diperlukan data terkait jumlah penduduk di masa depan. Untuk dapat mengetahui jumlah penduduk di masa mendatang, dapat menggunakan rumus proyeksi.
Jumlah penduduk penting untuk diketahui agar dapat mengantisipasi ledakan penduduk dalam pembangunan sarana prasarana maupun peningkatan pelayanan kesehatan.
Proyeksi bukan merupakan ramalan tetapi suatu perhitungan ilmiah. Salah satu rumusan proyeksi adalah metode Eksponensial. Metode Eksponensial digunakan dalam penelitian ini karena sudah mendekati dinamika yang tidak linear, rumus yang digunakan sederhana, mudah dilakukan serta data yang diperlukan mudah dipenuhi, metode ini juga akan dibandingkan dengan metode kedua yaitu Geometri yang sering digunakan dalam pemerintahan untuk melakukan proyeksi.
Perumusan Masalah
Berdasarkan latar belakang diatas, kelahiran yang tidak dapat dikontrol ataupun dikendalikan akan menyebabkan ledakan populasi (over population) yang akan menjadi kerugian bagi daerah itu sendiri, sedangkan angka kematian yang
tinggi menggambarkan derajat kesehatan yang buruk di suatu daerah. Dengan mengetahui angka kelahiran dan kematian dimasa depan, akan membuat Sumatera Utara lebih siap dalam meningkatkan fasilitas kesehatan dan sarana pendidikan serta lapangan kerja. Maka yang menjadi rumusan masalah penelitian ini adalah bagaimana tren angka kelahiran dan kematian bayi di Provinsi Sumatera Utara pada tahun 2018 - 2025 jika di proyeksi menggunakan metode Eksponensial dan Geometri ?.
Tujuan Penelitian
Tujuan umum. Memproyeksikan angka kelahiran dan kematian bayi di Provinsi Sumatera Utara pada Tahun 2018 - 2025 menggunakan metode Eksponensial dan Geometri.
Tujuan khusus. Tujuan khusus dari penelitian ini adalah sebagai berikut:
1. Mengetahui tingkat pertumbuhan angka kelahiran bayi pada kurun waktu Tahun 2012 sampai dengan 2017.
2. Mengetahui tingkat pertumbuhan angka kematian bayi pada kurun waktu Tahun 2007 sampai dengan 2012.
3. Mengetahui berapa besar angka kelahiran dan kematian bayi jika diproyeksikan pada Tahun 2018 sampai Tahun 2025 yang akan datang.
4. Membandingkan hasil metode Eksponensial dengan hasil proyeksi angka kelahiran dan kematian bayi jika diproyeksikan dengan metode Geometri.
5. Membandingkan hasil proyeksi angka kelahiran dan kematian bayi menggunakan perhitungan rumus manual dengan hasil perhitungan aplikasi komputer.
6. Menganalisis hasil tren angka kelahiran dan kematian bayi dari sudut pandang kesehatan masyarakat dan demografi.
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
1. Sebagai bahan informasi gambaran derajat kesehatan di Provinsi Sumatera Utara khususnya pada tingkat kesehatan bayi.
2. Sebagai bahan masukan bagi BKKBN selaku instansi pengendalian penduduk dalam membuat perencanaan dan penyusunan program untuk meningkatkan kualitas kesehatan bayi.
3. Dapat dijadikan referensi bagi Bappenas untuk pengambil suatu keputusan atau kebijakan yang dapat membangun kesejahteraan masyarakat di masa depan.
4. Bahan informasi untuk penelitian lebih lanjut mengenai derajat kesehatan Provinsi Sumatera Utara khususnya kualitas kesehatan bayi.
Pengertian fertilitas. fertilitas adalah sama dengan kelahiran hidup, yaitu keluarnya bayi dari rahim seorang perempuan dengan tanda-tanda kehidupan, seperti bergerak, bernafas, menangis, dan detak jantung berdenyut (Mantra, 2015).
Kelahiran bayi terbagi 2 yaitu lahir hidup dan lahir mati. Lahir hidup adalah kelahiran seorang bayi dari seorang wanita tanpa memandang lamanya di dalam kandungan yang ketika lahir memberikan tanda-tanda kehidupan, seperti menangis, bernafas, bergerak dan lainnya, sedangkan lahir mati merupakan kebalikan dari lahir hidup, dimana lahirnya seorang bayi dari rahim sang ibu tanpa memberikan tanda-tanda kehidupan (Badan Pusat Statistik [BPS], 2018).
Menurut FEUI (2007), fertilitas sebagai hasil reproduksi yang nyata seorang wanita untuk mengalami proses melahirkan dengan memperhatikan jumlah bayi yang pernah dilahirkan dari seorang wanita Namun, lahirnya bayi tanpa adanya tanda-tanda kehidupan menurut demografi tidak termasuk kedalam kelahiran (fertilitas) dan disebut lahir mati (still birth). Apabila seorang perempuan melahirkan bayi dengan tanda-tanda kehidupan, namun tidak lama hilanglah tanda-tanda tersebut atau meninggal maka bayi tersebut termasuk kedalam lahir hidup.
Thompson (1953), “State fertility the actual reproductive performance of a woman or group a woman”. Fertilitas diartikan sebagai kemampuan memberikan keturunan yang diukur dengan lahir hidup (hasil nyata) dari seorang wanita atau sekelompok wanita. Wanita fertil yaitu semua wanita yang pernah melahirkan
bayi hidup, tetapi tidak semua wanita dapat disebut wanita fertil, seperti wanita yang pernah hamil belum tentu dapat melahirkan bayi dengan hidup (Mardiani dan Purnomo, 2018).
Pengukuran fertilitas. Pengukuran fertilitas tidak sesederhana seperti pengukuran mortalitas, dikarenakan alasan-alasan sebagai berikut :
1. Akurasi data, sulit memperoleh data lahir hidup karena banyak bayi-bayi yang meninggal beberapa saat setelah kelahiran tidak dicatatkan sebagai peristiwa kelahiran atau kematian dan sering juga dicatatkan sebagai lahir mati (still bith).
2. Tidak semua wanita bisa melahirkan, yang bisa melahirkan adalah wanita menikah yang usianya usia reproduksi.
3. Kejadian melahirkan seorang wanita dapat berkali-kali dan melibatkan dua orang, suami dan istri, dan akan lebih kompleks jika seorang wanita tersebut cerai, dan menikah lagi. Berbeda dengan kematian yang hanya melibatkan satu orang saja (orang yang meninggal).
4. Budaya mempengaruhi kelahiran terutama yang mendukung kelahiran misalnya budaya yang mempercayai banyak anak banyak rezeki.
Ada dua macam pengukuran fertilitas yaitu pengukuran fertilitas tahunan dan pengukuran fertilitas kumulatif. Pengukuran fertilitas tahunan adalah mengukur jumlah kelahiran pada tahun tertentu dan dihubungkan dengan jumlah penduduk yang mempunyai resiko untuk melahirkan pada tahun tersebut, sedangkan pengukuran kumulatif adalah mengukur jumlah rata-rata anak yang dilahirkan oleh seorang wanita sampai mengakhiri batas usia subur (Mantra, 2015).
Pengukuran fertilitas tahunan. Pengukuran fertilitas tahunan hampir sama dengan pengukuran mortalitas. Ada beberapa ukuran fertilitas tahunan seperti:
Angka kelahiran kasar/Crude Birth Rate (CBR). Angka kelahiran kasar didefinisikan sebagai banyaknya kelahiran hidup pada suatu daerah pada tahun tertentu tiap 1000 penduduk pada pertengahan tahun (BPS, 2018).
Angka kelahiran umum/General Fertility Rate (GFR). Berbeda dari CBR, yang membandingkan jumlah kelahiran dengan jumlah penduduk pertengahan tahun. Penduduk yang mempunyai resiko hamil adalah perempuan dalam usia subur (umur 15 - 49 tahun), bukan semua penduduk. GFR lebih akurat karena penyebutnya bukan jumlah penduduk pertengahan tahun tetapi jumlah penduduk perempuan pertengahan tahun umur 15 – 49 tahun. GFR didefinikan sebagai banyaknya kelahiran hidup pada suatu daerah pada tahun tertentu tiap 1000 perempuan usia subur (BPS, 2018).
Angka kelahiran menurut umur/Age Specific Fertility Rate (ASFR). Angka kelahiran menurut umur mengelompokkan perempuan dalam dengan interval 5 tahun. Diantara kelompok perempuan usia reproduktif (15 – 49 tahun) terdapat variasi kemampuan melahirkan yang berbeda-beda, karena itu perlu dihitung tingkat fertilitas perempuan pada tiap-tiap kelompok umur (age specific fertility rate). ASFR didefinikan sebagai banyaknya kelahiran hidup dari wanita umur tertentu tiap 1000 wanita umur tersebut. Pada umumnya kelompok umur 15 – 19 tahun tergolong sedang, kelompok umur 20-an adalah yang tertinggi dan kelompok umur terendah adalah umur 39 tahun ke atas. Pola ASFR biasanya membentuk huruf U terbalik (BPS, 2018).
Pengukuran fertilitas kumulatif. Pengukuran dalam fertilitas kumulatif adalah mengukur rata-rata jumlah anak laki – laki dan perempuan yang dapat dilahirkan oleh seorang perempuan pada waktu perempuan itu memasuki usia subur hingga melampaui batas reproduksinya 15 – 49 tahun (Mantra, 2018).
Beberapa pengukuran fertilitas kumulatif adalah sebagai berikut:
Gross Reproduction Rate (GRR). GRR adalah jumlah kelahiran bayi perempuan oleh 1000 perempuan sepanjang masa reproduksinya dengan catatan tidak ada seorang perempuan yang meninggal sebelum mengakhiri masa reproduksinya (BPS, 2018). Gross Reproduction Rate dapat mengukur berapa jumlah wanita yang akan menggantikan 1000 perempuan sebelumnya. Kelemahan dari perhitungan GRR ini adalah mengabaikan kemungkinan perempuan (yang tadinya bayi) meninggal sebelum masa reproduksinya berakhir.
Net Reproduction Rate (NRR). NRR adalah jumlah kelahiran bayi perempuan oleh kohor hipotesis dari 1000 perempuan dengan memperhitungkan kemungkinan meninggalnya perempuan – perempuan itu sebelum mengakhiri masa reproduksinya (BPS, 2018). Atau dapat dikatakan merupakan angka yang menunjukan rata – rata jumlah anak – anak perempuan yang dilahirkan oleh seorang wanita selama masa hayatnya. Fungsi angka ini sama dengan GRR, yaitu melihat berapakah bayi perempuan yang dapat menggantikan ibunya, hanya saja dalam NRR ini lebih akurat karena memperkirakan kemungkinan perempuan itu meninggal sebelum masa reproduksinya berakhir.
Angka kelahiran total/Total Fertility Rate (TFR). Angka kelahiran total didefinisikan sebagai jumlah kelahiran hidup laki – laki dan perempuan tiap 1000 penduduk wanita selama masa reproduksinya. Dalam prakteknya angka kelahiran
total dikerjakan dengan mengalikan angka kelahiran perempuan menurut umur (ASFR), apabila umur tersebut berjenjang lima tahunan, dengan asumsi bahwa tingkat fertilitas menurut umur tunggal tersebut sama dengan rata – rata tingkat fertilitas kelompok umur lima tahunan nantinya (Mantra, 2015).
Maka rumus dari angka kelahiran total atau TFR adalah sebagai berikut:
TFR = 5 x ∑ ASFRi Keterangan:
TFR = Total Fertility Rate
∑ ASFRi = Jumlah angka kelahiran menururt kelompok umur
Misal, dalam Provinsi X jumlah angka kelahiran menurut umur sebesar 600, maka besarnya Tingkat Total Fertilitas Rate (TFR) adalah:
TFR = 5 x ∑ ASFRi
= 5 x 600
= 3000 per 1000 perempuan
Ini berarti tiap 1000 perempuan dalam masa reproduksinya akan melahirkan 3000 bayi laki – laki dan perempuan atau setiap perempuan di Provinsi X dalam masa reproduksinya mempunyai 3 orang anak.
TFR dapat digunakan sebagai indikator yang penting didalam melaksanakan perencanaan kesehatan karena dapat mengetahui setiap keluarga dapat melahirkan berapa banyak anak. Angka kelahiran dapat dipergunakan untuk menyusun strategi kebijakan baru atau mengevaluasi kinerja dalam upaya peningkatan derajat kesehatan khususnya program Keluarga Berencana.
Tren kelahiran bayi di Indonesia cenderung menurun mulai dari Tahun 1971, hingga Tahun 2012. Perbedaan penurunan tren antara TFR hasil Sensus
Penduduk, SDKI dan SUPAS terjadi karena cakupan penduduk yang didata dalam setiap sensus dan survei berbeda-beda. Berikut ini tabel TFR menurut Sensus Penduduk, SDKI dan SUPAS:
Tabel 1
Total Fertility Rate (TFR) menurut Sensus Penduduk, SDKI dan SUPAS di Indonesia Tahun 1971 – 2015
Tahun SP SDKI SUPAS
1971 5,61
1980 4,68
1990 3,33
1991 3
1994 2,85
1997 2,34
2000 2,27
2007 2,6
2010 2,41
2012 2,6
2015 2,28
Sumber: Badan Pusat Statistik, 2018
Ledakan penduduk (over population). Kepadatan penduduk adalah perbandingan antara jumlah penduduk dengan luas wilayah yang dihuni (Mantra, 2015). Ukuran yang biasa digunakan adalah jumlah penduduk setiap satu km2 atau setiap satu mil2. Permasalahan dalam kepadatan penduduk adalah persebaran yang tidak merata.
Kepadatan penduduk dapat mempengaruhi kualitas hidup penduduknya.
Pada daerah dengan kepadatan yang tinggi, usaha peningkatan kualitas penduduk akan lebih sulit dilakukan. Hal ini menimbulkan permasalahan sosial ekonomi, kesejahteraan, keamanan, ketersediaan lahan, air bersih dan kebutuhan pangan.
Dampak yang paling besar adalah kerusakan lingkungan (Christiani, 2013).
Semua kebutuhan manusia dipenuhi dari lingkungan, karena lingkungan merupakan sumber alam yang digunakan untuk memenuhi kebutuhan hidup manusia. Kebutuhan tersebut meliputi kebutuhan pangan, papan, air bersih, udara bersih dan kebutuhan lainnya (Tedjo, 2013).
Ledakan penduduk yang cepat menimbulkan dampak buruk bagi kehidupan masyarakat terutama dalam bidang sosial ekonomi masyarakat.
Adapun dampak dari ledakan penduduk adalah:
1. Semakin terbatasnya sumbersumber kebutuhan pokok (pangan, sandang, papan, yang layak). Akibatnya sumber-sumber kebutuhan pokok tersebut tidak lagi sebanding dengan bertambahnya jumlah penduduk.
2. Tidak tercukupinya fasilitas sosial dan kesehatan yang ada (sekolah, rumah sakit, tempat rekreasi) serta berbagai fasilitas pendukung kehidupan lain.
3. Tidak tercukupinya lapangan pekerjaan bagi tenaga kerja yang ada, akibatnya terjadilah peningkatan jumlah pengangguran dan berdampak pada menurunnya kualitas sosial (banyak tuna wisma, pengemis, kriminalitas meningkat dan lain-lain).
Mortalitas (Kematian)
Pengertian mortalitas. Kematian menurut Organisasi Kesehatan Dunia (WHO) adalah peristiwa menghilangnya semua tanda-tanda kehidupan, yang bisa terjadi setiap saat setelah kelahiran. Dapat di simpulkan bahwa keadaan mati hanya bisa terjadi kalau sudah terjadinya kelahiran hidup. Dengan demikian mati tidak pernah ada apabila kehidupan tidak ada, karena kehidupan harus dimulai dengan lahir hidup. Kematian atau mortalitas adalah salah satu yang berpengaruh terdapat jumlah dan kondisi penduduk. Tinggi rendahnya tingkat mortalitas
penduduk suatu daerah tidak hanya mempengaruhi pertumbuhan penduduk, tetapi juga merupakan barometer dari tinggi rendahnya tingkat kesehatan masyarakat.
Konsep mati perlu diketahui agar mendapat data kematian yang benar.
Pengertian mati yang salah bisa menyebabkan penafsiran antara berbagai orang tentang kapan seseorang dikatakan mati. Menurut konsepnya, terdapat 3 keadaan vital yang masing – masing bersifat mutually exclusive, artinya keadaan yang satu tidak mungkin terjadi dengan salah satu keadaan lainnya secara bersamaan.
Tiga keadaan vital tersebut adalah:
1. Lahir hidup (live birth), peristiwa keluarnya hasil konsepsi dari rahim seorang ibu secara lengkap, inilah fertilitas.
2. Mati (death), hilangnya tanda tanda kehidupan setelah lahir hidup (fertilitas) 3. Lahir mati (still birth), hilangnya tanda – tanda kehidupan dari hasil konsepsi
sebelum hasil konsepsi tersebut dikeluarkan dari rahim.
Dari definisi diatas “lahir hidup” tidak termasuk dalam mati maupun hidup (FEUI, 2007).
Pengukuran mortalitas. Ukuran kematian menunjukan suatu angka yang dipakai sebagai dasar untuk menentukan tinggi rendahnya tingkat kematian suatu penduduk. Ada beberapa cara mengukur data kematian penduduk, diantaranya:
Angka kematian kasar (crude death rate / CDR). Angka Kematian Kasar didefinisikan sebagai banyaknya kematian pada tahun tertentu, tiap 1000 penduduk pada pertengahan tahun. (BPS, 2018)
Angka kematian menurut umur (age specific death rate / ASDR). Besar kecilnya kematian dipengaruhi beberapa faktor, salah satunya adalah umur.
Resiko kematian berbeda antara satu kelompok umur dengan kelompok umur
lainnya. Orang yang berumur 80 tahun pada umumnya mempunyai resiko kematian lebih besar daripada orang yang berumur 20 tahun, anak berumur 1 tahun akan mempunyai resiko kematian lebih besar daripada anak berumur 10 tahun. Kematian relatif tinggi pada umur sangat muda dan umur tua, sehingga pola kematian menurut umur apalabila digambarkan dengan grafik akan menyerupai huruf “U”. Age Spesific Death Rate mengelompokkan penduduk menurut umurnya dengan interval 5 tahun setiap kelompoknya (Mantra, 2015).
Angka kematian bayi (infant mortality rate). Angka Kematian Bayi didefinisikan sebagai jumlah kematian bayi tiap 1000 penduduk pada tahun tertentu (BPS, 2018). Angka Kematian Bayi dapat dihitung dengan rumus sebagai berikut:
IMR = 𝑫𝒊 𝑩
x
k
Keterangan:
IMR = Infant Mortality Rate
Di = Jumlah kematian bayi pada tahun tertentu B = Jumlah lahir hidup pada tahun tertentu k = Bilangan konstan = 1000
Angka Kematian Bayi (AKB) merupakan indikator yang sangat berguna, tidak saja terhadap status kesehatan anak, tetapi juga terhadap status penduduk keseluruhan, kualitas pelayanan kesehatan, tingkat gizi keluarga, tingkat pendidikan dan kondisi ekonomi dimana penduduk tersebut bertempat tinggal.
Angka ini sangat sensitif, tidak hanya menggambarkan besarnya masalah kesehatan yang bertanggungjawab langsung terhadap kematian bayi seperti diare,
infeksi saluran pernafasan, kekurangan gizi, kondisi prenatal dll, tetapi juga menggambarkan tingkat kesehatan ibu, kondisi kesehatan lingkungan dan secara umum tingkat perkembangan sosial ekonomi masyarakat. Pada negara yang angka kematian bayi telah dihitung selama periode yang lama, terlihat reduksi angka kematian bayi sejajar dengan perbaikan standar hidup dan kondisi sanitasi termasuk juga kemudahan pelayanan kesehatan (Mantra, 2015).
Angka Kematian Bayi (AKB) penting untuk diketahui setiap tahun, angka tersebut bertujuan untuk memantau kondisi sebuah negara secara berkala. Angka kematian bayi juga merupakan salah satu faktor mencerminkan tingkat kesehatan dan kualitas hidup penduduk dalam sebuah negara. Angka ini dipakai untuk mengevaluasi kebijakan dan program kesehatan dan kependudukan yang ada di sebuah negara.
Tren AKB di Indonesia cenderung menurun mulai dari 1991, hingga tahun 2015 pada evaluasi untuk MDG’s, Indonesia berhasil untuk menurunkan dua pertiga angka kematian bayi dari 71 menjadi 22 pada tahun 2015, walaupun begitu AKB di Indonesia masih cenderung tinggi. Perbedaan cakupan penduduk yang di data dalam setiap sensus dan survei membuat angka kematian bayi memiliki tren yang berbeda pula. Berikut ini AKB menurut Sensus Penduduk, SDKI dan SUPAS.
Tabel 2
Angka Kematian Bayi (AKB) menurut Sensus Penduduk, SDKI dan SUPAS di Indonesia Tahun 1971 – 2015
Tahun SP SDKI SUPAS
1971 145
1980 109
1990 71
(bersambung)
Tabel 2
Angka Kematian Bayi (AKB) menurut Sensus Penduduk, SDKI dan SUPAS di Indonesia Tahun 1971 – 2015
Tahun SP SDKI SUPAS
1994 66
1997 52
2000 47
2002 43
2007 39
2010 26
2012 34
2015 22
Sumber: Badan Pusat Statistik, 2018 Proyeksi
Semua perencanaan pembangunan sangat membutuhkan data penduduk, tidak saja pada saat merencanakan pembangunan tetapi juga pada masa – masa mendatang yang disebut dengan proyeksi penduduk. Proyeksi penduduk bukan merupakan ramalan jumlah penduduk untuk masa mendatang, tetapi suatu perhitungan ilmiah yang didasarkan asumsi dari komponen – komponen laju pertumbuhan penduduk yaitu kelahiran, kematian dan migrasi penduduk (Mantra, 2015). Sedangkan menurut Multilingual Demograohic Dictionary, proyeksi penduduk adalah perhitungan yang menunjukan keadaan fertilitas, mortalitas, dan migrasi dimasa yang akan datang. Proyeksi penduduk menggunakan beberapa asumsi – asumsi sehingga jumlah penduduk yang akan datang adalah “x” jika fertilitas, mortalitas dan migras berada pada tingkat tertentu.
Ketiga komponen yaitu fertilitas, mortalitas dan migrasi yang menentukan besarnya jumlah penduduk dan struktrur penduduk dimasa yang akan datang.
Ketajaman proyeksi penduduk sangat tergantung pada ketajaman asumsi tren
komponen pertumbuhan penduduk yang di buat. Menurut Badan Pusat Statistik, untuk menentukan asumsi tingkat kelahiran, kematian dan perpindahan di masa yang akan datang diperlukan data yang menggambarkan tren di masa lampau hingga saat ini (Mantra, 2015).
Manfaat proyeksi. Manfaat proyeksi selain menghasilkan angka proyeksi dimasa yang akan datang, juga sebagai acuan dalam menentukan perencanaan pembangunan dan alat evaluasi menilai program yang telah berjalan sehingga dapat berjalan secara efektif dan efisien, baik oleh pemerintah pusat maupun pemerintah daerah (FEUI, 2007). Pemerintah memerlukan proyeksi penduduk sehubungan dengan tanggung jawabnya untuk memperbaiki kondisi sosial ekonomi dari rakyatnya melalui pembangunan yang terencana. Hasil proyeksi penduduk juga sebagai penentu untuk proses perencanaan pembangunan:
Bidang pangan. Untuk menentukan kebutuhan akan bahan pangan sesuai dengan gizi serta susunan penduduk menurut umur.
Bidang kesehatan. Untuk menentukan jumlah medis, dokter, obat-obatan, jumlah tempat tidur di rumah sakit-rumah sakit yang diperlukan selama periode proyeksi.
Bidang tenaga kerja. Untuk menentukan jumlah angkatan kerja, penyediaan lapangan kerja yang erat hubunganya dengan proyeksi tentang kemungkinan perencanaan untuk memperhitungkan perubahan tingkat pendidikan, kemampuan dan pengalaman dari tenaga kerja.
Bidang pendidikan. Proyeksi penduduk dipakai sebagai dasar untuk memperkirakan jumlah penduduk usia sekolah, jumlah murid, jumlah guru, gedung-gedung sekolah, pendidikan pada masa yang akan datang.
Bidang produksi barang dan jasa. Dengan proyeksi angkatan kerja dalam hubunganya dengan data mengenai produktivitas merupakan dasar estimasi produksi barang-barang dan jasa dimasa mendatang.
Jenis - jenis proyeksi penduduk. Proyeksi digunakan sesuai keinginan dan kebutuhan data periode kapan yang perlu di proyeksikan. Ada pun jenis-jenis perkiraan penduduk yang perlu diketahui selain proyeksi adalah:
Intercensal/interpolasi. Intercensal/interpolasi adalah suatu perkiraan mengenai keadaan penduduk diantara 2 sensus yang kita ketahui, jadi hasil kedua sensus diperhitungkan dan pertumbuhan penduduk dianggap linear, berarti setiap tahun penduduk akan bertambah dengan jumlah yang sama.
Postecensal estimated. Postecensal estimated adalah perkiraan mengenai penduduk sesudah sensus. Prinsipnya juga sama, yaitu pertambahan penduduk adalah linear.
Projection/proyeksi. Projection/proyeksi adalah perkiraan mengenai jumlah penduduk di tahun berikutnya.
Metode perhitungan proyeksi. Pada umumnya metode yang sering digunakan dalam proyeksi pertumbuhan penduduk ada 3 metode yaitu, metode aritmatik, metode geometri dan metode eksponensial.
Metode Aritmatik. Metode secara Aritmatik adalah perhitungan pertumbuhan penduduk dengan jumlah (absolut number) adalah sama setiap tahun. Metode ini menggunakan sistem linear (FEUI, 2007). Adapun rumus metode ini sebagai berikut:
P
t= P
0(1+rt)
Keterangan:
Pt = Jumlah kelahiran dan kematian bayi pada tahun t P0 = Jumlah kelahiran dan kematian bayi pada tahun dasar r = Tingkat pertumbuhan kelahiran dan kematian bayi t = Jangka waktu antara tahun t dengan tahun dasar
Metode Geometrik. Metode secara Geometrik adalah perhitungan pertumbuhan penduduk bertahap, yaitu dengan memperhintungkan pertumbuhan hanya pada akhir tahun dari suatu periode. Pertumbuhan ini juga sering disebut
“bunga berganda” (bunga majemuk). Laju pertumbuhan penduduk dianggap sama setiap tahun (Mantra, 2015). Berikut rumus yang digunakan dalam metode Geometrik:
P
t= P
0. (1+r)
tKeterangan:
Pt = Jumlah kelahiran dan kematian bayi pada tahun t P0 = Jumlah kelahiran dan kematian bayi pada tahun dasar r = Tingkat pertumbuhan kelahiran dan kematian bayi t = Jangka waktu antara tahun t dengan tahun dasar
Metode Eksponensial. Metode Eksponensial adalah perhitungan yang berlangsung terus menerus (continuous). Ukuran penduduk secara Eksponensial ini lebih tepat, karena pertumbuhannya tidak sama setiap tahunnya.
Dari ketiga metode tersebut yang paling sering digunakan adalah metode secara Eksponensial dan Geometrik. Angka pertumbuhan penduduk secara aritmatik tidak baik untuk mengukur pertumbuhan penduduk karena jumlah bertambahnya penduduk tidak mungkin dengan jumlah yang sama. Dalam
penelitian ini digunakan metode eksponensial karena dibandingkan dengan geometrik dan aritmatik, metode ini termasuk “non-linear” (Mantra, 2015).
Non-linear tidak mengasumsikan jika pertambahan penduduk sama setiap tahunnya, misal 2, 4, 6, 8, ini adalah linear dengan pertambahan 2 setiap tahun.
Walaupun jika dihitung dalam kurun waktu dua sampai tiga tahun hasil eksponensial dengan geometrik tergolong sama jika dibulatkan tetapi jika di proyeksikan untuk jangka waktu yang lebih lama misalnya 100 tahun hasilnya akan jauh berbeda.
Jika nilai r > 0, artinya terjadi pertumbuhan penduduk yang positif atau terjadi penambahan jumlah penduduk dari tahun sebelumnya. Jika r < 0, artinya pertumbuhan penduduk negatif atau terjadi penurunan jumlah penduduk dari tahun sebelumnya. Jika r = 0, artinya tidak terjadi perubahan jumlah penduduk dari tahun sebelumnya.
Data yang dibutuhkan untuk menggunakan metode peramalan ini minimum selama dua tahun (Assauri, 1984). Minimal jumlah titik yang diperlukan juga sejalan dengan BPS yaitu syarat pertama adalah menyiapkan dua data penduduk untuk tahun berbeda pada suatu wilayah yang akan diestimasi.
Adapun rumus metode secara Eksponensial adalah sebagai berikut:
P
t= P
0. e
rtKeterangan:
Pt = Jumlah kelahiran dan kematian bayi pada tahun t P0 = Jumlah kelahiran dan kematian bayi pada tahun dasar e = Angka Eksponensial (2,718282)
r = Tingkat pertumbuhan kelahiran dan kematian bayi t = Jangka waktu antara tahun t dengan tahun dasar
Bappenas. Bappenas atau Badan Perencanaan Pembangunan Nasional adalah badan resmi dari pemerintah yang mempunyai tugas menyelenggarakan urusan pemerintah di bidang perencanaan pembangunan nasional. Bappenas bekerjasama dengan BPS juga mengeluarkan buku Proyeksi Penduduk Indonesia 2010 – 2035 sebagai gambaran bagaimana arah dan rencana pembangunan kedepan. Untuk memproyeksikan jumlah penduduk, terlebih dahulu harus melakukan asumsi TFR, IMR dan migrasi yang digunakan dengan metode fitting atau juga disebut dengan rumus fungsi logistik.
Landasan Teori
Menurut Mantra (2015), fertilitas adalah sama dengan kelahiran hidup, yaitu keluarnya bayi dari rahim seorang perempuan dengan tanda-tanda kehidupan, seperti bergerak, bernafas, menangis, dan detak jantung berdenyut.
Mortalitas menurut WHO adalah peristiwa menghilangnya semua tanda-tanda kehidupan, yang bisa terjadi setiap saat setelah kelahiran.
Metode secara geometrik adalah perhitungan pertumbuhan penduduk bertahap, yaitu dengan memperhintungkan pertumbuhan hanya pada akhir tahun dari suatu periode. Sedangkan metode eksponensial adalah perhitungan yang berlangsung terus menerus (continuous). Dari ketiga metode perhitungan proyeksi yang paling sering digunakan adalah metode secara eksponensial dan geometrik.
Angka pertumbuhan penduduk secara aritmatik tidak baik untuk mengukur pertumbuhan penduduk karena jumlah bertambahnya penduduk tidak mungkin dengan jumlah yang sama. Dalam penelitian ini digunakan metode eksponensial karena dibandingkan dengan geometrik dan aritmatik, metode ini termasuk “non- linear”.
Kerangka Konsep
Berdasarkan uraian diatas maka dapat dirumuskan kerangka konsep penelitian ini adalah sebagai berikut:
Gambar 1. Kerangka konsep Angka Kelahiran
Total (TFR)
Angka Kematian Bayi (AKB) /
(IMR)
Metode Eksponensial dan Geometri secara manual
dan aplikasi komputer.
Tren TFR di Sumatera Utara Tahun 2018 - 2025
Tren TFR di Sumatera Utara Tahun 2018 - 2025
Jenis penelitian yang digunakan adalah penelitian kuantitatif deskriptif dengan menggunakan data sekunder dari SDKI Tahun 2002 sampai 2017, data yang terkumpul tersebut akan diolah untuk menggambarkan proyeksi angka kelahiran dan kematian bayi di Provinsi Sumatera Utara.
Lokasi dan Waktu Penelitian
Lokasi penelitian. Penelitian atau pengumpulan data dilakukan di Provinsi Sumatera Utara.
Waktu penelitian. Waktu penelitian ini dilakukan pada bulan Febuari 2019 sampai bulan Agustus 2019.
Populasi dan Sampel
Populasi penelitian ini adalah seluruh data TFR yang di peroleh pada data SDKI 2007, 2012 dan 2017. Sedangkan untuk data IMR bersumber dari SDKI 2002, 2007 dan 2012 yang di dapatkan dari BKKBN (Badan Kependudukan dan Keluarga Berencana Nasional) Provinsi Sumatera Utara, dan sampel penelitian adalah seluruh data populasi.
Variabel dan Definisi Operasional
1. Angka kelahiran total/Total Fertility Rate (TFR) adalah rata-rata anak yang dilahirkan seorang wanita selama masa usia suburnya (BPS, 2018).
2. Angka Kematian Bayi (AKB)/Infant Mortality Rate (IMR) adalah angka yang menunjukan banyaknya kematian bayi setiap 1000 kelahiran hidup pada tahun tertentu sebelum bayi mencapai usia satu tahun (BPS, 2018).
Metode Pengumpulan Data
Data yang digunakan adalah data sekunder yang berupa data berupa : 1. Data TFR yang bersumber pada data SDKI 2007, 2012 dan 2017.
2. Data IMR bersumber dari SDKI 2002, 2007 dan 2012 yang di dapatkan dari BKKBN (Badan Kependudukan dan Keluarga Berencana Nasional) Provinsi Sumatera Utara.
Metode Pengkuran
Metode pengkuruan pada penelitian ini berupa presentase dari angka kelahiran dan kematian bayi di Provinsi Sumatera Utara. Hasil prensentase angka kelahiran dan kematian bayi didapat dengan metode Eksponensial dan Geometri.
Metode Analisis Data
Data angka kelahiran total/Total Fertility Rate (TFR) dan Angka Kematian Bayi(AKB)/Infant Mortality Rate (IMR) akan diproyeksikan menggunakan metode Eksponensial dan Geometri secara rumus manual dan aplikasi komputer, kemudian membandingkan proyeksi menggunakan 2 titik dengan 3 titik untuk menguji keakuratan hasil tersebut. Berikut metode analisis data menggunakan program Microsoft Office Excel, dengan tahapan sebagai berikut ini:
Membuka program Microsoft Office Excel. Membuka aplikasi ini dapat dilakukan dengan berbagai cara, cara termudah adalah dengan mengklik icon Microsoft Office Excel pada desktop, cara kedua bisa melalui Start Menu ➔ Microsoft Office ➔ Microsoft Office Excel, dan cara ketiga bisa melalui menu run dengan menekan + R, akan muncul menu run lalu ketikan “excel” lalu klik enter. Akan muncul jendela tampilan Microsoft Office Excel seperti dibawah ini.
Gambar 2. Tampilan awal Microsoft Office Excel
Mencari laju pertumbuhan. Kemudian melogikakan rumus Eksponensial (Pt = P0 . ert) untuk mencari “r” yaitu laju / tingkat pertumbuhan kelahiran dan kematian bayi kedalam Microsoft Office Excel seperti gambar dibawah ini:
Gambar 3. Rumus mencari “r” (tingkat pertumbuhan) dalam Ms. Excel
Untuk dapat menentukan angka “r” perlu adanya data P0 (angka TFR/IMR awal) disini adalah TFR/IMR Sumatera Utara dalam SDKI 2012, Pt (angka TFR/IMR yang diketahui) disini adalah TFR/IMR Sumatera Utara dalam SDKI 2017.
Memproyeksikan angka kelahiran dan kematian menggunakan Eksponensial. Setelah angka laju pertumbuhan dari titik pertama (SDKI 2012) ke titik kedua (SDKI 2017) diketahui, maka dapat diproyeksikan untuk tahun 2018 – 2025 dengan melogika rumus Eksponensial (Pt = P0 . ert) dalam Microsoft Office Excel sebagaimana terlihat pada gambar dibawah ini:
Gambar 4. Proyeksi dengan metode Eksponensial dalam Ms. Excel
Membuat grafik. Setelah angka TFR/IMR pada tahun 2018 sampai dengan 2025 diketahui, maka akan dibuat grafik garis untuk melihat bagaimana trennya dari tahun ke tahun.
Hasil Penelitian
Gambaran Umum Provinsi Sumatera Utara
Geografis. Provinsi Sumatera Utara terletak di bagian barat wilayah Indonesia. Terletak di antara garis 1°-4° Lintang Utara dan 98°-100° Bujur Timur.
Berbatasan dengan daerah perairan dan laut, serta tiga Provinsi di Indonesia yaitu Aceh Riau, dan Sumatera Barat, dan beberapa Negara tetangga. Provinsi Sumatera Utara berada berbatasan dengan Provinsi Aceh di sebelah Utara, berbatasan dengan Negara Malaysia di sebelah Timur melalui Selat Malaka, berbatasan dengan Provinsi Riau di sebelah Selatan dan Sumatera Barat, serta berbatasan dengan Samudera Hindia di sebelah Barat (BPS, 2018).
Provinsi Sumatera Utara memiliki luas daratan sebesar 72.981,23 km2 yang terdiri dari daratan Pulau Sumatera dan Kepulauan Nias, Pulau-Pulau Batu, serta pulau-pulau kecil yang berada di bagian barat maupun baian timur pantai Pulau Sumatera. Berdasarkan luas wilayah Kabupaten/Kota di Sumatera Utara diketahui yang terbesar adalah wilayah Kabupaten Langkat yaitu 6.262,00 km2 atau sekitar 8,58% dari total luas wilayaha Sumatera Utara. Selanjutnya Kabupaten Mandailing Natal dengan luas 6.134,00 km2 (8,40%) dan Kabupaten Tapanuli Selatan dengan luas 6.030,47 km2 (8,26%). Sedangkah luas daerah paling kecil adalah wilayah Kota Tebing Tinggi yang hanya seluas 31,00 km2 atau sekitar 0,04% dari total luas wilayah Sumatera Utara. Berdasarkan letak dan kondisi alam, wilayah Sumatera Utara dapat dikelompokkan dalam 3 (tiga) kelompok wilayah yaitu wilayah pantai barat, dataran tinggi, dan pantai timur (BPS, 2018).
Administratif Pemerintahan di Provinsi Sumatera Utara pada Tahun 2017, terdiri dari 33 Pemerintahan Kabupaten/ Kota yang terbagi menjadi 8 kota dan 25 Kabupaten dengan jumlah kecamatan sebanyak 440 kecamatan serta 6.112 desa/
kelurahan. Provinsi Sumatera Utara beriklim tropis dengan kisaran suhu antara 15°C-33°C, mempunyai 2 musim yakni kemarau pada bulan Januari sampai Juli dan musim hujan pada bulan Agustus sampai Desember, serta diantara kedua musim tersebut diselingi oleh musim pancaroba (BPS, 2018). Adapun letak ketinggian daerah dari permukaan laut untuk masing-masing Kabupaten/Kota adalah sebagai berikut:
Tabel 3
Luas Daerah menurut Kabupaten/Kota di Sumatera Utara
Nama Kabupaten/ Kota Luas/ Area (Km2) Rasio (%)
Nias 1.842,51 2,52
Mandailing Natal 6.134,00 8,40
Tapanuli Selatan 6.030,47 8,26
Tapanuli Tengah 2.188,00 3,00
Tapanuli Utara 3.791,64 5,20
Toba Samosir 2.328,89 3,19
Labuhan Batu 2.156,02 2,95
Asahan 3.702,21 5,07
Simalungun 4.369,00 5,99
Dairi 1.927,80 2,64
Karo 2.127,00 2,91
Deli Serdang 2.241,68 3,07
Langkat 6.262,00 8,58
Nias Selatan 1.825,20 2,50
Humbang Hasundutan 2.335,33 3,20
Pakpak Bharat 1.218,30 1,67
Samosir 2.069,05 2,84
Serdang Bedagai 1.900,22 2,60
Padang Lawas Utara 3.918,05 5,37
Padang Lawas 3.892,74 5,33
Labuhan Batu Selatan 3.596,00 4,93
Labuhan Batu Utara 3.570,98 4,89
Nias Utara 1.202,78 1,65
(bersambung)
Tabel 3
Luas Daerah menurut Kabupaten/Kota di Sumatera Utara
Nama Kabupaten/ Kota Luas/ Area (Km2) Rasio (%)
Nias Barat 473,73 0,65
Sibolga 41,31 0,06
Tanjung Balai 107,83 0,15
Pematangsiantar 55,66 0,08
Tebing Tinggi 31,00 0,04
Medan 265,00 0,36
Binjai 59,19 0,08
Padang Sidempuan 114,66 0,16
Gunung Sitoli 280,78 0,38
Sumatera Utara 72.981,23 100,00
Sumber: Badan Pusat Statistik, 2018
Kependudukan. Sumatera utara merupakan provinsi keempat terbesar dalam jumlah penduduknya di Indonesia setelah Provinsi Jawa Barat, Jawa Timur, dan Jawa Tengah. Berdasarkan data BPS Provinsi Sumatera Utara Tahun 2017, Provinsi Sumatera Utara tercatat memiliki jumlah penduduk 14.262.147 jiwa terdiri dari 7.116.896 jiwa laki-laki dan 7.145.251 jiwa perempuan, dengan sex ratio sebesar 99,60 dan rata-rata kepadatan penduduk 196 jiwa per km2 (Dinas Kesehatan Provinsi Sumatera Utara, 2018).
Tingkat kepadatan penduduk yang tinggi umumnya terdapat di wilayah perkotaan. Adapun kota dengan kepadatan penduduk tertinggi adalah Kota Medan yakni 8.481 jiwa per km2, disusul Kota Tebing Tinggi dengan kepadatan penduduk 5.183 jiwa per km2 dan Kota Binjai dengan kepadatan penduduk sebesar 4.592 jiwa per km2. Sedangkan wilayah dengan kepadatan penduduk tergolong rendah adalah Kabupaten Tapanuli Selatan yakni sebesar 46 jiwa per km2, disusul dengan Kabupaten Pakpak Bharat dengan kepadatan penduduk sebesar 49 jiwa per km2 dan Kabupaten Samosir dengan kepadatan penduduk 60 jiwa per km2 (Dinas Kesehatan Provinsi Sumatera Utara, 2018).
Rata-rata jumlah anggota keluarga di Sumatera Utara pada Tahun 2017 adalah sebesar 4,28 per KK yang berarti rata-rata setiap keluarga memiliki 4-5 anggota keluarga. Adapun sebaran Kabupaten/Kota dengan rata-rata jumlah anggota keluarganya paling banyak adalah Kabupaten Pakpak Barat yaitu 5,61 dan yang paling sedikit adalah Kabupaten Karo yaitu 3,71 orang. Distribusi jumlah penduduk Provinsi Sumatera Utara per tahun berdasarkan data Tahun 1961 sampai 2017 adalah seperti digambarkan pada gambar di bawah ini (Dinas Kesehatan Provinsi Sumatera Utara, 2018).
Gambar 5. Jumlah penduduk Provinsi Sumatera Utara Tahun 1961-2017
Dari gambar di atas terlihat bahwa jumlah penduduk di Sumatera Utara mengalami perkembangan antara 100-200 ribu jiwa per tahunnya. Adapun distribusi jumlah penduduk tahun 2017 (14.274.087 jiwa) menurut kelompok umur tergambar pada gambar berikut ini (Dinas Kesehatan Provinsi Sumatera Utara, 2018).
4.96
6.62
8.36
10.26
11.51
12.98
13.94 14.1 14.27
0 2 4 6 8 10 12 14 16
1961 1971 1980 1990 2000 2010 2015 2016 2017
Gambar 6. Jumlah penduduk berdasarkan kelompok umur dan jenis kelamin di Provinsi Sumatera Utara Tahun 2017
Komposisi penduduk Sumatera Utara menurut kelompok umur menunjukkan bahwa penduduk berusia muda (0-14 tahun) sebesar 31,57%, berusia produktif (15-64 tahun) sebesar 64,15% dan berusia tua (>65 tahun) sebesar 4,28%. Dengan demikian Angka Beban Tanggungan (Dependency Ratio) penduduk Sumatera Utara Tahun 2017 sebesar 55,88%, mengalami penurnan 0,23% bila dibandingkan dengan DR Tahun 2016 (yakni sebesar 56,11%) (Dinas Kesehatan Provinsi Sumatera Utara, 2018).
Permasalah kesehatan umumnya sangat dipengaruhi oleh tingkat sosial ekonomi masyarakat. Sejak terjadnya krisis moneter Tahun 1998 jumlah penduduk miskin dapat diturunkan secara signifikan pada Tahun 1999. Data terakhir menunjukkan bahwa jumlah penduduk miskin pada September 2015 diketahui sebesar 1.508.100 jiwa (10,79%) mengalami penurunan pada September 2016 menjadi 1.452.500 jiwa (10,27%) dan menjadi 1.326.570 jiwa (9,28%), pada bulan September 2017 (Dinas Kesehatan Provinsi Sumatera Utara, 2018).
Tabel 4
Rata-Rata Banyaknya Anak yang Pernah Dilahirkan Hidup per Wanita Pernah Kawin menurut Wilayah dan Kelompok Umur di Sumatera Utara Tahun 2017
Nama Kabupaten/Kota ALH
Nias 3,8
Mandailing Natal 3,9
Tapanuli Selatan 4,1
Tapanuli Tengah 4,0
Tapanuli Utara 4,8
Toba Samosir 4,5
Labuhan Batu 3,2
Asahan 3,3
Simalungun 3,4
Dairi 4,2
Karo 3,0
Deli Serdang 2,5
Langkat 3,1
Nias Selatan 3,1
Humbang Hasundutan 4,8
Pakpak Bharat 4,2
Samosir 4,6
Serdang Bedagai 3,2
Padang Lawas Utara 3,5
Padang Lawas 3,3
Labuhan Batu Selatan 3,0
Labuhan Batu Utara 3,2
Nias Utara 3,2
Nias Barat 3,3
Kota Sibolga 3,2
Kota Tanjung Balai 3,5
Kota Pematangsiantar 2,7
Kota Tebing Tinggi 2,9
Kota Medan 2,1
Kota Binjai 2,8
Kota Padangsidimpuan 3,3
Kota Gunungsitoli 3,0
Provinsi Sumatera Utara 3,0
Sumber: Badan Pusat Statistik, 2010
Pada tabel 2 di atas terlihat rata-rata jumlah anak lahir hidup di Sumatera Utara pada Tahun 2017. Kabupaten di Sumatera Utara yang memiliki rata-rata
jumlah anak lahir hidup tertinggi ialah Kabupaten Tapanuli Utara dan Humbang Hasundutan.
Pendidikan. Pendidikan merupakan salah satu faktor yang kerap ditelaah untuk mengukur tingkat pembangunan manusia pada suatu negara. Pendidikan juga diketahui berkontribusi terhadap perubahan perilaku masyarakat. Pendidikan menjadi pelopor utama dalam rangka penyiapan sumber daya manusia dan merupakan salah satu aspek pembangunan yang merupakan syarat mutlak dalam mewujudkan tujuan pembangunan nasional. Salah satu yang dapat dilihat dari faktor pendidikan ini adalah angka partisipasi sekolah penduduk umur 10 tahun ke atas. Berdasarkan Susenas 2017, diketahui bahwa masih ada sebesar 1,96%
penduduk Sumatera Utara berumur 10 tahun ke atas yang tidak/belum pernah sekolah.
Pengetahuan yang dipengaruhi oleh tingkat pendidikan merupakan salah satu factor pencetus (predisposing) yang berperan dalam mempengaruhi keputusan seseorang untuk berperilaku sehat. Tingkat intelektualitas penduduk Sumatera Utara dapat dilihat dari tingkat pendidikan yang dapat dicapai oleh rata- rata penduduk di Sumatera Utara. Bila tamat SLTA dianggap mempunyai pendidikan yang cukup tinggi, maka berdasarkan hasil Susenas 2017 diketahui ada sebanyak 38,09% penduduk 10 tahun ke atas yang minimal telah tamat SLTA, dengan rincian SLTA sebesar 30,38%, Diploma I/II/III sebesar 2,08% serta diploma IV/sarjana keatas sebesar 5,63%. Kota Pematangsiantar dipersepsikan mempunyai sumber daya manusia yang paling tinggi, dimana persentase penduduk 10 tahun ke atas yang minimal telah tamat SLTA sebesar 57,73%, diikuti Kota Medan sebesar 55,79% dan Kota Binjai sebesar 51,50%.
