MUSLIMAH
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
Dengan ini saya menyatakan bahwa tesis Model Skedul Migrasi dan
Aplikasinya dalam Proyeksi Penduduk Multiregional adalah karya saya dengan
arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada
kepada perguruan tinggi manapun. Sumber data dan informasi yang berasal atau
dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
tesis ini.
Bogor,
Juli
2008
Muslimah
ABSTRACT
MUSLIMAH.
Model of Migration Schedules and its Application in Multiregional Population Projection. Under supervision of HADI SUMARNO and ALI KUSNANTO.Migration is one of demographic components beside fertility and mortality.
The objective of this thesis is to find a model of migration schedules and its
application to multiregional population projection. Rogers
et al
. (1978) proposed
one model of migration schedules which consists of 11 parameters. As the
comparison to that model, this paper proposed another model which uses
polynomial function. By considering Indonesia as two regions, Java-Bali and
outer Java-Bali, it could be found the model of migration schedules. This model is
implemented to multiregional population projection data based on SUPAS 2005.
The result shows that Indonesian annual population growth rate continue to
decrease and will reach -0.066 percent in stable condition.
Multiregional. Dibimbing oleh HADI SUMARNO dan ALI KUSNANTO.
Negara Indonesia dewasa ini dihadapkan pada beberapa masalah
kependudukan, antara lain jumlah penduduk yang besar, laju pertumbuhan
penduduk yang pesat serta penyebaran penduduk yang tidak merata. Pertumbuhan
dan penyebaran penduduk dipengaruhi oleh hubungan tiga komponen demografi
yaitu kelahiran, kematian dan migrasi.
Dalam proyeksi penduduk, migrasi merupakan komponen penting selain
faktor kelahiran dan kematian.Umumnya proyeksi penduduk hanya melibatkan
komponen kelahiran dan kematian saja, karena menganggap bahwa migrasi bersih
suatu negara mendekati nol. Namun demikian jika dilakukan proyeksi penduduk
antar wilayah maka komponen migrasi tidak dapat diabaikan. Oleh karena itu
masalah proyeksi penduduk secara multiregional yang melibatkan migrasi
menjadi faktor penting untuk pengembangan wilayah, sehingga tingkat
pembangunan dapat disejajarkan.
Kajian ini bertujuan untuk menentukan model skedul migrasi dan
mengaplikasikan model tersebut ke dalam proyeksi penduduk multiregional.
Rogers
et al
. (1978) telah mengusulkan suatu model skedul migrasi yang terdiri
atas 11 parameter berdasarkan penjumlahan empat komponen penting migrasi,
yaitu pra-angkatan kerja, angkatan kerja, pasca-angkatan kerja dan sebuah
konstanta. Namun pada perkembangan selanjutnya Rogers (1984) kemudian
menyederhanakan parameter model tersebut menjadi 9 parameter dan 7 parameter
berdasarkan bentuk pola migran pada usia pasca-angkatan kerja. Sebagai
pembanding, dalam kajian ini juga ditawarkan model lain berupa persamaan
polinom yang terdiri atas 8 parameter dan 16 parameter.
Dengan menggunakan data SUPAS 2005, analisis data dilakukan dengan
mengelompokkan wilayah Indonesia menjadi dua wilayah, yaitu Jawa Bali dan
Luar Jawa Bali. Kemudian dilakukan
fitting
kurva model terhadap data dengan
pendekatan metode kuadrat terkecil dibantu
software Mathematica 6.0
. Dari
kelima model tersebut dipilih satu model terbaik yang kemudian diaplikasikan ke
dalam proyeksi penduduk.
Dengan melibatkan komponen migrasi, kelahiran dan kematian, maka
proyeksi penduduk secara multiregional berdasarkan waktu dapat diperoleh
dengan menghitung individu yang bertahan hidup pada daerah dan kelompok
umur tertentu, ditambah dengan jumlah total bayi lahir yang bertahan hidup
sampai akhir selang waktu.
Pada populasi model proyeksi generalisasi matriks Leslie yang telah
mencapai sebaran umur stabil berlaku jumlah penduduk pada periode
t
+1 adalah
jumlah penduduk pada periode
t
dikali laju perubahannya yaitu
λ
. Selanjutnya
λ
dikenal sebagai akarciri dominan matriks pertumbuhan penduduk secara
multiregional. Jika
λ
> 1 maka terjadi kenaikan laju perubahan, jika
λ
< 1 maka
terjadi penurunan laju perubahan, dan jika
λ
=1 maka laju perubahan konstan.
Berdasarkan
fitting
data yang dilakukan ternyata model yang ditawarkan
Rogers (1984) tetap lebih baik daripada model polinom. Model skedul migrasi
keluar dari wilayah Jawa Bali lebih didominasi anak-anak, sedangkan model
skedul keluar dari wilayah Luar Jawa Bali lebih didominasi tenaga kerja.
Berdasarkan hasil perhitungan
life table
multiregional ditunjukkan bahwa
penduduk Jawa Bali mempunyai angka harapan hidup (
68,72 tahun, dimana
60,67 tahun waktunya dihabiskan untuk tetap tinggal di wilayah Jawa Bali dan
8,04 tahun waktunya dihabiskan di wilayah Luar Jawa Bali. Sedangkan penduduk
Luar Jawa Bali mempunyai angka harapan hidup (
66,51 tahun, dimana 51,15
tahun waktunya dihabiskan untuk tetap tinggal di wilayah Luar Jawa Bali dan
14,36 tahun waktunya dihabiskan di wilayah Jawa Bali.
Hasil penelusuran matriks Leslie diperoleh nilai
λ
= 0,996721 sebagai laju
perubahan. Hal ini menunjukkan bahwa laju pertumbuhan penduduk di Indonesia
akan mengalami tingkat penurunan dan pada saat sebaran umur mencapai kondisi
stabil maka laju pertumbuhan (
r
) akan mencapai -0,066 persen pertahun.
© Hak cipta milik Institut Pertanian Bogor, tahun 2008
Hak cipta dilindungi Undang-undang
1.
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber.
a.
Pengutipan hanya untuk kepentingan pendidikan, penelitian,
penulisan karya ilmiah, penyusunan laporan, penulisan kritik
atau tinjauan suatu masalah.
b.
Pengutipan tidak merugikan kepentingan yang wajar Institut
Pertanian Bogor.
2.
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh
karya tulis dalam bentuk apapun tanpa izin Institut Pertanian
Bogor.
MODEL SKEDUL MIGRASI DAN APLIKASINYA
DALAM PROYEKSI PENDUDUK MULTIREGIONAL
MUSLIMAH
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Departemen Matematika
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
rahmat, karunia dan hidayah-Nya sehingga penulis dapat menyelesaikan tesis yang berjudul Model Skedul Migrasi dan Aplikasinya dalam Proyeksi Penduduk Multiregional. Penelitian ini didanai oleh beasiswa BUD Pascasarjana Departemen Agama RI.
Ucapan terimakasih yang tulus dan ikhlas penulis sampaikan kepada Bapak Dr. Ir. Hadi Sumarno, MS dan Bapak Drs. Ali Kusnanto, M.Si atas kesediaan dan kesabarannya memberi bimbingan dalam penulisan tesis ini. Ucapan terimakasih disampaikan pula kepada Ibu Dr. Ir. Endar H. Nugrahani, MS sebagai dosen penguji dalam ujian tesis atas saran dan masukan yang diberikan. Di samping itu, terimakasih dan penghargaan penulis sampaikan kepada Biro Pusat Statistik yang telah memberikan ijin menggunakan data SUPAS 2005.
Ungkapan terimakasih yang tulus juga disampaikan kepada suamiku tercinta Mas Khamidinal, M.Si, ayah, ibu, kakak, serta seluruh keluarga, atas segala do’a, pengorbanan, motivasi dan kasih sayangnya. Terimakasih juga penulis ucapkan kepada segenap dosen dan karyawan Departemen Matematika, Kepala Madrasah dan rekan-rekan guru MTs Negeri Galur, serta rekan-rekan BUD Matematika.
Penulis berharap semoga tesis ini bermanfaat.
Bogor, Juli 2008
Penulis dilahirkan di Kulon Progo, Daerah Istimewa Yogyakarta pada tanggal 12 Nopember 1974 dari ayah Ali Muhammad dan ibu Rubiyem. Penulis merupakan putri bungsu dari empat bersaudara. Pendidikan sarjana ditempuh di Program Studi Pendidikan Matematika, FMIPA Universitas Negeri Yogyakarta lulus pada tahun 1998. Pada tahun 2006 penulis mendapat kesempatan untuk diterima di Program Studi Matematika Terapan pada Program Pascasarjana IPB. Beasiswa pendidikan Pascasarjana diperoleh dari Departemen Agama Republik Indonesia.
Sejak tahun 1999 penulis bekerja menjadi Pegawai Negeri Sipil di lingkungan Departemen Agama Republik Indonesia sebagai guru bidang studi Matematika di Madrasah Tsanawiyah Negeri Galur Kulon Progo Yogyakarta.
x
DAFTAR TABEL ……….. xi
DAFTAR GAMBAR……….. xii
DAFTAR LAMPIRAN………... xiv
I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1
1.2 Tujuan Penelitian ... 3
1.3 Manfaat Penelitian ... 3
II LANDASAN TEORI 2.1 Beberapa Definisi dan Teorema ... 4
2.2 Pengertian Migrasi ... 6
2.3 Metode Kuadrat Terkecil Persamaan Polinom……… 8
2.4 Metode Kuadrat Terkecil Persamaan Nonlinear………. 10
2.5 Kecocokan Model Skedul Migrasi ... 11
2.6 Model Proyeksi penduduk Multiregional ………... 11
2.7 Life Table Uniregional... 12
2.8 Konsep Demografi Multiregional ... 13
2.8.1 Survivorship……… 14
2.8.2 Life Table Multiregional……….. 15
2.8.3 Kelahiran………. 17
2.9 Matriks Proyeksi Multiregional ... 18
III METODOLOGI PENELITIAN 3.1 Sumber Data ... 21
3.2 Konsep dan Definisi ……… 21
3.3 Metode Analisis Data ……….. 22
IV HASIL DAN PEMBAHASAN 4.1 Analisis Model ………. 23
4.2 Analisis Kurva Angkatan Kerja………... 28
4.3 Arus Migrasi Keluar dari Wilayah Jawa Bali……….... 29
4.4 Arus Migrasi Keluar dari Wilayah Luar Jawa Bali………... 32
4.5 Model Skedul Migrasi Keluar dari Wilayah Jawa Bali ………….... 34
4.6 Model Skedul Migrasi Keluar dari Wilayah Luar Jawa Bali………. 40
4.7 Proyeksi Penduduk Multiregional………... 46
4.7.1 Survivorship ……….. ……. 48
4.7.2 Kelahiran……….. 48
V KESIMPULAN DAN SARAN 5.1 Kesimpulan……….……… 52
5.2 Saran………... 53
DAFTAR PUSTAKA……….... 54
xi Halaman 1 Distribusi migran keluar dari wilayah Jawa Bali menurut propinsi
tujuan……….. 30
2 Distribusi migran keluar dari wilayah Jawa Bali menurut propinsi
asal……….. 31
3 Distribusi migran keluar dari wilayah Luar Jawa Bali menurut
propinsi tujuan……… 32
4 Distribusi migran keluar dari wilayah Luar Jawa Bali menurut
propinsi asal……… 33
5 Hasil dugaan parameter migran keluar dari wilayah Jawa Bali…... 34 6 Perbandingan nilai proportional error pola migran keluar dari
Jawa Bali ………... 38 7 Hasil dugaan parameter migran keluar dari wilayah Luar Jawa Bali… 40 8 Perbandingan nilai proportional error pola migran keluar dari
Luar Jawa Bali ………. 44
9 Hasil perhitungan matriks A(x) dan P(x) wilayah Jawa Bali dan Luar
Jawa Bali……….. 47
10 Hasil perhitungan S(x) wilayah Jawa Bali dan Luar Jawa Bali……..… 48 11 Hasil perhitungan F(x) dan B(x) wilayah Jawa Bali dan Luar
Jawa Bali………. 49 12 Jumlah penduduk Jawa Bali dan Luar Jawa Bali tahun 2005………….. 50 13 Hasil perhitungan proyeksi penduduk Jawa Bali dan Luar
xii
1 Skedul migrasi model penuh……….. 23
2 Kurva migrasi pra-angkatan kerja……….. 24
3 Kurva migrasi angkatan kerja………. 24
4 Kurva migrasi pasca angkatan kerja……….. 25
5 Kurva konstanta……….. 25
6 Distribusi migran keluar dari wilayah Jawa Bali menurut propinsi tujuan……….. 31
7 Distribusi migran keluar dari wilayah Jawa Bali menurut propinsi asal……….. 31
8 Distribusi migran keluar dari wilayah Luar Jawa Bali menurut propinsi tujuan……….. 32
9 Distribusi migran keluar dari wilayah Luar Jawa Bali menurut propinsi asal……….. 33
10 Plot scatter diagram migran keluar dari wilayah Jawa Bali…………. 34
11 Plot pendugaan parameter model penuh migran risen keluar dari Jawa Bali………. 35
12 Plot pendugaan parameter model tidak penuh migran risen keluar dari Jawa Bali………. 35
13 Plot pendugaan parameter model sederhana migran risen keluar dari Jawa Bali………. 36
14 Plot pendugaan parameter model polinom berderajat-7 migran risen keluar dari Jawa Bali……….. 37
15 Plot pendugaan parameter model polinom berderajat-15 migran risen keluar dari Jawa Bali……….. 38
16 Plot scatter diagram migran keluar dari wilayah Luar Jawa Bali … 40 17 Plot pendugaan parameter model penuh migran risen keluar dari Luar Jawa Bali……… 41
18 Plot pendugaan parameter model tidak penuh migran risen keluar dari Luar Jawa Bali………. 41
19 Plot pendugaan parameter model sederhana migran risen keluar dari Luar Jawa Bali……… 42
20 Plot pendugaan parameter model polinom berderajat-7 migran risen keluar dari Luar Jawa Bali……… 43
xiii 22 Perbandingan jumlah penduduk Indonesia tahun 2005 dan 2010 ….. 51
xiv
1 Tabel Migran Keluar dari Wilayah Jawa Bali menuju Luar Jawa Bali……. 57
2 Tabel Migran Keluar dari Wilayah Luar Jawa Bali menuju Jawa Bali …. 59 3 Data Jumlah Penduduk Jawa Bali dan Luar Jawa Bali Menurut Kelompok Umur (SUPAS, 2005)……….. 61
4 Data Penduduk Wanita Usia Reproduksi Menurut Kelompok Umur (SUPAS, 2005) ………. 62
5 Data Angka Harapan Hidup (e0) penduduk Indonesia menurut propinsi dan jenis kelamin (SUPAS 2005)……… 63
6 Data Angka Kelahiran Menurut Umur Wanita, Daerah, Periode, dan Propinsi (SUPAS, 2005)……….. 64
7 Perhitungan Life Table Uniregional ……… 65
8 Hasil perhitungan tingkat migrasi menurut kelompok umur ……… 68
9 Perhitungan Matriks Peluang Transisi P(x) ……… 69
10 Perhitungan Life Table Multiregional ……….……… 70
11 Perhitungan Matriks Survivorship S(x) ……….. 74
12 Perhitungan Matriks Kelahiran B(x) ……….. 75
13 Menentukan Formula Matriks Transisi P(x) ………. 77
14 Bukti Sistem Logit life table ………. 78
15 Tabel Nilai α dan β dalam menentukan l(x) dengan sistem Brass logit (United Nation, 1983) ………. 79
16 Contoh perhitungan l(x) menggunakan Brass Logit ………. 80
17 Uji Maksimum Kurva Angkatan Kerja……….. 81
18 Matriks Pertumbuhan G dan Hasil Proyeksi K(t+1) ………... 82
19 Program pendugaan parameter……….. 83
BAB I
PENDAHULUAN
1.1 Latar Belakang
Keadaan penduduk di Indonesia dewasa ini dihadapkan pada beberapa masalah kependudukan, diantaranya jumlah penduduk yang besar, laju pertumbuhan penduduk yang pesat dan penyebaran penduduk yang tidak merata. Tercatat dari BPS hasil SUPAS 2005 bahwa jumlah penduduk Indonesia adalah 218.086.288 jiwa, dengan laju pertumbuhan penduduk sebesar 1,3 persen pertahun. Suatu penduduk yang besar jumlahnya dan yang tumbuh dengan pesat dapat mengekang pembangunan ekonomi karena selalu perlu diadakan perluasan kesempatan kerja. Akibat-akibat lain dari pertumbuhan penduduk yang pesat juga terasa dalam keharusan penyediaan makanan, sarana kesehatan, pendidikan, perumahan, serta sarana kehidupan lainnya.
Di daerah tertentu kepadatan penduduk lebih besar dibandingkan daerah yang lain. Kepadatan penduduk dipengaruhi oleh beberapa faktor antara lain faktor sosial, ekonomi dan lain-lain. Daerah-daerah yang laju pertumbuhan ekonominya lebih tinggi cenderung memiliki kepadatan penduduk yang lebih tinggi. Selain beberapa faktor di atas, faktor lain yang mempengaruhi laju pertumbuhan penduduk adalah karena adanya hubungan tiga komponen demografi, yaitu tingkat kelahiran, kematian, dan adanya migrasi.
Pesatnya laju pertumbuhan penduduk di Indonesia mendorong minat para peneliti khususnya di bidang demografi untuk lebih memfokuskan pada teknis pengukuran fertilitas dan mortalitas sebagai komponen penting dalam proyeksi penduduk. Namun demikian pada perkembangan selanjutnya tidak hanya dua komponen tersebut yang perlu mendapat perhatian. Komponen ketiga yang juga penting adalah migrasi.
Dalam ilmu demografi dikenal dua macam kajian yaitu demografi multiregional dan demografi uniregional. Demografi multiregional atau demografi antar wilayah menganalisis secara simultan dinamika ruang atau wilayah dari sebuah sistem populasi yang saling bergantung yang dihubungkan oleh arus migrasi berarah (Rogers 1995). Perbedaan yang mendasar antara pendekatan
uniregional dan multiregional adalah bahwa analisis populasi dilakukan dengan mengasumsikan terjadinya interkoneksi antar wilayah. Sebagai ilustrasi misalnya ada dua wilayah populasi, dengan masing-masing wilayah dihubungkan oleh adanya arus migrasi dari wilayah yang satu ke wilayah yang lain. Dalam sistem ini misalkan arus keluar migrasi dari satu wilayah didefinisikan sebagai arus masuk migrasi untuk wilayah kedua. Analisis uniregional untuk perubahan populasi pada sistem dua wilayah ini difokuskan pada perubahan masuk dan keluar hanya pada masing-masing wilayah pada suatu waktu tertentu. Dalam perspektif multiregional, dipandang bahwa dua wilayah sebagai suatu sistem dari dua populasi yang saling berinteraksi, dengan sebuah pola arus keluar dan arus masuk sebagai sebuah sistem simultan yang saling berhubungan.
Analisis demografi multiregional dalam studi migrasi mempunyai salah satu keunggulan yaitu dalam pengukuran migrasi yang tidak lagi konvensional (Chotib 1998). Secara konvensional, analisis uniregional melakukan pengukuran migrasi yang selalu dilihat dari pembahasan migrasi masuk, migrasi keluar dan migrasi neto pada suatu wilayah. Sedangkan dalam analisis demografi multiregional, studi migrasi tidak lagi membahas ketiga macam migrasi tersebut. Pembahasan didasarkan kepada migrasi keluar dari suatu propinsi ke propinsi lain, yang pengukurannya selalu mengacu kepada jumlah penduduk asal. Misalkan wilayah Indonesia dibagi menjadi dua bagian, yaitu wilayah Jawa Bali (JB) dan wilayah Luar Jawa Bali (LJB). Dalam pengukuran migrasi multiregional yang berperan hanya migrasi keluar. Maka tingkat migrasi keluar untuk wilayah Jawa
Bali dirumuskan dengan
JB oJB oJB P x l x) ( ) ( =
π , dimana loJB (x) menyatakan
banyaknya orang yang keluar dari wilayah Jawa Bali dan PJB menyatakan
banyaknya populasi yang berada di wilayah Jawa Bali. Sedangkan tingkat migrasi
keluar dari wilayah Luar Jawa Bali dirumuskan dengan
LJB oLJB oLJB P x l x) ( ) ( = π ,
dimana loLJB(x) menyatakan banyaknya orang yang keluar dari wilayah Luar Jawa
Bali dan PLJB menyatakan banyaknya populasi yang berada di wilayah Luar Jawa
Jadi migrasi masuk ke wilayah JB sama dengan migrasi keluar dari wilayah LJB ke wilayah JB. Dengan demikian pembahasan migrasi penduduk di suatu wilayah sesungguhnya merupakan bagian integral yang tidak terpisahkan dari sistem migrasi secara nasional. Oleh sebab itu masalah proyeksi penduduk secara multiregional yang melibatkan migrasi menjadi faktor penting untuk pengembangan wilayah, sehingga tingkat pembangunan di Indonesia dapat disejajarkan.
1.2 Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Menentukan pola migrasi dalam rangka membuat model menurut umur di dua wilayah Indonesia yaitu Jawa Bali (JB) dan Luar Jawa Bali (LJB).
2. Menyusun life table multiregional di dua wilayah yaitu Jawa Bali (JB) dan Luar Jawa Bali (LJB).
3. Menyusun model pertumbuhan penduduk multiregional dalam bentuk matriks yang mengungkapkan kelas-kelas populasi yang mempertimbangkan umur dan migrasi secara multiregional.
1.3 Manfaat Penelitian :
Dengan melihat tujuan yang ada maka penelitian ini diharapkan:
1. Dapat bermanfaat bagi keilmuan khususnya bidang kependudukan untuk menambah referensi guna penelitian lebih lanjut.
2. Penelitian ini diharapkan dapat bermanfaat bagi pemerhati masalah kependudukan maupun para perencana pembangunan dalam mengambil keputusan khususnya di bidang kependudukan.
BAB II
LANDASAN TEORI
2.1 Beberapa Definisi dan Teorema Definisi 1 Nilai Maksimum dan Minimum
Misalkan S daerah asal dari fungsi f, yang memuat titik c. Maka :
(i) f(c) adalah nilai maksimum f pada S jika f(c) ≥f(x) untuk semua x di S
(ii) f(c) adalah nilai minimum f pada S jika f(c) ≤f(x) untuk semua x di S
(iii) f(c) adalah nilai ekstrim f pada S jika f(c) adalah nilai maksimum atau nilai minimum.
(Purcell 1984)
Definisi 2 Bilangan Kritis
Bilangan kritis dari suatu fungsi f adalah suatu bilangan c di dalam daerah asal f
sedemikian sehingga f′(c) = 0 atau f′(c) tidak ada. Jika f mempunyai maksimum atau minimum lokal di c, maka c adalah bilangan kritis f.
(Purcell 1984)
Teorema 1 : Uji Turunan Kedua untuk Ekstrim Lokal
Misalkan ′ dan ′′ ada pada setiap titik dalam selang terbuka (a,b) yang memuat c, dan andaikan ′ = 0.
(i) Jika ′′(c) < 0, f(c) adalah nilai maksimum lokal f.
(ii) Jika ′′(c) > 0, f(c) adalah nilai maksimum lokal f
Bukti : (Lihat Purcell 1984)
Definisi 3 Fungsi Polinom
Fungsi P disebut polinom jika
P(x) = a0 + a1x + a2x2 + a3x3 + …+ an-1xn-1 + anxn
dengan n adalah bilangan bulat tak negatif dan bilangan a0, a1, a2, …, an adalah
konstanta yang disebut koefisien polinom. Daerah asal sembarang polinom adalah
( = (-∞,∞). Jika koefisien an≠ 0, maka derajat polinom adalah n.
(Stewart J 2001)
Definisi 4 Akarciri dan Vektorciri
Jika A adalah matriks berukuran nxn maka skalar λ dan vektor x≠ 0 yang memenuhi Ax = λx masing-masing disebut akarciri dan vektorciri matriks A.
Akarciri juga disebut sebagai nilai eigen (eigenvalue), nilai karakteristik (characteristic value), atau akar laten (latent root).
Untuk mendapatkan penyelesaian λ dari persamaan Ax = λx dengan x≠ 0 atau (A- λI)x = 0 sedemikian sehingga vektor penyelesaiannya tak trivial, haruslah dipenuhi det(A- λI) = 0.
Fungsi pA(λ) = det(A- λI) disebut polinom karakteristik matriks A, dan persamaan pA(λ) = det(A- λI) = 0 disebut persamaan karakteristik matriks A.
(Anton H 1989)
Teorema 2:
Jika A adalah matriks berukuran n×n maka berlaku : (i) det(A- λI) merupakan polinom pA(λ) berderajat n.
(ii) Akarciri matriks A merupakan penyelesaian dari pA(λ) = 0.
Bukti :
(i) Akan dibuktikan dengan induksi matematika.
Jika A berukuran 2×2 maka det(A- λI) = (a11 – λ)(a22 – λ) – a12a21 merupakan
polinom λ yang berderajat 2.
Jika A berukuran k×k, andaikan benar bahwa det(A- λI) merupakan polinom λ
berderajat k.
Jika A berukuran (k+1)×(k+1) maka
det(A- λI) = ∑ (-1)i+j det(Mij) (1) untuk suatu i = 1, 2, …, k+1, dengan
aij = unsur pada baris ke-i dan kolom ke-j matriks (A- λI).
Mij = matriks (A- λI) yang telah dihapus baris ke-i dan kolom ke-j.
Dengan mengambil i sebagai baris ke-(k+1) matriks (A- λI), diperoleh : det(A- λI) = ∑ (-1)(k+1)+j det(M(k+1)j) (2)
Karena M(k+1)j merupakan anak matriks (A-λI) yang diperoleh dengan
menghilangkan baris ke-(k+1) dan kolom ke-j, maka matriks M(k+1)j
berukuran k×k. Dengan demikian det(M(k+1)j) merupakan polinom λ berderajat k, dan berderajat 1. Akibatnya persamaan (2) merupakan polinom
λ berderajat k+1.
(ii) Misalkan λ merupakan akarciri matriks A maka terdapat x yang tidak nol
sedemikian sehingga :
↔Ax – λx = 0
↔ (A – λI)x = 0
Karena (A – λI)x = 0 akan mempunyai penyelesaian yang tak nol jika dan hanya jika det(A – λI) = 0, dan det(A – λI) = pA(λ), maka λ memenuhi persamaan pA(λ) = 0. Berarti λ merupakan penyelesaian bagi pA(λ) = 0.
(Anton H 1989)
Definisi 5 Akarciri dan Vektociri dominan
Jika A adalah matriks berukuran n×n dan λ1, λ2, …, λn adalah akarciri-akarciri
matriks A, λi dikatakan sebagai akarciri dominan matriks A jika berlaku |λ | > λ
untuk suatu i = 1, 2, 3, … dan untuk semua j ≠ i. Vektorciri yang bersesuaian dengan λi disebut sebagai vektorciri dominan mariks A.
(Anton H 1989)
2.2 Pengertian Migrasi
Migrasi adalah perpindahan penduduk dari suatu tempat ke tempat lain, baik melewati batas politis negara maupun batas administrasi/batas bagian dalam suatu negara dengan tujuan untuk menetap. Migrasi sering diartikan sebagai perpindahan yang relatif permanen dari suatu tempat ke tempat yang lain. Data migrasi dapat disusun berdasar pola migrasi keluar, migrasi masuk, menurut umur, dan jenis kelamin (BPS 1995).
Data migrasi yang tersedia berdasarkan hasil sensus penduduk hanya dapat membedakan tiga jenis migran, yaitu migran seumur hidup (a lifetime migrant), migran total dan migran risen (recent migrant). Migran seumur hidup adalah mereka yang pindah dari tempat lahir ke tempat tinggal sekarang tanpa melihat kapan pindahnya. Dalam konsep ini migrasi diperoleh dari keterangan tempat lahir dan tempat tinggal sekarang, jika kedua keterangan tersebut berbeda maka termasuk migran seumur hidup. Migran total adalah mereka yang pindah sehingga tempat tinggal sebelumnya berbeda dengan tempat tinggal sekarang. Migrasi ini diperoleh dari keterangan tempat tinggal sebelumnya dan tempat tinggal sekarang. Sedangkan migran risen adalah mereka yang pernah pindah dalam kurun waktu 5 tahun terakhir, keterangan ini diperoleh dari pertanyaan tempat tinggal 5 tahun yang lalu dan tempat tinggal sekarang. Jika keterangan tersebut berbeda maka termasuk migran risen (BPS 1995).
Menurut Rogers et al. (1978) pola pengamatan migrasi menurut umur secara matematis terdiri atas empat komponen penting yaitu :
1. Pra-angkatan kerja (pre-labor force), yang ditunjukkan dengan suatu persamaan eksponensial dengan angka penurunan sebesar α1 yaitu :
f1(x) = a1 exp(-α1x) ; ∀x∈(+ (3)
2. Angkatan kerja (labor force), yaitu suatu persamaan eksponensial ganda dengan satu titik puncak, dengan usia rata-rata µ2, serta memiliki angka
kenaikan λ2 dan penurunan α2 yaitu :
f2(x) = a2 exp{-α2(x - µ2) – exp[-λ2(x-µ2)]} ; ∀x∈(+ (4)
3. Pasca angkatan kerja (post-labor force), yaitu suatu persamaan eksponensial ganda, dengan usia rata-rata µ3, serta memiliki angka kenaikan λ3 dan
penurunan α3 yaitu :
f3(x) = a3 exp{-α3(x - µ3) – exp[-λ3(x-µ3)]} ; ∀x∈(+ (5)
4. Suatu konstanta c, yaitu suatu persamaan yang diperlukan untuk memperbaiki ketepatan matematis penaksiran skedul ini yaitu :
f4(x) = c (6)
Penjumlahan dari keempat persamaan diatas dirumuskan oleh persamaan model skedul migrasi sebagai berikut:
⎪ ⎪ ⎭ ⎪ ⎪ ⎬ ⎫ c x x a x x a x a x M + )]} -( ) -( {-exp + )]} -( ) - ( {-exp + ) (-exp = ) ( 3 3 3 3 3 2 2 2 2 2 1 1 μ λ μ α μ λ μ α α ∀x∈(+ (7)
Pola migrasi menurut kelompok umur di suatu wilayah belum tentu sama dengan model seperti yang dikemukakan di atas. Pola dapat berbeda sesuai dengan karakteristik individu penduduk atau wilayahnya. Pola yang dihasilkan oleh negara maju belum tentu sama dengan pola dari negara berkembang. Namun demikian Rogers (1984) telah menyederhanakan pola yang ada menjadi tiga keluarga model skedul migrasi berdasarkan bentuk pola migran pada umur pasca-angkatan kerja, yaitu:
1. Model penuh. Pada model ini mempunyai bentuk persamaan eksponensial ganda pada usia pasca-angkatan kerja yang diperlihatkan oleh persamaan (7).
2. Model tidak penuh. Dalam model ini tidak terdapat puncak pada umur pasca angkatan kerja. Sehingga persamaan matematisnya menjadi:
⎪ ⎪ ⎭ ⎪ ⎪ ⎬ ⎫ c x a x x a x a x M + ) ( exp + )]} -( ) - ( {-exp + ) (-exp = ) ( 3 3 2 2 2 2 2 1 1 α μ λ μ α α ∀x∈(+ (8)
3. Model sederhana. Dalam model ini tidak ada pola pada usia pasca-angkatan kerja. Sehingga persamaan matematisnya menjadi:
⎪ ⎭ ⎪ ⎬ ⎫ c x x a x a x M + )]} -( ) - ( {-+ ) (-= ) ( 2 2 2 2 2 1 1 μ λ μ α α exp exp exp ∀x∈(+ (9)
Ledent dan Termote (1992) didalam Chotib (1998) telah memperlihatkan pola yang berbeda dari migran yang keluar dari DKI Jakarta dan dari luar DKI Jakarta berdasarkan data SP 1980 dan SP 1990.
Angka Migrasi menurut kelompok umur (Age Specific Migration Rate/ASMR) diperoleh dari proporsi penduduk yang berstatus migran (propinsi tempat tinggal sekarang berbeda dengan propinsi tempat tinggal lima tahun yang lalu) pada umur tertentu. Indeks yang menunjukkan ringkasan dari ASMR adalah GMR yang dirumuskan sebagai berikut:
GMR = ∑ , dimana i = umur migran.
2.3 Metode Kuadrat Terkecil Persamaan Polinom
Di dalam pengepasan kurva, misalkan diberikan n titik yang berupa pasangan bilangan (x1,f(x1), (x2, f(x2), …, (xn, f(xn) dan diminta untuk menentukan
sebuah fungsi P(x) sedemikian rupa sehingga P(xi)≈f(xi) , dengan i = 1, 2, 3,…,n.
Misalkan P(x) merupakan jenis fungsi polinomial yang dicocokkan (fitted) terhadap data f(xi). Sifat fitting tidak selalu P(xi) = f(xi) untuk semua i. Sehingga
nilai-nilai parameter yang diperoleh dari sebuah percobaan akan mengandung galat percobaan. Pada kasus yang sederhana pengepasan kurva dapat dilakukan cukup dengan mata telanjang. Namun jika titik itu terpencar, maka cara ini tidak dapat diandalkan sehingga lebih baik digunakan metode kuadrat terkecil.
Prinsip penentuan fungsi polinom P(x) berderajat m dengan metode kuadrat terkecil:
(i) P(x) merupakan polinomial berderajat m dengan bentuk umum:
P(x) = a0 + a1x + a2x2 + a3x3 + …+ amxm (10)
dengan a0, a1, a2, …, am merupakan nilai-nilai parameter.
(ii) Selisih antara P(x) dan f(x) untuk titik data tertentu adalah:
∆i = f(xi) – P(xi), (i=1, 2, 3, …, n) (11)
(iii) Sedangkan jumlah kuadrat selisih antara P(x) dan f(x) utuk semua titik data adalah:
S = ∑ 1∆2 ∑ 1 2
= ∑ 2 ∑ ∑
= ∑ 2 ∑ ∑ ∑ ∑ ∑
(iv) Syarat yang harus dipenuhi agar S minimum adalah :
0,…, 2∑ 2 ∑ ∑ = 0 (j = 0,1, …m)
Sehingga akan membangkitkan suatu sistem persamaan sebagai berikut:
∑ 0 ∑ 1 ∑ 1 (j = 0,1, …,m) (12) Berikut ini sistem persamaan untuk m+1 parameter yang belum diketahui:
a0n + a1∑ ∑ ∑
∑ ∑ ∑ ∑
+ + … +
∑ ∑ ∑ ∑
Dalam bentuk matriks dapat dinyatakan sebagai:
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ = ∑ ∑ ∑ atau A =
Sehingga a0, a1, …, am dapat diperoleh sebagai solusi persamaan linear dari:
2.4 Metode Kuadrat Terkecil Persamaan Nonlinear
Misalkan diberikan n titik data berupa pasangan bilangan (x1,y1), (x2, y2), …,
(xn, yn) dan akan ditentukan sebuah fungsi nonlinear f (x,p1,p2,…,pm) sedemikin
rupa sehingga f(xi,p1,p2,…,pm)≈yi , dimana pi, i = 1, 2, …, m<n adalah parameter.
Diasumsikan utuk n titik data yang diberikan adalah :
y1 = f(x1,p1,p2,…,pm)
y2 = f(x2,p1,p2,…,pm)
yn = f(xn,p1,p2,…,pm)
Dapat dicari nilai-nilai parameter dari fungsi dengan meminimumkan
zi = yi - f(xi,p1,p2,…,pm), i = 1, 2, … n.
Turunan zi terhadap parameter-parameter adalah = ∑
Atau dalam bentuk matriks dapat dinyatakan sebagai
d = Ad , dimana
A = , d = , dan d =
Dengan pemberian nilai awal parameter-parameter: = ,
dan perhitungan dilakukan untuk nilai i = 1, 2, …, n, maka diperoleh:
∆ =
∆ ∆ ∆
Sistem ini akan bekerja secara iterasi dengan ∆ , dimana ∆ ∆
sehingga: ∆ , , , … ,
Nilai-nilai parameter akan diperoleh dengan cara meminimumkan ∆ ,
2.5 Kecocokan Model Skedul Migrasi
Untuk menilai kecocokan model (goodness-of-fit) yang tersedia dalam model skedul bila hal tersebut diterapkan pada data yang diamati, kita menghitung
PE (Proportional Error), dengan menggunakan nilai dari persamaan berikut :
PE = ∑ ∑| | , M(x) = aktual , = dugaan (13) (Wei WWS 1990)
2.6 Model Proyeksi Penduduk Multiregional
Perhitungan jumlah dan komposisi penduduk dilakukan dengan memperhatikan komponen fertilitas, mortalitas dan migrasi secara terpisah. Ketiganya kemudian mempengaruhi jumlah dan komposisi penduduk di suatu wilayah. Dalam demografi multiregional, jumlah dan komposisi penduduk di suatu wilayah merupakan hasil dari interaksi antara ketiga komponen tersebut secara bersamaan, dimana primadona dari ketiga komponen tersebut sebenarnya adalah migrasi (Chotib 1998). Secara umum baik dalam perspektif uniregional maupun multiregional perhitungan sederhana tentang jumlah penduduk sebagai hasil interaksi dari tiga komponen di atas adalah sebagai berikut :
K(t+1) = (1+r) K(t) , (14)
dimana :
K(t+1) = Jumlah penduduk pada tahun (t+1)
r = angka pertumbuhan penduduk
K(t) = Jumlah penduduk pada awal tahun (t)
Angka pertumbuhan penduduk (r) merupakan penjumlahan dari pertumbuhan penduduk alami (natural increase), yaitu perbedaan angka kelahiran dan kematian (b-d) dan angka migrasi netto (i-o). Dan secara umum dapat dirumuskan sebagai berikut :
r = b – d + i – o ,
dimana b, d, i dan o masing-masing adalah angka kelahiran, angka kematian, angka migrasi masuk dan angka migrasi keluar. Perbedaan antara uniregional dan multiregional terletak pada pengukuran parameter migrasi masuk (i). Dalam uniregional, pembagi migrasi masuk adalah penduduk wilayah yang didatangi, sedangkan pada multiregional pembaginya adalah penduduk wilayah asal migran.
2.7 Life Table Uniregional
Menurut Brown (1997) Life Table adalah suatu gambaran yang menunjukkan riwayat kematian dalam masyarakat pada waktu tertentu yang meliputi:
l(x) adalah jumlah orang yang bertahan hidup dari lahir hingga tepat umur ke-x.
d(x) adalah banyaknya kematian antara umur x hingga x+1, dimana
d(x) = l(x) – l(x+1) (15)
p(x) adalah peluang bertahan hidup dari umur x hingga umur x+1, dimana
p(x) = ) ( ) 1 ( x l x l + (16)
q(x) adalah peluang kematian seseorang yang hidup pada tepat umur x dan akan mati sebelum mencapai umur x+1, dimana
q(x) = ) ( ) ( x l x d = ) ( ) 1 ( ) ( x l x l x l − + (17)
L(x) adalah banyaknya penduduk pertengahan tahun yang hidup antara umur x dan
x+1, dimana
L(x) = l(x) - 21d(x) = 2
1(l(x) + l(x+1)) (18)
T(x) adalah total waktu hidup yang akan dijalani oleh l(x) penduduk berumur x,
dimana
T(x) = L(x) + L(x+1) + L(x+2) + .... (19)
e0(x) adalah angka harapan hidup bagi penduduk umur x, dimana e0(x) = ) ( ) ( x l x T (20)
m(x) adalah tingkat kematian bagi penduduk umur x, dimana m(x) = ) ( ) ( x L x d (21)
Dalam menentukan life table uniregional dapat dilakukan dengan menggunakan modifikasi Brass yang dikenal dengan sistem model logit life table
(Anonim 1983). Brass telah menemukan adanya hubungan linear antara l*(x) dan
l(x). Misalkan λ(l(x) menyatakan transformasi dari nilai l(x), maka dapat ditulis hubungan linear antara λ(l*(x)) dan λ(l(x) sebagai berikut:
dimana l*(x) dan l(x) menyatakan dua nilai life table yang berbeda level, α dan β
merupakan konstanta. Persamaan (22) akan berlaku untuk semua nilai x jika λ
didefinisikan sebagai :
λ(l(x)) = logit (1.0 – l(x)) = 0,5 ln ((1.0 – l(x))/l(x)) (23) Dari persamaan (22) dan persamaan (23) dapat diturunkan sebuah persamaan:
l*(x) = (1.0 + exp(2α + 2βλ(l(x))))-1 (24) (Bukti: Lihat Lampiran 14)
Persamaan (24) dapat digunakan untuk membuat life table uniregional secara sederhana dengan menggunakan nilai α dan β yang sesuai dengan level.
2.8 Konsep Demografi Multiregional
Selanjutnya akan dijelaskan beberapa konsep berkaitan dengan demografi multiregional yang meliputi survivorship, life table multiregional, dankelahiran. Berikut definisi dan notasi yang digunakan :
hpij (x) : peluang seseorang yang sekarang berumur x dan tinggal di wilayah-i,
dan bertahan hidup hingga umur x+h dan tinggal di daerah-j
hqi (x) : peluang seseorang yang sekarang berumur x dan tinggal di wilayah-i,
akan mati sebelum mencapai umur x+h.
hpii (x) : peluang seseorang yang sekarang berumur x dan tinggal di wilayah i,
bertahan hidup hingga umur x+h dan tidak pindah ke wilayah lain.
hpii (x) = 1 -
∑
=m
j 1
hpij (x) - hqi (x) i,j = 1, 2, ....,m ixlj(y) : banyaknya penduduk yang bertahan hidup hingga umur y tahun dan
tinggal di wilayah j dari li(x) penduduk yang pada saat umur x tahun tinggal di wilayah i
ixLj(y) : total jumlah penduduk yang pada umur y ada di daerah j dan sebelumnya tinggal di daerah i pada umur x.
ixLj(y) = 2h[ ixlj(y)]
bji (x) : intensitas kelahiran bayi dalam selang waktu x sampai x+4 dan pada awal interval waktu yang tinggal di wilayah j dan pada akhir interval tinggal di wilayah i
sji (x) : proporsi penduduk dari semua umur x hingga x+4 yang tinggal di daerah j pada periode t dan bertahan hingga 5 tahun. Kemudian umur
x+5 hingga x+9 tinggal di wilayah i pada periode t+1.
S(x) :matriks sij (x) dengan elemen baris ke-i dan kolom ke-j.
K(t)
i (x) : total jumlah penduduk pada wilayah i pada periode t pada kelompok
umur x sampai x+4.
α
: usia reproduksi terendahβ : usia reproduksi tertinggi
2.8.1 Survivorship
Berikut ini adalah sistem penduduk dengan m-daerah, jumlah penduduk pada kelompok umur x sampai x+4 pada daerah i adalah :
K(t) i (x) =
∑
= m j t i jK x 1 ) ( ( ) , i = 1, 2, ...., m (25) dimana (t) ijK (x) adalah individu lahir di daerah-j, yang ada di daerah-i pada
kelompok umur x sampai x+4 pada saat t.
Survivorship adalah proporsi penduduk yang bertahan hidup pada suatu periode sampai periode berikutnya, dinyatakan dengan:
sij (x) = ) ( ) 5 ( x L x L ij j i + (26) Pada populasi multiregional penduduk yang diharapkan bertahan hidup sampai interval waktu 5 tahun adalah:
Kj (x+5) =
∑
= m i i ij x K x s 1 ) ( ) ( , j = 1, 2, ..., m (27) dimana sij (x) adalah proporsi bahwa individu di daerah-i umur x sampai x +4 dan tinggal di daerah-j pada saat umur x+5 sampai umur x+9.Dari hubungan persamaan (25) dan persamaan (27) dan fakta bahwa bayi yang lahir di daerah-i tidak dapat menjadi anggota populasi bayi yang lahir di daerah-j, atau sebaliknya maka:
) 1 (t+ i jK (x+5) =
∑
= m k t k j ki x K x s 1 ) ( ( ) ) ( i,j = 1,2,3,...,m (28) atau dalam bentuk matriks :) ( ) ( ) 5 ( () ) 1 ( x S x K x Kt+ + = t (29) dengan : ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = ) ( ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 ) ( 1 ) ( 2 ) ( 2 2 ) ( 2 1 ) ( 1 ) ( 1 2 ) ( 1 1 ) ( x K x K x K x K x K x K x K x K x K x K t m m t m t m t m t t t m t t t
Dengan matriks survivorship dari sij (x):
S(x) = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 1 2 22 12 1 21 11 x s x s x s x s x s x s x s x s x s mm m m m m … … …
Sehingga dari persamaan (26) untuk sistem populasi dua wilayah elemen baris ke j, kolom ke i dapat diformulasikan:
sij(x)
=
i,j = 1,2 (30)2.8.2 Life Table Multiregional
Perhitungan life table multiregional dimulai dengan pendugaan migrasi keluar menurut umur dan tingkat kematian. Setelah menyusun life table, kita dapat mencari matriks G yaitu matriks operator pertumbuhan multiregional untuk memprediksi jumlah penduduk pada satu interval waktu tertentu. Pada dasarnya semua fungsi life table berasal dari matriks peluang transisi P(x) yang didefinisikan untuk semua umur dan untuk mengkonstruksinya dilakukan dengan cara mentransformasikan tingkat migrasi dan tingkat kematian menurut umur A(x) atau proporsi survivorshipS(x) ke matriks transisi.
Ada dua prosedur dalam melakukan pendugaan A(x), P(x), S(x). Prosedur pertama difokuskan pada tingkat migrasi dan tingkat kematian menurut umur yang diamati, sedangkan prosedur kedua difokuskan pada proporsi survivorship. Menurut Rogers(1975) dalam Rogers(1995) kedua jenis penduga ini disebut dengan “metode Option I” dan “metode Option II”
a. Pendugaan menggunakan metode Option I
Pada metode ini pendugaan dimulai dengan mendefinisikan matriks migrasi dan kematian yaitu:
A(x) = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − − − − − − ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 1 2 22 12 1 21 11 x M x M x M x M x M x M x M x M x M mm m m m m dimana Mii(x) =
∑
≠ + i j ij id x M x M ( ) ( )yang menyatakan bahwa Mid(x) adalah tingkat kematian tahunan menurut umur di daerah-i dan
∑
Mij(x) adalah jumlah tingkat migrasi menurut umur dari daerah-ike daerah-j, untuk semua j, j≠i.
Rogers dan Ledent(1976) dalam Rogers(1995) menunjukkan bahwa matriks peluang P(x) untuk interval 5 tahunan dihitung dari matriks A(x) menggunakan persamaan : P(x) =
[
]
1 2 5 ( )− + A x I[
I−25A(x)]
, (32) dimana : P(x) = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 1 2 22 12 1 21 11 x p x p x p x p x p x p x p x p x p mm m m m mDengan pij(x) adalah peluang individu hidup di daerah-i pada tepat umur x
kehidupan dan hidup 5 tahun setelahnya di daerah-j.
b. Pendugaan menggunakan metode Option II
Dalam metode ini akan digunakan jika data migrasi dan kematian tidak ada yaitu dengan menggunakan data survivorship. Ledent dan Rees (1986) dalam Rogers (1995) mengatakan bahwa metode ini dimulai dengan mendefinisikan hubungan antara matriks P(x) dan matriks proporsi survivorship
S(x) = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 1 2 22 12 1 21 11 x s x s x s x s x s x s x s x s x s mm m m m m … … …
Proporsi survivorship untuk interval waktu umur 5 tahunan dihitung dengan cara:
ij S~ (x-5) =
∑
= m k ik ij x K x K 1 ) ( ) ( (33)Dimana Kij(x) menunjukkan jumlah migran yang dicatat dengan sensus dari daerah-i pada waktu t-5 di daerah-j pada waktu t dan
∑
Kik(x) adalah jumlah migran dari daerah-i pada waktu t-5 untuk semua k daerah pada waktu t, proporsi tersebut mengacu pada kelompok umur 5 tahun lebih muda dari umur yang dilaporkan ketika sensus diambil.Matriks peluang transisi bersyarat P~(x)diperoleh dari matriks proporsi
survivorship bersyarat menurut umur, S~(x), menggunakan interpolasi linear pertama yang diberikan oleh Rees dan Wilson(1977) dalam Rogers(1995):
P(x) = P~(x)P(x) 12
[
S~(x 5) S~(x)]
P(x) σ σ = − + (34) ) ( ~ x S = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ~ ) ( ~ ) ( ~ ) ( ~ ) ( ~ ) ( ~ ( ) ~ ~ ) ( ~ 2 1 2 22 12 1 ) ( 21 11 x s x s x s x s x s x s x s s x s mm m m m m x ) ( ~ x P = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ~ ) ( ~ ) ( ~ ) ( ~ ) ( ~ ) ( ~ ( ) ~ ) ( ~ ) ( ~ 2 1 2 22 12 1 21 11 x p x p x p x p x p x p x p x p x p mm m m m mDan Pσ(x)adalah matriks diagonal dari peluang bertahan hidup tidak bersyarat, bentuk matriksnya : ) (x Pσ = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( 0 0 0 ) ( 0 0 0 ) ( 2 1 x p x p x p mσ σ σ
Formula untuk menghitung setiap elemen diagonal dalam Pσ(x)menggambarkan definisi uniregional dari peluang bertahan hidup (Ledent & Rees 1986, diacu dalam Rogers 1995): ) (x Piσ =
∑
= + − m k id ik id x M x p x M 1 2 5 2 5 ) ( ) ( ~ 1 ) ( 1 (35) dimana Mid(x)adalah tingkat kematian umur x sampai x+4 di daerah-i.2.8.3 Kelahiran
Proyeksi penduduk multiregional tidak lengkap tanpa memperkirakan jumlah total kelahiran yang bertahan hidup selama satu selang waktu.
Tingkat kelahiran penduduk wanita pada usia x di daerah-i dinotasikan dengan Fi(x)= ) ( ) ( x x i i ρ β , dimana (x) i
β
merupakan banyaknya kelahiran pada waktu umur xdi daerah-i dan
ρ
i(x)merupakan banyaknya penduduk wanita pada waktu umur xdi daerah i.
Jumlah bayi yang lahir selama selang interval 5 tahun adalah:
= ∑ 5 5
Jumlah bayi yang bertahan hidup di daerah-j sampai akhir selang interval adalah:
0 5 0
Sehingga diperoleh jumlah bayi yang lahir dari wanita usia reproduksi α sampai β selama selang waktu 5 tahun adalah:
0 = ∑ 0 0 5 5
= ∑ 0 0 5
= ∑ elemen pada baris ke-i kolom ke-j matriks B(x) adalah:
bji(x) = 21 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ + +
∑
= m k k k i k jk j j i j F x l L x S x F l L 1 0 0 ( 5) ) 0 ( ) 0 ( ) ( ) ( ) 0 ( ) 0 ( (31) Dengan matriks kelahiran dari bji (x) :B(x) = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 1 2 22 12 1 21 11 x b x b x b x b x b x b x b x b x b mm m m m m … … …
2.9 Matriks Proyeksi Multiregional
Dari matriks survivorship dan matriks kelahiran, dapat di susun matriks operator pertumbuhan penduduk secara multiregional (Rogers 1995) yaitu :
G = ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − − − 0 ) 5 ( 0 0 0 0 0 0 ) 10 ( 0 0 0 0 ) 5 ( 0 0 0 0 ) 0 ( 0 0 ) 5 ( ) 5 ( 0 0 z S S S S B Bα β
Matriks G di atas yang kemudian disebut sebagai proses pertumbuhan dengan generalisasi matriks Leslie. Setelah membuat matriks operator G maka dapat dilakukan proyeksi penduduk dengan menggunakan model proyeksi :
K(t+1) = G K(t) (36)
Dari persamaan (36) kita dapat memperoleh persamaan-persamaan berikut: K(t+1) = GK(t)
K(t+2) = GK(t+1) = G2K(t)
…
K(t+n) = GnK(t) (37)
Dengan demikian apabila kita mengetahui vektor sebaran umur awal K(t)
dan matriks G, maka kita dapat menentukan vektor sebaran umur populasi di waktu yang akan datang.
Model proyeksi di atas kemudian disebut dengan model proyeksi generalisasi matriks Leslie yang melibatkan migrasi secara multiregional, dimana:
K(t)= ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ) ( ) 5 ( ) 0 ( ) ( ) ( ) ( ) ( z K x K K K t t t t , K(t)(x) = ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ) ( ) ( ) ( ) ) ( 2 ) ( 1 x K x K x K t m t t
Pada populasi yang telah mencapai sebaran umur stabil maka jumlah penduduk pada periode t+1 adalah jumlah penduduk pada periode t dikali laju perubahannya, sehingga terjadi persamaan :
K(t+1) = λ K(t), (38)
dimana λ adalah laju perubahan. Apabila λ > 1 maka terjadi kenaikan, λ < 1 terjadi penurunan, dan untuk λ = 1 maka konstan.
Dari persamaan (38) di atas kita dapat memperoleh persamaan-persamaan berikut:
K(t+1) = λK(t)
K(t+2) = λK(t+1) = λ2K(t)
…
K(t+n) = λnK(t) (39) Dalam model proyeksi generalisasi matriks Leslie yang melibatkan komponen migrasi secara multiregional diketahui bahwa:
sehingga jika suatu populasi dengan model matriks Leslie yang telah mencapai sebaran umur stabil akan berlaku :
K(t+1) = G K(t) = λK(t) (40)
dimana λ adalah konstanta akarciri dominan dari matriks G. Dari persamaan (37) dan (39) dapat diformulasikan :
K(t+n) = GnK(t) = λnK(t) (41) Berdasarkan teorema 2 untuk mendapatkan penyelesaian λ pada persamaan (40) maka terdapat K(t) ≠ 0 sedemikian rupa sehingga (G-λI) K(t) = 0 akan
mempunyai penyelesaian yang tak nol harus dipenuhi det(G- λI) = 0. Untuk mengetahui gambaran populasi setelah sebaran umur stabil tercapai, maka dapat dilakukan penelusuran terhadap akarciri matriks Leslie.
Pada populasi yang telah mencapai sebaran usia stabil maka akarciri matriks
G adalah bersifat positif, tunggal dan real (sebut sebagai λ1) dan berlaku λ1> ,
j = 2, 3, …, dan berdasarkan definisi 5 maka λ1 adalah akarciri dominan dari
matriks G. Di dalam Jatminingtias (1996) telah ditunjukkan bahwa akarciri positif matriks Leslie (λ1) hanya satu. Vektorciri (x1) yang berpadanan dengan λ1
memiliki unsur-unsur yang positif. Jika terdapat dua kelas umur atau lebih yang berurutan, maka akarciri dominan matriks Leslie adalah akarciri positifnya.
Di dalam Brown (1997) model laju pertumbuhan penduduk pada populasi stabil dapat nyatakan sebagai :
K(t+1) = erK(t) (42)
dimana r merupakan laju pertumbuhan penduduk. Sehingga dari persamaan (40) dan (42) laju pertumbuhan penduduk pada populasi mencapai kondisi stabil untuk interval umur 5 tahunan dapat ditentukan dengan:
BAB III
METODOLOGI PENELITIAN
3.1 Sumber Data
Sampai saat ini sumber utama data statistik migrasi di Indonesia hanya mengandalkan pada hasil sensus penduduk (SP) ataupun survei penduduk antar sensus (SUPAS) yang secara operasional dilakukan oleh Biro Pusat Statistik (BPS). SP dilakukan 10 tahun sekali. Sejak Indonesia merdeka sensus penduduk telah dilaksanakan lima kali yaitu 1961, 1971, 1980, 1990 dan 2000. Untuk mengetahui keadaan penduduk antar sensus yang cukup panjang tersebut, BPS melaksanakan SUPAS. Sampai saat ini SUPAS telah dilakukan empat kali, yaitu pada tahun 1976, 1985, 1995 dan 2005.
Dalam penelitian ini data yang digunakan adalah data yang diambil dari BPS hasil SUPAS terakhir tahun 2005. Data yang diambil meliputi data migrasi risen menurut umur, data kematian, data kelahiran dan data jumlah penduduk.
3.2 Konsep dan Definisi
Penduduk adalah semua orang yang berdomisili di wilayah geografis Indonesia selama 6 bulan atau lebih atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan untuk menetap. Umur seseorang dapat diketahui apabila tanggal, bulan, dan tahun kelahiran diketahui. Di dalam proses pencacahan, pencacah akan menanyakan tanggal kelahiran setiap orang dan dinyatakan dalam kalender Masehi. Penghitungan umur seseorang harus selalu dibulatkan ke bawah atau menurut ulang tahun yang terakhir. Apabila tanggal, bulan maupun tahun kelahiran seseorang tidak diketahui, maka pencacah harus berusaha mendapatkan keterangan mengenai umur dengan beberapa cara misalnya dengan menghubungkan kejadian-kejadian penting baik yang bersifat nasional maupun daerah, misalnya Proklamasi kemerdekaan RI tahun1945 dan Pemilihan Umum Pertama tahun 1955.
Dengan cara penghitungan umur seperti di atas maka:
a. Penduduk berumur 0 tahun adalah penduduk yang berumur kurang dari satu tahun.
b. Penduduk berumur 1 tahun adalah penduduk yang berumur satu tahun lebih tetapi kurang dari dua tahun.
c. Penduduk umur 0-4 tahun adalah penduduk yang berumur kurang dari lima tahun
d. Penduduk umur 5-9 tahun adalah penduduk yang berumur lima tahun atau lebih, kurang dari 10 tahun dan seterusnya.
e. Penduduk berumur 85+ adalah penduduk yang berumur 85 tahun dan lebih.
3.3 Metode Analisis Data
Langkah-langkah yang dilakukan dalam menganalisis data yang telah diperoleh adalah sebagai berikut :
a. Mengelompokkan wilayah Indonesia menjadi dua wilayah yaitu Jawa Bali (JB) dan Luar Jawa Bali (LJB).
b. Pengolahan data dasar migrasi untuk dua wilayah tersebut.
c. Membuat pola model skedul migrasi untuk dua wilayah dengan cara melakukan pendugaan parameter model dibantu Software Mathematica 6.0 dengan pendekatan metode kuadrat terkecil:
i). Dengan mengikuti pola model Rogers.
ii). Membuat pola baru berupa model fungsi polinom. d. Membuat life table untuk dua wilayah tersebut.
e. Membuat life table multiregional yang melibatkan migrasi keluar menurut umur dan peluang kematian.
f. Mencari matriks operator G (matriks Leslie) untuk menduga jumlah penduduk pada satu interval waktu tertentu yang melibatkan survivorship dan kelahiran.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Analisis Model Migrasi
Secara umum persamaan model skedul migrasi model penuh yang dikemukakan oleh Rogers (1978) dapat digambarkan menjadi sebuah grafik yang diberikan pada gambar berikut ini:
Gambar 1 Skedul migrasi model penuh
Grafik di atas dengan menggunakan simulasi dapat dikaji sebagai berikut: 1. Kurva pra-angkatan kerja (pre-labor force), berupa persamaan eksponensial
dengan angka penurunan sebesar α1 yaitu :
f1(x) = a1 exp(-α1x) ; ∀x≥ 0 ,
dengan nilai-nilai parameter a1 = 0,008 ; α1 = 0,062
Gambar 2 Kurva migrasi pra-angkatan kerja
Kurva di atas menggambarkan bahwa pola migrasi pra-angkatan kerja (usia 5-15 tahun) mengalami penurunan sejalan dengan meningkatnya umur. Pada usia tersebut mereka memiliki resiko yang sama. Artinya mereka masih tergantung pada orangtua. Jadi kemanapun orangtua mereka pergi akan selalu diikutsertakan. Sehingga pada tahap ini semakin bertambahnya umur maka tingkat ketergantungan mereka terhadap orangtua akan semakin kecil. Hal ini akan berakibat tingkat migrasi semakin rendah.
2. Kurva angkatan kerja (labor force), berupa persamaan eksponensial ganda dengan satu titik puncak, dengan usia rata-rata µ2, serta memiliki angka
kenaikan λ2 dan penurunan α2 yaitu :
f2(x) = a2 exp{-α2(x - µ2) – exp[-λ2(x-µ2)]} ; ∀x≥ 0,
dengan nilai-nilai parameter a2 = 0,029 ; α2 = 0,075 ; µ2 = 19,45 ; λ2 = 0,365
Gambar 3 Kurva migrasi angkatan kerja
Kurva di atas menggambarkan bahwa pola migrasi angkatan kerja (15-60 tahun) umumnya mereka memiliki resiko yang berbeda. Artinya mereka tidak tergantung pada orangtua, karena mereka umumnya akan belajar mandiri dan menentukan tujuan hidup. Sehingga mengakibatkan tingkat migrasi pada usia 15-25 tahun mengalami peningkatan, sedangkan pada usia 25-60 tahun
0 0.002 0.004 0.006 0.008 0.01 0 10 20 30 40 50 60 70 80 90 f1 (x ) umur (th) ‐0.005 0 0.005 0.01 0.015 0.02 0 10 20 30 40 50 60 70 80 90 100 f2(x ) umur (th)
mengalami penurunan tingkat migrasi, hal ini disebabkan mereka umumnya sudah mempunyai keinginan untuk menetap dan membina rumah tangga. 3. Kurva pasca-angkatan kerja (post-labor force), berupa persamaan
eksponensial ganda, dengan usia rata-rata µ3, serta memiliki angka kenaikan
λ3 dan penurunan α3 yaitu :
f3(x) = a3 exp{-α3(x - µ3) – exp[-λ3(x-µ3)]} ; ∀x≥ 0
dengan nilai-nilai parameter a3 = 0,003 ; α3 = 0,155 ; µ3 = 75,35 ; λ3 = 0,073
Gambar 4 Kurva migrasi pasca angkatan kerja
Kurva di atas menggambarkan bahwa pola migrasi pasca-angkatan kerja (usia
≥ 60 tahun) tingkat migrasi yang terjadi sangat kecil bila dibandingkan dengan tahap pekerja. Sebagian dari mereka umumnya melakukan migrasi ke daerah asal karena keinginan mereka untuk menetap dan menghabiskan usia pensiun, dan sebagian lagi akan menetap di daerah yang baru.
4. Suatu konstanta c, yaitu suatu persamaan:
f4(x) = c ; ∀x≥ 0
dengan nilai-nilai parameter c = 0,0006
Gambar 5 Kurva konstanta
Kuva di atas menggambarkan suatu persamaan yang diperlukan untuk memperbaiki ketepatan matematis penaksiran skedul.
‐0.0005 0 0.0005 0.001 0.0015 0.002 0 10 20 30 40 50 60 70 80 90 100 f3 (x ) Umur (th) 0 0.0002 0.0004 0.0006 0.0008 0 10 20 30 40 50 60 70 80 90 100 f4 (x ) umur (th)
Gambar 1 menggambarkan skedul migrasi model “penuh” yang mempunyai 11 parameter: a1, α1, a2, µ2, α2, λ2, a3, α3, µ3, λ3 dan c. Dari sebelas parameter
tersebut mencerminkan hal-hal sebagai berikut:
1. Parameter yang menyatakan tingkat (level), yaitu: a1, a2, a3, dan c.
2. Parameter yang menyatakan pola (profil), yaitu: α1, α2, µ2, λ2, α3, µ3 dan λ3.
Perubahan dalam pola akan mengubah ketujuh parameter ini, tetapi belum tentu mengubah keempat parameter lainnya.
Beberapa hal yang menarik dari Gambar 1 adalah terdapatnya tiga titik istimewa dalam pola migrasi menurut kelompok umur, yaitu:
1. x1 yang merupakan titik terendah angka migrasi pada usia pra angkatan kerja.
Angka migrasi atau M(x) pada titik ini biasanya merupakan angka terendah. 2. xh sebagai titik puncak atau tertinggi, yatu titik yang menghasilkan M(x)
tertinggi pada usia angkatan kerja. Pada titik tersebut M(x) merupakan titik tertinggi jika dibandingkan dengan titik-titik lain di luar usia angkatan kerja. 3. xr yang merupakan titik tertinggi pada usia pasca-angkatan kerja. Titik ini
lebih rendah daripada xh.
Dari ketiga titik istimewa di atas (lihat dari Gambar 1), diperoleh tiga hal lain yaitu:
1. “Pergeseran angkatan kerja” (labor force shift) X = xh – x1, yaitu perbedaan
umur antara titik terendah dan titik tertinggi. Atau tahun yang dibutuhkan dari
x1 ke xh.
2. “Lompatan” (jump) B, yang merupakan perbedaan antara M(x) yang dihasilkan oleh x1 dan xh.
3. “Gesekan orang tua” (parental shift) A, yang mencerminkan hubungan erat antara migrasi anak-anak dan migrasi orang tua. Nilai ini diperoleh dengan menghitung selisih antara nilai x pada usia pra-angkatan kerja dan angkatan kerja untuk M(x) yang sama. Rata-rata selisih dua usia untuk suatu M(x) tersebut disebut dengan A (gesekan orang tua)
Karakteristik model skedul migrasi juga dapat dilihat dari kaitan antara kelompok umur pra-angkatan kerja dan angkatan kerja. Model skedul dikatakan memiliki puncak awal, jika µ2 kurang dari 19 tahun. Artinya rata-rata migran