SKRIPSI
Oleh
RIFKA YESICA SIMBOLON NIM. 161000090
PROGRAM STUDI S1 KESEHATAN MASYARAKAT FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS SUMATERA UTARA 2021
SKRIPSI
Diajukan sebagai Salah Satu Syarat
untuk Memperoleh Gelar Sarjana Kesehatan Masyarakat pada Fakultas Kesehatan Masyarakat Universitas Sumatera Utara
Oleh
RIFKA YESICA SIMBOLON NIM. 161000090
PROGRAM STUDI S1 KESEHATAN MASYARAKAT FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS SUMATERA UTARA 2021
i
ii TIM PENGUJI SKRIPSI
Ketua : Dr. Ir. Erna Mutiara, M.Kes.
Anggota : 1. Lanova Dwi Arde M., S.K.M., M.K.M.
2. Arifa Masyitah Panjaitan, S.K.M., M.Kes.
iii
Menggunakan Aplikasi Program Spectrum” 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 keilmuan 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, 26 Januari 2021
Rifka Yesica Simbolon
iv
sebagai provinsi penyumbang jumlah penduduk terbanyak di Indonesia kurang lebih 14 juta jiwa dengan laju pertumbuhan penduduk 1,27% pada tahun 2018.
Penelitian ini bertujuan memproyeksikan tingkat kelahiran, tingkat kematian, dan komposisi penduduk di Provinsi Sumatera Utara 2015-2050 menggunakan aplikasi program spectrum yang digunakan sebagai alat untuk perencanaan dan advokasi Reproduction Health/Family Planning. Metode penelitian adalah penelitian kuantitatif dengan pendekatan deskriptif menggunakan data sekunder yaitu jumlah penduduk tahun awal, Total Fertility Rate (TFR), Age Spesific Fertility Rate (ASFR), Sex Ratio at Birth, Life Expectancy, Model Life Table dimulai tahun 2015. Proyeksi menggunakan 2 skenario dimana skenario 1 TFR sebesar 2,1 pada tahun 2025 dan stabil hingga 2045 sesuai RPJMN 2015-2019 dan menurun diangka 1,91 pada tahun 2050. Skenario 2 TFR sesuai prediksi Indonesia sebesar 1,91 pada periode 2045-2050. Hasil penelitian didapat TFR berada di angka 2,1 pada tahun 2025 bila dapat menurunkan TFR 0,11 per tahun.
Skenario 2 TFR berada di angka 2,1 pada tahun 2039 bila dapat menurunkan TFR 0,04 per tahun. Angka kematian bayi pada tahun 2050 menjadi 21 kematian per 1.000 kelahiran hidup sesuai kedua skenario. Jumlah penduduk umur produktif lebih meningkat pada tahun 2040-2050 menurut skenario 2 dibanding skenario 1.
Pada tahun 2050 penduduk umur muda menurun namun penduduk umur produktif dan penduduk umur lanjut mangalami kenaikan. Skenario yang tepat untuk memproyeksikan beberapa indikator demografi Sumatera Utara dari 2015-2050 adalah skenario 2. Berdasarkan penelitian yang telah dilakukan, perlu meningkatkan pelaksanaan program keluarga berencana agar pernikahan dini semakin berkurang, pengguna KB aktif bisa semakin meningkat, pasangan suami- istri dapat mengatur kelahiran dan pemeriksaan kesehatan secara rutin, dan pemerintah memanfaatkan peluang bonus demografi.
Kata kunci: Proyeksi, demografi, spectrum, demproj
v
the largest population in Indonesia with approximately 14 million people with a population growth rate of 1.27% in 2018. This study aims to project the birth rate, mortality rate and population composition in North Sumatra Province in 2015- 2050 uses the spectrum program application which is used as a tool for planning and advocacy for Reproduction Health / Family Planning. The research method is quantitative research with a descriptive approach using secondary data, namely the number of population in the initial year, Total Fertility Rate (TFR), Age Specific Fertility Rate (ASFR), Sex Ratio at Birth, Life Expectancy, Life Table Model starting in 2015. Projections use 2 scenarios where scenario 1 TFR is 2.1 in 2025 and stable until 2045 according to RPJMN 2015-2019 and decreases to 1.91 in 2050. Scenario 2 TFR according to Indonesia's prediction of 1.91 in the 2045-2050 period. The results showed that the TFR will be at 2.1 in 2025 if it can reduce the TFR 0.11 per year. Scenario 2 TFR is in the number 2.1 in 2039 if it can reduce the TFR 0.04 per year. The infant mortality rate in 2050 will become 21 deaths per 1,000 live births under both scenarios. The number of productive age population will increase more in 2040-2050 according to scenario 2 compared to scenario 1. In 2050 the population of young age will decrease, but the population of productive age and the population of old age will increase. The right scenario to project some demographic indicators for North Sumatra from 2015-2050 is scenario 2. Based on the research that has been done, it is necessary to increase the implementation of family planning programs so that early marriage will decrease, current users can increase, husband and wife spouse can regulate births and checks health regularly, and the government takes advantage of the demographic dividend opportunity.
Keywords: Projection, demography, spectrum, demproj
vi
mampu menyelesaikan skripsi yang berjudul “Proyeksi Beberapa Indikator Demografi Sumatera Utara dari 2015-2050 Menggunakan Aplikasi Program Spectrum” ini dengan baik. Skripsi ini disusun untuk memenuhi salah satu syarat
menyelesaikan pendidikan program studi Strata 1 di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
Skripsi ini penulis persembahkan kepada keluarga penulis khususnya kepada dua orang yang paling penulis sayangi, kedua orang tua penulis Jalungun Simbolon dan Esni Sinaga, S.Pd. yang dengan penuh kesabaran dalam membesarkan, membimbing, mendidik, dan memberikan kasih sayang yang tulus dan selalu mendoakan penulis dalam menyelesaikan pendidikan dan penulisan skripsi ini.
Penulis juga tidak dapat terlepas dari dukungan serta bantuan dari berbagai pihak, untuk itu penulis menyampaikan ucapan terima kasih dan penghargaan yang tulus kepada:
1. Dr. Muryanto Amin, S.Sos., M.Si. 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 meluangkan waktu, memberi semangat dan dukungan selama skripsi ini dikerjakan.
vii
5. Lanova Dwi Arde M., S.K.M., M.K.M., selaku Dosen Penguji I yang telah memberikan saran, kritik, dan masukan dalam proses penyelesaian skripsi penulis.
6. Arifa Masyitah Panjaitan, S.K.M., M.Kes., selaku Dosen Penguji II yang telah memberikan saran, kritik, dan masukan dalam proses penyelesaian skripsi penulis.
7. drh. Rasmaliah, M.Kes., selaku Dosen Pembimbing Akademik penulis.
8. Staf dan Pegawai Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) Provinsi Sumatera Utara yang telah memberikan dukungan dalam penyempurnaan dan menerbitkan skripsi penulis Profil dan Proyeksi Program Pembangunan Keluarga, Kependudukan dan Keluarga Berencana.
9. Andika Mahaprada Tarigan, S.K.M., M.Kes., selaku Staf Akademik Departemen kependudukan dan Biostatistik Fakultas Kesehatan Masyarakat Universitas Sumatera Utara, yang telah memberikan dukungan dan informasi kepada penulis.
10. Untuk saudara penulis: Tony, Hendrik, Nico, dan Bobby, terima kasih atas dukungannya, doanya, dan perhatiannya bagi penulis selama proses penyelesaian skripsi ini.
11. Teman-teman terdekat yaitu Adnes, Aida, Cindy, Desi, Putri, Ropita yang telah memberikan doa dan semangat kepada penulis.
viii
(Theresia, Trilia, Ricka, Ade, Tisya) yang saling menyemangati.
14. Teman-teman seperjuangan yaitu Anzilah, Gita, Ozan, Nirina, dan Juli yang memberikan dukungan dan semangat.
15. Teman-teman kelompok KKN Desa Pardomuan Ajibata, kelompok PBL Desa Baru Pasar 8, Sahabat Kompat, dan Keluarga HKBP Parmonangan yang telah menyemangati dan mendukung penulis.
16. Kepada seluruh pihak yang telah memberikan bantuan dan dukungannya kepada penulis dalam penyelesaian skripsi ini yang tidak dapat penulis sebutkan satu persatu.
Saya menyadari bahwa skripsi ini masih jauh dari sempurna dikarenakan terbatasnya pengalaman dan pengetahuan yang dimiliki. Oleh karena itu, saya mengharapkan segala bentuk saran serta masukan bahkan kritik yang membangun dari berbagai pihak. Semoga skripsi ini dapat bermanfaat bagi para pembaca dan semua pihak khususnya dalam bidang kesehatan masyarakat.
Medan, 26 Januari 2021
Rifka Yesica Simbolon
ix
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 xiv
Daftar Istilah xv
Riwayat Hidup xvi
Pendahuluan 1
Latar Belakang 1
Perumusan Masalah 5
Tujuan Penelitian 5
Tujuan umum 5
Tujuan khusus 5
Manfaat Penelitian 5
Tinjauan Pustaka 7
Demografi 7
Penggunaan demografi 8
Sumber data demografi 8
Beberapa ukuran dasar demografi 10
Program Spectrum 17
Manfaat program spectrum 19
Langkah-langkah penyusunan proyeksi 20
Penggunaan Aplikasi Spectrum 21
Menggunakan modul demography projection 23
Metode Penelitian 28
Jenis Penelitian 28
Lokasi dan Waktu Penelitian 28
Populasi dan Sampel 28
Variabel dan Definisi Operasional 28
Metode Pengumpulan Data 31
Metode Analisis Data 31
x
Data tingkat kematian bayi Sumatera Utara 39
Data jumlah dan komposisi penduduk 41
Pembahasan 47
Tingkat Kelahiran Sumatera Utara 47
Tingkat Kematian Bayi Sumatera Utara 49
Jumlah dan Komposisi Penduduk 50
Keterbatasan Penelitian 54
Kesimpulan dan Saran 55
Kesimpulan 55
Saran 55
Daftar Pustaka 57
Lampiran 60
xi
Kota Tahun 2010 12
2 Angka Fertilitas Total Sumatera Utara Tahun 1971-2018 13 3 Angka Kematian Bayi di Sumatera Utara Tahun 1971-2012
dan Tahun 2017-2019 15
4 Jumlah dan Persentase Penduduk Berdasarkan Kelompok
Umur menurut SP 2010 dan SUPAS 2015 35
5 Jumlah Penduduk menurut Kelompok Umur dan Jenis
Kelamin Provinsi Sumatera Utara Tahun 2015 37
6 Proyeksi TFR, GRR, NRR Sumatera Utara 2016-2050 38 7 Proyeksi Angka Kematian Bayi Sumatera Utara Tahun
2016-2050 39
8 Proyeksi Jumlah Penduduk 5 Tahunan Sumatera Utara
2015-2050 41
9 Proyeksi Jumlah Penduduk Sumatera Utara menurut Umur
2015-2050 42
xii
2 Membuat file aplikasi program spectrum 21
3 Tampilan projection manager 22
4 Menentukan nama file dan folder 22
5 Mengatur periode proyeksi 22
6 Mengatur country and regional default 23
7 Projection manager 23
8 Tampilan awal demproj 23
9 Memulai modul demproj 24
10 Mengubah currency name 24
11 Demographic data 24
12 Memasukkan data indikator jumlah penduduk tahun awal 24
13 Memasukkan data indikator TFR 25
14 Memasukkan data awal dan target akhir 25
15 Melakukan interpolasi 25
16 Memasukkan data indikator ASFR 26
17 Memasukkan data indikator sex ratio at birth 26 18 Memasukkan data indikator umur harapan hidup 26
19 Memasukkan data indikator model life table 27
20 Memasukkan data indikator migrasi internasional 27
21 Variabel penelitian 28
xiii
25 Piramida penduduk 2020 43
26 Piramida penduduk 2025 44
27 Piramida penduduk 2030 44
28 Piramida penduduk 2035 44
29 Piramida penduduk 2040 45
30 Piramida penduduk 2045 45
31 Piramida penduduk 2050 45
xiv
2 Surat Izin Penelitian 61
3 Data Angka Kelahiran Total Provinsi Sumatera Utara Berdasarkan Survei Demografi dan Kesehatan Indonesia
(SDKI) Tahun 2012 dan Tahun 2017 62
4 Data Persentase Angka Kelahiran menurut Kelompok Umur Provinsi Sumatera Utara Berdasarkan Sensus Penduduk (SP) Tahun 2010, Survei Demografi dan
Kesehatan Indonesia (SDKI) Tahun 2017 63
5 Data Perbandingan Banyaknya Bayi Laki-laki yang Dilahirkan dengan Bayi Perempuan Provinsi Sumatera Utara Berdasarkan Badan Pusat Statistik, Proyeksi Penduduk 2015-2025 Provinsi Sumatera Utara
Berdasarkan Hasil Supas 2015 64
6 Data Angka Harapan Hidup menurut Jenis Kelamin Provinsi Sumatera Utara Berdasarkan Badan Pusat
Statistik, 2020 65
7 Proyeksi Penduduk Sumatera Utara menurut Kelompok Umur dan Jenis Kelamin Tahun 2015-2050 Berdasarkan
Skenario 1 66
8 Proyeksi Penduduk Sumatera Utara menurut Kelompok Umur dan Jenis Kelamin Tahun 2015-2050 Berdasarkan
Skenario 2 78
xv BPS Badan Pusat Statistik CBR Crude Birth Rate CDR Crude Death Rate DemProj Demography Projection FamPlan Family Plannning
GRR Gross Reproduction Rate HPI Health Policy Initiative IMR Infant Mortality Rate KB Keluarga Berencana
KKBPK Kependudukan Keluarga Berencana dan Pembangunan Keluarga LPP Laju Pertumbuhan Penduduk
MMR Maternal Mortality Ratio NRR Net Reproduction Rate PBB Perserikatan Bangsa-bangsa
SDKI Survei Demografi dan Kesehatan Indonesia
SP Sensus Penduduk
TFR Total Fertility Rate
UNFPA United Nations Population Fund for Population Activities USAID United State Agency International Development
xvi
ketiga dari lima bersaudara dari pasangan Alm. Jalungun Simbolon dan Esni Sinaga.
Pendidikan formal dimulai dari pendidikan sekolah dasar di SD 101775 Sampali Tahun 2004-2010, sekolah menengah pertama di SMP Negeri 6 Percut Sei Tuan Tahun 2010-2013, sekolah menengah atas di SMA Negeri 1 Percut Sei Tuan Tahun 2013-2016, selanjutnya penulis melanjutkan pendidikan di program Studi S1 Kesehatan Masyarakat Universitas Sumatera Utara.
Medan, 26 Januari 2021
Rifka Yesica Simbolon
1
Penduduk bersifat dinamis sesuai keadaan dan kondisi zaman yang menimbulkan dinamika penduduk cenderung kepada perkembangan jumlah penduduk.
Penduduk dipengaruhi oleh jumlah bayi yang lahir tetapi secara bersamaan dikurangi oleh jumlah kematian pada semua kelompok umur. Menurut Bouge (1969) Demografi adalah ilmu yang mempelajari secara matematik ataupun statistik mengenai fertilitas, mortalitas, perkawinan, migrasi dan mobilisasi sosial (Adioetomo & Samosir, 2015). Demografi merupakan alat untuk mempelajari perubahan kependudukan yang dipengaruhi oleh fertilitas, mortalitas, dan migrasi.
Menurut perkiraan Bappenas dan UNFPA (2013) penduduk Indonesia mencapai 305,7 juta jiwa pada tahun 2035. Diperkirakan penduduk dunia akan bertumbuh menjadi 8,1 Triliun pada tahun 2025. Pada tahun 2050 bertambah menjadi 9,6 Triliun (United Nations, 2015). Bumi Indonesia akan mengalami pertumbuhan penduduk yang sangat besar pada tahun 2050 dihuni 321,4 juta jiwa menaruh Indonesia diposisi kelima sebagai negara dengan populasi terbesar di dunia setelah Tiongkok, India, Nigeria, dan Amerika Serikat (United Nations, 2012). Tingginya laju pertumbuhan penduduk di daerah atau provinsi mengakibatkan tingginya jumlah penduduk di Indonesia.
Kependudukan telah menjadi kesulitan yang penting untuk segera diselesaikan oleh pemerintah dan pakar kependudukan di Indonesia. Laju pertumbuhan penduduk beserta komponen-komponen yang memengaruhinya
menjadi faktor penyebab perubahan kondisi struktur penduduk di suatu wilayah.
Kenaikan laju pertumbuhan penduduk menurut SP 2010 Indonesia pada periode 1990-2000 dan periode 2000-2010 dari 1,45 persen menjadi 1,49 persen. Pada tahun 2010 jumlah penduduk Indonesia sebesar 237 juta jiwa dan diproyeksikan mencapai 261 juta jiwa pada tahun 2017 (Badan Pusat Statistik [BPS], 2013).
Menurut Survei Demografi dan Kesehatan Indonesia (SDKI) tahun 2012 menyatakan jumlah penduduk Indonesia sebesar 257 juta jiwa. Jumlah ini menempatkan Indonesia sebagai negara dengan penduduk terbesar di dunia setelah Republik Rakyat Cina, India dan Amerika Serikat (BkkbN, BPS, Kementerian Kesehatan, dan ICF Internasional, 2013).
Jumlah penduduk Indonesia pada tahun 2018 mencapai 265 juta jiwa (Badan Pusat Statistik [BPS], 2018). Pada struktur penduduk Indonesia menyatakan bahwa cenderung meningkatnya jumlah penduduk Indonesia dari tahun ke tahun. Bagi bangsa Indonesia ini menjadi tantangan dalam memanfaatkan jumlah penduduk sebagai potensi positif bagi pembangunan dan kepentingan jangka panjang.
Menunjang keberhasilan pembangunan serta untuk menangani permasalahan penduduk maka dibutuhkan upaya pengendalian jumlah penduduk melalui pengendalian fertilitas yang memberikan pengaruh positif terhadap laju pertumbuhan penduduk (Mantra, 2003). Pada kurun waktu 25 tahun perubahan penurunan fertilitas di Indonesia menunjukkan perubahan yang signifikan.
Berdasarkan tren tingkat fertilitas Indonesia sesuai hasil SDKI, pada tahun 1971 angka fertilitas total mencapai 5,61 dan turun menjadi 2,82 pada tahun 1995. Pada
tahun 2007 hingga tahun 2012, angka fertilitas total stagnan di angka 2,6 (BPS, BkkbN, Kemenkes, and Micro International Inc, 2013).
Sumatera Utara berada di urutan ke-4 sebagai provinsi penyumbang jumlah penduduk terbanyak di Indonesia kurang lebih 14 juta jiwa dengan laju pertumbuhan penduduk 1,27% pada tahun 2018 setelah Provinsi Jawa Barat (48,68 juta jiwa), Jawa Timur (39,50 juta jiwa), dan Jawa Tengah (34,49 juta jiwa) dengan kepadatan penduduk Sumatera Utara sebesar 196 jiwa/km², dan luas wilayah sebesar 72.981,23 km² (BPS, 2018). Tren jumlah penduduk Sumatera Utara pada tahun 2010-2016 dari sekitar 12,9 juta jiwa meningkat menjadi 14,1 juta jiwa selama kurun waktu 6 tahun menunjukkan pertambahan penduduk sebesar 1,2 juta jiwa. Sedangkan tahun 2010-2016 laju pertumbuhan penduduk (LPP) Sumatera Utara adalah 1,33% per tahun (BPS, 2017).
Sumatera Utara memiliki trend Total Fertility Rate (TFR) berada pada angka 3,01 anak per wanita usia subur berdasarkan SDKI tahun 2012 lebih tinggi dari 3 provinsi lainnya dengan jumlah penduduk terbanyak yaitu Jawa Barat (2,5), Jawa Timur (2,3), dan Jawa Tengah (2,1). Berdasarkan SDKI tahun 2017 sudah mengalami penurunan menjadi sebesar 2,9 anak per wanita usia subur namun angka tersebut masih diatas TFR nasional sebesar 2,28 yang menunjukan angka pertumbuhan penduduk di Sumatera Utara belum seimbang karena keinginan masyarakat di Sumatera Utara untuk memiliki anak lebih dari 2 masih tinggi.
(BkkbN, 2018).
Sebagaimana diketahui bahwa indikator demografi adalah jumlah, struktur, dan komposisi penduduk, pengendalian fertilitas, penurunan angka
mortalitas, dan pengarahan mobilisasi penduduk namun pada penelitian hanya membatasi pada indikator komposisi penduduk, fertilitas dan mortalitas karena ketersediaan data yang mendukung indikator-indikator tersebut. Dengan demikian akan dibuat proyeksi Provinsi Sumatera Utara tahun 2015-2050 dengan menggunakan data dasar Supas 2015, sampai 2050 karena Provinsi Sumatera Utara memiliki kontribusi sangat besar dalam menyumbang jumlah penduduk, di sisi lain Indonesia diproyeksikan akan mengalami pertumbuhan penduduk yang sangat besar pada tahun 2050 dihuni 321,4 juta jiwa memposisikan Indonesia menjadi negara kelima di dunia dengan populasi terbesar setelah Tiongkok, India, Nigeria, dan Amerika Serikat.
Jumlah maupun ciri-ciri penduduk lainnya dapat diperkirakan untuk masa mendatang melalui data penduduk yang dikumpulkan. Proyeksi penduduk merupakan hal penting dalam demografi sebagai usaha untuk memperkirakan pola pertumbuhan masa depan penduduk berupa tingkat kelahiran, kematian, dan migrasi (Ravichandran, 2013). Untuk memperkirakan keadaan yang terjadi di masa mendatang digunakan proyeksi melalui aplikasi program spectrum. Banyak aplikasi yang digunakan untuk proyeksi seperti program minitab, program zaitun, program microsoft excel, program excel stat, dan lainnya. Penelitian ini menggunakan aplikasi program spectrum karena spectrum adalah aplikasi atau program komputer untuk perencanaan dan advokasi Reproduction Health/Family Planning. Aplikasi program spectrum dapat digunakan untuk pengambilan keputusan maupun perencanaan berdasarkan tujuan yang telah ditentukan untuk memberikan informasi dari pembangunan saat ini. Hasil dapat disusun
berdasarkan alternatif-alternatif kebijakan yang direncanakan dan akan diterapkan.
Perumusan Masalah
Berdasarkan latar belakang, rumusan masalah penelitian ini adalah:
Bagaimana gambaran penduduk Provinsi Sumatera Utara dengan melakukan proyeksi beberapa indikator demografi (komposisi penduduk, fertilitas dan mortalitas) dari 2015-2050 menggunakan aplikasi program spectrum.
Tujuan Penelitian
Tujuan umum. Memproyeksikan tingkat kelahiran, tingkat kematian, dan komposisi penduduk di Provinsi Sumatera Utara dengan menggunakan aplikasi program spectrum.
Tujuan khusus. Berikut ini tujuan khusus penelitian:
1. Mengetahui pertumbuhan tingkat kelahiran, tingkat kematian, dan komposisi penduduk Provinsi Sumatera Utara selama periode 2015-2050 yang dihasilkan dari aplikasi program spectrum.
2. Mengetahui berapa besar angka tingkat kelahiran, tingkat kematian, dan komposisi penduduk Provinsi Sumatera Utara jika diproyeksikan dari tahun 2015-2050 yang dihasilkan aplikasi program spectrum.
Manfaat Penelitian
1. Memperhitungkan proyeksi tingkat kelahiran, tingkat kematian, dan komposisi penduduk Provinsi Sumatera Utara antara tahun 2015 hingga 2050.
2. Dapat dijadikan sebagai bahan masukan dalam perencanaan pembangunan terkait dengan perkembangan kuantitas di masa mendatang.
3. Menjadi referensi untuk merancang kebijakan dan program yang dapat meningkatkan pelaksanaan pembangunan kependudukan.
7
penduduk yaitu: jumlah, persebaran, perubahan di suatu wilayah serta alasan yang mengubah struktur dan proses tersebut, yang biasa muncul karena kelahiran, kematian, dan migrasi penduduk (Mantra, 2003). Tidak hanya mempelajari penduduk sebagai individu, tetapi demografi mempelajari penduduk sebagai suatu kelompok, dimana demografi sendiri memberikan penjelasan mengenai perilaku penduduk, baik secara massa maupun kelompok secara menyeluruh.
Ilmu demografi terus mengalami perkembangan bersamaan dengan timbulnya masalah mengenai pembagian cabang seperti ilmu-ilmu lain (Marhaeni, 2018). Adolphe Laundry (1937) menyatakan antara jenis kelamin, umur, kelahiran, kematian, dan sebagainya terjadi interaksi secara matematika, sehingga ia menyarankan menggunakan sebutan Pure Demography sebagai cabang ilmu demografi yang menghasilkan angka-angka tertentu atau bersifat analitis matematika (Lembaga Demografi Fakultas Ekonomi UI, 2007).
Pure Demography atau dikenal Demografi Formal menghasilkan teknik- teknik menghitung data kependudukan supaya diperoleh gambaran keadaan penduduk pada masa depan atau masa lampau. Pure Demography tidak bisa menjawab mengenai: apa, berapa, kapan, dan di mana kondisi atau angka-angka tersebut terjadi. Untuk menjawab apa atau mengapa yang menyebabkan angka- angka yang telah dihitung terjadi dapat dijawab dalam bidang ilmu Social Demography atau studi kependudukan yang mengartikan mengapa angka-angka
tersebut terjadi. Ilmu ini menjadi penghubung antara penduduk dengan tingkah laku, dengan maksud dapat memecahkan pertanyaan dasar: bagaimana menambah pengertian atau pemahaman terhadap masyarakat melalui proses analisis kependudukan (Marhaeni, 2018).
Penggunaan demografi. Ketiga komponen demografi dipakai untuk tujuan pokok, yaitu:
1. Memahami kuantitas dan distribusi penduduk dalam suatu daerah tertentu.
2. Menggambarkan pertumbuhan, penurunan, persebaran penduduk masa lampau dengan baik.
3. Mencoba memprediksi pertumbuhan penduduk dan kemungkinan- kemungkinan pengaruhnya di masa mendatang.
Sumber data demografi. Sumber data demografi didapat dari sistem pengumpulan data penduduk dengan melaksanakan cacah jiwa atau Sensus Penduduk (SP) yang dilaksanakan setiap 10 tahun sekali pada tahun berakhiran angka 0. Data penduduk yang dinamis dikumpul melalui registrasi penduduk yang dilaksanakan setiap saat. Sedangkan data tentang karakteristik penduduk didapatkan melalui pelaksanaan survei penduduk oleh instansi tertentu (Mantra, 2003).
1. Sensus Penduduk
Sensus penduduk adalah kegiatan mengumpulan, mengolah, menyajikan, dan menilai data penduduk mengenai ciri-ciri demografi, sosial ekonomi, maupun lingkungan hidup. Informasi demografi dikumpul melalui anggota keluarga yang bersifat individu, yang pencacahannya dilakukan secara menyeluruh sebagai
anggota masyarakat, dan dilaksanakan serentak. Agar hasil sensus dapat dibandingkan dari berbagai negara, Perserikatan Bangsa-Bangsa (PBB) menjelaskan informasi yang harus ada dalam melakukan sensus penduduk adalah sebagai berikut: (Mantra, 2003).
a. Geografi dan migrasi penduduk, mengenai tempat pencacahan, jumlah penduduk yang berdiam di suatu wilayah, tempat lahir, lamanya menetap di daerah sekarang, tempat tinggal terakhir sebelum berada di wilayah sekarang, serta tempat tinggal beberapa tahun sebelumnya.
b. Rumah tangga, mengenai komposisi anggota rumah tangga, hubungan setiap anggota rumah tangga kepada kepala keluarga, dan jenis kelamin kepala keluarga.
c. Karakteristik sosial dan demografi, pendidikan, dan ekonomi, mengenai komposisi penduduk berdasarkan jenis kelamindan umur, pendidikan, agama, status perkawinan, pendapatan.
d. Kelahiran dan kematian, mengenai banyaknya anak yang lahir di masa lampau, banyaknya anggota dalam keluarga yang sudah meninggal, umur kawin pertama kali, lamanya umur perkawinan, jumlah kelahiran, jumlah kematian bayi satu tahun sebelum sensus penduduk dilaksanakan.
2. Registrasi Penduduk
Beberapa komponen penduduk tidak dapat dijaring dalam melaksanakan sensus penduduk seperti: kematian, perkawinan, perceraian, mobilitas penduduk, perubahan pekerjaan. Agar dapat menjaring komponen penduduk tersebut diadakan pengumpulan data dengan registrasi penduduk. Registrasi penduduk
dilaksanakan oleh instansi pemerintahan dalam negeri, dimana kepala desa dan perangkat desa lainnya sebagai ujung tombak pelaksanaanya. Bila dalam rumah tangga terjadi kematian bayi, maka kepala keluarga atau anggota keluarga lain melaporkan peristiwa kematian tersebut, begitupun dengan peristiwa lainnya.
Pelaporan seperti ini dinamakan pelaporan pasif yang dapat menimbulkan ketidaklengkapan pelaporan data. Ketidaklengkapan pelaporan data terjadi karena terlambat atau tidak dilaporkannya peristiwa kelahiran atau kematian dalam rumah tangga.
3. Survei Penduduk
Hasil yang diperoleh melalui registrasi ataupun sensus penduduk memiliki keterbatasan. Data yang disediakan adalah data mengenai statistik kependudukan yang kurang memberikan informasi mengenai perilaku penduduk. Dalam menangani keterbatasan ini, dilakukan survei penduduk yang biasanya dilakukan dengan sampel atau bentuk studi kasus, bersifat terbatas dan mengumpulkan informasi lebih luas dan mendalam.
Beberapa ukuran dasar demografi. Ukuran-ukuran yang digunakan oleh demografi sama dengan ukuran-ukuran yang digunakan oleh ilmu-ilmu lain.
Pengukuran struktur demografi bersumber dari data sensus penduduk atau data sekunder berbeda dengan pengukuran kelahiran, kematian, dan mobilitas penduduk (Lembaga Demografi FE-UI, 2007).
1. Fertilitas (Kelahiran)
Fertilitas adalah kesanggupan nyata seorang wanita atau sekelompok wanita untuk melahirkan. Digambarkan dari banyaknya bayi yang dilahirkan.
Tinggi rendahnya fertilitas dipengaruhi oleh faktor demografi yaitu: struktur umur, struktur perkawinan, umur kawin pertama, paritas, disrupsi perkawinan, dan proporsi yang kawin Mengukur kelahiran lebih kompleks dibanding mengukur kematian sebab seorang perempuan dapat melahirkan bayi lebih dari sekali, namun meninggal satu kali.
Ukuran fertilitas yang sering dipakai adalah: (Yuhedi & Kurniawati, 2013) a. Angka Kelahiran Kasar (Crude Birth Rate, CBR) yaitu angka yang
menyatakan banyaknya kelahiran berdasarkan tahun tertentu per 1.000 penduduk pada pertengahan tahun yang sama.
Jumlah kelahiran
CBR = x 1.000
Jumlah penduduk
b. Angka Kelahiran Berdasarkan Kelompok Umur Ibu (Age Specific Fertility Rate, ASFR) adalah indikator kelahiran memperkirakan perbedaan fertilitas wanita yang tergambar untuk melahirkan, yaitu wanita subur dengan memperhatikan karakteristik umur yang menyatakan banyaknya kelahiran pada 1000 wanita pada kelompok umur antara 15-49 tahun.
Jumlah kelahiran
CBR = x 1.000
Jumlah Ibu
Tabel 1
Angka Kelahiran per Kelompok Umur menurut Kabupaten/Kota Tahun 2010
Kabupaten/Kota Kelompok Umur
15-19 20-24 25-29 30-34 35-39 40-44 45-49
Nias 57 200,9 225,2 181,8 105,8 46,3 16
Mandailing Natal 44,5 169,6 207,7 174,6 110,2 42,2 11,9 Tapanuli Selatan 42 175 218,4 176,3 105,8 37,6 9,4 Tapanuli Tengah 38,9 175,6 226 190,8 117,7 42,1 7,4 Tapanuli Utara 20,8 163,2 254,6 233,8 146,8 49,4 5,9 Toba Samosir 23,3 155,3 232,8 210,1 127,8 38,3 5,1 Labuhan Batu 39,8 152,8 176,4 141,7 86,8 31,7 8,3
Asahan 37,5 154,2 171 131,6 76,3 25,5 6,4
Simalungun 31,1 154,1 183,9 141,7 76,8 22 4,4
Dairi 25,7 169,3 240,6 210,8 127,3 39,4 5,6
Karo 44,4 155,1 173,1 132,8 74,3 20,5 3,8
Deli Serdang 27,5 127,7 160,1 123,5 68,5 21,3 5 Langkat 40,2 147,9 157,5 116,5 64,8 21,4 5,3 Nias Selatan 60 194,1 200,6 154,6 94,6 45,1 20,5 Humbang Hasundutan 20,8 176,6 277,4 263,2 170,2 61,7 8,9 Pakpak Bharat 24,6 171,2 250,7 210,1 131,9 54,6 11 Samosir 16,7 142,9 250,4 240,1 148,7 51,1 7,8 Serdang Bedagai 40,9 151,6 171,8 128,4 73 24,2 5,2
Batubara 40,8 158,3 181,7 144,3 85 29,9 7,6
Padang Lawas 58,3 193,6 221,9 178,8 112,9 42,8 13,5 Padang Lawas Utara 59 207,8 229,8 183,1 107,1 38,9 10,1 Labuhan Batu Selatan 52,1 175,7 180,1 135,1 81,8 29,2 8,4 Labuhan Batu Utara 47,7 172 184 145,4 87,6 31,4 7,9 Nias Barat 53,5 193,7 220,1 174,5 103,3 32,4 8,6 Nias Utara 48,1 208,4 224,3 171,1 90 31,6 9,5 Tanjung Balai 37 145,3 186,8 155,5 90,1 33,7 6,5
Sibolga 24,7 126,6 180,7 147,4 83,7 25 4,6
Tebing Tinggi 27,5 124,2 159,2 125 66,8 20,1 4,4 Pematang Siantar 10,3 94,4 166 138,2 77,2 22,7 4,2
Binjai 20,2 108,1 150,9 115,5 64,8 18,8 5,3
Medan 12,8 82,6 137,3 115,2 61,1 18,4 4,5
Padang Sidimpuan 16,2 117 181,7 154,1 88,3 27,5 6,1
Gunung Sitoli 33 151 201 146,1 76 22,5 5,5
Sumber: Badan Pusat Statistik, 2010.
c. Angka Kelahiran Total (Total Fertility Rate, TFR) adalah rata-rata banyaknya anak yang dilahirkan oleh seorang wanita usia subur. Gambaran rendahnya rata-rata umur nikah, tingkat kemiskinan¸dan menyatakan kesuksesan program
KB dilihat melalui angka TFR. Diketahuinya TFR suatu daerah bakal mendukung pihak perencana program pembangunan dalam menaikkan rata- rata umur pernikahan, memajukan pelayanan kesehatan bersangkutan dengan pelayanan ibu hamil dan perawatan anak, serta memajukan program penurunan tingkat kelahiran.
5 (Jumlah ASFR) CBR =
1000
Angka Fertilitas Total secara umum di negara-negara yang berkembang seperti Indonesia tinggi sekali, yaitu lebih besar sama dengan 5, sedang di negara-negara maju hanya sekitar lebih kecil sama dengan 2.
Tabel 2
Angka Kelahiran Total di Sumatera Utara Tahun 1971-2018.
Tahun
Sensus Pensusuk
(SP)
Survei Demografi dan
Kesehatan Indonesia
(SDKI)
Rencana Pembangunan Jangka Menengah
Nasional (RPJMN)
Survei Kinerja dan Akuntabilitas Program (SKAP)
1971 7,20
1980 5,94
1990 4,29
1991 4,17
1994 3,88
1997 3,10
2000 2,84
2002 3,00
2007 3,80
2010 3,01
2012 3,00
2016 2,87
2017 2,90
2018 2,82
Sumber: Badan Pusat Statistik, 2014, BkkbN, 2020.
2. Mortalitas (Kematian)
Kematian adalah satu dari tiga komponen demografi, berpengaruh terhadap struktur penduduk yang terjadi pada waktu dan tempat tertentu dimana kejadiannya disebabkan penyakit ataupun hal lain. Tinggi ataupun rendah jumlah kematian bukan hanya berpengaruh terhadap pertumbuhan penduduk, namun merupakan patokan dari tinggi ataupun rendahnya kualitas kesehatan masyarakat di daerah tersebut.
Beberapa angka kematian yang sederhana antara lain: (Yuhedi &
Kurniawati, 2013).
a. Angka Kematian Kasar (Crude Death Rate, CDR) adalah angka yang menunjukkan banyaknya kematian pada periode tertentu (biasanya dalam 1 tahun) dibagi dengan jumlah penduduk di suatu daerah, dinyatakan per 1.000 penduduk.
Jumlah kematian
CDR = x 1.000
Jumlah penduduk
b. Angka Kematian Bayi (Infant Mortality Rate, IMR) adalah banyaknya kematian yang terjadi dalam rentang periode setelah bayi lahir hingga bayi belum berumur tepat 1 tahun.
Jumlah kematian bayi
IMR = x 1.000
Jumlah kelahiran hidup
Angka kematian bayi adalah indikator yang berguna, bukan hanya pada status kesehatan anak, namun terhadap status penduduk keseluruhan dan kondisi ekonomi dimana penduduk tersebut bertempat tinggal, baik di negara maju ataupun negara berkembang.
Sumber data mortalitas penduduk di Indonesia didapat melalui registrasi penduduk dari pencatatan terus-menenerus. Hasil registrasi penduduk belum sesuai harapan, banyak kejadian kematian yang belum tercatat serta kualitas data masih rendah. Sering tidak melaporkan kematian oleh kepala keluarga atau salah satu anggota keluarga sebab terjadi angka pelaporan yang jumlahnya belum sesuai dari keadaan sebenarnya. Dari ketidaklengkapan dan kurangnya angka statistik vital di Indonesia, sangat sulit memperhitungkan tren mortalitas di Indonesia dengan tepat dari masa ke masa (Mantra, 2003).
Tabel 3
Angka Kematian Bayi di Sumatera Utara Tahun 1971-2012 dan Tahun 2017-2019
Tahun Sensus Pensusuk (SP)
Survei Demografi dan Kesehatan Indonesia
(SDKI)
Provinsi Sumatera Utara Dalam
Angka 2020
1971 121
1980 89
1990 61
1994 61
1997 45
2000 44
2002 42
2007 46
2010 26
2012 40
2017 25,1
2018 24,6
2019 24,6
Sumber: Badan Pusat Statistik, 2014, 2020
c. Angka Kematian Ibu (Maternal Mortality Ratio, MMR) adalah kematian dalam kurun waktu 42 hari sejak terminasi kehamilan tanpa memandang lamanya kehamilan atau tempat persalinan per 100.000 kelahiran hidup atau kematian wanita saat hamil.
Jumlah kematian ibu
MMR = x 1.000
Jumlah kelahiran hidup
Diketahuinya angka MMR bermafaat untuk pengembangan program peningkatan kesehatan reproduksi, terutama pelayanan kehamilan dan memenuhi kehamilan yang aman bebas risiko tinggi, meningkatkan jumlah kelahiran yang dibantu oleh tenaga kesehatan, menyiapkan sistem rujukan sebagai upaya menangani komplikasi kehamilan, menyiapkan suami dan keluarga siaga dalam menghadapi kelahiran, semuanya untuk mengurangi angka kematian ibu dan meningkatkan derajat kesehatan reproduksi.
3. Migrasi
Migrasi adalah berpindahnya individu ataupun kelompok dari satu wilayah ke wilayah lain yang sifatnya sementara ataupun menetap. Dua jenis migrasi, yaitu migrasi bruto dan migrasi neto (Yuhedi & Kurniawati, 2013).
a. Migrasi bruto adalah banyaknya migrasi masuk dan migrasi keluar dalam suatu daerah.
Jumlah migran masuk + keluar
Migrasi Bruto = x 1.000
Jumlah penduduk pertengahan tahun
b. Migrasi neto adalah selisih antara migrasi masuk dan migrasi keluar.
Dikatakan positif bila migrasi masuk lebih besar dibanding migrasi keluar, dan dikatakan negatif bila sebaliknya.
Jumlah migran masuk - keluar
Migrasi Bruto = x 1.000
Jumlah penduduk pertengahan tahun Program Spectrum
Program spectrum merupakan suatu model kebijakan dalam aplikasi atau program komputer. United State Agency International Development (USAID) dan Health Polivy Initiative (HPI) mengembangkan program spectrum agar bisa dimanfaatkan untuk memberikan informasi gambaran kinerja pembangunan saat ini (BkkbN, 2011).
Pada program Spectrum tersedia 9 modul, namun hanya ada 3 modul yang bersangkutan dengan program kependudukan dan keluarga berencana, yaitu:
(BkkbN, 2016).
1. Modul Demography Projection.
Modul Demography Projection (DemProj) dipergunakan sebagai dasar dalam perencanaan untuk menyusun proyeksi penduduk berdasarkan jumlah penduduk dari suatu daerah pada tahun tertentu menurut kelompok jenis kelamin dan umur, dan komponen demografi dari suatu daerah yang terdiri dari tingkat kelahiran, kematian, migrasi.
Data yang dibutuhkan dalam modul DemProj, yaitu: (BkkbN, 2011).
1) Jumlah penduduk menurut jenis kelamin dan usia pada tahun awal.
2) Angka kelahiran total (Total Fertility Rate, TFR)
3) Angka kelahiran menurut umur (Age Specific Fertility Rate, ASFR)
4) Sex Ratio at Birth atau perbandingan jumlah penduduk laki-laki dengan perempuan pada waktu tertentu di suatu daerah.
5) Life Expectancy (Umur Harapan Hidup) 6) Model Life Table berdasarkan IMR 7) Migrasi Internasional.
Proyeksi yang dihasilkan adalah: (BkkbN, 2011).
1) Jumlah penduduk menurut kelompok umur dan jenis kelamin.
2) Fertilitas meliputi : TFR, NRR, GRR, rasio anak perempuan, rata-rata usia subur.
3) Mortalitas meliputi : IMR, angka harapan hidup.
4) Vital Events yaitu : CBR, CDR, LPP, angka kelahiran, angka kematian.
5) Ratios yaitu : sex ratio, dependency ratio.
2. Modul Family Planning.
Modul Family Planning (FamPlan) dipergunakan dalam memperkirakan komponen dan keperluan program Keluarga Berencana (KB) dalam mencapai sasaran program KB.
Hasil dari FamPlan adalah:
1) Jumlah peserta baru metode kontrasepsi tertentu pada tahun tertentu.
2) Angka kelahiran hidup yang berlangsung selama satu tahun.
3) Jumlah kebutuhan alat kontrasepsi disetiap metode untuk pelayanan KB.
4) Biaya yang hendak dikeluarkan pemerintah untuk memberikan pelayanan KB.
5) Fekunditas untuk tahun awal.
6) Jumlah biaya kotor yang hendak dikeluarkan pemerintah dalam memberikan pelayanan KB.
7) Kenaikan jumlah pemakai kontrasepsi setiap tahunnya.
8) Jumlah wanita menikah dalam umur produktif.
9) Biaya bersih yang hendak dikeluarkan pemerintah dalam pelayanan KB.
10) Jumlah kehamilan yang terjadi selama satu tahun.
11) Jumlah pendapatan yang diperoleh dari pelayanan KB.
12) Jumlah wanita umur reproduktif (15-49 tahun).
3. Resources for Awareness of Population Impacts on Development (RAPID) . RAPID digunakan sebagai dasar advokasi dalam menyusun proyeksi dampak sosial ekonomi (ekonomi, kesehatan, pendidikan, urbanisasi dan pertanian) akibat tingkat kelahiran dan laju pertumbuhan penduduk. RAPID menggabungkan indikator-indikator sosial ekonomi (jumlah tenaga kesehatan, tingkat partisipasi angkatan kerja, dan tingkat partisipasi siswa sekolah dasar serta menengah) untuk mendapatkan gambaran dinamika penduduk terhadap sektor- sektor pembangunan sosial ekonomi di masa mendatang (BkkbN, 2016)
Manfaat program spectrum. Program spectrum dipakai untuk kebutuhan, yaitu: (BKKBN, 2011).
a. Mendorong terjalinnya perundingan tentang isu atau kebijakan yang didiskusikan terkait isu kematian ibu dan kematian anak yang tinggi, angka
kelahiran dan pertumbuhan penduduk yang tidak terkendali yang berakibat kepada sosial ekonomi.
b. Memberikan serangkain konsep dan kejelasan hubungan untuk memahami isu-isu dan dapat mengevaluasi beberapa alternatif seperti kebijakan menurunkan TFR menjadi 2,1 memiliki hasil bagi kebijakan program KB.
c. Membantu pembuat kebijakan dalam mengusulkan goal (tujuan) atau target yang ingin diraih serta melihat akibat yang harus dialami untuk meraih tujuan.
Langkah-langkah penyusunan proyeksi. Penyusunan proyeksi menggunakan aplikasi spectrum memiliki 9 cara kerja, yaitu: (BKKBN, 2011).
1. Menentukan prioritas masalah kebijakan kependudukan, sebagai langkah awal mengumpulkan data dan mengembangkan presentasi yang dibutuhkan (misal:
jumlah penduduk yang terlalu besar, perencanaan program KB).
2. Menentukan daerah yang proyeksikan.
3. Menentukan waktu proyeksi dimulai dari tahun awal hingga pada tahun akhir yang ditetapkan. Tahun awal dipilih sesuai dengan ketersediaan data, seperti tahun sensus atau tahun survei terbaru.
4. Mengumpulkan data untuk masing-masing asumsi yang melandasi proyeksi.
5. Menetapkan perkiraan-perkiraan yang disusun berdasarkan asumsi keadaan di masa depan.
6. Menggunakan aplikasi setelah data yang dibutuhkan dan kebijakan ysng berkaitan dengan asumsi telah ditetapkan.
7. Menguji hasil proyeksi sebagai upaya validasi untuk memastikan bahwa data dasar dan asumsi-asumsi telah diproses dengan benar.
8. Membuat proyeksi alternatif. Setelah proyeksi dasar tersusun, program ini dapat segera dipergunakan untuk menghasilkan proyeksi alternatif sebagai pembanding dari penetapan asumsi lainnya.
9. Diseminasi hasil proyeksi kepada pemangku kebijakan, diharapkan dapat mendukung tercapainya dialog kebijakan terkait permasalahan. Dapat dijadikan informasi melalui booklet kebijakan dan publikasi lainnya.
Penggunaan Aplikasi Spectrum
1. Membuka Aplikasi Spectrum, klik Aplikasi Spectrum, kemudian Klik Run Spectrum.
Gambar 1. Membuka aplikasi spectrum
2. Membuat file Spectrum provinsi Sumatera Utara. Untuk memulai proyeksi, pilih New Projection seperti tampilan di bawah ini.
Gambar 2. Membuat file aplikasi program spectrum
3. Tampilan Projection Manager, muncul seperti gambar di bawah ini. Untuk memberi nama proyeksi yang akan dibuat pilih Projection file name.
Gambar 3. Tampilan projection manager
4. Menentukan nama file dan folder penyimpanan seperti gambar di bawah ini.
Gambar 4. Menentukan nama file dan folder
5. Mengatur first year dan finaly year sebagai periode proyeksi. Pilih modul DemProj yang akan dibuat kemudian klik default data seperti gambar di bawah ini.
Gambar 5. Mengatur periode proyeksi
6. Setelah klik Default data, kemudian cari Indonesia, lalu pilih Ok seperti gambar yang terlihat di bawah ini.
Gambar 6. Mengatur country and regional default
7. Setelah muncul Indonesia klilk Ok di tampilan Projection Manager. Terlihat tampilan seperti gambar di bawah ini.
Gambar 7. Projection manager
Menggunakan modul demography projection. Modul DemProj adalah program yang digunakan untuk proyeksi penduduk menurut kelompok umur dan jenis kelamin di suatu daerah pada tahun tertentu, dan komponen demografi terdiri dari tingkat kelahiran, kematian, dan migrasi. Cara menggunakan modul DemProj:
1. Klik Modul, klik Demproj
Gambar 8. Tampilan awal demproj
2. Memulai mengisi data, klik Projection Paramaters.
Gambar 9. Memulai modul demproj
3. Mengubah Currency Name dengan IDR, lalu Klik Enter first year ages by single age agar populasi berdasarkan kelompok umur 5 tahunan. Klik Ok.
Gambar 10. Mengubah currency name 4. Demographic Data.
Gambar 11. Demographic data
5. Memasukkan data indikator pertama yaitu First year population atau jumlah penduduk tahun awal.
Gambar 12. Memasukkan data indikator jumlah penduduk tahun awal
6. Memasukkan data indikator selanjutnya yaitu Total Fertility Rate (TFR).
Gambar 13. Memasukkan data indikator TFR
7. Apabila data TFR hanya memiliki data awal periode proyeksi, maka perlu menentukan target akhir, sehingga data awal dan target akhir terisi.
Gambar 14. Menentukan data awal dan target akhir
8. Kemudian melakukan interpolasi data secara eksponensial dengan cara select data awal sampai dengan akhir kemudian klik kanan, pilih Interpolate, kemudian pilih Exponential.
Gambar 15. Melakukan interpolasi data
9. Memasukkan data indikator Age Specific Fertility Rate (ASFR).
Gambar 16. Memasukkan data indikator ASFR
10. Angka ASFR yang dimasukkan berupa data persentase ASFR semua kelompok umur dikali 100% sehingga jumlah ASFR keseluruhan menjadi 100%. Apabila jumlahnya belum 100%, maka pilih Normalize.
11. Memasukkan data indikator Sex ratio at birth.
Gambar 17. Memasukkan data indikator sex ratio at birth
12. Memasukkan data indikator Life Expectancy (Usia Harapan Hidup).
Gambar 18. Memasukkan data indikator usia harapan hidup
13. Memasukkan data indikator Model Life Table berdasarkan IMR. Klik Coale- Demeny West menyesuaikan dengan Indonesia meupakan negara berkembang.
Gambar 19. Memasukkan data indikator model Life Table
14. Memasukkan data indikator migrasi internasional. Kemudian klik Ok.
Gambar 20. Memasukkan data indikator migrasi internasional
28
pendekatan deskriptif menggunakan data sekunder. Data yang diperoleh dari sampel populasi penelitian dianalisis sesuai dengan metode statistik yang digunakan (Sugiyono, 2018).
Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Provinsi Sumatera Utara. Adapun alasan memilih lokasi penelitian ini karena Provinsi Sumatera Utara salah satu provinsi dengan jumlah penduduk yang tinggi. Penelitian ini mulai dilaksanakan sejak Februari hingga Agustus 2020.
Populasi dan Sampel
Populasi dalam penelitian ini adalah data demografi berupa jumlah penduduk pada tahun awal, TFR, ASFR, Sex Ratio at Birth, Life Expectancy, Model Life Table di Provinsi Sumatera Utara dimulai dari tahun 2015 yang tercatat pada data sensus penduduk dan survei penduduk di Provinsi Sumatera Utara dan sampel dalam penelitian ini adalah seluruh data populasi.
Variabel dan Definisi Operasional
Gambar 21. Variabel penelitian Data Demografi:
Jumlah penduduk tahun awal
TFR
ASFR
Sex Ratio at Birth
Life Expectancy
Model Life Table
Aplikasi Program Spectrum
Tingkat Kelahiran
Tingkat Kematian
Komposisi Penduduk
