7

Model-Model yang dapat digunakan untuk memproyeksikan penduduk masa yang akan datang antara lain : 1. Model Ekstrapolasi Trend 2. Metode Cohort-Component 3. Model Rasio Berikut ini pemaparan pendahuluan proyeksi penduduk dengan

menggunakan model rasio.

model ekstrapolasi trend, Metode Cohort-Component, dan

2.2

Model Ekstrapolasi Trend Model ini memperkirakan jumlah penduduk masa yang akan

datang dengan menggunakan trend penduduk masa yang lalu. Model ini juga digunakan untuk menghitung tingkat dan rasio pada masa yang akan datang berdasarkan tingkat dan rasio pada masa yang lalu. Contoh dari model ekstrapolasi trend , yaitu model linier (Arithmetic). Menurut Klosterman (1990), model linier adalah teknik proyeksi paling sederhana dari seluruh model trend. Penduduk diproyeksikan sebagai fungsi dari waktu. Persamaan model linier adalah : Pt = + T dimana: ...(2.1)

Pt T

= jumlah penduduk pada tahun proyeksi ke-t = jumlah penduduk pada tahun dasar = koefisien (rata-rata pertambahan penduduk) = periode waktu proyeksi (selisih tahun proyeksi dengan tahun dasar)

Model ini hanya digunakan jika data yang tersedia relatif terbatas, sehingga tidak memungkinkan menggunakan model lain (Klosterman ,1990). Wilayah yang kecil dengan pertumbuhan yang lambat tepat menggunakan model ini (Isserman, 1977). Asumsi model ini adalah pertumbuhan atau penurunan akan berlanjut tanpa batas. Asumsi yang lemah ini merupakan kekurangan dari model ekstrapolasi trend . Dalam proyeksi jangka panjang, asumsi tersebut tidak mungkin digunakan. Model ini mudah untuk digunakan karena hanya melibatkan jumlah penduduk pada masa yang lalu, tetapi terdapat kekurangan, yaitu penggunaan asumsi yang lemah. Misalnya, jika populasi suatu kota berkurang, maka dalam jangka panjang model ini akan memproyeksikan populasi penduduk kota tersebut menjadi nol bahkan negatif. Hal ini juga berlaku ketika populasinya meningkat, tidak mungkin akan meningkat pada jumlah yang tanpa batas, karena pada kenyataannya penduduk akan meningkat sampai suatu tingkat dengan kapasitas maksimum sesuai dengan batasan yang masuk akal, contohnya : terbatasnya tempat tinggal.

2.3

Metode Cohort-Component Metode proyeksi ini menggunakan perubahan-perubahan komponen

penduduk seperti komponen fertilitas, mortalitas dan migrasi sedangkan model ekstrapolasi trend maupun model rasio tidak mempertimbangkan adanya asumsi tentang keadaan penduduk. Proyeksi dengan metode CohortComponent melibatkan asumsi ketidakpastian fertilitas, mortalitas, dan migrasi untuk menghasilkan proyeksi populasi penduduk dengan

mempertimbangkan karakteristik tertentu, salah satunya yaitu kelompok usia dan jenis kelamin sehingga total populasi yang diperoleh juga dengan mempertimbangkan kelompok-kelompok tersebut. Persamaan metode berikut:
Pt n) P Btt n Dtt n IMtt n OMtt n ( t

Cohort-Component

dapat

dilihat

sebagai

(2.2)

dengan :
P( t n )
Pt

= Populasi pada periode waktu (t n) = Populasi dasar pada waktu periode t = Jumlah kelahiran selama periode waktu t sampai (t n) = Jumlah kematian selama periode waktu t sampai (t n) = Jumlah migrasi yang masuk selama periode waktu t sampai (t n)

Btt n Dtt n IM tt n

10

OM tt n = Jumlah migrasi yang keluar selama periode waktu t sampai (t n)

Selain teknik proyeksi menggunakan metode Cohort-Component, metode Thomas Frejkas Component biasa dilakukan dalam melakukan proyeksi penduduk. Pada metode Thomas Frejkas Component, nilai peluang dalam Life Table tidak dilibatkan dan asumsi populasi stabil dalam Cohort tidak dipertimbangkan. Laju pertumbuhan yang tidak stabil pada komponen migrasi dan mengikuti pola distribusi eksponensial , maka akan digunakan Gompertz Curve dalam perhitungan proyeksi migrasi.

2.3.1

Gompertz Curve Gompertz Curve merupakan salah satu model dari kurva sigmoid

umum, model ini memerlukan asumsi batas atas. Pola pertumbuhan agak lambat di awal, akan tetapi meningkat tajam pada periode tertentu. Perhitungan proyeksi dengan Gompertz Curve dalam komponen migrasi dilakukan dengan persamaan berikut
M elog c log a ( b )
t

(2.3)

Dengan : M = proyeksi komponen migrasi

11

a c b t

= konstanta (jumlah penduduk awal tahun proyeksi) = batas maksimal migrasi = rasio pertumbuhan tiap tahun = waktu proyeksi Migrasi Provinsi Jawa Barat tidak konstan atau tidak stabil dalam

tahun-ke tahun , maka penggunaan Gompertz curve ini sangat tepat pada kasus ini karena pelanggaran asumsi stabil pada komponen migrasi dapat ditanggulangi.

2.4

Model Rasio Model Rasio hampir sama dengan model ekstrapolasi trend.

Persamaannya terletak pada trend masa lalu. Model rasio menggunakan konsep bahwa perubahan penduduk pada suatu wilayah yang lebih kecil merupakan proporsi dari penduduk dari wilayah yang lebih luas, atau wilayah basis (Smith, Tayman dan Swanson, 2001). Model constant share

merupakan salah satu contoh dari model rasio. Persamaannya adalah sebagai berikut:
Pt n) Ptjn) ( P / P j ) ( ( t t

(2.4)

Dengan:

12

= Jumlah penduduk pada daerah sampel = Jumlah penduduk pada daerah basis atau daerah yang lebih luas yang didalamnya terdapat daerah sampel.

= Tahun dasar proyeksi Model rasio membutuhkan data yang relatif lebih sedikit dan dapat

dikatakan sederhana serta mudah dalam perhitungannya.

M odel

ini

mempunyai kekurangan, yaitu model ini membutuhkan proyeksi penduduk dari wilayah basis tersebut. Model ini tidak bisa diaplikasikan jika daerah studi dan daerah basis yang sedang diteliti memiliki trend pertumbuhan yang berlawanan, artinya jika daerah studi mengalami penurunan dan daerah basis mengalami peningkatan atau sebaliknya. Asumsi yang digunakan model rasio sangat lemah jika digunakan dalam proyeksi jangka panjang. Pelanggaran asumsi akan terjadi jika pertumbuhan penduduk wilayah sampel berubah, sedangkan pertumbuhan penduduk wilayah basis tidak mengalami perubahan, sehingga tidak bisa diwakilkan oleh wilayah sampel.