Analisis Dampak Kependudukan BKKBN People Centered Development RABU, 04 NOVEMBER 2015
Sosialisasi Online Kajian Analisis Dampak Kependudukan Berdasar Peraturan Kepala BKKBN Nomor: 209/PER/D3/2011 tentang Pedoman Program Analisis Dampak Kependudukan (ADK) dan Peraturan Kepala BKKBN Nomor: 309/PER/D4/2012 tentang Pedoman Pelaksanaan Analisis Dampak Kependudukan, maka tugas dan fungsi Ditdamduk : -Melaksanakan perumusan dan pelaksanaan kebijakan teknis -Penyusunan Norma, Standar, Prosedur dan Kriteria (NSPK) -Pemantauan dan evaluasi -Pemberian bimbingan teknis dan fasilitasi di bidang analisis dampak kependudukan Ditdamduk dalam rangka menjalankan amanat tersebut telah membuat berbagai kajian ADK berdasarkan aspek-aspek: –Ekonomi –Sosial –Politik –hankam –daya dukung daya tampung lingkungan Hasil kajian tersebut perlu disebarluaskan agar dapat dimanfaatkan oleh stakeholder, mitra kerja dan masyarakat luas Berbagai upaya telah dilakukan untuk menyebarkan hasil kajian AD K seperti seminar, pembuatan buku, jurnal dan policy brief. Hanya saja ketersediaan pencetakkan berbagai publikasi tersebut masih sangat terbatas. Diperlukan sebuah wadah yang mudah diakses oleh siapa saja dan kapan saja sehingga kajiankajian ini dapat memberikan manfaat seluas-luasnya. Oleh karena itu diperlukan data basis kajian secara online agar mempermudah penyebarluasan hasil-hasil kajian tersebut. Untuk mendapatkan Kajian-Kajian Analisis Dampak Kependudukan berupa Buku, Policy Brief, Fact Sheet akan Anda dapatkan pada link di bawah Jangan lupa untuk memasukkan nama dan alamat email untuk mendapatkan link sosialisasi tersebut ke email Anda, sehingga jika suatu saat anda membutuhkan literatur-literatur kajian-kajian Analisis Dampak Kependudukan Anda dapat dengan mudah mendapatkan di email Anda. Kami juga mohon kesediaan Anda untuk memberikan informasi latar belakang Anda untuk kepentingan sejauh mana kami dapat mengukur siapa saja audience dan pendownload materimateri yang telah kami berikan. Data Anda kami jamin aman dan tidak akan diberikan kepada pihak ketiga serta tidak akan dipergunakan dengan tidak semestinya
Silakan klik link berikut untuk mendapatkan publikasi Online kami terimakas
ANALISIS DAMPAK KEPENDUDUKAN DI KABUPATEN SLEMAN ANALISIS DAMPAK KEPENDUDUKAN
EXERCIS E 1 ( ANALISIS SENSUS PENDUDUK 2010, DATA SEKUNDER BIDANG KESEHATAN, PENDIDIKAN, TENAGA KERJA, PERTANIAN DAN EKONOMI ) DI KABUPATEN SLEMAN
BADAN KELUARGA BERENCANA PEMBERDAYAAN MASYARAKAT DAN PEMBERDAYAAN PEREMPUAN KABUPATEN SLEMAN TAHUN 2013
Teori demografi mengatakan bahwa keberhasilan Keluarga berencana akan membawa pada keberhasilan pembangunan kependudukan, dan keberhasilan kependudukan akan membawa pada keberhasilan pembangunan ekonomi. Teori lain yang sejalan dengan teori demografi ini adalah, jika keluarga berencana berhasil dan dapat bertahan dalam jangka panjang maka, keberhasilan tersebut akan merubah struktur penduduk. Dimana penduduk produktif lebih besar dari penduduk ketergantungan, hal tersebut akan memberi peluang bagi suatu negara untuk mencapai The windows of opportunity yang merupakan peluang mendapat bonus demografi, dampaak selanjutnya kesejahteraan meningkat. Gambar 2.1 Kerangka Teori Gambar Pertama
TEORI YANG TELAH DIAPLIKASIKAN :
Gambar Gambar 2.2 Kerangka Teori Gambar Kedua
2.4 Kerangka Pemikiran Konseptual
Konsep yang ditanamkan dalam Program Keluarga Berencana adalah NKKBS atau kepanjangan dari Norma Keluarga Kecil Bahagia Sejahtera. Program KB dilaksanakan sejak tahun 1970 atau sudah empat dekade dengan slogan NKKBS sudah melembaga dan membudaya di masyarakat. Angka fertilitas sudah terbukti menurun, sejahtera yang dislogankan belum bisa dibuktikan. Dengan kata lain ratio ketergantungan mulai menurun sehingga Kabupaten Sleman telah mencapai the window of opportunity akan tetapi kesejahteraan belum bisa diraih, karena data menunjukkan bahwa angka kemiskinan masih tinggi 15% dari jumlah KK yang ada. Kapan bonus demografi dapat diperoleh Kabupaten Sleman? Bonus demografi adalah keuntungan ekonomis yang disebabkan oleh menurunnya rasio ketergantungan sebagai hasil proses penurunan fertilitas jangka panjang. Bonus demografi ini akan terjadi kalau ada upaya rekayasa demografi yang dibarengi dengan peningkatan kualitas SDM ( salah satu alat ukurnya, Human Developmen Indek/ HDI/IPM ). Gambar 2.3 Alur Pikir Penelitian Proyeksi Penduduk Sebagai Inforfasi Pengambilan Kebijakan Dimasa Mendatang BAB III METODE PENELITIAN
1.1. Jenis Penelitian
Penelitian ini merupakan penelitian yang bersifat deskriptif, analisis data serta intrepertasi hasil dan pembahasan, hasil sensus penduduk tahun 2010. Dengan mengkombinasikan asumsi-asumsi yang akan di capai dimasa mendatang, dengan analisis trend dari data-data tahun lalu yang telah dicapai oleh masing-masing instansi yang terkait dalam sumber data, agar diperoleh informasi yang cukup, tentang kondisi Kabupaten Sleman di masa yang akan datang, yang dapat digunakan dalam pengambilan kebijakan. 1.2. Jenis Data dan Sumber
Data sekunder berkaitan dengan data hasil sensus penduduk tahun 2010 diambil dari Kabupaten Sleman Dalam Angka terbitan BPS (Badan Pusat Statistik) Kabupaten Sleman. Data yang diambil sesuai gambar 3.1 bagian Input. Gambar 3.1 Alur Program Aplikasi Spectrum Dengan Model Demproj Data sekunder berkaitan dengan masalah angkatan kerja, lapangan pekerjaan dan PDB diambil dari Bappeda; data sekunder terkait dengan anak sekolah, diambil dari Dinas Pendidikan Pemuda dan Olah Raga; data kelahiran, kematian, petugas kesehatan seperti Dokter dan Perawat diambil dari Dinas Kesehatan; data luas lahan pertanian diambil dari Dinas Pertanian, serta ASFR, TFR, Sex Ratio, Life Expectancy, angka kematian diambil dari Kabupaten Sleman dalam angka yang telah dipublikasikan. Gambar 3.2
Alur Aplikasi Spektrum Model RAPID Pada analisis ini penulis mengabaikan data migrasi, sehingga pada analisis ini migrasi dianggap nol, dan hasil proyeksi penduduk dan anaalisis ini dipengaruhi oleh kelahiran dan kematian dan migrasi tidak mempengaruhi. 1.3. Waktu dan Lokasi
Kegiatan penelitian ini dilaksanakan pada akhir bulan November dan Desember 2012, dengan mengambil data sekunder dari dinas instansi di wilayah Kabupaten Sleman. 1.4. Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan pada penelitian ini menggunakan cara sebagai berikut : 1.
Pengumpulan data, dengan mengambil data yang tersaji di Bappeda, Dinas Pendidikan dan olah Raga, Dinas Kesehatan dan Dinas Pertanian di W ilayah Kabupaten Sleman. 2. Teknik wawancara, yaitu dengan cara wawancara secara langsung dan mendalam kepada pengelola program pada dinas dan instansi terkait. 1.5. Alat Analisis Untuk menjawab pertanyaan yang telah dikemukakan pada bagian sebelumnya, alat analisis yang akan digunakan adalah : Program Specrtum merupakan suatu policy model yang berbasis pada sistem komputer, yaitu window. Program Spectrum dikembangkan oleh United State Agency International Development (USAID) – Health Policy Intitiave (HPI) agar dapat digunakan para pemangku kebijakan untuk memberikan informasi mengenai suatu dampak pembangunan dimasa yang akan datang berdasarkan informasi dari pembangunan saat ini. Salah satu kelebihan Policy Model Spectrum dari model-model sebelumnya yang telah di kembangkan adalah Policy Model Spectrumtelah memadukan beberapa modul-modul kedalam satu sistem. Modul tersebut terdapat sembilan modul dalam program Spectrum, yaitu : 1. a. Modul Demography Projection Modul Demography Projection atau yang disingkat dengan istilah DemProj merupakan suatu program untuk menyusun proyeksi penduduk berdasarkan dua aspek, yaitu (1) jumlah penduduk suatu wilayah pada tahun tertentu berdasarkan .jenis kelamin dari kelompok usia; (2) komponen demografi dari suatu wilayah yang terdiri dari tingkat kelahiran, kematian dan migrasi. 1. b. Modul F amily Planning Modul Family Planning atau yang disingkat dengan istilah FamPlan merupakan suatu program untuk menghitung komponen dan kebutuhan program Keluarga Berencana dalam rangka mencapai tujuan prog ram Keluarga Berencana. 1.
c.
Modul Benefit Cost
Modul Benefit Cost merupakan suatu program untuk memperkirakan perhitungan biaya dan keuntungan dari pelaksanaan program Keluarga Berencana. 1. d. Modul AIDS I mpactModel Modul AIDS impact model atau yang disingkat dengan istilah AIM merupakan suatu program untuk memperkirakan dampak dari epidemik AIDS, termasuk jumlah orang yang terinfeksi HIV, jumlah orang meninggal akibat AIDS, jumlah penderita HIV/AIDS yang memerlukan perawatan dan jumlah orang yang beresiko tinggi. 1. e. Modul Socioeconomic I mpacts of High F ertility and Population Gr owth Modul Socioeconomic Impacts of High Fertility and Population Growth atau yang disingkat dengan istilah RAPID merupakan suatu program untuk melihat dampak dari pertumbuhan penduduk dan angka kelahiran
terhadap beberapa sektor sosial ekonomi, seperti ketenaga-kerjaan, kesehatan, pendidikan, urbanisasi dan pertanian. 1. f. Modul Adolescent ReproductiveH ealth Modul Adolescent Reproductive Health atau yang disingkat dengan istilah NewGen merupakan suatu program untuk memperkirakan dampak dari perilaku kesehatan reproduksi remaja, termasuk informasi mengenai perilaku seksual, perkawinan, kehamilan, aborsi, dan HIV – IMS. 1. g. Modul Pr evention of Mother-To-Child Transmission Modul prevention of mother-to-child transmission atau yang disingkat dengan PMTCT merupakan suatu program untuk mengukur biaya dan manfaat program pencegahan penularan HIV dari Ibu ke Anak, termasuk perawatan antiretroviral, pilihan pemberian makan bayi dan alternatif cara melahirkan. 1. h. Modul Safe Motherhood Modul Safe Motherhood merupakan suatu program untuk menentukan biaya yang dibutuhkan untuk menurunkan angka kematian Ibu. 1. i. Modul Allocate Modul Allocate merupakan suatu program mengembangkan p erencanaan kesehatan reproduksi untuk efisiensi pengguna anggaran kesehatan reproduksi. Pada penelitian ini menggunakan Aplikasi Program Spectrum dengan model Demography Proyektion ( DemProj ) dan RAPID , tidak semua model digunakan. 1.5.1. Manfaat Program Spectrum
Program Spectrum dapat digunakan untuk berbagai kebutuhan, yaitu : 1.
2.
3.
4. 5.
Menstimulasi terjadinya sebuah dialog mengenai suatu isu atau kebijakan; Isu atau kebijakan yang dapat didiskusikan terkait isu kemiskinan, kematian Ibu dan Anak yang tinggi, dampak sosial ekonomi sebagai akibat dari pertumbuhan penduduk dan angka kelahiran yang tidak terkendali. Memberikan suatu kerangka pikir yang jelas dalam memahami isu-isu dan mengevaluasi beberapa alternatif. Hasil program Spectrumdapat disusun berdasarkan alternatif-alternatif kebijakan yang direncanakan dan akan diterapkan. Sebagai contoh, kebijakan menurunkan Total Fertility Rata pada tahun 2025 menjadi 2.1 akan mempunyai konsekuensi pada kebijakan program Keluarga Berencana, khususnya mengenai kebutuha n alat kontrasepsi. Membantu Pemangku Kebijakan dalam menetapkan tujuan ( goal). Program Spectrum dapat memfasilitasi pemangku kebijakan dalam menetapkan tujuan atau target yang ingin dicapai. Selain itu pemangku kebijakan juga dapat melihat mengetahui konsekuensi-konsekuensi yang harus dilakukan untuk mencapai tujuan tersebut. Memfasilitasi program perencanaan dan pengambilan keputusan. Program Spectrum dapat digunakan untuk perencanaan dan pengambilan keputusan. Berdasarkan tujuan/target yang telah ditentukan maka akan ada konsekuensi-konsekuensi yang harus dilakukan agar tujuan/target tersebut dapat tercapai.
1.5.2. DemProj (Demography Projection)
DemProj pertama kali dikembangkan pada tahun 1980 dan dirancang dalam bentuk program komputer yang mudah digunakan untuk menghasilkan informasi yang berguna bagi pemangku kebijakan dan dialog kebijakan. DemProj merupakan suatu program untuk menyusun proyeksi penduduk berdasarkan dua aspek, yaitu (1) jumlah penduduk suatu wilayah pada tahun tertentu berdasarkan jenis kelamin dan kelompok usia; (2) komponen demografi dari suatu wilayah yang terdiri dari tingkat kelahiran, kematian dan migrasi. DemProj merupakan program dasar untuk menyusun proyeksi pada modul-modul lainnya dalam program Spectrum. 1.5.2.1.
Manfaat DemProj
DemProj dapat digunakan sebagai: 1. 2.
Dasar dalam perencanaan; Tools untuk mendapatkan gambaran besarnya masalah yang dihadapi di masa yang akan datang pada proses dialog pemangku kebijakan; Tools yang dibutuhkan pada proses penyusunan kebijakan untuk mengatasi permasalahan yang dihadapi.
3. 1.5.3. Pengertian RAPID
Pengertian RAPID pertama kali dikembangkan pada tahun 1978, digunakan untuk menyusun proyeksi dampak sosial ekonomi (ekonomi, pendidikan, kesehatan, urbanisasi dan pertanian) akibat tingkat kelahiran dan laju pertumbuhan penduduk. Proyeksi yang dihasilkan RAPID dapat digunakan sebagai dasar pada materi advokasi yang disusun untuk menyampaikan informasi strategis bagi pemangku kebijakan guna terlaksananya dialog rancangan kebijakan mengenai peranan kependudukan dalam pembangunan sosial dan ekonomi. RAPID menggabungkan indikator-indikator sosial-ekonomi (tingkat prtisipasi angkatan kerja, tingkat partisipasi murid Sekolah Dasar serta Menengah, dan jumlah tenaga kesehatan) dengan data-data kependudukan dan proyeksi penduduk untuk mendapatkan gambaran dampak dinamika penduduk terhadap sektor-sektor pembangunan sosial ekonomi dimasa mendatang. 3.5.3.1 Manfaat RAPID
Rapid dapat digunakan untuk : 1. 2.
Mendapatkan gambaran konsekwensi dalam suatu negara/daerah dengan tingkat kelahiran yang ditekan melalui program Kependudukan dan Keluarga Berencana. Meningkatkan pengetahuan penentuan kebijakan terhadap pentingnya penurunan tingkat kelahiran dan laju pertumbuhan penduduk dalam pembangunan sosial dan ekonomi.
3.
Memberikan gambaran bagaimana tingkat laju pertumbuhan penduduk dapat mempengaruhi pembangunan sosial ekonomi. 3.5.4 Proyeksi Penduduk 3.5.4.1. Langkah-langkah Penyusunan Proyeksi
Dalam menyusunan proyeksi dengan program Spectrum terdapat sembilan langkah, yaitu : 1. 2.
3. 4.
5.
6. 7.
Menentukan prioritas masalah-masalah kebijakan kependudukan, untuk pengumpulan data dan mengembangkan presentasi yang diperlukan. Menentukan periode proyeksi. Periode proyeksi dimulai pada tahun dasar tahun 2010 (paska dipublikasikan sensus penduduk), hingga lima belas tahun kedepan (tahun 2035), karena dipersiapkan untuk dialog kebijakan. Tahun dasar umumnya dipilih berdasarkan keberadaan data, seperti tahun sensus terbaru atau survey skala besar. Periode proyeksi disesuaikan dengan kebutuhan proyeksi. Kegiatan perencanaan umumnya terfokus pada proyeksi jangka pendek (5 tahun) sementara proyeksi yang disusun untuk kebutuhan dialog kebijakan umumnya menggunakan jangka waktu yang lebih lama (10-30 tahun). Mengumpulkan data. Data harus dikumpulkan untuk masing-masing asumsi yang mendasari proyeksi. Kualitas hasil proyeksi ditentukan oleh data yang mendasari asumsi-asumsi tersebut. Menetapkan asumsi. Proyeksi mensyaratkan adanya perkiraan-perkiraan yang disusun berdasarkan asumsi yang mendasari keadaan dimasa mendatang. Asumsi ini diterapkan berdasarkan data dan petunjuk pemilihan yang layak, dengan melakukan analisis trenddi masing-masing data yang telah diasumsikan oleh dinas/instansi. Menggunakan Aplikasi. Pada saat data tahun dasar dan kebijakan/keputusan yang berkaitan dengan asumsiasumsi proyeksi telah ditetapkan, program Spectrum dapat digunakan untuk mengolah data dan membuat proyeksi-proyeksi yang dibutuhkan. Membuat proyeksi alternatif. Setelah proyeksi dasar tersusun, program ini dapat segera digunakan untuk menghasilkan proyeksi alternatif sebagai pembanding dari penetapan asumsi lainnya. Diseminasi hasil proyeksi. Setelah disusun, hasil proyeksi sebaiknya didiseminasikan kepada pemangku kebijakan. Secara khusus, presentasi proyeksi tersebut dapat mendorong terlaksananya dialog kebijakan
berkaitan dengan permasalahan strategis. Selain itu, hasil proyeksi juga dapat dijadikan informasi melalui booklet kebijakan, dokumen-dokumen konferensi, dan publikasi lainnya. 3.5.4.2. Dasar Penentuan Asumsi Dalam menentukan asumsi terdapat beberapa hal yang dapat dilakukan, yaitu : 1. 2.
Konsultasi dengan instansi/dinas terkait. Mempelajari referensi atau dokumen-dokumen nasional, khusus dalam menetapkan asumsi target pencapaian proyeksi. 3. Mempelajari data proyeksi yang dihasilkan oleh instasi/pihak lain. 4. Mempelajari dokumen atau data proyeksi yang memiliki kemiripan dengan wilayah yang akan dijadikan project proyeksi. 3.5.4.3. Data I nput dan Output DemProj Data yang dibutuhkan dalam menu DemProj yaitu : 1. Jumlah penduduk pada tahun dasar tertentu (berdasarkan katagori usia dan jenis kelamin); Semua proyeksi harus mulai dihitung dengan titik awal pada tahun dasar. Jumlah penduduk pada tahun dasar adalah jumlah penduduk berdasarkan usia dan jenis kelamin pada tahun dasar tertentu yang dibagi dalam kelompok usia lima tahunan (0-4 tahun hingga 75-79 tahun, termasuk kelompok usia lanjut 80 tahun keatas). 1. Total Fertility Rate (TFR) Fertilitas (kelahiran) merupakan salah satu komponen yang mempengaruhi pertumbuhan penduduk dan bersifat menambah jumlah penduduk. Fertilitas adalah kemampuan untuk menghasilkan keturunan yang dikaitkan dengan kesuburan wanita atau disebut fekunditas. Akan tetapi dalam perkembangan ilmu demografi fertilitas lebih diartikan sebagai hasil reproduksi nyata (lahir hidup) dari seorang wanita atau sekelompok wanita. TFR adalah rata-rata jumlah anak yang dilahirkan hidup oleh seorang perempuan sampai dengan akhir masa reproduksinya. 1. Age Specific Fertility Rate (ASFR) Angka kelahiran menurut kelompok umur (ASFR) menunjukan banyaknya anak yang dilahirkan oleh perempuan pada suatu tahun tertentu per 1.000 perempuan menurut kelompok umur tertentu. 1. Sex Ratio at Birth Sex Ratio adalah perbandingan banyaknya penduduk laki-laki dengan penduduk perempuan pada suatu daerah dan pada waktu tertentu, biasanya dinyatakan dalam banyaknya penduduk laki -laki per 100 jumlah penduduk perempuan. Sex ratio at Birth, di beberapa negara umumnya berkisar antara 103-105 bayi laki-laki per 100 bayi perempuan. 1. Life Expectancy (Umur Harapan Hidup) Life Expetancy adalah suatu perkiraan rata-rata lamanya hidup sejak lahir yang akan di capai oleh penduduk. 1. Model Life Tabel Berdasrakan Data IMR Model Life Tabel adalah tabel yang menerangkan riwayat kehidupan suatu penduduk menurut umur berkenaan dengan riwayat kematian. Model life table telah tersedia di dalam program spectrum dan dapat digunakan berdasarkan tingkat IMR yang mendekati tingkat IMR dari wilayah geografis yang menjadi project proyeksi. 1. Migrasi Internasional Migrasi adalah perpindahan penduduk dengan tujuan untuk menetap dari suatu tempat ke tempat yang lain melampaui batas politik/negara ataupun batas administrasi atau batas bagian dalam suatu negara (batas waktu minimal enam bulan). Migrasi Internasional adalah perpindahan penduduk dari suatu Negara ke Negara lain. Proyeksi yang dihasilkan dari Modul demproj adalah: 1.
Penduduk
a)
Total penduduk
b) Penduduk usia 0- 4 tahun c)
Penduduk usia 5-14 tahun
d) Penduduk usia 15-49 tahun e)
Penduduk usia 15- 64 tahun
f)
Penduduk usia 65+
g) Totak migrasi internasional bersih 1. Fertilitas a) TFR b) GRR c)
NRR
d) Rata-rata usia subur e)
Rasio anak perempuan
1. Mortalitas a) Angka Harapan Hidup b) IMR 1. Vital Events a) Angka kelahiran b) Angka kematian c)
CBR
d) CDR e)
LPP
1. Ratios a) Sex ratio b) Dependency ratio 1. Jumlah penduduk berdasarkan kelompok umur dan jenis kelamin a) Semua usia. b) Kelompok Usia tertentu.
c) Usia Median Penduduk yaitu umur yang membagi penduduk menjadi dua bagian dengan jumlah yang sama, bagian pertama lebih muda dan bagian yang kedua lebih tua dibandingkan dengan umur median tersebut. 3.5.4.4.
Cara Kerja RAPID
RAPID mengkombinasikan indikator-indikator pada bidang ekonomi, pendidikan kesehatan, urbanisasi dan pertanian dengan data-data kependudukan dan proyeksi penduduk, sehingga mendapatkan gambaran mengenai dampak dinamika penduduk terhadap sektor-sektor pembangunan sosial ekonomi di masa mendatang. Di bawah ini adalah dasar penentuan asumsi serta data yang perlu di input dari bidang ekonomi, pendidikan, kesehatan, urbanisasi dan pertanian. 1. a. Bidang Ekonomi Asumsi proyeksi bidang ekonomi pada RAPID berdasarkan tiga konsep dasar, yaitu rasio ketergantungan penduduk (dependency ratio); jumlah pencari kerja baru (number of new jobs required ), dan output perkapita dalam bentuk Produk Domestik Bruto ( Gross Domestic Product ). Pada bidang ekonomi, RAPID dapat menyusun proyeksi tentang : 1. Jumlah Tenaga Kerja Jumlah tenaga kerja di masa mendatang diproyeksikan dengan mengasumsikan bahwa persentase penduduk berusia antara 10 sampai dengan 64 tahun akan berada di dalam angkatan kerja. Oleh karena itu, jumlah tenaga kerja dimasa mendatang dihitung dengan mengkalikan angka tingkat partisipasi angkatan kerja dengan banyaknya jumlah penduduk berusia 10-64 tahun. 1. Angka Ketergantungan Anak Angka ketergantungan anak di masa mendatang diproyeksikan dengan menambahkan jumlah seluruh anak-anak di bawah usia 10 tahun dengan jumlah anak-anak berusia 10-14 tahun yang tidak berada di dalam angkatan kerja. 1. Jumlah Pekerjaan Baru yang Dibutuhkan Jumlah pekerjaan baru yang dibutuhkan di masa mendatang diasumsikan sama dengan perbedaan jumlah angkatan kerja dari satu tahun ke tahun berikutnya. Dihitung dengan mengurangkan banyaknya tenaga kerja pada tahun sebelumnya dengan jumlah tenaga kerja tahun ini. 1. Produk Domestik Bruto (PDB) Peningkatan PBD di masa mendatang diasumsikan meningkat secara eksogenus berdasarkan angka pertumbuhan PDB. 1. Angka Pertumbuhan PDB perkapita (PDB perkapita) Dihitung dengan membagi Produk Domestik Bruto/GDP yang diproyeksikan dengan jumlah penduduk indikator ini tepat untuk memperlihatkan dampak meningkatnya laju pertumbuhan penduduk terhadap kinerja ekonomi. Data yang harus diinput ke dalam RAPID untuk mendapatkan proyeksi tersebut antara lain : 1) Tingkat partisipasi angkatan kerja penduduk usia 15-64 tahun Angka ini dapat langsung diambil dari sumber-sumber yang ada. Umumnya tingkat partisipasi angkatan kerja akan menurun dengan meningkatnya angka partisipasi angkatan kerja akan menurun dengan meningkatnya angka partisipasi murid pada sekolah menengah dan pendidikan lebih tinggi lainnya. 2) Tingkat partisipasi angkatan kerja penduduk usia 10-14 tahun
Angka ini dapat langsung diambil dari sumber-sumber yang ada. Apabila tidak ada data tingkat partisipasi angkatan kerja untuk kelompok umur 10-14 tahun, maka tingkat partisipasi angkatan kerja dapat diasumsikan 0 karena penduduk pada usia tersebut bukan merupakan bagian penduduk angkatan kerja. 3) Proyeksi jumlah penduduk usia 10-64 Data proyeksi jumlah penduduk usia 10-64 tahun didapatkan dari proyeksi yang dihasilkan oleh DemProj. 4) Produk Domestika Bruto (PDB) dan angka pertumbuhan PDB per tahun (PDB perkapita). Angka ini dapat langsung diambil dari sumber-sumber yang ada. Sumber-sumber data potensial: Rencana Pembangunan Nasional, Buku Tahunan Statistik (Statistik Indonesia, Statistik per Provinsi dsb.), Laporan Tahunan UNESCO (Organisasi Bidang Pendidikan, Ilmu Pengetahuan, dan Budaya PBB), Situs Statistik Indonesia, dsb. 1. b. Bidang Pendidikan Proyeksi bidang pendidikan pada RAPID dirancang berdasarkan asumsi bahwa untuk mencapai sasaran pembangunan nasional diperlukan peningkatan sumber daya pendidikan yang lebih besar ketika angka laju pertumbuhan penduduk semakin meningkat. Sasaran-sasaran tersebut akan lebih mudah dicapai jika angka laju pertumbuhan penduduk dapat ditekan menjadi lebih rendah. Untuk itu pada bidang Pendidikan, RAPID akan menyusun proyeksi untuk : 1) Rata-rata Usia Masuk Sekolah Dasar dan Menengah Anak-anak umumnya memasuki siklus Sekolah Dasar pada usia 6 atau 7 tahun di sebagian besar Negara. Sehingga apabila data tidak tersedia dapat diasumsikan usia rata-rata murid masuk Sekolah Dasar adalah 6 atau 7 tahun. 2) Jumlah Murid Sekolah Dasar Jumlah murid Sekolah Dasar di masa mendatang diproyeksikan dengan mengkalikan jumlah anak usia sekolah dasar dengan angka partisipasi murid Sekolah Dasar . 3) Jumlah Guru Sekolah Dasar yang diperlukan jumlah Guru Sekolah Dasar yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah anak usia Sekolah Dasar dengan rasio murid Sekolah Dasar terhadap jumlah Guru Sekolah Dasar. 4) Jumlah Sekolah Dasar yang diperlukan jumlah, Sekolah Dasar yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah anak usia Sekolah Dasar dengan rasio murid Sekolah Dasar terhadap jumlah Guru Sekolah Dasar. 5) Rata-rata Biaya Sekolah Dasar yang diperlukan rata-rata biaya Sekolah Dasar yang diperlukan di masa mendatang diproyeksikan dengan mengkalikan jumlah anak usia Sekolah Dasar dengan biaya rutin rata-rata per murid Sekolah Dasar. 6) Jumlah Murid Sekolah Menengah Pertama, jumlah murid Sekolah Menengah Pertama di masa mendatang dengan mengkalikan jumlah anak usia Sekolah Menengah Pertama dengan angka partisipasi murid Sekolah Menengah Pertama. 7) Jumlah Guru Sekolah Menengah Pertama, yang diperlukan jumlah Guru Sekolah Menengah Pertama di masa mendatang diproyeksikan dengan membagi jumlah anak usia sekolah menengah pertama dengan rasio murid Sekolah Menengah Pertama terhadap jumlah Guru Sekolah Menengah Pertama. 8) Jumlah Sekolah Menengah Pertama, jumlah Sekolah Menengah Pertama yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah anak usia Sekolah Menengah Pertama dengan rasio murid Sekolah Menengah Pertama terhadap jumlah Sekolah Menengah Pertama.
9) Rata-rata Biaya Sekolah Menengah Pertama, yang diperlukan rata-rata biaya Sekolah Menengah Pertama di masa mendatang diproyeksikan dengan mengkalikan jumlah anak usia Sekolah Menengah Pertama dengan biaya rutin rata-rata per murid Sekolah Menengah Pertama. Data yang akan di input ke dalam RAPID untuk menyusun proyeksi tersebut antara lain : 1) Usia rata-rata murid masuk Sekolah Dasar. 2) Usia rata-rata murid masuk Sekolah Menengah Pertama. 3) Proyeksi jumlah penduduk usia Sekolah Dasar. 4) Proyeksi jumlah penduduk Sekolah Menengah Pertama. 5) Angka partisipasi murid Sekolah Dasar. 6) Angka partisipasi murid Sekolah Menengah Pertama. 7) Rasio murid Sekolah Dasar terhadap jumlah Sekolah Dasar. 8) Rasio murid Sekolah Dasar terhadap jumlah Guru Sekolah Dasar’ 9) Rasio murid Sekolah Menengah Pertama terhadap jumlah Sekolah Menengah Pertama. 10)
Rasio murid Sekolah Menengah terhadap jumlah Guru Sekolah Menengah Pertama.
1. c. Bidang Kesehatan Proyeksi bidang kesehatan pada RAPID terfokus pada proyeksi sumber daya yang harus ditingkatkan untuk mencapai target pelayanan kesehatan. Dalam RAPID dapat diproyeksikan jumlah Dokter, perawat, puskesmas, rumah-sakit, dan jumlah tempat tidur rumah-sakit yang diperlukan untuk mencapai sasaran di masa mendatang. RAPID juga memproyeksikan pengeluaran yang diperlukan untuk menjaga atau meningkatkan pelayananpelayanan kesehatan. Indikator-indikator ini memperlihatkan peningkatan beban yang diperlukan disemua sektor sosial berkaitan dengan peningkatan laju pertumbuhan penduduk. Untuk itu pada bidang Kesehatan, RAPID dapat digunakan untuk menyusun proyeksi tentang : 1) Jumlah Dokter yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah penduduk dengan rasio jumlah penduduk terhadap jumlah Dokter. 2) Jumlah Perawat yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah penduduk dengan rasio jumlah penduduk terhadap jumlah Perawat. 3) Jumlah Rumah Sakit yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah penduduk dengan rasio jumlah penduduk terhadap jumlah Rumah Sakit. 4) Penduduk resiko tinggi yaitu penduduk yang mempunyai risiko kesehatan yang tinggi diasumsikan sebagai jumlah bayi dan anak-anak (semua balita) ditambah wanita usia produktif (antara 15 dan 49 tahun). Kelompok ini dianggap sebagai orang-orang yang mempunyai risiko tertentu yang berhubungan dengan usia dan jenis kelamin. Misalnya, anak-anak balita lebih peka terhadap penyakit karena sistem kekebalan tubuhnya yang belum berkembang dan status nutrisinya yang lemah. Wanita usia produktif juga dikatagorikan berisiko tinggi karena rentannya golongan tersebut akan komplikasi yang berhubungan dengan kehamilan beresiko tinggi yang seringkali didapatkan di negara dengan tingkat kelahiran tinggi.
Data yang akan di input ke dalam RAPID untuk menyusun proyeksi tersebut antara lain : 1. 1. Rasio jumlah penduduk terhadap jumlah Dokter. Dihitung dengan membagi jumlah penduduk dalam satu tahun dengan jumlah dokter di tahun yang sama. Asumsi yang berhubungan dengan jumlah penduduk per Dokter di masa yang akan datang dapat tetap konstan (mencerminkan perbaikan tingkat pelayanan kesehatan saat ini), atau dapat dirubah untuk mencerminkan sasaran dalam rencana pembangunan. 1. 2. Rasio jumlah penduduk terhadap jumlah Perawat. Dihitung dengan membagi jumlah penduduk dalam satu tahun dengan jumlah Perawat di tahun yang sama. Asumsi yang berhubungan dengan rasio penduduk per-Perawatan dapat tetap konstan dimasa yang akan datang (mencerminkan perbaikan pelayanan sistem pelayanan kesehatan saat ini), atau dapat berubah untuk mencerminkan sasaran pada rencana pembangunan. 1. 3. Penduduk dengan risiko kesehatan tinggi Data proyeksi jumlah penduduk dengan risiko kesehatan tinggi didapatkan dari proyeksi yang dihasilkan oleh DemProj. 1. d. Urbanisasi Urbanisasi diabaikan atau dianggap 0, karena data di Kabupaten tidak lengkap, sedangkan perhitungan nasional dianggap tidak berpengaruh. 1. e. Bidang Pertanian RAPID memproyeksikan luas tanah subur yang diperlukan untuk bercocok tanam pertahun, permintaan serta persediaan atas bahan pangan tertentu di masa yang akan datang. Hal tersebut dimaksudkan untuk menggambarkan kebutuhan akan bahan pangan tertentu yang diakibatkan oleh laju pertumbuhan penduduk yang tinggi. Bidang Pertanian, RAPID akan menyusun proyeksi : 1) Luas lahan subur perkapita Luas lahan subur perkapita di masa mendatang diproyeksikan dengan membagi luas lahan subur dengan jumlah penduduk pada tahun yang sama. Indikator ini berguna untuk memperlihatkan bagaimana total luas area subur yang menopang masing-masing orang (atau keluarga) akan berkurang di masa yang akan datang (karena pertumbuhan penduduk sementara jumlah area subur relatif konstan, sehingga luas tanah yang ada untuk menopang masing-masing penduduk akan menjadi lebih sempit). Jumlah area subur umumnya tetap konstan. Namun, dapat dirubah untuk mencerminkan rencana pembangunan (misalnya: perluasan tanah layak tanam melalui perancangan irigasi atau pengurangan tanah layak tanam sehubungan dengan Pemerintah). 2) Jumlah konsumsi bahan pangan pokok Jumlah konsumsi bahan pangan pokok di masa mendatang diproyeksikan dengan mengkalikan rata-rata konsumsi bahan pangan pokok dengan proyeksi jumlah penduduk setiap tahun. Hal ini berguna dalam menunjukan bagaimana produksi makanan dan atau impor makanan akan meningkat sejalan dengan peningkatan laju pertumbuhan penduduk. 3) Produksi bahan pangan pokok Produksi bahan pangan pokok dimasa mendatang diproyeksikan dengan mengkalikan jumlah produksi bahan pangan pokok pada tahun sebelumnya dengan angka pertumbuhan penduduk. Hal ini berguna untuk memperlihatkan kesulitan dalam memenuhi jumlah produksi makanan berkaitan dengan peningkatan laju pertumbuhan penduduk.
Data yang akan di input ke dalam RAPID untuk menyusun proyeksi tersebut antara lain : 1) Luas lahan subur Angka ini dapat langsung diambil dari sumber-sumber yang ada. 2) Konsumsi bahan pangan pokok pada tahun dasar Dihitung dengan membagi jumlah konsumsi bahan makanan pokok dalam satu tahun dengan jumlah penduduk ditahun yang sama. Konsumsi bahan makanan pokok per tahun dapat konstan, atau dirubah untuk mencerminkan peningkatan atau penurunan pendapatan individu. Angka ini dapat langsung diambil dari sumber-sumber yang ada. 3) Total produksi bahan pangan pokok pada tahun dasar Angka ini dapat langsung diambil dari sumber-sumber yang ada. 4) Peningkatan produksi bahan pangan pokok tahunan Angka ini dapat langsung diambil dari sumber-sumber yang ada. Asumsi yang berhubungan dengan peningkatan produksi bahan pangan pokok tahunan di masa yang akan datang dapat tetap konstan. Atau dapat berubah untuk mencerminkan sasaran pertanian sebuah Negara. Menetapkan asumsi yang mencerminkan sasaran di masa mendatang berguna untuk memperlihatkan bahwa pencapaian sasaran pertanian hanya akan memberikan sedikit dampak dalam meningkatkan keadaan sosial ekonomi di wilayah tersebut bila tidak diimbangi dengan pencapaian sasaran kependudukan karena peningkatan produksi pertanian sebagian besar akan digunakan untuk memenuhi kebutuhan dari peningkatan jumlah penduduk. BAB IV ANALISIS DATA DAN PEMBAHASAN
Keluaran dari Analisis Spectrum berupa diagram garis, diagram batang, gambar piramida dan table, yang dapat menginformasikan kondisi masa mendatang, sehingga dapat digunakan untuk menganalisis suatu dampak pembangunan dimasa mendatang, berdasarkan informasi pembangunan saat ini. Analisis data dengan Aplikasi Model DemProj dengan menyiapkan data hasil Sensus Penduduk 2010 dan menetapkan asumsi-asumsi termasuk asumsi TFR, asumsi-asumsi bidang ketenaga-kerjaan, PDB, kesehatan, pendidikan dan pertanian. Analisis ini dilakukan dengan membandingkan asumsi sekenario TFR dengan tiga asumsi. Asumsi yang pertama TFR rendah 1.94, asumsi kedua dengan TFR sedang 1.97 dan asumsi ketiga dengan TFR tinggi 2,2. Pada analisis ini mengabaikan data migrasi, sehingga pada proses input data, migrasi dianggap nol, untuk itu hasil proyeksi penduduk dan analisis pembahasan masalah terbatas pada pertumbuhan penduduk alami atau hanya berdasar pada fertilitas/kelahiran di Kabupaten Sleman.
Input data dalam Aplikasi Model DemProj, karena DemProj merupakan program dasar untuk melakukan proyeksi terhadap modul-modul lain, yang artinya untuk input ke dalam Aplikasi berikutnya harus mengisi Aplikasi Model DemProj terlebih dahulu. Tanpa Demproj, Aplikasi Model apapun tidak akan berfungsi termasuk Aplikasi RAPID. Pada aplikasi RAPID, asumsi-asumsi yang di input adalah asumsi berdasar trend data di masing-masing dinas/instansi.
I nput Aplikasi Model DemProj
4.1
4.1.1 Data yang diinput Aplikasi Model DemProj
Data yang di input dalam Aplikasi Model DemProj adalah populasi penduduk, umur dan jenis kelamin, sex ratio, Total Fertility Rate (TFR), ASFR, Life expectancy, Life Table di Kabupaten Sleman datanya sebagai berikut : 1.
a.
Jumlah populasi di Kabupaten Sleman
Tabel 4.1 Jumlah Populasi Penduduk Kabupaten Sleman
F irst Year Population Age
0-4
5-9
10-14
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
Male
Female
Jumlah
42,907
40,492
83,575
40,681
38,527
79,378
38,915
36,702
75,779
49,123
48,397
97,350
64,195
56,233
119,819
50,007
46,875
96,794
44,848
44,572
89,485
41,663
41,741
83,452
39,878
41,171
81,105
32,306
34,826
67,177
28,803
30,368
59,200
22,260
22,243
44,529
60-64
65-69
70-74
14,924
17,297
32,221
13,897
15,110
29,007
10,379
12,549
22,928
13,099
18,122
31221
547,885
545,225
1,093,110
75-79 80+
Total Sumber: SP 2010, BPS
1.
b. TFR ( Total Fertility Rate)
Tabel 4.2
Total Fertility Rate
Skenario Rendah
2010
TFR
1.94
Sumber: berdasar trend Skenario Sedang
2010
TFR Sumber: Berdasar trend
Skenario Tinggi
1.97
2010
2,2
TFR Sumber: Berdasar trend 1.
c.
ASFR
Tabel 4.3 Tabel ASFR
ASFR
2010
Age
13
15-19
77
20-24
119
25-29
99
30-34
54
35-39
14
40-44
2
45-49
1887
Calculated TFR
1.89
Input TFR Sumber: SP 2010, BPS 1.
d. Sex Ratio Tabel 4.4 Tabel Sex Ratio
Sex Ratio at Bir th 2010
105.96
Sex Ratio at Birth 1.
e.
Asumsi 2035 105.96
Life Expectancy ( umur harapan hidup ) Tabel 4.5 Tabel Life Expectancy/Angka Harapan Hidup dan Tabel Kematian
Life Expectancy / Harapan Hidup 2010
ale
Female
73
76
Asumsi 2035
75
77
Sumber: SP 2010, BPS Model LifeTable/Kematian
2010
IMR
14
Sumber: SP 2010, BPS 1. f. Migrasi dan Urbanisasi Pada analisis ini migrasi dan urbanisasi diabaikan dan diasumsikan 0. Analisis penulisan ini berdasar pertumbuhan penduduk alami atau berdasar fertilitas/kelahiran. 4.2.Analisis dan Pembahasan Aplikasi Model Demography Projection (DemProj)
Analisis DemProj berdasar pada Sensus Penduduk tahun 2010. Pada analisis ini, proyeksi penduduk diasumsikan dengan tiga sekenario TFR. TFR dengan skenario rendah 1,94, TFR dengan sekenario sedang 1,97 dan TFR dengan skenario tinggi 2,2. Hasil dari Aplikasi Model DemProj, yang di input dari data tersebut di atas menghasilkan gambar piramida penduduk, diagram batang dan table antara lain: Piramida Penduduk per kelompok umur tahun 2010 -2015 dan tahun 2010 – 2035, diagram batang penduduk ketergantungan/ child dependents, Tabel penduduk ketergantungan, Proyeksi penduduk/Total Population dan Tabel Proyeksi jumlah Penduduk. Untuk memudahkan analisis, dibuat tabel pertambahan per periode.
a. Diagram Batang Total Populasi / Proyeksi Penduduk
Hasil DemProj dengan sekenario TFR rendah (1,94), sedang (1,97) dan tinggi (2,2) hasilnya dapat ditunjukkan sebagai berikut : Grafik 4.1 Total Populasi / Proyeksi Penduduk Hasil Aplikasi Model DemProj ditunjukkan dalam diagram batang gambar 4.1, skenario TFR rendah ditunjukkan dengan warna merah, sedang ditunjukkan dengan warna biru, dan tinggi ditunjukkan dengan warna hijau, dari diagram tersebut dapat terlihat bahwa, tahun 2015 terjadi lonjakan penduduk, hal tersebut dilihat dengan melihat perbandingan diagram batang tahun 2010 hingga tahun 2035. Dari ketiga asumi TFR rendah, sedang dan tinggi, pertambahan jumlah penduduk proyeksi tahun 2015 dan 2020 sama. Jumlah penduduk pada kedua tahun tersebut diperkirakan, tahun 2015 berjumlah 1,15 juta jiwa dan 1,2 juta jiwa pada tahun 2020. Perbedaan interval jumlah penduduk yang selisihnya tertinggi ada pada tahun 2015. Pada tahun 2010 jumlah penduduk 1,09 juta jiwa. Tahun 2015 jumlah penduduknya diproyeksikan 1,15 juta jiwa, ada kenaikan sebanyak 0,06 disemua sekenario TFR rendah, sedang dan tinggi. Pada tahun 2020 proyeksi jumlah penduduk 1,2 juta jiwa, ada kenaikan sebanyak 0,05 dibanding tahun 2015. Tahun 2025 proyeksi penduduk sekenario rendah 1.23 juta ada selisih 0,03 dibanding proyeksi 2020 (1,2 juta jiwa). Pada skenario sedang proyeksi penduduk 2025 adalah 1,24 ada kenaikan kenaikan 0,04 dibanding proyeksi tahun 2020, pada skenario tinggi proyeksi penduduk berjumlah 1,25 ada kenaikan 0,05 dibanding proyeksi tahun 2020. Pada tahun 2030 proyeksi penduduk skenario rendah sebanyak 1,26, jika dibanding tahun 2025 (1,23 juta jiwa) ada kenaikan 0,03, proyeksi penduduk skenario sedang sebanyak 1,28, jika dibanding tahun ada kenaikan 0,04 dari 1,24 juta jiwa di tahun 2025. Proyeksi penduduk sekenario tinggi di tahun 2030 sebanyak 1,29 juta jiwa, jika dibanding tahun 2025 ada kenaikan 0,04 dari 1,25 juta jiwa di tahun 2025. Pada tahun 2035 proyeksi penduduk skenario rendah sebanyak 1,28 juta jiwa, jika dibanding tahun 2030 (1,26 juta jiwa) ada kenaikan 0,02, Jumlah proyeksi penduduk tahun 2035 skenario sedang sebanyak 1,30 juta jiwa, jika dibanding tahun 2030 ada kenaikan 0,02 dari 1,28 juta jiwa di tahun 2030, proyeksi penduduk skenario tinggi sebanyak 1,33 juta jiwa, jika dibanding tahun 2030 ada kenaikan 0,04 dari 1,29 juta jiwa di tahun 2030. Pada tahun 2015 ditemukan selisih proyeksi terbesar sebanyak 0,6 ada disemua skenario rendah, sedang maupun tinggi, artinya di tahun 2015 akan ada lonjakan penduduk. Analisis lain dari diagram batang ini adalah, bahwa pada tahun 2025, 2030 dan 2035 diagram batang pada tahun-tahun tersebut dengan asumsi sekenario TFR rendah, sedang dan tinggi, mulai ada perbedaan selisih proyeksi jumlah penduduk, dari ketiga asumsi TFR yang ditetapkan, pada TFR rendah pertumbuhan jumlah penduduk lebih kecil dibanding dua asumsi yang lain (TFR sedang dan TFR tinggi). Jumlah penduduk disemua sekenario TFR rendah, sedang dan tinggi selalu meningkat. Ketika laju pertumbuhan penduduk rendah pada ketiga asumsi TFR rendah, sedang dan tinggi, kelompok usia produktif 15-64 tahun lebih besar dari kelompok usia ketergantungan (dihitung dari tabel. buka spectrum). Pada kelompok umur produktif 20-24 tahun pada tahun 2010 sangat tinggi, diperkirakan lima tahun ke depan tahun 2015, kelompok usia ini sudah manjadi pasangan usia subur dan punya anak, sehingga diperkirakan akan ada kelahiran yang berkontribusi pada pertambahan jumlah penduduk, juga diperkirakan akan ada tambahan penduduk yang luar biasa banyaknya yang disumbang dari kelompok umur ini, jika selama kurun waktu masa reproduksi sehat, pasangan usia subur dari kelompok umur 20-24 ini tidak ber-KB tentu akan terjadi pertambahan penduduk yang pesat dan bahkan akan terjadi ledakan penduduk. b. Tabel Total Population / Proyeksi Jumlah Penduduk pada sekenario rendah, sedang, tinggi.
Hasil Aplikasi Model DemProj yang ditunjukkan dengan Tabel Population/ Proyeksi Jumlah Penduduk pada sekenario rendah, sedang, tinggi. Tabel: 4.6
Total Population / Proyeksi Jumlah Penduduk pada Sekenario Rendah, Sedang, Tinggi. Jumlah penduduk pada tahun 2010, pada sekenario TFR rendah, sedang dan tinggi sama, tambahan jumlah penduduk per 5 tahun dari tahun 2010 hingga tahun 2035 terbanyak ada di tahun 2015, sehingga dapat diprediksikan tahun 2015 terjadi lonjakan penduduk. Jika tahun 2015 pengendalian jumlah penduduk tidak mendapat perhatian maka jumlah penduduk Kabupaten Sleman akan membumbung tinggi dan dimungkinkan terjadi ledakan penduduk. c. Tabel Pertambahan Total Populasi per Periode (dalam Jiwa )
Tabel 4.7 Pertambahan Total Populasi per Periode
TAHUN
2010
TFR RENDAH
TAMBAH
1.093.110
TFR SEDANG
1.093.110
53.876
2015
1.146.986
2025
1.149.217
1.200.767
1.234.266
55.622
1.204.839 43.807
1.244.574
26.416
56.107
52.641
38.186
TAMBAH
1.093.110
1.148.126
1.196.080
TFR TINGGI
55.016
49.094
2020
TAMBAH
48.816
1.253.655
33.578
40.065
2030
1.260.682
1.278.152
17.224
2035
1.277.906
1.293.720
25.643
1.303.795
33.194
1.326.914
Dari tabel 4.7 Tambahan Total Populasi per Periode, menunjukkan bahwa tambahan penduduk pada sekenario TFR rendah, sedang tinggi pada 2015 menunjukkan tambahan penduduk yang lebih banyak dibandingkan periodedan –periode yang tahun lain, berarti pada tahun 2015 dimungkinkan ada lonjakan penduduk, untuk itu antisipasi lonjakan penduduk tersebut perlu diwaspadai di semua aspek pembangunan. d.Piramida Penduduk per Kelompok Umur Tahun 2010 – 2015
Gambar 4.2 Piramida Penduduk Penduduk per Kelompok Umur Tahun 2010 – 2015 Dari gambar 4.1 piramida penduduk tahun 2010 dan tahun 2015, nampak bahwa bayi dan balita usia 0-4 tahun pada tahun 2010 dan 2015 lebih banyak dari usia anak sekolah SD dan SMP atau remaja atau usia 5 – 14 tahun atau dapat dikatakan bahwa angka kelahiran masih tinggi. Disisi lain, di tahun 2010 dan tahun 2015, angka usia produktif 20 -24 tahun, 24 – 29 tahun sangat tinggi. e.Piramida Penduduk per Kelompok Umur Tahun 2010 – 2035
Gambar 4.3 Piramida Penduduk Penduduk per Kelompok Umur Tahun 2010 – 2035 Dari gambar 4.2 piramida penduduk tahun 2010 dan tahun 2035, nampak bahwa bayi dan balita usia 0-4 tahun pada tahun 2035 semakin berkurang, usia bayi dan balita sama dengan anak sekolah SD dan anak usia SMP remaja usia 10 – 14 tahun meningkat. Atau dapat dikatakan bahwa angka kelahiran masihh tinggi, lebih tinggi dari tahun sebelumnya, yang artinya angka kelahiran masih harus dikendalikan. f. Child Dependents/ Penduduk Ketergantungan
Gambar 4. 4
Child Dependents / Penduduk Ketergantungan Pada diagram batang penduduk ketergantungan ( Child Dependents) yang ditunjukkan pada gambar 4.4. Pada sekenario TFR rendah, jumlah penduduk usia ketergantungan semakin rendah, penduduk usia ketergantungan adalah penduduk usia 14 tahun kebawah (penduduk usia muda) dan 65 tahun ke atas (penduduk usia tua). Kondisi tersebut ditunjukkan oleh gambar 4.4. g. Tabel Angka Ketergantungan (Anak di bawah 14 tahun), pada sekenario rendah, sedang, tinggi.
Tabel 4.8 Angka Ketergantungan (Anak di bawah 14 tahun), Pada Sekenario Rendah, Sedang, Tinggi. Pertambahan jumlah usia ketergantungan (anak di bawah 14 tahun ke bawah) teringgi pada sekenario TFR rendah ada pada tahun 2020, sekenario TFR sedang ada di tahun 2025 dan sekenario TFR tinggi ada di tahun 2025 sama dengan sekenario TFR sedang. Jumlah usia ketergantungan ini, diberbagai sekenario TFR akan berangsur-angsur menurun hingga tahun 2035. 4.3. Data yang diinput Aplikasi Model RAPID
Setelah Aplikasi Model DemProj ter input, apliksi dilanjudkan pada penginputan Aplikasi Model Rapid, seperti uraian pada Bab III maka dalam Aplikasi Model RAPID data yang di input adalah data bidang Ekonomi, Kesehatan, Pendidikan dan Pertanian. A. Bidang Ekonomi
Yang di input adalah data Indikator Ketenaga-kerjaan, trens Pendapatan Domestik Brutto, Indikator Penduduk dan Jumlah penduduk. Tabel 4.9 Data Bidang Ekonomi
NO
URAIAN
1
Tingkat partisipasi angkatan kerja laki-laki 10 -14 th
2
Tingkat partisipasi angkatan kerja laki-laki 15 – 64 th
3
Tingkat partisipasi angkatan kerja perempuan 10 -14 th
4
Tingkat partisipasi angkatan kerja perempuan 15 – 64 th
5
Produk Domestik B Brutto tahun dasar (atas harga berlaku)
TH 2008
2009
2010
Asumsi 2035
0.00
0.00
0
68.10
71.56
75
0.00
0.00
0
51.15
53.67
55
11,446,071 12,503,760 13,611,725 12,500,000
6
Angka laju Pertumbuhan Tahunan GDP (Atas Haega yg Berlaku )
5.13
4.48
4.49
4.6
Sumber data : Bappeda Kabupaten Sleman A.1. Analisis dan pembahasan Rapid bidang ekonomi adalah :
Masalah yang paling penting pada bidang ekonomi adalah berkaitan dengan lapangan pekerjaan, ketenagakerjaan dan peningkatan Produk Domestik Brutto. Hasil RAPID dari bidang ekonomi keluarannya antara lain berupa diagram batang, garis dan tabel tentang perkiraan jumlah tenaga kerja, jumlah pekerja baru yang dibutuhkan, perkiraan peningkatan Produk Domestik Bruto di masa mendatang. Hasil Rapid bidang ekonomi tentang perkiraan jumlah angkatan kerja, ditunjukkan dalam diagram batang dan tabel. A.1.1. Perkiraan jumlah angkatan kerja
a. Diagram batang Labour Force / Perkiraan Angkatan Kerja Grafik 4.5
Labour Force / Perkiraan Angkatan Kerja b. Tabel Perkiraan Jumlah Angkatan Kerja pada skenario rendah, sedang, tinggi. Tabel 4.10 Perkiraan Jumlah Angkatan Kerja pada Skenario TFR Rendah, TFR Sedang,TFR Tinggi Tabel.4.11. Tabel Pertambahan Perkiraan Jumlah Angkatan Kerja skenario TFR Rendang, Sedang dan Tinggi ( dalam ribuan )
Tahun
TFR RENDAH
2010
483,60
TAMBAH
TFR SEDANG
TAMBAH
483,60
26,08
TFR TINGGI
TAMBAH
483,60
26,11
26,11
2015
509,68
509,71
21,55
2020
531,23
21,63
531,34
16,45
2025
547,68
572,19
16,58
547,92
17,40
565,32
7,93
2035
531,34
547,92
564,26
21,63
16,58
16,58
2030
509,71
18,10
566,02
10,14
575,46
12,09
578,11
Dari diagram batang perkiraan angkatan kerja yang ditunjukkan gambar 4.5 tabel 4.10, tabel 4.11 tentang perkiraan jumlah tenaga kerja dan tabel pertambahan, pada sekenario TFR rendah, sedang, dan tinggi, setiap tahun perkiraan jumlah angkatan kerja selalu meningkat yang ditunjukkan dalam periode 5 tahunan. Peningkatan jumlah angkatan kerja paling banyak ada pada tahun 2015, dan pada penetapan asumsi TFR tinggi jumlah angkatan kerja lebih banyak dibanding pada TFR sedang dan rendah. Tantangan Pemerintah Kabupaten Sleman di tahun 2015 semakin berat karena harus mampu menambah lapangan pekerja yang lebih banyak. Apabila pertumbuhan penduduk tidak ditekan, maka jumlah angkatan kerja di masa mendatang menjadi lebih besar dan diperlukan lebih banyak sumber daya, untuk menyediakan lapangan kerja. Sehingga sumber daya akan lebih banyak terserap untuk penyelesaian penyediaan kesempatan kerja dan kurang terfokus pada peningkatan kualitas tenaga kerja. Penduduk dan pembangunan ekonomi mempunyai hubungan yang sangat komplek. Pertambahan penduduk akan meningkatkan pertumbuhan ekonomi, jika kualitas penduduk cukup bermutu, dan penduduk akan menjadi beban perekonomian jika kualitas penduduk masih rendah . A.1.2. Perkiraan Jumlah Lapangan Kerja Yang Dibutuhkan
a. Diagram batang Jumlah Lapangan Kerja Yang Dibutuhkan Grafik 4.6
News Jobs Required / Lapangan Kerja Yang Dibutuhkan Dari diagram batang Lapangan Kerja yang dibutuhkan, lapangan kerja semakin tahun semakin berkurang.
b. Tabel Perkiraan Jumlah Lapangan Kerja pada sekenario rendah, sedang, tinggi. Tabel 4.12 Perkiraan Jumlah Lapangan Kerja Dibutuhkan Pada Sekenario TFR Rendah, TFR Sedang,TFR Tinggi Tabel : 4.13 Pertambahan Perkiraan Lapangan Kerja, Sekenario TFR Rendah, Sedang dan Tinggi ( dalam ribuan )
Tahun
TFR RENDAH
2010
6,10
TAMBAH
TFR SEDANG
TAMBAH TFR TINGGI TAMBAH
6,10
6,10
-1,53
2015
4.57
-1,51
4.59
-7,5
2020
3,82
3,84
3,57
0,93
-1,8
3,66
-8,9
271
-1,41
2035
3,84
3,60
2,36
-7,5
-2,4
-1,21
2030
4.59
-7,5
-2,5
2025
-1,51
-7,1
295
-1,3
141
-9,8
197
Dari diagram batang News Jobs Required/Perkiraan Lapangan Kerja yang dibutuhkan, ditunjukkan dalam gambar 4.6 dan tabel 4.12 di atas tentang Perkiraan lapangan kerja yang dibutuhkan pada sekenario TFR rendah, sedang dan tinggi, menunjukkan bahwa lapangan kerja jumlahnya semakin kecil, lapangan kerja yang dibutuhkan oleh Pemerintah untuk pemenuhan penduduk dari periode ke periode semakin banyak. Kebutuhan lapangan kerja pada tahun 2015 pada asumsi TFR rendah, sedang dan tinggi sama di setiap periodenya, mulai tahun 2020, 2025, 2030 dan 2035 jumlah kebutuhan lapangan kerja yang dibutuhkan semakin bertambah, peluang memperbanyak lapangan kerja semakin kecil, dan kebutuhan jumlah lapangan kerja pada TFR tinggi semakin banyak. Fakta yang ada di Kabupaten Sleman menunjukkan bahwa pertambahan jumlah penduduk lebih cepat dibandingkan pertumbuhan lapangan kerja. TFR Kabupaten Sleman pada tahun 2010 adalah 1,97, berarti kelahiran setiap hari 20 bayi, sedang tambahan lapangan kerja tidak sebanding dengan tambahnya penduduk. Lapangan kerja di Kabupaten Sleman masih didominasi oleh sektor pertanian. Ironisnya setiap tahun lapangan pekerjaan di sektor pertanian berangsur-angsur berkurang. Hal ini terjadi karena tumbuhnya gedung-gedung baru, kampus, perumahan elit seperti Case Grande, Hyatt Regensi, Grand Cupuwatu, Sun Garden, yang tumbuh di lahan pertanian, sehingga mendorong perubahan mata pencaharian penduduk dari sektor pertanian ke sektor jasa. Meskipun ada peralihan mata pencaharian dari sektor pertanian ke sektor jasa, tidak semua penduduk yang kehilangan mata pencaharian di sektor pertanian tertampung di sektor jasa atau mendapat ganti pekerjaan baru. Padahal usaha jasa yang berkembang pesat di wilayah kampus dan perumahan bukan usaha dari penduduk setempat, melainkan usaha penduduk yang berasal dari luar Kabupaten Sleman, fenomena ini berdampak pada bertambahnya pengangguran di Kabupaten Sleman . A.1.3. Produk Domestik Bruto (PDB)
a. Diagram Batang PDB Perkapita. Grafik 4.7
G D P Percapita / PDB Perkapita Diagram batang GDP perkapita yang ditunjukkan oleh gambar 4.7, warna merah mewakili GDP perkapita untuk TFR rendah, warna biru mewakili GDP perkapita TFR sedang, warna hijau mewakili TFR warna hijau, dari gambar tersebut tampak bahwa perkembangan GDP perkapita dari periode ke periode meningkat dengan jelas, dan jika dibandingkan GDP perkapita dari 3 sekenario TFR, maka GDP perkapita akan lebih baik pada TFR rendah, pada gambar 4.7 ditunjukkan bahwa TFR rendah akan diperoleh GDP perkapita lebih tinggi dari kondisi TFR sedang dan tinggi. b. Tabel Perkiraan Penerimaan PDB (Produk Domestik Bruto) / GDP perkapita
Tabel 4.14 Perkiraan Penerimaan PDB ( Produk Domestik Bruto )/ GDP Perkapita Dari diagram batang GDP perkapita gambar 4.7 dan Tabel 4.14 tentang perkiraan GDP perkapita, menunjukkan bahwa dalam 3 sekenario TFR, sekenario ketiga TFR menunjukkan bahwa GDP dari periode ke periode semakin meningkat. c. Tabel Pertambahan Perkiraan Penerimaan PDB (dalam juta rupiah) Tabel 4.15
Pertambahan Perkiraan Penerimaan PDB Perkapita (dalam jutaan rupiah)
TFR TAHUN RENDAH
2010
TAMBAH
12.45
TFR SEDANG
12.45
2.34
2015
14.79
2025
32.34
3.51
21.07
4.61
25.84
6.14
2035
17.56
21.23
26.2
2.8
3.61
4.79
2030
14.76
17.62
21.41
2.31
2.85
3.72
4.46
25.53
5.86
31.7
TAMBAH
12.45
14.77
17.69
TFR TINGGI
2.32
2.9
2020
TAMBAH
5.62
31.15
Jika dibandingkan pertambahan GDP perkapita, di semua sekenario TFR rendah, sedang dan tinggi, dari periode ke periode selalu meningkat. Pertambahan terbesar ada pada sekenario TFR rendah di tahun 2035, di mana jumlah penduduk sudah dapat dikendalikan, dimungkinkan pada tahun tersebut akan meraih The Window of oportunity (demography deviden) atau Pendapatan perkapita semakin naik pertumbuhan penduduk semakin sedikit, kesejahteraan meningkat. B. Bidang Kesehatan
Analisis hasil RAPID dari bidang Kesehatan terfokus pada proyeksi sumber daya yang harus ditingkatkan untuk mencapai target pelayanan kesehatan dikaitkan dengan laju pertambahan penduduk. Analisisnya antara lain ditunjukkan dengan diagram batang, penduduk resiko tinggi, kebutuhan dokter, kebutuhan rumah sakit. Yang di input adalah data Indikator Tenaga Kesehatan, Indikator Penduduk, Indikator Pelayanan Kesehatan.
Tabel 4.16 Data Bidang Kesehatan
No
Uraian
Tahun 2008
Tahun 2009
Tahun 2010
Asumsi 2035
1
Jumlah Dokter
764
798
856
980
2
Jumlah Perawat
1,276
1,352
1,389
1500
3
Jumlah Puskesmas
25
25
25
25
4
Jumlah Rumah Sakit
21
21
20
21
5
Jumlah Tempat Tidur Rumah Sakit
2,786
2,786
2,786
2886
6
Jumlah Penduduk
1
Ratio Jumlah Penduduk Per Jumlah Dokter
1,431
1,337
1,277
1,297
2
Ratio Jumlah Penduduk Per Jumlah Perawat
857
789
787
848
3
Ratio Jumlah Penduduk Per Jumlah Puskesmas
43,724
25
43,724
50,859
4
Ratio Jumlah Penduduk Per Jumlah Rumah Sakit
52,053
50,794
54,656
60,547
5
Ratio Jumlah Penduduk Per Jumlah Tempat Tidur
392
383
392
441
6
Pengeluaran Per Tahun Utk Kesehatan Per Penduduk
0
0
0
1,066,673 1,093,110 1,271,480
Sumber : Dinas Kesehatan Kabupaten Sleman B.1. Analisis dan pembahasan Rapid bidang Kesehatan adalah :
Masalah yang paling penting pada bidang Kesehatan adalah berkaitan dengan penduduk berisiko, jumlah kebutuhan dokter/tenaga kesehatan dan kebutuhan Rumah Sakit. Hasil RAPID dari bidang kesehatan keluarannya antara lain berupa diagram batang dan tabel. Hasil Rapid bidang kesehatan antara lain tentang perkiraan penduduk berisiko ditunjukkan dalam diagram batang gambar 4.8 dan tabel 4.16. B.1.1. Perkiraan Penduduk Berisiko
a. Diagram batang penduduk berisiko Grafik 4.8
Population at High Health / Perkiraan Penduduk Beresiko Pada tahun 2015, hasil proyeksi penduduk di Kabupaten Sleman akan terjadi lonjakan, hal ini akan terjadi perkiraan penduduk berisiko. Grafik 4.8 menunjukkan bahwa tahun 2015 juga terjadi lonjakan penduduk yang mempunyai resiko kesehatan, karena jumlah bayi, balita dan wanita usia produktif antara 15-49 tahun tersebut juga melonjak dibanding proyeksi tahun–tahun berikutnya. Pada periode berikutnya tahun 2020, 2025, 2030 dan 2035 berangsur-angsur terjadi penurunan penduduk yang mempunyai risiko kesehatan yang semakin kecil. Pada penetapan asumsi TFR rendah, penduduk yang mempunyai risiko kesehatan semakin sedikit, demikian sebaliknya. b. Tabel Perkiraan Penduduk Beresiko Tinggi , pada sekenario rendah, sedang, tinggi. Tabel 4.17 Perkiraan Penduduk Beresiko , Pada Sekenario TFR Rendah, Sedang Dan Tinggi . Tabel 4.18
Pertambahan Perkiraan Penduduk Beresiko (dalam ribuan )
TAHUN
TFR RENDAH
2010
397,21
TAMBAHAN
TFR SEDANG
397,21
7,17
2015
404,38
2025
390,26
9,31
406,52
(-2,94)
402,49
(-8,92)
(-1,05)
405,47
(-6,98)
395,51
TAMBAHAN
397,21
405,43
399,18
TFR TINGGI
8,22
(-5,20)
2020
TAMBAHAN
(-4,94)
400,53
(-8,15)
2030
(-6,23)
382,11
389,28
396,31
(-6,93)
2035
(-4,22)
(-3,94)
375,18
385,34
(-1,42)
394,89
Pada tabel 4.17 dan 4.18, tentang perkiraan penduduk berisiko tinggi, pada skenario rendah, sedang, tinggi, menunjukkan bahwa baik skenario TFR rendah, sedang, dan tinggi peningkatan penduduk berisiko tentang kesehatan sangat tinggi pada tahun 2015, seiring dengan proyeksi penduduk di tahun 2015 Kabupaten Sleman ada lonjakan penduduk, serta pertambahannya berkisar antara 7170 sampai 9310, dibandingkan pertambahan penduduk berisiko tentang kesehatan pada periode-periode selanjutnya. C. Bidang Pendidikan
Analisis hasil RAPID Bidang Pendidikan, dirancang berdasarkan asumsi, bahwa untuk mencapai sasaran pembangunan nasional diperlukan peningkatan sumber daya pendidikan yang lebih besar ketika laju pertambahan penduduk semakin meningkat. Sasaran-sasaran tersebut akan lebih mudah dicapai jika angka laju pertumbuhan penduduk dapat ditekan menjadi lebih rendah. Bidang pendidikan yang menjadi urusan wajib daerah adalah wajib belajar sembilan tahun, yaitu pendidikan SD dan SLTP, sehingga pada analisis ini ruang lingkup pada penelitian ini adalah pendidikan SD dan SLTP di Kabupaten Sleman. Pada analisis ini yang di input adalah data usia rata-rata murid masuk sekolah SD Jumlah tahun belajar di SD;Tingkat Partisipasi SD; Rasio murid SD terhadap jumlah Guru SD, Rasio murid SD terhadap jumlah SD, usia rata-rata murid masuk SMP, jumlah tahun belajar di SMP, tingkat partisipasi SMP; Rasio murid SMP terhadap jumlah Guru SMP, Rasio murid SMP terhadap jumlah Guru SMP, Rasio murid SMP terhadap jumlah SMP. Sedangkan total pengeluaran rata-rata rutin per murid SD dan SMP diabaikan. Tabel 4.19 Bidang Pendidikan
Tahun No
Uraian
1
Usia rata-rata murid masuk sekolah SD
2
Jumlah tahun belajar di SD
3
Tingkat Partisipasi SD
L
6.4
P
6.3
2008
Tahun 2009
Tahun 2010
Asumsi Th 2035
6.3
6.3
6.3
63
6.0
6.0
6.0
6.0
117.69 115.22 115.54 111.20 116.50 128.49
4
Rasio murid SD terhadap umlah Guru SD
15
14
14
10
5
Rasio murid SD terhadap umlah SD
168
171
172
100
6
total pengeluaran ratarata rutin per murid SD
7
Usia rata-rata murid masuk sekolah SD
12.6
12.6
12.6
12.6
8
Jml tahun belajar di SD
3
3
3
3
9
Tingkat Partisipasi SD
10
Rasio murid SD terhadap umlah Guru SD
12
12
12
12
11
Rasio murid SD terhadap umlah SD
319
328
325
325
12.7
12.4
115.45 113.30 114.28 112.05 114.39 115.85
total pengeluaran rata12
rata rutin per murid SD
Sumber : Dinas Pendidikan Kabupaten Sleman C.1. Analisis dan pembahasan Rapid bidang Pendidikan
Masalah yang paling penting pada bidang pendidikan adalah berkaitan dengan jumlah siswa SD dan SMP, Jumlah guru SD dan SMP serta jumlah sekolah SD dan SMP. Hasil RAPID dari bidang pendidikan keluarannya antara lain berupa diagram batang dan tabel. Hasil Rapid bidang pendidikan antara lain tentang Perkiraan Jumlah Murid SD, Perkiraan Kebutuhan Guru SD, Kebutuhan Sekolah Dasar, Perkiraan Jumlah Murid SMP, Perkiraan Kebutuhan Sekolah Menengah/SMP, ditunjukkan dalam diagram batang dan tabel. C.1.1. Sekolah Dasar ( SD )
a. Jumlah Siswa a.1. Diagram Batang Perkiraan Jumlah Murid SD Grafik 4.9.
Primary Student / Perkiraan Jumlah Murid SD a.2. Tabel Perkiraan jumlah murid SD
Tabel 4.20 Perkiraan Jumlah Murid SD Dari keluaran Rapid bidang pendidikan berupa diagram batang gambar 4.11, perkiraan jumlah murid SD dan tabel 4.19, perkiraan Jumlah murid SD, meskipun hasil dari diagram batang dan tabel ada perbedaan, tetapi perbedaannya sangat tipis dan masih dalam batas toleransi. Dari diagram batang pada gambar 4.11 di atas, dapat dibuat tabel 4.20, perkiraan tambahan jumlah siswa SD per periode, untuk memudahkan analisis. a.3. Perkiraan Jumlah Siswa SD ( Ribuan ) Tabel 4.21 Pertambahan Perkiraan Jumlah Murid SD per periode
TAHUN
2010
TFR RENDAH
TAMBAH
107,65
TFR SEDANG
107,65
9,87
2015
117,52
2025
128,98
136,20
126,22
10,83
139,81
-3,13
133,07
-9,00
11,46
8,05
-6,25
2030
117,52
128,15
132,47
9,87
10,63
5,21
TAMBAH
107,65
117,52
127,26
TFR TINGGI
9,87
9,74
2020
TAMBAH
-6
139,75
-6,43
-3,78
2035
117,22
126,64
135,97
Dari gambar diagram batang Jumlah murid SD dan tabel 4.20 di atas, pada kondisi TFR rendah, pada tahun 2015 akan terjadi lonjakan murid SD,dan selanjutnya berangsur-angsur menurun pertambahan bahkan pertambahannya menjadi negatif, pada tahun 2030 dan 2035. Kondisi peningkatan jumlah murid SD di tahun 2015, ada hubungannya dengan banyaknya usia kelompok umur 20-24 di tahun 2010, yang diperkirakan menikah di periode berikutnya dan mempunyai anak, yang berkontribusi pada meningkatnya jumlah murid SD. Pada TFR sedang dan TFR tinggi lonjakan siswa SD ada di tahun 2020 dan tambahannya menjadi berkurang pada tahun 2025 dan bertambah negatif pada tahun 2030 dan 2035. C.1.2. Sekolah Menengah Pertama ( SMP ) a. Jumlah Siswa SMP a.1. Diagram Batang Perkiraan Jumlah Siswa Grafik 4.10
Secondary Student Perkiraan Jumlah Murid Sekolah Menengah /SMP Ada penurunan jumlah anak sekolah di tahun 2015, diperkirakan pada tahun ini sudah terjadi putus sekolah. Pada tahun 2020 jumlah anak sekolah kembali meningkat, dan pertumbuhannya kembali berkurang di tahun 2035. a.2. Tabel Perkiraan Jumlah Murid SMP Tabel 4.22 Perkiraan Jumlah Murid SMP Tabel 4.23 Pertambahan Perkiraan Jumlah Murid SMP Per Periode
TAHUN
TFR RENDAH
2010
55,90
TAMBAHAN
TFR SEDANG
TAMBAHAN TFR TINGGI TAMBAHAN
55,90
55,90
-3,52
2015
52,38
-3,52
52,38
-3,52
52,38
4,37
2020
56,75
4,37
56,75
3,35
2025
60,10
60,31
62,17
60,52
63,83
58,48
3,77
3,52
-3,69
2035
56,75
3,56
2,07
2030
4,37
4,82
65,34
-2,36
61,47
-0,83
64,51
Dari Tabel 4.24 tentang perkiraan jumlah murid SMP, disemua periode pada TFR rendah, sedang dan tinggi, pada tahun 2015 jumlah siswa mulai menurun, berarti di tahun 2015 dimungkinkan sudah ada anak SMP yang putus sekolah. Hal lain dimungkinkan adanya penurunan jumlah anak sekolah menengah pada tahun 2020 diperkirakan adanya dampak menurunnya angka ketergantungan satu dekade sebelumnya. D. Bidang Pertanian
Analisis hasil RAPID dari Bidang Pertanian, memproyeksikan luas tanah subur yang diperlukan untuk bercocok tanam per tahun, permintaan serta persediaan atas bahan pangan tertentu di masa yang akan datang. Hal tersebut untuk menggambarkan kebutuhan akan bahan pangan tertentu yang diakibatkan oleh laju pertumbuhan penduduk yang tinggi. Yang diinput pada Aplikasi Model RAPID bidang pertanian adalah luas lahan tanah potensial untuk penanaman bahan pangan pokok (hektar) dalam hal ini adalah luas lahan tanah potensial untuk penanaman padi. Produksi bahan pangan pokok pada tahun dasar (ton) dalam hal ini adalah produksi padi pada tahun dasar. Laju pertumbuhan tahunan produksi bahan pangan pokok (%) dalam hal ini adalah laju pertumbuhan tahunan produksi padi. Konsumsi tahunan bahan pangan pokok per penduduk (kilogram) dalam hal ini adalah konsumsi tahunan beras per penduduk per tahun. Tabel 4.24 Data Bidang Pertanian
No
Uraian
Asumsi Th 2008 Th 2009 Th 2010 Th 2035
1
luas lahantanah potensial untuk penanaman bahan pangan pokok (hektar) dalam hal ini adalah luas lahan tanah potensial untuk penanaman padi.
23,005
22,914
22,819
20,494
2
Produksi bahan pangan pokok pada tahun dasar (ton) dalam hal ini adalah produksi padi pada tahun dasar.
268,928
269,404
266,073
267,073
3
Laju pertumbuhan tahunan produksi bahan pangan pokok (%) dalam hal ini adalah laju pertumbuhan tahunan produksi padi.
0,18
-1,24
-1,5
4
Konsumsi tahunan bahan pangan pokok per penduduk kilogram) dalam hal ini adalah konsumsi tahunan beras per penduduk per tahun.
63,70
63,70
Sumber : Dinas Pertanian dan Kehutanan Kabupaten Sleman. D.1. Analisis dan pembahasan Rapid Bidang Pertanian
Masalah yang paling penting pada bidang pertanian adalah berkaitan dengan memproyeksikan luas tanah subur, Produksi Bahan Pokok, permintaan serta persediaan atas bahan pangan tertentu di masa yang akan datang. Hasil RAPID dari bidang pertanian, keluarannya antara lain berupa diagram batang, garis dan tabel. Hasil Rapid bidang pertanian antara lain tentang Perkiraan Kebutuhan Produksi Bahan Pokok, Perkiraan Kebutuhan Konsumsi danPerkiraan Lahan perkapita. Hasil tersebut ditunjukkan dalam diagram batang dan tabel. a. Perkiraan Produksi Bahan Pokok
a.1. Diagram batang Perkiraan Kebutuhan Produksi Bahan Pokok Grafik 4.11
Production of Mayor Corp /Perkiraan Kebutuhan Produksi Bahan Pokok Pada gambar 4.11 Produksi Bahan Pangan, ditunjukkan bahwa pertumbuhan penduduk dari ketiga asumsi TFR rendah, sedang dan tinggi, ketiganya berpengaruh pada menurunnya tingkat produksi bahan pokok. a.2. Tabel Perkiraan Kebutuhan Produksi Bahan Pokok Tabel 4.25 Perkiraan Pemenuhan Kebutuhan Produksi Bahan Pokok/Pangan Tabel 4.26
Pertambahan Perkiraan Pemenuhan Kebutuhan Produksi Bahan Pokok Skenario TFR Rendah, TFR Sedang, TFR Tinggi ( dalam ribuan )
TAHUN
TFR RENDAH
2010
266,07
TAMBAHAN
TFR SEDANG
266,07
-16,34
2015
249,73
249,73
233,79
188,71
-15,51
218,28 -15,07
203,21
-14,50
2035
233,79
218,28
203,21
-15,94
-15,51
-15,07
2030
249,73
233,79
218,28
-16,34
-15,94
-15,51
2025
266,07 -16,34
-15,94
2020
TFR TAMBAHAN TINGGI TAMBAHAN
-15,07
203,21 -14,50
188,71
-14,50
188,71
Dari tabel perkiraan pemenuhan kebutuhan produksi bahan pokok, disemua skenario TFR rendah, sedang dan tinggi, dari periode ke periode semakin sedikit, kemampuan untuk memproduksi semakin menurun, berlawanan dengan proyeksi penduduk. b. Perkiraan Kebutuhan Konsumsi Bahan Pokok
b.1. Diagram Batang Perkiraan Kebutuhan Konsumsi Bahan Pokok/Pangan
Diagram Batang Perkiraan Kebutuhan Konsumsi Bahan Pokok Grafik 4.12
Consumtion of Mayor Corp / Perkiraan Kebutuhan Konsumsi Bahan Pokok Pada gambar 4.12 adalah diagram Konsumsi Bahan Pokok. Diagram konsumsi Bahan Pokok ini berbanding terbalik dengan diagram Produksi Bahan Pangan. TFR semakin tinggi, pertumbuhan penduduk semakin banyak dan konsumsi bahan pangan semakin besar. a.2.Tabel Perkiraan Kebutuhan Konsumsi Bahan Pokok/ Pangan Tabel 4.27 Tabel Perkiraan Kebutuhan Konsumsi Bahan Pokok/ Pangan Tabel 4.28 Pertambahan Perkiraan Kebutuhan Konsumsi Bahan Pokok/Pangan Sekenario TFR Rendah, TFR Sedang, TFR Tinggi ( dalam ribuan )
Tahun
TFR RENDAH
2010
69,63
TAMBAH
TFR SEDANG
69,63
3,43
2015
73,06
2025
78,62
3,58
73,21
3,35
76,49
2,43
3,54
76,75
2,79
79,28
TAMBAH
69,63
73,14
76,19
TFR TINGGI
3,51
3,13
2020
TAMBAH
3,11
79,86
1,96
2030
2,14
80,31
81,42
0,9
2035
2,55
82,41
1,63
80,40
83,05
2,11
84,52
Dari periode ke periode kebutuhan konsumsi bahan pokok/pangan semakin meningkat sejalan dengan bertambahnya jumlah penduduk. c. Perkiraan Lahan Perkapita
a.1. Diagram Batang Perkiraan Lahan Pertanian Perkapita Diagram Batang Perkiraan Lahan Pertanian Perkapita Grafik 4.19
Arable Land Percapita /Perkiraan Lahan Pertanian perkapita Luas area subur yang menopang masing-masing orang (keluarga) akan berkurang di masa mendatang, karena penduduk terus bertambah sedang lahan subur tetap, atau tidak bertambah bahkan berkurang. Hal ini ditunjukkan dalam gambar 4.19. Pada proyeksi bidang pertanian, angka TFR semakin tinggi berpengaruh pada meningkatnya pertumbuhan jumlah penduduk, dan berbanding terbalik dengan proyeksi bidang pertanian. Perluasan lahan pertanian bisa terjadi jika ada sentuhan teknologi bidang pertanian, Untuk mampu memberikan sentuhan teknologi dibidang pertanian perlu didukung oleh SDM yang handal. a.2.Tabel Perkiraan Lahan Pertanian Perkapita Tabel 4.29 Tabel Perkiraan Lahan Pertanian Per Kapita Tabel 4.30 Pertambahan Perkiraan Lahan Pertanian per Kapita
TAHUN
TFR RENAH
TAMBAH
TFR SEDANG
TAMBAH
TFR TINGGI
TAMBAH
2010
20,88
20,88
-1,39
2015
19,49
-1,41
19,47
-1,19
2020
18,30
17,09
16,40
16,04
-1,08
-0,81
-0,59
2035
18,17
17,21
16,63
-1,28
-1,02
-0,73
2030
19,45
18,23
17,36
-1,43
-1,24
-0,94
2025
20,88
-0,89
16,20
-0,68
15,72
-0,76
15,44
Dari tabel 4.30 perkiraan lahan perkapita akan semakin berkurang dari periode ke periode untuk semua sekenario TFR rendah, sedang dan tinggi, besar pengurangannya ditunjukkan oleh. MATRIK ANALISIS PROYEKSI PENDUDUK TERHADAP DAMPAK KEPENDUDUKAN PADA TFR RENDAH DI KABUPATEN SLEMAN
N0
1
MASALAH KEPENDUDUKAN
PERTAMBAHAN TOTAL POPULASI ( jiwa)
2010
1,093,110
Tambah
53,876
2015
1,146,986
Tambah
49,094
2020
1,196,08
2
PERTAMBAHAN PERKIRAAN JML ANGKATAN KERJA ( dalam ribuan )
3
PERTAMBAHAN PERKIRAAN LAPANGAN KERJA ( dalam ribuan )
4
PERTAMBAHAN PERKIRAAN PENERIMAAN PDB PERKAPITA ( jutaan rupiah )
5 PERTAMBAHAN PENDUDUK BERESIKO KESEHATAN ( dalam ribuan )
483,60
26,08
509,68
21,55
531,2
6,10
-1,53
4.57
-7,5
3,8
12,45
2,34
14,79
2,9
17,6
397,21
7,17
404,38
(-5,20)
399,1
107,65
9,87
117,52
9,74
127,2
55,90
-3,52
52,38
4,37
56,7
266,07
-16,34
249,73
-15,94
233,7
6
PERTAMBAHAN PER ANAK SEKOLAH SD ( dalam ribuan )
7
PERTAMBAHAN PER ANAK SEKOLAH SMP ( dalam ribuan )
8
PERTAMBAHAN KEBUTUHAN PRODUKSI PANGAN ( dalam jutaan )
9
PERTAMBAHAN KEBUTUHAN KONSUMSI BAHAN POKOK ( dalam ribuan )
69,63
3,43
73,06
3,13
76,1
10
PERTAMBAHAN JUMLAH LAHAN PERTANIAN ( HA dalam ribuan )
20,88
-1,39
19,49
-1,19
18,3
MATRIK ANALISIS PROYEKSI PENDUDUK TERHADAP DAMPAK KEPENDUDUKAN PADA TFR SEDANG DI KABUPATEN SLEMAN
TAHUN
N0
1
2
3
4
MASALAH KEPENDUDUKAN
Pertambahan Total Populasi
Pertambahan Perkiraan Jml Angkatan Kerja
Pertambahan Perkiraan Lapangan Kerja
Pertambahan Perkiraan Penerimaan Pdb Perkapita
2010
2015
2020
1,093,110
55,016
1,148,126
52,641
1,200,767
43,807
483,60
26,11
509,71
21,63
531,34
16,58
6,10
1,51
4.59
7,5
3,84
2,4
12,45
2,32
14,77
2,85
17,62
3,61
5
6
7
Pertambahan Penduduk Beresiko Kesehatan
Pertambahan Per Anak Sekolah Sd
Pertambahan Per Anak Sekolah Smp
8
397,21
8,22
405,43
(-2,94)
402,49
(-6,98)
107,65
9,87
117,52
10,63
128,15
8,05
55,90
-3,52
52,38
4.37
56,75
3,56
266,07
-16,34
249,73
-15,94
233,79
-15,51
69,63
3,51
73,14
3,35
76,49
2,79
20,88
-1,41
19,47
-1,24
18,23
-1,02
Pertambahan Kebutuhan Produksi Pangan 9
10
Pertambahan Kebutuhan Konsumsi Bahan Pokok
Pertambahan Jumlah Lahan Pertanian
MATRIK ANALISIS PROYEKSI PENDUDUK TERHADAP DAMPAK KEPENDUDUKAN PADA TFR TINGGI DI KABUPATEN SLEMAN
TAH
N0
1
2
3
MASALAH KEPENDUDUKAN
Pertambahan Total Populasi Pertambahan Perkiraan Jml Angkatan Kerja
Pertambahan Perkiraan Lapangan Kerja
4
Pertambahan Perkiraan Penerimaan Pdb Perkapita
5
Pertambahan Penduduk Beresiko Kesehatan
6
7
Pertambahan Per Anak Sekolah Sd
Pertambahan Per Anak Sekolah Smp
2010
TAMBAHAN
2015
TAMBAHAN
2020
1,093,110
56,107
1,149,217
55,622
1,204,839
483,60
26,11
509,71
21,63
531,34
6,10
1,51
4.59
7,5
3,84
397,21
9,31
406,52
(-1,05)
405,47
12,45
2,31
14,76
2,8
17,56
107,65
9,87
117,52
11,46
128,98
55,90
-3,52
52,38
4,37
56,75
TAMB
8
Pertambahan Kebutuhan Produksi Pangan
266,07
-16,34
249,73
-15,94
233,79
9
Pertambahan Kebutuhan Konsumsi Bahan Pokok
69,63
3,58
73,21
3,54
76,75
10
Pertambahan Jumlah Lahan Pertanian
20,88
1,42 –
19,45
1,28 –
18,17
4.4. Analisis TFR ( Total Fertility Rate) 4.4.1. Pada TFR Rendah
1.
2.
Pada tahun 2015, jumlah penduduk akan bertambah sebanyak 53.876 jiwa dibanding jumlah penduduk tahun 2010, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 26.080 jiwa atau 48,40 %, atau hampir setengah dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB, atau ada kenaikan PDB 2,34 juta perkapita, disisi lain lapangan pekerjaan menjadi berkurang sebanyak 1.530, produksi pangan berkurang 16,34 ribu, serta luas lahan pertanian menjadi berkurang 1,39 ribu Hektar dan kebutuhan pangan meningkat sebanyak 3,34 ribu. Jumlah anak SD bertambah, jumlah anak SMP berkurang, kemungkinan sudah ada drop out di usia SMP, atau terlambat melanjutkan. Sedang resiko penduduk terhadap masalah kesehatan meningkat sebanyak 7.170 jiwa. Pada Tahun 2020, jumlah penduduk bertambah sebanyak 49.094 jiwa dibanding jumlah penduduk tahun 2015, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.550 jiwa atau 43,89 %, hampir
separo dari kenaikan jumlah penduduk menjadi kerja, yang akan berkontribusi positif pada peningkatan PDB sebanyak 2,9 juta rupiahangkatan per kapita, disisi laindiperkirakan lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,19 ribu hektar, produksi pangan berkurang 15,94 ribu dan kebutuhan pangan meningkat sebanyak 3,13 ribu serta jumlah anak SD bertambah 9.740 anak, SMP bertambah 4.370 anak dan penduduk berisiko berkurang sebanyak 5.200 jiwa. 3. Pada Tahun 2025, jumlah penduduk bertambah sebanyak 38.186 jiwa dibanding jumlah penduduk tahun 2020, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.450 jiwa atau 43,07 %, hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB Sebanyak 3,72 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang sebanyak 2.500 lapangan kerja, serta luas lahan pertanian menjadi berkurang 0,94 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 2,43 ribu serta jumlah anak SD bertambah 5.210 anak, SMP bertambah bertambah 3.350 anak dan penduduk berisiko berkurang 8.920 jiwa. 4. Pada Tahun 2030, jumlah penduduk bertambah sebanyak 26.416 jiwa dibanding jumlah penduduk tahun 2025, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.580 jiwa atau 62,76 %, lebih dari separo lebih dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 4.79 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang 1.210 lapanan kerja, serta luas lahan pertanian menjadi berkurang 0,94 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 1,96 ribu serta jumlah anak SD berkurang 6.250, SMP bertambah 2.070 dan penduduk berisiko berkurang 8.150 jiwa. 5. Pada Tahun 2035, jumlah penduduk bertambah seb anyak 17.224 jiwa dibanding jumlah penduduk tahun 2030, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 7.930 jiwa atau 46,04 %, hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 6.14 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang 1.410 lapangan kerja, serta luas lahan pertanian menjadi berkurang 0,59 ribu hektar, produksi pangan berkurang 14,5 ribu dan kebutuhan pangan meningkat sebanyak 0,9 ribu serta jumlah anak SD berkurang 9.000 anak, SMP berkurang 3.690 anak dan penduduk berisiko berkurang 6.930 jiwa. 4.4.2. Pada TFR Sedang 1 Pada tahun 2015, jumlah penduduk akan bertambah sebanyak 55.016 jiwa dibanding jumlah penduduk tahun 2010, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.630 jiwa atau 39,31 %, yang
diperkirakan akan berkontribusi positif pada peningkatan PDB, atau ada kenaikan PDB 2,32 juta perkapita, disisi lain lapangan pekerjaan menjadi berkurang sebanyak 1.510, produksi pangan berkurang 16,34 ribu, serta luas lahan pertanian menjadi berkurang 1,41 ribu Hektar dan kebutuhan pangan meningkat sebanyak 3,51 ribu. Jumlah anak SD bertambah 9.870 anak, jumlah anak SMP berkurang, kemungkinan sudah ada drop out di usia SMP, atau terlambat melanjutkan. Sedang resiko penduduk terhadap masalah kesehatan meningkat sebanyak 8.220 orang. 2 Pada Tahun 2020, jumlah penduduk bertambah sebanyak 52.641 jiwa dibanding jumlah penduduk tahun 2015, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.630 jiwa atau 41,08 %, setengah lebih dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 2,85 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,24 ribu hektar, produksi pangan berkurang 15,94 ribu dan kebutuhan pangan meningkat sebanyak 3,35 ribu serta jumlah anak SD dan SMP bertambah dan penduduk berisiko berkurang 2.940 jiwa. 3 Pada Tahun 2025, jumlah penduduk bertambah sebanyak 43.807 jiwa dibanding jumlah penduduk tahun 2020, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.580 jiwa atau 37,84 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB Sebanyak 4,61 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,02 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 2,79 ribu serta jumlah anak SD dan SMP bertambah dan penduduk berisiko berkurang 6.980 jiwa. 4 Pada Tahun 2030, jumlah penduduk bertambah sebanyak 33.578 jiwa dibanding jumlah penduduk tahun 2025, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 17.400 jiwa atau 51,81 %, hampir setengah lebih dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 4.61 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 0,81 ribu hektar, produksi pangan berkurang 15,07 ribu dan kebutuhan pangan meningkat sebanyak 2,14 ribu serta jumlah anak SD berkurang 3,130 anak dan SMP bertambah 3,520 anak, sedang penduduk berisiko berkurang 6.230 jiwa. 5 Pada Tahun 2035, jumlah penduduk bertambah sebanyak 25.643 jiwa dibanding jumlah penduduk tahun 2030, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 10.140 jiwa atau 39,54 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 5.86 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 0,68 ribu hektar, produksi pangan berkurang 15,07 ribu dan kebutuhan pangan meningkat sebanyak 2,14 ribu serta jumlah anak SD dan SMP berkurang dan penduduk berisiko berkurang 3,940 jiwa. 4.4.3 Pada TFR Tinggi
1 Pada tahun 2015, jumlah penduduk akan bertambah sebanyak 56.107 jiwa dibanding jumlah penduduk tahun 2010, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 26.110 jiwa atau 46,53 %, atau hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB, atau ada kenaikan PDB 2,31 juta perkapita, disisi lain lapangan pekerjaan menjadi berkurang sebanyak 1.510, produksi pangan berkurang 16,34 ribu, serta luas lahan pertanian menjadi berkurang 1,43 ribu hektar dan kebutuhan pangan meningkat sebanyak 3,58 ribu. Jumlah anak SD bertambah, jumlah anak SMP berkurang, kemungkinan sudah ada drop out di usia SMP, atau terlambat melanjutkan. Sedang resiko penduduk terhadap masalah meningkat 9,310 jiwa. 2 Pada Tahun 2020, jumlah penduduk bertambah sebanyak 55.622 jiwa dibanding jumlah penduduk tahun 2015, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.630 jiwa atau 38,88 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 2,8 juta rupiah per kapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,28 ribu hektar, produksi pangan berkurang 15,94 ribu dan kebutuhan pangan meningkat sebanyak 3,54 ribu serta jumlah anak SD dan SMP meningkat dan penduduk berisiko berkurang 1.050 jiwa. 3 Pada Tahun 2025, jumlah penduduk bertambah sebanyak 48.816 jiwa dibanding jumlah penduduk tahun 2020, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.580 jiwa atau 33,96 %, yang
diperkirakan akan berkontribusi positif pada peningkatan PDB Sebanyak 3,51 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,08 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 3,11 ribu serta jumlah anak SD dan SMP bertambah dan penduduk berisiko berkurang 4,940 jiwa. 4 Pada Tahun 2030, jumlah penduduk bertambah sebanyak 40.065 jiwa dibanding jumlah penduduk tahun 2025, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 18.100 jiwa atau 45,17 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 4.46 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang , serta luas lahan pertanian menjadi berkurang 0,89 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 2,55 ribu serta jumlah anak SD berkurang dan SMP bertambah dan penduduk berisiko berkurang 4.220 jiwa. 5 Pada Tahun 2035, jumlah penduduk bertambah sebanyak 33.194 jiwa dibanding jumlah penduduk tahun 2030, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 12.090 jiwa atau 36,42 %, lebih dari separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 5.62 juta rupiah per kapita, disisi lain lapangan kerja menjadi berkurang 9.800 , serta luas lahan pertanian menjadi berkurang 0,76 ribu hektar, produksi pangan berkurang 14,5 ribu dan kebutuhan pangan meningkat sebanyak 2,11 ribu serta jumlah anak SD dan SMP berkurang dan penduduk berisiko berkurang 1.420 jiwa. BAB V KESIMPULAN DAN RANCANGAN KEBIJAKAN
1.1
Kesimpulan
Dari hasil analisis dan pembahasan di atas dapat disimpulkan bahwa Pada pertumbuhan penduduk dengan TFR Tinggi akan diperoleh : 1. Angkatan kerja banyak 2. Lapangan kerja sempit 3. Penerimaan PDB perkapita rendah 4. Produksi bahan pangan rendah 5. Kebutuhan konsumsi bahan pokok/pangan banyak 6. Luas lahan pertanian berkurang 7. Risiko penduduk terhadap masalah kesehatan tinggi Sedang pada pertumbuhan penduduk dengan TFR rendah akan diperoleh : 1.
Angkatan kerja sedikit
2. Penerimaan Lapangan kerja banyak 3. PDB perkapita tinggi 4. Produksi bahan pangan banyak 5. Kebutuhan konsumsi bahan pokok/ pangan sedikit 6. Luas lahan pertanian menjadi luas 7. Risiko penduduk terhadap masalah kesehatan rendah Pada TFR tinggi jumlah anak sekolah SD dan SMP yang ditunjukkan dalam kelompok umur usia ketergantungan 5 s/d 14 tahun tinggi, sebaliknya pada TFR rendah jumlah anak sekolah SD dan SMP rendah, tetapi kondisi tersebut pada analisis anak usia sekolah SD dan SMP yang bersekolah pada TFR tinggi maupun rendah tidak bisa dibandingkan. Hal ini terjadi dikarenakan jumlah anak sekolah tidak bisa dibedakan anak sekolah penduduk Kabupaten Sleman yang bersekolah di Sleman, total angka anak sekolah tersebut termasuk anak sekolah berasal dari luar daerah Sleman. Karena angka partisipasi anak sekolah SD dan SMP melebihi 100 %, maka kemungkinan besar anak yang bersekolah di Kabupaten Sleman belum tentu berdomisili di Kabupaten
Sleman, demikian juga anak sekolah dari Sleman belum tentu bersekolah di Sleman, atau masih ada anak sekolah yang terlambat sekolah atau drop out, sehingga jumlah anak sekolah yang bersekolah pada TFR rendah maupun tinggi tidak dapat dibandingkan. Pada TFR rendah, serdang dan tinggi di tahun 2015 terjadi lonjakan jumlah penduduk.
1.2
Rancangan Kebijakan
Berdasarkan hasil analisis, pembahasan dan kesimpulan di atas, kesejahteraan masyarakat sangat dipengaruhi oleh laju pertumbuhan penduduk. Laju pertumbuhan penduduk tinggi maka jumlah penduduk menjadi meningkat dan berdampak pada sektor pembangunan bidang ekonomi, pendidikan, kesehatan dan pertanian, untuk itu laju pertumbuhan penduduk perlu dikendalikan. Faktor yang mempengaruhi laju pertumbuhan penduduk adalah : 1. Kelahiran 2. Kematian 3. Migrasi Pada penulisan ini migrasi dianggap nol atau diabaikan, sehingga hasil proyeksi penduduk berdasar perkiraan terhadap pertumbuhan penduduk alami, faktor mobilitas tidak diperhitungkan. Kelahiran dapat dikendalikan dengan peningkatan kesertaan ber-KB, kematian pada ibu hamil, ibu melahirkan, bayi, balita dan anak dapat dicegah dengan peningkatan derajat kesehatan serta pengaturan migrasi. Mencapai visi Kabupaten Sleman mewujudkan masyarakat Kabupaten Sleman yang lebih sejahtera, berdaya saing dan berkeadilan gender sangat dipengaruhi oleh laju pertumbuhan penduduk, dampak dari laju pertumbuhan penduduk tinggi adalah munculnya masalah di bidang tenagakerja,perekonomian masyarakat yang ditunjukkan dengan PDB, pendidikan, kesehatan dan pertanian. Dari kesimpulan di atas dapat diusulkan : 1. Antisipasi terhadap meningkatnya angkatan kerja adalah : Rekayasa demografi agar diperoleh penduduk dengan usia produktif lebih banyak dibanding dengan usia ketergantungan dengan mempertahankan dan meningkatkan kesertaan ber-KB . 1. Antisipasi terhadap meningkatnya angkatan kerja adalah: Kebijakan lebih diarahkan dan mendukung pada sektor usaha yang dapat menyerap tenaga kerja lebih banyak. Seperti kegiatan padat karya lebih diefektifkan dan berkwalitas. Kegiatan kelompok-kelompok usaha seperti UPPKS, Kredit usaha bidang pertanian lebih didorong, pinjaman lunak bagi kelompok usaha lebih dipermudah. 1. Antisipasi terhadap menurunnya PDB Perkapita adalah : Agar angkatan kerja berkwalitas sehingga mampu bersaing di dunia kerja, perlu adanya kegiatan pelatihan di BLK. Pelatihan di BLK perlu disosialisasikan sehingga mendapat respon yang baik dari masyarakat, yang diikuti dengan peningkatan kwalitas pelatihan. 1. Antisipasi terhadap meningkatnya jumlah anak SD dan SMP adalah : Anak SD dan SMP harus tertampung di sekolah, untuk itu dilakukan pembinaan dan pengawasan agar tidak terjadi drop out. 1. Antisipasi terhadap meningkatnya penduduk risiko kesehatan adalah : Data penduduk berisiko (perempuan usia reproduksi sehat, ibu hamil, bayi, balita dan anak) harus ter up date, agar mudah terpantau dan mudah dalam pembinaan. 1.
Antisipasi terhadap meningkatnya konsumsi bahan pokok (beras) adalah:
Jumlah keluarga dikendalikan, melalui dua anak cukup. Pengaturan kelahiran dengan menggunakan alat kontrasepsi, dengan Program jika jumlah keluarga bisa diatur maka kebutuhan akan konsumsi bahan pangan kebutuhannya tidak melonjak. 1. Antisipasi terhadap menurunnya produksi bahan pokok adalah : Selalu disosialisasikan tentang Penganekaragaman makanan pokok non beras, seperti ketela, jagung, gembili. Masyarakat juga didorong untuk mengkonsumsi yang berasal umbi-umbian di pekarangan rumah, jika berbuah dapat dijadikan pengganti makanan pokok. 1.
Mengoptimalkan kegiatan panca usaha tani dan monitoring SKPG ( Sistem Kewaspadaan Pangan dan Gizi) dengan rutin. Antisipasi terhadap menurunnya jumlah area subur lahan pertanian adalah: Agar kebutuhan perumahan tidak merambah lahan subur, perlu diatur migrasi masuk dan pendirian perumahan besarbesaran.Regulasi tentang alih fungsi lahan perlu pemantauan yang optimal. DAFTAR PUSTAKA
BKKBN, ( 2011 ). Aplikasi Program Spectrum, Jakarta BKKBN, ( 2011 ). Materi Pembelajaran Aplikasi Program Spectrum, Jakarta . BKKBN, ( 2010 ). Kebijaksanaan Kependudukan Dan Keluarga Berencana ( Suatu Rekayasa Demografi Membangun Bangsa ), Jakarta. BKKBN, ( 2009 ). Ledakan Penduduk Mengancam Bangsa. Jakarta.
BKKBN-Fak. Ekonomi Universitas Indonesia, ( 2004 ), Solusi Bagi Pembangunan Bangsa, Info Demografi, Wahana Peningkatan Pengetahuan Kependudukan, Tahun XIII, Nomor 1 , Jakarta . Badan Pusat Statistik, ( 2011 ). Sleman dalam Angka, Kantor Statistik Kabupaten Sleman. Badan Pusat Statistik, ( 2008 ). Statistik Kesejahteraan Rakyat 2007 . Kantor Statistik Provinsi DIY. Yogyakarta . Badan Pusat Statistik, ( 2008 ). Survai Demografi dan Kesehatan Indonesia 2007 . Badan Koordinasi Keluarga Berencana Nasional, Departemen Kesehatan atas bantuan USAID. Jakarta. Badan Keluarga Berencana Pemberdayaan Masyarakat dan Pemberdayaan Perempuan, ( 2011 ), Rekap Pemutakhiran Data keluarga ( MDK ) Kabupaten Sleman. Sleman . Halim A, ( 2004 ) , Bunga Rampai Manajemen Daerah . Jogjakarta , Unit Penerbit dan Percetakan ( UPP ) AMP YKPN. Islamy, M. Irfan, ( 2001 ), Prinsip-prinsip Kebijakan Negara, Bumi Aksara, Jakarta. Michael P.Todaro Stephen C Smith, ( 1998 ). Pembangunan Ekonomi, Erlangga Jakarta . Muh Mahdi Karis, ( 2011 ), Pengaruh Faktor-faktor Kependudukan Terhadap Pertumbuhan Ekonomi di Kabupaten Pemalang, Semarang Universitas Diponegoro . http://eprints.undip.ac.id/29303/1/skipsi.006.pdf Moekijat, ( 1985 ), Analisis Kebijakan Publik, Mandar Maju, Bandung. Moleong, Lexy, J. ( 2000 ), Metodologi Penelitian Kualitatip, Remaja Rosdakarya, Bandung.
Nachrowi, DN, dan Usman, Hardius. Tekhnik Pengambilan Keputusan. Grasindo. Jakarta. 2004. Republik Indonesia. Undang-Undang No. 52 Tahun 2009 tentang Perkembangan Kependudukan dan Pembangunan Keluarga. Jakarta. Sri Edi Swasono, ( 1988 ). Kebersamaan dan Asas Kekeluargaan Kerakyatan , Universitas Indonesia ( UI Press ), Jakarta. Suharto, ( 2009 ). Peran Pembangunan Kesejahteraan Sosial ( Pelayanan Kemanusiaan di Indonesia ), YAPIM Yogyakarta. Tomas Maltus, Julian Huxley, Federick Osborn, (2004 ), Ledakan Penduduk Dunia (Terjemahan), Yayasan Nuansa Cendekia, Bandung . Universitas Sumatra Utara. Landasan Teori Kesejahteraan Sosial. htt :// repository.usu.ac.id/bitstream/123456789/31685/4/chapter%20II.pdf. Widodo, J, ( 2001 ). Good Governence Telaah dari Dimensi Akuntabilitas dan Kontrol Birokrasi pada era Desentralisasi dan Otonomi Daerah, Ihsan Cendekia, Surabaya. Share this:
Twitter Facebook
Related
JURNAL PROYEKSI PENDUDUK SEBAGAI INFORMASI PERENCANAAN PEMBANGUNAN DI MASA MENDATANG DI KABUPATEN SLEMANIn "Berita" Jurnal Kependudukan dan Keluarga BerencanaIn "Jurnal" KEMISKINANIn "Berita" This entry was posted in Berita. Bookmark the permalink. Leave a comment
erobosan Baru Pola Intervensi Direktorat Analisis Dampak Kependudukan Diposting Oleh Kependudukan BKKBN Prov. Jambi | Berita Kependudukan | Rabu, 02 Desember 2015 - 11:40:50 WIB
Berdasarkan Undang – Undang nomor 52 tahun 2009 yang diperkuat dengan Perpres nomor 62 tahun 2010, BKKBN sebagai badan yang berfungsi untuk melaksanakan upaya– upaya pengendalian penduduk, melalui Peraturan Kepala BKKBN nomor 72/PER/B5/2011 telah dibentuk Direktorat Analisis Dampak Kependudukan (Ditdamduk). Ditdamduk berfungsi merumuskan dan melaksanakan kebijakan teknis menyusun norma, standar, prosedur dan kriteria, memantau dan
mengevaluasi, serta membimbing teknis dan fasilitasi di bidang analisis dampak kependudukan. Dampak timbal balik kependudukan akan memunculkan isu – isu strategis sehingga akan memberikan warna terhadap pembangunan berwawasan kependudukan. Sejalan
dengan
hal
tersebut, Ditdamduk
BKKBN
telah
melakukan
pelatihan
teknis
“Pengembangan Model Solusi Strategis Dampak Kependudukan” regional II yang dilaksanakan di
Hotel Best Western Premier The Hive, Jakarta Timur pada tanggal 16 sampai dengan 20 November 2015. Kegiatan pelatihan ini diikuti oleh lebih dari 38 peserta dari beberapa provinsi Indonesia Bagian Timur termasuk Provinsi Jambi. Hal ini dikarenakan pada pelatihan regional I Jambi memiliki masalah penerbangan karena kabut asap yang melanda, sehingga ditunda jadwal keikutsertaannya. Pelatihan teknis pengembangan model solusi strategis dampak kependudukan ini dibuka langsung oleh Deputi Bidang Pengendalian Penduduk, Dr. Wendy Hartanto, MA. Dalam sambutannya beliau menyatakan bahwa permasalahan kependudukan ini harus ditangani secara serius karena penduduk merupakan subjek dan objek pembangunan sekaligus pemelihara lingkungan. Terkait dengan tupoksi Ditdamduk yang memang bertugas menyiapkan kajian yang komprehensif mengenai dampak kependudukan, “.....seyogyanya hasil kajian analisis dampak
kependudukan bukan hanya tersimpan di perpustakaan, akan tetapi perlu ditindaklanjuti dengan adanya solusi yang dapat diimplementasikan” terang beliau. Salah satu cara pemanfataan hasil
kajian analisis untuk perbaikan kebijakan, antara lain dengan pengembangan suatu model solusi strategis dampak kependudukan. Turut hadir sebagai pembicara pada pelatihan tersebut, Direktur Direktorat Analisis Dampak Kependudukan BKKBN, Dra. Widati, MM. Dalam paparannya beliau menyatakan bahwa analisis dampak kependudukan merupakan kombinasi pendekatan yang menilai dampak positif dan negatif dinamika kependudukan terhadap sosial ekonomi, politik dan pertahanan keamanan serta daya dukung alam dan daya tampung lingkungan. “..... salah satu kebijakan Ditdamduk adalah
dengan pengembangan model solusi strategis dampak kependudukan sebagai rekomendasi pembangunan wilayah” jelas Widati. Adapun yang dimaksud dengan model solusi strategis
dampak kependudukan di sini adalah pola rintisan program intervensi yang tersusun dalam rencana aksi Program Kependudukan, Keluarga Berencana dan Pembangunan Keluarga serta program pembangunan lainnya yang bertujuan untuk mengatasi masalah atau isu strategis dampak kependudukan. Isu strategis kependudukan merupakan kondisi kependudukan atau situasi pembangunan (sosial, ekonomi, politik, pertahanan keamanan, daya dukung alam dan daya tampung lingkungan) yang harus diperhatikan atau dikedepankan karena dampaknya yang siginifikan bagi daerah atau masyarakat di masa yang akan datang (Ditdamduk BKKBN, 2012) yang disebut juga sebagai masalah utama. Dalam menganalisis isu strategis digunakan pisau analisis USG (Urgency, Seriousness dan Growth) dan penilaian skor (1 s/d 5) dengan Skala Likert. Dalam rencana aksi yang harus dibuat oleh pengelola program tingkat provinsi bekerjasama dengan SKPD KB Kabupaten/Kota, khususnya Kabupaten Batang Hari dimana Ibu Kepala BPPKB Ir. Lihayati ikut serta dalam pelatihan teknis tersebut. Yaitu dengan serangkaian tahapan diantaranya : tahap perencanaan, tahap pengembangan/ pelaksanaan, dan tahap pemantauan/ monitoring dan evaluasi. Untuk terlaksananya rencana aksi yang berjalan sesuai dengan indikator keberhasilan perlu dilakukan pembinaan, bimbingan dan fasilitasi secara intensif.
Pada akhir kata penutupan, Kepala Bidang Daya Dukung Alam dan Daya Tampung Lingkungan, Dra. Jusni menegaskan bahwa pelatihan teknis ini diharapkan dapat meningkatkan kapasitas pengelola program dalam merumuskan pengembangan model solusi strategis dampak kependudukan melalui pola intervensi sesuai dengan kearifan budaya lokal. Selain itu, program ini juda dapat meningkatkan jejaring kemitraan dengan berbagai stakeholder/ mitra kerja dan pakar. (adhita)
Berita Lainnya 02/12/2015 Media Sebagai Ujung Tombak Perluasan Jangkauan Program Dalduk 16/11/2015 Perwakilan BKKBN Provinsi Jambi laksanakan Sosialisasi Pembekalan Guru SD 04/11/2015 (Kampung KB) menggelorakan semangat program BKKBN 04/11/2015 Diseminasi Hasil Kajian Dampak Kependudukan 27/10/2015 Orientasi Teknis Data Susenas
1 2 3
Pengumuman BKKBN Senin, 12 Juni 2017 - 15:02:10 Pemilihan Duta Genre Provinsi Jambi Tahun 2017 Kamis, 16 April 2015 - 00:32:41 Sayembara Pidato Kependudukan Tahun 2015 Kamis, 16 April 2015 - 00:27:28 Sayembara Penulisan Kreatif Kependudukan Tahun 2015 Selasa, 14 April 2015 - 11:15:55 Sayembara BLOG 2015 BKKBN
Arsip Pengumuman
Produk Hukum
Undang-Undang Perlindungan Anak Undang-undang PERGUB 28 TAHUN 2015 Peraturan Daerah LAMPIRAN PERGUB 28 TAHUN 2015 Peraturan Daerah
Undang-Undang No. 23 Tahun 2014 Undang-undang Arsip Produk Hukum
Indeks Berita 22
/
08
/
2017
Cari
Video Kegiatan
Video: Juara 1 Lomba Pidato Kependudukan " Bonus Demografi " BKKBN Prov. Jambi 2 015 Video: Juara 2 Lomba Pidato Kependudukan " Bonus Demografi " BKKBN Prov. Jambi 2 015 Video: Pidato Gubernur Jambi Pendataan Keluarga 2014 Video: Kompetisi RAP BKKBN Jambi 2013 Video: Animasi Video BKKBN Arsip Video Kegiatan
Perwakilan BKKBN Provinsi Jambi JL. R.M. Nur Atmadibrata No. 19 Kode pos. 36124 Kode Pos. 36139 Telp/Fax.Telp.(0741) 60845 Fax. (0741)60443
Statistik Pengunjung Total pengunjung : 50878Hits hari ini Total Hits
: 209
:204562 Pengunjung Online :1
Social Network
Tentang Kami | Kalender Kegiatan | Site
URNAL PROYEKSI PENDUDUK SEBAGAI INFORMASI PERENCANAAN PEMBANGUNAN DI MASA MENDATANG DI KABUPATEN SLEMAN
Oleh : Sungkawati Budi rahayu
ABSTRACT Background: Proyeksi Penduduk sebagai Informasi Perencanaan Pembangunan di masa mendatang di Kabupaten Sleman, merupakan penelitian, menganalisis data kependudukan atau menganalisis data sekunder hasil Sensus Penduduk tahun 2010 dan para meter kependudukan. Dengan diketahuinya proyeksi penduduk di masa mendatang, hasil tersebut dapat sebagi informasi dalam penyusunan perencanaan di masa mendatang. Metode yang digunakan pada penelitian ini adalah diskriptif analisis. Alat analisis yang digunakan Spectrum Model Demography . Penelitian ini dilakukan pada bulan November- Desember tahun 2012, di Kabupaten Sleman. Hasil penelitian menunjukkan bahwa pertumbuhan penduduk akan terjadi lonjakan pada tahun 2015 . Semakin tinggi angka TFR semakin meningkat jumlah penduduknya.Piramida penduduk tahun 2010 dan 2015 menunjukkan bahwa fertilitas, dan kebijakan program KB terus diatvokasikan agar Laju Pertambahan penduduk ( LPP) yang disumbang dari kelahiran dapat dikendalikan dan ledakan penduduk dapat dikendalikan.
Kata Kunci: Proyeksi penduduk dan Keluarga Berencana.
Latar Belakang
Penduduk sebagai modal dasar pembangunan adalah titik sentral dalam mewujudkan pembangunan berkelanjutan. Jumlah penduduk yang besar dengan kualitas rendah, serta laju pertumbuhan penduduk yang cepat, akan memperlambat tercapainya tujuan pembangunan. Sebaliknya, keberhasilan dalam mengendalikan laju pertumbuhan penduduk dan meningkatkan kualitas penduduk akan mendorong pembangunan disemua aspek dan mempercepat terwujudnya masyarakat yang sejahtera. Jumlah penduduk Indonesia sangat besar, menduduki peringkat keempat tertinggi dunia setelah China, India, dan Amerika Serikat. Sensus Penduduk tahun 2010, jumlah penduduk Indonesia sebesar 237,6 juta jiwa dan pada tahun 2011 diperkirakan sudah berkembang mencapai sekitar 240 juta jiwa, laju pertumbuhan penduduknya cukup tinggi, yaitu sebesar 1,49% per tahun atau meningkat 0,02% dibanding laju pertambahan penduduk tahun 2000 sebesar 1,47%. Laju pertumbuhan penduduk Kabupaten Sleman juga tinggi 1,97 % pada tahun 2010, naik 0,55 % dari 1,42 % di tahun 2000. LPP Kabupaten Sleman tersebut lebih tinggi dari laju pertumbuhan penduduk DIY (1.93 %) dan laju pertumbuhan penduduk nasional (1,49 %). Piramida penduduk hasil sensus penduduk 2010 Kabupaten Sleman, menunjukkan, jumlah penduduk usia ketergantungan atau usia muda, rendah dibanding jumlah penduduk usia produktif atau usia tua. Hal ini menunjukkan bahwa Kabupaten Sleman telah mampu menurunkan angka fertilitas dalam jangka panjang, sehingga terjadi pergeseran piramida dari penduduk muda ke penduduk tua, dan proporsi penduduk lansia bergerak ke atas secara perlahan atau terjadi transisi demografi.
Transisi demografi menurunkan proporsi umur penduduk muda dan meningkatkan proporsi umur penduduk tua. Bonus demografi berhubungan dengan pertumbuhan penduduk dan pertumbuhan ekonomi . Artinya penurunan penduduk usia muda mengurangi besarnya investasi untuk pemenuhannya yang dibiayai dari pertumbuhan ekonomi, sehingga sumber daya dapat digunakan untuk meningkatkan kesejahteraan keluarga.
Gambar .1 . Piramida Penduduk Sleman Hasil Sensus Penduduk 2010
Tabel 1.1
Banyaknya Penduduk Menurut Kelompok Umur dan Jenis Kelamin Di Kabupaten Sleman
Kelompok Umur
Laki-laki
Group of Ages
Male
Perempuan %
Jumlah
Female
%
Total
%
0-4
43.026
7,85
40.549
7,44
83.575
7,65
5-9
40.796
7,45
38.582
7,08
79.378
7,26
10-14
39.023
7,12
36.756
6,74
75.779
6,93
15-19
49.077
8,96
48.273
8,85
97.350
8,91
20-24
63.847
11,65
55.972
10,27
119.819
10,96
25-29
49.907
9,11
46.887
8,60
96.794
8,85
30-34
44.877
8,19
44.608
8,18
89.485
8,19
35-39
41.678
7,61
41.774
7,66
83.452
7,63
40-44
39.906
7,28
41.199
7,56
81.105
7,42
45-49
32.219
5,90
34.858
6,39
67.177
6,15
50-54
28.810
5,26
30.390
5,57
59.200
5,42
55-59
22.280
4,07
22.249
4,08
44.529
4,07
60 +
52.339
9,55
63.128
11,58
115.467
10,56
Jumlah/Total
547.885
100,00
545.225
100,00
Sumber : Sensus Penduduk 2010 Population Census 2010
1.093.110 100,00
Penelitian ini mencoba menganalisis proyeksi penduduk di Kabupaten Sleman sebagai informasi perencanaan pembangunan di masa mendatang. Alat Analisis yang digunakan adalah Aplikasi Program Spectrum Model Demography Projection/DemProj. Dengan memasukkan data primer, data Sensus Penduduk 2010 dan parameter kependudukan dalam Aplikasi Dem Proj diperoleh proyeksi penduduk. Dengan menggunakan asumsi-asumsi TFR sekenario rendah, sedang dan tinggi, hasil analisis dapat menginformasikan proyeksi penduduk pada berbagai sekenario TFR, yang menjadi informasi strategis bagi pemangku kebijakan dalam dialog kebijakan mengenai peranan penduduk dalam pembangunan sosial dan ekonomi.
1.2. Rumusan Masalah
Berdasarkan latar belakang di atas, dapat disusun pertanyaan penelitian sebagai berikut : Kapan terjadi lonjakan penduduk.
1.3. Tujuan Penelitian
Penelitian ini bertujuan untuk : Menganalisis kapan diperkirakan akan terjadinya lonjakan penduduk di Kabupaten Sleman. Manfaat Penelitian
Manfaat yang hendak dicapai dari penelitian ini adalah sebagai berikut : 1. Manfaat Policy (Kebijakan) Penelitian ini diharapkan dapat sebagai masukan dalam perencanaan pembangunan di masa mendatang terkait dengan perkembangan kuantitas penduduk dan lonjakan penduduk di Kabupaten Sleman . Manfaat Teoritis
Penelitian ini diharapkan dapat memberikan kontribusi teoritis baik dalam penggunaan metodologi penelitian maupun dalam hasil analisis.
Landasan Teori
Proyeksi penduduk adalah merupakan perkiraan jumlah penduduk di masa yang akan datang, berdasarkan asumsi-asumsi mengenai arah perkembangan mortalitas, fertilitas dan migrasi di masa yang akan datang. Ada berbagai difinisi tentang penduduk, salah satunya aliran Malthusians yang dipelopori oleh Thomas Robert Malthus, seorang pendeta Inggris, hidup pada tahun 1766 hingga tahun 1834. Tulisannya yang berjudul “ Essay on Principle of Populatioins as it Affect the Future Improvement of Society, with Remarks on the Speculations Mr. Godwin, M. Condorcet, and Other Writer“ menyatakan bahwa penduduk (seperti juga tumbuh-tumbuhan dan binatang) apabila tidak ada pembatasan akan berkembang biak dengan cepat dan memenuhi dengan cepat beberapa bagian dari permukaan bumi ini (Weeks, 1992). Tingginya pertambahan penduduk ini disebabkan karena hubungan kelamin antara laki-laki dan perempuan tidak bisa dihentikan. Disamping itu Malthus berpendapat bahwa manusia untuk hidup memerlukan bahan makan, sedangkan laju pertumbuhan bahan makan jauh lebih lambat dibandingkan dengan laju pertumbuhan penduduk. Apabila tidak diadakan pembatasan
terhadap pertumbuhan penduduk, maka manusia akan mengalami kekurangan bahan makanan. Inilah sumber dari kemelaratan dan kemiskinan manusia. (Malthus, edisi Fogarty, 1948 ). Teori demografi mengatakan bahwa keberhasilan Keluarga berencana akan membawa pada keberhasilan pembangunan kependudukan, dan keberhasilan kependudukan akan membawa pada keberhasilan pembangunan ekonomi.
Gambar 2.1
Kerangka Teori Gambar Manfaat Program Spectrum
Program Spectrum dapat digunakan untuk berbagai kebutuhan, yaitu : 1.
2.
Menstimulasi terjadinya sebuah dialog mengenai suatu isu atau kebijakan; Isu atau kebijakan yang dapat didiskusikan terkait isu kemiskinan, kematian Ibu dan Anak yang tinggi, dampak sosial ekonomi sebagai akibat dari pertumbuhan penduduk dan angka kelahiran yang tidak terkendali. Memberikan suatu kerangka pikir yang jelas dalam memahami isu-isu dan mengevaluasi beberapa alternatif. Hasil program Spectrumdapat disusun berdasarkan alternatif-alternatif kebijakan yang direncanakan dan akan diterapkan. Sebagai contoh, kebijakan menurunkan Total Fertility Rata pada tahun 2025 menjadi 2.1 akan mempunyai konsekuensi pada kebijakan program Keluarga Berencana, khususnya mengenai kebutuhan
alat kontrasepsi. Membantu Pemangku Kebijakan dalam menetapkan tujuan ( goal). Program Spectrum dapat memfasilitasi pemangku kebijakan dalam menetapkan tujuan atau target yang ingin dicapai. Selain itu pemangku kebijakan juga dapat melihat mengetahui konsekuensi-konsekuensi yang harus dilakukan untuk mencapai tujuan tersebut. 4. Memfasilitasi program perencanaan dan pengambilan keputusan. 5. Program Spectrum dapat digunakan untuk perencanaan dan pengambilan keputusan. Berdasarkan tujuan/target yang telah ditentukan maka akan ada konsekuensi -konsekuensi yang harus dilakukan agar tujuan/target tersebut dapat tercapai. DemProj (Demography Projection) 3.
DemProj pertama kali dikembangkan pada tahun 1980 dan dirancang dalam bentuk program komputer yang mudah digunakan untuk menghasilkan informasi yang berguna bagi pemangku kebijakan dan dialog kebijakan. DemProj merupakan suatu program untuk menyusun proyeksi penduduk berdasarkan dua aspek, yaitu (1) jumlah penduduk suatu wilayah pada tahun tertentu berdasarkan jenis kelamin dan kelompok usia; (2) komponen demografi dari suatu wilayah yang terdiri dari tingkat kelahiran, kematian dan migrasi. DemProj merupakan program dasar untuk menyusun proyeksi pada modul-modul lainnya dalam program Spectrum. Manfaat DemProj
DemProj dapat digunakan sebagai: 1. 2.
Dasar dalam perencanaan; Tools untuk mendapatkan gambaran besarnya masalah yang dihadapi di masa yang akan datang pada proses dialog pemangku kebijakan; Tools yang dibutuhkan pada proses penyusunan kebijakan untuk mengatasi permasalahan yang dihadapi.
3. Langkah-langkah Penyusunan Proyeksi
Dalam menyusunan proyeksi dengan program Spectrum terdapat sembilan langkah, yaitu :
1. 2.
3. 4.
Menentukan prioritas masalah-masalah kebijakan kependudukan, untuk pengumpulan data dan mengembangkan presentasi yang diperlukan. Menentukan periode proyeksi. Periode proyeksi dimulai pada tahun dasar tahun 2010 (paska dipublikasikan sensus penduduk), hingga lima belas tahun ke depan (tahun 2035), karena dipersiapkan untuk dialog kebijakan. Tahun dasar umumnya dipilih berdasarkan keberadaan data, seperti tahun sensus terbaru atau survey skala besar. Periode proyeksi disesuaikan dengan kebutuhan proyeksi. Kegiatan perencanaan umumnya terfokus pada proyeksi jangka pendek (5 tahun) sementara proyeksi yang disusun untuk kebutuhan dialog kebijakan umumnya menggunakan jangka waktu yang lebih lama (10-30 tahun). Mengumpulkan data. Data harus dikumpulkan untuk masing-masing asumsi yang mendasari proyeksi. Kualitas hasil proyeksi ditentukan oleh data yang mendasari asumsi-asumsi tersebut. Menetapkan asumsi. Proyeksi mensyaratkan adanya perkiraan-perkiraan yang disusun berdasarkan asumsi
yang mendasari keadaan di masa mendatang. Asumsi inididiterapkan berdasarkan datatelah dan petunjuk pemilihan yang layak, dengan melakukan analisis trend masing-masing data yang diasumsikan oleh dinas/instansi. 5. Menggunakan Aplikasi. Pada saat data tahun dasar dan kebijakan/keputusan yang berkaitan dengan asumsiasumsi proyeksi telah ditetapkan, program Spectrum dapat digunakan untuk mengolah data dan membuat proyeksi-proyeksi yang dibutuhkan. 6. Membuat proyeksi alternatif. Setelah proyeksi dasar tersusun, program ini dapat segera digunakan untuk menghasilkan proyeksi alternatif sebagai pembanding dari penetapan asumsi lainnya. 7. Diseminasi hasil proyeksi. Setelah disusun, hasil proyeksi sebaiknya didiseminasikan kepada pemangku kebijakan. Secara khusus, presentasi proyeksi tersebut dapat mendorong terlaksananya dialog kebijakan berkaitan dengan permasalahan strategis. Selain itu, hasil proyeksi juga dapat dijadikan informasi melalui booklet kebijakan, dokumen-dokumen konferensi, dan publikasi lainnya. Data yang diinput Aplikasi Model DemProj Data yang di input dalam Aplikasi Model DemProj adalah populasi penduduk, umur dan jenis kelamin, sex ratio, Total Fertility Rate (TFR), ASFR, Life expectancy, Life Table di Kabupaten Sleman datanya sebagai berikut :
1.
a.
Jumlah populasi di Kabupaten Sleman Tabel 4.1
Jumlah Populasi Penduduk Kabupaten Sleman
F irst Year Population
Age
Male
Female
Jumlah
0-4
42,907
40,492
83,575
5-9
40,681
38,527
79,378
10-14
38,915
36,702
75,779
15-19
49,123
48,397
97,350
20-24
64,195
56,233
119,819
25-29
50,007
46,875
96,794
30-34
44,848
44,572
89,485
35-39
41,663
41,741
83,452
40-44
39,878
41,171
81,105
45-49
32,306
34,826
67,177
50-54
28,803
30,368
59,200
55-59
22,260
22,243
44,529
60-64
14,924
17,297
32,221
65-69
13,897
15,110
29,007
70-74
10,379
12,549
22,928
75-79
13,099
18,122
31221
547,885
545,225
1,093,110
80+
Total
Sumber: SP 2010, BPS
1.
b.
TFR ( Total F ertility Rate)
Tabel 4.2
Total Fertility Rate
Skenario Rendah
2010
TFR
1.94
Sumber: berdasar trend
Skenario Sedang
2010
TFR
1.97
Sumber: Berdasar trend
Skenario Tinggi
2010
TFR
2,2
Sumber: Berdasar trend
1.
c.
ASFR
Tabel 4.3 Tabel ASFR
ASFR
FR
Age
TFR
2010
15-19
13
20-24
77
25-29
119
30-34
99
35-39
54
40-44
14
45-49
2
Calculated
1887
Input
1.89
Sumber: SP 2010, BPS
1.
d.
Sex Ratio Tabel 4.4 Tabel Sex Ratio
Sex Ratio at Bir th
2010 Asumsi 2035
Sex Ratio at Birth
1.
e.
105.96
105.96
Life Expectancy ( umur harapan hidup ) Tabel 4.5 Tabel Life Expectancy/Angka Harapan Hidup dan Tabel Kematian
Life Expectancy / Harapan Hidup
2010 Asumsi 2035
ale
Female
73
76
75
77
Sumber: SP 2010, BPS
Model LifeTable/Kematian
2010
IMR
14
Sumber: SP 2010, BPS
1. f. Migrasi dan Urbanisasi Pada analisis ini migrasi dan urbanisasi diabaikan dan diasumsikan 0. Analisis penulisan ini berdasar pertumbuhan penduduk alami atau berdasar fertilitas/kelahiran.
Analisis dan Pembahasan
Analisis DemProj berdasar pada Sensus Penduduk tahun 2010. Pada analisis ini, proyeksi penduduk diasumsikan dengan tiga sekenario TFR. TFR dengan sekenario rendah 1,94, TFR dengan sekenario sedang 1,97 dan TFR dengan sekenario tinggi 2,2. Hasil dari Aplikasi Model DemProj, yang di input dari data tersebut di atas menghasilkan gambar piramida penduduk, diagram batang dan table antara lain: Piramida Penduduk per kelompok umur tahun 2010 -2015 dan tahun 2010 – 2035, diagram batang penduduk ketergantungan/ child dependents, Tabel penduduk ketergantungan, Proyeksi penduduk/Total Population dan Tabel Proyeksi jumlah Penduduk. Untuk memudahkan analisis, dibuat tabel pertambahan per periode.
a.
Diagram Batang Total Populasi / Proyeksi Penduduk
Hasil DemProj dengan sekenario TFR rendah (1,94), sedang (1,97) dan tinggi (2,2) hasilnya dapat ditunjukkan sebagai berikut :
Grafik . 3 Total Populasi / Proyeksi Penduduk
Hasil Aplikasi Model DemProj ditunjukkan dalam diagram batang gambar 4.1, sekenario TFR rendah ditunjukkan dengan warna merah, sedang ditunjukkan dengan warna biru, dan tinggi ditunjukkan dengan warna hijau, dari diagram tersebut dapat terlihat bahwa, tahun 2015 terjadi lonjakan penduduk, hal tersebut dapat dilihat dari perbandingan grafik Gambar.2. Tahun 2010 hingga tahun 2035. Dari ketiga asumi TFR rendah, sedang dan tinggi, pertambahan jumlah penduduk proyeksi tahun 2015 dan 2020 sama. Jumlah penduduk pada kedua tahun tersebut diperkirakan, tahun 2015 berjumlah 1,15 juta jiwa dan 1,2 juta jiwa pada tahun 2020. Perbedaan interval jumlah penduduk yang selisihnya tertinggi ada pada tahun 2015. Pada tahun 2010 jumlah penduduk 1,09 juta jiwa. Tahun 2015 jumlah penduduknya diproyeksikan 1,15 juta jiwa, ada kenaikan sebanyak 0,06 disemua sekenario TFR rendah, sedang dan tinggi. Pada tahun 2020 proyeksi jumlah penduduk 1,2 juta jiwa, ada kenaikan sebanyak 0,05 dibanding tahun 2015. Tahun 2025 proyeksi penduduk sekenario rendah 1.23 juta ada selisih 0,03 dibanding proyeksi 2020 (1,2 juta jiwa). Pada sekenario sedang proyeksi penduduk 2025 adalah 1,24 ada kenaikan kenaikan 0,04 dibanding proyeksi tahun 2020, pada sekenario tinggi proyeksi penduduk berjumlah 1,25 ada kenaikan 0,05 dibanding proyeksi tahun 2020.
Pada tahun 2030 proyeksi penduduk sekenario rendah sebanyak 1,26, jika dibanding tahun 2025 (1,23 juta jiwa) ada kenaikan 0,03, proyeksi penduduk sekenario sedang sebanyak 1,28, jika dibanding tahun ada kenaikan 0,04 dari 1,24 juta jiwa di tahun 2025. Proyeksi penduduk sekenario tinggi di tahun 2030 sebanyak 1,29 juta jiwa, jika dibanding tahun 2025 ada kenaikan 0,04 dari 1,25 juta jiwa di tahun 2025. Pada tahun 2035 proyeksi penduduk sekenario rendah sebanyak 1,28 juta jiwa, jika dibanding tahun 2030 (1,26 juta jiwa) ada kenaikan 0,02, Jumlah proyeksi penduduk tahun 2035 sekenario sedang sebanyak 1,30 juta jiwa, jika dibanding tahun 2030 ada kenaikan 0,02 dari 1,28 juta jiwa di tahun 2030, proyeksi penduduk sekenario tinggi sebanyak 1,33 juta jiwa, jika dibanding tahun 2030 ada kenaikan 0,04 dari 1,29 juta jiwa di tahun 2030. Pada tahun 2015 ditemukan selisih proyeksi terbesar sebanyak 0,6 ada disemua sekenario rendah, sedang maupun tinggi, artinya di tahun 2015 akan ada lonjakan penduduk. Analisis lain dari diagram batang ini adalah, bahwa pada tahun 2025, 2030 dan 2035 diagram batang pada tahun-tahun tersebut dengan asumsi sekenario TFR rendah, sedang dan tinggi, mulai ada perbedaan selisih proyeksi jumlah penduduk, dari ketiga asumsi TFR yang ditetapkan, pada TFR rendah pertumbuhan jumlah penduduk lebih kecil dibanding dua asumsi yang lain (TFR sedang dan TFR tinggi). Jumlah penduduk disemua sekenario TFR rendah, sedang dan tinggi selalu meningkat. Pada gambar. 2. Juga terlihat bahwa, ketika laju pertumbuhan penduduk rendah pada ketiga asumsi TFR rendah, sedang dan tinggi, kelompok usia produktif 15-64 tahun lebih besar dari kelompok usia ketergantungan (dihitung dari tabel. buka spectrum). Pada kelompok umur produktif 20-24 tahun pada tahun 2010 sangat tinggi, diperkirakan lima tahun kedepan tahun 2015, kelompok usia ini sudah manjadi pasangan usia subur dan punya anak, sehingga diperkirakan akan ada kelahiran yang berkontribusi pada pertambahan jumlah penduduk, juga diperkirakan akan ada tambahan penduduk yang luar biasa banyaknya yang disumbang dari kelompok umur ini, jika selama kurun waktu masa reproduksi sehat, pasangan usia subur dari kelompok umur 20-24 ini tidak ber-KB tentu akan terjadi pertambahan penduduk yang pesat tidak hanya sekedar lonjakan penduduk tetapi akan terjadi ledakan penduduk.
Gambar.3. Piramida penduduk tahun 2010 dibandingkan dengan tahun 2015
KESIMPULAN
Hasil proyeksi penduduk menunjukkan bahwa tahun 2015 akan terjadi lonjakan penduduk. Penduduk Kabupaten Sleman akan meningkat lebih pesat dibanding pertambahan penduduk tahun -tahun berikutnya. Perkembangan kelompok umur 20 -24 tahun sangat tinggi, untuk itu kegiatan kebijakan terkait dengan pembinaan generasi muda mendesak untuk dilaksanakan, kegiatan PIK – R ditingkatkan, menambah cakupan sasaran dan meningkatkan kwalitas dan efektifitas pembinaan. Cakupan kesertaan KB diperluas, jika program KB gagal, maka pendudu kelompok umur 20 – 24 pada tahun 2015 akan menyumbang lonjakan penduduk di tahun berikutnya, yang berpotensi pada terjadinya ledakan penduduk.
ANALISIS DAMPAK KEPENDUDUKAN DI KABUPATEN SLEMAN ANALISIS DAMPAK KEPENDUDUKAN
EXERCIS E 1 ( ANALISIS SENSUS PENDUDUK 2010, DATA SEKUNDER BIDANG KESEHATAN, PENDIDIKAN, TENAGA KERJA, PERTANIAN DAN EKONOMI ) DI KABUPATEN SLEMAN
BADAN KELUARGA BERENCANA PEMBERDAYAAN MASYARAKAT DAN PEMBERDAYAAN PEREMPUAN KABUPATEN SLEMAN TAHUN 2013
Teori demografi mengatakan bahwa keberhasilan Keluarga berencana akan membawa pada keberhasilan pembangunan kependudukan, dan keberhasilan kependudukan akan membawa pada keberhasilan pembangunan ekonomi. Teori lain yang sejalan dengan teori demografi ini adalah, jika keluarga berencana berhasil dan dapat bertahan dalam jangka panjang maka, keberhasilan tersebut akan merubah struktur penduduk. Dimana penduduk produktif lebih besar dari penduduk ketergantungan, hal tersebut akan memberi peluang bagi suatu negara untuk mencapai The windows of opportunity yang merupakan peluang mendapat bonus demografi, dampaak selanjutnya kesejahteraan meningkat. Gambar 2.1 Kerangka Teori Gambar Pertama
TEORI YANG TELAH DIAPLIKASIKAN :
Gambar Gambar 2.2 Kerangka Teori Gambar Kedua 2.4 Kerangka Pemikiran Konseptual
Konsep yang ditanamkan dalam Program Keluarga Berencana adalah NKKBS atau kepanjangan dari Norma Keluarga Kecil Bahagia Sejahtera. Program KB dilaksanakan sejak tahun 1970 atau sudah empat deka de dengan slogan NKKBS sudah melembaga dan membudaya di masyarakat. Angka fertilitas sudah terbukti menurun, sejahtera yang dislogankan belum bisa dibuktikan. Dengan kata lain ratio ketergantungan mulai menurun sehingga Kabupaten Sleman telah mencapai the window of opportunity akan tetapi kesejahteraan belum bisa diraih, karena data menunjukkan bahwa angka kemiskinan masih tinggi 15% dari jumlah KK yang ada. Kapan bonus demografi dapat diperoleh Kabupaten Sleman? Bonus demografi adalah keuntungan ekonomis yang disebabkan oleh menurunnya rasio ketergantungan sebagai hasil proses penurunan fertilitas jangka panjang. Bonus demografi ini akan terjadi kalau ada upaya rekayasa demografi yang dibarengi dengan peningkatan kualitas SDM ( salah satu alat ukurnya, Human Developmen Indek/ HDI/IPM ). Gambar 2.3 Alur Pikir Penelitian Proyeksi Penduduk Sebagai Inforfasi Pengambilan Kebijakan Dimasa Mendatang BAB III METODE PENELITIAN
1.1. Jenis Penelitian
Penelitian ini merupakan penelitian yang bersifat deskriptif, analisis data serta intrepertasi hasil dan pembahasan, hasil sensus penduduk tahun 2010. Dengan mengkombinasikan asumsi-asumsi yang akan di capai dimasa mendatang, dengan analisis trend dari data-data tahun lalu yang telah dicapai oleh masing-masing instansi yang terkait dalam sumber data, agar diperoleh informasi yang cukup, tentang kondisi Kabupaten Sleman di masa yang akan datang, yang dapat digunakan dalam pengambilan kebijakan. 1.2. Jenis Data dan Sumber
Data sekunder berkaitan dengan data hasil sensus penduduk tahun 2010 diambil dari Kabupaten Sleman Dalam Angka terbitan BPS (Badan Pusat Statistik) Kabupaten Sleman. Data yang diambil sesuai gambar 3.1 bagian Input. Gambar 3.1
Alur Program Aplikasi Spectrum Dengan Model Demproj Data sekunder berkaitan dengan masalah angkatan kerja, lapangan pekerjaan dan PDB diambil dari Bappeda; data sekunder terkait dengan anak sekolah, diambil dari Dinas Pendidikan Pemuda dan Olah Raga; data kelahiran, kematian, petugas kesehatan seperti Dokter dan Perawat diambil dari Dinas Kesehatan; data luas lahan pertanian diambil dari Dinas Pertanian, serta ASFR, TFR, Sex Ratio, Life Expectancy, angka kematian diambil dari Kabupaten Sleman dalam angka yang telah dipublikasikan. Gambar 3.2
Alur Aplikasi Spektrum Model RAPID Pada analisis ini penulis mengabaikan data migrasi, sehingga pada analisis ini migrasi dianggap nol, dan hasil proyeksi penduduk dan anaalisis ini dipengaruhi oleh kelahiran dan kematian dan migrasi tidak mempengaruhi. 1.3. Waktu dan Lokasi
Kegiatan penelitian ini dilaksanakan pada akhir bulan November dan Desember 2012, dengan mengambil data sekunder dari dinas instansi di wilayah Kabupaten Sleman. 1.4. Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan pada penelitian ini menggunakan cara sebagai berikut : 1.
Pengumpulan data, dengan mengambil data yang tersaji di Bappeda, Dinas Pendidikan dan olah Raga, Dinas Kesehatan dan Dinas Pertanian di W ilayah Kabupaten Sleman. 2. Teknik wawancara, yaitu dengan cara wawancara secara langsung dan mendalam kepada pengelola program pada dinas dan instansi terkait. 1.5. Alat Analisis Untuk menjawab pertanyaan yang telah dikemukakan pada bagian sebelumnya, alat analisis yang akan digunakan adalah : Program Specrtum merupakan suatu policy model yang berbasis pada sistem komputer, yaitu window. Program Spectrum dikembangkan oleh United State Agency International Development (USAID) – Health Policy Intitiave (HPI) agar dapat digunakan para pemangku kebijakan untuk memberikan informasi mengenai suatu dampak pembangunan dimasa yang akan datang berdasarkan informasi dari pembangunan saat ini. Salah satu kelebihan Policy Model Spectrum dari model-model sebelumnya yang telah di kembangkan adalah Policy Model Spectrumtelah memadukan beberapa modul-modul kedalam satu sistem. Modul tersebut terdapat sembilan modul dalam program Spectrum, yaitu : 1. a. Modul Demography Projection Modul Demography Projection atau yang disingkat dengan istilah DemProj merupakan suatu program untuk menyusun proyeksi penduduk berdasarkan dua aspek, yaitu (1) jumlah penduduk suatu wilayah pada tahun tertentu berdasarkan .jenis kelamin dari kelompok usia; (2) komponen demografi dari suatu wilayah yang terdiri dari tingkat kelahiran, kematian dan migrasi. 1. b. Modul F amily Planning Modul Family Planning atau yang disingkat dengan istilah FamPlan merupakan suatu program untuk menghitung komponen dan kebutuhan program Keluarga Berencana dalam rangka mencapai tujuan program Keluarga Berencana. 1.
c.
Modul Benefit Cost
Modul Benefit Cost merupakan suatu program untuk memperkirakan perhitungan biaya dan keuntungan dari pelaksanaan program Keluarga Berencana. 1. d. Modul AIDS I mpactModel Modul AIDS impact model atau yang disingkat dengan istilah AIM merupakan suatu program untuk memperkirakan dampak dari epidemik AIDS, termasuk jumlah orang yang terinfeksi HIV, jumlah orang meninggal akibat AIDS, jumlah penderita HIV/AIDS yang memerlukan perawatan dan jumlah orang yang beresiko tinggi. 1. e. Modul Socioeconomic I mpacts of High F ertility and Population Gr owth Modul Socioeconomic Impacts of High Fertility and Population Growth atau yang disingkat dengan istilah RAPID merupakan suatu program untuk melihat dampak dari pertumbuhan penduduk dan angka kelahiran terhadap beberapa sektor sosial ekonomi, seperti ketenaga-kerjaan, kesehatan, pendidikan, urbanisasi dan pertanian. 1. f. Modul Adolescent ReproductiveH ealth Modul Adolescent Reproductive Health atau yang disingkat dengan isti lah NewGen merupakan suatu program untuk memperkirakan dampak dari perilaku kesehatan reproduksi remaja, termasuk informasi mengenai perilaku seksual, perkawinan, kehamilan, aborsi, dan HIV – IMS. 1. g. Modul Pr evention of Mother-To-Child Transmission Modul prevention of mother-to-child transmission atau yang disingkat dengan PMTCT merupakan suatu program untuk mengukur biaya dan manfaat program pencegahan penularan HIV dari Ibu ke Anak, termasuk perawatan antiretroviral, pilihan pemberian makan bayi dan alternatif cara melahirkan. 1. h. Modul Safe Motherhood Modul Safe Motherhood merupakan suatu program untuk menentukan biaya yang dibutuhkan untuk menurunkan angka kematian Ibu. 1. i. Modul Allocate Modul Allocate merupakan suatu program mengembangkan perencanaan kesehatan reproduksi untuk efisiensi pengguna anggaran kesehatan reproduksi. Pada penelitian ini menggunakan Aplikasi Program Spectrum dengan model Demography Proyektion ( DemProj ) dan RAPID , tidak semua model digunakan. 1.5.1. Manfaat Program Spectrum
Program Spectrum dapat digunakan untuk berbagai kebutuhan, yaitu : 1.
Menstimulasi terjadinya sebuah dialog mengenai suatu isu atau kebijakan; Isu atau kebijakan yang dapat didiskusikan terkait isu kemiskinan, kematian Ibu dan Anak yang tinggi, dampak sosial ekonomi sebagai akibat dari pertumbuhan penduduk dan angka kelahiran yang tidak terkendali.
2.
Memberikan kerangka yangberdasarkan jelas dalam alternatif-alternatif memahami isu-isu dan mengevaluasi beberapa alternatif. Hasil programsuatu Spectrum dapatpikir disusun kebijakan yang direncanakan dan akan diterapkan. Sebagai contoh, kebijakan menurunkan Total Fertility Rata pada tahun 2025 menjadi 2.1 akan mempunyai konsekuensi pada kebijakan program Keluarga Berencana, khususnya mengenai kebutuhan alat kontrasepsi. Membantu Pemangku Kebijakan dalam menetapkan tujuan ( goal). Program Spectrum dapat memfasilitasi pemangku kebijakan dalam menetapkan tujuan atau target yang ingin dicapai. Selain itu pemangku kebijakan juga dapat melihat mengetahui konsekuensi-konsekuensi yang harus dilakukan untuk mencapai tujuan tersebut. Memfasilitasi program perencanaan dan pengambilan keputusan. Program Spectrum dapat digunakan untuk perencanaan dan pengambilan keputusan. Berdasarkan tujuan/target yang telah ditentukan maka akan ada konsekuensi -konsekuensi yang harus dilakukan agar tujuan/target tersebut dapat tercapai.
3.
4. 5.
1.5.2. DemProj (Demography Projection)
DemProj pertama kali dikembangkan pada tahun 1980 dan dirancang dalam bentuk program komputer yang mudah digunakan untuk menghasilkan informasi yang berguna bagi pemangku kebijakan dan dialog kebijakan. DemProj merupakan suatu program untuk menyusun proyeksi penduduk berdasarkan dua aspek, yaitu (1) jumlah penduduk suatu wilayah pada tahun tertentu berdasarkan jenis kelamin dan kelompok usia; (2) komponen demografi dari suatu wilayah yang terdiri dari tingkat kelahiran, kematian dan migrasi. DemProj merupakan program dasar untuk menyusun proyeksi pada modul-modul lainnya dalam program Spectrum. 1.5.2.1.
Manfaat DemProj
DemProj dapat digunakan sebagai: 1. 2.
Dasar dalam perencanaan; Tools untuk mendapatkan gambaran besarnya masalah yang dihadapi di masa yang akan datang pada proses dialog pemangku kebijakan; 3. Tools yang dibutuhkan pada proses penyusunan kebijakan untuk mengatasi permasalahan yang dihadapi. 1.5.3. Pengertian RAPID Pengertian RAPID pertama kali dikembangkan pada tahun 1978, digunakan untuk menyusun proyeksi dampak sosial ekonomi (ekonomi, pendidikan, kesehatan, urbanisasi dan pertanian) akibat tingkat kelahiran dan laju pertumbuhan penduduk. Proyeksi yang dihasilkan RAPID dapat digunakan sebagai dasar pada materi advokasi yang disusun untuk menyampaikan informasi strategis bagi pemangku kebijakan guna terlaksananya dialog rancangan kebijakan mengenai peranan kependudukan dalam pembangunan sosial dan ekonomi. RAPID menggabungkan indikator-indikator sosial-ekonomi (tingkat prtisipasi angkatan kerja, tingkat partisipasi murid Sekolah Dasar serta Menengah, dan jumlah tenaga kesehatan) dengan data-data kependudukan dan proyeksi penduduk untuk mendapatkan gambaran dampak dinamika penduduk terhadap sektor-sektor pembangunan sosial ekonomi dimasa mendatang. 3.5.3.1 Manfaat RAPID
Rapid dapat digunakan untuk : 1.
Mendapatkan gambaran konsekwensi dalam suatu negara/daerah dengan tingkat kelahiran yang ditekan melalui program Kependudukan dan Keluarga Berencana. 2. Meningkatkan pengetahuan penentuan kebijakan terhadap pentingnya penurunan tingkat kelahiran dan laju pertumbuhan penduduk dalam pembangunan sosial dan ekonomi. 3. Memberikan gambaran bagaimana tingkat laju pertumbuhan penduduk dapat mempengaruhi pembangunan sosial ekonomi. 3.5.4 Proyeksi Penduduk 3.5.4.1. Langkah-langkah Penyusunan Proyeksi
Dalam menyusunan proyeksi dengan program Spectrum terdapat sembilan langkah, yaitu : 1. 2.
Menentukan prioritas masalah-masalah kebijakan kependudukan, untuk pengumpulan data dan mengembangkan presentasi yang diperlukan. Menentukan periode proyeksi. Periode proyeksi dimulai pada tahun dasar tahun 2010 (paska dipublikasikan sensus penduduk), hingga lima belas tahun kedepan (tahun 2035), karena dipersiapkan untuk dialog kebijakan. Tahun dasar umumnya dipilih berdasarkan keberadaan data, seperti tahun sensus terbaru atau survey skala besar. Periode proyeksi disesuaikan dengan kebutuhan proyeksi. Kegiatan perencanaan umumnya terfokus pada proyeksi jangka pendek (5 tahun) sementara proyeksi yang disusun untuk kebutuhan dialog kebijakan umumnya menggunakan jangka waktu yang lebih lama (10-30 tahun).
3. 4.
5.
6.
Mengumpulkan data. Data harus dikumpulkan untuk masing-masing asumsi yang mendasari proyeksi. Kualitas hasil proyeksi ditentukan oleh data yang mendasari asumsi-asumsi tersebut. Menetapkan asumsi. Proyeksi mensyaratkan adanya perkiraan-perkiraan yang disusun berdasarkan asumsi yang mendasari keadaan dimasa mendatang. Asumsi ini diterapkan berdasarkan data dan petunjuk pemilihan yang layak, dengan melakukan analisis trenddi masing-masing data yang telah diasumsikan oleh dinas/instansi. Menggunakan Aplikasi. Pada saat data tahun dasar dan kebijakan/keputusan yang berkaitan dengan asumsiasumsi proyeksi telah ditetapkan, program Spectrum dapat digunakan untuk mengolah data dan membuat proyeksi-proyeksi yang dibutuhkan. Membuat proyeksi alternatif. Setelah proyeksi dasar tersusun, program ini dapat segera digunakan untuk menghasilkan proyeksi alternatif sebagai pembanding dari penetapan asumsi lainnya.
7.
Diseminasi hasil proyeksi. Setelah disusun, hasil proyeksi sebaiknya didiseminasikan kebijakan. Secara khusus, presentasi proyeksi tersebut dapat mendorong terlaksananyakepada dialog pemangku kebijakan berkaitan dengan permasalahan strategis. Selain itu, hasil proyeksi juga dapat dijadikan informasi melalui booklet kebijakan, dokumen-dokumen konferensi, dan publikasi lainnya. 3.5.4.2. Dasar Penentuan Asumsi Dalam menentukan asumsi terdapat beberapa hal yang dapat dilakukan, yaitu :
1. 2.
Konsultasi dengan instansi/dinas terkait. Mempelajari referensi atau dokumen-dokumen nasional, khusus dalam menetapkan asumsi target pencapaian proyeksi. 3. Mempelajari data proyeksi yang dihasilkan oleh instasi/pihak lain. 4. Mempelajari dokumen atau data proyeksi yang memiliki kemiripan dengan wilayah yang akan dijadikan project proyeksi. 3.5.4.3. Data I nput dan Output DemProj Data yang dibutuhkan dalam menu DemProj yaitu : 1. Jumlah penduduk pada tahun dasar tertentu (berdasarkan katagori usia dan jenis kelamin); Semua proyeksi harus mulai dihitung dengan titik awal pada tahun dasar. Jumlah penduduk pada tahun dasar adalah jumlah penduduk berdasarkan usia dan jenis kelamin pada tahun dasar tertentu yang dibagi dalam kelompok usia lima tahunan (0-4 tahun hingga 75-79 tahun, termasuk kelompok usia lanjut 80 tahun keatas). 1. Total Fertility Rate (TFR) Fertilitas (kelahiran) merupakan salah satu komponen yang mempengaruhi pertumbuhan penduduk dan bersifat menambah jumlah penduduk. Fertilitas adalah kemampuan untuk menghasilkan keturunan yang dikaitkan dengan kesuburan wanita atau disebut fekunditas. Akan tetapi dalam perkembangan ilmu demografi fertilitas lebih diartikan sebagai hasil reproduksi nyata (lahir hidup) dari seorang wanita atau sekelompok wanita. TFR adalah rata-rata jumlah anak yang dilahirkan hidup oleh seorang perempuan sampai dengan akhir masa reproduksinya. 1. Age Specific Fertility Rate (ASFR) Angka kelahiran menurut kelompok umur (ASFR) menunjukan banyaknya anak yang dilahirkan oleh perempuan pada suatu tahun tertentu per 1.000 perempuan menurut kelompok umur tertentu. 1. Sex Ratio at Birth Sex Ratio adalah perbandingan banyaknya penduduk laki-laki dengan penduduk pere mpuan pada suatu daerah dan pada waktu tertentu, biasanya dinyatakan dalam banyaknya penduduk laki-laki per 100 jumlah penduduk perempuan. Sex ratio at Birth, di beberapa negara umumnya berkisar antara 103-105 bayi laki-laki per 100 bayi perempuan. 1. Life Expectancy (Umur Harapan Hidup) Life Expetancy adalah suatu perkiraan rata-rata lamanya hidup sejak lahir yang akan di capai oleh penduduk. 1.
Model Life Tabel Berdasrakan Data IMR
Model Life Tabel adalah tabel yang menerangkan riwayat kehidupan suatu penduduk menurut umur berkenaan dengan riwayat kematian. Model life table telah tersedia di dalam program spectrum dan dapat digunakan berdasarkan tingkat IMR yang mendekati tingkat IMR dari wilayah geografis yang menjadi project proyeksi. 1. Migrasi Internasional Migrasi adalah perpindahan penduduk dengan tujuan untuk menetap dari suatu tempat ke tempat yang lain melampaui batas politik/negara ataupun batas administrasi atau batas bagian dalam suatu negara (batas waktu minimal enam bulan). Migrasi Internasional adalah perpindahan penduduk dari suatu Negara ke Negara lain. Proyeksi yang dihasilkan dari Modul demproj adalah: 1. Penduduk a) Total penduduk b) Penduduk usia 0- 4 tahun c)
Penduduk usia 5-14 tahun
d) Penduduk usia 15-49 tahun e)
Penduduk usia 15- 64 tahun
f)
Penduduk usia 65+
g) Totak migrasi internasional bersih 1. Fertilitas a) TFR b) GRR c)
NRR
d) Rata-rata usia subur e)
Rasio anak perempuan
1. Mortalitas a) Angka Harapan Hidup b) IMR 1. Vital Events a) Angka kelahiran b) Angka kematian c)
CBR
d) CDR
e)
LPP
1. Ratios a) Sex ratio b) Dependency ratio 1. Jumlah penduduk berdasarkan kelompok umur dan jenis kelamin a) Semua usia. b) Kelompok Usia tertentu. c) Usia Median Penduduk yaitu umur yang membagi penduduk menjadi dua bagian dengan jumlah yang sama, bagian pertama lebih muda dan bagian yang kedua lebih tua dibandingkan dengan umur median tersebut. 3.5.4.4.
Cara Kerja RAPID
RAPID mengkombinasikan indikator-indikator pada bidang ekonomi, pendidikan kesehatan, urbanisasi dan pertanian dengan data-data kependudukan dan proyeksi penduduk, sehingga mendapatkan gambaran mengenai dampak dinamika penduduk terhadap sektor-sektor pembangunan sosial ekonomi di masa mendatang. Di bawah ini adalah dasar penentuan asumsi serta data yang perlu di input dari bidang ekonomi, pendidikan, kesehatan, urbanisasi dan pertanian. 1. a. Bidang Ekonomi Asumsi proyeksi bidang ekonomi pada RAPID berdasarkan tiga konsep dasar, yaitu rasio ketergantungan penduduk (dependency ratio); jumlah pencari kerja baru (number of new jobs required ), dan output perkapita dalam bentuk Produk Domestik Bruto ( Gross Domestic Product ). Pada bidang ekonomi, RAPID dapat menyusun proyeksi tentang : 1. Jumlah Tenaga Kerja Jumlah tenaga kerja di masa mendatang diproyeksikan dengan mengasumsikan bahwa persentase penduduk berusia antara 10 sampai dengan 64 tahun akan berada di dalam angkatan kerja. Oleh karena itu, jumlah tenaga kerja dimasa mendatang dihitung dengan mengkalikan angka tingkat partisipasi angkatan kerja dengan banyaknya jumlah penduduk berusia 10-64 tahun. 1. Angka Ketergantungan Anak Angka ketergantungan anak di masa mendatang diproyeksikan dengan menambahkan jumlah seluruh anak-anak di bawah usia 10 tahun dengan jumlah anak-anak berusia 10-14 tahun yang tidak berada di dalam angkatan kerja. 1. Jumlah Pekerjaan Baru yang Dibutuhkan Jumlah pekerjaan baru yang dibutuhkan di masa mendatang diasumsikan sama dengan perbedaan jumlah angkatan kerja dari satu tahun ke tahun berikutnya. Dihitung dengan mengurangkan banyaknya tenaga kerja pada tahun sebelumnya dengan jumlah tenaga kerja tahun ini. 1. Produk Domestik Bruto (PDB) Peningkatan PBD di masa mendatang diasumsikan meningkat secara eksogenus berdasarkan angka pertumbuhan PDB. 1. Angka Pertumbuhan PDB perkapita (PDB perkapita) Dihitung dengan membagi Produk Domestik Bruto/GDP yang diproyeksikan dengan jumlah penduduk indikator ini tepat untuk memperlihatkan dampak meningkatnya laju pertumbuhan penduduk terhadap kinerja ekonomi.
Data yang harus diinput ke dalam RAPID untuk mendapatkan proyeksi tersebut antara lain : 1) Tingkat partisipasi angkatan kerja penduduk usia 15-64 tahun Angka ini dapat langsung diambil dari sumber-sumber yang ada. Umumnya tingkat partisipasi angkatan kerja akan menurun dengan meningkatnya angka partisipasi angkatan kerja akan menurun dengan meningkatnya angka partisipasi murid pada sekolah menengah dan pendidikan lebih tinggi lainnya. 2) Tingkat partisipasi angkatan kerja penduduk usia 10-14 tahun Angka ini dapat langsung diambil dari sumber-sumber yang ada. Apabila tidak ada data tingkat partisipasi angkatan kerja untuk kelompok umur 10-14 tahun, maka tingkat partisipasi angkatan kerja dapat diasumsikan 0 karena penduduk pada usia tersebut bukan merupakan bagian penduduk angkatan kerja. 3) Proyeksi jumlah penduduk usia 10-64 Data proyeksi jumlah penduduk usia 10-64 tahun didapatkan dari proyeksi yang dihasilkan oleh DemProj. 4) Produk Domestika Bruto (PDB) dan angka pertumbuhan PDB per tahun (PDB perkapita). Angka ini dapat langsung diambil dari sumber-sumber yang ada. Sumber-sumber data potensial: Rencana Pembangunan Nasional, Buku Tahunan Statistik (Statistik Indonesia, Statistik per Provinsi dsb.), Laporan Tahunan UNESCO (Organisasi Bidang Pendidikan, Ilmu Pengetahuan, dan Budaya PBB), Situs Statistik Indonesia, dsb. 1. b. Bidang Pendidikan Proyeksi bidang pendidikan pada RAPID dirancang berdasarkan asumsi bahwa untuk mencapai sasaran pembangunan nasional diperlukan peningkatan sumber daya pendidikan yang lebih besar ketika angka laju pertumbuhan penduduk semakin meningkat. Sasaran-sasaran tersebut akan lebih mudah dicapai jika angka laju pertumbuhan penduduk dapat ditekan menjadi lebih rendah. Untuk itu pada bidang Pendidikan, RAPID akan menyusun proyeksi untuk : 1) Rata-rata Usia Masuk Sekolah Dasar dan Menengah Anak-anak umumnya memasuki siklus Sekolah Dasar pada usia 6 atau 7 tahun di sebagian besar Negara. Sehingga apabila data tidak tersedia dapat diasumsikan usia rata-rata murid masuk Sekolah Dasar adalah 6 atau 7 tahun. 2) Jumlah Murid Sekolah Dasar Jumlah murid Sekolah Dasar di masa mendatang diproyeksikan dengan mengkalikan jumlah anak usia sekolah dasar dengan angka partisipasi murid Sekolah Dasar . 3) Jumlah Guru Sekolah Dasar yang diperlukan jumlah Guru Sekolah Dasar yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah anak usia Sekolah Dasar dengan rasio murid Sekolah Dasar terhadap jumlah Guru Sekolah Dasar. 4) Jumlah Sekolah Dasar yang diperlukan jumlah, Sekolah Dasar yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah anak usia Sekolah Dasar dengan rasio murid Sekolah Dasar terhadap jumlah Guru Sekolah Dasar. 5) Rata-rata Biaya Sekolah Dasar yang diperlukan rata-rata biaya Sekolah Dasar yang diperlukan di masa mendatang diproyeksikan dengan mengkalikan jumlah anak usia Sekolah Dasar dengan biaya rutin rata-rata per murid Sekolah Dasar.
6) Jumlah Murid Sekolah Menengah Pertama, jumlah murid Sekolah Menengah Pertama di masa mendatang dengan mengkalikan jumlah anak usia Sekolah Menengah Pertama dengan angka partisipasi murid Sekolah Menengah Pertama. 7) Jumlah Guru Sekolah Menengah Pertama, yang diperlukan jumlah Guru Sekolah Menengah Pertama di masa mendatang diproyeksikan dengan membagi jumlah anak usia sekolah menengah pertama dengan rasio murid Sekolah Menengah Pertama terhadap jumlah Guru Sekolah Menengah Pertama. 8) Jumlah Sekolah Menengah Pertama, jumlah Sekolah Menengah Pertama yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah anak usia Sekolah Menengah Pertama dengan rasio murid Sekolah Menengah Pertama terhadap jumlah Sekolah Menengah Pertama. 9) Rata-rata Biaya Sekolah Menengah Pertama, yang diperlukan rata-rata biaya Sekolah Menengah Pertama di masa mendatang diproyeksikan dengan mengkalikan jumlah anak usia Sekolah Menengah Pertama dengan biaya rutin rata-rata per murid Sekolah Menengah Pertama. Data yang akan di input ke dalam RAPID untuk menyusun proyeksi tersebut antara lain : 1) Usia rata-rata murid masuk Sekolah Dasar. 2) Usia rata-rata murid masuk Sekolah Menengah Pertama. 3) Proyeksi jumlah penduduk usia Sekolah Dasar. 4) Proyeksi jumlah penduduk Sekolah Menengah Pertama. 5) Angka partisipasi murid Sekolah Dasar. 6) Angka partisipasi murid Sekolah Menengah Pertama. 7) Rasio murid Sekolah Dasar terhadap jumlah Sekolah Dasar. 8) Rasio murid Sekolah Dasar terhadap jumlah Guru Sekolah Dasar’ 9) Rasio murid Sekolah Menengah Pertama terhadap jumlah Sekolah Menengah Pertama. 10)
Rasio murid Sekolah Menengah terhadap jumlah Guru Sekolah Menengah Pertama.
1. c. Bidang Kesehatan Proyeksi bidang kesehatan pada RAPID terfokus pada proyeksi sumber daya yang harus ditingkatkan untuk mencapai target pelayanan kesehatan. Dalam RAPID dapat diproyeksikan jumlah Dokter, perawat, puskesmas, rumah-sakit, dan jumlah tempatpengeluaran tidur rumah-sakit yang diperlukan untuk mencapai sasaran di masa mendatang. RAPID juga memproyeksikan yang diperlukan untuk menjaga atau meningkatkan pelayananpelayanan kesehatan. Indikator-indikator ini memperlihatkan peningkatan beban yang diperlukan disemua sektor sosial berkaitan dengan peningkatan laju pertumbuhan penduduk. Untuk itu pada bidang Kesehatan, RAPID dapat digunakan untuk menyusun proyeksi tentang : 1) Jumlah Dokter yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah penduduk dengan rasio jumlah penduduk terhadap jumlah Dokter.
2) Jumlah Perawat yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah penduduk dengan rasio jumlah penduduk terhadap jumlah Perawat. 3) Jumlah Rumah Sakit yang diperlukan di masa mendatang diproyeksikan dengan membagi jumlah penduduk dengan rasio jumlah penduduk terhadap jumlah Rumah Sakit. 4) Penduduk resiko tinggi yaitu penduduk yang mempunyai risiko kesehatan yang tinggi diasumsikan sebagai jumlah bayi dan anak-anak (semua balita) ditambah wanita usia produktif (antara 15 dan 49 tahun). Kelompok ini dianggap sebagai orang-orang yang mempunyai risiko tertentu yang berhubungan dengan usia dan jenis kelamin. Misalnya, anak-anak balita lebih peka terhadap penyakit karena sistem kekebalan tubuhnya yang belum berkembang dan status nutrisinya yang lemah. Wanita usia produktif juga dikatagorikan berisiko tinggi karena rentannya golongan tersebut akan komplikasi yang berhubungan dengan kehamilan beresiko tinggi yang seringkali didapatkan di negara dengan tingkat kelahiran tinggi. Data yang akan di input ke dalam RAPID untuk menyusun proyeksi tersebut antara lain : 1. 1. Rasio jumlah penduduk terhadap jumlah Dokter. Dihitung dengan membagi jumlah penduduk dalam satu tahun dengan jumlah dokter di tahun yang sama. Asumsi yang berhubungan dengan jumlah penduduk per Dokter di masa yang akan datang dapat tetap konstan (mencerminkan perbaikan tingkat pelayanan kesehatan saat ini), atau dapat dirubah untuk mencerminkan sasaran dalam rencana pembangunan. 1. 2. Rasio jumlah penduduk terhadap jumlah Perawat. Dihitung dengan membagi jumlah penduduk dalam satu tahun dengan jumlah Perawat di tahun yang sama. Asumsi yang berhubungan dengan rasio penduduk per -Perawatan dapat tetap konstan dimasa yang akan datang (mencerminkan perbaikan pelayanan sistem pelayanan kesehatan saat ini), atau dapat berubah untuk mencerminkan sasaran pada rencana pembangunan. 1. 3. Penduduk dengan risiko kesehatan tinggi Data proyeksi jumlah penduduk dengan risiko kesehatan tinggi didapatkan dari proyeksi yang dihasilkan oleh DemProj. 1. d. Urbanisasi Urbanisasi diabaikan atau dianggap 0, karena data di Kabupaten tidak lengkap, sedangkan perhitungan nasional dianggap tidak berpengaruh. 1. e. Bidang Pertanian RAPID memproyeksikan luas tanah subur yang diperlukan untuk bercocok tanam pertahun, permintaan serta persediaan atas bahan pangan tertentu di masa yang akan datang. Hal tersebut dimaksudkan untuk menggambarkan kebutuhan akan bahan pangan tertentu yang diakibatkan oleh laju pertumbuhan penduduk yang tinggi. Bidang Pertanian, RAPID akan menyusun proyeksi : 1) Luas lahan subur perkapita Luas lahan subur perkapita di masa mendatang diproyeksikan dengan membagi luas lahan subur dengan jumlah penduduk pada tahun yang sama. Indikator ini berguna untuk memperlihatkan bagaimana total luas area subur yang menopang masing-masing orang (atau keluarga) akan berkurang di masa yang akan datang (karena pertumbuhan penduduk sementara jumlah area subur relatif konstan, sehingga luas tanah yang ada untuk menopang masing-masing penduduk akan menjadi lebih sempit). Jumlah area subur umumnya tetap konstan. Namun, dapat dirubah untuk mencerminkan rencana pembangunan (misalnya: perluasan tanah layak tanam melalui perancangan irigasi atau pengurangan tanah layak tanam sehubungan dengan Pemerintah).
2) Jumlah konsumsi bahan pangan pokok Jumlah konsumsi bahan pangan pokok di masa mendatang diproyeksikan dengan mengkalikan rata-rata konsumsi bahan pangan pokok dengan proyeksi jumlah penduduk setiap tahun. Hal ini berguna dalam menunjukan bagaimana produksi makanan dan atau impor makanan akan meningkat sejalan dengan peningkatan laju pertumbuhan penduduk. 3) Produksi bahan pangan pokok Produksi bahan pangan pokok dimasa mendatang diproyeksikan dengan mengkalikan jumlah produksi bahan pangan pokok pada tahun sebelumnya dengan angka pertumbuhan penduduk. Hal ini berguna untuk memperlihatkan kesulitan dalam memenuhi jumlah produksi makanan berkaitan dengan peningkatan laju pertumbuhan penduduk. Data yang akan di input ke dalam RAPID untuk menyusun proyeksi tersebut antara lain : 1) Luas lahan subur Angka ini dapat langsung diambil dari sumber-sumber yang ada. 2) Konsumsi bahan pangan pokok pada tahun dasar Dihitung dengan membagi jumlah konsumsi bahan makanan pokok dalam satu tahun dengan jumlah penduduk ditahun yang sama. Konsumsi bahan makanan pokok per tahun dapat konstan, atau dirubah untuk mencerminkan peningkatan atau penurunan pendapatan individu. Angka ini dapat langsung diambil dari sumber-sumber yang ada. 3) Total produksi bahan pangan pokok pada tahun dasar Angka ini dapat langsung diambil dari sumber-sumber yang ada. 4) Peningkatan produksi bahan pangan pokok tahunan Angka ini dapat langsung diambil dari sumber-sumber yang ada. Asumsi yang berhubungan dengan peningkatan produksi bahan pangan pokok tahunan di masa yang akan datang dapat tetap konstan. Atau dapat berubah untuk mencerminkan sasaran pertanian sebuah Negara. Menetapkan asumsi yang mencerminkan sasaran di masa mendatang berguna untuk memperlihatkan bahwa pencapaian sasaran pertanian hanya akan memberikan sedikit dampak dalam meningkatkan keadaan sosial ekonomi di wilayah tersebut bila tidak diimbangi dengan pencapaian sasaran kependudukan karena peningkatan produksi pertanian sebagian besar akan digunakan untuk memenuhi kebutuhan dari peningkatan jumlah penduduk. BAB IV ANALISIS DATA DAN PEMBAHASAN
Keluaran dari Analisis Spectrum berupa diagram garis, diagram batang, gambar piramida dan table, yang dapat menginformasikan kondisi masa mendatang, sehingga dapat digunakan untuk menganalisis suatu dampak pembangunan dimasa mendatang, berdasarkan informasi pembangunan saat ini.
Analisis data dengan Aplikasi Model DemProj dengan menyiapkan data hasil Sensus Penduduk 2010 dan menetapkan asumsi-asumsi termasuk asumsi TFR, asumsi-asumsi bidang ketenaga-kerjaan, PDB, kesehatan, pendidikan dan pertanian. Analisis ini dilakukan dengan membandingkan asumsi sekenario TFR dengan tiga asumsi. Asumsi yang pertama TFR rendah 1.94, asumsi kedua dengan TFR sedang 1.97 dan asumsi ketiga dengan TFR tinggi 2,2. Pada analisis ini mengabaikan data migrasi, sehingga pada proses input data, migrasi dianggap nol, untuk itu hasil proyeksi penduduk dan analisis pembahasan masalah terbatas pada pertumbuhan penduduk alami atau hanya berdasar pada fertilitas/kelahiran di Kabupaten Sleman.
Input data dalam Aplikasi Model DemProj, karena DemProj merupakan program dasar untuk melakukan proyeksi terhadap modul-modul lain, yang artinya untuk input ke dalam Aplikasi berikutnya harus mengisi Aplikasi Model DemProj terlebih dahulu. Tanpa Demproj, Aplikasi Model apapun tidak akan berfungsi termasuk Aplikasi RAPID. Pada aplikasi RAPID, asumsi-asumsi yang di input adalah asumsi berdasar trend data di masing-masing dinas/instansi.
I nput Aplikasi Model DemProj
4.1
4.1.1 Data yang diinput Aplikasi Model DemProj
Data yang di input dalam Aplikasi Model DemProj adalah populasi penduduk, umur dan jenis kelamin, sex ratio, Total Fertility Rate (TFR), ASFR, Life expectancy, Life Table di Kabupaten Sleman datanya sebagai berikut : 1.
a.
Jumlah populasi di Kabupaten Sleman
Tabel 4.1 Jumlah Populasi Penduduk Kabupaten Sleman
F irst Year Population Age
Male
Female
Jumlah
42,907
40,492
83,575
40,681
38,527
79,378
38,915
36,702
75,779
49,123
48,397
97,350
64,195
56,233
119,819
50,007
46,875
96,794
44,848
44,572
89,485
0-4
5-9
10-14
15-19
20-24
25-29
30-34
41,663
41,741
83,452
39,878
41,171
81,105
32,306
34,826
67,177
28,803
30,368
59,200
22,260
22,243
44,529
14,924
17,297
32,221
13,897
15,110
29,007
10,379
12,549
22,928
13,099
18,122
31221
547,885
545,225
1,093,110
35-39
40-44
45-49
50-54
55-59
60-64
65-69
70-74
75-79 80+
Total Sumber: SP 2010, BPS
1.
b. TFR ( Total Fertility Rate)
Tabel 4.2
Total Fertility Rate
Skenario Rendah
2010
1.94 TFR Sumber: berdasar trend Skenario Sedang
2010
1.97 TFR Sumber: Berdasar trend
Skenario Tinggi
2010
2,2 TFR Sumber: Berdasar trend 1.
c.
ASFR
Tabel 4.3 Tabel ASFR
ASFR
2010 Age 13 15-19 77 20-24 119 25-29 99 30-34 54 35-39 14 40-44 2 45-49 1887
Calculated TFR 1.89
Input TFR Sumber: SP 2010, BPS
1.
d. Sex Ratio Tabel 4.4 Tabel Sex Ratio
Sex Ratio at Bir th 2010 Asumsi 2035 105.96
105.96
Sex Ratio at Birth 1.
e.
Life Expectancy ( umur harapan hidup ) Tabel 4.5 Tabel Life Expectancy/Angka Harapan Hidup dan Tabel Kematian
Life Expectancy / Harapan Hidup 2010 Asumsi 2035 73
ale
75 76
Female
77
Sumber: SP 2010, BPS Model LifeTable/Kematian
2010
14 IMR Sumber: SP 2010, BPS 1. f. Migrasi dan Urbanisasi Pada analisis ini migrasi dan urbanisasi diabaikan dan diasumsikan 0. Analisis penulisan ini berdasar pertumbuhan penduduk alami atau berdasar fertilitas/kelahiran. 4.2.Analisis dan Pembahasan Aplikasi Model Demography Projection (DemProj)
Analisis DemProj berdasar pada Sensus Penduduk tahun 2010. Pada analisis ini, proyeksi penduduk diasumsikan dengan tiga sekenario TFR. TFR dengan skenario rendah 1,94, TFR dengan sekenario sedang 1,97 dan TFR dengan skenario tinggi 2,2. Hasil dari Aplikasi Model DemProj, yang di input dari data tersebut di atas menghasilkan gambar piramida penduduk, diagram batang dan table antara lain: Piramida Penduduk per kelompok umur tahun 2010 -2015 dan tahun 2010 – 2035, diagram batang penduduk ketergantungan/ child dependents, Tabel penduduk ketergantungan, Proyeksi penduduk/Total Population dan Tabel Proyeksi jumlah Penduduk. Untuk memudahkan analisis, dibuat tabel pertambahan per periode.
a. Diagram Batang Total Populasi / Proyeksi Penduduk
Hasil DemProj dengan sekenario TFR rendah (1,94), sedang (1,97) dan tinggi (2,2) hasilnya dapat ditunjukkan sebagai berikut : Grafik 4.1 Total Populasi / Proyeksi Penduduk Hasil Aplikasi Model DemProj ditunjukkan dalam diagram batang gambar 4.1, skenario TFR rendah ditunjukkan dengan warna merah, sedang ditunjukkan dengan warna biru, dan tinggi ditunjukkan dengan warna hijau, dari diagram tersebut dapat terlihat bahwa, tahun 2015 terjadi lonjakan penduduk, hal tersebut dilihat dengan melihat perbandingan diagram batang tahun 2010 hingga tahun 2035. Dari ketiga asumi TFR rendah, sedang dan tinggi, pertambahan jumlah penduduk proyeksi tahun 2015 dan 2020 sama. Jumlah penduduk pada kedua tahun tersebut diperkirakan, tahun 2015 berjumlah 1,15 juta jiwa dan 1,2 juta jiwa pada tahun 2020. Perbedaan interval jumlah penduduk yang selisihnya tertinggi ada pada tahun 2015. Pada tahun 2010 jumlah penduduk 1,09 juta jiwa. Tahun 2015 jumlah penduduknya diproyeksikan 1,15 juta jiwa, ada kenaikan sebanyak 0,06 disemua sekenario TFR rendah, sedang dan tinggi. Pada tahun 2020 proyeksi jumlah penduduk 1,2 juta jiwa, ada kenaikan sebanyak 0,05 dibanding tahun 2015. Tahun 2025 proyeksi penduduk sekenario rendah 1.23 juta ada selisih 0,03 dibanding proyeksi 2020 (1,2 juta jiwa). Pada skenario sedang proyeksi penduduk 2025 adalah 1,24 ada kenaikan kenaikan 0,04 dibanding proyeksi tahun 2020, pada skenario tinggi proyeksi penduduk berjumlah 1,25 ada kenaikan 0,05 dibanding proyeksi tahun 2020. Pada tahun 2030 proyeksi penduduk skenario rendah sebanyak 1,26, jika dibanding tahun 2025 (1,23 juta jiwa) ada kenaikan 0,03, proyeksi penduduk skenario sedang sebanyak 1,28, jika dibanding tahun ada kenaikan 0,04 dari 1,24 juta jiwa di tahun 2025. Proyeksi penduduk sekenario tinggi di tahun 2030 sebanyak 1,29 juta jiwa, jika dibanding tahun 2025 ada kenaikan 0,04 dari 1,25 juta jiwa di tahun 2025. Pada tahun 2035 proyeksi penduduk skenario rendah sebanyak 1,28 juta jiwa, jika dibanding tahun 2030 (1,26 juta jiwa) ada kenaikan 0,02, Jumlah proyeksi penduduk tahun 2035 skenario sedang sebanyak 1,30 juta jiwa, jika dibanding tahun 2030 ada kenaikan 0,02 dari 1,28 juta jiwa di tahun 2030, proyeksi penduduk skenario tinggi sebanyak 1,33 juta jiwa, jika dibanding tahun 2030 ada kenaikan 0,04 dari 1,29 juta jiwa di tahun 2030. Pada tahun 2015 ditemukan selisih proyeksi terbesar sebanyak 0,6 ada disemua skenario rendah, sedang maupun tinggi, artinya di tahun 2015 akan ada lonjakan penduduk. Analisis lain dari diagram batang ini adalah, bahwa pada tahun 2025, 2030 dan 2035 diagram batang pada tahun-tahun tersebut dengan asumsi sekenario TFR rendah, sedang dan tinggi, mulai ada perbedaan selisih proyeksi jumlah penduduk, dari ketiga asumsi TFR yang ditetapkan, pada TFR rendah pertumbuhan jumlah penduduk lebih kecil dibanding dua asumsi yang lain (TFR sedang dan TFR tinggi). Jumlah penduduk disemua sekenario TFR rendah, sedang dan tinggi selalu meningkat. Ketika laju pertumbuhan penduduk rendah pada ketiga asumsi TFR rendah, sedang dan tinggi, kelompok usia produktif 15-64 tahun lebih besar dari kelompok usia ketergantungan (dihitung dari tabel. buka spectrum). Pada kelompok umur produktif 20-24 tahun pada tahun 2010 sangat tinggi, diperkirakan lima tahun ke depan tahun 2015, kelompok usia ini sudah manjadi pasangan usia subur dan punya anak, sehingga diperkirakan akan ada kelahiran yang berkontribusi pada pertambahan jumlah penduduk, juga diperkirakan akan ada tambahan penduduk yang luar biasa banyaknya yang disumbang dari kelompok umur ini, jika selama kurun waktu masa reproduksi sehat, pasangan usia subur dari kelompok umur 20-24 ini tidak ber-KB tentu akan terjadi pertambahan penduduk yang pesat dan bahkan akan terjadi ledakan penduduk. b. Tabel Total Population / Proyeksi Jumlah Penduduk pada sekenario rendah, sedang, tinggi.
Hasil Aplikasi Model DemProj yang ditunjukkan dengan Tabel Population / Proyeksi Jumlah Penduduk pada sekenario rendah, sedang, tinggi. Tabel: 4.6
Total Population / Proyeksi Jumlah Penduduk pada Sekenario Rendah, Sedang, Tinggi. Jumlah penduduk pada tahun 2010, pada sekenario TFR rendah, sedang dan tinggi sama, tambahan jumlah penduduk per 5 tahun dari tahun 2010 hingga tahun 2035 terbanyak ada di tahun 2015, sehingga dapat diprediksikan tahun 2015 terjadi lonjakan penduduk. Jika tahun 2015 pengendalian jumlah penduduk tidak mendapat perhatian maka jumlah penduduk Kabupaten Sleman akan membumbung tinggi dan dimungkinkan terjadi ledakan penduduk. c. Tabel Pertambahan Total Populasi per Periode (dalam Jiwa )
Tabel 4.7 Pertambahan Total Populasi per Periode
TAHUN
2010
TFR RENDAH
TAMBAH
1.093.110
TFR SEDANG
1.093.110
53.876
2015
1.146.986
2025
1.149.217
1.200.767
1.234.266
55.622
1.204.839 43.807
1.244.574
26.416
56.107
52.641
38.186
TAMBAH
1.093.110
1.148.126
1.196.080
TFR TINGGI
55.016
49.094
2020
TAMBAH
48.816
1.253.655
33.578
40.065
2030
1.260.682
1.278.152
17.224
2035
1.277.906
1.293.720
25.643
1.303.795
33.194
1.326.914
Dari tabel 4.7 Tambahan Total Populasi per Periode, menunjukkan bahwa tambahan penduduk pada sekenario TFR rendah, sedang tinggi pada 2015 menunjukkan tambahan penduduk yang lebih banyak dibandingkan periodedan –periode yang tahun lain, berarti pada tahun 2015 dimungkinkan ada lonjakan penduduk, untuk itu antisipasi lonjakan penduduk tersebut perlu diwaspadai di semua aspek pembangunan. d.Piramida Penduduk per Kelompok Umur Tahun 2010 – 2015
Gambar 4.2 Piramida Penduduk Penduduk per Kelompok Umur Tahun 2010 – 2015 Dari gambar 4.1 piramida penduduk tahun 2010 dan tahun 2015, nampak bahwa bayi dan balita usia 0-4 tahun pada tahun 2010 dan 2015 lebih banyak dari usia anak sekolah SD dan SMP atau remaja atau usia 5 – 14 tahun atau dapat dikatakan bahwa angka kelahiran masih tinggi. Disisi lain, di tahun 2010 dan tahun 2015, angka usia produktif 20 -24 tahun, 24 – 29 tahun sangat tinggi. e.Piramida Penduduk per Kelompok Umur Tahun 2010 – 2035
Gambar 4.3 Piramida Penduduk Penduduk per Kelompok Umur Tahun 2010 – 2035 Dari gambar 4.2 piramida penduduk tahun 2010 dan tahun 2035, nampak bahwa bayi dan balita usia 0-4 tahun pada tahun 2035 semakin berkurang, usia bayi dan balita sama dengan anak sekolah SD dan anak usia SMP remaja usia 10 – 14 tahun meningkat. Atau dapat dikatakan bahwa angka kelahiran masihh tinggi, lebih tinggi dari tahun sebelumnya, yang artinya angka kelahiran masih harus dikendalikan. f. Child Dependents/ Penduduk Ketergantungan
Gambar 4. 4
Child Dependents / Penduduk Ketergantungan Pada diagram batang penduduk ketergantungan ( Child Dependents) yang ditunjukkan pada gambar 4.4. Pada sekenario TFR rendah, jumlah penduduk usia ketergantungan semakin rendah, penduduk usia ketergantungan adalah penduduk usia 14 tahun kebawah (penduduk usia muda) dan 65 tahun ke atas (penduduk usia tua). Kondisi tersebut ditunjukkan oleh gambar 4.4. g. Tabel Angka Ketergantungan (Anak di bawah 14 tahun), pada sekenario rendah, sedang, tinggi.
Tabel 4.8 Angka Ketergantungan (Anak di bawah 14 tahun), Pada Sekenario Rendah, Sedang, Tinggi. Pertambahan jumlah usia ketergantungan (anak di bawah 14 tahun ke bawah) teringgi pada sekenario TFR rendah ada pada tahun 2020, sekenario TFR sedang ada di tahun 2025 dan sekenario TFR tinggi ada di tahun 2025 sama dengan sekenario TFR sedang. Jumlah usia ketergantungan ini, diberbagai sekenario TFR akan berangsur-angsur menurun hingga tahun 2035. 4.3. Data yang diinput Aplikasi Model RAPID
Setelah Aplikasi Model DemProj ter input, apliksi dilanjudkan pada penginputan Aplikasi Model Rapid, seperti uraian pada Bab III maka dalam Aplikasi Model RAPID data yang di input adalah data bidang Ekonomi, Kesehatan, Pendidikan dan Pertanian. A. Bidang Ekonomi
Yang di input adalah data Indikator Ketenaga-kerjaan, trens Pendapatan Domestik Brutto, Indikator Penduduk dan Jumlah penduduk. Tabel 4.9 Data Bidang Ekonomi
NO
URAIAN
1
Tingkat partisipasi angkatan kerja laki-laki 10 -14 th
2
Tingkat partisipasi angkatan kerja laki-laki 15 – 64 th
3
Tingkat partisipasi angkatan kerja perempuan 10 -14 th
TH 2008
Tingkat partisipasi 4
angkatan kerja perempuan 15 – 64 th
5
Produk Domestik B Brutto tahun dasar (atas harga berlaku)
6
Angka laju Pertumbuhan Tahunan GDP (Atas Haega yg Berlaku )
2009
2010
Asumsi 2035
0.00
0.00
0
68.10
71.56
75
0.00
0.00
0
51.15
53.67
55
11,446,071 12,503,760 13,611,725 12,500,000
5.13
Sumber data : Bappeda Kabupaten Sleman
4.48
4.49
4.6
A.1. Analisis dan pembahasan Rapid bidang ekonomi adalah :
Masalah yang paling penting pada bidang ekonomi adalah berkaitan dengan lapangan pekerjaan, ketenagakerjaan dan peningkatan Produk Domestik Brutto. Hasil RAPID dari bidang ekonomi keluarannya antara lain berupa diagram batang, garis dan tabel tentang perkiraan jumlah tenaga kerja, jumlah pekerja baru yang dibutuhkan, perkiraan peningkatan Produk Domestik Bruto di masa mendatang. Hasil Rapid bidang ekonomi tentang perkiraan jumlah angkatan kerja, ditunjukkan dalam diagram batang dan tabel.
A.1.1. Perkiraan jumlah angkatan kerja
a. Diagram batang Labour Force / Perkiraan Angkatan Kerja Grafik 4.5
Labour Force / Perkiraan Angkatan Kerja b. Tabel Perkiraan Jumlah Angkatan Kerja pada skenario rendah, sedang, tinggi. Tabel 4.10 Perkiraan Jumlah Angkatan Kerja pada Skenario TFR Rendah, TFR Sedang,TFR Tinggi Tabel.4.11. Tabel Pertambahan Perkiraan Jumlah Angkatan Kerja skenario TFR Rendang, Sedang dan Tinggi ( dalam ribuan )
Tahun
TFR RENDAH
2010
483,60
TAMBAH
TFR SEDANG
483,60
26,08
2015
TAMBAH
509,68
TAMBAH
483,60
26,11
509,71
21,55
TFR TINGGI
26,11
509,71
21,63
21,63
2020
531,23
531,34
16,45
2025
547,68
16,58
547,92
16,58
2030
564,26
572,19
16,58
547,92
17,40
565,32
7,93
2035
531,34
18,10
566,02
10,14
575,46
12,09
578,11
Dari diagram batang perkiraan angkatan kerja yang ditunjukkan gambar 4.5 tabel 4.10, tabel 4.11 tentang perkiraan jumlah tenaga kerja dan tabel pertambahan, pada sekenario TFR rendah, sedang, dan tinggi, setiap tahun perkiraan jumlah angkatan kerja selalu meningkat yang ditunjukkan dalam periode 5 tahunan. Peningkatan jumlah angkatan kerja paling banyak ada pada tahun 2015, dan pada penetapan asumsi TFR tinggi jumlah angkatan kerja lebih banyak dibanding pada TFR sedang dan rendah. Tantangan Pemerintah Kabupaten Sleman di tahun 2015 semakin berat karena harus mampu menambah lapangan pekerja yang lebih banyak. Apabila pertumbuhan penduduk tidak ditekan, maka jumlah angkatan kerja di masa mendatang menjadi lebih besar dan diperlukan lebih banyak sumber daya, untuk menyediakan lapangan kerja. Sehingga sumber daya akan lebih banyak terserap untuk penyelesaian penyediaan kesempatan kerja dan kurang terfokus pada peningkatan kualitas tenaga kerja. Penduduk dan pembangunan ekonomi mempunyai hubungan yang sangat komplek. Pertambahan penduduk akan meningkatkan pertumbuhan ekonomi, jika kualitas penduduk cukup bermutu, dan penduduk akan menjadi beban perekonomian jika kualitas penduduk masih rendah . A.1.2. Perkiraan Jumlah Lapangan Kerja Yang Dibutuhkan
a. Diagram batang Jumlah Lapangan Kerja Yang Dibutuhkan Grafik 4.6
News Jobs Required / Lapangan Kerja Yang Dibutuhkan Dari diagram batang Lapangan Kerja yang dibutuhkan, lapangan kerja semakin tahun semakin berkurang. b. Tabel Perkiraan Jumlah Lapangan Kerja pada sekenario rendah, sedang, tinggi. Tabel 4.12 Perkiraan Jumlah Lapangan Kerja Dibutuhkan
Pada Sekenario TFR Rendah, TFR Sedang,TFR Tinggi Tabel : 4.13 Pertambahan Perkiraan Lapangan Kerja, Sekenario TFR Rendah, Sedang dan Tinggi ( dalam ribuan )
Tahun
TFR RENDAH
2010
6,10
TAMBAH
TFR SEDANG
TAMBAH TFR TINGGI TAMBAH
6,10
6,10
-1,53
2015
4.57
-1,51
4.59
-7,5
2020
3,82
3,84
3,57
0,93
-1,8
3,66
-8,9
271
-1,41
2035
3,84
3,60
2,36
-7,5
-2,4
-1,21
2030
4.59
-7,5
-2,5
2025
-1,51
-7,1
295
-1,3
141
-9,8
197
Dari diagram batang News Jobs Required/Perkiraan Lapangan Kerja yang dibutuhkan, ditunjukkan dalam gambar 4.6 dan tabel 4.12 di atas tentang Perkiraan lapangan kerja yang dibutuhkan pada sekenario TFR rendah, sedang dan tinggi, menunjukkan bahwa lapangan kerja jumlahnya semakin kecil, lapangan kerja yang dibutuhkan oleh Pemerintah untuk pemenuhan penduduk dari periode ke periode semakin banyak. Kebutuhan lapangan kerja pada tahun 2015 pada asumsi TFR rendah, sedang dan tinggi sama di setiap periodenya, mulai tahun 2020, 2025, 2030 dan 2035 jumlah kebutuhan lapangan kerja yang dibutuhkan semakin bertambah, peluang memperbanyak lapangan kerja semakin kecil, dan kebutuhan jumlah lapangan kerja pada TFR tinggi semakin banyak. Fakta yang ada di Kabupaten Sleman menunjukkan bahwa pertambahan jumlah penduduk
lebih cepat dibandingkan pertumbuhan lapangan kerja. TFR Kabupaten Sleman pada tahun 2010 adalah 1,97, berarti kelahiran setiap hari 20 bayi, sedang tambahan lapangan kerja tidak sebanding dengan tambahnya penduduk. Lapangan kerja di Kabupaten Sleman masih didominasi oleh sektor pertanian. Ironisnya setiap tahun lapangan pekerjaan di sektor pertanian berangsur-angsur berkurang. Hal ini terjadi karena tumbuhnya gedung-gedung baru, kampus, perumahan elit seperti Case Grande, Hyatt Regensi, Grand Cupuwatu, Sun Garden, yang tumbuh di lahan pertanian, sehingga mendorong perubahan mata pencaharian penduduk dari sektor pertanian ke sektor jasa. Meskipun ada peralihan mata pencaharian dari sektor pertanian ke sektor jasa, tidak semua penduduk yang kehilangan mata pencaharian di sektor pertanian tertampung di sektor jasa atau mendapat ganti pekerjaan baru. Padahal usaha jasa yang berkembang pesat di wilayah kampus dan perumahan bukan usaha dari penduduk setempat, melainkan usaha penduduk yang berasal dari luar Kabupaten Sleman, fenomena ini berdampak pada bertambahnya pengangguran di Kabupaten Sleman . A.1.3. Produk Domestik Bruto (PDB)
a. Diagram Batang PDB Perkapita. Grafik 4.7
G D P Percapita / PDB Perkapita Diagram batang GDP perkapita yang ditunjukkan oleh gambar 4.7, warna merah mewakili GDP perkapita untuk TFR rendah, warna biru mewakili GDP perkapita TFR sedang, warna hijau mewakili TFR warna hijau, dari gambar tersebut tampak bahwa perkembangan GDP perkapita dari periode ke periode meningkat dengan jelas, dan jika dibandingkan GDP perkapita dari 3 sekenario TFR, maka GDP perkapita akan lebih baik pada TFR rendah, pada gambar 4.7 ditunjukkan bahwa TFR rendah akan diperoleh GDP perkapita lebih tinggi dari kondisi TFR sedang dan tinggi. b. Tabel Perkiraan Penerimaan PDB (Produk Domestik Bruto) / GDP perkapita
Tabel 4.14 Perkiraan Penerimaan PDB ( Produk Domestik Bruto )/ GDP Perkapita Dari diagram batang GDP perkapita gambar 4.7 dan Tabel 4.14 tentang perkiraan GDP perkapita, menunjukkan bahwa dalam 3 sekenario TFR, sekenario ketiga TFR menunjukkan bahwa GDP dari periode ke periode semakin meningkat. c. Tabel Pertambahan Perkiraan Penerimaan PDB (dalam juta rupiah) Tabel 4.15 Pertambahan Perkiraan Penerimaan PDB Perkapita (dalam jutaan rupiah)
TFR TAHUN RENDAH
2010
TAMBAH
12.45
TFR SEDANG
12.45
2.34
2015
14.79
2025
32.34
3.51
21.07
4.61
25.84
6.14
2035
17.56
21.23
26.2
2.8
3.61
4.79
2030
14.76
17.62
21.41
2.31
2.85
3.72
TAMBAH
12.45
14.77
17.69
TFR TINGGI
2.32
2.9
2020
TAMBAH
4.46
25.53
5.86
31.7
5.62
31.15
Jika dibandingkan pertambahan GDP perkapita, di semua sekenario TFR rendah, sedang dan tinggi, dari periode ke periode selalu meningkat. Pertambahan terbesar ada pada sekenario TFR rendah di tahun 2035, di mana jumlah penduduk sudah dapat dikendalikan, dimungkinkan pada tahun tersebut akan meraih The Window of oportunity (demography deviden) atau Pendapatan perkapita semakin naik pertumbuhan penduduk semakin sedikit, kesejahteraan meningkat. B. Bidang Kesehatan
Analisis hasil RAPID dari bidang Kesehatan terfokus pada proyeksi sumber daya yang harus ditingkatkan untuk mencapai target pelayanan kesehatan dikaitkan dengan laju pertambahan penduduk. Analisisnya antara lain ditunjukkan dengan diagram batang, penduduk resiko tinggi, kebutuhan dokter, kebutuhan rumah sakit. Yang di input adalah data Indikator Tenaga Kesehatan, Indikator Penduduk, Indikator Pelayanan Kesehatan. Tabel 4.16 Data Bidang Kesehatan
No
Tahun 2008
Uraian
Tahun 2009
Tahun 2010
Asumsi 2035
1
Jumlah Dokter
764
798
856
980
2
Jumlah Perawat
1,276
1,352
1,389
1500
3
Jumlah Puskesmas
25
25
25
25
4
Jumlah Rumah Sakit
21
21
20
21
5
Jumlah Tempat Tidur Rumah Sakit
2,786
2,786
2,786
2886
6
Jumlah Penduduk
1
Ratio Jumlah Penduduk Per Jumlah Dokter
1,431
1,337
1,277
1,297
2
Ratio Jumlah Penduduk Per Jumlah Perawat
857
789
787
848
3
Ratio Jumlah Penduduk Per Jumlah Puskesmas
43,724
25
43,724
50,859
4
Ratio Jumlah Penduduk Per Jumlah Rumah Sakit
52,053
50,794
54,656
60,547
392
383
392
441
0
0
0
1,066,673 1,093,110 1,271,480
Ratio Jumlah Penduduk Per 5
Jumlah Tempat Tidur
6
Pengeluaran Per Tahun Utk Kesehatan Per Penduduk
Sumber : Dinas Kesehatan Kabupaten Sleman B.1. Analisis dan pembahasan Rapid bidang Kesehatan adalah :
Masalah yang paling penting pada bidang Kesehatan adalah berkaitan dengan penduduk berisiko, jumlah kebutuhan dokter/tenaga kesehatan dan kebutuhan Rumah Sakit. Hasil RAPID dari bidang kesehatan keluarannya antara lain berupa diagram batang dan tabel. Hasil Rapid bidang kesehatan antara lain tentang perkiraan penduduk berisiko ditunjukkan dalam diagram batang gambar 4.8 dan tabel 4.16. B.1.1. Perkiraan Penduduk Berisiko
a. Diagram batang penduduk berisiko Grafik 4.8
Population at High Health / Perkiraan Penduduk Beresiko Pada tahun 2015, hasil proyeksi penduduk di Kabupaten Sleman akan terjadi lonjakan, hal ini akan terjadi perkiraan penduduk berisiko. Grafik 4.8 menunjukkan bahwa tahun 2015 juga terjadi lonjakan penduduk yang mempunyai resiko kesehatan, karena jumlah bayi, balita dan wanita usia produktif antara 15-49 tahun tersebut juga melonjak dibanding proyeksi tahun–tahun berikutnya.
Pada periode berikutnya tahun 2020, 2025, 2030 dan 2035 berangsur-angsur terjadi penurunan penduduk yang mempunyai risiko kesehatan yang semakin kecil. Pada penetapan asumsi TFR rendah, penduduk yang mempunyai risiko kesehatan semakin sedikit, demikian sebaliknya. b. Tabel Perkiraan Penduduk Beresiko Tinggi , pada sekenario rendah, sedang, tinggi. Tabel 4.17 Perkiraan Penduduk Beresiko , Pada Sekenario TFR Rendah, Sedang Dan Tinggi . Tabel 4.18 Pertambahan Perkiraan Penduduk Beresiko (dalam ribuan )
TAHUN
TFR RENDAH
2010
397,21
TAMBAHAN
TFR SEDANG
397,21
7,17
2015
404,38
2025
375,18
(-4,94)
400,53
(-6,23)
389,28
(-6,93)
2035
405,47
395,51
382,11
(-1,05)
(-6,98)
(-8,15)
2030
406,52
402,49
390,26
9,31
(-2,94)
(-8,92)
(-4,22)
396,31
(-3,94)
385,34
TAMBAHAN
397,21
405,43
399,18
TFR TINGGI
8,22
(-5,20)
2020
TAMBAHAN
(-1,42)
394,89
Pada tabel 4.17 dan 4.18, tentang perkiraan penduduk berisiko tinggi, pada skenario rendah, sedang, tinggi, menunjukkan bahwa baik skenario TFR rendah, sedang, dan tinggi peningkatan penduduk berisiko tentang kesehatan sangat tinggi pada tahun 2015, seiring dengan proyeksi penduduk di tahun 2015 Kabupaten Sleman ada lonjakan penduduk, serta pertambahannya berkisar antara 7170 sampai 9310, dibandingkan pertambahan penduduk berisiko tentang kesehatan pada periode-periode selanjutnya. C. Bidang Pendidikan
Analisis hasil RAPID Bidang Pendidikan, dirancang berdasarkan asumsi, bahwa untuk mencapai sasaran pembangunan nasional diperlukan peningkatan sumber daya pendidikan yang lebih besar ketika laju pertambahan penduduk semakin meningkat. Sasaran-sasaran tersebut akan lebih mudah dicapai jika angka laju pertumbuhan penduduk dapat ditekan menjadi lebih rendah. Bidang pendidikan yang menjadi urusan wajib daerah adalah wajib belajar sembilan tahun, yaitu pendidikan SD dan SLTP, sehingga pada analisis ini ruang lingkup pada penelitian ini adalah pendidikan SD dan SLTP di Kabupaten Sleman. Pada analisis ini yang di input adalah data usia rata-rata murid masuk sekolah SD Jumlah tahun belajar di SD;Tingkat Partisipasi SD; Rasio murid SD terhadap jumlah Guru SD, Rasio murid SD terhadap jumlah SD, usia rata-rata murid masuk SMP, jumlah tahun belajar di SMP, tingkat partisipasi SMP; Rasio murid SMP terhadap jumlah Guru SMP, Rasio murid SMP terhadap j umlah Guru SMP, Rasio murid SMP terhadap jumlah SMP. Sedangkan total pengeluaran rata-rata rutin per murid SD dan SMP diabaikan. Tabel 4.19 Bidang Pendidikan
Tahun No
Uraian
1
Usia rata-rata murid masuk sekolah SD
2
Jumlah tahun belajar di SD
3
Tingkat Partisipasi SD
4
Rasio murid SD terhadap umlah Guru SD
L
6.4
P
6.3
2008
Tahun 2009
Tahun 2010
Asumsi Th 2035
6.3
6.3
6.3
63
6.0
6.0
6.0
6.0
117.69 115.22 115.54 111.20 116.50 128.49
15
14
14
10
168
171
172
100
12.6
12.6
12.6
12.6
3
3
3
3
Rasio murid SD terhadap 5
umlah SD
6
total pengeluaran ratarata rutin per murid SD
7
Usia rata-rata murid masuk sekolah SD
8
Jml tahun belajar di SD
9
Tingkat Partisipasi SD
12.7
12.4
115.45 113.30 114.28 112.05 114.39 115.85
10
Rasio murid SD terhadap umlah Guru SD
12
12
12
12
11
Rasio murid SD terhadap umlah SD
319
328
325
325
12
total pengeluaran ratarata rutin per murid SD
Sumber : Dinas Pendidikan Kabupaten Sleman
C.1. Analisis dan pembahasan Rapid bidang Pendidikan
Masalah yang paling penting pada bidang pendidikan adalah berkaitan dengan jumlah siswa SD dan SMP, Jumlah guru SD dan SMP serta jumlah sekolah SD dan SMP. Hasil RAPID dari bidang pendidikan keluarannya antara lain berupa diagram batang dan tabel. Hasil Rapid bidang pendidikan antara lain tentang Perkiraan Jumlah Murid SD, Perkiraan Kebutuhan Guru SD, Kebutuhan Sekolah Dasar, Perkiraan Jumlah Murid SMP, Perkiraan Kebutuhan Sekolah Menengah/SMP, ditunjukkan dalam diagram batang dan tabel. C.1.1. Sekolah Dasar ( SD )
a. Jumlah Siswa a.1. Diagram Batang Perkiraan Jumlah Murid SD Grafik 4.9.
Primary Student / Perkiraan Jumlah Murid SD a.2. Tabel Perkiraan jumlah murid SD Tabel 4.20 Perkiraan Jumlah Murid SD Dari keluaran Rapid bidang pendidikan berupa diagram batang gambar 4.11, perkiraan jumlah murid SD dan tabel 4.19, perkiraan Jumlah murid SD, meskipun hasil dari diagram batang dan tabel ada perbedaan, tetapi perbedaannya sangat tipis dan masih dalam batas toleransi. Dari diagram batang pada gambar 4.11 di atas, dapat dibuat tabel 4.20, perkiraan tambahan jumlah siswa SD per periode, untuk memudahkan analisis.
a.3. Perkiraan Jumlah Siswa SD ( Ribuan ) Tabel 4.21 Pertambahan Perkiraan Jumlah Murid SD per periode
TAHUN
TFR RENDAH
TAMBAH
TFR SEDANG
TAMBAH
TFR TINGGI
TAMBAH
2010
107,65
107,65
9,87
2015
117,52
9,87
117,52
9,74
2020
127,26
139,81
133,07
117,22
10,83
-3,13
-9,00
2035
128,98
136,20
126,22
11,46
8,05
-6,25
2030
117,52
128,15
132,47
9,87
10,63
5,21
2025
107,65
-6
139,75
-6,43
126,64
-3,78
135,97
Dari gambar diagram batang Jumlah murid SD dan tabel 4.20 di atas, pada kondisi TFR rendah, pada tahun 2015 akan terjadi lonjakan murid SD,dan selanjutnya berangsur-angsur menurun pertambahan bahkan pertambahannya menjadi negatif, pada tahun 2030 dan 2035. Kondisi peningkatan jumlah murid SD di tahun 2015, ada hubungannya dengan banyaknya usia kelompok umur 20-24 di tahun 2010, yang diperkirakan menikah di periode berikutnya dan mempunyai anak, yang berkontribusi pada meningkatnya jumlah murid SD. Pada TFR sedang dan TFR tinggi lonjakan siswa SD ada di tahun 2020 dan tambahannya menjadi berkurang pada tahun 2025 dan bertambah negatif pada tahun 2030 dan 2035. C.1.2. Sekolah Menengah Pertama ( SMP ) a. Jumlah Siswa SMP a.1. Diagram Batang Perkiraan Jumlah Siswa Grafik 4.10
Secondary Student
Perkiraan Jumlah Murid Sekolah Menengah /SMP Ada penurunan jumlah anak sekolah di tahun 2015, diperkirakan pada tahun ini sudah terjadi putus sekolah. Pada tahun 2020 jumlah anak sekolah kembali meningkat, dan pertumbuhannya kembali berkurang di tahun 2035. a.2. Tabel Perkiraan Jumlah Murid SMP Tabel 4.22 Perkiraan Jumlah Murid SMP Tabel 4.23 Pertambahan Perkiraan Jumlah Murid SMP Per Periode
TAHUN
TFR RENDAH
2010
55,90
TAMBAHAN
TFR SEDANG
TAMBAHAN TFR TINGGI TAMBAHAN
55,90
55,90
-3,52
2015
52,38
-3,52
52,38
4,37
2020
56,75
56,75
60,10
58,48
3,77
60,52
3,52
63,83
-3,69
2035
56,75
60,31
62,17
4,37
3,56
2,07
2030
52,38
4,37
3,35
2025
-3,52
4,82
65,34
-2,36
61,47
-0,83
64,51
Dari Tabel 4.24 tentang perkiraan jumlah murid SMP, disemua periode pada TFR rendah, sedang dan tinggi, pada tahun 2015 jumlah siswa mulai menurun, berarti di tahun 2015 dimungkinkan sudah ada anak SMP yang putus sekolah. Hal lain dimungkinkan adanya penurunan jumlah anak sekolah menengah pada tahun 2020 diperkirakan adanya dampak menurunnya angka ketergantungan satu dekade sebelumnya. D. Bidang Pertanian
Analisis hasil RAPID dari Bidang Pertanian, memproyeksikan luas tanah subur yang diperlukan untuk bercocok tanam per tahun, permintaan serta persediaan atas bahan pangan tertentu di masa yang akan datang. Hal tersebut untuk menggambarkan kebutuhan akan bahan pangan tertentu yang diakibatkan oleh laju pertumbuhan penduduk yang tinggi. Yang diinput pada Aplikasi Model RAPID bidang pertanian adalah luas lahan tanah potensial untuk penanaman bahan pangan pokok (hektar) dalam hal ini adalah luas lahan tanah potensial untuk penanaman padi. Produksi bahan pangan pokok pada tahun dasar (ton) dalam hal ini adalah produksi padi pada tahun dasar. Laju pertumbuhan tahunan produksi bahan pangan pokok (%) dalam hal ini adalah laju pertumbuhan tahunan produksi padi. Konsumsi tahunan bahan pangan pokok per penduduk (kilogram) dalam hal ini adalah konsumsi tahunan beras per penduduk per tahun. Tabel 4.24 Data Bidang Pertanian
No
Uraian
Asumsi Th 2008 Th 2009 Th 2010 Th 2035
1
luas lahantanah potensial untuk penanaman bahan pangan pokok (hektar) dalam hal ini adalah luas lahan tanah potensial untuk penanaman padi.
23,005
22,914
22,819
20,494
2
Produksi bahan pangan pokok pada tahun dasar (ton) dalam hal ini adalah produksi padi pada tahun dasar.
268,928
269,404
266,073
267,073
3
Laju pertumbuhan tahunan produksi bahan pangan pokok (%) dalam hal ini adalah laju pertumbuhan tahunan produksi padi.
0,18
-1,24
-1,5
63,70
63,70
Konsumsi tahunan bahan pangan
4
pokok per penduduk kilogram) dalam hal ini adalah konsumsi tahunan beras per penduduk per tahun.
Sumber : Dinas Pertanian dan Kehutanan Kabupaten Sleman. D.1. Analisis dan pembahasan Rapid Bidang Pertanian
Masalah yang paling penting pada bidang pertanian adalah berkaitan dengan memproyeksikan luas tanah subur, Produksi Bahan Pokok, permintaan serta persediaan atas bahan pangan tertentu di masa yang akan datang. Hasil RAPID dari bidang pertanian, keluarannya antara lain berupa diagram batang, garis dan tabel.
Hasil Rapid bidang pertanian antara lain tentang Perkiraan Kebutuhan Produksi Bahan Pokok, Perkiraan Kebutuhan Konsumsi danPerkiraan Lahan perkapita. Hasil tersebut ditunjukkan dalam diagram batang dan tabel. a. Perkiraan Produksi Bahan Pokok
a.1. Diagram batang Perkiraan Kebutuhan Produksi Bahan Pokok Grafik 4.11
Production of Mayor Corp /Perkiraan Kebutuhan Produksi Bahan Pokok Pada gambar 4.11 Produksi Bahan Pangan, ditunjukkan bahwa pertumbuhan penduduk dari ketiga asumsi TFR rendah, sedang dan tinggi, ketiganya berpengaruh pada menurunnya tingkat produksi bahan pokok. a.2. Tabel Perkiraan Kebutuhan Produksi Bahan Pokok Tabel 4.25 Perkiraan Pemenuhan Kebutuhan Produksi Bahan Pokok/Pangan Tabel 4.26 Pertambahan Perkiraan Pemenuhan Kebutuhan Produksi Bahan Pokok Skenario TFR Rendah, TFR Sedang, TFR Tinggi ( dalam ribuan )
TAHUN
TFR RENDAH
2010
266,07
TAMBAHAN
TFR SEDANG
TFR TAMBAHAN TINGGI TAMBAHAN
266,07 266,07 -16,34
2015
249,73
-16,34
-16,34
249,73 249,73 -15,94
2020
233,79
-15,94
-15,94
233,79 233,79 -15,51
-15,51
-15,51
2025
218,28
218,28 218,28 -15,07
2030
203,21
-15,07
-15,07
203,21 203,21 -14,50
2035
188,71
-14,50
-14,50
188,71 188,71
Dari tabel perkiraan pemenuhan kebutuhan produksi bahan pokok, disemua skenario TFR rendah, sedang dan tinggi, dari periode ke periode semakin sedikit, kemampuan untuk memproduksi semakin menurun, berlawanan dengan proyeksi penduduk. b. Perkiraan Kebutuhan Konsumsi Bahan Pokok
b.1. Diagram Batang Perkiraan Kebutuhan Konsumsi Bahan Pokok/Pangan Diagram Batang Perkiraan Kebutuhan Konsumsi Bahan Pokok Grafik 4.12
Consumtion of Mayor Corp / Perkiraan Kebutuhan Konsumsi Bahan Pokok Pada gambar 4.12 adalah diagram Konsumsi Bahan Pokok. Diagram konsumsi Bahan Pokok ini berbanding terbalik dengan diagram Produksi Bahan Pangan. TFR semakin tinggi, pertumbuhan penduduk semakin banyak dan konsumsi bahan pangan semakin besar. a.2.Tabel Perkiraan Kebutuhan Konsumsi Bahan Pokok/ Pangan Tabel 4.27 Tabel Perkiraan Kebutuhan Konsumsi Bahan Pokok/ Pangan Tabel 4.28 Pertambahan Perkiraan Kebutuhan Konsumsi Bahan Pokok/Pangan Sekenario TFR Rendah, TFR Sedang, TFR Tinggi ( dalam ribuan )
Tahun
TFR RENDAH
2010
69,63
TAMBAH
TFR SEDANG
TAMBAH
69,63
3,43
2015
73,06
73,14
76,19
2025
79,86
81,42
80,40
3,11
2,14
0,9
2035
76,75
79,28
80,31
3,54
2,79
1,96
2030
73,21
76,49
78,62
3,58
3,35
2,43
2,55
82,41
1,63
83,05
TAMBAH
69,63
3,51
3,13
2020
TFR TINGGI
2,11
84,52
Dari periode ke periode kebutuhan konsumsi bahan pokok/pangan semakin meningkat sejalan dengan bertambahnya jumlah penduduk. c. Perkiraan Lahan Perkapita
a.1. Diagram Batang Perkiraan Lahan Pertanian Perkapita Diagram Batang Perkiraan Lahan Pertanian Perkapita Grafik 4.19
Arable Land Percapita /Perkiraan Lahan Pertanian perkapita
Luas area subur yang menopang masing-masing orang (keluarga) akan berkurang di masa mendatang, karena penduduk terus bertambah sedang lahan subur tetap, atau tidak bertambah bahkan berkurang. Hal ini ditunjukkan dalam gambar 4.19. Pada proyeksi bidang pertanian, angka TFR semakin tinggi berpengaruh pada meningkatnya pertumbuhan jumlah penduduk, dan berbanding terbalik dengan proyeksi bidang pertanian. Perluasan lahan pertanian bisa terjadi jika ada sentuhan teknologi bidang pertanian, Untuk mampu memberikan sentuhan teknologi dibidang pertanian perlu didukung oleh SDM yang handal. a.2.Tabel Perkiraan Lahan Pertanian Perkapita Tabel 4.29 Tabel Perkiraan Lahan Pertanian Per Kapita Tabel 4.30 Pertambahan Perkiraan Lahan Pertanian per Kapita
TAHUN
TFR RENAH
2010
20,88
TAMBAH
TFR SEDANG
20,88
-1,39
2015
19,49
2025
16,63
-1,28
18,17
-1,02
17,21
-0,73
2030
19,45
18,23
17,36
-1,43
-1,24
-0,94
-1,08
17,09
-0,81
16,40
TAMBAH
20,88
19,47
18,30
TFR TINGGI
-1,41
-1,19
2020
TAMBAH
-0,89
16,20
-0,59
2035
16,04
-0,68
15,72
-0,76
15,44
Dari tabel 4.30 perkiraan lahan perkapita akan semakin berkurang dari periode ke periode untuk semua sekenario TFR rendah, sedang dan tinggi, besar pengurangannya ditunjukkan oleh. MATRIK ANALISIS PROYEKSI PENDUDUK TERHADAP DAMPAK KEPENDUDUKAN PADA TFR RENDAH DI KABUPATEN SLEMAN
2010 N0
Tambah
2015
Tambah
2020
MASALAH KEPENDUDUKAN
1
1,093,110
53,876
1,146,986
49,094
1,196,08
483,60
26,08
509,68
21,55
531,2
6,10
-1,53
4.57
-7,5
3,8
12,45
2,34
14,79
2,9
17,6
397,21
7,17
404,38
(-5,20)
399,1
107,65
9,87
117,52
9,74
127,2
55,90
-3,52
52,38
4,37
56,7
266,07
-16,34
249,73
-15,94
233,7
69,63
3,43
73,06
3,13
76,1
20,88
-1,39
19,49
-1,19
18,3
PERTAMBAHAN TOTAL POPULASI ( jiwa) 2 PERTAMBAHAN PERKIRAAN JML ANGKATAN KERJA ( dalam ribuan ) 3
4
5
6
7
8
9
10
PERTAMBAHAN PERKIRAAN LAPANGAN KERJA ( dalam ribuan ) PERTAMBAHAN PERKIRAAN PENERIMAAN PDB PERKAPITA ( jutaan rupiah ) PERTAMBAHAN PENDUDUK BERESIKO KESEHATAN ( dalam ribuan ) PERTAMBAHAN PER ANAK SEKOLAH SD ( dalam ribuan ) PERTAMBAHAN PER ANAK SEKOLAH SMP ( dalam ribuan ) PERTAMBAHAN KEBUTUHAN PRODUKSI PANGAN ( dalam jutaan ) PERTAMBAHAN KEBUTUHAN KONSUMSI BAHAN POKOK ( dalam ribuan ) PERTAMBAHAN JUMLAH LAHAN PERTANIAN ( HA dalam ribuan )
MATRIK ANALISIS PROYEKSI PENDUDUK TERHADAP DAMPAK KEPENDUDUKAN
PADA TFR SEDANG DI KABUPATEN SLEMAN
TAHUN
N0
MASALAH KEPENDUDUKAN
2010
1
2015
2020
1,093,110
55,016
1,148,126
52,641
1,200,767
43,807
483,60
26,11
509,71
21,63
531,34
16,58
6,10
1,51
4.59
7,5
3,84
2,4
12,45
2,32
14,77
2,85
17,62
3,61
397,21
8,22
405,43
(-2,94)
402,49
(-6,98)
107,65
9,87
117,52
10,63
128,15
8,05
55,90
-3,52
52,38
4.37
56,75
3,56
266,07
-16,34
249,73
-15,94
233,79
-15,51
69,63
3,51
73,14
3,35
76,49
2,79
20,88
-1,41
19,47
-1,24
18,23
-1,02
Pertambahan Total Populasi 2 Pertambahan Perkiraan Jml Angkatan Kerja 3 Pertambahan Perkiraan Lapangan Kerja 4 Pertambahan Perkiraan Penerimaan Pdb Perkapita 5 Pertambahan Penduduk Beresiko Kesehatan 6 Pertambahan Per Anak Sekolah Sd 7
Pertambahan Per Anak Sekolah Smp
8 Pertambahan Kebutuhan Produksi Pangan 9 Pertambahan Kebutuhan Konsumsi Bahan Pokok 10 Pertambahan Jumlah Lahan Pertanian
MATRIK ANALISIS PROYEKSI PENDUDUK TERHADAP DAMPAK KEPENDUDUKAN PADA TFR TINGGI DI KABUPATEN SLEMAN
TAH
N0
MASALAH KEPENDUDUKAN
1
2010
1,093,110 Pertambahan Total Populasi
TAMBAHAN
56,107
2015
1,149,217
TAMBAHAN
55,622
2020
1,204,839
TAMB
2
Pertambahan Perkiraan Jml Angkatan Kerja
3
483,60
26,11
509,71
21,63
531,34
6,10
1,51
4.59
7,5
3,84
397,21
9,31
406,52
(-1,05)
405,47
12,45
2,31
14,76
2,8
17,56
107,65
9,87
117,52
11,46
128,98
55,90
-3,52
52,38
4,37
56,75
266,07
-16,34
249,73
-15,94
233,79
69,63
3,58
73,21
3,54
76,75
Pertambahan Perkiraan Lapangan Kerja 4
5
Pertambahan Perkiraan Penerimaan Pdb Perkapita Pertambahan Penduduk Beresiko Kesehatan
6 Pertambahan Per Anak Sekolah Sd 7 Pertambahan Per Anak Sekolah Smp 8
9
Pertambahan Kebutuhan Produksi Pangan Pertambahan Kebutuhan Konsumsi Bahan Pokok
10
20,88
1,42 –
19,45
1,28 –
18,17
Pertambahan Jumlah Lahan Pertanian
4.4. Analisis TFR ( Total Fertility Rate) 4.4.1. Pada TFR Rendah
1.
2.
3.
Pada tahun 2015, jumlah penduduk akan bertambah sebanyak 53.876 jiwa dibanding jumlah penduduk tahun 2010, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 26.080 jiwa atau 48,40 %, atau hampir setengah dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB, atau ada kenaikan PDB 2,34 juta perkapita, disisi lain lapangan pekerjaan menjadi berkurang sebanyak 1.530, produksi pangan berkurang 16,34 ribu, serta luas lahan pertanian menjadi berkurang 1,39 ribu Hektar dan kebutuhan pangan meningkat sebanyak 3,34 ribu. Jumlah anak SD bertambah, jumlah anak SMP berkurang, kemungkinan sudah ada drop out di usia SMP, atau terlambat melanjutkan. Sedang resiko penduduk terhadap masalah kesehatan meningkat sebanyak 7.170 jiwa. Pada Tahun 2020, jumlah penduduk bertambah sebanyak 49.094 jiwa dibanding jumlah penduduk tahun 2015, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.550 jiwa atau 43,89 %, hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 2,9 juta rupiah per kapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,19 ribu hektar, produksi pangan berkurang 15,94 ribu dan kebutuhan pangan meningkat sebanyak 3,13 ribu serta jumlah anak SD bertambah 9.740 anak, SMP bertambah 4.370 anak dan penduduk berisiko berkurang sebanyak 5.200 jiwa. Pada Tahun 2025, jumlah penduduk bertambah sebanyak 38.186 jiwa dibanding jumlah penduduk tahun 2020, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.450 jiwa atau 43,07 %, hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB Sebanyak 3,72 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang sebanyak 2.500 lapangan kerja, serta luas lahan pertanian menjadi berkurang 0,94 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 2,43 ribu serta jumlah anak SD bertambah 5.210 anak, SMP bertambah bertambah 3.350 anak dan penduduk berisiko berkurang 8.920 jiwa.
4.
5.
Pada Tahun 2030, jumlah penduduk bertambah sebanyak 26.416 jiwa dibanding jumlah penduduk tahun 2025, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.580 jiwa atau 62,76 %, lebih dari separo lebih dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 4.79 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang 1.210 lapanan kerja, serta luas lahan pertanian menjadi berkurang 0,94 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 1,96 ribu serta jumlah anak SD berkurang 6.250, SMP bertambah 2.070 dan penduduk berisiko berkurang 8.150 jiwa. Pada Tahun 2035, jumlah penduduk bertambah sebanyak 17.224 jiwa dibanding jumlah penduduk tahun 2030, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 7.930 jiwa atau 46,04 %, hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 6.14 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang
1.410 lapangan kerja,dan serta luas lahan pertanian menjadi berkurang berkurang 14,5 ribu kebutuhan pangan meningkat sebanyak 0,90,59 riburibu sertahektar, jumlahproduksi anak SDpangan berkurang 9.000 anak, SMP berkurang 3.690 anak dan penduduk berisiko berkurang 6.930 jiwa. 4.4.2. Pada TFR Sedang 1 Pada tahun 2015, jumlah penduduk akan bertambah sebanyak 55.016 jiwa dibanding jumlah penduduk tahun 2010, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.630 jiwa atau 39,31 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB, atau ada kenaikan PDB 2,32 juta perkapita, disisi lain lapangan pekerjaan menjadi berkurang sebanyak 1.510, produksi pangan berkurang 16,34 ribu, serta luas lahan pertanian menjadi berkurang 1,41 ribu Hektar dan kebutuhan pangan meningkat sebanyak 3,51 ribu. Jumlah anak SD bertambah 9.870 anak, jumlah anak SMP berkurang, kemungkinan sudah ada drop out di usia SMP, atau terlambat melanjutkan. Sedang resiko penduduk terhadap masalah kesehatan meningkat sebanyak 8.220 orang. 2 Pada Tahun 2020, jumlah penduduk bertambah sebanyak 52.641 jiwa dibanding jumlah penduduk tahun 2015, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.630 jiwa atau 41,08 %, setengah lebih dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 2,85 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,24 ribu hektar, produksi pangan berkurang 15,94 ribu dan kebutuhan pangan meningkat sebanyak 3,35 ribu serta jumlah anak SD dan SMP bertambah dan penduduk berisiko berkurang 2.940 jiwa. 3 Pada Tahun 2025, jumlah penduduk bertambah sebanyak 43.807 jiwa dibanding jumlah penduduk tahun 2020, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.580 jiwa atau 37,84 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB Sebanyak 4,61 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,02 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 2,79 ribu serta jumlah anak SD dan SMP bertambah dan penduduk berisiko berkurang 6.980 jiwa. 4 Pada Tahun 2030, jumlah penduduk bertambah sebanyak 33.578 jiwa dibanding jumlah penduduk tahun 2025, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 17.400 jiwa atau 51,81 %, hampir setengah lebih dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 4.61 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 0,81 ribu hektar, produksi pangan berkurang 15,07 ribu dan kebutuhan pangan meningkat sebanyak 2,14 ribu serta jumlah anak SD berkurang 3,130 anak dan SMP bertambah 3,520 anak, sedang penduduk berisiko berkurang 6.230 jiwa. 5 Pada Tahun 2035, jumlah penduduk bertambah sebanyak 25.643 jiwa dibanding jumlah penduduk tahun 2030, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 10.140 jiwa atau 39,54 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 5.86 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 0,68 ribu hektar, produksi pangan berkurang 15,07 ribu dan kebutuhan pangan meningkat sebanyak 2,14 ribu serta jumlah anak SD dan SMP berkurang dan penduduk berisiko berkurang 3,940 jiwa. 4.4.3 Pada TFR Tinggi
1 Pada tahun 2015, jumlah penduduk akan bertambah sebanyak 56.107 jiwa dibanding jumlah penduduk tahun 2010, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 26.110 jiwa atau 46,53 %, atau hampir separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB, atau ada kenaikan PDB 2,31 juta perkapita, disisi lain lapangan pekerjaan menjadi berkurang sebanyak 1.510, produksi pangan berkurang 16,34 ribu, serta luas lahan pertanian menjadi berkurang 1,43 ribu hektar dan kebutuhan pangan meningkat sebanyak 3,58 ribu. Jumlah anak SD bertambah, jumlah anak SMP berkurang, kemungkinan sudah ada drop out di usia SMP, atau terlambat melanjutkan. Sedang resiko penduduk terhadap masalah meningkat 9,310 jiwa. 2 Pada Tahun 2020, jumlah penduduk bertambah sebanyak 55.622 jiwa dibanding jumlah penduduk tahun 2015, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 21.630 jiwa atau 38,88 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 2,8 juta rupiah per kapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,28 ribu hektar, produksi pangan berkurang 15,94 ribu dan kebutuhan pangan meningkat sebanyak 3,54 ribu serta jumlah anak SD dan SMP meningkat dan penduduk berisiko berkurang 1.050 jiwa. 3 Pada Tahun 2025, jumlah penduduk bertambah sebanyak 48.816 jiwa dibanding jumlah penduduk tahun 2020, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 16.580 jiwa atau 33,96 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB Sebanyak 3,51 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang, serta luas lahan pertanian menjadi berkurang 1,08 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 3,11 ribu serta jumlah anak SD dan SMP bertambah dan penduduk berisiko berkurang 4,940 jiwa. 4 Pada Tahun 2030, jumlah penduduk bertambah sebanyak 40.065 jiwa dibanding jumlah penduduk tahun 2025, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 18.100 jiwa atau 45,17 %, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 4.46 juta rupiah perkapita, disisi lain lapangan kerja menjadi berkurang , serta luas lahan pertanian menjadi berkurang 0,89 ribu hektar, produksi pangan berkurang 15,51 ribu dan kebutuhan pangan meningkat sebanyak 2,55 ribu serta jumlah anak SD berkurang dan SMP bertambah dan penduduk berisiko berkurang 4.220 jiwa. 5 Pada Tahun 2035, jumlah penduduk bertambah sebanyak 33.194 jiwa dibanding jumlah penduduk tahun 2030, yang berkontribusi pada bertambahnya angkatan kerja sebanyak 12.090 jiwa atau 36,42 %, lebih dari separo dari kenaikan jumlah penduduk menjadi angkatan kerja, yang diperkirakan akan berkontribusi positif pada peningkatan PDB sebanyak 5.62 juta rupiah per kapita, disisi lain lapangan kerja menjadi berkurang 9.800 , serta luas lahan pertanian menjadi berkurang 0,76 ribu hektar, produksi pangan berkurang 14,5 ribu dan kebutuhan pangan meningkat sebanyak 2,11 ribu serta jumlah anak SD dan SMP berkurang dan penduduk berisiko berkurang 1.420 jiwa. BAB V KESIMPULAN DAN RANCANGAN KEBIJAKAN
1.1
Kesimpulan
Dari hasil analisis dan pembahasan di atas dapat disimpulkan bahwa Pada pertumbuhan penduduk dengan TFR Tinggi akan diperoleh : 1. 2. 3. 4.
Angkatan kerja banyak Lapangan kerja sempit Penerimaan PDB perkapita rendah Produksi bahan pangan rendah
5. Kebutuhan konsumsi bahan pokok/pangan banyak 6. Luas lahan pertanian berkurang 7. Risiko penduduk terhadap masalah kesehatan tinggi Sedang pada pertumbuhan penduduk dengan TFR rendah akan diperoleh : 1. 2. 3. 4. 5. 6.
Angkatan kerja sedikit Lapangan kerja banyak Penerimaan PDB perkapita tinggi Produksi bahan pangan banyak Kebutuhan konsumsi bahan pokok/ pangan sedikit Luas lahan pertanian menjadi luas
7. Risiko penduduk terhadap masalah kesehatan rendah Pada TFR tinggi jumlah anak sekolah SD dan SMP yang ditunjukkan dalam kelompok umur usia ketergantungan 5 s/d 14 tahun tinggi, sebaliknya pada TFR rendah jumlah anak sekolah SD dan SMP rendah, tetapi kondisi tersebut pada analisis anak usia sekolah SD dan SMP yang bersekolah pada TFR tinggi maupun rendah tidak bisa dibandingkan. Hal ini terjadi dikarenakan jumlah anak sekolah tidak bisa dibedakan anak sekolah penduduk Kabupaten Sleman yang bersekolah di Sleman, total angka anak sekolah tersebut termasuk anak sekolah berasal dari luar daerah Sleman. Karena angka partisipasi anak sekolah SD dan SMP melebihi 100 %, maka kemungkinan besar anak yang bersekolah di Kabupaten Sleman belum tentu berdomisili di Kabupaten Sleman, demikian juga anak sekolah dari Sleman belum tentu bersekolah di Sleman, atau masih ada anak sekolah yang terlambat sekolah atau drop out, sehingga jumlah anak sekolah yang bersekolah pada TFR rendah maupun tinggi tidak dapat dibandingkan. Pada TFR rendah, serdang dan tinggi di tahun 2015 terjadi lonjakan jumlah penduduk.
1.2
Rancangan Kebijakan
Berdasarkan hasil analisis, pembahasan dan kesimpulan di atas, kesejahteraan masyarakat sangat dipengaruhi oleh laju pertumbuhan penduduk. Laju pertumbuhan penduduk tinggi maka jumlah penduduk menjadi meningkat dan berdampak pada sektor pembangunan bidang ekonomi, pendidikan, kesehatan dan pertanian, untuk itu laju pertumbuhan penduduk perlu dikendalikan. Faktor yang mempengaruhi laju pertumbuhan penduduk adalah : 1. Kelahiran 2. Kematian 3. Migrasi Pada penulisan ini migrasi dianggap nol atau diabaikan, sehingga hasil proyeksi penduduk berdasar perkiraan terhadap pertumbuhan penduduk alami, faktor mobilitas tidak diperhitungkan. Kelahiran dapat dikendalikan dengan peningkatan kesertaan ber-KB, kematian pada ibu hamil, ibu melahirkan, bayi, balita dan anak dapat dicegah dengan peningkatan derajat kesehatan serta pengaturan migrasi.
Mencapai visi Kabupaten Sleman mewujudkan Kabupaten Sleman yang lebih sejahtera, saing dan berkeadilan gender sangat dipengaruhimasyarakat oleh laju pertumbuhan penduduk, dampak dari laju berdaya pertumbuhan penduduk tinggi adalah munculnya masalah di bidang tenagakerja,perekonomian masyarakat yang ditunjukkan dengan PDB, pendidikan, kesehatan dan pertanian. Dari kesimpulan di atas dapat diusulkan : 1. Antisipasi terhadap meningkatnya angkatan kerja adalah : Rekayasa demografi agar diperoleh penduduk dengan usia produktif lebih banyak dibanding dengan usia ketergantungan dengan mempertahankan dan meningkatkan kesertaan ber-KB . 1.
Antisipasi terhadap meningkatnya angkatan kerja adalah:
Kebijakan lebih diarahkan dan mendukung pada sektor usaha yang dapat menyerap tenaga kerja lebih banyak. Seperti kegiatan padat karya lebih diefektifkan dan berkwalitas. Kegiatan kelompok-kelompok usaha seperti UPPKS, Kredit usaha bidang pertanian lebih didorong, pinjaman lunak bagi kelompok usaha lebih dipermudah. 1. Antisipasi terhadap menurunnya PDB Perkapita adalah : Agar angkatan kerja berkwalitas sehingga mampu bersaing di dunia kerja, perlu adanya kegiatan pelatihan di BLK. Pelatihan di BLK perlu disosialisasikan sehingga mendapat respon yang baik dari masyarakat, yang diikuti dengan peningkatan kwalitas pelatihan. 1. Antisipasi terhadap meningkatnya jumlah anak SD dan SMP adalah : Anak SD dan SMP harus tertampung di sekolah, untuk itu dilakukan pembinaan dan pengawasan agar tidak terjadi drop out. 1. Antisipasi terhadap meningkatnya penduduk risiko kesehatan adalah : Data penduduk berisiko (perempuan usia reproduksi sehat, ibu hamil, bayi, balita dan anak) harus ter up date, agar mudah terpantau dan mudah dalam pembinaan. 1. Antisipasi terhadap meningkatnya konsumsi bahan pokok (beras) adalah: Jumlah keluarga dikendalikan, melalui dua anak cukup. Pengaturan kelahiran dengan menggunakan alat kontrasepsi, dengan Program jika jumlah keluarga bisa diatur maka kebutuhan akan konsumsi bahan pangan kebutuhannya tidak melonjak. 1. Antisipasi terhadap menurunnya produksi bahan pokok adalah : Selalu disosialisasikan tentang Penganekaragaman makanan pokok non beras, seperti ketela, jagung, gembili. Masyarakat juga didorong untuk mengkonsumsi yang berasal umbi-umbian di pekarangan rumah, jika berbuah dapat dijadikan pengganti makanan pokok.
1.
Mengoptimalkan kegiatan panca usaha tani dan monitoring SKPG ( Sistem Kewaspadaan Pangan dan Gizi) dengan rutin. Antisipasi terhadap menurunnya jumlah area subur lahan pertanian adalah: Agar kebutuhan perumahan tidak merambah lahan subur, perlu diatur migrasi masuk dan pendirian perumahan besarbesaran.Regulasi tentang alih fungsi lahan perlu pemantauan yang optimal. DAFTAR PUSTAKA
BKKBN, ( 2011 ). Aplikasi Program Spectrum, Jakarta BKKBN, ( 2011 ). Materi Pembelajaran Aplikasi Program Spectrum, Jakarta . BKKBN, ( 2010 ). Kebijaksanaan Kependudukan Dan Keluarga Berencana ( Suatu Rekayasa Demografi Membangun Bangsa ), Jakarta. BKKBN, ( 2009 ). Ledakan Penduduk Mengancam Bangsa. Jakarta. BKKBN-Fak. Ekonomi Universitas Indonesia, ( 2004 ), Solusi Bagi Pembangunan Bangsa, Info Demografi, Wahana Peningkatan Pengetahuan Kependudukan, Tahun XIII, Nomor 1 , Jakarta . Badan Pusat Statistik, ( 2011 ). Sleman dalam Angka, Kantor Statistik Kabupaten Sleman. Badan Pusat Statistik, ( 2008 ). Statistik Kesejahteraan Rakyat 2007 . Kantor Statistik Provinsi DIY. Yogyakarta . Badan Pusat Statistik, ( 2008 ). Survai Demografi dan Kesehatan Indonesia 2007 . Badan Koordinasi Keluarga Berencana Nasional, Departemen Kesehatan atas bantuan USAID. Jakarta.
Badan Keluarga Berencana Pemberdayaan Masyarakat dan Pemberdayaan Perempuan, ( 2011 ), Rekap Pemutakhiran Data keluarga ( MDK ) Kabupaten Sleman. Sleman . Halim A, ( 2004 ) , Bunga Rampai Manajemen Daerah . Jogjakarta , Unit Penerbit dan Percetakan ( UPP ) AMP YKPN. Islamy, M. Irfan, ( 2001 ), Prinsip-prinsip Kebijakan Negara, Bumi Aksara, Jakarta. Michael P.Todaro Stephen C Smith, ( 1998 ). Pembangunan Ekonomi, Erlangga Jakarta . Muh Mahdi Karis, ( 2011 ), Pengaruh Faktor-faktor Kependudukan Terhadap Pertumbuhan Ekonomi di Kabupaten Pemalang, Semarang Universitas Diponegoro . http://eprints.undip.ac.id/29303/1/skipsi.006.pdf Moekijat, ( 1985 ), Analisis Kebijakan Publik, Mandar Maju, Bandung. Moleong, Lexy, J. ( 2000 ), Metodologi Penelitian Kualitatip, Remaja Rosdakarya, Bandung. Nachrowi, DN, dan Usman, Hardius. Tekhnik Pengambilan Keputusan . Grasindo. Jakarta. 2004. Republik Indonesia. Undang-Undang No. 52 Tahun 2009 tentang Perkembangan Kependudukan dan Pembangunan Keluarga. Jakarta. Sri Edi Swasono, ( 1988 ). Kebersamaan dan Asas Kekeluargaan Kerakyatan , Universitas Indonesia ( UI Press ), Jakarta. Suharto, ( 2009 ). Peran Pembangunan Kesejahteraan Sosial ( Pelayanan Kemanusiaan di Indonesia ), YAPIM Yogyakarta. Tomas Maltus, Julian Huxley, Federick Osborn, (2004 ), Ledakan Penduduk Dunia (Terjemahan), Yayasan Nuansa Cendekia, Bandung . Universitas Sumatra Utara. Landasan Teori Kesejahteraan Sosial. htt :// repository.usu.ac.id/bitstream/123456789/31685/4/chapter%20II.pdf. Widodo, J, ( 2001 ). Good Governence Telaah dari Dimensi Akuntabilitas dan Kontrol Birokrasi pada era Desentralisasi dan Otonomi Daerah, Ihsan Cendekia, Surabaya.
JURNAL KELUARGA BERENCANA DAN DAMPAK KEPENDUDUKAN PROYEKSI PENDUDUK SEBAGAI INFORMASI PENGAMBILAN KEBIJAKAN DI MASA MENDATANG DI KABUPATEN SLEMAN
Oleh : Sungkawati Budi Rahayu
ABSTRACT Background:Proyeksi Penduduk sebagai Informasi Pengambilan kebijakan di masa mendatang di Kabupaten Sleman merupakan penelitian yang bertujuan untuk mengetahui informasi kebijakan yang telah dilakukan pada tahun-tahun lalu, dengan mengasumsikan tahun mendatang, untuk memperoleh informasi kondisi di masa mendatang. Penelitian ini dapat digunakan untuk dialog kebijakan pada pengambilan kebijakan di masa yang akan datang . Metode yang digunakan pada penelitian ini adalah diskriptif analisis. Alat analisis yang
digunakan Spectrum Model Demography dan RAPID. Penelitian ini dilakukan pada bulan November- Desember tahun 2012, di Kabupaten Sleman, dengan menganalisis data sekunder hasil Sensus Penduduk 2010, data ketenagakerjaan, ekonomi, pendidikan, kesehatan, pertanian . Hasil penelitian menunjukkan bahwa pertumbuhan penduduk dengan TFR Tinggi akan diperoleh angkatan kerja banyak / tinggi, lapangan kerja sempit, penerimaan PDB perkapita rendah, produksi bahan pangan rendah, kebutuhan konsumsi bahan pokok/pangan banyak, luas lahan pertanian berkurang, resiko penduduk terhadap masalah kesehatan tinggi, sedang pada pertumbuhan penduduk dengan TFR rendah akan diperoleh Angkatan kerja sedikit / rendah, lapangan kerja banyak/ luas, penerimaan PDB perkapita tinggi, produksi bahan pangan banyak, kebutuhan konsumsi bahan pokok/ pangan sedikit, luas lahan pertanian menjadi luas dan risiko penduduk terhadap masalah kesehatan rendah. Namun demikian, pada penelitian ini, anak usia sekolah SD dan SMP yang bersekolah pada TFR tinggi maupun rendah tidak dapat dibandingkan, hal tersebut dikarenakan jumlah anak sekolah penduduk Kabupaten Sleman yang bersekolah di Sleman dan penduduk luar sekolah yang bersekolah di S data yang ada total anak sekolah, anak sekolah berasal dari Kabupaten Sleman dan luar daerah Sleman. Karena angka partisipasi anak sekolah SD dan SMP melebihi 100 %, maka kemungkinan besar anak yang bersekolah di Kabupaten Sleman belum tentu berdomisili di Kabupaten Sleman demikian juga anak sekolah dari Sleman belum tentu bersekolah di Sleman
