Urbanization stands as one of the defining forces of the modern era. Across the globe, economic opportunity, technological concentration, and industrial expansion have pulled billions of people into vast urban agglomerations. Today, over 58% of the world’s population resides in urban environments—a figure projected to reach nearly 70% by mid-century.
However, ranking the most populated cities in the world involves navigating significant demographic nuances. Depending on whether demographers evaluate strict administrative borders (City Proper), continuous built-up footprints (Urban Agglomerations), or sprawling commuter networks (Metropolitan Regions), population totals vary dramatically.
This comprehensive analysis examines the world’s largest cities using standard UN urban agglomeration metrics, highlighting their population growth trajectories, density metrics, and the overarching global trends defining modern megacities.
Global Overview: Top 10 Most Populated Megacities
According to international demographic models and United Nations urban agglomeration datasets, Asian megacities continue to dominate global urban density, accounting for nine of the top ten positions.
| Rank | Urban Agglomeration | Country | Continent | Estimated Population | Annual Growth Rate |
| 1 | Jakarta | Indonesia | Asia | ~42.46 Million | +1.30% |
| 2 | Dhaka | Bangladesh | Asia | ~37.43 Million | +2.31% |
| 3 | Tokyo | Japan | Asia | ~33.34 Million | -0.22% (Declining) |
| 4 | New Delhi | India | Asia | ~30.45 Million | +0.74% |
| 5 | Shanghai | China | Asia | ~29.91 Million | +1.18% |
| 6 | Guangzhou | China | Asia | ~27.74 Million | +0.64% |
| 7 | Cairo | Egypt | Africa | ~25.89 Million | +1.27% |
| 8 | Manila | Philippines | Asia | ~24.89 Million | +0.64% |
| 9 | Kolkata | India | Asia | ~22.65 Million | +0.43% |
| 10 | Seoul | South Korea | Asia | ~22.52 Million | +0.12% |
(Note: Data reflects continuous urban agglomeration footprints. If extended continuous manufacturing clusters—such as the Greater Pearl River Delta megalopolis—are merged into single statistical units, regions like Greater Guangzhou or Greater Shanghai can reflect significantly higher totals).
Detailed Profiles: Population Dynamics in the Top Megacities
1. Jakarta, Indonesia — 42.46 Million
Jakarta anchors the massive Jabodetabek metropolitan zone (encompassing Jakarta, Bogor, Depok, Tangerang, and Bekasi). As the commercial powerhouse of Southeast Asia, the region absorbs massive rural-to-urban labor flows annually.
- Density & Growth: Extremely dense core urban districts supported by rapid suburban extension.
- Urban Challenges: Severe traffic gridlock, land subsidence, and seasonal tidal flooding have prompted large-scale investments in transit systems and flood barriers.
2. Dhaka, Bangladesh — 37.43 Million
Dhaka records one of the fastest annual population growth rates among major global cities (+2.31%).
- Density & Growth: Highly concentrated population density driven by booming textile and garment manufacturing export sectors.
- Urban Challenges: High pressure on basic municipal utilities, informal housing expansion, and climate-induced rural migration into the city core.
3. Tokyo, Japan — 33.34 Million
For decades, Greater Tokyo was recognized as the world’s most populous metropolitan region. However, national population aging and low fertility rates have led to a slight negative growth trend (-0.22%).
- Density & Growth: Stabilized population with continuous inward migration from Japanese regional prefectures.
- Urban Model: Features world-class public transportation rail efficiency, transit-oriented development, and urban resilience planning.
4. New Delhi, India — 30.45 Million
India’s National Capital Region (NCR) includes New Delhi alongside booming tech and commercial satellite cities like Gurugram, Noida, and Ghaziabad.
- Density & Growth: Rapid expansion driven by service sector industries, telecommunications, and regional migration.
- Urban Challenges: Seasonal air pollution management, water resource distribution, and housing infrastructure integration.
5. Shanghai, China — 29.91 Million
Shanghai serves as East Asia’s premier financial hub and operates the busiest container port in the world.
- Density & Growth: Steady growth supported by state-led regional integration across the Yangtze River Delta.
- Urban Focus: Advanced logistics, high-tech manufacturing, and smart-city grid management.
Macro Trends Shaping Global Urbanization
Analyzing population growth and urban density reveals several structural trends reshaping global megacities:
+----------------------------------+
| Key Drivers of Global Megacities |
+-----------------+----------------+
|
+--------------------------------+--------------------------------+
| | |
[Economic Agglomeration] [Demographic Pivots] [Polycentric Expansion]
* Knowledge & Tech Hubs * Global South Growth * High-Speed Commuter Belts
* Industrial Clusters * Aging in East Asia * Satellite City Integration
1. The Demographic Pivot to the Global South
Urban population growth is shifting toward developing regions in South Asia, Southeast Asia, and Sub-Saharan Africa. While East Asian megacities in Japan and South Korea experience population stabilization or slight decline due to aging demographics, cities like Dhaka, Cairo, and Kinshasa are expanding rapidly due to youthful demographics and internal migration.
2. Polycentric Urban Megaregions
Modern megacities are no longer single-core urban areas. Instead, they function as polycentric networks. High-speed commuter rail lines, highways, and digital infrastructure allow outlying satellite towns—located 30 to 60 kilometers away from the core—to integrate into a single functional metropolitan labor market.
3. Climate Migration and Urban Resilience
As environmental factors affect rural agricultural outputs, cities are receiving millions of climate-influenced internal migrants. Consequently, urban planning priorities have pivoted sharply toward infrastructure resilience—including seawalls, underground flood-retention basins, and elevated public transit corridors.
Frequently Asked Questions (FAQ)
What is the most populated city in the world?
Using standard UN urban agglomeration metrics, Jakarta, Indonesia ranks as the world’s most populous metropolitan region, with an estimated population exceeding 42.4 million inhabitants.
What is the difference between City Proper and Urban Agglomeration?
- City Proper: Strictly measures the population within official municipal administrative boundaries.
- Urban Agglomeration: Measures the continuous built-up urban footprint, including contiguous suburban areas, regardless of municipal boundaries.
Why is Tokyo’s population decreasing slightly?
Japan faces an overall declining and aging national population. Although young professionals continue moving to Tokyo for employment, the natural birth-to-death ratio has resulted in a slight net population reduction for the broader metropolitan area.
Penulis: W.S
![Dalam materi statistika, simpangan baku dan varian data tunggal menjadi salah satu topik penting yang perlu dipahami. Keduanya digunakan untuk mengetahui seberapa besar penyebaran data terhadap nilai rata-ratanya. Jika data memiliki penyebaran yang kecil, nilai simpangan baku dan variannya juga cenderung kecil. Sebaliknya, semakin jauh data tersebar dari rata-rata, semakin besar pula nilai simpangan baku dan varian. Materi ini sering muncul dalam pembelajaran matematika, terutama ketika membahas statistika dasar. Untuk menguasainya, tidak cukup hanya menghafalkan rumus. Kita juga perlu memahami langkah-langkah menghitung mean, selisih setiap data dengan rata-rata, kuadrat selisih, varian, hingga simpangan baku. Artikel ini akan membahas pengertian, rumus, perbedaan, serta beberapa contoh soal simpangan baku dan varian data tunggal lengkap dengan cara mengerjakannya secara bertahap. Apa Itu Varian? Varian adalah ukuran statistik yang digunakan untuk mengetahui tingkat penyebaran data terhadap nilai rata-ratanya. Varian dihitung dengan mencari rata-rata dari kuadrat selisih setiap data terhadap mean. Dalam data tunggal, terdapat dua jenis rumus varian yang umum digunakan, yaitu varian populasi dan varian sampel. Untuk populasi, rumusnya adalah: σ² = Σ(xᵢ − μ)² / N Keterangan: σ² = varian populasi xᵢ = nilai setiap data μ = rata-rata populasi N = banyak data Σ = jumlah keseluruhan Sementara itu, untuk sampel, rumus varian adalah: s² = Σ(xᵢ − x̄)² / (n − 1) Keterangan: s² = varian sampel xᵢ = nilai setiap data x̄ = rata-rata sampel n = banyak data Dalam soal matematika sekolah, apabila soal menyebutkan sekumpulan data sebagai keseluruhan data yang sedang dianalisis, biasanya digunakan rumus varian populasi. Apa Itu Simpangan Baku? Simpangan baku atau standard deviation adalah akar kuadrat dari varian. Simpangan baku digunakan untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya. Rumus simpangan baku populasi adalah: σ = √[Σ(xᵢ − μ)² / N] Sedangkan untuk sampel: s = √[Σ(xᵢ − x̄)² / (n − 1)] Karena simpangan baku merupakan akar dari varian, keduanya memiliki hubungan yang sangat erat. Jika diketahui: Varian = 16 maka: Simpangan baku = √16 = 4 Jadi, semakin besar nilai varian, biasanya semakin besar pula simpangan bakunya. Perbedaan Varian dan Simpangan Baku Meskipun saling berkaitan, varian dan simpangan baku bukanlah hal yang sama. Varian merupakan rata-rata kuadrat penyimpangan data dari mean. Sementara itu, simpangan baku merupakan akar kuadrat dari varian. Contohnya, jika suatu kumpulan data memiliki varian sebesar 25, maka simpangan bakunya adalah: √25 = 5 Perbedaan lainnya terletak pada satuan. Varian menggunakan satuan yang dikuadratkan, sedangkan simpangan baku memiliki satuan yang sama dengan data aslinya. Karena alasan tersebut, simpangan baku sering kali lebih mudah digunakan untuk menginterpretasikan penyebaran data. Langkah-Langkah Menghitung Varian dan Simpangan Baku Data Tunggal Untuk menyelesaikan soal, terdapat beberapa langkah yang dapat dilakukan. 1. Hitung nilai rata-rata Jumlahkan seluruh data, kemudian bagi dengan banyaknya data. Mean = jumlah seluruh data / banyak data 2. Hitung selisih setiap data dengan mean Setiap nilai data dikurangi dengan rata-rata. xᵢ − x̄ 3. Kuadratkan setiap selisih Hasil pengurangan tadi kemudian dikuadratkan. (xᵢ − x̄)² 4. Jumlahkan seluruh kuadrat selisih Setelah semua data dihitung, jumlahkan hasil kuadrat tersebut. Σ(xᵢ − x̄)² 5. Hitung varian Untuk populasi, jumlah kuadrat selisih dibagi dengan banyak data. 6. Hitung simpangan baku Simpangan baku diperoleh dengan mencari akar kuadrat dari varian. Contoh Soal 1: Menghitung Varian Data Tunggal Soal: Diketahui data nilai ulangan matematika lima siswa sebagai berikut: 6, 7, 8, 9, 10 Tentukan nilai varian dari data tersebut! Pembahasan Langkah pertama adalah menghitung rata-rata. Jumlah data: 6 + 7 + 8 + 9 + 10 = 40 Banyak data: n = 5 Maka: Mean = 40 / 5 = 8 Selanjutnya, hitung selisih setiap data dengan rata-rata. Data (x) x − mean (x − mean)² 6 -2 4 7 -1 1 8 0 0 9 1 1 10 2 4 Jumlah 0 10 Jumlah kuadrat selisih adalah: Σ(x − x̄)² = 10 Karena data tersebut dianggap sebagai populasi, maka: Varian = 10 / 5 Varian = 2 Jadi, varian data tersebut adalah 2. Contoh Soal 2: Menghitung Simpangan Baku Data Tunggal Soal: Tentukan simpangan baku dari data berikut: 5, 6, 7, 8, 9 Pembahasan Pertama, tentukan rata-rata. Jumlah data: 5 + 6 + 7 + 8 + 9 = 35 Banyak data: 5 Maka: Mean = 35 / 5 = 7 Selanjutnya, buat tabel perhitungan. Data x − mean (x − mean)² 5 -2 4 6 -1 1 7 0 0 8 1 1 9 2 4 Jumlah 0 10 Varian: σ² = 10 / 5 = 2 Simpangan baku: σ = √2 Jadi, simpangan bakunya adalah: √2 ≈ 1,41 Dengan demikian, simpangan baku data tersebut sekitar 1,41. Contoh Soal 3: Varian dan Simpangan Baku Sekaligus Soal: Diketahui data tinggi tanaman dalam satu kelompok adalah: 10, 12, 14, 16, 18 Tentukan: Mean Varian Simpangan baku Pembahasan Langkah 1: Menghitung Mean Jumlah seluruh data: 10 + 12 + 14 + 16 + 18 = 70 Banyak data: 5 Maka: Mean = 70 / 5 = 14 Langkah 2: Menghitung Kuadrat Selisih Data x − 14 (x − 14)² 10 -4 16 12 -2 4 14 0 0 16 2 4 18 4 16 Jumlah 0 40 Langkah 3: Menghitung Varian Karena terdapat lima data: σ² = 40 / 5 σ² = 8 Jadi, variannya adalah 8. Langkah 4: Menghitung Simpangan Baku Simpangan baku merupakan akar dari varian. σ = √8 Karena: √8 = √(4 × 2) maka: σ = 2√2 Jika dibulatkan: σ ≈ 2,83 Jadi, hasil akhirnya adalah: Mean = 14 Varian = 8 Simpangan baku ≈ 2,83 Contoh Soal 4: Data dengan Nilai yang Lebih Bervariasi Soal: Perhatikan data berikut: 4, 6, 8, 10, 12, 14 Hitunglah varian dan simpangan bakunya! Pembahasan Jumlah data: 4 + 6 + 8 + 10 + 12 + 14 = 54 Banyak data: 6 Mean: 54 / 6 = 9 Selanjutnya: Data x − 9 (x − 9)² 4 -5 25 6 -3 9 8 -1 1 10 1 1 12 3 9 14 5 25 Jumlah 0 70 Maka varian: σ² = 70 / 6 σ² = 11,67 Kemudian simpangan baku: σ = √11,67 σ ≈ 3,42 Jadi, varian data adalah sekitar 11,67, sedangkan simpangan bakunya sekitar 3,42. Contoh Soal 5: Menghitung Simpangan Baku dari Data Nilai Siswa Soal: Nilai lima siswa dalam sebuah tes adalah: 70, 75, 80, 85, 90 Tentukan varian dan simpangan bakunya! Pembahasan Pertama, hitung rata-rata: Mean = (70 + 75 + 80 + 85 + 90) / 5 Mean = 400 / 5 Mean = 80 Kemudian hitung kuadrat selisih setiap data. Nilai Selisih dari Mean Kuadrat Selisih 70 -10 100 75 -5 25 80 0 0 85 5 25 90 10 100 Jumlah 0 250 Varian: σ² = 250 / 5 σ² = 50 Simpangan baku: σ = √50 σ = 5√2 σ ≈ 7,07 Jadi, varian data adalah 50 dan simpangan bakunya sekitar 7,07. Contoh Soal 6: Menentukan Varian Jika Simpangan Baku Diketahui Soal: Sebuah kumpulan data memiliki simpangan baku sebesar 6. Tentukan nilai variannya! Pembahasan Hubungan antara varian dan simpangan baku adalah: Simpangan baku = √Varian Karena simpangan baku diketahui sebesar 6, maka: Varian = 6² Varian = 36 Jadi, nilai variannya adalah 36. Soal seperti ini relatif lebih mudah karena tidak perlu menghitung mean dan penyimpangan masing-masing data. Contoh Soal 7: Membandingkan Penyebaran Dua Data Soal: Diketahui dua kelompok data berikut. Kelompok A: 7, 8, 9, 10, 11 Kelompok B: 3, 6, 9, 12, 15 Kelompok manakah yang memiliki penyebaran data lebih besar berdasarkan simpangan baku? Pembahasan Kedua kelompok memiliki mean yang sama. Kelompok A: Mean = 9 Kuadrat selisih: 4 + 1 + 0 + 1 + 4 = 10 Varian: 10 / 5 = 2 Simpangan baku: √2 ≈ 1,41 Untuk Kelompok B: Mean = 9 Kuadrat selisih: 36 + 9 + 0 + 9 + 36 = 90 Varian: 90 / 5 = 18 Simpangan baku: √18 ≈ 4,24 Dari hasil tersebut, terlihat bahwa kedua kelompok memiliki rata-rata yang sama, tetapi penyebarannya berbeda. Kelompok A memiliki simpangan baku sekitar 1,41, sedangkan Kelompok B sekitar 4,24. Artinya, nilai-nilai pada Kelompok B tersebar lebih jauh dari rata-ratanya dibandingkan Kelompok A. Tips Cepat Mengerjakan Soal Simpangan Baku dan Varian Agar tidak mudah salah ketika mengerjakan soal, ada beberapa hal yang perlu diperhatikan. 1. Jangan langsung menggunakan rumus simpangan baku Pastikan nilai rata-rata sudah benar terlebih dahulu. Kesalahan pada mean akan memengaruhi seluruh perhitungan berikutnya. 2. Perhatikan tanda negatif Ketika menghitung selisih data dengan mean, hasilnya bisa negatif. Namun, setelah dikuadratkan, hasilnya selalu positif. Misalnya: (6 − 8)² = (-2)² = 4 Bukan -4. 3. Bedakan varian dengan simpangan baku Varian dan simpangan baku memiliki hubungan, tetapi nilainya berbeda. Jika varian = 9, maka: Simpangan baku = √9 = 3 4. Perhatikan apakah data merupakan populasi atau sampel Jika soal meminta varian atau simpangan baku populasi, pembaginya adalah N. Jika soal meminta ukuran sampel dengan rumus sampel, pembaginya adalah n − 1. 5. Gunakan tabel untuk mengurangi kesalahan Untuk data yang cukup banyak, tabel dengan kolom data, selisih dari mean, dan kuadrat selisih akan membuat proses perhitungan lebih teratur. Kesalahan yang Sering Terjadi Ada beberapa kesalahan yang sering dilakukan saat mengerjakan soal simpangan baku dan varian. Pertama, salah menghitung mean. Karena mean menjadi dasar untuk mencari penyimpangan, kesalahan kecil pada tahap ini dapat membuat hasil akhir salah. Kedua, lupa mengkuadratkan selisih. Varian menggunakan kuadrat dari selisih data dengan rata-rata, bukan selisih biasa. Ketiga, salah menentukan pembagi. Untuk populasi digunakan N, sedangkan pada rumus sampel digunakan n − 1. Keempat, menganggap varian sama dengan simpangan baku. Padahal, simpangan baku adalah akar kuadrat dari varian. Kelima, terburu-buru melakukan pembulatan. Sebaiknya gunakan nilai yang lebih presisi selama proses perhitungan dan lakukan pembulatan pada hasil akhir. Kesimpulan Simpangan baku dan varian data tunggal merupakan ukuran yang digunakan untuk mengetahui tingkat penyebaran suatu kumpulan data terhadap nilai rata-ratanya. Varian diperoleh dengan menghitung rata-rata kuadrat selisih setiap data terhadap mean, sedangkan simpangan baku diperoleh dengan mengambil akar kuadrat dari varian. Untuk mengerjakan soal, langkah yang paling aman adalah menghitung mean terlebih dahulu, kemudian mencari selisih setiap data dengan mean, mengkuadratkan selisih tersebut, menjumlahkannya, dan membaginya sesuai jenis data yang digunakan. Setelah mendapatkan varian, simpangan baku dapat diperoleh dengan cara mengambil akar kuadratnya. Dengan memahami alur tersebut, berbagai contoh soal simpangan baku dan varian data tunggal dapat dikerjakan secara lebih mudah dan sistematis. Kunci utamanya bukan hanya menghafal rumus, tetapi memahami hubungan antara rata-rata, penyebaran data, varian, dan simpangan baku.](https://daftarsekolah.spmb.teknokrat.ac.id/wp-content/uploads/2026/09/Gemini_Generated_Image_stezgqstezgqstez.jpeg)


Post Comment