ISBN 978-602-71252-1-6

Seminar Nasional Matematika dan Pendidikan Matematika SNMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi
Pendidikan Matematika FKIP Unswagati, Cirebon 6 Februari 2016
ISBN 978-602-71252-1-6

PROSIDING SEMINAR NASIONAL

MATEMATIKA DAN PENDIDIKAN MATEMATIKA

“STRATEGI MENGEMBANGKAN KUALITAS

PEMBELAJARAN MATEMATIKA BERBASIS RISET”
CIREBON, 6 FEBRUARI 2016

Seminar Nasional Matematika dan Pendidikan Matematika SNMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi
Pendidikan Matematika FKIP Unswagati, Cirebon 6 Februari 2016
ISBN 978-602-71252-1-6

Tim Prosiding Seminar Nasional Matematika Pendidikan Matematika

Tim Reviewer :
Dr. H. Ena Suhena Praja, M.Pd
Cita Dwi Rosita, M.Pd
Anggita Maharani, M.Pd
Tonah, M.Si
Ika Wahyuni, S.Si., M.Pd
Ferry Ferdianto, ST., M.Pd
Wahyu Hartono, M.Si
Laelasari, M.Pd
M. Subali Noto, S.Si., M.Pd
Toto Subroto, S.Si., M.Pd
M. Dadan Sundawan, M.Pd
Fahrudin Muhtarulloh, S.Si., M.Sc
Surya Amami P., M.Si.,

Editor :
Toto Subroto, S.Si., M.Pd
Fahrudin Muhtarulloh, S.Si., M.Sc
Tri Nopriana, M.Pd
Sri Asnawati, M.Pd

Penyunting:
Toto Subroto, S.Si., M.Pd

ISBN: 978-602-71252-1-6

Link : http://goo.gl/6FDpE5

Penerbit:
FKIP Unswagati Press

Redaksi:
Jl. Perjuangan No 1 Cirebon
Kampus 2 Unswagati Cirebon
Telp. (0231) 482115
Fax (0231) 487249
Email: fkipunswagatipress@unswagati.ac.id

Hak cipta dilindungi undang-undang

Dilarang memperbanyak karya tulis ini dengan bentuk dan cara apapun tanpa ijin penerbit

Seminar Nasional Matematika dan Pendidikan Matematika SNMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi
Pendidikan Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 i
ISBN 978-602-71252-1-6

Sambutan Ketua Panitia

Assalamu’alaikum Wr.Wb.
Seminar Nasional Matematika dan Pendidikan Matematika Program studi (prodi) di
Pendidikan Matematika FKIP Unswagati telah dilaksanakan pada tanggal 6 Februari
2016. Seminar tersebut ditindaklanjuti dengan menerbitkan prosiding sebagai bukti
otentik telah berlangsungnya komunikasi dan sharing gagasan ilmiah dari berbagai
kalangan yang bersifat nasional. Prosiding ini diharapkan dapat membantu dan
bermanfaat bagi semua insan pendidikan khususnya yang berkiprah dalam
pengembangan profesi. Tema ”Strategi Mengembangkan Kualitas Pembelajaran
Matematika Berbasis Riset” sangat tepat dipilih untuk memberikan sumbangan
dalam peningkatan kompetensi pada pengembangan profesi sebagai peneliti, dosen,
dan guru serta profesi lainnya.
Ketua Panitia menyampaikan penghargaan kepada para pembicara utama,
pemakalah, peserta, dan panitia Seminar Nasional Matematika 2016 yang telah
mendukung penyelenggaraan kegiatan ini. Kegiatan seminar ini sangat penting
diadakan selain untuk pengembangan pribadi dan institusi sekaligus juga untuk
menjalin komunikasi ilmiah antar peneliti, dosen, guru, dan praktisi pendidikan
dalam rangka memperbaiki pendidikan serta kemajuan bangsa pada umumnya.
Akhirnya saya berharap semoga dengan terbitnya prosiding ini dapat bermanfaat
dalam rangka membangun insan profesional berkarakter kuat dan cerdas. Amin.
Sebagai akhir kata Wabillahi taufiq wal hidayah
wassalamu’alaikum Wr. Wb.
Ketua Panitia Seminar Nasional

Dr. H. Ena Suhena Praja, M.Pd

NIP. 19570531 198303 1001
DAFTAR ISI

Seminar Nasional Matematika dan Pendidikan Matematika SNMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Program
studi Pendidikan Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 ii
ISBN 978-602-71252-1-6

Sambutan Ketua Panitia i

Daftar Isi ii
Kode Nama Judul Hal.
P1 Didi Suryadi Didactical Design Research (DDR): Upaya 1
Membangun Kemandirian Berpikir Melalui
Penelitian Pembelajaran

P2 Widodo Strategi Pengembangan Pembelajaran Berbasis 14

Riset Dan Implementasinya Dalam Pembelajaran
Matematika
P3 A.K Uswatun Problematika Penerapan Model Pembelajaran 29
Hasanah Kooperatif Tipe Jigsaw Dan Alternatif
Penyelesaian Pada PembelajaranMatematika

P4 Dedek Pembelajaran Aljabar Linear Berbantuan 37

Kustiawati Perangkat Lunak Software Algeberator 4.02

P5 Abdul Muin1), Upaya Meningkatkan Pemahaman Konsep 61

Damayanti2) MatematikaSiswa Melalui Teknik Scaffolding

P6 Ika Efektifitas Model Pembelajaran Scramble 78

Wahyuni1), Berbantuan CD Pembelajaran Terhadap Motivasi
Ade Tia Dan Kemampuan Pemahaman Matematis Siswa
Ariyani2)
SMA
P7 Ena Suhena Penerapan Strategi REACT dalam Pembelajaran 90
Praja Matematika

P8 Georgina Implementasi Pembelajaran Kooperatif Tipe 111

Maria Team Assested Individualization Untuk
Tinungki Meningkatkan Self Proficiency Mahasiswa
P9 Abdul Mujib Pengembangan Kemampuan Pembuktian 122
DalamMatematika Diskrit Menggunakan
Pengajaran Berbasis DNR

P10 Adang Pembelajaran Matematika Dengan Model 139

Effendi QuantumUntuk Meningkatkan Kemampuan

Seminar Nasional Matematika dan Pendidikan Matematika SNMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Program
studi Pendidikan Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 vi
ISBN 978-602-71252-1-6

Kemampuan Siswa Menyelesaikan Masalah

Sistem Persamaan Linear Dua Variabel Di Kelas
VIII F SMPN 1 Bulakamba Tahun 2013/2014

P41 Hasan Hamid Evaluasi Bagian Formal-Rhetorical Dan 577

Problem-Centered Dari Bukti Matematis
P42 Hetty Perbandingan Kemampuan Berpikir Kritis 587
Patmawati Matematis Peserta Didik Antara Yang
Menggunakan Model Discovery Learning Dan
Problem Based Learning
P43 Hj. Epon Desain Didaktis Kemampuan Pemahaman 598
Nur’aeni L1), Matematis Siswa Pada Materi Balok Dan Kubus
Muhammad Di Kelas IV Sekolah Dasar
Rijal Wahid
Muharram2)
P44 Ida Nuraida Analisis Kurikulum Matematika Sekolah 614
Menengah Indonesia Dan Singapura Kaitannya
Dengan Kompetensi Guru Matematika
P45 In In Supianti Self Regulated Learning Mahasiswa Pendidikan 630
Matematika
P46 Imam Penerapan Analisa Time Series Terhadap Nilai 643
Nulhakim1), Matematika Di SMAN 3 Cimahi
Pattahuddin2),
Kamaruddin3)
P47 Inri Pengaruh Pembelajaran Inkuiri Model Silver 652
Rahmawati Terhadap Kemampuan Pemecahan Masalah
Matematis Siswa SMP
1)
P48 Setiyani , Implementasi Pembelajaran Berbasis Masalah 664
Anggita Terhadap Kemampuan Representasi Matematis
Maharani2),Nu Mahasiswa Tingkat1 Pada Perkuliahan Statistika
rulIkhsan
Dasar Di FKIP Unswagati Cirebon
Karimah3)
P49 Imam Masalah Billiar Al HassanUntuk Jajaran Genjang 678
Nulhakim1),
Oki Neswan2)
P50 Herri Kajian Model Eksponensial dan Logistik dengan 685
Sulaeman1), Contoh Aplikasinya pada Pertumbuhan Populasi

Seminar Nasional Matematika dan Pendidikan Matematika SNMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Program
studi Pendidikan Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 685
ISBN 978-602-71252-1-6

KAJIAN MODEL MATEMATIKA EKSPONENSIAL DAN LOGISTIK

DENGAN CONTOH APLIKASINYA PADA PERTUMBUHAN POPULASI
BAKTERI PANTOEA AGGLOMERANSDI MEDIUM LURIA BERTANI CAIR
SISTEM BATCH CULTURE
P50

Herri Sulaiman1, Dian Permana Putri2

Pendidikan Matematika FKIP Universitas Swadaya Gunung Jati Cirebon
1
hs_msc@yahoo.com
Abstrak

Pertumbuhan populasi disebut juga sebagai dinamika pertumbuhan populasi. Dalam

menggambarkan dinamika pertumbuhan populasi yang terjadi pada makhluk hidup, sangat
diperlukan suatu analisis yang mengacu pada pendekatan matematis. Salah satu model yang
dipakai untuk menganalisis pertumbuhan dinamika pertumbuhan populasi tersebut adalah
model eksponensial dan logistik, dimana pemodelannya menggunakan pendekatan
matematis dengan asumsi yang menyesuaikan pada pola pertumbuhan bakteri, dimana
individu-individu di dalam populasi seragam dengan laju reproduksi yang tetap sepanjang
waktu. Model pertumbuhan bakteri dikonstruksikan dari suatu model matematika. Sebelum
mengkonstruksikan model matematika diperlukan terlebih dahulu teori-teori dari fungsi
eksponensial, turunan serta teori-teori lain yang mendukung. Penelitian ini dilakukan untuk
menerapkan model matematika eksponensial dan logistik pada pertumbuhan populasi bakteri
Pantoea Agglomerans yang ditumbuhkan dalam media luria bertani cair. Data populasi
bakteri yang digunakan merupakan hasil pengukuran kekeruhan (optical density)
menggunakan spektrofotometri dengan panjang gelombang 420 nm dimana teknik analisis
data menggunakan bantuan softwere MAPPLE versi 15. Berdasarkan tabel dan grafik/plot
dari pertumbuhan tingkat kekeruhan populasi bakteri dapat disimpulkan bahwa model
matematika yang lebih mampu memberikan gambaran objeknya adalah model logistik,
karena untuk waktu yang tak terbatas model logistiklah yang menyerupai objeknya,
disamping itu kurva model eksponensial selalu naik sampai tak terhingga dan tidak
sebanding dengan jumlah nutrien/makanan yang tetap.
Kata kunci: model eksponensial, model logistik, medium luria bertani cair

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 686
ISBN 978-602-71252-1-6

A. PENDAHULUAN

Biologi ialah ilmu yang mengkaji objek berupa makhluk hidup, baik makhluk
hidup satu sel, perkembangan individu/sekelompok makhluk hidup beserta
lingkungannya (ekologi), serta perkembangan suatu populasi tertentu. Di dalam ilmu
biologi, matematika sangatlah berperan untuk menyusun model matematika. Dengan
model matematika ini dapat diperoleh gambaran mengenai objek, serta
kemungkinan-kemungkinan yang akan terjadi di masa depan.
Model pertumbuhan populasi bakteri sedikit memberikan gambaran tentang
dinamika populasi. Bakteri tanah daerah perakaran yang digunakan pada penelitian
ini adalah bakteri Pantoea agglomerans yang diambil dari perakaran tanaman alang-
alang (Imperata cylindrica). Hal ini dikarenakan bakteri ini mampu berinteraksi
dengan tanaman, selain itu bakteri ini merupakan salah satu bakteri yang tahan pada
daerah kering dan mengandung kadar garam yang cukup tinggi. Setelah diisolasi
bakteri ini ditumbuhkan pada medium Luria Bertani (LB) cair, yang mana medium
LB ini kaya akan nutrien sehingga membantu mempercepat pertumbuhan bakteri.
Salah satu manfaat model matematika pada pertumbuhan populasi bakteri
Pantoea agglomerans adalah untuk mengetahui bagaimana pertumbuhan
populasinya, memprediksi bagaimana kelanjutan pertumbuhannya, dan menjawab
apakah pertumbuhannya eksponensial, konstan, atau bisa jadi populasinya menurun
hingga mendekati titik nol. Merujuk pada manfaat model matematika dan tinjauan
pustaka yang telah penulis telusuri, tidak ditemukannya adanya sebuah karya tulis
ilmiah secara khusus membahas tentang pertumbuhan populasi bakteri Pantoea
agglomerans pada medium LB. Oleh karena itu, penulis termotivasi untuk mengkaji
lebih lanjut tentang masalah pertumbuhan populasi bakteri Pantoea agglomerans ini.

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 687
ISBN 978-602-71252-1-6

B. LANDASAN TEORI
2.1. MODEL EKSPONENSIAL
Masih dalam konteks pembahasan mengenai populasi hipotetik (proses kelahiran
murni), dengan penyediaan nutrien yang sesuai dengan jumlah yang cukup,
pertumbuhan bakteri yang berasal dari beberapa individu dan pada populasi awal
dapat diamati selama 40 jam, masing-masing individu (sel) bakteri setiap jam
berkembang biak menjadi dua, sehingga selanjutnya menjadi beberapa individu
bakteri. Dengan melambangkan :
=kerapatan populasi atau banyaknya bakteri pada saat pengamatan dimulai
(periode awal = 0 ) atau generasi awal.
=kerapatan populasi pada waktu ke- .
Model pertumbuhan bakteri ini dapat dinyatakan dalam persamaan :
= (2.1)
Model pertumbuhan (2.1) disusun berdasarkan beberapa asumsi yaitu :
1. Nutrien bagi bakteri tersedia dalam jumlah yang cukup.
2. Ruangan hidup selalu mencukupi untuk perkembangbiakan.
3. Keadaan lingkungan seperti suhu dan kelembapan dalam keadaan konstan.
4. Bakteri berkembangbiak teratur setiap jam, sehingga tidak terjadi senjang waktu
(time lag) bagi mikroorganisme untuk membelah, misalnya karena belum cukup
dewasa atau belum waktunya untuk bereproduksi.
5. Kematian dalam populasi tidak terjadi sehingga populasi dari waktu ke waktu
terus meningkat.
6. Perkembangan bakteri setiap jam dinyatakan dengan notasi � yaitu pembelahan
setiap individu menjadi dua individu yang baru atau � = per satuan waktu
(jam) (Tarumingkeng, 1994:29).
Sehingga model (2.1)dapat dinyatakan sebagai :
=� (2.2)

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 688
ISBN 978-602-71252-1-6

Karena � = maka untuk � pada model (2.2)menjadi :

1 ,
�= = = . Lebih lanjut jika digunakan bilangan euler (� = , …
maka dapat ditulis persamaan � = dengan = ln �. Jika � = = maka =
ln � = 0, . Sehingga model (2.2) dapat dirumuskan menjadi :
= t

atau
ln = ln + .
Persamaan ini adalah persamaan garis lurus yang memiliki kemiringan dan intersep
0 . Jika nilai dinyatakan dengan 1) dan , maka dapat dinyatakan
sebagai :
ln − ln 1
=
− 1
Sehingga untuk pertumbuhan mikroorganisme di persamaan (2.2) dapat dirumuskan :
= t

atau secara umum

= (2.3)
Berdasarkan asumsi di atas laju pertumbuhan populasi adalah konstan. Lebih lanjut
diperoleh model eksponensial yang lain yaitu :

= .(2.4)

Ruas kiri dari persamaan di atas diartikan sebagai laju pertumbuhan perkapita,
sehingga persamaan di atas dapat ditulis sebagai :

= (2.5)

Hal ini berarti laju pertumbuhan populasi pada waktu sebanding atau berbanding
lurus dengan ukuran populasi pada waktu . Sedangkan merupakan konstanta
kesebandingan. Persamaan (2.5) adalah persamaan diferensial orde pertama,
sedangkan solusi persamaan diferensial ini adalah persamaan (2.3), dengan kata lain

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 689
ISBN 978-602-71252-1-6

persamaan (2.3) merupakan bentuk integral dari persamaan (2.5). Jadi keduanya
adalah sama dan inilah yang disebut persamaan (model) pertumbuhan eksponensial
(Hasibuan, 1988: 14).
2.2 MODEL LOGISTIK
Model pertumbuhan populasi yang dijelaskan pada sub-bab (2.1) bersifat
hipotetik dengan berbagai asumsi yang tidak realistis, antara lain nutrien yang
tersedia tidak terbatas (selalu tersedia nutrien dan ruangan yang cukup untuk
mendukung berapapun ukuran populasi) dan individu-individu baru yang dilahirkan
tidak pernah mati. Asumsi-asumsi ini kemudian ditinggalkan dengan mejelaskan
keadaan yang lebih realistis.
Model eksponensial diterapkan untuk waktu yang tidak terbatas, tetapi dengan
sumber-sumber terbatas sehingga keadaan menjadi tidak realistis. Karena tidak
memperhatikan faktor-faktor lain yang mempengaruhi pertumbuhan populasi seperti
kerapatan, nutrien, dan sebagainya.
Pertumbuhan yang tidak terpaut kerapatan diasumsikan berlaku model
pertumbuhan Malthus dengan laju pertumbuhan yaitu :

= , (2.6)

atau = ,

dengan :
= Kerapatan populasi atau banyaknya bakteri pada waktu jam.
= Kerapatan populasi atau banyaknya bakteri mula-mula.
= Laju pertumbuhan populasi.
= Waktu ke- (jam).
Model logistik disusun berdasarkan asumsi-asumsi di bawah ini :
1. Populasi akan mencapai keseimbangan (equilibrium) dengan lingkungan,
sehingga memiliki sebaran umur stabil (stable age distribution).

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 690
ISBN 978-602-71252-1-6

2. Populasi memiliki laju pertumbuhan yang secara berangsur-angsur menurun

secara tetap dengan konstanta .
3. Pengaruh terhadap peningkatan kerapatan karena tumbuhnya populasi
merupakan respons seketika itu juga (instantaneous) dan tidak terdapat
penundaan atau senjang waktu (time lag).
4. Sepanjang waktu pertumbuhan keadaan lingkungan tidak berubah.
5. Pengaruh kerapatan adalah sama terhadap semua tingkat umur populasi.
6. Peluang untuk berkembang biak tidak dipengaruhi oleh kerapatan.
Dengan perjalanan waktu, tumbuh semakin besar sehingga persaiangan antar
individu dalam populasi (ruang, nutrien, dsb) semakin meningkat pula dan

pertumbuhan populasi semakin terhambat. Hal ini mengakibatkan semakin

menurun dan berhenti tumbuh = 0 pada saat daya dukung dicapai. Untuk
mengakomodasi faktor berkurangnya daya dukung akibat pertumbuhan, model

Malthus = perlu dimodifikasi. Selanjutnya diasumsikan bahwa adalah

fungsi linear dimana merupakan faktor penurunan proporsional (Tarumingkeng,

1994: 45).
= − dengan , > 0 dan > 0. (2.7)
Dari persamaan (2.7)diperoleh :

⇔ = − ,

⇔ = − . (2.8)

Persamaan ini disebut model logistik atau model Verhulst-pearl (Hasibuan,

1988: 23).
Persamaan (2.8)merupakan Persamaan Diferensial Biasa (PDB) order satu, sehingga
dapat dicari solusinya dengan melakukan pemisahan peubah (separabel) terlebih
dahulu, kemudian diintegralkan dari kedua ruas persamaan, sehingga diperoleh :

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 691
ISBN 978-602-71252-1-6

∫ =∫ , (2.9)
−

⁄ ⁄
⟺ = + ,
− −

⟺ ∫( + ) =∫ ,
−
⇔ ln − ln − = + ,

⇔ ln = + 1 , ⇔ = .
− −

(2.10)
Dengan = dan sebagai konstanta integrasi.
Jika konstanta = maka persamaan (2.10)diperoleh :
= − ,
⇔ = −
⇔ + = ,

⇔ = ,
+
⇔ = 1
,
+ −

⁄
⇔ = −
. (2.11)
1+

Konstanta pada persamaan (2.11) dapat dihitung berdasarkan persamaan :

= (2.12)
−

Jika = 0 maka = sehingga persamaan (2.12)menjadi :

= dengan = 0
−

⇔ = ⁄ −
(2.13)

Karena ⁄ = �sehingga persamaan (2.13)diperoleh :

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 692
ISBN 978-602-71252-1-6

= �−
.

Jadi dari persamaan (2.11)diperoleh :

�
= �−� −
, (2.14)
1+
�

Dengan � adalah daya dukung lingkungan atau batas atas ukuran populasi yang
dapat didukung oleh sumber daya yang tersedia.
2.3. Data Pendugaan Pertumbuhan Tingkat Kekeruhan
BakteriPantoeaAgglomeransdengan model eksponensial, logistik serta data
yang sesungguhnya.

Berikut ini diberikan Tabel 2.1 untuk data pertumbuhan tingkat kekeruhan
bakteri Pantoea agglomerans menggunakan model eksponensial, model logistik serta
data yang sesungguhnya. (Sholihah, Jumailatus: 2010)
� �� �� Kesalahan % Kesalahan �� Kesalahan % Kesalahan
0 0.1 0.1 0 0 0.1 0 0
1 0.153 0.140192 -0.01281 -0.08371 0.139724 -0.013276 -0.086769976
2 0.67 0.196538 -0.47346 -0.70666 0.19497 -0.47503 -0.709000058
3 1.34 0.275532 -1.06447 -0.79438 0.271559 -1.068441 -0.797343811
4 2.22 0.386274 -1.83373 -0.826 0.377273 -1.842727 -0.830057022
5 2.7 0.541526 -2.15847 -0.79943 0.522308 -2.177692 -0.806552656
6 3.73 0.759176 -2.97082 -0.79647 0.719645 -3.010355 -0.807065599
7 4.08 1.064306 -3.01569 -0.73914 0.985141 -3.094859 -0.758543831
8 9.01 1.492074 -7.51793 -0.8344 1.336976 -7.673024 -0.851611958
9 9.94 2.091771 -7.84823 -0.78956 1.794001 -8.145999 -0.819517022
10 12.68 2.932499 -9.7475 -0.76873 2.372492 -10.30751 -0.812894946
11 12.84 4.111134 -8.72887 -0.67982 3.081206 -9.758794 -0.760030656
12 11.82 5.763488 -6.05651 -0.5124 3.915527 -7.904473 -0.668737166
13 8.08 8.07996 -4E-05 -5E-06 4.852839 -3.227161 -0.399401176
14 11.32747 3.247472 0.401915 6.859654 -1.220346 -0.151032959
15 15.88023 7.800229 0.965375 7.82002 -0.25998 -0.032175791
16 22.26284 14.18284 1.755302 8.687602 0.6076019 0.075198254
17 31.21076 23.13076 2.862718 9.434195 1.3541948 0.167598372
18 43.75504 35.67504 4.415228 10.05028 1.9702764 0.243846087
19 61.34115 53.26115 6.591726 10.05028 1.9702764 0.243846087
20 85.99549 77.91549 9.643007 10.5413 2.4613016 0.304616536
21 120.559 112.479 13.92066 10.92193 2.8419302 0.351724036
22 169.0142 160.9342 19.9176 11.21068 3.1306757 0.387459862
23 236.9447 228.8647 28.32484 11.42615 3.3461482 0.414127251
24 332.178 324.098 40.11114 11.58498 3.5049778 0.433784381

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 693
ISBN 978-602-71252-1-6

25 465.6875 457.6075 56.6346 11.701 3.6209972 0.448143221

26 652.8575 644.7775 79.7992 11.78518 3.7051848 0.458562479
27 915.2552 907.1752 112.2742 11.84598 3.7659805 0.466086692
28 1283.116 1275.036 157.8015 11.88973 3.8097311 0.471501375
29 1798.829 1790.749 221.62729 11.92114 3.8411367 0.475388207
30 2521.817 2513.737 311.1061 11.94364 3.8636401 0.478173281
31 3535.39 3257.31 436.5483 11.95974 3.8797439 0.480166326
32 4956.34 4948.26 612.4085 11.97126 3.8912574 0.481591266
33 6948.401 6940.321 858.9507 11.97948 3.8994836 0.482609362
34 9741.115 9733.035 1204.584 11.98536 3.9053584 0.483336432
35 13656.28 13648.2 1689.134 11.98955 3.9095524 0.483855492
36 19145.04 19136.96 2368.436 11.99255 3.9125458 0.484225963
37 26839.85 26831.77 3320.763 11.99468 3.9146819 0.484490335
38 37627.37 37619.29 4655.852 11.99621 3.9162061 0.484678972
39 52750.63 52742.55 6527.543 11.99729 3.9172935 0.484813556
40 73952.25 73944.17 9151.506 11.99807 3.9180693 0.484909571

C. METODOLOGI PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian
kepustakaan (library research) yaitu penelitian yang pengumpulan datanya
dilakukan dengan menghimpun data dari berbagai literatur. Literatur di sini tidak
terbatas pada buku-buku saja melainkan dapat juga berupa bahan-bahan
dokumentasi, serta bahan-bahan lain yang diambil dari internet.
Penelitian ini mengimplementasikan model matematika terhadap data sekunder
dari pertumbuhan tingkat kekeruhan bakteri Pantoea agglomerans berdasarkan hasil
identifikasi secara biokimiawi pada penelitian tesis yang berjudul “Analisis
Fisiologis dan Molekuler Rhizobakteri Osmotoleran pada Cekaman Kemasaman”
(Sholihah, Jumailatus 2010).
3.2 Rancangan Penelitian
Penelitian ini dilakukan dengan membuat langkah-langkah pemodelan di bawah ini :
1. Merumuskan masalah

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 694
ISBN 978-602-71252-1-6

Mengidentifikasi permasalah yang timbul pada objek penelitian, mencari semua

peubah kemudian dinyatakan dengan lambang matematika dan dicoba untuk
mengenali pola masalah matematika yang sesuai dengan masalah.
2. Penyelesaian masalah
Menyelesaikan masalah dalam model matematika dengan alat matematika yang
sesuai.
3. Menafsirkan kembali
Hasil model ditafsirkan dan dibandingkan dengan model semula dan data
pertumbuhan populasi bakteri yang sebenarnya.
4. Mengkaji penyelesaiannya
Hasil penafsiran perlu dikaji apakah cukup shahih, hal ini dapat dikerjakan
dengan membandingkan hasil dengan softwere MAPPLE versi 15 dan juga
dilakukan dengan mengecek tingkat kesalahan dari hasil model yang didapat.
5. Pelaksanaan
Hasil yang sudah dianggap cukup shahih, dapat dilaksanakan atau digunakan
untuk mencapai tujuan semula dan model bisa digunakan untuk menjelaskan,
memprediksi, memutuskan dan mendesain hasil model hingga waktu ke-t.
3.3 Teknis Analisis Data
1. Mengimplementasikan (menerapkan) dari model matematika pertumbuhan
populasi terhadap data yang diperoleh dari pertumbuhan tingkat kekeruhan
bakteri Pantoea Agglomerans pada medium LB dengan menentukan parameter
dari setiap data tersebut.
2. Metode yang digunakan untuk menganalisis data dalam penelitian ini adalah
analisis deksriptif. Dimana hasil penelitian merupakan deskripsi dari bagaimana
model pertumbuhan bakteri Pantoea Agglomeranspada medium LB dan
menjawab apakah model pertumbuhannya eksponensial (selalu naik tak terbatas)
atau pertumbuhannya konstan (tetap), atau bisa jadi populasinya menurun hingga

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 695
ISBN 978-602-71252-1-6

mendekati titik nol (karena persaingan antar bakteri yang semakin ketat dengan
persediaan makanan yang terbatas).
3. Softwere MAPPLE versi 15 yaitu metode yang digunakan untuk mengolah data
variabel (data sekunder) yang diperoleh dari tesis yang berjudul “Analisis
Fisiologis dan Molekuler Rhizobakteri Osmotoleran pada Cekaman
Kemasaman” (Sholihah, Jumailatus: 2010) ini dengan membuat grafik/plot dari
hasil perhitungan pertumbuhan tingkat kekeruhan bakteri Pantoea agglomerans
pada medium LB cair.

D. HASIL PENELITIAN DAN PEMBAHASAN

Sebagai pendekatan awal untuk memasuki pemodelan pertumbuhan populasi
yang biasanya dikaji melalui kajian atas satu spesies, kita perlu menetapkan beberapa
asumsi yang ideal walaupun kurang realistis, seperti :
1. Daya dukung lingkungan hidup populasi terdiri atas sumber-sumber yang tidak
terbatas persediannya dan kondisi-kondisi lain dari lingkungan seperti suhu dan
kelembapan tidak berubah selama perkembangan populasi. Jadi, disini dianggap
bahwa makanan selalu tersedia, ruang untuk hidup mencukupi, dan masing-
masing anggota populasi tidak saling bersaing dalam proses kehidupannya.
2. Anggota populasi tidak pernah mati, sehingga kerapatan populasi ini senantiasa
meningkat atau tidak pernah akan menurun.
Pielou menamakan populasi hipotetik dengan asumsi-asumsi ini sebagai proses
kelahiran murni (pure birth prosess). Proses pertumbuhan populasi hipotetik yang
mendekati proses kelahiran murni di alam mungkin saja dapat terjadi tetapi tidak
berlangsung secara terus menerus tanpa batas. Proses demikian dapat terjadi pada
beberapa bakteri yang diberi medium yang sesuai dalam ruangan yang cukup seperti
cawan petri untuk beberapa waktu saja (Tarumingkeng, 1994: 26).

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 696
ISBN 978-602-71252-1-6

Seperti halnya proses perkembangbiakan bakteri Pantoea agglomerans ini,

bakteri dikembangbiakkan pada medium Luria Bertani dalam waktu beberapa hari
saja, yakni selama 40 jam, dengan pengambilan data setiap 2 jam sekali.
4.1. Mengolah data hasil penelitian dari pertumbuhan tingkat kekeruhan
bakteri Pantoea agglomerans pada medium LB.
4.1.1 Hasil penelitian dari pertumbuhan bakteri Pantoea agglomerans pada
medium LB dengan menggunakan model eksponensial.
Berdasarkan model eksponensial yaitu dari persamaan (2.3) dan tabel 2.1, maka
dapat diasumsikan dengan lambangdan definisi dalam bentuk tabel sebagai berikut :

Lambang Definisi
Tingkat kekeruhan bakteri Pantoea agglomerans pada saat
pengamatan dimulai (periode awal atau = 0).
Tingkat kekeruhan sesungguhnya dari bakteri Pantoea agglomerans
pada waktu ke-t.
Tingkat kekeruhan bakteri Pantoea agglomerans dengan model
eksponensial pada waktu ke-t.
Laju partumbuhan populasi
Waktu ke-t dari pertumbuhan bakteri.
Diketahui bahwa :
l 2 −l
= dengan nilai = .
2−

� ℎ
Kesalahan = − dan % Kesalahan = × 00%

Lebih lanjut, berikut ini disajikan kurva pertumbuhan tingkat kekeruhan bakteri
menggunakan softwere MAPPLE versi 15 dengan model eksponensial berdasarkan
tabel 2.1.

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 697
ISBN 978-602-71252-1-6

Gambar 4.1 Kurva Pendugaan Pertumbuhan tingkat Kekeruhan bakteri Pantoea

agglomerans dengan model eksponensial dengan sumbu = = 0 dan sumbu = .

Dari gambar 4.1 di atas dapat diambil kesimpulan bahwa tingkat kekeruhan
bakteri Pantoea agglomerans dengan model eksponensial untuk waktu yang dimulai
dari 0 sampai dengan ke-40 menunjukkan bahwa kurva di atas selalu naik secara
eksponensial hingga ke tingkat kekeruhan mencapai nilai sebesar73952.25.Hal
ini sesuai dengan tabel 2.1 yang menyatakan bahwa untuk t = 40 jumlah tingkat
kekeruhan bakteri sebesar 73952.25. Persentase kesalahan dengan model
eksponensial cukup besar yaitu 9151.506%. Berarti dalam hal ini model eksponensial
tidaklah sesuai dengan keadaan yang sebenarnya.
4.1.2. Hasil penelitian dari pertumbuhan bakteri Pantoea agglomerans pada
medium LB dengan menggunakan model logistik
Dari persamaan (2.14) telah diketahui bahwa model logistik dengan :
� l 2 −l
= �−� dimana nilai = .Sedemikian sehingga dari
1+ − 2−
�

model persamaan (2.14) dapat dilambangkan dalam bentuk tabel sebagai berikut :
Lambang Definisi
� Daya dukung lingkungan/batas atas ukuran populasi yang
dapat didukung oleh sumber daya yang tersedia.

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 698
ISBN 978-602-71252-1-6

Tingkat kekeruhan bakteri Pantoea agglomerans pada saat

pengamatan dimulai (periode awal atau = 0).
Tingkat kekeruhan bakteriPantoea agglomerans yang
sesungguhnya.
Tingkat kekeruhan bakteriPantoea agglomerans dengan
model logistik.

Berdasarkan tabel 2.1. berikut ini disajikan kurva pertumbuhan tingkat

kekeruhan bakteri Pantoea agglomerans dengan menggunakan model logistik
berbantuan softwere MAPPLE versi 15.

Gambar 4.2 Kurva Pendugaan Pertumbuhan Tingkat Kekeruhan bakteri Pantoea

agglomerans dengan Model Logistik dengan sumbu = = 0 dan sumbu = .

Dari gambar 4.2 di atas dapat diambil kesimpulan bahwa tingkat kekeruhan
bakteri Pantoea agglomerans dengan model logistik untuk waktu ke-0 sampai
dengan ke-40 menunjukkan bahwa kurva di atas selalu naik secara eksponensial
hingga sampai ke pada waktu = . Lebih lanjut kurva cenderung stabil atau
konstan di posisi 0 = . Dalam hal ini dapat diartikan bahwa pertumbuhan
naik monoton menuju kapasitas batas � = =± , disebabkan karena

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 699
ISBN 978-602-71252-1-6

pengambilan nilai 0 < . Dengan demikian tingkat kekeruhan dengan

menggunakan model logistik mendekati fase stasioner (konstan) dari sampai

dengan �→∞ > yaitu konvergen ke angka 12.
E. PENUTUP
Berdasarkan gambar untuk kurva baik itu dari model eksponensial maupun
model logistik serta tabel 2.1 yaitu data dari pertumbuhan tingkat kekeruhan bakteri
yang sesungguhnya dapat diambil kesimpulan bahwa model matematika untuk
pertumbuhan populasi yang lebih mampu memberikan gambaran objeknya adalah
model logistik, karena untuk waktu yang tak terbatas (waktu yang cukup lama)
model logistik yang lebih menyerupai objeknya karena kurva model eksponensial
selalu naik sampai tak terhingga dan tidak sebanding dengan jumlah nutrien yang
tetap tanpa ada penambahan, sementara jumlah populasi meningkat sehingga
persaingan untuk mendapatkan makanan (nutrien) semakin ketat. Di samping itu
kondisi yang berdesakan karena ruang kultur yang sempit dan adanya persaingan
dalam mendapatkan nutrien mengakibatkan beberapa populasi bakteri mengalami
kematian, hal ini berakibat semakin menurunnya jumlah populasi bakteri.

DAFTAR PUSTAKA
Atlas,R.M.(2010).Handbook of Microbiological Media.USA:CRC Press.
Finizio, L.(1988).Persamaan Diferensial Biasa dengan Penerapan Modern. Jakarta:
Erlangga.
Hasibuan,K.M.(1988).Pemodelan Matematika di dalam Biologi Populasi (Dinamika
Populasi). Bogor: Pusat antar Universitas, Institut Pertanian Bogor bekerja
sama dengan Lembaga Sumberdaya Informasi-IPB.
Holt,J.G.,Bergey,D.H.(2000). Bergeys Manual of Determinitative Bacteriology.
Philadelphia: Lippincott Williams and Wilkins.

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016
 700
ISBN 978-602-71252-1-6

Irwanto.(2006). Penggunaan Tanaman Actinorhizal Casuarina Equisetifolia L pada

Rehabilitasi Lahan Alang-Alang dengan Sistem
Agroforestrihttp://www.irwantoshut.com jam 14.15 WIB hari Kamis tanggal
17 Desember 2015.
Leithold,L.(1986).Kalkulus dan Ilmu Ukur Analitik. Jakarta: Erlangga.
Purcell,E.j.,Varberg,D.(2001).Kalkulus Jilid Satu Edisi Tujuh.Batam:Interaksara.
Soemartojo,N.(1955).Kalkulus Edisi Ketiga. Jakarta: Erlangga.
Sholihah,J.(2010).Analisis Fisiologis dan Molekuler Rhizobacteri Osmotoleran pada
Cekaman Kemasaman.Program studi S2 Bioteknologi UGM.
Tarumingkeng,R.C.(1994).Dinamika Populasi Kajian Ekologi Kuantitatif. Jakarta:
Pustaka Sinar Harapan.
Yuliawanto.(1998).Dinamika Pertumbuhan Populasi.Fakultas MIPA UGM.

Seminar Nasional Matematika dan Pendidikan Matematika “NMPM 6 Strategi

Mengembangkan Kualitas Pembelajaran Matematika Berbasis Riset Prodi Pendidikan
Matematika FKIP Unswagati, Cirebon 6 Februari 2016