Kesimpulan Analisis DaftarPustaka [1] A.Goyal,

Gambar 3.4 Perubahan konsentrasi nutrisi terhadap waktu Gambar 3.5 Perubahan konsentrasi oksigen terlarut terhadap waktu Dari Gambar 3.1 terlihat konsentrasi polutan semakin lama semakin meningkat, kemudian berhenti bertambah pada saat t=10. Dari Gambar 3.2 dapat dilihat bahwa tingkat konsentrasi yang terserap oleh jamur semakin lama semakin bertambah. Hal itu menunjukan bahwa semakin lama jumlah polutan dibadan air semakin berkurang karena terserap oleh jamur. Dari Gambar 3.3 dapat dilihat bahwa biomassa jamur pada awalnya semakin bertambah kemudian pada saat t=3 mulai mengalami penurunan, tapi pada saat t=10 jumlahnya mulai stabil dan tidak mengalami penurunan maupun peningkatan lagi. Dari Gambar 3.4 dapat dilihat bahwa konsentrasi nutrisi yang dikonsumsi mengalami penurunan sampai pada saat t=6 mulai stabil dan tidak mengalami penurunan lagi. Dari Gambar 3.5 dapat dilihat bahwa tingkat konsentrasi oksigen terlarut semakin lama semakin mengalami penurunan.

4. Kesimpulan Analisis

model menunjukkanbahwapolutananorganikdapat dikeluarkandaritubuh air dengan proses biosorpsimenggunakanpopulasijamur. Simulasinumeriktelahmengkonfirmasihasil ini.Telahditemukanbahwahasil yang diperolehsecarakualitatifmiripdenganhasile ksperimen yang dipublikasikandalamliteratur. Sehingga dapat dikatakanbahwa proses biosorpsimemilikipotensiuntukmembuatba dan air bebasdaripolutananorganikdenganmenggu nakanpopulasijamurberulang kali dantepat yang dapatmencakupteknikrekayasagenetika. 5. DaftarPustaka [1] A.Goyal, R.Sanghi, A.K.Misra, J.B.Shukla, A modeling study on the role of fungi in removing inorganic pollutants, Mathematical Biosciences. 244 2013 116-124. [2] A.K. Misra, J.B. Shukla, P. Chandra, Mathematical modeling and analysis of the depletion of dissolved oxygen in water bodies, Nonlinear Anal.: RWA 7 2006 980. [3] F. Veglio, F. Beolchini, Removal of metals by biosorption: a review,Hydrometallurgy 44 1997 301. [4] G.P. Boswell, F.A. Davidson, Modelling hyphal networks, Fungal Biol. Rev . 26 1 2012 30. [5]J.B. Shukla, Rashmi Sanghi, Ashish Goyal, A.K. Misra, Modeling the desalination of saline water by using bacteria and marsh plants. 107 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UNDIP 2015, ISBN: 978-979-097-402-9 Desalination 277 1–3 2011 113– 120 . [6] J.L. Zhou, Zn biosorption by Rhizopus azzhizus and other fungi, Appllied Microbiol Biotechnol . 51 1999 686. [7] R. Sanghi, A. Srivastava, Long term chromate reduction by immobilized fungus in continuous column, Chemical Enginering . J. 162 1 2010 122. [8] S.M. Siegel, M. Galun, B.Z. Siegel, Filamentous fungi as metal biosorbents: a review, Water Air Soil Poll . 53 1990 335. [9] W.D. Rosenzweig, D. Pramer, Influence of cadmium, zinc and lead on growth, trap formation and collagenase activity of nematode- trapping fungi, Appllied Environmental Microbiology . 40 1980 694. [10] W.H. Lo, H. Chua, K.H. Lam, S.P. Bi, A comparative investigation on the biosorption of lead by filamentous fungal biomass, Chemosphere 39 1999 2723. 108 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UNDIP 2015, ISBN: 978-979-097-402-9 PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO PDRB SEKTOR INDUSTRI DENGAN PENDEKATAN SPASIAL DATA PANEL Abdul Karim 1 , Rochdi Wasono 2 1 Statistika Universitas Muhammadiyah Semarang, abdulkarimcrbgmail.com 2 Statistika Universitas Muhammadiyah Semarang, didik2011gmail.com Abstrak. Sektor industri merupakan salah satu sektor yang mempunyai proporsi cukup besar dalam pembentukan PDRB serta dalam pembangunan perekonomian di Jawa Tengah. Model ekonometrika untuk PDRB dari sektor industri dipengaruhi oleh jumlah tenaga kerja di sektor industri dan upah. Selain dipengaruhi oleh kedua faktor tersebut PDRB sektor industri juga dipengaruhi oleh keberadaan efek region dari region lain serta efek waktu. Data yang digunakan dalam penelitian ini adalah data sekunder yang yang diperoleh dari Badan Pusat Statistik BPS untuk periode tahun 2011-2013. Tujuan makalah ini adalah untuk mengetahui faktor-faktor yang mempengaruhi PDRB sektor industri dengan adanya keberadaan efek region dan waktu, maka digunakan metode ekonometrika spasial panel. Dalam penelitian ini menggunakan bobot spasial queen contiguity, model spasial data panel yang dibangun dalam penelitian yaitu model spasial lag dan model spasial error dengan menerapkan fixed effect dan random effect. Berdasarkan uji Hausman didapatkan model random effect. Hasil model ini menghasilkan efek region spasial tidak mempengaruhi nilai PDRB sektor industri di Jawa Tengah menggunakan matriks bobot queen, selanjutnya upah berpengaruh signifikan pada alfa 5 persen terhadap PDRB Kabupaten dan Kota di Jawa Tengah. Kata kunci: PDRB industri, sar, sem, spasial panel 1. PENDAHULUAN PDRB industri, sar, sem, spasial panelSalah satu indikator keberhasilan pembangunan adalah laju pertumbuhan ekonomi. Laju pertumbuhan ekonomi diukur berdasarkan nilai tambah yang dikenal dengan istilah Produk Domestik Regional Bruto PDRB. PDRB merupakan cerminan potensi perekonomian suatu wilayah. Nilai PDRB yaitu agregat nilai tambah yang dihasilkan oleh unit-unit produksi yang beroperasi di wilayah tersebut. Sektor industri sebagai salah satu sektor yang berperan dalam pertumbuhan ekonomi di Jawa Tengah, serta berperan sebagai penyedia lapangan kerja yang menampung tenaga kerja. Dengan tingkat pertumbuhan yang positif, sektor industri berperan dalam menjaga laju pertumbuhan ekonomi nasional. PDRB merupakan salah satu kajian ekonometrika, dalam upaya memahami fenomena ekonomi yang banyak dikembangkan dari teori-teori ekonomi untuk mendefinisikan hubungan antara berbagai variabel ekonomi dalam bentuk matematis. Hubungan matematis antara variabel-variabel ekonomi yang ukuran- ukuran kuantitatifnya diperoleh dari dunia nyata sangat diperlukan sebagai pedoman dalam perumusan kebijakan ekonomi. Dalam pemodelan regresi spasial terdapat model spasial autoregresif SAR serta spasial eror model SEM. Penelitian ini dilakukan dengan pendekatan model regresi spasial berbasis data panel, sehingga data berbasis kewilayahan akan sangat sesuai jika menggunakan pendekatan spatial karena suatu wilayah yang memiliki karakteristik yang sama diduga saling berkaitan serta memperhatikan efek waktu. Beberapa kajian yang berkaitan dengan pemodelan regresi spasial telah dilakukan oleh Karim et al [4], mengkaji pemodelan produksi kedelai di provinsi jawa tengah menggunakan dua proses spatial. Karim et al [5], mengkaji faktor- faktor yang mempengaruhi PDRB sektor industri menggunakan Spatial Durbin Error Model SDEM. Selain itu, Karim et al [6], melakukan kajian efek spasial Bantuan Operasional Sekolah BOS menggunakan analisa spasial. Kemudian, Karim et al [7], 109 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UNDIP 2015, ISBN: 978-979-097-402-9 56 memodelkan kejadian gizi buruk di Provinsi Jawa Timur menggunakan spatial regression. Selanjutnya, Setiawan et al [9] memodelkan PDRB sektor industri menggunakan Spatial Durbin Model SDM dan Spatial Durbin Error Model SDEM.

2. REGRESI PANEL