MODUL PRAKTIKUM

TEKNOLOGI KHUSUS PEMULIAAN TANAMAN

MARKA

LABORATORIUM PEMULIAAN TANAMAN

JURUSAN BUDIDAYA TANAMAN
FAKULTAS PERTANIAN
UNIVERSITAS BRAWIJAYA
MALANG
2014

IV. MARKA
1. PENDAHULUAN
Penanda genetik, juga disebut dengan penanda, marker, marka,
atau markah di berbagai kepustakaan, merupakan penciri individu yang
terlihat oleh mata atau terdeteksi dengan alat tertentu yang menunjukkan
genotipe

suatu

individu.

Bentuknya

dapat

berupa

penampilan

fenotipe/morfologi tertentu, kandungan senyawa (protein atau produk

biokimia tertentu), berkas (band) pada suatu lembar hasil elektroforesis gel
atau kromatogram, atau hasil pembacaan sekuensing.
A. Macam-macam Penanda
1. Penanda morfologi
Penanda ini mudah dilihat oleh mata dan telah banyak
digunakan sejak masa awal genetika. Contohnya adalah warna,
ukuran, atau bentuk organ tertentu. Walaupun mudah dan masih
dipakai (biasanya digunakan untuk mengontrol berhasilnya suatu
persilangan), penanda morfologi dapat termodifikasi oleh pengaruh
lingkungan sehingga dianggap tidak stabil. Selain itu, penanda
morfologi jumlahnya sangat terbatas dan untuk mengamatinya orang
harus menunggu hingga sifat penanda itu muncul.
2. Penanda biokimia
Penanda biokimiawi biasanya memerlukan alat atau metode
khusus untuk mengamatinya. Kalangan genetika tumbuhan banyak
menggunakan

penanda

biokimia

sejak

tahun 1960-an dengan

menggunakan isoenzim (isozim).

3. Penanda molekul
Yang dimaksud dengan penanda molekul adalah penanda yang
mengandalkan sifat-sifat aplikatif DNA. Jadi, penanda biokimia tidak
termasuk di dalamnya meskipun sebenarnya juga merupakan molekul.

Penanda molekul bersifat stabil karena DNA bersifat baku dan tidak
terpengaruh lingkungan.
Berikut ini adalah beberapa penanda molekul yang dipakai
dalam berbagai analisis genetik:

RFLP (Restriction Fragment Lenght Polymorphisme)

RAPD (Random Amplified Polymorphic DNA)

SRR (Simple Sequence Repeats)

AFLP (Amplified Fragment Length Polymorphism)

dll

B. Penggunaan penanda genetik

Penanda genetik digunakan untuk berbagai macam kepentingan
yang biasanya bersifat diagnostik serta forensik. Selain itu, penanda
genetik bisa dipakai sebagai alat bantu seleksi dan pengukur
keanekaragaman genetik.
Contoh-contoh aplikasi penanda genetik:
Sidik jari DNA pada pembuktian forensik.
Uji serologi untuk mengetahui kehadiran penyakit tertentu.
Pembuatan peta genetik.
Seleksi berbantuan marker (marker-assisted selection, MAS).
Deskripsi keanekaragaman genetik.
Analisis kekerabatan/taksonomi.
Analisis kualitas lingkungan.
Analisis kandungan bahan pangan/pakan.
dll

C. NTSYS
NTSYS Spc 2.02 (Numerical Taxonomy and Multivariate
Analysys Systems), merupakan program yang dibuat untuk
melakukan analisis kekerabatan. Program ini dapat digunakan

untuk melihat Hubungan kekerabatan antara beberapa sampel

dengan
melihat
muncul tidaknya suatu parameter/faktor
fisik pada masing-masing sampel.
II. TUJUAN PRAKTIKUM
Mengetahui macam-macam marka dan penggunaannya serta mengetahui
cara menggunakan Program NTSYS dalam membuat Pohon Kekerabatan.
III. PROSEDUR KERJA
NTSYS menggunakan empat konsep dasar, yaitu :
A. memasukkan dan menyimpan data pada ntedit.exe tables,
B. membuat similaritas/dissimilaritas interval data untuk membuat matriks,
C. membuat

analisis

cluster (kelompok)

dengan

SAHN (Sequential

Agglomerative Hierarchycal Nested Cluster Analysis), dan

D. membuat dendogram (Rohlf, 1998).
Langkah-langkahnya adalah sebagai berikut:
1. Buka program Ms Excel. Data dibuat dalam format Ms Excel 1997-2003
(.xls).

Pada

kolom A1 diketikkan angka 1,

artinya

data ini

merupakan

matriks --> 1 dendogram.

Pada kolom B1 diketikkan jumlah seluruh parameter yang diujikan ke

sampel.

Pada kolom C1 diketikkan jumlah seluruh sampel.

Kolom A2 dibiarkan kosong.

Kolom A3 dst. ke bawah diketikkan nama parameter yang diujikan

(contoh:

kolom A3 diketikkan parameter1,

parameter2 dst.).

kolom A4

diketikkan

Kolom B2 dst. Ke kanan diketikkan identitas sampel (contoh: kolom

B2 diketikkan sampel1, kolom B3 diketikkan sampel2, dst.).

Kolom B3, diketikkan angka 0 jika parameter1 pada sampel1 tidak

muncul. Jika parameter1 muncul pada sampel1 maka diketikkan
angka1, dst. hingga parameter terakhir pada sampel terakhir.

Simpan file dalam Ms Excel 1997-2003 (.xls).

2. Buka NTEDIT.exe, buka file Ms Excel 1997-2003 (.xls) tadi dengan cara:

Klik "File", lalu "import excel", lalu "using OLE".

Akan muncul jendela yang menanyakan apakah kita akan menulis ulang
matriks yang kosong ("Overwrite empty matrix?").

Klik "Yes". Cari file Ms Excel 1997-2003 (.xls)

yang tadi disimpan. Maka NTEDIT akan terisi otomatis dengan data yang
kita masukkan di Ms Excel tadi.

Simpan data dalam .NTS dengan mengklik "File" lalu "save file as".
Tulis nama file.

Tutup NTEDIT.

3 Buka NTSYS.exe.

Klik "Similarity". (Kata "Similarity" akan terlihat lebih tebal jika

sudah diklik).

Klik "SimQual". SimQual berarti kita akan menganalisis similaritas/

dissimilaritas bagi data kualitatif kita.

Keluar tampilan SimQual. Pada sebelah kanan baris "Input File" klik 2
kali, lalu pilih data .NTS sebelumnya.

Kolom sebelah kanan baris "By rows" dibiarkan saja.

Kolom sebelah kanan baris "Coefficient" ada tulisan SM, artinya

similaritas dibuat menggunakan koefisien "simple matrix", bisa juga
memilih koefisien yang lain.

Kolom sebelah kanan baris "Output file" diketikkan nama output file kita.
Disarankan mencantumkan nama "simQual" dan koefisien yang
dipilih (contoh: SimQual SM for data) untuk memudahkan dalam
mengingat isi file.

Kolom

sebelah

kanan

baris "Positive Code" dan "Negative Code"

dibiarkan saja.

Klik "Compute". Jika similaritas sudah selesai, akan muncul tampilan

"report listing". Tutup tampilan "SimQual" dan "report listing".

Untuk memastikan, cari tempat file yang kita simpan.

4. Kembali lagi ke tampilan awal NTSYS. Klik "Clustering". Artinya

kita akan mulai mengelompokkan data kita.

Klik "SAHN". --> Sequential Agglomerative Hierarical Nested Cluster

Analysis.

Keluar tampilan "SAHN". Pada sebelah kanan baris "Input

File" klik 2

kali, lalu pilih data .NTS yang sudah diSimQual sebelumnya.

Pada sebelah kanan baris "Output

tree

file" diketikkan nama output

file kita. Disarankan mencantumkan nama "SAHN" dan Clustering method

yang dipilih (contoh: SimQual SM SAHN SINGLE FIND for data).

Pilih Clustering method. Contoh, pilih "SINGLE".

Pada sebelah kanan baris "In case of ties", pilih FIND. Artinya Jika
pada proses clustering ini menemukan simpul, maka akan dicari.

Pada

sebelah

kanan

baris

"Maximum no. tied trees"

ketikkan

kemungkinan jumlah simpul maksimum. Disarankan ketik jumlah

yang lebih banyak atau sama dengan jumlah sampel kita.

Sebelah kanan baris "Tie tolerance" dan "Beta" dibiarkan saja.

Klik "Compute".

Klik gambar dendogram (berwarna merah) di pojok kiri bawah, maka

akan muncul dendogramnya.

Pada tampilan dendogram dapat dilakukan penambahan Judul, pengeditan

huruf, dan garis dendogram. Caranya, klik "Options".

Setelah selesai mengedit, klik "File", klik "save metafile". Tulis nama
file dendogram kita.