LAPORAN PRAKTIKUM

SISTEMATIKA MIKROBIA
ACARA 3
KLASIFIKASI NUMERIK FENETIK
BERDASARKAN PROFIL SIDIK JARI MOLEKULER
Dosen pengampu : Ania Uswatun Khasanah, M. Sc

DI SUSUN OLEH :
Nama : M.Tasrifin

NIM 211710039

Kelompok : 3 (Tiga)
Hari/tanggal : Kamis, 20 Oktober 2022

PROGRAM STUDI BIOLOGI

FAKULTAS SAINS
UIN SULTAN MAULANA HASANUDIN BANTEN
2022
A. TUJUAN PRAKTIKUM
1. Klasifikasi Numerik Fenetik berdasarkan profil sidik jari molekuler.

B. DASAR TEORI

Metode klasifikasi numerik-fenetik menggolongkan setiap strain

mikrobia ke dalam kelompok takson yang homogen yaitu taksospesies
berdasarkan sejumlah besar data fenotipik (makromorfologi, morfologi
koloni, penggunaan sumber karbon, produksi enzim, kemampuan
mendegradasi makromolekul). Pada penelitian ini, metode ini mampu untuk
mengelompokkan ke delapan strain tersebut ke dalam empat klaster.(Sem
biring, L. 2002)
Klasifikasi numerik fenetik adalah studi tentang klasifikasi organisme
berdasarkan kesamaan atau kesamaan dalam morfologi sel dan karakteristik
lain yang dapat diamati, terlepas dari asal evolusi organisme yang
bersangkutan. Taksonomi adalah kebalikan dari phenetics, studi tentang
pengelompokan organisme berdasarkan asal-usul evolusionernya. Filogeni
berasal dari kata filogeni, yang berarti sejarah perkembangan garis
keturunan evolusioner dalam suatu kelompok organisme. Oleh karena itu
dapat diartikan sebagai asal usul dan evolusi taksa. Taksonomi phyletic
menekankan hubungan erat antara nenek moyang satu takson dan takson
lainnya. Di sini, para peneliti mencoba menyimpulkan arah evolusi fitur
morfologis yang ada, dan para ahli menentukan mana yang primitif dan
mana yang berevolusi, atau turun darinya (Hasanudin, 2018).
Perubahan genetik pada hasil perbanyakan melalui kultur jaringan
yang dikenal dengan istilah variasi somakonal. Salah satu jenis marka
molekuler yang umum digunakan untuk mendeteksi variasi genetik adalah
marka Random Amplified Polymorphic DNA. Pada teknik ini segmen DNA
yang diamplifikasi bersifat acak, tidak diperlu diketahui sekuens DNA target
(Kumari dan Takhur, 2014).
Sampai saat ini informasi keberadaan E.coli O157:H7 dalam
kaitannya sebagai agen zoonosis di Indonesia masih sangat jarang
terungkap. Padahal Shiga toxin yang dihasilkan oleh bakteri ini dapat
menimbulkan bahaya yang cukup fatal terutama pada anak-anak dengan
tingkat morbiditas dan mortalitas yang sangat tinggi. Hasil temuan cemaran
E.coli O157:H7 (Suardana et al. 2010)
Di zaman taksonomi modern,numerik dengan studi representasional
studi filogenetik tambahan juga diperlukan. jika tujuan parsing ekspresi
numerik jelaskan persamaan antara taksa yang ditargetkan untuk studi
filogenetik jelaskan hubungan antara takson. berdasarkan analisis
filogenetik dalam urutan spacer trnL-trnF dari gen kloroplas dari G.
versteegii, spesies ini memiliki hubungan keluarga polyphyly dengan genera
 lain dalam keluarga Thymraeidae. Studi taksonomi polifasik merupakan
kajian taksonomi yang kredibel untuk menjelaskan fenomena
keanekaragaman hayati di antara organisme. Studi taksonomi ini
memainkan peran yang sangat penting dalam memahami pembelajaran
variasional holisme interspesifik, termasuk spesies G. versteegii. Oleh
karena itu, penelitian ini bertujuan untuk membandingkan topologi
dendrogram dan kladogram G. versteeggii dengan anggota genus Gyrinops
lainnya untuk menyusun taksonomi polifasik legum (Darmawanti,
Sembiring, Asmara,Artama. 2011 ).
Taksonomi numerik diawali dengan analisis karakter yang diuji
dengan berbagai uji, antara lain: uji morfologi, fisiologi dan sifat biokimiawi
yang menghasilkan data fenotip yang beragam, data fenotip yang didapat,
akan diolah lebih lanjut sehingga menghasilkan koefisien similaritas, yaitu
sebuah fungsi yang mengukur tingkat kemiripan yang dimiliki oleh dua atau
lebih stain mikroba yang dibandingkan, yang diperoleh dari karakter yang
dibandingkan antar dua atau lebih strain mikroba. Koefisien ini terdiri atas
dua jenis yaitu, simple matching coeficient (ssm) dan jaccard coeficient
(sj).Ssm merupakan koefisien similaritas yang umum digunakan pada ilmu
bakteriologi untuk mengukur proporsi karakter yang sesuai, baik
hubungannya bersifat ada (positif) maupun tidak ada (negatif).Sedangkan sj
dihitung, tanpa memperhitungkan karakter yang tidak dimiliki oleh kedua
organisme tersebut (Harly 2005).
C. ALAT DAN BAHAN
a. Alat
Alat didalam praktikum kali ini hanya menggunakan alat tulis.
b. Bahan
Bahan didalam praktikum kali ini hanya menggunakn data hasil
pengujian.

D. CARA KERJA
Seperti halnya pada praktikum acara 1, data yang dipakai dalam praktikum
acara 2 ini diperoleh dari artikel penelitian yang terdapat pada jurnal ilmiah
dalam bentuk elektroforegram (foto elektroforesis).
1. Penelusuran Sumber Data
Data yang digunakan dalam praktikum ini berupa elektroforegram sidik jari
(fingerprint) molekular. Data fingerprint tersebut dapat berupa hasil
ribotyping, RFLP, RAPD, dan lainnya. Elektroforegram dari suatu artikel
jurnal dapat di-crop menggunakan program PDF reader seperti Adobe
Reader melalui menu Tools Select & Zoom Snapshot Tool. Buat file gambar
(image file) format JPEG atau PNG dari elektroforegram tersebut dengan
memblok elektroforegram yang diinginkan dan copy (ctrl+C) ke program
Paint.
1. Pembuatan Diagrammatic Representative

Diagrammatic representative merupakan sebuah gambaran skematis yang

mewakili elektroforegram yang dianalisis. Penggunaan diagrammatic
representative ini barfungsi untuk mempertegas kehadiran atau
ketidakhadiran suatu band dalam elektroforegram. Kejelasan mengenai
hadir atau tidaknya sebuah band merupakan hal yang penting karena band
tersebut diasumsikan sebagai karakter dalam data coding.

Pembuatan diagrammatic representative dapat dilakukan dengan program

photo editor seperti Corel Draw, Adobe Photoshop, atau Paint Shop Pro.
Secara umum, tahapan pembuatannya meliputi input gambar, penambahan
layer transparan, dan menggambarkan suatu garis pada layer transparan
tersebut yang berpandu pada band elektroforegram dibawalinya. Dalam
praktikum ini program Paint Shop Pro (PSP) akan digunakan untuk
pembuatan diagrammatic representative ini. Pertama, buka program PSP
dan masukan file gambar elektroforegram yang telah dibuat sebelumnya
melalui menu File →→ Open. Setelah gambar elektroforegram muncul,
akan terdapat suatu kotak bertuliskan Layer pada sisi sebelah kanan. Apabila
kotak ini tidak muncul, kita dapat memunculkannya melalui ikon Toggle
Layer Palette pada sisi atas, ikon kedua dari kanan. Pada layer palette
tersebut, gambar yang kita masukan sebelumnya dikategorikan sebagai
Background. Kita dapat menambahkan layer baru dengan menekan ikon
Add New Layer yang terletak pada pojok kiri bawah layer palette. Sebuah
layer baru yang muncul akan diberi nama Layer secara otomatis dan terletak
di atas layer Background. Klik ikon Layer I untuk mengaktifkannya dan
Pada Layer 1 inilah kita akan membuat diagrammatic representative dari
elektroforegram.
Setelah memilih Layer 1, aktifkan control palette dengan menekan ikon
Toggle Control Palette yang terletak 3 ikon di sebelah kiri Toggle Layer
Palette. Menu control palette berfungsi untuk mengatur jenis, ketebalan,
bentuk, dan ukuran brush tip yang akan digunakan untuk mewarnai Layer 1
berdasdarkan cetakan yang ada pada elektroforegram. Sebelum mengatur
apapun yang ada pada control palette, aktifkan Paint Brushes yang terletak
pada tool palette (menu di pojok kiri). Pemilihan warna dapat dilakukan
pada color palette (menu di pojok kanan). Kedua menu tersebut masing-
masing dapat diaktifkan melalui Toggle Tool Palette dan Toggle Color
Palette. Menu Control Palette terdiri atas dua submenu, yakni Tool Controls
dan Brush Tip. Untuk sementara, abaikan dahulu submenu Tool Controls
dan masuk ke submenu Brush Tip. Pada submenu Brush Tip terdapat pilihan
Shape, Size, Opacity,
Hardness, Density, dan Step yang masing-masing berfungsi untuk mengatur
jenis kuas, ukuran kuas, ketebalan warna, ketegasan bentuk kuas, kepadatan
warna, dan gradasi kuas. Hasil pengaturan enam parameter ini langsung
ditampilkan pada layar di kiri atas submenu Brush Tip. Sebagai contoh,
pengaturan Brush Tip yang digunakan meliputi Shape: Horizontal, Opacity:
25, Hardness: 50, Density: 100, dan Step: 1. Size yang digunakan
bergantung pada ukuran image file yang digunakan. Sebelum mulai
membuat diagrammatic representative, sebaiknya kita mengujikan hasil
pengaturan pada submenu Brush Tip untuk melihat kecocokannya langsung
pada Layer 1. Hasil pengujian kemudian dapat dihapus dengan
mengaktifkan ikon Eraser pada tool palette. Bentuk dan ukuran Eraser juga
diatur pada menu Control Palette yang sama dengan Brush Tip.
Setelah penggambaran selesai dilakukan, simpan file tersebut (PSP akan
secara otomatis menyimpannya dalam format .psp). File psp ini juga dapat
dibuka dengan program image viewer seperti ACDSee. Diagrammatic
representative yang ditampilkan adalah hasil penggambaran yang dilakukan
tanpa menyertakan background foto elektroforegram. Dengan demikian,
kita dapat menghilangkan foto elektroforegram dengan meng-klik ikon
Background pada Layer Palette dan kemudian Delete. Hasilnya hanya akan
tersisa pita-pita berwarna hasil penggambaran sebelumnya (Gambar 2.2).
Simpan kembali file ini dalam format .jpg (gunakan menu Save As) dengan
nama lain agar tidak mengganti file sebelumnya.
3. Data Coding dan Analisis
Diagrammatic representative yang dihasilkan merupakan sumber untuk data
coding. Dalam hal ini, setiap pita yang tergambarkan pada diagrammatic
representative merupakan karakter, sehingga total seluruh pita dari seluruh
strain mencerminkan jumlah karakter (t) pada tabel n x t. Konversi
diagrammatic representative menjadi tabel n x t dapat dilakukan secara
intuitif dengan melihat kesejajaran pita antar strain dan menggolongkan
pita-pita yang sejajar sebagai satu karakter (Gambar 2.3). Namun demikian,
apabila jumlah pita terlalu banyak maka diperlukan garis bantu untuk
melihat kesejajaran antar pita. Garis bantu tersebut dapat dibuat pada
program Paint. Buka file gambar diagrammatic representative dalam format
jpg dengan program Paint dan klik ikon Line yang terletak pada bagian atas.
Setelah itu buat garis dari ujung kiri ke ujung kanan gambar dimulai dari
pita teratas. Pita-pita yang bersinggungan dengan garis tersebut dinyatakan
sejajar dan menempati karakter yang sama. Tabel nxt yang telah dibuat
selanjutnya dianalisis secara numerik-fenetik sama seperti pada analisis data
fenotipik. Analisis dilakukan menggunakan program MVSP 3.1 (Kovach,
2007) dengan indeks similaritas Ss dan Si serta algoritme pengklasteran
UPGMA.
 E. Hasil Penelitian

2.1 Tabel nxt

Simbol
Karakter Karakter OTU
1 2 3 4 5 6 7 8 9 10
800 1 1 0 0 0 0 0 0 0 0 0
700 2 1 1 0 0 0 0 0 0 0 0
600 3 1 1 0 0 0 0 1 0 0 0
500 4 1 0 1 1 0 0 0 0 1 1
400 5 1 1 0 0 1 1 0 1 0 0
300 6 1 1 0 0 0 0 1 0 0 0
200 7 1 0 1 0 1 1 1 0 1 1
100 8 1 1 0 0 0 0 0 0 0 0
2.2 Tabel SSM
Similarity
Matrix
A b C d e f g h i j
a 1
b 0,625 1
c 0,25 0,125 1
d 0,125 0,25 0,875 1
e 0,25 0,375 0,75 0,625 1
f 0,25 0,375 0,75 0,625 1 1
g 0,375 0,5 0,625 0,5 0,625 0,625 1
h 0,125 0,5 0,625 0,75 0,875 0,875 0,5 1
i 0,25 0,125 1 0,875 0,75 0,75 0,625 0,625 1
j 0,25 0,125 1 0,875 0,75 0,75 0,625 0,625 1 1
2.3 Tabel Unsorted dan Sorted SSM
Node Group 1 Group 2 Simil. in group
1 c I 1 2
2 Node 1 J 1 3
3 e F 1 2
4 Node 2 D 0,875 4
5 Node 3 H 0,875 3
6 Node 4 Node 5 0,589 7
7 a B 0,625 2
8 Node 6 G 0,589 8
9 Node 7 Node 8 0,266 10

UNSORTED SORTED Koefisien

a-b 0,625 0,625 -0,22273
a-c 0,25 0,698
a-d 0,125 0,698
a-e 0,25 0,698
a-f 0,25 0,698
a-g 0,375 0,589
a-i 0,125 0,589
a-j 0,25 0,589
b-a 0,25 0,625
b-c 0,125 0,589
b-d 0,25 0,589
b-e 0,375 0,589
b-f 0,375 0,589
b-g 0,5 0,589
b-i 0,5 0,589
b-j 0,125 0,589

• Dendogram SSM

Text-based graphs are best viewed with a fixed pitch font (e.g. Courier New or Fixedsys).

+---------------------------------------- g
+-----------------------------|
| | +------------ h
| | +----------------|
| | | | +f
| | | +-----------|
| | | +e
| +----------|
| | +------------ d
| +----------------|
| | +j
| +-----------|
| |i
| |
| +c
|
| +------------------------------------ b
+---------------------------------|
+------------------------------------ a
2.4. Tabel SJ
SIMILARITY
MATRIX
a b c d e f g h i j
a 1
b 0,625 1
c 0,25 0 1
d 0,125 0 0,5 1
e 0,25 0,167 0,333 0 1
f 0,25 0,167 0,333 0 1 1
g 0,375 0,333 0,25 0 0,25 0,25 1
h 0,125 0,2 0 0 0,5 0,5 0 1
i 0,25 0 1 0,5 0,333 0,333 0,25 0 1
j 0,25 0 1 0,5 0,333 0,333 0,25 0 1 1
a b c d e f g h i j

2.5 Tabel Unsorted dan Sorted SJ

Node Group 1 Group 2 Simil. in group
1 c i 1 2
2 Node 1 j 1 3
3 e f 1 2
4 a b 0,625 2
5 Node 2 d 0,5 4
6 Node 3 h 0,5 3
7 Node 4 g 0,354 3
8 Node 7 Node 6 0,184 6
9 Node 8 Node 5 0,151 10

UNSORTED SORTED Koefisien

a-b 0,625 0,625 -0,07305
a-c 0,25 0,5
a-d 0,125 0,5
a-e 0,25 1
a-f 0,25 1
a-g 0,375 0,151
a-i 0,125 0,5
a-j 0,25 0,5
b-a 0,25 0,625
b-c 0 0,5
b-d 0 0,5
b-e 0,167 1
b-f 0,167 1
b-g 0,333 0,151
b-i 0,2 0,5
b-j 0 0,5
 • Dendogram SJ

Text-based graphs are best viewed with a fixed pitch font (e.g. Courier New or Fixedsys).

+------------------------------------------ d
+---------------------------|
| | +j
| +-----------------------------------------|
| |i
| |
| +c
|
| +------------------------------------------ h
| +-------------------------|
|| | +f
|| +-----------------------------------------|
|| +e
+-|
| +------------------------------------------------------ g
+-------------|
| +------------------------------- b
+----------------------|
+------------------------------- a
F. Pembahasan

Analisis sidik jari DNA dapat dilakukan dengan berbagai cara,

salah satunya menggunakan metode PCR. Sidik jari DNA dengan metode
PCR lebih mudah dilakukan karena tidak memerlukan enzim restriksi, tidak
memerlukan hibridisasi dengan suatu pelacak tertentu, tidak memerlukan
pemindahan fragmen-fragmen DNA dari gel ke suatu membran, dan dapat
dilakukan terhadap sampel DNA dalam jumlah sedikit (Yuwono, 2006).
Sidik Jari DNA dengan rep-PCR dapat digunakan untuk membedakan
isolat-isolat bakteri hingga ke spesies, subspesies, dan strain. Metode ini
juga dapat diaplikasikan terhadap berbagai macam mikroorganisme baik
dari golongan bakteri Gram-negatif maupun Gram-positif, bahkan pada
mikroorganisme eukaryotik (Versalovic et al, 1996).

Morfologi, yakni untuk mengenali suatu individu atau spesies.

Pada suatu individu yang lengkap, penggunaan ciri dan tanda morfologi
dapat langsung membantu ahli taksonomi. Keterbatasan sifat morfologi
mulai terlihat pada saat keterbatasan sampel morfologi, misalnya tidak
ditemukan secara lengkap karakter-karakter morfologi yang merupakan
kunci identifikasi bagi suatu jenis. Karakter morfologi yang ditemukan
secara lengkap namun beda usia juga akan mengalami masalah dalam
identifikasi, hal ini disebabkan ada beberapa tanaman yang menghasilkan
senyawa tertentu misalnya minyak atsiri pada saat dewasa sehingga pada
saat masih muda tidak ditemukan. Molekuler merupakan penanda yang
berbasiskan asam amino, protein atau sekuen DNA sebagai bahan utama.
Penggunaan sekuen DNA sebagai penanda baik dalam identifikasi
maupun taksonomi telah lama digunakan karena lebih menunjukan sifat
yang alami. Pada dasarnya prinsip penggunaan markah molekuler ini
sama dengan sifat.

Analisis PCR-RFLP menggunakan strain representatif dari tujuh

spesies Campylobacter dengan pola RFLP yang khas. (a) Produk PCR yang
dicerna ganda DdeI dan EcoRI. Jalur: 1 dan 14, tangga DNA 100 bp; 2, C.
Jejuni (strain 81-176); 3, C.coli (Co1243); 4, C.coli (Co1-194); 5, C.coli
(Co2-173); 6, janin C. (ATCC 27374T); 7, C. Hyointestinalis (Ch022); 8,
C.lari (298);9, C.helveticus (ATCC 51209T); 10, C. Upsaliensis (ATCC
 43954T); 11, C. Upsaliensis (40-1); 12, C. Upsaliensis (99-1); 13, C.
Upsaliensis (99-1, tidak tercerna). (b) Produk PCR C. Coli (Co1-194, jalur
2, 4, 6, 8) atau C. Helveticus (ATCC 51209T, jalur 3, 5, 7) dicerna dengan
DdeI (jalur 2, 3) atau EcoRI (jalur 4, 5), atau keduanya (jalur 6-8). Di jalur
1 dan 9, tangga DNA 100 bp digunakan sebagai penanda massa molekul.

Penelitian ini dengan template DNA yang dibuat dari spesimen

klinis pasien diare. Kami menguji 7 dan 14 sampel tinja positif dan negatif
Campylobacter. Uji PCR-RFLP mendeteksi campylobacter dari ketujuh
sampel tinja yang kultur-positif (C. Jejuni, C. Coli dan C. Janin diisolasi dari
lima, satu dan satu sampel, masing-masing), menunjukkan bahwa
sensitivitasnya adalah 100%. Tidak ada pita PCR yang diperoleh dari 14
sampel tinja yang kultur-negatif, menunjukkan bahwa spesifisitas uji PCR-
RFLP juga 100%.(Kamei,2014).

G. Kesimpulan

Berdasarkan praktikum kali ini dapat kita simpulkan bahwasanya, data

fenotipe dan data profil sidik jari molecular juga dapat digunakan dalam
studi taksonomi mikrobia. Data yang digunakan dalam praktikum kali ini
berupa elektroforegram sidik jari (Fingerprint) molecular. Data fingerprint
tersebut dapat berupa hasil ribotyping, RFLP, dan RAPD.
 H. DAFTAR PUSTAKA
Darmaanti,S. Sembiring,L. Asmara,W. Artama,W.T. 2011. Klasifikasi Numerik
Fenetik Salmonella Typhi Asal Jawa Tengah Dan Daerah Istimewa
Yogyakarta Berdasarkan Hasil Karakterisasi Fenotipik. Jurnal Ilmu-
Ilmu Hayati. Vol. 16 no. 1: 128-132.
Harly, J. P. 2005. Laboratory Exorcises in Microbiology sixth Edition. McGraw
Hill Companies, inc, 1211, Avence of the Amonical. New York
Hasanuddin. 2018. Botani Tumbuhan Tinggi. Banda Aceh : Syiah Kuala University
Press Darussalam.
Kumari, N., S.K. Thakur. 2014. Random amplified polymorphic DNA. American
Journal of Animal And Veterinary Sciences. 9(1):6-13
Sembiring, L. 2002. Petunjuk Praktikum Sistematika Mikrobia. Laboratorium
Mikrobiologi Fakultas Biologi UGM.
Suardana, I.W. et al.2010. Identifikasi Escgerichia coli serta Deteksi Gen Shiga
Like Toxin 1 dan 2 Asal Feses Hewan, Daging dan Feses Manusia.
Jurnal Veteriner. 11(4): 264-270.
Kamei,Kazumasa. Et all, 2014. A PCR-RFLP assay for the detection and
differentiation of ampylobacterjejuni, C. coli, C. fetus, C.
hyointestinalis, C. lari, C. helveticus and C. upsaliensis. Journal Of
Medical Microbiology, 63, 659-666