LAPORAN PRAKTIKUM

SISTEMATIKA MIKROBIOLOGI

KLASIFIKASI NUMERIK-FENETIK BERDASARKAN PROFIL SIDIK JARI

MOLEKULER

Disusun oleh :

Nama Lengkap /NIM : Yunita Dwi Lestari /2008016008

Kelompok Praktikum / Kelas : Kelompok 2 / Bio 5A

Nama Asisten : Aisyah Chofifawati

Nama Dosen : Andang Syarifudin. M.Si

PROGRAM STUDI BIOLOGI

LABORATURIUM MIKROBIOLOGI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI WALISONGO

SEMARANG

2022
A. LATAR BELAKANG
Mikroba ataupun mikroorganisme adalah organisme dengan ukuran yang sangat
kecil dan bahkan tidak dapat dilihat menggunakan mata telanjang saja, oleh karenanya
dalam melakukan pengamatan mikroba dipergunakanlah alat khusus yakni mikroskop.
Berdasarkan pendapat dari (Sembiring, 2003) beliau mengatakan mikroba maupun
mikroorganisme memiliki elemen yang luas dan teridi dari berbagai jenis kelompok ,
sehingga diperlukanlah upaya untuk melakukan pengelompokan maupun
pengklasifikasian. Pengidentifikasian mikroba ataupun pengklasifikasian mikroba banyak
di perlukan di dalam berbagai bidang penelitian baik penelitian kedokteran,
pertanian,industri dan lain sebagainya. Dalam profil sidik jari inilah dapat dilakukan
pengelompokan unit taksonomis ke dalam sejumlah taksa menggunakan metode numerik
- fenetik serta membedakan karakteristik mikroba tertentu sekalipun memiliki
kekerabatan yang sangat dekat (Darmawati, 2011). Analisis sidik jari dapat dilakukan
dengan berbagai cara , salah satu caranya adalah dengan PCR , sidik jari DNA lebih
mudah dilakukan karena tidak memerlukan pemindahan fragmen DNA dari gel ke suatu
membran dan bisa dilakukan dengan sampel DNA dalam jumlah minimal ( Yuwono,
2006).
Taksonomi numerik menjadi salah satu metode dalam poses pengklasifikasian ini,
taksonomi numerik merupakan taksonomi yang di kumpulkan dari informasi sifat suatu
organisme yang dikonversikan ke bentuk yang memadai sebagai analisis numerik serta
dibandingkan menggunakan alat komputer (Soeharjono, 2007). Sedangkan taksonomi
fenetik merupakan taksonomi yang disatukan berdasarkan similaritas secara keseluruhan,
yang biasanya berbentuk suatu sistem alami yang menjadi dasar dari similaritas
karakteristiknya serta berhubungan dengan analisis filogenetik , koefisien jaccard
mengabaikan karakter yang tidak dijumpai pada kedua organisme, nilai tersebut diatur
untuk membentuk sebuah matriks similaritas, dimana organisme dengan tingkat similar
yang tinggi akan digabungkan atau dikelompokkan dalam fenon, perbedaan pada fenon
terkadang tidak terlalu jelas terlihat, akan tetapi fenon yang mempunyai kesamaan 80%
biasanya disebut sebagai 1 spesies(waliyo,2008). Oleh karena itulah untuk mendapatkan
hasil klasifikasi yang lebih teliti perlu dilakukan klasifikasi numerik fenetik pada
praktikum kali ini. Dalam pengklasifikasian menggunakan 6 strain bakteri dengan
 menggunakan 2 analisis yakni klasifikasi berdasarkan similaritas Simple Matching
Coefficient dan Jaccard Coefficient.

B. TUJUAN
a) Untuk dapat mengelompokkan unit taksonomis (OTU) ke dalam sejumlah taksa
menggunakan metode numerik-fenetik dengan berdasarkan karakteristik profil sidik
jari molekuler
b) Untuk dapat membandingkan dendogram hasil klasifikasi berdasarkan Similaritas
Simple Matching Coeficient (Ssm) dan Jaccard Coeficient (Ssj)

C. ALAT DAN BAHAN

Praktikum pada acara ini menggunakan alat yang terdiri dari laptop beserta
dengan aplikasi MVSP 3.1 untuk pengolahan yang berbentuk gambar haasil
elektroforesis yng di dapatkan dari jurnal ilmiah yang memadai.

D. PROSEDUR KERJA
Prosedur dan cara kerja yang digunakan dalam praktikum ini terdiri dari 3 proses
utama, yang pertama melakukan penelusuran sumber data berupa elektroforegram sidik
jari molekuler, elektroforegram ini dapat di potong dengan program Sniping tool atau
menggunakan bantuan aplikasi bawaan dari device laptop dengan tombol Prt sc,
kemudian membuat file gambar dengan format JPEG atau PNG dari elektroforegram
tersebut, kemudian salin dan paste elektroforegram yang diinginkan ke program paint.
Kemudian dilanjutkan dengan proses yang kedua yaitu membuat Diagrammatic
Representative / gambaran skematis elektroforegram, membuat Diagrammatic
Representative ini berfungsi untuk mempertegas tampilan ada atau tidaknya suatu band
dalam elektroforegram. Kemudian masuk ke tahap ketiga yaitu data coding dan analisis,
gambar dari proses sebelumnya yaitu Diagrammatic Representative , dalam hal ini setiap
pita yang tergambarkan merupakan karakter , oleh karena itu seluruh pita dan strainn
mencerminkan karakter (t) pad atabel n x t . tabel n x t yang telah dibuat selanjutnya
dapat dilakukan proses analisis secara numerik fenetik sama seperti pada analisis data
 fenotipik. Analisis dilakukan melalui program MVSP 3.1 dengan indeks similaritas Ssm
dan Ssj dan algoritma pengklusteran dengan menggunakan PGMA.

E. HASIL PENGAMATAN

Isolat A Isolat B Isolat C Isolat D Isolat E Isolat F

Band 1 - - - - - +
Band 2 + - + - +
Band 3 + + - + - +
Band 4 + + - - - +
Band 5 + + - + - -
Band 6 + + - + + +
Band 7 + + + - + -
Band 8 - + - - + -
Band 9 + + - + + -
Band 10 - - + - + -
Band 11 - - + + + +
Band 12 + + - + + -
Band 13 - + + - - -
Band 14 + + - + + -
Band 15 - + - - - -
Band 16 - + - + + -
Band 17 + + + - - -
Band 18 - + + + + -
Band 19 - + + + + -
Band 20 - - + + + -
Band 21 - - + - + -

Tabel 1. Tabel n x t Untuk 21 Karakter

a) Matriks similaritas

Isolat A Isolat B Isolat C Isolat D Isolat E Isolat F

Isolat A 1

Isolat B 0,619 1

Isolat C 0,286 0,381 1

Isolat D 0,619 0,524 0,381 1

Isolat E 0,381 0,571 0,619 0,667 1

Isolat F 0,619 0,238 0,381 0,524 0,286 1

Tabel 2. Matriks Turunan Similaritas Simple Matching Coefficient Di Susun Dari

Hitungan Poin hubungan kesamaan 6 Isolat Mikroba
 Isolat A Isolat B Isolat C Isolat D Isolat E Isolat F

Isolat A 1

Isolat B 0,529 1

Isolat C 0,118 0,316 1

Isolat D 0,467 0,474 0,235 1

Isolat E 0,278 0,526 0,467 0,563 1

Isolat F 0,333 0,158 0,071 0,286 0,118 1

Isolat A Isolat B Isolat C Isolat D Isolat E Isolat F

Tabel 3. Matriks Turunan Similarias Jaccard Coefficient Di Susun Dari Hitungan

Poin Hubungan Kesamaan Anatar 6 Isolat Mikroba

b) Clustering analyses

Node Group 1 Group 2 Simil. in group

1 Isolat D Isolat E 0,667 2

2 Isolat A Isolat B 0,619 2

3 Node 2 Node 1 0,524 4

4 Node 3 Isolat F 0,417 5

5 Node 4 Isolat C 0,41 6

Tabel 3. Clustering Analyses Menggunakan Simple Matching Coefficient

 Node Group 1 Group 2 Simil. in group

1 Isolat D Isolat E 0,563 2

2 Isolat A Isolat B 0,529 2

3 Node 2 Node 1 0,436 4

4 Node 3 Isolat C 0,284 5

5 Node 4 Isolat F 0,193 6

Tabel 4. Clustering Analyses Menggunakan Analisis Jaccard Coefficient

c) Dendogram

Gambar 1. Dendogram Yang Menunjukan Hubungan Kesamaan Antara 6 Isolat Bakteri

Menggunakan Analysis Simple Matching Coefficient Dan Algoritme Upgma
Gambar 2. Dendogram Yang Menunjukkan Hubungan Kesamaan Antar 6 Isolat Bakteri
Menggunakan Analysis Jaccard Coeffiecient Dan Algoritme Upgma

F. PEMBAHASAN
Dalam praktikum ini data yang diperoleh berupa karakteristik yang disajikan
dalam bentuk tabel n x t dimana pada masing masing strain yang ada kemudian di cari
karakternya dan kemudian dicari koefisien similaritasnya. Data yang digunakan dalam
analisis indeks similaritas menggunakan data valid yang dituliskan (+) apabila
menyatakan adanya karakter pada strain dan yang dituliskan (-) apabila tidak terdapat
karakter, yang kemudian di olah untuk mendapatkan nilai indeks similaritas dengan
beberapa cara pendekatan perhitungan( Silvianus,2017)
Pada metode klasifikasi numerik fenetik terdapat 2 cara perhitungan indeks
similaritas yaitu Simple Matching Coeficient dan Jaccard Coefficient , perbedaan dari
kedua metode tersebut adalah terletak pada sifatnya dimana pada Simple Matching
Coeficient digunakan pada strain yang sama sama memiliki sifat double positif dan
double negatif sedangkan pada Jaccard Coefficient hanya menggunakan sifat double
positif saja, hal ini karena menilai bahwa double negatif hanya akan merusak hasil
klasifikasi(Silvianus,2017). Setelah ditemukannya nilai Simple Matching Coeficient dan
Jaccard Coefficient kemudian dilakukan proses clustering. Prinsip dari analisis clustering
adalah mencari similaritas yang memiliki nilai tinggi yang mengindikasikan pasangan
yang paling sama dari unit taksonomis(Nurjanah,2013). Hasil yang didapatkan indeks
similaritas melalui Simple Matching Coeficient dan Jaccard Coefficient, kemudian
dilaukan analisis clustering. Analisis klustering bertujuan dalam menunjukkan kemiripan
antar strain yang diuji (Burhanuddin, 2013). Sesuai dengan praktikum yang dilakukan
dalam membaca hasil clustering analisis sebelumnya dibuatkan dendogram terlebih dulu
dari perhitungan Simple Matching Coeficient dan Jaccard Coefficient
Hasil yang tampak dari gambar. 1 dengan menggunakan analisis Simple Matching
Coeficient menunjukkan bahwa strain memiliki hubungan kekerabatan yang paling dekat
adalah isolat D dan E dengan nilai similaritas 0,667 disusul dengan strain A dan B
dengan nilai similaritas 0,619, kemudian strain A,B,D dan E dengan nilai similaritas
0,524, kemudian strain A,B,D,E dan F dengan nilai similritas 0,417 dan terakhir
kekerabatan paling jauh ditunjukan oleh nodus A,B,D,E,F, dan C dengan nilai similaritas
0,41. Hasil yang tampak dari gambar. 2 dengan menggunakan analisis Jaccard
Coefficient menunjukan bahwa strain yang menunjukkan kekerabatan paling dekat adalah
strain antara strain D dan E dengan nilai similaritas 0,563 , di susul dengan strain A dan
B dengan nilai similaritas 0529, kemudian strain A,B,D dan E dengan nilai simialritas
0,436, kemudian strain A,B,D ,Edan C yang memiliki nilai similaritas 0,284 dan terakhir
yang memiliki hubungan kekerabatan paling jauh adalah A,B,D,E,C dan F dengan nilai
similaritas 0,193 . Hal ini menunjukkan semakin besar kesamaan yang dimiliki suatu
strain maka semakin dekat hubungan kekerabatannya dan semakin kecil kesamaa yang
dimiliki suatu strain maka semakin jauh pula hubungan kekerabatannya (Uli, 2013).
Dalam praktikum ini menggunakan metode RFLP (analisis restriction fragment
length polumorphism) merupakan salah satu teknik yang secara luas difungsikan untuk
mendeteksi variasi pada tingkat sekuen DNA. Metode ini dilakukan berdasarkan pada
adanya kemungkinan untuk membandingkan profil pita pita yang dihasilakan setelah
dilakukan proses pemotongan dengan enzim restriksi terhadap target DNA yang berbeda
(Fatchiyah,2022)
G. SIMPULAN
Dari tampilan hasil dan penjelasan dalam pembahasan yang telah dituliskan diatas
maka dapat ditarik kesimpulan bahwa pada analisis menggunakan Simple Matching
Coeficient kekerabatan palingg dekat dimiliki oleh strain D dan E sedangkan kekerabatan
paling jauh dimiliki oleh A,B,D,E,F, dan C . Namun pada analisis Jaccard Coefficient
kekerabatan paling dekat dimiliki oleh strain D dan E sedangkan kekerabatan paling jauh
dimiliki oleh strain A,B,D,E,C dan F.

H. DAFTAR PUSTAKA
Silvianus.D, 2017. Klasiikasi Bakteri Menggunakan Metode Numerik Fenetik
Berdasarkan Indeks Similaritasnya. Universitas Tanjungpura.
Sofianingtias.F, 2011. Laporan Praktikum Karakterisasi Dan Klasifikasi Bakteri Dengan
Metode Taksonomi Fenetik - Numerik. Universitas Gadjah Mada, Yogyakarta.
Nurjanah. U, 2013. Laporan Praktikum Mikrobiologi Taksonomi Numerik. Universitas
Jenderal Soredirman, Purwokerto.
Harly. J, 2005, Laboratory Exorcises In Microbiology Sixth Edition, Mcgraw Hill
Companies, Inc,1211,Avence Of The Amonical.
Sembiring, L,2003 Petunjuk Praktikum Sistematik Mikrobia. Laboraturium
Mikrobiologi ,Universitas Gadjah Mada , Yogyakarta
Kika.F, 2000, Karakterisasi Dan Klasifikasi Bakteri, Khamir Dan Kapang Menggunakan
Taksonomi Numerik - Fenetik.
LAMPIRAN