Oleh :
Nama : Athoullah
NIM : B1J013121
Rombongan :I
Kelompok :6
Asisten : Tedi Septiadi
A. Latar Belakang
Bahan dan alat yang digunakan dalam praktikum ini antara lain publikasi
(jurnal) ilmiah tentang klasifikasi numerik-fenetik, dan komputer yang memiliki
program Excell, PFE, MVSP, Paintshop Pro, dan Words.
B. Prosedur kerja
1. Koleksi data
Data karakter yang digunakan dalam praktikum ini mengacu pada publikasi
ilmiah terkait dengan penggunaan taksonomi numerik yang dapat diakses melalui
internet. Semua data unit karakter selanjutnya dimasukkan ke dalam matriks n x
t.
2. Penghitungan nilai similaritas
Untuk mengetahui tingkat kemiripan antar strain mikroba (OTU), masing-
masing strain dibandingkan dengan strain yang lain dengan menggunakan dua
cara yaitu Simple Matching Coeficient (SSM) dan Jaccard Coeficient (SJ) dengan
rumus :
(a+d) a
SSM = ---------------------- x 100% SJ = ------------------ x 100%
(a+b+c+d) (a+b+c)
Keterangan :
a : jumlah karakter yang (+) untuk kedua strain
b : jumlah karakter yang (+) untuk strain pertama dan (-) bagi strain kedua
c : jumlah karakter yang (-) untuk strain pertama dan (+) bagi strain kedua
d : jumlah karakter yang (-) untuk kedua strain.
3. Konstruksi dendrogram dengan analisis komputer
Pengklasifikasian strain (OTU) berdasarkan nilai indeks similaritas (SSM atau
SJ) dilakukan dari matriks n x t yang selanjutnya dianalisis secara kuantitatif
dengan program komputer MVSV Plus (Multivariate Statistical Package) Version
2.0 (Kovach, 1990). Algoritma pengklasteran (clustering) yang digunakan
adalah UPGMA (Unweighted Pair Group Method with Aritmetic Averages).
3.1. Pemasukan data dari matriks n x t ke dalam komputer (data entry)
Data karakter fenotipik yang telah diberi skor (+) atau (-) dimasukkan ke
dalam komputer dengan menggunakan program Excell. Data selanjutnya
dicopykan ke dalam program PFE (Programmer File Editor), selanjutnya
data (+) dikonversikan menjadi 1 dan data (-) dikonversikan menjadi 0.
Data tersebut kemudian diolah dalam program MVSV untuk
mengkonstruksikan dendogram yang mencerminkan klasifikasi OTU
berdasarkan nilai indeks similaritas (SSM) dan (SJ) dengan algoritma
UPGMA.
3.2. Presentasi hasil klasifikasi
Dendrogram yang dihasilkan oleh analisis klaster (cluster) dalam program
MVSP selanjutnya di insert ke dalam file dokumen dalam program
WORDS (file teks).
3.3. Penentuan struktur taksonomis (deteksi phena)
Penentuan struktur taksonomis yang digambarkan oleh dendrogram
mengacu pada aturan standar yaitu bahwa pendefinisian fena dengan
tingkat similaritas > 70%.
Prosedur Operasi Program Komputer
1. Pemasukkan data unit karakter ke dalam matriks n x t
Buka program Excell
Buka file baru (click new)
Label OTU diketikkan pada kolom (sejumlah strain uji n)
Label unit karakter diketikkan pada baris (row) sebanyak karakter uji (t)
Masing-masing nilai (+) atau (-) dimasukkan pada cell yang sesuai
Matriks n x t selesai disusun, selanjutnya dicopykan ke PFE dengan cara meng
highlight seluruh matriks dan kemudian click copy
Program Excell diminimize.
2. Preparasi data dalam matriks n x t dengan program PFE
Program PFE dibuka
File baru dibuka dan click new
Click paste untuk mengkopikan file data yang dari Excell
Pada baris pertama ketik: *L t n Nama Data yang dianalisis
Data + dan – berturut-turut dikonversikan menjadi 1 dan 0 dengan Replace All
dari menu Edit
Selanjutnya data dirapikan supaya lurus dalam baris dan kolom dengan jarak
satu spasi
Save file dalam format *.mvs dalam direktori MVSP, kemudian PFE
diminimize.
3. Analisis data dengan MVSP untuk mengkonstruksi matriks similaritas dan
dendrogram
Program MVSP dibuka
Select Cluster Analysis, Ketik ? (Enter)
Select file name pattern: *.mvd (Enter)
Select M (Clustring method: Default UPGMA)
Select R (Run Analysis)
Enter output file name: *.OT2 (matrix similarity dan clustring steps) (Enter)
Enter tree description file name: *.plg (Enter)
(Cluster Analysis) !
Finish ! Press any key
Printout atau insert ke dalam WORDS (document file).
III.HASIL DAN PEMBAHASAN
A. Hasil
Tabel 3.5. Data Unsorted, Sorted dan Koefisien Korelasi Simple Matching
Coefficient
anggo unsort koefisien
node sorted
ta ed korelasi
1 af 0.967 0.967 53.96483084
2 bi 0.9 0.9
3 ad 0.883 0.9
fd 0.883 0.8
af 0.967 0.967
4 ce 0.867 0.867
5 gj 0.867 0.867
6 hb 0.817 0.767
ih 0.817 0.867
bi 0.9 0.9
7 ad 0.811 0.9
fd 0.811 0.8
af 0.811 0.967
ce 0.811 0.867
ac 0.811 0.833
fc 0.811 0.8
dc 0.811 0.8
ae 0.811 0.833
fe 0.811 0.867
de 0.811 0.733
8 hg 0.789 0.833
gb 0.789 0.8
ig 0.789 0.833
jh 0.789 0.767
jb 0.789 0.733
ji 0.789 0.767
gj 0.789 0.867
hb 0.789 0.767
ih 0.789 0.867
bi 0.789 0.9
9 ah 0.737 0.733
ch 0.737 0.767
fh 0.737 0.7
dh 0.737 0.633
eh 0.737 0.767
ag 0.737 0.767
cg 0.737 0.867
fg 0.737 0.733
dg 0.737 0.733
eg 0.737 0.8
ab 0.737 0.767
cb 0.737 0.8
fb 0.737 0.733
db 0.737 0.8
eb 0.737 0.667
aj 0.737 0.767
cj 0.737 0.733
fj 0.737 0.733
dj 0.737 0.733
ej 0.737 0.733
ai 0.737 0.667
ci 0.737 0.767
fi 0.737 0.633
di 0.737 0.7
ei 0.737 0.7
ad 0.737 0.9
fd 0.737 0.8
af 0.737 0.967
ce 0.737 0.867
ac 0.737 0.833
fc 0.737 0.8
dc 0.737 0.8
ae 0.737 0.833
fe 0.737 0.867
de 0.737 0.733
hg 0.737 0.833
gb 0.737 0.8
ig 0.737 0.833
jh 0.737 0.767
jb 0.737 0.733
ji 0.737 0.767
gj 0.737 0.867
hb 0.737 0.767
ih 0.737 0.867
bi 0.737 0.9
Tabel 3.6. Data Unsorted, Sorted dan Koefisien Korelasi Jaccard’s Coefficient
anggo unsort koefisien
node sorted
ta ed korelasi
1 af 0.875 0.875 51.5916405
2 bi 0.833 0.833
3 gj 0.765 0.765
4 ce 0.714 0.714
5 bh 0.711 0.632
ih 0.711 0.789
bi 0.711 0.833
6 ad 0.682 0.727
fd 0.682 0.636
af 0.682 0.875
7 bg 0.664 0.667
bj 0.664 0.579
ig 0.664 0.737
ij 0.664 0.65
hg 0.664 0.722
hj 0.664 0.632
gj 0.664 0.765
bh 0.664 0.632
ih 0.664 0.789
bi 0.664 0.833
8 bc 0.591 0.647
be 0.591 0.444
ic 0.591 0.632
ie 0.591 0.526
hc 0.591 0.611
he 0.591 0.588
gc 0.591 0.75
ge 0.591 0.625
jc 0.591 0.556
je 0.591 0.529
bg 0.591 0.667
bj 0.591 0.579
ig 0.591 0.737
ij 0.591 0.65
hg 0.591 0.722
hj 0.591 0.632
gj 0.591 0.765
bh 0.591 0.632
ih 0.591 0.789
bi 0.591 0.833
ce 0.591 0.714
9 ab 0.516 0.533
ac 0.516 0.615
ae 0.516 0.583
ag 0.516 0.533
ah 0.516 0.5
ai 0.516 0.444
aj 0.516 0.533
fb 0.516 0.467
fc 0.516 0.538
fe 0.516 0.636
fg 0.516 0.467
fh 0.516 0.438
fi 0.516 0.389
fj 0.516 0.467
db 0.516 0.625
dc 0.516 0.6
de 0.516 0.467
dg 0.516 0.529
dh 0.516 0.421
di 0.516 0.526
dj 0.516 0.529
ad 0.516 0.727
fd 0.516 0.636
af 0.516 0.875
bc 0.516 0.647
be 0.516 0.444
ic 0.516 0.632
ie 0.516 0.526
hc 0.516 0.611
he 0.516 0.588
gc 0.516 0.75
ge 0.516 0.625
jc 0.516 0.556
je 0.516 0.529
bg 0.516 0.667
bj 0.516 0.579
ig 0.516 0.737
ij 0.516 0.65
hg 0.516 0.722
hj 0.516 0.632
gj 0.516 0.765
bh 0.516 0.632
ih 0.516 0.789
bi 0.516 0.833
ce 0.516 0.714
Jaccard's Coefficient
B. Pembahasan