Upload
muhammadabdullahkamalmuktar
View
72
Download
4
Embed Size (px)
DESCRIPTION
laporan
Citation preview
IDENTIFIKASI BAKTERISUB ACARA 3 : TAKSONOMI NUMERIK
Oleh :
Nama : Ivi RosalinaNIM : B1J010184Kelompok : 4Rombongan : IIAsisten : Dhewanti Puspitasari
LAPORAN PRAKTIKUM BAKTERIOLOGI
KEMENTERIAN PENDIDIKAN DAN KEBUDAYAANUNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS BIOLOGIPURWOKERTO
2012
I. PENDAHULUAN
A. Latar Belakang
Keberadaan bakteri dapat diamati dengan melihat gejala atau pengaruh yang
ditimbulkan dari aktifitasnya. Berdasarkan fungsi dan dampaknya, bakteri sangat
beranekaragam dan memiliki banyak karakter yang bersifat umum dan khusus.
Sistematika mikrobia adalah salah satu cabang ilmu mikrobiologi yang
menitikberatkan pada karakterisasi mikrobia. Salah satu cara karakterisasi yang
dilakukan dalam sistematika mikrobia adalah menggunakan taksonomi numerik yang
berasal dari taxo-species concept. Berdasarkan konsep tersebut, maka mikrobia dapat
dikarakterisasi, salah satunya yaitu bakteri. Cara karakterisasi yang dilakukan adalah
dengan menggunakan metode taksonomi numerik fenetik yang berdasarkan
kemiripan sifat yang dimiliki oleh bakteri.
Taksonomi numerik merupakan pengelompokkan suatu unit taksonomi
dengan metode numerik ke dalam taksa tertentu berdasarkan atas karakter yang
dimiliki, dimana taksonomi numerik memiliki tujuan utama yaitu untuk
menghasilkan suatu klasifikasi yang bersifat teliti, reprodusibel serta padat
informasi. Taksonomi numerik juga dikenal sebagai Taksonomi Adansonian.
Taksonomi numerik ini berdasarkan atas lima prinsip utama, yaitu taksonomi
yang ideal yang merupakan taksonomi yang mengandung informasi terbesar,
dimana masing-masing karakter diberi nilai yang setara dalam mengkonstruksikan
takson yang bersifat alami, tingkat kedekatan antara dua strain merupakan fungsi
proporsi similaritas sifat yang dimiliki bersama, taksa yang berbeda dibentuk
berdasarkan atas sifat yang dimiliki, dan similaritas tidak bersifat filogenetis
melainkan bersifat fenetis (Boone & Castenholz, 2001).
Identifikasi bakteri dengan taksonomi numerik dilakukan dengan cara
menganalisis data genom yang dimiliki dengan kit komersial dan mulai
dikembangkan dengan software-software tertentu. Analisis genom dapat
mendefinisikan taksa dari berbagai grup mikroba yang berbeda. Bakteri mulai
dikelompokkan menurut strain yang terdekat dengan famili dan generanya (Flores,
2009).
B. Tujuan
Tujuan dari praktikum ini adalah mengetahui cara dan tahapan analisis
kekerabatan bakteri dengan metode taksonomi numerik
II. MATERI DAN METODE
Isolasi DNA
A. Materi
Bahan dan alat yang digunakan dalam praktikum ini adalah karakter
mikroba yang diujikan dan komputer yang memiliki software Microsoft Excell,
Microsoft Word, PFE, MVSP dan Paintshop Pro.
B. Metode
1. Program Microsoft Excell dibuka, data dimasukkan
2. Program PFE dibuka, pada ujung kiri atas diketik
*L t n
3. Data dari Excell di copy paste ke PFE
4. Edit dipilih, Replace + menjadi 1 dan – menjadi 0,
Replace All
5. Program MVSP dibuka, open file yang telah di save
dengan nama x.mvs
6. Analyses dipilih, Cluster Analysis
Options > Clustering method : UPGMA
7. Similarity or Distance pilih Jaccard’s Coefficient
atau Simple Matching Coefficient
III. HASIL DAN PEMBAHASAN
A. Hasil
UPGMA Simple Matching Coefficient
Similarity Matrix
DELTA BETA ALFA LAMBDA OMEGA TETA SIGMA GAMA TAUDELTA 1BETA 0.286 1ALFA 0.619 0.667 1LAMBDA 0.619 0.667 0.905 1OMEGA 0.381 0.714 0.667 0.571 1TETA 0.571 0.524 0.476 0.476 0.619 1SIGMA 0.476 0.714 0.667 0.667 0.81 0.619 1GAMA 0.667 0.524 0.571 0.571 0.429 0.524 0.619 1TAU 0.667 0.429 0.476 0.476 0.619 0.714 0.619 0.619 1
Node
Node Group 1 Group 2 Simil. in group1 ALFA LAMBDA 0.905 22 OMEGA SIGMA 0.81 23 BETA Node 2 0.714 34 TETA TAU 0.714 25 DELTA GAMA 0.667 26 Node 3 Node 1 0.651 57 Node 5 Node 4 0.595 48 Node 7 Node 6 0.521 9
UNSOR
TED SORTEDAL 0.905 0.905OS 0.81 0.81BS 0.714 0.714BO 0.714 0.714
TeT 0.714 0.714DG 0.667 0.667BA 0.667 0.651BL 0.667 0.651SA 0.667 0.651SL 0.667 0.651OA 0.667 0.651OL 0.571 0.651DTe 0.571 0.595DT 0.667 0.595GTe 0.524 0.595GT 0.524 0.595TL 0.476 0.521TA 0.476 0.521TS 0.619 0.521TO 0.619 0.521TB 0.429 0.521TeL 0.476 0.521TeA 0.476 0.521TeS 0.619 0.521TeO 0.619 0.521TeB 0.524 0.521GL 0.571 0.521GA 0.571 0.521GS 0.619 0.521GO 0.429 0.521GB 0.524 0.521DL 0.619 0.521DA 0.619 0.521DS 0.476 0.521DO 0.381 0.521DB 0.286 0.521
Koefisien korelasi = 0, 784
UPGMA
Simple Matching Coefficient
DELTAGAMATETATAUBETAOMEGASIGMAALFALAMBDA
0.52 0.6 0.68 0.76 0.84 0.92 1
Dendogram
UPGMA Jaccard’s Coefficient
Similarity Matrix
DELTA BETA ALFA LAMBDA OMEGA TETA SIGMA GAMA TAUDELTA 1 BETA 0.25 1 ALFA 0.556 0.533 1 LAMBDA 0.579 0.563 0.867 1 OMEGA 0.235 0.455 0.462 0.4 1 TETA 0.438 0.286 0.313 0.353 0.273 1 SIGMA 0.353 0.5 0.5 0.533 0.556 0.333 1 GAMA 0.611 0.412 0.5 0.526 0.25 0.375 0.467 1 TAU 0.533 0.2 0.313 0.353 0.273 0.455 0.333 0.467 1
Node
Node Group 1 Group 2 Simil. in group1 ALFA LAMBDA 0.867 22 DELTA GAMA 0.611 23 OMEGA SIGMA 0.556 24 BETA Node 1 0.548 35 Node 2 TAU 0.5 36 Node 4 Node 3 0.475 57 Node 5 TETA 0.422 48 Node 7 Node 6 0.358 9
UNSORTED SORTED
AL 0.867 0.867DG 0.611 0.611OS 0.556 0.556BL 0.563 0.548BA 0.533 0.548GT 0.467 0.5DT 0.533 0.5BO 0.455 0.475BS 0.5 0.475AO 0.462 0.475AS 0.5 0.475LO 0.4 0.475LS 0.533 0.475TTe 0.455 0.422GTe 0.375 0.422DTe 0.438 0.422TeS 0.333 0.358TeO 0.273 0.358TeL 0.353 0.358TeA 0.313 0.358TeB 0.286 0.358TS 0.333 0.358TO 0.273 0.358TL 0.353 0.358TA 0.313 0.358TB 0.2 0.358GS 0.467 0.358GO 0.25 0.358GL 0.526 0.358GA 0.5 0.358GB 0.412 0.358DS 0.353 0.358DO 0.235 0.358DL 0.579 0.358DA 0.556 0.358DB 0.25 0.358
UPGMA
Jaccard's Coefficient
DELTAGAMATAUTETABETAALFALAMBDAOMEGASIGMA
0.28 0.4 0.52 0.64 0.76 0.88 1
Dendogram
B. Pembahasan
Menurut Priest,F & Goodfellow (1999) ada berbagai macam konsep yang di
lakukan untuk melakukan klasifikasi bakteri. Konsep pertama adalah taxo-species
concept yaitu konsep klasifikasi berdasarkan similaritas yang mencapai 70%.
Kemudian geno-species concept yaitu konsep klasifikasi berdasarkan genotype
bakteri. Konsep ketiga adalah genomic-species concept yaitu suatu bakteri dikatakan
satu spesies jika memiliki DNA relatedness lebih dari 70%, sedangkan konsep
terakhir yaitu nomen-species concept, suatu bakteri dikatakan satu spesies jika
mengacu pada type strain yang sama. Berdasarkan berbagai macam konsep tersebut,
dilakukan pengklasifikasian meliputi banyaknya karakter, yaitu klasifikasi monotetik,
klasifikasi berdasarkan jenis karakter yaitu klasifikasi numerik fenetik politetik,
klasifikasi berdasrkan sifat kimiawi yaitu khemotaksonomi, dan klasifikasi molekular.
Menurut Sembiring (2011) Klasifikasi numerik adalah salah satu cara untuk
mendapatkan suatu hasil klasifikasi yang obyektif berdasarkan sebanyak-banyaknya
karakter. Klasifikasi ini memiliki lima konsep yaitu: berdasarkan sebanyak-
banyaknya karakter, tiap karakter diberi nilai yang sama dan setara dalam
mengkonstruksi takson, OTU adalah fungsi proporsi similaritas sifat yang dimiliki
bersama, taksa dibentuk berdasarkan kesamaan sifat, dan similaritas bersifat fenetik.
Fungsi dari taksonomi numerik itu sendiri adalah untuk mengukur derajat
persamaan diantara taksa yang ada sehingga dapat diketahui hubungan
kekerabatan antar strain-strain bakteri. Taksonomi numerik juga mempermudah
membuat deskripsi standar dari aplikasi, validasi domain, dan mempermudah
pengambilan data. Dendogram yang dihasilkan dari hasil komputasi dengan
software membantu dalam proses interpretasi dan visualisasi analisis data (Auer,
2008).
Urutan prosedur kerja yang dilakukan meliputi pembuatan table nxt dimana t
adalah sejumlah karakter yang didapatkan selama karakterisasi dan n adalah strain
bakteri yang dikarakterisasi. Kemudian dari hasil karakterisasi dalam table nxt dibuat
matriks similaritas dengan pendekatan Simple Matching Coefficient (SSM) dan
Jaccard’s Coefficient (SJ). Pada SSM semua sifat yang ada dilihat dan digunakan.
Sedangkan pada SJ tidak memperhatikan sifat yang sama-sama tidak dimiliki
(negatif). Hasil dari matriks tersebut dibuat clustering analysis menggunakan
algoritma pengklasteran. Pada praktikum ini algoritme pengklasteran yang digunakan
adalah average linkage atau disebut juga UPGMA, baik untuk matriks similaritas
Ssm maupun Sj. Fungsi dari clustering analysis adalah untuk mengetahui pada tahap
mana suatu strain akan bergabung (mengalami fusi) dengan strain lain sehingga dapat
diketahui seberapa dekat kemiripan yang dimiliki strain-strain tersebut. Jika
clustering analysis telah selesai dilakukan maka dibuat dendogram untuk
memperjelas hasil kemiripan antar strain. Berdasarkan dendogram yang dibuat, dapat
dilakukan evaluasi dendogram dalam bentuk matriks similaritas. Fungsi dari evaluasi
dendogram ini adalah untuk mempertegas pada daerah mana strain yang diuji tersebut
bergabung atau memiliki kemiripan (similaritas > 70%). Kemudian dari matriks
similaritas awal dan matriks similaritas evaluasi dendogram dapat dilakukan analisis
korelasi kofenetik hingga didapatkan koefisien korelasi dengan lambang r.
Tahapan teknik klasifikasi numerik yaitu 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. Pertama-tama kita harus
menentukan apakah suatu organisme yang belum dikenal termasuk dalam
kelompok besar dari mikroorganisme atau tidak, kedua yang harus dilakukan
adalah memurnikan kultur dari mikroorganisme tersebut, ketiga adalah
menentukan tipe pertumbuhan dari organisme tersebut, keempat adalah
mempelajari kultur murni tersebut (Frobisher, 1962).
Bakteri isolat dikarakterisasi dengan menggunakan metode taksonomi
fenetik berdasarkan sifat-sifat fenotipiknya. Secara umum pengujian karakter untuk
klasifikasi numerik fenetik meliputi morfologi sel, morfologi koloni, dan uji
biokimiawi. Berdasarkan karakter yang didapatkan untuk mendapatkan suatu
klasifikasi yang utuh, dilakukan berbagai analisis terhadap karakter tersebut (Zulaika,
et al., 2012).
Salah satu contoh karakter yang dapat digunakan adalah berdasarkan
kemampuan menggunakan sumber yang ada di lingkungannya. Menurut Thorpe
(2008) bakteri adalah organisme prokariotik yang dapat dibedakan berdasarkan
sumber energi dan sumber karbon yaitu bakteri fotoheterotrof, fotoautotrof,
khemoheterotrof, dan khemoautotrof. Pengklasifikasian yang dilakukan meliputi
empat hal yaitu berdasarkan morfologi baik pengamatan dengan mata telanjang
maupun mikroskopik, berdasarkan fisiologi yaitu proses biokimiawi yang dilakukan
oleh bakteri, berdasarkan patogenitas yaitu kemampuan bakteri untuk menyebabkan
penyakit, dan berdasarkan immunologi, yaitu struktur pertahanan diri yang dimiliki
oleh sel bakteri.
Karakter yang digunakan dalam praktikum meliputi karakteristik biokimia
dan morfologis. Karakteristik biokimia meliputi fermentasi, uji katalase, Voges
Preskauer, hidrolisis, produksi indol, reduksi nitrat dan produksi enzim spesifik.
Karakter morfologis meliputi reaksi gram, motilitas, bentuk, produksi endospora
dan kebutuhan O2 (Joshi, 2012). Karakter yang digunakan dalam praktikum
taksonomi numerik sebagian besar hanya menggunakan data karakter
morfologisnya saja.
Berdasarkan hasil praktikum, koefisien korelasi menggunakan sistem
Jaccard bernilai 0,777298 atau 77,77 % sedangkan menggunakan Simple
Matching didapat nilai koefisien korelasi sebesar 0,784 atau 78,4%. Sesuai dengan
ketentuan dalam taxo-species concept yang menyatakan bahwa suatu strain adalah
strain yang sama dengan strain lain jika memiliki indeks similaritas > 70%. Nilai
koefisien korelasi ini dinyatakan ‘dapat diterima’ dan dipertanggungjawabkan
klasifikasinya jika didapatkan hasil > 60%. Maka dapat dikatakan koefisien korelasi
ini berhasil dan dapat dipertanggungjawabkan. Dari hasil dendogram dengan
pendekatan SJ dan SSM dapat diketahui bakteri Lambda dan Alfa memiliki hubungan
kekerabatan paling dekat, sedangkan hubungan kekerabatan terjauh dimiliki oleh
bakteri Delta dengan Lambda.
IV. KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan hasil dan pembahasan, dapat diambil kesimpulan yaitu :
Tahapan teknik klasifikasi 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
B. Saran
Saran dari saya sebaiknya sebelum praktikum dimulai, praktikan sudah
diberi software yang akan digunakan sehingga praktikan dapat menginstall
software sebelum praktikum dimulai.
DAFTAR REFERENSI
Auer, Ekaterina. 2008. Numerical Verification Assessment in Computational Biomechanics. Department of Computer Science and Applied Cognitive Science ,University of Duisburg-Essen
Flores et al., 2009. New Multiplatform Computer Program for Numerical Identification of Microorganisms. Journal of Clinical Microbiology, Vol. 47. No. 12p 4133–4135
Frobisher, M. 1962. Fundamental of Microbiology . 6th Edition. W.B.
Joshi, J Sanket. 2012. Occurrence of Biosurfaktant Producing Bacillus spp. in Diverse Habitats. Department of Microbiology and Biotechnology Centre. Faculty of Science, the Maharaja Sayajirao University of Baroda, Gujarat India
Priest,F & Goodfellow. 1999. Applied Microbial Systematic. Kluwer Academic Publisher. Netherland. pp: 8-10, 94
Sembiring, L. 2011. Petunjuk Praktikum Sistematik Mikrobia untuk Mahasiswa S-1. Laboratorium Mikrobiologi UGM. Yogyakarta. hal: 1
Thorpe, RS. 2008. A comparative study of Ordination Techniques in Numerical Taxonomy in Relation to Racial Variation in The Ringed Bacillus pumilus. Biologian Journal of The Linnaean Society. No 13: 7-40
Zulaika et al., 2012. Characterization and Identification Of Mercury-resistant Bacteria From Kalimas River Surabaya-Indonesia By Numerical Phenetic Taxonomy. Journal of Basic and Applied Scientific Research. J. Basic. Appl. Sci. Res., 2(7)7263-7269, TextRoad Publication