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