Laporan Taksonomi Numerik-fenetik Bakteri

BORANG LAPORAN PRAKTIKUM SISTEMATIKA MIKROBIA LABORATORIUM MIKROBIOLOGI

No. Dokumen Berlaku sejak

FO-UGM-BI-07-13 03 Maret 2008

Revisi

01

Halaman

1 dari 17

LAPORAN PRAKTIKUM SISTEMATIKA MIKROBIA KARAKTERISASI DAN KLASIFIKASI BAKTERI DENGAN METODE TAKSONOMI FENETIK-NUMERIK

DISUSUN OLEH: NAMA

: SOFIANINGTIAS FRIHANTINING HIDAYATI

NIM

: 09/284494/BI/8259 09/284494/BI/82 59

GOL/KEL: V/II ASISTEN : YULAIKA R.

LABORATORIUM MIKROBIOLOGI FAKULTAS BIOLOGI UNIVERSITAS GADJAH MADA YOGYAKARTA 2011

1




Revisi

01

Halaman

2 dari 17

KARAKTERISASI DAN KLASIFIKASI BAKTERI DENGAN METODE TAKSONOMI FENETIK-NUMERIK I.

Pendahuluan Latar Belakang

Bakteri adalah bagian dari studi mikrobiologi, yaitu ilmu yang mempelajari mikrobia. Di dalam mikrobiologi, bakteri dimasukkan dalam dunia bakteri. Dunia lain yang dipelajari dalam mikrobiologi mencakup dunia fungi, arkhaea, protista, dan organisme aseluler (virus), dan menempati domain bacteria. Semua anggota domain ini memiliki kesamaan yaitu untuk memperbanyaknya menggunakan metode khusus yaitu kultur murni secara aseptis (Waluyo,2005) 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. Pada paktikum ini digunakan enam strain bakteri yang akan dikarakterisasi dan diklasifikasikan. Keenam strain tersebut dikarakterisasi menggunakan sebanyak-banyaknya karakter. Strain bakteri yang digunakan sama dan jumlah serta macam karakter yang digunakan juga sama, namun dianalisis dengan indeks similaritas yang berbeda yaitu dengan Ssm (Simple Matching) dan Sj (Jaccard) maka dapat dihasilkan suatu pengelompokan (clustering ) kemiripan strain khamir yang berbeda. Serta dilakukan perbandingan antara hasil kedua koefisien tersebut,untuk mendapatkan hasil klasifikasi yang lebih valid. Tujuan

2




Revisi

01

Halaman

3 dari 17

Mempelajari perbandingan hasil dendogram kedua indeks similaritas Ssm dan Sj. Mempelajari klasifikasi OTU yang dihasilkan berdasarkan kedua indeks similaritas tersebut. Serta untuk mengetahui hubungan kemiripan keenam strain bakteri tersebut. II.

Metode Alat dan bahan

1. Morfologi koloni bakteri Enam plate berisi enam kultur murni strain bakteri berbeda. Enam media nutrien agar tegak berisi enam kultur strain bakteri berbeda. Enam media nutrien agar miring berisi enam kultur strain bakteri berbeda. Enam media nutrien cair berisi enam kultur strain bakteri berbeda. 2. Morfologi sel\ Preparat enam strain bakteri dicat dengan cat gram negatif dan cat gram positif 3. Pengujian sifat biokimiawi a. Hidrolisis pati Enam media pati agar plate berisi enam kultur strain bakteri berbeda, ditetesi dengan larutan JKJ b. Fermentasi karbohidrat Enam media glukosa, laktosa, dan sukrosa cair berisi enam kultur strain bakteri berbeda c. Peruraian protein Enam media tripton cair berisi enam kultur strain bakteri berbeda, ditambah eter dan reagen ehrlich d.

Peptonisasi dan fermentasi susu Enam medium brom cresol purple milk (BCPM) berisi enam kultur strain bakteri berbeda

e. Hidrolisis kasein Enam media susu agar berisi enam kultur strain bakteri berbeda f. Pencairan gelatin Enam media gelatin tegak berisi enam kultur strain bakteri berbeda 4. Reduksi berbagai substansi

3




Revisi

01

Halaman

4 dari 17

a. Reduksi nitrat Enam media nitrat cair berisi enam kultur strain bakteri berbeda, ditetesi asam sulfanilat dan naftilamin b. Reduksi hidrogen peroksida Preparat enam strain bakteri ditetesi dengan H2O2 c. Reduksi methylene blue Enam media nutrien cair berisi enam kultur strain bakteri berbeda ditetesi dengan methylene blue

Cara Kerja

1. Karakter yang dikoleksi dalam pengamatan morfologi koloni meliputi bentuk koloni, permukaan koloni, elevasi, bentuk tepi, bentuk struktur dalam ( spread plate), pertumbuhan dan bentuk pertumbuhan pada tusukan (media nutrien

agar tegak), pertumbuhan, bentuk pertumbuhan pada bekas goresan, dan kilat (media nutrien agar miring), pertumbuhan, kekeruhan, adanya endapan (media nutrien cair). Koleksi karakter morfologi sel meliputi bentuk sel, ukuran sel, rangkaian, adanya spora, kedudukan spora, dan sifat pengecatan gram. Koleksi karakter pengujian sifat biokimiawi meliputi hidrolisis pati, fermentasi karbohidrat, peruraian protein, peptonisasi dan fermentasi susu, hidrolisis kasein, pencairan gelatin, reduksi nitrat, reduksi hidrogen peroksida, dan reduksi methylene blue. Kemudian semua karakter yang dimiliki oleh keenam strain khamir tersebut dimasukkan dalam tabel nxt. 2. Penghitungan nilai similaritas Nilai similaritas dihitung dengan menggunakan dua macam metode yaitu simple matching coefficient (Ssm) dan jaccard coefficient (Sj). Untuk rumus

Ssm dan Sj adalah sebagai berikut:

Ssm =

a+d

x 100%

a+b+c+d Sj

=

a

x 100%

4




Revisi

01

Halaman

5 dari 17

a+b+c keterangan a = jumlah karakter yang (+) untuk kedua strain b = jumlah karakter yang (+) untuk strain pertama dan (-) untuk strain kedua c = jumlah karakter yang (-) untuk strain pertama dan (-) untuk strain kedua d = jumlah karakter yang (-) untuk kedua strain nilai similaritas yang didapatkan kemudian dimasukkan dalam matriks similaritas 3. Analisis pengklasteran Analisis pengklasteran atau clustering analysis didapatkan dengan metode penghitungan algoritma pengklasteran. Algoritma pengklasteran yang digunakan adalah average linkage, yaitu nilai penyatuan dua strain atau lebih berada pada nilai rata-ratanya. Dari penghitungan dengan menggunakan average linkage didapatkan pada level tertentu akan terjadi peleburan strain

yang diidentifikasi. 4. Dendogram Dendogram adalah hasil dari analisis pengklasteran, dimana hasil fusi (peleburan) yang terjadi pada strain yang diidentifikasi dibuat bentuk sederhana dengan cara hierarki setelah didapatkan dendogram, dapat ditarik garis di level 70% untuk mendapatkan berapa banyak spesies yang diwakili oleh keenam strain tersebut. Jumlah spesies yang ditunjukkan dalam dendogram tersebut bersifat kemiripan. 5. Koefisien korelasi (r) Level kemiripan pada dendogram dapat dimasukkan dalam matriks evaluasi dendogram (Y) kemudian dari matriks evaluasi dendogram ini dimasukkan dalam tabel korelasi kofenetik, begitu juga dengan matriks similaritas awal (X). Hasil dari penghitungan (X) dan (Y) ini digunakan untuk penghitungan koefisien korelasi dengan rumus:

5


R hitung 

n (XY) - (X) (Y)

n  X

2

- (X)

2

n Y

2

- (Y)

2





Revisi

01

Halaman

6 dari 17

x100%

Hasil koefisien korelasi ini diterima jika lebih dari 60%. III.

Hasil

Berikut ini adalah hasil dari pengamatan bakteri meliputi morfologi sel, morfologi koloni, dan pengujian sifat biokimiawi. Hasil pengamatan meliputi koleksi data, matriks similaritas, clustering analysis, dendogram, matriks turunan, dan koefisien korelasi. 1. Tabel nxt

Tabel 1. Koleksi data (tabel nxt ) Tabel koleksi data terdiri dari jumlah karakter (n) dan strain mikrobia atau OUT (t) No

Karakter

Strain mikrobia (OTU) A

B

C

D

E

F

1

sifat pengecatan gram negatif

+

+

-

-

-

+

2

bentuk sel coccus

-

+

-

-

+

-

3

bentuk sel basillus

+

-

-

-

-

-

4

bentuk sel streptococcus

-

-

+

-

-

-

5

bentuk sel stalk

-

-

-

+

-

-

6

bentuk sel streptobasil

-

-

-

-

-

+

7

bentuk koloni amoeboid

-

-

-

-

+

-

8

bentuk koloni circulair

+

+

-

+

-

-

9

bentuk koloni curled

-

-

-

-

-

+

10

bentuk koloni myceloid

-

-

+

-

-

-

11

Mengkilap

-

+

-

-

-

+

12

elevasi low convex

-

-

+

-

-

-

13

elevasi effuse

-

-

-

-

-

+

14

elevasi convex

+

+

-

+

-

-

15

warna kuning

-

+

-

-

-

-

16

warna krem

+

-

-

+

+

+

17

warna putih

-

-

+

-

-

-

18

elevasi convex papillate

-

-

-

+

+

-

19

tepi koloni entire

-

+

-

-

-

-

20

tepikoloni lobate

-

-

-

-

+

+

21

tepi koloni undulate

+

-

-

+

-

-

22

struktur dalam finely granular

+

-

-

+

+

+

23

struktur dalam smooth

-

+

+

-

-

-

6




Revisi

01

Halaman

7 dari 17

24

tepi koloni translucent

-

-

+

-

-

-

25

bentuk pertumbuhan filiform

+

-

+

-

-

+

26

bentuk pertumbuhan echinulate

-

+

-

+

+

-

27

pertumbuhan lebat

+

+

+

+

-

+

28

pertumbuhan tipis

-

-

-

-

+

-

29

kilat: mengkilat

-

-

-

-

+

-

30

kilat: tidak mengkilat

+

+

+

+

-

+

31

bentuk perkembangan echinulate

+

-

-

-

-

+

32

bentuk perkembangan villous

-

+

+

+

+

-

33

kekeruha di media cair tidak merata

+

+

+

+

+

+

34

media cair: flocculant

-

+

-

-

-

-

35

media cair: sediment

+

-

+

+

+

+

36

perkembangan agar tegak filiform

-

+

+

+

+

-

37

pertumbuhan agar tegak lebat

-

-

-

-

-

+

38

pertumbuhan agar tegak tipis

+

+

+

+

+

-

39

bakteri terbentuk spora

-

+

-

-

-

-

40

bakteri tidak terbentuk spora

+

-

+

+

+

+

41

uji glukosa

-

-

+

-

-

-

42

uji laktosa

-

-

-

-

-

-

43

uji sukrosa

-

-

-

-

-

-

44

reduksi nitrat

-

-

-

-

-

-

45

pembentukan indol (tripton)

-

-

-

+

-

-

46

reduksi hidrogen peroksida

+

+

+

-

+

+

47

reduksi methylene blue

+

-

-

+

-

+

48

bakteri tahan asam (merah)

-

-

-

-

+

+

49

bakteri tidak tahan asam (biru)

+

+

+

+

-

-

50

hidrolisis pati

+

+

+

+

+

-

51

hidrolisis kasein

-

-

-

-

+

+

52

pencairan gelatin

+

+

+

+

+

+

53

media BCPM: peptonisasi

+

+

+

+

-

+

54

media BCPM: fermentasi

+

-

+

+

+

-

2. Matriks Similaritas

Tabel 2. Matriks Similaritas Matriks similaritas terdiri dari dua macam matriks yaitu SSM ( simple matching coefficient ) dan SJ ( jaccard coefficient )

7




Revisi

01

Halaman

8 dari 17

a. SSM (simple matching coefficient ) A B C D A 100 B 62,9 100 C 64,8 61,1 100 D 79,6 64,8 62,9 100 E 57,4 53,7 55,5 66,6 F 68,5 46,3 51,8 51,8 b. SJ ( jaccard coefficient ) A B C D A 100 B 37,5 100 C 40,6 36,4 100 D 60,7 40,6 39,3 100 E 31,25 26,5 29,4 41,9 F 46,6 21,6 27,7 27,7 3. Clustering Analysis

E

F

100 55,5

100

E

F

100 29,4

100

Tabel 3. Clustering Analysis Berikut ini adalah clustering analysis dari matriks similaritas dengan menggunakan SSM dan SJ a. Clustering Analysis dari SSM SIM (%)

STRAIN MIKROBIA (OTU)

100

A

79,6

(A, D)

63,85

(A, D,B,C)

58,3

(A,D,E,C,E)

54,8

A,D,B,C,E,F

D

C

B

E

F

C

B

E

F

E

F F

b. Clustering Analysis dari SJ SIM (%)

STRAIN MIKROBIA (OTU)

100

A

B

C

60,7

(A,D)

B

C

D

8

E

F

E

F


39,95

(A,D,C)

38,2

(A,D,C,B)

32,3

(A,D,C,B,E)

30,6

A,D,C,B,E,F

B



Revisi

01

Halaman

9 dari 17

E

F

E

F F

4. Dendogram

Berikut ini adalah dendogram hasil clustering analysis yang dilakukan pada matriks similaritas menggunakan SSM ( simple matching coefficient ) dan SJ ( Jaccard coefficient) 79,6

A D

63,85

C 63,85

B

58,3 54,8

E F 100

90

80

70

60

50

Gambar 1. Dendogram strain bakteri berdasarkan klasifikasi fenetik numerik dengan indeks similaritas Ssm didapatkan 5 spesies berbeda

60,7

A

39,95

D

38,2

C

32,3

B E

30,6

F

100

90

80

70

60

50

40

30

Gambar 2. Dendogram strain bakteri berdasarkan klasifikasi fenetik numerik dengan indeks similaritas Sj didapatkan 6 spesies berbeda

9


5.



Revisi

01

Halaman

10 dari 17

Evaluasi dendogram

Tabel 4. Matriks evaluasi dendogram Matriks evaluasi dendogram berasal dari pembacaan dendogram dan digunakan untuk analisis korelasi kofenetik. a. Matriks evaluasi dendogram dengan indeks similaritas Ssm Ssm

A

B

C

D

E

F

A

100

B

63,85

100

C

63,85

63,85

100

D

79,6

63,85

63,85

100

E

58,3

58,3

58,3

58,3

100

F

54,8

54,8

54,8

54,8

54,8

100

b. Matriks evaluasi dendogram dengan indeks similaritas Sj Sj

A

B

C

D

E

F

A

100

B

38,2

100

C

39,95

38,2

100

D

60,7

38,2

39,95

100

E

32,3

32,3

32,3

32,3

100

F

30,6

30,6

30,6

30,6

30,6

100

6. Analisis korelasi-kofenetik

Tabel 5. Analisis korelasi-kofenetik Analisis korelasi-kofenetik ini digunakan untuk mendapatkan nilai koefisien korelasi (r) a. analisis korelasi kofenetik metode SSM Ssm

X

Y

X2

Y2

XY

A-B

62,9

63,85

3956,41

4076,823

4016,165

A-C

64,8

63,85

4199,04

4076,823

4137,48

10


A-D

79,6

79,6

6336,16

6336,16

6336,16

A-E

57,4

58,3

3294,76

3398,89

3346,42

A-F

68,5

54,8

4692,25

3003,04

3753,8

B-C

61,1

63,85

3733,21

4076,823

3901,235

B-D

64,8

63,85

4199,04

4076,823

4137,48

B-E

53,7

58,3

2883,69

3398,89

3130,71

B-F

46,3

54,8

2143,69

3003,04

2537,24

C-D

62,9

63,85

3956,41

4076,823

4016,165

C-E

55,5

58,3

3080,25

3398,89

3235,65

C-F

51,8

54,8

2683,24

3003,04

2838,64

D-E

66,6

58,3

4435,56

3398,89

3882,78

D-F

51,8

54,8

2683,24

3003,04

2838,64

E-F

55,5

54,8

3080,25

3003,04

3041,4

903,2

906,05

55357,2

55331,03

55149,97

∑

b. analisis korelasi kofenetik metode SJ Sj

X

Y

X2

Y2

XY

A-B

37,5

38,2

1406,25

1459,24

1432,5

A-C

40,6

39,95

1648,36

1596,003

1621,97

A-D

60,7

60,7

3684,49

3684,49

3684,49

A-E

31,25

32,3

976,5625

1043,29

1009,375

A-F

46,6

30,6

2171,56

936,36

1425,96

B-C

36,4

38,2

1324,96

1459,24

1390,48

B-D

40,6

38,2

1648,36

1459,24

1550,92

B-E

26,5

32,3

702,25

1043,29

855,95

B-F

21,6

30,6

466,56

936,36

660,96

C-D

39,3

39,95

1544,49

1596,003

1570,035

C-E

29,4

32,3

864,36

1043,29

949,62

C-F

27,7

30,6

767,29

936,36

847,62

D-E

41,9

32,3

1755,61

1043,29

1353,37

D-F

27,7

30,6

767,29

936,36

847,62

E-F

29,4

30,6

864,36

936,36

899,64

537,15

537,4

20592,75

20109,18

288664,4

∑

7. Koefisien Korelasi (r) n (XY) - (X) (Y) R hitung  x100% 2 2 2 2 n  X - (X) n Y - (Y)



R SSM





 77,5%

11



Revisi

01

Halaman

11 dari 17




Revisi

01

Halaman

12 dari 17

Nilai rSsm diterima

R hitung 

R SJ

n (XY) - (X) (Y)

n  X

2

2



2

- (X) n Y - (Y)

2



x100%

 79,4 %

Nilai rSj diterima IV.

Pembahasan

Secara umum, sistematika mikrobia adalah ilmu yang mempelajari tentang keanekaragaman mikrobia beserta interaksi yang terjadi antar mikrobia berdasarkan tiga sub bagian pembelajaran mengenai identifikasi, klasifikasi, dan tatanama. Lebih lanjut dijelaskan Priest,Fegus & Austin,Brian (1993) yang mengatakan bahwa hasil dari identifikasi dan klasifikasi tersebut berupa genera, spesies, dan type strain. Sehingga seseorang dapat dikatakan telah melakukan praktek sistematika mikrobia salah satu contohnya adalah bakteri, jika sudah dapat membedakan setidaknya melakukan identifikasi dan klasifikasi mengenai strain yang ada, sebagai bagian paling kecil dalam sistem klasifikasi bakteri. 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 molecular. Pada percobaan ini, salah satu klasifikasi yang diterapkan adalah klasifikasi numerik fenetik politetik dengan konsep taxo-species. Menurut Sembiring (2011) Klasifikasi numerik fenetik politetik adalah salah satu cara untuk mendapatkan suatu hasil klasifikasi yang 12




Revisi

01

Halaman

13 dari 17

obyektif berdasarkan sebanyak-banyaknya karakter. Klasifikasi ini memiliki lima konsep adansonian 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. Salah satu contoh karakter yang dapat digunakan adalah berdasarkan kemampuan menggunakan sumber yang ada di lingkungannya. Menurut Burrow (1964) bakteri adalah organisme prokariotik yang dapat dibedakan berdasarkan sumber energi dan sumber karbon yaitu bakteri fotoheterotrof, fotoautotrof, khemoheterotrof, dan khemoautotrof. Lebih lanjut lagi, 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. Secara umum, dalam percobaan yang dilakukan oleh praktikan, 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. Urutan 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 SSM dan SJ. Hasil dari matriks tersebut dibuat clustering analysis menggunakan algoritma pengklasteran. Ada 3 macam algoritma pengklasteran yang dipakai, yaitu single linkage, average linkage, dan complete linkage (Priest,Fegus & Austin,Brian.1993). hasil dari algoritme single linkage

lebih besar daripada average, sedangkan complete linkage memiliki hasil fusi yang lebih kecil daripada average linkage. Pada praktikum ini algoritme pengklasteran yang digunakan adalah average linkage atau disebut juga UPGMA,baik untuk matriks similaritas Ssm maupun Sj. Dalam analisis pengklasteran ini setelah didapatkan strain yang fusi untuk pertama kali pada level berapapun, selanjutnya algoritme pengklasteran digunakan. Fungsi dari clustering analysis

adalah

untuk mengetahui pada tahap mana suatu strain akan

13




Revisi

01

Halaman

14 dari 17

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. Ada perbedaan saat dilakukan clustering analysis pada metode SSM dan SJ. Pada metode SSM, antara strain A dengan strain D sudah bersatu pada level 79,6%, artinya tingkat similaritas kedua strain tersebut cukup tinggi (taxo species concept). Hal ini berbeda dengan hasil clustering analysis metode SJ karena tidak ada strain yang bergabung pada level > 70% sehingga tingkat similaritas antar strain rendah. Meskipun demikian, hasil clustering analysis kedua metode menunjukkan kesamaan yaitu urutan gabungan strain yang terjadi sama, yaitu strain A,D,C,B,E,F. berdasarkan hal tersebut, dapat diartikan bahwa walaupun level penggabungan antar strain pada kedua metode berbeda, namun urutan kemiripan antar strainnya tidak berbeda. Hasil yang didapatkan dari analisis pengklasteran dan pembuatan dendogram

menggunakan

indeks similaritas Ssm menunjukkan adanya fusi dua strain

sekaligus di level 63,85%. Fusi yang demikian tetap dapat diterima dengan syarat, karakter yang digunakan untuk karakterisasi sudah memenuhi standar. Karena pada pengamatan yang dilakukan praktikan tidak dilakukan estimasi eror dan tidak ada strain duplikat, ada kemungkinan hasil yang demikian ini karena penggunaan karakter yang kurang obyektif. Selain itu dapat dimungkinkan karena kekurangtelitian praktikan dalam menghitung secara manual atau kesamaan jumlah karakter baik yang bersifat positif-positif ( double positive), positif-negatif, negatif-positif, dan negatif-negatif (double negative) Sesuai dengan ketentuan dalam taxo-species concept yang menyatakan bahwa suatu strain adalah strain yang sama dengan strain lain, jika memiliki indeks similaritas > 70%. Maka berdasarkan ketentuan tersebut, hasil percobaan yang dilakukan oleh praktikan menunjukkan ada dua macam dendogram berdasarkan dua macam pendekatan. Dari dendogram dengan menggunakan pendekatan matriks similaritas SSM didapatkan ada 5

14




Revisi

01

Halaman

15 dari 17

spesies sedangkan dengan matriks similaritas SJ didapatkan 6 spesies. Perbedaan hasil ini dapat disebabkan karena perbedaan faktor yang dihitung mengingat dalam metode SJ ( jaccard coefficient ) tidak menghitung sifat yang double negative sehingga hasil akan sangat berbeda dengan metode SSM. Dengan menggunakan metode SSM didapatkan 5 spesies karena ada dua strain yang memiliki kedekatan lebih dari 70% sehingga berdasarkan taxo species concept, kedua strain tersebut adalah satu spesies.

Perhitungan yang dilakukan dengan matriks similaritas awal (x) dan matriks similaritas evaluasi dendogram (y) akan menghasilkan korelasi-kofenetik yang dapat digunakan untuk mencari nilai koefisien korelasi (r). Nilai koefisien korelasi ini dinyatakan ‘dapat diterima’ dan dipertanggungjawabkan klasifikasinya jika didapatkan hasil > 60%. Hasil yang didapatkan dalam percobaan, baik dengan menggunakan pendekatan SSM dan SJ mencapai nilai >60%. Hal ini menunjukkan bahwa hasil klasifikasi yang dilakukan selama praktikum oleh praktikan dapat diterima. Nilai rSj lebih tinggi daripada nilai rSsm. Perbedaan ini dimugkinkan karena sifat double negative yang terhitung dalam karakterisasi tidak sebanyak sifat double positive karena kita tahu bahwa indeks similaritas Ssm menggunakan sifat positif-positif(double positive), positif-negatif,negatif-positif, dan

negatif-negatif

(double negative) Indeks similaritas Ssm dan Sj, karena memiliki perbedaan dalam penggunaan sifat, maka juga mempengaruhi keakuratan hasil klasifikasi yang diperoleh. Selain itu indeks similaritas Ssm dan indeks similaritas Sj memiliki kelebihan dan kekurangan masing-masing. Indeks similaritas Ssm memiliki kelebihan yaitu kemudahan menghitung nilai pembagi dalam pecahan karena nilai pembaginya adalah sebanyak karakter yang digunakan sehingga lebih praktis jika dilakukan penghitungan secara manual. Namun, kekurangan dari penggunaan Ssm adalah kurang akurat, karena sifat yang double negative juga dihitung. Sedangkan sifat tersebut adalah sifat yang ‘sama-sama tidak dimiliki oleh dua strain yang dibandingkan’, sehingga hubungan sifat antara keduanya menjadi tidak jelas. Berbeda dengan indeks similaritas Sj, yang memiliki kekurangan dalam menentukan nilai pembaginya karena dihitung dari karakter double positive,positif-negatif, dan negatif-positif. Tiap dua strain yang diperbandingkan akan menghasilkan nilai pembagi yang berbeda, dan untuk penghitungan secara manual akan menyulitkan prosesnya. Namun kelebihan indeks similaritas Sj adalah

15




Revisi

01

Halaman

16 dari 17

lebih akurat karena hubungan sifat double negative tidak digunakan sehingga menghindari sifat yang ‘sama-sama tidak dimiliki oleh dua strain yang dibandingkan’, sehingga hubungan dua strain yang dibandingkan menjadi lebih jelas. V.

Kesimpulan

Prosedur taksonomi numeric meliputi pembuatan table nxt , matriks similaritas SSM dan SJ, clustering analysis SSM dan SJ, pembuatan dendogram SSM dan SJ, matriks similaritas evaluasi dendogram

SSM dan SJ, pembuatan tabel

korelasi kofenetik dan

mencari nilai koefisien korelasi. Hasil dendogram dengan menggunakan indeks similaritas Sj lebih akurat dibanding dengan indeksi similaritas Ssm. Indeks similaritas Sj tidak menggunakan sifat strain yang double negative. Hasil dendogram dengan SSM menunjukkan ada 5 spesies dari 6 strain berbeda sedangkan dendogram SJ menunjukkan ada 6 spesies dari 6 macam strain berbeda. Nilai koefisien korelasi (r) dengan matriks similaritas SSM adalah 77,5% artinya diterima. Nilai koefisien korelasi matriks similaritas SJ adalah 79,4% artinya diterima. Hasil klasifikasi yang didapatkan berdasarkan kedua indeks similaritas tersebut bersifat fenetik atau kemiripan VI.

Daftar Pustaka

Burrows, W. 1964. Textbook of Microbiology.W.B. Saunders Company. Philadelphia. pp: 45-49 Priest,F & Goodfellow. 1999. Applied Microbial Systematic. Kluwer Academic Publisher. Netherland. pp: 8-10, 94 Priest,Fegus & Austin,Brian.1993. Modern Bacterial Taxonomy. Chapman & Hall. London. pp: 33, 47, 98 Sembiring, L. 2011. Petunjuk Praktikum Sistematik Mikrobia untuk Mahasiswa S-1.. Laboratorium Mikrobiologi UGM. Yogyakarta. hal: 1 Waluyo, L. 2005. Mikrobiologi Umum.edisi ke-2. UMM-Press. Malang. hal: 1516,21

16




Revisi

01

Halaman

17 dari 17

LAMPIRAN Perhitungan koefisien korelasi (r) a. Ssm R hitung  Rhitung

R Ssm



n (XY) - (X) (Y)

n  X

2

- (X) n Y - (Y) 2

2

2



x100%

15 (55149,97) - (903,2) (906,5)

15(55357,2) - (903,2) 15 (55331,03) - (906,5)  2

2

x100%

 77,5 %

b. Sj R hitung  Rhitung

R Ssm



n (XY) - (X) (Y)

n  X

2

- (X) n Y - (Y) 2

2

2



x100%

15 (288664,4) - (537,15) (537,4)

15(20592,75) - (537,15) 15 (20109,18) - (537,4)  2

 79,4 %

17

2

x100%

Laporan Taksonomi Numerik-fenetik Bakteri

Recommend Documents