Klasifikasi Mikroba Dengan Metode Taksonomi Numerik

7/24/2019 Klasifikasi Mikroba Dengan Metode Taksonomi Numerik

1/16

KLASIFIKASI MIKROBA DENGAN METODE TAKSONOMI NUMERIK

Oleh :

Nama : Athoullah

NIM : B1J013121

Romo!"a! : I

Kelom#o$ : %

A&'&te! : Te(' Se#t'a('

LA)ORAN )RAKTIKUM SISTEMATIKA MIKROBA

KEMENTERIAN RISET* TEKNOLOGI* DAN )ENDIDIKAN TINGGI

UNI+ERSITAS JENDERAL SOEDIRMAN

FAKULTAS BIOLOGI

)UR,OKERTO

201-


2/16

I. )ENGANTAR

A. Lata/ Bela$a!"

Pengenalan penggunaan komputer di bidang mikrobiologi membawa dampak

yang besar dalam taksonomi mikroba terutama dalam perkembangan taksonomi

numerik. Taksonomi numerik merupakan metode yang digunakan dalam proses

klasifikasi dan identifikasi mikroba dengan membandingkan strain-strain mikroba

berdasarkan sejumlah besar karakter berbeda. Semakin dekat hubungan suatu

mikroba, karakter-karakter yang dimilikinya juga akan sama (Heritage et al.,1!".

#arakter-karakter yang biasa digunakan adalah karakterbiokimiawi seperti

kemampuan menghasilkan asam dari karbohidrat dan reduksi nitrat, karakter kultural

seperti morfologi koloni dan pigmentasi, karakter morfologis seperti bentuk sel,

reaksi pewarnaan dan motilitas, karakter nutrisional seperti sumber karbon, dan

karakter fisiologis seperti temperatur pertumbuhan ($engeler et al., 1".

%plikasi taksonomi numerik dalam konstruksi klasifikasi biologis

memungkinkan terwujudnya sirkumskripsi takson berdasarkan prinsip yang mantap

dan bukan sekedar klasifikasi yang bersifat subyektif (Sembiring, &''". )rutan

tahapan teknik klasifikasi numerik meliputi empat tahap yaitu*

1. Strain mikroba (n" yang akan diklasifikasikan dikoleksi lalu ditentukan karakter

fenotipiknya dalam jumlah besar (r" yang men+akup sifat biokimiawi,

morfologis, nutritional, dan fisiologis. ata yang diperoleh disusun dalam suatu

matriks n x t.

&. Strain mikroba diklasifikasikan berdasarkan nilai similaritas atau disimilaritas

yang dihitung dari data matriks n x t.

. Strain yang mirip akan dimasukkan ke dalam sutu kelompok dengan

menggunakan algoritma pengklasteran (clustring algoritm".

. #elompok yang dibentuk se+ara numerik kemudian dipelajari dan karakter yang

bersifat membedakan (separating character" dipilih diantara data dalam matriks

untuk selanjutnya digunakan dalam identifikasi.

Taksonomi numerik juga dikenal sebagai taksonomi Adansonian yang

didasarkan atas lima prinsip utama yaitu*

1. Taksonomi yang ideal adalah taksonomi yang mengandung informasi terbesar

yaitu yang didasarkan atas sebanyak-banyaknya karakter.

&. asing-masing karakter diberi nilai yang setara dalam mengkonstruksi takson

yang bersifat alami.


3/16

. Tingkat kedekatan antara dua strain (/T)* operational taxonomical unit"

merukapan fungsi proporsi similaritas sifat yang dimiliki bersama.

. Taksa yang berbeda dibentuk berdasarkan atas sifat yang dimiliki.

0. Similaritas tidak bersifat filogenetis melainkan bersifat fenetis.

Taksonomi numerik membandingkan kemiripan sifat antara spesies tanpa

memperhatikan hubungan kekerabatan se+ara eolusionernya sehingga kadang

disebut juga dengan sistem fenetik. erajat kekerabatan antara mikroba yang diuji

dapat disajikan dalam matriks similaritas yang akan digunakan dalam mengkonstruksi

dendogram. 2erdasarkan konsep takso spesies, jika indeks similaritas yang dimiliki

antar mikroba 3 4'5 maka mikroba tersebut dapat dikatakan merupakan spesies yang

sama (Priest and %ustin, 1". Taksonomi numerik didasarkan atas analisis

kuantitatif dan lebih bersifat objektif. Penggunaan taksonomi numerik seringdilakukan dalam klasifikasi dan identifikasi mikroba khususnya bakteri, tetapi masih

jarang dilakukan untuk klasifikasi dan identifikasi dari kelompok fungi dan proto6oa

(Sembiring, &''".


4/16

II. BAAN DAN ARA KERJA

A. Baha! (a! alat

2ahan dan alat yang digunakan dalam praktikum ini antara lain publikasi

(jurnal" ilmiah tentang klasifikasi numerik-fenetik, dan komputer yang memiliki

program 78+ell, P97, :SP, Paintshop Pro, dan ;ords.

B. )/o&e(u/ $e/a

1. Koleksi data

ata karakter yang digunakan dalam praktikum ini menga+u 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

)ntuk mengetahui tingkat kemiripan antar strain mikroba (/T)", masing-

masing strain dibandingkan dengan strain yang lain dengan menggunakan dua

+ara yaitu Simple Matching Coeficient (SS" danJaccard Coeficient (S ---------------------- 8 1''5 S ------------------ 8 1''5

( a = b = + = d " ( a = b = + "

#eterangan *

a * jumlah karakter yang (=" untuk kedua strain

b * jumlah karakter yang (=" untuk strain pertama dan (-" bagi strain kedua

+ * jumlah karakter yang (-" untuk strain pertama dan (=" bagi strain kedua

d * jumlah karakter yang (-" untuk kedua strain.

3. Konstruksi dendrogram dengan analisis komputerPengklasifikasian strain (/T)" berdasarkan nilai indeks similaritas (SSatau

S


5/16

ata karakter fenotipik yang telah diberi skor (=" atau (-" dimasukkan ke

dalam komputer dengan menggunakan program 78+ell. ata selanjutnya

dicop$kanke dalam programP%& (Programmer %ile &ditor", selanjutnya

data (=" dikonersikan menjadi 1 dan data (-" dikonersikan menjadi '.

ata tersebut kemudian diolah dalam program MVSV untuk

mengkonstruksikan dendogram yang men+erminkan klasifikasi /T)

berdasarkan nilai indeks similaritas (SS" dan (S


6/16

3. A!al'&'& (ata (e!"a! M+S) u!tu$ me!"$o!&t/u$&' mat/'$& &'m'la/'ta& (a!

(e!(/o"/am

Program :SP dibuka

Select Dluster %nalysis, #etik E (7nter"

Select file name pattern* A.md (7nter" Select M (Dlustring method* efault )P?%"

Select ) (Fun %nalysis"

7nter output file name* A./T& (matri8 similarity dan +lustring steps" (7nter"

7nter tree des+ription file name* A.plg (7nter"

(Dluster %nalysis" G

9inish GPress an$ ke$

Printout atau insert ke dalam ;/FS (do+ument file".


7/16

III.ASIL DAN )EMBAASAN

A. a&'l

Tael 3.1. Mat/'$& S'm'la/'ta& S'm#le Mat7h'!" oe66'7'e!tSimilarity matrix

(UPGMA)a b c d e f g h i J

a 1

b0.76

7 1

c0.8

0.8 1

d 0.! 0.8 0.8 1

e0.8

0.66

70.86

70.7

1

f

0.!6

7

0.7

0.8

0.86

7

0.86

7 1

g0.76

7 0.80.86

70.7

0.80.7

1

h0.7

0.76

70.76

70.6

0.76

7 0.70.8

1

i0.66

7 0.!0.76

7 0.7 0.70.6

0.8

0.86

7 1

"0.76

70.7

0.7

0.7

0.7

0.7

0.86

70.76

70.76

7 1

a b c d e f g h i J

Tael 3.2. Mat/'$& S'm'la/'ta& Ja77/a(8& oe66'7'e!tSimilarity matrix(UPGMA)

a b c d e f g h i J

a 1

b0.#

1

c0.61

#0.6$

7 1

d0.7%

70.6%

# 0.6 1

e 0.#8 0.$$$ 0.71$ 0.$67 1

f0.87

#0.$6

70.#

80.6

60.6

6 1

g0.#

0.66

7 0.7#0.#%

!0.6%

#0.$6

7 1

h 0.#0.6

%0.61

10.$%

10.#8

80.$

80.7%

% 1

i0.$$

$0.8

0.6

%0.#%

60.#%

60.8

!0.7

70.78

! 1

"0.#

0.#7

!0.##

60.#%

!0.#%

!0.$6

70.76

#0.6

% 0.6# 1

a b c d e f G h i "


8/16

Tael 3.3. S'm'la/'ta& S'm#le Mat7h'!" oe66'7'e!t

&'deGr'1

Gr'% Simil.

i*gr'

1 a f 0.!67 %

% b i 0.! %

&'de1 d 0.88

$ c e 0.867 %

# g " 0.867 %

6&'de% h 0.817

7&'de

&'de$ 0.811 #

8&'de6

&'de# 0.78! #

!

&'de

7

&'de

8 0.77 10Tael 3.9. S'm'la/'ta& Ja77/a(8& oe66'7'e!t

&'deGr'1

Gr'% Simil.

i*gr'

1 a f 0.87# %

% b i 0.8 %

g " 0.76# %

$ c e 0.71$ %

#&'de% h 0.711

6

&'de

1 d 0.68%

7&'de#

&'de 0.66$ #

8&'de7

&'de$ 0.#!1 7

!&'de6

&'de8 0.#16 10

Tael 3.-. Data U!&o/te(* So/te( (a! Koe6'&'e! Ko/ela&' S'm#le Mat7h'!"

oe66'7'e!t

*'dea*gg'

ta

*+'rt

ed+'rted

,'e-+ie*

,'rela+i1 af 0.!67 0.!67 #.!6$808$

% bi 0.! 0.!

ad 0.88 0.!

fd 0.88 0.8

af 0.!67 0.!67

$ ce 0.867 0.867

# g" 0.867 0.867

6 hb 0.817 0.767

ih 0.817 0.867

bi 0.! 0.!7 ad 0.811 0.!


9/16

fd 0.811 0.8

af 0.811 0.!67

ce 0.811 0.867

ac 0.811 0.8

fc 0.811 0.8

dc 0.811 0.8

ae 0.811 0.8

fe 0.811 0.867

de 0.811 0.7

8 hg 0.78! 0.8

gb 0.78! 0.8

ig 0.78! 0.8

"h 0.78! 0.767

"b 0.78! 0.7

"i 0.78! 0.767

g" 0.78! 0.867

hb 0.78! 0.767

ih 0.78! 0.867

bi 0.78! 0.!

! ah 0.77 0.7

ch 0.77 0.767

fh 0.77 0.7

dh 0.77 0.6

eh 0.77 0.767

ag 0.77 0.767

cg 0.77 0.867

fg 0.77 0.7

dg 0.77 0.7

eg 0.77 0.8

ab 0.77 0.767

cb 0.77 0.8

fb 0.77 0.7

db 0.77 0.8

eb 0.77 0.667

a" 0.77 0.767c" 0.77 0.7

f" 0.77 0.7

d" 0.77 0.7

e" 0.77 0.7

ai 0.77 0.667

ci 0.77 0.767

- 0.77 0.6

di 0.77 0.7

ei 0.77 0.7

ad 0.77 0.!fd 0.77 0.8


10/16

af 0.77 0.!67

ce 0.77 0.867

ac 0.77 0.8

fc 0.77 0.8

dc 0.77 0.8

ae 0.77 0.8

fe 0.77 0.867

de 0.77 0.7

hg 0.77 0.8

gb 0.77 0.8

ig 0.77 0.8

"h 0.77 0.767

"b 0.77 0.7

"i 0.77 0.767

g" 0.77 0.867

hb 0.77 0.767

ih 0.77 0.867

bi 0.77 0.!

Tael 3.%. Data U!&o/te(* So/te( (a! Koe6'&'e! Ko/ela&' Ja77a/(8& oe66'7'e!t

*'dea*gg'

ta*+'rt

ed+'rted

,'e-+ie*,'rela+i

1 af 0.87# 0.87# #1.#!16$0#

% bi 0.8 0.8

g" 0.76# 0.76#

$ ce 0.71$ 0.71$

# bh 0.711 0.6%

ih 0.711 0.78!

bi 0.711 0.8

6 ad 0.68% 0.7%7

fd 0.68% 0.66

af 0.68% 0.87#

7 bg 0.66$ 0.667

b" 0.66$ 0.#7!

ig 0.66$ 0.77

i" 0.66$ 0.6#

hg 0.66$ 0.7%%

h" 0.66$ 0.6%

g" 0.66$ 0.76#

bh 0.66$ 0.6%

ih 0.66$ 0.78!

bi 0.66$ 0.8

8 bc 0.#!1 0.6$7

be 0.#!1 0.$$$

ic 0.#!1 0.6%

ie 0.#!1 0.#%6

hc 0.#!1 0.611


11/16

he 0.#!1 0.#88

gc 0.#!1 0.7#

ge 0.#!1 0.6%#

"c 0.#!1 0.##6

"e 0.#!1 0.#%!

bg 0.#!1 0.667

b" 0.#!1 0.#7!

ig 0.#!1 0.77

i" 0.#!1 0.6#

hg 0.#!1 0.7%%

h" 0.#!1 0.6%

g" 0.#!1 0.76#

bh 0.#!1 0.6%

ih 0.#!1 0.78!

bi 0.#!1 0.8

ce 0.#!1 0.71$

! ab 0.#16 0.#

ac 0.#16 0.61#

ae 0.#16 0.#8

ag 0.#16 0.#

ah 0.#16 0.#

ai 0.#16 0.$$$

a" 0.#16 0.#

fb 0.#16 0.$67

fc 0.#16 0.#8

fe 0.#16 0.66

fg 0.#16 0.$67

fh 0.#16 0.$8

- 0.#16 0.8!

f" 0.#16 0.$67

db 0.#16 0.6%#

dc 0.#16 0.6

de 0.#16 0.$67

dg 0.#16 0.#%!

dh 0.#16 0.$%1di 0.#16 0.#%6

d" 0.#16 0.#%!

ad 0.#16 0.7%7

fd 0.#16 0.66

af 0.#16 0.87#

bc 0.#16 0.6$7

be 0.#16 0.$$$

ic 0.#16 0.6%

ie 0.#16 0.#%6

hc 0.#16 0.611he 0.#16 0.#88


12/16

gc 0.#16 0.7#

ge 0.#16 0.6%#

"c 0.#16 0.##6

"e 0.#16 0.#%!

bg 0.#16 0.667

b" 0.#16 0.#7!

ig 0.#16 0.77

i" 0.#16 0.6#

hg 0.#16 0.7%%

h" 0.#16 0.6%

g" 0.#16 0.76#

bh 0.#16 0.6%

ih 0.#16 0.78!

bi 0.#16 0.8

ce 0.#16 0.71$

De!(o"/am S'm#le Mat7h'!" oe66'7'e!t

U P G M A

Simple Matching Coef f ic ient

a

f

d

c

e

b

i

h

g

j

0.7 0 .7 5 0 .8 0 .85 0.9 0.9 5 1

De!(o"/am Ja77a/(8& oe66'7'e!t


13/16

U P G M A

acca!d"# Coef f ic ient

a

f

d

b

i

hg

j

c

e

0.$ 0 .5 0 .% 0 .7 0.8 0.9 1


14/16

B. )emaha&a!

Taksonomi numerik didefinisikan sebagati metode ealuasi kuantitatif

mengenai kesamaan atau kemiripan sifat antar golongan organisme, dan penataan

golongan-golongan itu melalui suatu analisis yang dikenal sebagai analisis

kelompokI (+luster analysis" ke dalam kategori takson yang lebih tinggi atas dasar

kesamaan-kesamaan tadi. Taksonomi numerik didasarkan atas bukti-bukti fenetik,

artinya didasarkan atas kemiripian yang diperlihatkan obyek studi yang diamati dan

di+atat serta bukan atas dasar kemungkinan-kemungkinan perkembangan

filogenetiknya. #egiatan-kegiatan dalam taksonomi numerik bersifat emperik dan

data serta kesimpulannya selalu dapat diuji kembali melalui obserasi dan eksperimen

(Tjitrosoepomo, 1 * 0".


15/16

I+. KESIM)ULAN


16/16

DAFTAR REFERENSI

Heritage

Klasifikasi Mikroba Dengan Metode Taksonomi Numerik

Documents

Transcript of Klasifikasi Mikroba Dengan Metode Taksonomi Numerik