Pendekatan Statistika Dalam Desain Primer Universal Berbasis DNA Kloroplas untuk Identifikasi Spesies Tumbuhan Melalui Bioinformatika In Silico (Studi Kasus : Sekuens DNA Kloroplas rbcL Tumbuhan dari Basis Data NCBI)

Abstract

Penelitian ini bertujuan untuk merancang kandidat primer universal berbasis gen kloroplas rbcL pada tumbuhan menggunakan pendekatan bioinformatika secara in silico. Data yang digunakan berupa 30 sekuens gen rbcL yang diperoleh dari basis data NCBI GenBank dan mewakili berbagai spesies tumbuhan. Analisis deskriptif dilakukan untuk mengevaluasi karakteristik sekuens berdasarkan panjang dan kandungan GC (GC content). Identifikasi motif konservatif dilakukan menggunakan pendekatan alignment-free berbasis k-mer dengan variasi panjang k = 3 hingga 15 dan ambang frekuensi minimal sebesar 60%. Motif konservatif yang diperoleh kemudian digunakan untuk membentuk kandidat primer yang selanjutnya dievaluasi secara in silico berdasarkan tingkat kecocokan terhadap seluruh sekuens target. Hasil analisis menunjukkan bahwa gen rbcL memiliki panjang sekuens yang relatif stabil pada kisaran 1428–1479 bp dengan rata-rata 1441,9 bp, serta nilai GC content berkisar antara 42,41% hingga 45,73% dengan rata-rata 43,63%, yang

mengindikasikan tingkat konservasi yang cukup tinggi. Meskipun pendekatan k- mer berhasil mengidentifikasi motif konservatif, hasil evaluasi menunjukkan

bahwa sebagian besar kandidat primer tidak memiliki kecocokan terhadap seluruh sekuens. Primer pembanding dari penelitian sebelumnya menunjukkan tingkat kecocokan tertinggi sebesar 83,3%, namun belum mencapai universalitas penuh. Berdasarkan hasil tersebut, dapat disimpulkan bahwa tidak ditemukan primer universal yang mampu mengamplifikasi seluruh sekuens gen rbcL pada dataset yang digunakan. Hal ini menunjukkan bahwa variasi genetik antarspesies masih cukup tinggi pada daerah target primer, sehingga menjadi tantangan dalam perancangan primer universal berbasis gen rbcL.