digilib@itb.ac.id +62 812 2508 8800

Penyakit Basal Stem Rot (BSR) yang disebabkan oleh infeksi Ganoderma boninense Pat. merupakan penyakit yang banyak menyerang tumbuhan kelapa sawit di Asia Tenggara. Penyakit ini dapat berakibat fatal bagi produksi minyak sawit terutama bagi negara-negara pengekspor minyak sawit terbesar di dunia, termasuk Indonesia. Pada tahap awal infeksi, penyakit BSR tidak menunjukan tanda-tanda maupun gejala pada pohon sehingga deteksi dari penyakit ini cukup sulit untuk dilakukan. Oleh sebab itu, dibutuhkan pendekatan yang mampu mendeteksi penyakit BSR pada kelapa sawit terutama pada setiap tingkat keparahan penyakit di lapangan. Penelitian ini bertujuan untuk mengidentifikasi biomarka penyakit BSR pada jaringan batang kelapa sawit berdasarkan indeks keparahan penyakit berbeda di lapangan menggunakan analisis metabolomik berbasis 1H NMR. Jaringan batang kelapa sawit dengan empat indeks keparahan penyakit, yaitu indeks 1 (Sehat), indeks 2 (Sehat Sedang), indeks 3 (Sakit Sedang), dan indeks 4 (Sakit Parah) diekstraksi menggunakan methanol: air (80: 20, v/v). Ekstrak kasar yang didapatkan kemudian dianalisis menggunakan spektroskopi 1H NMR 500 MHz. Analisis data yang dilakukan pada penelitian ini meliputi spectral preprocessing (Mestrenova 8.0), identifikasi metabolit (ASICS R Package versi 4.0.2), analisis statistik multivariat dengan metode Principal Component Analysis (PCA) dan Orthogonal Projections to Latent Structures Discriminant Analysis (OPLSDA), serta Partial Least Squares Discriminant Analysis (PLS-DA), analisis Receiver Operating Characteristics (ROC), serta analisis pathway (MetaboAnalyst 5.0). Konfirmasi identifikasi senyawa dilakukan dengan analisis spektra 1H NMR secara manual. Dari hasil analisis, sebanyak 90 metabolit berhasil diidentifikasi dari jaringan batang kelapa sawit dan 20 diantaranya teridentifikasi sebagai metabolit yang secara signifikan mampu membedakan keempat indeks keparahan penyakit (VIP score > 1,0). Metabolit tersebut meliputi kelompok asam organik, kelompok karbohidrat, kelompok senyawa organoheterosiklik, dan kelompok benzenoid. Beberapa senyawa asam organik seperti taurin dan L-aspartat memiliki konsentrasi relatif yang tinggi pada indeks 1 tetapi konsentrasi yang sangat rendah pada indeks 4. Kelompok karbohidrat seperti asam treonat, L-arabitol, dan D-fruktosa serta senyawa organoheterosiklik seperti alantoin memiliki konsentrasi tertinggi pada indeks 1 dibandingkan indeks lainnya. Pada indeks 2 beberapa kelompok senyawa asam organik (asam guanidino asetat, L-asparagin, dan L-sistein), kelompok karbohidrat (asam D-glukonat, xilitol, dan D-manosa), dan kelompok benzenoid (asam 4-hidroksi fenil asetat) memiliki konsentrasi yang paling tinggi dibanding kelompok lainnya. Sedangkan pada indeks 3 hanya kelompok senyawa benzenoid yaitu asam 2-hidroksi fenil asetat yang memiliki konsentrasi tertinggi. Berbeda dengan tingkat keparahan penyakit lainnya, pada indeks 4 hampir seluruh senyawa signifikan memiliki konsentrasi relatif yang sangat rendah. Hal ini terjadi pada kelompok senyawa asam organik, karbohidrat, senyawa organoheterosiklik, dan benzenoid. Hasil analisis PCA menunjukan perbedaan profil metabolit antara indeks sehat (1) dan berbagai indeks keparahan penyakit lainnya. Dari hasil analisis menggunakan metode OPLS-DA serta ROC (VIP score > 1; AUC value = 1,0) berhasil diidentifikasi biomarka yang terdiri atas kelompok asam organik, karbohidrat, senyawa organoheterosiklik, senyawa organik nitrogen, dan benzenoid pada keempat tingkat keparahan penyakit. Berdasarkan analisis pathway menggunakan database KEGG, terdapat 5 pathway pada kelapa sawit yang berpotensi terpengaruh akibat penyakit BSR (p value < 0,05 dan pathway impact > 0,1), yaitu pathway biosintesis arginin, pathway metabolisme b-alanin, pathway metabolisme alanin, aspartate, dan glutamate, pathway metabolism gliserin, serin, dan treonin, serta pathway metabolism arginin dan prolin. Dari hasil penelitian terdapat perbedaan profil dan konsentrasi relatif metabolit jaringan batang kelapa sawit dalam setiap tingkat keparahan penyakit BSR. Biomarka dapat diidentifikasi dari setiap indeks keparahan penyakit dan dapat dimanfaatkan untuk keperluan diagnostik. Analisis pathway kelapa sawit yang terlibat dalam penelitian ini dapat menjadi acuan untuk studi lanjutan termasuk studi genomik dan transkriptomik.