Tugas Kapita Selekta Kimia
-
Upload
despita-yuliantari -
Category
Documents
-
view
257 -
download
0
Transcript of Tugas Kapita Selekta Kimia
-
7/21/2019 Tugas Kapita Selekta Kimia
1/74
TESIS
ANALISIS HKSA DAN DESAIN SENYAWA BARUINSEKTISIDA TURUNAN SULFENIL METILKARBAMAT
DENGAN METODE SEMIEMPIRIK AM1
QSAR ANALYSIS AND STRUCTURAL DESIGN FOR INSECTICIDE
DERIVATIVES OF SULFENYL METHYLCARBAMATE BY USING
SEMIEMPIRIC AM1 METHOD
RINI SELLY09/289198/PPA/02836
PROGRAM STUDI S2 ILMU KIMIAJURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMUNIVERSITAS GADJAH MADA
YOGYAKARTA2012
-
7/21/2019 Tugas Kapita Selekta Kimia
2/74
TESIS
ANALISIS HKSA INSEKTISIDA DAN DESAIN SENYAWABARU TURUNAN SULFENIL METILKARBAMAT DENGAN
METODE SEMIEMPIRIK AM1
QSAR ANALYSIS AND STRUCTURAL DESIGN FOR INSECTICIDE
DERIVATIVES OF SULFENYL METHYLCARBAMATE BY USING
SEMIEMPIRIC AM1 METHOD
Diajukan untuk memenuhi salah satu syarat memperoleh derajatMaster of ScienceIlmu Kimia
RINI SELLY
09/289198/PPA/02836
PROGRAM STUDI S2 ILMU KIMIAJURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMUNIVERSITAS GADJAH MADA
YOGYAKARTA2012
-
7/21/2019 Tugas Kapita Selekta Kimia
3/74
iii
-
7/21/2019 Tugas Kapita Selekta Kimia
4/74
iv
PERNYATAAN
Dengan ini saya menyatakan bahwa isi tesis ini tidak terdapat karya yang
pernah diajukan untuk memperoleh gelar kesarjanaan disuatu Perguruan Tinggi,
dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang
pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu
dalam daftar pustaka.
Yogyakarta, Juni 2012
Rini Selly
-
7/21/2019 Tugas Kapita Selekta Kimia
5/74
v
PRAKATA
Puji dan syukur penulis panjatkan ke hadirat Allah SWT atas segala
rahmat dan karunia-Nya, shalawat dan salam penulis haturkan kepada junjungan
umat, Rasulullah Muhammad shalallahu alaihi wa salam hingga akhirnya
penulis dapat menyelesaikan penelitian dan penyusunan tesis yang berjudul
Analisis HKSA dan Desain Senyawa Baru Insektisida Turunan Sulfenil
Metilkarbamat dengan Metode Semiempirik AM1. Tesis ini disusun untuk
memenuhi salah satu syarat memperoleh gelar Master of Science (M.Sc.) dari
Universitas Gadjah Mada Yogyakarta.Selama proses penelitian dan penyusunan tesis ini, telah begitu banyak
bimbingan, bantuan, saran dan motivasi serta doa yang diberikan kepada Penulis,
oleh karena itu, pada kesempatan ini penulis mengucapkan setulus-tulusnya
terima kasih kepada:
1. Dr. Dwi Siswanta, M.Eng., selaku dosen pembimbing I yang telah sabar
membimbing, memberikan arahan dan koreksi selama proses penelitian,
penulisan hingga selesainya penyusunan tesis ini
2. Prof. Dr. Mudasir, M.Eng., selaku pembimbing II yang telah meluangkan
waktunya untuk memberikan arahan selama proses penelitian hingga
selesainya penyusunan tesis ini.
3. Pimpinan dan staf Lab. AIC yang telah banyak membantu selama proses
penelitian.
4. Teman-teman S2 Jurusan Kimia angkatan 2009 khususnya Gerry Nugraha
dan Muslih Anwar, senpai-senpaiRozaq, Yari dan Agus serta rekan-rekan di
Laboratorium AIC yang telah membantu dan bekerja sama selama penelitian.
5. Kedua orang tua tercinta atas segala doa kepada penulis.
Akhir kata penulis menyadari bahwa tesis ini jauh dari kata sempurna, oleh karena
itu semua saran dan kritik yang membangun sangat penulis harapkan untuk
penyempurnaan tesis ini. Semoga tesis ini dapat memberikan sumbangan
-
7/21/2019 Tugas Kapita Selekta Kimia
6/74
vi
pemikiran dalam menambah wawasan pembaca serta berguna bagi perkembangan
ilmu pengetahuan.
Yogyakarta, Juni 2012
Penulis
-
7/21/2019 Tugas Kapita Selekta Kimia
7/74
vii
DAFTAR ISI
HALAMAN JUDUL iLEMBAR PENGESAHAN iii
LEMBAR PERNYATAAN iv
PRAKATA v
DAFTAR ISI vii
DAFTAR GAMBAR ix
DAFTAR TABEL x
DAFTAR LAMPIRAN xi
INTISARI xiiABSTRACT xiii
BAB I PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Tujuan Penelitian 3
1.3 Manfaat Penelitian 3
BAB II TINJAUAN PUSTAKA 4
2.1 Sintesis Insektisida 4
2.2 Analisis HKSA Senyawa Pestisida 4
2.3 Analisis HKSA dengan Metode Semiempirik 5
BAB III LANDASAN TEORI, HIPOTESIS DAN RANCANGAN
PENELITIAN 7
3.1 Karbofuran dan derivatisasinya 7
3.2 Kimia Komputasi 9
3.3 Hubungan Kuantitatif Struktur dan Aktivitas (HKSA) 10
3.3.1 Metode Hansch 11
3.3.2 Metode Free-wilson 12
3.3.3 Metode HKSA 3D 12
3.4 Metode Semiempirik 12
3.5 Pemilihan Deskriptor 13
-
7/21/2019 Tugas Kapita Selekta Kimia
8/74
viii
3.6 Analisis Statistik dalam HKSA 14
3.6.1 Analisis regresi multilinear (MLR) 14
3.6.2 Analisis komponen utama (PCA) 173.7 Hipotesis 19
3.8 Rancangan Penelitian 18
BAB IV METODE PENELITIAN 21
4.1 Materi dan Peralatan Penelitian 21
4.1.1 Materi penelitian 21
4.1.2 Peralatan penelitian 21
4.2 Prosedur Penelitian 21
4.2.1 Validasi metode 214.2.2 Optimasi geometri 21
4.2.3 Analisis HKSA dengan SPSS 22
4.2.4 Desain struktur senyawa baru 22
BAB V HASIL DAN PEMBAHASAN 24
5.1 Validasi Metode 24
5.2 Optimasi Geometri Menggunakan Metode Semiempirik
AM1 25
5.3 Analisis HKSA 26
5.3.1 Analisis HKSA dengan Regresi multilinier 29
5.3.2 Analisis HKSA dengan menggunakan Regresi
komponen utama 34
5.3.3 Perbandingan antara metode MLR dan metode PCR 36
5.4 Desain Senyawa Baru 36
BAB VI KESIMPULAN DAN SARAN 39
6.1 Kesimpulan 39
6.2 Saran 39
DAFTAR PUSTAKA 41
LAMPIRAN 44
-
7/21/2019 Tugas Kapita Selekta Kimia
9/74
-
7/21/2019 Tugas Kapita Selekta Kimia
10/74
x
DAFTAR TABEL
Tabel 2.1 Struktur kimia dan aktivitas senyawa turunan Sulfenil
Metilkarbamat 6
Tabel 3.1 Deskriptor molekuler dan parameternya 13
Tabel 5.1 Data panjang ikatan antar atom () senyawa hasil eksperimen
laboratorium dan perhitungan berbagai metode semiempirik 24
Tabel 5.2 Data sudut ikatan (o) senyawa hasil eksperimen laboratorium
dan perhitungan berbagai metode semiempirik 24
Tabel 5.3 Data sudut torsi (o) senyawa hasil eksperimen dan perhitungan
berbagai metode semiempirik 25
Tabel 5.4 Pemisahan data senyawa fitting dan senyawa uji 27
Tabel 5.5 Model HKSA hasil analisis regresi multilinear 29
Tabel 5.6 Model persamaan aktivitas turunan sulfenil metilkarbamat
berdasarkan analisis multiregresi multilinear 29
Tabel 5.7 Data aktivitas insektisida hasil eksperimen dan hasil
prediksi 30
Tabel 5.8 Model HKSA hasil analisis regresi komponen utama 34
Tabel 5.9 Model persamaan aktivitas turunan sulfenil metilkarbamat
berdasarkan analisis regresi komponen utama 34
Tabel 5.10 Data aktivitas biologis dan variabel laten hasil transformasi
deksriptor 35
Tabel 5.11 Senyawa usulan dan aktivitas biologisnya 37
Tabel 5.12 Aktivitas biologis insektisida fenil yang mengikat halogen 38
-
7/21/2019 Tugas Kapita Selekta Kimia
11/74
xi
DAFTAR LAMPIRAN
Lampiran 1 Data muatan bersih atom menggunakan metodesemiempirik AM1 44
Lampiran 2 Data deskriptor momen dipol, koefisien partisi oktanol-air
dan polarisabilitas 46
Lampiran 3 Contoh senyawa yang telah dioptimasi dengan
metode AM1 47
Lampiran 4 Contoh log file hasil optimasi 48
Lampiran 5 Substituen usulan senyawa baru dan aktivitas inhibitor
asetilkolinesterasenya 50Lampiran 6 Contoh output SPSS dengan analisis regresi multilinear 51
Lampiran 7 Contoh output SPSS dengan analisis regresi komponen
utama 58
Lampiran 8 PRESS untuk masing-masing model dengan teknik analisis
MLR 60
Lampiran 9 PRESS untuk masing-masing model dengan teknik analisis
PCA 61
-
7/21/2019 Tugas Kapita Selekta Kimia
12/74
xii
INTISARI
Analisis HKSA Insektisida dan Desain Senyawa Baru Turunan SulfenilMetilkarbamat dengan Metode Semiempirik AM1
Oleh
Rini Selly
09/289198/PPA/02836
Telah diteliti analisis HKSA (Hubungan Kuantitatif Struktur danAktivitas) terhadap insektisida turunan sulfenil metilkarbamat. Senyawa turunansulfenil metilkarbamat dan data aktivitasnya diperoleh dari literatur. Perhitungandeskriptor elektronik, polaritas dan pemodelan struktur senyawa turunanaminosulfenil metilkarbamat dilakukan dengan metode semiempirik AustinModel 1(AM1). Analisis HKSA dilakukan dengan analisis regresi multilinier danregresi komponen utama untuk memperoleh persamaan HKSA terbaik untukmemprediksi aktivitas insektisida pada serangga. Model HKSA terbaik adalah:Log LD50= 2,675 50,476 qC6 0,183 dipol+ 0,001 SAn = 19, R = 0,889, SD = 0,174, Fhitung/Ftabel= 5,743, PRESS = 0,452
Berdasarkan model HKSA di atas, telah dirancang senyawa insektisidabaru turunan sulfenil metilkarbamat dengan aktivitas insektisida yang lebih tinggiterhadap serangga yaitu 2,2-dimetil-2,3-dihidrobenzofuran-7-il-2-hidroksiietiltio(metil)karbamat.
Kata kunci: Insektisida sulfenil metilkarbamat, HKSA, semiempirik, AM1
-
7/21/2019 Tugas Kapita Selekta Kimia
13/74
xiii
ABSTRACT
QSAR Analysis and Structural Design for Insecticide Derivatives of Sulfenyl
Methylcarbamate by Using Semiempiric AM1 Method
By
Rini Selly
09/289198/PPA/02836
QSAR (Quantitative Structure Activity Relationship) analysis ofinsecticide compounds of sulfenyl methylcarbamate derivatives has beeninvestigated. Acivities of sulfenyl methylcarbamate derivatives has been obtainedfrom the literature. Calculation of descriptors and structural modeling of sulfenylmethylcarbamate derivative compounds have been done by Austin Model 1(AM1) method. QSAR analysis was performed by multiple linier regression(MLR) and principal componen regression (PCR) analysis methods to get the bestQSAR model for predicting insecticide activity. The best model is:Log LD50= 2, 675 50,476 qC6 0,183 dipole + 0,001 SAn = 19, R = 0,889, SE = 0,174 Fcal/Ftab= 5,743, PRESS = 0,452
Based on the above model, a new insecticide compound of sulfenylmethylcarbamate derivatives namely 2,2-dimethyl-2,3-dihydrobenzofuran-7-yl-2-hidroxyetilthio (methyl) carbamat has been designed with higher insecticideactivity.
Key word: Insecticide sulfenyl methylcarbamate, QSAR, semiempiric, AM1
-
7/21/2019 Tugas Kapita Selekta Kimia
14/74
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Menurut PP No. 7/1973, definisi pestisida adalah semua zat kimia dan
bahan lain serta jasad renik dan virus yang dipergunakan untuk memberantas atau
mencegah hama dan penyakit yang merusak tanaman, bagian-bagian tanaman atau
hasil-hasil pertanian, memberantas rerumputan, mengatur atau merangsang
pertumbuhan yang tidak diinginkan, memberantas atau mencegah hama-hama luar
pada hewan peliharaan dan ternak, memberantas atau mencegah hama-hama air,memberantas atau mencegah binatang-binatang dan jasad-jasad renik dalam
bangunan rumah tangga, alat angkutan, dan alat-alat pertanian, memberantas atau
mencegah binatang-binatang yang perlu dilindungi dengan penggunaan tanaman,
tanah dan air.
Salah satu jenis pestisida yang telah direkomendasikan oleh pemerintah
adalah pestisida dengan bahan aktif karbofuran. Karbofuran (2,3-dihidro- 2,2-
dimetil- 7-benzofuranil N-metilkarbamat) adalah insektisida dengan bahan aktif
golongan metilkarbamat tidak termasuk jenis insektisida yang dibatasi
penggunaannya pada padi karena selektif dan efek residu tidak panjang.
Karbofuran adalah insektisida yang menduduki ranking kedua terpopuler
dalam golongan karbamat, setelah karbaril. Produksi pestisida berbahan dasar
karbofuran telah dipasarkan di Indonesia dengan berbagai merk dagang.
Senyawa insektisida perlu terus dikembangkan karena pada dasarnya
serangga yang tidak mati pada saat terkena insektisida ini akan menjadi resisten
atau mampu beradaptasi terhadap senyawa insektisida yang ada sehingga
walaupun insektisida diberikan terus menerus serangga tidak akan mati. Oleh
karena itu, penelitian insektisida harus terus dilanjutkan untuk mencari senyawa
insektisida baru yang bisa membasmi serangga yang resisten terhadap insektisida
sebelumnya.
-
7/21/2019 Tugas Kapita Selekta Kimia
15/74
2
Proses penemuan senyawa baru dengan aktivitas yang lebih tinggi tanpa
efek biologis yang merugikan memerlukan langkah-langkah eksperimen yang
meliputi desain, sintesis, purifikasi, identifikasi, dan uji aktivitas. Metodeeksperimen ini mempunyai kelemahan yaitu seringkali produk yang diperoleh
tidak mempunyai aktivitas yang lebih baik dari senyawa yang telah ada meskipun
tahapan-tahapan eksperimental tersebut telah dilakukan sehingga waktu, biaya,
dan tenaga yang telah dikeluarkan dalam kerja di laboratorium menjadi sia-sia.
Model hubungan antara struktur, baik elektronik maupun geometri dari satu atau
sekelompok molekul yang mempunyai aktivitas tertentu dapat dicari melalui suatu
pemodelan sebelum dilakukan sintesis terhadap senyawa tersebut. Pemodelan ini
dilakukan dengan menggunakan komputer yang merupakan salah satu alternatifdari pemecahan masalah dalam pencarian senyawa baru dengan memodifikasi
struktur kimia (Mudasir dkk., 2003).
Ilmu kimia komputasi saat ini telah banyak diaplikasikan pada berbagai
bidang. Salah satu aplikasi dari kimia komputasi yaitu untuk kajian analisis
hubungan kuantitatif struktur dan aktivitas (HKSA). HKSA merupakan kajian
kemometri terhadap satu seri senyawa, dengan struktur induk tertentu
mengunakan data hasil perhitungan kimia komputasi yang dikorelasikan dengan
suatu data aktivitas biologis.
Semiempirik sebagai salah satu metode perhitungan kimia komputasi
memiliki keunggulan yakni dapat dijalankan lebih cepat karena tidak semua
persamaan diselesaikan secara eksak dan elektron yang diperhitungkan hanyalah
elektron valensi saja. Salah satu jenis semiempirik adalah AM1 (Austin Model 1),
kelebihan metode ini adalah hasil perhitungannya yang cukup baik untuk senyawa
organik, selain itu juga memiliki keunggukan dalam penghitungan fungsi tolakan
inti dibandingkan semiempirik sekawannya PM3.
Penelitian yang dilakukan Fukuto dkk. (1973) menyatakan bahwa sifat
toksisitas dari metilkarbamat sangat dipengaruhi oleh derivatisasi, hal serupa juga
disampaikan oleh Umetsu (1984), penelitiannya menunjukkan bahwa toksisitas
insektisida metilkarbamat dapat dirubah ke dalam turunannya dengan toksisitas
yang lebih baik dengan sulfenil metilkarbamat sebagai salah satu turunannya.
-
7/21/2019 Tugas Kapita Selekta Kimia
16/74
3
Penelitian ini mencoba melakukan pemodelan matematis untuk
mendapatkan persamaan terbaik guna menghitung aktivitas insektisida turunan
sulfenil metilkarbamat sebagai senyawa insektisida dengan bantuan kimiakomputasi dan analisis HKSA dengan metode semiempirik AM1. Hasil
pemodelan ini diharapkan dapat menghasilkan desain senyawa baru yang tidak
hanya lebih tinggi aktivitasnya insektisidanya, namun juga diharapkan dapat
dibuat dari bahan alam dan dengan reaksi yang cukup sederhana.
1.2 Tujuan Penelitian
Berdasarkan latar belakang tersebut diatas, maka penelitian ini dilakukan
dengan tujuan untuk:1. Menghitung sifat-sifat/deskriptor senyawa turunan sulfenil metilkarbamat
dengan pemodelan molekul menggunakan metode semiempirik.
Mencari model persamaan HKSA terbaik yang menghubungkan struktur
turunan sulfenil metilkarbamat dengan aktivitasnya.
Merancang dan menghitung aktivitas senyawa pestisida baru
menggunakan persamaan HKSA diperoleh.
Manfaat PenelitianPenelitian ini diharapkan dapat memberikan arah dalam melakukan
sintesis di laboratorium, sehingga perancangan pestisida yang sifatnya coba-coba
dapat dikurangi dan dapat menghemat tenaga, biaya maupun waktu. Penelitian ini
juga akan memberikan sumbangan bagi khasanah ilmu pengetahuan khususnya
bidang-bidang kimia komputasi maupun agrokimia.
-
7/21/2019 Tugas Kapita Selekta Kimia
17/74
4
BAB II
TINJAUAN PUSTAKA
2.1 Sintesis Insektisida
Sejumlah sintesis terhadap senyawa-senyawa turunan sulfenil
metilkarbamat telah dilakukan, diantaranya penelitian yang dilakukan oleh Fukuto
dkk. (1973) terhadap turunan 2,3-dihidro-2,2-dimethylbenzofuranyl-7-N-metil-
N(4-toluenesulfenyl) hasil sintesis ini menghasilkan spektrum PMR dengan
serapan berikut (kloroform- dTMS): 6,7-7,4 (m, 7 H, proton aromatik), 3,4 (s, 3H, NCH3), 3,0 (s, 2 H,-CH2), 2,3 (s, 3 H,-CH3), dan 1,5 (s, 6 H, gem-di-CH3).Pergeseran downfielddan singlet untuk NCH3, dimana untuk karbofuran terdapat
sebagai doublet lebar pada 2.9, konsisten dengan substitusi dari proton dari yangbagian karbamoil.
Sintesis turunan sulfenil metilkarbamat yang lain dilakukan oleh Umetsu
dkk. (1988) dimana hampir semua produk sintesis diperoleh sebagai minyak,
sementara beberapa diantaranya merupakan kristal padat dengan perolehan hasil
total (dari induk metilkarbamat) adalah 35-50% untuk semua produk.
2.2 Analisis HKSA Senyawa Insektisida
Penelitian mengenai HKSA senyawa insektisida dilakukan oleh Naik dkk.
(2009), yakni menganalisis senyawa turunan organofosfat dan karbamat sebagai
insektisida untuk membasmi lalatMusca nebulo. Naik telah membuktikan bahwa
penggunaan deskriptor indeks elektro-topologikal, elektronik, spasial, struktural,
termodinamik, hidrofobisitas, sterik dan topologikal dalam HKSA menghasilkan
aktivitas insektisida prediksi yang cukup baik untuk senyawa turunan
organofosfat.Hasil HKSA yang baik juga diperoleh pada penelitian yang dilakukan oleh
Agrawal dkk. (2004) pada insektisida turunan phosphoramidothioate. Penelitian
ini didasarkan pada parameter topologi dan juga memodelkan berdasarkan
deskriptor lipofilisitas.
-
7/21/2019 Tugas Kapita Selekta Kimia
18/74
5
2.3 Analisis HKSA dengan Metode Semiempirik
Penelitian mengenai HKSA senyawa insektisida sebelumnya telah
dilaksanakan oleh Naik dkk. (2009) kemudian dilanjutkan oleh Ananto (2011) dan
Wibowo (2011). Hasil-hasil penelitian tersebut menunjukkan bahwa untuk
senyawa insektisida turunan karbamat dapat dimodelkan dengan baik dan
deskriptor-deskriptor hidrofobik, elektronik dan sterik dapat dihitung secara
akurat dengan menggunakan metode semiempirik PM3, sedangkan untuk
organofosfat pemodelan dapat dilakukan dengan baik dengan menggunakan
metode AM1.
Penggunaan metode AM1 pada penelitian terhadap dua kelas insektisida
phosphoramidothioate yakni methamidophos dan acephate dilakukan oleh Spassova
dkk.(2001). Studi HKSA disini menjelaskan mode of actionpada posisi in vivodan in
vitro.
HKSA senyawa pirol dilakukan oleh Santa (2008) dengan menggunakan
deskriptor muatan bersih atom, momen dipol dan log P, serta membandingkan
metode semiempirik AM1 dan PM3. Dari penelitian tersebut diperoleh hasil
bahwa metode semiempirik AM1 lebih baik daripada PM3 untuk memprediksi
senyawa turunan pirol sebagai insektisida dalam penyusunan persamaan HKSA
menggunakan deskriptor muatan bersih atom, momen dwi kutub dan log P.
Dari beberapa penelitian yang telah dilakukan dapat diketahui bahwa metode
semiempirik, salah satunya AM1 mampu memberikan hasil yang cukup baik untuk
senyawa-senyawa insektisida. Selain itu penggunaan deskriptor elektronik, sterik,
serta hidrofobik mendominasi dalam penggunaan deskriptor pada senyawa-senyawa
tersebut.
Penelitian ini mencoba untuk mendesain senyawa baru turunan sulfenil
metilkarbamat dengan aktivitas yang lebih baik terhadap serangga berdasarkan hasil
analisis HKSA terhadap seri senyawa tersebut. Analisis yang digunakan
menggunakan pendekatan HKSA dengan metode AM1, adapun struktur sulfenil
metilkarbamat dan aktivitas eksperimen untuk seri turunannya disajikan pada Tabel
2.1 (Penomeran atom hanya untuk pemodelan saja)
-
7/21/2019 Tugas Kapita Selekta Kimia
19/74
6
O
O
C
O
N
CH3
S1
2
3
4
5
6
7
8
910
11
12
13
14
15
16
R
17
Gambar 2.1 Kerangka utama dan penomeran senyawa turunan Sulfenil
Metilkarbamat yang digunakan dalam penelitian Umetsu
(1984) dan Umetsu dkk. (1988)
Tabel 2.1 Struktur kimia dan aktivitas senyawa turunan Sulfenil
Metilkarbamat yang digunakan dalam penelitian Umetsu
(1984) dan Umetsu dkk. (1988)
Nomor
R LD50eksperimen(g/g)
Nomor
R LD50eksperimen(g/g)
1. -OCH3 18,8 13. -OCH2C6H4-p-C(CH3)3 15,52. -OCH2CH3 15,8 14. -OCH2C6H4-p-OCH3 13,83. -OCH(CH3)2 31,0 15. -2-Tolyl 3,74. -OC(CH3)3 25,0 16. -3-Tolyl 6,55. -O(CH2)3CH3 20,5 17. -4-Tolyl 9,76. -OCH(CH2CH3)2 21,0 18. -2,4-Xylyl 9,07. -Ocyclohexyl 21,5 19. -4-t-Butylphenyl 2,7
8. -OCH2C6H5 7,5 20. -2-Me-4-t-Buthylphenyl 7,59. -O(CH2)5CH3 14,5 21. -4-Br-Phenyl 9,010. -O(CH2)7CH3 13,0 22. -3,4-OCH2O-Phenyl 5,011. -O(CH2)11CH3 21,0 23. -Me 4,912. -O(CH2)17CH3 75,0 24. -Et 12,8
-
7/21/2019 Tugas Kapita Selekta Kimia
20/74
7
BAB III
LANDASAN TEORI DAN HIPOTESIS
3.1 Karbofuran dan derivatisasinya
Karbofuran (2,3-dihidro-2,2-dimetil-7-benzofuranil metilkarbamat; BM,
221,26) merupakan insektisida dengan spektrum yang luas, bersifat sistemik,
merupakan insektisida, akarisida dan nematisida. Karbofuran digunakan terhadap
sejumlah besar spesies target, termasuk kutu daun, beetles (kumbang), kutu busuk,
corn rootworm (sejenis serangga pemakan jagung), belalang, greenbugs (sejenis
hama yang berwarna hijau), wereng, lygus bugs (penyakit tanaman virus,nematoda, penggerek tebu, thrips (sejenis serangga yang biasanya menyerang
alpukat), dan wireworms. (Anonim, 2006)
Sebagai anggota dari kelas pestisida karbamat, aksi karbofuran sebagian
besar didasarkan pada kemampuannya untuk menghambat asetilkolinesterase
(AChE) dalam sistem saraf dan motor endplates spesies sasaran. Toksisitas
karbofuran dalam sistem mamalia juga dapat didasarkan pada hal ini. Meskipun
demikian, karbofuran menghambat kholinesterase lain (ChEs) secara baik pula,
termasuk plasma-lokal butiril ChE dan AChE sel darah merah yang terlokalisasi.
Berbeda dengan organofosfat, karbamat tidak membentuk ikatan inhibisi yang
irreversibel dengan ChE.
Enzim secara normal menghidrolisis asetilkolin menjadi asetat dan kolin.
Pada saat enzim dihambat, jumlah asetilkolin meningkat dan berikatan dengan
reseptor muskarinik dan nikotinik pada sistem saraf pusat dan perifer. (Fukuto,
1990).
Gambar 3.1 Hidrolisis asetilkolin menjadi asam asetat dan kolin
-
7/21/2019 Tugas Kapita Selekta Kimia
21/74
8
Toksisitas akut dihasilkan karbofuran dari kemampuannya untuk
mengalami karbamilasi, dan menghambat acetylcholinesterase (AChE) pada
sinapsis dan persimpangan neuromuskular.Proses penghambatan enzim oleh pestisida turunan karbamat diilustrasikan
pada Gambar 3.1. (Pogaenik, 1998)
Enzim aktif pestisida karbamat karbamil-enzim kompleks
(inaktif-terinhibisi)
Gambar 3.2 Mekanisme penghambatan enzim oleh pestisida karbamat
Penghambatan kerja enzim terjadi karena karbamat melakukan karbamilasi
enzim tersebut dalam bentuk komponen yang stabil.
Dibandingkan dengan methylcarbamates induk, sulfenylated derivatif yang
sangat beracun untuk nyamuk larva, terutama derivatif dari karbofuran dan 3 -
isopropylphenyl methylcarbamate. Dalam tes terpisah yang dilakukan oleh World
Health Organizationterhadap Anopheles albinanus, nilai LC50kurang dari 0,001
ppm diperoleh dengan beberapa turunan.Dalam hampir setiap kasus, pengenalan suatu substituen hidrofobik ke
bagian benzenesulfenyl meningkatkan aktivitas larva, hal ini menunjukkan bahwa
lipofilisitas dalam turunan karbamat memainkan peran penting dalam menentukan
efektivitas terhadap larva nyamuk. Aktivitas yang tinggi dari larva selektif, Abate
telah dikaitkan sebagian nya lipofilisitas tinggi, yang mempromosikan penyerapan
yang cepat dari Abate oleh larva nyamuk dari air Dengan asumsi bahwa
sulfenylated turunan lainnya juga memiliki karakteristik partisi yang mirip, seperti
partisi tinggi mendukung fase nonpolar juga menunjukkan bahwa senyawa inidengan cepat diserap oleh larva. Ini pasti akan memberikan kontribusi untuk
efektivitas mereka sebagai larvicides nyamuk.
Sulfenylation dari insektisida metilkarbamat dapat memberikan tambahan
kesempatan untuk intoxicationdan detoxicationproses berlangsung pada serangga
-
7/21/2019 Tugas Kapita Selekta Kimia
22/74
9
dan mamalia. Korelasi yang buruk antara di antikolinesterase in vitroaktivitas dan
toksisitas pada tikus dan serangga menunjukkan bahwa proses metabolisme in
vivo bertanggung jawab untuk toksisitas selektif diamati dari karbamatdiderivatisasi, meskipun faktor faktor lain seperti sifat lipofilik molekul juga harus
dipertimbangkan. (Fukuto, 1973)
Selain itu adanya perbedaan tingkat toksisitas pada serangga dan mamalia
(tikus) disebabkan oleh perbedaan jarak antara sisi anionik dan sisi ester pada
enzim kolinesterase. (Fukuto dalam Ridlo, 1992)
3.2 Kimia Komputasi
Kimia komputasi termasuk kajian teoritik yang mendukung perkembangan
teori-teori ilmu kimia, kajian kimia komputasi terhadap suatu sistem kimia
diawali dengan langkah pemodelan sistem yang akan dikaji, dilanjutkan dengan
perhitungan sifat fisikokimia, diakhiri dengan analisis data yang dihasilkan dari
perhitungan. Jika data eksperimen tersedia, hasil yang diperoleh melalui kajian
teori kimia komputasi bisa dibandingkan dengan data-data percobaan. Jika tidak
tersedia data eksperimen, maka pemilihan metode yang tepat akan menentukan
hasil kajian itu. (Jensen, 2007).
Kimia komputasi tidak hanya membicarakan mekanika kuantum saja,tetapi juga mekanika molekuler, minimisasi, simulasi, analisis konformasi dan
metode komputasi lain untuk memahami serta memperkirakan perilaku sistem
molekuler. Pemodelan senyawa dapat menggunakan semua metode tersebut,
model senyawa dapat diartikan sebagai representasi dan manipulasi struktur
senyawa dan sifat yang didasarkan pada struktur 3 dimensinya. (Leach, 1996).
Metode kimia komputasi dapat dibedakan menjadi dua bagian besar yaitu
mekanika molekuler dan metode struktur elektronik yang terdiri dari ab initiodan
semiempirik. Metode yang sekarang berkembang pesat adalah teori kerapatanfungsional (density functional theory, DFT).
Banyak aspek dinamik dan struktur molekul seperti sifat listrik dan muatan
atom dapat diperkirakan dengan menggunakan kimia komputasi. Perhitungan sifat
listrik dan muatan atom tersebut berdasarkan atas perhitungan kimia kuantum.
-
7/21/2019 Tugas Kapita Selekta Kimia
23/74
10
Kimia kuantum berguna dalam menentukan beberapa sifat molekul dengan
menggunakan dasar-dasar mekanika kuantum. Mekanika kuantum digunakan
untuk mempelajari partikel-partikel yang berukuran mikro seperti elektron, intiatom dan molekul yang sifat dan kelakuan partikel tersebut tidak dapat dijelaskan
dengan mekanika klasik. Dalam mekanika kuantum, keadaan suatu sistem
digambarkan melalui fungsi koordinat partikel dalam sistem yang disebut dengan
fungsi gelombang atau fungsi keadaan. Fungsi ini diperoleh dari persamaan
Schrdinger:
E............................................................................................... (3.1) adalah hamiltonian yang menyatakan energi kinetik dan energi
potensial, baik inti maupun elektron. adalah fungsi gelombang yang merupakanfungsi koordinat inti dan elektron yang berisikan semua informasi mengenai
koordinat sistem sedangkan E adalah energi total dari sistem. Sifat molekul yang
dapat dihitung melalui penyelesaian persamaan di atas adalah geometri molekul,
stabilitas relatif, momen dwi kutub dan muatan atom.
3.3 Hubungan Kuantitatif Struktur dan Aktivitas (HKSA)
Kajian HKSA berkembang pesat karena memberikan peranan besar dalam
proses desain senyawa baru untuk mempersempit fokus riset, penghematan dana
dan penghematan waktu. Penggunaan HKSA dapat digunakan sebagai pendekatan
awal untuk menyeleksi molekul dengan aktivitas prediksi terbaik.
Studi HKSA menghasilkan aspek penting yaitu:
a. Hubungan sistematik antara variasi struktur suatu molekul dengan
perubahan aktivitas biologis molekul tersebut.
b. Pola penalaran dalam merancang molekul baru yang lebih efektif dengan
aktivitas yang lebih tinggi.
Dalam perkembangannya, tidak hanya obat saja yang dikembangkan pada
studi HKSA, akan tetapi makromolekul biologis lainya yang mempunyai efek
biologis akibat adanya interaksi dengan target spesifik seperti enzim, reseptor
protein dan asam nukleat yang memiliki struktur tiga dimensi dimana penataan
gugus fungsi dan sifat-sifat permukaan mempengaruhi sisi yang berikatan.
-
7/21/2019 Tugas Kapita Selekta Kimia
24/74
11
Perlambangan makromolekul biologis yang terlibat pada interaksi ligan-protein,
ligan menunjukkan substrat atau inhibitor, dan protein menunjukkan reseptor
berupa makromolekul seperti enzim, protein dan asam nukleat.Kajian HKSA digunakan sebagai pendekatan awal untuk menyeleksi
kemungkinan pemodelan senyawa dengan prediksi terbaik (Riyadi, 2009). Metode
analisis yang dipakai untuk mengetahui tentang struktur atau sifat-sifat struktural
yang diuji, dapat mengarah ke hubungan struktur dan aktivitas yang sebenarnya
bila dihubungkan dengan fakta-fakta biologis yang ada. Pendekatan ini didasarkan
pada uraian mekanika kuantum yaitu yang pertama penyederhanaan pengetahuan
tentang teori orbital molekul dengan memasukkan konektivitas molekuler
sedangkan yang kedua melalui upaya mencari kesepadanan antara aktivitasbiologis dengan sifat-sifat kimia fisika molekul yang akan dianalisis.
Berdasarkan parameter dan pendekatan yang digunakan, kajian HKSA
digolongkan dalam 3 metode, yaitu metode Hansch, metode Free-Wilson dan
metode HKSA-3D atau CoMFA (Comparative Molecule Field Analysis)
3.3.1 Metode Hansch
Metode Hansch dikembangkan oleh Hansch pada tahun 1964 (Kubinyi,
1993) metode Hansch mengasumsikan aktivitas biologi sebagai fungsi dari
parameter-parameter hidrofobisitas (), elektronik (), dan sterik (Es) yang
terdapat pada molekul, yang dapat dinyatakan secara matematis sebagai
persamaan (3.1)
.. (3.2)Notasi A menyatakan aktivitas biologis, notasi a, b, c dan d menyatakan
tetapan persamaan regresi, Notasi adalah tetapan hidrofobisitas substituen
menurut Hansch-Fujita, adalah tetapan Hammet yang menyatakan sifat
elektronik, dan Es adalah tetapan substituen untuk sterik menurut Taft. Ketiga
parameter tersebut diperoleh dari pendekatan termodinamika atau model
hubungan linier energi bebas (Linear Free Energy Relationship, LFER), yaitu
suatu model matematik yang dikembangkan dari hubungan reaktivitas kimia
dengan parameter substituen yang dikemukakan oleh Hammet pada tahun 1938.
-
7/21/2019 Tugas Kapita Selekta Kimia
25/74
12
Analisis Hansch kemudian dikembangkan dengan menggunakan
parameter sifat fisikokimia dari struktur molekul atau menggunakan beberapa
parameter teoritis. Parameter-paramater tersebut digunakan sebagai variabel bebasyang memberikan prediksi harga aktivitas biologis.
3.3.2 Metode Free-Wilson
Metode ini dikembangkan oleh Free dan Wilson, didasarkan pada
perkiraan bahwa masing-masing substituen pada struktur senyawa induk
memberikan sumbangan yang tetap terhadap aktivitas biologis. Metode ini
mengajukan model persamaan yang memperkirakan bahwa aktivitas biologi sama
dengan jumlah sumbangan substituen ditambah aktivitas biologis senyawa induk.
g ..(3.3)A adalah aktivitas biologis, S adalah sumbangan masing-masing
substituen terhadap aktivitas total senyawa induk yang telah tersubstitusi dan
adalah aktivitas biologis senyawa induk. Kelebihan dari metode ini adalah analisis
dapat dikerjakan dengan cepat dan sederhana, metode Free-Wilson efektif
diterapkan jika uji aktivitas biologi berlangsung lambat daripada sintesis senyawa
turunannya.
3.3.3 Metode HKSA 3D
Metode ini dikembangkan sebagai antisipasi permasalahan untuk senyawa-
senyawa enantiomer yang mempunyai kuantitas sifat fisikokimia yang sama,
tetapi mempunyai aktivitas biologi yang berbeda. Metode HKSA 3D menyusun
suatu hubungan antara aktivitas biologis dan sifat sterik elektrostatik dari satu seri
senyawa. Metode ini diawali dengan mendefinisikan aturan superposisi dari satu
seri senyawa kemudian dilakukan perhitungan energi sterik dan energi interaksi
elektrostatik pada setiap titik kisi (grid point) dalam suatu ruang tiga dimensi.
3.4 Metode Semiempirik
Perhitungan semiempirik merupakan perhitungan orbital molekul yang
didasarkan pada perhitungan kimia kuantum. Perhitungan ini akan menghasilkan
penyelesaian terhadap persamaan Schrdinger dengan menggunakan pendekatan
-
7/21/2019 Tugas Kapita Selekta Kimia
26/74
13
tertentu dan beberapa data empirik untuk mengambarkan sifat-sifat elektron dari
suatu atom atau molekul (Pranowo, 2003). Dibandingkan dengan ab initio,
perhitungan dengan metode semiempirik dapat dijalankan lebih cepat karena tidaksemua persamaan diselesaikan secara eksak dan elektron yang diperhitungkan
hanyalah elektron valensi saja. Perhitungan semiempirik mekanika kuantum ini
meliputi tujuh metode yaitu metode Extended Huckel, Complete Neglect of
Differential Overlap (CNDO), Intermediate Neglect of Differential Overlap
(INDO),Modified Neglect on Diatomic Overlap(MNDO),Modified Intermediate
Neglect of Differential Overlap (MINDO3), Austin Model 1 (AM1) dan
Parameterized Model 3 (PM3).
3.5 Pemilihan Deskriptor
Deskriptor merupakan parameter sifat kimia dan fisika dari suatu senyawa
yang akan digunakan sebagai variabel bebas dalam proses analisis HKSA.
Deskriptor yang digunakan harus benar-benar memiliki hubungan aktivitas yang
kuat dengan senyawa tersebut, sehingga aktivitas senyawa baru dapat diprediksi,
jika ada satu saja hubungan yang lemah, maka nilai dari parameter tersebut tidak
berguna dalam prediksi. Oleh karena itu, dalam suatu parameter yang dipilih
haruslah mempunyai hubungan yang relevan terhadap aktivitas dari senyawa yang
diteliti dan nilai parameter-parameter tersebut didapatkan dari perlakuan yang
konsisten.
Tabel 3.1 Deskriptor molekuler dan parameternya (Kubinyi, 1993)Deskriptormolekuler
Interaksi Parameter
Lipofilisitas Interaksi hidrofobis Log P, , f, RM, XPolarisabilitas Interaksi van-der Waals MR(refraktivitas molar), PA
(parachor), MV(volume molar)
Densitaselektron
Ikatan ionik, interaksidipol-dipol, ikatanhidrogen, interaksi
transfer muatan
, R, F, , indeks kimia kuantum
Topologi Halangan sterik,kemiripan geometric
Es, rv, L, B, panjang ikatan,volume
-
7/21/2019 Tugas Kapita Selekta Kimia
27/74
14
3.6 Analisis Statistik dalam HKSA
3.6.1 Analisis regresi multilinear
Analisis regresi multilinear dalam HKSA menghubungkan variabel bebasX (seperti parameter fisika dan kimia dalam metode Hansch, variabel indikator
dalam metode Free-Wilson) dengan variabel tidak bebas Y, yakni aktivitas
biologis (Kubinyi, 1993). Variabel tidak bebas mengandung suku error (nilai
kesalahan) sedangkan variabel bebas disusun dengan maksud untuk
meminimalkan kesalahan (Daniel dan Wood, 1980 dalam Tahir, 2000). Pada
kenyataannya, ini hanyalah suatu pendekatan saja, karena parameter kimia fisika
pada suatu persamaan HKSA umumnya mengandung kesalahan pada saat
eksperimen perhitungannya, meskipun kesalahan ini pada berbagai kasus lebihkecil dari pada kesalahan yang terdapat pada data biologis.
Pada analisis HKSA, pemilihan prediktor yang tepat merupakan suatu
langkah yang penting dalam memprediksi aktivitas biologis suatu senyawa.
Biasanya analisis ini dilakukan menggunakan analisis regresi multilinear. Metode
ini secara eksak adalah prosedur perhitungan matematis biasa untuk fitting data.
Teknik fitting data ini dilakukan untuk meminimalkan harga total random error
().
Data observasi pada kenyataannya mempunyai hubungan antara harga
respon sebenarnya dengan harga prediktor yang menurut Daniel dan Wood
hubungan tersebut dapat dinyatakan dalam bentuk persamaan (3.4) berikut ini
(Tahir, 2000):
..(3.4)nilai k melambangkan konstanta regresi, m melambangkan jumlah variabel dan
melambangkan random error.
Tujuan dari langkahfitting ini adalah untuk meminimalkan total random error, maka
akan mendekati nol, sehingga diperoleh persamaan sebagai berikut:
.(3.5)Jika Q didefinisikan sebagai dan N adalah jumlah data, maka: Y
.. .
..(3.6)
-
7/21/2019 Tugas Kapita Selekta Kimia
28/74
15
dan Q harus minimum, oleh karena itu harga diferensial Q terhadap tiap konstanta
harus sama dengan nol, , ,
, . .
sehingga diperoleh persamaan:
2
0
...(3.7)
2
0(3.8)..(3.8) 2
0
.(3.9)..
2 0. . (3.10)
Jika persamaan ini kita susun kembali ke dalam bentuk matrik, maka akan diperoleh:
=
Penyelasaian bentuk persamaan tersebut digunakan aturan sebagai berikut:
. . merupakan matrik invers dari matrik A. Pada matrik B dapat kita temuisemua harga parameter untuk tiap suku dalam persamaan regresi multilinear.
Parameter statistik yang lain yaitu koefisien korelasi (r), standar deviasi (SD), dan
harga F. Harga koefisien korelasi (r) merupakan suatu ukuran relatif terhadap
kualitas model, karena harganya tergantung pada semua varians dari prediktor
(persamaan 3.11).
1 1 ............ (3.11)
Notasi merupakan jumlah kuadrat penyimpangan (SSQ), maka: ....... (3.12)
dan Syy adalah jumlah total varians, yang dinyatakan sebagai:
-
7/21/2019 Tugas Kapita Selekta Kimia
29/74
16
.. (3.13)Standar deviasi (SD) adalah ukuran absolut dari kualitasfitting yang secara matematis
dapat ditulis sebagai berikut:
atau SD
....(3.14)
db dalam persamaan tersebut merupakan jumlah derajat kebebasan yang digunakan.
Harga F adalah perbedaan tingkat signifikansi dari persamaan regresi. Signifikansi
dari suatu persamaan regresi terjadi bila harga F lebih besar dari batas signifikansi
(sebagai Ftabel) untuk batas konfidensi yang ditentukan. Dalam analisis HKSA
biasanya menggunakan tingkat konfidensi 95% atau 99%. Harga F dapat dirumuskan
sebagai berikut: ...... (3.15)Menurut Kubinyi (1993), parameter-parameter seperti r atau R2, SD dan F
inilah yang digunakan sebagai parameter penentu dalam pengambilan keputusan
pada analisis regresi multilinear.
Dalam melakukan penelitian dengan menggunakan HKSA, biasanya akan
menghasilkan banyak model persamaan. Model-model persamaan tersebut dapat
kita pilih untuk model persamaan yang terbaik. Kriteria-kriteria dalam pemilihan
model terbaik tersebut dapat berdasarkan faktor-faktor dibawah ini:
a. Harga r harus lebih besar dari 0,800 untuk persamaan regresi yang diterima.
b. Harga adjusted r2harus besar.
c. Haga F harus melebihi harga Ftabeluntuk tingkat signifikansi 95%.
d. Harga PRESS (Predicted Residual Sum of Square) harus kecil.
Parameter PRESS didefinisikan sebagai jumlah kuadrat dari perbedaan
prediksi i = 1 sampai dengan i = npred
=
=1
2)(i
obspred YYPRESS ...(3.16)
Ypred adalah aktivitas biologis prediksi, sedangkan Yobs adalah aktivitas
biologis eksperimen.
-
7/21/2019 Tugas Kapita Selekta Kimia
30/74
17
3.6.2 Analisis komponen utama (PCA)
Analisis komponen utama dikenalkan oleh Pearson dan Hotelling. Pada
proses analisis faktor dicoba untuk menemukan hubungan (interrelationship)antar variabel-variabel yang saling independen satu dengan yang lain, sehingga
dapat dibuat satu atau beberapa kemampuan variabel yang lebih sedikit dari
jumlah variabel awal. (Santoso, 2004)
Analisis komponen utama merupakan usaha untuk mereduksi p variabel
pengamatan (asal) menjadi k variabel baru yang saling ortogonal yang masing-
masing kvariabel baru tersebut merupakan kombinasi linear darip variabel lama.
Pemilihan k variabel baru tersebut sedemikian rupa sehingga
keragaman/kontribusi yang dimiliki variabel asal, hampir seluruhnya dapatdiwakili oleh k variabel baru. Analisis komponen utama sangat efektif untuk
kasus-kasus dimana antar p variabel asal mempunyai korelasi yang cukup
tinggi/erat (mengatasi multikolinearitas). Hasil dari analisis komponen utama
nantinya digunakan pada analisis lebih lanjut, seperti analisis cluster(gerombol)
dan analisis regresi komponen utama.
Misalkan X1, , Xp merupakan p variabel yang akan diselidiki Dari
matriks varians kovarians bisa diturunkan akar karakteristik yaitu 1 2 p
0.
Penyusutan variabel asal X dengan variabel baru Y dapat dirumuskan
dalam bentuk Y= aX
Pemilihan dilakukan agar var(Y) = amaksimum dan a= 1. Hal ini
dapat ditentukan dari persamaan (-I) = 0. Untuk menyelesaikan masalah
tersebut digunakan fungsiLagrange atau tepatnya penggandaLagrangedan dapat
dirumuskan sebagai
Y=
-
(
- I)..(3.17)Dengan memaksimumkan persamaan di atas, maka akan diperoleh
komponen utamanya. (Johnson, 2007)
Komponen utama pertama mampu menerangkan variansi data terbesar
sehingga var(Y1) = 1 dan kovarians masing-masing komponen utama sama
dengan 0. Artinya komponen utama tidak saling berkorelasi. Komponen utama
-
7/21/2019 Tugas Kapita Selekta Kimia
31/74
pertama adalah kombin
keragaman terbesar, de
varians data yang maantara akar karakteris
karakteristik atau trace
tr= 1+ 2+
3.7 Hipotesis
Berdasarkan tin
paragraf sebelumnya m
Hipotesis IJika hasil perh
dengan baik struktur
metilkarbamat, maka si
digunakan sebagai predi
asi linier terbobot variabel asal yang dapat m
ikian seterusnya untuk komponen utama yang
pu diterangkan setiap komponen utama adalatik () komponen tersebut terhadap juml
atriks varians kovarians, dirumuskan sebagai
+ p
Gambar. 3.3 Ilustrasi alur PCA
auan pustaka dan dasar teori yang telah di
ka dapat diajukan beberapa hipotesis sebagai b
itungan metode semiempirik AM1 dapat m
atau konformasi senyawa pestisida turuna
at-sifat molekul yang dihitung dengan metode
ktor pada analisis HKSA.
18
nerangkan
lain. Total
h proporsiahan akar
erikut:
.(3.18)
ahas pada
rikut:
emodelkan
n sulfenil
M1 dapat
-
7/21/2019 Tugas Kapita Selekta Kimia
32/74
19
Hipotesis II
Jika interaksi pestisida turunan sulfenil metilkarbamat terhadap enzim
asetilkolinesterase dipengaruhi oleh sifat-sifat molekul, maka model hubunganyang konsisten antara sifat-sifat molekul senyawa turunan sulfenil metilkarbamat
dengan aktivitas biologisnya sebagai insektisida dapat ditemukan/diperoleh.
Hipotesis III
Jika persamaan HKSA yang diperoleh konsisten menggambarkan
hubungan sifat-sifat molekul turunan sulfenil metilkarbamat dengan aktivitasnya
sebagai insektisida, maka persamaan HKSA tersebut dapat digunakan sebagai
penuntun dalam mendesain senyawa baru turunan sulfenil metilkarbamat dengan
aktivitas insektisida yang lebih tinggi.
3.8 Rancangan Penelitian
Verifikasi hipotesis yang diajukan pada sub bab 3.7 diatas dapat dilakukan
dengan langkah-langkah penelitian sebagai berikut:
1. Hipotesis I dapat diverifikasi melalui validasi/perbandingan hasil perhitungan
metode semiempirik AM1 pada senyawa sulfenil metilkarbamat dengan data
yang telah diperoleh melalui eksperimen laboratorium.
2. Hipotesis II dapat diverifikasi dengan melakukan analisis regresi multilinearantara variabel bebas berupa sifat-sifat dengan variabel tidak bebas log LD50.
3. Hipotesis III dapat diverifikasi dengan merancang senyawa baru dengan
substituen yang bervariasi dan dihitung harga aktivitas prediksinya (log LD50)
menggunakan model persamaan HKSA terbaik yang diperoleh dari analisis.
Skema rancangan kerja dapat dilihat pada Gambar 3.4 berikut:
-
7/21/2019 Tugas Kapita Selekta Kimia
33/74
20
Gambar 3.4 Skema rancangan kerja
Seri senyawa
Model Struktur 2D
Model Struktur 3D
Metode SemiempirikAM1
Hasil Optimasi
Pemisahan senyawafitting dan senyawa uji
Analisis data denganMLR dan PCR
Model HKSA terbaik
Pemodelan senyawabaru
-
7/21/2019 Tugas Kapita Selekta Kimia
34/74
21
BAB IV
METODE PENELITIAN
4.1 Materi dan Peralatan Penelitian
4.1.1 Materi penelitian
Pada penelitian ini digunakan data dan struktur molekul insektisida
turunan sulfenil metilkarbamat dan aktivitas eksperimennya yang berasal dari
Umetsu (1984) dan Umetsu dkk.(1988)
4.1.2 Peralatan penelitianPenelitian ini dikerjakan dengan menggunakan perangkat komputer
dengan spesifikasi prosesor Pentium 4 3GHz, RAM 512 MB, Harddisk 60 GB.
Adapun perangkat lunak (software) yang digunakan yaitu Hyperchem 8.0 for
Windows untuk melakukan pemodelan molekul senyawa, dan perangkat lunak
SPSS 13.0for Windows untuk analisis persamaan HKSA
4.2 Prosedur Penelitian
4.2.1 Validasi metodeUntuk mendapatkan metode perhitungan muatan bersih atom yang paling
sesuai, dilakukan pemodelan molekul senyawa turunan sulfenil metilkarbamat
menggunakan berbagai metode semiempirik. Struktur senyawa utama dihitung
muatan bersih atom-atom penyusunnya serta momen dipolnya.
Parameter-parameter tersebut dihitung dengan menggunakan metode
semiempirik menggunakan software HyperChem. Untuk validasi metode data-
data tentang panjang ikatan, sudut ikatan serta sudut torsi senyawa yang diperoleh
dari perhitungan kemudian dibandingkan dengan data hasil eksperimen.
4.2.2 Optimasi geometri
Optimasi geometri merupakan metode perhitungan untuk menampilkan
struktur molekul dengan energi terendah dan gaya-gaya atom terkecil. Bentuk
-
7/21/2019 Tugas Kapita Selekta Kimia
35/74
22
geometri dari molekul memiliki energi potensial. Untuk mendapatkan struktur
molekul yang stabil dilakukan optimasi geometri. Struktur yang stabil akan
memiliki energi potensial yang minimum, oleh karena itu untuk mendapatkankonformasi yang stabil dilakukan minimisasi energi.
Setiap seri senyawa turunan sulfenil metilkarbamat dibuat struktur 2D
Perhitungan dilakukan dengan metode semiempiris AM1 dengan parameter
seperti yang tersaji dalam Tabel 4.1. Setelah diperoleh struktur yang stabil,
dilakukan pencatatan data perhitungan hasil geometri optimasi berupa file.log
(rekaman data). Deskriptor HKSA diperoleh dari QSAR properties, setelah
senyawa dioptimasi kemudian dilakukan perhitungan QSAR propertiesdari menu
compute.Batas konvergensi di atur sebesar 0,001 kkal/ yaitu batas gradient
perubahan energi per perubahan posisi. Batas iterasi yang digunakan adalah
sebesar 32767 yang merupakan batas iterasi maksimum yang dapat dilakukan oleh
softwaredengan algoritma Polak Ribiere.
4.2.3 Analisis HKSA dengan SPSS
Analisis penelitian HKSA ini menggunakan metode regresi multilinear
dan metode regresi komponen utama dengan program SPSS evaluation version.
Persamaan yang diperoleh diseleksi untuk mencari model yang terbaik dengan
menggunakan parameter statistik r, r2, SE, dan nilai anova(F).
Pengujian keakuratan model-model persamaan yang diproleh dapat
dilakukan dengan mempertimbangkan perhitungan PRESS terhadap data uji.
Model terpilih hasil uji ini digunakan untuk menunjukkan variabel bebas yang
akan digunakan dalam persamaan HKSA akhir.
4.2.4 Desain senyawa pestisida baru
Berdasarkan persamaan HKSA terpilih, variabel bebas yang paling
berpengaruh pada aktivitas dipilih untuk digunakan dalam desain struktur
senyawa turunan asam karbamat yang baru secara teoritik dengan aktivitas
-
7/21/2019 Tugas Kapita Selekta Kimia
36/74
23
inhibitor asetilkolinesterase yang lebih tinggi. Hasil desain ini dapat diusulkan
untuk ditinjaklanjuti pada proses sintesis senyawa baru.
-
7/21/2019 Tugas Kapita Selekta Kimia
37/74
24
BAB V
HASIL DAN PEMBAHASAN
5.1 Validasi Metode
Sebelum dilakukan optimasi geometri dengan metode semiempirik AM1
terlebih dahulu dilakukan validasi metode untuk memastikan bahwa metode
semiempirik yang dipilih sudah tepat. Hasil dari validasi metode ini dibandingkan
dengan data eksperimen.
Hasil pemodelan dan perhitungan parameter struktur/konformasi
menggunakan berbagai metode semiempirik disajikan pada tabel bersama-samadengan data eksperimen. Perbandingan data hasil pemodelan dengan data hasil
eksperimen dimaksudkan untuk mengevaluasi sejauh mana data hasil pemodelan
bersesuaian dengan data eksperimen. Data panjang ikatan dan sudut torsi
diperoleh dari pemodelan dengan menggunakan berbagai metode semiempirik.
Dengan demikian dapat ditentukan metode semiempirik mana yang memberikan
hasil perhitungan paling akurat untuk digunakan pada penelitian selanjutnya.
Tabel 5.1 Data panjang ikatan antar atom () senyawa hasil eksperimenlaboratorium dan perhitungan berbagai metode semiempirikAtom Eksperimen* CNDO INDO MNDO AM1 PM3C1-O2 1,410 1,422 1,381 1,373 1,391 1,390
C11-O3 1,182 1,369 1,364 1,228 1,236 1,214C11-O2 1,342 1,398 1,348 1,366 1,393 1,372C1-C2 1,380 1,434 1,393 1,414 1,394 1,395C1-C6 1,381 1,504 1,394 1,424 1,406 1,406
*Sumber:Actacrystallographica organic compounds (Yang dkk., 2011).
Tabel 5.2 Data sudut ikatan antar atom () senyawa hasil eksperimenlaboratorium dan perhitungan berbagai metode semiempirikAtom Eksperimen* CNDO INDO MNDO AM1 PM3
O3-C11-O2 126,600 115,403 115,887 123,113 119,735 123,283C2-C1-O2 119,300 130,099 123,972 121,532 118,840 126,860
C11-O2-C1 114,800 63,242 119,190 122,127 116,850 119,775C6-C1-O2 120,800 106,694 118,341 120,459 122,323 114,667
*Sumber:Actacrystallographica organic compounds (Yang dkk.,2011).
-
7/21/2019 Tugas Kapita Selekta Kimia
38/74
25
Dari perbandingan data panjang ikatan antar atom dan sudut ikatan tidak
ditemukan perbedaan yang signifikan diantara berbagai metode semiempirik
dibandingkan dengan data eksperimen. Selisih harga yang dihasilkan tidak dapatdijadikan sebagai bahan pertimbangan untuk menganalisa metode mana yang paling
akurat dalam menghitung senyawa, oleh karena itu telah dilakukan perbandingan lain
berupa data sudut torsi yang ditampilkan pada Tabel 5.3 berikut:
Tabel 5.3 Data sudut torsi antar atom () senyawa hasil eksperimenlaboratorium dan perhitungan berbagai metode semiempirik
Atom Eksperimen* CNDO INDO MNDO AM1 PM3O3-C11-O2-C1 12,700 121,791 -0,043 8,600 14,161 1,579C6-C1-O2-C11 -118,300 63,798 -179,890 -96,505 -64,430 161,719
O2-C1-C2-C3 177,000 174,676 180,000 174,568 172,891 -176,084C1-C2-C3-C4 0,400 0,977 0,000 -0,147 1,159 -0,054
*Sumber:Actacrystallographica organic compounds (Yang dkk.,2011).
Data sudut torsi yang dihasilkan dari perhitungan berbagai metode
semiempirik memperlihatkan bahwa metode AM1 adalah metode yang paling akurat
dibandingkan dengan metode lainnya, data hasil perhitungan metode AM1
menunjukkan selisih yang kecil dengan data eksperimen laboratorium, sementara
untuk metode CNDO, INDO, MNDO dan PM3 menunjukkan selisih yang cukup
signifikan dengan data eksperimen. Dari berbagai perbandingan data kristal, dapat
disimpulkan bahwa metode AM1 adalah metode yang dipilih pada penelitian ini
dikarenakan hasil pemodelannya lebih mendekati harga eksperimen.
5.2 Optimasi Geometri Menggunakan Metode Semiempirik AM1
Hasil optimasi senyawa induk beserta muatan bersih atom senyawa
sulfenil metilkarbamat yang dioptimasi dengan menggunakan metode
semiempirik AM1 ditunjukkan dalam gambar 5.1.
-
7/21/2019 Tugas Kapita Selekta Kimia
39/74
26
Gambar 5.1 Struktur 3D senyawa hasil optimasi dengan metode AM1dilengkapi dengan muatan bersih atom
Gambar hasil optimasi ini memiliki simbol-simbol warna sebagai berikut:
atom O disimbolkan dengan warna merah, atom N dengan warna biru tua, atom S
dengan warna kuning serta atom C lainnya dengan warna biru muda. Arti warna
bagi atom-atom tersebut merupakan warna yang merupakan bawaan dari software
optimasi.
Dari struktur hasil optimasi, terlihat bahwa semua atom O bermuatan
negatif yang menunjukkan bahwa kelektronegatifannya yang tinggi dibandingkan
dengan atom lainnya. Awan elektron tertarik ke arah atom O, hal ini
menyebabkan atom-atom yang berada didekat atom O menjadi bermuatan positif
karena terpengaruh olehnya, yaitu atom-atom dengan nomor C3, C6, C11 dan C13
serta atom S17 (lihat penomeran atom pada Gambar 2.1).
-
7/21/2019 Tugas Kapita Selekta Kimia
40/74
-
7/21/2019 Tugas Kapita Selekta Kimia
41/74
28
Selanjutnya dilakukan analisis statistik dengan dua metode yakni regresi
multilinier dan regresi komponen utama. Parameter statistik yang digunakan
adalah koefisien korelasi (r), standar deviasi (SD), harga F dan PRESS. r adalahukuran relatif terhadap kualitas model, harganya harus mendekati satu. SD adalah
ukuran absolut dari kualitas model, harganya harus mendekati nol. F adalah
perbedaan tingkat signifikan dari model regresi, harga rasio antara Fhitung dengan
Ftabel harus lebih dari satu untuk tingkat signifikansi 95%. Parameter statistik
terakhir adalah PRESS (Predicted Residual Sum of Square), harganya harus
mendekati nol.
Seperti telah dituliskan sebelumnya mengenai reaksi antara insektisida
dengan enzim asetilkolinesterase, maka deskriptor-deskriptor yang digunakansebagai variabel bebas pada penelitian ini adalah deskriptor elektronik, sterik dan
hidrofobik. Deskriptor elektronik yakni muatan bersih atom (q), momen dipol (.Untuk deskriptor sterik digunakan luas permukaan/grid (SA), sedangkan
deskriptor hidrofobik yakni log P.
Analisis regresi multilinier ataupun regresi komponen utama keduanya
dilakukan dengan menggunakan softwarestatistik yang sama hanya dengan menu
yang berbeda. Untuk regresi multilinear data langsung diolah dengan analisis
regresi, sedangkan untuk regresi komponen utama data diolah dengan menu data
reduction untuk terlebih dahulu dilakukan analisis faktornya, baru kemudian
dilakukan hal yang sama dengan MLR yakni dilanjutkan dengan regresinya.
Kedua metode analisis statistik tersebut nantinya akan dibandingkan berdasarkan
parameter-parameter statistiknya untuk diambil model terbaik dari hasil masing-
masing metode statistik tersebut.
-
7/21/2019 Tugas Kapita Selekta Kimia
42/74
5.3.1 Analisis HKSA dengan regresi multilinear
Tabel 5.5 Model HKSA hasil analisis regresi multilinear
Model Variabel r r2
Adjusted
R square SD Fhit Ftab Fhit/Ftab
1
polarisabilitas, N1, C6, dipol, C3,
C2, S17, logp, O4, grid, O5 0,918 0,843 0,596 0,221 3,419 3,603 0,949
2
N1, C6, dipol, C3, C2, S17, logp, O4,
grid, O5 0,918 0,842 0,645 0,207 4,273 3,347 1,277
3
N1, C6, dipol, C2, S17, logp, O4,
grid, O5 0,918 0,842 0,684 0,195 5,329 3,179 1,676
4 N1, C6, dipol, C2, S17, logp, grid, O5 0,917 0,841 0,713 0,186 6,592 3,072 2,146
5 N1, C6, dipol, S17, logp, grid, O5 0,916 0,840 0,738 0,178 8,236 3,012 2,734
6 N1, C6, dipol, S17, grid, O5 0,910 0,829 0,743 0,176 9,692 2,996 3,235
7 N1, C6, dipol, S17, grid 0,899 0,808 0,735 0,179 10,962 3,025 3,623
8 C6, dipol, S17, grid 0,894 0,799 0,742 0,176 13,946 3,112 4,481
9 C6, dipol, grid 0,889 0,791 0,749 0,174 18,880 3,287 5,743
Tabel 5.6 Model persamaan aktivitas turunan sulfenil metilkarbamat berdasarkan analisis regresi multilinear
model Konstanta N1 O5 C6 S17 dipol SA
6 -14,681 -34,520 -22,133 -73,933 -2,805 -0,275 0,001
7 -1,939 -11,339 -46,648 -1,521 -0,149 0,001
8 2,829 -47,066 -0,761 -0,185 0,001
9 2,675 -50,476 -0,183 0,001
-
7/21/2019 Tugas Kapita Selekta Kimia
43/74
30
Dari kesembilan model yang dihasilkan secara statistik dengan metode
MLR, hanya diambil empat diantaranya untuk diteruskan uji validasinya.
Keempat model yang diambil adalah model-model yang memiliki deskriptor lebihsedikit diantara yang lainnya, yakni model 6 sampai dengan model 9. Hal ini
dikarenakan sampel seri data yang diikutsertakan dalam penelitian ini berjumlah
sedikit, yakni 19 data untuk fitting.
Untuk memilih model persamaan HKSA terbaik maka dilakukan uji
validasi dengan menggunakan lima senyawa uji yang telah ditentukan
sebelumnya. Uji validasi tersebut dilakukan dengan memprediksi aktivitas
insektisidanya menurut model-model yang telah dipilih, hasil perhitungan
disajikan pada Tabel 5.7.
Tabel 5.7 Data aktivitas insektisida hasil eksperimen dan hasil prediksi
Senyawalog LD50eksperimen model 6 model 7 model 8 model 9
2 1,199 1,113 1,092 1,109 1,1284 1,398 1,210 1,152 1,194 1,211
16 0,813 0,542 0,624 0,654 0,66817 0,987 0,466 0,585 0,607 0,62021 0,954 0,824 0,787 0,780 0,819
PRESS 0,387 0,269 0,219 0,195
Hasil prediksi dari model-model tersebut kemudian dibuatkan kurva
hubungan log LD50 eksperimen dengan log LD50 prediksinya. Hal ini bertujuan
untuk memastikan bahwa model-model tersebut linear dengan data eksperimen
yang ada, dibuktikan dengan nilai slopedan juga R2nya. Dimana nantinya kurva
yang mempunyai slope mendekati 1 yang akan dipilih, karena nilai slope yang
mendekati 1 menandakan bahwa antara nilai aktivitas prediksi (hasil model)
dengan nilai aktivitas hasil eksperimen tidak memiliki perbedaan yang signifikan.Kurva yang diperoleh berturut-turut disajikan pada Gambar 5.2, Gambar 5.3, dan
Gambar 5.4.
-
7/21/2019 Tugas Kapita Selekta Kimia
44/74
31
Gambar 5.2 Kurva hubungan log LD50eksperimen dengan log LD50prediksiuntuk model 6
Gambar 5.3 Kurva hubungan log LD50eksperimen dengan log LD50prediksiuntuk model 7
y = 1.2636x - 0.521
R = 0.7644
0.4
0.6
0.8
1.0
1.2
1.4
0.4 0.6 0.8 1.0 1.2 1.4 1.6
LogLD50Prediksi
Log LD50 Eksperimen
y = 1.0345x - 0.2591
R = 0.818
0.4
0.6
0.8
1.0
1.2
1.4
0.4 0.6 0.8 1.0 1.2 1.4 1.6
LogLD50Pred
iksi
Log LD50 Eksperimen
-
7/21/2019 Tugas Kapita Selekta Kimia
45/74
32
Gambar 5.4 Kurva hubungan log LD50eksperimen dengan log LD50prediksiuntuk model 8
Gambar 5.5 Kurva hubungan log LD50eksperimen dengan log LD50prediksiuntuk model 9
y = 1.068x - 0.274R = 0.8391
0.4
0.6
0.8
1.0
1.2
1.4
0.4 0.6 0.8 1.0 1.2 1.4 1.6
LogLD50Prediksi
Log LD50 Eksperimen
y = 1.062x - 0.247
R = 0.8285
0.4
0.6
0.8
1.0
1.2
1.4
0.4 0.6 0.8 1.0 1.2 1.4 1.6
LogLD50Prediksi
Log LD50 Eksperimen
-
7/21/2019 Tugas Kapita Selekta Kimia
46/74
33
Pemilihan model berdasarkan poin-poin berikut:
1. Nilai koefisien korelasi (r) yang bernilai 0,889, menyatakan bahwa
korelasi antara sifat fisikokimia dengan aktivitas biologis cukup erat.2. Nilai standar deviasi (SD) yang relatif kecil 0,174, menyatakan bahwa
penyimpangan data yang terjadi cukup kecil.
3. Nilai Fhit/Ftab sebesar 5,743, menyatakan bahwa signifikansi tingkat
kepercayaan antara sifat fisikokimia cukup tinggi.
4. Nilai PRESS sebesar 0,452, menyatakan bahwa perbedaan antara aktivitas
senyawa insektisida eksperimen dengan aktivitas senyawa insektisida
prediksi kecil, ini berarti bahwa model persamaan mempunyai kemampuan
yang cukup baik untuk memprediksi aktivitas insektisida.5. Memiliki slope sebesar 1,062, terlihat pada kurva hubungan antara
aktivitas biologis insektisida eksperimen dengan aktivitas biologis
prediksi.
Berdasarkan poin-poin di atas, maka model-model yang memenuhi syarat
adalah model 7 sampai dengan model 9 memiliki harga- harga yang kurang lebih
mirip, namun untuk jumlah deskriptor yang lebih baik adalah yang memiliki
jumlah deskriptor yang lebih sedikit, sehingga dapat diambil kesimpulan bahwa
model persamaan HKSA nomor 9 merupakan model terpilih yang bila dituliskan
maka bentuk persamaannya adalah sebagai berikut:
Log LD50= 2, 675 50,476 qC6 0,183 dipol + 0,001 SA..... (5.1)
n = 19, r = 0,889, SD = 0,174, Fhit/Ftab= 5,743, PRESS = 0,452
Pada persamaan linier di atas, variabel yang memiliki nilai negatif akan
menaikkan aktivitas inhibitor asetilkolinesterase, sebaliknya variabel yang
memiliki nilai positif akan menurunkan aktivitas inhibitor asetilkolinesterase. Dari
persamaan linier ini dapat disimpulkan bahwa untuk meningkatkan aktivitas
inhibitor asetilkolinesterase senyawa turunan sulenil metilkarbamat diharapkan
memiliki dipol yang besar serta surface area yang kecil. Model terbaik dari MLR
ini kemudian dibandingkan dengan model hasil dari analisis statistik PCR.
-
7/21/2019 Tugas Kapita Selekta Kimia
47/74
5.3.2 Analisis HKSA dengan regresi komponen utama
Tabel 5.8 Model HKSA hasil analisis regresi komponen utama
Model Variabel r r2
Adjusted R
square SE Fhit F tab Fhit/Ftab P
1 t1 0.505 0.255 0.211 0.309 5.824 4.451 1.308
2 t1,t2 0.881 0.777 0.749 0.174 27.813 3.634 7.654
3 t1,t3 0.799 0.638 0.593 0.222 14.118 3.634 3.885
4 t2,t3 0.799 0.638 0.593 0.222 14.103 3.634 3.881
Tabel 5.9 Model persamaan aktivitas turunan sulfenil metilkarbamat berdasarkan analisis regresi kom
model konstanta t1 t2 t3
1 0.188 0.001
2 0.630 0.075 -0.069
3 0.327 0.000 -0.110
4 0.331 0.000 -0.110
-
7/21/2019 Tugas Kapita Selekta Kimia
48/74
35
PCA (Principal Component Analysis) atau analisis komponen utama
merupakan langkah awal untuk mendapatkan persamaan HKSA dengan
pendekatan regresi komponen utama (Principle Component Regression = PCR).Pada proses analisis faktor dicoba untuk menemukan hubungan (interrelationship)
antar sejumlah variabel-variabel yang saling independen satu dengan yang lain
sehingga dapat dibuat satu atau beberapa kumpulan variabel yang lebih sedikit
dari jumlah awal.
Hasil reduksi variabel muatan menggunakan PCA dihasilkan suatu matrik
yang berasal dari bobot masing-masing komponen. Komponen laten yang
diperoleh dari PCA digunakan untuk menghitung variabel laten, atau dalam
bahasa lainnya digunakan untuk mereduksi variabel asal yang banyak menjadivariabel baru yang jumlahnya lebih sedikit tetapi dapat mewakili sifat-sifat yang
melekat pada variabel asal.
Tabel 5.10 Data aktivitas biologis dan variabel laten hasil transformasideskriptorsenyawa log LD50 t1 t2 t3
1 1,274 909,879 976,382 -7,0323 1,491 1017,395 1089,248 -6,9325 1,312 1057,915 1135,950 -6,7626 1,322 1113,865 1193,527 -6,7077 1,332 1118,925 1199,520 -6,3098 0,875 1115,759 1201,172 -6,0079 1,161 1172,904 1259,008 -7,500
10 1,114 1287,072 1381,322 -8,12311 1,322 1515,556 1625,811 -9,59612 1,875 1863,133 1997,345 -12,13513 1,190 1259,492 1355,320 -5,61314 1,140 1100,164 1184,335 -4,37015 0,568 1033,202 1115,319 -3,207
18 0,954 1085,214 1171,668 -3,21419 0,431 1173,090 1267,055 -2,94720 0,875 1214,517 1311,796 -2,64622 0,699 1062,230 1147,467 -3,55223 0,690 883,618 949,848 -6,21524 1,107 942,350 1012,354 -6,824
-
7/21/2019 Tugas Kapita Selekta Kimia
49/74
36
Perhitungan variabel laten dilakukan dengan mengalikan komponen laten
dengan parameter masing-masing senyawa yang dikaji, sehingga variabel laten
dapat diartikan sebagai jumlah keseluruhan dari perkalian komponen laten denganparameter senyawa. Variabel laten yang diperoleh dari metode analisis faktor
digunakan untuk menentukan persamaan dengan metode regresi multilinear.
Langkah analisis PCR selanjutnya dilakukan dengan metode backward.
5.3.3 Perbandingan antara metode MLR dan metode PCR
Kedua metode statistik mampu memberikan beberapa model yang mampu
menggambarkan hubungan yang konsisten antara sifat-sifat molekul senyawa
dengan turunan aktivitas biologisnya sebagai insektisida. Hal ini ditandai dengannilai koefisien korelasi (r) yang menunjukkan angka di atas 0.8.
Model-model dari PCR memiliki r yang lebih rendah dari MLR yang
memiliki r sebesar 0,889. Kesimpulannya model yang diberikan oleh analisis PCR
tidak lebih baik daripada hasil analisis MRL, sehingga untuk model yang
diteruskan untuk desain senyawa baru adalah berdasarkan model terpilih hasil
analisis MRL.
5.4 Desain Senyawa Baru
Dari tahapan penelitian sebelumnya, telah diperoleh model persamaan
HKSA terbaik yaitu model 9. Model persamaan terbaik tersebut selanjutnya
digunakan sebagai penuntun dalam mendesain dan memprediksi aktivitas
insektisida senyawa baru.
Senyawa yang akan dipilih adalah senyawa dengan LD50 yang memiliki
aktivitas lebih baik dari seri senyawa yang sudah ada yakni lebih rendah dari nilai 2,7,
berbahan dasar bahan alam dan memiliki reaksi yang sederhana dalam
pembuatannya. Data lengkap aktivitas seluruh senyawa yang didesain dapat
dilihat pada lampiran 4, sedangkan data aktivitas senyawa hasil modifikasi yang
diusulkan dapat dilihat pada Tabel 5.11 berikut:
-
7/21/2019 Tugas Kapita Selekta Kimia
50/74
37
Tabel 5.11 senyawa usulan dan aktivitas biologisnyaNomor R Jenis bahan LD50prediksi
5
-OC6H3,2-OCH3,4CH2CHCH2
(eugenol tanpa metil) bahan alam 2,534
6-CH2OC6H3,2-OCH3,4CH2CHCH2(eugenol dengan metil) bahan alam 5,933
22 -CH2CH2OH 2,60937 o-nitro benzena 0,907
Senyawa nomor 5 dan no 37 memang memiliki aktivitas yang lebih baik,
namun membutuhkan route yang lebih panjang dan rumit untuk proses sintesisnya
bila dibandingkan dengan senyawa no 6 dan 22. Data LD50prediksi kedua senyawa
disertakan dalam penelitian dimaksudkan sebagai perbandingan dan juga sebagai
referensi. Dari keempat senyawa usulan terbaik yang memiliki aktivitas anti serangga
lebih tinggi dipilih senyawa nomor 19 sebagai senyawa yang diusulkan untuk
disintesis.
Gambar 5.4 Senyawa prediksi 2,2-dimetil-2,3-dihidrobenzofuran-7-il 2hydroksietiltio(metil)karbamat
Alkil halida mengandung gugus pergi yang baik dan mudah diserang oleh
nukleofil yang kuat dans kloroetanol sebagai alkil halida dengan posisi primer
memiliki laju reaksi yang paling tinggi di antara golongan alkil halida yang lain.
(Fessenden, 1982), maka senyawa prediksi tersebut dalam pembuatannya
diperkirakan akan memiliki routereaksi sebagai berikut:
Gambar 5.5 Perkiraan Proses Pembuatan Senyawa Prediksis
-
7/21/2019 Tugas Kapita Selekta Kimia
51/74
38
Senyawa induk berupa sulfenil metilkarbamat direaksikan dengan 2-
kloretanol, maka dihasilkan senyawa hasil desain 2,2-dimetil-2,3-
dihidrobenzofuran-7-il-2 -hidroksietiltio(metil)karbamat.Selain penjabaran di atas, ada hal yang bisa diamati sekaligus juga menjadi
referensi. Yaitu hasil prediksi terhadap gugus fenil yang mengikat beberapa unsur
halogen, seperti terlihat dalam Tabel 5.12 berikut:
Tabel 5.12 aktivitas biologis insektisida fenil yang mengikat halogenNomor R LD50
12 -4-F-C6H4 5.62010 -4-Cl-C6H4 6.10016 -4-Br-C6H4 9.00011 -4-I-C6H4 25.166
Dari tabel terlihat bahwa dalam satu golongan halogen dari atas ke bawah
harga LD50memiliki pola yang nilainya semakin membesar sehingga kurang efektif.
Fenil yang mengikat Iod memiliki nilai LD50yang paling besar atau dengan kata lain
memiliki aktivitas inhibisi yang paling kecil terhadap pembentukan enzim
asetilkolinesterase.
-
7/21/2019 Tugas Kapita Selekta Kimia
52/74
39
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil pembahasan pada penelitian ini, maka dapat diambil kesimpulan
sebagai berikut:
1. Senyawa insektisida turunan sulfenil metilkarbamat dapat dimodelkan dengan
baik dan deskriptor-deskriptor hidrofobik, elektronik dan sterik dapat dihitung
secara akurat dengan menggunakan metode semiempirik AM1. Deskriptor-
deskriptor tersebut digunakan sebagai variabel bebas pada analisis HKSAsenyawa insektisida baik dengan metode MLR maupun PCR.
2. Penurunan model persamaan HKSA terbaik diperoleh dari hasil analisis regresi
multilinear dengan model persamaan HKSA sebagai berikut:
Log LD50= 2, 675 50,476 qC6 0,183 dipol + 0,001 SA.... (6.1)
n = 19, r = 0,889, SD = 0,174, Fhit/Ftab= 5,743, PRESS = 0,452
3. Berdasarkan model persamaan HKSA terbaik telah didesain senyawa
insektisida baru dan mempunyai aktivitas insektisida prediksi lebih baik, yaitu
2,2-dimetil-2,3-dihidrobenzofuran-7-il-2-hidroksiietiltio(metil)karbamat
dengan LD50 prediksi sebesar 2, 609.
6.2 Saran
Dari semua hasil penelitian yang telah didapatkan, maka disarankan beberapa
hal untuk dilakukan, antara lain sebagai berikut:
1. Dilakukan perhitungan deskriptor dengan metode lain seperti ab initio untuk
dikomparasikan dengan penelitian ini dan dengan eksperimen laboratorium
sehingga bisa didapatkan model persamaan yang paling baik dari semua metodemekanika kuantum yang ada.
2. Senyawa insektisida sulfenil metilkarbamat baru yang secara teoritis
mempunyai aktivitas tinggi terhadap serangga, disarankan untuk disintesis dan
-
7/21/2019 Tugas Kapita Selekta Kimia
53/74
40
diuji aktivitasnya secara eksperimen untuk mendapatkan senyawa insektisida baru
yang lebih baik.
-
7/21/2019 Tugas Kapita Selekta Kimia
54/74
41
DAFTAR PUSTAKA
Agrawal, K. V., Srivastava, S., Khadikar, P.V., 2004, QSAR Study onPhosphoramidothioate (Ace) Toxicities in Housefly, Molecular Diversity,Vol. 8, 413-419
Ananto, A.D., 2011,Analisis Hubungan Kuantitatif Antara Struktur dan AktivitasInsektisida Turunan Karbamat Menggunakan Metode Semiempirik PM3,
Tesis, Jurusan Kimia FMIPA UGM, Yogyakarta.
Anonim, 2006,Risk Characterization Document Carbofuran, Medical ToxicologyBranch, Department of Pesticide Regulation.
Anonim, 1973, Peraturan Pemerintah Nomor 7 Tahun 1973 Tentang PengawasanAtas Peredaran, Penyimpanan dan Penggunaan Pestisida.
Fukuto,T., R., 1990, Mechanism of Action of Organophosphorus and CarbamateInsecticides,Environ. Health Perspect., Vol. 87, 245-254.
Fukuto, T.R., Black, A.L., Chiu, Y.C., Fahmy., M. A. H, 1973, Selective Toxicityof N-Sulfenylated Derivatives of Insecticidal Methylcarbamate Esters,J.
Agr. Food Chem., Vol. 21, 747-751.
Jensen, F., 1999,Introduction for Computational Chemistry, John Willey & Sons,New York ;
Johnson, R., A., Wichern, D., W., 2007, Applied Multivariat Statistical Analysis,Sixth Edition, Pearson Prentice Hall, New Jersey
Katrizky, A. R., dan M. Karelson, 1996, Quantum-Chemical Descriptor inQSAR/QSPR Studies, Chem. Rev.,96, 1027-1043.
Kubinyi, H., 1993, QSAR Hansch Analysis and Retated Approaches, VCHVerlagsgesellschaft, Weinheim.
Leach, A. R., 1996, Molecule Modelling: Principle and Applications, AddisonWesley Longman Limited, London.
Mudasir, Tahir, I., dan Putri, I.P.A.M., 2003, Analisis Hubungan Kuantitatifantara Struktur dan Aktivitas Fungisida Turunan 1,2,4-ThiadazolinBerdasarkan Parameter Molekular Hasil Perhitungan Metode AM1, Indo.
J. Chem. 3(1), 39-47.
-
7/21/2019 Tugas Kapita Selekta Kimia
55/74
42
Naik, P. K., Sindhura, Singh, T. dan Singh H., 2009, Quantitative Structure-Activity Relationship (QSAR) for Insecticides: Development of Predictivein Vivo Insecticide Activity Models, SAR and QSAR in Environmental
Research, 20 (5-6) 551-566.
Pogaenik, L., 1998,Determination of Organophosphate and Carbamate Pesticidein Fruit Juices and Drinking Water by a Biosensor with Photothermal
Detection, school of environmental science.
Pranowo, H. D., 2002, Kimia Komputasi, Pusat Kimia Komputasi Indonesia-Austria Kimia FMIPA UGM, Yogyakarta.
Ridlo, A., 1992, Inhibisi Beberapa Insektisida Karbamat dan Organofosfatterhadap Enzim Asetilkolinesterase, Skripsi, Jurusan Kimia FMIPA UGM,Yogyakarta.
Riyadi, 2009, Pemodelan Senyawa Turunan Asam Karbamat Sebagai SenyawaAntikanker Menggunakan Metode Semiempiris AM1, Skripsi, UniversitasJenderal Soedirman, Purwokerto.
Santa, E. W., 2008, Analisis Hubungan Kuantitatif Antara Struktur dan AktivitasInsektisida Turunan Pirol Menggunakan Deskriptor Muatan Bersih Atom,
Momen Dwikutub dan Log P, Tesis, Universitas Gadjah Mada,Yogyakarta.
Santoso, S., 2004, Buku Latihan SPSS Statistik Multivariat, PT. Elex MediaComputindo, Jakarta
Spassova, D. P., Singh, A. K., 2001, QSAR for Acetylcholinesterase Inhibitionand Toxicity of Two Classes of Phosphoramidothioates, SAR and QSAR in
Environmental Research, Vol. 11, 453-471
Tahir, I, 2000, Hubungan Kuantitatif Struktur Elektronik-Aktivitas SenyawaTurunan N,N-dimetil-2Bromo Fenil Etil Amina Menggunakan Metode
Validasi Silang, Tesis, Universitas Gadjah Mada, Yogyakarta.
Umetsu N., 1984, Studies on the Selectivity Toxic Derivates of MethylcarbamateInsecticides,J. Pesticide Sci., 9, 169-180.
Umetsu N., Kawata M., Fukuto T.R., 1988, Synthesis and Biological Activity ofAlkoxysulfenyl Derivates of Methylcarbamate Insecticides, J. PesticideSci., 13, 595-603.
Wahana Komputer, 2007, Panduan Praktis Pengolahan Data Statistik denganSPSS 15.0, Penerbit Andy, Yogyakarta.
-
7/21/2019 Tugas Kapita Selekta Kimia
56/74
43
Wibowo, Y.M., 2011, Desain Senyawa Insektisida Turunan OrganofosfatBerdasarkan Persamaan HKSA, Tesis, Jurusan Kimia FMIPA UGM,Yogyakarta.
Yang, L.T., Xian F.L., Ai X.H., and Yu W., 2011, Structure Reports Bis(2,2-dimethyl-2,3-dihydro-1-benzofuran-7-yl) Carbonate, Act. Cryst., E67,O338.
-
7/21/2019 Tugas Kapita Selekta Kimia
57/74
Lampiran 1 Data muatan bersih atom senyawa turunan menggunakan metode semiempirik AM1
Nomor qN1 qC2 qC3 qO4 qO5 qC6 qC7 qC8 qC9 qC10 qC11 qO1
1 -0,438 -0,076 0,397 -0,356 -0,199 0,031 -0,087 -0,158 -0,079 -0,146 0,081 -0,19
2 -0,435 -0,078 0,395 -0,353 -0,202 0,032 -0,087 -0,158 -0,079 -0,146 0,080 -0,19
3 -0,445 -0,080 0,401 -0,355 -0,183 0,035 -0,086 -0,161 -0,077 -0,146 0,085 -0,19
4 -0,435 -0,078 0,396 -0,355 -0,203 0,033 -0,087 -0,158 -0,080 -0,147 0,080 -0,19
5 -0,435 -0,078 0,395 -0,352 -0,202 0,032 -0,087 -0,157 -0,079 -0,146 0,080 -0,19
6 -0,445 -0,080 0,400 -0,355 -0,183 0,035 -0,086 -0,161 -0,077 -0,146 0,085 -0,19
7 -0,444 -0,080 0,400 -0,355 -0,183 0,035 -0,086 -0,161 -0,077 -0,146 0,085 -0,19
8 -0,437 -0,081 0,398 -0,334 -0,205 0,034 -0,088 -0,157 -0,080 -0,147 0,078 -0,199 -0,435 -0,078 0,395 -0,352 -0,202 0,032 -0,087 -0,158 -0,079 -0,146 0,081 -0,19
10 -0,435 -0,078 0,395 -0,352 -0,202 0,032 -0,087 -0,158 -0,079 -0,146 0,081 -0,19
11 -0,435 -0,078 0,395 -0,352 -0,202 0,032 -0,087 -0,158 -0,079 -0,146 0,080 -0,19
12 -0,435 -0,078 0,395 -0,352 -0,202 0,032 -0,087 -0,158 -0,079 -0,146 0,081 -0,19
13 -0,432 -0,079 0,395 -0,345 -0,203 0,030 -0,086 -0,160 -0,075 -0,145 0,085 -0,19
14 -0,430 -0,078 0,392 -0,332 -0,208 0,036 -0,089 -0,157 -0,079 -0,140 0,077 -0,19
15 -0,439 -0,075 0,396 -0,326 -0,214 0,039 -0,086 -0,157 -0,079 -0,140 0,072 -0,20
16 -0,434 -0,075 0,396 -0,328 -0,212 0,040 -0,088 -0,157 -0,080 -0,140 0,072 -0,20
17 -0,434 -0,075 0,396 -0,329 -0,212 0,040 -0,088 -0,157 -0,080 -0,140 0,072 -0,20
18 -0,439 -0,075 0,396 -0,326 -0,214 0,040 -0,087 -0,157 -0,079 -0,140 0,071 -0,20
-
7/21/2019 Tugas Kapita Selekta Kimia
58/74
19 -0,434 -0,075 0,396 -0,329 -0,213 0,040 -0,088 -0,157 -0,080 -0,140 0,072 -0,20
20 -0,439 -0,075 0,396 -0,326 -0,214 0,040 -0,087 -0,157 -0,079 -0,141 0,072 -0,20
21 -0,439 -0,076 0,395 -0,324 -0,211 0,037 -0,087 -0,156 -0,078 -0,139 0,072 -0,20
22 -0,436 -0,075 0,395 -0,330 -0,210 0,038 -0,088 -0,156 -0,079 -0,139 0,073 -0,20
23 -0,429 -0,069 0,397 -0,346 -0,209 0,037 -0,086 -0,159 -0,077 -0,146 0,082 -0,19
24 -0,427 -0,069 0,397 -0,346 -0,209 0,037 -0,086 -0,159 -0,077 -0,146 0,081 -0,19
-
7/21/2019 Tugas Kapita Selekta Kimia
59/74
46
Lampiran 2 Data deskriptor momen dipol, koefisien partisi oktanol-air danpolarisabilitas
dipol SA volume logp polarisabilitas3,148 512,840 831,130 2,210 28,850
2,812 531,630 876,070 2,550 30,690
0,883 566,470 933,870 2,970 32,520
2,353 574,320 968,970 3,050 34,360
2,856 583,220 978,400 3,420 34,360
0,900 611,490 1030,680 3,910 36,190
0,848 612,250 1037,060 3,800 37,250
3,964 608,780 1038,630 3,230 38,510
2,862 645,330 1085,430 4,210 38,030
2,862 706,030 1192,720 5,010 41,700
2,861 829,560 1405,200 6,590 49,040
2,859 1019,900 1725,900 8,970 60,050
2,917 677,400 1180,890 4,120 44,020
1,985 593,100 1031,410 1,810 39,150
3,096 552,080 975,290 1,000 37,880
3,273 562,750 983,690 1,000 37,880
3,501 563,630 984,350 1,000 37,880
3,220 577,870 1026,510 1,160 39,710
3,485 618,220 1115,200 2,160 43,380
3,210 637,100 1157,170 2,320 45,220
3,245 567,420 993,660 0,900 38,670
3,408 572,590 1000,590 -0,950 38,380
3,074 496,070 811,740 0,360 28,220
3,015 529,800 864,260 0,700 30,050
-
7/21/2019 Tugas Kapita Selekta Kimia
60/74
47
Lampiran 3 Contoh senyawa turunan yang telah di optimasi dengan metodeAM1
Senyawa nomor 10
-
7/21/2019 Tugas Kapita Selekta Kimia
61/74
48
Lampiran 4 Contoh log filehasil optimasi
HyperChem log start -- Thu Apr 28 10:46:46 2011.AM1Convergence limit = 0.0010000 Iteration limit = 32000Accelerate convergence = YESCriterion of RMS gradient = 0.0010 kcal/(A mol) Maximum cycles = 32000RHF Calculation:
Singlet state calculationNumber of electrons = 126Number of Double Occupied Levels = 63Charge on the System = 0Total Orbitals = 117
ENERGIES AND GRADIENTTotal Energy = -94164.0068920 (kcal/mol)Total Energy = -150.059878221 (a.u.)Binding Energy = -4750.5140320 (kcal/mol)Isolated Atomic Energy = -89413.4928600 (kcal/mol)Electronic Energy = -717467.7624400 (kcal/mol)Core-Core Interaction = 623303.7555479 (kcal/mol)Heat of Formation = -51.3850320 (kcal/mol)Gradient = 0.0009751 (kcal/mol/Ang)
ATOMIC GRADIENTSAtom Z Gradients(kcal/mol/Angstrom)
x y z1 7 -0.00141 -0.00195 0.001862 6 0.00046 0.00053 -0.001753 6 0.00190 0.00069 -0.001274 8 -0.00077 0.00035 0.000585 8 0.00084 0.00039 0.001356 6 -0.00064 0.00063 -0.000297 6 0.00060 -0.00171 -0.000258 6 0.00142 -0.00128 0.000809 6 -0.00187 0.00217 -0.00026
10 6 -0.00031 -0.00039 0.0001911 6 -0.00256 0.00075 -0.0001012 8 0.00093 -0.00070 -0.0006413 6 0.00035 -0.00000 -0.0006814 6 0.00021 -0.00030 -0.0001415 6 -0.00017 0.00070 0.0002016 6 0.00098 0.00038 0.0003317 16 -0.00009 0.00106 -0.00104
-
7/21/2019 Tugas Kapita Selekta Kimia
62/74
49
18 6 0.00226 0.00174 0.0001219 6 0.00019 -0.00166 0.0000520 6 0.00087 0.00132 -0.00116
21 6 -0.00263 -0.00405 0.0027122 6 0.00006 0.00350 -0.0002323 6 -0.00092 -0.00297 -0.0003224 6 -0.00045 -0.00002 0.0002525 1 0.00025 -0.00018 -0.0002226 1 -0.00006 -0.00033 -0.0002127 1 0.00031 -0.00005 -0.0000228 1 -0.00024 -0.00028 0.0006629 1 -0.00000 -0.00008 0.0003230 1 -0.00003 -0.00026 0.0004631 1 0.00044 -0.00020 -0.0004332 1 0.00046 0.00025 -0.00059
33 1 0.00037 0.00005 -0.0007134 1 0.00024 0.00016 -0.0006135 1 0.00025 0.00040 -0.0004036 1 0.00015 0.00051 -0.0002637 1 -0.00048 -0.00009 -0.0001738 1 0.00050 0.00034 -0.0000239 1 -0.00018 -0.00038 0.0007440 1 -0.00045 0.00023 0.0004841 1 -0.00007 -0.00025 0.0006542 1 0.00026 0.00057 0.0003143 1 -0.00026 0.00028 -0.0001844 1 -0.00051 -0.00001 0.0000845 1 -0.00019 0.00015 -0.00023
Dipole (Debyes) x y z TotalPoint-Chg. -0.358 -0.113 1.496 1.543sp Hybrid -1.876 -0.065 0.639 1.983pd Hybrid 0.000 0.000 0.000 0.000Sum -2.234 -0.178 2.135 3.096HyperChem log stop -- Thu Apr 28 11:17:10 2011.
-
7/21/2019 Tugas Kapita Selekta Kimia
63/74
Lampiran 5 Substituen usulan senyawa baru dan prediksi aktivitas inhibitor asetilkolinesterasenya
Nomor R jenis bahan log
1
-CH2OC6H4CH2CHCHCOCH2COCHCHC6H3,3-OCH3,4-OH (kurkumin
dengan metil) bahan alam
2 -CHOHC6H3,3-OCH3,4-OH (vanilin) bahan alam
3 -CH2CHOHCH2C6H3,3-OCH3,4-COOCH3(isoeugenyl asetat) bahan alam
4 -COC6H4,2-OH (salisilat) bahan alam
5 -OC6H3,2-OCH3,4CH2CHCH2(eugenol tanpa metil) bahan alam
6 -CH2OC6H3,2-OCH3,4CH2CHCH2(eugenol dengan metil) bahan alam
7 -CH2OC6H4,4-OH (kuinon) bahan alam
8 -OC6H4CH2CHCHCOCH2COCHCHC6H3,3-OCH3,4-OH (kurkumin) bahan alam
9 -CH2Br halogen 10 -4-Cl-C6H5 halogen
11 -4-I-C6H5 halogen
12 -4-F-C6H5 halogen
13 -CH2F halogen
14 -CH2Cl halogen
15 -CH2I halogen
16 -CH2COOCH3
17 -CH2COOC(CH3)3
18 -COOCH3
19 -CH2COOC6H5
20 -OCH2-CH2-C6H5
21 -OCH=CH2
22 -CH2CH2OH
-
7/21/2019 Tugas Kapita Selekta Kimia
64/74
23 -C(CH3)3
24 -CH2COOH
25 -CH2CH2CH3
26 -C6H4C(CH3)2CH2C(CH3)3(p-oktyl)
27 -OC6H4CH2CHCHCOCH2COCH3
28 -CH=CH2
29 -CH=CH-CH=CH2
30 -CH2OH
31 -C6H4-CHO
32 -C6H4N(OH)2
33 -p-nitro benzene
34 -O-benzena 35 -CH2OCH3
36 -p-C6H4-NH2
37 -o-nitro benzene
38 -m-nitro benzene
39 -p-C6H4-CH=CH2(stirena)
40 -C6H4-COCH3
41 -CH2-CH2-C6H5
-
7/21/2019 Tugas Kapita Selekta Kimia
65/74
52
Lampiran 6 Contoh output SPSS dengan analisis regresi multilinear
Variables Entered/Removed(b)
Model Variables EnteredVariablesRemoved Method
1 polarisability, N1, C6,dipole, C3, C2, S17,logp, O4, grid, O5(a)
. Enter
2. polarisability
Backward (criterion: Probability of F-to-remove >= .100).
3. C3
Backward (criterion: Probability of F-to-remove >= .100).
4. O4
Backward (criterion: Probability of F-to-remove >= .100).
5. C2
Backward (criterion: Probability of F-to-remove >= .100).
6. logp
Backward (criterion: Probability of F-to-
remove >= .100).7. O5
Backward (criterion: Probability of F-to-remove >= .100).
8. N1
Backward (criterion: Probability of F-to-remove >= .100).
9. S17
Backward (criterion: Probability of F-to-remove >= .100).
a Tolerance = .000 limits reached.
b Dependent Variable: logLD50
Model Summary
Model R R SquareAdjusted R
SquareStd. Error ofthe Estimate
1 .918(a) .843 .596 .220692 .918(b) .842 .645 .20693
3 .918(c) .842 .684 .19529
4 .917(d) .841 .713 .18608
5 .916(e) .840 .738 .17789
6 .910(f) .829 .743 .17597
7 .899(g) .808 .735 .17899
8 .894(h) .799 .742 .17644
9 .889(i) .791 .749 .17413
a Predictors: (Constant), polarisability, N1, C6, dipole, C3, C2, S17, logp, O4, grid, O5
b Predictors: (Constant), N1, C6, dipole, C3, C2, S17, logp, O4, grid, O5
c Predictors: (Constant), N1, C6, dipole, C2, S17, logp, O4, grid, O5
d Predictors: (Constant), N1, C6, dipole, C2, S17, logp, grid, O5
e Predictors: (Constant), N1, C6, dipole, S17, logp, grid, O5
f Predictors: (Constant), N1, C6, dipole, S17, grid, O5
g Predictors: (Constant), N1, C6, dipole, S17, grid
h Predictors: (Constant), C6, dipole, S17, grid
i Predictors: (Constant), C6, dipole, grid
-
7/21/2019 Tugas Kapita Selekta Kimia
66/74
53
ANOVA(j)
ModelSum ofSquares df Mean Square F Sig.
1 Regression 1.831 11 .166 3.419 .057(a)
Residual .341 7 .049
Total 2.172 18
2 Regression 1.830 10 .183 4.273 .025(b)
Residual .343 8 .043
Total 2.172 18
3 Regression 1.829 9 .203 5.329 .010(c)
Residual .343 9 .038
Total 2.172 18
4 Regression 1.826 8 .228 6.592 .004(d)
Residual .346 10 .035
Total 2.172 18
5 Regression 1.824 7 .261 8.236 .001(e)
Residual .348 11 .032
Total 2.172 18
6 Regression 1.801 6 .300 9.692 .001(f)
Residual .372 12 .031
Total 2.172 18
7 Regression 1.756 5 .351 10.962 .000(g)
Residual .416 13 .032
Total 2.172 18
8 Regression 1.737 4 .434 13.946 .000(h)
Residual .436 14 .031
Total2.172 189 Regression 1.718 3 .573 18.880 .000(i)
Residual .455 15 .030
Total 2.172 18
a Predictors: (Constant), polarisability, N1, C6, dipole, C3, C2, S17, logp, O4, grid, O5
b Predictors: (Constant), N1, C6, dipole, C3, C2, S17, logp, O4, grid, O5
c Predictors: (Constant), N1, C6, dipole, C2, S17, logp, O4, grid, O5
d Predictors: (Constant), N1, C6, dipole, C2, S17, logp, grid, O5
e Predictors: (Constant), N1, C6, dipole, S17, logp, grid, O5
f Predictors: (Constant), N1, C6, dipole, S17, grid, O5
g Predictors: (Constant), N1, C6, dipole, S17, gridh Predictors: (Constant), C6, dipole, S17, grid
i Predictors: (Constant), C6, dipole, grid
j Dependent Variable: logLD50
-
7/21/2019 Tugas Kapita Selekta Kimia
67/74
54
Coefficients(a)
Model
UnstandardizedCoefficients
StandardizedCoefficients t Sig.
B Std. Error Beta B Std. Error
1 (Constant) -52.795 156.915 -.336 .746
N1 -27.377 88.338 -.395 -.310 .766
C2 -67.628 260.935 -.631 -.259 .803
C3 45.148 226.014 .293 .200 .847
O4 -25.316 116.440 -.853 -.217 .834
O5 -61.435 161.724 -1.787 -.380 .715
C6 -48.400 156.561 -.462 -.309 .766
S17 -2.056 9.598 -.270 -.214 .836
dipole -.375 .429 -.970 -.876 .410
grid .004 .007 1.370 .539 .607
logp -.113 .257 -.749 -.439 .674polarisability -.021 .115 -.455 -.183 .860
2 (