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


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


3/74

iii


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


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


6/74

vi

pemikiran dalam menambah wawasan pembaca serta berguna bagi perkembangan

ilmu pengetahuan.

Yogyakarta, Juni 2012

Penulis


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


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


9/74


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


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


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


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


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.


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.


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.


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.


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)


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


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


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


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.


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.


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.


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


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


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)


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:


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.


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


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


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:


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


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


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


36/74

23

inhibitor asetilkolinesterase yang lebih tinggi. Hasil desain ini dapat diusulkan

untuk ditinjaklanjuti pada proses sintesis senyawa baru.


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).


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.


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).


40/74


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.


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


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.


44/74

31

Gambar 5.2 Kurva hubungan log LD50eksperimen dengan log LD50prediksiuntuk model 6


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


45/74

32



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


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.


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


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


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:


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


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.


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


53/74

40

diuji aktivitasnya secara eksperimen untuk mendapatkan senyawa insektisida baru

yang lebih baik.


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.


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.


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.


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


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


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


60/74

47

Lampiran 3 Contoh senyawa turunan yang telah di optimasi dengan metodeAM1

Senyawa nomor 10


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


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.


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


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


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


4. O4


5. C2


6. logp

Backward (criterion: Probability of F-to-

remove >= .100).7. O5


8. N1


9. S17


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


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)


Total 2.172 18

3 Regression 1.829 9 .203 5.329 .010(c)


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


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 (

tugas kapita selekta kimia

Documents