BAB I

PENDAHULUAN

A. Latar Belakang

Kerusakan yang menghancurkan kanker telah menjadi masalah besar saat ini
populasi manusia global menghadapi. Statistik menunjukkan bahwa kanker adalah yang
kedua setelah penyakit kardiovaskular sebagai penyebab utama kematian di AS dan
penyebab utama kematian di Inggris.
Perkembangan kimia komputasi menawarkan sebuah solusi dalam desain senyawa
obat baru. Salah satu metode kimia komputasi yang populer dalam desain obat adalah
Hubungaan Kuantitatif Struktur-Aktivitas (HKSA).
Dalam mempelajari aktivitas suatu obat dengan metode Quantitative Structure
Activity Relationship (QSAR) atau Hubungan Kuantitatif Struktur Aktivitas (HKSA),
diperlukan parameter-parameter fisika kimia tertentu yang berkaitan, sehingga dapat
digunakan untuk memprediksi molekul obat baru yang lebih potensial. Ada tiga macam
parameter fisika kimia, yaitu parameter hidrofobik, efek elektronik, dan efek sterik.
Hubungan kuantitatif struktur dan aktivitas biologis obat (HKSA) merupakan bagian
penting rancangan obat, dalam usaha mendapatkan suatu obat baru dengan aktivitas yang
lebih besar, keselektifan yang lebih tinggi, toksisitas atau efek samping sekecil mungkin
dan kenyamanan yang lebih besar. Selain itu dengan menggunakan model HKSA, akan
lebih banyak menghemat biaya atau lebih ekonomis, karena untuk mendapatkan obat baru
dengan aktivitas yang dikehendaki, faktor coba-coba ditekan sekecil mungkin sehingga
jalur sintesis menjadi lebih pendek.
B. Rumusan Masalah
1. Bagaimana cara penentuan in vitro sitotoksisitas pada rhabdomyosarcoma (RD) garis
sel ?
2. Bagaimana cara mencari nilai HKSA ?
C. Tujuan
1. Agar mengetahui cara penentuan in vitro sitotoksisitas pada rhabdomyosarcoma (RD)
garis sel
2. Agar mengetahui cara mencari nilai HKSA
 BAB II
TINJAUAN PUSTAKA

A. Kanker
Kanker merupakan penyakit yang ditandai dengan pertumbuhan tidak terkendali
dan penyebaran sel-sel abnormal yang tumbuh dengan cepat dan melampaui jumlah dari
biasanya, yang kemudian dapat menyerang bagian tubuh yang berdekatan dan menyebar
ke organ lain (WHO, 2013; ACS, 2013). Kanker juga disebut neoplasia ganas (tumor
ganas), dan merupakan salah satu kelompok lebih dari 100 berbagai penyakit yang
ditandai dengan kerusakan DNA yang menyebabkan pertumbuhan sel abnormal (Frizzell,
2001). Kanker berpotensi fatal yang dapat disebabkan oleh faktor lingkungan yang
menyebabkan gen bermutasi dan mengubah pengkodean protein sel regulasi. Hal tersebut
mengarah ke pembentukan luas massa sel abnormal yang menghancurkan sekitar jaringan
normal dan dapat menyebar ke organ-organ vital, serta sering menyebabkan kematian
pada pasien (Alison, 2001 ).

B. HKSA
Dalam pengembangan senyawa baru secara laboratorium ada beberapa langkah
eksperimen yang perlu dilakukan seperti: desain, sintesis, identifikasi, purifikasi, dan uji
aktivitas. Kelemahan strategi ini adalah jika semua tahapan tersebut telah dikerjakan,
namun hasil yang diperoleh (senyawa yang diteliti) ternyata mempunyai aktivitas yang
tidak lebih baik dari senyawa-senyawa yang telah ada, maka waktu, biaya dan tenaga yang
telah dikeluarkan akan terbuang percuma. Sebagai solusi dari masalah di atas adalah
pengujian aktivitas senyawa yang akan disintesis dengan pemodelan molekul
menggunakan komputer. Dengan komputer, dapat dicari hubungan antara struktur terlebih
dahulu, baik elektronik maupun geometri dari satu ataupun sekelompok molekul yang
telah dicurigai mempunyai aktivitas tertentu. Berdasarkan model persamaan yang
diperoleh dapat diprediksi pusat aktif (bagian dari molekul/senyawa yang memberi
sumbangan paling besar terhadap efek aktivitas), sehingga desain molekul senyawa baru
dengan aktivitas lebih tinggi dapat dikonsentrasikan pada modifikasi pusat aktif tersebut.
Hal ini dapat membantu mengurangi kegagalan riset eksperimen serta dapat
mengefisiensikan tenaga dan biaya (Richon dan Young, 1997).
C. Manfaat Nilai Koefisien

1. Log P
Koefisien partisi dapat digunakan untuk menunjukkan kemampuan suatu molekul
dalam menembus membran biologis yang bersifat seperti halnya lapisan lemak.
logP digunakan dalam penelitian QSAR dan desain obat rasional sebagai ukuran
hidrofobik molekuler. Hidrofobik mempengaruhi penyerapan obat, bioavailabilitas,
interaksi reseptor hidrofobik, metabolisme molekul, serta toksisitasnya. LogP juga
menjadi parameter kunci dalam studi tentang nasib lingkungan bahan kimia.
2. Henrys Law
Dengan kata lain, jumlah gas yang terlarut sebanding dengan tekananparsial dalam fase
gas. Faktor kesebandingannya disebut sebagai konstanta hukum Henry.
3. TPSA
Parameter yang sangat berguna untuk prediksi sifat pengangkutan obat. Luas
permukaan kutub didefinisikan sebagai jumlah permukaan atom polar (biasanya
oksigen, nitrogens dan hidrogen terlampir) dalam sebuah molekul. Parameter ini telah
terbukti berkorelasi sangat baik dengan penyerapan usus manusia, permeabilitas
monolayers Caco-2, dan penetrasi penghalang darah-otak.
4. Volume Molekuler
menentukan karakteristik transportasi molekul, seperti penyerapan usus atau penetrasi
penghalang darah-otak. Oleh karena itu, volume sering digunakan dalam penelitian
QSAR untuk memodelkan properti molekuler dan aktivitas biologis.
5. Polarisabilitas
Kemudahan suatu molekul untuk membentuk dipol sesaat atau untuk mengimbas suatu
molekul
6. Dipole
Suatu molekul membentuk pusat muatan negatif dan pusat muatan positif.
7. Energi elektronik molekul
Energi molekul yang disebabkan oleh energi potensial dan kinetik elektronnya (Harno
D Pronowo, 2001).
8. Bobot Molekul (molecular weight)
Jumlah bobot-bobot atom dari atom-atom yang menyusun suatu molekul itu atau satuan
terkecil senyawa itu.
 BAB III
METODE PENELITIAN

A. Alat Dan Bahan

 Unit Komputer
 Aplikasi ChemDrow2D
 Aplikasi ChemDrow3D
 Aplikasi Marvin Sketch
 Aplikasi SPSS
 Website Molinpiration
 Jurnal penelitian IC50

B. Prosedur
1. Pastikan semua aplikasi yang dibutuhkan sudah di Instalasi sampai selesai sesuai
dengan petunjuk yang ada.
2. Data praktikum:
3. Deskriptor yang digunakan sebanyak 12 jenis deskriptor, yaitu :
 Lipofilik : Log P, Henry’s Law, C Log P dan Topological Polar Surface Area (TPSA)
 Elektronik : Energi Total, Polarisibility, Dipole dan Energi Elektronik
 Sterik : Berat Molekul, Molecular Topological Index (MTI), Connoly Molecular
Area (CMA ) dan Volume Molar
4. Gambar struktur senyawa (E)-3-(3-bromophenyl)-1-(10H-phenothiazin-2-yl)prop-2-en-1-
one di atas dengan program chemdraw2D, lalu copy paste pada program chemdraw 3D,
lewat MOPAC pada chemdraw3D lakukan minimize energy (AM1), kemudian cari nilai
descriptor lipofilik, elektronik dan sterik seperti di atas lewat menu analyze-compute
properties.
5. Catat nilai descriptor yang sudah dihitung lewat chemdraw3D: Log P, Henry’s Law,
Energi Total, Dipole, Energi Elektronik, Berat Molekul, Molecular Topological Index
(MTI), Connoly Molecular Area (CMA ).
6. Deskriptor lainnya cari nilainya lewat program yang sesuai: C Log P, Topological Polar
Surface Area (TPSA), Volume Molar, Polarisibility.
 C Log P: lewat chemdraw2D
 Topological Polar Surface Area (TPSA) dan Volume molar lewat
http://www.molinspiration.com/
 Polarisibility: dicari lewat chemsketch pada chemaxon
 7. Rekap data semua descriptor yang sudah dihitung:

HIPOFILIK ELEKTRONIK STERIK

NO NAMA BAHAN C Log vol IC-50
Henry's Log P TPSA E-tot Energi BM MTI CMA
P molar
Law Polarisibility Dipole elektronik
(E)-3-(3-bromophenyl)-
-
1 1-(10H-phenothiazin-2- 5,72 6,9824 32.86 41,03 1,3824 -26286,9 408,321 12331 0 310.83
10,190 39522,14
yl)prop-2-en-1-one 100
(E)-3-(4-
(dimethylamino)phenyl)-
2 12,56 5,18 6,2844 36,1 24,2295 43,23 3,3128 -30012,3 372,494 16370 351,731 338,86
1-(10H-phenothiazin-2-
yl)prop-2-en-1-one 100
(E)-3-(4-
(benzyloxy)phenyl)-1-
3 12,11 6,5 7,8064 42,1 58,7685 50,55 2,6725 -38463,9 435,55 28218 406,765 390,14
(10H-phenothiazin-2-
yl)prop-2-en-1-one 100
(E)-3-(4-chlorophenyl)-1-
4 (10H-phenothiazin-2- 9,92 5,45 6,834 32,86 13,7481 40,31 1,873 -26374,4 363,87 12416 320,091 306,49
yl)prop-2-en-1-one 100
(E)-1-(10H-phenothiazin-
5 2-yl)-3-phenylprop-2-en- 9,79 4,89 6,1194 32,86 14,0257 38,42 2,1427 -24582,1 329,425 11452 304,953 292,95
1-one 100
(E)-3-(4-
methoxyphenyl)-1-(10H-
6 11,02 4,77 6,0384 42,1 26,7604 40,92 2,3783 -28257,9 359,451 14383 33,084 318,5
phenothiazin-2-yl)prop-
2-en-1-one 100
(E)-1-(10H-phenothiazin-
7 2-yl)-3-(thiophen-2- 10,06 4,88 5,7654 32,86 28,4819 37,03 1,1558 -23326,1 335,453 9760 295,658 283,66
yl)prop-2-en-1-one 12,51
(E)-3-(2,4-
dimethoxyphenyl)-1-
8 12,25 4,64 6,1274 51,33 40,3364 43,44 4,4355 -32900,6 389,478 16954 358,298 344,04
(10H-phenothiazin-2-
yl)prop-2-en-1-one 100
 (E)-3-(2-chlorophenyl)-1-
9 (10H-phenothiazin-2- 9,92 5,45 6,8324 32,86 -3975,07 40,31 3,0953 -26664,1 363,87 12246 318,722 306,49
yl)prop-2-en-1-one 18,04
(E)-3-(2-hydroxyphenyl)-
10 1-(thiophen-2-yl)prop-2- 9,27 3,18 2,7335 37,3 23,7921 24,61 3,2409 -14323,7 230,289 3596 215,114 200,58
en-1-one 49,55
(E)-3-(4-chlorophenyl)-1-
11 (thiophen-2-yl)prop-2- 5,42 4,12 4,1135 17,07 17,8322 25,92 2,0708 -13988,7 248,734 3608 225,344 206,1
en-1-one 100
(E)-3-(4-
(dimethylamino)phenyl)-
12 8,06 3,85 3,5655 20,31 27,0722 28,82 4,3393 -17204,1 257,358 5384 257,881 238,47
1-(thiophen-2-yl)prop-2-
en-1-one 100
(E)-3-(4-nitrophenyl)-1-
13 (thiophen-2-yl)prop-2- 5,49 0 3,1435 62,9 117,356 25,88 5,1612 -17068,2 259,287 4946 232,718 215,9
en-1-one 100
(E)-1-(thiophen-2-yl)-3-
(3,4,5-
14 8,97 3,19 2,7006 44,77 55,4881 31,61 3,3101 -23775,1 304,369 7142 287,9 269,2
trimethoxyphenyl)prop-
2-en-1-one 24,75
(E)-3-(4-
(dimethylamino)phenyl)-
15 7,79 2,49 2,965 33,45 29,5176 27,02 5,4828 -17499,4 241,291 5384 250,166 229,33
1-(furan-2-yl)prop-2-en-
1-one 77,34
(E)-1-(furan-2-yl)-3-
(3,4,5-
16 8,71 1,82 2,1001 57,91 58,3114 29,81 4,3049 -24068,8 288,302 7142 279,66 260,06
trimethoxyphenyl)prop-
2-en-1-one 18,04
(E)-1-(2-hydroxyphenyl)-
17 3-(pyridin-2-yl)prop-2- 11,89 2,28 2,6955 50,19 22,1478 25,06 3,8174 -15762,9 225,248 4365 221,322 205,71
en-1-one 91,12
(E)-1-(2-hydroxyphenyl)-
18 3-(pyridin-4-yl)prop-2- 11,89 1,86 2,4606 50,19 -15734,9 25,05 1,2093 -15734,9 225,248 4343 220,404 205,71
en-1-one 92,85
 (E)-1-(2-hydroxy-4-
methoxyphenyl)-3-
19 13,12 2,16 2,53294 59,42 34,4922 27,58 4,691 -19,283 255,275 5856 247,431 231,26
(pyridin-2-yl)prop-2-en-
1-one 20,77
(E)-1-(2-hydroxy-4-
methoxyphenyl)-3-
20 12,12 1,73 2,53294 59,42 31,6767 27,58 3,8321 -19235,4 255,275 5843 246,915 231,26
(pyridin-3-yl)prop-2-en-
1-one 26,62
C. DATA HASIL PENGAMATAN

REGRESSION

/DESCRIPTIVES MEAN STDDEV CORR SIG N

/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT IC_50
/METHOD=BACKWARD Henry_low Log_P C_Log_P TPSA Total_Energi Plorasibility
Dipole Energi_Elektronik BM MTI CMA Vol_Molar
/RESIDUALS DURBIN.
Notes Regression

Output Created 29-OCT-2018 11:16:56

Comments
C:\Users\ASUS\Documents\rpa\TUG
Data
AS EUYYYY\TABEL SPSS.sav
Active
DataSet1
Dataset
Filter <none>
Input Weight <none>
Split File <none>
N of
Rows in
20
Working
Data File
Definition
User-defined missing values are
of
Missing Value treated as missing.
Missing
Handling
Cases Statistics are based on cases with no
Used missing values for any variable used.
REGRESSION
/DESCRIPTIVES MEAN STDDEV
CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R
ANOVA COLLIN TOL CHANGE
ZPP
/CRITERIA=PIN(.05) POUT(.10)
Syntax
/NOORIGIN
/DEPENDENT IC_50
/METHOD=BACKWARD
Henry_low Log_P C_Log_P TPSA
Total_Energi Plorasibility Dipole
Energi_Elektronik BM MTI CMA
Vol_Molar
/RESIDUALS DURBIN.
Processor
00:00:00,20
Time
Elapsed
00:00:00,31
Time
Memory
7020 bytes
Required
Resources
Additiona
l Memory
Required
0 bytes
for
Residual
Plots
 Descriptive Statistics

Mean Std. Deviation N

IC_50 71,5795 36,59747 20

Henry_low 10,0275 2,19791 20

Log_P 3,7080 1,71899 20

C_Log_P 4,5167 1,95866 20

TPSA 204,1000 725,51578 20

Total_Energi -2930,4037 9329,28468 20

Plorasibility 33,7090 7,98961 20

Dipole 3,1954 1,31181 20

Energi_Elektronik -21777,4392 8357,18140 20

BM 307,4294 67,20891 20

MTI 9586,9500 6154,50778 20

CMA 253,7078 96,48747 20

Vol_Molar 1807,8855 6890,86109 20

 Correlations
IC_50 Henry_low Log_P C_Log_P TPSA
IC_50 1,000 -,096 ,248 ,363 ,178
Henry_low -,096 1,000 ,253 ,224 ,024
Log_P ,248 ,253 1,000 ,904 ,265
C_Log_P ,363 ,224 ,904 1,000 ,289
TPSA ,178 ,024 ,265 ,289 1,000
Total_Energi -,192 -,092 -,190 -,215 -,924
Pearson Plorasibility ,240 ,398 ,849 ,926 ,213
Correlation Dipole -,135 -,148 -,563 -,489 -,319
Energi_Elektr
-,276 -,192 -,669 -,749 -,125
onik
BM ,201 ,325 ,821 ,913 ,351
MTI ,281 ,445 ,747 ,832 ,104
CMA -,151 ,135 ,133 ,129 -,620
Vol_Molar ,184 ,021 ,281 ,303 1,000
IC_50 . ,344 ,146 ,058 ,226
Henry_low ,344 . ,141 ,171 ,460
Log_P ,146 ,141 . ,000 ,130
C_Log_P ,058 ,171 ,000 . ,108
TPSA ,226 ,460 ,130 ,108 .
Total_Energi ,209 ,350 ,212 ,182 ,000
Plorasibility ,155 ,041 ,000 ,000 ,184
Sig. (1-tailed)
Dipole ,285 ,267 ,005 ,014 ,086
Energi_Elektr
,119 ,208 ,001 ,000 ,300
onik
BM ,198 ,081 ,000 ,000 ,065
MTI ,115 ,025 ,000 ,000 ,332
CMA ,262 ,286 ,288 ,294 ,002
Vol_Molar ,219 ,466 ,115 ,097 ,000
IC_50 20 20 20 20 20
Henry_low 20 20 20 20 20
Log_P 20 20 20 20 20
C_Log_P 20 20 20 20 20
TPSA 20 20 20 20 20
N
Total_Energi 20 20 20 20 20
Plorasibility 20 20 20 20 20
Dipole 20 20 20 20 20
Energi_Elektr
20 20 20 20 20
onik
 Correlations

BM MTI CMA Vol_Molar

IC_50 ,201 ,281 -,151 ,184
Henry_low ,325 ,445 ,135 ,021
Log_P ,821 ,747 ,133 ,281
C_Log_P ,913 ,832 ,129 ,303
TPSA ,351 ,104 -,620 1,000
Total_Energi -,245 -,033 ,602 -,923
Pearson Correlation Plorasibility ,980 ,950 ,242 ,223
Dipole -,361 -,234 ,215 -,327
Energi_Elektronik -,843 -,836 -,265 -,134
BM 1,000 ,909 ,149 ,361
MTI ,909 1,000 ,331 ,112
CMA ,149 ,331 1,000 -,616
Vol_Molar ,361 ,112 -,616 1,000
IC_50 ,198 ,115 ,262 ,219
Henry_low ,081 ,025 ,286 ,466
Log_P ,000 ,000 ,288 ,115
C_Log_P ,000 ,000 ,294 ,097
TPSA ,065 ,332 ,002 ,000
Total_Energi ,149 ,444 ,002 ,000
Sig. (1-tailed) Plorasibility ,000 ,000 ,152 ,172
Dipole ,059 ,160 ,181 ,080
Energi_Elektronik ,000 ,000 ,129 ,287
BM . ,000 ,265 ,059
MTI ,000 . ,077 ,318
CMA ,265 ,077 . ,002
Vol_Molar ,059 ,318 ,002 .
IC_50 20 20 20 20
Henry_low 20 20 20 20
Log_P 20 20 20 20
C_Log_P 20 20 20 20
N TPSA 20 20 20 20
Total_Energi 20 20 20 20
Plorasibility 20 20 20 20
Dipole 20 20 20 20
Energi_Elektronik 20 20 20 20
 Correlations

IC_50 Henry_low Log_P C_Log_P TPSA

N BM 20 20 20 20 20

MTI 20 20 20 20 20

CMA 20 20 20 20 20

Vol_Molar 20 20 20 20 20

Correlations

Total_Energ Plorasibilit Dipole Energi_Elektr

i y onik

N BM 20 20 20 20

MTI 20 20 20 20

CMA 20 20 20 20

Vol_Molar 20 20 20 20

Correlations

BM MTI CMA Vol_Molar

N BM 20 20 20 20

MTI 20 20 20 20

CMA 20 20 20 20

Vol_Molar 20 20 20 20
 Variables Entered/Removeda

Model Variables Variables Removed Method

Entered

Vol_Molar,
Henry_low,
Energi_Elektroni
k, Dipole, CMA,
1 . Enter
Log_P, MTI,
C_Log_P,
Total_Energi,
BM, Plorasibilityb

Backward (criterion: Probability of F-to-

2 . Total_Energi
remove >= ,100).

Backward (criterion: Probability of F-to-

3 . Dipole
remove >= ,100).

Backward (criterion: Probability of F-to-

4 . CMA
remove >= ,100).

Backward (criterion: Probability of F-to-

5 . Energi_Elektronik
remove >= ,100).

Backward (criterion: Probability of F-to-

6 . MTI
remove >= ,100).

Backward (criterion: Probability of F-to-

7 . C_Log_P
remove >= ,100).

Backward (criterion: Probability of F-to-

8 . Log_P
remove >= ,100).

a. Dependent Variable: IC_50

b. Tolerance = ,000 limits reached.

 BAB IV
PENUTUP

A. Pembahasan

Hubungan Kuantitatif Struktur Aktivitas (HKSA) atau Quantitative Structure Activity

Relationship (QSAR) adalah suatu metode untuk menghubungkan antara struktur kimia suatu
senyawa dengan efek atau aktivitas biologis. Awalnya pemahaman hubungan struktur dan
aktivitas dikonsiderasikan bahwa aktivitas biologis merupakan fungsi dari struktur kimia.
Tetapi kemudian mengalami perluasan aktivitas biologis sebagai fungsi fisikokimia (struktur
fisika dan kimia). Artinya suatu seri sifat-sifat fisika dan kimia suatu molekul dapat
menerangkan aktivitas biologis senyawa tersebut (Wolff, 1994). Melalui percobaan kali ini,
dapat ditentukan parameter apa yang lebih berkontribusi dalam menaikkan aktivitas suatu
senyawa. Dimana parameternya adalah hidrofobisitas substituen dan refraktivitas molar.

Tujuan dari metode QSAR ini adalah untuk mempermudah pengerjaan secara manual
untuk mengembangkan suatu senyawa baru. Untuk itu perlu adanya pemilihan
deskriptor/variabel yang akan diikutkan dalam persamaan model (Kubinyi, 1993). Analisis
dalam penentuan HKSA dilakukan menggunakan metode analisis regresi multilinear. Data
deskriptor dan log 1/IC50 eksperimen di preparasi menggunakan Microsoft excel 2013
terlebih dahulu, kemudian disimpan sebagai workbook. Analisisr egresi multilinear dilakukan
menggunakan IBM SPSS 21. Klik menu file → open → data, pada file type pilih format
excel (.xls, .xlsx, .xlsm) kemudian seleksi workbook yang telah dipreparasi dan pilih range
data yang akan dianalisis. Setelah input data, klik menu Analyze → Regression →
Linearakan muncul kotak dialog Linear Regression. Pada form Dependent diisi dengan nilai
log 1/IC50, pada form Independent diisi dengan nilai deskriptor yang dihitung. Pada form
Method pilih backward, selanjutnya klik menu Statistics. Muncul kotak dialog Linear
Regression: Statistics, beri tanda centang pada pilihan Estimates, Model fit, descriptive, dan
Durbin-watson kemudian klik menu Continue. Pada kotak dialog Linear Regression klik
menu Plots, masukkan DEPENDNT pada Y dan *ADJPRED pada X. Centang pilihan
Histogram dan Normal probability plot kemudian klik menu continue untuk kembali ke kotak
dialog Linear Regression. Klik menu Save maka akan muncul kotak dialog Linear
Regression: Save, beri tanda centang pada pilihan Unstandarized pada Predicted Values dan
Residuals kemudian klik menu continue untuk kembali ke kotak dialog Linear Regression.
 Model Summaryi
Change Statistics Durbi
M Std. Error
R Adjusted R R Sig. F n-
od R of the
Square Square Square F Change df1 df2 Chang Watso
el Estimate
Change e n
1 ,755a ,571 -,020 36,95745 ,571 ,967 11 8 ,534
2 ,754b ,568 ,088 34,94712 -,003 ,048 1 8 ,833
3 ,753c ,567 ,177 33,19502 -,001 ,022 1 9 ,884
4 ,744d ,554 ,230 32,12313 -,013 ,301 1 10 ,595
5 ,734e ,538 ,269 31,29852 -,016 ,392 1 11 ,544
6 ,704f ,496 ,263 31,41386 -,042 1,096 1 12 ,316
7 ,678g ,460 ,267 31,33216 -,036 ,927 1 13 ,353
8 ,632h ,400 ,240 31,91511 -,060 1,563 1 14 ,232 2,671

Dari persamaan HKSA diatas persamaan yang muncul 8 persamaan, dipilih satu
persamaan terbaik dengan melihat nilai R,R square dan standar eror yang sesuai. Model
persamaan ke dua dipilih dikarenakan nilai R yang mendekati 0.9, R square mendekati 0.1
dan standar eror yang kecil.

Nilai Persamaan Regresi Multilinier HKSA

IC50 = 277,371 - 5,606 (HL) – 10,680 (Log P) + 20,771 (C Log P) + 10,655 (plorasibility) +
1,386 (dipole) – 001 (energi elektronik) – 2,065 (BM) + 005 (MTI) – 070 (CMA) +
003 (Vol Molar)
B. Kesimpulan
Analisis Hubungan Kuantitatif Struktur-Aktivitas (HKSA) merupakan salah satu
bagian yang dipelajari dalam bidang kimia medisinal untuk memetakan hubungan antara
struktur dengan aktivitas suatu senyawa kimia, sehingga didapatkan suatu model yang
dapat menjelaskan jenis senyawa yang paling potensial untuk dikembangkan dalam
penemuan obat baru. Metode HKSA yang sering digunakan dalam penentuan obat baru
yaitu metode Hansch, Free-Wilson, dan metode HKSA-3D. Parameter sifat kimia dan
fisika yang terdapat pada molekul senyawa dan berhubungan dengan HKSA yaitu
parameter hidrofofobik (π), elektronik (σ), dan sterik (Es). Dalam penemuan dan
pengembangan obat baru analisa statistik diperlukan untuk menemukan sebuah persamaan
HKSA.
Berdasarkan pembahasan diatas disimpulkan bahwa didapatkan persamaan HKSA
sebagai berikut :
IC50 = 277,371 - 5,606 (HL) – 10,680 (Log P) + 20,771 (C Log P) + 10,655 (plorasibility)
+1,386 (dipole) – 001 (energi elektronik) – 2,065 (BM) + 005 (MTI) – 070 (CMA) +
003 (Vol Molar).
 DAFTAR PUSTAKA
 Jemal A., Siegel R., statistik Ward E. Kanker. CA Kanker J Cli. 2008; 58 (2): 71-96.
 Siswandono., dan Soekardjo B. 2000. Kimia Medisinal I. Surabaya: Airlangga Univ.
Press.
 Siswandono., Bambang Soekardjo. 2000. Kimia Medisinal Jilid 1. Surabaya:
Airlangga University Press. Hal. 5-6.
 Pranowo, H.D.2000. Metoda Kimia Kuantum dalam Kimia Komputasi, Pusat Kimia
Komputasi Indonesia Austria. Jurusan Kimia FMIPA Universitas Gadjah Mada:
Yogyakarta.
 Sardjoko. 1993. Rancangan Obat. Gadjah Mada University Press : Yogyakarta.