I.

Tujuan
1. Tujuan Instruksional Umum:
1.1. Mampu memanfaatkan pengetahuannya mengenai optimasi geometri dan
prediksi parameter fisikokimia untuk mempersiapkan data-data yang
diperlukan untuk mencari persamaan HKSA
1.2. Mampu mengolah data optimasi geometri dan prediksi parameter fisikokimia
hingga mendapatkan persamaan HKSA yang valid
1.3. Mampu mendesain senyawa turunan baru berdasarkan persamaan HKSA yang
ada
2. Tujuan Instruksional Khusus:
2.1 Mampu melakukan optimasi geometri dan prediksi sifat fisikokimia
2.2 Mampu mempersiapkan data-data yang diperlukan untuk mencari persamaan
HKSA.
2.3 Mampu melakukan studi statistika awal (regresi linear) sebagai langkah awal
dalam mencari persamaan HKSA
2.4 Mampu memilih deskriptor secara statistika yang akan digunakan untuk
menyusun persamaan HKSA.
2.5 Mahasiswa mampu melakukan validasi statistika terhadap deskriptor-
deskriptor yang terpilih dengan metode Leave One Out (LOO).
2.6 Mampu menyusun persamaan HKSA
2.7 Mampu memahami persamaan HKSA yang diperoleh
2.8 Mampu mendesain senyawa turunan baru yang diprediksi memiliki aktivitas
yang lebih baik berdasarkan persamaan HKSA yang ada
2.9 Mampu melakukan studi lebih lanjut mengenai interaksi desain senyawa baru
dengan protein target yang berkaitan dengan aktivitas biologi sesuai dengan
HKSA yang dilakukan.

II. Teori Singkat

Untuk mengetahui hubungan kuantitatif antara struktur kimia dan aktivitas
biologis melalui parameter kimia fisika, dapat dilakukan perhitungan statistik dengan
bantuan komputer, dengan menggunakan program QSAR, STATGRAPHICS,
SIGMASTAT, STATISTICA, SPSS atau program statistic yang lain. Perhitungan
statistic yang sering digunakan dalam hubungan struktur dan aktivitas melaui parameter
parameter kimia fisika adalah analisis regresi linier dan non linier.
1. Regresi Linier
Perhitungan regresi linier digunakan untuk mencari hubungan antara
aktivitas biologis dengan satu parameter kimia fisika atau lebih. Regresi linier
untuk satu parameter kimia fisika dinyatakan melalui persamaan sebagai
berikut :
Y = aX + b Y = aktivitas biologis
X= parameter kimia fisika
a dan b = koefisien persamaan regresi
Sandi Sumardi
 Regresi linier untuk dua parameter kimia fisika atau lebih dapat
dinyatakan melalui persamaan sebagai berikut :
Y = a X1 + b X2 + c
Y = a X1 + bX2 + c X3 + d
X1, X2, X3 = parameter-parameter kimia fisika 1,2,3.
2. Regresi Non Linier
Regresi non linier untuk satu parameter kimia fisika dapat dinyatakan
melalui persamaan sebagai berikut :
Y = a (X)2 + b X + c
Analisis HKSA Model LFER Hansch Regresi non linier utuk dua
parameter kimia fisika atau lebih dapat dinyatakan melalui persamaan
kuadratik sebagai berikut :
Y = -a (X1)2 + b X1 + cX2 + d
Y = -a (X1)2 + b X1 + cX2 + d X3 + e.
III. Alur Pengerjaan
1. Setelah dilakukan optimasi pada struktur dan diperoleh data yang diperlukan, dilanjutkan
pengokahan data dengan SPSS, masukan data pada aplikasi SPSSS
2. Pada toolbar, dipilih Analyze > Regression > Linear dan akan muncul dialog box
Linear Regression, dan isi dialog box sebagai berikut

Klik OK.
3. Pada bagian window output, dilihat pada bagian Model Summary

Sandi Sumardi
 4. Lakukan seleksi awal descriptor yang akan digunakan, karena persamaan HKSA yang
baik memiliki sedikit descriptor (umumnya < 5 deskriptor)

Berdasarkan percobaan diatas, diperoleh 5 deskriptor yang menghasilkan nilai R paling

tinggi, yaitu: HF, Lumo, Momen Dipole, Homo, dan Entalpi
Karena HKSA yang baik umumnya memiliki < 5 deskriptor, dan ternyata HF memiliki
koefisien 0,00

Sehingga dilakukan eliminasi pada descriptor HF, diperoleh nilai R 0,647

Dengan Koefisien sebagai berikut >

Sehingga diperoleh persamaan:

5,175 + (12,938 × HOMO) + (−11,62 × LUMO) + (−0,893 × Entalpi) + (0,006 × MD)

Sandi Sumardi
 5. Dari persamaan yang telah diperoleh, tentukan LogIC50 prediksi

6. Buat plot antara Log IC50 prediksi dan Log IC50 eksperimen

1.19 LINEARITY

1.09 y = 0.4188x + 0.6129

R² = 0.4184
0.99

0.89
0.89000 1.09000 1.29000 1.49000

Dilakukan eliminasi pada data yang paling menyimpang (dengan kotak merah)
LINEARITY
1.14
1.09
1.04
0.99 y = 1.0525x - 0.0417
0.94
0.89
R² = 0.8103
0.89000 0.99000 1.09000

7. Validasi selanjutnya adalah membandingkan antara nilai F hitung dengan F tabel, F hitung
dilihat dari tabel ANOVA

Sedangkan Ftabel diperoleh melalui perhitungan di Ms. Office Excel dengan rumus
=FINV(0,05;4;(15-4-1)), diperoleh nilai 3,488. Sehingga F hitung ÷ F tabel = 0,517
8. Karena nilai F sudah memenuhi syarat, maka dilanjutkan ke parameter validasi
selanjutnya yaitu q2 dengan metode LOO (Leave One Out), dibuat terlebih dahulu tabel
berikut:

Sandi Sumardi
 Keterangan:
y = Log IC50 eksperimen
y rata = rata-rata nilai y
y’ = Konstanta + (koef HOMO x nilai HOMO) + (koef LUMO x nilai LUMO) + (koef MD x nilai MD)
+ (koef Entalpi x nilai Entalpi)
9. Untuk mengisi tabel yang kosong pada pada kotak berwarna merah, misal untuk data 1,
potong data 1 pada aplikasi SPSS

10. Selanjutnya lakukan regresi linier seperti prosedur no. 2, lalu pada window output lihat
bagian Coefficient, isi tabel seperti berikut

11. Selanjutnya undo, pada window SPSS sehinga satu data yang di cut kembali ada.
12. Lakukan prosedur no 9 – 11 kembali hingga semua kolom terisi.

∑(𝑦−𝑦 ′ )2
13. Untuk q2 gunakan rumus sebagai berikut : 𝑞 2 = 1 − ∑(𝑦−𝑦𝑟𝑎𝑡𝑎)2
Diperoleh nilai q2 sebesar 0,854
14. Setelah semua parameter memenuhi persyaratan, dilnjutkan ke proses desain senyawa
turunan baru berdasarkan persamaan HKSA.
15. S
16. S
17.

Sandi Sumardi
IV. Pembahasan
Kevalidan suatu validasi dilihat dengan beberapa parameter validasi, diantaranya
R/R , nilai F dan nilai q2. Nilai r menunjukan hubungan aktivitas biologi dengan data
2

hasil perhitungan. Nilai r akan berada pada range 0 – 1, semakin baik nilai r maka akan
semakin mendekati angka 1, nilai r diperoleh bila telah melakukan analisis regresi, dan
pada awal percobaan diperoleh r = 0,647, meunjukan nilai r yang kurang baik, hal ini
terjadi karena jumlah data yang cukup banyak, serta terdapat data yang paling
menyimpang diantara data-data lainnya.
V. Kesimpulan

VI. Daftar Pustaka

Siswandono dan Soekardjo B. (Eds). Kimia Medisinal I, Surabaya : Airlangga University
Press, 2000.
Siswandono dan Soekardjo B. (Eds). Prinsip-Prinsip Rancangan Obat, Surabaya:
Airlangga University Press, 1998. Analisis HKSA Model LFER Hansch
Doerge RF, Ed., Wilson and Gisvol’s Textbook of Medicinal Organic and
Pharmaceutical Chemistry, 8th ed., Philadelphia, Toronto : J.B Lippincott
Company, 1982

Sandi Sumardi