Anda di halaman 1dari 2

Analisis statistik HKSA

Perhitungan statistic yang sering digunakan dalam hubungan struktur dan aktivitas melalui
parameter-parameter kimia fisika adalah analisa regresi linier dan non linier. Untuk
mengetahui hubungan kuantitatif antara struktur kimia dan aktivitas biologis melalui
parameter

kimia

fisika,

computer,menggunakan

dapat

dilakukan

program

perhitungan

statistic

dengan

bantuan

MICROSAT,ABSTAT,QSAR,STATGRAPHIC,

STATISTICA, SIGMASTAT, SPSS, atau program statistic lainnya (Siswandono, 2008).


Analisa regresi linier bila dilihat dari jumlah variabel bebas yang digunakan, terbagi menjadi
dua yaitu analisa regresi linier tunggal yang menggunakan satu variabel bebas dan analisa
regresi multi linier (Multilinier Regresion) yang menggunakan lebih dari satu variabel bebas.
Analisis Regresi multilinier (Multi Linear Regression, MLR) dalam QSAR menghubungkan
satu/lebih variabel bebas X (disebut prediktor/deskriptor) dengan suatu variabel tak bebas Y
(aktivitas biologis). Variabel tak bebas Y mengandung

suku nilai kesalahan (error, e),

sedangkanvariabel bebas X disusun untuk tidak mengandung kesalahan apapun.Dalam


kenyataannya, hal ini hanyalah suatu pendekatan saja karena parameter sifat fisikokimia
mengandung kesalahan eksperimental, walau lebih kecil dibanding kesalahan eksperimental
pada aktivitas biologis. Dalam banyak kasus,kesalahan yang terjadi pada variabel bebas telah
diketahui (terprediksi) atau mempunyai nilai konstan. Perhitungan regresi linier digunakan
untuk mencari hubungan antara aktivitas biologis dengan satu parameter kimia fisika atau
lebih. Ada analisis korelasi antar variabel yang terjadi, data parameter fisika kimia digunakan
sebagai variabel bebas dikaitkan dengan aktivitas antiradikal biologis sebagai variabel tidak
bebas. Pembahasan korelasi antar variabel digunakan untuk melihat bagaimana hubungan
antar variabel sesungguhnya dari awal. Arah korelasi positif menunjukkan bahwa variabel
tersebut sebanding dengan aktivitas, sedangkan arah korelasi negatif menunjukkan pengaruh
yang berlawanan. Analisis statistik yang menggunakan Principal Component Regression
(PCR) Analisis PCR diawali dengan analisis faktor (PCA) dengan analisis reduksi variabelvariabel bebas. Analisis ini dilakukan dengan memasukkan seluruh variabel bebas, kemudian
akan didapatkan sebuah komponen matriks baru. Analisis PCA digunakan untuk menentukan
jumlah komponen matrik yang akan digunakan. Bobot dari komponen yang diperoleh
digunakan untuk menghitung nilai variabel laten (sesuai jumlah komponen) sehingga
diperoleh matriks baru. Analisis MLR secara eksak adalah prosedur perhitungan matematis
biasa untuk fitting data. Teknik fitting data ini akan melakukan minimisasi harga selisih dari
nilai kesalahan total (random error). Analisa regresi nonlinier terdiri dari Genetic Algorithm
dan Neural Network.

2.9.5 Kriteria Statistik


Keabsahan persamaan yang diperoleh dan arti perbedaan parameter yang digunakan
dalam hubungan struktur-aktivitas model Hansch, dapat dilihat dengan beberapa
kriteria statistik, seperti r, r2, F, t dan s. arti kriteria statistik:
a. Nilai r (koefisien kolerasi) menunjukkan tingkat hubungan antara data aktivitas
biologis pengamatan percobaan dengan data hasil perhitungan berdasarkan
persamaan yang diperoleh dari analisi regresi. Koefisien korelasi adalah angka
bervariasi mulai dari 0 sampai 1. Semakin tinggi nilai koefisien kolerasi maka
semakin baik hubungannya.
b. Nilai r2 menunjukkan berapa % aktivitas biologis yang dapat dijelaskan
hubungannya dengan parameter sifat fisika-kimia yang digunakan.
c. Nilai F adalah indikator bilangan untuk menunjukkan bahwa hubungan yang
dinyatakan oleh persamaan yang didapat, adalah benar atau merupakan kejadian
kebetulan. Semakin tinggi nilai F semakin kecil kemungkinan hubungan tersebut
adalah karena kebetulan.
d. Nilai t menunjukkan perbedaan koefisien regresi a, b, c, dan d dari persamaan
regresi bila dibandingkan dengan tabel t
e. Nilai s (simpangan baku) menunjukkan nilai variasi kesalahan dalam percobaan.