METODE CEPAT PENENTUAN FLAVONOID TOTAL

MENIRAN (Phyllantus niruri L.) BERBASIS TEKNIK

SPEKTROMETRI INFRAMERAH DAN KEMOMETRIK

INDAH KURNIASARI

DEPARTEMEN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2006
 ABSTRAK

INDAH KURNIASARI. Metode Cepat Penentuan Flavonoid Total Meniran (Phyllantus

niruri L.) Berbasis Teknik Spektroskopi Inframerah dan Kemometrik. Dibimbing oleh
LATIFAH K. DARUSMAN dan RUDI HERYANTO.
Teknik spektroskopi inframerah (IR) yang digabungkan dengan kemometrik
digunakan sebagai metode alternatif untuk mengukur kadar flavonoid total dalam
simplisia tanaman obat. Sampel meniran dari tiga daerah berbeda dianalisis dengan teknik
spektroskopi inframerah transformasi Fourier dan kadar flavonoid totalnya diukur
menggunakan metode kolorimetrik. Principal component analysis digunakan untuk
mengelompokkan spektrum IR berdasarkan pada daerah asal meniran, sedangkan partial
least square digunakan untuk membuat model prediksi kadar flavonoid total.
Prapemrosesan dan segmentasi spektrum IR dilakukan untuk memperoleh
pengelompokan dan model prediksi terbaik. Spektrum IR dengan prapemrosesan
menunjukkan pengelompokan yang lebih baik dibandingkan dengan spektrum IR tanpa
prapemrosesan. Pengelompokan terbaik dihasilkan dari spektrum IR utuh, yaitu pada
kisaran bilangan gelombang 3996 –399 cm-1 (set data ke-5) dan dari spektrum IR
gabungan segmen I dan II, yaitu pada 3730–2812 dan 1890–399 cm- 1 (set data ke-8). Dua
principal component (PC) pertama pada score plot dari kedua set data ini mampu
menjelaskan 91% dari variansi total (PC1 = 70%, PC2 = 21%). Kemampuan prediksi
kadar flavonoid terbaik dimiliki oleh model 8, dengan nilai intersep dan kemiringan
model kalibrasi sebesar 0.800039 da n 0.270948 (r kal = 0.894449, r val = 0.833810,
RMSEC = 0.085661, RMSEP = 0.105997, SEC = 0.88895, SEP = 0.109928, bias kal =
8.515e-09, dan bias val = -0.003801). Model ini mampu memprediksi kadar flavonoid
total meniran dari ketiga daerah uji.
 ABSTRACT

INDAH KURNIASARI. A Rapid Method for Total Flavonoid Determination of Meniran

(Phyllantus niruri L.) Based on Infrared Spectroscopy and Chemometrics. Under the
direction of LATIFAH K. DARUSMAN and RUDI HERYANTO.
Infrared spec troscopy technique combined with chemometrics was used as an
alternative method to determine flavonoid content in herbal simplicia. Meniran samples
from three different origins was analysed using Fourier transform infrared spectroscopy
technique and their total flavonoid content was determined using colorimetric method.
Principal compo nent analysis was used to get the spectral classification based on sample
origins, whereas partial least square was used to establish the total flavonoid content
prediction model. The preprocessing technique and segmentation was applied to IR
spectra to get the best classification and prediction model. The preprocessed IR spectra
showed better classification result as compared with the non-preprocessed IR spectra. The
best classific ation was obtained from entire spectral data in the wavenumber range on
3996-399 cm-1 (5t h data set) and from combination of the 2 nd and the 1s t segment spectral
data in the range of 3730–2812 and 1890–399 cm-1 (8 th data set). The two first principal
components (PCs) of these data score plots represent 91% of the total variance (PC1 =
70%, PC2 = 21%). Model 8 has the best prediction ability, with the slope and offset of the
calibration model 0.800039 and 0.270948, respectively (r cal = 0.894449, r val =
0.833810, RMSEC = 0.085661, RMSEP = 0.105997, SEC = 0.88895, SEP = 0.109928,
bias cal = 8.515e-09, dan bias val = -0.003801). This model was able to predict the total
flavonoid content of meniran from three testing areas.
 METODE CEPAT PENENTUAN FLAVONOID TOTAL
MENIRAN (Phyllantus niruri L.) BERBASIS TEKNIK
SPEKTROSKOPI INFRAMERAH DAN KEMOMETRIK

INDAH KURNIASARI

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Kimia

DEPARTEMEN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2006
Judul Skripsi : Metode Cepat Penentuan Flavonoid Total Meniran (Phyllantus niruri L.)
Berbasis Teknik Spektroskopi Inframerah dan Kemometrik
Nama : Indah Kurniasari
NIM : G44201061

Menyetujui:

Pembimbing I, Pembimbing II,

Prof. Dr. Ir. Latifah K. Darusman, MS Rudi Heryanto, S.Si., M.Si.

NIP 130536681 NIP 132311929

Mengetahui:

Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Pertanian Bogor,

Dr. Ir. Yonny Koesmaryono, MS

NIP 131437 999

Tanggal Lulus :
 PRAKATA

Puji dan syukur penulis panjatkan ke hadirat Allah SWT atas limpahan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini. Skripsi berjudul Metode
Cepat Penentuan Flavonoid Total Meniran (Phyllantus niruri L.) Berbasis Teknik
Spektroskopi Inframerah dan Kemometrik ini merupakan salah satu syarat untuk
memperoleh gelar sarjana sains pada Program Studi Kimia FMIPA IPB.
Terima kasih penulis ucapkan kepada Prof. Dr. Ir. Latifah K. Darusman, MS dan
Rudi Heryanto S.Si., M.Si. sebagai pembimbing atas arahan, saran, dan dorongan yang
telah diberikan kepada penulis selama pelaksanaan penelitian dan penulisan skripsi ini.
Terima kasih disampaikan pula kepada Program Penelitian Dasar Direktorat Jenderal
Pendidikan Tinggi Departemen Pendidikan Nasional, melalui Pusat Studi Biofarmaka,
LPPM IPB yang telah mendanai penelitian ini. Ucapan terima kasih juga penulis
sampaikan kepada Ir. Jajang, MS yang telah memberikan bantuan analisis statistik.
Terima kasih penulis ucapkan kepada Papah, Mamah, Mas Giga, dan Olyn atas doa
dan kasih sayangnya. Terima kasih juga penulis ucapkan kepada Om Eman, seluruh
laboran Kimia Analitik, Kak Atep, seluruh staf Pusat Studi Biofarmaka, dan Mas Heri
atas seg ala kemudahan yang diberikan dalam penelitian. Terima kasih kepada rekan-
rekan Kimia 38, rekan-rekan Laboratorium Kimia Analitik, keluarga besar Cirahayu 6
(Etta, Erika, Mbak Ade, Mbak Sulis, Levy, Ninin, Mbak Desi, Yuli, Nia, dan Ega),
Annis, Opie, Inul, serta Helmy atas dorongan dan semangat yang tiada henti.
Semoga karya ilmiah ini bermanfaat.

Bogor, Maret 2006

Indah Kurniasari
 RIWAYAT HIDUP

Penulis dilahirkan di Temanggung pada tanggal 5 April 1983 dari ayah Iding
Chaidir dan ibu Maharsi. Penulis merupakan anak kedua dari tiga bersaudara.
Tahun 2001 penulis lulus dari SMU Negeri 70 Jakarta dan pada tahun yang sama
lulus seleksi masuk IPB melalui jalur ujian masuk perguruan tinggi negeri (UMPTN).
Penulis memilih Program Studi Kimia, Departemen Kimia, Fakultas Matematika dan
Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis menjadi asisten praktikum mata kuliah
Kimia Analitik I, Kimia Lingkungan, dan Kimia Analitik Dasar pada tahun ajaran
2004/2005, serta mata kuliah Kimia Analitik III dan Kimia Dasar pada tahun ajaran
2005/2006. Penulis aktif sebagai staf Departemen Kewirausahaan dalam kepengurusan
Ikatan Mahasiswa Kimia periode 2002-2003.
Pada bulan Juni 2004, penulis menjalankan praktik lapangan di PT ISM Bogasari
Fluor Mills dan menulis laporan berjudul Pengawasan Mutu Wheat Bran-Pollard Pellet
sebagai Produk Samping Penggilingan Gandum di PT ISM Bogasari Flour Mills.
 DAFTAR ISI

Halaman

DAFTAR TABEL ...................................................................................................viii

DAFTAR GAMBAR ...............................................................................................viii

DAFTAR LAMPIRAN .............................................................................................. ix

PENDAHULUAN ......................................................................................................1

TINJAUAN PUSTAKA
Meniran ...........................................................................................................1
Flavonoid .........................................................................................................2
Spektroskopi Inframerah Transformasi Fourier (FTIR) ........................................2
Analisis Kemometrik Spektrum IR.....................................................................3
PCA .................................................................................................................3
PLS ..................................................................................................................3

BAHAN DAN METODE

Bahan dan Alat..................................................................................................4
Metode Penelitian..............................................................................................4

PEMBAHASAN
Kadar Flavonoid Meniran ..................................................................................5
Spektrum IR Meniran ........................................................................................5
Klasifikasi Spektrum IR Serbuk Kering Meniran dengan PCA .............................7
Pembentukan Model Prediksi Kadar Flavonoid Meniran dengan PLS ...................9

SIMPULAN DAN SARAN

Simpulan ........................................................................................................ 10
Saran ..............................................................................................................10

DAFTAR PUSTAKA ...............................................................................................10

LAMPIRAN ............................................................................................................. 13
 DAFTAR TABEL

Halaman

1 Segmentasi spektrum IR.........................................................................................5

2 Penamaan set data ..................................................................................................5
3 Kadar flavonoid total meniran .................................................................................5
4 Hasil statistik model prediksi kadar flavonoid total meniran dengan metode PLS ........9

DAFTAR GAMBAR

Halaman

1 Tanaman meniran...................................................................................................1
2 Struktur umum flavonoid ........................................................................................2
3 Prinsip PCA...........................................................................................................3
4 Prinsip PLS ...........................................................................................................4
5 Perbandingan spektrum IR standar kuersetin (a) dengan sampel serbuk kering
meniran (b). ...........................................................................................................6
6 Spektrum IR sampel serbuk kering meniran dari tiga daerah berbeda .........................6
7 Score plot dua PC pertama dari spektrum IR serbuk kering meniran ..........................8
8 Scatter plot dua dimensi antara kadar flavonoid prediksi dan kadar flavonoid
sebenarnya dari model 8........................................................................................ 10
 DAFTAR LAMPIRAN

Halaman

1 Bagan alir percobaan............................................................................................ 14

2 Pengolahan data dalam analisis kemometrik dengan program Unscrambler ..............15
3 Hasil pengukuran kadar flavonoid total meniran dengan metode Depkes RI ............. 20
4 Uji-F kadar flavonoid total meniran .......................................................................25
5 Uji-t kadar flavonoid total meniran ........................................................................ 26
6 Hasil pe ngukuran kadar air ...................................................................................27
7 Spektrum IR utuh dari sampel serbuk kering meniran tanpa
prapemrosesan spektrum .......................................................................................28
8 Spektrum IR segmen I dari sampel serbuk kering meniran tanpa
prapemrosesan spektrum .......................................................................................28
9 Spektrum IR segmen II dari sampel serbuk kering meniran tanpa
prapemrosesan spektrum .......................................................................................29
10 Spektrum IR gabungan segmen I dan II dari sampel serbuk kering meniran tanpa
prapemrosesan spektrum .......................................................................................29
11 Spektrum IR utuh dari sampel serbuk kering meniran dengan
prapemrosesan spektrum .......................................................................................30
12 Spektrum IR segmen I dari sampel serbuk kering meniran dengan
prapemrosesan spektrum .......................................................................................30
13 Spektrum IR segmen II dari sampel serbuk kering meniran dengan
prapemrosesan spektrum .......................................................................................31
14 Spektrum IR gabungan segmen I dan II dari sampel serbuk kering meniran dengan
prapemrosesan spektrum .......................................................................................31
13 Scatter plot dari spektrum IR tanpa prapemrosesan................................................. 32
14 Scatter plot dari spektrum IR dengan prapemrosesan ............................................. 33
 PENDAHULUAN
Meniran (Phyllantus niruri L.) telah
banyak digunakan untuk mengatasi batuk, flu,
demam, diabetes, malaria, disentri, batu
ginjal, tumor, dan hepatitis (Taylor 2003).
Efek pengobatan yang dimiliki oleh tanaman
ini antara lain disebabkan oleh senyawa-
senyawa aktif seperti flavonoid, lignan,
alkaloid, triterpenoid, tanin, dan asam lemak
yang terkandung di dalam meniran (Subarnas
& Sidik 1993). Flavonoid dalam tanaman ini
telah diketahui berperan dalam pengobatan
penyakit kulit, kelebihan asam urat, dan batu
ginjal (Chairul 1999).
M etode analisis yang biasa digunakan
untuk menentukan kadar flavono id dalam
simplisia tanaman obat antara lain dengan
spektrofotometri ultraviolet (UV) (Depkes RI
2000), kromatografi cair kinerja tinggi
(KCKT) (Merken & Beecher 2000), dan
elektroforesis kapiler (Marchart et al. 2003).
Metode-metode tersebut melibatkan
serangkaian tahapan yang membutuhkan
waktu lama dalam pelaksanaannya.
Teknik spektrometri inframerah (IR) yang
digabungkan dengan kemometrik dapat
digunakan sebagai metode alternatif untuk
mengukur kadar flavonoid. Teknik ini telah
digunakan dalam berbagai penelitian, seperti
kuantifikasi minyak esensial dan komposisi
kimia dari tanaman genus Umbelliferiae
(Schulz et al. 1998), penentuan kandungan
metabolit sekunder pada daun Mentha (Schulz
et al. 1999), klasifikasi Orthosiphon
stamineus berdasarkan pada daerah asalnya
(Chew et al. 2004), pengelompokan ekstrak
daun jati belanda (Guazuma ulmifolia Lamk.)
(Jajang 2004), penentuan kadar polifenol
dalam tembakau (Shao & Zhuang 2004),
identifikasi dan kuantifikasi harpagosida pada
akar Harpagophytum procumbens (Baranska
et al. 2005), serta kendali mutu obat herbal
(Zou et al. 2005).
Teknik spektroskopi IR berpotensi sebagai
metode analisis cepat karena analisis dapat
dilakukan secara langsung pada serbuk kering
sampel tanpa tahapan pemisahan terlebih
dahulu. Spektrum IR yang dihasilkan
merupakan hasil interaksi antara senyawa-
senyawa kimia dalam matriks sampel yang
sangat kompleks. Spektrum ini sangat rumit
dan perbedaan tipis antar spektrum dari
tanaman yang sejenis tidak tampak dengan
jelas dan pada umumnya tidak dapat terlihat
dengan mata telanjang (Chew et al. 2004).
Untuk itu, diperlukan suatu metode
kemometrik untuk mendapatkan informasi
tersembunyi yang bersifat kualitatif dan
kuantitatif dari spektrum IR tersebut.
Kemometrik digunakan untuk menemukan
korelasi statistik antara data spektrum dan
informasi yang telah diketahui dari sampel.
Penelitian ini bertujuan mendapatkan
pengelompokan spektrum IR serbuk kering
meniran berdasarkan pada daerah asalnya
dengan menggunakan teknik principal
component analysis (PCA) dan membentuk
model prediksi kadar flavonoid total meniran
dengan menggunakan teknik partial least
square (PLS) sebagai upaya pencarian metode
analisis cepat dalam menentukan flavonoid
total meniran.
TINJAUAN PUSTAKA
Meniran
Meniran diklasifikasikan dalam divisi
Spermatophyta, subdivisi Angiospermae,
kelas Dikotiledonae, bangsa Geraniales, suku
Euphorbiaceae, marga Phyllantus, dan spesies
P. niruri (USDA 2005). Meniran tumbuh di
dataran rendah pada ketinggian 1–1000 m dpl,
di tempat terbuka, di ladang, tepi sungai, dan
pantai. Selain di Indonesia, tumbuhan ini juga
terdapat di India, Cina, Malaysia, Filipina,
Australia, Amerika, dan Afrika (Heyne 1987,
diacu dalam Subarnas & Sidik 1993).
Meniran termasuk tanaman kecil, terna
semusim, dan tumbuh tegak dengan tinggi
30–50 cm. Batangnya berwarna hijau pucat,
berbentuk bulat, dan basah. Helaian daun
berwarna hijau, berbentuk bulat telur sampai
bulat memanjang, ujung tumpul, pangkal
membulat, serta bertepi rata dengan panjang
sekitar 1.5 cm dan lebar sekitar 7 mm
(Achyad & Rasyidah 2000). Meniran
memiliki bunga berwarna putih, tunggal, dan
berada di dekat tangkai anak daun. Buah
berbentuk kotak, bulat, berdiameter sekitar 2
mm, berwarna hijau keunguan dengan biji
kecil, keras, dan berwarna cokelat (Soedibyo
1998). Gambar 1 memperlihatkan bentuk
tanaman meniran.
Gambar 1 Tanaman meniran .
 Kandungan utama meniran adalah
triterpen, flavonoid, tanin, alkohol, dan asam
fenolat. Meniran dilaporkan mengandung
senyawa-senyawa kimia golongan lignan,
seperti filantin, hipofilantin, niranin,
nirtetralin, dan fitetralin. Akar dan daun
tanaman ini kaya akan senyawa flavonoid,
antara lain kuersetin, kuersetrin, isokuersetin,
astragalin, dan rutin (Nara et al. 1977 dalam
Subarnas & Sidik 1993). Minyak bijinya telah
diketahui mengandung asam lemak, saponin,
kalium, damar, dan zat samak (Chairul 1999).
Meniran digunakan secara luas sebagai
obat tradisional, antara lain untuk mengatasi
batuk, malaria, disentri, demam, flu, tumor,
sakit kuning, anemia, dan batu ginjal (Taylor
2003). Hasil penelitian fa rmakologi
menunjukkan bahwa meniran mempunyai
efek hipoglikemik, diuretik, dan hipotensif
(Srividya & Periwal 1995), antihepatotoksik
(Syamasundar et al. 1985), analgesik (Santos
et al. 1994), antitumor dan antikarsinogen
(Rajeshkumar et al. 2002), dan antimalaria
(Tona et al 2001). Ekstrak meniran juga telah
diketahui efektif dalam menghambat
pembentukan kristal kalsium oksalat sebagai
pembentuk batu ginjal (Campos & Schor
1999). Hingga kini penelitian untuk menggali
manfaat meniran terus dikembangkan,
ter utama setelah diketahui bahwa ekstrak air
tanaman ini mampu menghambat kerja virus
HIV (Naik & Juvekar 2003).
Flavonoid
Golongan flavonoid memiliki kerangka
karbon yang terdiri atas dua cincin benzena
tersubstitusi yang disambungkan oleh rantai
alifatik tiga karbon (Gambar 2).
Pengelompokan flavonoid berdasarkan pada
cincin heterosiklik-oksigen tambahan dan
gugus hidroksil yang tersebar menurut pola
yang berlainan (Robinson 1995). Golongan
terbesar flavonoid memiliki cincin piran yang
yang menghubungkan rantai tiga -karbon
dengan salah satu cincin benzena. Pada
umumnya, flavonoid terikat pada gula sebagai
glikosida dan aglikon flavonoid, dapat pula
berada dalam satu tumbuhan dalam beberapa
bentuk kombinasi glikosida (Harborne1987).
Gambar 2 Struktur umum flavonoid .
Sejumlah tanaman obat yang mengandung
flavonoid telah dilaporkan memiliki aktivitas
antioksidan, antibakteri, antivirus, antiradang,
antialergi, dan antikanker (Miller 1996). Efek
antioksidan senyawa ini disebabkan oleh
penangkapan radikal bebas melalui donor
atom hidrogen dari gugus hidroksil flavonoid.
Beberapa penyakit seperti arterosklerosis,
kanker, diabetes, parkinson, alzheimer, dan
penurunan kekebalan tubuh telah diketahui
dipengaruhi oleh radikal bebas dalam tubuh
manusia (Amiæ et al. 2003).
Kadar flavonoid dalam sampel herbal
dapat ditentukan dengan berbagai metode.
Metode yang diakui oleh Departemen
Kesehatan RI adalah spektrofotometri UV
yang berdasar pada prinsip kolorimetri. Pada
metode ini, reaksi antara AlCl3 dan gugus keto
C-4 dan gugus hidroksil C-3 atau C-5 dari
flavon dan flavonol akan menghasilkan
senyawa kompleks (Chang et al. 2002).
Absorbans dari warna yang terbentuk diukur
dengan spektrometer UV. Kadar kuersetin
dihitung sebagai kadar flavonoid total dalam
sampel (Depkes 2000). Perhitungan ini
berdasarkan pada hukum Lambert-Beer yang
menunjukkan hubungan lurus antara
absorbans dan kadar analat.
Spektroskopi Inframerah Transformasi
Fourier (FTIR)
Metode spektrofotometrik mengukur
jumlah radiasi yang diserap oleh larutan
sampel. Jumlah serapan ini berkaitan dengan
konsentrasi analat dalam larutan. Ada tiga
proses dasar penyerapan radiasi oleh molekul
yang semuanya melibatkan kenaikan molekul
ke tingkat energi yang lebih tinggi, yaitu
radiasi, vibrasi, dan transisi elektronik.
Peningkatan energi yang terjadi setara dengan
energi radiasi yang diserap oleh molekul
(Christian 1986).
Spektrum IR terletak pada kisaran
bilangan gelombang 12 800–10 cm- 1. Dilihat
dari segi aplikasi dan instrumentasi, spektrum
IR dibagi ke dalam tiga jenis radiasi, yaitu IR
dekat, pertengahan, dan jauh. FTIR termasuk
dalam kategori radiasi IR pertengahan
(bilangan gelombang 4000 –200 cm-1 ) (Nur &
Adijuwana 1989).
Berbeda dari spektrometer dispersif, FTIR
tidak mengukur panjang gelombang satu demi
satu, melainkan dapat mengukur intensitas
transmitans pada berbagai panjang gelombang
secara serempak (Skoog et al. 1998).
Monokromator prisma atau kisi yang dapat
mengurangi energi sinar diganti dengan
interferometer. Interferometer membuat
spektrometer mampu mengukur semua
frekuensi optik secara serempak dengan
mengatur intensitas dari setiap frekuensi
tunggal sebelum sinyal sampai ke detektor.
Hasil dari pindai interferometer yang berupa
interferogram (plot antara intensitas dan posisi
cermin) ini tidak dapat diinterp retasikan
dalam bentuk aslinya. Proses transformasi
Fourier akan mengubah interferogram
menjadi spektrum antara intensitas dan
frekuensi (George & McIntyre 1987).
Analisis Kemometrik Spektrum IR
Spektrum IR sangat kaya akan informasi
sktruktur molekular yang terdiri atas gerak
rotasi dan vibrasi. Banyaknya gerakan
molekular dari molekul poliatom akan
membentuk serangkaian pita serapan yang
spesifik untuk masing-masing molekul. Hal
ini membuat spektroskopi IR menjadi metode
analisis kualitatif yang sangat berguna, tetapi
sulit dilakukan akibat adanya kemiripan dari
setiap respons spektrum. Analisis kuantitatif
spektrum IR juga sangat sulit karena adanya
tumpang tindih spektrum serapan dari
molekul-molekul dalam sampel. Untuk dapat
mengekstraksi informasi dari data spektrum
IR yang rumit tersebut, diperlukan suatu
metode kemometrik berupa analisis
multivariat (Stchur et al. 2002).
Analisis multivariat menyediakan metode
untuk mengurangi data berukuran besar yang
diperoleh dari instrumen, seperti
spektrofotometer. Metode kalibrasi
multivariat dapat berupa multiple linear
regression, principal component regression,
PLS, dan artificial neural network (ANN)
(Brereton 2000). Selain itu, analisis
multivariat dapat digunakan untuk pengenalan
pola dalam sampel melalui metode PCA,
discriminant analysis , K-nearest neighbour,
soft independent modelling of class anology,
dan cluster analysis (Miller & Miller 2000).
PCA
PCA merupakan suatu metode analisis
peubah ganda yang bertujuan memperkecil
dimensi peubah asal sehingga diperoleh
peubah baru (principal component, PC) yang
tidak saling berkorelasi tetapi menyimpan
sebagian informasi yang terkandung pada
peubah asal. Pemilihan PC dilakukan
sehingga PC pertama memiliki variansi
terbesar dalam set data, sedangkan PC kedua
tegak lurus terhadap PC pertama dan memiliki
variansi terbesar selanjutnya. Dua PC pertama
pada umumnya digunakan sebagai bidang
proyeksi untuk inspeksi visual dari data
(Miller & Miller 2000).
Teknik PCA berdasar pada dekomposisi
matriks data X (N × K) menjadi dua matriks
T (N × A) dan matriks P (K × A) yang saling
tegak lurus (Gambar 3). Matriks T yang
disebut dengan matriks scores
menggambarkan variansi dalam objek,
sedangkan matriks P yang disebut dengan
matriks loading menjelaskan pengaruh
variabel terhadap komponen utama. Matriks P
terdiri atas data asli dalam sistem koordinat
baru. Error dari model yang terbentuk
dinyatakan dalam E (Lohninger 2004).
k komponen a variabel
utama
X T E
n objek
Gambar 3 Prinsip PCA (Lohninger 2004).
PLS
PLS digunakan untuk memprediksi
serangkaian variabel tak bebas dari variabel
bebas (prediktor) yang jumlahnya sangat
banyak, memiliki struktur sistematik linier
atau nonlinier, dengan atau tanpa data yang
hilang, dan memiliki kolinearitas yang tinggi.
Metode ini membentuk model dari variabel-
variabel yang ada untuk membentuk
serangkaian respons dengan menggunakan
regresi kuadrat terkecil dalam bentuk matriks
(Herve 2003).
Parameter-parameter dalam PLS sebagai
metode kalibrasi adalah factors , loadings, dan
scores . Model PLS berdasar pada komponen
utama dari data bebas X dan data tak bebas y.
Inti dari PLS adalah untuk menghitung nilai
(scores) dari matriks X dan y dan untuk
membuat model regresi antara nilai-nilai
tersebut (Dieterle 2003).
Gambar 4 menunjukkan bahwa matriks
data X diuraikan menjadi matriks T (matriks
scores ), matriks P (matriks loading), dan
matriks error E, sedangkan matriks y
diuraikan menjadi U, Q, dan error f. Kedua
persamaan ini disebut ‘hubungan luar’. Hasil
dari T dan P mendekati data spektrum,
sedangkan hasil U dan Q mendekati
konsentrasi sebenarnya. Tujuan dari algoritma
PLS adalah meminimalkan f dengan terus
menjaga korelasi antara X dan y dalam
‘hubungan dalam’ U=BT (Lohninger 2004).

“hubungan “hubungan
dalam” luar”
y T f dididihkan kembali sebentar. Penambahan
Gambar 4 Prinsip PLS (Lohninger 2004).
BAHAN DAN METODE
Bahan dan Alat
Bahan-bahan yang digunakan adalah
sampel daun meniran berusia tiga bulan yang
diperoleh dari tiga daerah (Bantar Kambing,
Darmaga, dan Cisarua), etanol, larutan 0.5%
heksametilenatetramina, aseton, larutan 25%
HCl dalam air, etil asetat, larutan asam asetat
glasial 5% dalam metanol, standar kuersetin
(Sigma), AlCl 3 2% dalam asam asetat 5%,
akuades, dan kapas.
Alat-alat yang digunakan adalah
Spektronik-20, spektrometer FTIR Tensor 37
(Bruker), satu unit komputer TOSHIBA
Mobile Intel Pentium III dengan spesifikasi:
prosesor : Intel Pentium III
memori : 128 MB
hardisk : 10 GB
sistem operasi : Microsoft Windows XP
Professional
Perangkat lunak yang digunakan adalah
OPUS versi 4.2, Microsoft Excel, dan The
Unscrambler versi 9.5 (Camo Inc.).
Metode Penelitian
Penentuan Kadar Flavonoid (Depkes RI)
Sebanyak 10 g serbuk daun meniran
kering dimaserasi menggunakan 60 mL etanol
selama 6 jam di atas alat kocok kemudian
disaring. Filtrat disimpan, sedangkan residu
direfluks dalam 40 mL etanol selama 3 jam.
Hasil refluks disaring dan filtratnya
dipindahkan ke labu lain. Residu direfluks
kembali dengan etanol. Filtrat hasil maserasi
dan refluks digabungkan dan dipekatkan
dengan evaporator putar sampai terbentuk
ekstrak kental. Ekstrak kental di masukkan ke
dalam oven untuk menghilangkan sisa etanol.
Ekstrak kering lalu ditimbang setara
dengan 200 mg simplisia lalu dihidrolisis
dengan 1.0 mL larutan 0.5% (b/v)
heksametilenatetramina, 20.0 mL aseton, dan
2.0 mL larutan 25% HCl dalam air. Hidrolisis
dilakukan dengan pemanasan sampai
mendidih selama 30 menit. Campuran hasil
hidrolisis disaring menggunakan kapas ke
dalam labu takar 100 mL, kemudian residu
hidrolisis ditambah 20 mL aseton untuk
aseton dan pendidihan ini dilakukan sebanyak
2 kali. Filtrat lalu dikumpulkan ke dalam labu
takar. Setelah labu ukur dingin, volume
ditepatkan sampai tera dan dikocok sampai
tercampur sempurna. Sebanyak 20 mL filtrat
hasil hidrolisis dipindahkan ke dalam corong
pisah, lalu ditambahkan 20 mL akuades.
Ekstraksi kocok dilakukan dengan 15 mL etil
asetat (satu kali) dan 10 mL etil asetat (dua
kali). Fraksi etil asetat dikumpulkan ke dalam
labu ukur 50.00 mL dan 25.00 mL, lalu ditera
dengan etil asetat. Untuk replikasi
spektrofotometri prosedur dilakukan 3 kali.
Analisis spektrofotometri diawali dengan
memindahkan 10 mL larutan fraksi etil asetat
ke dalam labu ukur 25 mL, kemudian
ditambahkan 1 mL larutan 2 g AlCl 3 dalam
100 mL larutan asam asetat glasial 5% (dalam
metanol) . Larutan asam asetat glasial 5% v/v
ditambahkan sampai tepat 25.00 mL. Sebagai
standar digunakan larutan kuersetin murni
dalam etil asetat dengan konsentrasi 3, 6, 12,
15, dan 24 ppm, lalu diukur pada ëmax 370.8
nm.
Spektroskopi FTIR
Sebanyak 0.5 mg sampel daun meniran
yang telah dikeringkan dan dihaluskan
dicampur dengan 180 mg KBr untuk dijadikan
pelet. Pelet dibuat menggunakan hand press
Shimadzu dengan tekanan sebesar 8 ton
selama 10 menit. Pengukuran spektrum
dilakukan menggunakan spektrometer FTIR.
Sebuah komputer personal yang dilengkapi
dengan perangkat lunak OPUS digunakan
untuk mengontrol kerja spektrometer pada
kisaran daerah 4000–400 cm-1 . Spektrum yang
dihasilkan lalu disimpan dalam f ormat OPUS.
Spektrum IR dalam satuan transmitans
diubah terlebih dahulu menjadi absorbans
sebelum diberikan perlakuan prapemrosesan.
Data spektrum lalu dinormalisasi min-max
sehingga absorbans terkecil diset menjadi
bernilai 0, sedangkan absorbans tertinggi
menjadi bernilai 2. Hasil normalisasi
kemudian diberikan koreksi garis dasar untuk
membuat garis dasar spektrum berada pada PEMBAHASAN
absorbans 0, dilanjutkan dengan derivatisasi
pertama spektrum dan penghalusan metode Kadar Flavonoid Meniran
Savitsky Golay 13 titik.
Tabel 3 menunjukkan kadar flavonoid
Analisis Data Seca ra Kemometrik total meniran dari daerah Bantar Kambing,
Darmaga, dan Cisarua yang diukur
Spektrum IR dalam format OPUS menggunakan metode Depkes. Perhitungan
disimpan dalam format data point table (DPT) lengkapnya dapat dilihat pada Lampiran 3.
yang dapat dibuka dengan menggunakan Uji-F menunjukkan bahwa hasil pengukuran
program Microsoft Excel. Data absorbans dari kadar flavonoid total meniran dari ketiga
spektrum IR dengan dan tanpa prapemrosesan daerah memiliki ketelitian yang tidak berbeda
kemudian dipotong pada bilangan gelombang nyata (Lampiran 4), sedangkan hasil uji-t
2499–2250 cm-1 untuk menghilangkan menunjukkan nilai kadar flavonoid total yang
serapan CO2 . Data kemudian dibagi menjadi berbeda nyata antara ketiga daerah asal
empat jenis, yaitu data absorbansi utuh, sampel (Lampiran 5). Perbedaan kadar
segmen I, segmen II, serta gabungan segmen I flavonoid yang terkandung dalam tanaman
dan II. Segmentasi spektrum ini diperlihatkan dapat disebabkan oleh perbedaan lingkungan
pada Tabel 1. tempat tumbuhnya tanaman tersebut.
Perbedaan kondisi lingkungan dapat
Tabel 1 Segmentasi spektrum IR mempengaruhi konstituen kimia tanaman
Kisaran (Summanen 1999). Kadar flavonoid dan
bilangan gelombang senyawa fenolik lain di dalam tanaman
(cm-1)
berbeda-beda di antara set iap ba gian, jaringan,
Spektrum utuh 3999–399
dan umur tanaman, serta dipengaruhi oleh
Segmen I 3730–2812
Segmen II 1890–399 faktor-faktor lingkungan. Faktor -faktor ini
Gabungan segmen I dan II 3730–2812 dan adalah temperatur, sinar ultraviolet dan
1890–399 tampak, nutrisi, ketersediaan air, dan kadar
CO2 pada atmosfer (Bohm 1987, diacu dalam
Analisis kemometrik dilakukan Estierte et al. 1999). Kadar air ketiga sampel
menggunakan set data dengan dan tanpa meniran dapat dilihat pada Lampiran 6.
pemberian prapemrosesan. Selanjutnya set
data dinamakan berdasarkan pada diberikan Tabel 3 Kadar flavonoid total meniran
atau tidaknya perlakuan prapemrosesan dan Daerah Kadar Rerata
Sampel flavonoid
segmentasi terhadap data. Penamaan ini dapat asal (% b/b)
(% b/b)
dilihat pada Tabel 2.
1 1.54
2 1.42
Tabel 2 Penamaan set data Bantar
3 1.56 1.56
Set Perlakuan Pembagian data Kambing
4 1.62
data 5 1.64
1 Spektrum utuh 6 1.46
2 tanpa Segmen I 7 1.36
3 prapemrosesan Segmen II 8 Darmaga 1.39 1.40
4 Gabungan segmen I dan II 9 1.34
5 Spektrum utuh 10 1.46
6 dengan Segmen I 11 1.16
7 prapemrosesan Segmen II 12 1.08
8 Gabungan segmen I dan II 13 Cisarua 1.34 1.14
14 1.16
Lampiran 1 menunjukkan bagan alir 15 0.98
percobaan secara umum. Analisis kemometrik
PCA dan PLS dari kadar flavonoid yang Spektrum IR Meniran
diperoleh dari metode referensi dan spektrum
IR serbuk kering meniran dilakukan dengan Gambar 5 menunjukkan perbedaan antara
menggunakan perangkat lunak The spektrum IR sampel meniran dan standar
Unscrambler 9.5, tahapan -tahapan analisis kuersetin. Perbedaan ini disebabkan oleh turut
dapat dilihat pada Lampiran 2. terukurnya serapan molekul -molekul selain
flavonoid yang terdapat pada sel utuh dari
serbuk kering meniran. Uji fitokimia yang
dilakukan menunjukkan terkandungnya
alkaloid, triterpenoid, steroid, dan tanin di
dalam sampel. Vibrasi gugus-gugus dalam
senyawa-senyawa ini turut memberikan
pengaruh terhadap spektrum IR bersama
dengan matriks sel tanaman tersebut.
Gugus-gugus dalam molekul kuersetin
yang dapat memberikan serapan, antara lain
C=C dan C-C aromatik, C-C, C-O, O-H,
C=O, dan C-H. Pada Gambar 5a terlihat
bahwa spektrum kuersetin terdapat serapan
gugus O-H pada bilangan gelombang 3400–
3200 cm-1, gugus C=O keton pada 1725–1705
cm- 1, gugus C=C aromatik pada 1600 dan
1475 cm-1 , dan gugus C-O pada 1260–1000
cm- 1. Perbedaan antara spektrum kuersetin
dan meniran yang tampak dengan jelas, antara
lain pada bilangan gelombang 3699 dan 3622
cm- 1 dari spektrum meniran Cisarua yang
merupakan serapan gugus O-H. Ketiga
spektrum sampel meniran juga memiliki
puncak serapan C-H yang tajam pada 2919
dan 2850 cm-1.
b : meniran Bantar Kambing
Keterangan:
: meniran Bantar Kambing
: meniran Darmaga
: meniran Cisarua
Gambar 5 Perbandingan spektrum IR standar
kuersetin (a) dengan sampel
serbuk kering meniran (b).
Gambar 6a menunjukkan spektrum IR
sampel serbuk kering meniran dari tiga daerah
berbeda, dengan ulangan pengukuran
sebanyak lima kali untuk setiap daerah.
Meniran-meniran ini memiliki pola absorbansi
yang serupa satu sama lain, hanya berbeda
pada nilai kuantitatif absorbansi dari masing-
masing spektrum. Perbedaan spektrum IR dari
masing-masing daerah tidak dapat terlihat
dengan jelas. Gambar 6b menunjukkan
spektrum setelah diberikan prapemrosesan.
Terlihat bahwa kelimabelas spektrum menjadi
lebih seragam. Teknik prapemrosesan ini
dapat menghilangkan gangguan garis dasar
spektrum dan mengurangi derau acak pada
spektrum awal sehingga akan meningkatkan
hasil analisis kemometrik (Naes et al. 2002).
Derivatisasi akan menghilangkan pergeseran
garis dasar dan tumpang tindih puncak
sehingga informasi spektrum yang berguna
untuk analisis selanjutnya akan meningkat
(Stchur et al. 2002).
b
Keterangan:
: meniran Darmaga
: meniran Cisarua
Gambar 6 Spektrum IR sampel serbuk
kering meniran dari tiga daerah
berbeda: a. tanpa prapemrosesan,
b. dengan prapemrosesan.
 Segmentasi spektrum IR dilakukan dengan
membuang spektrum pada kisaran bilangan
gelombang tertentu yang tidak menunjukkan
serapan berarti. Menurut Vazquez et al.
(2000), penggunaan data spektrum pada
kisaran tertentu akan meningkatkan hasil
analisis kemometrik. Segmentasi dapat
mengurangi wilayah spektrum IR yang
mengandung banyak derau dan tidak memiliki
informasi penting untuk analisis selanjutnya.
Namun segmentasi juga dapat menurunkan
hasil analisis karena sebagian informasi
berharga juga mungkin turut terbuang (Zou et
al. 2005). Oleh karena itu, pemilihan kisaran
spektrum untuk segmentasi ini harus
dilakukan dengan cermat. Segmentasi pada
spektrum IR sampel serbuk kering meniran
diperlihatkan pada Lampiran 7–14.
Klasifikasi Spektrum IR Serbuk Kering
Meniran dengan PCA
Teknik PCA dapat mengurangi dimensi
dari data awal, yaitu dari ribuan dimensi
(sebanyak jumlah bilangan gelombang
spektrum IR) menjadi hanya dua dimensi.
Proyeksi sampel terhadap dua variabel baru
ini ditunjukkan pada score plot. Score plot
untuk dua PC pertama biasanya paling
berguna dalam analisis karena kedua PC ini
memiliki variansi terbanyak dalam data.
Gambar 7 menunjukkan score plot dari
kelimabelas spektrum IR sampel serbuk
kering meniran dari tiga daerah berbeda. Plot
ini memper lihatkan pola yang terdapat pada
spektrum IR, semakin dekat satu titik dengan
titik yang lain, maka semakin besar kemiripan
di antara spektrum IR sampel tersebut.
Pengelompokan diperoleh berdasarkan pada
daerah asal sampel meniran.
Pengelompokan dari spektrum IR tanpa
prapemrosesan ditunjukan pada Gambar 7a-e.
Score plot dari spektrum IR ini tidak
menunjukkan pemisahan yang jelas antara
ketiga kelompok sampel meniran. Gambar 7a
memperlihatkan bahwa score plot dua PC
pertama dari data spektrum IR tanpa
segmentasi mampu menjelaskan 92% dari
variansi total (PC1 = 83%, PC2 = 9%). Pola
pengelompokan sampel tidak terlihat dengan
jelas. Walaupun plot samp el meniran dari
Cisarua telah terlihat berdekatan, sampel-
sampel meniran Bantar Kambing dan
Darmaga masih saling bercampur dan belum
dapat terlihat pengelompokannya. Sampel
nomor 1 terlihat sangat terpisah dari
kelompoknya dan program Unscrambler
mengidentifikasinya sebagai pencilan.
Pencilan ini dapat disebabkan oleh adanya
galat pengukuran, sampel dari kategori lain,
atau kesalahan instrumental (Stchur et al.
2002). Sampel nomor 1 kemudian dihilangkan
dan tidak disertakan lagi dalam proses analisis
selanjutnya.
Gambar 7b-e menunjukkan score plot dari
data spektrum tanpa melalui tahap
prapemrosesan dengan telah di hilangkannya
pencilan. Terlihat bahwa data spektrum
dengan segmen I (Gambar 7c) memberikan
hasil pengelompokan yang terbaik di antara
data yang lain, yaitu mampu menjelaskan 99%
dari variansi total pada kedua PC pertamanya
(PC1 = 94%, PC2 = 5%). Walaupun
demikian, pengelompokan ini diperkirakan
lebih dipengaruhi oleh kadar air yang
terkandung pada masing-masing sampel.
Segmen I ini melibatkan absorbans sampel
pada bilangan gelombang 3730–2812 cm -1,
dengan serapan gugus OH pada 3000–3700
cm-1. Score plot dari absorbans utuh (Gambar
7b) hanya mampu menjelaskan 88% variansi
(PC1 = 74%, PC2 = 14%), segmen II (Gambar
7d) mampu menjelaskan 97% variansi (PC1 =
66%, PC2 = 31%), sedangkan gabungan
segmen I dan II (Gambar 7e) mampu
memberikan pengelompokan dengan
menjelaskan 90% variansi (PC1 = 76%, PC2
= 14%).
Gambar 7f-i memperlihatkan pengaruh
pemberian perlakuan prapemrosesan spektrum
IR terhadap pengelompokan sampel.
Pengelompokan dapat terlihat jelas dari saling
berdekatannya sampel-sampel yang berasal
dari satu daerah. Dua PC pertama pada score
plot dari data spektrum utuh mampu
menjelaskan 91% dari variansi total (PC1 =
70%, PC2 = 21%), sedangkan score plot dari
data segmen I, II, serta gabungan segmen I
dan II bertur ut-turut menjelaskan variansi
sebesar 95% (PC1 = 81%, PC2 = 14%), 89%
(PC1 = 75%, PC2 = 14%), dan 91 % (PC1 =
70%, PC2 = 21%).
Pengelompokan terbaik dari spektrum IR
dengan prapemrosesan dimiliki oleh data
spektrum utuh tanpa segmentasi (Gambar 7f)
serta data spektrum gabungan segmen I dan II
(Gambar 7i). Terlihat bahwa seluruh sampel
pada masing-masing kelompok berada saling
berdekatan satu sama lain. Tidak berbedanya
hasil pengelompokan antara kedua set data ini
menunjukkan bahwa kisaran bilangan
gelombang di luar segmen I dan II tidak
memiliki informasi yang berarti untuk
pengelompokan sampel sehingga pemotongan
var iabel pada daerah ini tidak mempengaruhi
hasil pengelompokan.
 a b

c d

e f

g h

Keterangan:
1-5 : meniran Bantar Kambing
6-10 : meniran Darmaga
11-15 : meniran Cisarua
i

Gambar 7 Score plot dua PC pertama dari spektrum IR serbuk kering meniran: a. utuh tanpa
prap emrosesan dengan pencilan, b. utuh tanpa prapemrosesan, c. segmen I tanpa
prapemrosesan, d. segmen II tanpa prapemrosesan, e. gabungan segmen I dan II tanpa
prapemrosesan, f. utuh dengan prapemrosesan, g. segmen I dengan prapemrosesan, h.
segmen II dengan prapemrosesan, i. gabungan segmen I dan II dengan prapemrosesan.
 Pembentukan Model Prediksi
Kadar Flavonoid Meniran dengan PLS
Metode PLS digunakan untuk
menghubungkan spektrum IR serbuk kering
meniran terhadap konsentrasi flavonoid total
yang diperoleh dari pengukuran dengan
metode Depkes. Model kalibrasi dibentuk dari
nilai absorbansi sebagai variabel x (prediktor)
dan nilai konsentrasi flavonoid total sebagai
variabel y (respons).
Kemampuan prediksi model dapat dilihat
dari beberapa parameter terutama nilai
korelasi dan root mean square error
prediction (RMSEP) model tersebut. Model
prediksi yang baik memiliki nilai korelasi
antara nilai y prediksi dan nilai y referensi
yang tinggi dan RMSEP yang rendah (Naes et
al. 2002). Selain korelasi dan RMSEP, nilai
error standar model juga harus diperhatikan.
Error validasi (prediksi) yang jauh lebih besar
daripada error kalibrasi menandakan
terjadinya overfitting pada model. Model
tersebut melibatkan terlalu banyak komponen
sehingga variansi yang dimilikinya akan
menjadi terlalu besar. Hal ini menurunkan
kemampuan prediksi model. Oleh karena itu,
dalam memilih model terbaik, kedekatan nilai
korelasi dan error antara validasi dan kalibrasi
juga perlu diperhatikan (Baranska et al. 2004).
Hasil statistik kedelapan model yang
diperoleh dengan metode PLS ditunjukkan
pada Tabel 4. Korelasi validasi terbesar
dimiliki oleh model 2, yaitu sebesar 0.882018.
Model ini juga memiliki nilai RMSEP
terendah, yaitu 0.091137. Nilai error standar
model ini sebesar 0.053148 untuk SEC
(standard error of calibration ) dan 0.093832
untuk SEP (standard error of prediction).
Walaupun demikian, model 2 tidak dipilih
sebagai model prediksi terbaik karena model
ini berasal dari data absorbans pada kisaran
bilangan gelombang 3730–2812 cm -1 yang
meliputi daerah serapan gugus OH sehingga
dikhawatirkan model prediksi akan lebih
dipengaruhi oleh kadar air sampel.
Model 5 dan 8 memiliki kemampuan
prediksi yang hampir sama, hal ini dapat
dilihat dari parameter-parameter prediksi
seperti korelasi, RMSEP, RMSEC, SEC, SEP,
dan bias yang bernilai tak jauh berbeda antara
kedua model. Kedua model ini memiliki
kemampuan prediksi yang terbaik di antara
model -model lain. Model 5 memiliki nilai
korelasi validasi dan kalibrasi sebesar
0.894222 dan 0.833434. Nilai ini tidak jauh
berbeda dengan model 8, yaitu sebesar
0.894449 dan 0.833810. Kedua model juga
memiliki perbedaan nilai korelasi validasi dan
kalibrasi yang paling kecil dibandingkan
dengan kedelapan model lainnya. Nilai SEC
dan SEP juga tidak jauh berbeda, yaitu
0.88985 dan 0.110042 untuk model 5 dan
0.88895 dan 0.109928 untuk model 8. Selain
itu, kedua model ini juga memiliki nilai
RMSEP terendah, yaitu 0.106108 dan
0.105997.
Secara keseluruhan, model 8 memiliki
kemampuan prediksi yang sedikit lebih baik
dibandingkan dengan model 5. Hal ini
disebabkan oleh adanya pemotongan variabel
prediktor (x) pada model 8. Model 5 berasal
dari data spektrum IR utuh, sedangkan model
8 berasal dari data spektrum IR gabungan
segmen I dan II. Hal ini menunjukkan bahwa
pemotongan variabel prediktor yang tidak
memberikan informasi berarti dapat
meningkatkan kemampuan prediksi model.

Tabel 4 Hasil statistik model prediksi kadar flavonoid total meniran dengan metode PLS
Model Korelasi RMSEC RMSEP SEC SEP Bias Faktor

Kalibrasi 0.944982 0.062665 0.065030 2.554e-08

1 5
Validasi 0.812025 0.115934 0.120091 -0.007002
Kalibrasi 0.963600 0.051214 0.053148 2.554e-08
2 2
Validasi 0.882018 0.091137 0.093832 -0.011425
3 Kalibrasi 0.876252 0.092305 0.095790 8.515e-09
5
Validasi 0.787920 0.120084 0.124316 0.008340
Kalibrasi 0.943271 0.063604 0.066005 8.515e-09
4 5
Validasi 0.801752 0.118613 0.122334 -0.013126
Kalibrasi 0.894222 0.085748 0.088985 1.703e-08
5 1
Validasi 0.833434 0.106108 0.110042 -0.003811
Kalibrasi 0.890030 0.087334 0.090631 8.515e-09
6 1
Validasi 0.813360 0.112279 0.116493 -0.002328
7 Kalibrasi 0.867390 0.095327 0.098926 8.515e-09 2
Validasi 0.795477 0.116729 0.121020 -0.005091
8 Kalibrasi 0.894449 0.085661 0.088895 8.515e-09 1
Validasi 0.833810 0.105997 0.109928 -0.003801
 Gambar 8 menunjukkan scatter plot antara
kadar flavonoid total meniran yang diprediksi
oleh model 8 dengan kadar flavonoid total
sebenarnya yang diperoleh dari metode
referensi. Plot ini dapat memperlihatkan
seberapa baik model regresi yang dihasilkan.
Model yang baik memiliki nilai korelasi yang
tinggi dan menghasilkan titik-titik yang
berdekatan sepanjang garis lurus dengan nilai
slope mendekati 1 (sudut 45°). Kedekatan
nilai kalibrasi dan validasi juga menunjukkan
kebaikan dari model prediksi yang dibentuk.
Scatter plot dari kedelapan model dapat
dilihat pada Lampiran 15 dan 16.
Keterangan: kalibrasi
validasi
Gambar 8 Scatter plot dua dime nsi antara
kadar flavonoid prediksi dan kadar
flavonoid sebenarnya dari model
8.
SIMPULAN DAN SARAN
Simpulan
Sampel meniran dari daerah uji Bantar
Kambing, Darmaga, dan Cisarua memiliki
kadar flavonoid total yang berbeda. Teknik
PCA mampu menunjukkan pengelompokan
spektrum IR dari ketiga jenis sampel meniran
ini. Pengelompokan terbaik dihasilkan dari set
data ke-5 dan ke-8, yaitu data dengan
prapemrosesan spektrum IR utuh dan
spektrum IR gabungan segmen I dan II.
Model prediksi kadar flavonoid meniran dapat
dibentuk dengan teknik PLS. Kemampuan
prediksi terbaik dimiliki oleh model 8 (r
kalibrasi = 0.894449, r validasi = 0.833810,
RMSEC = 0.085661, RMSEP = 0.105997,
SEC = 0.88895, SEP = 0.109928, bias
kal ibrasi = 8.515e-09, dan bias validasi =
-0.003801). Teknik spektroskopi IR yang
digabungkan dengan kemometrik mampu
digunakan sebagai metode cepat penentuan
flavonoid total meniran dari ketiga daerah uji.
Saran
Jumlah ulangan pengukuran perlu
diperbesar agar lebih sebanding dengan
banyaknya variabel pengukuran. Pembuatan
model prediksi dapat pula menggunakan
metode ANN dan dibandingkan hasilnya
dengan model dari metode PLS. Setelah
model prediksi terbentuk sebaiknya
dilanjutkan dengan tahapan validasi.
Pembuatan model prediksi juga dapat
dilakukan dengan menggunakan nilai respons
kadar flavonoid yang dihasilkan dari metode
KCKT atau metode lain yang diakui secara
internasional.
DAFTAR PUSTAKA
Achyad DE, Rasyidah R. 2000. Meniran
(Phyllantus Urinaria Linn.). [terhubung
berkala]. http://www.asiamaya.com/jamu/
isi/meniran_phyllanthusurinaria.htm [22
April 2005].
Amiæ D, Dušanka DA, Bešlo D, Trinasjtiæ.
2003. Structure-radical scavenging activity
relationships of flavonoids. Croatia Chem
Acta 76:55-61.
Baranska M et al. 2005. Quality control of
Harpagophytum procumbens and its
related phytopharmaceutical products by
means of NIR-FT-Raman spectroscopy.
Biopolymers 77:1–8.
Brereton RG. 2000. Introduction to
multivariate calibration in analytical
chemistry. Analyst 125:2125 –2154.
Campos AH, Schor N. 1999. Phyllantus niruri
inhibits calcium oxalate endocytosis by
renal tubular cells: its role in urolithiasis
Nephron 81:393–397.
Chairul. 1999. Tempuyung untuk
mengh adang asam urat. [terhubung
berkala]. http://www.indomedia.com/
intisari/1999/juni/tempuyung.htm [22
April 2005].
Chang CC, Yang MH, Wen HM, Chern JC.
2002. Estimation of total flavonoid content
in propolis by two complementary
colorimetric methods. J Food Drug Anal
10:178–182.

Chew OS, Hamdan MR, Ismail Z, Ahmad
MN. 2004. Assessment of herbal
medicines by chemometrics – assisted
interpretation of FTIR spectra. J Anal
Chim Acta, in press .
Christian GD. 1986. Analytical Chemistry. Ed
ke-4. New York: J Wiley.
[Depkes RI] Departemen Kesehatan Republik
Indonesia. Direktorat Pengawasan Obat
Tradisional. 2000. Parameter Standar
Umum Ekstrak Tumbuhan Obat . Jakarta:
Depkes RI.
Dieterle F. 2003. Multianalyte quantificat ions
by means of integration of artificial neural
networks, genetic algorithms and
chemometrics for time-resolved analytical
data. http://www.frank-dieterle.de/phd/ 6_
1.html. [28 April2005].
Estierte M et al. 1999. Free-air CO2
enrichment of wheat: leaf flavonoid
concentration throughout the growth cycle.
Physiologia Plantarium 105:423–433.
George B, McIntyre P. 1987. Infrared
Spectroscopy. London: J Wiley.
Harborne JB. 1987. Metode Fitok imia.
Padmawinata K dan Soediro I,
penerjemah. Bandung: Penerbit ITB.
Terjemahan dari: Phytochemical Methods .
Herve A. 2003. Partial least square
(regression). http://www.utdallas.edu/
~herve /Abdi-PLS-pretty.pdf. [28 April
2005].
Jajang. 2004. Penerapan analisis artificial
neural networks (ANN) dalam
pengelompokan ekstrak daun jati belanda
(Guazuma ulmifolia Lamk.) [tesis]. Bogor:
Program Pascasarjana, Institut Pertanian
Bogor.
Lohninger H. 2004. Multivariate calibration.
[terhubung berkala]. http://www.vias.org/
tmdatanaleng /cc_multivarcal. html [28
Maret 2005].
Marchart E, Krenn L, Kopp B. 2003.
Quantification of the flavonoid glycosides
in Passiflora incarnata by capillary
electrophoresis. Planta Med 69:452–456.
Merken HM , Beecher GR. 2000. Liquid
chromatographic method for the
separation and quantification of prominent
flavonoid aglycones. J Chromatogr A
897:177–184.
Miller AL. 1996. Antioxidant flavonoids:
structure, function, and clinical usage. Alt
Med Rev 1:103-111.
Miller JC, Miller JN. 2000. Statistic and
Chemometrics for Analytical Chemistry.
Ed ke-4. Harlow: Pearson Education.
Naes T, Isaksson T, Fearn T, Davies T. 2002.
A User -Friendly Guide to Multivariate
Calibration and Classification.
Chichester: NIR Publications.
Naik AD, Juvekar AR. 2003. Effect of
alkaloidal extract of Phyllantus niruri on
HIV replication. Indian J Med Sci 57:387–
393.
Nur MA, Adijuwana H. 1989. Teknik
Spektroskopi dalam Analisis Biologi.
Bogor: PAU Ilmu Hayat, IPB.
Rajeshkumar NV et al. 2002. Antitumour and
anticarcinogenic activity of Phyllantus
amarus extract. J Ethnopharmacol 81:17–
22.
Robinson T. 1995. Kandungan Organik
Tumbuha n Tinggi . Ed ke-6. Padmawinata
K, penerjemah. Bandung: Penerbit ITB.
Terjemahan dari: The Organic Constituent
of Higher Plants.
Santos AR et al. 1994. Analgesic effects of
callus culture extract s from selected
species of Phyllantus in mice. J Pharm
Pharm acol 49:755–759.
Schulz H, Drews HH, Quilitszsh R, Kruger H.
1998. Application of near infrared
spectroscopy for the quantification of
quality parameters in selected vegetables
and essential oil plants. J Near Infrared
Spectrosc 6:A125–A130.
Schulz H, Drews HH, Kruger H. 1999. Rapid
NIRS determination of quality parameters
in leaves and isolated essential oils of
Mentha species. J Essent Oil Res 11:185–
190.
Shao X, Zhuang Y. 2004. Determination of
chlorogenic acid in plant samples by using
near-infrared spectrum with wavelet
transform preprocessing. Anal Sci 20:451–
454.
Skoog DA, Holler FJ, Nieman TA. 1998.
Principles of Instrumental Analysis. Ed
ke-5. Philadelphia: Harcourt Brace.
Soedibyo M. 1998. Alam Sumber Kesehatan,
Manfaat, dan Kegunaan. Jakarta: Balai
Pustaka.
bin/plant_profile.cgi?symbol=PHDE4 [15
Mei 2005].
Vazquez PP, Galera M , Frenich AG, Vidal
JM. 2000. Comparison of calibration
methods with and without feature selection
for the analysis of HPLC data. Anal Sci
16:49 –55.
Zou HB et al. 2005. Progress in quality
control of herbal medicine with IR
fingerprint spectra. Anal Lett 38:1457–
1475.

Srividya N, Periwal S. 1995. Diuretic,

hypotensive, and hypoglycaemic effect of
Phyllantus amarus. Indian J Exp Biol
33:861–864.

Stchur P, Cleveland D, Zhou J, Michel RG.

2002. A review of recent applications of
near infrared spectroscopy, and the
characteristics of a novel PbS CCD array -
based near infrared spectrometer. Appl
Spect Rev 37:383–428.

Subarnas A, Sidik. 1993. Phyllantus niruri

Linn., kimia, farmakologi, dan
penggunaannya sebagai obat tradisional.
Warta Tumbuhan Obat Indonesia 2:13–15.

Summanen JA. 1999. A chemical and

ethnopharmalogical study on Phyllantus
emblica (Euphorbiaceae) [disertasi] .
Helsinki: Faculty of Science, University of
Helsinki.

Syamasundar KV, Singh B, Thakur RS,

Husain A, Kiso Y. 1985. Antihepatotoxic
principles of P. niruri herbs. J
Ethnopharmacol 14:41–44.

Taylor L. 2003. Technical data report for

chanca piedra “stone breaker” (Phyllantus
niruri). [terhubung berkala]. http://www.
rain-tree.com/chanca-techreport.pdf [14
Febuari 2006].

Tona L et al . 2001. In-vivo antimalarial

activity of Cassia occidentalis, Morinda
morindoides, and Phyllantus niruri. Ann
Trop Med Parasitol 95:45–57.

[USDA] United States Department of

Agriculture. 2005. Plant profile for
Phyllanthus debilis (niruri). [terhubung
berkala]. http://www.plants.usda.gov/cgi_
LAMPIRAN
 14

Lampiran 1 Bagan alir percobaan

Sampel
meniran

Metode Referensi Pengukuran FTIR

(Depkes 2000)

Konsentrasi
Absorbans
flavonoid

Variabel y Variabel x
(respons ) (prediktor)

PLS PCA
 15

Lampiran 2 Pengolahan data dalam analisis kemometrik dengan program Unscrambler

1. Buka program Unscrambler

2. Klik File, pilih New

Format: pilih Plain 2-D data table

Size: Variables : jumlah variabel y (15)
Samples : jumlah variabel x (sejumlah bilangan gelombang spektrum IR)

3. Copy data dari program Excel, paste pada Unscrambler

4. Klik Modify, pilih Transform, lalu Transpose
 16

5. Klik Task, pilih PCA

6. Pada variable set klik Define, kemudian Add

7. Ketik nama, pilih data type: Spectra, masukkan nomor kolom variabel x pada bagian
interval, pilih All variables, lalu klik OK

8. Pada Validation method pilih Cross validation, klik Setup, pilih Full Cross
Validation, lalu klik OK
 17

9. Pada tampilan PCA klik OK,tunggu hingga analisis selesai, lalu klik View

10. Klik file, pilih save result

11. Untuk mengidentifikasi pencilan, klik Mark one by one, kemudian klik Task, dan
pilih Recalculated without marked untuk melakukan analisis PCA
 18

12. Hasil yang diperoleh kemudian disimpan

13. Pada analisis menggunakan PLS, tampilan dikembalikan ke dalam bentuk data awal.
Kemudian klik Task, pilih Regression.
14. Pada method dipilih PLS 1, masukkan set variabel x dan variabel y.
15. Pilih Cross Validation pada Validation Method, lalu klik OK

16. Tunggu program beker ja, hasil analisis lalu disimpan

 19

17. Untuk menampilkan parameter -parameter statistik, klik kanan pada plot keempat,
lalu pilih View, Source, dan Calibration atau Validation

18. Hasil kemudian disimpan

 20

Lampiran 3 Hasil pengukuran kadar flavonoid total meniran dengan metode Depkes RI

Hasil Pengukuran ke -1

• Perhitungan rendemen

Sampel Bobot sampel (g) Bobot ekstrak Rendemen Bobot ekstrak

(g) (%) untuk hidrolisis (g)
A3 10.0030 1.5653 15.65 0.0315
B5 10.0045 1.8377 18.37 0.0368
C2 10.0045 1.5803 15.80 0.0320

Contoh perhitungan:
bobot ekstrak
Rendemen = × 100%
bobot sampel
1.5653 g
= × 100%
10 . 0030 g
= 15.65%

• Pengukuran Spektrofotometri

Pembuatan kurva standar

Konsentrasi (ppm) %T A
0 100.0 0.0000 Persamaan garis:
3 73.6 0.1331
6 54.6 0.2628 y = 0.0022 + 0.0436x
12 29.6 0.5287 r = 99.99%
15 21.8 0.6615
24 9.0 1.0458

Pengukuran sampel
Sampel Ulangan Ulangan %T Absorbans Konsentrasi Rataan Konsentrasi
pengocokan pemipetan (ppm) (ppm) (% b/b)
1 71.4 0.1463 3.3050
1 2 71.2 0.1475 3.3326 3.3234 1.55
3 71.2 0.1475 3.3326
A3
1 71.4 0.1463 3.3050
2 2 71.0 0.1487 3.3601 3.3417 1.56
3 71.0 0.1487 3.3601
1 72.8 0.1379 3.1124
1 2 73.0 0.1367 3.0849 3.0849 1.44
3 73.2 0.1355 3.0573
B5
1 72.4 0.1403 3.1674
2 2 72.8 0.1379 3.1124 3.1399 1.47
3 72.6 0.1391 3.1399
1 78.6 0.1046 2.3486
1 2 78.6 0.1046 2.3486 2.3318 1.08
3 79.0 0.1024 2.2982
C2
1 78.4 0.1057 2.3739
2 2 78.8 0.1035 2.3234 2.3402 1.08
3 78.8 0.1035 2.3234
 21

Contoh perhitungan:
1L 75 mL 100 mL rendemen
[flav](%b/ b) = Kadar(ppm) × × 25 mL × × × × 100%
1000 mL 10 mL 20 mL 100 × bobot ekstrak (mg)
mg 1L 75 mL 100 mL 15.65
= 3.3234 × × 25 mL × × × × 100%
L 1000 mL 10 mL 20 mL 100 × 0.0315 × 103 mg
= 1.55%

Hasil Pengukuran ke -2

• Perhitungan rendemen

Sampel Bobot sampel (g) Bobot ekstrak Rendemen Bobot ekstrak

(g) (%) untuk hidrolisis (g)
A5 10.0026 1.6705 16.70 0.0334
B1 10.0004 2.0944 20.94 0.0419
C3 10.0013 1.8512 18.51 0.0370

• Pengukuran Spektrofotometri

Pembuatan kurva standar

Konsentrasi (ppm) %T A
0 100.0 0.0000
Persamaan garis:
3 76.6 0.1158
6 58.4 0.2336 y = -0.0149 + 0.0422x
12 33.6 0.4737 r = 99.91%
15 25.0 0.6021
24 9.6 1.0177

Pengukuran sampel
Sampel Ulangan Ulangan %T Absorbans Konsentrasi Rataan Konsentrasi
pengocokan pemipetan (ppm) (ppm) (% b/b)
1 73.4 0.1343 3.5355
1 2 73.4 0.1343 3.5355 3.5260 1.65
3 73.6 0.1331 3.5071
A5
1 74.0 0.1308 3.4526
2 2 73.6 0.1331 3.5071 3.4984 1.64
3 73.4 0.1343 3.5355
1 75.6 0.1215 3.2322
1 2 76.2 0.1180 3.1493 3.1769 1.49
3 76.2 0.1180 3.1493
B1
1 76.6 0.1158 3.0972
2 2 77.0 0.1135 3.0426 3.0790 1.44
3 76.6 0.1158 3.0972
1 78.4 01057 2.8578
1 2 78.6 0.1046 2.8318 2.8491 1.34
3 78.4 0.1057 2.8578
C3
1 78.4 0.1057 2.8578
2 2 78.6 0.1046 2.8318 2.8318 1.33
3 78.8 0.1035 2.8057
 22

Hasil Pengukuran ke -3

• Perhitungan rendemen

Sampel Bobot sampel (g) Bobot ekstrak Rendemen Bobot ekstrak

(g) (%) untuk hidrolisis (g)
A2 10.0047 1.4376 14.37 0.0286
B2 10.0048 1.7024 17.02 0.0338
C4 10.0043 1.5882 15.88 0.0324

• Pengukuran Spektrofotometri

Pembuatan kurva standar

Konsentrasi (ppm) %T A
0 100.0 0.0000
3 74.8 0.1261 Persamaan garis:
6 56.4 0.2487 y = 0.0001 + 0.0417x
12 31.6 0.5003 r = 99.99%
15 23.6 0.6271
24 10.0 1.0000

Pengukuran sampel
Sampel Ulangan Ulangan %T Absorbans Konsentrasi Rataan Konsentrasi
pengocokan pemipetan (ppm) (ppm) (% b/b)
1 74.8 0.1343 3.0216
1 2 75.0 0.1343 2.9928 3.0120 1.42
3 74.8 0.1331 3.0216
A2
1 75.2 0.1308 2.9664
2 2 74.4 0.1331 3.0767 3.0216 1.42
3 74.8 0.1343 3.0216
1 75.8 0.1215 2.8825
1 2 76.2 0.1180 2.8827 2.8826 1.36
3 75.8 0.1180 2.8825
B2
1 76.0 0.1158 2.8561
2 2 75.6 0.1135 2.9113 2.8929 1.36
3 75.6 0.1158 2.9113
1 78.4 01057 2.5324
1 2 78.8 0.1046 2.4796 2.5148 1.16
3 78.4 0.1057 2.5324
C4
1 78.8 0.1057 2.4796
2 2 78.4 0.1046 2.5324 2.5148 1.16
3 78.4 0.1035 2.5324
 23

Hasil Pengukuran ke -4

• Perhitungan rendemen

Sampel Bobot sampel (g) Bobot ekstrak Rendemen Bobot ekstrak

(g) (%) untuk hidrolisis (g)
A1 10.0009 1.5888 15.89 0.0315
B3 10.0018 1.5937 15.93 0.0318
C5 10.0015 1.4781 14.78 0.0303

• Pengukuran Spektrofotometri

Pembuatan kurva standar

Konsentrasi (ppm) %T A
0 100.0 0.0000
3 76.4 0.1169 Persamaan garis:
6 59.0 0.2291 y = -0.0038 + 0.0392x
12 34.6 0.4609 r = 99.99%
15 26.4 0.5784
24 11.4 0.9431

Pengukuran sampel
Sampel Ulangan Ulangan %T Absorbans Konsentrasi Rataan Konsentrasi
pengocokan pemipetan (ppm) (ppm) (% b/b)
1 75.0 0.1249 3.2832
1 2 75.0 0.1249 3.2832 3.2738 1.55
3 75.2 0.1238 3.2551
A1
1 75.2 0.1238 3.2551
2 2 75.0 0.1249 3.2832 3.2645 1.54
3 75.2 0.1238 3.2551
1 77.0 0.1135 2.9923
1 2 77.2 0.1124 2.9643 2.9736 1.40
3 77.2 0.1124 2.9643
B3
1 77.4 0.1112 2.9337
2 2 77.2 0.1124 2.9643 2.9439 1.38
3 77.4 0.1112 2.9337
1 83.2 0.0799 2.1352
1 2 83.0 0.0809 2.1607 2.1437 0.98
3 83.2 0.0799 2.1352
C5
1 83.0 0.0809 2.1607
2 2 82.8 0.0820 2.1888 2.1701 0.99
3 83.0 0.0809 2.1607
 24

Hasil Pengukuran ke -5

• Perhitungan rendemen

Sampel Bobot sampel (g) Bobot ekstrak Rendemen Bobot ekstrak

(g) (%) untuk hidrolisis (g)
A4 10.0024 1.4808 14.80 0.0305
B4 10.0008 1.7588 17.59 0.0362
C1 10.0006 1.5505 15.50 0.0319

• Pengukuran Spektrofotometri

Pembuatan kurva standar

Konsentrasi (ppm) %T A
0 100.0 0.0000
3 75.4 0.1226 Persamaan garis:
6 57.2 0.2426 y = -0.0003 + 0.0402x
12 33.2 0.4789 r = 99.99%
15 25.0 0.6020
24 10.8 0.9666

Pengukuran sampel
Sampel Ulangan Ulangan %T Absorbans Konsentrasi Rataan Konsentrasi
pengocokan pemipetan (ppm) (ppm) (% b/b)
1 72.0 0.1427 3.5423
1 2 72.0 0.1427 3.5423 3.5522 1.62
3 71.8 0.1439 3.5721
A4
1 71.8 0.1439 3.5721
2 2 71.6 0.1451 3.6020 3.5721 1.62
3 72.0 0.1427 3.5423
1 76.0 0.1192 2.9577
1 2 75.4 0.1226 3.0432 2.9859 1.36
3 76.0 0.1192 2.9577
B4
1 76.2 0.1180 2.9279
2 2 76.4 0.1169 2.9005 2.9188 1.33
3 76.2 0.1180 2.9279
1 78.6 0.1046 2.5945
1 2 79.0 0.1024 2.5398 2.5672 1.17
3 78.8 0.1035 2.5672
C1
1 79.0 0.1024 2.5398
2 2 79.0 0.1024 2.5398 2.5398 1.16
3 79.0 0.1024 2.5398
 25

Lampiran 4 Uji-F kadar flavonoid total meniran

§ Daerah Bantar Kambing dan Darmaga

Bantar Kambing Darmaga
Rerata 1.556 1.402
Ragam 0.00748 0.00312
Jumlah pengamatan 5 5
Derajat bebas 4 4
F 2.397435897
F 4,4 (P = 0.05) 9.605
F hitung < F tabel variansi kedua hasil pengukuran tidak berbeda nyata

§ Daerah Cisarua dan Bantar Kambing

Cisarua Bantar Kambing
Rerata 1.144 1.556
Ragam 0.01748 0.00748
Jumlah pengamatan 5 5
Derajat bebas 4 4
F 2.336898396
F 4,4 (P = 0.05) 9.605
F hitung < F tabel variansi kedua hasil pengukuran tidak berbeda nyata

§ Daerah Cisarua dan Darmaga

Cisarua Darmaga
Rerata 1.144 1.402
Ragam 0.01748 0.00312
Jumlah pengamatan 5 5
Derajat bebas 4 4
F 5.602564103
F 4,4 (P = 0.05) 9.605
F hitung < F tabel variansi kedua hasil pengukuran tidak berbeda nyata
 26

Lampiran 5 Uji-t kadar flavonoid total meniran

§ Daerah Bantar Kambing dan Darmaga

Bantar Kambing Darmaga
Rerata 1.556 1.402
Ragam 0.00748 0.00312
Jumlah pengamatan 5 5
Pooled Variance 0.0053
Hipotesis perbedaan rerata 0
Derajat bebas 8
t Stat 3.344666269
t4 (P = 0.05) 2.306004133
thitung > ttabel Kadar flavonoid meniran dari kedua daerah berbeda nyata

§ Daerah Bantar Kambing dan Cisarua

Bantar Kambing Cisarua
Rerata 1.556 1.144
Ragam 0.00748 0.01748
Jumlah pengamatan 5 5
Pooled Variance 0.01248
Hipotesis perbedaan rerata 0
Derajat bebas 8
t Stat 5.831226726
t4 (P = 0.05) 2.306004133
thitung > ttabel Kadar flavonoid meniran dari kedua daerah berbeda nyata

§ Daerah Darmaga dan Cisarua

Darmaga Cisarua
Rerata 1.402 1.144
Ragam 0.00312 0.01748
Jumlah pengamatan 5 5
Pooled Variance 0.0103
Hipotesis perbedaan rerata 0
Derajat bebas 8
t Stat 4.019491346
t4 (P = 0.05) 2.306004133
thitung > ttabel Kadar flavonoid meniran dari kedua daerah berbeda nyata
 27

Lampiran 6 Hasil pengukuran kadar air

Bobot Bobot cawan + sampel (g) Kadar air Rerata

Sampel Ulangan
sampel (g) awal akhir (%) (%)
1 3.0037 6.8501 6.6128 7.90
A 2 3.0083 6.7963 6.5559 7.99 7.99
3 3.0002 6.7962 6.5538 8.08
1 3.0003 6.6885 6.4970 6.38
B 2 3.0019 6.7117 6.5182 6.44 6.49
3 3.0021 6.7884 6.5886 6.66
1 3.0042 6.8480 6.6440 6.79
C 2 3.0025 6.7870 6.5848 6.73 6.82
3 3.0027 6.7927 6.5844 6.94

Contoh perhitungan:

(bobot cawan + bobot sampel)awal - (bobot cawan+ bobot sampel)akhir

Kadar air = ×100%
bobot sampel
6.8501g - 6.6128 g
= ×100%
3.0037 g
= 7.90%
 28

Lampiran 7 Spektrum IR utuh dari sampel serbuk kering meniran tanpa prepemrosesan
spektrum

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua

Lampiran 8 Spektrum IR segmen I dari sampel serbuk kering meniran tanpa

prepemrosesan spektrum

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua
 29

Lampiran 9 Spektrum IR segmen II dari sampel serbuk kering meniran tanpa

prepemrosesan spektrum

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua

Lampiran 10 Spektrum IR gabungan segmen I dan II dari sampel serbuk kering meniran
tanpa prepemrosesan spektrum

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua
 30

Lampiran 11 Spektrum IR utuh dari sampel serbuk kering meniran dengan

prepemrosesan

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua

Lampiran 12 Spektrum IR segmen I dari sampel serbuk kering meniran dengan

prepemrosesan

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua
 31

Lampiran 13 Spektrum IR segmen II dari sampel serbuk kering meniran dengan

prepemrosesan

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua

Lampiran 14 Spektrum IR gabungan segmen I dan II dari sampel serbuk kering meniran
dengan prepemrosesan

: meniran Bantar Kambing

: meniran Darmaga
: meniran Cisarua
 32

Lampiran 15 Scatter plot dari spektrum IR tanpa prapemrosesan: a. spektrum utuh, b. segmen I, c. segmen II, d. gabungan segmen I dan II

a b

c d

Keterangan: kalibrasi validasi

32
 33

Lampiran 16 Scatter plot dari spektrum IR dengan prapemrosesan: a. spektrum utuh, b.segmen I, c. segmen II, d. gabungan segmen I dan II

a b

c d

Keterangan: kalibrasi validasi

32