PROPOSAL PROYEK AKHIR

Visualisasi Tahapan Sintesis Sulfanilamida pada Anime Dr. Stone Musim

1 Episode 15 dengan Metode DFT dan Pendekatan ASM

Magister Pengajaran Kimia

Jumaidil Awal
24820301

PROGRAM STUDI MAGISTER PENGAJARAN KIMIA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI BANDUNG
2022
 LEMBAR PENGESAHAN

Proposal Proyek Akhir Magister Pengajaran Kimia

Visualisasi Tahapan Sintesis Sulfanilamida pada Anime Dr. Stone Musim 1
Episode 15 dengan Metode DFT dan Pendekatan ASM

Jumaidil Awal
24820301

Proposal ini diajukan untuk melakukan Penelitian Magister Pengajaran Kimia, telah disetujui

oleh dosen pembimbing seperti tertera di bawah ini.

Bandung, 30 Mei 2022

Menyetujui,

Dosen pembimbing

Dr. Muhamad Abdulkadir Matroprawiro

NIP. 19610308 198811 1 001

Mengetahui,

Ketua Program Studi Magister Kimia

Dr. Henry Setiyanto .

NIP. 19730124 200812 1 002

ii
 ABSTRAK

Akan dikerjakan penelitian visualisasi sintesis sulfanilamida pada anime Dr. Stone musim 1
episode 15 yang terbagi ke dalam dua bagian utama, yaitu studi relevansi episode dimaksud
terhadap pembelajaran kimia SMA di Indonesia dan pembuatan visualisasi sintesis
sulfanilamida sebagaimana dikisahkan dalam episode tersebut secara komputasi dengan
metode DFT dan pendekatan ASM. Metode dan pendekatan ini diterapkan lewat penggunaan
piranti lunak ORCA dan PyFrag 2019. Dari penelitian ini diharapkan akan diperoleh alat
peraga pembelajaran berupa video mekanisme reaksi sintesis sulfanilamida yang dapat
disajikan bersama fragmen episode anime di atas dalam pembelajaran materi kimia terkait di
tingkat SMA untuk pelajar Indonesia.

Kata Kunci: IRC, sintesis, sulfanilamida, DFT, ASM

.

iii
 DAFTAR ISI

LEMBAR PENGESAHAN ............................................................................................. ii

ABSTRAK ....................................................................................................................... iii
DAFTAR ISI ................................................................................................................... iv
DAFTAR GAMBAR ....................................................................................................... v
DAFTAR TABEL ........................................................................................................... vi
BAB 1 PENDAHULUAN ............................................................................................... 1
1.1 Latar Belakang .................................................................................................. 1
1.2 Rumusan Masalah ............................................................................................. 2
1.3 Tujuan Penelitian .............................................................................................. 3
1.4 Ruang lingkup Penelitian.................................................................................. 3
BAB 2 TINJAUAN PUSTAKA ...................................................................................... 4
2.1 Koordinat Reaksi Intrinsik (IRC) ..................................................................... 5
2.1.1 Komputasi IRC .................................................................................. 6
2.1.2 Visualisasi IRC .................................................................................. 8
2.2 Sulfanilamida................................................................................................... 10
2.2.1 Sintesis Sulfanilamida Versi Dr. Stone .......................................... 11
2.2.2 Sintesis Sulfanilamida di Laboratorium ......................................... 13
2.2.3 Mekanisme Reaksi Sintesis Sulfanilamida .................................... 14
2.3 Teori Fungsional Kerapatan (DFT)................................................................ 18
2.4 Model Ketegangan Aktivasi (ASM) .............................................................. 19
BAB 3 METODOLOGI PENELITIAN........................................................................ 20
3.1 Tempat Penelitian dan Infrastruktur Komputasi ........................................... 22
3.2 Bahan Penelitian dan Teknik Komputasi ...................................................... 22
3.3 Cara Kerja ........................................................................................................ 22
3.3.1 Studi Relevansi ................................................................................ 22
3.3.2 Visualisasi Sintesis Sulfanilamida .................................................. 23
3.4 Jadwal Kegiatan .............................................................................................. 24
DAFTAR PUSTAKA .................................................................................................... 25
LAMPIRAN ................................................................................................................... 30

iv
 DAFTAR GAMBAR

Gambar 2.1. (a) Hasil pencarian keadaan transisi dan (b) prediksi jalur reaksi
terbaik dengan algoritma SC-AFIR pada GRRM (Maeda dkk., 2015). ........... 7
Gambar 2.2. Kecenderungan suatu reaksi unimolekular yang ditampilkan
sebagai IRC (Cramer, 2004). .............................................................................. 8
Gambar 2.3. Visualisasi reaksi substitusi gugus klorida pada klorometana oleh ion
hidroksida (Ikuo & Ogawa, 2014). ..................................................................... 9
Gambar 2.4. Skema inhibisi biosintesis asam folat pada bakteri (Deuber dkk.,
2021). 11
Gambar 2.5. Jalur sintesis sulfanilamida dari garam (塩) dan sake (酒) versi Dr.
Stone (Inagaki dkk., 2019). ............................................................................... 13
Gambar 2.6. Tahapan sintesis sulfanilamida dari nitrobenzena (Williamson &
Masters, 2017). ................................................................................................... 14
Gambar 2.7. Hidrogenasi nitrobenzena dalam suasana asam disertai kehadiran
logam pereduksi (Grieco & Blacque, 2022). ................................................... 15
Gambar 2.8. Mekanisme asetilasi anilina menjadi asetanilida (Koreeda, 2011). . 15
Gambar 2.9. Mekanisme sintesis klorosulfonat anhidrida sebagai reaktan untuk
sintesis para-asetamidobenzenasulfonil klorida (Hass, 2017)........................ 16
Gambar 2.10. Mekanisme sintesis para-asetamidobenzenasulfonil klorida (Hass,
2017). 16
Gambar 2.11. Mekanisme reaksi sintesis para-asetamidobenzenasulfonamida
(Hass, 2017). ...................................................................................................... 17
Gambar 2.12. Mekanisme reaksi sintesis sulfanilamida (Hass, 2017). ................ 17
Gambar 3.1. Diagram alir tahap studi relevansi terhadap kurikulum nasional
(Rocha, 2022) dan visualisasi sintesis (Vermeeren, 2020). ............................ 20

v
 DAFTAR TABEL

Tabel 2.1. Perbandingan fitur piranti lunak visualisasi IRC................................... 10

Tabel 3.1. Jadwal penelitian yang akan dilakukan. ................................................. 24

vi
 BAB 1 PENDAHULUAN

1.1 Latar Belakang

Perkembangan kimia komputasi mengalami kemajuan yang demikian pesat dalam

setidaknya lima tahun terakhir. Berbagai piranti lunak baru telah dikembangkan untuk
beragam keperluan kimia komputasi, mulai dari perhitungan, visualisasi, hingga manajemen
perintah (Fernandes dkk., 2018; Maeda dkk., 2018; Sun dkk., 2019; Polik dan Schmidt,
2021). Di sisi lain, tuntutan digitalisasi pengajaran kimia di tingkat sekolah menengah atas
hingga tahun pertama program strata-1 pun semakin tinggi, terutama di masa pandemi
COVID-19 yang baru saja berlalu. Sayangnya, belum banyak riset yang memanfaatkan
kemajuan kimia komputasi tadi demi peningkatan kualitas pengajaran kimia.

Ikuo dkk. (2006, 2009, 2011, 2013) adalah peneliti paling produktif dalam hal pemanfaatan
visualisasi reaksi hasil perhitungan kimia komputasi untuk keperluan pengajaran kimia.
Visualisasi reaksi dalam kimia komputasi hampir selalu memanfaatkan pendekatan koordinat
reaksi intrinsik (intrinsic reaction coordinate, IRC) yang diperkenalkan pertama kali oleh
Fukui (1970). Pendekatan ini, sebagai pengembangan dari teori keadaan transisi (transition
state theory, TST), bergantung pada penentuan keadaan transisi secara tepat yang nantinya
menjadi patokan untuk memprediksi perubahan sistem baik secara struktural maupun
energetik dari sisi reaktan ke sisi produk melewati keadaan transisi tersebut (Maeda dkk.,
2015). IRC dipetakan pada permukaan energi potensial (potential energy surface, PES) dan
dapat dipandang sebagai representasi sederhana dari jalur reaksi yang sebenarnya dilalui oleh
molekul-molekul yang beraksi. Seluruh publikasi Ikuo dkk. (2006, 2009, 2011, 2013) terkait
visualisasi reaksi-reaksi sederhana untuk keperluan pengajaran kimia menggunakan
pendekatan IRC dengan level teori semi-empiris. Dengan pesatnya kemajuan kimia
komputasi hari ini baik dari sisi teori maupun sisi pirantinya, sudah saatnya dilakukan
pembaharuan terhadap apa yang telah dicapai Ikuo dkk..

Ada setidaknya dua hal yang dapat diperbaharui dari visualisasi reaksi untuk pengajaran
kimia sebagaimana telah dicapai Ikuo dkk. (2006, 2009, 2011, 2013). Pertama, level teori
yang digunakan dapat diperbaharui dari semi-empiris ke teori fungsional kerapatan (density
functional theory, DFT) yang telah menjadi semacam standar untuk studi mekanisme reaksi
secara komputasi. Metode DFT telah diterapkan dalam visualisasi beragam reaksi kimia,
mulai dari reaksi anorganik (Andrés dkk., 2014), organik (Bai dkk., 2020), hingga
organologam (Vermeeren dkk., 2020). Selain level teori, teknik pencarian keadaan transisi
juga dapat diperbaharui dengan pendekatan activation strain model (ASM) untuk reaktivitas
1
kimia. Salah satu piranti lunak baru yang dikembangkan khusus untuk keperluan analisis
ASM ini adalah PyFrag 2019 yang kompatibel dengan sejumlah piranti penghitung, salah
satunya ORCA (Sun dkk., 2019; Vermeeren dkk., 2020).

Kedua, pengantar pembelajarannya dapat dibuat lebih kreatif dan relevan, misalnya dengan
merujuk produk budaya populer yang dekat dengan peserta didik. Sejumlah peneliti, di
antaranya Iwata & Lupetti (2017) serta Affeldt dkk. (2018) telah menggunakan media komik
dalam pembelajaran kimia dan melaporkan hasil yang terbilang memuaskan. Selain komik,
media lain yang dapat dipertimbangkan adalah serial animasi Jepang yang lazim dikenal
sebagai anime. Salah satu anime bertema sains dengan kandungan materi sains yang cukup
dalam disertai jangkauan fandom yang terbilang luas adalah Dr. Stone. Nagata (2020)
membahas alur cerita manga Dr. Stone dari sudut pandang rekayasa sistem dan menemukan
bahwa Dr. Stone ternyata sangat relevan. Sementara itu, Rocha (2022) menemukan relevansi
Dr. Stone dengan banyak tujuan pembelajaran kimia di Brasil sebagaimana digariskan oleh
Base Nacional Comum Curricular, panduan kurikulum nasional Pendidikan dasar dan
menengah di Brazil.

Berdasarkan latar belakang yang telah dipaparkan, dalam proposal ini diajukan penelitian
bertajuk Visualisasi Tahapan Sintesis Sulfanilamida pada Anime Dr. Stone Musim 1 Episode
15 dengan Metode DFT dan Pendekatan ASM. Sulfanilamida adalah salah satu jenis
antibiotik yang bekerja sebagai inhibitor kompetitif bagi asam p-aminobenzoat (PABA)
dalam metabolisme bakteri (Deuber dkk., 2021). Dr. Stone menghadirkan sintesis
sulfanilamida sebagai salah satu misi besar Senku Ishigami, sang tokoh utama (Inagaki &
Park, 2017). Metode DFT diterapkan melalui penggunaan ORCA sedangkan ASM
diterapkan melalui penggunaan PyFrag 2019 (Sun dkk., 2019; Vermeeren dkk., 2020).

1.2 Rumusan Masalah

Masalah yang ingin dijawab dalam penelitian ini adalah sebagai berikut:

1. Sejauh mana relevansi tahapan sintesis sulfanilamida dalam anime Dr. Stone musim 1
episode 15 terhadap pembelajaran kimia di SMA?

2. Bagaimana perhitungan kimia komputasi dengan metode DFT dan pendekatan ASM
dapat diterapkan untuk memvisualisasikan mekanisme sintesis sulfanilamida versi Dr.
Stone dengan lebih menarik daripada diagram mekanisme reaksi biasa namun lebih
sarat konsep kimia daripada penggambaran di anime Dr. Stone.

2
1.3 Tujuan Penelitian

Berdasarkan rumusan masalah di atas, penelitian kali ini bertujuan sebagai berikut.

1. Memetakan relevansi tahapan sintesis sulfanilamida dalam anime Dr. Stone musim 1
episode 15 terhadap sasaran pembelajaran Kimia SMA Kurikulum 2013 dan
Kurikulum Merdeka.

2. Memvisualisasikan perubahan struktur dan energi dari mekanisme sintesis

sulfanilamida versi Dr. Stone melalui komputasi pada level teori DFT dengan
pendekatan ASM menggunakan ORCA dan PyFrag 2019.

1.4 Ruang lingkup Penelitian

Mengingat luasnya cakupan alternatif jalur sintesis sulfanilamida, relevansi konten kimia Dr.
Stone, pilihan dan kedalaman metode DFT, serta tingkat analisis ASM, penelitian kali ini
dibatasi hanya mencakup: (1) tahapan sintesis sulfanilamida sebagaimana ditampilkan dalam
Dr. Stone musim 1 episode 15, (2) relevansi fragmen episode tersebut terhadap KD Kimia
SMA Kurikulum 2013, Darurat, dan Prototipe, (3) penggunaan parameter DFT, yakni
fungsional B3LYP dan himpunan basis 6-311++G**, pada piranti lunak ORCA yang
tersedia di server komputasi, dan (4) penerapan pendekatan ASM pada modul ASA
(activation strain analysis) PyFrag 2019 yang kompatibel dengan ORCA. Penelitian kali ini
tidak menuntut komputasi yang presisi karena target utamanya hanya memvisualisasikan
IRC untuk menjelaskan apa yang terjadi di tingkat molekul dalam setiap tahapan mekanisme
sintesis sulfanilamida kepada peserta didik tingkat SMA.

Gambar 1.

Gambar 2.

Tabel 1. As
Tabel 2. ASFF

3
 BAB 2 TINJAUAN PUSTAKA

Kemajuan kimia komputasi telah membuka akses kepada pemahaman yang lebih
menyeluruh tentang reaksi kimia dan sifat-sifat molekul yang sebelumnya tidak
terjangkau oleh kimia klasik. Salah satu aplikasi utama kimia komputasi adalah dalam hal
desain obat dan studi mekanisme reaksi. Sayangnya, kekuatan kimia komputasi ini belum
banyak dimanfaatkan dalam pengajaran kimia di tingkat sekolah menengah. Sejauh ini,
materi kimia yang melibatkan struktur molekul dan reaksi kimia hanya disajikan dalam
notasi-notasi statis atau model-model molekul pasif yang relatif kaku dan kurang dapat
dieksplorasi untuk memudahkan pemahaman peserta didik. Kimia komputasi dapat
memecah kebuntuan ini dengan bantuan visualisasi hasil perhitungan yang dapat
disajikan dalam bentuk video.

Ikuo dkk. (2006, 2009, 2011, 2013) telah mempublikasikan serangkaian penelitian terkait
visualisasi reaksi berbasis kimia komputasi ini dengan hasil yang cukup baik. Dengan
semakin maraknya piranti lunak baru untuk kimia komputasi dan semakin variatifnya
pilihan metode komputasi, terdapat ruang yang begitu luas untuk memperbaharui apa
yang telah dicapai Ikuo dkk.. Di antara pembaharuan yang dapat dilakukan adalah
visualisasi reaksi yang lebih kompleks dengan metode dan piranti lunak yang lebih
mutakhir serta kontekstualisasi reaksi yang disajikan dengan produk budaya yang lebih
familiar bagi peserta didik.

Kimia komputasi telah sejak lama memungkinkan visualisasi reaksi sintesis organik
dengan pendekatan koordinat reaksi intrinsik (IRC) yang diperkenalkan pertama kali oleh
Fukui (1970). Dengan piranti lunak dan keras yang lebih mutakhir, visualisasi IRC dapat
dilakukan dengan lebih cepat. Implementasi pendekatan activation strain model (ASM)
(Fernández & Bickelhaupt, 2014) pada piranti lunak seperti PyFrag 2019 (Sun dkk.,
2019) memungkinkan pencarian keadaan transisi sekaligus visualisasi IRC suatu reaksi
secara otomatis dengan parameter-parameter metode DFT (Vermeeren dkk., 2020).

Salah satu reaksi yang menarik untuk disajikan kepada peserta didik tingkat sekolah
menengah adalah sintesis sulfanilamida. Deuber dkk. (2021) telah menyajikan reaksi ini
dalam praktikum kimia sekolah menengah di Swiss sejak tahun 2008. Di Indonesia,
pengenalan tentang jenis-jenis reaksi kimia telah dimulai sejak kelas X SMA namun
reaksi-reaksi senyawa organik baru diperkenalkan di kelas XI. Sintesis sulfanilamida
sendiri melibatkan banyak reaksi sintesis organik dan senyawa turunan benzena yang

4
baru diperkenalkan kepada siswa di kelas XII SMA. Sintesis sulfanilamida dapat menjadi
contoh materi yang memperlihatkan kepada siswa tentang keterkaitan antara satu konsep
kimia dengan konsep kimia lainnya serta aplikasi ilmu kimia di dunia nyata.

2.1 Koordinat Reaksi Intrinsik (IRC)

Pendekatan IRC untuk menjelaskan dan memprediksi reaktivitas suatu sistem kimia
dipelopori oleh Fukui (1970). Pendekatan ini dikembangkan berdasarkan data teoretis dan
eksperimental tentang peran orbital frontier, yaitu HOMO dan LUMO, terhadap
reaktivitas molekul sebagai alternatif bagi pendekatan trajektori yang telah lebih dahulu
dikembangkan oleh Wang & Karplus (1973). Kelebihan pendekatan IRC terletak pada
kebebasannya dari pengaruh kondisi awal sistem. Hal ini dapat dicapai karena IRC
merupakan “jalan tengah” dari seluruh jalur yang mungkin ditempuh oleh suatu reaksi
pada berbagai kemungkinan kondisi awal. Dengan kata lain, IRC merupakan jalur ideal
berlangsungnya reaksi yang ditempuh oleh sistem pada bidang permukaan energi
potensialnya (Fukui, 1981; 1982).

Persamaan umum yang dipecahkan dalam pendekatan IRC sebagaimana dikembangkan

oleh Fukui (1982) adalah sebagai berikut:

𝑑𝑋𝑖 𝜕𝑉
𝑀𝑖 = ⋯ ⋯ ⋯ (𝑖 = 1, 2, 3, … , 𝑁) (1)
𝑑𝜏 𝜕𝑋𝑖

di mana 𝑉 adalah suatu fungsi potensial yang berlaku pada sistem yang bereaksi, 𝑋𝑖
adalah koordinat Cartesius dalam ruang dari atom 𝑖 yang bermassa 𝑀𝑖 , dan 𝑁 adalah
jumlah atom dari sistem yang bereaksi. Parameter 𝜏 berperan sebagai “waktu” dalam
gerak quasistatik. Solusi persamaan ini yang melewati suatu titik keadaan transisi dan
sebuah titik stabil kemudian didefinisikan sebagai koordinat reaksi intrinsik. Dari sini
terlihat bahwa penyelesaian persamaan diferensial ini tidak bergantung pada keadaan
awal sistem sehingga dapat memberikan gambaran reaktivitas sistem secara lebih umum
daripada pendekatan trajektori. Selain itu, dapat dilihat pula bahwa pendekatan IRC
sangat bergantung pada teori keadaan transisi yang dipelopori oleh Eyring (1935) karena
pendekatan ini mengasumsikan bahwa perubahan dari reaktan menuju produk selalu
melewati suatu struktur dengan tingkat energi tertinggi dan stabilitas terendah pada
permukaan energi potensial (PES) yang disebut sebagai keadaan transisi.

5
2.1.1 Komputasi IRC

Karena persamaan IRC harus dipecahkan untuk setiap perubahan kecil pada jalur IRC,
perhitungan IRC hanya dapat dilakukan secara komputasi dengan bantuan piranti lunak.
Terdapat tiga masukan utama yang diperlukan untuk menghitung IRC, yaitu: (1) struktur
sistem reaktan, (2) struktur keadaan transisi, dan (3) struktur sistem produk. Keadaan
transisi memiliki tingkat energi paling tinggi di antara ketiganya. Sistem reaktan dan
produk umumnya memiliki tingkat energi berbeda yang menentukan sifat termodinamik
reaksinya, apakah eksotermik atau endotermik (Lewars, 2011). Persamaan IRC
dipecahkan dalam dua rangkaian. Pada rangkaian pertama pemecahan persamaan IRC
menghasilkan IRC dari keadaan transisi menuju reaktan sedangkan pada rangkaian kedua
pemecahannya menghasilkan IRC dari keadaan transisi menuju produk. IRC utuh dari
reaktan menuju produk melalui keadaan transisi diperoleh dengan memadukan hasil dari
kedua rangkaian perhitungan (Fukui, 1982; Lewars, 2011).

Karena baik reaktan maupun produk dari suatu reaksi kimia umumnya telah terdefinisi
dengan baik, tahapan awal paling krusial sekaligus menantang dari komputasi IRC adalah
penentuan struktur keadaan transisi. Terdapat sejumlah kriteria yang harus dipenuhi oleh
suatu molekul untuk lolos sebagai kandidat struktur keadaan transisi yang baik. Kriteria
tersebut antara lain: (1) secara sekilas harus tampak benar, (2) harus memiliki tepat satu
frekuensi imajiner, (3) frekuensi imajiner ini harus memiliki representasi struktural yang
berada pada IRC, dan (4) tingkat energinya harus lebih tinggi daripada dua titik yang
dihubungkannya, yakni “titik reaktan” dan “titik produk” (Lewars, 2011).

Piranti lunak yang mampu melakukan kerja komputasi kimia umumnya dapat digunakan
untuk melakukan perhitungan IRC untuk struktur reaktan, keadaan transisi (TS), dan
produk yang telah diketahui sebelumnya. Selain itu, piranti-piranti ini umumnya juga
dapat digunakan untuk melakukan perhitungan energi dan frekuensi demi memverifikasi
validitas kandidat struktur TS. Di antara piranti lunak yang dapat digunakan untuk
mengerjakan perhitungan-perhitungan ini adalah ORCA, Gaussian, dan Turbomole.
Dengan modul tambahan, semisal PyFrag 2019, piranti-piranti ini bahkan dapat
digunakan untuk menganalisis dan membandingkan reaktivitas sejumlah alternatif
mekanisme reaksi dengan metode yang lebih mutakhir, misalnya model ketegangan
aktivasi (activation strain model, ASM) (Sun dkk., 2019).

Pencarian kandidat struktur TS sendiri lazimnya dilakukan dengan cara menerka

berdasarkan bentuk struktur reaktan dan produk dengan dipandu kriteria TS di atas.

6
Sejauh ini, belum banyak dikembangkan piranti lunak yang dapat melakukan pencarian
keadaan transisi secara otomatis. Salah satu piranti lunak yang dikembangkan untuk
menerka keadaan transisi secara otomatis berdasarkan struktur reaktan awal adalah
GRRM (global reaction route mapping) yang menerapkan metode AFIR (artificial force-
induced reaction). Piranti lunak dan metode ini dikembangkan oleh Maeda dkk. (2015)
dan telah diterapkan untuk pencarian keadaan transisi baik pada reaksi unimolekular
maupun bimolekular. Metode AFIR memiliki dua algoritma berbeda untuk dua tipe reaksi
ini. Untuk reaksi unimolekuler digunakan algoritma SC-AFIR (single-component AFIR)
sedangkan untuk reaksi bimolekular digunakan algoritma MC-AFIR (multi-component
AFIR).

Gambar 2.1. (a) Hasil pencarian keadaan transisi dan (b) prediksi jalur reaksi terbaik
dengan algoritma SC-AFIR pada GRRM (Maeda dkk., 2015).

Gambar 2.1.(a) menampilkan hasil pencarian keadaan transisi untuk alil vinil eter. Reaksi
yang diteliti tergolong reaksi penataan ulang Claisen. Hasil pencarian otomatis dengan
GRRM/SC-AFIR memberikan 12 minima dan 31 TS beserta tingkat energi masing-
masing sehingga dapat diperoleh jalur reaksi sebagaimana tampak pada Gambar 2.1.(b).

7
2.1.2 Visualisasi IRC

Dalam kaitannya dengan permukaan energi potensial (PES) sistem, IRC dapat dipandang
sebagai jalur energi minimum yang ditempuh sistem dari sisi reaktan melewati keadaan
transisi hingga berakhir pada sisi produk. Dengan gambaran ini, tentu dapat dipahami
bahwa IRC tidak dapat merepresentasikan seluruh kemungkinan trajektori, khususnya
untuk sistem dengan jumlah atom yang besar. Jumlah dimensi yang diperlukan untuk
merepresentasikan keseluruhan PES sendiri berbanding lurus dengan jumlah atom dalam
sistem menurut hubungan:

𝑑 = 3𝑁 − 5 (2)

di mana 𝑑 adalah jumlah dimensi yang diperlukan sedangkan 𝑁 adalah jumlah atom.
Sebagai contoh, untuk suatu molekul hipotetis ABC, diperlukan sebanyak 4 dimensi
untuk menampilkan seluruh PES-nya. Karena ini mustahil, maka umumnya hanya
diambil irisan yang mungkin menyajikan energi potensial sebagai fungsi dari satu atau
dua variabel jarak antaratom (Cramer, 2004).

Gambar 2.2 menyajikan contoh IRC dari suatu reaksi kimia yang paling sederhana, yaitu
reaksi unimolekular. Visualisasi IRC memberikan wawasan tentang beragam hal terkait
sistem yang mengalami reaksi, di antaranya: tingkat energi reaktan, produk, dan keadaan
transisi, serta besar energi aktivasi dan sifat termodinamik reaksi. Setiap titik pada kurva
IRC mewakili struktur tertentu yang berbeda dari satu titik ke titik lainnya (Cramer,
2004). Bersama struktur molekul dan petunjuk visual lain yang mewakili setiap titik pada
IRC sebagaimana ditampilkan pada Gambar 2.3, visualisasi IRC terbukti mampu menjadi
instrumen yang efektif dalam memberikan informasi tentang sifat-sifat suatu reaksi kimia
(Ikuo & Ogawa, 2014).

Gambar 2.2. Kecenderungan suatu reaksi unimolekular yang ditampilkan sebagai IRC
(Cramer, 2004).

8
Gambar 2.3. Visualisasi reaksi substitusi gugus klorida pada klorometana oleh ion
hidroksida (Ikuo & Ogawa, 2014).

Terdapat sejumlah piranti lunak yang dapat digunakan untuk visualisasi IRC, misalnya
SCiGRESS (Ikuo, 2013; Ikuo & Ogawa, 2014), PyFrag 2019 (Vermeeren dkk., 2020),
dan WebMO (Polik & Schmidt, 2022). Tabel 1 membandingkan fitur ketiga piranti lunak
ini dalam kaitannya dengan kinerja visualisasi dan kompatibilitas dengan piranti lunak
komputasi.

Berdasarkan perbandingan pada Tabel 2.1, dapat ditarik sejumlah kelebihan PyFrag 2019
dibandingkan alternatif lainnya. Meski pada mulanya dikembangkan sebagai modul bagi
piranti lunak komputasi berlisensi proprietary, yaitu Amsterdam Modeling Suite (AMS),
PyFrag 2019 didistribusikan dengan lisensi bebas dan bersumber terbuka (free/open-
source software, FOSS). PyFrag 2019 kompatibel dengan piranti lunak FOSS lainnya
yang umum digunakan untuk komputasi kimia, yaitu ORCA. Meskipun tidak dapat
digunakan untuk merancang molekul secara drag-and-drop, PyFrag 2019 dapat
memproduksi visualisasi berupa video AMV untuk kerja optimasi geometri dan
komputasi IRC dari hasil komputasi piranti lunak yang kompatibel (Sun dkk., 2019).
Kesemua kelebihan ini menjadikan PyFrag 2019 dan ORCA sebagai kandidat tandem
piranti lunak yang tepat untuk visualisasi IRC dengan biaya seminimal mungkin.

9
Tabel 2.1. Perbandingan fitur piranti lunak visualisasi IRC.
Fitur SCiGRESS PyFrag 2019 WebMO
Lisensi Proprietary FOSS Freemium
Piranti komputasi SCiGRESS AMS Tidak ada
native
Piranti komputasi Tidak ada ORCA, GAMESS-US, Gaussian,
kompatibel Gaussian, MolPro, Mopac, NWChem,
Turbomole ORCA, PQS, PSI, Q-Chem,
TeraChem, Tinker, Quantum
Expresso, VASP
Desain molekul 3D Ya Tidak Ya
drag-and-drop
Visualisasi Ya Ya Ya
trajektori
Visualisasi kurva Ya Ya Ya
IRC
Visualisasi struktur Ya Ya (video Ya (fitur Pro)
pada IRC AMV)

2.2 Sulfanilamida

Sulfanilamida adalah salah satu senyawa aktif dalam kelompok antibiotik sulfa drug (obat
sulfa). Sulfanilamida sekaligus merupakan obat sulfa yang paling sederhana. Aktivitas
obat sulfanilamida terletak pada kemiripan strukturnya dengan asam p-aminobenzoat
(PABA) yang merupakan prekursor utama pada sintesis asam folat dalam tubuh bakteri.
Kemiripan struktur ini menjadikan sulfanilamida sebagai inhibitor kompetitif bagi PABA
sebagaimana ditampilkan pada Gambar 2.4 (Deuber dkk., 2021). Mekanisme kerja
sulfanilamida yang sekadar menghambat pertumbuhan bakteri dan tidak mematikannya
ini membuatnya dikelompokkan sebagai antibiotik bakteriostatik (Jabbir, 2016).

Meskipun kini sulfanilamida sudah tidak lagi digunakan sebagai antibiotik akibat
besarnya bahaya efek samping konsumsinya sebagai obat, antara lain efek diuretik dan
hambatan pembentukan aqueous humour pada mata (Deuber dkk., 2021), secara historis
sulfanilamida tetap menduduki posisi penting sebagai obat sulfa pertama yang berhasil

10
disintesis dalam sejarah ilmu kimia dan farmasi modern. Ditambah lagi, belakangan di
tahun 2009 ditemukan bahwa salah satu turunan sulfanilamida, yaitu sulfamethoxazole,
menunjukkan khasiat farmasetik aktif dalam menghambat pertumbuhan bakteri
Mycobacterium tuberculosis dengan efikasi yang tinggi bila diberikan bersama
trimethoprim setelah selama puluhan tahun sebelumnya dianggap tidak efektif. Ini
menunjukkan bahwa kelas obat sulfa masih sangat relevan untuk dipelajari (Pugh, 2019).

Gambar 2.4. Skema inhibisi biosintesis asam folat pada bakteri (Deuber dkk., 2021).

2.2.1 Sintesis Sulfanilamida Versi Dr. Stone

Anime Dr. Stone mengambil latar tempat di Jepang pada masa 3700 tahun setelah insiden
petrifikasi global yang mengubah umat manusia menjadi patung batu terjadi pada tahun
2019 (Nagata, 2020). Suatu hari di tahun 5738, Senku Ishigami (石神千空) terbebas dari
petrifikasi dan memulai misinya mengembalikan kejayaan sains di muka bumi. Misi
Senku mengembalikan kejayaan sains ini kemudian menuntutnya untuk membangun
Kerajaan Sains (科学王国) yang tentunya memerlukan wilayah dan penduduk. Untuk itu,
Senku perlu menaklukkan sebuah desa demi memperoleh wilayah dan penduduk
sekaligus. Singkat cerita, takdir membawa Senku pada sebuah desa yang pendetanya
sedang sakit-sakitan dan memerlukan obat antibiotik. Di sinilah Senku melihat peluang
untuk menaklukkan desa ini secara damai dengan menyembuhkan pendeta mereka
dengan kekuatan sains (Inagaki & Park, 2017).

Dalam episode 15 musim 1 anime Dr. Stone (Inagaki dkk., 2019), sintesis sulfanilamida
menjadi misi utama Senku Ishigami demi menaklukkan desa tersebut ke dalam Kerajaan

11
Sainsnya. Pada Gambar 5 dapat dilihat skema jalur sintesis sulfanilamida sebagaimana
ditayangkan pada anime Dr. Stone musim 1 episode 15. Karena musnahnya peradaban
modern manusia di dunia yang Senku tinggali, sintesis sulfanilamida harus dilakukannya
dari nol, termasuk tahapan membangun generator listrik dan membuat alat gelas, yang
digelapkan pada Gambar 2.5. Bagian yang tidak digelapkan mewakili bagian yang
relevan secara langsung dengan sintesis senyawa kimia. Berdasarkan rincian tahapan dari
nol yang dikisahkan sejak episode 8 hingga episode 15 musim 1 anime Dr. Stone, dapat
dipahami bahwa proses sintesis sulfanilamida sendiri dimulai dari reaktan anilina yang
diperoleh dari hasil ekstraksi tar batubara (Rocha, 2022). Tahapan sintesis yang
berlangsung pada bagian ini adalah sebagai berikut.

1. Garam dapur (塩 shio):

1.1. Garam direaksikan dengan asam sulfat (硫酸 ryuusan) menghasilkan gas asam
klorida.
1.2. Gas HCl dikondensasi ke dalam air menghasilkan larutan asam klorida (塩酸
ensan).
1.3. Larutan HCl direaksikan dengan gas belerang trioksida (三酸化硫黄) menjadi
asam klorosulfonat (クロロ硫酸 kuroro ryuusan).
1.4. Garam dielektrolisis menjadi natrium hidroksida (水酸化ナトリウム suisanka
natoriumu).
1.5. NaOH direaksikan dengan asam karbonat ( 炭 酸 tansan) menjadi natrium
bikarbonat (baking soda, 重曹 juusou).
1.6. NaOH direaksikan dengan asam sulfat menjadi natrium bisulfat (硫酸水素ナト
リウム ryuusan suiso natoriumu).
2. Etanol (dari sake, 酒):
2.1. Oksidasi etanol menghasilkan asam asetat (dari cuka, 酢 su).
2.2. Asam asetat diekstraksi dengan H2SO4 untuk memperoleh asam asetat glasial.
2.3. Sebagian asam asetat glasial dipanaskan untuk menghasilkan ketena.
2.4. Asam asetat dan ketena direaksikan menjadi asetat anhidrida (無水酢酸 musui
sakusan).
2.5. Asam asetat direaksikan dengan etanol membentuk etil asetat (酢酸エチル
sakusan echiru).
2.6. Oksidasi etanol memberikan karbon dioksida sebagai hasil samping.
2.7. Karbon dioksida dilarutkan dalam air menghasilkan asam karbonat (炭酸).

12
3. Amonia (アンモニア) dari air seni (尿).
4. Sintesis sulfanilamida:
4.1. Tar batubara (石炭) dicuci dengan asam klorida dan diekstraksi dengan etil
asetat untuk memperoleh anilin (アニリン).
4.2. Anilin direaksikan dengan asetat anhidrida menghasilkan asetanilida.
4.3. Asetanilida direaksikan dengan HSO3Cl menghasilkan para-
asetamidobenzenasulfonil klorida.
4.4. Direaksikan dengan NH4OH menghasilkan para-asetamidobenzenasulfonamida.
4.5. Dipanaskan dalam HCl encer menghasilkan sulfanilamida (サルファ剤).
4.6. Dicuci dengan natrium bikarbonat untuk menetralkan larutan.
4.7. Sulfanilamida diperoleh sebagai endapan granular putih dengan pendinginan.

Gambar 2.5. Jalur sintesis sulfanilamida dari garam (塩) dan sake (酒) versi Dr. Stone
(Inagaki dkk., 2019).

2.2.2 Sintesis Sulfanilamida di Laboratorium

Dalam kimia organik sintesis, sulfanilamida tergolong senyawa turunan benzena dan
reaktan yang lazim digunakan untuk menyintesisnya adalah nitrobenzena (Williamson &
Masters, 2017), anilina (Ophardt, 2019), atau asetanilida (Hass, 2017). Skema tahapan
lengkap sintesis sulfanilamida dari nitrobenzena ditampilkan pada Gambar 2.6. Pertama-
tama, nitrobenzena direduksi menjadi anilina oleh asam klorida dan katalis timah. Saat
reaksi berlangsung, garam ganda (C6H5NH3)2SnCl4 memisah secara parsial dan akhirnya
terdekomposisi dengan penambahan basa berlebih yang kemudian melepaskan anilina
sekaligus mengubah timah menjadi stannit atau stannat yang mudah larut dalam air.
Anilina kemudian diasetilasi dengan asetat anhidrida dalam larutan encer menghasilkan

13
asetanilida. Selanjutnya asetanilida bereaksi dengan asam klorosulfonat berlebih
menghasilkan para-asetamidobenzenasulfonil klorida. Berikutnya adalah amonolisis
gugus sulfonil klorida menghasilkan para-asetamidobenzenasulfonamida. Langkah
terakhir adalah pelepasan gugus protektif asetil dari gugus asetamido menghasilkan
sulfanilamida (Williamson & Masters, 2017).

Gambar 2.6. Tahapan sintesis sulfanilamida dari nitrobenzena (Williamson & Masters,
2017).

2.2.3 Mekanisme Reaksi Sintesis Sulfanilamida

Rincian mekanisme reaksi masing-masing tahapan sintesis sulfanilamida dari

nitrobenzena adalah sebagai berikut.

2.2.3.1 Sintesis Anilina

Hidrogenasi nitrobenzena dalam suasana asam dengan kehadiran logam sebagai

pembentuk intermediat garam ganda berlangsung sebagaimana pada Gambar 2.7. Pada
episode 15 musim 1 Dr. Stone, tahapan ini tidak dikerjakan karena anilina diekstrak
langsung dari sampel tar batubara.

14
Gambar 2.7. Hidrogenasi nitrobenzena dalam suasana asam disertai kehadiran logam
pereduksi (Grieco & Blacque, 2022).

2.2.3.2 Sintesis Asetanilida

Dalam tahap ini asetanilida dibentuk lewat reaksi asetilasi anilina melalui dua intermediat
sebagaimana ditampilkan pada Gambar 2.8.

Gambar 2.8. Mekanisme asetilasi anilina menjadi asetanilida (Koreeda, 2011).

2.2.3.3 Sintesis para-Asetamidobenzenasulfonil Klorida

Pada tahap ini, reaksi asetanilida dengan asam klorosulfonat berlangsung dalam sejumlah
tahap juga. Pertama-tama, asam klorosulfonat bereaksi dengan dirinya sendiri
menghasilkan klorosulfonat anhidrida melalui mekanisme dengan satu intermediat yang
ditampilkan pada Gambar 2.9. Klorosulfonat anhidrida inilah yang berperan sebagai
reaktan dalam substitusi aromatik elektrofilik asetanilida membentuk para-
asetamidobenzenasulfonil klorida. Mekanisme reaksi substitusi elektrofilik ini
ditampilkan pada Gambar 2.10. Substitusi elektrofilik terjadi antara hidrogen pada posisi
para terhadap gugus asetamido dengan sulfur dari gugus klorosulfonil pada klorosulfonat
anhidrida. Terlihat bahwa tahapan ini juga berlangsung melalui suatu intermediat.

15
Gambar 2.9. Mekanisme sintesis klorosulfonat anhidrida sebagai reaktan untuk
sintesis para-asetamidobenzenasulfonil klorida (Hass, 2017).

Gambar 2.10. Mekanisme sintesis para-asetamidobenzenasulfonil klorida (Hass, 2017).

2.2.3.4 Sintesis para-Asetamidobenzenasulfonamida

Di tahap ini, reaksi sintesis para-asetamidobenzenasulfonamida berlangsung melalui dua

intermediat. Mekanisme lengkap reaksi ini ditampilkan pada Gambar 2.11.

16
Gambar 2.11. Mekanisme reaksi sintesis para-asetamidobenzenasulfonamida (Hass,
2017).

Gambar 2.12. Mekanisme reaksi sintesis sulfanilamida (Hass, 2017).

2.2.3.5 Sintesis Sulfanilamida

Sintesis ini berlangsung dalam sejumlah tahap sebagaimana ditampilkan pada Gambar 12.
Gugus karbonil amida bereaksi dengan asam untuk mengaktifkan atom karbonnya

17
terhadap substitusi asil nukleofilik. Reaksi ini dikerjakan dalam asam encer karena
memerlukan adanya serangan dari molekul air terhadap karbon karbonil yang telah
teraktivasi tadi, membentuk suatu intermediat tetrahedral. Pada intermediat tetrahedral ini
terjadi transfer proton dari oksigen ke nitrogen membentuk intermediat berikutnya. Total
ada tiga intermediat yang terbentuk di antara para-asetamidobenzenasulfonamida dan
sulfanilamida.

2.3 Teori Fungsional Kerapatan (DFT)

Terdapat tiga pendekatan utama yang lazim diterapkan dalam kimia komputasi, yaitu
pendekatan ab initio (Hartree-Fock), semiempiris, dan DFT. Perbedaan mendasar di
antara ketiga pendekatan ini terletak pada cara masing-masing memperlakukan elektron.
Pada pendekatan ab initio, masing-masing elektron diperhitungkan sebagai individu. Pada
pendekatan semiempiris, elektron diperhitungkan sebagai individu dengan sejumlah
penyederhanaan dan parameterisasi berdasarkan data eksperimen. Pada pendekatan DFT,
elektron tidak diperhitungkan sebagai individu melainkan sebagai suatu awan elektron
dengan fungsi kerapatan yang memenuhi fungsional tertentu. Dalam tataran implementasi
pada piranti lunak komputasi kimia, masing-masing pendekatan ini diwakili oleh
parameter tingkatan teori dan himpunan basis (Cramer, 2004).

DFT merupakan salah satu pendekatan kuantum mekanik terhadap materi yang paling
populer dan sukses. Hari ini DFT lazim diterapkan dalam berbagai sains komputasi,
misalnya untuk menghitung energi ikatan pada kimia komputasi, struktur padatan pada
fisika komputasi, dan dinamika molekul enzim pada biologi komputasi. DFT dapat
mencapai tingkat popularitasnya hari ini berkat keumuman konsep dasarnya dan
keluwesan penerapannya. Dua elemen utama yang melandasi DFT, yaitu teorema
Hohenberg-Kohn dan persamaan Kohn-Sham, memungkinkan implementasi DFT sebagai
single-body theory sekaligus many-body theory (Capelle, 2006).

Sejumlah studi visualisasi mekanisme reaksi kimia organik berbasis DFT, di antaranya
reaksi pembukaan termal cincin siklobutena (Andrés dkk., 2011), penataan ulang Cope
terdegenerasi pada semibullvalene (González-Navarrete dkk., 2012), fotodeaminasi
anthrol (Yang dkk., 2018), sikloadisi [3+2] (Acharjee & Banerji, 2020), dan inversi
piramidal fosfina terfotoinduksi (Machida dkk., 2020), tingkatan teori yang digunakan
adalah B3LYP. Dalam hal himpunan basis, yang lazim digunakan dalam studi mekanisme
reaksi organik yang melibatkan anion (Pantazis, 2020), intermediat dipolar (Ben Said

18
dkk., 2020), atau substitusi halida (Jiao & Weinhold, 2020) adalah 6-311++G**.
Himpunan basis ini didasarkan pada himpunan basis 6-311 yang merupakan himpunan
basis VTZ (valence triple-zeta) dengan penambahan difusi, yang ditandai dengan simbol
plus (+), dan polarisasi, yang ditandai dengan simbol asterisk (*), untuk atom hidrogen
(H) sampai kalsium (Ca), yang ditandai dengan pengulangan kedua simbol tadi (Blaudeau
dkk., 1997). Parameter B3LYP/6-311++G** ini telah terintegrasi dalam piranti
komputasi ORCA (Atilhan dkk., 2019). Tingkatan teori ini memberikan hasil yang baik
untuk optimasi geometri molekul stabil dan pencarian molekul transisi. Untuk
perhitungan IRC, dapat digunakan himpunan basis yang lebih sederhana, yaitu 6-31G*
(Alkorta dkk., 2022).

2.4 Model Ketegangan Aktivasi (ASM)

Model ketegangan aktivasi (activation strain model, ASM) merupakan pendekatan baru
dalam studi mekanisme reaksi kimia. Model ini dikembangkan oleh Bickelhaupt & Houk
(2017) sebagai upaya untuk memahami sumber reaktivitas keadaan transisi dan
menyediakan pendekatan universal dalam desain reaksi. Analisis berbasis ASM
memandang energi aktivasi sebagai penjumlahan dari energi distorsi dan energi interaksi
antara spesi-spesi reaktan dalam kompleks molekul pada keadaan transisi yang dapat
dinyatakan dengan persamaan berikut (Bickelhaupt, 1999; Ess & Houk, 2007):

Δ𝐸 = Δ𝐸𝑑𝑖𝑠𝑡 + Δ𝐸𝑖𝑛𝑡 (3)

Dari persamaan di atas, Svatunek & Houk (2019) mengembangkan autoDIAS sedangkan
Sun dkk. (2019) mengembangkan PyFrag 2019 sebagai piranti lunak yang dapat
mengotomasi proses analisis mekanisme reaksi berbasis ASM. Kedua piranti lunak ini
menggunakan bahasa pemrograman Python, kompatibel dengan berbagai piranti
komputasi, khususnya Gaussian dan ORCA, serta sama-sama dikembangkan secara
terpisah untuk menutup kekurangan fitur yang terdapat pada PyFrag 2008. Kelebihan
khas PyFrag 2019 adalah kemampuannya untuk menulis trajektori molekul hasil
perhitungan IRC ke dalam berkas video AMV, memantau progres perhitungan lewat
antarmuka berbasis web, dan melakukan analisis EDA bila digunakan bersama AMS
(Vermeeren dkk., 2020).

Gambar 3.

19
 BAB 3 METODOLOGI PENELITIAN

Penelitian ini terbagi ke dalam dua bagian. Bagian pertama adalah studi relevansi sintesis
sulfanilamida versi Dr. Stone terhadap target kompetensi dasar capaian pembelajaran
mata pelajaran Kimia tingkat SMA menurut kurikulum nasional, baik Kurikulum 2013
Revisi maupun Kurikulum Merdeka 2022, dengan mengadopsi metode Rocha (2022)
yang disarikan dari Bardin (2011). Sementara bagian kedua adalah pembuatan visualisasi
tahapan sintesis sulfanilamida dari anilin sebagaimana dikisahkan dalam episode 15
musim 1 anime Dr. Stone menggunakan tandem piranti lunak ORCA/PyFrag 2019
dengan metode DFT dan analisis ASM sebagaimana diadaptasi dari Vermeeren dkk.
(2020). Gambar 3.1 menampilkan diagram alir metodologi penelitian kali ini.

Gambar 3.1. Diagram alir tahap studi relevansi terhadap kurikulum nasional (Rocha,
2022) dan visualisasi sintesis (Vermeeren, 2020).

20
Pada Gambar 3.1, diagram alir di kolom kiri menyajikan tahapan studi relevansi konten
kimia pada anime Dr. Stone musim 1 episode 15 terhadap kurikulum nasional sedangkan
diagram alir di kolom tengah dan kanan berturut-turut menyajikan tahapan preparasi
molekul dan komputasi IRC-ASM untuk visualisasi sintesis sulfanilamida. Proses
berwarna biru muda pada kolom tengah dan kanan menunjukkan bahwa proses tersebut
dijalankan di piranti lunak ORCA sedangkan yang berwarna merah muda pada kolom
kanan dijalankan di piranti lunak PyFrag 2019.

Studi relevansi mengadopsi metode Rocha (2022) yang notabenenya berasal dari Brazil
karena minimnya studi analisis konten serupa dari peneliti Indonesia. Selain itu,
berdasarkan data PISA 2018 (OECD, 2022), terdapat sejumlah kemiripan antara siswa
Brazil dan siswa Indonesia dalam hal literasi sains, yaitu pada aspek rerata performa dan
tren jangka panjang. Dalam hal persepsi terhadap Jepang pun, masyarakat urban Brazil
dan Indonesia sama-sama memiliki persepsi positif terhadap Jepang (Kull dkk., 2017).
Namun, dalam survei yang dirilis oleh Kementerian Luar Negeri Jepang (2020 & 2021),
sebanyak 83% responden Indonesia menyatakan tertarik pada budaya pop Jepang, seperti
anime, manga, gim, dan cosplay, sementara responden Brazil hanya 40% yang menjawab
demikian karena kebanyakan mereka, sekitar 69%, lebih tertarik pada gaya hidup dan
pola pikir Jepang. Ini mengisyaratkan bahwa pelajar Indonesia memiliki ketertarikan
sangat tinggi terhadap anime dan pencapaian sains Jepang namun belum dapat
menjadikan ketertarikan itu sebagai pemacu semangat dalam mempelajari sains.

Visualisasi IRC tahapan sintesis sulfanilamida mengadaptasi protokol yang disusun oleh
Vermeeren dkk. (2020) untuk diterapkan pada tandem ORCA dan PyFrag 2019. Publikasi
Vermeeren dkk. (2020) sendiri lebih fokus pada tandem AMS dan PyFrag 2019 namun
menyatakan bahwa aplikasi kimia kuantum selain AMS, termasuk ORCA, juga dapat
digunakan bersama PyFrag 2019 untuk komputasi optimasi energi hingga IRC.
Sayangnya, belum banyak publikasi yang memaparkan teknis perhitungan IRC dengan
ORCA dan PyFrag 2019 padahal teknik ini sekiranya berhasil akan memberi banyak
keuntungan, seperti penggunaan piranti lunak FOSS murni yang artinya menekan biaya
serta visualisasi luaran, mulai dari grafik sampai video trajektori, yang lebih cepat.

21
3.1 Tempat Penelitian dan Infrastruktur Komputasi

Studi relevansi dilakukan secara mandiri di kediaman Penulis. Studi visualisasi IRC dari
penelitian ini dikerjakan pada komputer lokal bersistem operasi Windows 10 dan secara
jarak jauh pada server Catalyst MKI yang aksesnya disediakan oleh Dosen Pembimbing.

3.2 Bahan Penelitian dan Teknik Komputasi

Pada bagian studi relevansi, sumber primer yang digunakan adalah video MKV episode
15 musim 1 anime Dr. Stone (Inagaki dkk., 2019) rilisan Crunchyroll yang
didistribusikan secara peer-to-peer oleh Judas (Anonim, 2021). Sasaran pembelajaran
dalam bentuk Kompetensi Dasar Kurikulum 2013 Revisi diperoleh dari Lampiran
Permendikbud No. 37 Tahun 2018 (Effendy, 2018) dan dalam bentuk Capaian
Pembelajaran Kurikulum Merdeka diperoleh dari Lampiran 1 Keputusan Kepala BSKAP
Kemendikbudristek No. 008/H/KR/2022 (Aditomo, 2022).

Seluruh keperluan pembuatan berkas struktur molekul, baik untuk molekul stabil (EQ*),
intermediat (IM*), maupun perkiraan keadaan transisi (TS*), dikerjakan dengan piranti
lunak Avogadro (Hanwell dkk., 2016) dan Notepad++ (Ho, 2022). Komputasi kimia
kuantum dikerjakan dengan ORCA (Neese dkk., 2020). Visualisasi IRC dan analisis
ASM dikerjakan dengan Microsoft Excel dan PyFrag 2019 (Vermeeren dkk., 2020).

3.3 Cara Kerja

Studi relevansi mengadopsi metode Rocha (2022) sedangkan studi visualisasi

mengadaptasi protokol Vermeeren dkk. (2020).

3.3.1 Studi Relevansi

Terdapat tiga tahap dalam studi ini, yaitu: (1) pra-analisis, (2) eksplorasi materi, serta (3)
analisis dan interpretasi hasil. Tahap pertama dan kedua dilakukan terhadap sumber
primer secara independen sedangkan tahap ketiga dilakukan terhadap sumber primer
dalam kaitannya dengan kurikulum nasional, dalam hal ini Kurikulum 2013 Revisi dan
Kurikulum Merdeka.

Tabel 3.

22
3.3.2 Visualisasi Sintesis Sulfanilamida

Penelitian ini terbagi ke dalam tiga tahap, yakni: (1) preparasi molekul, (2) visualisasi
IRC, dan (3) analisis ASM. Metode yang digunakan adalah DFT dengan fungsional
B3LYP dan himpunan basis 6-311++G** untuk tahap (1) serta himpunan basis 6-31G*
untuk tahap (2) dan (3) (Alkorta dkk., 2022).

3.3.2.1 Preparasi Molekul

Pada tahap ini, molekul setimbang dan intermediat dirancang di Avogadro lalu
diminimisasi energinya dengan ORCA. Setelah diperoleh spesi-spesi dengan energi
minimum, dilakukan perancangan molekul keadaan transisi untuk setiap perubahan: (1)
dari reaktan ke intermediat, (2) dari intermediat ke intermediat, (3) dari reaktan ke
produk, dan (4) dari intermediat ke produk, pada setiap tahapan sintesis sulfanilamida
dari anilina (Koreeda, 2011; Hass, 2017). Masing-masing keadaan transisi dioptimisasi
geometrinya dengan ORCA hingga diperoleh struktur keadaan transisi optimum yang
valid berdasarkan parameter yang telah umum diketahui (Cramer, 2004).

3.3.2.2 Visualisasi IRC

Seluruh struktur setimbang, intermediat, dan transisi optimum yang telah divalidasi
kemudian dipetakan ke masing-masing tahapan sintesis sulfanilamida dari anilina, yaitu:
(1) sintesis asetanilida, (2) sintesis para-asetamidobenzenasulfonil klorida, (3) sintesis
para-asetamidobenzenasulfonamida, dan (4) sintesis sulfanilamida. Dilakukan komputasi
IRC untuk setiap reaksi pada masing-masing tahapan sintesis dengan ORCA untuk
memastikan validitas setiap komponen IRC. Setelah diperoleh IRC yang tepat untuk
seluruh reaksi, dilakukan komputasi IRC kembali untuk setiap reaksi dengan
menggunakan PyFrag 2019 via ORCA yang menghasilkan luaran berupa video trajektori
dalam format AMV. Fragmen-fragmen video trajektori ini dapat disatukan dengan
menggunakan piranti lunak penyunting video pada umumnya.

3.3.2.3 Analisis ASM

Masing-masing fragmen video IRC dan struktur stabil digunakan sebagai berkas masukan
untuk komputasi data analisis ASM menggunakan PyFrag 2019 via ORCA. Data yang
diperoleh dalam berkas TXT dipetakan ke dalam bentuk grafik dengan bantuan piranti
lunak MS Excel.

23
3.4 Jadwal Kegiatan

Penelitian direncanakan berlangsung selama bulan Agustus hingga November 2022

dengan rincian sebagaimana ditampilkan pada Tabel 3.1.

Tabel 3.1. Jadwal penelitian yang akan dilakukan.

Jadwal Kegiatan

Agu 2022 Sep 2022 Okt 2022 Nov 2022

Kegiatan
pekan ke- pekan ke- pekan ke- pekan ke-
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Studi relevansi
2 Preparasi molekul
3 Visualisasi IRC
4 Analisis ASM
5 Pembuatan
Laporan

24
 DAFTAR PUSTAKA

Acharjee, N. dan Banerji, A. (2020): A molecular electron density theory study to

understand the interplay of theory and experiment in nitrone-enone
cycloaddition, J. Chem. Sci., 132(65), 1–11.

Affeldt, F., Meinhart, D., dan Eilks, I. (2018). The use of comics in experimental
instructions in a non-formal chemistry learning context. International Journal of
Education in Mathematics, Science and Technology (IJEMST), 6(1), 93-104.

Alkorta, I., Claramunt, R. M., Elguero, J., Gutiérrez-Puebla, E., Monge, M. Á., Reviriego,
F., dan Roussel, C. (2022): Study of the Addition Mechanism of 1H-Indazole
and Its 4-, 5-, 6-, and 7-Nitro Derivatives to Formaldehyde in Aqueous
Hydrochloric Acid Solutions, J. Org. Chem., 87, 5866 – 5881.

Andrés, J., Berski, S., Domingo, L. R., Polo, V., dan Silvi, B. (2011): Describing the
Molecular Mechanism of Organic Reactions by Using Topological Analysis of
Electronic Localization Function, Current Organic Chemistry, 15(20): 3566 –
3575.

Andrés, J., Berski, S. A., Contreras-García, J., dan González-Navarrete, P. (2014):

Following the Molecular Mechanism for the NH3 + LiH # LiNH2 + H2
Chemical Reaction: A Study based on the joint use of the Quantum Theory of
Atoms in Molecules (QTAIM) and Non-covalent Interaction Index (NCI), J.
Phys. Chem. A, 118(9), 1663–1672.

Atilhan, M., Altamash, T., dan Aparicio, S. (2019): Quantum Chemistry Insight into the
Interactions Between Deep Eutectic Solvents and SO2, Molecules, 24, 2963.

Bai, M. Feng, Z., Li, J., dan Tantillo, D. J. (2020): Bouncing off walls – widths of exit
channels from shallow minima can dominate selectivity control, Chem. Sci., 11,
9937–9944.

Bardin, L. (2011): Análise de Conteúdo, Edisi ketujuh puluh, Terjemahan Portugis dari
L’analyse du Contenu, Livraria Martins Fontes, São Paulo – Brazil.

Ben Said, R., Kolle, J. M., Essalah, K., Tangour, B., dan Sayari, A. (2020): A Unified
Approach to CO2−Amine Reaction Mechanisms, ACS Omega, 5, 26125 –
26133.

Bickelhaupt, F. M. dan Houk, K. N. (2017): Analyzing Reaction Rates with the

Distortion/Interaction-Activation Strain Model, Angew. Chem. Int. Ed., 56,
10070 – 10086.

Capelle, K. (2006): A Bird’s-Eye View of Density-Functional Theory, Brazilian Journal

of Physics, 36(4A), 1318 – 1343.

Cramer, C. J. (2004): Essentials of Computational Chemistry: Theories and Models, Edisi

kedua, John Wiley & Sons, Ltd, Chichester – Inggris.

Deuber, R., Leisinger, U., dan Bärtsch, A. (2021): Sulfa-drugs as Topic for Secondary
School Chemistry – Effects, Side Effects and Structural Causes, Chimia,
75(1/2): 80 – 88.

25
Fernandes, H., Ramos, M. J., dan Cerqueira, M. F. S. A. (2018): molUP: A VMD Plugin
to Handle QM and ONIOM Calculations Using the Gaussian Software, Journal
of Computational Chemistry, 39(19), 1344 – 1353.

Fernández, I. dan Bickelhaupt, F. M. (2014): Activation Strain Model and Molecular

Orbital Theory: Understanding and Designing Chemical Reactions, Chem. Soc.
Rev., 43, 4953 – 4967.

Fukui, K. (1982): Chemical Reactivity Theory—Its Pragmatism and Beyond, Pure &
Appl. Chem., 54(10), 1825 – 1836, Pergamon Press, Oxford – Inggris.

González-Navarrete, P., Andrés, J., dan Berski, S. (2012), How a Quantum Chemical
Topology Analysis Enables Prediction of Electron Density Transfers in
Chemical Reactions. The Degenerated Cope Rearrangement of Semibullvalene,
J. Phys. Chem. Lett., 3, 2500–2505.

Grieco, G. dan Blacque, O. (2022): Microwave-assisted reduction of aromatic nitro

compounds with novel oxo-rhenium complexes, Appl. Organomet. Chem.,
36(1), e6452.

Hanwell, M. D., Curtis, D. E., Lonie, D. C., Vandermeersch, T., Zurek, E., dan
Hutchison, G. R. (2012): Avogadro: an advanced semantic chemical editor,
visualization, and analysis platform, Journal of Cheminformatics, 4, 17.

Inagaki, R. dan Park, M. J. (2017): Dr. Stone, Jilid 3 – 5, Shueisha, Tokyo – Jepang.

Inagaki, R. (Pencipta), Kido, Y. (Penulis), Iino, S. (Sutradara), dan Ikeda, T. (Sutradara)

(11 Okt 2019): The Culmination of Two Million Years (Musim 1 Episode 15),
dalam Takahashi, A., Shinohara, H., dan Ooyoshi, M. (Produser Eksekutif), Dr.
Stone, 8PAN, TMS Entertainment, Tokyo – Jepang, Crunchyroll, San Francisco
– Amerika Serikat.

Ikuo, A. dan Ogawa, H. (2014). Visualization of Reaction Mechanism by CG Based On

Quantum Chemical Calculation - An Approach To Electronic Laboratory
Textbook. African Journal of Chemical Education, 4(3), Edisi Spesial (Bagian
II), 22–33.

Ikuo, A., Ikarashi, Y., Shishido, T., dan Ogawa, H. (2006): User-Friendly CG
Visualization with Animation of Chemical Reaction: Esterification of Acetic
Acid and Ethyl Alcohol and Survey of Textbooks of High School Chemistry, J.
Sci. Educ. Japan, 30(4), 210 – 215.

Ikuo, A., Nagashima, H., Yoshinaga, Y., dan Ogawa, H. (2009): Calculation of potential
energy in the reaction of “I + H2 → HI + H” and its visualization, Chemical
Education Journal, 13(1), 1 – 6.

Ikuo, A., Nagashima, H., Yoshinaga, Y., dan Ogawa, H. (2011): Development of teaching
material in tablet computer based on computer graphics by quantum chemistry
calculation – Reaction of I + H2 → HI + H, dalam Hirashima, T. et al. (Eds.)
(2011): Proceedings of the 19 th International Conference on Computers in
Education, Asia-Pacific Society for Computers in Education, Chiang Mai –
Thailand.

26
Ikuo, A., Saito, K., Yoshinaga, Y., and Ogawa, H. (2013). Development of Teaching
Material in Tablet PC for Experiment of Nitration of Benzene Based on
Computer Graphics by Quantum Chemical Calculation. In Choy, D. et al. (Eds.)
(2013). Work-in-Progress Poster Proceedings of the 21st International
Conference on Computers in Education, Asia-Pacific Society for Computers in
Education, Bali – Indonesia.

Iwata, A. Y. dan Lupetti, K. O. (2017): Histórias de Vidro em Quadrinhos: O Ensino e a

Divulgação Científica de Conceitos Sobre o Vidro, Ludus Scientiae, 1(1), 75 –
92.

Jabbir, A. H. (2016): Synthesis of some sulfa drug derivatives as antibacterial agents,

Tesis Program Master, Universitas Al-Nahrain, Baghdad – Irak.

Jiao, Y. dan Weinhold, F. (2020): NBO/NRT Two-State Theory of Bond-Shift Spectral

Excitation, Molecules, 25(4052), 1 – 19.

Lewars, E. G. (2011): Computational Chemistry: Introduction to the Theory and

Applications of Molecular and Quantum Mechanics, Edisi kedua, Springer,
Dordrecht – Belanda.

Machida, T., Iwasa, T., Taketsugu, T., Sada, K., dan Kokado, K. (2020): Photoinduced
Pyramidal Inversion Behavior of Phosphanes Involved with Aggregation-
Induced Emission Behavior, Chemistry – A European Journal, 26(36), 8028–
8034.

Maeda, S., Harabuchi, Y., Ono, Y., Taketsugu, T., dan Morokuma, K. (2015): Intrinsic
Reaction Coordinate: Calculation, Bifurcation, and Automated Search,
International Journal of Quantum Chemistry, 115, 258 – 269.

Maeda, S., Harabuchi, Y., Takagi, M., Saita, K., Suzuki, K., Ichino, T., Sumiya, Y.,
Sugiyama, K., dan Ono, Y. (2018): Implementation and Performance of the
Artificial Force Induced Reaction Method in the GRRM17 Program, Journal of
Computational Chemistry, 39, 233 – 250.

Nagata, H. (2020): ドクターストーンと生命の堅牢性, 工学教育 (J. of JSEE), 68(4):

108.

Neese, F., Wennmohs, F., Becker, U., dan Riplinger, C. (2020): The ORCA quantum
chemistry program package, J. Chem. Phys., 152, 224108.

Polik, W. F. dan Schmidt, J. R. (2021): WebMO: Web-Based Computational Chemistry

Calculations in Education and Research, WIREs Computational Molecular
Science, 12(1), e1554.

Pugh, C. (2019): Acylated Sulfa Drugs: A Phthesis on the Synthesis of Acylated Sulfa
Compounds in Connection with Antitubercular Drug Design, Honors Thesis
Collection, 629.

Rocha, M. L. (2022): Animes e o Ensino de Química: Uma Análise de Dr. Stone como
Ferramenta Pedagógica, Skripsi Program Sarjana, Universidade Federal de
Santa Catarina, Florianópolis – Brazil.

27
Sun, X., Soini, T. M., Poater, J., Hamlin, T. A., dan Bickelhaupt, F. M. (2019): PyFrag
2019—Automating the Exploration and Analysis of Reaction Mechanisms, J.
Comput. Chem., 40, 2227 – 2233.

Svatunek, D. dan Houk, K. N. (2019): autoDIAS: a python tool for an automated

Distortion/Interaction Activation Strain Analysis, J. Comput. Chem., 40, 2509 –
2515.

Vermeeren, P., van der Lubbe, S. C. C., Guerra, C. F., Bickelhaupt, F. M., Hamlin, T. A.
(2020): Understanding chemical reactivity using the activation strain model,
Nature Protocols, 15, 649 – 667.

Williamson, K. L. dan Masters, K. M. (2017): Macroscale and Microscale Organic

Experiments, Edisi ketujuh, Cengage Learning, Boston – Amerika Serikat.

Yang, Y., Ding, Y., Zhao, Y., Ma, F., dan Li, Y. (2018): Reaction Mechanism of
Photodeamination Induced by Excited-State Intramolecular Proton Transfer of
the Anthrol Molecule, J. Phys. Chem. A, 122, 5409–5417.

Pustaka dari Situs Internet:

Aditomo, A. (Kepala BSKAP) (2022): Keputusan Kepala BSKAP Kementerian

Pendidikan, Kebudayaan, Riset, dan Teknologi No. 008/H/KR/2022,
https://kurikulum.kemdikbud.go.id/wp-content/unduhan/CP_2022.pdf, diunduh
pada 1 Juni 2022.

Anonim (2021): Dr. Stone – Anime, https://anidb.net/anime/14491, AniDB, diakses pada

1 Juni 2022.

Bickelhaupt, F. M. (1999): Understanding reactivity with Kohn–Sham molecular orbital

theory: E2–SN2 mechanistic spectrum and other concepts, J. Comput. Chem,
20(1), 114 – 128, https://doi.org/10.1002/(SICI)1096-
987X(19990115)20:1%3C114::AID-JCC12%3E3.0.CO;2-L, diakses pada 29
Mei 2022.

Blaudeau, J.-P., McGrath, M. P., Curtiss, L. A., Radom, L. (1997): Extension of

Gaussian-2 (G2) theory to molecules containing third-row atoms K and Ca, J.
Chem. Phys., 107, 5016 – 5021, https://doi.org/10.1063/1.474865, diakses dari
https://www.basissetexchange.org/ pada 29 Mei 2022.

Effendy, M. (Mendikbud) (2018): Permendikbud RI No. 37 Tahun 2018,

https://jdih.kemdikbud.go.id/arsip/Permendikbud%20Nomor%2037%20Tahun
%202018.pdf, diunduh pada 1 Juni 2022.

Ess, D. H. dan Houk, K. N. (2007): Distortion/Interaction Energy Control of 1,3-Dipolar

Cycloaddition Reactivity, J. Am. Chem. Soc., 129(35), 10646–10647,
https://pubs.acs.org/doi/10.1021/ja0734086, diakses pada 29 Mei 2022.

Eyring, H. (1935): The Activated Complex in Chemical Reactions, J. Chem. Phys., 3,

107, https://aip.scitation.org/doi/pdf/10.1063/1.1749604, American Chemical
Society, diakses pada 23 Mei 2022.

28
Fukui, K. (1970): Formulation of the reaction Coordinate, J. Phys. Chem., 74(23), 4161 –
4163, https://pubs.acs.org/doi/10.1021/j100717a029, American Chemical
Society, diakses pada 23 Mei 2022.

Fukui, K. (1981): The Role of Frontier Orbitals in Chemical Reactions, dalam

Malmström, B. G. (Ed.) (1992): Nobel Lectures: Chemistry 1981–1990,
Singapore: World Scientific Publishing Co..
https://www.nobelprize.org/prizes/chemistry/1981/fukui/lecture/, The Nobel
Prize, diunduh pada 3 Mei 2022.

Hass, M. A. (2017): Synthesis and Activity of Sulfanilamide: Mechanisms for Reactions

Used in the Synthesis of Sulfanilamide, Organic Chemistry Laboratory II,
http://www.organicchem.org/oc2web/lab/exp/sulfa/sulfamechanism.html,
Albany College of Pharmacy and Health Sciences, diakses pada 25 Mei 2022.

Ho, D. (2022): Notepad++ (Versi 8.3.3 64-bit), Program komputer, https://notepad-plus-

plus.org/, dipasang pada 8 Februari 2022.

Kementerian Luar Negeri Jepang (2020): 2020: Seven Latin American and Caribbean
Countries, Opinion Poll on Japan, https://www.mofa.go.jp/files/100187862.pdf,
diunduh pada 1 Juni 2022.

Kementerian Luar Negeri Jepang (2021): 2021: ASEAN, Opinion Poll on Japan,
https://www.mofa.go.jp/files/100348544.pdf, diunduh pada 1 Juni 2022.

Koreeda, M. (2011): Experiment 1: Synthesis of Acetamides from Aniline and

Substituted Anilines, Chem 216 S11 Notes, Lembar Kerja Praktikum,
http://websites.umich.edu/~chem216/216%20S11-Expt%201.pdf, University of
Michigan, diakses pada 27 Mei 2022.

Kull, S., Bellier, L., dan Rowland, S. (2017). Sharp Drop in World Views of US, UK:
Global Poll, https://globescan.com/2017/07/04/sharp-drop-in-world-views-of-
us-uk-global-poll/, diakses 1 Juni 2022.

Ophardt, C. (2019): Sulfa Drugs – a closer look, Organic Chemistry I and II,
https://chem.libretexts.org/@go/page/183159, LibreTexts™, diakses pada 25
Mei 2022.

OECD (2022): Education GPS, http://gpseducation.oecd.org/, diakses pada 1 Juni 2022.

Pantazis, D. A. (2020): Density Functionals Basis Sets, https://pc2.uni-

paderborn.de/fileadmin/pc2/events/2020-02-10_Winterschool/Pantazis_DFT-
BasisSets.pdf, Max-Planck-Institut für Kohlenforschung, Mülheim an der Ruhr,
Germany, diakses pada 28 Mei 2022.

Pritchard, B. P., Altarawy, D., Didier, B., Gibson, T. D., Windus, T. L. (2019): A New
Basis Set Exchange: An Open, Up-to-date Resource for the Molecular Sciences
Community, J. Chem. Inf. Model., 59(11), 4814 – 4820,
https://doi.org/10.1021/acs.jcim.9b00725, diakses pada 29 Mei 2022.

Wang, I. S. Y. dan Karplus, M. (1973): Dynamics of organic reactions, J. Am. Chem.

Soc., 95(24): 8160 – 8164, https://pubs.acs.org/doi/pdf/10.1021/ja00805a033,
American Chemical Society, diakses pada 23 Mei 2022.

29
 LAMPIRAN

Format Berkas Input Molekul Stabil untuk ORCA

! B3LYP 6-311++G** Opt

#Isikan koordinat z-matrix atau Cartesian molekulnya

* gzmt 0 1
C
Cl 1 1.07
H 1 1.32 2 109.47
H 1 1.32 2 109.47 3 240.0
H 1 1.32 2 109.47 3 120.0
*

Format Berkas Input Molekul Transisi untuk ORCA

! B3LYP 6-311++G** OptTS NumFreq

%geom
Calc_Hess true
NumHess true
Recalc_Hess true
End

#Isikan koordinat z-matrix atau Cartesian molekulnya

* gzmt 0 1
C
Cl 1 1.07
H 1 1.32 2 109.47
H 1 1.32 2 109.47 3 240.0
H 1 1.32 2 109.47 3 120.0
*

30
Format Berkas Input IRC untuk ORCA
Diadaptasi dari: https://www.molphys.org/orca_tutorial_2020/en/geom_opt.html

! B3LYP 6-31G* IRC

%irc
MaxIter 20
PrintLevel 1
InitHess Read
Hess_Filename "filename.hess"
end

%method
Grid 2
FinalGrid 4
end

#Isikan koordinat z-matrix atau Cartesian TS-nya

* gzmt 0 1
C
Cl 1 1.07
H 1 1.32 2 109.47
H 1 1.32 2 109.47 3 240.0
H 1 1.32 2 109.47 3 120.0
*

Format Berkas Input Analisis ASM untuk PyFrag 2019 via ORCA
Diadopsi dari Vermeeren dkk. (2020).

INPUT_SPECS
type = IRC
output file = [filename.amv]
frag1 = [name_frag1]
[#atomnrs_fragment1]
end frag1
frag2 = [name_frag2]
[#atomnrs_fragment2]
end frag2
print strain frag1 [equil_energy_fragment1]
print strain frag2 [equil_energy_fragment2]
print bond X Y [bond_diff]
END INPUT_SPECS
[Add here the Orca parameters]
END INPUT

31