STUDI TEORITIK HUBUNGAN KUANTITATIF STRUKTUR DAN

AKTIVITAS ANTIOKSIDAN SENYAWA TURUNAN FISETIN

Deden Kusuma Jaya, Charles Banon, Morina Adfa

Jurusan Kimia FMIPA Universitas Bengkulu
Dedenkusuma17@gmail.com

Abstrak

Antioksidan merupakan senyawa yang dapat mengganggu reaksi berantai radikal bebas di
dalam tubuh. Salah satu senyawa yang memiliki aktivitas antioksidan yaitu fisetin (3,3’,4’,7-
tetrahidroxyflavone). Telah dilakukan analisa HKSA secara teoritik dengan memprediksikan
turunan senyawa fisetin yang menggantikan subtituent pada C5, C2’, dan C5’ dengan gugus
metoksi atau etoksi sehingga didapatkan 12 senyawa turunan fisetin. Metode yang digunakan
adalah semiempiris AM1 menggunakan aplikasi Hyperchem 8.08 untuk pemodelan struktur dan
metode backward untuk analisa regresi multilinier menggunakan aplikasi SPSS v22.0. Hasil
analisa regresi multilinier menunjukan bahwa persamaan HKSA terbaik untuk menghitung nilai
aktivitas antioksidan senyawa turunan fisetin, yaitu:
IC50 = -12.791 + (-0.223)ΔHf + (3.796) ELumo + (6.42)Log P
(n=11; R=0,953; R2=0.909; Adj R2=0,874; SE=1,279; Fhitung/Ftabel=6,6560)
Hasil analisa menunjukan bahwa 5-metoksi fisetin diduga lebih berpotensi sebagai antioksidan
karena memiliki nilai aktivitas antioksidan (IC 50) lebih kecil dibandingkan dengan senyawa
turunan lainnya yakni 2,73 μM.
Kata kunci : HKSA, Antioksidan, Fisetin, Metoksi, Etoksi.

I. PENDAHULUAN
Pada kemajuan zaman saat ini telah membuat sebagian masyarakat mengalami
perubahan pola hidup termasuk diantaranya pola makan. Masyarakat cenderung
memilih makanan yang bersifat cepat saji dan instan tanpa memperhatikan efek
sampingnya. Pola makan yang tidak tepat dapat menyebabkan munculnya berbagai
penyakit, diantaranya penyakit kanker, diabetes melitus, aterosklerosis, katarak dan
penyakit jantung koroner. Dalam dunia kedokteran sebagian besar penyakit disebabkan
oleh adanya reaksi radikal bebas yang berlebihan di dalam tubuh (Rohmatussolihat,
2009).
Radikal bebas dalam ilmu kimia merupakan atom atau molekul yang memiliki
elektron yang tidak berpasangan. Radikal bebas yang ada di dalam tubuh manusia
sangat berbahaya karena memiliki sifat yang cenderung menarik elektron dan dapat
mengubah suatu molekul menjadi radikal. Komponen yang sering diserang oleh radikal
bebas seperti lipid, lipoprotein, protein, karbohidrat, RNA dan DNA. Tubuh manusia
memerlukan substansi penting yakni antioksidan yang dapat membantu melindungi
tubuh dari serangan radikal bebas maupun senyawa radikal (Suryohudoyo, 2012).
Antioksidan dapat dihasilkan oleh tubuh manusia itu sendiri yang biasanya disebut
antioksidan endogen. Namun antioksidan yang dihasilkan di dalam tubuh tidaklah
banyak, sehingga jika radikal bebas yang terbentuk di dalam tubuh lebih banyak maka
diperlukan antioksidan dari luar tubuh (antioksidan eksogen). Antioksidan eksogen bisa
didapatkan secara alami (sayuran dan buah-buahan) dan bisa juga didapatkan secara
sintetik (obat-obatan) (Sayuti dan Yenrina, 2015).

Deden Kusuma Jaya, dkk. 1

Jurusan Kimia FMIPA UNIB, 2017
 Untuk dapat menemukan senyawa antioksidan baru perlu dikembangkan desain
molekul baik secara sintesis langsung maupun dengan pendekatan pemodelan
menggunakan konsep-konsep kimia komputasi. Salah satu kajian kimia komputasi yang
dapat diterapkan adalah Quantitative Structure Activity Relationship (QSAR) atau
Hubungan Kuantitatif Struktur Aktivitas (HKSA). Kajian ini mempelajari kolerasi
secara kuantitatif antara struktur molekul dan nilai aktivitas biologis yang terukur secara
eksperimen (Tahir dkk., 2003).
Aktivitas antioksidan pada senyawa flavonoid telah diteliti dengan menggunakan
metode DPPH radical scavenging activity. Salah satu senyawa turunan flavonoid yang
telah diteliti yaitu fisetin yang memiliki nilai IC50 = 14,06. Didapatkan hasil bahwa
senyawa yang memiliki banyak gugus -OH pada cincin aromatisnya memiliki aktivitas
yang baik. Dari hasil eksperimen tersebut diduga masih terdapat senyawa turunan
flavonoid yang memiliki aktivitas yang baik dan belum disintesis dan diteliti (Ray,
2012).
Fisetin merupakan senyawa turunan flavonoid yang biasanya ditemui di dalam
buah-buahan dan sayuran yang memiliki sifat antioksidan. Fisetin mampu menghambat
terjadinya penyakit akibat serangan dari radikal bebas di dalam tubuh (Chuang dkk.,
2014). Fisetin (3,3’,4’,7-tetrahidroxyflavone) serta turunannya semi-sintetik mampu
memberikan khasiat sebagai antioksidan, antikanker, neurotropik, anti-angiogenik, anti-
mutagenik, anti-invasif, anti-virus, dan anti-penuaan (Jash dan Mondal, 2014).
Berdasarkan dari nilai aktivitas dan manfaatnya sebagai antioksidan, maka perlu
dilakukan penelitian untuk memprediksikan senyawa turunan fisetin yang kemungkinan
adanya peningkatan aktivitas antioksidan senyawa fisetin terhadap turunannya.
Senyawa turunan fisetin yang akan diteliti terlebih dahulu dimodifikasi dengan
menggantikan substituen gugus pendonor elektron berupa gugus alkoksi, yaitu metoksi
atau etoksi. Penambahan gugus metoksi (OCH3) atau etoksi (OC2H5) berdasarkan
penelitian sebelumnya yang menyatakan bahwa gugus metoksi atau etoksi dapat
meningatkan aktivitas antioksidan (Rifai dkk., 2014). Nilai aktvitas antioksidan
senyawa turunan fisetin yang didapat dari pendekatan kimia komputasi selanjutnya akan
menjadi dasar prediksi dari senyawa prediksi yang berpotensi sebagai antioksidan.
Penelitian ini didasari dengan metode semi empirik Austin Model 1 (AM1) untuk
pemodelan struktur yang menggunakan aplikasi Hyperchem v8.08. Data yang
didapatkan pada pemodelan struktur akan menjadi parameter (variabel bebas) dalam
analisa regresi multilinier. Persamaan HKSA terbaik dapat diperoleh dari analisa regresi
multilinier pada aplikasi SPSS v22.0 dengan menggunakan metode backward.
Persamaan tersebut akan digunakan untuk menghitung nilai aktivitas antioksidan
senyawa turunan fisetin.

II. METODE PENELITIAN

2.1. Waktu dan Tempat
Penelitian ini dilaksanakan pada bulan Mei sampai Agustus 2017 di Laboratorium
Kimia FMIPA Universitas Bengkulu.
2.2. Perangkat dan Senyawa Model
2.2.1 Perangkat Keras
Perangkat keras yang digunakan yaitu Notebook ASUS X401U dengan spesifikasi
Processor AMD C-60 1.0 GHz, memory 2.00 GB, dan layar monitor 14”.

Deden Kusuma Jaya, dkk. 2

Jurusan Kimia FMIPA UNIB, 2017
2.2.2 Perangkat Lunak
Perangkat lunak yang digunakan dalam penelitian ini yaitu sistem operasi Windows
7 Ultimate 32-bit, Chembiodraw Ultra 13, HyperchemTM versi 8.08, dan Statistical
Package for Service Solutions (SPSS) versi v22.0 for windows.
2.3.3 Senyawa Model
Pada penelitian ini senyawa model yang digunakan yaitu senyawa fisetin yang
memiliki nilai log IC50 = 14,06 dari hasil penelitian secara eksperimen oleh Ray (2012).

Gambar 1. Struktur fisetin (Chuang dkk., 2014)

Pada penelitian ini akan diprediksi senyawa turunan fisetin dengan penggantian
substituen pada posisi C5, C2’, C5’dengan gugus metoksi atau etoksi yang dapat dilihat
pada Gambar 5 dan Tabel 1.

Gambar 2. Fisetin yang digantikan substituennya dengan R2, R5, R8

Tabel 1. Prediksi senyawa turunan fisetin
Substituen
No Nama Senyawa
R1 R2 R3 R4 R5 R6 R7 R8
1 5-Metoksi Fisetin OH OCH3 OH H H OH OH H
2 2’-Metoksi Fisetin OH H OH H OCH3 OH OH H
3 5’-Metoksi Fisetin OH H OH H H OH OH OCH3
4 2’,5-Dimetoksi Fisetin OH OCH3 OH H OCH3 OH OH H
5 5,5’-Dimetoksi Fisetin OH OCH3 OH H H OH OH OCH3
6 2’,5’-Dimetoksi Fisetin OH H OH H OCH3 OH OH OCH3
7 5-Etoksi Fisetin OH OC2H5 OH H H OH OH H
8 2’-Etoksi Fisetin OH H OH H OC2H5 OH OH H
9 5’-Etoksi Fisetin OH H OH H H OH OH OC2H5
10 2’,5-Dietoksi Fisetin OH OC2H5 OH H OC2H5 OH OH H
11 5,5’-Dietoksi Fisetin OH OC2H5 OH H H OH OH OC2H5
12 2’,5’-Dietoksi Fisetin OH H OH H OC2H5 OH OH OC2H5
Berdasarkan 12 senyawa turunan fisetin diatas dapat dilihat dimana substituent
yang digantikan dengan gugus alkoksi sehingga diharapkan dapat meningkatnya
aktivitas antioksidan.

Deden Kusuma Jaya, dkk. 3

Jurusan Kimia FMIPA UNIB, 2017
2.3. Prosedur Kerja
2.3.1 Menggambar Struktur Senyawa Turunan Fisetin
Senyawa turunan fisetin yang sudah diprediksi pada Tabel 1 digambarkan pada
aplikasi Chembiodraw Ultra 13. Struktur dari masing-masing senyawa prediksi
digambarkan dalam bentuk dua dimensi. Struktur yang sudah digambarkan kemudian
disimpan dalam bentuk file dengan format (.mol) supaya bisa diinput kembali ke
aplikasi Hyperchem untuk dilakukan pemodelan struktur. Penggunaan aplikasi
Chembiodraw Ultra 13 berfungsi untuk menggambar struktur dalam bentuk 2D dan
melihat nama IUPAC dari masing-masing senyawa turunan fisetin.
2.3.2 Pemodelan Struktur Senyawa Turunan Fisetin
Struktur kimia senyawa fisetin diinput ke aplikasi Hyperchem v8.08 untuk
dilakukan pemodelan struktur dengan perhitungan semi empiris Austin Model 1 (AM1).
Sebelum dilakukan pemodelan sruktur senyawa prediksi dibuat menjadi tiga dimensi
agar terlihat lebih jelas (Klik menu display  pilih rendering  balls and cylinders 
klik ok ). Untuk mendapatkan data dari pemodelan struktur maka dilakukan
penyimpanan data terlebih dahulu (klik menu file  pilih star log  ketik nama file 
klik ok). Data yang tersimpan dalam bentuk file rekaman dengan format (file.log).
Pemodelan struktur dilakukan dengan optimasi geometri menggunakan metode
semi emipris Austin Model 1 (AM1) dengan batas kovegensi 0,01 kcal/ Å mol untuk
mendapatkan struktur yang lebih stabil. (klik menu setup  pilih semi empirical 
pilih options  ketik 0,01 pada convergence limit  klik ok). Optimasi geometri
dilakukan (klik menu compute  pilih geometri optimization  kliik algoritma Polak-
Ribiere  klik ok).
Setelah dioptimasi dan didapatkan data perhitungan, maka penyimpanan data
dihentikan (klik menu file  pilih stop log  klik ok). Data yang disimpan pada file
rekaman adalah nilai deskriptor molekuler dari hasil optimasi geometri. Nilai deskriptor
molekuler yang didapatkan yakni: energi total (Et), energi ikat (Eb), energi elektronik
(Ee), panas pembentukan (∆Hf), momen dipol (μ), energi homo (EHomo), energi lumo
(ELumo), koefisien partisi (Log P), reflaktivitas (R), dan polarisabilitas (α).
2.3.3 Analisa Regresi Multilinier
Analisa dalam penentuan HKSA dilakukan dilakukan denggan metode regresi
multilinear. Analisa data dilakukan dengan menggunakan aplikasi SPSS v22. Variabel
bebas yang digunakan yaitu nilai deskriptor yang telah didapatkan pada perhitungan
Hyperchem dan variabel terikat yaitu aktivitas antioksidan (IC50).
Langkah dalam melakukan analisa menggunakan SPSS yaitu memasukan semua
data deskriptor kedalam aplikasi SPSS. Setelah data dimasukan, klik menu Analyze →
Regression → Linear akan muncul kotak dialog Linear Regression.
Pada form Dependent diisi dengan nilai log 1/IC50, pada form Independent diisi
dengan nilai deskriptor yang dihitung. Pada form Method pilih backward, selanjutnya
klik menu Statistics. Muncul kotak dialog Linear Regression: Statistics, beri tanda
centang pada pilihan Estimates, Model fit, dan descriptive,Klik menu Continue.
Pada kotak dialog Linear Regression klik menu Plots, masukkan DEPENDNT pada
Y dan *ADJPRED pada X. Centang pilihan Histogram dan Normal probability plot
kemudian klik menu continue untuk kembali ke kotak dialog Linear Regression. Klik
Save maka akan muncul kotak dialog, beri tanda centang pada pilihan Unstandarized
pada Predicted Values dan Residuals kemudian klik menu continue untuk kembali ke
kotak dialog Linear Regression. Terakhir, klik OK untuk menjalankan analisis.

Deden Kusuma Jaya, dkk. 4

Jurusan Kimia FMIPA UNIB, 2017
 Prosedur analisa dilakukan menggunakan variabel bebas dan variabel terikat dari
senyawa kajian untuk mencari persamaan regresi. Dipilih beberapa kombinasi
persamaan yang memiliki korelasi antar variabel bebas yang kuat sebagai model
persamaan. Kemudian dilakukan analisia dari model persamaan regresi multilinear
dengan pertimbangan R, R2, Adjust R2, SE, dan Fhitung/Ftabel untuk mendapatkan model
persamaan terbaik dalam menghitung aktivitas masing-masing senyawa turunan fisetin.
2.3.4 Perhitungan Nilai Aktivitas Antioksidan Senyawa Turunan Fisetin
Nilai aktivitas antioksidan atau konsentrasi penghambat radikal bebas (IC50) dari
masing-masing senyawa turunan fisetin dihitung menggunakan persamaan :
IC 50=a+ b1 X 1+ b2 X 2+ …+b n X n
IC50 : Aktivitas Senyawa b2 : Kemiringan/Slope (SPSS) ke 2
a : Konstanta/Intersep (SPSS) X2 : Variabel Bebas ke 2
b1 : Kemiringan/Slope (SPSS) ke 1 bn : Kemiringan/Slope (SPSS) ke n
X1 : Variabel Bebas ke 1 Xn : Variabel Bebas ke n
Perhitungan nilai aktivitas antioksidan yang didapatkan akan dibandingkan dengan nilai
aktivitas antioksidan dari hasil penelitian sebelumnya yaitu IC50 = 14,06.

III. HASIL DAN PEMBAHASAN

3.1. Menggambar Struktur Senyawa Turunan Fisetin
Senyawa turunan fisetin seperti pada Tabel 1 digambarkan pada aplikasi
Chembiodraw dalam bentuk 2D. Hasil penggambaran struktur dari masing-masing
senyawa prediksi dengan penggantian substituen (gugus metoksi atau etoksi), dapat
dilihat pada Gambar 3.
Setiap struktur senyawa turunan fisetin yang sudah digambarkan disimpan dengan
format (.mol) yang bertujuan agar dapat dibuka dengan aplikasi Hyperchem v8.08 untuk
dilakukan pemodelan struktur. Perbedaan posisi substituen yang digantikan antara
gugus metoksi atau etoksi dapat dilihat dengan jelas pada masing-masing senyawa
turunan fisetin. Substituen tersebut digantikan pada cincin A dan B sehingga diharapkan
dapat meningkatkan aktivitas antioksidan dari senyawa turunan fisetin.
3.2. Pemodelan Strukur Senyawa Turunan Fisetin

Gambar 3. Struktur Senyawa Turunan Gambar 4. Struktur Senyawa Turunan

Fisetin dalam bentuk 2D Fisetin dalam bentuk 3D

Deden Kusuma Jaya, dkk. 5

Jurusan Kimia FMIPA UNIB, 2017
 Setiap senyawa turunan fisetin yang telah diupload pada aplikasi Hyperchem dan
telah dilakukan perubahan sruktur dari 2D menjadi 3D yang bertujuan untuk melihat
pergerakan dari masing-masing atom saat dilakukan pemodelan struktur disajikan pada
Gambar 4. Gambar struktur senyawa turunan fisetin dalam bentuk 3D menunjukan
bahwa atom yang berwarna biru merupakan atom Karbon (C), atom merah merupakan
atom Oksigen (O), dan atom kecil berwarna putih merupakan atom Hidrogen (H).
Pemodelan struktur yang dilakukan dengan metode semi empiris AM1 pada
aplikasi Hyperchem tersebut berisikan deskriptor molekuler yang akan digunakan
sebagai variable bebas untuk mengitung nilai aktivitas antioksidan senyawa turunan
fisetin. Derskriptor molekuler yang digunakan diantaranya : energi total (Et), energi ikat
(Eb), energi elektronik (Ee), panas pembentukan (∆Hf), momen dipol (μ), energi homo
(EHomo), energi lumo (ELumo), koefisien partisi (Log P), reflaktivitas (R), dan
polarisabilitas (α).
Deskriptor yang dipilih haruslah memiliki hubungan yang kuat dengan aktivitas,
sehingga aktivitas suatu senyawa dapat diprediksi. Deskriptor-deskriptor yang
digunakan pada penelitian ini meliputi deskriptor sterik (R dan ∆Hf), deskriptor
elektronik (Et, Eb, Ee, EHomo, dan ELumo, μ, dan α) dan deskriptor hidrofobik (Log P).
Deskriptor sterik merupakan deskriptor molekular yang digunakan untuk melakukan
evaluasi terhadap toksisitas dan memprediksi aktivitas senyawa. Deskriptor elektronik
digunakan untuk meminimalkan energi potensial dalam struktur molekul serta
memperkirakan muatan atom, energi molekular orbital, dan deskriptor elektronik
lainnya yang dapat menunjang studi HKSA. Sedangkan deskriptor hidrofobik
digunakan untuk memperkirakan distribusi obat di dalam tubuh sehingga menjadi
rujukan dalam penelitian lanjutan secara eksperimental maupun penerapan dalam kajian
biomedis (Perwira dkk, 2015).
3.3. Analisa Regresi Multilinier
Analisa regresi multilinier dilakukan pada aplikasi SPSS v22.0 dengan metode
backward yang menggunakan data deskriptor molekuler. Deskriptor molekuler tersebut
digunakan sebagai variabel independent (variabel bebas). Berdasarkan dari data pada
analisa regresi multilinier didapatkan 5 model persamaan yang memenuhi syarat
signifikansi pada tingkat kepercayaan 95%, terlihat dari nilai rasio Fhitung/Ftabel yang lebih
dari 1. Persamaan yang terpilih dapat dilihat pada Tabel 2.
Tabel 2. Model persamaan HKSA dengan metode backward
No Variabel R R2 Adj R2 SE Fhitung/Ftabel
1 ELumo, LogP, ΔHf, EHomo, μ, A, Ee 0.957 0.915 0.767 1.740 2.0526
2 ELumo, LogP, ΔHf, EHomo, μ, A 0.957 0.915 0.814 1.556 2.9155
3 ELumo, LogP, ΔHf, EHomo, μ 0.957 0.915 0.844 1.423 4.0481
4 ELumo, LogP, ΔHf, EHomo 0.956 0.915 0.866 1.320 5.2270
5 ELumo, LogP, ΔHf 0.953 0.909 0.874 1.279 6.6560

Kriteria untuk memilih persamaan HKSA terbaik yaitu dengan memperhatikan

harga R (koefisien korelasi) dan R2 (koefisien determinasi) yang memiliki nilai diatas
0,8 (80%) dan mendekati nilai 1,0 (100%), yang artinya persamaan tersebut dapat
diterima untuk memprediksi aktivitas antioksidan suatu senyawa. Jika harga R dan R 2
mendekati 1, maka hubungan variabel bebas dan variabel terikat semakin kuat (Nisa
dkk., 2015). Data diatas menunjukan bahwa kelima model persamaan tersebut dapat
diterima dengan harga R dan R2 terkecil yaitu 0,953 dan 0,909. Namun dari kelima
model persamaan tersebut belum memenuhi sebagai pemilihan persamaan HKSA

Deden Kusuma Jaya, dkk. 6

Jurusan Kimia FMIPA UNIB, 2017
terbaik. Hal ini dikarenakan beberapa model persamaan tersebut memiliki harga R dan
R2 yang sama, sehingga pemilihan dilanjutkan dengan memperhatikan harga adjust R2,
SE dan Fhitung/Ftabel.
Kriteria selanjutnya yaitu dengan memperhatikan nilai adjusted R2 yang merupakan
nilai R2 yang telah dikoreksi terhadap jumlah variabel. Nilai adjusted R2 yang
digunakan ini lebih peka terhadap kesalahan yang terdapat dalam setiap persamaan.
Selain itu kriteria pemilihan model persamaan terbaik juga dapat dilihat dengan
memperhatikan besar atau kecilnya harga SE (Standard Error). Harga SE yang kecil
menyatakan bahwa penyimpangan data yang terjadi sangat kecil, atau memiliki
signifikansi yang lebih tinggi. Selanjutnya dengan memperhatikan harga Fhitung/Ftabel
yang merupakan salah satu kriteria dalam pemilihan model persmaan HKSA terbaik.
Nilai Fhitung/Ftabel mampu menggambarkan tingkat signifikansi data dengan tingkat
kepercayaan pada penelitian sebesar 95 %. Semakin besar harga Fhitung/Ftabel
maka data akan semakin signifikan.
Berdasarkan dari 5 kriteria pemilihan model persamaan HKSA terbaik (R, R 2,
adjusted R2, SE dan Fhitung/Ftabel), maka dapat diketahui bahwa model persamaan ke-5
merupakan model persamaan HKSA yang terpilih untuk menghitung nilai aktivitas
antioksidan dari masing-masing senyawa turunan fisetin. Hal tersebut dikarenakan
model persamaan 5 memiliki Harga R dan R 2 yang mendekati 1, memiliki nilai adjusted
R2 yang paling besar yaitu 0.874, memiliki harga SE yang paling kecil dan memiliki
nilai Fhitung/Ftabel yang paling besar yakni 6.6560, yang dapat diartikan bahwa model persamaan
tersebut memiliki ketelitian yang lebih baik dalam menggambarkan hubungan variabel
bebas dan variabel terikat dengan tingkat kesalahan yang relatif kecil serta signifikan
data yang lebih tinggi.
3.4. Perhitungan Nilai Aktivitas Antioksidan Senyawa Turunan Fisetin
Nilai aktivitas antioksidan senyawa turunan fisetin dapat dihitung dengan
persamaan regresi multilinier yang terpilih sebagai persamaan HKSA terbaik. Model
persamaan 5 merupakan model persamaan terpilih yang melibatkan 3 deskriptor
(variabel bebas), diantarannya panas pembentukan (ΔHf), energi lumo (E Lumo), dan
koefisien partisi (Log P). Berdasarkan dari hasil regresi multilinier, rumus persamaan
untuk menghitung nilai aktivitas antioksidan senyawa turunan fisetin dapat ditulis
sebagai berikut :
IC50 = -12.791 + (-0.223)ΔHf + (3.796)ELumo + (6.42)Log P
Nilai aktivitas antioksidan (IC50) dari masing-masing senyawa turunan fisetin
dihitung dengan menggunakan aplikasi Microsft excel 2007 dengan memasukan
persamaan diatas, yang bertujuan untuk mempermudah proses penghitungan. Hasil
perhitungan tersebut dapat dilihat pada Tabel 3.
Tabel 3. Nilai aktivitas senyawa turunan fisetin
IC50 (μM)
No Nama Senyawa
(μM) 7 5-Etoksi Fisetin 5.75
1 5-Metoksi Fisetin 2.73 8 2’-Etoksi Fisetin 7.02
2 2’-Metoksi Fisetin 3.03 9 5’-Etoksi Fisetin 7.59
3 5’-Metoksi Fisetin 4.05 10 2’,5-Dietoksi Fisetin 11.45
4 2’,5-Dimetoksi Fisetin 3.40 11 5,5’-Dietoksi Fisetin 11.24
5 5,5’-Dimetoksi Fisetin 4.60 12 2’,5’-Dietoksi Fisetin 12.34
6 2’,5’-Dimetoksi Fisetin 5.23
No Nama Senyawa IC50

Deden Kusuma Jaya, dkk. 7

Jurusan Kimia FMIPA UNIB, 2017
Berdasarkan data diatas, senyawa turunan fisetin memiliki nilai IC 50 lebih kecil
dibandingkan dengan senyawa fisetin yang diteliti oleh Ray (2012) yang memiliki nilai
IC50=14,06. Hal ini diduga bahwa senyawa turunan fisetin lebih berpotensi sebagai
antioksidan karena semakin kecil nilai IC50 maka semakin baik aktivitas antioksidan
suatu senyawa (Nisa dkk., 2015). Data tersebut juga menunjukan bahwa 5-metoksi
fisetin merupakan senyawa yang paling berpotensi sebagai antioksidan dikarenakan
memiliki nilai IC50 (2.73 μM) yang paling kecil dibandingkan senyawa turunan fisetin
lainnya.

IV. KESIMPULAN
4.1. Kesimpulan
Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa :
1) Persamaan HKSA terbaik yang digunakan untuk menghitung nilai aktivitas
antioksidan senyawa turunan fisetin yaitu :
IC50 = -12.791 + (-0.223)ΔHf + (3.796) ELumo + (6.42)Log P
(n=11; R=0,953; R2=0.909; Adj R2=0,874; SE=1,279; Fhitung/Ftabel=6,6560)
2) Senyawa turunan fisetin yang lebih berpotensi sebagai antioksidan yaitu 5-metoksi
fisetin dengan nilai IC50 = 2,73 μM, karena memiliki nilai IC50 paling kecil
dibandingkan dengan senyawa turunan lainnya.
4.2. Saran
Berdasarkan penelitian yang telah dilakukan, dapat diberikan saran sebagai berikut:
1) Perlu dilakukan pengujian secara eksperimen di laboratorium untuk membuktikan
potensi aktivitas antioksidan dari senyawa 5-metoksi fisetin dengan menggunakan
metode DPPH radical scavenging activity.
2) Perlu dilakukan penelitian HKSA senyawa turunan fisetin dengan metode semi
empiris lainnya untuk melihat nilai akivitas antioksidan dari senyawa turunan
tersebut.

DAFTAR PUSTAKA
Chuang J.Y., Chang P.C., Shen Y.C., Lin C., Tsai C.F., Chen J.H., Yeh W.L. 2014.
Regulatory Effects of Fisetin on Microglial Activation. Molecules, 19(7), 8820-
8839.
Dhianawarty D., Ruslin. 2015. Kandungan Total Polifenol Dan Aktivitas Antioksidan
Dari Ekstrak Metanol Akar Imperata Cylindrica (L) Beauv. (Alang-Alang).
Journal of MKB, 47(1), 60-64.
Farkas O., Jakus J., Heberger K. 2004. Quantitative Struktur – Antioxidant activity
Relationship Of flavonoid compounds. Molecules, 9, 1079-1088.
Hansen C. 2004. Quantitative Structure-Acivity Relationship (QSAR) and Pesticides.
Denmark : Denmark Teknologisk Insitut.
Jash S.K., Mondal S. 2014. Bioactive Flavonoid Fisetin-A Molecule of Pharmacological
Interest. Journal of Organic & Biomolecular, 2(2), 89-128.
Male Y.T., Sutapa I.W., Ranglalin O.M. 2015. Studi Komputasi Zat Warna (Dyes)
Alami sebagai Material Aktif pada Sel Surya Organik Menggunakan Teori
Fungsional Kerapatan (Density Functional Theory, Dft). Ind. J. Chem. Res, 2,
205-212.

Deden Kusuma Jaya, dkk. 8

Jurusan Kimia FMIPA UNIB, 2017
Mayuresh S., Tukaram J., Ujjawala C., Mahanthesh M.C., Manish B. 2010. QSAR-A
Novel Tool in Drug Design. International Journal Of Pharmaceutical
Applicaions, 1(2), 62-75.
Nisa F.K., 2013. Uji Aktivitas Senyawa Khrisin Sebagai Antioksidan Dengan Modifikasi
Gugus Pada Cincin Aktifnya Menggunakan Metode Rm1 Dan Ab Initio. Skripsi.
Universitas Semarang. Semarang.
Perwira G. 2015. Analisa Hubungan Kuantitatif Struktur Dan Aktivitas Antioksidan
Senyawa Turunan Apigenin. Skripsi. Universitas Negri Semarang. Semarang.
Praja D.I. 2015. Zat Aditif Makanan, Manfaat dan Bahayanya. Yogyakarta:
Garudhawaca.
Pranowo H. D. 2011. Pengantar Kimia Komputasi. Bandung : Lubuk Agung.
Priano B. 2014. Pemodelan Kimia Komputasi. Lapan : Materia Diargantara.
Rahmatussolihat. 2009. Antioksidan, Penyelamat Sel-Sel Tubuh Manusia. Jurnal
Biotrends, 4(1), 5-9.
Ray S. 2012. A Theoretical Study of 1, 1-Diphenyl-2-Picrylhydrazyl (DPPH) Radical
Scavenging Activities of Flavonoids Using Electrotopological State Atom (E-
State) Parameters. International Journal of Pharma and Biosciences, 3(3), 543-
550.
Rheda A. 2010. Flavonoid: Struktur, Sifat Antioksidatif Dan Peranannya Dalam Sistem
Biologis. Jurnal PNP, 9 (2), 196 – 202.
Rifai A.A. 2014. Kajian HKSA Senyawa Turunan Deoksibenzoin Terhadap Aktifitas
Antioksidan Menggunakan Analisis Multilinear. Indonesian Journal of Chemical
Science, 3(3), 222-226.
Rozaq, A. 2008. Penggunaan Deskriptor Sterik Untuk Analisis HKSA Antimalaria
Senyawa Analog 1, 10-Fenantrolin Berdasarkan Analisis MLR dan PCR. Skripsi.
UGM. Yogyakarta.
Salamah N., Widyasari E. 2015. Aktivitas Antioksidan Ekstrak Metanol Daun
Kelengkeng (Euphoria Longan (L) Steud.) Dengan Metode Penangkapan Radikal
2,2’-Difenil-1-Pikrilhidrazil. Journal Of Parmachiana, 5(1), 25-34.
Sardjiman. 2011. Belajar Kimia Organik Metode Iqro’. Yogyakarta: Pustaka Pelajar.
Sayuti K., Yenrina R. 2015. Antioksidan Alami dan Sintetik. Padang: Andalas
University Press.
Suryhodoyo, P. 1993. Oksidan, Antioksidan dan Radikal Bebas. Surabaya:
Laboratorium Fakultas Kedokteran Unair.
Tahir I., Wijaya K., Widianingsih D. 2003. Terapan Analisis Hansch untuk Aktivitas
Antioksidan Senyawa Turunan Flavon/Flavonol. Yogyakarta : Jurusan Kimia
FMIPA UGM.
Touil Y.S., Seguin J., Scherman D., Chabot G.G. 2011. Improved Antiangiogenic And
Antitumour Activity Of The Combination Of The Natural Flavonoid Fisetin And
Cyclophosphamide In Lewis Lung Carcinoma-Bearing Mice. Journal Cancer
Chemother Pharmacol, 1-14.
Wibowo, A.E., 2012. Aplikasi Praktis SPSS dalam Penelitian. Yogyakarta: Gava
Media.
Winarsih H. 2007. Antioksidan Alami dan Radikal Bebas, Potensi dan Aplikasinya
dalam Kesehatan. Yogyakarta: Kanisus.
Yogasmara E., Lestari. 2010. Buku Pintar Keluarga Sehat, Panduan Praktis Hidup
Bagi Seluruh Anggota Keluarga. Jakarta: PT. Gramedia Pustaka Utama.

Deden Kusuma Jaya, dkk. 9

Jurusan Kimia FMIPA UNIB, 2017
Deden Kusuma Jaya, dkk. 10
Jurusan Kimia FMIPA UNIB, 2017