Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTelah dilakukan penelitian untuk mencari metoda analisa kualitatif yang sederhana untuk membedakan tiga belas antibiotik turunan penisilina yaitu ampisilina, amoksisilina, bekampisilina, pivampisilina, natrium kloksasilina, natrium dlkloksasilina, natrium flukloksasilina, prokaina ben zil penisilina, benzathina penisilina G, kalium fenoksi metil penisilina, natrium sulbenisilina, kalium hetasilina dan sikiasilina. Metoda yang dilakukan adalah reaksi warna, kromatografi kertas, kromatografi lapisan tipis, reaksi mikro kristal, dan spektroskopi. Untuk percobaan krornatografi, percobaan dilakukan secara bertahap. Eluen-eluen yang digunakan dipilih yang mudah didapat, yang banyak digunakan dan yang didalam literatur disebutkan dapat memberikan hasil yang balk. Percobaan pendahuluan untuk krornatografi dilakukan terhadap sebagian zat. Eluen yang memberikan pemisahan yang cukup balk dan bentuk bercak yang cukup baik, dipakai untuk percobaan selanjutnya, yang dilakukan untuk semua zat. Dari hasil percobaan didapatkan bahwa tidak ada satu cara identifikasi tunggal yang dapat membedakan sekaligus ketiga belas antibiotik turunan penishlina yang dicoba. Reaksi yang dapat digunakan sebagai reaksi pengenal golongan untuk antibiotik turunan penisilina adalah reaksi warna dengan natnium kromatropat .- asam sulfat pekat dan reaksi dengan ninhidrin. Ada beberapa peraksi yang memberikan warna yang khusus untuk zat tertentu, sehingga dapat dipakal untuk membedakannya dari zat lainnya. Hasil kromatografi kertas dengan sistem : dapar fosfat pH : 4,5/butil asetat-butanol-asam asetat-air ( 80:15: 40:24 ) dengan penampak noda larutan ninhidrin dan larutan AgNO 3 - NaOH, dan kromatografi lapisan tipis dengan sistem butanol dijenuhkan dengan dapar fosfat-sitrat pH : 4,6 dengan penampak noda sinar ultraviolet pada panjang gelombang 366 nm, dan larutan ninhidnin, memberikan pemisahan yang cu kup baik, walaupun beberapa zat memberikan nilai Rf yang berdekatan. Percobaan rnikro knistal dengan menggunakan pereaksi tertentu memberikan bentuk yang spesifik untuk beberapa zat. Spektroskopi ultraviolet larutan zat dalam air dengan pereaksi dapar tembaga (II) sulfat pH : 5,2 membenikan serapan rnaksimum pada panjang gelombang yang berdekatan."

"Telah dilakukan penelitian imt-uk mencari suatu metoda ana-li-r^.sa kualitatif yang sederhana untuk memkedakan enam antibiotik turu>nan tetrasiklin yaitu oksitetrasiklin,khlortetrasiklin,tetrasiklin,doksisiklin,minosiklin dan demetilkhlortetrasiklin.Metoda yang dilakukan adalah reaksi KTarna,fluoresensi,reaksi mikrokristal,kromatografifcQrtaSjkroinatografi lapisan tipis dan spektrofotometri.Dari hasil percoba-an didapatkan bahwa tidak ada- catupun pereaksiwarim yang dapa,t membedakan sekaligus keenam antibiotik tersebutjtetapidapat dengan menggunakan korabinasi asam sulfat pekat dan,asam nitrat pekat,Reaksi mikrokristal aseton-air maupun etanol-airdapat dipakai untuk membedakan keenam antibiotik tersebut.Hasil kromatografikertas yang terbaik diberikan oleh sistim dengan eluenbutil asetat-metil isobutilketon-butanol-air (5:15s2:22) denga.n pen^deteksi sinar ultraviolet jje.da p8,njang gelomba,ng 366 nm.Percobaankromatografi lapisan tipis tidak memberikan hasil yang memuaskan.Spektrofotometri ultraviolet dari larutan zat dalam asam khlorrda0,1N dan natrium hidroksida 0,1N memberikan puncak maksimum padapanjang gelombang yang berdekatan."

"Telah dilakukan penelitian untuk mencari suatu metoda analisis kualitatif yang sederhana untuk inembedakan enam antibiotik golongan arninoglikosida ysitu aminosidin,, geritamisin, kanamisin, neomisin, sisomisin dan. streptomisin. Netoda yang dilakukan adaish reaksi warna, reaksi mikro kristal, kromatografi kertas, krornatografi. lapisan. tipis dan spektrofotometri. Dari hasil percobaan didapatkan bahwa tidak ada cara identifikasi tunggal yang dapat membedakan sekaligus keenam antibiotik golongan arninoglikosida tersebut. Salah satu reaksi pengenal antibiotik golongan aminoglikosida adalah reaksi warna dengan ninhidrin. Ada beberapa pereaksi yang membenikan warna yang khusus untuk zat tertentu sehingga dapat dipakai untuk rnembedakan dari zat lainnya. Kromatografi kertas dengan sistem :propanol-pinidinasam asetat glasial-air (15:10:3:12), kromatografi kertas dua dimensi dengan sis-tem : propanol-pinidin-asarn asetat glasi al-air (15:10:3:12) dan dengan sistérn : metiletilketon-butafbi tersier-metanol-amonia pekat (16:3:1:6), dan krornatogra11 lapisan tipis dengan sistem : amonia pekat-.air- aseton (16:144:40), memakai penampak nods nirthidnin dan natnium nitroprusid teroksidasi, mernbenikan hasil cukup baik, wa1pun beberapa zat membenikan niiai Rf yang berdekatan. Percobaan mikro knistal dengan mikrosubiimasi memberi kan bentuk cukup spesifik untuk arninosidiri, neomisin dan streptornisin, dan dengan metanol dan asam suifat encer sarna banyak membe±ikan bentuk cukup spesifik untuk streptomisin. Spektrofotometri tampak darilarutan zat dalam air dengan pereaksi ninhidrin 0,2 % b/v dalam butanol memberikan serapan maksinium dengan dus puncak pads panjang gelombang 385 dan 564 mn untuk aminosid in,. 350 dan 406 nm untuk. neomisin, 355 dan 398 nm untuk sisomisin; dengan satu puncak pada panjang gelombang 568 nm unt.uk gentamisin dan kana misin masing-masing."

"ABSTRAKDalam beberapa tahun terakhir, new psychoacytive substances NPS telah berkembang cepat dalam pasaran sebagai alternatif legal obat yang diatur oleh dunia internasional dengan potensi resiko kesehatan serius. Pada tahun 2016, sebanyak 21 senyawa diantara 56 jenis NPS yang beredar di Indonesia telah teridentifikasi merupakan turunan kanabinoid. Namun, hanya 43 dari 56 NPS yang sudah diatur dalam Peraturan Menteri Kesehatan Nomor 2 tahun 2017. Kemudian diperkirakan NPS akan terus bertambah. Penelitian ini bertujuan untuk memperoleh metode yang paling baik untuk mengklasifikasi senyawa baru golongan kanabinoid dengan menggunakan deep learning untuk meningkatkan performa analisis in silico. Penelitian ini membandingkan metode deep learning dan pemodelan farmakofor. fingerprint dua dimensi dan deskriptor sifat fisikokimia digunakan sebagai bahan pembelajaran metode deep learning. Kedua model yang dihasilkan oleh dua metode akan digunakan untuk mengklasifikasikan golongan senyawa kanabinoid baru. Didapatkan deep learning menggunakan fingerprint dua dimensi sebagai metode terbaik. Metode ini memberikan hasil akurasi dan Kohen Kappa dengan nilai 0,9904 dan 0,9876 secara berurutan. Namun, metode deep learning menggunakan deskriptor dan pemodelan farmakofor memberikan nilai akurasi 0.8958 dan 0,68 dan Kohen Kappa 0,8622 dan 0,396 . Dapat disimpulkan dari nilai akurasi dan Kohen Kappa bahwa metode deep learning fingerprint memiliki potensi untuk digunakan sebagai instrumen untuk mengklasifikasi NPS.

---

ABSTRACTIn recent years, new psychoactive substances NPS have rapidly emerged in market purportedly as legal alternatives to internationally controlled drugs, with potential to pose serious health risks. In 2016, from 56 substances which were found in Indonesia, 21 among them were found as cannabinoid derivates. However, there only 43 out of 56 NPS which have been regulated by Ministry of Health Republic of Indonesia, yet NPS expected to increase. The purpose of this study was to gain the best method to classify new cannabinoid class substances using deep learning to enhance performance of in silico analysis. This study will compared deep learning and pharmacophore modeling methods. Two dimentional fingerprint and physicochemical properties descriptor will be used as learning parameters for deep learning method. The two models produced by two methods will be used to classify new cannabinoid substances class. Deep learning with two dimentional fingerprint was found as the best method. This method shows the highest accuracy and Cohen Kappa scores, with values of 0.9904 and 0.9876 consecutively. However, deep learning method with descriptor and pharmacophore modeling method gave accuracy 0.8958 and 0.68 and Cohen Kappa 0.8622 and 0.396 . These results conclude that deep learning method with two dimentional fingerprint gives an alternative method to be used as an instrument for NPS classification. "

"ABSTRACTSaat ini new psychoacytive substances NPS telah menjadi fenomena yang perlu diperhatikan karena perkembangannya yang cepat untuk menghindari hukum yang berlaku dalam suatu negara. Perkembangan senyawa katinon pada tahun 2013 tercatat sebanyak 30 senyawa katinon sintetik kemudian terjadi peningkatan pada tahun 2018 menjadi 89 senyawa katinon sintetik. Artificial intelegence AI telah menjadi menjadi alat bantu manusia dalam melakukan pengolahan data, perkembangan AI menjadi machine learning dan deep learning penggunaannya meliputi pengenalan objek, klasifikasi gambar dan pengenalan pose manusia. Struktur suatu senyawa diubah menjadi bentuk pemodelan fingerprint sebagai informasi yang akan digunakan oleh metode clustering machine learning dan deep learning untuk melakukan klasifikasi senyawa. Sedangkan metode pemodelan farmakofor akan dijadikan pembanding dengan kedua metode diatas. Metode deep learning dengan pemodelan fingerprint mampu memberikan hasil akurasi dan Kohen Kappa dengan nilai 99,32 dan 0,992. Hasil ini menunjukan bahwa metode deep learning dengan pemodelan fingerprint memiliki potensi sebagai instrumen untuk mencegah perkembangan new psychoacytive substances dengan cara menegakan hukum yang berlaku di indonesia.

---

ABSTRACTNowadays new psychoactive substances NPS have become a phenomenon that needs to be noticed because of its rapid development in order to avoid applicable law within a country. Development of the compound katinon in the year 2013 recorded as many as 30 synthetic katinon compounds then increased in 2018 to 89 synthetic katinon compounds. Artificial intelligence AI has become a tool of human being in doing data processing, AI development become machine learning and deep learning its use include object recognition, image classification and human pose recognition. The structure of a compound was transformed into a form of fingerprint modeling as the information that will be used by the clustering method machine learning and deep learning to classify the compound. While the method of modeling pharmacophore will be used as a comparison with both methods above. Deep learning method with fingerprint modeling can give accuracy and Cohen Kappa with 99.32 and 0.992. This result shows that deep learning method with fingerprint modeling has potential as an instrument to prevent expansion of new psychoactive substances by enforcing applicable law in Indonesia."

"ABSTRAKTujuan: Spons merupakan salah satu dari biodiversitas laut yang banyak menghasilkan senyawa antibiotik, salah satunya adalah Xestospongia testudinaria. Metabolit sekunder dapat dihasilkan dari simbiosis bakteri dengan spons Xestospongia testudinaria. Tujuan dari penelitian ini adalah untuk identifikasi potensi antibiotik dari bakteri yang bersimbiosis dengan X. testudinaria dan mekanisme kerja sebagai antibiotik untuk bidang kesehatan. Metode: Pengambilan spons dilakukan secara purposive menggunakan SCUBA Diving pada kedalam laut 20 m. Waktu penelitian dilakukan pada Maret 2015-September 2017. Isolasi dan skrining mikroba penghasil antibiotik dilakukan dengan mengambil sampel spons dari Perairan Sorong Papua dan Perairan Tanjung Pecaron Jawa Timur . Isolat terpilih digunakan dalam proses fermentasi untuk produksi senyawa metabolit sekunder. Isolat bakteri diekstraksi dengan menggunakan pelarut organik antara lain n-heksana, etilasetat dan etanol dari ketiga ekstrak diuji aktivitas antibakteri. Ekstrak etilasetat difraksinasi dengan kromatografi kolom dan hasil fraksinasi digabung berdasarkan persamaan bentuk dan jarak rambat dari spot. Hasil fraksinasi di lakukan uji antibakteri dan dipilih subfraksi yang paling kuat. Subfraksi yang terpilih dilakukan isolasi dengan menggunakan KLT preparatif dan diuji kemurniannya. Senyawa murni yang dihasilkan dikarakterisasi strukturnya dengan spektrofotometer UV-Vis, FT-IR dan KG-MS. Mekanisme aksi dari senyawa antibakteri dilakukan dengan mengukur kebocoran membran sel bakteri menggunakan Spektrofotometer AAS dan morfologi sel bakteri dengan menggunakan Transmisi Elektrom Mikroskop TEM .Uji aktivitas antibakteri dilakukan terhadap beberapa bakteri isolat rumah sakit yang resisten dan beberapa bakteri uji laboratorium baik bakteri Gram positif maupun bakteri Gram negatif. Hasil: Diperoleh mikroba penghasil antibakteri Micrococcus luteus MB 26 yang diisolasi dari spons X.testudinaria asal Perairan Sorong Papua dan Bacillus licheniformis yang diisolasi dari spons X. testudinaria asal Perairan Tanjung Pecaron Jawa Timur . Isolat bakteri simbion Xp 4.2 memiliki aktivitas antibakteri terhadap E. coli ATCC 25922 dengan diameter hambatan 2,4 2,5 cm, K. pneumoniae ATCC 13833 dengan diameter hambatan 2,2 0,5cm dan B. subtilis ATCC 6633 dengan diameter hambatan 1,2 0,64 cm. Ekstrak etilasetat dari isolat bakteri simbion Xp 4.2 memiliki aktivitas antibakteri terhadap K. pneumoniae ATCC 13833 dengan diameter hambatan 1,95 0,55 cm. Hasil fraksinasi ekstrak etilasetat dengan kromatografi kolom di dapatkan 109 fraksi dan digabung menjadi 13 subfraksi. Hasil uji antibakteri subfraksi V memiliki aktivitas antibakteri terhadap K. pneumoniae ATCC 13833 dengan diameter hambatan 1,35 0,65 cm. Hasil isolasi dengan KLT preparatif di dapat senyawa murni dan memiliki aktivitas antibakteri yang lemah pada konsentrasi 100, 50, 25, 10, 5 dan 0,5 g/disk dengan diameter hambatan berturut-turut sebesar 1,24 0,11, 1,18 0,13, 1,05 0,14, 1,03 0,10, 0,93 0,14 dan 0,67 0,14 karena diameter hambatan < 12 mm. Hasil karakterisasi senyawa metabolit sekunder yang diisolasi dari M. luteus MB 26 diperkirakan merupakan golongan asam lemak rantai panjang seperti asam octakosanoat, metil palmitat, asam heksadekanoat, 1-tetradekanol, asam benzenpropionat dan piridin 3-karboheksamit. Mekanisme kerja antibakteri berdasarkan integritas membran menyebabkan kebocoran membran sehingga terjadi pelepasan ion-ion Ca 2 , Mg2, K dan metabolit seluler pada membran sel bakteri. Isolat bakteri simbion Xp 2-10 memiliki aktivitas antibakteri terhadap P. aeruginosa ATCC 27853 dengan diameter hambatan 1,963 0,35 cm dan P. aeruginosa isolat RS dengan diameter hambatan 2,34 0,95cm. Ekstrak etilasetat dari isolat bakteri simbion X2-10memiliki aktivitas antibakteri terhadapP. aeruginosa ATCC 27853 dengan diameter hambatan 1,756 0,25 cm dan P. aeruginosa isolat RS dengan diameter hambatan 2,51 0,45cm. Hasil fraksinasi dengan kromatografi kolom di dapatkan 160 fraksi dan digabung menjadi 3 subfraksi. Hasil uji antibakteri subfraksi III memiliki aktivitas antibakteri terhadap P. aeruginosa ATCC 27853 dengan diameter hambatan 2,51 0,75 cm dan P. aeruginosa isolat RS dengan diameter hambatan 1,95 0,45cm. Kesimpulan: Senyawa metabolit sekunder yang dihasilkan dari M.luteus MB 26 tidak memiliki aktivitas antibakteri terhadap bakteri isolat rumah sakit yang resisten tetapi mampu menghambat bakteri Klebsiella pneumoniae ATCC 13833 secara in vitro. Senyawa metabolit sekunder yang dihasilkan dari B. licheniformis memiliki aktivitas antibakteri terhadap P. aeruginosaATCC 27853 serta P. aeruginosa isolat RS. Penelitian ini menunjukan potensi senyawa metabolit sekunder dari bakteri yang bersimbiosis dengan spons X. testudinaria sebagai antibakteri untuk aplikasi di bidang biomedik.

---

ABSTRACTObjective Sponsge is one of marine biodiversities that produces many antibiotic compounds, one of which is Xestospongia testudinaria. Secondary metabolites can be produced from sponge association between Xestospongia testudinaria and bacteria. The research aims is to explore the richness of Indonesian marine biodiversity by isolating and screening bacteria producing antibiotics as well as their characterization and working mechanism produced as antibiotics for the health. Method Sponsge taking is done by purposive using SCUBA Diving 20 m into sea. The study was conducted in March 2015 to September 2017. Isolation and screening of antibiotic producing microbes was done by taking sponsge samples from Sorong Waters Papua and Tanjung Pecaron Waters East Java . Selected isolates were used in the fermentation process for the production of secondary metabolite compounds. Bacterial isolates were extracted by using organic solvents such as n hexane, ethylacetate and ethanol from all three extracts tested for antibacterial activity. Ethylacetate extracts were fractionated by column chromatography and the fractionation results were combined based on form equations and creepage distances from the spot. Fractionation results in the antibacterial test and selected the most powerful subfraction. The selected substraction is isolated by preparative and purified TLC. The resulting pure compounds were characterized by their structure with UV Vis, FT IR and GC MS spectrophotometers. The action mechanism of the antibacterial compound was performed through measuring the leakage of bacterial cell membranes by using AAS Spectrophotometer as well as measuring the morphology of bacterial cells by using the Transmission Electron Microscope. Result Micrococcus luteus MB 26 antibacterial bacteria isolated from X.testudinaria sponsge from Sorong waters Papua and Bacillus licheniformis isolated from sponsge X. testudinaria from Tanjung Pecaron East Java waters. Bacterial isolates symbiont Xp 4.2 had antibacterial activity against E. coli ATCC 25922 with diameter of inhibition as 2.4 2.5 cm, K. pneumoniae ATCC 13833 with a diameter of inhibition of 2.2 0.5 cm and B. subtilis ATCC 6633 with a diameter of inhibition as 1.2 0.64 cm. Ethylacetate extract from bacteria isolated symbiont Xp 4.2 has antibacterial activity against K. pneumoniae ATCC 13833 with a diameter of inhibition as 1.95 0.55 cm. The result of fractionation by column chromatography was obtained 109 fractions and merged into 13 subfractions. The result of antibacterial test of subfraction V has antibacterial activity against K. pneumoniae ATCC 13833 with a diameter of inhibition 1.35 0.65 cm. The results of isolation with preparative TLC in pure compound and have antibacterial activity at concentrations of 100, 50, 25 and 10 g disc with diameter of inhibiton respectively of 1.24 0.11, 1.18 0.13, 1.05 0.14 and 1.03 0.10 whereas concentrations of 5 and 0.5 g disc had no antibacterial activity due to a diameter of inhibition "