ISSN: 2597-3851
DOI: https://doi.
org/10.
35747/hmj Homepage: https://journal.
id/index.
php/healthy Aplikasi Kemometrik dalam Evaluasi Obat Herbal : Kajian Literatur 2015-2025 Hema Novita Rendati1*.
Risa Susanti2.
Novia Fahrina Purnama Sari1.
Lukman Mahdi1.
Yuniarti Suryatinah2 Program Studi Farmasi.
Universitas Lambung Mangkurat.
Banjarbaru.
Kalimantan Selatan.
Indonesia 2Program Studi Pendidikan Profesi Apoteker.
Universitas Lambung Mangkurat.
Banjarbaru.
Kalimantan Selatan.
Indonesia *email: hemanovita@ulm.
ABSTRACT
Recent advances in analytical technology have made chemometrics an increasingly essential approach to herbal therapy.
Techniques such as HPLC.
GC-MS.
FTIR.
UV-Vis, and NMR generate extensive, complex chemical fingerprint data, making it challenging to analyze with standard univariate methods.
Chemometrics can discern trends, differentiate among natural variations in samples, and provide a more objective foundation for quality standardization through multivariate analysis.
This review examines 52 selected works from 2015 to 2025 that investigate the application of chemometrics to verify, detect adulteration, classify species, and assess the activity and quality of herbal constituents.
PCA.
PLS.
LDA.
SIMCA.
PLS-DA,
OPLS-DA, and HCA are some of the methods that have been shown to work well for distinguishing real from fake substances, identifying closely related species, and quickly and reliably forecasting the amount of active compounds.
Combining chemical fingerprinting with multivariate modeling provides a more complete picture of composition and helps the standardization process run more smoothly.
In general, chemometrics is a strong, effective, and repeatable method for ensuring that herbal medications are authentic, safe, and of good quality.
Keyword: Chemometrics.
Herbal Medicine.
Authentication.
Classification, fingerprint Received: November 2025.
Accepted: Desember 2025.
Published: Desember 2025 A2025.
Published by Institute for Research and Innovation Universitas Muhammadiyah Banjarmasin.
This is Open Access article under the CC-BY-SA License .
ttp://creativecommons.
org/licenses/by-sa/4.
0/).
LATAR BELAKANG
pengamatan makroskopis dan mikroskopis, serta Penggunaan obat herbal telah dikenal sejak lama sebagai bagian penting dari pencegahan maupun Masyarakat tanaman dan bahan alami lainnya untuk tujuan Kekayaan biodiversitas tumbuhan di berbagai wilayah turut mendorong pemanfaatan tanaman, tidak hanya sebagai sumber pangan, tetapi juga sebagai bahan obat .
Keampuhan terapeutik obat herbal sendiri ditentukan oleh sejumlah faktor yang harus terpenuhi agar efek farmakologis yang dihasilkan tetap konsisten dan dapat diproduksi kembali .
Mutu obat herbal umumnya dinilai secara kualitatif dan penetapan kadar beberapa senyawa penanda tertentu .
Pendekatan yang hanya berfokus pada satu senyawa penanda dalam evaluasi mutu obat herbal tidak mempertimbangkan kontribusi sinergis berbagai komponen aktif lainnya, sehingga tidak mampu karakteristik utama obat herbal.
Untuk mengatasi keterbatasan tersebut, beberapa teknik berbasis non-target Penyusunan gambaran menyeluruh mengenai profil kimia obat herbal yang dikenal sebagai fingerprint chemistry atau sidik jari kimia .
Banyak mengembangkan dan menerapkan beragam metode analisis dalam evaluasi obat herbal, termasuk High- Performance Liquid Chromatography (HPLC) .
Gas Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 chromatography (GC) .
, spektrofotometri UV-Vis .
, serta spektroskopi FTIR .
Penerapan teknikteknik tersebut menghasilkan sejumlah besar variabel dalam bentuk data sidik jari kimia.
Kondisi ini tidak informasi kimia yang lebih bermakna dari data mentah, tetapi juga menunjukkan bahwa pendekatan univariat konvensional sering kali tidak memadai untuk mengolah kompleksitas data tersebut .
Seiring multivariat berbasis kemometrika semakin banyak digunakan dalam penelitian terkait kualitas obat Pendekatan fungsi, mulai dari analisis kesamaan, eksplorasi pola, hingga algoritma klasifikasi untuk tujuan kualitatif.
Selain itu, teknik kalibrasi multivariat memungkinkan penilaian kuantitatif dengan banyak Penerapan kemometrika pada data sidik jari kimia memungkinkan peneliti mengekstraksi informasi serta pengetahuan tersembunyi dalam sistem kimia melalui pemodelan matematis .
Oleh karena itu, pendekatan ini berpotensi menjadi strategi yang menjanjikan untuk penilaian mutu obat herbal secara menyeluruh dan holistik.
e-ISSN: 2598-2095
METODE
Penelitian ini menggunakan metode tinjauan literatur yang mencakup publikasi ilmiah dari tahun 2015-2025, yang diperoleh melalui pencarian di basis data Google Scholar.
Kata kunci yang digunakan dalam pencarian artikel yaitu kemometrik .
obat herbal .
kontrol kualitas (Quality contro.
dan standardisasi (Standardizatio.
Kriteria inklusi dalam penelitian ini adalah artikel asli .
riginal articl.
yang dipublikasikan dalam bahasa Indonesia ataupun bahasa inggris, bentuk jurnal dalam teks lengkap yang relavan dengan Artikel yang dikecualikan meliputi penelitian tanpa analisis kemometrik, studi non-herbal, laporan konferensi yang tidak lengkap, paten, buku, tinjauan literatur, serta publikasi yang tidak menggunakan data analitik berbasis fingerprint kimia.
Dari total 601 publikasi yang ditelaah, sebanyak 52 artikel memenuhi kriteria inklusi dan ekslusi untuk dianalisis lebih lanjut.
Proses seleksi artikel secara rinci dapat dilihat pada Gambar 1.
HASIL DAN PEMBAHASAN
Dalam ulasan ini, kami menyoroti peran kemometrika Berdasarkan literatur yang dianalisis, terlihat bahwa sebagai pendekatan analitis untuk mengatasi berbagai penerapan kemometrik dalam evaluasi obat herbal meningkat sangat signifikan sejak tahun 2020.
Grafik peningkatan dapat dilihat pada gambar 2.
Peningkatan terakhir .
5Ae2.
Berbeda dengan beberapa tinjauan sebelumnya yang berfokus pada satu aspek berkembangnya teknologi analytical fingerprinting evaluasi obat herbal, seperti autentikasi .
atau yang menghasilkan data kimia berukuran besar dan kompleks, serta kebutuhan industri dan akademisi terhadap metode penjaminan mutu yang lebih Pendekatan tersebut mencakup tiga objektif, cepat, dan mampu menangkap variasi tujuan utama, yaitu autentikasi dan deteksi adulterasi, komposisi senyawa yang tidak dapat diidentifikasi klasifikasi sampel, serta penentuan aktivitas dan dengan teknik konvensional Penerapan kemometrika kualitas obat herbal.
dapat meningkatkan kualitas sidik jari yang diperoleh Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 e-ISSN: 2598-2095 tanaman obat .
,7,.
Penggunaan kemometrika secara signifikan .
dalam evaluasi obat herbal dapat dilihat pada tabel 1.
Jumlah Artikel dari profil kromatografi atau spektroskopi kompleks Tahun Publikasi Gambar 2.
Jumlah artikel yang diterbitkan tahun Autentikasi dan Deteksi Adulterasi Obat Herbal Penentuan keaslian bahan menjadi tahap awal yang krusial dalam menilai mutu suatu obat herbal.
Praktik pemalsuan, baik disengaja maupun tidak disengaja, biasanya mencakup substitusi sebagian atau seluruh bahan baku obat asli dengan zat lain yang lebih murah dan bebas atau memiliki sifat terapeutik yang lebih rendah .
Pemalsuan dapat menyebabkan variasi pada efikasi dan keamanan.
Teknik identifikasi, umumnya dilakukan untuk memenuhi persyaratan Gambar 1.
Proses seleksi artikel Berbagai pendekatan analisis sidik jari menggunakan metode kromatografi dan spektrometri atau keduanya secara Gas Chromatography-Mass Spectrometry (GC-MS) dan Liquid ChromatographyMass Spectrometry (LC-MS) .
,11Ae.
Penggabungan teknik sidik jari berbasis kromatografi atau spektroskopi dengan analisis multivariat, seperti partial least squares regression (PLSR), principal component analysis (PCA), dan discriminant analysis (DA), telah banyak dimanfaatkan untuk keperluan identifikasi spesies, diferensiasi, serta autentikasi pengendalian mutu .
Yuliantini .
menggunakan metode FTIR dengan PCA tespong pada serbuk daun ashitaba yang merupakan bahan baku obat tradisional .
Pendekatan PCA
juga diterapkan dalam autentikasi minyak sereh
GC-MS
Principal Component Analysis (PCA) merupakan pendekatan yang paling sering digunakan dalam menganalisis data fingerprint maupun data kompleks lainnya pada tahap eksplorasi.
Teknik ini bekerja dengan mengekstraksi komponenkomponen utama yang paling berpengaruh dan mengabaikan variabel yang bersifat mengganggu.
Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 e-ISSN: 2598-2095 sehingga hasil interpretasi menjadi lebih akurat.
Ketika sejumlah parameter khas, yang kemudian dipilih melalui pengujian varians menggunakan indeks yang PCA menampilkan variasi antar sampel secara jelas dan langsung .
Dalam penelitian lain, kombinasi PCA pendekatan tersebut, sampel yang belum diketahui dan DA diterapkan untuk untuk autentikasi kencur (K.
dapat dikenali dan ditempatkan pada kelompok yang galang.
dari spesies yang berkerabat dekat seperti sesuai berdasarkan informasi yang diperoleh dari temu kunci (K.
dan kunci pepet (K.
sampel acuan .
menggunakan HPLC.
Dalam studi ini.
PCA dapat membedakan ketiga spesies, tetapi untuk autentikasi K.
galanga kurang berhasil, terutama ketika K.
galanga dipalsukan oleh K.
Model prediksi DA kemudian digunakan untuk memperoleh diskriminasi yang jelas antara ketiga sampel dan autentikasi Kaempferia galanga dari K.
pandurata dan rotunda .
Discriminant Analysis (DA) merupakan metode klasifikasi yang bekerja berdasarkan indikator yang telah ditetapkan secara jelas, berbeda dengan component analysis (CA) yang tidak memerlukan acuan tersebut.
Dalam studi penilaian mutu tanaman obat.
DA dimanfaatkan untuk membangun fungsi diskriminatif yang dapat membedakan kelompok Dengan Integrasi kemometrika, meliputi principal component analysis (PCA), hierarchical cluster analysis (HCA), dan discriminant analysis (DA), dengan high performance thin layer chromatography (HPTLC) juga terbukti mampu mengelompokan senyawa penanda yang digunakan vitexin dan isovitexin, untuk autentisitas, identitas, dan kualitas varietas Ficus deltoidea, sehingga dapat dimanfaatkan sebagai dasar evaluasi .
Hierarchical Cluster Analysis (HCA) digunakan evaluasi kualitas tanaman obat.
Teknik ini karakteristiknya dan menciptakan diagram pohon yang secara visual mewakili hubungan antar item .
Proses ini melibatkan regresi berganda dari Tabel 1.
Penerapan kemometrika dalam evaluasi obat herbal Sampel Daun Kratom (Mitragyna Speciosa Korth.
Kayu sappan (Caesalpinia Madu
FTIR
Garcinia dulcis UV-Vis
Teknik Kemometrik
PCA
PLS-DA
PCA
PLS
PCR
PLSR
KLT densitometri PCA hitam (Curcuma aeruginosa Roxb.
Temulawak (Curcuma xanthorrhiza Rox.
Bawang Putih
Temu
Metode Analisis FTIR-ATR
UV-Vis
TLC
PCA
Garcinia mangostana
FTIR
UV-Vis
Curcuma xanthorrhiza
1H-NMR
OPLS-DA
PLS
PLS-DA
OPLS-DA
PCA
Kencur (Kaempferia Combretum Indicum Varr.
Patchouli Oil Minyak Daun Jeruk Nipis (Citrus hystrix D.
Minyak Ikan Patin (Pangasius micronemu.
HPLC
UV-Vis
PLSR
GC-MS
PCA
PCA
PLS
PCR
PLSR
FTIR
FTIR
Tujuan Identifikasi dan Autentikasi Uji Adulterasi Uji Adulterasi Uii Adulterasi Uji Adulterasi Uji Adulterasi Uji Adulterasi Autentikasi dan Adulterasi Autentikasi Autentikasi Autentikasi Autentikasi Autentikasi Autentikasi Referensi Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231
e-ISSN: 2598-2095
Madu
FTIR-ATR
PCA
PCR
PLS
Minyak Daun Cengkih (Syzygium (L.
) Merr.
& L.
Perr.
GC-MS
FTIR
PLS
PCA
Daun Miana (Coleus sp.
FTIR
lawak (Curcuma Kumis Kucing (Orthosiphon Aristatu.
Minyak Serai Tespong
(Oenanthe UV-Vis
FTIR
PCA
PLS-DA
PLS-DA
SIMCA
UV-Vis
PLSR
GC-MS
PCA
FTIR
PCA
Temu
Jamu pegal linu
Minyak Jowitt
Cymbopogon winterianus
FTIR
FTIR
Rimpang Jahe Emprit (Zingiber officinale var.
amarum Rosco.
Spekroskopi NIR Daun Gambir (Uncaria Gambir Roxb.
FTIR
Anting-anting (Acalypha indica L.
kumis kucing (Orthosiphon stamineu.
Herba Pegagan (Centella asiatica L.
Ekstrak Daun Yacon (Smallanthus sonchifolius [Poepp & Endl.
] H.
Robinso.
Pegagan (Centella asiatica L.
Brucea javanica L.
Merr Akar pasak bumi (Eurycoma longifolia Jack.
Daun Komba-komba (Chromolaena odorata L.
Tempuyung (Sonchus Sansevieria trifasciata Murbei (Morus alba Lou.
Daun temelekar (Coptosapelta tomentosa Valeton ex K.
Heyn.
Daun gedi hijau (Abelmoschus manihot L) Abelmoschus manihot L Kulit pisang ambon hijau (Musa acuminata Coll.
Bunga Asoka (Ixora Coccinea L.
Buah Parijoto (Medinilla speciosa Blum.
Andrographis paniculata (Burm.
) Nees (AP) Mangga Gedong Gincu
PCA
PLS
LDA
SVM
SIMCA
LDA
SVM
SIMCA
PCA
PLS-DA
OPLS-DA
TLC
PCA
FTIR
CVA
FTIR
PCA
HPLC
FTIR
PCA
Autentikasi
Autentikasi
Autentikasi
Autentikasi
Autentikasi
Autentikasi
Autentikasi
Uji Adulterasi
Klasifikasi sampel
Klasifikasi sampel
Klasifikasi sampel
Klasifikasi sampel
Klasifikasi sampel
Klasifikasi sampel
Klasifikasi sampel
TLC
FTIR
UV-Vis
FTIR
PCA
PCA
FTIR
PCA
PLSR
FTIR
PCA
FTIR
Kromatografi Kolom Vakum
FTIR
PCA
PLS
PCA
PCA
HCA
Klasifikasi sampel Klasifikasi sampel Identifikasi Klasifikasi hasil uji aktivitas Penentuan aktivitas Penentuan aktivitas Penentuan aktivitas .
Penentuan aktivitas FTIR
PCA
UV-Vis
FTIR
PLSR
FTIR
PLSR
FTIR
PCA
Penentuan aktivitas FTIR
PCA
UV-Vis
PCA
TLC
MLR
Spektroskopi NIR
MSC
PLS
Penentuan aktivitas Penentuan aktivitas Penentuan aktivitas Penentuan aktivitas Penentuan aktivitas Penentuan aktivitas .
Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 Akar Tapak Dara (Vinca Minyak nilam (Pogostemon cablin Benth.
Temu ireng (Curcuma Temulawak (Curcuma xanthorrhiza Roxb.
Torbangun (Plectranthus Daun gedi hijau
(Abelmoschus manihot L) FTIR-ATR
LDA
PCA
HCA
PCA
PLS
PCA
FTIR
UV-Vis
Pala
Penentuan aktivitas PCA
FTIR
Ficus deltoidea Jack
e-ISSN: 2598-2095
GC-MS
HCA
FTIR
PLSR
HPTLC
PCA
HCA
FI-ESI-MS
PTR-MS
PCA
Penentuan aktivitas .
Penentuan aktivitas .
Penentuan aktivitas .
Penentuan aktivitas .
Penentuan aktivitas .
Penentuan aktivitas .
Penentuan aktivitas .
Kombinasi PCA dengan PLS mampu mengidentifikasi Teknik OPLS-DA juga menunjukkan adanya kandungan BKO metamizol dan deksametason dalam jamu pegal linu secara simultan menggunakan membedakan kedua kelompok tersebut.
model ini FTIR .
Partial Least Squares (PLS) merupakan dibangun dengan 2 komponen prediktif dan 4 metode dekomposisi spektral yang banyak digunakan komponen orthogonal.
Dalam studi ini, model OPLS- untuk analisis kuantitatif.
PLS termasuk salah satu DA memberikan hasil yang lebih baik dibandingkan PLS-DA.
Perbedaan ini kemungkinan disebabkan oleh penetapan kadar karena mampu mengatasi berbagai karakteristik algoritmik OPLS-DA yang memisahkan tantangan umum dalam data spektroskopi, seperti variasi prediktif dan non-prediktif.
Dalam OPLS-DA, interaksi antar variabel, tumpang tindih pita serapan, variabel laten diekstraksi baik dari matriks X maupun dan kolinearitas.
Dalam pendekatan ini, informasi Y, sehingga menghasilkan pemisahan kelas yang lebih spektral dikombinasikan dengan data konsentrasi Sebaliknya.
PLS-DA hanya membangun variabel untuk menghasilkan model dekomposisi yang dapat laten berdasarkan kovariansi antara matriks X dan Y, memprediksi nilai analit secara akurat .
Teknik PLS sehingga pemisahan kelas cenderung kurang optimal juga diterapkan pada autentikasi G.
dulcis terhadap OPLS-DA Partial Mangostana .
Least Penelitian Square (PLS) spektrofotometri UV-Vis .
Jenis PLS lain seperti dikombinasikan dengan Principal Component Regresi Partial Least Squares-Discriminant Analysis (PLS-DA) (PCR) untuk identifikasi pemalsuan pada madu hutan dan Orthogonal Partial Least Square-Discriminant asli Kalimantan dengan metode FTIR.
PLS dan Analysis kalibrasi PCR digunakan untuk mengukur kandungan (OPLS-DA) pengenalan pola sebagai teknik sidik jari metabolit untuk autentikasi C.
xanthorrhiza dari Zingiber montanum menggunakan spektroskopi 1H-NMR.
Pada studi ini, model PLS-DA dengan 7 komponen utama berhasil membedakan sampel bubuk C.
asli dari yang dipalsukan menggunakan Zingiber sukrosa pada frekuensi 1423 Ae 1825 cm-1 dengan nilai koefisien determinasi (R.
yang tinggi sebesar 0,9960 dengan nilai kalibrasi (RMSEC) 0,0898 %v/v .
Principal Component Regression (PCR) merupakan metode regresi yang mengombinasikan PCA dengan regresi linear.
Pendekatan ini dirancang Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 e-ISSN: 2598-2095 untuk menyederhanakan struktur data berdimensi mengklasifikasikan kelompok dalam suatu himpunan Metode ini bekerja dengan memaksimalkan sebagai variabel prediktor, tanpa menghilangkan pemisahan antar kelompok sambil meminimalkan informasi yang relevan.
Berbeda dengan PLS yang variasi di dalam kelompok, sehingga menghasilkan fungsi kanonik yang mampu membedakan kelompok perubahan konsentrasi analit pada rentang frekuensi tertentu.
PCR melakukan analisis faktor dalam satu digunakan untuk mengklasifikasikan sampel baru yang langkah, di mana data spektral dan konsentrasi belum diketahui ke dalam kelompok yang telah diproses bersama untuk menghasilkan model regresi ditentukan sebelumnya .
Dengan CVA Penelitian lain melakukan determinasi kandungan dan Teknik lain yang juga digunakan dalam autentikasi klasifikasi E.
longifolia Jack.
yang berbeda ketinggian obat herbal ialah SIMCA (Soft Independent Modeling tempat tumbuhnya dengan pendekatan PCA dan of Class Analog.
Model klasifikasi SIMCA untuk PLSR.
Teknik PCA berguna untuk mereduksi variable autentikasi diawali dengan menyusun model PCA awal menjadi beberapa komponen utama yang untuk masing-masing kelas menggunakan himpunan mewakili sebagian besar variasi informasi.
Teknik ini sampel kalibrasi.
Setelah model terbentuk.
SIMCA mengelompokkan sampel berdasarkan kemiripan pola menghasilkan tabel klasifikasi yang menunjukkan spektranya, sehingga sampel yang berasal dari area apakah suatu sampel termasuk dalam satu kelas tumbuh yang sama cenderung membentuk klaster tertentu, berada pada lebih dari satu kelas, atau yang berdekatan.
PCA divisualisasikan melalui plot bahkan tidak sesuai dengan kelas mana pun .
skor yang akan menampilkan pemisahan klaster yang Analisis SIMCA dapat mendeteksi perbedaan antara jelas antara sampel dari area tumbuh berbeda .
kunyit murni dan sampel yang telah dipalsukan pada Teknik ini juga diaplikasikan untuk membandingkan rentang inframerah hingga konsentrasi 0,005% b/b, profil komponen daun Centella asiatica L.
SIMCA
hingga konsentrasi 1 AAg/g .
berdasarkan tingkat kematangannya .
Klasifikasi Sampel Putra .
menerapkan analisis multivariat LDA Pendekatan kemometrik paling sering digunakan (Linear Discriminant Analysi.
SVM (Support Vector untuk memahami variasi alami bahan herbal, misalnya Machine.
, dan SIMCA (Soft Independent Modeing akibat perbedaan lokasi budidaya, umur panen, of CIass AnaIyz.
untuk menentukan kandungan kondisi tanah, atau metode pascapanen.
Rafi .
fenolik total dan menentukan model klasifikasi pada melakukan klasifikasi geografis teh jawa (Orthosiphon jahe emprit yang di tanam di dataran sedang dan stamineu.
dari dengan Spektroskopi FTIR yang dataran tinggi dengan metode spketroskopi NIR.
dikombinasikan dengan canonical variate analysis Linear Discriminant Analysis (LDA) bekerja dengan .
Canonical Variate Analysis (CVA) .
mengautentikasi dengan tepat pada rentang UV-Vis
(CVA)
mencari kombinasi linier variabel yang mampu merupakan salah satu analisis multivariat yang Support Vector Machines (SVM) menentukan batas Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 terdapat tiga senyawa yang memiliki perbedaan memaksimalkan margin dari titik data terdekat.
persentase kandungan tinggi berdasarkan analisa Sementara SIMCA (Soft Independent Modeling of Heatmap dan HCA yaitu kenaikan kandungan senyawa Class Analog.
mengembangkan model PCA terpisah DDMP dan stigmasterol, serta penurunan kandungan hydroxymethylfurfurole pada mutan torbangun .
e-ISSN: 2598-2095 digambarkan berdasarkan pola varians internalnya.
Model dari ketiga teknik tersebut kemudian di validasi (Leave-One-Out-Cross LOOCV Validatio.
dan validasi Eksternal.
Validasi tersebut LDA
SIMCA
mengklasifikasikan sampel sesuai dengan kategori Sementara model SVM hanya memiliki nilai akurasi 60% .
Studi lain membandingkan karakteristik pektin yang diekstraksi dari kulit pisang dengan variasi pelarut .
sam klorida dan asam sitra.
dan waktu ekstraksi .
, 10, dan 15 meni.
menggunakan metode microwave, serta melakukan komparasi pektin hasil ekstraksi
terhadap pektin komersial dengan metode analisis FTIR
Hasil
PCA
menunjukkan bahwa karakteristik data FTIR pada sampel pektin yang diekstraksi dengan jenis pelarut Penentuan Aktivitas dan Kualitas Obat Herbal yang sama menunjukkan kemiripan.
Namun, kedua Penentuan aktivitas dan kualitas ekstrak herbal banyak dikaitkan dengan keberadaan senyawa aktif Hal ini diduga karena adanya perbedaan yang sangat memengaruhi aktivitas biologis dari obat kemurnian dan intensitas vibrasi pektin yang terukur herbal tersebut.
Sejumlah penelitian menunjukkan dengan spektroskopi FTIR .
bahwa pendekatan multivariat mampu menggantikan memerlukan analisis laboratorium yang panjang dan berbiaya tinggi.
Dengan memadukan data spektral atau kromatogram dengan metode regresi seperti PLS atau PCR, peneliti dapat membangun model prediksi kadar senyawa aktif secara lebih cepat dan efisien .
Ringkasan dapat dilihat pada tabel 3.
Studi Sejalan dengan penelitian tersebut, teknik PCA juga digunakan untuk pengelompokan ekstrak berdasarkan variasi pelarut.
Dua komponen utama pertama dari PCA telah mampu menjelaskan sekitar 95% variasi Selanjutnya, model Partial Least Squares digunakan untuk menilai gugus fungsional yang berkaitan dengan aktivitas antioksidan.
Analisis PLS mengindikasikan bahwa keberadaan gugus AeOH dan Aisyah CAeO, yang umum ditemukan pada senyawa fenolik, menjadi faktor utama yang mendukung potensi antioksidan ekstrak daun S.
senyawa pada bagian daun tanaman mutan dari iradiasi sinar gamma dan kontrol.
Kandungan senyawa planlet mutan dan kontrol dianalisis dengan GC-MS.
Data GC-MS dianalisis dengan kemometrik dengan menggunakan hierarchical cluster analysis (HCA).
Senyawa yang terdeteksi pada planlet kontrol dan mutan torbangun menunjukkan keragaman tinggi dan Rafid ekstrak, fraksi, dan subfraksi Sansevieria trifasciata Prain.
Pseudomonas Staphylococcus metode mikrodilusi.
Data kemampuan hambat yang diperoleh kemudian dianalisis secara multivariat untuk melihat pola hubungan antar sampel, dan hasilnya Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231 e-ISSN: 2598-2095 divisualisasikan melalui pendekatan kemometrika.
bunga asoka yang diekstraksi menggunakan pelarut Dalam analisis PCA, nilai absorbansi dari masing- etanol 70% dan etil asetat, hasil kemometrika tersebut masing perlakuan diubah menjadi himpunan data menunjukkan bahwa pelarut etanol bisa lebih efektif multivariat yang mewakili kedekatan karakter fisikaAe dalam menangkap radikal bebas DPPH dibandingkan senyawa yang diekstraksi dengan etil asetat .
Melalui PCA memperlihatkan pengelompokan sampel berdasarkan kesamaan pola absorbansinya, sehingga hubungan dipetakan dengan lebih jelas .
Penilaian (Myristica dilakukan dengan memanfaatkan profil senyawa volatil dan nonvolatil melalui analisis Flow-injection electrospray ionization mass spectrometry (FI-ESI-MS) Selain pengelompokan sampel, teknik PCA juga dapat dan Proton transfer reaction mass spectrometry (PTR- digunakan untuk penetapan hubungan antar variabel MS) yang dipadukan dengan PCA.
Hasil penelitian yang mengacu pada besar sudut antar vektor dalam menunjukkan bahwa intensitas komponen volatil loading plot PCA (Principal Component Analysi.
Jika seperti trimiristin dan minyak atsiri memiliki korelasi dua vektor berada pada sudut kurang dari 90A, hal ini kecenderungannya menurun seiring meningkatnya hubungan yang searah atau berkorelasi positif.
Ketika massa molekul fraksi nonvolatil.
Melalui pendekatan sudut yang terbentuk mendekati 90A, keterkaitan di ini, prediksi klasifikasi mencapai hampir 100% akurasi, antara keduanya menjadi sangat lemah atau hampir sehingga pala berkualitas tinggi dan rendah dapat tidak ada.
Sebaliknya, sudut yang lebih besar dari 90A dipisahkan secara jelas .
Gambaran mengenai hingga mendekati 180A mengindikasikan adanya hubungan yang saling berlawanan, sehingga variabel kemometrika yang telah dibahas, disajikan pada tabel tersebut berkorelasi secara negatif.
Pada analisis masing-masing kandungan fitokimia dan aktivitas antioksidan ekstrak Tabel 2.
Gambaran Metode Kemometrik dalam Evaluasi Obat Herbal Teknik Tujuan Utama Kemometrika Analisis PCA (Principal Component Analysi.
Aplikasi dalam Evaluasi Obat Kelebihan Kekurangan Herbal Eksplorasi data dan Visualisasi variasi Tidak memerlukan data Tidak bersifat prediktif, reduksi dimensi fingerprint, autentikasi referensi, efektif pemisahan kelas bisa awal, klasifikasi menangani data kurang optimal kompleks dan HCA (Hierarchical Cluster Analysi.
Pengelompokan sampel Klasifikasi berdasarkan Representasi visual Sensitif terhadap kemiripan profil kimia hubungan antar sampel metode jarak dan dan fingerprint linkage, tidak prediktif Healthy-Mu Journal.
Vol.
9 No.
Desember 2025.
Page 219Ae 231
PLS
(Partial Least Analisis kuantitatif Square.
(Principal PCR Analisis kuantitatif Component Regressio.
e-ISSN: 2598-2095 Prediksi kadar senyawa Mampu menangani Membutuhkan model aktif, penilaian kualitas kolinearitas dan data kalibrasi yang dan aktivitas biologis spektral komplek Prediksi kandungan Mengurangi dimensi Hubungan dengan senyawa berbasis data data sebelum regresi variabel respon tidak selalu optimal dibandingkan PLS (Discriminant Klasifikasi terawasi Analysi.
Autentikasi dan Pemisahan kelas jelas Sensitif terhadap diferensiasi spesies jika asumsi terpenuhi distribusi data dan tanaman obat (Soft SIMCA Klasifikasi berbasis kelas Independent Modeling of Autentikasi dan deteksi Cocok untuk one-class Membutuhkan model adulterasi bahan herbal modeling, efektif dalam terpisah untuk setiap kontrol mutu Class Analog.
PLS-DA (Partial Least Klasifikasi terawasi Autentikasi, deteksi Akurasi tinggi dan Risiko overfitting jika adulterasi, pengenalan mampu menangani data validasi tidak memadai pola metabolit multivariat kompleks Klasifikasi terawasi Pemisahan kelas pada Interpretasi model lebih Model lebih kompleks data fingerprint baik, pemisahan variasi dan memerlukan validasi prediktif dan non- Squares-Discriminant Analysi.
(Orthogonal OPLS-DA Partial Least SquaresDiscriminant Analysi.
KESIMPULAN Berdasarkan UCAPAN TERIMAKASIH berbagai aspek evaluasi obat herbal.
Pendekatan ini tidak hanya mampu memanfaatkan kompleksitas data kuantitatif dan kualitatif yang jauh lebih andal dibandingkan teknik konvensional.
PCA.
PLS.
LDA,
SIMCA.
PLS-DA.
OPLS-DA, dan metode multivariat lainnya secara konsisten menunjukkan performa yang baik dalam autentikasi bahan, klasifikasi spesies, hingga penilaian aktivitas biologis dan kandungan senyawa aktif.
Pengembangan metode fingerprinting yang lebih sensitif serta algoritma kemometrik yang lebih adaptif diharapkan dapat semakin memperkuat akurasi dan efisiensi proses pengendalian mutu di bidang fitofarmaka.
Terima kasih kepada seluruh author yang telah berkontribusi dalam penulisan artikel ini.
DAFTAR PUSTAKA