Identifikasi Gugus Fungsi Terhadap Aktivitas Antioksidan Kandungan Sembung Menggunakan Regresi Lasso dan Group Lasso

Abstract

Sembung atau Blumea balsamifera mengandung senyawa antioksidan yang dapat meredam efek negatif dari radikal bebas, menyembuhkan nyeri, menurunkan demam, dan lain sebagainya. Salah satu teknik kimia yang dapat digunakan untuk mengidentifikasi kandungan senyawa aktif pada suatu tanaman adalah Fourier Transform Infrared (FTIR). Pada data yang dihasilkan oleh FTIR, suatu gugus fungsi tidak muncul hanya disatu panjang gelombang tertentu, namun dibeberapa panjang gelombang. Sehingga akan diperlukan pengelompokan untuk menelusuri apakah suatu gugus fungsi tersebut terkait dengan antioksidan dalam satu rentang bilangan gelombang. Metode statistika yang dapat mengevaluasi masalah ini yaitu dengan regresi lasso dan group lasso, dimana dapat menyeleksi suatu peubah prediktor dengan atau tanpa kelompok. Group lasso mengulas peubah-peubah yang membentuk model berupa kelompok peubah prediktor, sedangkan regresi lasso tanpa kelompok peubah prediktor. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kebaikan model yang terbentuk dalam meyeleksi dan menyusutkan peubah dalam mengidentifikasi gugus fungsi yang berpengaruh pada aktivitas antioksidan dalam kandungan sembung meggunakan regresi lasso dan group lasso. Berdasarkan hasil analisis yang telah menggunakan metode regresi lasso dan group lasso ditemukan beberapa gugus fungsi yang berpengaruh terhadap aktivitas antioksidan diantaranya C-H bending, CH and CH2 stretching aliphatic group, dan OH carbohydrates proteins and polyphenols. Berdasarkan nilai root mean square error prediction (RSEMP), model group lasso memberikan prediksi model yang lebih baik daripada lasso dalam menyeleksi gugus fungsi yang berpengaruh terhadap aktivitas antioksidan dalam kandungan sembung.

Sembung or Blumea balsamifera contains antioxidant compounds that can reduce the adverse effects of free radicals, heal pain, reduce fever, and others. One of the chemical techniques that can be used to identify the content of active compounds in a plant is Fourier Transform Infrared (FTIR). In the data generated by FTIR, a functional group does not appear only at one particular wavelength but at several wavelengths. So it will be necessary to group it to explore whether a functional group is related to antioxidants in a range of wave numbers. Statistical methods for evaluating this problem are lasso regression and group lasso, which can select a predictor variable with or without groups. Group lasso reviews the variables that make up the model in the form of predictor variables, while lasso regression without groups of predictor variables. Therefore, this study uses lasso regression and group lasso to compare the goodness of the model formed in selecting and shrinking variables in identifying functional groups that affect antioxidant activity in sembung content. Based on the analysis using the lasso and group lasso regression methods, it was found that several functional groups affect antioxidant activity, including C-H bending, CH and CH2 stretching aliphatic group, and OH carbohydrates proteins and polyphenols. Based on the value of root mean square error prediction (RSEMP), the group lasso model provides better predictions than the lasso in selecting functional groups that affect antioxidant activity in sembung content.