Profil Sidik Jari Ekstrak Daun Kemuning (Murraya paniculata), serta Aktivitas Antioksidan dalam Beragam Pelarut

Abstract

Daun kemuning (Murraya paniculata) dipercaya memiliki beragam khasiat, seperti mampu mengurangi rasa sakit dan mengobati diare, yang berasal dari metabolit yang dikandungnya. Oleh karena itu, penelitian ini bertujuan menganalisis sidik jari metabolit ekstrak daun kemuning dalam pelarut air, etanol 50%, dan etanol 99% menggunakan spektroskopi Fourier transform infrared (FTIR) dan ultraviolet-visible (UV-Vis). Spektrum FTIR menunjukkan gugus fungsi -OH, C-H, C=O, C=C, C-O, dan aromatik. Spektrum UV-Vis memperlihatkan senyawa dalam ekstrak daun kemuning hanya terdeteksi pada rentang sinar ultraviolet (200–400 nm). Aktivitas antioksidan dengan metode 2,2-difenil-1-pikrihidrazil (DPPH) menunjukkan nilai kapasitas terbesar pada ekstrak air, diikuti etanol 50%, dan etanol 99%. Data diklasifikasikan menggunakan analisis kemometrik principal component analysis (PCA), bersamaan dengan fusi data yang diperoleh. Hasil PCA dari fusi data memiliki pola yang mirip dengan hasil PCA dari data FTIR, sehingga disimpulkan bahwa data FTIR lebih berpengaruh dalam proses pengelompokkan data dibandingkan dengan data UV-Vis.

Kemuning leaves (Murraya paniculata) are believed to have various benefits, such as reducing pain and treating diarrhea, derived from the metabolites within them. Therefore, this study aims to analyze the metabolic fingerprint of kemuning leaves extract in water, ethanol 50%, and ethanol 99% solvents using Fourier transform infrared (FTIR) and ultraviolet-visible (UV-Vis) spectroscopy. The FTIR spectrum showed functional groups such as -OH, C-H, C=O, C=C, C-O, and aromatic. UV-Vis spectrum indicated that compounds in the kemuning leaf extract were only visible in the ultraviolet range (200–400 nm). Antioxidant activity was determined using the 2,2-diphenyl-1-picrylhydrazyl (DPPH) method, which showed the highest capacity values in the water extract, followed by ethanol (50%) and 99% extracts. The data were classified using chemometric analysis, specifically principal component analysis (PCA), along with data fusion. The PCA results from the fused data had a similar pattern to the PCA results from the FTIR data, indicating that FTIR data had a more significant effect on data clustering compared to UV-Vis data.