• Tidak ada hasil yang ditemukan

Uji Invitro Aktivitas Antelmintik Ekstrak n-Heksana Daun Pugun Tanoh [Curanga fel-terrae (Lour.) Merr.]

N/A
N/A
Protected

Academic year: 2017

Membagikan "Uji Invitro Aktivitas Antelmintik Ekstrak n-Heksana Daun Pugun Tanoh [Curanga fel-terrae (Lour.) Merr.]"

Copied!
19
0
0

Teks penuh

(1)
(2)
(3)
(4)

Lampiran 4. Perhitungan karakterisasi simplisia dan ekstrak 1. Perhitungan rendemen simplisia dan ekstrak

% rendemen = Berat kering

berat basah x 100%

Simplisia

Berat basah Berat simplisia Persentase (%)

2450 g 600 g 24,49

Ekstrak

Berat ekstrak Berat simplisia Persentase (%)

11 g 600 g 1,83

2. Penetapan kadar air simplisia dan ekstrak

% kadar air = volume air (ml )

berat simplisia x 100%

Simplisia

Berat volume (ml) Berat simplisia (g) Persentase (%)

0,2 5,063 3,95

0,2 5,058 3,95

0,2 5,044 3,96

Kadar air rata-rata 3,95

Ekstrak

Berat volume (ml) Berat simplisia (g) Persentase (%)

0,05 2,003 2,49

0,05 2,034 2,45

0,05 2,011 2,48

Kadar air rata-rata 2,47

3. Penetapan kadar sari larut air

% kadar sari larut air = Berat sari

berat simplisia x 100

(5)

Lampiran 4. (Lanjutan)

No. Berat simplisia (g) Berat sari (g) Persentase (%)

1. 5,025 0,203 20,19

2. 5,045 0,21 20,81

3. 5,078 0,199 19,59

Kadar sari larut air rata-rata 20,20

4.Penetapan kadar sari larut etanol

% kadar sari larut etanol = Berat sari

berat simplisia x 100

Kadar sari larut etanol rata-rata 21,15

5.Penetapan Kadar Abu Total

% kadar abu total = Berat abu

Kadar abu total rata-rata 8,5

Ekstrak

No. Berat simplisia (g) Berat abu (g) Persentase (%)

1. 2,011 0,01 0,49

2. 2,056 0,02 0,97

3. 2,043 0,01 0,48

(6)

Lampiran 4. (Lanjutan)

6. Penetapan kadar abu tidak larut asam

% kadar abu tidak larut asam = Berat abu

Kadar abu tidak larut asam rata-rata 0,96

Ekstrak

No. Berat simplisia (g) Berat abu (g) Persentase (%)

1. 2,000 0,001 0,05

2. 2,004 0,001 0,04

3. 2,010 0,001 0,04

(7)

Lampiran 5. Gambar tumbuhan pugun tanoh

(8)

Lampiran 5. (Lanjutan)

Daun pugun tanoh segar

(9)

Lampiran 6.Mikroskopik Daun Pugun Tanoh

Keterangan:

a. Kristal kalsium oksalat bentuk prisma b. Tulang daun

(10)

Lampiran 7. Hewan percobaan

(11)

Lampiran 8. Uji aktivitas antelmintik

Larutan konsentrasi ekstrak 30, 20, 10, dan 5 mg/ml

a b

Keterangan:

(12)

c d

e f

g h

Keterangan:

c: Uji aktivitas antelmintik konsentrasi 10 mg/ml. d: Uji aktivitas antelmintik konsentrasi 5 mg/ml. e: Uji aktivitas antelmintik larutan NaCl.

f: Uji aktivitas antelmintik larutan tween 80 1% dalam 20 ml NaCl. g: Uji aktivitas antelmintik albendazole 20 mg/ml.

(13)

Lampiran 9. Waktu paralisis cacing (menit)

Konsentrasi

Pengujian (menit)

I II III

Larutan NaCl 0,9% (kontrol negatif)

Tween 80 1 % (kontrol pelarut)

Ekstrak n-heksan 5 mg/ml 205 210 216

Ekstrak n-heksan 10 mg/ml 134 133 139

Ekstrak n-heksan 20 mg/ml 113 114 107

Ekstrak n-heksan 30 mg/ml 71 73 76

(14)

Lampiran 10. Waktu kematian cacing (menit)

Konsentrasi Pengujian (menit)

I II III

Larutan NaCl 0,9% (kontrol negatif)

Tween 80 1% (kontrol pelarut)

Ekstrak n-heksan 5 mg/ml 230 240 236

Ekstrak n-heksan 10 mg/ml 159 163 164

Ekstrak n-heksan 20 mg/ml 120 120 114

Ekstrak n-heksan 30 mg/ml 76 80 84

(15)

Lampiran 11. Profil kromatografi lapis tipis ENHDPT

a b c d e f

Keterangan: Fase dian silika gel GF254, fase gerak n-heksana-etilasetat (a.100:0, b.90:10, c.80:20, d.70:30, e.60:40, f.50:50) penampak bercak Liebermann-Burchard

tp= titik penotolan bp= batas pengembangan

bp

(16)

Lampiran 12. Analisis Statistika

a. Lilliefors Significance Correction

Descriptives

Paralisis

konsentrasi

N Mean Std.

Deviation

Std. Error 95% Confidence Interval for Mean

Dependent Variable: paralisis Tukey HSD

(I) konsentrasi (J) konsentrasi Mean Difference (I-J)

Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound

(17)

Paralisis

Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 3.000.

Tests of Normality Chi-Square 13.524

Df 4

Asymp. Sig. .009

a. Kruskal Wallis Test

b. Grouping Variable: konsentrasi

Multiple Comparisons

Dependent Variable: kematian Tukey HSD

(I) konsentrasi (J) konsentrasi Mean Difference (I-J)

Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound

30 mg/ml

30 mg/ml 155.33333

* 2.92878 .000 145.6945 164.9722

(18)

Kematian

Tukey HSD

Konsentrasi N Subset for alpha = 0.05

1 2 3 4 5

30 mg/ml 3 80.0000

20 mg/ml 3 118.0000

10 mg/ml 3 162.0000

Albendazole 20 mg/ml 3 188.0000

5 mg/ml 3 235.3333

Sig. 1.000 1.000 1.000 1.000 1.000

(19)

SURAT PERNYATAAN BEBAS PLAGIAT

Saya yang bertanda-tangan di bawah ini :

Nama : Astri Novia

Nim : 101501092

Fakultas : Farmasi

Judul Skripsi : Uji Invitro Aktivitas Antelmintik Ekstrak n-heksan Daun Pugun Tanoh [Curanga fel-terrae (Lour.) Merr.]

Dengan ini menyatakan :

1. Bahwa isi skripsi yang saya tulis tersebut di atas adalah tidak merupakan ciplakan dari skripsi atau karya ilmiah orang lain.

2. Apabila terbukti di kemudian hari skripsi tersebut adalah ciplakan, maka segala akibat hukum yang timbul menjadi tanggung-jawab saya.

Demikian pernyataan ini saya buat dengan sebenarnya tanpa ada paksaan atau tekanan dari pihak manapun.

Medan, April 2016

Referensi

Dokumen terkait

Lalu semua data tersebut seterusnya disimpan ke database untuk mebuat penugasan dengan metode

[r]

Hal ini dilakukan untuk mendapatkan kualitas citra yang baik dengan sedikit memori penyimpanannya, serta kecepatan pengiriman data yang lebih optimal dengan waktu yang lebih

Berikut adalah ikhtisar data keuangan penting SMR yang diperoleh dari laporan keuangan yang berakhir pada tanggal-tanggal 31 Desember 2013 yang telah diaudit oleh Kantor Akuntan

Dapat disimpulkan bahwa pada generasi kedua ini computer menggunakan komponen utama yang berupa transistor yang lebih kecil dan lebih murah,

The major goal of this work is to perform a workflow for semantic labelling in city areas using multi-spectral aerial imagery and DSM, which is based on combining a CNNs image

Pada awal siklus instruksi CPU membaca instruksi dari memory, register PC akan mengawasi instruksi yang akan dibaca selanjutnya, dengan cara menambah nilai PC

In this article, firstly, we analyse the process of how to introduce the LDA model into remote sensing image classification to find out a new approach to model the structure