TEKNIK OPTIMASI DALAM

PROSES PEMBUATAN
SEDIAAN FARMASI
Wintari Taurina, M. Sc, Apt.

Pendahuluan
Upaya optimasi proses pembuatan sediaan

farmasi terus dilakukan oleh peneliti

Optimasi mencakup berbagai hal yang
berkatian dengan pembuatan sediaan
farmasi, antara lain optimasi proses dan
optimasi formulasi

Teknik optimasi formulasi

Formula
Metode
Proses
Peralatan
Pengemas

Unsur dalam formulasi sangat

bervariasi tergantung syarat
Persyaratan sediaan
Formulator
Market
Fasilitas produksi

Persyaratan tersebut tidak bisa berdiri sendiri,

dibutuhkan mendapatkan parameter yang
optimum

Kenapa harus optimum

kenapa bukan maksimum

Sesuatu yang maksium belum tentu optimum,

sehingga yang maksimum belum tentu baik

Hasil akhir diharapkan akan dapat dihasilkan
sediaan yang bermutu (aman, manjur,
acceptable, stabil)

Formula : zat aktif dan

eksipien
Memilih eksipien bukanlah permasalahan

yang mudah, karena harus

mempertimbangkan berbagai aspek
Seperti : stabilitas fisika, kimia, ketersediaan
hayati, kemudahan dalam proses produksi,
harga, dll

Problem
Keseimbangan diantara persyaratan yang

bertentangan
Kemungkinan adanya interaksi kompleks
antara eksipien yang mempengaruhi
persyaratan yang diinginkan

Ahli formulasi harus teliti dan tanggap dalam

memilih bahan tambahan dan campuran

bahan serta faktor-faktor yang terkait dengan
proses dalam memformulasikan suatu
sediaan, sehingga dapat dihasilkan suatu
formulasi yang optimal
Optimasi : suatu pendekatan empiris yang
dapat digunakan untuk memperkirakan
jawaban yang tepat sebagai suatu fungsi dari
variabel-variabel yang sedang dikaji sesuai
dengan respon-respon yang dihasilkan dari
rancangan percobaan yang dilakukan

Untuk mendapatkan komposisi optimum dari

sebuah formula dilakukan dengan cara :
1. Coba coba / trial and error
2. Teknik optimasi sistematik

1. coba-coba / trial and

error
Sejak lama digunakan untuk mendapatkan

komposisi optimum
Kurang efisien, mahal, time consuming, sering
kali gagal
Rentang hasil diluar yang dicobakan tidak
dapat diketahui adanya kemungkinan
kombinasi yang lebih baik diluar yang
dicobakan tidak diketahui

2. Teknik optimasi
sistemik
Dibagi menjadi :
a. Model pendekatan independen
b. Model pendekatan dependen

a. Independen
Hasil percobaan sebelumnya digunakan untuk

menetapkan
/
mencari
kondisi
percobaan
berikutnya dalam upaya untuk mendapatkan
hasil/respon yang optimal
Nilai yang dicari dapat berpindah dari respon
yang rendah mendekati optimum
Kelemahan : banyaknya percobaan yang ahrus
dilakukan untuk mencapai hasil yang optimal
tidak dikethaui sebelumnya,
Sebagian dari bidang respon tidak terinvestigasi
sehingga kemungkinan diperoleh sub optimal

b. dependen
Sebuah variable tergantung (respon), pada

sebuah parameter formulasi dapat

digambarkan sebagai fungsi komposisi
campuran dengan model matematika
Respon diukur berdasarkan kombinasi yang
digunakan

Simplex lattice design

Metode yang digunakan untuk menentukan

proporsi relatif bahan-bahan yang digunakan

dalam suatu formula, sehingga diharapkan
akan dapat dihasilkan suatu formula yang
paling baik sesuai kriteria yang ditentukan
metode ini cocok untuk prosedur optimasi
formula dimana jumlah total dari bahan yang
berbeda adalah konstan.

X1 + X 2+....= 1
Simplex yang paling sederhana dengan 2

variabel komponen

Hubungan antara respon dan komponen

dapat digambarkan sebagai berikut :

Y = a (A) + b (B) + ab (AB)(1)
Keterangan :
Y
= Respon
a, b, ab
= koefisien yang didapat dari
percobaan
(A), (B)
= Fraksi komponen dengan syarat:
0 (A) 1, 0 (B) 1,(A+B)=1

Nilai koefisien a, b dan ab didapatkan dengan cara

memasukkan respon yang didapat dari hasil

percobaan ke dalam persamaan diatas. Setelah
didapatkan nilai a, b dan ab, maka dapat diprediksi
perhitungan dari tiap perbandingan fraksi
komponen A dan B. Berdasarkan nilai-nilai respon
(Y) dari setiap perbandingan fraksi komponen A dan
B tersebut dapat diketahui profil efek campuran
terhadap respon dan berdasarkan profil tersebut
dapat ditentukan komposisi A dan B yang dapat
memberikan respon optimum seperti yang
diinginkan

Metode untuk mendapatkan nilai a, b dan ab

melalui 3 percobaan tersebut diatas, yaitu :

Percobaan 1 = percobaan yang
menggunakan A saja, berarti nilai (A) = 1
Percobaan 2 = percobaan yang
menggunakan B saja, berarti nilai (B) = 1
Percobaan 3 = percobaan yang
menggunakan campuran A dan B sama
banyak, berarti nilai (A) = 0,5 dan nilai (B) =
0,5.

Contoh menghitung persamaan

simplex lattice design
Dilakukan suatu formulasi dari suatu

granul dengan menggunakan dua bahan

pengisi yaitu laktosa dan sukrosa, maka
untuk memperoleh kombinasi bahan
pengisi
dengan
formula
optimum
dilakukan
percobaan
untuk
mendapatkan formula optimum dengan
metode simplex lattice design.

Dari percobaan uji sifat alir dari granul

diperoleh data sebagai berikut :

NO
1
2
3
4
5
Rata-rata
SD

WAKTU ALIR GRANUL (gram/detik)

FORMULA
50%
FORMUL
FORMULA
laktosa:50%su
A 100%
100% laktosa
krosa
sukrosa
13,16
30,30
28,57
12,66
30,30
28,57
13,16
30,30
27,78
12,66
30,30
27,03
12,66
30,30
27,78
12,86
0,27

30,30
0,00

27,95
0,65

Y = a (A) + b (B) + ab (A)(B)

sifat alir
100% A
B = 0Y = 12,86
12,86 = a (1) + b (0)+ ab (1) (0)
a = 12,86

100% B A=0 Y= 27,95

27,95 = (0)+ b (1) + ab (0) (1)
b = 27,95

50% A:50%B A = 0,5, B = 0,5 Y=30,30

30,30 = 12,86 (0,5) + 27,95(0,5) +ab(0,5)(0,5)
ab = 39,58
maka persamaan yang didapatkan:
Y = 12,86 A + 27,95 B + 39,58 AB

Contoh lain ada dua macam solvent, A dan B

akan diteliti pengaruhnya terhadap kelarutan

zat X. Untuk melihat pengaruh solvent
tersebut dibuat dalam 3 percobaan
100% A
100% B
50%-50% A : B

Kelarutan zat tersebut

Dalam 100% A = 10 mg/ml
Dalam 100% B = 15 mg/ml
Dalam 50% A dan 50 % B = 30 mg/ml
Maka dapat dihitung masing-masing

koefisiennya dengan mesubstitusikan

Sehingga dapat persamaan
Y = 10 (A) + 15 (B) + 30 (A) (B)
Maka kita dapat memprediksi respon lain
diluar hasil percobaan

Contoh, berapa kelarutan jika pada campuran

75% A dan 25 % B
Y = 10(0.75) + 30(0.75)(0.25) + 15 (0.25)
Y=16.875

Jika terdiri dari 3

campuran
Digambarkan dalam segitiga sama sisi
Dengan rumus
Y :

b1X1+b2X2+b3X3+b12X1X2+b23X2X3+b13X1X3+
b123X1X2X3
Y : respon
X1,X2,X3 : fraksi dari tiap komponen
B1,b2,b3 : koefisien regresi X,X2X3
B12, b13, b23 : koefeisen regresi X1-X2, X1-X3, X2X3
B123 : koefisien regresi dari X1-X2-X3

Persamaan tsb tidak terdapat

intersep bo konstanta dri titik potong
Dapat dihitung intersepnya
X1+X2+X3 : 1
Substitusi : X3 : 1 (X1+X2) menjadi
Y : b1X1+b2X2+b3(1-(X1+X2)

+b12X1X2+b13X1(1-(X1+X2))+b23X2(1(X1+X2)+b123X1X2(1-(X1+X2))

Jika persamaan tsb diubah dlm bentuk

persamaan kuadrat dgn basis X2
X2 =

Jika campuran formula tidak merupakan zat

tunggal yang murni (100%)

%yang ditransformasikan
= (%sesungguhnya-%minimum)
(% maksimum - % minimum)
Untuk mendapatkan nilai R atau respon
C0ntoh perhitungan

Simplex lattice design hanya bisa digunakan

untuk campuran yang bisa dikuantifikasi

(secara fisik ada), seperti campuran pelarut
atau bahan
Tidak dapat yang abstrak seperti : suhu,
tekanan, dan lama pengeringana

Desain faktorial
Aplikasi persamaan regresi yaitu teknik untuk

memberikan model hubungan antara variabel

respon dengan satu atau lebih variabel bebas
Desain faktorial digunakan dalam percobaan
untuk menentukan secara simulasi efek dari
beberapa faktor dan interaksinya yang
signifikan

Istilah
Faktor : variabel yang ditetapkan, misal :

waktu, suhu, konsentrasi