ABSTRAK
Optimasi adalah pencarian nilai-nilai variabel yang dianggap optimal, efektif dan efisien untuk
mencapai hasil yang diinginkan. Proses optimasi yang sering dilakukan pada umumnya hanya
melibatkan satu respon saja. Ketika dalam percobaan melibatkan lebih dari satu respon
(multirespon) maka proses optimasi dilakukan secara simultan atau bersamaan. Metode optimasi
multirespon yang dapat digunakan adalah Overlaid Contour Plot dan Desirability Function. Kedua
metode ini diterapkan pada kasus teknik persiapan untuk misel buatan pada muatan
harminedengan desain dasar yaitu Central Composite Design. Dimana terdapat dua buah faktor
yang terlibat yaitu Harmine dan volume hidrasi, sedangkan responnya adalah jumlah muatan obat
dan indeks polidispersitas. Melalui analisis Overlaid Contour Plot dan Desirability Function
didapatkan komposisi perlakuan Harmine sebesar 1,7273 mg dan perlakuan volume hidrasi
sebesar 10,4545 mL. Komposisi perlakuan tersebut dapat mengoptimalkan respon jumlah muatan
obat sebesar 13,8024 dan respon indeks polidispersitas sebesar 0,1922.
Kata Kunci : Optimasi, Response Surface Methodology, Overlaid Contour Plot, Desirablity
Function, Central Composite Design.
1. PENDAHULUAN
17
Desirability function adalah salah satu metode yang sering digunakan dalam
dunia industri untuk melakukan optimasi multirespon dari suatu proses (Bachtiyar et al,
2011). Optimisasi dengan menggunakan desirability function merupakan salah satu
metode yang digunakan untuk mengoptimalkan proses respon ganda secara simultan.
RSM dapat digunakan pada beberapa desain dasar diantaranya Central
Composite Design(CCD). CCD adalahdesainyang paling umum digunakan dirancangan
percobaan. CCD adalah desain faktorial fraksial dengan poin pusat, ditambah dengan
sekelompok poin aksial yang memungkinkan untuk memperkirakan kelengkungan
(Shivakumar et al, 2008). Pada CCD, agar kualitas dari prediksi menjadi lebih baik, maka
rancangannya selain memiliki sifat ortogonal juga harus rotatable (Jeff Wu, 2009).
Kasus percobaan yang digunakan dalam penelitian ini adalah pada bidang
farmasi mengenai teknik persiapan untuk misel buatan pada muatan harmineyang
dilakukan oleh Yong-Yan Bei dan kawan-kawan (2013). Misel adalah molekul-molekul
surfaktan yang mulai berasosiasi berikutnya. Harmine yang biasa disebut dengan zat
kristal putih merupakan sebuah harmalin (senyawa alkoid) dan diperoleh dengan oksidasi.
Harmine merupakan sebuah polimer sintetis amfipatik terbaru yang disintesis untuk
mengurangi efek samping karena pemberian obat yang tidak larut. Untuk mencapai
manfaat terbaik dilakukan sistem pelepasan efektif untuk obat hidrofobik seperti liposom
dan nanopartikel. Akhir-akhir ini, amfipatik polimer telah dikembangkan, yaitu sebuah
hasil sintesis yang menjadi nanomisel. Dibandingkan dengan liposom dan nanopartikel,
misel polimer mempunyai stabilitas termodinamik. Inti hidrofobik dapat menjadi wadah
untuk obat-obatan yang tidak larut dengan jumlah muatan obat (LD) dan waktu retensi
yang panjang, yang dapat meningkatkan daya larut dan memperbaiki bioavailabilitas.
Harmine mempunyai bioavailabilitas yang rendah sehingga daya larutnya pun akan
rendah. Untuk mendapatkan bioavailabilitas yang memuaskan, maka dilakukan
peningkatan LD pada harmine. Dalam kasus ini respon yang diteliti berupa jumlah
muatan obat (LD)dan indeks polidispersitas (PDI), sedangkan variabel independen yaitu
harmine (HM) yang mempunyai 5 buah taraf dan volume hidrasi yang mempunyai 5 buah
taraf.
Dengan menggunakan formulasi model yang tepat, maka dapat diperoleh nilai
variabel independen (X1 dan X2) yang menyebabkan LD(Y1) dan PDI (Y2) menjadi
optimal. Dalam proses produksinya peneliti ingin mengetahui komposisidari variabel HM
dan volume hidrasi agar dapat mengoptimalkan respon volume LD dan PDI.
2. METODOLOGI
= + + + . (3)
j<k
dengan nilai dugaan, x variabel predictor, b taksiran parameter regresi dan residual.
= (5)
( )
0 Jika ( )
( )
= Jika < ( ) (6)
1 Jika ( ) >
Smaller the better digunakan jika menginginkan optimasi respon sekecil mungkin
(optimasi pada titik terendah), maka individual desirability-nya adalah
1 Jika ( )
( )
= Jika < ( ) (7)
0 Jika ( ) >
Nominal the best digunakan jika respon idealnya adalah nilai target tertentu, maka
individual desirability-nya adalah
0 Jika ( )
( )
Jika < ( )
= (8)
( )
Jika < ( )
0 Jika ( ) >
Dari persamaan fungsi individual desirability terdapat bobot (r) yang berguna
untuk mendefinisikan bentuk dari fungsi desirability pada setiap respon. Bobot dipilih
untuk menekankan atau melonggarkan targetnya (Montgomery, 2009).
1. Untuk 0 < r < 1, memberikan penekanan yang kurang pada targetnya. Semakin
besar nilai desirability semakin jauh nilai respon dari target.
2. Untuk r = 1, memberikan nilai kepentingan yang sama pada target dan nilai batas-
batasnya. Nilai desirability dari suatu respon meningkat secara linier.
3. Untuk r > 1, memberikan penekanan yang lebih pada targetnya. Suatu respon harus
sangat dekat dengan target agar memiliki nilai desirability yang tinggi.
Fungsi individual desirability tersebut digabung menggunakan rataan geometri
yang hasilnya disebut fungsi composite atau overall desirability sebagaimana pada
persamaan (9).
= (9)
Setelah perhitungan individual desirability, dihitung nilai overall desirability,
sehingga didapatkan nilai-nilai antara nol sampai satu, dengan nilai-nilai tersebut dapat
ditentukan apakah hasil optimasi sesuai dengan harapan.
Setelah dilakukan analisis varian yang baru, dapat dilihat bahwa telah terjadi
perubahan pada uji lack of fit dimana p-value yang dihasilkan sebesar 0,055 atau lebih
dari derajat signifikansi (=0,05). Hal ini menunjukan bahwa model yang dibuat telah
sesuai dengan data. P-value yang dihasilkan pada interaksi antar faktor X1 dan X2 lebih
besar dari yang berarti interaksi antar faktor tidak signifikan. Lain halnya dengan
interaksi kuadratik sesama faktor yang juga memiliki pengaruh terhadap respon. Begitu
pula pada single factor X1 dan X2 mempunyai pengaruh terhadap respon. Sehingga dapat
diperoleh model orde II untuk respon Y1 sebagai berikut,
= 12,9943 + 12,4099 + 2,3167 1,7019 0,1373
Persamaan yang diperoleh setelah perbaikan model adalah sesuai dengan
persamaan diatas dapat menghasilkan hasil visual untuk respon LD melalui surface plot
dan contour plot yang disajikan pada Gambar 2.
10,0
15
y1
10
15
5 7,5
10
x2
1
2
3 5
x1 4
5,0
1,0 1,5 2,0 2,5 3,0 3,5 4,0
x1
Setelah dilakukan analisis varian yang baru, dapat dilihat bahwa telah terjadi
perubahan pada uji lack of fit dimana p-value yang dihasilkan sebesar 0,129 atau lebih
dari derajat signifikansi (=0,05). Hal ini menunjukan bahwa model yang dibuat telah
sesuai dengan data. P-value yang dihasilkan pada interaksi antar faktor X1 dan X2 lebih
besar dari yang berarti interaksi antar faktor tidak signifikan. Lain halnya dengan
interaksi kuadratik sesama faktor yang juga memiliki pengaruh terhadap respon. Begitu
pula pada single factor X1 dan X2 mempunyai pengaruh terhadap respon. Sehinggadapat
diperoleh model orde II untuk respon Y1 sebagai berikut,
= 1,35939 0,44067 0,14362 + 0,14686 + 0,00722
Persamaan yang diperoleh setelah perbaikan model adalah sesuai dengan
persamaan diatas dapat menghasilkan hasil visual untuk respon LD melalui surface plot
dan contour plot yang disajikan pada Gambar 3.
1,2
x2
10,0
0,9
y2
0,6
15
0,3
7,5
10 x2
1
2 5
3
x1 4
5,0
1,0 1,5 2,0 2,5 3,0 3,5 4,0
x1
Surface Plot pada Gambar 3 menunjukan bahwa respon PDI membentuk kurva
minimum. Contour plot menunjukkan tingkat PDI yang ditandai dengan perbedaan
warna. Semakin rendah tingkat PDI maka akan berada pada warna biru tua dan semakin
tinggi tingkat PDI akan berada pada warna hijau tua. Pada penelitian ini diinginkan jika
respon PDI yang optimum itu adalah rendah atau minimum. Jadi kombinasi kandungan
HM yang berada diantara 1,5 hingga 2 dan volume hidrasi yang berada diantara 10
hingga 11 akan menyebabkan respon PDI menjadi optimum.
10,0
7,5
5,0
1,0 1,5 2,0 2,5 3,0 3,5 4,0
x1
Berdasarkan hasil overlaid contour plot diatas terlihat bahwa daerah irisan yang
dihasilkan belum spesifik yaitu komposisi faktor HM berada pada rentang 1 mg hingga 2
mg, sedangkan komposisi faktor volume hidrasi berada pada rentang 5 mL hingga 15 mL.
Daerah irisan yang dihasilkan pada Gambar 4.3 belum spesifik pada rentang nilai Y1 3,8
sampai 13,8 dan pada rentang Y2 0,05 sampai 1, sehingga langkah selanjutnya adalah
melakukan trial and error untuk mendapatkan nilai X1 dan X2 yang menghasilkan nilai Y1
dan Y2 yang optimum. Batas atas dan batas bawah untuk overlaid contour plot
x2
10,0
7,5
5,0
1,0 1,5 2,0 2,5 3,0 3,5 4,0
x1
Berdasarkan hasil overlaid contour plot diatas terlihat bahwa daerah irisan yang
dihasilkan belum spesifik yaitu komposisi faktor HM berada pada rentang 1,5 mg hingga
2,3 mg, sedangkan komposisi faktor volume hidrasi berada pada rentang 7,4 mL hingga
14,8 mL. Daerah irisan yang dihasilkan pada Gambar 4.4 belum spesifik pada rentang
nilai Y1 12 hingga 13,8 dan pada rentang Y2 0,05 sampai 0,3, sehingga langkah
selanjutnya adalah melakukan trial and error untuk mendapatkan nilai X1 dan X2 yang
menghasilkan nilai Y1 dan Y2 yang optimum.
Batas atas dan batas bawah untuk overlaid contour plot selanjutnya adalah 13,5
hingga 13,8 untuk respon LD dan 0,191 hingga 0,193 untuk respon PDI. Hasil overlaid
contour plot dengan batas-batas diatas disajikan oleh Gambar 6.
10,0
7,5
5,0
1,0 1,5 2,0 2,5 3,0 3,5 4,0
x1
Berdasarkan hasil overlaid contour plot diatas terlihat bahwa daerah irisan yang
dihasilkan sudah cukup spesifik yaitu komposisi faktor HM berada disekitar 1,75 mg dan
faktor volume hidrasi berada disekitar 10,5 mL sehingga dapat mengoptimalkan respon
Y1 pada rentang 13 hingga 1,8 dan respon Y2 pada rentang 0,1 hingga 0,2.
Composite
Desirability
0,92214
y1
Maximum
y = 13,8024
d = 1,0000
y2
Minimum
y = 0,1922
d = 0,85035
5. DAFTAR PUSTAKA
Bachtiyar, C., Amrillah, Rodhi. 2011. Setting Parameter Mesin Press Dengan Metode Respon
Permukaan pada Pabrik Kelapa Sawit. Medan: Pendidikan Teknologi Kimia Industri
Medan.
Bei, Yong Yang. 2013. Application of The Central Composite Design to Optimize The Preparation
of Novel Micelles of Harmine. Peoples Republic of China: Soochow University.
Jeff Wu, C.F., Hamada, M.S. 2009. Experiment: Planning, Analysis, and Optimization, Second
Edition. New York: John Wiley and Sons, Inc.
Karmiadji, Djoko W. and Seprianto, Dicky. 2011. Optimasi Multi Respon pada Proses Pembuatan
Paduan Aluminium/Fly Ash Menggunakan Metallurgi Serbuk. Tangerang: Politeknik
Negeri Sriwijaya.