TUGAS MIKROBIOLOGI INDUSTRI

METODE OPTIMASI PADA PROSES FERMENTASI

Disusun Oleh:
Suci Indah Pratiwi
H0915079

PROGRAM STUDI ILMU DAN TEKNOLOGI PANGAN

FAKULTAS PERTANIAN
UNIVERSITAS SEBELAS MARET
SURAKARTA
2018
 Strategi untuk Pengoptimasian Media Fermentasi: Ulasan yang Mendalam

Oleh : Vineeta Singh, Shafiul Haque, Ram Niwas, Akansha Srivastava, Mukesh
Pasupuleti dan C. K. M. Tripathi.
Sumber: Frontiers in Microbiology, Volume 7, Article 2087

A. Pengantar
Teknologi fermentasi secara luas diaplikasikan dalam industri energi,
farmasi, kimia dan industri makanan yang memproduksi senyawa ekonomis
yang penting. Ketersediaan produk fermentasi yang sama dengan permintaan
pasar adalah hal yang penting untuk setiap produk berbasis fermentasi.
Beberapa teknik tinggi yang telah ditemukan untuk memenuhi kebutuhan
pasar berhasil diterapkan dalam berbagai proses, seperti produksi metabolit
primer atau sekunder, biotransformasi, ekstraksi minyak dan lain-lain. Kondisi
media dan komponen media yang paling sesuai harus diidentifikasi dan
dioptimalkan untuk mendesain media produksi.
Produk fermentasi yang digunakan dalam kehidupan sehari-hari
merupakan metabolit sprimer atau sekunder yang telah dihasilkan selama
trofofase dan idiofase dari pertumbuhan masing-masing mikroba. Jenis nutrisi
dan konsentrasi nutrisi dalam media penting dalam memulai produksi
metabolit primer dan sekunder karena pasokan nutrisi esensial yang terbatas
dapat membatasi pertumbuhan sel mikroba atau pembentukan produk.
Umumnya, sumber karbon dan nitrogen serta fosfat dalam medium dapat
mempengaruhi produksi metabolit. Tingkat di mana sumber karbon
dimetabolisme sering dapat mempengaruhi pembentukan biomassa dan atau
produksi metabolit primer atau sekunder. Penggunaan nitrogen atau asam
amino spesifik dapat meningkatkan produktivitas dalam beberapa kasus dan
sebaliknya, asam amino yang tidak cocok dapat menghambat sintesis
metabolit sekunder. Jumlah fosfat yang harus ditambahkan dalam medium
fermentasi tergantung pada komposisi media dan kebutuhan organisme, serta
kesesuaian dengan sifat produk yang diinginkan.
 Studi optimasi menengah umumnya dilakukan untuk meningkatkan
hasil dan aktivitas produk yang diinginkan pada beberapa industri. Perlu
dipertimbangkan kebutuhan pertumbuhan minimal mikroorganisme yang
harus dipenuhi untuk mendapatkan produksi metabolit maksimum selama
pengoptimalan sedang. Selama perancangan dan optimasi menengah ada
beberapa strategi tersedia yang sering digunakan untuk meningkatkan efisiensi
media produksi antara lain adalah metode optimasi medium klasik berupa
One-Factor-at-a-Time (OFAT) dan Design of Experiments (DOE) dan
Optimasi medium Statistik.

B. Penggunaan RSM Sebagai Metode Optimasi Produksi Produk-produk

Fermentasi
RSM merupakan metode yang menggunakan desain faktorial untuk
mengoptimalkan proses produksi dari metabolit yang diinginkan. Penggunaan
RSM sering digunakan sebagai metode optimasi untuk produksi produk-
produk fermentasi karena RSM adalah pendekatan matematis kuat dan efisien
yang mencakup desain eksperimental statistik dan analisis regresi berganda,
untuk mencari formulasi terbaik di bawah satu set persamaan terbatas. RSM
menggunakan beberapa fase pengoptimalan dan dapat dilakukan dalam tiga
langkah dasar, yaitu percobaan yang dirancang untuk screening faktor-faktor
yang diikuti oleh jalur kenaikan atau penurunan dan terakhir model regresi
kuadratik yang disesuaikan dan dioptimalkan menggunakan metode analisis
regresi kanonik.
Salah satu input penting dari RSM adalah representasi dari hasil,
sebagai plot permukaan yang dapat memberikan beberapa tanggapan pada saat
yang sama dengan mempertimbangkan interaksi antara variabel, dan yang
paling penting untuk merancang dan mengoptimalkan proses. Berkaitan
dengan ferementasi, optimasi proses dilakukan untuk meningkatkan hasil dan
aktivitas produk yang diinginkan. Proses fermentasi melibatkan jenis dan
konsentrasi nutrisi dalam media yang penting dalam memulai produksi
metabolit primer dan sekunder karena pasokan nutrisi esensial yang terbatas
 dapat membatasi pertumbuhan sel mikroba atau pembentukan produk. Adanya
parameter tersebut maka perlu diketahui tanggapan dari interaksi antar
parameter sehingga diperlukan optimasi dengan RSM karena memberikan
beberapa tanggapan pada saat yang sama dengan mempertimbangkan interaksi
antara variabel. Penggunaan RSM pada fermentasi sering digunakan karena
metode yang sederhana, efisien, menghemat waktu dan mampu memprediksi
optimalisasi berbagai proses produksi metabolit.
C. Contoh Proses Optimasi Produksi Metabolit Menggunakan RSM
Berdasarkan alasan yang telah dijelaskan, maka banyak proses
optimasi produksi metabolit pada proses fermentasi yang menggunakan RSM,
diantaranya yaitu:
1. Penggunakan RSM untuk produksi chitinase dari Alealigenes
xylosoxydans yang menemukan peningkatan produksi 1,4 kali lipat
2. Peningkatan produksi poli (γ-glutamic acid) dari Bacillus licheniformis
dengan mengoptimalkan konsentrasi nutrisi menggunakan RSM
3. Mengoptimalkan produksi polisakarida larut dalam air dari Pleurotus
citrinopileatus dalam kultur terendam
4. Di bidang produksi antibiotik, penggunaan metode untuk produksi
chlortetracycline dan tetracycline dengan K-carrageenan immobilized
Streptomyces aureofaciens dengan peningkatan 8 kali lipat
5. Produksi asam klavulanat oleh Streptomyces clavuligerus menunjukkan
peningkatan hampir 2.6 kali lipat teknik RSM digunakan.
Kombinasi RSM dengan metode lain juga dilakukan untuk meningkatkan
hasil yang lebih optimal, contohnya yaitu:
1. Kombinasi PBD dan RSM digunakan untuk produksi asam olivanat dan
mengoptimalkan konsentrasi bungkil kedelai, CaCO3 dan gliserol dan
menemukan 8 kali lipat pembentukan produk yang lebih tinggi
2. Dengan menggunakan jumlah minimum percobaan dan metodologi RSM,
diperoleh 2 kali lipat peningkatan produksi heparinase
3. Produksi actinomisin D obat antikanker dari fermentasi Streptomyces
sindenensis yang terendam ditemukan meningkat 2,8 kali lipat, ketika
 tujuh faktor PBD digunakan pada langkah pertama, diikuti dengan
mengoptimalkan konsentrasi komponen efisien yang dihasilkan melalui
RSM di kedua langkah
4. Penggunakan CCD dan RSM untuk mengoptimalkan tiga variabel
ekstraksi untuk ekstraksi 3-DMC dari medium fermentasi.
D. Kelemahan RSM
Meskipun sering digunakan untuk optimasi pada proses fermentasi,
terdapat beberapa kelemahan dari RSM, antara lain:
1. Prediksi tanggapan berdasarkan persamaan polinomial orde kedua sering
terbatas pada tingkat rendah dan menghasilkan estimasi yang buruk
terhadap formulasi optimal.
2. Kompleksitas metabolisme mikroorganisme
3. Ketika sejumlah besar variabel terlibat, pengembangan model yang ketat
untuk sistem reaksi biologis tertentu secara fisik dan kimia masih
merupakan tantangan penting.
4. Cukup rumit untuk mempelajari interaksi lebih dari lima variabel dan
variasi besar dalam faktor yang dapat memberikan hasil yang menyesatkan
yang mungkin karena kesalahan, bias, atau tidak ada reproduktifitas.
Untuk mengatasi kekurangan dari RSM maka diperlukan metode lain
untuk mengatasi kekurangan dari RSM salah satunya adalah Artificial Neural
Network atau ANN. Artificial Neural Network (ANN) adalah model matematis
atau komputasional yang dipengaruhi oleh aspek struktural dan atau
fungsional dari jaringan saraf biologis. Metode ini merupakan sistem adaptif
yang mengubah strukturnya sesuai dengan informasi eksternal atau internal
yang mengalir melalui jaringan selama fase pembelajaran.
Sistem yang adaptif tersebut mampu mengatasi dari kekurangan RSM
yaitu berupa prediksi tanggapan berdasarkan persamaan polinomial orde
kedua sering terbatas pada tingkat rendah dan menghasilkan estimasi yang
buruk terhadap formulasi optimal. Masalah kompleksitas metabolisme
mikroorganisme dan variabel dan variasi yang besar dapat diatasi dengan
metode ANN karena dapat bekerja dengan lancar dengan sejumlah besar data,
unggul dalam pengenalan pola yang kompleks dan tidak memerlukan
penjelasan mekanistik dari sistem. Terkait dengan kesalahan dan bias, ANN
dapat memperkecil hal tersebut karena ketika sebuah elemen dari jaringan
saraf gagal, bahkan kemudian ANN dapat terus bekerja tanpa masalah dengan
sifat paralelnya. ANN dapat dikombinasikan dengan metode simpleks NM
untuk mengoptimalkan produksi berbagai metabolit. Metode simpleks Nelder
Mead (NM) adalah teknik statistik lain, yang telah ditemukan membantu
dalam mengurangi biaya optimasi klasik dan memberikan hasil yang
memuaskan.
 DAFTAR PUSTAKA

Singh, V., Haque, S., Niwa, R., Srivastava, A., Pasupuleti, M., and C. K. M.
Tripathi. 2017. Strategies for Fermentation Medium Optimization: An In-
Depth Review. Frontiers in Microbiology, Vol. 7: 1-16.