BAB I

PENDAHULUAN

1.1 Latar Belakang

Bioproses adalah cabang ilmu dari biokimia yang mempelajari bagaimana melakukan
perencanaan, pengembangan, dan analisis proses yang berhubungan dengan biokatalis. Industri
bioproses sering kali( bahkan hamper selalu ) melibatkan makhluk hidup uniselular yang disebut
“mikroba”. Selanjutnya, mikroba ini akan menghasilkan suatu enzim. Enzim inilah yang
mengkatalis suatu reaksi, sehingga enzim dapat juga disebut biokatalis. Perkembangan ilmu
bioproses didukung pula oleh ilmu kinetika, yang ruang lingkup nya mempelajari mekanisme
suatu reaksi dan menyatakannya kedalam suatu persamaan matematis. Bioproses banyak
diterapkan dalam proses industri karna memiliki cara praktis untuk mendapatkan produk yang
diinginkan.
Fermentasi adalah proses produksi energi dalam sel pada keadaan anaerobik. Secara umum,
fermentasi adalah salah satu bentuk respirasi anaerobik, akan tetapi, terdapat definisi yang lebih
jelas yang mendefinisikan fermentasi sebagai respirasi dalam lingkungan anaerobik dengan atau
tanpa akseptor elektron eksternal.

1.2 Tujuan
Tujuan dari makalah ini adalah mempelajari bermacam-macam permodelan pertumbuhan sel
dan permodelan dalam fermentasi.

1.3 Manfaat
Manfaat dari makalah ini adalah dapat membantu mahasiswa mengenal berbagai macam
permodelan pertumbuhan sel dan permodelan dalam fermentasi.
 BAB II

ISI

2.1 Stoikiometri Dari Pertumbuhan Sel dan Pembentukan Produk

2.1.1 Derajat Reduksi
Derajat reduksi (γ) untuk senyawa organik didefinisikan sebagai jumlah ekuivalen
elektron per gram atom C. Derajat reduksi suatu elemen dalam suatu senyawa = valensi elemen /
unsur tersebut.

Derajat reduksi dari beberapa elemen kunci:

 C=4
 H=1
 N = -3
 P=5
 O = -2
 S=6
Sehingga dengan ini kita dapat menghitung derajat reduksi suatu substrat.Dimana
derajat reduksi suatu substrat dihitung sebagai berikut:

Methana (CH4) : 1(4) + 4(1) = 8 γ= 8/1 = 8

Glukosa (C6H12O6) : 6(4) + 12(1) + 6(-2) =24 γ= 24/6 = 4
Ethanol (C2H5OH) : 2(4) + 6(1) + 1(-2) = 12 γ= 12/2 = 6

Contoh:
Produksi produk secara ekstraselular tunggal secara aerobik :

CHmOn+aO2+bNH3 → CHαOβNδ+dCHxOyNz+eH2O+fCO2
c

Derajat reduksi untuk substrat, biomassa dan produk adalah :

 γs = 4 + m - 2n
γb = 4 + α - 2β - 3δ
γp = 4 + x - 2y - 3z

Derajat reduksi untuk CO2, H2O dan NH3 = 0

Persamaan tersebut dapat dipecahkan menggunakan kesetimbangan elemen (C, H, O
dan N), derajat reduksi, kesetimbangan energi, dan kesetimbangan massa total. Karena jumlah
air yang dibentuk dalam reaksi tersebut susah ditentukan, dan air ada dalam jumlah berlebih
maka kesetimbangan H dan O sulit untuk digunakan. Untuk itu, digunakan kesetimbangan C, N,
dan O.
Derajat Reduksi :
C:1=c+d+f
N : b = cδ + dz
γ : γs - 4a = cγb + dγp

2.1.2 Prediksi Teoritis Berdasarkan Koefisien Yield

Pada fermentasi aerobic, yield pertumbahan per elektron yang tersedia dalam molekul
oksigen; Yx/e = 3,14 ± 0,11 g sel kering/elektron bila ammonia digunakan sebagai sumber N.
Jumlah elektron yang tersedia per molekul oksigen adalah 4. Dimana, bila jumlah molekul
oksigen per mol substrat yang dikonsumsi diketahui, maka koefisien yield pertumbuhan (Y x/s)
dapat diketahui.

Contoh:
Katabolisme glukosa secara aerobik :

Persamaan reaksi:

C6H12O6 + 6O2 →CO2+ 6H2O

Dimana :

 Jumlah elektron total dalam satu mol glukosa adalah 24

 Yield :
 ( Yx/s) = Yx/e- . Ye-/s
= 3,14 x 24
= 76 g sel kering / mol substrat
Maka Koefisiean Yield pertumbuhan diprediksi sebesar :
= 76 g sel kering / mol substrat x 1 mol glukosa / 180 g glukosa
= 0,4 g sel kering / g glukosa
Hasil pengukuran koefisien Yield pertumbuhan secara aerobic pada media
glukosa adalah sebesar 0,38-0,51 g/g.
 Yield ATP (Yx/ATP) dalam fermentasi anaerobik adalah 10,5± 2 g sel kering / mol
ATP. Dan dalam kondisi aerobic Yx/ATP = 6 – 29 g sel kering / mol ATP
Bila Yield energy suatu pathway (jalur) metabolisme diketahui (N ml ATP yang dihasilkan
per gram substrat yang dikonsumsi) makaYield pertumbuhan dapat dihitung sebagai berikut :

Yx/s = Y X/ATP x N = Y X/ATP x ΣATP/g substrat

2.2 Pengantar Permodelan Dalam Fermentasi

2.2.1 Model Matematika
Adapun model matematika dalam proses fermentasi sebagai berikut:
1.Fermentasi curah F(t) = FO(t) = 0 ; V1 = tetap
2. Fermentasi Fed-Batch Fi(t) ≠ 0 , FO(t) ≠ 0 ; VI ≠ tetap
3. Fermentasi semi sinambung Fi(t) ≠ FO(t) ≠ 0 ; VI ≠ tetap
4. Fermentasi Sinambung D.VI ≠ Fi(t) ≠ FO(t) ≠ 0 ; VI ≠ tetap

2.2.2 Persamaan Laju Reaksi

Setelah satu vector terpilih dan persamaan kesetimbangan tersusun, tetapan
permodelan berikutnya adalah memberikan Q dengan model sel.
Pada reaksi mikrobial, laju reaksi per volum total sebanding dengan jumlah biomassa
aktif sehingga model sel dapat dinyatakan sebagai :
Q[C ( t ) , p ( t )]
q [C ( t ) , p ( t ) ]=
C x (t )
 Dengan p(t) adalah vector tak bergayut dengan waktu proses.
Laju reaksi spesifik intrinsic dapat dituliskan
q [ C (t ) , p ( t ) ]=Y ( t ) . r [C ( t ) , p ( t ) ]
Dengan Y : matriks stoikiometri atau koefisien hasil, C(t) dan p(t) : peubah masukan
model , q(t) : peubah keluaran.
Penyusunan model selalu merupakan gabungan antra teoritis dan percobaan,
sedangkan pengembangan suatu model yang kompleks merupakan suatu proses yang sangat
interaktif karna massa merupakan indikasi parameter dan verifikasi model akan meningkat
dengan semakin kompleks nya model, tahap awal yang penting yaitu menggunakan asumsi yang
tepat dan menguraikan ke dalam tahapan tahapan. Permodelan tidak hanya mencakup pemilihan
struktur model yang tepat, tetapi juga penetapan secara kuatitatif parameter model. Meskipun
demikian, parameter tersebut sering tidak diketahui atau diketahui secara tidak pasti sehingga
diperlukan pemulusan model untuk data percobaan. Sebagai contoh untuk model sederhana,
model regresi penggambaran Line weaver – burk dapat digunakan, tetapi untuk model kompleks
metode penetapan parameter yang lebih umum perlu diterapkan.
Tugas identfikasi parameter adalah memperkirakan parameter model yang tidak
diketahui dengan membandingkan proses( pada percobaan) dan model menurut kriteria kinerja.
Tata cara identifikasi harus dapat mengurangi olakan( disturbance ) peubah terukur. Selain itu,
metode peminiman ragam galat keluaran( Leastsquare estimation ) dapat digunakan.
Identifikasi parameter yang digunakan untuk meminimkan kriteria kinerja :

P
n
J ( e , p )=∑ et ( t i ) . W .e (t i) min
i=1

Identifikasi itu tergantung pada vector parameter p dan tanda galat ( error signal ) :

e ( t i ) =Y O ( t i ) −Ym ( t i )
Dalam hubungan tersebut,
n : jumlah nilai terukur,
ti : waktu pengukuran,
 Ym : nilai model prediktif ( yang diramalkan)
YO : nilai terukur, dan
W : matriks pembobotan
Untuk system non linear kompleks, metode sederhana di atas tidak dapat digunakan.
Namun, utuk identifikasi parameter system komples tersbut, harus digunakan teknik simulasi
yang digabung dengan optimasi numerik.
Identifikasi parameter dengan metode galat keluaran tidak mengevaluasi struktur model
dan ketetapan parameter yang ditetapkan Oleh karena itu,pemulusan harus dilakkan khususnya
pada sitem no linear dan model dengan orde tinggi, meskipun dengan parameter salah dan sedikit
nilai yang terukur. Keterbatasan ketetapan pengukuran tidak hanya menyebunyikan identifikasi
parameter, tetapi juga membedakan berbagai model yang berlainan.
Hal di atas perlu ditekankan karena semua model yang dikembabangkan harus dapat
memberikan sedekat mungkin dengan nilai parameter teukur dan parameter yang dipilih harus
terbuka untuk penafsiran fenomena biologis. Masalah kesalahan deteksi atas galat tersembunyi
dalam odel tersebut dapat dicegah dengan penyusunan suatu model yang cocok. Suatu model
tersusun secara baik bila melibatkan verifikasi, koreksi dan pengembangan serta modifikasi
dalam media pertumbuhan harus secara mudah dapat diakomodasikan pada model yang terpilih.
Oleh karea itu, persamaan laju, kesteimbangan, atau tata nama yang lain harus dapat diterangkan
dengan dasar fisik, kimiawi, dan fisiologis.
Kinetika pertumbuhan biomassa dan pembentukan produk selanjutnya diturunkan dari model
yang menggunakan substrat tersebut. Model kinetika reaksi microbial monod tersebut, dalam
batas-batas tertentu, juga dapat diterapkan untuk pertubuhan sel tanaman dan sel hewan.
Penafsiran fenomena bioproses enzimatik dan selular tersebut menggunkana”model tidak
terstruktur”.Model ini dibangun atas dasar reaksi biokimiawi tergantung langsung pada peubah-
peubah makroskopik. Dalam mekanisme proses selular, misalnya, mikroba dipandang sebagai
pereaksi tunggal yang melibatkan 4 komponen utama, yaitu substrat, sel hidup, sel tak hidup, dan
produk yang diekskresikan. Meskipun modeltak struktur neh tidak banyak diterapkan dan dikaji,
tetapi model ini tidak dapat menggambarkan seluruh bagian atau fasa pertumbuhan. Model yang
cocok untuk menggambarkan fenomena yang kedua yaitu model terstruktur yang meiputti
informasi pada keadaan fisiologis mikroba
Untuk memperoleh model yang sederhana dengan jumlah parameter sedikit, model terstruktur
yang di bangun harus diusahakan hanya meliputi peubah-peubah yang penad(relevan) terhadap
proses antar selular. Kesulitan yang timbul dalam verifikasi dan identifiasi parameter akan
menyebabkan model sukar dipahami. Model terstruktur yang mempunyai taraf perumitan yang
rendah dapat diperoleh dengan menggabungkan(lumping) system biologis dengan fungsi
sederhana dan dinamika dalam kelompok.
Pemodelan prrilakwu kelompok ke-I digunakan peubah yang mewakili Xi(t). Model ini
dikembangkn oleh Williams (1967) dan disebut model prilaku. Dalam model prilaku ini,
biomassa total [Cx(t)] merupaka jumlah dari keseluruahn komponen pada fasa biotik.
Dalam model terstruktur, konsentrasi intrinsik sel[C(t)] lebih penting daripada konsentrasi
volumetrik karena komponen sel intrinsic tersebut yang mengendalikan reaksi antar
selular.Dalam penulisan persamaan kesetimbangan untuk intrinsic ini harus diperhatikan
konsistensi model.
X (t)
C(t)= Cx(t)

Bila q[iC(t), p(t)= Y(t). r[C(t) . p(t)]] maka:

ItC(t) = 1
Dan
( I ¿ ¿t .C (t))
d =0 ¿
dt

Sehingga vector laju reaksi dapat diperoleh:

Q(t)= [Qz.(t) , Qx(t)]T
Dan matriks koefisien hasil
Y=[Yz,Yx]T
Y terbagi atas 2 bagian, yaitu yang pertama(indeks Z) berkaitan dengan fasa abiotic dan yang
kedua (indeks X) untuk fenomena pada fasa biotik. Pada umumnya, tidak terjadi perubahan fasa
biotik dengan fasa gas sehingga Px(t)=0.Persamaan kesetimbangan komponen selular dapat
ditentukan :
d ¿¿
 Xi(t)=C(t). Cxt(t)

Persamaan itu menunjukan bahwa biomassa yang masuk kedalam bioreactor mempunyai
keadaan yang sama dengan biomassa yang telah tumbuh dalam bioreactor karezna konsentras
intrinsic Xi(t) bersifat tidak aditf.Oleh karena itu, model hanya sahih untuk system dengan
pendaurulangan sel dari bioreactor sama atau tanpa aliran masuk. Dengan differensial partial
akan diperoleh persamaan :
dc (t) d Cx(t) Fi( t)
Cx ( t )= +C ( t ) . =Yx .r ( t ) . Cx ( t )+ . C ( t ) . {Cxi ( t )−Cx ( t ) }
dt dt Vi

Pengalian IT dengan konsentrasi intrinsic, diperoleh :

DI T T ( ) dCx ( t ) T Fi ( t ) T
Cx(t) . Cx ( t ) + I .C t . =I .Yx .r ( t ) . Cx ( t )+ . I . C(t){Cxi ( t ) −Cx ( t ) }
dt dt Vi

Dan oleh Karen ITC(t)= 1 maka

dCx(t ) T Fi (t)
=I {Yx .r ( t ) } Cx (t ) + .{Cxi ( t ) −Cx ( t ) }
dt Vi

Dengan (t)= IT. [Yx.r(t)]

Persamaan kesetimbangan tersebut dapat dituliskan :
dc (t)
=Yx . r ( t ) −μC (t )
dt

Pada model terstruktur, selain model perilaku, dikenal pula model sibernetik, yang
dikembangkan oleh Ramkrishna(1982) dan direvisi oleh Turner et al (1988), yaitu model
berdasarkan pendekatan regulator metabolic.
 DAFTAR PUSTAKA

Anonim, 2010 , Stoikiometri mikrobia training, http:// www.scribd.com

Diakses 12 Maret 2011
Kusnaidi, 2010 , Kuliah Kinetika Pertumbuhan Sel. http:// www.freepdf.com
Diakses 14 Maret 2011
Mangunwidjaja, Djumali, 1994, Teknologi Bioproses, Penebar swadaya, Jakarta