Pengembangan Model Matematika Proses Simultan Antara Sakarifikasi Dan Fermentasi Pada Produksi
Pengembangan Model Matematika Proses Simultan Antara Sakarifikasi Dan Fermentasi Pada Produksi
*Email: mrgono04@yahoo.com
Abstract: One of the amylolytic bacteria that are able to accumulate polyhydroxybutyrate (PHB)
intracellularly is Bacillus sp. However, the ability of these bacteria to synthesize PHB is
unknown so further research is still needed. This study aimed to develop a mathematical model
of the fermentation process that can be used as a tool for process optimization in the context of
the production of PHB using amylolytic bacterium Bacillus sp. and substrate tapioca.
Mathematical model is based on a review of simultaneous process between the saccharification
and fermentation. Mathematical model consists of 5 simultaneous ordinary differential equations
and 15 kinetics parameters. Parameters of the mathematical models was determined by
matching the data (data fitting) of experiments and simulations using the genetic algorithm
method and MATLAB programming language. The data was obtained from the experiments of
batch process using 1000 mL of shaken flask with working volume of 250 mL. Incubation was
performed in an incubator shaker at room temperature, the speed of 130 rpm, and initial pH 7.0.
The values of the parameters were µopt 0.037 1/hour, Vm 1,235 1/hr , Km 60.654 g / L, the cell
yield (YRSg) 0.170 g dry weight / g glucose and product yield (YPSg) 0.032 g PHB / g glucose.
67
tentangnya. Dengan demikian, studi kinetika
proses sintesis PHB menggunakan Bacillus sp.
penting untuk dilakukan. Hasil studi kinetika Khanna dan Srivastava (2005):
tersebut ditampilkan dalam bentuk model n
matematika sehingga dapat digunakan sebagai S S
m 1 (2)
alat bantu untuk melakukan optimasi proses. K S S S m
Tujuan penelitian ini adalah melakukan
pemodelan matematika pada proses fermentasi n
S S
produksi PHB menggunakan bakteri amilolitik m 1 (3)
Bacillus sp. dan substrat tapioka. Pemodelan K S S S m
matematika dikembangkan berdasarkan model Kecepatan pertumbuhan bakteri dalam
pemanfaatan tapioka oleh bakteri amilolitik kultur batch sebanding dengan jumlah
sebagai berikut. bakteri dan dituliskan dalam persamaan
sebagai berikut (Shuler and Kargi, 2002).
Tapioka (Ss) Glucose (medium) dR
(Sg) opt R (4)
dt
4. Hubungan kecepatan pembentukan produk
(P) dengan kecepatan pertumbuhan
sel mengikuti model growth associated product
Amonium Active cell (R) PHB (P) dan non growth associated product.
(Sn)
dP dR
k1 k2 R (5)
Gambar 2. Proses Pemanfaatan Tapioka oleh Bakteri dt dt
5. Seluruh reaksi enzimatik yang terjadi
Gambar 2 menunjukkan bahwa dalam proses mengikuti kinetika Michaelis Menten.
produksi PHB ada 2 langkah proses simultan, Reaksi sakarifikasi ekstraseluler (tapioka
yaitu sakarifikasi ekstraseluler dan fermentasi menjadi glukosa) dianggap mengikuti
PHB intraseluler. Perhitungan jumlah masing- kinetika Michaelis-Menten dan dinyatakan
masing komponen didasarkan pada 5 sebagai berikut.
persamaan matematika yang mewakili kondisi Ss
masing-masing komponen bahan (Ss, Sg, Sn, v vm (6)
dan P). Km Ss
Jika kecepatan pembentukan glukosa
LANDASAN TEORI dianggap sebanding dengan jumlah bakteri
Kondisi riil dalam peristiwa fermentasi maka neraca massa tapioka (Ss) dalam
sebenarnya sangat kompleks sehingga medium adalah sebagai berikut.
memerlukan berbagai asumsi agar dapat dS s Ss
disusun model matematika yang lebih vR vm R (7)
sederhana. Berbagai asumsi yang dipakai dalam dt K m Ss
tulisan ini adalah sebagai berikut:
1. Selalu terjadi kesetimbangan antara Glukosa selalu terbentuk menurut reaksi
konsentrasi glukosa dalam medium dengan (6) serta dikonsumsi oleh bakteri untuk
glukosa dalam sel. pertumbuhan sel (R), pembentukan produk (P),
2. Sel (X) tersusun dari 2 komponen, yaitu dan maintenance, sehingga neraca massa
komponen aktif (R) dan produk PHB (P). glukosa dapat dituliskan dalam persamaan
3. Kinetika pertumbuhan mengikuti kinetika berikut.
Monod (Bailey and Ollis, 1986). Pengaruh dS g Ss 1
k1 dR k 2
(8)
vm R m1 R
nutrisi pembatas berupa sumber nitrogen dt Km Ss YRS
g
YPS g dt YPS g
(ion amonium) dan sumber karbon (glukosa)
dan bentuk penghambatannya dinyatakan Ion amonium dalam medium fermentasi
secara terpisah serta mengikuti salah satu dimanfaatkan oleh bakteri untuk pertumbuhan
dari persamaan empiris yang diajukan oleh: sel (R) dan maintenance. Neraca massa
Andrews (1968): amonium (Sn) dalam medium adalah sebagai
S berikut.
m (1) dS n 1 dR
S2 m2 R (9)
KS S dt YRSn dt
K Si
Pengembangan Model Matematika Proses Simultan Antara Sakarifikasi dan Fermentasi Pada 69
Produksi Polyhydroxybutyrate
(margono)
Tetapan masing-masing persamaan Berdasarkan studi penghambatan di atas,
adalah Ks = 0,413 g/L dan Ksi = 291,022 g/L kinetika pertumbuhan bakteri yang dipengaruhi
untuk persamaan (1), Ks = 0,396 g/L, Sm = oleh konsentrasi glukosa dan amonium dapat
598,905 g/L, dan n = 0,761 untuk persamaan dituliskan seperti pada persamaan (10). Nilai
(2), serta Ks = 0,412 g/L, Sm = 982,567 g/L, dan tetapan kinetika pada persamaan (10) adalah
n = 2,802 untuk persamaan (3). Ralat relatif rata- KSg = 0,413 g/L, KSgi = 291,022 g/L, KSn = 0,038
rata persamaan (1), (2), dan (3) masing-masing g/L, Snm = 32,913 g/L, dan n = 0,672. Nilai µopt
sebesar 9,08 , 8,81 dan 9,34 persen. ditentukan berdasarkan percobaan fermentasi
Berdasarkan data tersebut, secara matematik menggunakan substrat tapioka.
ketiga persamaan memiliki tingkat kesesuaian
dengan data yang relatif sama. Namun dR Sg Sn S
n
opt 1 n R
demikian, persamaan (2) dan (3) memuat 2 (10)
dt K S Sg K Sn Sn S nm
besaran fisis konsentrasi glukosa maksimum Sg
g
K Sgi
yang belum diverifikasi. Bahkan Sm pada
persamaan (3) memiliki nilai yang tidak wajar. Fermentasi. Model matematika yang terdiri
Dengan demikian, persamaan penghambatan dari persamaan (5), (7), (8), (9),dan (10) harus
oleh glukosa lebih sesuai jika menggunakan diselesaikan secara simultan. Parameter kinetika
persamaan (1). Pola pengahambatan oleh yang ada pada 5 persamaan tersebut terdiri dari
glukosa tersebut berbeda dengan pola yang 15 buah, yaitu µopt, Km, vm, k1, k2, m1, m2, YRSg,
ditunjukkan oleh fruktosa pada bakteri R. YPSg, YRSn, KSg, KSgi, KSn, Snm, dan n. Penentuan
eutropha. Khanna dan Srivastava (2005) parameter kinetika dilakukan dalam 2 jenis
menunjukkan bahwa pola penghambatan oleh percobaan, yaitu 5 parameter terakhir (KSg, KSgi,
fruktosa pada R. eutropha lebih sesuai dengan KSn, Snm, dan n) ditentukan berdasarkan
model persamaan (3). percobaan penghambatan oleh substrat
0.16 sebagaimana telah dijelaskan sebelumnya dan
0.14
Data
10 parameter yang lain ditentukan dari
Kec. Pertumbuhan Spesifik, 1/jam
Model 1
0.12 Model 2
percobaan fermentasi menggunakan substrat
Model 3 tapioka. Hasil percobaan fermentasi ditunjukkan
0.1
pada Tabel 1.
0.08 Parameter kinetika ditentukan
0.06 menggunakan cara pencocokan data (data
0.04
fitting) dengan parameter jumlah kesalahan
kuadrat terkecil atau SSE (Sum Square of
0.02
Errors) minimum. Perhitungan SSE dilakukan
0 dengan persamaan (11).
0 5 10 15 20 25 30 35 40
Penentuan nilai parameter kinetika
Konsentrasi am onium , g/L
tersebut dilakukan dengan metode algoritma
Gambar 4. Pengaruh Konsentrasi Amonium
genetika dan penyelesaian persamaan
terhadap Pertumbuhan Sel diferensial menggunakan metode Runge Kutta.
Metode penyelesaian tersebut dilakukan dengan
Tetapan masing-masing persamaan software MATLAB 6.5. Hasil optimasi parameter
adalah µm = 0,159 1/jam, Ks = 0,048 g/L dan Ksi kinetika tersebut ditunjukkan pada Tabel 2
= 18,958 g/L untuk persamaan (1), µm = 0,147 sebagai berikut.
1/jam, Ks = 0,037 g/L, Sm = 37,983 g/L , dan n =
1,168 untuk persamaan (2), serta µm = 0,148 Tabel 2. Parameter kinetika
1/jam, Ks = 0,038 g/L, Sm = 32,913 g/L, dan n = No. Parameter Satuan Harga
0,672 untuk persamaan (3). Ralat relatif rata-
rata masing-masing persamaan secara 1. µopt 1/jam 0,0367
2. Km g/L 60,6536
berurutan sebesar 8,95 , 5,23 , dan 4,66 persen.
3. vm 1/jam 1,2350
Berdasarkan pola pengaruh konsentrasi 4. k1 - 0,000080
amonium yang ditunjukkan Gambar 4 dan 5. k2 1/jam 0,000062
tingkat kesalahan relatif rata-rata dapat 6. m1 1/jam 0,000436
disimpulkan bahwa persamaan (3) lebih 7. m2 1/jam 0,000129
mewakili pola pengaruh konsentrasi amonium 8. YRSg g sel/g glk 0,1698
terhadap pertumbuhan bakteri. Khanna dan 9. YPSg g PHB/g glk 0,0321
Srivastava (2005) menunjukkan pola yang sama 10. YRSn g sel/g amm 3,5924
pada penghambatan pertumbuhan oleh
amonium pada bakteri R. eutropha.
Konsentrasi, g/L
No Waktu, jam
R P Ss Sg Sn
1. 0 0,52 0,0079 9,1568 0 0,2655
2. 16 0,45 0,0106 8.1681 0,5033 0,2018
3. 24 0,91 0,0054 5.4169 0,5331 0,1077
4. 64 1,45 0,0131 2.847 0,87 0,0168
6
Ss data Sm : konsentrasi substrat maksimum
Ss hitung
5 Sg data
saat bakteri tidak dapat tumbuh
4 Sg hitung lagi, g/L.
3 Sn data Sg, Sn : konsentrasi substrat glukosa atau
Sn hitung
2 ammonium, g/L.
1 Snm : konsentrasi amonium maksimum
0 saat bakteri tidak dapat tumbuh
0 10 20 30 40 50 60 70 80 90
lagi, g/L.
Waktu fermentasi, jam
Ss : konsentrasi tapioka sisa, g/L.
Gambar 5. Konsentrasi Fungsi Waktu (Data t : waktu fermentasi, jam.
dan Simulasi) X : kadar berat kering sel, g/L.
µ : kecepatan pertumbuhan spesifik
bakteri, 1/jam.
KESIMPULAN µm : kecepatan pertumbuhan spesifik
Proses produksi PHB dari tapioka dapat maksimum bakteri, 1/jam.
dilakukan dalam satu tahap fermentasi dengan µopt : kecepatan pertumbuhan spesifik
menggunakan bakteri amilolitik Bacillus sp. optimum, 1/jam.
Proses ini terdiri dari 2 proses simultan, yaitu k1, k2 : tetapan
sakarifikasi ekstraseluler dan fermentasi l1, l2, l3, l4, l 5 : tetapan
intraseluler. Model matematika yang terdiri dari 5 m1, m2 : tetapan
persamaan diferensial simultan dengan 15 vm : kecepatan reaksi maksimum
parameter kinetika dapat digunakan untuk sakarifikasi, 1/jam.
memprediksi konsentrasi masing-masing YRSg : yield sel terhadap glukosa, g sel/g
komponen bahan (berat kering, produk PHB, glukosa.
tapioka sisa, glukosa, dan amonium sisa) YPSg : yield PHB terhadap glukosa, g
dengan ralat relatif rata-rata 13,65%. PHB/g glukosa.
YRSn : yield sel terhadap amonium, g
sel/g amonium.
Pengembangan Model Matematika Proses Simultan Antara Sakarifikasi dan Fermentasi Pada 71
Produksi Polyhydroxybutyrate
(margono)
DAFTAR PUSTAKA Lee, S.Y., 1996, Plastic Bacteria? Progress and
Andrews, J.F., 1968, A Mathematical Model for Prospects for Polyhydroxyalkanoate
the Continuous Culture of Microorganisms Production in Bacteria, Tibtech, 14, 431-
Utilizing Inhibitory Substrates, dalam 438.
Bailey, J.E. and Ollis, D.F., 1986, Ramsay, B.A., Lomaliza, K., Chavarie, C., Dube,
Biochemical Engineering Fundamentals, B., Bataille, and Ramsay, J.A., 1990,
2nd ed., p.392, McGraw-Hill Book Production of Poly(β-Hydroxybutyric-Co-
Company, New York. β-Hydroxyvaleric) Acids, Appl. Environ.
Angelova, N. and Hunkeler, D., 1999, Microbiol., 56(7), 2093-2098.
Rationalizing The Design of Polymeric Scott, G., 2000, Green Polymers, Polym.
Biomaterials, Tibtech, 17, 409-417. Degrad. Stab, 68, 1-7.
Bailey, J.E. and Ollis,D.F., 1986, Biochemical Shuler, M.L. and Kargi, F., 2002, Bioprocess
nd nd
Engineering Fundamentals, 2 ed., Engineering Basic Concepts, 2 ed.,
McGraw-Hill Book Co., New York. Prentice Hall PTR, Upper Saddle River.
Dubois, M., Gilles, K.A., Hamilton, J.K., Rebers, Yusgiantoro, P., 2006, Pidato Menteri Energi
P.A., and Smith, F., 1956, Colorimetric dan Sumber Daya Mineral Republik
Method for Determination of Sugars and Indonesia, Jakarta 2006 International
Related Substances, Anal. Chem., 28, Geosciences Conference and Exhibition
350-356. and Pengumuman Lelang dan Penawaran
Khanna, S. and Srivastava, A.K., 2005, A Simple Langsung Wilayah Kerja Baru Migas
Structured Mathematical Model for Tahun 2006.
Biopolymer (PHB) Production, Biotechnol.
Prog., 21(3), 830-838.