Teknik Optimasi Dalam Proses

Pembuatan Sediaan Farmasi

Nama kelompok
 Formulasi
• Adalah suatu proses utk mhasilkan suatu
sediaan farmasi
• Formulasi terdiri dr:
– Formula
– Metode
– Proses
– Peralatan
– Pengemasan
 Formula
• Formula komposisi sediaan farmasi yang terdiri
dari:
– Zat aktif
– Eksipien
• Eksipien:
– Digunakan sesuai dgn kebutuhan & pd konsentrasi yg
sudah ditetapkan
– Aspek yg perlu dipertimbangkan dlm pemilihan
eksipien:
• Stabilitas fisika & kimia, ketersediaan hayati, kemudahan dlm
proses produksi, harga dll
 Problem
• Keseimbangan diantara persyaratan yang
bertentangan
• Kemungkinan adanya interaksi kompleks antara
eksipien yang mempengaruhi persyaratan yang
diinginkan
• Dalam 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
• Secara umum optimasi berarti pencarian nilai terbaik
(minimum atau maksimum) dari beberapa fungsi yang
diberikan pada suatu konteks. Optimasi juga dapat
berarti upaya untuk meningkatkan kinerja sehingga
mempunyai kualitas yang baik dan hasil kerja yang
tinggi .
• Adalah 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.
 Tujuan Optimasi
Dalam formulasi sediaan tablet:
• Untuk menghasilkan tablet yang berkualitas/
bermutu, aman, manjur, acceptable, stabil dan
bahan aktif harus melalui tahapan
preformulasi dan formulasi.
Keuntungan Optimasi
Penerapan optimasi dalam bidang
farmasi
 Model Optimasi
1. Trial & Error (Coba-coba)
2. Optimasi sistematik
a. Model pendekatan independen
b. Model pendekatan dependen
3. Simplex Lattice Design
4. Factorial Design
 1. Trial & Error (Coba-coba)
• Merupakan cara klasik atau tradisional utk
mendapatkan komposisi formula yg optimum
• Kreativitas formulator sgt penting, memerlukan intuisi,
keberuntungan, pengulangan & reoptimasi
• Kelemahan:
– Proses berjalan lambat sehingga memerlukan banyak
waktu
– Mahal & sering gagal
– Tidak memungkinkan mencari nilai optimum sebenarnya
– Rentang hasil diluar yang dicobakan tidak dapat diketahui
 adanya kemungkinan kombinasi yang lebih baik diluar
yang dicobakan tidak diketahui
 2. Optimasi sistematik
• 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 harus dilakukan untuk mencapai hasil
yang optimal tidak dikethaui sebelumnya
-Lambat, mahal dan perlu banyak uji secara bertahap
-Tidak dpt menganalisis interaksi antara satu faktor dgn faktor lain
-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
• Jumlah percobaan yg akan dilakukan dpt diprediksi
sebelumnya
• Pendekatan berbasis statistik
• Metodelogi utk mcapai ilmu pengetahuan utk
keperluan prediksi utk suatu stm kompleks, proses
multi variabel dgn sesedikit mungkin uji/trial
 3. Simplex Lattice Design
• Penerapan ini digunakan untuk menentukan
optimasi formula pada berbagai perbedaan
jumlah komposisi bahan (dinyatakan dalam
beberapa bagian) yang jumlah totalnya dibuat
tetap yaitu sama dengan satu bagian (Bolton,
1997).
• Metode ini mempunyai keuntungan praktis dan
cepat karena tidak merupakan penentuan
formula dengan coba- coba (trial and error)
(Rowe, 2009).
Lanjutan...
Pengukuran respon dapat dihubungkan dengan model matematika yang cocok untuk masing-masing
desain. Model matematika memiliki 3 model yaitu (Bolton, 1997):
1. Linear model:
Y = β1(X1)+β2(X2)+β3(X3)
2. Quadratic model:
Y = β1(X1)+β2(X2)+β3(X3)+β1,2(X1)(X2)+β1,3(X1)(X3)+β2,3(X2)(X3)
3. Special cubic:
Y = β1(X1)+β2(X2)+β3(X3)+β1,2(X1)(X2)+β1,3(X1)(X3)+β2,3(X2)(X3)+β1,2,3(X1)(X2)(X3)

Keterangan :
- X1, X2, X3 adalah fraksi campuran komponen
- β1, β2, β3 adalah koefisien regresi (dihitung berdasarkan respon percobaan)

- Dalam optimasi model SLD, jumlah sesungguhnya suatu komponen dalam campuran, diterjemahkan
sebagai proporsi yang merupakan bilangan nol atau positif dan tidak boleh berupa bilangan negatif.
- Jumlah seluruh proporsi semua komponen adalah 1.
- Jika X1, X2,………, Xq adalah proporsi komponen 1, 2,3,……q, maka 0≤Xi≤1.
- Jika terdapat 3 komponen (q = 3) yaitu A, B, C, maka digambarkan dalam bentuk dua dimensi berupa
segitiga sama sisi (model special cubic) dengan 3 sudut. Pada masing-masing sudut segitiga sama sisi
menunjukkan komponen tunggal dengan nilai proporsi sama dengan 1. Hal yang perlu diperhatikan
adalah ketiga sisi segitiga harus mempunyai skala yang sama (Bolton, 1997).
 4. Factorial Design
• Desain faktorial adalah suatu desain untuk menentukan
pengaruh beberapa faktor dan interaksinya secara
simultan.
• Desain ini digunakan dalam percobaan dimana efek dari
faktor yang berbeda.
• Aplikasi persamaan regresi yaitu teknik untuk memberikan
model hubungan antara variabel respon dengan satu atau
lebih variabel bebas.
• Faktor : variabel yang ditetapkan, misal : waktu, suhu,
konsentrasi.
• Desain faktorial digunakan dalam percobaan untuk
menentukan secara simulasi efek dari beberapa faktor dan
interaksinya yang signifikan.
Lanjutan...
• Beberapa contoh penggunaan desain faktorial
adalah percobaan untuk mengetahui
pengaruh disintegran dan konsentrasi pelumas
atau untuk menentukan kemanjuran dari
kombinasi dua bahan aktif dalam formulasi
(Banker dan Christopher, 1996).