TEKNIK OPTIMASI DALAM PROSES PEMBUATAN SEDIAAN FARMASI
PEMBUATAN SEDIAAN FARMASI Wintari Taurina, M. Sc, Apt. Pendahuluan
Upaya optimasi proses pembuatan sediaan farmasi terus dilakukan oleh peneliti
Optimasi mencakup berbagai hal yang berkatian dengan pembuatan sediaan farmasi, antara lain optimasi proses dan optimasi formulasi
Teknik optimasi formulasi
Formula
Metode
Proses
Peralatan
Pengemas Unsur dalam formulasi sangat bervariasi tergantung syarat
Persyaratan sediaan
Formulator
Market
Fasilitas produksi Persyaratan tersebut tidak bisa berdiri sendiri, dibutuhkan mendapatkan parameter yang optimum
Kenapa harus optimum
kenapa bukan maksimum
Sesuatu yang maksium belum tentu optimum, sehingga yang maksimum belum tentu baik
Hasil akhir diharapkan akan dapat dihasilkan sediaan yang bermutu (aman, manjur, acceptable, stabil)
Formula : zat aktif dan eksipien
Memilih eksipien bukanlah permasalahan yang mudah, karena harus mempertimbangkan berbagai aspek
Seperti : stabilitas fisika, kimia, ketersediaan hayati, kemudahan dalam proses produksi, harga, dll Problem
Keseimbangan diantara persyaratan yang bertentangan
Kemungkinan adanya interaksi kompleks antara eksipien yang mempengaruhi persyaratan yang diinginkan
Ahli 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 : suatu pendekatan empiris yang dapat digunakan untuk memperkirakan jawaban yang tepat sebagai suatu fungsi dari variabel-variabel yang sedang dikaji sesuai
Untuk mendapatkan komposisi optimum dari sebuah formula dilakukan dengan cara :
1. Coba – coba / trial and error
2. Teknik optimasi sistematik
1. coba-coba / trial and error
Sejak lama digunakan untuk mendapatkan komposisi optimum
Kurang efisien, mahal, time consuming, sering kali gagal
Rentang hasil diluar yang dicobakan tidak dapat diketahui adanya kemungkinan kombinasi yang lebih baik diluar yang dicobakan tidak diketahui
Dibagi menjadi :
a. Model pendekatan independen
b. Model pendekatan dependen
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 ahrus dilakukan untuk mencapai hasil yang optimal tidak dikethaui sebelumnya,
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 Simplex lattice design
Metode yang digunakan untuk menentukan proporsi relatif bahan-bahan yang digunakan dalam suatu formula, sehingga diharapkan akan dapat dihasilkan suatu formula yang paling baik sesuai kriteria yang ditentukan
metode ini cocok untuk prosedur optimasi formula dimana jumlah total dari bahan yang berbeda adalah konstan. SLD 2 VARIABEL
X1 + X 2+....= 1
Simplex yang paling sederhana dengan 2 variabel komponen
Hubungan antara respon dan komponen dapat digambarkan sebagai berikut : Y = a (A) + b (B) + ab (AB)……………………(1)
Keterangan :
Y = Respon
a, b, ab = koefisien yang didapat dari percobaan
(A), (B) = Fraksi komponen dengan syarat: 0≤ (A) ≤ 1, 0≤ (B) ≤ 1,(A+B)=1
Nilai koefisien a, b dan ab didapatkan dengan cara memasukkan respon yang didapat dari hasil percobaan ke dalam persamaan diatas. Setelah
didapatkan nilai a, b dan ab, maka dapat diprediksi
perhitungan dari tiap perbandingan fraksi komponen A dan B. Berdasarkan nilai-nilai respon(Y) dari setiap perbandingan fraksi komponen A dan
B tersebut dapat diketahui profil efek campuran terhadap respon dan berdasarkan profil tersebut dapat ditentukan komposisi A dan B yang dapat memberikan respon optimum seperti yang
Metode untuk mendapatkan nilai a, b dan ab melalui 3 percobaan tersebut diatas, yaitu :
Percobaan 1 = percobaan yang menggunakan A saja, berarti nilai (A) = 1
Percobaan 2 = percobaan yang menggunakan B saja, berarti nilai (B) = 1
Percobaan 3 = percobaan yang menggunakan campuran A dan B sama banyak, berarti nilai (A) = 0,5 dan nilai (B) = 0,5.
Contoh menghitung persamaan simplex
lattice design Dilakukan suatu formulasi dari suatu granul dengan menggunakan dua bahan pengisi yaitu laktosa dan sukrosa, maka untuk memperoleh kombinasi bahan pengisi dengan formula optimum dilakukan percobaan untuk mendapatkan formula optimum dengan metode simplex lattice design.
Dari percobaan uji sifat alir dari granul diperoleh data sebagai berikut :
NO WAKTU ALIR GRANUL (gram/detik) FORMULA 100% laktosa FORMULA 50% laktosa:50%su krosa FORMUL A 100% sukrosa 1 13,16 30,30 28,57 2 12,66 30,30 28,57 3 13,16 30,30 27,78 4 12,66 30,30 27,03 5 12,66 30,30 27,78
Rata-rata 12,86 30,30 27,95
SD 0,27 0,00 0,65 Y = a (A) + b (B) + ab (A)(B)
sifat alir
100% A B = 0Y = 12,86
12,86 = a (1) + b (0)+ ab (1) (0)
a = 12,86
100% B A=0 Y= 27,95
27,95 = …(0)+ b (1) + ab (0) (1)
b = 27,95
50% A:50%B A = 0,5, B = 0,5 Y=30,30
30,30 = 12,86 (0,5) + 27,95(0,5) +ab(0,5)(0,5)
ab = 39,58
maka persamaan yang didapatkan:
Y = 12,86 A + 27,95 B + 39,58 AB
Contoh lain ada dua macam solvent, A dan B akan diteliti pengaruhnya terhadap kelarutan zat X. Untuk melihat pengaruh solvent tersebut dibuat dalam 3 percobaan
100% A
100% B
50%-50% A : B Kelarutan zat tersebut
Dalam 100% A = 10 mg/ml
Dalam 100% B = 15 mg/ml
Dalam 50% A dan 50 % B = 30 mg/ml
Maka dapat dihitung masing-masing koefisiennya dengan mesubstitusikan
Sehingga dapat persamaan
Y = 10 (A) + 15 (B) + 30 (A) (B)
Maka kita dapat memprediksi respon lain diluar hasil percobaan
Contoh, berapa kelarutan jika pada campuran 75% A dan 25 % B
Y = 10(0.75) + 30(0.75)(0.25) + 15 (0.25)
Y=16.875 Jika terdiri dari 3 campuran
Digambarkan dalam segitiga sama sisi
Dengan rumus
Y : b1X1+b2X2+b3X3+b12X1X2+b23X2X3+b13X1X3+ b123X1X2X3
Y : respon
X1,X2,X3 : fraksi dari tiap komponen
B1,b2,b3 : koefisien regresi X,X2X3
B12, b13, b23 : koefeisen regresi X1-X2, X1-X3, X2-
X3
Persamaan tsb tidak terdapat intersep bo
konstanta dri titik potong Dapat dihitung intersepnya
X1+X2+X3 = 1
Substitusi : X3 = 1 – (X1+X2) menjadi
Y = b1X1+b2X2+b3(1-(X1+X2)
- b12X1X2+b13X1(1-(X1+X2))+b23X2(1- (X1+X2)+b123X1X2(1-(X1+X2))
X2 = (-b23-b123X1)X22 + (b2-b3+B12X1- b13X1+B23-X1+b123X1-b123X12)X2+ (b1X1+B3-B3X1+B13X1-B13X12)-Y=0
Dengan dikaitkan pada 0=ax²+bx+c-Y, maka : a=-b23-b123X1 b=b2-b3+B12X1-b13X1+B23-B23X1+b123X1- b123X12 C=b1X1+B3-B3X1+B13X1-B13X12
Koefisien diketahui dari perhitungan regresi dan Y adalah respon yang diinginkan. Nilai X1 ditentukan, maka X2 dapat dihitung, akan didapatkan 2 nilai X2 dan dicari X2 yang memenuhi syarat. Dengan kata lain X2 digunakan untuk mencari nilai X3. Setelah semua nilai didapat dimasukkan ke dalam segitiga, maka akan didapat contour plot yang diinginkan.
Jika campuran formula tidak merupakan zat tunggal yang murni (100%)
%yang ditransformasikan
= (%sesungguhnya-%minimum) (% maksimum - % minimum)
Untuk mendapatkan nilai R atau respon C0ntoh perhitungan
Simplex lattice design hanya bisa digunakan untuk campuran yang bisa dikuantifikasi (secara fisik ada), seperti campuran pelarut atau bahan
Tidak dapat yang abstrak seperti : suhu, tekanan, dan lama pengeringan
Faktor faktor lain yg berpengaruh dalam percobaan harus dikendalikan sama. Misal pada percobaan kelarutan solvent A dan B, factor seperti suhu, pengadukan, diatur sama. Desain faktorial
Aplikasi persamaan regresi yaitu teknik untuk memberikan model hubungan antara variabel respon dengan satu atau lebih variabel bebas
Desain faktorial digunakan dalam percobaan untuk menentukan secara simulasi efek dari beberapa faktor dan interaksinya yang signifikan
Istilah
Faktor : variabel yang ditetapkan, misal : waktu, suhu, konsentrasi,
dua macam bahan. Faktor dapat bersifat kualitatif atau kuantitatif.
Keduanya harus dapat ditetapkan harganya dengan angka. Misal konsentrasi : 1%, 2%; panas 10C, 100C. Desain factorial dapat terdiri dari 2 atau lebih factor.Level : harga yg ditetapkan utk factor. Misal level 10C dan 100C utk temperature. Respon : hasil terukur yg diperoleh dari percobaan yg dilakukan. Perubahan respon dapat disebabkan oleh bervariasinya level. Respon yg ingin diukur harus dapat dikuantifikasi. Interaksi : dapat dianggap sebagai batas dari penambahan efek efek factor. Interaksi dapayt bersifat sinergis atau antagonis. Sinergis berarti hasil interaksi tsb mempunyai efek yang lebih besar dari masing2 efek factor. Antagonis berarti hasil tersebut mempunyai efek yang lebih kecil daripada masing2 efek factor.