LAPORAN PRAKTIKUM

TEKNOLOGI FARMASI SEDIAAN PADAT

OPTIMASI LAKTOSA DAN AVICEL

Kelompok 1B

1. Zakiya Shofwanul A 17134025A

2. Sufia Wahyu A 17134028A

3. Riva Sabrina A 17134029A

4. Yusuf Anggoro M 18123387A

5. Arini Meida P 18123397A

OPTIMASI LAKTOSA DAN AVICEL

Tujuan praktikum kali ini adalah melakukan optimasi tablet dengan bahan pengisi

laktosa dan avicel pH 101 dengan menggunakan simplex lattice design. Pada optimasi ini

menggunakan 2 variabel sehingga dengan rumus 2n-1 diperoleh 3 formula dengan 3 repitasi

sehingga diperoleh 8 formula. Sehingga lack of fit dapat diperkirakan.

Persamaan untuk memprediksi sehingga memperoleh formula optimum. Campuran

laktosa dan avicel, kedua bahan bersifat dependent (terikat), jumlah kedua bahan sama .

preformulasi untuk memilih kombinasi avicel dan laktosa mana yang nantinya akan

menghasilkan proporsi yang optimum.

Gambar 1. Simplex Lattice Design Model Linear

Semua fraksi dari kombinasi 2 campuran dapat dinyatakan sebagai garis lurus

(Armstrong and James, 1986). Jika ada 2 komponen (q=2), maka akan dinyatakan sebagai 1

dimensi yang merupakan gambar garis lurus seperti terlihat pada Gambar 1, titik A

menyatakan suatu formula yang hanya mengandung komponen A, titik B menyatakan suatu

formula yang hanya mengandung komponen B, sedangkan garis AB menyatakan semua

kemungkinan campuran A dan B. Titik C menyatakan campuran 0,5 komponen A dan 0,5

komponen B (Armstrong and James, 1986).

Hubungan fungsional antara respon (variabel tergantung) dengan komposisi (variabel

bebas) dinyatakan dengan persamaan :

Y=ß1A + ß2B + ß1.2AB……………………………….…………(1)

Keterangan:

Y : respon

A dan B : fraksi dari tiap komponen

ß1 dan ß2,: koefisien regresi dari A,B

B1.2: koefisien regresi dari interaksi A-B

Koefisien diketahui dari perhitungan regresi dan Y adalah respon yang diinginkan.

Nilai A ditentukan, maka B dapat dihitung. Semua nilai didapatkan, dimasukkan ke dalam

garis maka akan didapatkan contour plot yang diinginkan (Armstrong and James, 1986).

Penentuan formula optimum didapatkan dari respon total yang paling besar, respon total

dapat dihitung dengan rumus, yaitu :

R total = R1+ R2 + R3 + ……………………………(2)

R adalah respon masing-masing sifat fisik granul dan tablet. Dari persamaan (2) diperoleh

respon total dan formula yang optimum, maka dilakukan verifikasi pada tiap formula yang

memiliki respon paling

optimum pada setiap uji sifat fisik granul dan tablet (Armstrong and James, 1986).

Pada praktikum ini digunakan upper 100 dan lower 0, karena fungsi kedua bahan

berbeda. Total :100, dan unit %. Run orde : quadratic. Respon yang digunakan adalah 4, yaitu

sudut diam, waktu alir, kompresibilitas, dan waktu hancur.

Respon yang diperoleh antara lain

1. Waktu alir

Waktu alir ini dinyatakan dalam detik. Menurut (Fudholi, 1983), sifat alir yang baik

memiliki waktu alir yang baik tidak lebih dari 10 detik pada 100g granul. Pada program

memilihkan cubic namun f(x) summary memilihkan cubic/ quadratic, sehingga dalam

praktikan memilih mengerjakan menggunakan cubic.

Fit summary

Program memilihkan quadratic.

F(x) model

Model yag dipilihkan secara otomasi oleh program adalah cubic.

Pada model, f value 16.67 menunjukkan significant (0,0002), kemungkinan hanya

0,02% yang terganggu. Nilai-nilai "Prob> F" kurang dari 0,0500 menunjukkan model

yang signifikan.

Dalam hal ini Linear Campuran Komponen adalah model yang signifikan.

Nilai lebih besar dari 0,1000 menunjukkan model yang tidak signifikan.

Jika ada banyak model yang signifikan, maka model harus dihilangkan.

Untuk mengetahui pengaruh ada tidaknya interaksi adalah dengan melihat P-value.

"Lack of Fit F-value" adalah 9.38, menunjukkan menunjukkan Lack of Fit- nya

significant. Hanya ada 1,2% yang kurang kesesuaiannya. Hasil lack of fit jelek bila

hasilnya signifikan, tidak boleh dilanjutkan/digunakan. Apabila digunakan akan

mengganggu.

Dari hasil anova seharusnya tidak signifikan sehingga ada pengaruh dari kombinasi

laktosa dan avicel terhadap waktu alir.

R square menunjukkan koefisian determinasi.

Pred-R squared 0,7063 ( seharusnya maksimal 0,2) dan Adj R-Squared 0.7706 (>0,7).

Predicted R square menunjukkan hubungan antara data prediksi dan hasil observasi.

"Adeq Precision" menunjukkan rasio noise. Apabila lebih dari 4 menunjukkan

desirable. Rasio yang dihasilkan 10,095 menunjukkan cukup kuat, sehingga model

dapat digunakan.

Data tidak terdistribusi secara merata, ada beberapa data yang jauh dari garis linier sehingga

memungkinkan percobaan dapat diulang untuk dapat diperoleh hasil yang baik.

Apabila setelah diulang tetapi data tetap sama, maka respon dapat diabaikan atau dihilangkan

bagian yang tidak sesuai.

Hasil menunjukkan bahwa antara hasil pediksi dan observasi tidak berhimpit. Ada

beberapa data yang jauh dari garis (sangat berbeda dengan prediksi) seperti run 7, 12, 3,

10, 11, dan 14. Sehingga solusinya dapat mengulang lagi percobaan.

Persamaan yang diperoleh adalah :

Laktosa meningkatkan 0,0608 dan avicel meningkatkan 0,1176. Sehingga, avicel dapat

meningkatkan waktu alir lebih besar daripada laktosa. Semakin meningkat waktu alir

maka semakin jelek.

2. Sudut diam

Fit Summary

Program memilihkan cubic secara otomatis.

F (x)

ANOVA

Pada model, f value 28,86 menunjukkan significant, kemungkinan hanya 0,01% yang

terganggu.

Nilai-nilai "Prob> F" kurang dari 0,0500 menunjukkan model yang signifikan.

Dalam hal ini Linear Campuran Komponen AB, AB (A-B) adalah model yang

signifikan.

Nilai lebih besar dari 0,1000 menunjukkan model yang tidak signifikan.

Jika ada banyak model yang signifikan, maka model harus dihilangkan.

Untuk mengetahui pengaruh ada tidaknya interaksi adalah dengan melihat P-value.

"Lack of Fit F-value" adalah 0,95, menunjukkan menunjukkan Lack of Fit –nya NOT

significant. Ada 35,16% diganggu. Hasil lack of fit bagus bila hasilnya not

signifikan, model boleh dilanjutkan/digunakan.

Dari hasil anova tidak signifikan sehingga ada pengaruh dari kombinasi laktosa dan

avicel terhadap sudut diam.

R square enunjukkan koefisian determinasi.

Pred-R squared 0,7997 ( seharusnya maksimal 0,2) dan Adj R-Squared 0.8565 (>0,7).

Predicted R square menunjukkan hubungan antara data prediksi dan hasil observasi.

"Adeq Precision" menunjukkan rasio noise. Apabila lebih dari 4 menunjukkan

desirable. Rasio yang dihasilkan 12,468 menunjukkan cukup kuat, sehingga model

dapat digunakan.

Persamaan menunjukkan bahwa avicel lebih meningkatkan sudut diam 0.29437 dan

laktosa 0.21737. Granul atau serbuk akan mengalir dengan baik jika mempunyai sudut diam

antara 24-40 (Wadke dan Jacobson, 1980).

Diagnostic

Data terdistribusi secara merata, data berhimpitan dengan garis linier sehingga menunjukkan

hasil prediksi dan observasi tidak berbeda jauh.

Model graphs

Hasil menunjukkan bahwa antara hasil pediksi dan observasi berhimpit. Sehingga

hasilnya sudah baik.

3. Kompaktibitas

Fit Summary

Program memilihkan cubic secara otomatis.

F (x) model

ANOVA

Pada model, f value 195,39 menunjukkan significant, kemungkinan hanya 0,01%

yang terganggu.

Nilai-nilai "Prob> F" kurang dari 0,0500 menunjukkan model yang signifikan.

Dalam hal ini Linear Campuran Komponen AB, AB (A-B) adalah model yang

signifikan. Nilai lebih besar dari 0,1000 menunjukkan model yang tidak signifikan.

Jika ada banyak model yang signifikan, maka model harus dihilangkan.

Untuk mengetahui pengaruh ada tidaknya interaksi adalah dengan melihat P-value.

"Lack of Fit F-value" adalah 0,11, menunjukkan menunjukkan Lack of Fit is NOT

significant. Ada 74,21% diganggu. Hasil lack of fit bagus bila hasilnya not

signifikan, model boleh dilanjutkan/digunakan.

Dari hasil anova tidak signifikan sehingga ada pengaruh dari kombinasi laktosa dan

avicel terhadap kompaktibilitas.

R square enunjukkan koefisian determinasi.

Pred-R squared 0,9696 ( seharusnya maksimal 0,2) dan Adj R-Squared 0.9766 (>0,7).

Predicted R square menunjukkan hubungan antara data prediksi dan hasil observasi.

"Adeq Precision" menunjukkan rasio noise. Apabila lebih dari 4 menunjukkan

desirable. Rasio yang dihasilkan 29.514 menunjukkan cukup kuat, sehingga model

dapat digunakan.

Persamaan menunjukkan bahwa laktosa menaikkan kompresibilitas 0,063557 dan avicel

menaikkan 0,12856. Avicel memberikan kompaktibiltas yang lebih tinggi daripada

laktosa.

Diagnostic

Data terdistribusi secara merata, data berhimpitan dengan garis linier sehingga

menunjukkan hasil prediksi dan observasi tidak berbeda jauh.

Model graphs

Hasil menunjukkan bahwa antara hasil pediksi dan observasi berhimpit. Sehingga

hasilnya sudah baik.

4. Waktu hancur

Fit summary

Program memilihkan quadratic secara otomatis.

F (x) models

ANOVA

Pada model, f value 16,39 menunjukkan significant (0,0004), kemungkinan hanya

0,04% yang terganggu.

Nilai-nilai "Prob> F" kurang dari 0,0500 menunjukkan model yang signifikan. Dalam

hal ini Linear Campuran Komponen adalah model yang SIGNIFIKAN.

Nilai lebih besar dari 0,1000 menunjukkan model yang tidak signifikan.

Jika ada banyak model yang signifikan, maka model HARUS DIHILANGKAN.

Untuk mengetahui pengaruh ada tidaknya interaksi adalah dengan melihat P-value.

"Lack of Fit F-value" adalah 98.30, menunjukkan menunjukkan Lack of Fit is

significant. Hanya ada 0,01% yang kurang kesesuaiannya. Hasil lack of fit jelek bila

hasilnya signifikan, tidak boleh dilanjutkan/digunakan. Apabila digunakan akan

mengganggu.

Dari hasil anova seharusnya tidak signifikan sehingga ada pengaruh dari kombinasi

laktosa dan avicel terhadap waktu alir.

R square enunjukkan koefisian determinasi.

Pred-R squared 0,6265 ( seharusnya maksimal 0,2) dan Adj R-Squared 0.6873 (<0,7).

Predicted R square menunjukkan hubungan antara data prediksi dan hasil observasi.

"Adeq Precision" menunjukkan rasio noise. Apabila lebih dari 4 menunjukkan

desirable. Rasio yang dihasilkan 9,096 menunjukkan cukup kuat, sehingga model

dapat digunakan

Persamaan menunjukkn laktosa menaikkan waktu hancur 0,0733 dan avicel menaikkan

waktu hancur 0,,0201. Laktosa mempengaruhi waktu hancur yang lebih tinggi daripada

avicel.

Diagostics

Data tidak terdistribusi secara merata, ada beberapa data yang jauh dari garis linier

sehingga memungkinkan percobaan dapat diulang untuk dapat diperoleh hasil yang baik.

Apabila setelah diulang tetapi data tetap sama, maka respon dapat diabaikan atau

dihilangkan bagian yang tidak sesuai.

Hasil menunjukkan bahwa antara hasil pediksi dan observasi tidak berhimpit. Ada

beberapa data yang jauh dari garis (sangat berbeda dengan prediksi) seperti run 3,9, 10,

5, 7 dan 4, Sehingga solusinya dapat mengulang lagi percobaan.

Optimasi SLD

Waktu alir ini dinyatakan dalam detik. Menurut (Fudholi, 1983), sifat alir yang baik memiliki

waktu alir yang baik tidak lebih dari 10 detik pada 100g granul. Optimasi dipilih dengan Goal

: minimum. Limit : lower (5,25) dan upper (10).

Kompaktibilitas dibuat dengan Goal : maximize dengan limits : lower (8) dan upper (13,3).

Semakin tinggi kekerasan maka tablet akan semakin bagus. Kekerasan menurut Ansel (2011),

adalah diatas 4 Kg.

Menurut Farmakope Indonesia edisi III, waktu hancur tablet konvenional maksimal

15 menit. Sehingga Goal dibuat minimize dengan limit : lower (1) da upper (11,85). Semakin

cepat hancur maka tablet akan semakin bagus, semakin cepat larut, sehingga pelepasan/

disolusinanya juga akan semakin cepat meningkat kadarnya.

Granul atau serbuk akan mengalir dengan baik jika mempunyai sudut diam antara 24-40

(Wadke dan Jacobson, 1980). Goal : minimize dangan limit : lower (20,885) dan upper

(30,837).

Hasil optimasi dengan kriteria yang telah ditentukan menghasilkan dengan formula

laktosa 64,099% dan avicel 35,901% diprediksi akan menghasilkan tablet dengan waktu alir

9,73007 detik, kompaktibilitas 8,51184 Kg, waktu hancur 10,6462 menit, dan sudut diam

30,1963o. desirability yang diperoleh adalah 0,079, semakin mendekati 1 akan semakin baik

karena semakin tepat.

Pada penelitian harus mengontrol semua variable kontrol tiap formula dalam repitasi,

sehingga hasil yang diperoleh terkontrol dan tepat dan data yang diperoleh valid. Variable

control misalnya lama pencampuran, volume bahan pengikat yang digunakan, kelembaban

bahan, lama pengeringan, penimbangan bobot tablet, tekanan kompresi, dll. Hal tersebut

harus sangat diperhatikan. Pada hasil pengukuran waktu alir dan waktu hancur lack of fit

significant, sehingga dapat dilakukan pengulangan hasil data yang jelek. Hal ini

dimungkinkan terjadi karena variable control tidak diperhatikan praktikan seperti tinggi

corong, posisi corong, posisi pengukuran, jumlah bahan pengikat, homogenitas bahan

pengikat, suhu air pada uji waktu hancur tidak dapat suhu 37oC, serta media tidak diganti saat

uji sehingga kemungkinan mengalamin kejenuhan media. Semakin banyak fines maka tablet

yang dihasilkan akan susah mengalir, tidak seragam bobotnya, semakin rapuh dan pelepasan

obatnya menjadi tidak terkontrol.

Menurut Rowee (2009), laktosa mudah larut dalam air dan memiliki density (tapped)

0.88 g/cm3, sehingga kompaktibilitas yang rendah. Avicel memiliki density (tapped) 0,45

g/cm3,flowability 1.41 g/s, solubility Slightly soluble in 5% w/v. Avicel tidak larut tetapi

dapat avicel jika terkena air akan segera menarik air. Selain itu, avicel PH 101 memiliki

kompaktibilitas yang sangat baik dan mengalami deformasi plastik saat dikompresi yang

dapat menyebabkan terjadinya interlocking, yang merupakan kekuatan ikatan antar partikel

(Banker and Anderson, 1994). Avicel punya sifat deformasi plastic sehingga dengan tekanan

ya cukup kuat, kekeraasan akan meningkat, tetapi waktu hancurnya tidak berpengaruh. Dari

praktikum diketahui laktosa meningkatkan waktu alir dan avicel meningkatkan

kompresibilitas dan waktu hancur. Semakin meningkat kompresibilas maka kekerasan akan

semakin meningkat dan waktu hancur juga akan meningkat.

Avicel PH 101 memiliki kompaktibilitas yang sangat baik dan mengalami deformasi

plastic saat dikompresi yang dapat menyebabkan terjadinya interlocking, yang merupakan

kekuatan ikatan antar partikel (Banker and Anderson, 1994).

Laktosa mudah larut dalam air, avicel tidak larut tetapi dapat avicel jika terkena air

akan segera menarik air. Selain itu, avicel punya sifat deformasi plastic sehingga dengan

tekanan ya cukup kuat, kekeraasan akan meningkat, tetapi waktu hancurnya tidak

berpengaruh.

Pada saat optimasi, variable control harus sangat diperhatikan, misalnya lama

pencampuran, tekanan kompresi, bobot penimbangan, suhu pengeringan, lama pengeringan

harus sama, sehingga hasil yang dihasilkan tepat.