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 ssehingga 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=1A + 2B + 1.2AB.(1) Keterangan:

Y : respon

A dan B : fraksi dari tiap komponen

1 dan 2,: koefisien regresi dari A,BB1.2: 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. Fit summary

Program melilihkan 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 is 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 enunjukkan 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 diamFit 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 is 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 laktosa0.21737. 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 lebih tinggi daripada laktosa kenaikkannya.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 (