View
47
Download
0
Category
Preview:
DESCRIPTION
TFS-Padat
Citation preview
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.
Recommended