LAPORAN AKHIR PRAKTIKUM BIOFARMASETIKA

MODELING DAN ANALISIS DATA

BIOFARMASETIKA DENGAN WINSAAM

Disusun Oleh:

Salma khairunnisa Ghassani 260110090088

Ismail Ahsanuddien Akbar 260110097006

FAKULTAS FARMASI

UNIVERSITAS PADJADJARAN

JATINANGOR

2012

MODELING DAN ANALISIS DATA BIOFARMASETIKA

DENGAN WINSAAM

I. Tujuan

Mempelajari modeling dan analisis data penelitian biofarmasetika

dengan pengkhususan data ini vivo menggunakan software

WinSAAM.

II. Prinsip

a. Modeling

Modeling merupakan sistem simultan yang tersusun atas

persamaan differensial dan atau persamaan aljabar yang

mendefinisikan peranan variabel-variabel serta koefisien transport

pada suatu sistem fisika, kimia, dan biologis.

b. Kompartemen

Kompartemen adalah suatu materi karakteristik yang dapat berupa

suatu bentuk kimia tertentu, materi biologis (organ, bagian organ)

yang memiliki ruangan atau volume tertentu.

c. WinSAAM

WinSAAM merupakan suatu software yang memungkinkan untuk

menganalisis data eksperimental berdasarkan model kompatemen

tertentu secara langsung.

III. Teori

Pada umumnya obat diberikan dalam bentuk sediaan seperti tablet,

kapsul , suspensi dan lain-lain. Suatu bentuk sediaan obat terdiri dari bahan

obat dan bahan-bahan pembantu yang tersusun dalam formula dan diikuti

dengan petunjuk cara proses pembuatan. Kita mengetahui bahwa sangat

banyak sediaan farmasi dengan obat, dosis dan bentuk sediaan yang sama,

diproduksi oleh industri-industri farmasi dengan nama-nama yang berbeda.

Dengan berbagai alasan dari industri-industri, maka umumnya formula

sediaan tersebut berbeda. Pada akhir tahun lima puluhan dan awal tahun enam

puluhan bermunculan laporan, publikasi dan diskusi yang mengemukakan

bahwa banyak obat-obat dengan kandungan, dosis dan bentuk sediaan yang

sama dan dikeluarkan oleh industri farmasi yang berbeda memberikan

kemanjuran yang berbeda. Laporan-laporan dan publikasi-publikasi tersebut

menyebabkan munculnya ilmu baru dalam bidang farmasi yaitu biofarmasi

(Bourne, 2009).

Selanjutnya perkembangan ilmu biofarmasi , melihat bentuk sediaan

sebagai suatu “drug delivery system” yang menyangkut pelepasan obat

berkhasiat dari sediaannya, absorpsi dari obat berkhasiat yang sudah

dilepaskan, distribusi obat yang sudah diabsorpsi oleh cairan tubuh,

metabolisme obat dalam tubuh serta eliminasi obat dari tubuh.

Kecepatan pelepasan obat dipengaruhi oleh bentuk sediaan, formula

dan cara pembuatan sehingga bisa terjadi sebagian obat dilepas di saluran

cerna dan sebagian lagi masih belum dilepas sehingga belum sempat

diabsorpsi sudah keluar dari saluran cerna. Umumnya obat yang sudah terlarut

dalam cairan saluran cerna bisa diabsorpsi oleh dinding saluran cerna, tetapi

dilain pihak obat yang sudah terlarut itu bisa terurai tergantung dari sifatnya ,

sehingga sudah berkurang obat yang diabsorpsi.

Compendia seperti Farmakope hanya mensyaratkan uji in vitro

terhadap produk obat seperti waktu hancur dan atau uji kecepatan disolusi

obat dari sediaan untuk tablet/kapsul. Test in vitro ini tidak memberikan

jaminan terhadap kemanjuran produk tersebut. Uji farmakokinetika yang

betul-betul memberikan jaminan. Tetapi untuk melakukan uji farmakokinetika

suatu produk baru dari obat lama adalah terlalu lama, terlalu mahal dan

hasilnya masih diperdebatkan . Cara yang terbaik adalah melakukan uji

bioavailabilitas yang merupakan ukuran kecepatan dan jumlah obat yang

diabsorpsi oleh tubuh. Uji bioavailabilitas ini haruslah uji bioavailabilitas

komparatif terhadap produk innovator, yaitu suatu produk yang sudah lama

digunakan dan mendapat pengakuan pengalaman klinis dari para dokter. FDA

dari Amerika Serikat pada tahun 1975 telah menetapkan

bahwa jika ada pabrik yang membuat sediaan yang telah dikeluarkan pertama

oleh pabrik lain, maka pabrik yang ikut itu harus menunjukkan minimum

sediaannya bioekivalen dengan produk inovatornya.

Modeling merupakan sistem simultan yang tersusun atas persamaan

differensial dan atau persamaan aljabar yang mendefinisikan peranan variabel-

variabel serta koefisien transport pada suatu sistem fisika, kimia, dan biologis.

Modeling yang didesign dengan baik dan benar akan menjadi suatu perangkat

metode yang handal dan dapat dipercaya dalam analisis data dan mendukung

pengambilan kesimpulan. Metode ini sangat membantu dalam melakukan

summary data, mengeksplorasi mekanisme proses, serta memprediksikan

suatu parameter variabel tertentu berdasarkan suatu model (Stefanovski et.al.,

2003).

Analisis terhadap data penetrasi in vitro pada umumnya menggunakan

metode lag time dengan parameter yang digunakan misalnya fluks tunak dan

lag time. Metode ini memiliki beberapa keterbatasan. Pertama, beberapa data

tidak termasuk daerah linear kurva jumlah kumulatif tertranspor versus waktu.

Kedua, daerah linear kurva jumlah kumulatif tertranspor versus waktu tidak

selalu merefleksikan kondisi tunak proses transpor. Metode lain yang dapat

digunakan adalah evaluasi berdasarkan fluks maksimum yang dicapai. Selain

itu juga pernah dilaporkan analisis berdasarkan jumlah obat tertranspor.

Kesemua metode tersebut memiliki keterbatasan yaitu ketidakmampuan

mendeskripsikan perubahan gradual dalam kecepatan transpor. Hal ini penting

khususnya bila akan mengekstrapolasikan dengan data in vitro (Nugroho dkk,

2004).

Untuk memperbaiki keterbatasan metode lag time dalam menganalisis

permeasi transdermal, dikembangkan model yang berdasarkan teori

kompartemen yang memiliki beberapa keuntungan. Pertama, data dapat

dianalisa berdasarkan data fluks untuk mengetahui parameter lain. Kedua,

keseluruhan titik data dianalisis tanpa harus mengeluarkan beberapa titik data

seperti pada metode lag time. Ketiga, model kompartemen menggambarkan

fluks sebagai fungsi dari waktu. Hal ini dapat digunakan untuk

memprediksikan fluks tunak, meskipun bila fluks tunak tidak dicapai selama

eksperimen (Nugroho dkk, 2004).

Model dua kompartemen disajikan pada gambar 1 dimana kecepatan

obat terabsorbsi dari kompartemen donor ke kulit mengikuti orde nol. Obat

tertranspor dengan kecepatan yang relatif kecil sehingga kadar obat dalam

kompartemen donor dapat dianggap konstan. Kecepatan absorbsi dari

kompartemen donor menuju kulit ini tidak mempengaruhi proses kecepatan

transfer massa secara signifikan. Parameter yang juga berpengaruh dalam

model dua kompartemen ini adalah potensi obat tertranspor (Available

Doseatau AD) dan kecepatan pelepasan obat dari kulit ke kompartemen

aseptor (KR) (Shargel dan Yu, 1988).

Model tiga kompartemen secara skematis dapat dilihat pada gambar 2,

kecepatan obat terabsorbsi dari kompartemen donor ke kulit mengikuti orde

pertama. Obat tertranspor dengan kecepatan tertentu sehingga menurunkan

kadar obat dalam kompartemen donor secara signifikan. Kecepatan absorbsi

mempunyai pengaruh yang signifikan terhadap proses transpor. Dengan

demikian proses transpor dipengaruhi oleh tiga kompartemen, yaitu

kompartemen donor, kulit dan kompartemen aseptor (Shargel dan Yu, 1988).

Parameter yang menggambarkan kecepatan transfer massa dari

kompartemen donor menuju kulit adalah Ka, parameter untuk

menggambarkan potensi obat tertranspor adalah AD, sedangkan parameter

yang menggambarkan kecepatan transfer massa dari kulit ke kompartemen

aseptor adalah KR. Parameter Ka pada model tiga kompartemen menjadi

faktor penentu dalam proses transfer massa, selain parameter AD dan KR

(Bourne, 2009).

Gambar 1. Skema transfer massa model dua kompartemen

Gambar 2. Skema transfer massa model tiga kompartemen

Selama 50 tahun terakhir, model kompartemen telah digunakan

untuk menggambarkan dan membuat prediksi pada sejumlah sistem

farmakokinetik, metabolisme, dan biologis. Dibutuhkan modeling

software canggih untuk mencocokkan data ke model tersebut dan

untuk membuat prediksi menggunakan model kompartemen.

WinSAAM adalah salah satu program pemodelan tersebut

(Stefanovski et.al., 2003).

WinSAAM adalah pemodelan berorientasi program Windows

yang memungkinkan pengguna untuk mengeksplorasi sistem biologis

dengan menggunakan model matematika. Program ini telah

berkembang dari program SAAM asli yang dikembangkan oleh Dr

Berman Mones di National Institutes of Health. SAAM kini telah

menyediakan ribuan aplikasi dalam biologi, kedokteran, teknik, dan

pertanian baik dalam bentuk aslinya (SAAM19 - SAAM27), atau

dalam bentuk interaktif pertamanya, Consam (Wu, 2011).

Inti dari WinSAAM adalah dua konsep, kompartemen dan

transfer antar-kompartemen. Kompartemen merupakan dasar dari zona

dimana zat-zat homogen didistribusikan, dan antar-kompartemen

transfer menggambarkan proses yang bertanggung jawab untuk

memindahkan zat dari satu zona tersebut ke yang lain. Sementara

kegunaan dari program ini untuk biologi (analisis compartmental)

hampir tak terbatas, maka sangat cocok untuk: (Wu, 2011).

1) pemeriksaan fisiologis berbasis masalah transportasi nutrisi

menggunakan radiotracer / data isotop stabil

2) penyelidikan kimia berbasis studi metabolik menggunakan

jalur in vitro dan reaksi data kinetik.

IV. Alat dan Bahan

1. Komputer (SistemOperasi Windows)

2. CD Instalasi Software WiinSAAM atau koneksi internet untuk

dapat mendownload secara langsung WinSAAM dari situs

http://www.winsaam.com

V. Prosedur

1. Download WinSAAM

2. Open WinSAAM

3. Masukkan parameter farmakokinetik, perhatikan penggunaan

“titik” dan “koma”

4. Save WinSAAM working file, tutup (hanya working file saja)

5. Ketik “deck”, enter

6. Ketik “solve”, enter

7. Ketik “Iter”, enter

8. ketik plot q(1), enter

9. Lihat bentuk kurva, jika belum saling berhimpitan itu berarti data

kita belum sesuai dengan prediksi winsaam

10. Jika sudah berhimpitan kurvanya, simpan gambar kurva, klik

“file”, “safe plot as”, simpan dalam JPG, OK

11. Tutup gambar

12. Simpan halaman utama “file”, “save”, beri nama, OK

13. Langkah selanjutnya memindahkan data dari spreadsheet

14. Dari halaman utama winsam, buka “command”, “batch saam”

15. Copy data hasil analisis winsaam ke excel

16. Kolom 1, 2, 3, dan hasil copy dan hasil copy di excel masih berupa

satu kolom. Maka untuk memisahkannya, blok data tersebut

(kolom1,2,3, C, D, dan SAAM)

17. Klik “data”, “text to column”

18. Tandai “delimited, “next”, centang “space”, next”, finish

19. Buat grafik hubungan T (time) terhadap QO

20. Data kita diberinama QO

21. Karena sebenarnya kurva saling tumpang tindih antara data kita

dengan winsaam, maka kita buat titik dengan warna yang berbeda

untuk membedakan data kita dengan prediksi winsaam

22. Agar kedua titik-titik grafik tersebut lebih jelas, maka dapat diubah

format markernya

VI. Data Pengamatan danPerhitungan

VI.1 Data PengamatanKonvensionalObat C dosis 200 mg (peroral)

Time (hr) Cp (mg/L)0 0.00.25 11.8580.5 17.630.75 20.8141 21.2981.5 21.0713 14.8726 6.8812 1.50118 0.32124 0.068

VI.2 Kurva Plot Q

Keterangan : bentuk kurva ▲ adalah prediksi WinSAAM, sedangkan yang berupa garis adalah data milik kita.

VI.3 Data Pengamatan WinSAAMObat C dosis 200 mg (peroral)

NO D C

---CAT

-- T THETA QC QO QO-QCQC/QO WT

1 1 G 2 0.00E+00 0.00E+00 0.00E+00

0.00E+00 0.00E+00

* 0.00E+00

2 1 G 2 2.50E-01 0.00E+00 1.21E+01

1.19E+01 -2.18E-01

1.018 3.14E-04

3 1 G 2 5.00E-01 0.00E+00 1.82E+01

1.76E+01 -5.41E-01

1.031 1.42E-04

4 1 G 2 7.50E-01 0.00E+00 2.09E+01

2.08E+01 -1.09E-01

1.005 1.02E-04

5 1 G 2 1.00E+00 0.00E+00 2.18E+01

2.13E+01 -5.24E-01

1.025 9.74E-05

6 1 G 2 1.50E+00 0.00E+00 2.11E+01

2.11E+01 5.42E-04

1 9.95E-05

7 1 G 2 3.00E+00 0.00E+00 1.50E+01

1.49E+01 -1.64E-01

1.011 2.00E-04

8 1 G 2 6.00E+00 0.00E+00 6.98E+00

6.88E+00 -9.71E-02

1.014 9.33E-04

9 1 G 2 1.20E+01 0.00E+00 1.50E+00

1.50E+00 5.72E-03

0.996 1.96E-02

10 1 G 2 1.80E+01 0.00E+00 3.20E-01

3.21E-01 5.47E-04

0.998 4.29E-01

11 1 G 2 2.40E+01 0.00E+00 6.87E-02

6.80E-02 -6.76E-04

1.01 9.55E+00

VI.4 Data Working file WinSAAM

Obat C dosisi 200 mg (peroral)

1: A SAAM31 2: C Insert Control lines 2,3,4 here as needed 3: H PAR 4: C Insert model parameters here 5: IC(1) 100 6: L(2,1) 2.270232E+00 0.000000E+00 1.000000E+01 7: L(0,2) 2.567219E-01 0.000000E+00 1.000000E+01 8: P(2) 3.463222E+00 0.000000E+00 1.000000E+04 9: H DAT 10: C Insert data values here 11: XG(2)=F(2)/P(2) 12: 101G(2) FSD=0.1

1. Konstanta Eliminasi (Kel) = 2,567x10-1/Jam

2. Konstanta Absorpsi (Ka) = 2,27/Jam

3. Volume Distribusi (Vd) = 3,463 L

VI.5 KurvaWinSAAM

Obat C dosisi 200 mg (peroral)

VI.6 Perhitungan Konvensional

Obat C dosisi 200 mg (peroral)

1. Konstanta Eliminasi (Kel)

=

=

=

-Kel =

-Kel = 0,259/jam

2. Konstanta Absorpsi (Ka)

=

=

=

-Ka =

-Ka = 2, 666/jam

3. Volume Distribusi (Vd)

Log Cp0 = Log

Log 27 = Log

1,431 = Log - Log Vd

1,431 = Log 221.520,565 - Log Vd

1,431 = 5,345 - Log Vd

Log Vd = 5,345 – 1,431

Log Vd = 3,914

Vd = 10 3,914

Vd = 8.203,515 mL 8,2035 Liter

VI.7 KurvaKonvensional

Obat C dosis 200 mg (peroral)

VII. Pembahasan

Percobaan kali ini bertujuan untuk mempelajari modeling dan analisis data

dan penelitian biofarmasetika dengan pengkhususan data in vivo

menggunakan software WinSAAM. WinSAAM adalah pemodelan berbasis

program Windows yang memungkinkan pengguna untuk mengeksplorasi

sistem biologis dengan menggunakan model matematika. Program ini telah

berkembang dari program SAAM asli yang dikembangkan oleh Dr Berman

Mones di National Institutes of Health. SAAM kini telah menyediakan ribuan

aplikasi dalam biologi, kedokteran, teknik, dan pertanian baik dalam bentuk

aslinya (SAAM19 - SAAM27), atau dalam bentuk interaktif pertamanya,

Consam.

Inti dari WinSAAM adalah dua konsep, kompartemen dan transfer antar-

kompartemen. Kompartemen merupakan dasar dari zona dimana zat-zat

homogen didistribusikan, dan antar-kompartemen transfer menggambarkan

proses yang bertanggung jawab untuk memindahkan zat dari satu zona

tersebut ke yang lain. Sementara kegunaan dari program ini untuk biologi

(analisis compartmental) hampir tak terbatas, maka sangat cocok untuk:

1) pemeriksaan fisiologis berbasis masalah transportasi nutrisi

menggunakan radiotracer / data isotop stabil

2) penyelidikan kimia berbasis studi metabolik menggunakan jalur in

vitro dan reaksi data kinetik.

Keuntungan dari metode WinSAAM meliputi:.

Satu set pemodelan dengan model yang mudah diaplikasikan

Persamaan matematika yang otomatis mendasari pemodelan

Sistem linier dan nonlinier mudah digunakan

Hasil data yang otomatis terbaca tanpa perlu menerjemahkan konstruksi

model

Efisien, numerik integrator dapat dengan otomatis dipilih, dan dinamis

Solusi steady state untuk sistem linier dan nonlinier, dan kemampuan

untuk dimasukkannya data steady state dalam proses fitting Model

Akses yang fleksibel ke konstruksi pemodelan

Batch dan pengolahan interaktif

Macro editor and macro processing

Merupakan pengembangan software simulasi dan modeling

Dapat berintegrasi dengan software windows lainnya

Kekurangan dari metode WinSAAM diantaranya :

Hanya software yang berbasis windows yang dapat menggunakan

Pada metode ini hanya sedikit fungsi statistic yang dapat digunakan

WinSAAM hanya didukung oleh satu optimizer sehingga menghasilkan

data output yang relatif kurang baik terhadap fitting data

Prinsip dari percobaan kali ini adalah modeling dan regresi linier.

Modelling adalah system simultan yang tersusun atas persamaan differensial

dan atau persamaan aljabar yang mendefinisikan peranan variable-variable

serta koefisien transport pada suatu sistem fisika,kimia dan biologis.

Pada praktikum kali ini yang pertama dilakukan adalah menginstall

program WinSAAM kemudian buka programnya lalu buka “edit” dan masuk

ke dalam winsaam working file. Pada windows working file ini kita akan

mengisi beberapa angka dan data kemudian akan diolah menjadi sebuah

grafik. Parameter L(2,1) menggambarkan parameter kecepatan perpindahan

obat dari kompartemen 1 menuju kompartemen 2. Parameter L (0,2)

menunjukan kecepatan eliminasi sedangkan IC (1) adalah initial condition

untuk kompartemen I. Initial condition pada umumnya mengacu pada jumlah

obat yang tersedia pada awal proses transport. Setiap parameter diasumsikan

dengan 3 angka yang dipisahkan dengan TAB (tabulasi) dengan rincian angka

pertama adalah prediksi awal,angka kedua adalah nilai minimum dan angka

ketiga adalah angka batasan maksimal.

Selanjutnya,data obat Z dengan dosis 200 mg secara oral dimasukan

kemudian ketik “deck” kemudian di “enter”. Deck berfungsi untuk

menerjemahkan listing dalam bahasa binary (decking) selanjutnya ketik

“solve” lalu di”enter”. Solve, adalah proses untuk menerjemahkan persamaan

termasuk bahwa persamaan yang dianalisis adalah persamaan diferensial

menjadi persamaan planar termasuk profil kurva prediksi sesuai dengan angka

yang kita masukkan,kemudian ketik “iterasi” lalu ketik “enter”. Iterasi

digunakan untuk mendapatkan parameter model fitting yang paling baik

merefleksikan data observasi.Kemudian ketik “plot Q1” lalu di “enter”. “Plot

Q1” berfungsi untuk menampilkan kurva perbandingan antara prediksi

winsaam dengan data yang kita masukan. Jika data yang dimasukan belum

berhimpit antara prediksi dengan data kita,misalnya jika prediksi terlalu

tinggi, maka kita memberikan nilai P(2) atau volume distribusi yang terlalu

rendah maka dapat diperbaiki dengan cara kembali ke winsaam working file

kemudian data ketiga parameter tadi diubah sehingga akan mempengaruhi

bentuk kurva.

Kurva plot q

Kurva yang diperoleh dari pratikum kali ini dapat dikatakan baik karena

kurva yang diperoleh berhimpit antara prediksi WinSAAM dengan data yang

dimasukan.Selanjutnya simpan kurva dalam bentuk gambar (jpg) setelah itu

data dipindahkan excel (spread sheet) kemudian dari halaman utama

WinSAAM buka “commands” “batch saam” lalu copy data hasil analisis

WinSAAM ke excel kemudian klik “data” dan “text to coloumn” kemudian

tandai “delimited”,”next” dan “finish”. Commands berfungsi untuk

menghubungkan model,menyimpan model dan mendapatkan kembali model

yang sebelumnya selain itu juga untuk menyusun,menyelesaikan (solve) dan

mem-fitting model sesuai dengan grafik.

Selanjutnya dibuat grafik hubungan antara waktu (T) dengan QO kemudian

grafik yang muncul akan tumpang tindih dengan grafik prediksi WinSAAM

sehingga untuk memudahkan pengamatan symbol keduanya dibedakan dan

diperjelas dengan cara “format data series” kemudian “built in” sehingga

tampak jelas setiap titiknya berhimpit. Grafik QO adalah nilai konsentrasi obat

dalam plasma berdasarkan data yang diperoleh sedangkan grafik prediksi

adalah grafik prediksi dari WinSAAM. Tujuan akhir dari WinSAAM ini

adalah untuk menentukan Ka, Kel, dan Vd kemudian dibandingkan dengan

hasil perhitungan parameter tersebut dengan metode konvensional.

Hasil grafik hubungan antara waktu (T) dengan QO yang diperoleh pada

praktikum kali ini dapat dikatakan baik karena semua titik antara data QO dan

prediksi saling berhimpitan.Nilai konstanta Absorbsi dari data WinSAAM

adalah 2,27/Jam sedangkan nilai konstanta absorbs dari metode konvensional

adalah sebesar 2, 666/jam.

Nilai kecepatan eliminasi dari data WinSAAM adalah 2,567x10 -1/Jam atau

0,2567/jam, sedangkan nilai kecepatan eliminasi dari metode konvensional

adalah sebesar 0,259/jam. Kecepatan eliminasi adalah laju atau kecepatan

dimana obat dalam system peredaran darah dieliminasi dalam bentuk pecahan

per satuan waktu.

Volume distribusi yang diperoleh dari data WinSAAM adalah sebesar

3,463 L sedangkan data yang diperoleh dari metode konvensional adalah

sebesar 8,2035 Liter. Volume distribusi (Vd) merupakan volume hipotesis

cairan tubuh yang akan diperlukan untuk melarutkan jumlah total obat pada

konsentrasi yang sama seperti yang ditemukan dalam darah. Atau volume

distribusi merupakan perbandingan antara dosis jumlah obat yang diberikan

dengan konsentrasi obat dalam plasma.

Dari kedua nilai yang diperbandingkan tersebut terdapat perbedaan antara

nilai parameter yang diperoleh dengan menggunakan metode WinSAAM

dengan metode konvensional. Hal ini dapat terjadi karena pada saat

memplotkan garis pada grafik adanya ketidaktepatan dalam memasukan

datanya. Seharusnya hasil yang diperoleh tidak jauh berbeda antara data

WinSAAM dengan data konvensional. Metode kalkulasi yang lebih dapat

diandalkan atau dapat dikatakan lebih akurat jika dibandingkan dengan

metode konvensional yang hanya berdasarkan pengamatan dan perhitungan

diatas kertas grafik saja,maka dapat dikatakan metode yang lebih akurat

adalah dengan metode WinSAAM hanya saja metode dengan komputasi ini

memerlukan pemahaman yang baik dalam pengoperasian sehingga tidak

terjadi kesalahan dalam pengoperasian dan menginterpretasikan hasil yang

diperoleh selain itu nilai-nilai parameter dalam metode ini sulit untuk

diinterpretasikan karena ditulis dalam notasi-notasi tertentu.

VIII. Kesimpulan

Perhitungan profil farmakokinetik obat X menggunakan program

WinSAAM dan secara konvensional memiliki perbedaan. Hal ini

disebabkan kurangnya keahlian pengoperasian menggunakan program

WinSAAM dan kurangnya ketelitian pada proses konvensional.

Namun analisis menggunakan program WinSAAM merupakan metode

terbaik dalam menentukan prediksi matematis kinetika transfer massa

antar kompartemen yang diperoleh dari derivasi dengan fitting model

terhadap data eksperimental. Penentuan kinetika transport dilakukan

melalui pendekatan goodness of fit dengan metode visual dan numerik

berdasarkan plot q prediksi dan q pengamatan.

DAFTAR PUSTAKA

Bourne, D. W. A,. 2009. Pharmacocinetics and Biopharceutics. Available online

at : http://www.boomer.0rg. [Diakses pada tanggal 20 Desember

20012].

Nugroho, AK., O Della-Pasqua, M Danhof, and JA Bouwstra. 2004.

Compartemental Modeling of Transdermal Iontophoretic Transport : in

vitro Model Derivation and Application. Pharm. Res.

Sha rge l L and ABC Yu .1988 . Biofarmasetika dan Farmakokinetika

Terapan, edisi kedua. Surabaya: Airlangga University Press.

Stefanovski D, PJ Moate and RC Boston. 2003. WinSAAM: a windows-based

compartmental modeling system. School of Veterinary Medicine,

University of Pennsylvania, PA 19348. USA. 52(9):1153-66.

Wu, C. 2011. WinSAAM - The Simulation, Analysis and Modeling Software.

Available at: http://www.imcportal.org/repository/software/winsaam-

the-simulation-analysis-and-modeling-software [diakses tanggal 20

Desember 12].