OPTIMASI BXOKONVEKSI LEXYDIII BIJI KAKAQ
UNTUK
PRODUKSl
SENYAWA
PEMBERI ClTARASA
(FLA
VUURING AGENT)
PRQGItAM PASCASARJANA
INSTITUT PERTANIAN BQGOK
ABSTRAK
ENENG TITA TOSIDA. Optimasi Biokonversi X.,endir Rlj j b k a o wltuk Produksi Senyawa Pernberi Citarasa (Flawjuring Agent). Dibirnbing oleh ERIYA'I'NO, TRI PANJI, dan KiXASWAR SYAMSII,
Senystwa aroma rnerupakan k h a n pnting dalam induseri makanan, xninuman, kosrneti ka, f m a s i dan pakan, bahkan penggunaannya rneluas untuk wewangian ~ r u g r u m c ~ ) dan penyegar udara juir jreshener). Hasi l p n e l itian Tri Panji et aT., ('1 997) menunjukkan bakwa melaIui biokonversi Iendir biji kakao sebagai media turn buh Trit7h~derrnu hurziunurn &pat menghasil Iran seny awa aroma yang merupakan senyawa majem uk. Produksi senyawa aroma pada pertelitian ini perlu diopti~nalkan. Oleh karena itu perlu diteIiti sutu sistem peningkatan produksi senyawa aroma yang optimal, dalam ha1 ini rneliputi pngaturan pH, kecepatan pengadukan dan wakt u fermentasi . Tuj uan pene I i tian ini adalah untuk inerekayasa model sistem biokonversi ,frwouring ugenr yang dibatasi sampai p d a &hap rermentasi secara butt$, serta dilanj utkan pada simulasi dan upti masi proses biokonversi. Penel i tian di Iaksanakan dengm menggunakan bahasa pmrograman Forkran 77 yang diirnplementasikan dengan menggunakan paket softwarc optimasi OPTSYS (Optlmutron ,'iyv/~~n~) mclalui pendekatan strategi COMBl .
tiasi l penel itian menggunakan model sirnuirtsi menunjukkan bahwa kondisi optimum produksi fluvouring ugenl untuk fementasi butch dicapai pada p1.I 3.7, kecepatan pengadukan 200
W M ,
denbm peak rmreu procfuk mencapai angka 8100 (berdasarkan skala GC) dan waktu fermentasi 72 jam. Penurunan tingkat produksi ,fluvr~~irrrlg uxer?t setelah fermentasi setarna 72 jam diskikatkan oleh terakurnulasinya jurnlah sel yang mati akibaf scinakin berkurangnya substrat yang dikansurnsi oleh sel tersebut. Di lain pihak produk ~jjCIvour~ng ugmf rnenrpakan seny awa valatil, sehingga proses fermentasi yang dilakukan setelah 72 jam men@ ki bat kan prudu k mengalam i penguapan.Kondisi optimum fermentasi hatch yang di hasilkan rnelalui proses simulasi dan opimasi selanjutnya clapat digunakan untuk menghitung prduk-tivitas sistem secara kesel uruhan. Herdasarkan model produktivitas tersebut maka &pat ditentukan rnaksimasi model fungsi keuntungan sistem biokonversi
.
Namun tidak tersedianya data harp jualJlavowrinb. agent di pasaran, serta suiitnya pngukurrtn ni lai mutlak konsentrasi jluvwring irgmSURAT
PERrU'YATAAN
Dengan ini saya menyatakan bahwa tesis yang besjudul
OPTXMASI BXOKONVERST LEMDXR BXJJ. KAKAO llNTUK PRODUKSl SENYAWA PEMlERl CITARASA
(FLA VOURING AGENT)
adaiah benar rnerupakan hasil karya say a scndiri dan belurn pertrah dipubl i kasikan.
Sernua data &an informasi yang digunakan telah dinyatakan seara jelas dan &pal
dipriksa kebenaranny a.
~ n e h Tita ~ a f i d a
QPTIMASI BIOKQMVERSI
LENDlR BIJI
KAKAO
UNTUK
PRQDUKSi SENYAWA PEMBERI CITARASA
(FLA VOURING
ACENO
oleh
ENENG TITA TQSIDA
Sebagai
salah
satu
syarat
untuk
memperoteh
gelar
Magister
Sains
pada
Program
Studi Teknologi lndustri Pertanian
PRQG RAM PASCASARJAN
A
INSTITUFT
PERTANIAN BQGQR
Judul : Optimasi Biobmtrri LRndir Biji Krtkaa untuk Produbi Senyawa Pemberi Citamsol
(nfZroudt& Agent)
N a m a : EPJEMG TITA TOSUDA
Namor Pokok : 9 9 5 8 0
Program Studi : Tehdugi fndustri Pertaniatn
Prof, Dr.
Xr.
Erivahno, MSAE. Ketuoi KumisiDr. Tri ~ e o i i !
MS.
Anggata
2. Kema f rogram Studi Tebnoiogi Industri Pertmian
rn
Dr.
Xr.
Irawadi JarnotranPenulis dilahirkan di Tasikmalaya pada tanggal 25 Agustus 1976 scbagai
an& ke empat dari empat bersaudara, dari pasangan D. Encu Suprihat &in
Emin Djuarsih. Penulis menyelesaikan Sekolah Llasar di SDN Kudanguyah i
Tasikmalaya pa& tsthun 1988, dan lulus dari Sekolah Menegah Pertma Negcri 5
Tasi krnatstya pada tahun 199 2
.
Pa& trthun 1 994 pcnulis lulus dari Sekolah Menengah Atas Negeri 3 'Tasikmalaya, dan pada tahun ysng sama mendapatkernpatan untuk me lanjutkan ke Perguruan Ti nggi me fal ui jalur U ndangan
Seieksi klasuk IPB f USMI).
Pendidi kan sarjana di tempuh di Jurusan "Seknologi Industri Pertanian,
Fakultas Teknulogi Pertanian, Institut Pertanian Bogur, &n lulus pa& tahun 1 999.
Pa& tahm yang sama penulis mendapatkan kesem ptitan untuk melanjutkan studi
di Program Pascasarjana, Jurusan Teknologi gindustri Perkmian, XPB. Pada tahun ke
dua (semester tiga) penulis mendapatkan bantuan beasiswa dari BPPS (Beasiswrt Program Pascasarjana) dan Y ayasan Van dc Vcntcr Maas. X'cnttl is rnulai bcb;c~-la p d a tahun 2001 sebagai staf pengajar p d n Juxusan ilmu Kornputer, Fakultas
PRAKATA
Fuji syukur pnulis panjatkan kepacla Allah SWI' atas segita rahmat dan
hidayah-N yn karya ilrniah ini dapat diselesai kan dengan baik. Tema yang dipilih dalam penelitian ymg dilsiksanakan sejak buXan Agustus 2001 ini adaiah
biokunversi sen yawa pemberi c I tarasa #luvt~uring ugcni), dengan j udul Optimasi
Biakanversi k n d i r Biji Kwkao untuk Produksi Senyawa Pemhri Citarasa
f F/a vnu rirlg Agetit).
"Teerirna kasih penulis ucapkan kepada Rapak Prof. Dr. Ir, Eri yatno, MSAE.,
Bapak Dr. Tri Panji, MS., dnn Rapak I l r , lr. Khaswar Syamsu, MSc., sciaku pernbimbing yrtng telah rnernkrikan saran dm petunjuk yang sangat berharga bagi
penyelesaistn karya i lmiah ini. Ucaprtn teri~na kasi h juga disampai kan kepada orang
tua dan keluarga di Tasikrnalaya serta Fredi Andria, aks segala rnotivasi dan cinta
kasihnya. Tak Iupa penulis ucapkan teriina kasih yang sebesar-besamya kegrtda
Bapak Dr. -Ing. Soewarto EXardRienata dan Ibu Uca. Sci Setyaningsih, M S . , ymg
teiah memhri kan bimbingan serta dukungan maril dan materil sejak awal hingga
seleminya studi ini. Semoga Allah SWT membalas segala kebaikan dan bantuan
yang telah diberi kan
.
Karya ilrniah ini rnasih jauh dari sernpurna, oteh kamna itu kritik dan saran yang membangun sangat penul is harapkztn. Mudah-mudahan karya i tmiah ini
bermanfaat bagi semua fi hak.
Bogur, Agustus 2002
DAFTAR IS1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . [image:152.543.52.472.50.653.2]. DAFTAR TABEL ix
...
DAFTAR GAMBAR ...
.
.
x... .
DAFTAR LAMPIRAN . . . x i
TINJAUAN PU ST AKA ...
.
.
.....
... 4... ...
Potensi Lendir Biji Kakao ,. 4
Teclri ...Sistem ...Optimasi ... 1 1 Metade COMB1 ... 12
M S I L DAN PEMBAHASAN ... 20 PernodeIan Sistem Biokonversi Fluvowring Ager?~ ... 20 Tmplernentasi Model Biokonversi Flavouring Agent ... --- ...
-
... 25Eksprimentasi Biokanversi Fluvuuring Agent ... 30
Verifi kasi Model Simulasi ... 32 Apli kasi Madel ... 36
ApIikasi Ekonomis Agruindustri ... 38
KESIMPULAN DAN SARAN ... 45 Kesimpulan ... 45 Saran ... 45
DAFTAR PUSTAKA ... 46 LAMPIRAN ... 49
DAFTAR
TABEL
1 . Kornposisi kirnia lendir biji knkao ... ... ...,... , ,..
.
,.. , . , . , . ., . , . . . 52. Laju perturnbuhan biomassa sel 'f'richoderma har~ianum
DAFTAR
GAMBAR
...
1
.
Kerangka pemi kimn pernodelan sistem biakonversi 15 ...2 . Skerna model aptirnasi sistern biokonversi 18
3
.
Tahapan penelitianterpadu ... 19 ......
4
.
Pertumbuhan kultur mi kraba pa& kondisi bate h.
.
21... ...
5 . Bagan alir irnplementasi model biakonversi
..
30 6.
Kurva konsentrrtsi biornassa scl p& pH 3 dcngan varias~... ...
kwepatan pengadukan
....
317
.
Kurva konsentrasi biomassa sel @a pH 4 dengan variasikecepatm pengadukan ... 31 8
.
Kurva konsentrasi biornassa sel pa& pH 5 dengan variasikecepafan pngadukan ... 32 9
.
Kurva validasi hasil simulasi konsentrasi biomass sel pa&eksprimen 1, 2 dnn 3 ... 33
10 . Kurva validasi hasil simulasi kansentrasi biornassa sel pada
eksprimen 4, 5 dnn 6 ... 33
I 1 . Kurva validasi hasii sirnulasi konscntrasi biomassa set pid&
eksperimen 7, 8 dan 9 ... 34 12 . Grafik hasi t simulasi model biakurrversi flavouring agent, untuk
setinp eksperirnen ... 35
X 3 . Grafik h a i l simuiatsi konsentrasi produk melaiui
pengembangan variabel pH untuk RPM 100 ... 36 14 . Gmfik h a i l simulasi konsentrasi produk melal ui
pengembangan variabel pH untuk RPM 150
...
.... ... 371 5
.
Gafik hasil sirnufasi konsentrasi produk melaluiDAFTAR
LAMPFRAN
...
1 . Skema pendebtan pada optimasi 49
...
2
.
Komputasi program model biokonversiflcrvouring agenr 5 23
.
Bagan alir strategi optimasi COMB1 dan hasiI optimasilaju perktmbuhan (AT) uxltuk eksperirnen X -- 9 ... ... 89
1, PENDARULUAW
Senyawa aroma merupakan bahan penting dalam i ndustri makanstn, minuman, kosrnetika, famasi dan pakan, BaMcan akhir-stkhir ini senyawa
aroma sernakin rneluas penggunastnnya untuk wewangian (fragrance) dan
penyegar udara (uir,ficshn~r). Pemintaan pasar terhadap senyawa aroma
pun meniugkat, tercatat @a khun 1994 sekitar US% 8,5 xnilyar per takun,
dan diperkirakan menjadi US$ 10 rnilyar per tahun pada tahun 2000 (Yong,
1992).
Munculnya aroma pa& bahan disebabkan oleh adanya kandungan
senyawa aroma baik sebagai senyawa tunggal rnaupun rnajemuk ('hi-Panji,
1993). Aroma pa& Icebanyakan bahm pangan rnerupabn campwan
beberrtpa senynwa dengan komposisi yang kompleks, seperti terdapat pada
bcberapa jenis makanan tradisiunal dan minuman bcralkohol sebagai hasif
aktivitas rnikrcraba.
Beberapa senyawa aroma yang telah banyak digunakan antxa lain 6-
pcntil-a-piron (6pp) yang banyak digunakan untuk minuman ringan dan
yoghurt (Col iins dan Halirn, 1972; Serrano-Carreon et al
.
, 1 993). I,aktan dapar memberikan aroma buah-buahan, kelapa, dan h a n g , seciangkanpirazin &pat rnenirnbulkan aroma kacang, kopi, cokelat dan pisang
(Jmssens et al., 1992). Golongan terpen dapat mmeberikan aroma b u n g
s e w dm buah (Collins &n Hatim, 19721, sedmgkan ester &pat memberi kan aroma buah-buahan hanya dengan lconsentrasi y ang rendah
(Janssens
et
at., 1992). Hal ini menunjukkan bahwa rnikroba dapatdljadihn sumber yang sarigat potensid dalsam mernproduksi senyawa
aroma.
Produksi senyawa aroma rnengb~nakan mikroba &pat menggantikm
produksi senyawa arorna dari bahan tanaman. Menurut Yong (1992)
rnenggunakan kapang ?'P.iclar)dcrma sp. umumnya rnerupkan senyawa yang rnemJiki aroma khas dan juga dapat dipproduksi oXeh beberap mikruba lain.
Pradulcsi senyawa aroma pa& penelitian ini prlu diopiimalkan. Uleh karena itu perlu diteliti su;ntu sistem peningkatan pxaduksi senyawa
aroma yang optimal, dalam ha1 in1 meliputi pengatwan pH, keceptan
pengadukan dan waktu femenbsi.
B. Tujuan
Tujuan pexlelitian ini adalah sebagai berikut :
1 . Merekayasa model sistem biakonversi Iendir biji kakao mtuk produksi
senyawa pernberi citarasa (Fiuvourrtzg Aget~t) yang dibatasi sampai
pada tahap praduksi senyawa aroma pada fermentasi secara butch.
2. Simutasi mudel dan menentukan kondisi optimum biokonversi
(uptimasi proses biokonversi) berdasarkstn mudel yang tel& dibangun,
yang dapat: d i g d a n untuk merancang operasi Sistem Biakanversi
Flavnurr'ng Agerzt yang optimal bagi agrui ndustri.
Linglcup pnelitian inj di batasi pda eksperimentasi pernodelan
sistem proses biokonversi lendir biji kakao untuk produksi senyawa pemnberi
citarasa (Fluvourin~ Agent), yang dilanj utkm dengan simulasi &n a ptimasi
proses. Qptimssi dilakukm meldui penentun kondisi optimum fermentasi
Trichudermci hu~ianum, yang dildcukan dengan memwi vaiasi kondisi
pH,
kecepatan pengadukan dm waktu fementasi yang optimum. Penelitian dilaksanakan dengan rnenggunakan bahasa gemrogaman Fortran 77 yangdiimplementasi kan dengan menggunakan paket software ooptimasi OPTSY S
A. Potenai h n d i r Blji Ka kaa
Menurut Tri-Panji et :tL (1995) pruduksi biji kstkao Indonesia naik
smm cepat dm diperkiraXcan rnencapai 300.000 metrik ton pada tahun 1994
dm rnenjadi 400.000 tan pada t&un 2000. Peningkabn pruduksi biji kakao
yang kemungkinan akan menempatian Indonesia sebagai negara penghasil biji kakao terksar ketiga di dunia ini juga diiringi dengan peningkatan
jumhh limbah yang dihasilkan, antara lain lendir biji kakrro yang mengaIir keLuar dari kotak ferrnentltsi pada waktu fermentas1 biji b k a o dan
berpotensi mencernari Iingkungan (Opke, 1984; Tri-Panji et al., 1995). Ji ka terbuang bersama air cucian biji kakao yang tetah difementasi, bahan ini
dapat menyebabkan nilai BOD air limbah ~nencapzli lebih dari 2000 ppm.
Di sisi lain, beberap penet i tian menunj ukkan bahwa pngurangan
lendir biji kakao segar sebelum biji difementasi &pat menurunkan
kwaman biji W a o . Keasarnan blji rnempakan salah satu
d&
bad
bijikakao Indonesia sehingga dini Xai bemutu rendah (Ti-Panji, et: al., 1 997).
J i b diketola dewan baik, Iendir biji k&ao merupakan h a i l
sampjng industri pngulahan kakao yang cukup menarik. Menurut Adomako (1 9841, praduksi lendir biji Mae mensapai 0,lO-Q,19 I&g bij i
b d . Berdasarkaa data praduksi biji tersebut, produlrsi total lendir biji diperkirakm mencaw 15.000 kilo liter pmahun. Blji kakao yang rnengmdung gula (1 2-1 5%), pektin (5-7%) asam nun valatil f0,8-1,5%) dan
protein (0,l-0,5%) (Opeke, 19841, secara ekonomis belum p m a h
digunakan. Kornposisi kimia Iendir biji kakaa yang lebih lengkap ciapat
diliXxat
pa& Tabel I. Kamposisi kimia ini rnemungkinkm lendir biji hkao untdc digunalran sebagaj media pertumbuhan mikroba penghasil senyawa"Tabe 1 I . Kornmsisi kimia lendir bii i kairaoa
-
Air
Bahan kering
Glukasa
Asam-asaam non-volatil Asam-asam volatil
Sukrosa Pektin Protein
Abu
I
0,40-0,50"ohan ( 1963)
l3. Bioreaktor
Ada tiga kelornpak bioreaktctar yang banyak digunakan untuk
produksi pa& skala industri, yaitu bioxeaktor tanpa pengaduk tanpa aerasi
(76%), tanpa pengaduk dengan aerasi ( 1 I %), d m dengm pengaduk dcngan
aerasi (13%) (Scragg, 1991). Kebanyakan perkembangan prod& baru
membutuhkan mi kroarganisme y m g membutuhkan aerasi dan pengadukan. k n g m dernikian, perkembangan bioreak-tor banyak diarfian pada
kelompok ini. Bioreaktor aerob dapat dibagi dalam empat kategori, yaitu
bioreaktor t i p tangki berpengaduk (stir~.eJ-~unkpre~i'~~urt' cyck), uirifi,
Zoup, dan intmobilized system. Untuk produksi sen yaw& aroma yang bcsi fat
volatil rnenggwakan mikruba aerob, tip b g k i bepngaduk dinilai paling
Pcnggunaan biordtor untuk sistem amobili sasi e l periu
mempertirnbangkan si fat mmekanis matriks pendukung y m g digunakan
untk mobilisasi. a t r i k s ini bimnya mudah pecah, sehingga biaxeaktor dengan pergeseran hidrodinamis keciI seperti pucked-cdumn, ,flurdizeu"beu',
Teari Pemodelsn Dan Simulasi
Secisra umum model didefinisikan sebagai suatu perwakilan atau
rsbstraksi dari seburth obyek atau situasi aktual . Modet memperlihat km
hubungan-fiubungan langsung maupun tidak lawsung sertw kaitan timbal
balik (sebab-nkibat). Eriyatno (1999) msnyatakan bahwa salah satu dasar
utama pengembangan model adalah menemukrtn peubatr-peubah yang
penting dan tepat
.
Penemuan peubah tersebut sangat itrat hubungannyadengan pengknj ian hu bungan-hubungan yang twdapat diantara peubatr
tersebut. Teknik kuantitatif seperti persarnaan regresi dan sirnulasi
merupakan cara untuk mempelajari keterkaitan tersebut.
Pada teori utama pernodelan dan sirnulasi dikenal istilah sistern
real, yang didefmisikan sebagai dnerafi tertentu yang &an menjadi fokus perhatian da1am proses pernodelan dm simulasi. Eksperimentasi terhdap
sistem real &an rnengakibistkan pembahan struktur dasrrr dari sistem reat
tersebut. Hal ini dipengamhi aleh krt>agai parameter input. yang akan
menyebabkan kandisi sistem real bembah sedemikirin rupa sehingga sesuai
dengan output yaw dikapkan atau output yang &an diprediksi
(Hardhienata, 1 995).
S m a umum model dikategorikan ke dalarn tiga jenis yakni : I).
Model ikonik, 2). Modal analog dan 3). Model sirnbolik. Pernodelan
mencakup sulitu pemilihan kwslrteririsrik dari pmakilan abstrralr yang paling tepat pada situasi yang terjadi. Pada umurnnya madel maternratik
dibedakan menjadi dua bagian, yakni Model Statis Ban Dinamis (Eriyatna,
1999; BuIack dm Krististnsen, 1987). PemiIihan model tersebut tergantung pada tujuan dari pengkaj ian sistern dan furnut asi masat ah. Menurut
Hardhienata (1995) pa& model statik, hubungan antarw vwiabel-variabel
yang ada dalam model hanya tejadi pada satu level w&u (t) yangj m a .
Sedang pada mudet dinamik trubungan antara variabel-variabel mode1
menyangkut level walrtu yang bmlainan. Di amping besaran input x dm
bf:.suran unruru. Secarrt umum, pada model dimmik terdaprtt dusl fungsi J'
dan g, Fungsi f didefinisikan seperti beri kut :
Dengan di ketahui :(I) dan :(I I lil) masing-masing adalah keadatln mode!
pada waktu t dan I+&. Metalui pnganrh input x, k e a d w mode1
$9
parfa,waktu
r
akan dibawa/ditransfomasikan ke dalarn kedaan =(t 8 di) padaw&u 6 + dt
.
Qleh karena ituf
di sebut sebagai fungsi trcrnsformasr', secfangkan fungsi g menggambarkan ketergantunganlhubungan anhra autput y o yangdiamat1 terhadap pngaruh dari input xfi) dan dari keadaan zfi). Iiubungan
tersebut dapat diformulasikan seperti berikut:
dun g disebut sebagai f u n g i luaran (fungsi output).
Gottfried ( 1984) menambahkan b k w a proses sirnulasi stukastik di
susun oleh beberapa kurnponen utama, yakni sistem, state (kandisi), model,
dan opefating policy. Kondisi sistem mnencakup selumh kxakteri st i k yang
relevan terhadap sistem ynng dianat isis. Biasanya sistem di karakterisasi
melaui suatu set atrlbd spesifik. Pendukung kondisi sistern mencakup hi- ha1 berikut :
1 ). State VuriuB&es, j ih setiap atribut &pat
di
kwakterisasi m d a korndisisistem &pat ditampitkan secara kuantitatif, sehingga variabel-varinbel
yang unik dipat digunakan untuk representasi setiap atribut. Jika sistem
memiliki m State Variables, maka &pat: diekspresikan secara matematis melalui lambang berikut : (sl, sz
,...
.., s,,,).2). Decisirjn Vuriabkes, pada beberap situlasi variabel ini ditcntukan
langsung oleh analis atau pngambil keputusstn, dm independen terhadap
pertimbangan-prtimhangan ydng lainnya, Variabel ini tfiekspresi kan
secara maternatis rnelaluj ekspresi berikut : (xl, xz,. . . , x,>
3). Parameter Sistem, sama halnya dengan Decision Variakl, nilainya dapat
dispesifikasi di awal analisis. Kuantifikasi parameter ini biasanya
desain, kanstanta proporsionaf, dan diekspresikan secara maternatis
rnelafui ekspresi krikut : (cl, Q, .
. .
. . , c k )Dengan demikian State Variwbel &an basifat dependen terhadap parameter
dan
Decision Variable terpili h, diekspresikan s m a matmatis melalui ekspresi berikut : S =AC,X)Model sistem dinamis berubah secara kontinyu badasarkan waktu.
Perub&an tersebut digunakan unhk mewakili sistem yang direpresentasikan meldui suatu set feedback loops yang ditentukan berdrrsarh hubungan
antara level (state vuriabet) dm iaj ju genzbahan (rate) u t u kondisi variabel.
Kedua fial tersebut mentpakan komponen utama ddam suatu model dinamis. State w i a h e l disesuaikan dengwn vwriabel kontin yu, sedangkan laju pmbahan rnewakili hasil bagi deferensial terhadap w&u untuk setiap
levelnya. Persamaan yang digunakan untuk representas! variasi level twhadap waktu harus dikanversi ke dalam bentuk p e r s a m deferensid (Schmidt, 1987). Pada GPSS-FORTRAN Versi 3 permmaan tersebut dideklarasikan dalam format sebagai berikut :
Bungay (1985) menambahkan bahwa pada riset-riset sistem fisik
dm triologis umurnnya data d i p l o h berdaswkan perubahan waktu, atau
dengan kata Inin, sistem tersebut berlaku
swam
dinamis. Kajian keterbubungan (relafionskips) dan eksplwtoridtnri
perilaku sisternmerupakan satu hat yang sangat p t i n g datam riset-riset tersebut, &in=
traf
ini dapat dijadikan sebagai alat bantu untuk mengorganisir informasi,yang akhimya dapat dirnwnf~atkm untuk proses pemocfelan selanjutnya.
Ada kemungkinan terjadinya kesulitan dalam mempexoleh bentuk
persamm yang rasionstl, oleh knrena adanya atrurnulasi dctri berbagai falrtor
yang berpengaruh terhadap sistem. Namun demi kian wingkali dapat
diselesaikan melalui formulasi persarnwan untuk komponen laju
perubahannya. Salah satu cantoh adaiah pertumbuhan kultur mi kraba yang
nutrien dan interaksi dengm syarat-syarat utama pertumtruhan seperti
inhibisi, stirnulasi atau antagonisrn$Bungay, 1985; Bulock and Kristianan,
1987).
Secara sistematis berikut ini dipparkan Imgkah- tangkah
penyusunan suatu model abstrak :
1). Penentuan komponen-komponen model.
2). Pendefinisian struktur model.
3). Pacarian peran penggnti untuk pengwuh-pengaruh dari luar.
Pemyataan keadmn model abstrak. dayat diperofeh rnelaluj dm
cara yakni : analitis dan sirnulasi. Milai-nilai yang diperoleh baik secara
analitik maupun secara simdasi dapat dibandingkan dengan nilai yang
diperofeh
c
h
i
eksperimen pada sistem real sesungguhnya. Prosesperbanctingdn ini d i k e d dengan istilah validasi. Proses ini digunakan
untuk rnelihat kemampuan model yang dibuat &lam menggmbarkan
keadaan sisam real. Kecocokan antam sistem dan model hanya dapat
dicapai stampi batas toleransi tertentu. jika model abstwk d a p t
menggambarkan kadaan sistern reai sampai tolemnsi yang ditentukan, data
madel &pat ditransfer ke &lam sisiern reat (Ilardhienata, 19951,
Kata optimasi berarti mencari atau memperbaiki keadaan suatu
sistem sedemikian rupa schingga memenuhi persyarapan-persyaratan tertentu
(Hardhienata, 1 995). Syarat-syarat suatu si stem yang dapat dioptimasi kan
adalah bahwa sistern tersebut harus mempunysti sifat-sifat sebagai kri kut : I).Variabilitas yang berarti suatu sistern dapat dioptimasikan jika pada
sistem tersebut kr&pat Iebih dari satu penyelesaian altematif
2). Penilaian terp~ldu terhadap semua criteria yang ada (pndefinisian fungsi
sasaran harus jelns)
Secara garis b e ~ r a& dua metode (stmtegi) aptimasi yang dapat
digunakan uxltuk rnencari penyelesaian optimal ddari masalah-masalah yang
Menurut Hsudhienata (1 495) sistem OFrnasi yang d i p d m pa&
paket QPTSYS rnemili ki ernpat strategi optimasi numerik dan secara rinci
dijelaskan sebagai berikut :
1 ). Metode FIBOM CCI y m g rnemili ki sistem keqja didasari oleh bilangan Fibonacci dan dapat digunakm untuk masalah yang hanya
rnemiliki satu vartabel
2)* Metode COMPLEX (Constrained siMFLEX) bekerja dengan card
memperksstr, memutar dan rnemperkecil suatu area yang disebut
Simplex. Sirnplex A l a h suatu ftgur topologi (pdyeder) yang
rnernkntang dalam suatu ruang berdirnensi n abu
Rn
3). Strategi E VQI,USI rnenrpakan strategi optirnasi yang be kerj a
berciasarkan rnekani sme &ri evo lusi biologis
4). Strsttegi COMBI adalah strategi optirnasi yang di kernbangkan
berdasarkan strategi Complex dan Evalusi
Metode FIBONACCI diperkertalkan pertam kaii oleh Kiefer pada
tahun 1953 dan rnerupakan metode optirnasi yang paling baik diantstra
metode-metode yang a&. Saymgnya rnetade ini h y a bisa digunakan
untuk problem-problem yang hanya mempunyai satu variabel optimasi sajnja,
Metode ini bekerja krdaswtrkm barisan bilmgan dari 1,eonardo von Pisa
yang lebi h di kenal dengan nama Fibonacci. Karena problcm optimasi yang
ada pada penelitian ini rnernpunyai lebih dari satu variabcl, maka metode
Fibonacci ini ti& akan digunakan.
Metode optima1 COMPLEX pertama kali dipubfikasikan oleh
Box ddam suatu "Computer Jaurnd" tahun 1965. N m a COMPLEX krasal
dari singkatan Constrained siMPLEX ymg merupakm hasil rnodifrkasi yang dilakukan oteh Box pada strategi optimasi SIMPLEX (bukan strategi
optimasi dari Damig untuk program linier !) y m g k r d dari Spendly,
Hext dm Mimsworth [Hardhienata, 19951. Dalm mtncari psisi optimum,
mernperkwil suatu m a yang disebut Simplex. Simplex &fah suwtu figw
topalogi (pXyedf?x) yang memkntang dalam suatu rung berdimensi n atau
Strategi optimasi E VOIC US1 menlpakan strategi aptimasi y ang
bekerja krdaswkan m e h i s m e dari evolusi bi010gis ymg pada tahun 1973
dipublikasikan prtama kali aleh Rechenberg. Adttpun rnekanisrne optimasi
evolusi tersebut didawri oleh pernyataan berikut : "Daiam a i m ini, rnahluk hidup yang dapstt lebi fr menyesuaikan diri dengan lingkungannya akan lebih
berhasil berkembmg dui pada mahluk hidup yang kmmg bisa menyesuaikan diri dengan lingkungannya. Proses ini pertama kali
dikemukakan oleh C. Darwin (1 859)
d m
kemdian dikenal dengan istibhEvolusi". Rechenberg mencoba mengaplikasikan proses evolusi ini pa&
bidang numeri k untuk rnenyelesaiakan problem-problem optimasi .
Strategi CUMM adalah strategi optirnasi yang di kernbangkan . .
berdasarkan strate@ Complex dan Evolusi. DaIam starkegi Cornbi ini sifat- sifac baik yang dirniIiki oleh strategi Complex dm Evolusi dicoba disatukan
dan dirnanfaatkan secarn optimal (Hardhienab and Molnar, 1993).
F. M,etode Combi
Bcrdasarkan pcnycl idikan yang di lakukan dcngan rnenggunakan
test-test fungsi stmdar (Hwdhienata and M a l w , 1993), dapt ditunjukkan
bahwa stmtegi Cornbi merniliki sifai-sifat s e ~ r t i krikut :
1). Unhk problem-problem dengan banyak optima, probabilitas mtuk:
dapat menemukm optimum global sama dengan dirnilifu oIeh strategi
Evulusi .
2). Kecepatrtn konvergensi &ri strategi Cornbi jauh lebitx tinggi daripada keceptan kanvcrgensi dari strategi Evolusi.
Dzttam hal ini keceptan konvergensi sama dengm jumlah
penghitungan fungsi sasaran yang dibutuhkrtn untuk mencar1 posisi
biasanya berhubungun dcngan wslktu sirnulasi yang cukup lama. Strategi
Combi memiliki algoritma seperti haInya &paparkan berikut ini.
1. Phase Persiapan (diberikan oieh user) :
a. Fungsi Sasrtran ( Q )
b. TitikStartyangmemenuhirestriks(~"?
c.
KetelitianyangBiinginkan(RETA)
d. Sumlah sudut Simplex yang diinginkan (k) dengan n+l <- k c-:: 2n n
adalah jumlah parameter optimasi, titik simplex X i rnempunyai
h n t u k X,
-
(xl, xz, . .. . .. , x,,)e, Jumtah yang diinginkan untuk pengetesan dari optimum yang ditemukan (MAXTES)
f. Jumlah maxima dari generasi untuk phase evalusi (MAXGEN)
g. Optiond :
-
Restriksi ekplisit ddam btntuk Gj <= Xj q- HjUntuk satu atau Iebih Xj ; j = 1,2,3, ... , n
Gj dan Hj adaiah bilangan riil dan berada daiam herah defenisi dari Xj
Gj tidalah batas bawah dari restriksi eksplisit d;ui parameter Xi
Hj
adalah batas atas dari restriksi e ksplisi t dari parameter X,-
Restriksi irnplisit dalam bentuk F,(XI,X2,...
,X,) -+ Pq ; q-
1,2,...3mF, Fungsi seimbang
2. Phase Penca ria n (d@xlarekan oleh kopnputer)
a. atrawat dari titik start
x'"'
yang diberikan, dicari sebuah opirnumx"*
dengan menggunakan strategi Complex.b. Periksa apakah jumlah maximal yang cliinginkan untuk pngetcsan
optimum sudah tercaprti atnu betum. Jika suctah, tercstpai maka
hentikan proses optimasi &n b e r i b
x*'
sebagai h a i l aptimai.Set esai
.
-
Berawal dari XtY" munculkrtn sebanyak u-£ titik induk.-
Tentulran titikterbaikxh'dan bandingkan ap.akafixb"' Icbih bai k daripadax " ~ .
lika demikian halnya, maka pasangx'~''
sebagai titik start kemudian cari titik optimum berikutnya
dengan rnenggunakan sarategi Complex (pergi ke langkah I
dengan
go'
-
xh').
-
Muncul sejurniah v titik keturunan.-
Tentukan titik terbaikxb""
dm bandingkan apakak titik tersebut lebih baik daripada,fl',
Jika demikian halnya, maka pasangxk""'
sebagai htik s h r t yang baru dan kemudian cari iitikoptimum berikutnya dengan rnenggunakan strategi Complex
(pergi ke langkah 1 dengan
x"'
=x"").
-
Periksa apakak jurniah maximal dari generasi untuk phasc evolusi MAXGEN sudah tercapai atau belm. Bila sudahtecapai henti kan proses optimasi dan berikan
xoP'
sebagai hasiX optimasi. Selesai,-
Dari v titik keturunm, pilih sebanyak u titik terbaik rfan pxzang sebagai titik induk. Pergi he langksh c.Keterangan :
I ). Pada strategi Cornbi dipasang u = 10 dan v
-
100. Jika diinginkan, user dapat mcrnadifikasi harga u dan v ini.2). Pada pencarian optimum berikutnya Cjika pada pengetesan optimum
dapat diternukan iitik lain yang lcbih balk dari titik optptimum) iilik
optimum baru yang akan ditemukm seldu akan Iebih h i k daripada titik
optimum sebelurnnya. Hal ini dijarnin oleh alguritrna yang digunakan
untuk mencari optimum disini, karena hrga optimum yang ditemukan
akan selaiu lebih baik daripada harga start yang diberikan. Oleh karena
itu kemungkinan pengulangan penwian aptim urn yang berkepanj angan $id& akan tcrjadi, Bagan alir strategi optimasi COMB1 secara Iengkap
A. Kerangka Pemikiran
Pernodelan sistem biokonversi terdiri dari pmncter dan variabel
yang komplek dan mdibatkan berbagai disiplin ilmu. Dengan dernikian proses pernodelan &n optimasi sistem biokonversi ini didasari oleh kerangka
pemikiran yang disajikan pada Gambar 1 ,
FERMENTOR LAB ATAG INDUSTW
t
PERTWANGAN DATA PERTIMBANGAN
[image:170.529.63.471.180.707.2]ILMIAH PEKCQBAAN TEKNIS
Gambar 1. Kerangka Pemikiran Pernodelan Sistem Biokonversi (Bulock and Kristiansen, 1987).
I
Ilt
!
PENGGUNAAN MODEL UNTUK PROSES KONTROL
DAN STllDi EKONOMI
'
&E%
MODEI,1 1
MODEL, SAHlHMODEL KINETTKA DAN STOIKHIOMETRI
MODEL, FXSiK ABSTRAK
1
MODELOleh karena sistem yang ditelaah krhubungan dengan sistem
bioteknolag maka rnenurut BuXock and Kristiinsen (1987) ha1 ini akan
sangat hrkubungan crat dengan studi kineti ka. Kinctika fermentasi mencakup 1a.j~ pefiumbuhan sel, penggunaan substrat dan pembentukan
pruduk, ymg scdemikian rupa dirangkurn &lam berbagai rnodcl marernatis. Model matematis yang berkaitm dengan ha1 ini merupakan abstraksi pemjudan ide suatu proses yang memerlukan hal-ha! berikut :
1 . Realitas fisik peratatan (rnodei fisik abstrak)
2. Reaksi kimia prtumbuhan sel, pnggunaan substrat dan pe~niwntukan
praduk
Bulock and Kristiansen f 1987) menyatakan bahwa secara
independen ekspresi laju spsifik kinetik menghubungkan Laju kons~msi
substrat ( S 1, Sz, . . . . ) atau laj u formasi produk (termmuk biomassa sel) (X,) terhadap variasi komponen iingkungan sel
(pH,
agitasi, dan lain-lain)(C r, C l ,
.
..
-1,
dan kondisi ini difocmuIasi kan meld ui perstmaan beri kut : r-
AXv:
SltS2,* **.*;C1,C2,.
.
*..)Rekayasa model proses diawali dengan menelaah takapan proses
biakanversi. Hal i ni dilakukan untuk rnenentukan sistem real sebagai obje k
ekspcrirnen. Proses biokonversi diawali dengan cara ~nernbiakan
1"~.rch~cderm hurziunum pada medium yang mengandung lendir biji kakao di
d a l m Erlenmeyer kwok. Setelah inkubasi 3 hari, cairan fermentas1
digunakan sebagai bahan uji citarasa yang dilanjutkan dengaxl cara diekstraksi
dengan dietiteter. Ekstrak dikeringkan dengan MgS04, d i p k a t b dan diana h i s dengan GC j GUS C,'hromutogruphy) yang dilengkapi dengan kolam kapi ler
FF
AP (Free Fairy Acid Permubond)Produksi senyawa aroma melalui fermentasi secrtra batch dllakukan
dengin menggunakan biareahr sisteln curah tip stirred funk volume 2 l itec
pada kondisi pH 3 , 4 dan 5 , serta dengan pabatasan kecepatan pengadukan
24 jam, selanjutnya bobut kering biomassa, k&r gula serta kompnen aroma yang terbentuk diukur dan dimalisis.
Berdasarkan hasil telaah sistem real diproleh data sistem. Data
tersebut rnerupakan dasar untuk proses identifikasi dan anatisis sistern &lam proses membangun model abstrak. Model abstrak yang telah dibmgun &pat menjadi daar untuk mernbanp model simulasi ymg sesuai dengan tujuan
eksperimen. Data eksperi men akan diva1 i h i dengan mra rnembandingkannya dengsrn data sistern real setpenamp yang diperoleh
rnelstlui penclitian pendahuluan. Berkarkstn model simulasi ymg klah
divalidasi tersebut dapat dicari optimasi proses biokonversi iendir biji kakao
sebagai bahan baku I;lcrvozrring Agent.
Qptimasi biokonversi difokuskan pada kondisi prturnbuhan
mikraba penghasil senyawa aroma dan produksi senyawa aroma. Fungsi.
tujuan dari proses ini adahh maksirnasi tingkat pertumbuhan mikroba
penghasil sen yawa dan maksimasi pruduksi senyawa aroma. Pada penel i tian
ini bioreaktor yang digunakan sldalah bioreaktor sistem hatch t i p sfjrred
runk, maka menurut F&ar
d m
EIimmelblau (1989) deskripsi rnattmatikayang &an digunakan berupa persainaan aljabar (khusus untuk sleuu'fl sruie)
atau persmaan dlflerensial ordinnty (khusw untuk unArceu& sluts). Validasi
model akan di l&u kan melalui analis data eksprimental yyang dihasil kan dari
percabaan tersebut.
Optimasi biokonversi yang dilakukan meliputi pH medium
pertumbuhan, kecepatan pengadukan, dan wstk-tu pertumnbuhan. Optirnasi biokonversi di lakukan mela1 ui pnggunmn paket program OPTSYS
(Opfimizurion System) yang diimplernentasikan dengan rnenggmakan bahasa
Penghitungan Biakonversi
Penghituftgan Niiai Fungsi Tujuan
+
W
+
Azlalisis Fur@ Tujuan
Ya
Tidak
[image:173.532.82.416.75.530.2]Pemunculan Nilai Pararncte~ Barn (xi)
Gambar 2. Skerna Model Qptimasi Biokonversi Senyawa Aroma
Pnda Crambar 2 , disajikan hubungan antara model optimasi produksi senyawa aroma dcngan sistem optirnasi OPTSYS yang digunakan
untuk mencari sistern proses produksi senyawa aroma yang paling optimal.
Dirmulai dari nilai aural dari parameter optirnasi ( x i , x2, . . . , x,,) yang akan
disirnulasi sedemikan rupa sehingga mernpecnleh output (y y ~ , . . . . , .
.
y,) clanpeningkatan produfrsi senyawa aroma. Selama kriteria optimasi k l u m
tercapai maka akan terns dilakuhn modifikasi aleh strateegi aptimasi untuk
mencari variasi nilai parameter baru sehinggia rnencttpzti %. Nilai ini
kernudian akan dijadilran input: untuk menjalxlankan model simdasi p a
mencari output dan perhitungm llilai f u n g i tujmn.
Biokonversi Lendir Biji
K&ao untuk Pembuzttan FImmring Agent
IV. HASIL DAN PEiMBANASAN
A, Pernudefan Sistem Biokonversi Flavourdmg Agent
P c m d c l a n sistern biokonversi diawali dcngan lclaah drtb sislc~n
biokonversi sesungguhnya. Data sistern dipoIeh dari hasil p e n v a t a n pertumbuXxan liic/?oderma harzicmuwt pda medium yang rnengandung lendir
biji kak-ao pada kondisi p1-I 3 , 4 dan 5 , dengm variasi kecepatan pengadukan
100, 150 dan 200 rpm. Menurut Hartoto dm Sailah (1992) untuk
menganalisis pertlunbuhan rnikroba, diperlukan pengetahuan tentang
parameter Iaju perluinbuhan scperti laj u pcriumbuhan spesi ti k (p).
Berdasarkan prhunbuhan sel mikroba y ang tcrj adi secarst otokatalitik, peningkatan berat kering sel sebanding dengan konsentrasi sel p d a awai
Koefisien di ferensial (dxldt) menyatakan 1 aj u prtum buhan populasi.
Dengtn demikian yang rnemiliki cSimensi I/$ analog dengan Iaju
penggunaan senyawa. Sebagai contoh biIa Iaju prtumbuhan spesifik 0.1
jam*' berarti ckuivalen dengan laju pcngguxlaan scilyawa 1 0 persen tiap j am.
EIasil eksperimen ststem biakonversi len&r biji b k a o rne1alui
fermentasi Icontinyu rnenunjukkan terj adinya beberapa kali kontminasi
.
Hal ini di perk1 rakan akan ~nenjadi kendala &lam proses praduksi senyawaaroma. Oleh karenn. itu eksperimen selanjutnya diiakukan melalui sistem fementrtsi batch. Menucut Bulock &n Kristiansen (1987) sistern fermentasi
batch merupakan sistc~n tertutup. Padsl ~vaktu t = 0, Xmtan nutrien yang
telah disteriiisasi dan berada dalam fernentor diinokulasi dcngan
milrroorganisrne, lnkubasi dilakukm pada kondisi fisiologis yang optimal. Selarna proses ferment&, ti& a& yang ditambahkan ke &lam fermentor,
Sesutfah inokulasi perturnbuhan kuttur inikroba pa& kondisi batch
meialui tahapan pertumbuhan sebagai berikut :
Garnbar 4. Perturnbuhan liultur rnikroba pada kondlsi batch (Stanburry and Whitaker, 1984)
Fase lag terjadi setelah inoktrlasi biakan rnikraba pa& medium dan merupakm waktu adaptasi terkadap lingkungan fisiko-kimia yang dikrikan.
Perpi ndahan pa& medi urn baru rnenyebabkan bberapa parameter berubah
seperti
pH,
peningkatan kebutuhan nutrien xrta pnunmnan penghmbatprtumbuhan. Kondisi fisiologis tersebut menyebabkan panjang pendeknya
fase tag yang akan dijalani. Agar proses fermentasi efisierr, fase ini harus diusnhakan sependek rnungkin. Artinya jumlah inokuttum haws mcwadai dengan viabilita~ yang tirrggi serta lcondisi Iingkungan -fisi kcs-kimianya hams
sesmi.
Setelah fase lag sttau adaptasi selcsai, akan diikuti dcngan fase iog
atau ekspnensial. Pa& fase ini sel mikroba telah mampu kradaptasi dengin
lingkungan barunya dan merupakrzn fase kesetimtranganan ahu perturnbuhan
steady stale dengan laju p r t u m b u b n spsifik (p) yang konstan. Padrt mat
lingkungm tidak berada dalam k e a b n steady stale. Selma fase Log ini
miluoba mencapsti laju petumbuhan rnaksimumnya secara komtan. %lama
sclang konscntrasi nutrien tcrtentu, iaju ~rlurnhuhan tidak dipcngaruhi olch
kansentrasi tersebut. Pada suatu ti
ti
k,
laj u perturnbuhan mengalami penwnan atau krakumulasinya prod& yang bersifat menghambatpertumbuhan, dan pada tahap ini pertumbuhan kuXtur r n i h b a mengalami
f a e stasioner. Fase stasioner terjadi bila sernua sel mikruba berhenti
membagi diri atau sel yang hidup seimbmg dengan sel mati. Meskipun
prtumbuhan terhenti, metaboiisme dan pembentukan produk yang disehut metabulit sekunder tetrtp terjadi
.
Penyusunan model sistem dilakukan melalui wndekatan rnodcl
matematis pertumbuhan mi kroblx yang terbagi pada fase-fase tersebu t di alas.
Menurut Bulock dan Kristiansen (1987) pada fase log atau ekspnensial
dinyatakan mela1 ui pendekatm nod el :
J X ,
. , ---
- {iri . . . . . . . - -. . . ,. . . . - -. . . . . . . ,. - - ( I )
df
Keterangan : X = kansentrii biomassa sel (gl)
t - waktu Cjm)
p = laju perturnhuban spesifik (jam-') (massa)
Laju pertumbuhan spesifik (p) merupakm slope hasil plot antara
konsentrasi sel terhadap waktu. Jika melihat gersamaan (I), pertumbuhan &an berlangsung secara t i&k terbatas. Padafial pertumbuhan mcmpakan hasil konsumsi nutrien dan ekskresi produk mikroba yang mempngaruhi pertumbuhan mikroorganisme. Pa& suatu saat pctumbuhm akan terhenti
sebagai akibat habisnya nutrien ewnsial &lam medium atau dengan kata lain
adanya kcterbatasan substrat, adarryn akumulastsi produk rmikruurganisme
yang bersi Tat toksik atau kornbinasi kcduanya (Hartoto dan Sailah, 1992). Menurut Rullock and Kristiansen ( 1 987) @a mudeX prtumbuhan
rnerniliki kapabiiitas untuk turnbuh dan be~pcaduksi tagi, bahkan pada suatu
saat sd-sel tersebut mengal~m i kcmatian. Diasumsikan laj u kernatian seI praporsional dcngan rnassa scl (kondisi viub/ec!), n~aka bentuk persarnmn
untuk kematittn sel adalah scbagai berikut :
Dengan rnenggabungkan persamaan ( I ) dan ( 2 ) maka model perturnbuhan
kapang 7 iichocde~mu leur:~u~rurn dapat dideklarasi kan sebapi beri kut :
Keterangan : Kd - Iaj u kernatian sel ~jarn-')
Lebih lmjut. penurunan laju perturnbuhan atau terkentiny a
peatumbuhan sebagai akibat habisnya substrat digambarkan oleh Monocf
(Rungay, 1985; Bullock and Kristiansen, 1987) melalui persmmn berikut :
Keterangan : S = konsentrasi substrat yang krsisa
Ks = konstanta penggunmn substrat
(merupakan afinitas mi kroorganisme
terhadap substrat)
p a x - laju prtumbuhan spesifik rnaksimurn
(fase ekspanensial)
Menurut: Rth iock and Kristiansen ( 1 987) penggunaan atttau konsurnsi
subtrat tidak hanya uneuk memberjkan karbon, energi dan kornponen
struktural unluk per~urnbuhctn sci, lehpi jugs uniuk mempcrtainankan viahilitas sel scprti perbaikan sel dan pemhntukan produk. Pemberntukan
produk tidak &pat terjadi tanpa &nya sel, sehingga pertumbuhan dan
pernkntukan produk sepadan dengan substrat yang di gmakan. Oleh klxrena
itu tergintung dari peng~ntrolaXt,pengatur;fn mctabolisrne, pembentukan
pruduk akan terpaddan dengan pertumbuh dm atau konsentrasi mssa
sel.
Secara matematis penggunaan su bstrat pada kul tur hatclz digambarkan
sebagai berikut :
Keterangan : Ytc3
-
kaefisien rendemen biumnssap = Iaj u pembentukan produk (jam-')
Yp A
-
koefisien rendemen produk171 - koefisien perneli haraan
Melalui substitusi persammn (4) ke persamartn (51, maka model prturnbuhan
mi kroba untuk fnse setanj utnya adat ah sebagai beri kut :
p rnax .s
dS
(
Ks+
,vX)
qp.X-" ,,,, = - ,,,, ,,p-.L,,,,,,,,,," ,,,,,. ,- -- m x . . . u% yx , ,v Yp:$
Oieh karena sistem biukonversi merupakn kultur aer&ik maka menurut
dibandingkan dc-ngan suku
'
/LC.,- , ,
, maka persmaan ( 5 ) ciapat disederhanakan
p rnax .s
dS -
___.
__
- . . _ I . . . _I__I- . . .dl Y.t ' s y
,,
: .\Praduk senyawa aroma pada sistern biokonversi ini terbentuk selarna
pertumbuhan biornassa sel , maka menurut Bullock and Kristiansen ( 1 987)
secara matematis pembentukan produk &pat digambarkan sebagai berikut. :
Keterangan : f' - konsentrasi produk
{i/' iaju pcrnbc~~iukmi prtduk Cia111 I j
Kpl' = laju perusakan produk (jamw')
B. Implementasi Model Biabnversi 1S'lavouring Agent
Mudel sistem biokanversi senyawa aroma diirnplemetasikan dengan
rnenggwtnkan bahasa Fortran 77 melalui sistem optimasi OPTSYS. Model biokonversi senyawa aroma diwakiii oleh tiga persamaan yakni persamaan
(31, (7) dan (8). DekIarasi model p d a sistern OP'TSYS ditempatkan pa& Subroutine S'SA'TB. Subroutine ini rnerupakan wadah untuk deklarasi model
yang bcrbentuk prsamaart diffcrensial (Schirndt, 1 987n). Ketiga prsarnaan
differensial tersebut ditemptkan pada satti set (NSE"IV- I ). Pa& implementasi
model dilakukan deklarasi variak1 rnclnlui ckspresi bcrikut :
1. Konsen trasi biornassa sel Trichodermcr hurz~tinzam ( X )
-
SV( I , I )2. Laju perlumbuhan biornwsa sel Trichodermu harziu~um (dXldt)
-
DVU,!)3. Konsentt-dsi substrat (S) = SV(1,2)
4. Laju penggunaan substrat (dSldt)
-
DV(1,2)5 . Konsentrasi prduk
(P)
-
SV(1,3)p) diformat dalam input data, dan pda sistem ini diimplcmentasikan meldui variabel VMAMEI atau YNAMER yang &ternpath pa& main p~ogram
"INPUT AND ASSIGNMENT OF VARIABELS". Variabel VNANEI dm
VNAMER dibedakan berdrtsnrkan t i p karakter yang akan digunakan.
XdefitiJer variabel untuk ti pe INTEGER ditempatkn di VNAMEI sedltngkan
identrfcr varisibel untuk t i p REAL ditempatkan di WARAER (Schmidt, 1987". Adapun p (AT) m e n i p a h variabel aptimasi, yang &an diproses melalui sub-routine Qptimasi. Penentum nilai variabel-variabel p m a ,
Y
,vs,Y ,:d m ,qp d i h r i oleh asumsi-nsumsi yang dilakukan melalui perhitungan
kanversi