1. Pendahuluan
Di dunia farmasi, kesalahan kecil bukan sekadar “kekeliruan teknis”. Ia bisa berubah menjadi keputusan terapi yang salah. Dan ketika keputusan terapi salah, dampaknya bisa lebih luas dari sekadar satu pasien—ia bisa merusak kepercayaan publik terhadap obat itu sendiri.
Orasi ilmiah Prof. Sophi Damayanti dibangun dari perspektif yang sangat praktis: mutu obat bukan hanya urusan produksi, tetapi urusan analisis yang memastikan apa yang tertulis pada kemasan benar-benar sesuai dengan isi obat.
Prof. Sophi membawa pembaca masuk lewat prinsip klasik yang ternyata sangat relevan hingga hari ini: tidak ada aktivitas tanpa keterikatan. Prinsip ini biasa digunakan untuk menjelaskan bagaimana obat bekerja, karena obat harus berinteraksi dengan target di dalam tubuh agar bisa menimbulkan efek terapeutik.
Tetapi Prof. Sophi memperluasnya secara elegan: prinsip “keterikatan” ini juga berlaku dalam proses penjaminan dan pengawasan mutu obat. Tanpa keterikatan yang tepat antara molekul target dan sistem analisis, hasil pengukuran bisa bias, bahkan bisa salah.
Dan di titik itu, analisis farmasi menjadi garis pertahanan penting.
Prof. Sophi menjelaskan bahwa analisis farmasi membahas dua hal utama:
-
analisis kualitatif: memastikan obat apa yang terkandung di dalam sampel
-
analisis kuantitatif: memastikan berapa kadarnya (misalnya 600 mg)
Kelihatannya sederhana, tapi dalam praktiknya tidak.
Masalahnya adalah sampel farmasi jarang “bersih”. Tablet mengandung banyak eksipien. Sirup punya pelarut, perisa, dan bahan tambahan. Bahkan matriks biologi seperti darah jauh lebih kompleks lagi karena komponen di dalamnya sangat banyak dan bisa mengganggu pengukuran.
Di sinilah muncul ancaman yang sering tidak disadari di luar laboratorium: matriks dapat menyebabkan kesalahan analisis. Dan jika kesalahan analisis terjadi, hasilnya bisa dua ekstrem yang sama-sama berbahaya:
-
negatif palsu: senyawa target ada, tetapi tidak terdeteksi
-
positif palsu: sistem membaca seolah target ada, padahal tidak
Prof. Sophi bahkan menyampaikan analogi yang tajam: obat palsu lebih berbahaya daripada status palsu. Kalimat ini sebenarnya menegaskan satu hal: mutu obat adalah urusan hidup, bukan urusan administratif.
Karena itu, orasi ini menempatkan metode pemisahan sebagai kunci untuk menghindari kesalahan analisis. Dan inovasi yang ditawarkan Prof. Sophi berpusat pada satu ide besar: selektivitas. Selektivitas inilah yang kemudian dijawab lewat teknologi polimer tercetak molekul atau Molecularly Imprinted Polymer (MIP).
2. MIP dan Selektivitas: Membuat “Rongga Cetakan” yang Hanya Mau Menangkap Target yang Benar
Bagian paling kuat dari orasi Prof. Sophi Damayanti adalah ketika ia menjelaskan MIP dengan cara yang terasa mudah dibayangkan.
MIP adalah polimer yang dibuat seperti memiliki “cetakan molekul”. Artinya, polimer ini disintesis agar punya rongga atau situs ikatan yang bentuk dan karakteristiknya sesuai dengan molekul target. Ketika sampel kompleks masuk, MIP akan cenderung menangkap target yang sesuai, dan mengabaikan molekul lain yang mirip tapi tidak tepat.
Secara konsep, proses pembuatannya dimulai dari komponen utama:
-
molekul cetakan (template), yaitu obat yang akan dianalisis
-
monomer fungsional
-
pengikat silang (crosslinker)
-
pelarut (porogen)
Prof. Sophi menjelaskan logika prosesnya dengan urutan yang jelas:
-
template (obat target) dicampurkan dengan monomer fungsional dan crosslinker
-
proses polimerisasi membentuk struktur polimer dengan “cetakan” yang mengikuti template
-
template dilepaskan sehingga terbentuk rongga yang sesuai
-
ketika digunakan untuk analisis, molekul target akan “terperangkap” pada rongga tersebut
Dalam orasi, analoginya terasa dekat dengan kehidupan sehari-hari: seperti cetakan kue. Kalau kita punya cetakan bandros berbentuk tertentu, maka adonan yang masuk akan cenderung mengikuti bentuk itu dan tidak akan berubah menjadi bentuk lain.
Analogi ini penting karena memperjelas esensi MIP: sistem ini bekerja karena bentuk dan interaksi kimia yang spesifik, bukan karena kebetulan.
Di level analisis, MIP menjadi alat untuk meningkatkan selektivitas pemisahan. Ini berarti dua keuntungan besar:
-
mengurangi gangguan matriks
-
menurunkan risiko hasil pengukuran yang menyesatkan
Namun Prof. Sophi juga menekankan bahwa inovasi MIP tidak hanya soal sintesis polimer. Proses memilih monomer fungsional terbaik juga menjadi pekerjaan besar, karena jika monomernya salah, rongga yang terbentuk tidak optimal dan selektivitas turun.
Di sinilah komputasi masuk.
Prof. Sophi menjelaskan bahwa penggunaan in silico (komputasi/AI) dilakukan untuk screening dan penapisan, agar jumlah eksperimen laboratorium bisa dikurangi, walaupun komputasi tidak menggantikan eksperimen basah.
Gagasan ini sangat penting dalam riset modern. Karena biaya dan waktu penelitian bisa ditekan jika kita tidak mencoba semua opsi secara manual. Komputasi membantu memilih kandidat terbaik dulu, baru diuji di lab.
Orasi juga menyebut bahwa pengakuan terhadap komputasi semakin kuat secara global, salah satunya ditunjukkan lewat Nobel Kimia untuk komputasi pada 2013 dan Nobel 2024 terkait desain komputasi serta prediksi struktur protein.
Bagi pembaca mahasiswa dan pekerja, ini memberi pesan yang jelas: analisis farmasi modern bukan lagi hanya urusan alat, tetapi urusan strategi berbasis data, selektivitas, dan efisiensi.
3. Studi Kasus MIP pada Sampel Kompleks: Dari Plasma Darah sampai Analisis Simultan yang Lebih Realistis
Kalau MIP hanya dibahas sebagai konsep “polimer yang punya rongga cetakan”, orang bisa menganggapnya sekadar ide menarik. Tetapi orasi Prof. Sophi Damayanti justru menunjukkan bahwa kekuatan MIP ada pada konteks paling sulit: sampel nyata yang kompleks, terutama matriks biologis seperti plasma darah.
Plasma darah bukan medium yang sederhana. Ia mengandung protein, lipid, metabolit, dan berbagai molekul kecil lain yang bisa “mengganggu” proses analisis. Dalam kondisi seperti ini, metode analisis yang tidak selektif akan mudah menghasilkan data menyesatkan.
Orasi ini menekankan bahwa matriks bisa menyebabkan negatif palsu atau positif palsu. Maka, kebutuhan akan selektivitas bukan lagi opsional, tetapi kebutuhan dasar agar hasil analisis layak dipakai.
Di sinilah MIP menjadi solusi karena mampu bekerja seperti “penjaga pintu” yang menahan target dan menolak pengganggu.
Prof. Sophi memaparkan beberapa studi kasus yang memperlihatkan bagaimana MIP digunakan untuk kebutuhan yang berbeda-beda:
3.1 Sofosbuvir: MIP untuk memperkuat akurasi analisis obat di matriks biologis
Sofosbuvir adalah salah satu obat antivirus yang relevan untuk terapi hepatitis C. Dalam konteks analisis farmasi, sofosbuvir perlu dideteksi dengan akurat karena berhubungan dengan dosis, kepatuhan terapi, dan kualitas obat.
Ketika sampel berada dalam matriks plasma darah, tantangannya bertambah. Karena itu, orasi menunjukkan bagaimana MIP digunakan sebagai bagian dari tahap pemisahan agar analisis menjadi lebih selektif.
Di sini pesan pentingnya adalah: MIP bukan menggantikan instrumen analitik utama, tetapi menguatkan tahap pemisahan sehingga instrumen tidak “dibanjiri gangguan”.
3.2 Triazol analisis simultan: ketika dunia nyata menuntut efisiensi, bukan satu target per satu eksperimen
Dalam praktik analisis mutu dan monitoring, sering kali kita tidak hanya perlu mendeteksi satu senyawa. Kita perlu analisis simultan.
Orasi Prof. Sophi menyinggung penggunaan MIP untuk analisis simultan pada kelompok triazol.
Analisis simultan ini penting karena laboratorium tidak selalu punya kemewahan waktu dan biaya untuk melakukan pengujian terpisah untuk tiap senyawa.
Kalau dibaca secara analitis, ini menunjukkan arah masa depan analisis farmasi:
-
bukan hanya akurat
-
tetapi juga cepat
-
dan mampu menangani multi-target dalam satu sistem uji
MIP dalam konteks ini menjadi alat selektivitas yang membantu menyaring target dari matriks, sehingga analisis multi-senyawa tetap stabil.
3.3 Enoksaparin: ketika target bukan molekul kecil sederhana, tapi struktur yang lebih kompleks
Orasi juga menyebut enoksaparin sebagai salah satu contoh yang relevan.
Enoksaparin bukan molekul kecil sederhana, tetapi obat dengan karakteristik struktur yang lebih kompleks.
Di titik ini, MIP diuji secara konseptual: apakah rongga cetakan bisa tetap selektif pada target yang tidak sesederhana “molekul kecil ideal”?
Studi seperti ini memperlihatkan bahwa inovasi MIP bukan hanya bermain di satu jenis obat, tetapi bisa diperluas sesuai kebutuhan.
Dan semua studi ini mengarah ke satu kesimpulan kecil yang terasa penting: MIP adalah strategi desain selektivitas, bukan sekadar bahan.
Karena yang dicari bukan “polimer yang unik”, tetapi pemisahan yang tidak salah baca.
4. Dari Docking sampai Zebrafish: Ketika Penemuan Obat Menjadi Kombinasi Komputasi dan Uji Biologis
Bagian yang membuat orasi Prof. Sophi Damayanti terasa modern adalah cara ia menyatukan dua dunia yang sering dipisahkan dalam pendidikan: dunia komputasi dan dunia biologi eksperimental.
Selama ini, banyak mahasiswa melihat komputasi sebagai “alat bantu”, sementara eksperimen sebagai “kebenaran utama”. Orasi ini tidak menempatkan keduanya secara hierarkis, tetapi menempatkan keduanya sebagai pasangan kerja.
Prof. Sophi menekankan bahwa penggunaan in silico dilakukan untuk screening dan penapisan sehingga eksperimen laboratorium bisa berkurang, tetapi tidak menggantikan eksperimen basah.
Logikanya sangat relevan dalam riset obat modern:
-
opsi kandidat terlalu banyak untuk diuji semuanya
-
biaya dan waktu eksperimen terlalu mahal
-
maka komputasi dipakai untuk menyaring kandidat terbaik
-
setelah itu, kandidat paling menjanjikan diuji secara biologis
Orasi juga menegaskan bahwa validasi global terhadap komputasi semakin kuat, salah satunya lewat penghargaan Nobel yang berkaitan dengan komputasi (2013) dan pendekatan desain komputasi serta prediksi struktur protein (2024).
Bagi pembaca, ini bukan sekadar trivia Nobel. Ini sinyal bahwa metode komputasi bukan lagi “metode tambahan”, tetapi menjadi tulang punggung banyak pengembangan obat modern.
4.1 Docking dan seleksi kandidat: mengurangi eksperimen yang tidak perlu
Dalam konteks MIP, komputasi membantu memilih monomer fungsional yang paling cocok untuk template tertentu. Tetapi di konteks pengembangan obat, komputasi bergerak lebih jauh: ia membantu memperkirakan interaksi kandidat senyawa dengan target biologis.
Docking, misalnya, dipakai untuk memprediksi apakah senyawa punya kemungkinan berikatan dengan target tertentu dan seberapa stabil ikatannya. Artinya, sebelum senyawa diuji di organisme hidup, kita sudah punya petunjuk awal tentang potensinya.
Ini membuat proses riset menjadi lebih hemat dan lebih logis. Bukan karena peneliti ingin “mengurangi kerja lab”, tetapi karena peneliti ingin mengurangi percobaan yang peluang gagal sejak awal.
4.2 Uji biologis: membuktikan bahwa interaksi komputasi punya efek nyata
Komputasi memberi prediksi. Tetapi obat tidak bekerja di ruang hampa. Obat bekerja dalam sistem biologis yang rumit.
Karena itu orasi ini menekankan perlunya uji biologis. Salah satu pendekatan yang dipaparkan adalah penggunaan model zebrafish.
Pemilihan zebrafish memiliki nilai strategis dalam riset biomedis karena ia memungkinkan pengamatan efek biologis secara lebih terstruktur dan relatif efisien dibanding uji pada mamalia dalam tahap tertentu.
Bagian ini memberi pesan bahwa dalam penemuan obat, “efek” lebih penting daripada “struktur”. Senyawa yang tampak bagus di docking bisa saja gagal karena toksisitas, bioavailabilitas rendah, atau efek samping yang tidak terduga.
Maka, pola kerja komputasi + uji biologis bukan sekadar tren, tetapi kebutuhan metodologi.
4.3 Antivirus hepatitis C: contoh bagaimana riset obat bergerak lintas metode
Orasi Prof. Sophi juga mengaitkan ini dengan riset pengembangan senyawa antivirus yang relevan dengan hepatitis C, sejalan dengan contoh sofosbuvir yang disebut pada bagian studi kasus.
Jika dibaca secara utuh, orasi ini sebenarnya sedang menunjukkan “pola baru” inovasi farmasi:
-
masalahnya nyata: mutu obat harus benar dan terukur
-
analisis butuh selektivitas: MIP membantu pemisahan target
-
pengembangan metode butuh efisiensi: komputasi membantu menyaring opsi
-
validasi tetap wajib: uji biologis membuktikan efek nyata
Bagi mahasiswa, ini menggambarkan bahwa farmasi masa depan bukan hanya formulasi obat, tetapi juga sistem yang memastikan obat itu terukur, selektif, dan dapat diprediksi secara lebih cepat.
Bagi pekerja, khususnya di industri farmasi dan laboratorium QC, orasi ini menunjukkan bahwa analisis mutu tidak bisa hanya bergantung pada SOP lama. Kompleksitas matriks dan risiko kesalahan analisis menuntut pendekatan pemisahan yang lebih selektif dan strategi pengembangan metode yang lebih cerdas.
5. Dampak Praktis MIP bagi Industri Farmasi: Mengurangi Risiko Salah Ukur, Menghemat Waktu, dan Menjaga Kepercayaan pada Obat
Kalau bagian sebelumnya menunjukkan bahwa MIP dapat dipakai pada sampel kompleks seperti plasma darah, maka implikasi besarnya adalah ini: MIP bukan sekadar inovasi akademik, tetapi punya peran nyata dalam kerja harian industri farmasi, terutama di quality control (QC) dan pengawasan mutu.
Di luar laboratorium, mutu obat punya satu tuntutan yang tidak bisa ditawar: konsistensi.
Obat yang sama harus menghasilkan kandungan yang sama, stabilitas yang sama, dan profil kualitas yang sama, tidak peduli diproduksi batch pagi atau batch malam. Dan ketika mutu tidak konsisten, dampaknya tidak berhenti pada angka, tetapi bisa menyentuh aspek terapi dan keselamatan pasien.
Orasi Prof. Sophi Damayanti menegaskan bahwa analisis farmasi terdiri dari analisis kualitatif dan kuantitatif. Ini berarti QC tidak hanya memeriksa “ada atau tidak ada”, tetapi juga memeriksa “berapa jumlahnya”.
Masalahnya, analisis tidak dilakukan pada sampel ideal, tetapi pada sampel yang penuh “gangguan”. Tablet punya eksipien. Sediaan cair punya banyak bahan tambahan. Sampel biologis seperti darah punya matriks yang lebih kompleks lagi.
Di titik ini, risiko salah ukur menjadi sangat relevan. Orasi ini menekankan konsekuensi matriks yang dapat menyebabkan negatif palsu atau positif palsu.
Jika dikaitkan dengan dunia QC, kesalahan ini bisa punya dua dampak yang sama-sama berbahaya:
-
obat sebenarnya memenuhi standar, tetapi dianggap gagal → terjadi pemborosan batch, rugi ekonomi, dan gangguan distribusi
-
obat sebenarnya tidak memenuhi standar, tetapi lolos QC → risiko terapi salah, risiko efek samping, bahkan krisis kepercayaan publik
MIP hadir untuk mengurangi risiko ini lewat selektivitas.
5.1 MIP sebagai “pemisah yang cerdas”: selektivitas mengurangi gangguan matriks
MIP bekerja dengan konsep rongga cetakan yang meniru template target, sehingga lebih selektif terhadap senyawa yang ingin ditangkap.
Dalam bahasa QC, ini berarti tahap pemisahan menjadi lebih tajam: target lebih mudah diperkaya, sementara pengganggu lebih mudah dieliminasi.
Di sinilah MIP memberikan nilai tambah pada sistem analisis, karena ia meningkatkan reliabilitas tanpa harus selalu menambah kompleksitas instrumen.
MIP tidak selalu menggantikan metode analitik utama seperti kromatografi atau spektroskopi. Tetapi ia menguatkan tahap pemisahan yang menentukan kualitas data.
5.2 Efisiensi biaya dan waktu: komputasi sebagai strategi riset yang lebih rasional
Orasi Prof. Sophi juga menekankan peran komputasi untuk screening dan penapisan agar eksperimen laboratorium dapat dikurangi, meskipun tidak menggantikan eksperimen basah.
Dalam pengembangan metode analisis dan pengembangan MIP, komputasi memberi keuntungan yang jelas:
-
mengurangi trial and error yang terlalu banyak
-
menurunkan biaya bahan kimia dan waktu kerja
-
membuat eksperimen lebih terarah
Bagi industri, ini berarti inovasi tidak harus “mahal dan lama” untuk menjadi layak. Komputasi membantu mempercepat tahap awal, sehingga pengembangan metode bisa lebih cepat masuk ke fase validasi.
5.3 Menjaga integritas sistem kesehatan: mutu obat adalah fondasi kepercayaan
Salah satu kalimat paling kuat dalam orasi ini adalah peringatan bahwa obat palsu lebih berbahaya daripada status palsu.
Maknanya luas. Mutu obat bukan hanya urusan pabrik. Ia urusan sistem kesehatan.
Ketika mutu obat tidak bisa dipercaya, pasien cenderung kehilangan kepercayaan pada terapi. Tenaga kesehatan kehilangan pegangan. Dan masyarakat bisa terjebak dalam pola konsumsi yang berbahaya, seperti berpindah ke “alternatif” tanpa bukti.
Di titik ini, MIP bukan hanya alat selektivitas, tetapi bagian dari sistem penjaga kepercayaan publik.
6. Kesimpulan: MIP Mengubah Analisis Mutu Obat dari Sekadar Pengukuran Menjadi Pengendalian Selektivitas
Orasi ilmiah Prof. Sophi Damayanti menunjukkan bahwa tantangan terbesar dalam analisis mutu obat bukan hanya memilih instrumen yang tepat, tetapi memastikan hasil analisis tidak tertipu oleh kompleksitas sampel.
Analisis farmasi mencakup identifikasi kandungan obat secara kualitatif dan penentuan kadarnya secara kuantitatif. Namun sampel farmasi dan biologis umumnya memiliki matriks yang kompleks sehingga dapat menimbulkan kesalahan analisis berupa negatif palsu maupun positif palsu.
Dalam konteks inilah Molecularly Imprinted Polymer (MIP) menjadi strategi penting karena memberikan selektivitas. MIP disintesis menggunakan template target, monomer fungsional, crosslinker, dan porogen, sehingga terbentuk rongga cetakan yang dapat menangkap molekul target secara spesifik. Pendekatan ini meningkatkan pemisahan dan mengurangi gangguan matriks, sehingga hasil analisis lebih reliabel.
Orasi ini juga memperlihatkan bahwa selektivitas bukan hanya persoalan sintesis, tetapi juga persoalan desain yang makin terbantu oleh komputasi. In silico digunakan untuk screening dan penapisan sehingga eksperimen laboratorium dapat dikurangi tanpa menghilangkan kebutuhan validasi basah. Pengakuan global terhadap pendekatan komputasi juga menunjukkan bahwa strategi prediktif semakin relevan dalam riset obat modern.
Berbagai contoh aplikasi MIP pada sampel kompleks memperlihatkan bahwa teknologi ini dapat digunakan untuk kebutuhan nyata, dari analisis obat pada plasma darah hingga pendekatan analisis simultan. Di sisi lain, integrasi komputasi dan uji biologis memperlihatkan pola baru riset farmasi: prediksi yang terarah, lalu pembuktian biologis yang kuat.
Bagi mahasiswa, orasi ini menegaskan bahwa farmasi modern tidak hanya tentang membuat obat, tetapi tentang menjaga mutu dan kebenaran pengukuran. Bagi pekerja industri farmasi dan laboratorium QC, orasi ini menunjukkan bahwa peningkatan mutu analisis tidak selalu harus berarti membeli alat yang lebih mahal, tetapi bisa dilakukan dengan meningkatkan selektivitas pemisahan dan strategi desain metode.
Pada akhirnya, MIP mengubah analisis mutu obat dari sekadar “mengukur kadar” menjadi upaya sistematis untuk memastikan keterikatan yang benar antara target dan alat analisis, sehingga keputusan yang diambil benar-benar berdasar pada data yang dapat dipercaya.
Daftar Pustaka
Institut Teknologi Bandung. Orasi Ilmiah Guru Besar ITB Prof. Sophi Damayanti: Polimer Tercetak Molekul dan Inovasi Analisis Mutu Obat. 2024.
Sellergren, B. Molecularly Imprinted Polymers: Man-Made Mimics of Antibodies and Their Applications in Analytical Chemistry. Elsevier.
Wulff, G. Molecular Imprinting in Cross-Linked Materials with the Aid of Molecular Templates. Angewandte Chemie International Edition.
International Council for Harmonisation (ICH). Q2(R2): Validation of Analytical Procedures. (diakses 2026).
National Institute for Pharmaceutical Technology and Education (NIPTE). Advances in Pharmaceutical Analysis and Quality Control. (diakses 2026).