Anda di halaman 1dari 3

6 TAHAPAN ANALISA

KUANTITATIF SAMPEL
MULTIKOMPONEN DENGAN
FTIR (INFRARED KUANTITATIF)
1.

sample/standard selection

Memilih sampel/standar mana yang akan kita jadikan untuk kalibrasi dan juga untuk
validasi. Pemilihan suatu standar atau suatu sampel utuk kalibrasi dan validasi, ini tahap
pertama kita. Jadi ketika kita setelah merunning berbagai konsentrasi standar (berbagai
kombinasi), maka kita melakukan selection mana yang di gunakan sebagai kalibrasi,
mana sebagai validasi. Yang sudah digunakan.
Misal Juragan Vco ingin memeriksakan produknya karena diduga bahan bakunya ada di
campuri dengan olive oil...
tahap pertama kita bisa membuat sejumlah serangkaian standar, yakni campuran
standar yang kombinasi dari VCO 100 % berarti olive 0 %, kemudian VCO 90 % berarti
olive 10%, kemudian campuran VCO 85 % dan olive 15 % sampai campuran olive nya
100 % dan VCO 0 %.
Jadi, Kita tentukan mau punya sampel berapa, kemudian berapa yang akan kita jadikan
kalibrasi, dan berapa kita jadikan validasi
dasar ini bisa kita gunakan untuk analisis kuantitatif berapa kadar olive oil pada
campuran VCO tersebut nantinya
2. Signal acquisition
yakni mengkoleksi signal menggunakan pengukuran yang tepat dan teknik sampling
yang sesuai.
tentunya dari running kita akan tahu, bahwa pada VCO 100% dan olive 0 % maka akan
ada puncak vibrasi tertinggi pada bilangan gelombang spesifik yang menunjukkan itu
puncak 100 % VCO dan 0 % olive, begitu pula seterusnya..dari data set ini, kita bagi,
spektrum mana yang menjadi kalibrasi dan spektrum mana yang menjadi validasi ,
untuk memprediksi apakah model yang kita gunakan sesuai atau tidak.

3. Pre modeling, kita melakukan optimasi, kita melakukan model kalibrasi apa yang akan
kita lakuan.

Ada
ordinary
least
resquare, ada juga clasical
leastly square, dsb.
Kita akan memiliih model
kalibrasi apa yang sesuai
kita gunakan. Kita lihat di
TQ analysis apakah kita
akan menggunakan simple
lambeeer law,atau apa
yang kedua , apakah kita
menggukana
calssical
least
squareds
atau
lainnya,
untuk
clasical
least square digunakan
untuk 2 atau lebih variabel, tetapi masih klasik, sebagai sumbu x konsentrasi, y
absorbansi..Stepwise multiple linear regression sdb..ini adlah beberapa cara untuk
mengkalibrasi.
Katakan kita memililih principle componen regresion

4. Modeling. Kita malakuan building reliabel prediction from kalibration datasate. Kita
modelkan kalibrasi yang dihasilkan. Model kalibrasi kita seperti apa. Ternyata hubungan
antara actual (yang saya siapkan ), dengan yang terpredisiksi itu close..maka ada
kooefisen korelasi, hubungan antara calculated dan actual. Klo kita memilih model yang
tidak benar, maka titik titik tidak akan berada digaris seperti ini, sehingga nilai koefisen
korelasi nya jeek. Setelah model kalibrasi bagus, maa sudah oke.
Kemudian output yagn kedua adalah residu, adalah melihat dua hal seberapa dekat : a.
hub atnara residual dan predikted. b. apakah kesalahan yang kita lakukan itu random
atau sistematik. So
bisa dikatakan bahwa
model saya benar.
Di
jendala
itu
ditampilkan
juga
actual
dan
calculated,
angka
dari
calibraraiton
result tabel

sebenarnya adalah

Seperti
duakadratkan,
di
bagi
dengan
n,
kenapa
di
kuadaratkan,/
?
Karen agar kesalhana
bisa nyata, rumusnya

RMSc =aakar sigma (Xachal-Xcal actual)2/n


5. Kita udah suskes pemodelan, karena koefisen korelasinya, lower than the lower
konsentration, biasanya diterima, kemudian kita lakukan evalutaion. Apakah model
kalibrasi yang kita gunakan benar atau tidak. Maka kita harus mampu memprediksi kadar
yang ada di sampel kita, maka dengan cara sampel yagn sudah diketahui kadarnya,
kemudian saya Ukur dengan IR di scan sehingga menghasilkan spektranya,,kemudian di

masukkan ke model kalibrasi, actualnya kan kita tahu, misal kita membuat sampel yang
terdiri VCO 40 , olive 60, baca IR, spektra masukkan, kemudian mampu g model kalibrasi
itu, bisa memprediksi spektra kita. Kita lihat RMSEP (root mean sekuen error prediction).
RMSEC-etika asampel kita jumlah sedikit, kita menggunakan model validasi silang ,
menggunakan leave one out tecnique, kita masukan, kemudian kita keluarkan. Klo kita
punya sampel kalibrasi, maka perbedaan antara actual dan Calculated akan kecil
Apa yang harus kita lakukan ketika model validasi itu tidak benar? Some time, kita nanti
klo validasi maka simbolnya gini, model ini kan model kalibrasi,model kalibrasi sukses .
Suatu saat kita itu, kesini, jauh antara actual dan calculated, maka kita harus tiral n
erros, di pemilihan bilangan gelombang, mungkin bllangan gelombang kita kurang tepat
dalam menggunakan nya. Kecuali ada terjadi peristiwa over feating, maka kita baru
mengotimasi di bilangan gelombangnya.
Minitipe 16.ketika model validasi itu tidak sukses, maka kita harus melakukan optimasi.

6. Validation. Evaluation of analytical features and predicitive capabilitas of the model


(accuracy, precision, robusneess).

Kelemahan analisis kuantitatif menggunakan FTIR :


Model yang dikembangkan hanya sesuai untuk formula sampel tertentu
jika formula berbeda, maka di perlukan kalibrasi dan pengembangan model yagn
sesuai..