Metode Dumas didasarkan pada pembakaran seluruh sampel dalam atmosfer yang diperkaya oksigen

pada suhu tinggi untuk memastikan pembakaran yang sempurna. Penganalisis Unsur EuroVector EA3000
yang dilengkapi dengan perangkat lunak Callidus (EuroVector SpA, Milan, Italia) digunakan. Alat analisis
umumnya dioperasikan sesuai dengan instruksi pabrik, tetapi juga mempertimbangkan desain
eksperimental yang digunakan untuk fase penyaringan (Tabel 1).

Penelitian ini termasuk dua sampel yang diperoleh dari Community Bureau of Reference (BCR). Peran
bahan referensi bersertifikat (CRMs) dalam kimia analitik sekarang mapan,

khususnya untuk kalibrasi dan untuk memverifikasi keakuratan

metode analitik (Belliardo dan Wagstaffe, 1988). Umum

Poin menggunakan CRMs adalah untuk meningkatkan akurasi dalam optimasi

proses seperti yang dilaporkan dalam makalah ini.

Sistem Yang Terbukti

Euro EA adalah sistem yang baru dikembangkan untuk analisis unsur. Prinsip fungsional melibatkan
pembakaran spontan yang dinamis dengan pemisahan kromatografi berikutnya. Prinsip ini telah
digunakan selama 30 tahun dan menjamin hasil terbaik.

Aplikasi dan Fleksibilitas

Instrumen baru ini dibuat secara fleksibel dan cocok untuk hampir semua aplikasi. Instrumen tersedia
dalam konfigurasi berikut:

Protein

CN

CHN

CNS
CHNS

CHNO

CHNSO

Belerang

Oksigen

Alat analisis yang diuji secara khusus untuk tanah, sedimen, bahan makanan, analisis protein. Aplikasi
yang umum termasuk org. dan inorg. bahan kimia dari segala jenis, tanah, bahan tanaman, sedimen,
filter serat gelas, bahan makanan dan minuman, bahan limbah, karbon dan minyak, tembakau, polimer
dan banyak lagi.

Instrumen dapat dikonfigurasi ulang dengan biaya rendah. Berdasarkan diameter tabung fleksibel,
volume oksigen yang dapat diprogram, katalis terpilih dll. Analisa ini cocok untuk berbagai aplikasi.

Bahan yang digunakan untuk mengkalibrasi instrumen analitik untuk analisis protein DM umumnya
dipilih berdasarkan sampel nitrogen

konten, meskipun biasanya ada perbedaan yang nyata dalam matriks

karakteristik antara bahan kalibrasi dan sampel aktual.

Misalnya, atropin (4,84% N) atau acetanilide (10,36%) telah

digunakan dalam analisis makanan bayi (Bellomonte et al., 1987) dan larutan NaN3 untuk susu (Jakob et
al., 1995). Di sini, standar referensi yang digunakan untuk kalibrasi instrumen adalah 2, 5-bis (5-tert-
butyl-benzoxazol-2-yl) thiophene (BBOT). Dua bahan referensi sereal, tepung BCR-381 rye (Secale
cereale L.), 1,249 0,1% N) dan tepung gandum BCR-382 (Triticum aestivum), 2,12 0,1% N digunakan
untuk menyaring faktor-faktor yang mempengaruhi analisis DM. proses.
entri H adalah þ1 atau 1, dan sedemikian rupa sehingga HHt ¼ nI, di mana Ht adalah transpos H dan I
adalah urutan n matriks identitas. Dengan kata lain, matriks (þ1, 1) adalah matriks Hadamard jika produk
dalam dari dua baris berbeda adalah 0 dan produk dalam dari sebuah baris dengan dirinya sendiri
adalah n. Dengan mengambil matriks Hadamard sebagai titik awalnya, Plackett dan Burman (1946)
mengembangkan desain skrining-eksperimen (PB) yang memungkinkan estimasi efek utama, dengan
asumsi e berdasarkan prinsip efek sparsity e sehingga semua interaksi dapat diabaikan jika dibandingkan
dengan beberapa efek utama yang penting. Kemudian, Box and Hunter (1961) menunjukkan bahwa
desain resolusi IV dapat diperoleh dengan melipat desain PB eksperimental.

Meskipun penulis lain (mis. Saint-Denis dan Goupy, 2004)

dianggap hanya tiga faktor untuk optimasi DM, sebuah tinjauan

instrumen manual, survei literatur kembali 10 tahun dan sesi curah pendapat menyebabkan identifikasi
sebelas faktor kritis yang jelas (ACF); desain PB non-geometris karena itu dipilih, karena jumlah
percobaan adalah kelipatan dari empat tetapi bukan kekuatan dua, sehingga dua belas berjalan
diperlukan (k ¼ n 1). ACF diperiksa dan rentang eksperimentalnya ditunjukkan pada Tabel 1. Akhirnya,
untuk mendapatkan resolusi IV, jumlah percobaan yang termasuk dalam desain eksperimental
ditingkatkan menjadi dua puluh empat kali berjalan melalui lipat lebih. Desain eksperimental
ditunjukkan pada Tabel 2 dan 3 untuk CRM-381 dan CRM-382, masing-masing.

Kesederhanaan fase penyaringan terletak pada asumsi hubungan linier antara pengaturan faktor dan
respons. Namun, fase optimisasi memerlukan desain eksperimental yang lebih kompleks karena hanya
ketika setiap variabel diukur pada level 3 atau lebih, permukaan respon kuadrat dapat diperkirakan.

oleh regresi kuadrat-terkecil dan nilai-nilai optimal (atau titik stasioner sistem) dapat ditemukan dari
permukaan yang diestimasi (SAS, 1999). Desain eksperimental dua tingkat seperti yang digunakan oleh
Saint-Denis dan Goupy (2004) dengan demikian tidak pernah dapat digunakan untuk mengoptimalkan
suatu proses. Ini adalah pertimbangan mendasar, karena dua poin hanya dapat berfungsi untuk
memperkirakan model linier, tetapi tidak pernah model kuadratik. Karenanya, setidaknya desain tiga
tingkat, mis. desain eksperimental faktorial lengkap atau Boxe Behnken, harus digunakan untuk tujuan
optimasi.

Setelah proses penyaringan, sebagaimana ditunjukkan kemudian di bawah Hasil dan Diskusi, jumlah
faktor kunci yang akan dioptimalkan ternyata hanya 2. Oleh karena itu mungkin untuk menggunakan
desain komposit pusat (CCD) (Box dan Wilson, 1951) yang merupakan jumlah dari desain faktorial dua
tingkat dan desain bintang, untuk mendapatkan 5 level per faktor, seperti yang ditunjukkan pada Tabel
4.

Akurasi adalah tingkat kesesuaian antara nilai yang terdeteksi dan nilai referensi tersertifikasi, sehingga
respons R1 mengukur perbedaan antara nilai yang terdeteksi (rata-rata dari empat ulangan) dan nilai
yang disertifikasi. Presisi, sebaliknya, adalah variabilitas hasil yang diperoleh ketika menganalisis sampel
yang sama menggunakan metode analitik yang sama untuk keperluan validasi. Respons R2 mengukur SD
dari empat pengukuran ulangan.

Karena akurasi adalah kesesuaian antara nilai yang terdeteksi yang diperoleh dan nilai referensi
tersertifikasi, respons R1 (CRM-381) dan R3 (CRM-382) akan mengukur perbedaan antara keduanya
yang terdeteksi (rata-rata empat ulangan) dan nilai bersertifikat (Tabel 2). ). Presisi adalah variabilitas
hasil yang diperoleh dengan menganalisis sampel yang sama menggunakan metode analisis yang sama
untuk validasi, sehingga tanggapan R2 (CRM- 381) dan R4 (CRM-382) digunakan untuk mengukur SD dari
empat penentuan ulangan. Singkatnya, faktor-faktor yang mempengaruhi akurasi dan presisi DM
terdeteksi dan kemudian dioptimalkan. Untuk fase penyaringan dan optimisasi, paket perangkat lunak
Design-Expert (Stat-Ease, Inc. Minneapolis) dan Statistik (StatSoft, Inc., Tulsa) digunakan untuk
menghasilkan desain, menyesuaikan model permukaan respons dengan data eksperimental, dan
menarik respons permukaan angka pada fase optimasi. Selain itu, lari dilakukan dalam urutan acak
(order percobaan) karena pengacakan membantu melindungi eksperimen, sekali lagi mencapai
kesimpulan yang keliru karena sumber variabilitas yang asing (Joglekar dan Mei, 1987).